pengaruh inflasi dan pengangguran - perpustakaan...

Pengaruh Inflasi dan Pengangguran terhadap Kemiskinan di Indonesia

OlEH

Fahma Sari Fatma 6603000171

Tesis Diajukan Slebagai salah satu syarat guna memperoleh gelar

Magister Sains Ekonomi pada Program Studi llmu EkofilOmi

Program Pascasarjana fakultas Ekonomi Universitas Indonesia

DEPOK, 2005

Pengaruh Inflasi dan Pengangguran terhadap Kemiskinan di Indonesia

OLEH

Fahma Sari Fatma 6603000171

Tesis Diajukan sebagai salah satu syarat guna memperoleh gelar

Magister Sains Ekonomi pada Program Studi Ilmu Ekonomi

Program Pascasarjana Fakultas Ekonomi Universitas Indonesia

DEPOK, 2005

Nama

N.P.M

Kekhususan

Judul tesis

PERSETUJUAN TESIS

Fahma Sari Fatma

6603000171

Ekonomi Regional dan Perkotaan

Pengaruh Inflasi dan Pengangguran terhadap Kemiskinan

di Indonesia

Depok, 12 Desember 2005

Pembimbing tesis Penguji Tesis

-

~~-Dr. Arianto A. Patunru Dr. Suahasil Nazara

Ketua Program Studi,

Dr. Arindra A. Zainal

ABSTRAK

Masalah kemiskinan masih menjadi salah satu masalah utama dalam

perekonomian negara-negara di dunia termasuk Indonesia. Sejalan dengan

berkembangnya pendapat adanya pengaruh variabel makro terhadap

kemiskinan, penelitian yang dilakukan melihat bagaimana sifat dan signifikansi

dari inflasi dan pengangguran terhaddap tingkat kemiskinan di Indonesia. Selain

itu juga akan dilihat adanya pengaruh variabel ekonomi lainnya yaitu

pertumbuhan Produk Domestik Regional Bruto (PDRB) dan variabel demografis

yaitu pendidikan terhadap tingkat kemiskinan di Indonesia. Sejumlah penelitian

terkait di berbagai negara seperti Cutler&Katz (1991), Powers (1995a), dan

Powers (1995b) menunjukkan adanya pengaruh yang signifikan dan positif dari

pengangguran dan inflasi terhadap kemiskinan. Pengukuran kemiskinan yang

digunakan dalam penelitian ini adalah Foster-Greer-Thorbecke (FGT) Poverty

Index yang terdiri dari Head Count Index, Poverty Gap Index, dan

Distributional/y Sensitive Index Ini merupakan pengukuran kemiskinan yang

digunakan secara resmi oleh Badan Pusat Statistik (BPS). Penelitian dengan

model ekonometri dilakukan dengan menggunakan data 23 provinsi pada tahun

2001-2003. Hasil penelitian menunjukkan bahwa inflasi berpengaruh searah dan

signifikan terhadap Head Count Index, Poverty Gap Index, dan Distributionally

Sensitive Index. Pengangguran berpengaruh searah terhadap Head Count Index

dan Poverty Gap Index, tetapi berpengaruh tidak searah terhadap

Distributionally Sensitive Index. Variabel lainnya yaitu pertumbuhan PDRB

berpengaruh searah terhadap Head Count Index, tetapi berpengaruh tidak

searah terhadap Poverty Gap Index dan Distributionally Sensitive Index.

Sementara pendidikan menunjukkan bahwa peningkatan pendidikan daJ:at

mengurangi Head Count Index dan Poverty Gap Index, tetapi tidak cukup

berpengaruh terhadap Distributionally Sensitive Index

'tuk hazel, najwa dan athar

KATA PENGANTAR

Puji syukur ke hadirat Allah S.W.T. atas limpahan karunia-Nya hingga

tesis ini dapat penulis rampungkan. Untuk semua suka dan duka yang telah

penulis lewati selama ini, penulis mengucapkan terima kasih kepada

1. Papa&Mama untuk doa dan dukungan yang tiada hentinya; Bapak&Mama

untuk perhatiannya;

2. Hazel untuk cinta dan kesabarannya; Najwa&Athar penghibur hati dikala

putus asa menghampiri;

3. Ditjen Perbendaharaan untuk izin tugas belajarnya dan Bappenas untuk

beasiswanya;

4. Pembimbing Tesis, Dr. Arianto A. Patunru; Penguji Sidang dan Kompre, Dr.

Arindra A. Zainal dan Dr. Suahasil Nazara;

5. Bapak&Ibu Abdul Karib, M.S. untuk rekomendasinya;

6. Bapak Putut H.P. untuk pengertiannya setiap kali penulis harus meninggalkan

kantor menjelang ujian akhir;

7. Vid Adrison untuk kiriman artikel-artikelnya; Adrian, Lutfi, Djoni, Mas Chotib,

Eko, Feri, Mbak Is, Een, dan Aris untuk diskusi-diskusinya; Wahyu untuk

obrolan-obrolan kecilnya yang membuat penulis tidak kapok ke pustaka;

8. Nora dan Dewi untuk persahabatan selama ini, semoga tetap terjaga;

9. Kakak-kakak dan adik penulis untuk dukungan dan perhatiannya;

10. Des untuk pengertiannya menunda pernikahan untuk menjaga Najwa&Athar;

ll.semua pihak yang ikut memperlancar proses penulisan (maaf tidak bisa

disebutkan satu persatu).

Depok, Desember 2005

Penulis

DAFTAR lSI

Halaman ABSTRAK iii KATA PENGANTAR v DAFTAR GAMBAR DAN TABEL viii BAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1 1.2 Perumusan Masalah dan cakupan 4 1.3 Tujuan Penelitian 5 1.4 Manfaat Penelitian 6 1.5 Perumusan Hipotesis 6 1.6 Metode Penulisan 7 1.7 Sistematika Penulisan 7 BAB II LANDASAN TEORI 2.1 Kerangka Analitis 9 2.2 Telaah Kepustakaan 10 2.3 Konsep dan Pengukuran Kemiskinan 11

2.3.1 Kemiskinan dan Ekonomi Kesejahteraan 11 2.3.2 Pengukuran Kemiskinan 12

BAB III METODOLOGI PENELITIAN 3.1 Rancangan Model 16 3.2 Data Penelitian 17 3.3 Metode Estimasi 21 3.4 Tahapan Analisis Data 24

3.4.1 Pemilihan Model Data Panel 24 3.2.2 Pengujian Pelanggaran Asumsi Dasar 25

BAB IV KEMISKINAN DI INDONESIA 4.1 Keadaan dan Kecenderungan 28 4.2 Penghitungan Kemiskinan 31

4.2.1 Metode Penghitungan Resmi, BPS 31 4.2.2 Metode Penghitungan Lainnya 33

4.3 Kebijakan dan Program 36 BAB V HASIL EMPIRIS 5.1 Deskripsi Statistik Variabel Penelitian 39 5.2 Hasil Estimasi 40

5.2.1 Pengaruh Inflasi dan Pengangguran terhadap 40 Head Count Index (PO)

5.2.2 Pengaruh Inflasi dan Pengangguran terhadap 45 Poverty Gap Index (P1)

5.2.3 Pengaruh Inflasi dan Pengangguran terhadap 49 Distributionally Sensitive Index (P2)

BAB VI PENUTUP 6.1 Kesimpulan 54 6.2 Saran 56

VI

6.3 Kelemahan Penelitian DAFTAR PUSTAKA LAMPI RAN

Halaman 57 58

Vll

DAFfAR GAMBAR DANTABEL

Gambar 4.1 Kecenderungan Kemiskinan di Indonesia 1976--2004 Tabel4.1 Data Kemiskinan Indonesia Tahun 2004 Tabel 4.2 Indikator Keluarga Sejahtera, BKKBN Tabel 5.1 Estimasi Pengaruh Inflasi dan Pengangguran terhadap Head

Count Index menggunakan Axed Effect Tabel 5.2 Estimasi Pengaruh Inflasi dan Pengangguran terhadap Poverty

Gap Index menggunakan Fixed Effect Tabel 5.1 Estimasi Pengaruh Inflasi dan Pengangguran terhadap

Distributionally Sensitive Index menggunakan Fixed Effect

Halaman 28 29 34 42

47

51

Vlll

BABI

PENDAHULUAN

1.1 Latar Belakang Masalah

Pengukuran tingkat kemiskinan dan faktor-faktor yang

mempengaruhi penting diketahui untuk menunjukkan bagaimana kemajuan

ekonomi dapat meningkatkan standar kehidupan dan kesejahteraan

masyarakat serta bagaimana berbagai kebijakan yang dilakukan pemerintah

berdampak terhadap masyarakat miskin.

Sampai akhir tahun 1960-an, sebagian besar ahli ekonomi percaya

bahwa cara terbaik untuk mengejar keterbelakangan ekonomi adalah

dengan meningkatkan laju pertumbuhan ekonomi (produk domestik bruto)

setinggi-tingginya sehingga dapat melampaui tingkat pertumbuhan

penduduk. Dengan cara tersebut angka pendapatan perkapita akan

meningkat sehingga secara otomatis terjadi pula peningkatan kemakmuran

masyarakat. Oleh karenanya sasaran utama dalam pembangunan ekonomi

lebih ditekankan kepada usaha-usaha pencapaian tingkat pertumbuhan

ekonomi yang tinggi. Mereka berargumen bahwa seluruh masyarakat akan

mendapatkan manfaat pertumbuhan ekonomi melalui trickle-down effect

(efek tetesan ke bawah)1• Tetesan kemakmuran inilah yang diyakini

memecahkan permasalahan kemiskinan.

1 Peningkatan kekayaan para investor akan disertai tetesan kekayaan mereka ke lapisan masyarakat bawah (bentuk manfaat yang diperoleh masyarakat dengan tetesan kemakmuran orang-orang kaya tersebut misalnya upah yang mereka dapatkan sebagai buruh pabrik).

Awal tahun 1970-an, para ahli ekonomi mulai meragukan manfaat

pertumbuhan produk domestik bruto karena di banyak negara sedang

berkembang terdapat gejala meningkatnya kemiskinan absolut, ketimpangan

distribusi pendapatan, dan pengangguran, walaupun pertumbuhan ekonomi

mengalami peningkatan secara stabil. Muncul pendapat bahwa apabila

pembangunan tidak disertai pemerataan mustahil ia memberikan hasil yg

optimal.

Data empiris dari berbagai negara sedang berkembang selama

periode 1960-1980 menunjukkan semakin melemahnya mekanisme trickle

down effect; pertumbuhan ekonomi yang pesat tidak secara otomatis diikuti

dengan semakin berkurangnya jumlah kemiskinan di suatu negara. Pada

tahun 1960-an, pertumbuhan ekonomi dunia yang cepat dan relatif stabil

diikuti dengan berkurangnya jumlah orang yang berada di bawah garis

kemiskinan. Ketidakstabilan kondisi ekonomi pada 1970-an berasosiasi

dengan tingkat kemiskinan yang relatif tidak berubah, sementara pada tahun

1980-an walaupun dalam ekonomi makro tetapi tidak memberikan pengaruh

yang berarti terhadap pengurangan tingkat kemiskinan (Cutler&Katz, 1991).

Sejalan dengan semakin berkembangnya pendapat bahwa

pembangunan ekonomi akan memberikan hasil yang lebih optimal jika

peningkatan produk domestik bruto disertai dengan perbaikan kualitas hidup

bagi seluruh kelompok masyarakat termasuk yang berpendapatan rendah,

para ahli ekonomi mencoba menganalisis dan meramalkan pengaruh dari

variabel-variabel ekonomi makro tertentu terhadap tingkat kemiskinan. Dari

penelitian-penelitian tersebut diharapkan dapat secara lebih spesifik

2

ditentukan variabel-variabel kebijakan fiskal dan moneter yang tepat dalam

mengurangi tingkat kemiskinan.

Sejumlah penelitian empiris yang menganalisis pengaruh variabel

variabel ekonomi makro terhadap tingkat kemiskinan yang dilakukan antara

lain oleh Cutler&Katz (1991), dan Powers (1995a) menemukan adanya

hubungan yang kuat antara tingkat kemiskinan dengan berbagai variabel

ekonomi makro. Penelitian-penelitian tersebut juga membuktikan bahwa

tingkat pengangguran dan inflasi keduanya berhubungan positif dengan

jumlah penduduk yang berada di bawah garis kemiskinan; semakin tinggi

tingkat inflasi dan pengangguran semakin besar tingkat kemiskinan. Lebih

lanjut pengangguran memiliki pengaruh yang kuat terhadap tingkat

kemiskinan sementara inflasi hanya memberikan pengaruh yang relatif kecil.

Hal ini berbeda dengan penelitian Powers (1995b), yang menemukan bahwa

ternyata ada hubungan yang signifikan dan positif antara inflasi dan tingkat

kemiskinan bila tingkat kemiskinan tersebut diukur dari sisi konsumsi

(consumption poverty rate). Hoover& Wallace (2003) menemukan bahwa

tingkat kemiskinan sangat responsif terhadap kondisi pasar tenaga kerja

(tingkat pengangguran dan upah).

Berbagai studi menggunakan pendekatan yang berbeda-beda untuk

mengukur kemiskinan. Di Indonesia sendiri dikenal tiga model pengukuran

kemiskinan. Pertama, Model Tingkat Konsumsi (Basic Needs), digunakan

oleh BPS, sebagai pengukuran resmi kemiskinan di Indonesia, dan oleh

Sayogyo (1971). BPS menggunakan standar minimum makanan dan non

makanan sebagai patokan untuk menentukan garis kemiskinan. Batasan

3

garis kemiskinan menurut BPS adalah 2100 kalori/orang/hari untuk

kebutuhan minimum makanan ditambah dengan kebutuhan minimum bukan

makanan seperti perumahan, bahan bakar, sandang, pendidikan, kesehatan,

dan transportasi. Sedangkan Sayogyo menggunakan tingkat konsumsi

ekuivalen beras perkapita, 240kg/orang/tahun untuk daerah pedesaan dan

360kg/orang/tahun untuk daerah perkotaan. Kedua, Model Kesejahteraan

Keluarga yang digunakan oleh BKKBN. Model ini lebih melihat sisi

kesejahteraan keluarga dari pada sisi kemiskinan. Keluarga Pra Sejahtera

(sangat miskin) diartikan sebagai ketidakmampuan memenuhi kebutuhan

dasar secara minimal meliputi kebutuhan akan pengajaran agama, pangan,

sandang, papan, dan kesehatan. Ketiga, Model Pembangunan Manusia yang

dipromosikan Perserikatan Bangsa-Bangsa (PBB) yang di Indonesia

dikembangkan oleh BPS dan Bappenas dengan nama Pembangunan Manusia

Seutuhnya, dimana konsep ini menjadikan kesejahteraan manusia sebagai

tujuan akhir. Model pengukuran kemiskinan ini akan dibahas lebih lanjut

pada Bab IV.

1.2 Perumusan Masalah dan Cakupan

Masalah kemiskinan masih menjadi salah satu masalah utama dalam

perekonomian negara-negara di dunia termasuk Indonesia. Berbagai upaya

dan kebijakan telah dilakukan oleh pemerintah untuk mengatasi masalah

kemiskinan tersebut. Sejumlah penelitian di berbagai negara seperti

Cutler&Katz (1991), Powers (1995a), dan Powers (1995b), menunjukkan

adanya pengaruh yang signifikan dan positif dari pengangguran dan inflasi

terhadap kemiskinan. Dikaitkan dengan kondisi Indonesia, permasalahan

4

yang akan diteliti adalah bagaimana sifat dan signifikansi dari variabel

variabel ekonomi makro yaitu inflasi dan pengangguran terhadap tingkat

kemiskinan di Indonesia. Selain itu juga akan dilihat adanya pengaruh

variabel ekonomi lainnya yaitu pertumbuhan Produk Domestik Regional

Bruto (PDRB) dan variabel demografis yaitu pendidikan terhadap tingkat

kemiskinan di Indonesia. Dengan demikian penelitian mencoba melihat:

a. Pengaruh inflasi terhadap tingkat kemiskinan di Indonesia pada tahun

2001-2003.

b. Pengaruh pengangguran terhadap tingkat kemiskinan di Indonesia pada

tahun 2001-2003.

c. Pengaruh variabel ekonomi lainnya yaitu pertumbuhan Produk Domestik

Regional Bruto (PDRB) terhadap tingkat kemiskinan di Indonesia pada

tahun 2001-2003.

d. Pengaruh variabel demografis yaitu pendidikan terhadap tingkat

kemiskinan di Indonesia pada tahun 2001-2003.

1.3 Tujuan Penelitian

Penelitian ini bertujuan untuk menganalisis pengaruh antara

variabel-variabel ekonomi makro yaitu inflasi dan pengangguran terhadap

tingkat kemiskinan di Indonesia. Selain itu juga akan dilihat adanya

pengaruh variabel ekonomi yaitu pertumbuhan PDRB dan pengaruh variabel

demografi berupa pendidikan terhadap tingkat kemiskinan di Indonesia pada

tahun 2001-2003.

5

1.4 Manfaat Penelitian

Penelitian ini diharapkan dapat menjadi masukan bagi para pembuat

kebijakan di negeri ini. Apabila inflasi dan pengangguran memberi pengaruh

yang berarti bagi terciptanya kemiskinan, diharapkan kebijakanan yang

dikeluarkan dapat mengontrol inflasi dan pengangguran sehingga dapat

mengurangi kemiskinan.

Selain itu penelitian ini .diharapkan dapat menjadi acuan bagi

penelitian-penelitian selanjutnya tentang kemiskinan.

1.5 Perumusan Hipotesis

Berdasarkan teori dan penelitian-penelitian sebelumnya dapat

disusun suatu rumusan hipotesis sebagai berikut:

1. terdapat hubungan yang signifikan dan positif dari inflasi dan

pengangguran terhadap tingkat kemiskinan di Indonesia. Lebih lanjut,

tinggi rendahnya inflasi dan pengangguran secara bersama-sama sangat

mempengaruhi besarnya tingkat kemiskinan,

2. terdapat hubungan yang signifikan dan positif antara inflasi dan tingkat

kemiskinan. Inflasi yang tinggi cenderung menyebabkan tingkat

kemiskinan yang juga tinggi,

3. terdapat hubungan yang signifikan dan positif antara pengangguran dan

tingkat kemiskinan, tinggi rendahnya pengangguran mempengaruhi

tinggi rendahnya tingkat kemiskinan.

Selain itu tingkat kemiskinan juga dipengaruhi oleh variabel ekonomi

lainya seperti pertumbuhan PDRB dan variabel demografis seperti

pendidikan.

6

1.6 Metode Penelitian

Dalam penelitiaan ini, analisis ekonometri data panel digunakan

untuk menjelaskan pengaruh inflasi dan pengangguran terhadap tingkat

kemiskinan di Indonesia pada tahun 2001-2003. Penelitian meliputi

provinsi-provinsi di Indonesia (23 provinsi). Penelitian ini tidak memasukkan

provinsi-provinsi Nanggroe Aceh Darussalam, Maluku, dan Papua karena

tidak tersedianya data untuk ketiga provinsi tersebut. Analisis dilakukan

untuk tingkat kemiskinan yang diukur dengan beberapa indeks.

1.7 Sistematika Penulisan

Penelitian ini akan ditulis dalam enam bab sebagai berikut :

Bab I : merupakan bab pendahuluan, dilanjutkan dengan perumusan

masalah, tujuan penelitian, manfaat penelitian, hipotesis,

gambaran umum metodologi penelitian dan ditutup dengan

sistematika penulisan.

Bab II : berisi kerangka analitis dan penelitian terdahulu yang berkaitan.

Bab III : menjelaskan tentang metodologi penelitian, antara lain model

yang digunakan, data, pengukuran variabel, metode, dan proses

estimasi.

Bab IV : menjelaskan gambaran umum kemiskinan di Indonesia, meliputi

keadaan dan kecenderungan kemiskinan, penghitungan

kemiskinan, dan cara yang telah dilakukan untuk mengurangi

kemiskinan.

Bab V : berisi analisis empiris yang diperoleh.

7

Bab VI : merupakan bab penutup yang berisi kesimpulan yang diperoleh

dari analisis empiris, saran, dan kelemahan penelitian.

8

2.1 Kerangka Analitis

BABII

LANDASAN TEORI

Pengukuran tingkat kemiskinan dan faktor-faktor yang

mempengaruhinya penting untuk menunjukkan bagaimana kemajuan

ekonoml dapat meningkatkan standar kehidupan dan kesejahteraan

masyarakat serta bagaimana pengaruh dari berbagai kebijakan yang

dilakukan oleh pemerintah terhadap masyarakat miskin.

Pengangguran dapat mempengaruhi kemiskinan dengan berbagai

cara. Jika rumah tangga tersebut memiliki batasan likuiditas (yang berarti

bahwa konsumsi saat ini sangat dipengaruhi oleh pendapatan saat ini) maka

pengangguran akan secara langsung mempengaruhi kemiskinan baik yang

diukur dari sisi pendapatan (income poverty rate) maupun kemiskinan yang

diukur dari sisi konsumsi (consumption poverty rate). Jika rumah tangga

tersebut tidak menghadapi batasan likuiditas (yang berarti bahwa konsumsi

saat ini tidak terlalu dipengaruhi oleh pendapatan saat ini) maka peningkatan

pengangguran akan menyebabkan peningkatan kemiskinan dalam jangka

panjang, tetapi tidak terlalu berpengaruh dalam jangka pendek. Secara

umum, sebagian besar rumah tangga tergantung pada upah atau gaji yang

diterimanya, sehingga terjadinya pengangguran akan menyet:>abkan

hilangnya sebagian besar pendapatan. Lebih jauh, masalah pengangguran

ini lebih sering terjadi pada kelompok masyarakat berpendapatan rendah

sehingga menyebabkan mereka harus hidup di bawah garis kemiskinan.

9

Faktor-faktor ini diramalkan akan menyebabkan hubungan yang signifikan

dan positif antara tingkat pengangguran dan kemiskinan.

Sedangkan hubungan antara inflasi dan kemiskinan dapat

diterangkan dengan dua cara. Pertama, inflasi mengakibatkan nilai riil dari

uang yang dipegang menjadi turun. Ketika harga meningkat, uang untuk

membelf lebih sedikit (daya beli menjadi turun). Kedua, inflasi

mengakibatkan bunga riil yang diperoleh dari menyimpan uang di bank

menjadi turun sehingga daya beli menjadi turun. Turunnya daya beli ini

mengakibatkan masyarakat menjadi lebih miskin dari sebelumnya.

2.2 Telaah Kepustakaan

Beberapa penelitian yang melihat hubungan kemiskinan dengan

pengangguran dan inflasi telah dilakukan oleh sejumlah peneliti antara lain

a. Cutler & Katz (1991) dan Powers (1995a) menemukan hubungan yang

kuat antara kemiskinan dengan berbagai variabel ekonomi makro.

Penelitian-penelitian tersebut juga membuktikan bahwa tingkat

pengangguran dan inflasi keduanya berhubungan positif dengan jumlah

penduduk yang berada di bawah garis kemiskinan; semakin tinggi tingkat

inflasi dan pengangguran semakin besar tingkat kemiskinan. Juga

ditemukan bahwa pengangguran memiliki pengaruh yang kuat terhadap

tingkat kemiskinan sementrtra inflasi hanya memberikan pengaruh yang

relatif kecil.

b. Powers (1995b), menemukan ternyata ada hubungan yang signifikan dan

positif antara inflasi dan tingkat kemiskinan bila tingkat kemiskinan

tersebut diukur dari sisi konsumsi (consumption poverty rate).

10

c. Oktaviani (2001), yang meneliti pengaruh inflasi dan pengangguran

terhadap kemiskinan di perkotaan Indonesia menemukan bahwa inflasi

dan pengangguran bersama-sama dengan variabel ekonomi lainnya serta

variabel demografis memberikan pengaruh yang signifikan terhadap

angka kemiskinan baik yang dihitung melalui head count index

(persentase penduduk yang berada di bawah garis kemiskinan), poverty

gap index (rata-rata kesenjangan pengeluaran masing-masing penduduk

miskin terhadap garis kemiskinan), maupun distributionally sensitive

index(penyebaran pengeluaran diantara penduduk miskin).

d. Hoover & Wallace (2003), menemukan bahwa tingkat kemiskinan sangat

sensitif terhadap kondisi ekonomi, dimana peningkatan pengangguran

menyebabkan peningkatan kemiskinan.

2.3 Konsep dan Pengukuran Kemiskinan

2.3.1 Kemiskinan dan Ekonomi Kesejahteraan

Titik awal dalam pengukuran ekonomi kesejahteraan adalah

suatu fungsi utilitas yang menyatakan bahwa mengkonsumsi lebih

banyak barang dan jasa akan meningkatkan kesejahteraan, ini

menyiratkan bahwa kesejahteraan seseorang ditentukan oleh

pendapatan atau pengeluaran. Penggunaan pendapatan atau

pengeluaran sebagai pengukuran ke"ejahteraan merupakan hal yang

umum. Beberapa ekonom dan non ekonom tidak setuju dengan

pengukuran kesejahteraan ini. Kondisi sosial lainnya seperti

lingkungan, kondisi kehidupan, tingkat kejahatan dll. dianggap ikut

mempengaruhi kesejahteraan (kemiskinan). Meski demikian,

11

penelitian ini akan menggunakan asumsi bahwa pendapatan atau

pengeluaran digunakan sebagai pengukuran kesejahteraan.

Isu berikutnya adalah bagaimana membandingkan

kesejahteraan. Untuk itu diasumsikan bahwa setiap individu atau

rumah tangga memiliki fungsi utilitas yang sama dan rumah tangga

ini · homogen (pilihan serupa). Tanpa asumsi ini tidak mungkin

membandingkan utilitas diantara rumah tangga.

Isu lainnya lebih ke operasional dari pada konseptual,

penggunaan konsumsi atau pendapatan dalam mengukur

kesejahteraan. Beberapa peneliti beranggapan bahwa belanja

konsumsi lebih baik dalam mengukur kesejahteraan baik dari

perspektif teoritis maupun praktik. Pertama, umumnya kesejahteraan

didefinisikan sebagai utilitas yang diturunkan dari konsumsi barang

dan jasa. Kedua, berhubungan dengan argumen pertama bahwa

rumah tangga cenderung memperlancar konsumsi dengan ataupun

tanpa menggunakan tabungan untuk menjaga suatu standar

kehidupan mapannya. Ketiga, dibanyak negara berkembang data

konsumsi lebih akurat dari pada data pendapatan (Deaton, 1993).

2.3.2 Pengukuran Kemiskinan

Sebelum Sen (1976) mengusulkan suatu pendekatan

aksiomatik pengukuran kemiskinan, head count index- indeks yang

menunjukkan persentase jumlah penduduk yang mempunyai

pendapatan di bawah garis kemiskinan - digunakan secara luas

sebagai suatu ukuran kemiskinan. Pengukuran ini menjawab

12

pertanyaan seberapa banyak jumlah orang miskin tapi tidak dapat

menjawab persoalan intensitas kemiskinan (seberapa miskin orang

. k" ?) m1s ln ..

Tahun 1952, Badan Ketahanan Sosial Amerika

memperkenalkan ukuran kemiskinan lainnya yang dikenal dengan

nama poverty gap. Pengukuran ini mencerminkan intensitas

kemiskinan tapi tidak menghitung kesenjangan diantara orang miskin.

Sen (1976) memperkenalkan suatu pengukuran kemiskinan

yang baru yang memecahkan kelemahan head count index dan

poverty gap. Indeks Sen diperoleh berdasarkan suatu konsep

kesejahteraan ordinal. Masalahnya, pengukuran ini tidak dapat

diterapkan secara operasional karena fungsi pendapatan dalam

pengukuran Sen tidak additively separable. Kakwani (1977) mengikuti

ide Sen dan memperkenalkan sutu pengukuran baru yang

menunjukkan transfer pendapatan dari orang kaya ke orang miskin.

Foster, Greer, dan Thorbecke (1984) mengusulkan suatu

pengukuran operasional yang sekarang diterapkan secara luas dalam

mengukur kemiskinan dan intensitas kemiskinan. Pengukuran lainnya

yang berkembang setelah itu antara lain pengukuran Watt dan Clark,

Hemmil"lg, dan Ulph (1981).

Pada dasarnya, ada dua pendekatan untuk membangun

pengukuran kemiskinan yaitu aksiomatik dan kesejahteraan.

Pendekatan aksiomatik menetapkan aksioma tertentu dimana suatu

indeks kemiskinan harus memuaskan dan mengevaluasi berbagai

13

indeks dalam hal kemampuannya untuk memuaskan aksioma-aksioma

ini. Pengukuran Sen (1976), Takayama (1979), dan Thon (1979)

adalah contoh pendekatan ini. Dilain pihak, pendekatan kesejahteraan

membuat suatu fungsi evaluasi sosial dan membangun indeks-indeks

dengan mengukur kehilangan kesejahteraan sebagai akibat adanya

kemiskinan. Contoh yang menggunakan pendekatan ini antara lain

Blackorby dan Donaldson (1980), Clark, Hemming, dan Ulph (1981),

Hagennars (1986), dan Pyatt (1987). Kontribusi penting lainnya dalam

perkembangan indeks kemiskinan datang dari Kakwani (1980) dan

Foster, Greer dan Thorbecke (selanjutnya disebut FGT) yang

menggunakan pendekatan campuran.

Suatu indeks kemiskinan harus memuaskan aksioma-aksioma

berikut (lkhsan, 1999):

a. Focus. Indeks kemiskinan harus berdasarkan pada pendapatan

orang miskin.

b. Monotonicity. Pengurangan pendapatan satu orang miskin di

bawah garis kemiskinan harus meningkatkan ukuran kemiskinan.

c. Transfer. Transfer pendapatan satu orang miskin di bawah garis

kemiskinan harus meningkatkan level kemiskinan.

d. Population simmetry. Jika dua atau lebih populasi yang identik

disatukan, indeks mestinya tidak berubah.

e. Symmetric Suatu penyusunan kembali pendapatan dalam suatu

distribusi seharusnya tidak berpengaruh pada indeks.

14

f. Mean Independence. Jika pendapatan populasi dan garis

kemiskinan diubah dengan proporsi yang sama, indeks seharusnya

menunjukkan hal yang sama.

g. Additively Decomposable. Jika populasi dapat dibagi lagi ke dalam

m kelompok maka indeks seharusnya dapat menjadi jumlah

tertimbang dari indeks m kelompok.

Salah satu pengukuran kemiskinan yang dapat memuaskan

aksioma-aksioma di atas yaitu pengukuran FGT (Ikhsan, 1999) - yang

akan digunakan dalam penelitian ini. Formula FGT ditampilkan pada

Bab III.

15

BAB III

METODOLOGI PENELITIAN

3.1 Rancangan Model

Model yang akan digunakan untuk menganalisis pengaruh inflasi

dan pengangguran terhadap tingkat kemiskinan seperti juga model yang

digunakan oleh Cutler&Katz (1991). Model yang hampir sama juga

digunakan oleh Oktaviani (2001) dengan menambahkan variabel kontrol

yakni variabel ekonomi lainnya dan variabel demografis. Variabel ekonomi

yang dijadikan varia bel kontrol yaitu koefisien gini2• Sementara varia bel

demografis yang dijadikan variabel kontrol yaitu pendidikan dan persentase

penduduk usia lanjut.

Pada penelitian ini penulis tidak memasukkan rasio gini sebagai

variabel kontrol ekonomi tetapi menggunakan variabel pertumbuhan Produk

Domestik Regional Bruto (PDRB). Selain karena tidak tersedianya data

koefisien gini untuk tahun 2001-2003 (hanya tersedia untuk tahun 2002),

juga disebabkan karena sebagian besar ahli ekonomi berpendapat bahwa

pertumbuhan ekonomi (PDB) dapat mengejar keterbelakangan ekonomi.

Untuk variabel demografis, penulis hanya menggunakan variabel

pendidikan (indikator yang digunakan angka melek huruf). Hal ini

disebabkan karena beberapa kali regresi yang penulis lakukan, ternyata

variabel persentase usia lanjut tidak memiliki hubungan yang signifikan

dengan kemiskinan.

2 Merupakan suatu ukuran yang biasanya digunakan untuk melihat tingkat ketimpangan pembagian pendapatan menurut kelas pendapatan. (Tarmidi, 1992)

16

dimana:

Pa.it

Pit

J.l it

GPDRBt

AM Hit

Sehingga model yang akan digunakan dalam penelitian ini adalah

P<Xit = ~0 + ~lPit + ~2J.l it - ~3GPDRB it - ~~MHit + E it

tingkat kemiskinan provinsi i pada tahun t

tingkat inflasi provinsi i pada tahun t

tingkat pengangguran provinsi i pada tahun t

pertumbuhan PDRB provinsi i pada tahun t

angka melek huruf provinsi i pada tahun t

Persamaan inilah yang akan digunakan dalam analisis empiris untuk menguji

arah hubungan antara variabel-variabel tersebut. Besarnya pengaruh dari

tingkat inflasi, tingkat pengangguran, pertumbuhan PDRB, dan angka melek

huruf dilambangkan dengan notasi ~1, ~2, ~3, ~4-

3.2 Data Penelitian

Data yang digunakan dalam penelitian ini adalah data publikasi BPS

yang meliputi data tingkat kemiskinan, tingkat inflasi, tingkat pengangguran,

PDRB, dan angka melek huruf. Penelitian ini menggunakan data panel

(cross section dan time series) untuk provinsi-provinsi di Indonesia tahun

2001-2003. Penelitian meliputi 23 provinsi. Penelitian ini tidak memasukkan

provinsi-provinsi Nanggroe Aceh Darussalam, Maluku, dan Papua karena

tidak tersedianya data untuk ketiga provinsi tersebut.

Dalam penelitian ini digunakan variabel tidak bebas yaitu tingkat

kemiskinan dan beberapa variabel bebas yaitu tingkat inflasi dan tingkat

pengangguran sebagai variabel bebas utama serta variabel kontrol yaitu

pertumbuhan PDRB dan angka melek huruf.

17

Definisi operasional dari masing-masing variabel adalah:

- Tingkat kemiskinan, dihitung dengan Foster-Greer-Thorbecke {FGT)

Poverty Index 3, dengan rum us sebagai berikut:

q

Pa = 1/n L [(z-yi)/z]a i=l

dimana: a = 0, 1, 2

z = garis kemiskinan

Yi = rata-rata pengeluaran perbulan perkapita penduduk

yang berada di bawah garis kemiskinan (i= 1, 2, 3, ... , q)

q = banyaknya penduduk yang berada di bawah garis

kemiskinan

n = jumlah penduduk

Jika a = 0 maka diperoleh Head Count Index (PO); a = 1 adalah Poverty

Gap Index(P1); dan a= 2 adalah Distributionally Sensitive Index(P2).

Head Count Index (PO) merupakan jumlah persentase penduduk yang

berada di bawah Garis Kemiskinan (GK). Semakin kecil angka ini

menunjukkan semakin berkurangnya jumlah penduduk yang berada di

bawah GK, begitu pula sebaliknya.

Poverty Gap Index (P1) merupakan ukuran rata-rata kesenjangan

pengeluaran masing-masing penduduk miskin terhadap GK. Angka ini

memperlihatkan jurang (gap) antara pendapatan rata-rata yang diterima

3 FGT Poverty Index ditemukan oleh Foster, Greer, dan Thorbecke pada tahun 1984. Perhitungan ini merupakan perhitungan tingkat kemiskinan yang digunakan oleh BPS sebagai pengukuran kemiskinan resmi di Indonesia.

18

penduduk miskin dengan GK. Semakin kecil angka ini menunjukkan

secara rata-rata pendapatan penduduk miskin sudah semakin mendekati

GK. Semakin tinggi angka ini semakin besar rata-rata kesenjangan

pengeluaran penduduk miskin terhadap GK atau dengan kata lain

semakin tinggi nilai indeks menunjukkan kehidupan ekonomi penduduk

miskin semakin terpuruk.

Distributionally Sensitive Index (P2) memberikan gambaran mengenai

penyebaran pengeluaran diantara penduduk miskin. Angka ini

memperlihatkan sensitivitas distribusi pendapatan antar kelompok miskin.

Semakin kecil angka ini menunjukkan distribusi pendapatan diantara

penduduk miskin semakin merata.

- Garis kemiskinan (GK), dihitung berdasarkan rata-rata pengeluaran

makanan dan non makanan per kapita pada kelompok referensi yang

telah ditetapkan. Perkiraan awal GK ini dihitung berdasarkan GK periode

sebelumnya yang disesuaikan dengan inflasi atau deflasi. GK dibagi ke

dalam dua bagian yaitu Garis Kemiskinan Makanan (GKM) dan Garis

Kemiskinan Non Makanan (GKNM).

Batas kecukupan makanan dihitung dari besarnya rupiah yang

dikeluarkan untuk makanan yang memenuhi kebutuhan minimum energi

2.100 kalori per kapita per hari. Penghitungan kecukupan kalori ini

didasarkan pada 52 komoditi makanan.

Batas kecukupan non makanan dihitung dari besarnya rupiah yang

dikeluarkan untuk non makanan yang memenuhi kebutuhan minimum

19

seperti perumahan, sandang, kesehatan, pendidikan, transportasi, dan

lain-lain.

GK = GKM + GKNM

- llngkat inflasi dihitung dengan pendekatan Indeks Harga Konsumen

(IHK) di 43 kota.

lnf = (IHKt- IHI<t-1) I IHKt-1

Jadi tingkat inflasi provinsi diambil dari perhitungan tingkat inflasi kota di

provinsi tersebut. Untuk provinsi-provinsi yang dilakukan penghitungan

IHK lebih dari satu kota, diambil rata-ratanya. Cara perhitungan inflasi

yang sama juga dilakukan oleh Lestari (2003).

- llngkat pengangguran atau angka pengangguran terbuka yaitu

persentase perbandingan antara pencari kerja dengan jumlah angkatan

kerja. Pencari kerja adalah mereka yang belum memiliki pekerjaan dalam

seminggu sebelum pendataan. Angkatan kerja adalah penduduk 10 tahun

keatas yang bekerja maupun yang sudah bekerja sebelumnya atau yang

sedang mencari pekerjaan dalam seminggu yang lalu.

llngkat pengangguran = Jumlah pencari keda x 100°/o Jumlah Angkatan Kerja

Untuk penelitian ini penulis memperluas pengertian pengangguran

dengan menambahkan jumlah pekerja <15 jam (setengah menganggur)

per minggu sebagai pengangguran. Hal ini sehubungan dengan penelitian

Ikhsan (1999) yang menyebutkan bahwa pekerja setengah menganggur

memiliki pengaruh yang signifikan terhadap kejadian kemiskinan di

Indonesia.

20

- Pertumbuhan Produk Domestik Regional Bruto (GPDRB). PDRB yang

digunakan dalam penelitian ini adalah PDRB non migas harga konstan.

GPDRB = PDRBt- PDR6t-1 PDRBt-1

Pendidikan. Indikatornya adalah angka melek huruf yaitu proporsi

penduduk berusia 15 tahun ke atas yang dapat membaca dan menulis

dalam huruf latin atau lainnya. Untuk penelitian ini penulis memakai

angka melek huruf untuk kelompok umur 15-55 tahun.

3.3 Metode Estimasi

Dalam metode ekonometri, jika data yang diestimasi berupa data

time series (sebanyak T observasi), maka parameter hasil estimasi

diasumsikan konstan sepanjang periode tertentu dan hasil estimasi tersebut

dapat diketahui variasinya sepanjang periode tersebut.

Jika data yang diestimasi berupa data cross sedion (sebanyak N

observasi), maka parameter hasil estimasi diasumsikan konstan untuk semua

individu dan hasil estimasi tersebut dapat diketahui variasi 'antar' individu

dan variasi 'satu' individu dalam periode tersebut.

Dengan demikian, penggunaan data panel (cross sedion dan time

series) memberikan hasil yang lebih menyeluruh dibandingkan hasil estimasi

time series maupun cross sedion. Disamping itu, penggunaan data panel

berarti menambah jumlah observasi sehingga akan berakibat positif pada

hasil estimasi, yaitu dengan memperbesar derajat kebebasan (degrees of

freedom) dan menurunkan kemungkinan terjadinya kolinearitas (hubungan

linier yang signifikan) antar variabel bebas.

21

Baltagi (2001) menyebutkan bahwa model data panel mempunyai

keuntungan sebagai berikut:

a. Dapat mengontrol individu yang heterogen, dimana data individu seperti

perusahaan, antar wilayah, sangat bervariasi. Tanpa mengontrol, data

data tersebut akan bias.

b. Data panel dapat memberikan informasi yang lebih lengkap, lebih

bervariasi, berkurangnya kolinearitas antar variabel, meningkatnya

derajat kebebasan, dan semakin efisien ..

c. Data panel dapat digunakan untuk meneliti dynamic of adjusment, yang

dapat mendeteksi efek-efek yang tidak dapat dilakukan oleh model cross

section atau time series.

d. Memungkinkan untuk membangun dan menguji model perilaku yang

lebih kompleks.

Walaupun demikian, penggunaan data panel dalam estimasi

dihadapkan pada masalah bagaimana merumuskan model yang dapat

menangkap perbedaan perilaku antar-unit dan atau antarwaktu. Setelah

model terbentuk, masalah selanjutnya yang timbul adalah bagaimana

prosedur estimasi untuk hasil yang efisien serta prosedur pengujian

hipotesisnya.

Bentuk persamaan data panel menurut Greene (1993) adalah:

untuk i = 1, 2, ... , N dan t = 1, 2, ... , T, dimana N adalah jumlah individu, T

adalah jumlah periode tahun. a adalah skalar; J3 adalah vektor yang

berdimensi (kx1); Xit mempunyai sebanyak k regressors, tidak termasuk

22

constant term; Zi'a adalah heterogenitas atau efek individu yang

mengandung constant term dan satu set varia bel individu atau grup spesifik.

Ada tiga model yang dapat digunakan untuk mengestimasi data

panel.

a. Pooling regression model, yaitu dengan mengkombinasikan atau

mengumpulkan semua data cross section dan time series, lalu

mengestimasi model tersebut menggunakan metode Ordinary Least

Square (OLS). Dalam model pooling ini, Zi hanya merupakan constant

term. Jadi tidak ada efek individu.

b. Rxed effect model, yaitu dengan mempertimbangkan bahwa peubah

peubah yang dihilangkan (omitted variable) dapat mengakibatkan

perubahan dalam intersep cross section dan time series. Dummy variable

ditambahkan dalam model tersebut sehingga memungkinkan terjadinya

perubahan-perubahan intersep. Selanjutnya model diduga dengan OLS.

Dalam model ini, Zi tidak terobservasi tetapi berkorelasi dengan Xit· Fixed

effect model diperlihatkan sebagai berikut:

c. Random effect model, yaitu untuk meningkatkan efisiensi proses

pendugaan kuadrat terkecil, error term dalam cross section dan time

series diperhitungkan sehingga teknik yang digunakan adalah Generalized

Least Square (GLS). Dalam model ini, antar-individu bersifat heterogen

dan tidak berkorelasi dengan X. Efek ind!vidu ( ui) merupakan elemen

acak grup spesifik pada setiap grup. Random effect model diperlihatkan

sebagai berikut:

23

Yit = ~t'l3 + a + Ui + Eit

3.4 Tahapan Analisis Data

3.4.1 Pemilihan Model Data Panel

Dari ketiga model data panel di atas akan dilakukan uji untuk

menentukan model mana yang sesuai dengan data yang digunakan.

Dengan bantuan software Eviews uji yang akan dilakukan tersebut

yaitu:

Pertama: Uji Spesifikasi

Uji ini dilakukan untuk melihat ada tidaknya efek individu. Apabila

tidak terdapat efek individu maka model yang cocok adalah pooling

regression model. Sebaliknya apabila terdapat efek individu maka

akan dilakukan uji kedua yaitu Uji Hausman.

Uji Spesifikasi dilakukan dengan menggunakan Uji-F.

F(n-l,nT-n-k) = (R2LSo:- R2POOLED) I (n-1) (1 - R LSov) I (nT- n - k)

Dibandingkan dengan fTabel.

fTabel = F(vl, v2, a)

dimana

v1 = n-1

v2 = nT- n- k

a = tingkat kesalahan

R2LSDV = R2 dari fixed effect model

R2POOLED = R2 dari polling regression model

n = jumlah individu

T = jumlah time series

24

k = jumlah regressor dari varia bel bebas

Uji ini dilakukan dengan membandingkan antara fstatistik dan Frabel·

Apabila fstatistik < Frabel maka model yang cocok adalah pooling

regression model. Tetapi apabila fstatistik > Frabel ditolak pooling

regression model dan selanjutnya dilakukan uji kedua.

Kedua: Uji Hausman

Uji ini dilakukan untuk melihat kecocokan fixed effect model atau

random effect model.

Rumus Uji Hausman:

H = (p/1 RE- p/1 FE)'(LFE- LREr1(P/I RE- p/1 FE)

Dimana PRE: random effect estimator, PRE: fixed effect estimator, LFE:

matriks kovarians random effect; LRE: matriks kovarians fixed effect

Dengan Eviews dapat diperoleh hasil Uji Hausman beserta p-value

nya. Apabila diperoleh p-value yang dihasilkan signifikan maka dipilih

fixed effect model. Sebaliknya apabila p-value yang dihasilkan tidak

signifikan maka dipilih random effect model.

3.4.2 Pengujian Pelanggaran Asumsi Dasar

Permasalahan yang sering timbul pada penelitian terhadap

data ekonomi adalah adanya pelanggaran asumsi dasar yaitu

otokorel3si, heteroskedastisitas, dan kolinearitas berganda

(multikolinieritas). Pelanggaran asumsi tersebut menyebabkan model

estimasi menjadi tidak efisien. Deteksi ada tidaknya pelanggaran

asumsi tersebut juga dilakukan pada model data panel.

25

Asumsi dasar yang pertama adalah tidak adanya korelasi

antar gangguan ( otokorelasi). Adanya masalah otokorelasi ini akan

menghasilkan estimasi koefisien yang konsisten dan tidak bias tetapi

dengan varian yang besar, dengan kata lain hasil penafsiran tidak

efisien. Estimasi yang tidak efisien ini menyebabkan nilai t-hitung

cenderung kecil dan hasil pengujian cenderung tidak signifikan.

cara yang paling sering digunakan untuk mendeteksi adanya

otokorelasi adalah dengan uji Durbin Watson (OW). Uji ini dilakukan

dengan membandingkan nilai OW statistik dengan OW tabel.

Untuk mengatasi dan menghilangkan otokorelasi adalah

dengan cara memasukkan variabel autoregressive-nya4•

Asumsi dasar yang kedua yaitu varian dari setiap error term

adalah konstan. Heteroskedastisitas adalah keadaan dimana asumsi

diatas tidak tercapai. Dengan demikian tiap observasi mempunyai

reliabilitas yang berbeda-beda. Dampak adanya heteroskedastisitas

adalah tidak efisiennya proses estimasi, sementara hasil estimasi

sendiri tetap konsisten dan tidak bias. Dengan adanya masalah

heteroskedastisitas mengakibatkan hasil uji-t dan uji-F dapat menjadi

tidak berguna bahkan menyesatkan.

Dengan Eviews uji heteroskedastisitas dapat dilakukan

dengan membandingkan sum of squared residual weighted (ssrw) dan

unweighted (ssruw). Jika ssruw lebih kecil dari ssrw maka tidak terjadi

4 Merupakan perlakuan yang biasa dilakukan pada data yang terjadi otokorelasi. Caranya dengan memasukkan lag dari variabel tidak bebas pada model.

26

heteroskedastisitas namun sebaliknya terjadi heteroskedastisitas

namun parameter yang diduga sudah diperbaiki.

Asumsi dasar yang ketiga yaitu tidak ada hubungan linier

yang signifikan antara beberapa atau semua variabel bebas dalam

model regresi. Pelanggaran asumsi ini disebut dengan

multikolinearitas. Indikasi terjadinya multikolinearitas adalah antara

lain tingginya R2, nilai uji-F signifikan, namun ada variabel yang

secara parsial tidak signifikan (nilai uji-t tidak signifikan).

Untuk mengatasi dan menghilangkan adanya multikolinearitas

adalah dengan penyederhanaan model (mengurangi jumlah variabel

bebas dengan melihat uji-t yang tidak signifikan) atau dengan

menambah observasi.

27

BABIV

KEMISKINAN DI INDONESIA

4.1 Keadaan dan Kecenderungan

Dari Gambar 4.1 terlihat bahwa persentase penduduk miskin

sebelum tahun 1999 setiap tahunnya selalu menurun. Pada tahun 1976

tercatat sekitar 40,1 persen dari keseluruhan jumlah penduduk masih berada

di bawah garis kemiskinan, sementara pada tahun 1993 hanya tinggal 13,7

pensen penduduk Indonesia yang tergolong miskin. Pada tahun 1996 jumlah

penduduk miskin berkurang lagi menjadi 11,3 persen dari total penduduk.

Dengan menggunakan garis kemiskinan. baru (metode revisi)-yang

ditetapkan pada tahun 1998 untuk mencerminkan perubahan standar

hidup-proporsi penduduk miskin tahun 1996 adalah 17,6 persen. Pada saat

krisis ekonomi, penduduk miskin bertambah hingga menjadi 23,4 persen

(1999) dan mulai turun lagi menjadi 18,2 persen pada tahun 2002 dan

tinggal 16,7 persen pada tahun 2004.

Gambar 4.1 Kecenderungan Kemiskinan di Indonesia 1976-2004

45.0 T:-:r::?7.'~~~~~~~~~"'5"'""7":""7--:-:::~"!f!'!'~~~~~~~

40.0 M~S~~~~~~~::=::ti~~~~~~~ 35.0 r-:-~___:.-:-'--7---=-~~iF2~~~~

30.0 g~~~~~~g~~~~:::::::::::::::!:=:::::::::;~~~~~~~

5} 25.0 ~"'-::":-:::..___,_-,----....--;::::-i:i;=~~~~~~~~;?r-,--~==f~=,:;.::;=:;=.~~ VI

~ 20.0 h~~:07~~-:;f:;~t:5~tD~~~~~m;JI~~~-:;:tr;":t;j 15.0 -++-' ~~~~...,...--'-__;_.;:::;~~:-:r..,........._;'---'-...:.....-~-,-----,.~~~~~~~-'+"1

1 0.0 +-:-=-=-:~~~::..:;.;;....,~,-,.--"-'----=....c~'--=:,.:..;c...:::::-~~~~~~::::=~:--=!

5.0 +-:-~~~~~~~::..__~~-~~~~~====~~~==~

0.0 +-~==~~~=r==~~~~~~~~~~~T=~~~~

1976 1980 1984 1987 1990 1993 1996 1996 1999 2000 2001 2002 2003 2004

Sumber: Publikasi BPS

28

Tabel4.1 Data Kemiskinan Indonesia tahun 2004

Provinsi Jumlah penduduk Head Count Poverty Gap Distributional/y Miskin (000} Index Index Sensitive Index

Nanggroe Aceh D. 1.157,2 28.47 6.32 1.98 Sumatera Utara 1.800,1 14.93 2.32 0.59 Sumatera Barat 472,4 10.45 1.52 0.37 Riau 744,4 13.12 2.28 0.70 Jambi 325,1 12.45 2.04 0.54 Sumatera Selatan 1.379,3 20.92 3.98 1.09 Bengkulu 345,1 22.39 3.82 0.98 L.ampung 1.561,7 22.22 4.12 1.12 Bangka Belitung 91,8 9.07 1.35 0.31 DKI Jakarta 277,1 3.18 0.42 0.09 Jawa Barat 4.654,2 12.10 1.91 0.48 Jawa Tengah 6.843,8 21.11 3.58 0.97 DI Yogyakarta 616,2 19.14 3.52 0.96 Jawa Timur 7.312,5 20.08 3.42 0.92 Ban ten 779,2 8.58 1.26 0.30 Bali 231,9 6.85 0.92 0.21 Nusa Tenggara Barat 1.031,6 25.38 4.35 1.16 Nusa Tenggara Timur 1.152,1 27.86 5.12 1.48 Kalimatan Barat 558,2 13.91 2.28 0.60 Kalimantan Tengah 194,1 10.44 1.98 0.68 Kalimatan Selatan 231,0 7.19 1.04 0.24 Kalimantan Timur 318,2 11.57 2.06 0.60 Sulawesi Utara 192,2 8.94 1.08 0.54 Sulawesi Tengah 486,3 21.69 4.03 1.14 Sulawesi Selatan 1.241,5 14.90 2.42 0.63 Sulawesi Tenggara 418,4 21.90 3.80 0.98 Gorontalo 259,1 29.01 6.95 2.32 Maluku 397,6 32.13 6.32 1.82 Maluku Utara 107,8 12.42 2.06 0.45 Papua 966,8 38.69 10.56 5.01

Indonesia 36.146,9 16,66 2.89 0.78 Sumber: Publikasi BPS

Masalah kemiskinan di Indonesia bukan hanya jumlahnya yang

besar tapi tetapi juga disparitas yang tinggi antar wilayah, provinsi, ataupun

kabupaten dan kota, dan kemiskinan transien (sejumlah besar penduduk

akan tergolong miskin bila terjadi sesuatu perubahan keadaan/kebijakan)

yang serius. Disparitas antar wilayah terlihat, misalnya, dari keadaan DKI

Jakarta dan Papua. Dari head count index (persentase penduduk yang

berada di bawah garis kemiskinan) pada Tabel 4.1 terlihat bahwa 38,69

29

persen dari penduduk Papua hidup di bawah garis kemiskinan nasional,

sedangkan penduduk miskin di DKI Jakarta hanya 3,18 persen.

Dari poverty gap index (rata-rata kesenjangan pengeluaran masing

masing penduduk miskin terhadap garis kemiskinan) pada Tabel 4.1 terlihat

bahwa Papua juga merupakan provinsi yang paling tinggi rata-rata

kesenjangannya (10,56 persen) dan DKI Jakarta merupakan provinsi yang

paling rendah rata-rata kesenjangannya (0,42 persen).

Hal yang sama terlihat untuk distributionally sensitive index

(penyebaran pengeluaran di antara penduduk miskin). Dari Tabel 4.1 terlihat

bahwa Papua merupakan provinsi yang paling tidak merata distribusi

pendapatan/pengeluarannya di antara penduduk miskin (5,01 persen) dan

DKI Jakarta merupakan provinsi dengan distribusi pendapatan/pengeluaran

yang paling merata di antara penduduk miskin (0,09 persen).

Masalah lainnya adalah terdapatnya sejumlah besar penduduk yang

pendapatannya/pengeluarannya sedikit di atas garis kemiskinan. Kelompok

ini sangat rentan untuk masuk kategori penduduk miskin bila terdapat

perubahan kebijakan. Ini terlihat ketika garis kemiskinan diubah (dinaikan),

dengan menggunakan garis kemiskinan 1996, jumlah penduduk miskin pada

tahun 1996 adalah 11,3 persen dari total penduduk, tetapi ketika

menggunakan kriteria garis kemiskinan baru 1998, angka ini menjadi 17,6

persen (Gambar 4.1).

30

4.2 Penghitungan Kemiskinan

4.2.1 Metode Penghitungan Resmi; Badan Pusat Statistik (BPS)

Banyak negara, organisasi, dan perorangan memperhatikan masalah

kemiskinan, tapi yang menjadi pertanyaan adalah bagaimana cara mengukur

kemiskinan yang akurat dan tepat dan bagaimana mereka bisa tahu apakah

usaha inereka berdampak. Belum tentu standar-standar nasional cocok

untuk setiap wilayah, di mana keadaan ekonomi rumah tangga dan budaya

cukup beragam.

Di Indonesia sendiri pengukuran yang dilakukan BPS sebagai

pengukuran yang resmi adalah menggunakan pendekatan kebutuhan dasar.

Dengan pendekatan ini, kemiskinan didefinisikan sebagai ketidakmampuan

dalam memenuhi kebutuhan dasar. Dengan kata lain, kemiskinan dipandang

sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan

makanan maupun non-makanan yang bersifat mendasar.

Berdasarkan pendekatan kebutuhan dasar, indikator yang digunakan

adalah Head Count Index yaitu jumlah persentase penduduk yang berada di

bawah garis kemiskinan. Garis kemiskinan dihitung berdasarkan rata-rata

pengeluaran makanan dan non-makanan per kapita pada kelompok referensi

yang telah ditetapkan. Kelompok referensi ini didefinisikan sebagai penduduk

kelas marjinal, yaitu mereka yang hidupnya dikategorikan berada sedikit di

atas perkiraan awal garis kemiskinan. Perkiraan awal garis kemiskinan ini

dihitung berdasarkan garis kemiskinan periode sebelumnya yang disesuaikan

dengan inflasi atau deflasi. Garis kemiskinan dibagi ke dalam dua bagian

yaitu garis kemiskinan makanan dan garis kemiskinan non makanan.

31

Batas kecukupan makanan (pangan) dihitung dari besarnya rupiah

yang dikeluarkan untuk makanan yang memenuhi kebutuhan minimum

energi 2.100 kalori per kapita per hari. Patokan ini mengacu pada hasil

Widyakarya Pangan dan Gizi 1978. Sejak tahun 1993 penghitungan

kecukupan kalori ini didasarkan pada 52 komoditi makanan terpilih yang

telah disesuaikan dengan pola konsumsi penduduk.

Batas kecukupan non makanan dihitung dari besarnya rupiah yang

dikeluarkan untuk non makanan yang memenuhi kebutuhan minimum

seperti perumahan, sandang, kesehatan, pendidikan, transportasi, dan lain

lain. Pemilihan jenis barang dan jasa non makanan mengalami

perkembangan dan penyempurnaan dari tahun ke tahun disesuaikan dengan

perubahan pola konsumsi penduduk.

Penyempurnaan metode penghitungan kemiskinan yang cukup

mendasar dilakukan pada penghitungan tahun 1999. Perubahan standard ini

meliputi perluasan cakupan komoditi bukan makanan yang diperhitungkan

dalam kebutuhan dasar. Disamping itu penyempurnaan dilakukan pula

dengan mengukur perbandingan antardaerah dan antarwaktu yang

disebabkan oleh adanya perbedaan tingkat harga antardaerah yaitu dengan

cara melakukan standarisasi harga terhadap harga di DKI Jakarta.

Indikator lain yang digunakan dalam mengukur tingkat kemiskinan

adalah indeks kedalaman kemiskinan (Poverty Gap IndeX) dan indeks

keparahan kemiskinan (Distributional/y Sensitive IndeX). Poverty Gap Index

merupakan ukuran rata-rata kesenjangan pengeluaran masing-masing

penduduk miskin terhadap garis kemiskinan. Semakin tinggi nilai ini semakin

32

besar rata-rata kesenjangan pengeluaran perduduk miskin terhadap garis

kemiskinan atau dengan kata lain semakin tinggi nilai indeks menunjukkan

kehidupan ekonomi penduduk miskin semakin terpuruk. Distributionally

Sensitive Index memberikan gambaran mengenai penyebaran pengeluaran

diantara penduduk miskin dan dapat juga digunakan untuk mengetahui

intensitas kemiskinan.

4.2.2 Metode Penghitungan Lainnya

a. Pendekatan Kesejahteraan Keluarga; Badan Koordinasi Keluarga

Berencana Nasional (BKKBN)

Berbeda dengan BPS, BKKBN lebih melihat dari sisi

kesejahteraan dibandingkan dari sisi kemiskinan. Unit survei juga

berbeda dimana BPS menggunakan rumah tangga5 sedangkan

BKKBN digunakan keluarga. Hal ini sejalan dengan visi dari

program Keluarga Berencana (KB) yaitu keluarga yang berkualitas.

Untuk menghitung tingkat kesejahteraan, BKKBN melakukan

program yang disebut pendataan keluarga.

Data kemiskinan dilakukan lewat pentahapan keluarga

sejahtera yang dibagi menjadi lima tahap, yaitu: Keluarga Pra

Sejahtera (sangat miskin), Keluarga Sejahtera I (miskin), Keluarga

Sejahtera II, Keluarga Sejahtera III, dan Keluarga Sejahtera III

Plus.

5 Rumah tangga adalah seseorang atau sekelompok orang yang mendiami sebagian atau seluruh bagian bangunan fisik/sensus yang biasanya tinggal bersama dan makan dari satu dapur (Cahyat, 2004).

33

Indikator yang digunakan BKKBN dalam pentahapan

keluarga sejahtera adalah seperti terlihat pada Tabel 4.2.

Tabel 4.2 Indikator Keluarga Sejahtera, BKKBN

No Tahapan Indikator 1 Keluarga Pra Sejahtera Belum dapat memenuhi salah satu atau lebih

(Sangat Miskin) indikator berikut: a. Ekonomi

- Makan dua kali atau lebih sehari - Memiliki pakaian yang berbeda untuk aktifitas

(misalnya di rumah, bekerja/sekolah, dan bepergian)

- Bagian terluas lantai rumah bukan tanah. b. Non Ekonomi

- Melaksanakan Ibadah - Bila anak sakit dibawa ke sarana kesehatan.

2 Keluarga Sejahtera I Belum dapat memenuhi salah satu atau lebih (Miskin) indikator berikut:

a. Ekonomi - Paling kurang sekali seminggu keluarga makan

daging atau ikan atau telor - Setahun terakhir seluruh anggota keluarga

memperoleh paling kurang satu stel pakaian baru

- Luas lantai rumah paling kurang 8m2 untuk tiap penghuni.

b. Non Ekonomi - lbadah teratur - Sehat tiga bulan terakhir - Punya penghasilan tetap - Usia 1-60 tahun dapat baca tulis huruf latin - Usia 6-15 tahun bersekolah.

3 Keluarga Sejahtera II Belum dapat memenuhi salah satu atau lebih indikator berikut: - Memiliki tabungan keluarga - Makan bersama sambil berkomunikasi - Mengikuti kegiatan masyarakat - Rekreasi bersama ( enam bulan terakhir) - Meningkatkan pengetahuan agama - Memperoleh berita dari surat kabar, radio,

TV, dan majalah - Menggunakan sarana transportasi.

4 Keluarga Sejahtera Sudah dapat memenuhi beberapa indikator berikut: III - Memiliki tabungan keluarga

- Makan bersama sambil berkomunikasi - Mengikuti kegiatan masyarakat - Rekreasi bersama ( enam bulan terakhir) - Meningkatkan pengetahuan agama

34

- Memperoleh berita dari surat kabar, radio, lV, dan majalah

- Menggunakan sarana transportasi. Tetapi belum dapat memenuhi salah satu atau lebih indikator berikut: - Aktif memberikan sumbangan material secara

teratur - Aktif sebagai pengurus organisasi

kemasyarakatan. 5 Keluarga Sejahtera Sudah dapat memenuhi beberapa indikator berikut

III Plus - Aktif memberikan sumbangan material secara teratur

- Aktif sebagai pengurus organisasi kemasyarakatan.

Sumber: Cahyat (2004)

b. Pendekatan Pembangunan Manusia

Pendekatan Pembangunan Manusia dipromosikan oleh

lembaga Perserikatan Bangsa-Bangsa (PBB) untuk program

pembangunan yaitu United Nation Development Program (UNDP),

laporannya sering disebut Human Development Report (HDR). Di

Indonesia model ini dikembangkan oleh BPS dan Badan

Perencanaan Pembangunan Nasional (Bappenas) yang disebut

sebagai "Pembangunan Manusia Seutuhnya".

HDR adalah satu konsep yang melihat pembangunan

secara lebih komprehensif, dimana pembangunan harus

menjadikan kesejahteraan manusia sebagai tujuan akhir, bukan

menjadikan manusia sebagai alat pembangunan. Di dalam konsep

ini juga dijelaskan bahwa pembangunan manusia pada dasarnya

adalah memperluas pilihan-pilihan bagi masyarakat. Hal yang

paling penting di antara pilihan-pilihan yang luas tersebut adalah

hidup yang panjang dan sehat, untuk mendapatkan pendidikan

dan memiliki akses kepada sumber daya untuk mendapatkan

35

standar hidup yang layak. Pilihan penting lainnya adalah

kebebasan berpolitik, jaminan hak asasi manusia dan

penghormatan secara pribadi.

Indikator-indikator dalam HDR dapat dikelompokkan ke

dalam enam dimensi yaitu:

i. Umur yang panjang dan hidup sehat

ii. Pengetahuan

iii. Standar hidup yang layak

iv. Partisipasi politik

v. Partisipasi dalam ekonomi dan pengambilan keputusan

vi. Memiliki kebutuhan dalam sumber daya ekonomi

4.3 Kebijakan dan Program

Target penanggulangan kemiskinan secara nasional, sesuai arahan

Program Pembangunan Nasional (Propenas) 2000-2004, adalah

mengurangi jumlah penduduk miskin dari 18,2 persen pada 2002 menjadi

14,0 persen pada 2004. Target itu dicapai melalui dua strategi. Pertama,

meningkatkan pendapatan melalui perluasan peluang usaha, kesempatan

kerja, dan peningkatan produktifitas penduduk miskin. Kedua, mengurangi

pengeluaran keluarga miskin untuk pangan, pendidikan, kesehatan, dan

infrastruktur. Adapun kebijakan utamanya adalah perluasan kesempatan,

pemberdayaan masyarakat, peningkatan kapasitas sumber daya manusia,

dan perlindungan sosial.

Penanggulangan kemiskinan mendapat prioritas utama di dalam

Propenas 2000-2004, berdasarkan UU No.25/2000. Penanggulangan

36

kemiskinan ditempuh melalui tiga program. Pertama, penyediaan kebutuhan

pokok berupa bahan pokok pangan, pelayanan dasar di bidang kesehatan,

pendidikan, dan perumahan bagi keluarga dan kelompok masyarakat miskin

secara merata. Program ini dijabarkan ke dalam berbagai kegiatan seperti

penyediaan dan pencadangan bahan pokok secara terus-menerus;

pengendalian harga bahan pokok; penyediaan pelayanan dasar, terutama

kesehatan dan pendidikan; perluasan jaringan pelayanan dalam penyediaan

kebutuhan pokok; dan perbaikan lingkungan perumahan, termasuk air

bersih.

Kedua, pengembangan budaya usaha masyarakat miskin hingga

dapat melakukan usaha ekonomi rakyat yang produktif atas dasar sikap

demokratis dan mandiri. Program kedua ini mencakup kegiatan

pengembangan pendidikan dan latihan keterampilan usaha; pendampingan

melalui bimbingan dan konsultasi; penciptaan jaringan kerja sama dan

kemitraan usaha yang didukung oleh organisasi masyarakat setempat,

pemerintah daerah, swasta, dan perguruan tinggi; penyediaan kemudahan

akses terhadap sumber daya-sumber daya; penyediaan prasarana dan

sarana usaha bagi keluarga miskin; dan penyediaan pemukiman transmigrasi

baru untuk petani yang tidak memiliki lahan pertanian.

Ketiga, pengembangan sistern dana jaminan sosial yang dapat

melindungi kelompok masyarakat dari situasi yang mengurangi pendapatan

atau konsumsinya. Kelompok sasaran diprioritaskan pada keluarga miskin,

anak terlantar, kelompok lanjut usia, dan penyandang cacat. Program ini

mencakup kegiatan pengembangan sistem jaminan sosial yang efektif sesuai

37

dengan budaya masyarakat; pemantapan sistem jaminan sosial yang sudah

berkembang di masyarakat; peningkatan kemampuan pemerintah daerah

dan masyarakat dalam pengelolaan sistem jaminan sosial.

Keseluruhan program penanggulangan kemiskinan bersifat lintas

sektoral dan komprehensif. Selain program dan kegiatan di atas, terdapat

lagi kegiatan pendukung lainnya yang tersebar dalam berbagai program

pembangunan.

38

BABY

ANALISIS EMPIRIS

5.1 Deskripsi Statistik Variabel Penelitian

Dalam penelitian ini dihipotesiskan bahwa tingkat kemiskinan di

setiap provinsi di Indonesia dipengaruhi oleh inflasi dan pengangguran.

Inflasi · akan mengurangi pendapatan riil sehingga mengurangi tingkat

konsumsi masyarakat dan cenderung mempertinggi tingkat kemiskinan,

sedangkan peningkatan pengangguran . akan menyebabkan hilangnya

sebagian besar penerimaan yang akan menyebabkan semakin rendahnya

tingkat kesejahteraan masyarakat sehingga akan meyebabkan meningkatnya

kemiskinan. Selain itu tingkat kemiskinan juga dipengaruhi oleh

pertumbuhan produk domestik regional bruto (PDRB) dan variabel

demografis yaitu pendidikan.

Secara umum, data yang ada menunjukkan kecenderungan

berkurangnya tingkat kemiskinan di sebagian besar provinsi di Indonesia,

baik dihitung dengan metode head count poverty, poverty gap index,

maupun distributiona/ly sensitive index Hal tersebut menunjukkan relatif

semakin tingginya tingkat kesejahteraan masyarakat. Secara lebih spesifik

bila dihitung dengan metode head count poverty terlihat bahwa jumlah

penduduk miskin pada tahun 2004 telah berkurang menjadi 16.7°/o dari

jumlah penduduk. Demikian pula menggunakan poverty gap index yang

mengukur jurang antara pendapatan (konsumsi) rata-rata penduduk miskin

dengan garis kemiskinan terlihat kecenderungan semakin kecilnya jurang

tersebut, ditunjukkan dengan semakin kecilnya nilai Pl dari waktu ke waktu.

39

Sementara nilai P2 yang semakin kecil menunjukkan semakin meratanya

distribusi pengeluaran/pendapatan diantara kelompok masyarakat miskin.

5.2 Hasil Estimasi

Sebelum melakukan regresi untuk melihat pengaruh inflasi dan

pengangguran terhadap kemiskinan, penulis melakukan regresi untuk

melihat ada tidaknya hubungan antara inflasi dan pengangguran. Hal ini

dilakukan karena adanya kemungkinan trade off antara inflasi dan

pengangguran yang dikenal dengan istilah Kurva Phillips6•

Hasil regresi dengan fixed effed model menunjukkan bahwa

pengangguran memberi pengaruh yang searah terhadap inflasi (koefisien

regresi 0,59 signifikan pada 1 °/o). Hal ini menunjukkan bahwa pada periode

penelitian penulis antara inflasi dan pengangguran tidak terdapat trade off.

Hal ini lebih sesuai dengan pendapat Edmund Phelps ( 1968) dan Milton

Friedman (1969) yang menemukan bahwa tidak terdapat trade off antara

inflasi dan pengangguran.

5.2.1 Pengaruh Inflasi dan Pengangguran terhadap Head Count

Index(PO)

Setelah melakukan beberapa kali regresi, ternyata model

yang cocok untuk melihat pengaruh inflasi dan pengangguran

terhadap Head Count Index (Po) adalah

dimana:

POait : Head Count Index provinsi i pada tahun t

6 Phillips (1958) menemukan dalam jangka panjang antara inflasi dan pengangguran terdapat "trade off' yang sering dikenal sebagai Kurva Phillips.

40

Pit : tingkat inflasi provinsi i pada tahun t

J.1 it : tingkat pengangguran provinsi i pada tahun t

GPDRBt : pertumbuhan PDRB provinsi i pada tahun t

AMHit : angka melek huruf provinsi i pada tahun t

a. Pemilihan Model Data Panel

Dari uji spesifikasi diperoleh nilai Fstatistik = 33,02. Nilai ini

lebih besar dari nilai Frabel = 1,84 (F(22, 42, o,os>· Sesuai ketersediaan

data tabei-F digunakan proksi Fc2o, 40, o,os>)· Sehingga pooling

regression model tidak cocok digunakan. Untuk itu dilakukan uji

berikutnya yaitu Uji Hausman.

Dari Uji Hausman diperoleh Chi-squared -8,57 dengan p

value 0,07 (signifikan pada 10°/o). Hasil ini menunjukkan bahwa

model yang cocok adalah fixed effect model

b. Pengujian Pelanggaran Asumsi Dasar

Hasil estimasi diperoleh DW statistik 2,25. Dibandingkan

dengan DW tabel, nilai ini lebih besar dari dL = 1,49 dan du= 1,74

serta lebih kecil dari 4-dL =2,51 dan 4-du =2,26. Ini menunjukkan

tidak terjadi otokorelasi.

Ada tidaknya heteroskedastisitas dapat dilihat dari nilai sum

squared resid (ssr). Nilai ssruw=130,05 yang lebih besar dari

ssrw= 120,47 menunjukkan terjadinya heteroskedastisitas.

Pelanggaran asumsi ini telah langsung dihilangkan ketika

menggunakan metode weighted.

41

Dari nilai R2 yang tinggi, F statistik dan t statistik yang

signifikan (lihat tabel 5.1) menunjukkan tidak terdapat

multikolinearitas.

c. Analisis

Tabel 5.1 Estimasi Pengaruh Inflasi dan Pengangguran terhadap Head Count Index menggunakan Fixed Effect

Varia bel

Tingkat Inftasi Tingkat Pengangguran Pertumbuhan PDRB Angka Melek Huruf Adjusted R-squared F statistik p-value Jumlah observasi

*** signifikan pada 1% ** signifikan pada 5 % * signifikan pada 10 %

Koefisien

01106804 *** 0,157231 *** 0,203758*** -0 194804***

I

t statistik p-value

10,08889 0,0000 4 673315 0,0000 4 156829 0,0002 -3,811299 0 0004

0,933847 529,6587 0,000000

69

Hasil estimasi seperti diperlihatkan tabel 5.1 menunjukkan

bahwa secara umum model yang digunakan cukup memuaskan

dalam menjelaskan pengaruh variabel bebas (tingkat inflasi,

tingkat pengangguran, pertumbuhan PDRB, dan angka melek

huruf) secara bersama-sama terhadap head count index,

ditunjukkan dengan nilai koefisien determinasi (Adjusted R-

squared) yang besar {0,93). Selain itu notasi dari variabel-variabel

inti yang dianalisis sesuai dengan yang diharapkan kecuali variabel

pertumbuhan PDRB. Keeratan pengaruh variabel-variabel bebas

dan variabel terikat diperlihatkan dengan nilai F statistik yang

sangat tinggi dengan tingkat kepercayaan 99 persen menandakan

42

pengaruh yang sangat erat antara variabel-variabel bebas dengan

variabel terikat.

Hasil t statistik pada tingkat kepercayaan 99 persen

memperlihatkan bahwa tingkat inflasi memberikan pengaruh yang

signifikan terhadap variabel tingkat kemiskinan. Koefisien regresi

sebesar 0,11 menunjukkan bahwa setiap peningkatan sebesar 1

persen tingkat inflasi akan menyebabkan kenaikan head count

index sebesar 0,11 persen dengan asumsi bahwa variabel-variabel

yang lain adalah tetap. Dengan kata IC:Iin peningkatan inflasi akan

meningkatkan jumlah penduduk miskin.

Pengaruh yang signifikan dari inflasi terhadap jumlah

penduduk miskin tersebut sesuai dengan hipotesis awal yang di

dasarkan pada hasil penelitian empiris yang dilakukan oleh

Cutler&Katz (1991) dan Power(1995b).

Hal yang sama diperlihatkan hasil regresi untuk variabel

tingkat pengangguran. Signifikansi yang terjadi pada tingkat

kepercayaan sebesar 99 persen dapat diartikan perubahan tingkat

pengangguran memberikan pengaruh yang relatif sangat signifikan

dalam model. Koefisien regresi sebesar 0,16 menunjukkan bahwa

setiap peningkatan sebesar 1 persen variabel tingkat

pengangguran akan menyebabkan kenaikan head count index

sebesar 0,16 persen, dengan asumsi bahwa variabel-variabel yang

lain tetap.

43

llngginya pengaruh variabel pengangguran terhadap

jumlah penduduk miskin menunjukkan bahwa sebagian rumah

tangga di Indonesia memiliki liquidity constraint, yaitu

ketergantungan yang sangat besar atas pendapatan gaji/upah

yang diperoleh saat ini. Hilangnya lapangan pekerjaan

(meningkatnya pengangguran) menyebabkan berkurangnya

sebagian besar penerimaan yang digunakan untuk membeli

kebutuhan sehari-hari. Lebih jauh jika masalah pengangguran ini

terjadi pada kelompok masyarakat berpendapatan rendah

(terutama kelompok masyarakat dengan tingkat pendapatan

hanya sedikit berada di atas garis kemiskinan) maka kejadian

pengangguran akan dengan mudah menggeser posisi mereka

menjadi kelompok masyarakat miskin.

Lebih lanjut hasil regresi memperlihatkan hal yang sama

untuk variabel lainnya yaitu pertumbuhan PDRB dan angka melek

huruf. Tapi untuk pertumbuhan PDRB notasi yang diperoleh tidak

seperti yang diperkirakan. Ini menunjukkan bahwa ternyata

pertumbuhan PDRB tidak mengurangi head count index tetapi

malah menambah head count index

Pertumbuhan PDRB yang dihipotesiskan memiliki pengaruh

yang signifikan secara berlawanan arah terhadap jumlah penduduk

miskin di Indonesia malah berpengaruh searah. Dengan kata lain

pertumbuhan PDRB pada periode 2001-2003 ini tidak cukup

mampu mengurangi jumlah penduduk miskin di Indonesia. Hal ini

44

mungkin saja terjadi akibat jumlah penduduk pada periode ini

mengalami pertumbuhan yang cukup besar, ini merupakan dugaan

penulis karena penulis tidak memiliki data pertumbuhan penduduk

untuk membuktikan hal ini. Atau hal ini terjadi akibat pengaruh

lain yang begitu besar meningkatkan kemiskinan sehingga

pertumbuhan PDRB yang terjadi tidak cukup mampu mengurangi

jumlah kemiskinan.

Sementara angka melek huruf sebagai indikator pendidikan

berpengaruh secara signifikan terhadap jumlah penduduk miskin di

Indonesia, hal ini menunjukkan bahwa seiring dengan

meningkatnya pendidikan masyarakat, jumlah penduduk yang

hidup di bawah garis kemiskinan semakin berkurang.

5.2.2 Pengaruh Inflasi dan Pengangguran terhadap Poverty Gap

Index(Pl)



terhadap Poverty Gap Index(Pl) adalah

Plit = ~0 + ~lf1Pit + ~2l1Jl it- ~3GPDRB it- ~4MMHit + E it

dimana:

Plait : Poverty Gap Index provinsi i pada tahun t

i1Pit : perubahan tingkat inflasi dari tahun sebelumnya provinsi i

pada tahun t

l1Jl it : perubahan tingkat pengangguran dari tahun sebelumnya

provinsi i pada tahun t

45


MMHtt : perubahan angka melek huruf dari tahun sebelumnya

provinsi i pada tahun


Dari uji spesifikasi diperoleh nilai fstatistik = 8,43. Nilai ini

lebih besar dari nilai Frabel = 1,84 (F(22, 42, o,oS)· Sesuai ketersediaan

data tabei-F digunakan proksi F<2o, 40, o,os>>· Sehingga pooling



Dari Uji Hausman diperoleh Chi-squared 11,26 dengan p

value 0,02 (signifikan pada 5°/o). Hasil ini menunjukkan bahwa

model yang cocok adalah fixed effect model

b. Pengujian Pelanggaran Asumsi Dasar

Hasil estimasi diperoleh OW statistik 2,11. Dibandingkan

dengan OW tabel, nilai ini lebih besar dari dL=1,49 dan du=1,74



Nilai ssruw=40,58 yang lebih besar dari ssrw=36,43

menunjukkan terjadinya heteroskedastisitas. Pelanggaran asumsi

ini telah langsung dihilangkan ketika menggunakan metode

weighted.



multikolinearitas.

46

c. Analisis



dalam menjelaskan pengaruh variabel bebas secara bersama-sama

terhadap poverty gap index, ditunjukkan dengan nilai koefisien

determinasi (Adjusted R-squared) yang cukup besar (0,71). Selain

itu notasi dari variabel-variabel inti yang dianalisis sesuai dengan

yang diharapkan. Keeratan pengaruh variabel-variabel bebas dan

variabel terikat diperlihatkan dengan nilai F statistik yang sangat

tinggi dengan tingkat kepercayaan 99 persen menandakan

pengaruh yang sangat erat antara variabel-variabel bebas dengan

variabel terikat.

Tabel 5.2 Estimasi Pengaruh Inflasi dan Pengangguran terhadap Poverty Gap Index menggunakan Fixed Effect

Variabel

fl Tingkat Inflasi flTingkat Pengangguran Pertumbuhan PDRB fl Angka Melek Huruf Adjusted R-squared F statistik p-value Jumlah observasi *** signifikan pada 1% ** signifikan pada 5 % * signifikan pada 10 %

Koefisien

0,029667*** 0 027674**

-0,152786*** -0,029173***

t statistik p-value

11,51492 0,0000 2,111258 0,0407 -7,607635 0,0000 -6,951852 0,0000

0,713270 6392,644 0,000000

69





persen atas variabel perubahan tingkat inflasi akan menyebabkan

47

kenaikan poverty gap index sebesar 0,03 persen dengan asumsi

bahwa variabel-variabel yang lain adalah tetap. Dengan kata lain

peningkatan inflasi akan memperbesar kesenjangan antara

pengeluaran penduduk miskin dan garis kemiskinan (rata-rata

pendapatan/pengeluaran penduduk miskin semakin menjauhi garis

kemiskinan). Meningkatnya inflasi mengakibatkan kehidupan

masyarakat miskin semakin terpuruk.

Hal yang sama diperlihatkan hasil regresi untuk variabel

tingkat pengangguran. Signifikansi yang terjadi pada tingkat

kepercayaan sebesar 95 persen dapat diartikan perubahan tingkat

pengangguran memberikan pengaruh yang relatif signifikan dalam

model. Koefisien regresi sebesar 0,03 menunjukkan bahwa setiap

peningkatan sebesar 1 persen perubahan tingkat pengangguran

akan menyebabkan kenaikan poverty gap index sebesar 0,03

persen, dengan asumsi bahwa variabel-variabel yang lain tetap.

Tingginya pengaruh variabel pengangguran terhadap

poverty gap index menunjukkan bahwa hilangnya lapangan

pekerjaan (meningkatnya pengangguran) menyebabkan rata-rata

pendapatan penduduk miskin semakin menjauhi garis kemiskinan.

Kalau tadinya kelompok miskin yang pengeluCirannya sedikit di

bawah garis kemiskinan, dengan kehilangan pekerjaan

(mengalami pengangguran) maka pendapatan/pengeluarannya

menjadi semakin kecil sehingga jurang dengan garis kemiskinan

menjadi semakin besar. Meningkatnya pengangguran

48

mengakibatkan kehidupan masyarakat miskin semakin terpuruk.

Ini menunjukkan sebagian besar rumah tangga di Indonesia

memiliki ketergantungan yang sangat besar atas pendapatan

gaji/upah yang diperoleh saat ini.

Pertumbuhan PDRB berpengaruh signifikan secara tidak

searah terhadap rata-rata kesenjangan pengeluaran masing

masing penduduk miskin terhadap garis kemiskinan. Dengan kata

lain pertumbuhan PDRB tampaknya mengurangi jurang antara

rata-rata penghasilan/pengeluaran penduduk miskin dan garis

kemiskinan. Pertumbuhan PDRB yang tinggi meningkatkan

pendapatan/ pengeluaran penduduk miskin yang tadinya jauh di

bawah garis kemiskinan menjadi lebih mendekati garis kemiskinan.

Variabel angka melek huruf sebagai indikator pendidikan

berpengaruh secara signifikan terhadap rata-rata kesenjangan

pengeluaran masing-masing penduduk miskin terhadap garis

kemiskinan, hal ini menunjukkan bahwa seiring dengan

meningkatnya pendidikan masyarakat, penghasilan/pengeluaran

penduduk miskin yang tadinya jauh di bawah garis kemiskinan

meningkat mendekati garis kemiskinan.

5.2.3 Pengaruh Inflasi dan Pengangguran terhadap Distribution~lly

Sensitive Index(P2)



terhadap Distributional/y Sensitive Index(P2) adalah

49

dimana:

P2<Xit : Distributionally Sensitive Index provinsi i pada tahun t

f1Pit : perubahan tingkat inflasi dari tahun sebelumnya provinsi i

pada tahun t

· l1f..l it : perubahan tingkat pengangguran dari tahun sebelumnya

provinsi i pada tahun t


MMHit : perubahan angka melek huruf dari tahun sebelumnya

provinsi i pada tahun


Dari uji spesifikasi diperoleh nilai Fstatistik = 6,51. Nilai ini

lebih besar dari nilai Frabel = 1,84 (Fc22, 42, o,oS)· Sesuai ketersediaan

data tabei-F digunakan proksi F<2o, 4o, o,os>)· Sehingga pooling



Dari Uji Hausman diperoleh Chi-squared 13,55 dengan p

value 0,01 (signifikan pada 1 °/o). Hasil ini menunjukkan bahwa

model yang cocok adalah fixed effect model.

b. Pengujian Pelanggaran Asu~si Dasar

Hasil estimasi diperoleh DW statistik 1,98. Dibandingkan

dengan DW tabel, nilai ini lebih besar dari dL=1,49 dan du=1,74



50

Nilai ssruw=5,25 yang lebih besar dari ssrw=4,73

menunjukkan terjadinya heteroskedastisitas. Pelanggaran asumsi

ini telah langsung dihilangkan ketika menggunakan metode

weighted.



multikolinearitas.

c. Analisis

Tabel 5.3 Estimasi Pengaruh Inflasi dan Pengangguran terhadap Distributionally Sensitive Index menggunakan Fixed Effect

Varia bel

fl. Tingkat Inflasi fl. Tingkat Pengangguran Pertumbuhan PDRB fl. Angka Melek Huruf Adjusted R-squared F statistik p-va/ue Jumlah observasi

*** signifikan pada 1% ** signifikan pada 5 % * signifikan pada 10 %

Koefisien

0,007815*** -0,009567*** -0 061710***

I

0,000488

t statistik p-value

27,14676 0,0000 -19,34537 0 0000 -10,99861 0 0000 0,419687 0,6769

0,645045 144,4932 0,000000

69



dalam menjelaskan pengaruh variabel bebas secara bersama-sama

terhadap distributionally sensitive index, ditunjukkan dengan nilai

koefisien determinasi (Adjusted R-squared) sebesar 0,65. Keeratan

pengaruh variabel-variabel bebas dan variabel terikat diperlihatkan

dengan nilai F statistik yang sangat tinggi dengan tingkat

51

kepercayaan 99 persen menandakan pengaruh yang sangat erat

antara variabel-variabel bebas dengan variabel terikat.





persen atas perubahan tingkat inflasi akan menyebabkan kenaikan

distributionally sensitive index sebesar 0,01 persen dengan asumsi


peningkatan inflasi akan meningkatkan ketidakmerataan

pengeluaran penduduk miskin (distribusi pengeluaran diantara

penduduk miskin semakin tidak merata).

Berbeda dengan variabel inflasi, pengaruh variabel

pengangguran malah sebaliknya. Nilai koefisien regresi sebesar -

0,01 menunjukkan bahwa setiap peningkatan atas perubahan

pengangguran sebesar 1 persen akan menyebabkan penurunan

distributionally sensitive index sebesar 0,03 persen, dengan asumsi


peningkatan pengangguran akan membuat distribusi pengeluaran

diantara pP.nduduk miskin menjadi lebih merata.

Hal ini dapat dijelaskan bahwa ketika pengangguran

meningkat, penduduk yang kehilangan pekerjaan yang merupakan

sumber penghasilannya menjadi sama jumlah penghasilan/

pengeluarannya dengan penduduk miskin lainnya.

52

Hasil regresi juga memperlihatkan hubungan yang

signifikan antara variabel pertumbuhan PDRB dan distributionally

sensitive index dengan tingkat kepercayaan sebesar 99 persen.

Peningkatan pertumbuhan PDRB akan menyebabkan penurunan

distributionally sensitive index. Dengan kata lain pertumbuhan

PDRB mengurangi ketidakmerataan distribusi pendapatan/

pengeluaran diantara penduduk miskin.

Lebih lanjut hasil regresi menunjukkan bahwa ternyata

variabel angka melek huruf sebagai indikator pendidikan tidak

berpengaruh secara signifikan terhadap distribusi pendapatan/

pengeluaran diantara penduduk miskin.

53

6.1 Kesimpulan

BABVI

PENUTUP

Hasil penelitian meliputi 23 provinsi di Indonesia selama periode

2001-2003 menunjukkan bahwa inflasi dan pengangguran memiliki

pengaruh yang signifikan terhadap kejadian kemiskinan di Indonesia.

Untuk kemiskinan yang diukur dengan head count index, inflasi dan

pengangguran berpengaruh signifikan dan searah terhadap jumlah

kemiskinan. Peningkatan inflasi dan pengangguran akan mengakibatkan

peningkatan jumlah penduduk miskin. Variabel kontrol pendidikan juga

menunjukkan hubungan yang signifikan dengan kemiskinan dimana

peningkatan dalam angka melek huruf yang digunakan sebagai indikator

pendidikan menunjukkan penurunan dalam jumlah kemiskinan di Indonesia.

Sementara pertumbuhan PDRB yang diharapkan dapat mengurangi jumlah

kemiskinan, untuk periode penelitian ini tidak mampu mengurangi jumlah

kemiskinan.

Perhitungan kemiskinan dengan menggunakan poverty gap index

menunjukkan bahwa inflasi dan pengangguran juga berpengaruh signifikan

dan searah dengan melebarnya jurang antara rata-rata

pendapatan/pengeluaran masyarakat miskin dan garis kemiskinan.

Peningkatan inflasi dan pengangguran mengakibatkan semakin besarnya

jurang ini. Sebaliknya terlihat bahwa pertumbuhan PDRB dan pendidikan

dapat memperkecil jurang ini.

54

Variabel pertumbuhan PDRB yang menunjukkan hubungan yang

searah dengan tingkat kemiskinan head count index, sebaliknya menunjukan

hubungan yang tidak searah dengan tingkat kemiskinan poverty gap index

terkesan kontradiktif. Sesungguh tidaklah demikian, hal ini dapat dijelaskan

bahwa kedua pengukuran ini merupakan hal yang berbeda, head count

index merupakan persentase jumlah penduduk miskin sedangkan poverty

gap index merupakan jurang antara pendapatan/pengeluaran penduduk

miskin dan garis kemiskinan (GK). Tampaknya jumlah penduduk miskin yang

bertambah ini pendapatan/pengeluarannya berada sedikit di bawah GK,

sehingga jumlah orang miskin bertambah tapi jurang antara

pendapatan/pengeluaran penduduk miskin dengan GK berkurang.

Sementara perhitungan kemiskinan dengan menggunakan

distributionally sensitive index menunjukkan bahwa perubahan inflasi

mengakibatkan semakin tidak meratanya distribusi pendapatan/pengeluaran

diantara kelompok miskin. Sementara peningkatan perubahan pengangguran

malah mengakibatkan distribusi pengeluaran diantara kelompok miskin ini

menjadi lebih merata. Hal ini dimungkinkan karena masyarakat yang tadinya

bekerja yang berada hanya sedikit di bawah batas miskin kehilangan

pekerjaan (menganggur) sehingga mereka kehilangan penghasilan.

Akibatnya mereka menjadi sama miskinnya dengan masyarakat miskin yang

berada jauh dari batas miskin. Hal yang sama ditunjukkan oleh pertumbuhan

PDRB yang dapat mengurangi ketidakmerataan distribusi diantara kelompok

miskin ini.

55

6.2 Saran

Eratnya pengaruh inflasi dan pengangguran terhadap kejadian

kemiskinan di Indonesia seharusnya menjadi perhatian serius dalam program

pengentasan kemiskinan di Indonesia. Pihak-pihak yang terlibat dalam

program pengentasan kemiskinan harus memberi perhatian khusus terhadap

masalah inflasi dan pengangguran. Perlu kerja banyak pihak agar masalah

pengangguran dapat diatasi dengan membuka peluang kerja bagi para

pengangguran maupun memberi peluang lebih besar kepada yang setengah

menganggur.

Kebijakan-kebijakan yang dikeluarkan pemerintah sepatutnya

memperhitungkan dampaknya terhadap inflasi dan pengangguran karena

pada akhirnya akan mengakibatkan bertambahnya jumlah masyarakat miskin

dan memperparah kondisi mereka yang sudah berada dalam kelompok

miskin.

Kalau yang menjadi perhatian pemerintah adalah mengurangi

jumlah penduduk miskin maka kebijakan yang diambil pemerintah

diutamakan pada penduduk yang berada sedikit dibawah garis kemiskinan

karena kelompok ini paling mudah bergeser dari kelompok miskin menjadi

tidak miskin. Tapi apabila yang menjadi perhatian adalah

keparahan/intensitas kemiskinan penduduk miskin maka sebaiknya kebijakan

pemerintah mengutamakan penduduk yang sangat miskin atau jauh di

bawah garis kemiskinan.

56

6.3 Kelemahan Penelitian

Penelitian ini masih jauh dari sempurna. Hal ini antara lain

disebabkan terbatasnya ketersediaan literatur yang berhubungan dengan

penelitian dan tidak tersedianya data yang lengkap.

Penelitian mungkin akan memperoleh hasil yang lebih memuaskan

jika dilakukan untuk periode yang lebih panjang dan menambahkan variabel

variabel terkait lainnya.

57

DAFTAR PUSTAKA

Abdullah, Burhanuddin. "Strategi Kebijakan Moneter dalam Mendorong Pertumbuhan Ekonomi yang Berkelanjutan". Orasi Ilmiah disampaikan pada Sidang Terbuka Senat Guru Besar Universitas Padjadjaran, Bandung 11 September 2003.

Aisyah, Siti. Ana/isis Faktor-faktor yang Mempengaruhi Ketidakmerataan Distribusi Pendapatan di Indonesia (studi kasus 26 propinsi di Indonesia). Thesis, Universitas Indonesia. 2003.

Asra, Abuzar. "Poverty and Inequality in Indonesia; Estimates, Decomposition, and· Key Issues". Journal of the Asian Pasific Economy, 2000, 5(1/2). Hal.91-111.

Badan Pusat Statistik. Data dan Informasi Kemiskinan Tahun 2002. Buku 1: Provinsi. Jakarta, BPS, 2002.



Balisacan, Arsenio M., E.M. Pernia dan A. Asra. "Revisiting Growth and Poverty Reduction in Indonesia: What do Subnational Data Show? ADB, ERD Working Paper Series No.25, Oktober2002.

Baltagi, Badi H. Econometric Analysis of Panel Data. John Wiley & Sons, Second Edition, 2001.

Cahyat, Ade. "Bagaimana Kemiskinan Diukur? Beberapa Model Penghitungan Kemiskinan di Indonesia". CIFOR, Governance Brief, 4 Februari 2004.

Cutler, David M. dan Lawrence F. Katz. "Macroeconomic Performance and the Disadvantaged". Brookings Paper on Economic Activity, Vol.1991 No.2, hal.1-74.

Dornbusch, Rudiger, Stanley Fischer dan Richard Startz. Macroeconomics. Irwin/McGraw-Hill, Seventh Edition, 1998.

Easterly, William dan Stanley Fischer. "Inflation and the Poor". Forthcoming, Journal of Money, Credit, and Banking. Maret 2000.

Feridhanusetyawan, Tubagus et al. 'The Impact of Fiscal Policies on Income Distribution and Poverty: A CGE Approach for Indonesia. Final Report to East Asian Development Network. CSIS, Januari 2003.

Foster, Michael F. "Measurement of Low Income and Poverty in A Perspective of International Comparison". Organisation for Economic Co-operation and Development. 1994.

Greene, William H. Econometric Analysis. Prentice Hall Inc., New York University, USA, Fourth Edition, 1993.

Hoover, Gary A. dan Geoffrey L. Wallace. "Examining the Relationship between the Poverty Rate and Economic Conditions: A Comparison of the 1980s-1990s". The University of Alabama. Economic, Finance and Legal Working Paper Series. Oktober 2003.

Hsiao Cheng. Analysis of Panel Data. Cambridge University Press, 1986. Ikhsan, Mohamad. The Disaggregation of Indonesia Poverty: Policy and Analysis.

Thesis, Urbana, University of Illinois, 1999.

58

Judge, George J. et al.. The Theory and Practice of Econometrics. John Wiley & Sons Inc., Second Edition, 1985.

Lestari, Novi. Ana/isis Faktor-Faktor yang Mempengaruhi Inflasi pada Perekonomian Regional Indonesia (Studi Kasus 26 Propinsi di Indonesia). Thesis, Universitas Indonesia. 2003.

Maksum, Choiril. "Official Poverty Measurement in Indonesia". Paper presented at 2004 International Conference on Official Poverty Statistics, EDSA, Mandaluyong City, Phillipines, 4-6 Oktober 2004.

Mankiw, N. Gregory. Teori Ekonomi Makro .. Jakarta, Erlangga, Edisi Keempat, 2000.

McCulloch; Neil, L. Alan Winters dan Xavier Cirera. Trade Liberalization and Poverty: A Handbook. London, Centre for Economic Policy Research, 2001.

Muttaqin, Hidayatullah. "Pertumbuhan Ekonomi Tidak Mampu Mengatasi Kemiskinan". PEl-Online, 2003.

Myles, Jolin dan Garnet Picot. "Poverty Indices and Policy Analysis". Review of Income and Wealth. Seri 46, No.2, Juni 2000. Hal.161-179.

Norton, Seth W. 2002. "Economic Growth and Poverty: In Search of Trickle Down".Cato Journal, Vol 22 No.2.

Oktaviani, Dian. Pengaruh Inflasi dan Pengangguran terhadap Kemiskinan di Perkotaan Indonesia. Jakarta: Universitas Indonesia, Thesis, 2001.

Powers, Elizabeth T. "Growth and Poverty Revisited". Federal Bank of Cleveland, Economic Commentary, 05, 1995a.

---------. "Inflation, Unemployment and Revisited". Federal Bank of Cleveland, Economic Commentary, April15, 1995b.

Pradhan, Menno et al. "Measurement of Poverty in Indonesia: 1996, 1999 and Beyond". SMERU Working Paper, Juni 2000.

Pindyck dan Rubinfeld. A Company Handbook Using Eviews by Hiroyuki Kawakatsu to accompany Econometric Models and Economic Forecasts .. Irwin/McGraw-Hill, Fourth Edition, 1998.

Suryahadi, Asep et al. "Developing a Poverty Map for Indonesia: An Initiatory Work in Three Provinces". SMERU Research Report. Mei 2003.

Tambunan, Tulus T. H. Perekonomian Indonesia. Jakarta, Ghalia Indonesia, 1996. Tarmidi, Lepi T. Ekonomi Pembangunan. Jakarta, Universitas Indonesia, 1992. Townsend, Ian dan Steven Kennedy. "Poverty: Measures and Targets". House of

Commons Library Research Paper, 04/23, 4 Maret 2004. Wie, Thee Kian. Pemerataan Kemiskinan Ketimpangan, Beberapa Pemikiran

tentang Pertumbuhan Ekonomi. Jakarta, LP3ES, 1981.

59

LAMPI RAN

Dependent Variable: ?PO Method: GLS {Cross Section Weights) Date: 09/19/05 Time: 00:04 Sample: 2001 2003 Included observations: 3 Number of cross-sections used: 23 Total panel {balanced) observations: 69 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance

Variable Coefficient Std. Error t-Statistic Prob.

?IHK 0.106804 0.010586 10.08889 0.0000 ?UNDEMP 0.157231 0.033645 4.673315 0.0000 ?GPDRB 0.203758 0.049018 4.156829 0.0002

?AMH -0.194804 0.051112 -3.811299 0.0004 Fixed Effects

SMUT--C _SBAR-C

SRIA--C SJAM--C

_SSEL--C _SBEN--C _SLAM--C _JDKI--C JBAR--C

_JTEN--C JYOG--C JTIM--C

_BALI--C _NNTB--C _NNTT--C _KBAR--C _KTEN-C _KSEL--C

KTIM--C CLUT--C

_CTEN-C _CSEL--C CTRA-C

Weighted Statistics

R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

Unweighted Statistics

R-squared Adjusted R-squared -s.E. of regression Durbin-Watson stat

29.89593 27.67947 27.20577 30.42521 33.91232 37.93966 38.90173 18.32803 27.75116 36.68687 36.24670 34.94804 21.78807 39.28519 44.16289 30.97749 27.56201 24.71000 27.25642 30.79274 38.45026 28.51152 37.44696

0.996959 0.995077 1.693625 529.6587 0.000000

0.959141 0.933847 1.759631 2.252661

Mean dependent var 31.89199 S.D. dependentvar 24.13841 Sum squared resid 120.4713 Durbin-Watson stat 2.391895

Mean dependent var 17.37768 S.D. dependentvar 6.841416 Sum squared resid 130.0447

Dependent Variable: ?P1 Method: GLS (Cross Section Weights) Date: 09/19/05 Time: 00:27 Sample: 2001 2003 Included observations: 3 Number of cross-sections used: 23 Total panel (balanced) observations: 69 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance


?DIHK 0.029667 0.002576 11.51492 0.0000 ?DUNEMP 0.02767 4 0.013108 2.111258 0.0407 ?GPDRB -0.152786 0.020083 -7.607635 0.0000 ?DAMH -0.029173 0.004196 -6.951852 0.0000

Fixed Effects _SMUT-C _SBAR-C _SRIA--C _SJAM-C _SSEL-C _SBEN--C _SLAM-C _JDKI-C _JBAR--C _JTEN--C JYOG--C

_JTIM--C _BALI--C

_NNTB--C _NNTT--C _KBAR--C _KTEN--C _KSEL-C _KTIM--C _CLUT--C _CTEN--C _CSEL--C CTRA--C

Weighted Statistics



R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

2.840780 2.639183 3.082620 3.297238 4.146502 4.143701 5.190886 1.069565 2.959775 4.313856 4.146060 4.452125 1.413536 6.001329 8.499789 3.957939 3.156675 1.941667 3.193620 5.595040 5.647922 3.645608 7.027870

0.999747 0.999591 0.931326 6392.644 0.000000

0.822902 0.713270 0.982911 2.115054

Mean dependent var S.D.dependentvar Sum squared resid Durbin-Watson stat

Mean dependent var S.D. dependentvar Sum squared resid

15.71955 46.04995 36.42948 2.510687

3.300752 1.835598 40.57680

Dependent Variable: ?P2 Method: GLS (Cross Section Weights) Date: 11/22/05 Time: 13:12 Sample: 2001 2003 Included observations: 3 Number of cross-sections used: 23 Total panel (balanced) observations: 69 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance


?DIHK 0.007815 0.000288 27.14676 0.0000 ?DUNDEMP -0.009567 0.000495 -19.34537 0.0000

?GPDRB -0.061710 0.005611 -10.99861 0.0000 ?DAMH 0.000488 0.001162 0.419687 0.6769

Fixed Effects _SMUT--C _SBAR--C _SRIA--C _SJAM--C _SSEL--C _SBEN--C _SLAM--C _JDKI-C _JBAR--C _JTEN--C _JYOG--C _JTIM--C _BALI--C

_NNTB--C _NNTT--C _KBAR--C _KTEN--C _KSEL--C _KTIM--C _CLUT-C _CTEN--C _CSEL--C CTRA-C

Weighted Statistics



R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

0.816153 0.740789 0.914726 1.028783 1.194172 1.129068 1.528371 0.354791 0.862281 1.185483 1.197966 1.245128 0.412668 1.617886 2.715735 1.127707 1.016704 0.560171 0.986803 1.788268 1.692241 1.086782 2.254957

0.988944 0.982100 0.335509 144.4932 0.000000

0.780763 0.645045 0.353401 1.977251

Mean dependent var S.D. dependentvar Sum squared resid Durbin-Watson stat

Mean dependent var S.D.dependentvar Sum squared resid

2.492237 2.507691 4.727779 2.485256

0.912549 0.593173 5.245478

pengaruh inflasi dan pengangguran - perpustakaan...

Documents