i

ANALISIS PENGARUH INDEKS PEMBANGUNAN MANUSIA (IPM)

DAN TINGKAT PENGANGGURAN TERHADAP KEMISKINAN

DI INDONESIA TAHUN 2014-2017 (STUDI KASUS: 34 PROVINSI)

SKRIPSI

Diajukan Kepada Fakultas Ekonomi dan Bisnis

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Ekonomi

Disusun oleh :

AMIRUDIN

NIM: 1112084000051

JURUSAN EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

2019 M / 1440 H

ii

LEMBAR PENGESAHAN PEMBIMBING

ANALISIS PENGARUH INDEKS PEMBANGUNAN MANUSIA (IPM)

DAN TINGKAT PENGANGGURAN TERHADAP KEMISKINAN DI

INDONESAI TAHUN 2014-2017 ( STUDI KASUS :34 PROPINSI)

Skripsi

Diajukan Kepada Fakultas Ekonomi dan Bisnis

Untuk Memenuhi Syarat-Syarat Meraih Gelar Sarjana Ekonomi

Oleh

Amirudin

NIM 1112084000051

Dibawah Pembimbing

Dr.Sofyan Rizal, M.Si

NIP.197604302011011002

JURUSAN EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGRI SYARIF HIDAYATULLAH

JAKARTA

1440 H/2019 M

iii

LEMBAR PENGESAHAN UJI KOMPREHENSIF

Hari ini Kamis, 21 februari 2019 telah dilakukan Uji Komprehensif atas

Mahasiswa:

1. Nama : AMIRUDIN

2. NIM : 1112084000051

3. Jurusan : Ekonomi Pembanguan

4. Judul Sekripsi : Analisis Pengaruh Indeks Pembanguan Manusia (IPM)

dan Tingkat Pengangguran Terhadap Kemiskinan Di Indonesia Tahun 2014-2017

(Setudy Kasus: 34 Provinsi)

Setelah memenuhi dan memperhatiakan penampilan serta kemapuan yang

bersangkuatan selama proses ujian komprehensif, maka di putuskan bahwa

mahasiswa tersebut di atas dinyatakan LULUS dan di beri kesempatan untuk

melanjutkan ketahap Ujian sekripsi sebagai salah satu sayarat untuk memperoleh

gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas Islam Negeri

Syarif Hidayatullah Jakarta.

Jakarta, 21 Februari 2019

1. Zaenal Muttaqin, MPP

NIP. 197905032011011006

2. Dr. Sofyan Rizal, M.Si

NIP. 197604302011011002 ( )

Penguji II

iv

LEMBAR KEASLIAN KARYA ILMIAH

Yang bertanda tangan di bawah ini

Nama : Amirudin

NIM : 1112084000051

Fakultas : Ekonomi dan Bisnis

Jurusan : Ekonomi Pembangunan

Dengan ini menyatakan bahwa dalam penulisan kekripsi ini, saya:

1.Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan

mempertanggungjawabkan.

2.Tidak melakukan plagiat terhadap naskah karya orang lain.

3.Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli

atau tanpa izin pemilik karya.

4.Tidak melakukan manipulasian dan pemalsuan data.

5.Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas karya

ini.

Jikalu di kemudian hari ada tuntutan dari pihak lain atau karya saya,dan telah

melalui pembuktian yang pernah di pertangung jawabkan,ternyata memang di

temukan bukti bahwa saya melanggar pernyataan maka saya siap di kenai sangsi

berdasarkan aturan yang berlaku di Fakultas Ekonomi dan Bisnis UIN Syarip

Hidayatullah Jakarta.

Demikin pernytaan ini saya buat dengan sesungguhnya.

Jakarta

Amirudin

1112084000051

v

LEMBAR PENGESAHAN UJIAN SKRIPSI

Hari ini senin, 26 Juni 2019 telah di lakukan Ujian Skripsi atas Mahasiswa:

1. Nama : Amirudin

2. NIM : 1112084000051

3. Jurusan : Ekonomi dan Bisnis

4. Judul sekripsi : Analisis Pengaruh Indeks Pembanguan Manusia

(IPM) dan Taingkat Pengguran Terhadap

Kemiskina Di Indonesia tahun 2014-2017 ( Studi

Kasus:34 Provinsi)

Setelah mencermati dan memperhatiakan penampilan dan kemapuan yang

bersangkuatan selama proses ujian sekripsi, maka di putuskan bahwa mahasiswa

tersebuat di atas dinyatakan LULUS dan sekripsi ini diterima sebagai salah satu

syarat untuk memperoleh gelar sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis

Universitas Islam Negri syarif Hidayatullah Jakarta.

Jakarta, 25 juni 2019

1. Dr.Muhammad Hartana Iswandi, M.Si ( )

NIP.196806052008011023 Ketua

2. Dr. Sofyan Rizal, M.Si ( )

NIP.197604302011011002 Sekertaris

3. Dr. Sofyan Rizal, M.Si ( )

NIP.197604302011011002 Pembimbing

4. Arief Fitrijanto, M.Si ( )

NIP.197111182005011003 Penguji Ahli

vi

DAFTAR RIWAYAT HIDUP

Indentitas pribadi

Nama Lengkap : Amirudin

Tempat,Tanggal Lahir : Bogor, 5 -07- 1993

Alamat : Kp. Nanggeleng RT/RW 01/02 Desa pangaur

Kec. Jasinga Kab. Bogor, 16120

Nomor Handphone : 085882432819

E-mail : qomirudi@Gmail.com

Latar Belakang Keluarga

Nama Ayah : Kosim

Tempat, Tanggal Lahir : Bogor, 7 Agustus 1963

Nama Ibu : Aminah

Tempat, Tanggal Lahir : Bogor 10 -07- 1973

Alamat : KP. Nanggeleng RT/RW 01/02 Desa Pangaur

Kec. Jasinga Kab. Bogor, 16120

Pendidikan Formal

1 SDN Pangaur 02 Kab.Bogor TAHUN 2021-2006

2 SMP PGRI DARU Kab.Tanggerang TAHUN 2006-2009

3 SMK Sasmita jaya 2 pamulang TAHUN 2009-2012

4 UIN Syarif Hidayatullah Jakarta TAHUN 2012-2019

Pengalaman Organisasi

1 Anggota Osis SMP PGRI DARU

2 TIM Futsal SMP PGRI DARU

3 TIM Futsal SMK SASMITA JAYA PAMULANG 2

vii

Abstract

This study aims to determine the effect of the Human Development Index

(HDI) and the Unemployment Rate on Poverty in Indonesia in 2014 - 2017

using 34 Province case studies. The analytical method used is panel data

regression using Eviews 9.0. The results of this study indicate that: (1) The

independent variables in this study, namely the Human Development Index

(HDI) and the unemployment rate together have a significant influence on

Poverty in 34 provinces in Indonesia in 2014-2017. (2) Variables of the Human

Development Index (HDI) partially have a Negative and significant influence

on Poverty 34 provinces in Indonesia in 2014-2017 (3) Variables in partial

unemployment rates have a positive and significant impact on Poverty 34

provinces in Indonesia in 2014 -2017.

Keywords: Poverty, Human Development Index, Unemployment

viii

ABSTRAK

Penelitian ini bertujuan untuk mengetahui pengaruh Indeks Pembangunan

Manusia (IPM) dan Tingkat Pengangguran terhadap Kemiskinan di Indonesia tahun

2014 - 2017 dengan menggunakan studi kasus 34 Provinsi. Metode analisis yang

digunakan regresi data panel dengan menggunakan Eviews 9.0.

Hasil penelitian ini menunjukkan bahwa : (1) Variabel independen dalam

penelitian ini, yakni Indeks Pembangunan Manusia (IPM) dan tingkat

pengangguran secara bersama-sama memiliki pengaruh signifikan terhadap

Kemiskinan 34 provinsi di Indonesia pada tahun 2014-2017. (2) Variabel Indeks

Pembangunan Manusia (IPM) secara parsial memiliki pengaruh Negatif dan

signifikan terhadap Kemiskinan 34 provinsi di Indonesia pada tahun 2014-2017 (3)

Variabel tingkat pengangguran secara parsial memiliki pengaruh positif dan

signifikan terhadap Kemiskinan 34 provinsi di Indonesia pada tahun 2014-2017.

Kata kunci: Kemiskinan, Indeks Pembanguan Manusia (IPM) pengangguran

ix

KATA PENGANTAR

Assalamualaikum wr. wb.,

Segala puji bagi Allah SWT. Yang telah memberikan segala nikmat yang tidak

terhitung kepada saya, sehingga saya dapat menyelesaikan skripsi ini yang berjudul

“Analisis Pengaruh Indeks Pembangunan Manusia (IPM) dan Tingkat

Pengangguran Terhadap Kemiskinan di Indonesia Tahun 2014-2017 ( Setudi

Kasus: 34 Provinsi) ” Dengan baik, Sholawat Serta salam tak lupa kita curah

limpahkan kepada Baginda Nabi Muhammad SAW, Yang telah membawa kita dari

zaman kebodohan kejaman yang penuh dengan keilmuan dan pengetahuan.

Skripsi ini disusun untuk memenuhi syarat memperoleh Gelar Sarjana Ekonomi

di Universitas Isalam Negri Syarif Hidayatullah Jakarta.Segala proses dari mulai

perencanaan latar belakang hingga selesinya skripsi ini tentu banyak pihak yang

telah mendukung penulis sehingga bisa menyelesaikan skripsi ini dengan

baik.Maka dari itu izinkan penulis untuk mengucapkan terimaksih kepada pihak-

pihak yang telah berkontribusi besar dalam pembuatan skripsi ini.

1 Teristimewa kepada kedua orang tua penulis ayahanda tercinta Kosim dan

Ibunda Aminah dan ibu basari, teh hessy,teh yanti.yang selalu memberikan

dukungan baik moral maupuan material yang tak terhingga sehingga

penulis dapat mengenyam Pendidikan sampai saat ini.

2 Terimaksih yang tiada tara teruntuk Aulia Putra,aszka,tanu,Kartika

erianti,maulana yusup yang selalu menemani dan mendukung penulis serta

orang yang memberi masukan kepada penulis sehingga bisa menyelesaikan

skripsi ini.

3 Bapak Prof. Dr. Amilin,S.E., M.Si, CA, QIA, BKP, CRMP, Selaku Dekan

Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta, semoga

dapat menjadikan Fakultas Ekonomi dan Bisnis lebih baik lagi.

x

4 Bapak Dr. Muhammad Hartana Iswandi Putra, M.Si Selaku ketua prodi

Ekonomi Pembangunan Fakultas Ekonomi dan Bisnis UIN Syarif

Hidayatullah Jakarta.

5 Bapak Dr.Sofyan Rizal, M.Si Dosen pembimbing yang telah memberikan

waktu,arahan,saran,Bimbingan serta nasehat kepada penulis selama proses

menyelesaikan skripsi ini.

6 Seluruh sahabat seperjuangan skripsi, yaitu Irfan achadi, rafi

Kurniawan,Abdul farid, SE..,Saeful nurul zaman,Aripil Firdaus,pijar

haqullah,hakim Adiaksa. Yang telah memotivasi dan memberi semangat

penulis selama proses penulisan skripsi.

7 Temen sepergaulan Kurniawan m.nur,zaki mubarok,Irfan achadi,Farhan

sidiq,Chairul umam,fitriadi fauzian,afif maulana rival,Maulan yusuf,saeful

nurul jaman,Arya darmawan,Faijul umam,yang selalu memberi masukan

penulis untuk suksesnya skripsi ini.

8 Kepda semua pihak yang tak dapat di sebutkan satu persatu namun memiliki

arti yang begitu mendalam bagi kehidupan penulis.

Penulis menyadari bahwa dalam penyusunan skripsi ini masih jauh dari

sempurna.Hal ini disebabkan karena terbatasnya kemapuan dan pengetahuan yang

penulis miliki.penulis menyadari bahwa dalam penyusunan skripsi ini masih jauh

dari sempurna.Hal ini di sebabkan karena terbatasnya kemapuan dan pengetahuan

yang penulis miliki.

Wassalamualaikum Warahmatullahi Wabaratuh

Ciputat, 20 Juli 2019

Amirudin

xi

DAFTAR ISI

COVER DEPAN…………………………………………………………………..i

LEMBAR PENGESAHAN PEMBIMBING……………………………………..ii

LEMBAR PENGSAHAN UJIAN KOMPREHENSIF…………………………..iii

PERNYATAAN KEASLIAN KARYA ILMIAH……………………………….iv

DAFTAR RIWAYAT HIDUP……………………………………………………v

ABSTRACT……………………………………………………………………..vii

ABSTRAK……………………………………………………………………...viii

KATA PENGANTAR…………………………………………………………...ix

DAFTAR ISI……………………………………………………………………...xi

DAFTAR TABEL……………………………………………………………….xiii

DAFTAR GAMBAR……………………………………………………………xiv

BAB I PENDAHULUAN ....................................................................................... 1

A. Latar Belakang ......................................................................................... 1

B. Rumusan Masalah .................................................................................. 11

C. Tujuan Penelitian .................................................................................... 11

D. Manfaat Penelitian .................................................................................. 11

BAB II TINJAUAN PUSTAKA ........................................................................... 12

A. Landasan Teori ....................................................................................... 12

1. Definisi dan Ukuran Kemiskinan ........................................................... 12

2. Konsep Kemiskinan ............................................................................... 16

3. Indeks Pembangunan Manusia (IPM) .................................................... 17

4. Pengangguran ......................................................................................... 25

5. Infrastruktur ............................................. Error! Bookmark not defined.

B. Penelitian Terdahulu ............................................................................... 34

C. Kerangka Pemikiran ............................................................................... 42

xii

D. Hipotesis ................................................................................................. 42

BAB III METODE PENELITIAN ....................................................................... 43

A. Ruang Lingkup Penelitian ...................................................................... 43

B. Jenis Penelitian ....................................................................................... 43

D Metode Pengambilan Data ..................................................................... 44

E. Metode Analisis Data ............................................................................. 45

F Pengujian Model ..................................................................................... 47

G. Uji Statistik ............................................................................................. 51

H. Operasional Variabel Penelitian ............................................................. 52

BAB IV ANALISIS DAN PEMBAHASAN ........................................................ 54

A. Analisa Deskriptif .................................................................................. 54

B. Pemilihan Model .................................................................................... 57

C. Analisa Teknis ........................................................................................ 61

BAB V KESIMPULAN DAN IMPLIKASI ......................................................... 71

A. Kesimpulan............................................................................................. 71

B. Saran ....................................................................................................... 71

DAFTAR PUSTAKA ........................................................................................... 72

LAMPIRAN .......................................................................................................... 74

xiii

DAFTAR TABEL

Tabel 1.1 Presentase dan jumlah Miskin Menurut pulau

Tabel 1.2 Indeks Pembangunan Manusia di Indonesia tahun 2014-2018

Tabel 1.3 Tingkat Pengguran Terbuka di Indonesia Tahaun 2014-2018

Tabel 2.1 Komoditi kebutuhan Pokok sebagai dasar perhitungan daya beli

Tabel 2.2 Nilai Maksimum dan Minimum dari Setiap Komponen IPM

Tabel 2.3 Penelitian Terdahulu

Tabel 4.2 Tingkat pengagguran di Indonesia Tahun 2007-2016

Tabel 4.3 Indeks Pembangunan Manusia Indonesia Tahun 2014-2018

xiv

DAFTAR GAMBAR

Gambar 1.1 Jumlah Dan Presentase Penduduk Miskin, 2009-2015

Gambar 1.2 Indek Pembangunan Manusia 5 Pulau Besar Di Indonesia

Gambar 1.3 Kemiskian Di ASEAN

Gambar 2.1 Perjalanan Metodologi IPM Di UNDP

Gambar 2.2 Struktur Penduduk Berdasarkan Usia

Gambar 4.1 Jumlah Dan Presentase Penduduk Miskin

1

BAB I

PENDAHULUAN

Latar Belakang

Kemiskinan merupakan salah satu masalah yang selalu dihadapi oleh

manusia. Masalah kemiskinan itu sama tuanya dengan usia kemanusiaan itu

sendiri dan implikasi permasalahannya dapat melibatkan keseluruhan aspek

kehiduapan manusia, walaupun seringkali tidak didasari kehadirannya sebagi

masalah untuk oleh manusia yang bersakutan. Bagi mereka yang tergolong

miskin, kemiskinan merupakan sesuatu yang nyata ada dalam kehidupan

mereka sehari-hari, karena mereka itu merasakan dan menjalani sendiri

bagaimana mereka hidup dalam kemiskinan. Walaupun demikian belum tentu

mereka itu sadar akan kemiskinan yang mereka jalani. Kesadaran akan

kemiskinan yang meraka miliki itu, baru terasa pada waktu mereka

memandingkan kehidupan yang mereka jalani dengan kehidupan orang lain

yang tergolong mempunyai tingkat kehidupan sosial yang lebih tinggi.

Secara singkat, kemiskinan dapat didefinisikan sebagai suatu setandar

tingkat hidup yang rendah, yaitu adanya suatu tingkat kekurangan materi pada

jumblah atau segolongan yang dibandingkan dengan setandar kehiduapan yang

rendah ini secara langsung dampak pengaruhnya terhadap tingkat keadaan

kesehataan, kehidupan moral, dan rasa harga diri mereka yang tergolong

sebagai orang miskin.

Sampai saat ini Indonesia adalah negara dengan jumlah penduduk terbesar

keempat di dunia, dengan ekonomi terbesar kesepuluh berdasarkan paritas daya

beli, dan merupakan anggota G-20. Indonesia telah berhasil mengurangi

kemiskinan lebih dari setengahnya sejak tahun 1999, menjadi 9,8% pada tahun

2018. Dari sekitar 260 juta penduduk Indonesia, masih ada sekitar 25,9 juta

orang yang hidup di bawah garis kemiskinan. Berdasarkan data Maret 2017,

sekitar 20.78% dari seluruh pendduk masih rentan jatuh miskin karena

pendapatan mereka hanya sedikit di atas garis kemiskinan. Meskipun ada upaya

lebih besar untuk meningkatkan layanan umum, kualitas pusat kesehatan dan

sekolah tidak merata berdasarkan standar sebuah negara berpendapatan

2

menengah. Hal ini berkontribusi pada indikator yang mengkhawatirkan,

terutama di bidang kesehatan.

Secara umum, pada periode 2009-September 2015 tingkat kemiskinan di

Indonesia mengalami penurunan kecuali pada September 2013 dan Maret 2015.

Pada September 2013 jumblah dan presentase penduduk miskin ngengalami

kenaikan dibanading Maret 2013 yang disebabkan oleh kenaikan harga barang

kebutuhan pokok sebagai akibat dari kenaikan harga bahan bakar minyak pada

bulan juni 2013.Selanjutnya pada periode September 2014-Maret 2015 jumblah

dan presentase penduduk miskin kembali mengalami kenaikan. Pada periode

maret 2015-September 2015 Tercatat baik jumblahnya maupun presentase

penduduk miskin mengalami fluktuasi dari tahun ke tahun. Berikut

perkembangan tingkat kemiskinan tahun 2009 sampai dengan septemper 2015

ditunjukan oleh gambar 1.1

Gambar 1.1

Jumlah Dan Presentase Penduduk Miskin, 2009-2015

Sumber: Survei sosial ekonomi nasional

Adapun terjadinya kemiskinan di antaranya disebabkan oleh keterbelakangan

manusia dan sumber daya alam. Pengelolaan sumber daya alam sangat

tergantung kemampuan produktif manusia. Jika penduduknya banyak yang

miskin dan berpendidikan rendah maka akan mengakibatkan langkanya

3

keterampilan teknik, pengetahuan, dan aktivitas kewiraswataan yang secara

otomatis akan menyebabkan sumber daya alam yang tersedia justru terbengkalai,

tidak berkembang, atau bahkan salah guna. Sumber daya alam ini akan

memengaruhi tingkat pertumbuhan ekonomi. di sisi lain, kurangnya sumber

daya alam akan menyebabkan kemiskinan karena sumber daya alam adalah

sumber utama kebutuhan hidup manusia. Kemiskinan sumber daya alam

merupakan sebab dan sekaligus akibat kemiskinan manusia (Jhingan, 2016:34).

Tabel 2 menujukan presentase dan jumblah penduduk miskin menurut pulau

pada September 2017. Pada tabel tersebut terlihat bahwa presentase pendudk

miskin terbesara berada di wilayah pulau maluku dan papua, yaitu sebesar 21,23

presen, sementara presentase penduduk miskin terendaha berada di pulau

Kalimantan, yaitu sebesar 6,18 presen. Dari sisi jumlah, sebagian beasar

penduduk miskin masih berada di pulau jawa (13,94 juta orang) sedangkan

jumblah penduduk miskin terendah berada di pulau Kalimantan (0,98 juta

orang).

Tabel 1.1

Presentase dan Jumlah Penduduk Miskin Menurut Pulau

Sumber: Survei Sosial Ekonomi Nasonal September 2017.

Hidup layak merupakan hak asasi manusia yang d iakui secara universal.

Konstitusi Indonesia UUD’45, secara eksplisit mengakui hal itu dengan

mengamanatkan bahwa tugas pokok Republik Indonesia yaitu “memajukan

kesejahteraaan umum, mencerdaskan kehidupan bangsa serta mewujudkan

suatu keadilan sosial bagi seluruh rakyat Indonesia”. Hal itu berarti, hidup

bebas dari kemiskinan atau menikmati kehidupan yang layak merupakan hak

asasi setiap warganegara adalah tugas pemerintah untuk menjamin

4

terwujudnya hal itu. Pembangunan nasional pada dasarnya ialah meningkatkan

kesejahteraan umum yang adil dan merata bagi seluruh rakyat Indonesia.

Dengan demikian pengentasan kemiskinan merupakan prioritas utama

pembangunan.

Kemiskinan tidak lagi dipahami hanya sebatas ketidakmampuan ekonomi,

tetapi juga kegagalan memenuhi hak-hak dasar dan perbedaan perlakuan bagi

seseorang atau sekelompok orang dalam menjalani kehidupan secara

bermartabat. Hak-hak dasar yang diakui secara umum meliputi terpenuhinya

kebutuhan pangan, kesehatan, pendidikan, pekerjaan, perumahan, air bersih,

pertanahan, sumber daya alam, lingkungan hidup, rasa aman dari perlakuan

atau ancaman tindak kekerasan, dan hak berpartisipasi dalam kehidupan sosial

politik.

Banyak dampak negatif yang disebabkan oleh kemiskinan, selain timbulnya

banyak masalah-masalah sosial, kemiskinan juga dapat mempengaruhi

pembangunan ekonomi suatu negara. Kemiskinan yang tinggi akan

menyebabkan biaya yang harus dikeluarkan untuk melakukan pembangunan

ekonomi menjadi lebih besar, sehingga secara tidak langsung akan

menghambat pembangunan ekonomi. Kemiskinan merupakan penyakit yang

muncul saat masyarakat selalu mempunyai kekurangan secara material

maupun non material seperti kurang makan, kurang gizi, kurang pendidikan,

kurang akses informasi, dan kekurangan-kekurangan lainnya yang

menggambarkan kemiskinan. Faktor lain yang sangat nyata tentang

kemiskinan terutama di kota-kota besar Indonesia, dapat dilihat dari banyaknya

warga masyarakat yang kekurangan makan dan minum, tidak memiliki tempat

tinggal yang layak, bahkan digusur dari pemukimannya, ribuan pekerja

berunjuk rasa memprotes ancaman pemutusan hubungan kerja (PHK), sikap

dan perlakuan sewenang-wenang terhadap tenaga kerja wanita di luar

negeri.

Selanjutnya, penyebab lain dari kemiskinan adalah kurangnya sumber daya

manusia. Jika manusia tidak memiliki keterampilan maka ia tidak akan

memiliki pendapatan yang menyebabkan daya belinya berkurang sehingga

5

masuk ke dalam lingkar kemiskinan. Ini akan memengaruhi pertumbuhan

ekonomi di suatu wilayah bahkan negara. Sumber daya manusia akan

memengaruhi indeks pembangunan manusia dan dapat memengaruhi tingkat

pengangguran.

Kualitas sumber daya manusia juga dapat menjadi faktor penyebab

terjadinya penduduk miskin. Kualitas sumber daya manusia dapat dilihat

dari indeks kualitas hidup/indeks pembangunan manusia. Rendahnya Indeks

Pembangunan Manusia (IPM) akan berakibat pada rendahnya produktivitas

kerja dari penduduk. Produktivitas yang rendah berakibat pada rendahnya

perolehan pendapatan. Sehingga dengan rendahnya pendapatan menyebabkan

tingginya jumlah penduduk miskin.

Lanjouw dkk (dalam Yani Mulyaningsih, 2008) menyatakan pembangunan

manusia di Indonesia adalah identik dengan pengurangan kemiskinan.

Investasi di bidang pendidikan dan kesehatan akan lebih berarti bagi penduduk

miskin dibandingkan penduduk tidak miskin, karena bagi penduduk miskin

aset utama adalah tenaga kasar mereka. Adanya fasilitas pendidikan dan

kesehatan murah akan sangat membantu untuk meningkatkan produktifitas,

dan pada gilirannya meningkatkan pendapatan.

Oleh karna itu, Sasaran pembangunan ekonomi tidak lagi hanya

berorientasi pada pendapatan ekonomi yang setinggi-tingginya, tetapi juga

mengarah pada kualitas dari pembangunan. Pembangunan manusia

dijadikan sebagai tujuan pembangunan, mengingat pentingnya peran manusia

dalam proses pembangunan ekonomi, maka peningkatan sumber daya manusia

perlu menjadi perhatian pemerintah.Isu pembangunan manusia tidak pernah

sepi, di tingkat dunia pada tahun 2015 sempat menghangat. Saat itu,

Millenium Development Goals (MDGs) memasuki batas tahun pencapaian.

Namun, pasca 2015 babak baru agenda pembangunan telah dikembangkan

melalui konsep Sustainable Development Goals (SDGs).

Konsep SDGs mencakup 3 dimensi, yaitu sosial, ekonomi dan

lingkungan. Ada 17 tujuan dalam SDGs, terdapat beberapa target yang

berkaitan dengan pembangunan manusia, yaitu menjamin kehidupan yang

6

sehat dan meningkatkan kesejahteraan penduduk segala usia yang merupakan

tujuan ketiga, menjamin kualitas pendidikan yang adil dan inklusif serta

meningkatkan kesempatan belajar seumur hidup untuk semua yang

merupakan tujuan keempat dan meningkatkan pertumbuhan ekonomi yang

inklusif dan berkelanjutan, kesempatan kerja penuh dan produktif, serta

pekerjaan yang layak untuk semua yang merupakan tujuan kedelapan. Isu

pembangunan juga bergulir di dalam negeri. Isu pembangunan manusia

menjadi salah satu poin penting dalam agenda pemerintahan Jokowi.

Butir kelima nawacita yang menegaskan bahwa pemerintah akan

memprioritaskan peningkatan kualitas hidup manusia Indonesia. Hal tersebut

dilakukan melalui 2 program, yaitu dengan program “Indonesia Pintar” untuk

peningkatan kualitas pendidikan dan pelatihan dan dengan program “Indonesia

Kerja” dan “Indonesia Sejahtera” untuk peningkatan kesejahteraan

masyarakat dengan mendorong land reform dan program kepemilikan tanah

seluas 9 hektar, program rumah kampung deret atau rumah susun murah

yang disubsidi serta jaminan sosial untuk rakyat di tahun 2019.

Gambar 1.2

Indeks Pembangunan Manusia 5 Pulau Besar di Indonesia

Sumber: Badan Pusat Statistik, 2016

7

Indonesia terdiri atas 5 Pulau besar, yaitu Pulau Sumatera, Pulau Jawa,

Pulau Kalimantan, Pulau Sulawesi dan Pulau Papua. Berdasarkan grafik1.1

diatas, Pulau Jawa masih meraih Indeks Pembangunan Manusia tertinggi

dibandingkan pulau besar lainnya, bahkan DKI Jakarta merupakan provinsi

dengan nilai Indeks Pembangunan Manusia tertinggi di Indonesia. Pulau

Jawa merupakan pusat perekonomian, pusat pemerintahan serta pusat

kegiatan sosial dan ekonomi lainnya. Selain itu, sumber daya manusia yang

terkonsentrasi hamper 60% dari total jumlah penduduk di Indonesia berada

di Pulau Jawa yaitu sekitar 145 juta jiwa dengan kondisi perekonomian

yang lebih baik dibandingkan pulau besar lainnya di Indonesia serta

terkonsentrasinya jumlah penduduk yang sebagian merupakan tenaga kerja

membuat IPM di Pulau Jawa cenderung lebih tinggi dibandingkan 4 pulau

besar lainnya. Kontribusi perekonomian yang mencapai 58,13% terhadap

perekonomian Indonesia pada tahun 2015 turut mengambil andil dalam

tingginya capaian IPM di Pulau Jawa.

Tabel 1.2

Indeks Pembangunan Manusia di Indonesia Tahun 2014-2018

Tahun Indeks Pembangunan Manusia

2014 0,683

2015 0,686

2016 0,691

2017 0,694

2018 0,708

Sumber: BPS, 2019

Pada tabel diatas, diketahui pembangunan manusia di Indonesia mengalami

peningkatan dari tahun ke tahun. Seharusnya, ketika pembangun kualitas

sumber daya manusia di Indonesia meningkat, maka produktifitas masyarakat

di Indonesia seharusnya juga meningkat. Namun, adanya perbedaan data IPM

dengan data kemiskinan di Indonesia, dimana kemiskinan di Indonesia

8

mengalami fluktuasi yang terkadang menurun lalu meningkat dan turun

kembali.

Faktor lain yang juga berpengaruh terhadap tingkat kemiskinan adalah

pengangguran. Salah satu unsur yang menentukan kemakmuran suatu

masyarakat adalah tingkat pendapatan. Pendapatan masyarakat mencapai

maksimum apabila kondisi tingkat penggunaan tenaga kerja penuh (full

employment) dapat terwujud. Menurut Sadono Sukirno (2000),

Pengangguran akan menimbulkan efek mengurangi pendapatan masyarakat,

dan itu akan mengurangi tingkat kemakmuran yang telah tercapai. Semakin

turunnya tingkat kemakmuran akan menimbulkan masalah lain yaitu

kemiskinan.

Pengangguran adalah kondisi dimana seseorang telah memasuki usia kerja,

ingin bekerja, tetapi belum mendapatkan pekerjaan (Sukirno, 2012:13).

Angkatan kerja adalah kelompok penduduk yang berusia 15-64 tahun,

tetapi tidak semua orang yang berusia 15-64 tahun dikategorikan sebagai

angkatan kerja. Angkatan kerja adalah penduduk berusia 15-64 tahun yang

bekerja dan sedang mencari kerja sedangkan yang tidak mencari kerja baik

karena mengurus keluarga atau sekolah tidak masuk dalam kategori angkatan

kerja.

Pengangguran masih menjadi pekerjaan yang mendasar bagi pemerintah.

Berbagai upaya telah dilakukan untuk menanggulangi permasalahan

pengangguran dengan menciptakan lapangan kerja, mengadakan pelatihan, dan

lain sebagainya. Akan tetapi berbagai macam faktor masih saja menjadikan

momok pengangguran sulit untuk dituntaskan. Berdasarkan data Badan Pusat

Statistik (BPS) pada Agustus 2018, tecatat jumlah pengangguran penduduk

usia 15 tahun ke atas mencapai 70 juta lebih. Di mana tingkat pengangguran

terbuka (TPT) tertinggi didominasi oleh lulusan sekolah menengah kejuruan

(SMK) sebesar 11,24 persen.

9

Tabel 1.3

Tingkat Pengangguran Terbuka di Indonesia Tahun 2014-2018

Tahun Tingkat pengguran terbuka

2014 5.94

2015 6.18

2016 5.61

2017 5.50

2018 5.34

Sumber: BPS, Tahun 2018

Berdasarkan tabel diatas, tingkat pengangguran di Indonesia secara umum

mengalami penurunan, pokok permasalahan dari kemiskinan yaitu

pengangguran sudah teratasi dengan dilihatnya tingkat pengangguran yang

terus berkurang. Namun, kemiskinan di Indonesia masih mengalami fluktuasi

disetiap tahun, tidak ada sinergi diantara keduanya. Tingkat pertumbuhan

angkatan kerja yang cepat dan pertumbuhan lapangan kerja yang relatif

lambat menyebabkan masalah pengangguran yang ada di suatu daerah

menjadi semakin serius. Besarnya tingkat pengangguran merupakan

cerminan kurang berhasilnya pembangunan di suatu negara. Pengangguran

dapat mempengaruhi kemiskinan dengan berbagai cara (Tambunan, 2001).

10

Gambar 1.3

Kemiskinan di Negara ASEAN

Sementara itu, walaupun angka pengangguran terus berkurang dan tingkat

kualitas sumber daya manusia berdasarkan IPM terus meningkat, namun

Indonesia masih menduduki peringkat ketiga terkait penduduk miskin di

negara-negara ASEAN. Berdasarkan latar belakang masalah diatas, dalam

periode 2014-2017 terjadi fenomena penurunan pengangguran dan kenaikan

IPM, tetapi rata-rata tingkat kemiskinannya di Indonesia terus fluktuatif. Lalu,

dibandingkan dengan negara-negara ASEAN lainnya, Indonesia menduduki

peringkat ketiga penduduk miskin padahal IPM-nya terus meningkat dan

tingkat penganggurannya perlahan berkurang. Oleh karena itu penting untuk

mengetahui apakah ada hubungan yang signifikan antara pengannguran dan

IPM terhadap kemiskinan di Indonesia, dalam penelitian ini akan digunakan

model regresi dengan metode data panel model GLS. Maka dari itu penulis

tertarik untuk menuliskan skripsi yang berjudul “ANALISIS PENGARUH

TINGKAT PENGANGGURAN DAN INDEKS PEMBANGUNAN

11

MANUSIA (IPM) TERHADAP KEMISKINAN DI INDONESIA TAHUN

2014-2017 (STUDI KASUS: 34 PROVINSI)”

Rumusan Masalah

1. Bagaimana Pengaruh Indeks Pembanguan Manusia (IPM) dan tingkat

pengangguran secara bersama-sama Terhadap Kemiskinan 34 provinsi di

Indonesia?

2. Bagaimana pengaruh Indeks Pembangunan Manusia (IPM) secara parsial

terhadap kemiskinan 34 Provinsi di Indonesia?

3. Bagaimana pengaruh Tingkat Pengangguran secara parsial terhadap

kemiskinan 34 Provinsi di Indonesia?

Tujuan Penelitian

Berdasarkan rumusan masalah yang telah dikemukakan di atas, maka tujuan

yang akan dicapai dalam penelitian ini adalah sebagai berikut:

1. Untuk mengetahui pengaruh Indeks Pembangunan Manusia (IPM) dan

Tingkat Pengangguran secara bersama-sama terhadap Kemiskinan 34

provinsi di Indonesia.

2. Untuk mengetahui pengaruh Indeks Pembanguan Manusia (IPM) secara

parsial terhadap Kemiskinan 34 provinsi di Indonesia.

3. Untuk mengetahui pengaruh Tingkat Pengangguran secara parsial terhadap

Kemiskinan 34 provinsi di Indonesia.

Manfaat Penelitian

Penelitian tentang evaluasi infrastruktur ekonomi dan sosial terhadap

produktivitas ekonomi di Indonesia ini diharapkan dapat memberi

manafaat untuk;

1. Bagi pemerintah sebagai bahan pertimbangan dalam menentukan arah

kebijakan yang terkait dengan pengentasan kemiskinan di Indonesia

melalui indikator pembangunan kualitas sumber daya manusia dan

lapangan pekerjaan sebagai acuannya

2. Bagi akademisi dan peneliti sebagai tambahan referensi dalam tulisan

yang relevan dengan bidang ekonomi.

12

BAB II

TINJAUAN PUSTAKA

Landasan Teori

1. Definisi dan Ukuran Kemiskinan

Kemiskinan merupakan masalah yang dihadapi oleh seluruh negara,

terutama di negara sedang berkembang seperti Indonesia. Kemiskinan

adalah keterbatasan yang disandang seseorang, keluarga, komunitas atau

bahkan negara yang menyebabkan ketidaknyamanan dalam kehidupan,

terancamnya penegakan hukum dan keadilan serta hilangnya generasi

dan suramnya masa depan bangsa dan negara. Pengertian itu merupakan

pengertian secara luas, telah dikatakan kemiskinan terkait dengan

ketidaknyamanan dalam hidup. Dalam segala bidang selalu menjadi

kaum tersingkir karena tidak dapat menyamakan kondisi dengan kondisi

masyarakat sekitarnya.

Kemiskinan multi dimensional, artinya karena kebutuhan manusia

itu bermacam- macam, maka kemiskinan pun memiliki banyak aspek

primer yang berupa miskin akan aset, organisasi sosial politik,

pengetahuan, dan keterampilan serta aspek sekunder yang berupa miskin

akan jaringan sosial, sumber-sumber keuangan, dan informasi. Dimensi-

dimensi kemiskinan tersebut termanifestasikan dalam bentuk kekurangan

gizi, air, perumahan yang sehat, perawatan kesehatan yang kurang baik,

dan tingkat pendidikan yang rendah. Selain itu, dimensi-dimensi

kemiskinan saling berkaitan baik secara langsung maupun tidak langsung.

Hal ini berarti kemajuan atau kemunduran pada salah satu aspek dapat

mempengaruhi kemajuan atau kemunduran aspek lainnya. Dan aspek

lain dari kemiskinan ini adalah bahwa yang miskin itu manusianya baik

secara individual maupun kolektif (Lincolin Arshad, 1999 ).

13

a. Definisi kemiskinan

Menurut Badan Pusat Statistik (2010 ), penduduk miskin adalah

penduduk yang memiliki rata-rata pengeluaran per kapita per bulan

dibawah garis kemiskinan. Penetapan perhitungan garis kemiskinan

dalam masyarakat adalah masyarakat yang berpenghasilan dibawah

Rp 7.057 per orang per hari. Penetapan angka Rp 7.057 per orang

per hari tersebut berasal dari perhitungan garis kemiskinan yang

mencakup kebutuhan makanan dan non maka nan. Untuk kebutuhan

minimum makanan disetarakan dengan 2.100 kilokalori per kapita per

hari. Garis kemiskinan non makanan adalah kebutuhan minimum

untuk perumahan (luas lantai bangunan, penggunaan air bersih, dan

fasilitas tempat pembuangan air besar); pendidikan (angka melek huruf,

wajib belajar 9 tahun, dan angka putus sekolah); dan kesehatan

(rendahnya konsumsi makanan bergizi, kurangnya sarana kesehatan

serta keadaan sanitasi dan lingkungan yang tidak memadai).

Sedangkan ukuran menurut World Bank menetapkan standar

kemiskinan berdasarkan pendapatan per kapita. Penduduk yang

pendapatan per kapitanya kurang dari sepertiga rata-rata pendapatan

perkapita nasional, maka termasuk dalam kategori miskin. Dalam

konteks tersebut, maka ukuran kemiskinan menurut World Bank adalah

USD $2 per orang per hari.

b. Ukuran kemiskinan

Menurut Nurkse (dalam Lincolin Arshad, 1999), secara sederhana

dan yang umum digunakan dapat dibedakan menjadi dua pengertian:

1) Kemiskinan Absolut

Seseorang termasuk golongan miskin absolut apabila hasil

pendapatannya berada di bawah garis kemiskinan dan tidak cukup

untuk menentukan kebutuhan dasar hidupnya. Konsep ini

dimaksudkan untuk menentukan tingkat pendapatan minimum

yang cukup untuk memenuhi kebutuhan fisik terhadap makanan,

pakaian, dan perumahan untuk menjamin kelangsungan hidup.

14

Kesulitan utama dalam konsep kemiskinan absolut adalah

menentukan komposisi dan tingkat kebutuhan minimum karena

kedua hal tersebut tidak hanya dipengaruhi oleh adat kebiasaan

saja, tetapi juga iklim, tingkat kemajuan suatu negara, dan

faktor-faktor ekonomi lainnya. Walaupun demikian, untuk dapat

hidup layak, seseorang membutuhkan barang-barang dan jasa

untuk memenuhi kebutuhan fisik dan sosialnya.

2) Kemiskinan Relatif

Seseorang termasuk golongan miskin relatif apabila telah dapat

meme nuhi kebutuhan dasar hidupnya, tetapi masih jauh lebih

rendah dibandingkan dengan keadaan masyarakat sekitarnya.

Berdasarkan konsep ini, garis kemiskinan akan mengalami

perubahan bila tingkat hidup masyarakat berubah sehingga

konsep kemiskinan ini bersifat dinamis atau akan selalu ada.

Oleh karena itu, kemiskinan dapat dari aspek ketimpangan

sosial yang berarti semakin besar ketimpangan antara tingkat

penghidupan golongan atas dan golongan bawah, maka akan

semakin besar pula jumlah penduduk yang dapat dikategorikan

selalu miskin.

Kebutuhan dasar dapat dibagi menjadi dua golongan yaitu

kebutuhan dasar yang diperlukan sekali untuk mempertahankan

hidupnya dan kebutuhan lain yang lebih tinggi. United Nation

Research Institute for Social Development (UNRISD)

menggolongkan kebutuhan dasar manusia atas tiga kelompok yaitu

:

1) Kebutuhan fisik primer yang terdiri dari kebutuhan gizi,

perumahan, dan kesehatan.

2) Kebutuhan kultural yang terdiri dari pendidikan, waktu luang (

leisure), dan rekreasi serta ketenangan hidup.

3) Kelebihan pendapatan untuk mencapai kebutuhan lain yang lebih

tinggi Kebutuhan dasar tidak hanya meliputi kebutuhan keluarga,

15

tetapi juga meliputi kebutuhan fasilitas lingkungan kehidupan

manusia, seperti yang dikemukakan oleh Internasional Labor

Organization (ILO, 1976) sebagai berikut:

Kebutuhan dasar meliputi 2 unsur: pertama, kebutuhan yang

meliputi tuntutan minimum tertentu dari suatu keluarga konsumsi

pribadi seperti makanan yang cukup, tempat tinggal, pakaian,

juga peralatan dan perlengkapan rumah tangga yang

dilaksanakan. Kedua, kebutuhan meliputi pelayanan sosial yang

diberikan oleh dan untuk masyarakat seperti air minum yang

bersih, pendidikan, dan kultural (Lincolin Arshad, 1999).

c. Indikator Kemiskinan

Persepsi mengenai kemiskinan telah berkembang sejak lama

dan sangat bervariasi antara budaya yang satu dengan budaya

yang lainnya. Kriteria untuk membedakan penduduk miskin

dengan yang tidak miskin mencerminkan prioritas nasional tertentu

dan konsep normatif mengenai kesejahteraan. Namun pada

umumnya saat negara-negara menjadi lebih kaya, persepsi

mengenai tingkat konsumsi minimum yang bisa diterima, yang

merupakan garis batas kemiskinan akan berubah.

Garis kemiskinan adalah suatu ukuran yang menyatakan

besarnya pengeluaran untuk memenuhi kebutuhan dasar minimum

makanan dan kebutuhan non makanan, atau standar yang

menyatakan batas seseorang dikatakan miskin bila dipandang

dari sudut konsumsi. Garis kemiskinan yang digunakan setiap

negara berbeda-beda, sehingga tidak ada satu garis kemiskinan

yang berlaku umum. Hal ini disebabkan karena adanya perbedaan

lokasi dan standar kebutuhan hidup. Menurut Badan Pusat Statistik

(2010), penetapan perhitungan garis kemiskinan dalam

masyarakat adalah masyarakat yang berpenghasilan dibawah

konsumsi (consumption based poverty line). O leh sebab

16

itu,menurut Kuncoro (1997) garis kemiskinan yang didasarkan

pada konsumsi terdiri dari dua elemen, yaitu:

1) Pengeluaran yang diperlukan untuk memberi standar gizi

minimum dan kebutuhan mendasar lainnya.

2) Jumlah kebutuhan yang sangat bervariasi yang mencerminkan

biaya partisipasi dalam kehidupan sehari- hari.

Garis kemiskinan dibedakan menurut tempat dan waktu, jadi setiap

daerah baik di desar maupun di kota mamiliki nilai yang berbeda-beda

dan biasanya nilai ini bertambah pada norma tertentu, pilihan norma

tersebut sangat penting terutama dalam hal pengukuran kemiskinan.

Batas garis kemiskinan dibedakan antara desa dan kota. Perbedaan ini

sangat signifikan antara di de sa dan di kota, hal ini disebabkan pada

perbedaan dan kompleksitas di desa dan di kota.

d. Konsep Kemiskinan

Dalam BPS untuk mengukur kemiskinan, BPS menggunakan

konsep kemampuan memenuhi kebutuhan dasar (basic needs approach).

Dengan pendekatan ini kemiskinan dipandang sebagai ketidakmampuan

dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan

makanan yang di ukur dari sisi pengeluaran. Jadi penduduk miskin

adalah penduduk yang memiliki rata-rata pengeluaran perkapita

perbulan dibawah garis kemiskinan.

e. Penyebab Kemiskinan

Sharp (1996) mencoba mengidentifikasi penyebab kemiskinan

dipandang dari sisi ekonomi:

1) Secara mikro, kemiskinan muncul karena adanya ketidaksamaan

pola kepemilikan sumberdaya yang menimbulkan distribusi

pendapatan yang timpang. Penduduk miskin hanya memiliki

sumberdaya dalam jumlah terbatas dan kualitasnya rendah.

2) Kemiskinan muncul akibat perbedaan dalam kualitas sumberdaya

manusia. Kualitas sumberdaya manusia yang rendah berarti

produktivitasnya rendah, yang pada gilirannya upahnya rendah.

17

Rendahnya kualitas sumberdaya manusia ini karena rendahnya

pendidikan, nasib yang kurang beruntung, adanya diskriminasi,

atau karena keturunan.

3) Kemiskinan muncul akibat perbedaan akses dalam modal.

Ketiga penyebab kemiskinan diatas bermuara pada teori

lingkaran kemiskinan (vicious circle of poverty). Yang dimaksud

lingkaran kemiskinan adalah suatu lingkaran suatu rangkaian yang

saling mempengaruhi satu sama lain secara sedemikian rupa,

sehingga menimbulkan suatu keadaan dimana suatu negara akan tetap

miskin dan akan banyak mengalami kesukaran untuk mencapai tingkat

pembangunan yang lebih baik. Adanya keterbelakangan,

ketidaksempurnaan pasar, dan kurangnya modal menyebabkan

rendahnya produktifitas. Rendahnya produktifitas mengakibatkan

rendahnya pendapatan yang mereka terima. Rendahnya pendapatan

akan berimplikasi pada rendahnya tabungan dan investasi, baik

invetasi manusia maupun investasi kapital. Rendahnya investasi

berakibat pada keterbelakangan dan seterusnya. Logika berpikir ini

dikemukakan oleh Ragnar Nurkse 1953, yang mengatakan “ a poor

country is a poor because it is poor” (negara miskin itu miskin karena

dia miskin).

2. Indeks Pembangunan Manusia (IPM)

Menurut Schultz dalam Jhingan (2012:414), terdapat beberapa cara

dalam mengembangkan sumber-sumber daya manusia diantaranya, (1)

fasilitas dan pelayanan kesehatan, pada umumnya diartikan mencangkup

semua pengeluaran yang mempengaruhi harapan hidup, kekuatan,

stamina, tenaga serta vitalitas rakyat; (2) latihan jabatan, termasuk

magang model lama yang diorganisasikan oleh perusahaan; (3)

pendidikan yang diorganisasikan secara formal pada tingkat dasar,

menengah dan tinggi; (4) program studi yang tidak diorganisasikan oleh

perusahaan, termasuk program ekstension kesempatan kerja yang berubah.

18

Pada tahun 1990, UNDP (United Nations Development Programme)

dalam laporannya “Global Human Development Report”

memperkenalkan konsep “Pembangunan Manusia (Human Development)”

sebagai paradigma baru model pembangunan. UNDP (United Nation

Development Programme) mendefiniskan pembangunan manusia sebagai

upaya untuk menciptakan atau memberikan perluasan pilihan bagi

manusia. Sebagaimana laporan yang dikeluarkan UNDP (1995:122),

dalam pembangunan manusia ada beberapa konsep yang perlu

diperhatikan, yaitu sebagai berikut.

a. Pembangunan harus mengutamakan penduduk sebagai pusat perhatian.

b. Pembangunan ditujukan untuk memperbesar pilihan-pilihan bagi

penduduk, tidak hanya untuk meningkatkan pendapatan mereka.

Oleh karena itu, konsep pembangunan manusia harus berpusat pada

penduduk secara komprehensif dan bukan hanya pada aspek ekonomi

semata.

c. Upaya meningkatkan kemampuan (kapasitas) manusia dan juga pada

upaya-upaya memanfaatkan kemampuan manusia secara optimal

harus diperhatikan dalam pembangunan manusia.

d. Pembangunan manusia didukung empat pilar penting, yaitu

produktivitas, keadilan, kesinambungan dan pemberdayaan.

e. Pembangunan manusia menjadi dasar dalam menganalisis pilihan-

pilihan untuk mencapainya.

Ada empat pilar penting dalam mendukung upaya pembangunan

manusia, yaitu:

a. Produktivitas, masyarakat harus dapat meningkatkan produktivitas

mereka dan berpartisipasi secara penuh dalam proses memperoleh

penghasilan atau pekerjaan yang berupah.

b. Keadilan, masyarakat harus mempunyai akses untuk memperoleh

kesempatan yang sama untuk mendapatkan semua akses terhadap

sumber daya ekonomi dan sosial.

19

c. Kesinambungan, tidak hanya generasi sekarang yang dapat

memperoleh akses, tetapi juga untuk generasi mendatang.

d. Pemberdayaan, pembangunan harus dilakukan oleh masyarakat,

sehingga masyarakat harus berpartisipasi penuh dalam pengambilan

keputusan dan proses-proses yang mempengaruhi hidup masyarakat itu

sendiri.

UNDP juga memperkenalkan suatu indikator yang dapat

menggambarkan perkembangan pembangunan manusia secara terukur

dan representif, yang dinamakan Indeks Pembangunan Manusia (IPM).

Menurut Damayanti (2014:21), Indeks Pembangunan Manusia merupakan

salah satu alternatif untuk mengukur kinerja pembagunan suatu negara

atau daerah. Indeks ini secara umum menangkap kinerja pembangunan

dalam 3 dimensi, yaitu (1) dimensi pendidikan; (2) dimensi kesehatan; dan

(3) dimensi ekonomi.

Sejak diperkenalkan pertama kali pada tahun 1990 sampai dengan

2016, UNDP telah beberapa kali melakukan revisi metode penghitungan

IPM. Revisi yang cukup besar dilakukan pada tahun 2010, UNDP

menyebut revisi itu dengan era baru pembangunan manusia. UNDP

memperkenalkan 2 indikator baru sekaligus mengganti 2 indikator lama.

Indikator harapan lama sekolah menggantikan indikator melek huruf,

sementara Pendapatan Nasional Bruto (PNB) per kapita menggantikan

Produk Domestik Bruto (PDB) per kapita (BPS, 2016:1).

20

Gambar 0.1

Perjalanan Metodologi Perhitungan IPM di UNDP

Sumber: Badan Pusat Statistik, 2016

Catatan:

AHH : Angka Harapan Hidup saat Lahir

AMH : Angka Melek Huruf

RLS : Rata-rata Lama Sekolah

PDB : Produk Domestik Bruto

APK : Angka Partisipasi Kasar

HLS : Harapan Lama Sekolah

1990

Launching:

•Komponen

IPM yang

digunakan

AHH, AMH

PDB per

kapita

•Metode

agregasi

menggunak

an rata-rata

aritmatik

1995

Penyempurnaan:

Komponen IPM

yang digunakan

AHH, AMH,

Kombinasi APK

dan PDB per

kapita

2010

UNDP

mengubah

metodologi:

•Komponen

IPM yang

digunakan

AHH, RLS,

HLS dan PNB

per kapita

•Metode

agregasi

menggunakan

2014

Penyempurnaan:

•Mengganti

tahun dasar

PNB perkapita

dari 2005

menjadi 2011

•Merubah

metode

agregasi

indeks

pendidikan

dari rata-rata

geometrik

1990

1991

Penyempurnaan:

Komponen IPM

yang digunakan

AHH, AMH, RLS,

PDB per kapita

2011

Penyempurnaan:

Mengganti tahun

dasar PNB per

kapita dari tahun

2008 menjadi

2005

1991 1995 2011 2014 2010

2010

21

PNB : Produk Nasional Bruto

Secara berkala UNDP melakukan penyempurnaan dalam

penghitungan IPM. Tahun 2010, UNDP melakukan penyempurnaan

kembali dengan tetap menggunakan tiga dimensi yang sama, yaitu umur

panjang dan hidup sehat, pengetahuan dan standar hidup layak, tetapi

menggunakan indikator yang berbeda, yaitu angka harapan hidup saat

lahir, rata-rata lama sekolah, harapan lama sekolah dan Produk Nasional

Bruto (PNB) per kapita.

a. Pengukuran Indeks Pembangunan Manusia

Terdapat tiga dimensi dasar dalam pembentukan indeks

pembangunan manusia, yaitu umur panjang dan sehat, pengetahuan dan

kehidupan yang layak. Ketiga dimensi tersebut memiliki pengertian

sangat luas karena terkait banyak faktor (BPS, 2016:128).

1) Angka Harapan Hidup saat Lahir

Menurut BPS, Angka Harapan Hidup saat lahir (AHH) merupakan

rata-rata perkiraan tahun yang dapat ditempuh oleh seseorang selama

hidup. Jenis data yang digunakan adalah Anak Lahir Hidup (ALH) dan

Anak Masih Hidup (AMH).

2) Tingkat Pendidikan

Salah satu komponen pembentuk IPM adalah dimensi

pengetahuan yang diukur melalui tingkat pendidikan. Dalam hal ini,

indikator yang digunakan adalah rata-rata lama sekolah (mean years of

schooling) dan harapan lama sekolah (expected years of school). Pada

proses pembentukan IPM, rata-rata lama sekolah dan harapan lama

sekolah diberi bobot yang sama, kemudian penggabungankedua

indikator ini digunakan sebagai indeks pendidikan sebagai salah

satu komponen pembentuk IPM.

Rata-rata lama sekolah menggambarkan berapa banyak tahun

yang digunakan untuk menjalani pendidikan formal oleh penduduk

usia 25 tahun ke atas. Sedangkan Harapan lama sekolah

didefinisikan sebagai lamanya sekolah (dalam tahun) yang

22

diharapkan akan dirasakan oleh anak pada umur tertentu di masa

mendatang. Harapan lama sekolah dihitung untuk penduduk berusia 7

tahun keatas.

3) Standar Hidup Layak

Dimensi lain dari ukuran kualitas hidup manusia adalah standar

hidup layak. Dalam cakupan lebih luas, standar hidup layak

menggambarkan tingkat kesejahteraan yang dinikmati oleh penduduk

sebagai dampak semakin membaiknya ekonomi. UNDP mengukur

standar hidup layak menggunakan PNB per kapita yang disesuaikan,

sedangkan BPS menghitung standar hidup layak menggunakan rata-

rata pengeluaran per kapita riil yang disesuaikan dengan paritas

daya beli (purchasing power parity) berbasis formula Rao.

PPPj = ∏ (Pij

Pik) 1

m⁄

m

i=1

Dimana:

PPPj : paritas daya beli di wilayah j

Pij : harga komoditas i di kabupaten/kota j

Pik : harga komoditas i di Jakarta Selatan

m : jumlah komoditas

Tabel 2.1

Komoditi Kebutuhan Pokok sebagai Dasar Penghitungan Daya

Beli (PPP)

Beras Pisang lainnya Roko keretek tanpa pilter

Tepung Terig Pepaya Roko Putih

Ketela

Pohon/singkong

Minyak kelapa Rumah sendiri/Bebas Sewa

Kentang Minyak goreng lainnya Rumah kontrak

Tongkol/tuna/caka

Lang

Kelapa Rumah sewa

Kembung Gula pasir Rumah dinas

23

Bandeng The Listrik

Mujair Kopi Air PAM

Mas Garam LPG

Lele Kecap Minyak tanah

Ikan seger lainya Penyedap masakan/vetsin Lainnya(batu baterai, aki,

korek, obat nyamuk, dll)

Dading sapi Mie instan Perlengkapan mandi

Dading ayam ras Roti manis/roti lainnya Barang kecantikan

Dading ayam

kampung

Kue kering Perawatan kulit, muka,

kuku, rambut

Telur ayam ras Kue basah Sabun cuci

Susu kental manis Makan gorengan Biaya RS Pemerintah

Susu bubuk Gado-Gado/Ketoprak Biaya RS Swasta

Susu bubuk bayi Nasi campur/rames Puskesmas/pustu

Ayam Nasi goring Praktek dokter/poliklinik

Kangkung Nasi putih SPP

Kacang Panjang Lontong/ketupat sayur Bensin

Bawang merah Soto/gule/sop/rawon/cincang Transportasi/pengangkutan

Umum

Bawang putih Sate/tongseng Pos dan telekomunikasi

Cabe merah Mie bakso/mie rebus/mie

goreng

Pakaian jadi laki-laki

Dewasa

Cabe rawit Makanan ringan anak Pakaian jadi perempuan

Dewasa

Tahu Ikan (goreng/bakar dll) Pakaian jadi anak-anak

Tempe Ayam/daging (goreng dll) Alas kaki

Jeruk Makanan jadi lainnya Minyak pelumas

Mangga Air kemasan gallon Meubelair

Salak Minuman jadi lainnya Peralatan rumah tangga

Pisang ambon Es lainnya Perlengkapan perabot

24

rumah tangga

Pisanga raja Rokok kretek filter Alat-alat Dapur/Makan

Sumber: Badan Pusat Statistik, 2016

b. Penyusunan Indeks Pembangunan Manusia

Dalam penghitungan IPM, setiap komponen IPM harus dihitung terlebih

dahulu indeksnya, sebagai berikut.

1) Indeks Angka Harapan Hidup

IAHH = AHH − AHHmin

AHHmaks − AHHmin

2) Indeks Pendidikan

IPendidikan = IHLS + IRLS

2

3) Indeks Harapan Lama Sekolah

IHLS = HLS − HLSmin

HLSmaks − HLSmin

4) Indeks Rata-rata Lama Sekolah

IRLS = RLS − RLSmin

RLSmaks − RLSmin

5) Indeks Pengeluaran

IPengeluaran = ln (pengeluaran) − ln (pengeluaranmin )

ln (pengeluaranmaks) − ln (pengeluaranmin )

Dalam penghitungan IPM digunakan batas maksimum dan batas

minimum, sebagai berikut :

Tabel 2.2

Nilai Maksimum dan Minimum dari Setiap Komponen IPM

Komponen IPM Satuan Minimum Maksimum

Angka Harapan Hidup

saat Lahir (AHH)

Tahun 20 85

Harapan Lama Sekolah

(HLS

Tahun 0 18

Rata-rata Lama Sekolah

(RLS)

Tahun 0 15

25

Pengeluaran per Kapita Rupiah 1.2007.436 26.572.352

Sumber: Badan Pusat Statistik, 2016

Selanjutnya, nilai IPM dihitung sebagai:

IPM = √IAHK × IPendidikan × IPengeluaran3

× 100

BPS mengelompokkan capaian pembangunan manusia suatu wilayah

dalam waktu tertentu ke dalam empat kelompok, yaitu:

1) Kelompok “sangat tinggi” : IPM ≥ 80

2) Kelompok “tinggi” : 70 ≤ IPM 80

3) Kelompok “sedang” : 60 ≤ IPM 70

4) Kelompok “rendah” : IPM 60

3. Pengangguran

a. Pengertian Pengangguran

Pengangguran adalah kondisi dimana seseorang telah memasuki

usia kerja, ingin bekerja, tetapi belum mendapatkan pekerjaan (Sukirno,

2012:13). Angkatan kerja adalah kelompok penduduk yang berusia

15-64 tahun, tetapi tidak semua orang yang berusia 15-64 tahun

dikategorikan sebagai angkatan kerja. Angkatan kerja adalah

penduduk berusia 15-64 tahun yang bekerja dan sedang mencari kerja

sedangkan yang tidak mencari kerja baik karena mengurus keluarga

atau sekolah tidak masuk dalam kategori angkatan kerja.

26

Gambar 2.2

Struktur Penduduk Berdasarkan Usia

Dalam perekonomian karena adanya pengangguran dapat menjadi

maslah karena pengangguran dapat menyebabkan produktivitas dan

pendapatan masyarakat berkurang sehingga timbul masalah lain, seperti

kemiskinan, penurunan kesejahteraan dan masalah-masalah sosial lainnya.

b. Jenis-jenis Pengangguran

Dalam membedakan jenis pengangguran, terdapat dua cara untuk

menggolongkannya, yaitu berdasarkan kepada sumber atau penyebab

pengangguran dan berdasarkan kepada ciri pengangguran yang wujud

(Sukirno, 2012:328). Berdasarkan penyebabnya, pengangguran

digolongkan sebagai berikut.

1) Pengangguran normal atau friksional

Ketika dalam suatu perekonomian terdapat penganguran

sebanyak dua hingga tiga persen makan suatu perekonomian

27

dianggap mencapai kesempatan kerja penuh. Pengangguran sebanyak

dua hingga tiga persen tersebut dikategorikan sebagai pengangguran

normal atau friksional. Pengangguran terjadi ketika dalam

perekonomian yang berkembang pesat sehingga tingkat

pengangguran rendah akibatnya perusahaan sulit memperoleh

pekerja dan akhirnya menawarkan gaji yang lebih tinggi. Hal ini

mendorong pekerja untuk meninggalkan pekerjaan lamanya untuk

mencari pekerjaan baru dengan gaji yang lebih tinggi. Dalam proses

mencari pekerjaan baru tersebut para pekerja tergolong sebagai

pengangguran normal atau friksional (Sukirno, 2012:328).

2) Pengangguran siklikal

Tidak selalu perekonomian berkembang stabil. Ada saat permintaan

agregat meningkat, hal ini mendorong pengusaha menaikkan

produksi sehingga pekerja baru lebih banyak digunakan. Akan tetapi,

pada masa lainnya permintaan agregat menurun akibat banyaknya

barang yang tersedia. Pada saat terjadi penurunan permintaan

perusahaan banyak mengurangi pekerja bahkan menutup usahanya

maka pengangguran bertambah, pengangguran ini dinamakan

pengangguran siklikal. Sementara Case & Fair (2007:220),

mendefinisikan pengangguran siklis sebagai peningkatan

pengangguran yang terjadi selama resesi dan depresi.

3) Pengangguran structural

Pengangguran struktural adalah pengangguran yang diakibatkan

oleh perubahan struktur perekonomian yang mengakibatkan

hilangnya lapangan pekerjaan signifikan dalam industri tertentu (Case

& Fair, 2007:220)

4) Pengangguran teknologi

Pengangguran teknologi adalah penganguran yang diakibatkan

oleh penggunaan mesin-mesin dan kemajuan teknologi lainnya.

Misalnya, dioperasikan robot atau mesin untuk menggantikan kerja

manusia (Sukirno, 2012:329).

28

Sedangkan jenis pengangguran berdasarkan cirinya (Sukirno, 2012:330-

331), dikelompokkan sebagai berikut.

1) Pengangguran terbuka

Pengangguran terbuka adalah pengangguran yang tercipta akibat

jumlah lowongan kerja yang lebih rendah dibandingkan dengan

penambahan tenaga kerja.

2) Pengangguran tersembunyi

Pengangguran ini terjadi terutama di sektor pertanian dan jasa.

Setiap kegiatan ekonomi memerlukan tenaga kerja, jumlah tenaga

kerja disesuaikan dengan faktor seperti besar kecilnya perusahaan, jenis

kegiatan perusahaan, mesin yang digunakan dan tingkat produksi

yang dicapai. Seringkali didapati jumlah tenaga kerja yang lebih

banyak daripada yang dibutuhkan, kelebihan ini dikatakan sebagai

pengangguran tersembunyi.

3) Pengangguran bermusim

Yaitu pengangguran yang muncul akibat perubahan musim.

Contohnya penyadap karet dan nelayan yang tidak bisa bekerja saat

musim hujan atau petani yang tidak dapat mengerjakan pekerjaannya

saat musim kemarau.

4) Setengah menganggur

Kondisi migrasi dari desa ke kota biasanya sangat pesat. Sebagai

akibatnya tidak semua dapat memperoleh pekerjaan dengan mudah.

Sebagian terpaksa menganggur sepenuh waktu. Adapula yang

bekerja tapi dibawah jam kerja normal. Mungkin hanya bekerja satu

atau dua hari seminggu, atau satu hingga empat jam sehari. Jenis

pekerja ini dikategorikan sebagai setengah menganggur

(underemployed).

c. Penyebab Pengangguran

Kaufman dan Hotchkiss dalam Pujoalwanto (2014:114),

mengidentifikasikan penyebab penganguran sebagai berikut.

1) Proses Mencari Kerja

29

Munculnya angkatan kerja baru akan menimbulkan persaingan

yang ketat pada proses mencari kerja. Dalam proses mencari kerja

terdapat hambatan yang disebabkan keinginan pekerja untuk

berpindah ke pekerjaan laserta tidak sempurnanya informasi tentang

besarnya tingkat upah yang layak diterima.

2) Kekakuan Upah

Tingkat upah yang tidak fleksibel menyebabkan terjadinya

pengangguran. Penurunan produksi turut menurunkan permintaan

terhadap tenaga kerja. Akibatnya, akan terjadi penurunan besar upah

yang ditentukan. Dengan upah yang kaku, dalam jangka pendek,

tingkat upah akan mengalami peningkatan, hal ini meningkatkan

penawaran tenaga kerja sebagai inflasi dari adanya tingkat

pengangguran akibat kekakuan upah tersebut.

3) Efisiensi Upah

Efisiensi yang terjadi pada fungsi tingkat upah terjadi karena

semakin tinggi perusahaan membayar upah maka akan semakin keras

usaha pekerja untuk bekerja. Hal ini memberikan konsekuensi jika

perusahaan memilih membayar lebih pada tenaga kerja yang

memiliki efisiensi yang lebih tinggi maka akan terjadi pengangguran

akibat dari persaingan yang ketat dalam mendapatkan pekerjaan yang

diinginkan.

d. Hubungan antara Pengangguran dengan IPM

Todaro (2006:434) mengatakan bahwa pembangunan manusia

merupakan tujuan utama pembangunan itu sendiri. Pembangunan manusia

memainkan peran dalam membentuk kemampuan sebuah negara dalam

menyerap teknologi modern untuk mengembangkan kapasitas agar

tercipta kesempatan kerja untuk mengurangi jumlah pengangguran guna

melakukan pembangunan manusia yang berkelanjutan. Dengan

teratasinya jumlah pengangguran, maka pendapatan akanmeningkat

sehingga akan berdampak pada peningkatan pembangunan

manusiamelalui peningkatan bagian pengeluaran rumah tangga yang

30

dibelanjakan untukmemenuhi kebutuhan dasar. Jadi, pengurangan

penganguran dapat mengakibatkan peningkatan indeks pembangunan

manusia.

Sejalan dengan itu, penelitian yang dilakukan Yacoub (2012:176)

menyatakan bahwa tingkat pengangguran yang tinggi dapat

menyebabkanrendahnya pendapatan yang selanjutnya memicu kemiskinan.

Kemiskinan tersebutmuncul akibat tidak bisa terpenuhinya kebutuhan dasar

(basic needs) sehingga apayang dikatakan Amatya Sen (dalam Todaro,

2006:26) mengenai kesejahteraanyang menyangkut kesehatan, keadaan

ekonomi untuk memenuhi kebutuhan danpendidikan tidak dapat

terpenuhi oleh kemampuan masyarakat sehinggaberdampak pada

kemorosotan dalam pembangunan manusianya. Efek buruk

darpengangguran adalah mengurangi pendapatan masyarakat yang pada

akhirnya mengurangi tingkat kemakmuran dan kesejahteraan yang dicapai

seseorang.

Penelitian Terdahulu

Beberapa penelitian tentang kemiskinan diberbagai negara telah dilakukan oleh

sejumlah peneliti, antara lain :

1. Penelitian yang dilakukan oleh Deny Tisna Amijaya (2008) dengan judul

“Pengaruh ketidakmerataan distribusi pendapatan, pertumbuhan ekonomi, dan

pengangguran terhadap tingkat kemiskinan di Indonesia tahun 2003-2004”.

Tulisannya meneliti tentang pengaruh ketidakmerataan distribusi pendapatan,

pertumbuhan ekonomi, dan pengangguran terhadap kemiskinan di Indonesia,

dalam hal ini untuk seluruh Provinsi di Indonesia dari tahun 2003 – 2004.

Analisis yang dilakukan adalah analisis Deskriptif dan ekonometrika dengan

menggunakan metode Panel Data.

Hasil penelitiannya menyimpulkan bahwa variabel ketidakmerataan

distribusi pendapatan berpengaruh positif terhadap tingkat kemiskinan,

variabel pertumbuhan ekonomi berpengaruh negatif terhadap tingkat

kemiskinan, sedangkan variabel pengangguran berpengaruh positif terhadap

tingkat kemiskinan.

31

2. Penelitian yang dilakukan oleh Rima Prihartanty (2008) dengan judul

”Analisis Kemiskinan Pertumbuhan Ekonomi, dan Ketimpangan Distribusi

Pendapatan: Studi kasus Kabupaten/Kota di Propinsi Jawa Tengah”.

Tulisannya meneliti tentang Kemiskinan Pertumbuhan Ekonomi, dan

Ketimpangan Distribusi Pendapatan: Studi kasus Kabupaten/Kota di

Propinsi Jawa Tengah. Analisis yang dilakukan menggunakan Regresi

dengan mengunakan panel data dengan OLS.

Hasil dari penelitian ini menunjukkan bahwa variabel ketidakmerataan

distribusi pendapatan berpengaruh positif terhadap tingkat kemiskinan,

variabel pertumbuhan ekonomi berpengaruh negatif terhadap tingkat

kemiskinan, sedangkan variabel pengangguran berpengaruh positif terhadap

tingkat kemiskinan.

3. Penelitian yang dilakukan oleh Apriliyah S. Napitupulu (2007) dengan

judul ”Pengaruh Indikator Komposit Indeks Pembangunan Manusia

Terhadap Penurunan Jumlah Penduduk Miskin di Sumatra Utara”

Tulisannya meneliti tentang pengaruh indikator komposit Indeks

Pembangunan Manusia terhadap penurunan jumlah penduduk miskin di

Sumatera Utara. Analisis yang dilakukan menggunakan Regresi linier

berganda dengan ordinary least square/OLSα = intercept

Hasil dari penelitian ini menunjukkan bahwa dari ketiga variabel yaitu

angka harapan hidup, angka melek huruf, konsumsi perkapita mempunyai

pengaruh negatif dan signifikan terhadap jumlah penduduk miskin di

Sumatera Utara

4. Penelitian yang dilakukan oleh Hermanto Siregar dan Dwi Wahyuniarti

(2006) dengan judul “Dampak Pertumbuhan Ekonomi Terhadap Penurunan

Jumlah Penduduk Miskin”. Tulisannya menganalisis tentang pengaruh

pertumbuhan ekonomi terhadap tingkat kemiskinan di Indo nesia. Analisis

yang dilakukan adalah analisis Deskriptif dan ekonometrika dengan

menggunakan metode Panel Data.

Hasil penelitiannya menyimpulkan bahwa kenaikan PDRB mengakibatkan

penurunan atas angka kemiskinan, kenaikan jumlah penduduk

32

mengakibatkan peningkatan atas angka kemiskinan, kenaikan Inflasi

mengakibatkan peningkatan atas angka kemiskinan, kenaikan Share

pertanian dan industri mengakibatkan penurunan atas angka kemiskinan,

kenaikan tingkat pendidikan mengakibatkan penurunan atas angka

kemiskinan. Dimana pengaruh tingkat pendidik SMP lebih besar dari pada

pengaruh share pertanian. Sedangkan kenaikan Dummy krisis

mengakibatkan peningkatan atas angka kemiskinan.

5. Penelitian yang dilakukan oleh Dian Octaviani (2001) dengan judul “Inflasi,

Pengangguran, dan Kemiskinan di Indonesia: Analisis Indeks Forrester

Greer & Horbecke”. Tulisannya menganalisis tentang pengaruh pengangguran

terhadap tingkat kemiskinan di Indonesia. Hasil penelitiannya menyimpulkan

bahwa kenaikan angka pengangguran mengakibatkan peningkatan atas

angka kemiskinan, sebaliknya semakin kecil angka pengangguran akan

menyebabkan semakin rendahnya tingkat kemiskinan di Indonesia.

6. Penelitian yang dilakukan oleh Hermanto Siregar dan Dwi Wahyu Winarti

(2006) yang berjudul “Dampak Pertumbuhan Ekonomi Terhadap Penurunan

Jumlah Penduduk Miskin” bertujuan untuk mengetahui dan menganalisis

pengaruh serta dampak dari pertumbuhan ekonomi terhadap jumlah penduduk

miskin Indonesia, hal ini dilakukan karena jumlah penduduk miskin akibat

krisis belum berhasil dikurangi bahkan cenderung meningkat. Penelitian ini

menggunakan data panel dan variabel yang digunakan dalam penelitian ini

adalah kemiskinan, PDRB, tingkat inflasi, jumlah lulusan tingkat smp, sma,

agrishare, industri share, dan dummy krisis.

Kesimpulan dari penelitian adalah bahwa tidak hanya pertumbuhan

ekonomi saja yang mampu mengurangi kemiskinan suatu daerah melainkan

efek kebawah (tickle down effect).

7. Penelitian yang dilakukan oleh Deny Tisna Amijaya (2008) yang berjudul

“Pengaruh ketidakmerataan distribusi pendapatan, pertumbuhan ekonomi,

dan pengangguran terhadap tingkat kemiskinan di Indonesia tahun 2003-

2004” bertujuan untuk mengetahui dan menganalisis pengaruh

ketidakmerataan distribusi pendapatan, pertumbuhan ekonomi, dan

33

pengangguran terhadap tingkat kemiskinan di Indonesia tahun 2003-2004.

Penelitian ini menggunakan metode Panel Data dan variabel yang

digunakan dalam penelitian ini adalah kemiskinan, ketidakmerataan

distribusi pendapatan, pertumbuhan ekonomi, dan tingkat pengangguran.

Kesimpulan dari penelitian adalah bahwa variabel ketidakmerataan

distribusi pendapatan berpengaruh positif terhadap tingkat kemiskinan,

variabel pertumbuhan ekonomi berpengaruh negatif terhadap tingkat

kemiskinan, sedangkan variabel pengangguran berpengaruh positif terhadap

tingkat kemiskinan.

.

34

Tabel 2.3

Penelitian Terdahulu

No. Tahun Nama Judul

Penelitian

Persamaan Perbedaan Hasil Penelitian

1. 2008 Deny Tisna

Amijaya

Pengaruh

ketidakmerataan

distribusi

pendapatan,

pertumbuhan

ekonomi, dan

pengangguran

terhadap tingkat

kemiskinan di

Indonesia tahun

2003-2004”.

- Regresi Data Panel

- Menggunakan variabel

Pengaguran,kemiskinan

- Ruang lingkup

penelitian Nasional

(Indonesia)

- Menggunakan Variabel

ketiadak merataan

Distribusi

prndapatan,pertumbuhan

Ekonomi

- Tahun Penelitian

- ketidakmerataan

distribusi

pendapatan

berpengaruh

positif terhadap

tingkat

kemiskinan,

variabel

pertumbuhan

ekonomi

berpengaruh

negatif terhadap

tingkat

kemiskinan,

sedangkan

35

variabel

pengangguran

berpengaruh

positif terhadap

tingkat

kemiskinan.

2. 2008 oleh Rima

Prihartanty

”Analisis

Kemiskinan

Pertumbuhan

Ekonomi, dan

Ketimpangan

Distribusi

Pendapatan:

Studi kasus

Kabupaten/Kota

di Propinsi

Jawa Tengah”.

- Regresi Panel Data

- Mengunakan variabel

Kemiskinan

- Pertumbuhan Ekonomi

- Ketimpangan Distribusi

Pendapatan: Studi

kasus Kabupaten/Kota di

Propinsi Jawa Tengah

- ketidakmerataan

distribusi

pendapatan

berpengaruh

positif terhadap

tingkat

kemiskinan,

variabel

pertumbuhan

ekonomi

berpengaruh

negatif terhadap

tingkat

36

kemiskinan,

sedangkan

variabel

pengangguran

berpengaruh

positif terhadap

tingkat

kemiskinan.

3. 2007 Apriliyah

S.

Napitupulu

Pengaruh

Indikator

Komposit

Indeks

Pembangunan

Manusia

Terhadap

Penurunan

Jumlah

Penduduk

-Mengunakan Variabel

IPM,

-Menggunakn Pengaruh

Indikator Komposit,

Penurunan Jumlah

Penduduk Miskin di

Sumatra Utara

- Regresi linier berganda

dengan ordinary least

square/OLS

angka harapan

hidup, angka melek

huruf, konsumsi

perkapita

mempunyai

pengaruh negatif

dan signifikan

terhadap jumlah

penduduk miskin di

Sumatera Utara

-

37

Miskin di

Sumatra Utara

4. 2006 Hermanto

Siregar dan

Dwi

Wahyuniarti

Dampak

Pertumbuhan

Ekonomi

Terhadap

Penurunan

Jumlah

Penduduk

Miskin

- Menggunakan

Variabel jumblah

penduduk miskin

- Menggunakan

pertumbuhan

ekonomi

kenaikan PDRB

mengakibatkan

penurunan atas

angka kemiskinan,

kenaikan jumlah

penduduk

mengakibatkan

peningkatan atas

angka kemiskinan,

kenaikan Inflasi

mengakibatkan

peningkatan atas

angka kemiskinan,

kenaikan Share

pertanian dan

industri

mengakibatkan

38

penurunan atas

angka kemiskinan,

kenaikan tingkat

pendidikan

mengakibatkan

penurunan atas

angka kemiskinan.

Dimana pengaruh

tingkat pendidik

SMP lebih besar dari

pada pengaruh

share pertanian.

Sedangkan

kenaikan Dummy

krisis

mengakibatkan

peningkatan atas

angka kemiskinan.

39

5. 2001 Dian

Octaviani

Inflasi,

Pengangguran,

dan

Kemiskinan di

Indonesia:

Analisis Indeks

Forrester Greer

& Horbecke

- Menggunak Variabel

penganguran

- kemiskinan

- Ruang lingkup

penelitian nasional

(Indonesia)

- Mengunakan variabel

inflasi,

- AnalisisIndeks Forrester

Greer dan Horbecke

- Tahun penelitian berbeda

- kenaikan angka

pengangguran

mengakibatkan

peningkatan

atas angka

kemiskinan,

sebaliknya

semakin kecil

angka

pengangguran

akan

menyebabkan

semakin

rendahnya

tingkat

kemiskinan di

Indonesia.

40

6. 2006 Hermanto

Siregar dan

Dwi Wahyu

Winarti

Dampak

Pertumbuhan

Ekonomi

Terhadap

Penurunan

Jumlah

Penduduk

Miskin

- Regresi Data Panel

- Mengunakan variabel

dampak pertumbuhan

ekonomi

- Pengaruh jumblah

penduduk miskin.

pertumbuhan

ekonomi

saja yang

mampu

mengurangi

kemiskinan

suatu daerah

melainkan

efek

kebawah

(tickle down

effect).

-

7. 2008 Deny Tisna

Amijaya

Pengaruh

ketidakmerataan

distribusi

pendapatan,

pertumbuhan

ekonomi, dan

- Regresi Data Panel

- Mengunakan variabel

pengguran,tingkat

kemiskinan di

indonesia

- Menggunakan variabel

ketidak merataan

distribusi

mendapatan,pertumbuhan

ekonomi

ketidakmerataan

distribusi

pendapatan

berpengaruh positif

terhadap tingkat

kemiskinan, variabel

41

pengangguran

terhadap tingkat

kemiskinan di

Indonesia tahun

2003-2004”

pertumbuhan

ekonomi

berpengaruh negatif

terhadap tingkat

kemiskinan,

sedangkan variabel

pengangguran

berpengaruh positif

terhadap tingkat

kemiskinan.

42

Kerangka Pemikiran

Gambar 2.3

Kerangka Pemikiran Teoritis

Hipotesis

Dengan mengacu pada kajian teori serta studi empiris yang pernah ada dan dengan

menggunakan taraf signifikansi sebesar 5 %, maka hipotesis dalam penelitian ini

adalah:

1. Indeks Pembanguan Manusia (IPM) dan Tingkat Pengangguran berpengaruh

positif secara bersama-sama terhadap Keamiskinan di Indonesia Periode 2014-

2017.

2. Indeks Pembanguan Manusai (IPM) berpangruh negatif secara parsial terhadap

Kemiskinan di Indonesia Periode 2014-2017.

3. Tingkat Pengangguran berpengaruh positif secara parsial terhadap Kemiskinan di

Indonesai periode 2014-2017.

Indeks Pembangunan

Manusia

(x1)

(x1)

Tingkat Pengangguran

(x2)

Tingkat Kemiskinan Di

Indonnesia

(y)

43

BAB III

METODE PENELITIAN

Ruang Lingkup Penelitian

Penelitian ini menganalisa tentang Pengaruh Pengguran dan Indeks pembangunan

manusia terhadap kemiskinan di Indonesia. Dimana variabel dependen dalam

penelitian iniKemiskinan, sedangkan variabel independen dalam penelitian ini terdiri

dari pengguran dan indeks pembanguna manusia.

Ruang lingkup yang digunakan dalam penelitian ini meliputi tahun 2014 sampai

pada tahun 2017 dengan menggunakan metode data panel. Data yang digunakan

dalam penelitian ini adalah data tahunan. Adapun data yang diperlukan adalah data

Kemiskinan yang dilihat dari presentasi tingkat kemiskinan di Indonesia, data

Pengguran yang di lihat dari presentase tingkat pengguran terbuka di Indonesia dan

data indeks pembangunan manusia di Indonesia. Data-data tersebut di ambil

berdasarkan 34 propinsi di Indonesia dari tahin 2014 sampe 2017.

Jenis Penelitian

Peran metodologi penelitian sangat menentukan dalam usaha untuk menghimpun

data yang diperlukan dalam penelitian. Ibarat lain metodologi penelitian dapat

memberikan petunjuk terhadap bagaimana suatu penelitian akan dilakukan. Metode

mengandung makna menyangkut prosedur dan cara untuk melakukan pengajuan

terhadap data-data yang diperlukan untuk menjawab rumusan masalah yang telah

dibuat.

Penelitian ini menggunakan jenis penelitian deskriptif kuantitatif. Metode

penelitian deskriptif dengan pendekatan secata kuantitatif digunakan apabila dengan

bertujuan untuk mendeskripsikan dan menjelaskan peristiwa atau suatu kejadian yang

terjadi dalam bentuk angka-angka bermakna. Penelitian deskriptif kuantitatif dipilih

karena bertujuan untuk menjelaskan adanya pengaruh Pengguran dan indeks

pembangunan manusia terhadap kemiskinan dengan mendeskripsikan hasil dari

pengolahan data menggunakan eviews.

44

Metode Penentuan Populasi dan Sampel

Populasi yang digunakan dalam penelitian ini yaitu provinsi yang ada di Indonesia.

Dikarenakan capaian Tingkat kemiskinan dan indeks pembanguna manusia masih

dibawah nilai rata-rata diantara negara-negara ASEAN. Metode pengambilan sampel

adalah dengan menggunakan metode Purposive Sampling yang menentukan sampel

dengan cara mengambil subjek bukan berdasarkan random, strata, atau daerah tetapi

didasari atas tujuan tertentu (Arikunto, 2010).

Metode Pengambilan Data

Data adalah sebuah informasi atau keterangan yang bisa menjelaskan fakta yang

diolah dari bahan mentah secara kualitatif ataupun kuantitatif (Siregar, 2013).

Pengumpulan data dilakukan saat sebuah penelitian dengan tujuan untuk mencapai

hasil penelitian tersebut. Adapun beberapa jenis data menurut sumber dan cara

pengumpulannya:

1. Data primer

Data yang diperoleh secara langsung biasa disebut dengan data primer. Cara

untuk mendapatkan data primer yaitu dengan melakukan wawancara, jajak

pendapat dengan responden, ataupun melakukan observasi dari suatu peristiwa

ataupun proyek. Kelebihan data primer adalah tingkat akurat dari data yang

dihasilkan terjamin dan unsur-unsur kebohongan dapat terhindari, karena data yang

dihasilkan sesuai dengan apa yang dilihat dan didengar oleh peneliti langsung dari

narasumber aslinya. Namun, kelemahan pada data ini adalah dibutuhkan waktu

yang lebih lama dan biaya yang relatif cukup besar untuk memperoleh data ini ,

karena peneliti diharuskan untuk penelitian langsung dari sumber yang

dijadikannya objek penelitian.

2. Data sekunder

Data sekunder tidak sama persis dengan data primer, karena data sekunder tidak

diperoleh langsung dari sumber aslinya. Pada umumnya, data sekunder diperoleh

dari suatu lembaga atau instansi atau organisasi terkait dengan penelitian yang

memplubikasikan data secara umum melalui buku, literatur, dokumen, arsip, atau

sumber-sumber lainnya. Kelebihan dari data sekunder sendiri adalah cenderung

membutuhkan waktu yang singkat dan biaya relatif kecil untuk memperoleh data

yang dibutuhkan. Namun, tingkat keakuratan data lebih rendah dan kadang dapat

mempengaruhi hasil penelitian dikarenakan bukan dari sumber langsung seperti

data primer.

45

Berdasarkan pemaparan tentang data, maka jenis data yang digunakan dalam

penelitian ini adalah dengan data sekunder. Yang diperoleh dari Badan Pusat

Statistik. Data yang diambil dari tahun 2014 sampai dengan 2017.

Sebelum dilakukan penelitian, terlebih dahulu untuk menentukan metode

pengumpulan data yang diperlukan dalam penelitian. Karena data yang digunakan

dalam penelitian ini adalah data sekunder maka metode pengumpulan data yang

cocok digunakan adalah metode dokumentasi dan metode studi pustaka. Metode

dokumentasi dilakukan untuk memperoleh data atau informasi yang berkaitan

dengan penelitian dengan melihat kembali laporan tertulis baik angka maupun

keterangan. Metode studi pustaka dilakukan dengan cara mengumpulkan informasi

melalui buku literatur terkait dan penelitian-penelitian terdahulu.

E. Metode Analisis Data

Metode penelitian ini dengan menggunakan pendekatan kuantitatif, supaya

penelitian yang dilakukan menjadi lebih bersifat objektif berdasarkan angka yang

dihasilkan, sehingga hasil dari penelitian dikaitkan dengan teori yang ada dan terbebas

dari pengaruh pendapat subjektif peneliti.

Analisis Pengguran dan indeks pembangunan manusai terhadap kemiskina

menggunakan metode regresi data panel. Data panel adalah sebuah set data yang data

sampel individu (Provinsi) pada sebuah periode waktu tertentu. Data panel merupakan

gabungan data deret waktu (time series) dan data antar wilayah (cross section). Proses

pembentukan data panel adalah dengan cara mengkombinasikan unit-unit deret waktu

dengan antar wilayah sehingga terbentuklah suatu kumpulan data. Jika jumlah periode

observasi sama banyaknya untuk tiap-tiap unit cross section maka dinamakan balanced

panel. Sebaliknya jika jumlah periode observasi tidak sama untuk tiap-tiap unit cross

section maka disebut unbalanced panel (Widarjono, 2013).

Menurut Gujarati (2013), keuntungan data panel antara lain:

1. Bila data panel berhubungan dengan individu, perusahaan, negara, daerah dan lain-

lain pada waktu tertentu, maka data tersebut adalah homogen, sehingga penaksiran

dan dapat dipertimbangkan dalam perhitungan.

2. Kombinasi data time series dan cross section akan memberikan informasi yang

lebih lengkap, beragam, kurang berkorelasi antar variabel, derajat bebas lebih

besar dan lebih efisien.

3. Studi data panel lebih memuaskan untuk menentukan perubahan dinamis

dibanding dengan studi berulang dari cross section.

46

4. Data panel lebih baik mendeteksi dan mengukur efek yang secara sederhana tidak

dapat diukur oleh data time series dan cross section.

5. Data panel membantu studi untuk menganalisis perilaku yang lebih kompleks,

misalnya skala ekonomi dan perubahan teknologi.

6. Data panel dapat menimbulkan bias yang dihasilkan oleh agregasi individu atau

perusahaan karena unit data yang lebih banyak.

Sedangkan menurut Suliyanto (2011), ada juga kelebihan penggunaan data panel

dibandingkan dengan menggunakan data time series ataupun cross section antara lain:

1. Panel data memiliki heterogenitas yang lebih tinggi, hal ini karena data melibat

beberapa individu dalam beberapa waktu.

2. Dengan panel data, dapat mengestimasikan karakteristik untuk tiap individu

berdasarkan heterogenitasnya.

3. Panel data dapat memberikan data yang lebih informatif, lebih bervariasi, serta

memiliki tingkat kolinieritas yang rendah, memperbesar derajat kebebasan, dan

lebih efisien.

4. Panel data cocok untuk studi perubahan dinamis, karena panel data yang pada

dasarnya adalah data cross section yang diulang-ulang (series).

5. Panel data mampu mendeteksi dan mengukur pengaruh yang tidak dapat

diobservasi dengan data time series murni atau data cross section murni.

6. Panel data mampu mempelajari model perilaku yang lebih komplek.

Dengan menggabungkan data time series dan cross section kita bisa

menambahkan jumlah observasi secara signifikan tanpa melakukan treatment apapun

pada data. Sehingga analisis data panel memungkinkan memberikan hasil yang

memuaskan.

Sedangkan model analisis yang digunakan dalam penelitian ini yakni analisis

regresi linier berganda sebagai berikut:

𝐾𝐸𝑀𝑖𝑡 = 𝛽0 + 𝛽1𝐼𝑃𝑀1𝑖𝑡 + 𝛽2𝑃𝐸𝑁𝐺2𝑖𝑡 + 𝜀𝑖𝑡 … … … … (1)

Keterangan:

KEMit = Kemiskinan di provinsi i pada periode t

IPMit = Indeks Pembanguan Manusia di provinsi i periode t

PENGit = Tingat Pengangguran di provinsi i periode t

βit = Intercept/Konstanta

47

β1, β2, = Koefisien Regresi

εit = Error term di negara I pada periode t

Ada beberapa metode yang biasa digunakan untuk mengestimasi model regresi

dengan data panel. Tiga macam pendekatan yaitu:

1. Pendekatan common effect

Teknik yang paling sederhana untuk mengestimasi data panel adalah dengan

hanya mengkombinasikan data time series dan cross section. Dengan hanya

menggambarkan data tersebut tanpa melihat perbedaan antar waktu dan individu

maka kita bisa menggunakan metode OLS untuk mengestimasi model data panel.

Metode ini dikenal dengan estimasi Common Effect. Dalam pendekatan ini tidak

memperhatikan dimensi individu maupun waktu (Greene, 2000).

2. Pendekatan Fixed Effect Model

Model yang mengasumsikan adanya perbedaan intersep di dalam persamaan

dikenal dengan model regresi Fixed Effect. Teknik model Fixed Effect adalah

teknik mengestimasi data panel menggunakan variabel dummy untuk menangkap

adanya perbedaan intersep (Greene, 2000). Pengertian Fixed Effect ini didasarkan

adanya perbedaan intersep, namun intersepnya sama antar waktu. Model estimasi

ini seringkali disebut dengan teknik Least Squares Dummy Variables (LSDV).

3. Pendekatan Random Effect Model

Dalam menjelaskan random effect, parameter-parameter yang berbeda antar

daerah maupun antar waktu dimasukkan ke dalam error (Greene, 2000).

Pengujian Model

1. Uji Spesifikasi

Diperlukan beberapa tahap-tahap untuk uji spesifikasi. Karena tiga macam

pendekatan tersebut merupakan asumsi yang ditetapkan untuk melakukan estimasi

terhadap data panel. Maka dari itu, ada beberapa uji spesifikasi diantaranya uji

Chow, uji Hausman, dan uji Lagrange Multiplier (LM test). Ketika menetapkan

bentuk asumsi yang paling tepat, diperlukan juga menetapkan metode estimasi

yang paling tepat diantaranya estimasi Ordinary Least Square (OLS) jika

diasumsikan tidak memiliki masalah pada heteroskedastis. Namun, jika memiliki

48

masalah pada heteroskedastis maka memakai estimasi General Least Square

(GLS). Penjelasan uji spesifikasi, sebagai berikut:

a. Uji Chow

Uji Chow digunakan untuk mengetahui apakah teknik regresi data panel

dengan fixed effect lebih baik daripada model regresi data panel common effect

dengan melihat residual sum squares (Greene, 2000). Nilai uji chow yang

didapat kemudian dibandingkan dengan F-tabel pada numerator sebesar N-1

dan denumerator NT-N-K. nilai F-tabel menggunakan α sebesar 1% dan 5%.

Perbandingan tersebut dilakukan dengan hipotesis sebagai berikut:

H0 = menerima model common effect, jika nilai Chow < F-tabel

H1 = menerima model fixed effect, jika nilai Chow > F-tabel

b. Uji Hausman

Uji Hausman digunakan untuk membandingkan apakah fixed effect model

atau random effect model yang lebih sesuai. H0 dari uji Hausman yaitu random

effect dan sedangkan H1 yaitu fixed effect. Statistik uji Hausman mengikuti

distribusi Chi Square dengan degree of freedom sebanyak jumlah variabel

bebas dari model. Jika nilai statistik Hausman lebih besar daripada nilai

kritisnya maka model yang tepat adalah model fixed effect dan sebaliknya

(Greene, 2000).

c. Uji Lagrange Multiplier (LM)

Uji LM digunakan untuk membandingkan apakah random effect model

lebih baik daripada metode common effect (Greene, 2000). Hipotesis dari Uji

LM adalah:

H0 : common effect

Ha : random effect

Pengujian dilakukan menggunakan Eviews 9, nilai LM hasil estimasi Eviews

kemudian dibandingkan dengan nilai chi-squaresi pada degree of freedom

sebanyak jumlah variabel independen dengan α = 1% dan α = 5% (Greene,

2000).

Kerangka hipotesis sebagai berikut:

H0 : menggunakan model common, jika nilai LM < nilai chi squares

Ha : menggunakan model random effect, jika nilai LM > nilai chi squares

2. Metode Estimasi

49

Setelah menetapkan asumsi yang paling tepat, maka diperlukan juga untuk

menetapkan metode estimasi yang paling tepat. Estimasi atau pendugaan adalah

sebuah proses yang menggunakan sampel statistik untuk menduga atau menaksir

hubungan parameter populasi yang tidak diketahui. Dengan adanya estimasi,

keadaan parameter populasi dapat diketahui. Karena estimasi merupakan suatu

pernyataan mengenai parameter populasi yang diketahui berdasarkan populasi dari

sampel, sehingga hal ini sampel random yang diambil dari populasi yang

bersangkutan. Menurut Hasan (2017), ada ciri-ciri pendugaan yang baik adalah

efisien, konsisten, serta tidak bias (unbiased). Dalam menentukan estimasi terdapat

dua, Diantaranya sebagai berikut:

a. Ordinary Least Square (OLS)

Ordinary Least Square (Kuadrat terkecil biasa) merupakan salah satu

metode bagian dari kuadrat terkecil atau sering disebut kuadrat terkecil saja.

Metode ini sering digunakan para peneliti atau ilmuwan untuk proses

penghitungan suatu persamaan regresi sederhana. Dalam penggunaan regresi,

terdapat beberapa asumsi dasar yang dapat menghasilkan estimator linier tidak

bias yang terbaik dari model regresi yang diperoleh dari metode kuadrat terkecil

biasa atau dikenal dengan regresi OLS agar taksiran koefisien regresi itu

bersifat BLUE (Best Linier Unbiased Estimator). Misalkan:

𝑌𝑖 = 𝛽0 + 𝛽1𝑋1𝑖 + 𝛽2𝑋2𝑖 + ⋯ + 𝛽𝑘𝑋𝑘𝑖 + 𝜀𝑖

Yang dapat secara ringkas ditulis dalam notasi matriks sebagai berikut:

𝑌 = 𝑋𝛽 + 𝜀

Dengan β adalah suatu vektor kolom k-unsur dari penaksir parameter

kuadrat terkecil biasa dan ε adalah suatu vektor kolom n x 1 dari n residual

(Gujarati, 1999). Variabel ε sangat memegang peran dalam model

ekonometrika, akan tetapi variabel ini tidak dapat diteliti dan tidak juga tersedia

informasi tentang bentuk distribusi kemungkinannya. Selain asumsi mengenai

distribusi probabilitasnya, beberapa asumsi lainnya khususnya tentang sifat

statistiknya perlu dibuat dalam menerapkan metode OLS (Rizki, 2011).

b. Generalized Least Square (GLS)

50

Menurut Greene (2000), untuk menanggulangi permasalahan

heteroskedastisitas dapat dilakukan dengan estimasi melalui pembobotan

(weighted) atau bisa dikatakan sebagai kuadrat terkecil yang diberlakukan

secara umum atau disebut Generalized Least Square (GLS). Masalah

heteroskedastisitas sering muncul apabila data yang digunakan adalah cross-

section. Menurut Gujarati (2003), bahwa untuk data panel dengan

menggunakan estimasi Generalized Least Square (GLS) lebih baik dan

konsisten jika dibandingkan dengan metode OLS. Dalam metode estimasi GLS

mampu memperhitungkan informasi secara eksplisit dan karena itu mampu

menghasilkan estimator yang BLUE. Untuk melihat bagaimana hal ini dapat

dicapai kemudian dilanjutkan dengan dua model variabel yang sekarang

dikenal:

𝑌𝑖 = 𝛽1 + 𝛽2𝑋𝑖 + 𝛽3𝑋𝑖 + 𝑢𝑖

Untuk memudahkan manipulasi aljabar maka ditulis sebagai

𝑌𝑖 = 𝛽1𝑋0𝑖 + 𝛽2𝑋𝑖 + 𝛽3𝑋𝑖 + 𝑢𝑖

Dimana X0i = 1 untuk masing-masing i. dapat dilihat bahwa kedua formulasi ini

identik. Sekarang asumsikan varians heteroskedastisitas 𝜎𝑖2 diketahui. Bagi

melalui 𝜎𝑖 untuk mendapatkan=

𝑌𝑖

𝜎𝑖= 𝛽1 (

𝑋0𝑖

𝜎𝑖) + 𝛽2 (

𝑋𝑖

𝜎𝑖) + 𝛽3 (

𝑋𝑖

𝜎𝑖) + (

𝑢𝑖

𝜎𝑖)

Untuk memudahkan eksposisi maka ditulis sebagai

𝑌𝑖∗ = 𝛽𝑖

∗𝑋0𝑖∗ + 𝛽2

∗𝑋𝑖∗ + 𝛽3

∗𝑋𝑖∗ + 𝑢𝑖

∗

Yang dibintangi atau diubah adalah variabel asli dibagi dengan (yang

diketahui) 𝜎𝑖. Penggunaan notasi 𝛽𝑖∗ dan 𝛽2

∗, parameter dari model yang diubah,

untuk membedakan GLS dengan parameter OLS biasa 𝛽𝑖 dan 𝛽2.

Estimasi GLS juga dapat dianalisis dengan model fixed effect dan common

effect. Estimasi GLS mengambil infomasi secara eksplisit dan oleh karena

mampu memproduksi BLUE. Menurut Gujarat (2003), penggunaan estimasi

51

GLS sudah memenuhi asumsi klasik, sehingga tidak diperlukan lagi uji asumsi

klasik pada estimasi GLS.

G. Uji Statistik

1. Uji-t Parsial (Probabilitas Uji-t)

Uji t dilakukan untuk mengetahui pengaruh masing-masing variabel

independen terhadap variabel dependen secara parsial. Uji t dilakukan dengan

membandingkan nilai t hitung dengan nilai t tabel (Gujarati, 2003). Jika nilai

Probability < derajat kepercayaan yang ditentukan sebesar 5 % dan jika nilai t

hitung lebih tinggi dari t tabel maka suatu variabel independen secara individual

mempengaruhi variabel dependennya (Kuncoro, 2003). Hipotesis uji t sebagai

berikut:

a. Probabilitas Pengangguran < derajat kepercayaan 5 %, maka adanya pengaruh

yang positif secara parsial antara pengangguran terhadap kemiskinan

b. Probabilitas Indeks Pembangunan Manusia < derajat kepercayaan 5 %, maka

adanya pengaruh yang negative antara indeks pembangunan manusia terhadap

kemiskinan

2. Uji F (Simultan)

Uji F dilakukan untuk mengetahui apakah semua variabel independen secara

bersama-sama (simultan) dapat berpengaruh terhadap variabel dependen (Gujarati,

2003). Jika nilai Probability < derajat kepercayaan yang ditentukan dan nilai F

hitung lebih tinggi dari t tabel maka suatu variabel independen secara bersama-

sama mempengaruhi variabel dependennya (Kuncoro, 2003). Perumusan

hipotesisnya adalah:

Dengan tingkat signifikan 5%, jika nilai F hitung < F tabel maka H0 diterima

dan nilai F hitung > F tabel H0 ditolak.

a. Jika nilai probalitas F-hitung < derajat kepercayaan 5% maka variabel bebas

berpengaruh signifikan terhadap variabel terikat.

b. Jika nilai F-hitung > derajat kepercayaan 5% maka H0 variabel bebas tidak

berpengaruh terhadap variabel terikat.

3. Koefisien Determinasi (R2)

Koefisien determinasi menunjukkan variasi dari variabel dependen mau

dijelaskan oleh variasi dari variabel independennya. Nilai R2 mempunyai rentang

52

nilai 0 sampai dengan 1, dan jika nilainya mendekati 1 maka semakin baik. Nilai

R2 yang kecil menandakan bahwa kemampuan variabel-variabel independen dalam

menjelaskan variabel dependen sangat terbatas, sedangkan nilai yang mendekati

satu berarti variabel-variabel independen mampu memberikan hampir semua

informasi yang dibutuhkan untuk memprediksi variasi variabel dependennya

(Kuncoro, 2003). Adapun penghitungan nilai R2 adalah sebagai berikut (Gujarati,

2003):

𝑅2 = 1 −𝐸𝑆𝑆

𝑇𝑆𝑆=

𝑅𝑆𝑆

𝑇𝑆𝑆

Dimana:

TSS = Total Sum of Squares

ESS = Error Sum of Squares

RSS = Regression Sum of Squares

A. Operasional Variabel Penelitian

Variabel penelitian pada dasarnya adalah sesuatu hal yang terbentuk apa saja yang

ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal

tersebut, kemudian ditarik disimpulan (Sugiyono, 2011). Variabel bebas didalam

penelitian ini menggunakan dua metode untuk melihat ketimpangan gender. Pertama,

selisih dari variabel bebas antara laki-laki dan perempuan sehingga jika angka hasil

selisih semakin besar maka terlihat adanya ketimpangan gender. Kedua, menggunakan

rasio dengan cara perhitungan nilai perempuan dibagi nilai laki-laki dan dikalikan

100% sehingga semakin mendekati seratus persen maka ketimpangan yang ada akan

semakin kecil dan begitu sebaliknya semakin menjauhi seratus persen maka

ketimpangan yang ada akan semakin besar. Seperti yang telah dijelaskan diatas, maka

variabel yang digunakan dalam penelitian ini adalah sebagai berikut:

1. Kemiskinan, data yang digunakan adalah presentase tingkat kemiskinan 34 provinsi

di Indonesia pada tahun 2014-2017 dengan satuan persen.

2. Indeks Pembanguan Manusia , data yang digunakan adalah presentase Indeks

Pembanguan Manusia (IPM) 34 provinsi di Indonesia pada tahun 2014-2017

dengan satuan indeks.

3. Pengangguran, data yang digunakan adalah Tingkat Pengangguran Terbuka 34

provinsi di Indonesia pada tahun 2014-2017 dengan satuan persen.

53

Tabel 3.1

Operasional Variabel Penelitian

Variabel Definisi

Presentase Tingkat

Kemiskinan

Perbandingan jumblah penduduk

yang berada di bawah garis

kemiskinan (tingkat pendapatan)

Presentase Indeks

Pembangunan

Manusia (IPM)

Pengukuran perbandingan dari

harapan hidup, melek huruf,

Pendidikan dan standar hidup

untuk semua negara di seluruh

dunia.

Presentase tingkat

Pengangguran

terbuka

indikasi tentang penduduk usia

kerja yang termasuk dalam

kelompok pengangguran (tidak

bekerja)

54

BAB IV

ANALISIS DAN PEMBAHASAN

A. Analisa Deskriptif

1. Kemiskinan

Kemiskinan terus menjadi masalah utama dunia,khususnya di Indonesia yang

menjadi negara berkembang.Kemiskinan yang terjadi pada suatu negara terliat

menjadi permasalahan yang serius,Karena pada massa sekarang kemiskinan

membuat masayarakat Indonnesia tidak bisa mencukupi kehidupannya.

Upaya yang dilakukan pemerintah dalam hal pengetasan kemiskinan sangatlah

serius, hal tersebut dapat di lihat dari segi banyaknya program yang dilankan

pemerintah. Terdapat banyak variabel makro ekonomi yang dapat dijaadikan

sebagai penyebab meningkat atau menurunya kemiskinan yang ada pada suatu

daerah (Mustamin , 2015).

Menurut Fikri (2016),Kemiskinan tidak hanya dipahami sebagai

ketidakmampuan ekonomi, tetapi juga kegagalan memenuhi hak-hak dasar dan

perbedaan perlakuan bagi seseorang atau sekelompok orang dalam menjalani

hidupnya secara bermartabat Hak- hak dasar yang diakui secara umum meliputi

terpenuhinya kebutuhan pangan, kesehatan, pekerjaan, perumahan, air bersih,

pertanahan, sumberdaya alam, dan lingkungan hidup,dan rasa aman dari

perlakuan atau ancaman kekerasan.

Gambar 4.1

Sumber: Badan Pusat Statistik

55

Terjadinya krisis finansial Asia pada tahun 1998 telah memicu kembali

kenaikan penduduk miskin di Indonesia hingga mencapai 24,20%. Lonjakan

inflasi dan pemutusan hubungan kerja menjadi pemicu kenaikan angka

kemiskinan hingga 1999. Namun sejak era reformasi, persentase penduduk

miskin kembali turun. Hingga pada tahun 2017 per Maret 2017 (Semester I),

Jumlah Penduduk miskin di Indonesia telah mencapai 27,77 juta jiwa atau

berkurang jika dibandingkan dengan bulan September 2016 yang sebesar 27,76

juta jiwa. Secara persentase penduduk miskin di Indonesia pada bulan Maret

2017 adalah 10,64% atau terendah sejak 20 tahun terakhir.

Jika dilihat dari grafik 4.1 yang menjelaskan tentang persentase penduduk

miskin di Indonesia, ada banyak factor penyebab dari kemiskinan itu sendiri.

Menurut Nurwati (2008) , Factor penyebab kemiskinan sangat komplek dan

saling mempengaruhi, artinya kemiskinan terjadi bukan disebabkan oleh satu

faktor saja, tetapi multi faktor. Namun demikian secara garis besar faktor

dominan yang mempengaruhi timbulnya kemiskinan diantaranya; pendidikan,

pendapatan, lokasi, keterbatasan akses diantaranya akses ke kesehatan, keuangan

dan pelayanan publik lainnya.

2. Pengangguran

Pengguran adalah seseorang yang termasuk angkatan kerja yang tidak bekerja

teteapi sedang mencari pekerjaan atau memperisapkan suatu usaha.Maasalah utama

yang mendasar dalam ketaenagakerjaan di Indonesia adalah masalah pengguran

yang tinggi. Indonesia dengan pertambahan jumblah penduduk yang banyak

sehingga dapat menimbulkan tenaga kerja yang banyak pula. Hal ini di sebabkan

karena bertambah tenaga kerja baru lebih besar dibanadingkan kesedian lapangan

pekerjaan.

Tabel 4.2

Tingkat Pengangguran di Indonesia Tahun 2007-2016

NO Tahun Jumblah Jiwa (juta orang) Pengguran dalam persen

(%)

1 2007 10,010.000 9,11

2 2008 9,430.000 8,39

3 2009 9,260.000 7,87

4 2010 8,320.000 7,14

56

5 2011 7,700.000 6,56

6 2012 7,240.000 6,14

7 2013 7,170.000 6,17

8 2014 7,240.000 5,94

9 2015 7,560.000 6,2

10 2016 7,020.000 5,5

Sumber : Badan Pusat Statistik indonesia, Tahun 2017

Berdasarkan Tabel di atas menujukan bahwa jumblah pengguran di Indonesia

mengalami penuruan meskipun tidak terlalu signifikan karena pasalnya penulis

melihat bahwa sejak periode 2006-2017, Penurunan jumblah total pengguran di

Indonesia tidak melebihi dari angaka 1 %.

3. Indeks Pembangunan Manusia (IPM)

Indeks pembangunan Manusia merupakan indeks yang mengukur

keberhasilan dalam upaya membangun kualitas hidup manusia yang diukur dalam

satuan indeks.

Tabel 4.3

Indeks Pembangunan Manusia di Indonesia Tahun 2014-2018

Tahun Indeks Pembangunan Manusia

2014 0,683

2015 0,686

2016 0,691

2017 0,694

2018 0,708

Sumber: BPS, 2019

Pada Tabel diatas, diketahui pembangunan manusia di Indonesia mengalami

peningkatan dari tahun ke tahun. Seharusnya, ketika pembangun kualitas sumber

daya manusia di Indonesia meningkat, maka produktifitas masyarakat di Indonesia

seharusnya juga meningkat. Namun, adanya perbedaan data IPM dengan data

kemiskinan di Indonesia, dimana kemiskinan di Indonesia mengalami fluktuasi

yang terkadang menurun lalu meningkat dan turun kembali.

57

B. Pemilihan Model

Pada bagian ini akan ditentukan model mana yang paling tepat untuk penelitian

ini. Penentuan model terbaik dengan estimasi GLS dilakukan dengan uji chow untuk

menentukan model common effect atau fixed effect dan menggunakan uji hausman

untuk menentukan antara model random effect atau fixed effect. Berikut adalah hasil

dari Model PLS, FEM, dan REM beserta Uji Chow dan Hausmann untuk pemilihan

model terbaik:

1. Hasil Model PLS

Dependent Variable: ____PENDUDUK_MISKIN

Method: Panel Least Squares

Date: 07/30/19 Time: 20:07

Sample: 2014 2017

Periods included: 4

Cross-sections included: 34

Total panel (balanced) observations: 136 Variable Coefficient Std. Error t-Statistic Prob. IPM -0.954160 0.095908 -9.948734 0.0000

TINGKAT_PENGANGGURAN 0.050364 0.202259 0.249005 0.8037

C 76.79950 6.465714 11.87796 0.0000 R-squared 0.436007 Mean dependent var 11.38360

Adjusted R-squared 0.427526 S.D. dependent var 5.966156

S.E. of regression 4.514113 Akaike info criterion 5.874106

Sum squared resid 2710.170 Schwarz criterion 5.938356

Log likelihood -396.4392 Hannan-Quinn criter. 5.900216

F-statistic 51.40931 Durbin-Watson stat 0.035894

Prob(F-statistic) 0.000000

2. Hasil Model FEM

Dependent Variable: ____PENDUDUK_MISKIN

Method: Panel Least Squares

Date: 07/30/19 Time: 20:22

Sample: 2014 2017

Periods included: 4

Cross-sections included: 34

Total panel (balanced) observations: 136 Variable Coefficient Std. Error t-Statistic Prob. IPM -0.271186 0.062754 -4.321434 0.0000

TINGKAT_PENGANGGURAN 0.091197 0.066887 1.363443 0.1758

C 29.56295 4.434665 6.666333 0.0000 Effects Specification Cross-section fixed (dummy variables)

58

R-squared 0.994251 Mean dependent var 11.38360

Adjusted R-squared 0.992239 S.D. dependent var 5.966156

S.E. of regression 0.525608 Akaike info criterion 1.773406

Sum squared resid 27.62642 Schwarz criterion 2.544403

Log likelihood -84.59164 Hannan-Quinn criter. 2.086720

F-statistic 494.1130 Durbin-Watson stat 2.044763

Prob(F-statistic) 0.000000

3. Hasil Uji Chow

Redundant Fixed Effects Tests

Equation: Untitled

Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 294.244435 (33,100) 0.0000

Cross-section Chi-square 623.695202 33 0.0000

Uji ini dilakukan untuk menentukan metode estimasi terbaik antara metode

common effect atau fixed effect untuk mengestimasi data penelitian. Pada software

eviews jika nilai probabilitas untuk cross-section F pada uji regresi dengan

pendekatan fixed effect lebih dari 0,05 (tingkat signifikansi atau α = 5%) maka

model yang terpilih adalah common effect, tetapi jika nilainya kurang dari 0,05

maka model yang terpilih adalah fixed effect. Hasil uji F pada penelitian ini

menunjukkan, bahwa nilai probabilitas cross-section F nya sebesar 0,0000 yang

nilainya kurang dari 0,05 sehingga dalam penelitian ini model estimasi fixed

effect lebih tepat dibandingkan dengan model common effect.

4. Hasil Model REM

Dependent Variable: ____PENDUDUK_MISKIN

Method: Panel EGLS (Cross-section random effects)

Date: 07/30/19 Time: 20:30

Sample: 2014 2017

Periods included: 4

Cross-sections included: 34

Total panel (balanced) observations: 136

Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. IPM -0.339600 0.059497 -5.707872 0.0000

TINGKAT_PENGANGGURAN 0.063245 0.065658 0.963245 0.3372

C 34.42281 4.273535 8.054880 0.0000

59

Effects Specification

S.D. Rho Cross-section random 4.612065 0.9872

Idiosyncratic random 0.525608 0.0128 Weighted Statistics R-squared 0.213560 Mean dependent var 0.647609

Adjusted R-squared 0.201734 S.D. dependent var 0.609910

S.E. of regression 0.544929 Sum squared resid 39.49397

F-statistic 18.05824 Durbin-Watson stat 1.464572

Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.252451 Mean dependent var 11.38360

Sum squared resid 3592.219 Durbin-Watson stat 0.016102

5. Hasil Uji Hausman

Correlated Random Effects - Hausman Test

Equation: Untitled

Test cross-section random effects

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

Cross-section random 11.957251 2 0.0025

Uji ini dilakukan untuk menentukan metode estimasi terbaik antara metode

random effect atau fixed effect untuk mengestimasi data penelitian. Pada software

eviews jika nilai probabilitas untuk cross-section random pada uji regresi dengan

pendekatan random effect lebih dari 0,05 (tingkat signifikansi atau α = 5%) maka

model yang terpilih adalah random effect, tetapi jika nilainya kurang dari 0,05

maka model yang terpilih adalah fixed effect. Hasil uji random pada penelitian ini

menunjukkan, bahwa nilai probabilitas cross-section F nya sebesar 0,0025 yang

nilainya kurang dari 0,05 sehingga dalam penelitian ini model estimasi fixed

effect lebih tepat dibandingkan dengan model random effect. Sehingga dapat

dikatakan bahwa model FEM sudah menjadi model yang konsisten untuk

digunakan.

Namun dikarenakan ada variabel yang tidak signifikan, maka dilakukan

percobaan menggunakan model pembobotan berat atau biasa disebut dengan

60

model GLS. Dalam model GLS ini tidak diperlukan uji asumsi klasik. Hal ini

dikarenakan dalam pemodelan GLS, mengabaikan asumsi klasik dengan adanya

pembobotan berat.

6. Hasil Model PLS GLS

Dependent Variable: ____PENDUDUK_MISKIN

Method: Panel EGLS (Cross-section weights)

Date: 07/30/19 Time: 20:51

Sample: 2014 2017

Periods included: 4

Cross-sections included: 34

Total panel (balanced) observations: 136

Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. IPM -0.938888 0.051576 -18.20398 0.0000

TINGKAT_PENGANGGURAN -0.195541 0.110071 -1.776502 0.0779

C 77.22467 3.271151 23.60780 0.0000 Weighted Statistics R-squared 0.839529 Mean dependent var 22.44901

Adjusted R-squared 0.837116 S.D. dependent var 18.37375

S.E. of regression 4.388168 Sum squared resid 2561.051

F-statistic 347.9056 Durbin-Watson stat 0.220547

Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.428999 Mean dependent var 11.38360

Sum squared resid 2743.846 Durbin-Watson stat 0.040026

7. Hasil FEM GLS

Dependent Variable: ____PENDUDUK_MISKIN

Method: Panel EGLS (Cross-section weights)

Date: 07/30/19 Time: 20:53

Sample: 2014 2017

Periods included: 4

Cross-sections included: 34

Total panel (balanced) observations: 136

Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. IPM -0.245803 0.037987 -6.470695 0.0000

TINGKAT_PENGANGGURAN 0.113960 0.040820 2.791789 0.0063

C 27.69330 2.683424 10.32014 0.0000 Effects Specification Cross-section fixed (dummy variables)

61

Weighted Statistics R-squared 0.997219 Mean dependent var 15.80985

Adjusted R-squared 0.996245 S.D. dependent var 10.89069

S.E. of regression 0.524043 Sum squared resid 27.46206

F-statistic 1024.400 Durbin-Watson stat 2.269790

Prob(F-statistic) 0.000000

8. F Test (Chow Test) GLS

Redundant Fixed Effects Tests

Equation: Untitled

Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 669.443890 (33,100) 0.0000

Uji ini dilakukan untuk menentukan metode estimasi terbaik antara metode

common effect atau fixed effect untuk mengestimasi data penelitian. Pada software

eviews jika nilai probabilitas untuk cross-section F pada uji regresi dengan

pendekatan fixed effect lebih dari 0,05 (tingkat signifikansi atau α = 5%) maka

model yang terpilih adalah common effect, tetapi jika nilainya kurang dari 0,05

maka model yang terpilih adalah fixed effect. Hasil uji F pada penelitian ini

menunjukkan, bahwa nilai probabilitas cross-section F nya sebesar 0,0000 yang

nilainya kurang dari 0,05 sehingga dalam penelitian ini model estimasi fixed

effect lebih tepat dibandingkan dengan model common effect.

C. Analisa Teknis

1. Uji Statistik

Pengujian statistik dilakukan untuk mengetahui apakah model penelitian

sudah bagus atau belum secara statisitk. Terdapat beberapa pengujian dalam uji

hipotesis ini, diantaranya adalah uji koefisien determinasi (R2), uji F statistik,

serta uji t statistik. Model yang digunakan dalam estimasi penelitian ini adalah

Fixed Effect. Uji statistik dalam penelitian ini menggunakan software eviews,

maka hasilnya sebagai berikut:

Tabel 4.4

62

Hasil Perhitungan Estimasi Data Panel terhadap Keseluruhan Periode Penelitian

(2014-2017)

Dependent Variable: KEMISKINAN?

Method: Pooled EGLS (Cross-section weights)

Date: 07/22/19 Time: 16:50

Sample: 1 4

Included observations: 4

Cross-sections included: 34

Total pool (balanced) observations: 136

Linear estimation after one-step weighting matrix

Variable Coefficient Std. Error t-Statistic Prob.

C 27.69330 2.683424 10.32014 0.0000

IPM? -0.245803 0.037987 -6.470695 0.0000

PENGANGGURAN? 0.113960 0.040820 2.791789 0.0063

Fixed Effects (Cross)

_ACEH—C 5.110091

_BALI—C -5.277086

_BANGKA—C -6.152484

_BANTEN—C -5.827539

_BENGKULU—C 5.540958

_DKI—C -5.228560

_GORONTALO--C 5.682810

_JABAR—C -2.685251

_JAMBI—C -2.735043

_JATENG—C 1.951198

_JATIM—C 0.756545

_KALBAR—C -3.969186

_KALSEL--C -6.664296

_KALTENG--C -5.610343

_KALTIM--C -4.124238

_KALUT--C -4.763742

_KEPRI--C -4.281919

63

a. Koefisien Determinasi (R2)

_LAMPUNG--C 1.975622

_MALUKU--C 6.662201

_MALUT--C -5.382971

_NTB—C 4.032244

_NTT—C 8.784107

_PABAR--C 11.78621

_PAPUA--C 14.19014

_RIAU—C -3.057847

_SULBAR--C -0.901169

_SULSEL--C -1.641826

_SULTENG--C 2.396356

_SULTENGGARA--C 1.623121

_SULUT--C -3.033709

_SUMBAR--C -4.219591

_SUMSEL--C 1.886764

_SUMUT--C -1.198731

_YOGYA--C 4.377161

Effects Specification

Cross-section fixed (dummy variables)

Weighted Statistics

R-squared 0.997219 Mean dependent var 15.80985

Adjusted R-squared 0.996245 S.D. dependent var 10.89069

S.E. of regression 0.524043 Sum squared resid 27.46206

F-statistic 1024.400 Durbin-Watson stat 2.269790

Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.994238 Mean dependent var 11.38360

Sum squared resid 27.68703 Durbin-Watson stat 2.030854

64

Koefisien Determinasi dilakukan untuk mengetahui seberapa besar

kemampuan model dalam menjelaskan variasi variabel dependennya.

Berdasarkan hasil pengolahan data yang ditampilkan dalam tabel 4.4 dapat

dilihat bahwa nilai koefisien determinasi sebesar 0,994238. Hal ini berarti

bahwa 99,42 persen dari variasi Kemiskinan 34 provinsi di Indonesia

mampu dijelaskan oleh IPM dan Tingkat pengangguran, sedangkan 0,58

persen dijelaskan oleh variabel lain di luar model penelitian ini.

b. Uji Signifikansi Bersama-sama (Uji F Statistik)

Uji F statistik dilakukan untuk melihat apakah semua variabel independen

yang dimasukkan dalam model regresi memiliki pengaruh yang signifikan

secara bersama-sama dengan variabel dependen. Dalam penelitian ini,

pengujian secara bersama-sama dilakukan untuk mengetahui apakah variabel

Indeks Pembangunan Manusia (IPM) dan Pengangguran memiliki pengaruh

yang signifikan terhadap Kemiskinan 34 provinsi di Indonesia. Untuk

mengetahui apakah pengujian variabel independen secara bersama-sama

terhadap variabel dependen dapat dilihat dari nilai probabilitasnya. Jika nilai

probabilitas dari F statistik < 0,05 maka dapat diartikan bahwa semua

variabel independen secara bersama- sama memiliki pengaruh yang

signifikan terhadap variabel dependen. Sebaliknya, Jika nilai probabilitas dari

F statistik > 0,05 maka dapat diartikan bahwa semua variabel independen

secara bersama-sama tidak memiliki pengaruh yang signifikan terhadap

variabel dependen. Dari tabel 4.4 dapat dilihat bahwa nilai probabilitas

F statistik sebesar 0,000000. Nilai tersebut lebih kecil dari 0,05, sehingga

dapat disimpulkan bahwa variabel IPM dan pengangguran secara bersama-

sama berpengaruh signifikan terhadap Kemiskinan 34 provinsi di Indonesia

pada tahun 2014-2017.

c. Uji Signifikansi Parsial (Uji t Statistik)

Uji t statistik bertujuan untuk mengetahui apakah variabel independen

memiliki pengaruh yang signifikan terhadap variabel dependen secara

parsial. Untuk uji t statistik dapat dilakukan dengan cara Quick Look,

yakni dengan melihat nilai probabilitas dan derajat kepercayaan yang

ditentukan dalam penelitian ini. Bila nilai probabilitas < derajat kepercayaan

yang ditentukan maka suatu variabel dapat dikatakan memiliki pengaruh yang

signifikan terhadap variabel dependennya, dan sebaliknya apabila nilai

65

probabilitas > derajat kepercayaan yang ditentukan maka suatu variabel dapat

dikatakan tidak memiliki pengaruh yang signifikan terhadap variabel

dependennya. Dalam penelitian ini digunakan derajat kepercayaan sebesar 95

persen ( α = 5 %).

Dari tabel 4.4 dapat dilihat bahwa nilai probabilitas IPM sebesar

0,0000 < 0,05. Hal ini menunujukkan bahwa IPM memiliki pengaruh yang

signifikan terhadap Kemiskinan 34 provinsi di Indonesia. IPM memiliki

pengaruh negatif terhadap Kemiskinan 34 provinsi di Indonesia. Hal ini dapat

dilihat dari nilai koefisien sebesar -0,245803 persen terhadap Kemiskinan

34 provinsi di Indonesia yang berarti setiap kenaikan IPM sebesar 1 satuan

akan menurunkan Kemiskinan sebesar 0,245803 satuan dengan asumsi ceteris

paribus.

Variabel tingkat pengangguran memiliki pengaruh positif terhadap

kemiskinan 34 provinsi di Indonesia. Tabel 4.6 menunjukkan bahwa nilai

probabilitas dari variabel tingkat pengangguran sebesar 0,0063 < 0,05

sehingga dapat disimpulkan bahwa variabel tingkat pengangguran memiliki

pengaruh yang signifikan terhadap Kemiskinan 34 provinsi di Indonesia.

Begitu pula dengan nilai koefisiennya sebesar 0,113960 yang artinya jika

tingkat penganggura naik sebesar 1 satuan maka Kemiskinan 34 provinsi

di Indonesia akan naik sebesar 0,113960 satuan dengan asumsi ceteris

paribus.

D. Interpretasi Hasil Analisis

1. Analisis Teknis

Tabel 4.5

Interpretasi Koefisien Fixed Effect Model

Dependent Variable: KEMISKINAN?

Method: Pooled EGLS (Cross-section weights)

Date: 07/22/19 Time: 16:50

Sample: 1 4

Included observations: 4

Cross-sections included: 34

Total pool (balanced) observations: 136

Linear estimation after one-step weighting matrix

66

Variable Coefficient

Coefficient tiap

provinsi Prob.

C 27.69330 0.0000

IPM? -0.245803 0.0000

PENGANGGURAN? 0.113960 0.0063

Fixed Effects (Cross)

_ACEH—C 5.110091 32.80339

_BALI—C -5.277086 22.41621

_BANGKA—C -6.152484 21.54082

_BANTEN—C -5.827539 21.86576

_BENGKULU—C 5.540958 33.23426

_DKI—C -5.228560 22.46474

_GORONTALO—C 5.682810 33.37611

_JABAR—C -2.685251 25.00805

_JAMBI—C -2.735043 24.95826

_JATENG—C 1.951198 29.6445

_JATIM—C 0.756545 28.44985

_KALBAR—C -3.969186 23.72411

_KALSEL—C -6.664296 21.029

_KALTENG—C -5.610343 22.08296

_KALTIM—C -4.124238 23.56906

_KALUT—C -4.763742 22.92956

_KEPRI—C -4.281919 23.41138

_LAMPUNG—C 1.975622 29.66892

_MALUKU—C 6.662201 34.3555

_MALUT—C -5.382971 22.31033

_NTB—C 4.032244 31.72554

_NTT—C 8.784107 36.47741

_PABAR—C 11.78621 39.47951

_PAPUA—C 14.19014 41.88344

_RIAU—C -3.057847 24.63545

_SULBAR—C -0.901169 26.79213

_SULSEL—C -1.641826 26.05147

67

1. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Aceh sebesar : 32,80 satuan.

2. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Bali sebesar : 22,41 satuan.

3. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Bangka sebesar : 21,54 satuan.

4. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Banten sebesar : 21,86 satuan.

5. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Bengkulu sebesar : 33,23 satuan.

6. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi DKI sebesar : 22,46 satuan.

_SULTENG—C 2.396356 30.08966

_SULTENGGARA--C 1.623121 29.31642

_SULUT—C -3.033709 24.65959

_SUMBAR—C -4.219591 23.47371

_SUMSEL—C 1.886764 29.58006

_SUMUT—C -1.198731 26.49457

_YOGYA—C 4.377161 32.07046

Effects Specification

Cross-section fixed (dummy variables)

Weighted Statistics

R-squared 0.997219 Mean dependent var 15.80985

Adjusted R-squared 0.996245 S.D. dependent var 10.89069

S.E. of regression 0.524043 Sum squared resid 27.46206

F-statistic 1024.400 Durbin-Watson stat 2.269790

Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.994238 Mean dependent var 11.38360

Sum squared resid 27.68703 Durbin-Watson stat 2.030854

68

7. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Gorontalo sebesar : 33,37 satuan.

8. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Jabar sebesar : 25,00 satuan.

9. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Jambi sebesar : 24,95 satuan.

10. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Jateng sebesar : 29,64 satuan.

11. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Jatim sebesar : 28,44 satuan.

12. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Kalbar sebesar : 23,72 satuan.

13. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Kalsel sebesar : 21,02 satuan.

14. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Kalteng sebesar : 22,08 satuan.

15. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Kaltim sebesar : 23,56 satuan.

16. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Kalut sebesar : 22,92 satuan.

17. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Kepri sebesar : 23,41 satuan.

18. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Lampung sebesar : 29,66 satuan.

19. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Maluku sebesar : 34,35 satuan.

20. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Malut sebesar : 22,31 satuan.

21. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi NTB sebesar : 31,72 satuan.

22. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi NTT sebesar : 36,47 satuan.

23. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Pabar sebesar : 39,47 satuan.

69

24. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Papua sebesar : 41,88 satuan.

25. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Riau sebesar : 24,63 satuan.

26. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Sulbar sebesar : 26,79 satuan.

27. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Sulsel sebesar : 26,05 satuan.

28. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Sulteng sebesar : 30,08 satuan.

29. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Sultenggara sebesar : 29,31 satuan.

30. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Sulut sebesar : 24,65 satuan.

31. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Sumbar sebesar : 23,47 satuan.

32. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Sumsel sebesar : 29,58 satuan.

33. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Sumut sebesar : 26,49 satuan.

34. Bila nilai IPM dan tingkat pengangguran yang ada pada model adalah 0,

maka nilai Kemiskinan provinsi Yogya sebesar : 32,07 satuan.

2. Analisa Ekonomi

a. Indeks Pembangunan Manusia

Dari pengujian statistik dapat diketahui bahwa Indeks Pembangunan

Manusia (IPM) memiliki pengaruh negatif dan signifikan terhadap Kemiskinan

34 provinsi di Indonesia karena dikarenakan IPM adalah variabel yang

menjelask tentang pembangunan manusia atau kualitas pembangunan sumber

daya manusia di Indonesia. Dimana ketika kualitas SDM meningkat maka

produktifitas masyarakat Indonesia akan meningkat pula. Ketika produktifitas

masyarakat Indonesia meningkat maka akan mengurangi tingkat kemiskinan

dikarenakan masyarakat lebih produktif dalam mencari penghasilan.

Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Muhamd

Sri Wahyudi Suliswanto yang meneliti tentang pengaruh Produk Domestik

70

Bruto (PDB) dan Indeks Pembangunan Manusia (IPM) Terhadap Angka

Kemiskina di Indonesia. Hasil penelitian tersebut menunjukkan bahwa Indeks

Pembangunan Manusia (IPM) memiliki pengaruh yang negatif dan signifikan

terhadap Kemiskinan di Indonesia. Hasil ini juga sejalan dengan penelitian

yang dilakukan oleh Shinta Setya Ningrum yang meneliti tentang pengaruh

tingkat pengangguran terbuka, indeks pembangunan manusia, dan upah

minimum terhadap jumlah penduduk miskin di Indonesia tahun 2011-2015.

b. Tingkat Pengangguran

Dari hasil pengujian statistik dapat diketahui bahwa tingkat pengangguran

memiliki pengaruh positif dan siginifikan terhadap Kemiskinan 34 provinsi di

Indonesia. Dikarenakan, ketika tingkat pengangguran berkurang maka secara

otomatis presentase orang-orang yang tidak bekerja akan berkurang, maka

kemiskinan di Indonesia juga harusnya berkurang. Salah satu orang dikatakan

miskin adalah ketika pendapatan yang dihasilkan kecil atau malah tidak ada

sama sekali.

Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Shinta

Setya Ningrum yang meneliti tentang pengaruh tingkat pengangguran terbuka,

indeks pembangunan manusia, dan upah minimum terhadap jumlah penduduk

miskin di Indonesia tahun 2011-2015. Hasil tersebut menunjukkan bahwa

tingkat pengangguran pengaruh yang positif dan signifikan terhadap

Kemiskinan di Indonesia. Hasil ini juga sejalan dengan penelitian yang

dilakukan oleh Nenny Latifah, Debby Rotinsulu dan Richard Tumilaar tentang

pengaruh pertumbuhan ekonomi dan indeks pembangunan manusia terhadap

tingkat pengangguran terbuka dan dampaknya pada jumlah penduduk miskin di

kota manado yang menggunakan variabel intervening.

71

BAB V

KESIMPULAN DAN IMPLIKASI

A. Kesimpulan

Berdasarkan hasil perhitungan regresi pada tingkat kepercayaan 99 persen,

maka dapat diambil kesimpulan sebagai berikut:

1. Variabel independen dalam penelitian ini, yakni Indeks Pembangunan Manusia

(IPM) dan tingkat pengangguran secara bersama-sama memiliki pengaruh

signifikan terhadap Kemiskinan 34 provinsi di Indonesia pada tahun 2014-2017.

2. Variabel Indeks Pembangunan Manusia (IPM) secara parsial memiliki pengaruh

Negatif dan signifikan terhadap Kemiskinan 34 provinsi di Indonesia pada tahun

2014-2017.

3. Variabel tingkat pengangguran secara parsial memiliki pengaruh positif dan

signifikan terhadap Kemiskinan 34 provinsi di Indonesia pada tahun 2014-

2017.

B. Saran

Berdasarkan kesimpulan yang telah dikemukakan diatas, maka peneliti

mencoba untuk memberi beberapa saran, diantaranya adalah sebegai berikut:

1. Bagi pemerintah, untuk bisa lebih memfokuskan kebijakan pada pembangunan

manusia dan perluasan lapangan pekerjaan untuk dapat mengatasi kemiskinan di

Indonesia

2. Bagi para akademisi dan peneliti apabila ingin melakukan penelitian yang sejenis,

maka alangkah baik datanya diperbanyak dan variabel yang diteliti ditambahkan

agar hasil penelitian dapat lebih baik

72

DAFTAR PUSTAKA

Amalia, Fitri, 2012, Pengaruh Pendidikan, Pengangguran Dan InflasiTerhadap

Tingkat Kemiskinan Di Kawasan Timur Indonesia (KTI) Periode 2001-

2010,Skripsi, UIN Syarif Hidayatullah Jakarta

Ariyaningtyas, Shinta, 2015, Analisis Pengaruh Indek Pembangunan Manusia,

Pertumbuhan Ekonomi dan Pengangguran terhadap Tingkat Kemiskinan

Provinsi se Indonesia pada Tahun 2007-2013, Skripsi, Universitas Gadjah

Mada

Brown, Charles, 1998, Dampak Pembangunan Ekonomi Terhadap upaya

Pengentasan Kemiskinan Di Indonesia Periode 1980-2010 (EP-20)

Chriswardani, Suryawati, 2005. Memahami Kemiskinan Secara Multidimensional,

Jurnal: Manajemen Pembangunan dan Kebijakan, Volume 08, No. 03,

Edisi September (121-129).

Djojohadikusumo, Sumitro, 1987, Dasar Teori Ekonomi Pertumbuhan dan

Pembangunan, Jakarta: Bagian Penerbitan LP3ES

Falahinur, Ichwan Fuady. 2017. Analisis Pengaruh Tingkat Pendidikan, Jumlah

Penduduk dan Pengeluaran Pemerintah terhadap Pertumbuhan Ekonomi.

Sksipsi. Universitas Muhammadiyah Yogyakarta.

Febrianica, Danny Nur, 2015. Analisis Dampak Kebijakan Upah Minimum

Terhadap Kemiskinan Di Indonesia, Jurnal Ilmiah: FEB, Univeritas Brawijaya

Gujarati, Damodar dan Dawn C Porter (2010), Dasar-dasar Ekonometrika, Jakarta:

Rineka Cipta.

Haluty, Djaelany, 2014. Islam Dan Manajemen Sumber Daya Manusia Yang

Berkualitas, Jurnal: Vol. 10 No. 1

Harahap, Yuanita, 2006, Laporan Penelitian Hukum Lingkungan : Analisis Sosial

Ekonomi Rumah Tngga Kaitannya dengan Kemiskinan di Perkotaan (Studi

Kasus di Kecamatan Siantar Timur Kota Pematang Siantar), Skripsi, USU

Khabibi, Achmad, 2013, Faktor-Faktor Yang Mempengaruhi Tingkat Kemiskinan,

Skripsi, Universitas Negeri Semarang

Kristanto, Prabowo Dwi, 2014, Analisis Pengaruh Pertumbuhan Ekonomi,

Upah Minimum Dan Tingkat Pengangguran Terhadap Jumlah Penduduk

73

Miskin Di Kabupaten Brebes Pada Tahun 1997-2012, Skripsi, Universitas

Diponegoro

Kuncoro, Mudrajad, 1997, Ekonomi Pembangunan, Teori, Masalah dan

Kebijakan, Yogyakarta: UPP AMD YKPN

Mulyaningsih, Yani, 2008, Pengaruh pengeluaran pemerintah di sektor public

terhadap peningkatan pembangunan manusia dan pengurangan kemiskinan,

Tesis, Universitas Indonesia.

Sukmaraga, Prima, 2011, Analisis Pengaruh Indeks Pembangunan Manusia, PDRB

Per Kapita, dan Jumlah Pengangguran Terhadap Jumlah Penduduk Miskin Di

Provinsi Jawa Tengah. Semarang; Skripsi, Fakultas Ekonomi Univesitas

Diponegoro

Suliswanto, Muhammad Sri Wahyuni , 2010. Pengaruh Produk Domestik

Bruto (PDB) dan Indeks Pembangunan Manusia (IPM) Terhadap Angka

Kemiskinan di Indonesia. Jurnal: Ekonomi Pembangunan, Universitas

Brawijaya, Vol 8 No. 2.

Todaro, Michael, 1997, Pembangunan Ekonomi di Dunia Ke Tiga, Jilid 1 &

2, Jakarta: Erlangga

Yacob, Yarlina, 2012. Pengaruh Tingkat pengangguran Terhadap Tingkat

Kemiskinan Kabupaten/Kota Di Provinsi Kalimantan Barat, Jurnal: Ekonomi

Pembangunan, Universitas Tanjungpora, Vol. 8

Yudha, Okta Ryan, 2013, Pengaruh Pertumbuhan Ekonomi, Upah Minimum,

Tingkat Pengangguran Terbuka, dan Inflasi terhadap Kemiskinan di Indonesia

Tahun 2009-2011, Skripsi, Universitas Negeri Semarang

Yulianti, Desi, 2011, Pengaruh Indeks Pembangunan Manusia, Pertumbuhan

Ekonomi, Pengangguran Dan Upah Terhadap Kemiskinan Di Provinsi DIY

Periode Tahun 2007-2013 (Dalam Perspektif Ekonomi Syariah), Skripsi, UIN

Sunan Kalijaga

74

LAMPIRAN

Lampiran 1

Data Variabel Penelitian

Tahun Provinsi Kemiskinan IPM Pengangguran

2014 Aceh 16.98 68.81 9.02

2015 Aceh 17.11 69.45 9.93

2016 Aceh 16.43 70.00 7.57

2017 Aceh 15.92 70.60 6.57

2014 Bali 4.76 72.48 1.90

2015 Bali 5.25 73.27 1.99

2016 Bali 4.15 73.65 1.89

2017 Bali 4.14 74.30 1.48

2014 Bangka 4.97 68.27 5.14

2015 Bangka 4.83 69.05 6.29

2016 Bangka 5.04 69.55 2.60

2017 Bangka 5.30 69.99 3.78

2014 Banten 5.51 69.89 9.07

2015 Banten 5.75 70.27 9.55

2016 Banten 5.36 70.96 8.92

2017 Banten 5.59 71.42 9.28

2014 Bengkulu 17.09 68.06 3.47

2015 Bengkulu 17.16 68.59 4.91

2016 Bengkulu 17.03 69.33 3.30

2017 Bengkulu 15.59 69.95 3.74

2014 DKI 4.09 78.39 8.47

2015 DKI 3.61 78.99 7.23

2016 DKI 3.75 79.60 6.12

2017 DKI 3.78 80.06 7.14

2014 Gorontalo 17.41 65.17 4.18

2015 Gorontalo 18.16 65.86 4.65

75

2016 Gorontalo 17.63 66.29 2.76

2017 Gorontalo 17.14 67.01 4.28

2014 Jabar 9.18 68.80 8.45

2015 Jabar 9.57 69.50 8.72

2016 Jabar 8.77 70.05 8.89

2017 Jabar 7.83 70.69 8.22

2014 Jambi 8.39 68.24 5.08

2015 Jambi 9.12 68.89 4.34

2016 Jambi 8.37 69.62 4.00

2017 Jambi 7.90 69.99 3.87

2014 Jateng 13.58 68.78 5.68

2015 Jateng 13.32 69.49 4.99

2016 Jateng 13.19 69.98 4.63

2017 Jateng 12.23 70.52 4.57

2014 Jatim 12.28 68.14 4.19

2015 Jatim 12.28 68.95 4.47

2016 Jatim 11.85 69.74 4.21

2017 Jatim 11.20 70.27 4.00

2014 Kalbar 8.07 64.89 4.04

2015 Kalbar 8.44 65.59 5.15

2016 Kalbar 8.00 65.88 4.23

2017 Kalbar 7.86 66.26 4.36

2014 Kalsel 4.81 67.63 3.80

2015 Kalsel 4.72 68.38 4.92

2016 Kalsel 4.52 69.05 5.45

2017 Kalsel 4.70 69.65 4.77

2014 Kalteng 6.07 67.77 3.24

2015 Kalteng 5.91 68.53 4.54

2016 Kalteng 5.36 69.13 4.82

2017 Kalteng 5.26 69.79 4.23

76

2014 Kaltim 6.31 73.82 7.38

2015 Kaltim 6.10 74.17 7.50

2016 Kaltim 6.00 74.59 7.95

2017 Kaltim 6.08 75.12 6.91

2014 Kalut 6.00 68.64 5.50

2015 Kalut 6.32 68.76 5.68

2016 Kalut 6.99 69.20 5.23

2017 Kalut 6.96 69.84 5.54

2014 Kepri 6.40 73.40 6.69

2015 Kepri 5.78 73.75 6.20

2016 Kepri 5.84 73.99 7.69

2017 Kepri 6.13 74.45 7.16

2014 Lampung 14.21 66.42 4.79

2015 Lampung 13.53 66.95 5.14

2016 Lampung 13.86 67.65 4.62

2017 Lampung 13.04 68.25 4.33

2014 Maluku 18.44 66.74 10.51

2015 Maluku 19.36 67.05 9.93

2016 Maluku 19.26 67.60 7.05

2017 Maluku 18.29 68.19 9.29

2014 Malut 7.41 65.18 5.29

2015 Malut 6.22 65.91 6.05

2016 Malut 6.41 66.63 4.01

2017 Malut 6.44 67.20 5.33

2014 NTB 17.05 64.31 5.75

2015 NTB 16.54 65.19 5.69

2016 NTB 16.02 65.81 3.94

2017 NTB 15.05 66.58 3.32

2014 NTT 19.60 62.26 3.26

2015 NTT 22.58 62.67 3.83

77

2016 NTT 22.01 63.13 3.25

2017 NTT 21.38 63.73 3.27

2014 Pabar 26.26 61.28 5.02

2015 Pabar 25.73 61.73 8.08

2016 Pabar 24.88 62.21 7.46

2017 Pabar 23.12 62.99 6.49

2014 Papua 27.80 56.75 3.44

2015 Papua 28.40 57.25 3.99

2016 Papua 28.40 58.05 3.35

2017 Papua 27.76 59.09 3.62

2014 Riau 7.99 70.33 6.56

2015 Riau 8.82 70.84 7.83

2016 Riau 7.67 71.20 7.43

2017 Riau 7.41 71.79 6.22

2014 Sulbar 12.05 62.24 2.08

2015 Sulbar 11.90 62.96 3.35

2016 Sulbar 11.19 63.60 3.33

2017 Sulbar 11.18 64.30 3.21

2014 Sulsel 9.54 68.49 5.08

2015 Sulsel 10.12 69.15 5.95

2016 Sulsel 9.24 69.76 4.80

2017 Sulsel 9.48 70.34 5.61

2014 Sulteng 13.61 66.43 3.68

2015 Sulteng 14.07 66.76 4.10

2016 Sulteng 14.09 67.47 3.29

2017 Sulteng 14.22 68.11 3.81

2014 Sultenggara 12.77 68.07 4.43

2015 Sultenggara 13.74 68.75 5.55

2016 Sultenggara 12.77 69.31 2.72

2017 Sultenggara 11.97 69.86 3.30

78

2014 Sulut 8.26 66.43 7.54

2015 Sulut 8.98 70.39 9.03

2016 Sulut 8.20 71.05 6.18

2017 Sulut 7.90 71.66 7.18

2014 Sumbar 6.89 69.36 6.50

2015 Sumbar 6.71 69.98 6.89

2016 Sumbar 7.14 70.73 5.09

2017 Sumbar 6.75 71.24 5.58

2014 Sumsel 13.62 66.75 4.96

2015 Sumsel 13.77 67.46 6.07

2016 Sumsel 13.39 68.24 4.31

2017 Sumsel 13.10 68.86 4.39

2014 Sumut 9.85 68.87 6.23

2015 Sumut 10.79 69.51 6.71

2016 Sumut 10.27 70.00 5.84

2017 Sumut 9.28 70.57 5.60

2014 Yogya 14.55 76.81 3.33

2015 Yogya 13.16 77.59 4.07

2016 Yogya 13.10 78.38 2.72

2017 Yogya 12.36 78.89 3.02

79

Lampiran 2

Hasil Regresi dengan Common Effect

Dependent Variable: KEMISKINAN?

Method: Pooled EGLS (Cross-section weights)

Date: 07/22/19 Time: 16:50

Sample: 1 4

Included observations: 4

Cross-sections included: 34

Total pool (balanced) observations: 136

Linear estimation after one-step weighting matrix

Variable Coefficient Std. Error t-Statistic Prob.

C 27.69330 2.683424 10.32014 0.0000

IPM? -0.245803 0.037987 -6.470695 0.0000

PENGANGGURAN? 0.113960 0.040820 2.791789 0.0063

Weighted Statistics

R-squared 0.997219 Mean dependent var 15.80985

Adjusted R-squared 0.996245 S.D. dependent var 10.89069

S.E. of regression 0.524043 Sum squared resid 27.46206

F-statistic 1024.400 Durbin-Watson stat 2.269790

Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.994238 Mean dependent var 11.38360

Sum squared resid 27.68703 Durbin-Watson stat 2.030854

80

Lampiran 3

Interpretasi Koefisien Fixed Effect Model

Dependent Variable: KEMISKINAN?

Method: Pooled EGLS (Cross-section weights)

Date: 07/22/19 Time: 16:50

Sample: 1 4

Included observations: 4

Cross-sections included: 34

Total pool (balanced) observations: 136

Linear estimation after one-step weighting matrix

Variable Coefficient

Coefficient tiap

provinsi Prob.

C 27.69330 0.0000

IPM? -0.245803 0.0000

PENGANGGURAN? 0.113960 0.0063

Fixed Effects (Cross)

_ACEH--C 5.110091 32.80339

_BALI--C -5.277086 22.41621

_BANGKA--C -6.152484 21.54082

_BANTEN--C -5.827539 21.86576

_BENGKULU--C 5.540958 33.23426

_DKI--C -5.228560 22.46474

_GORONTALO--C 5.682810 33.37611

_JABAR--C -2.685251 25.00805

_JAMBI--C -2.735043 24.95826

_JATENG--C 1.951198 29.6445

_JATIM--C 0.756545 28.44985

_KALBAR--C -3.969186 23.72411

_KALSEL--C -6.664296 21.029

81

_KALTENG--C -5.610343 22.08296

_KALTIM--C -4.124238 23.56906

_KALUT--C -4.763742 22.92956

_KEPRI--C -4.281919 23.41138

_LAMPUNG--C 1.975622 29.66892

_MALUKU--C 6.662201 34.3555

_MALUT--C -5.382971 22.31033

_NTB--C 4.032244 31.72554

_NTT--C 8.784107 36.47741

_PABAR--C 11.78621 39.47951

_PAPUA--C 14.19014 41.88344

_RIAU--C -3.057847 24.63545

_SULBAR--C -0.901169 26.79213

_SULSEL--C -1.641826 26.05147

_SULTENG--C 2.396356 30.08966

_SULTENGGARA--C 1.623121 29.31642

_SULUT--C -3.033709 24.65959

_SUMBAR--C -4.219591 23.47371

_SUMSEL--C 1.886764 29.58006

_SUMUT--C -1.198731 26.49457

_YOGYA--C 4.377161 32.07046

Effects Specification

Cross-section fixed (dummy variables)

Weighted Statistics

R-squared 0.997219 Mean dependent var 15.80985

Adjusted R-squared 0.996245 S.D. dependent var 10.89069

S.E. of regression 0.524043 Sum squared resid 27.46206

F-statistic 1024.400 Durbin-Watson stat 2.269790

82

Lampiran 4

Hasil Uji F (Uji Chow)

Redundant Fixed Effects Tests

Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 294.244435 (33,100) 0.0000

Cross-section Chi-square 623.695202 33 0.0000

Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.994238 Mean dependent var 11.38360

Sum squared resid 27.68703 Durbin-Watson stat 2.030854

83

Dependent Variable: KEMISKINAN?

Method: Pooled EGLS (Cross-section weights)

Date: 07/22/19 Time: 16:50

Sample: 1 4

Included observations: 4

Cross-sections included: 34

Total pool (balanced) observations: 136

Linear estimation after one-step weighting matrix

Variable Coefficient Std. Error t-Statistic Prob.

C 27.69330 2.683424 10.32014 0.0000

IPM? -0.245803 0.037987 -6.470695 0.0000

PENGANGGURAN? 0.113960 0.040820 2.791789 0.0063

Weighted Statistics

R-squared 0.997219 Mean dependent var 15.80985

Adjusted R-squared 0.996245 S.D. dependent var 10.89069

S.E. of regression 0.524043 Sum squared resid 27.46206

F-statistic 1024.400 Durbin-Watson stat 2.269790

Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.994238 Mean dependent var 11.38360

Sum squared resid 27.68703 Durbin-Watson stat 2.030854