ANALISIS PENGARUH PDRB, INVESTASI, DAN INDEKS PEMBANGUNAN

MANUSIA TERHADAP KEMISKINAN DI PROVINSI JAWA-TIMUR

(PERIODE TAHUN 2012 – 2016)

Disusun Oleh:

Vanya Alverissa

(11140840000070)

PROGRAM STUDI EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

1429 H / 2018 M

ii

DAFTAR RIWAYAT HIDUP

Bahwa yang bertanda tangan di bawah ini:

I. DATA PRIBADI

Nama : Vanya Alverissa

Tempat dan tanggal lahir : Jakarta, 20 Desember 1996

Tinggi Badan : 167 Cm

Berat Badan : 67 Kg

Jenis Kelamin : Perempuan

Kewarganegaraan : Indonesia.

Agama : Islam.

Status : Belum Menikah

Pendidikan Terakhir : Sekolah Menengah Atas

Tempat tinggal sekarang : Bona Sarana Indah Blok D no 6 RT 01 RW 02

Kelurahan Panunggangan Utara Kecamatan Pinang,

Kota Tangerang.

Telpon : 081316239671

E-mail : Vanyalverissa@gmail.com

Menerangkan Dengan Sesungguhnya:

II. PENDIDIKAN FORMAL

Tahun Nama Sekolah Jurusan Ijazah

2002-2008 SDN CIKOKOL 01 Tangerang - Berijazah

2008-2011 SMP Yasporbi 2 Jakarta - Berijazah

2011-2014 SMA Islamic Centre Tangerang IPA Berijazah

2014-sekarang Universitas Islam Negeri Syarif

Hidayatullah Jakarta

Ilmu

Ekonomi dan

Studi

Pembangunan

-

III. PENDIDIKAN NON-FORMAL

Tahun Jenis Pendidikan

2008 Lembaga Bahasa dan Pendidikan Profesional LIA

2008 Les Piano Yamaha School

2013 Les Vocal Purwacaraka Music School

iii

IV. JUDUL SKRIPSI

ANALISIS PENGARUH PDRB, INVESTASI DAN INDEKS PEMBANGUNAN

MANUSIA TERHADAP KEMISKINAN di PROVINSI JAWA-TIMUR (PERIODE 2012-

2016)

V. PENGALAMAN KERJA

Tahun Nama / Jenis Pekerjaan

2012 Kontributor Quickcount Pilkada Serentak Charta Politika Indonesia

2017 Junior Researcher LP3ES

VI. PENGALAMAN ORGANISASI

Tahun Nama/ Jenis Organisasi

2008-2009 Anggota Klub Sains Yasporbi 2 Junior High School

2009-2011 Anggota Tari Saman Grup Yasporbi 2 Junior High School

2011-2012 Anggita English Club SMA Islamic Centre Tangerang

2011-2013 Anggota Tari Saman Grup Sma Islamic Centre Tangerang

2011-2013 Anggota Rohis SMA ISLAMIC Centre

2015-Sekarang Anggota Biasa HMI KAFEIS Cabang Ciputat

2015 Peserta Terbaik LK-1 (Basic Training) HMI KAFEIS Cabang Ciputat

2015-2016 Anggota Departemen Olahraga dan Seni HMJ IESP

2016 Ketua Badan Pengawas Pemilu Fakultas Ekonomi dan Bisnis

2017/2018 Sekertaris Menteri Hubungan Antar Lembaga Dewan Eksekutif

Mahasiswa UIN JKT

2017 Peserta Latihan Khusus KOHATI (LKK) Cabang Ciputat

2018/2019 Ketua Bidang Kajian dan Advokasi KOHATI Cabang Ciputat

iv

ABSTRACT

This study is to determine the effect of GRDP, Investment, and Human

Development Index on Poverty in East Java Province for the period 2010-2016.

This study uses secondary data and reprocessed by the author. Secondary data

obtained from government institution websites such as Statistics and foreign

Central Agencies such as the World Bank. Data analysis method is carried out by

panel data analysis method by combining data between time series and cross section

then using multiple linear regression analysis.

The results of this study indicate that the GDRP variable has a positive influence

on poverty in East Java Province. Investment variables have a positive influence on

poverty in East Java Province. And the Human Development Index variable has a

negative effect on Poverty in East Java Province.

Keywords: Poverty, GRDP, Investment, HDI

v

ABSTRAK

Penelitian ini untuk mengetahui pengaruh PDRB, Investasi, dan Indeks

Pembangunan Manusia terhadap Kemiskinan di Provinsi Jawa Timur Periode

2010-2016. Penelitian ini menggunakan data sekunder dan diolah kembali oleh

penulis. Data sekunder yang diperoleh dari website-website institusi pemerintahan

seperti Badan Pusat Statistik dan asing seperti Bank Dunia. Metode analisis data

dilakukan dengan metode analisis data panel dengan menggabungkan data antara

time series dengan cross section lalu selanjutnya di gunakan analisis regresi linier

berganda.

Hasil dari penelitian ini menunjukkan bahwa variabel PDRB memiliki pengaruh

positif terhadap Kemiskinan di Provinsi Jawa Timur. Variabel Investasi memiliki

pengaruh positif terhadap Kemiskinan di Provinsi Jawa Timur. Dan Variabel

Indeks Pembangunan Manusia berpengaruh negatif terhadap Kemiskinan di

Provinsi Jawa Timur.

Kata Kunci: Kemiskinan, PDRB, Investasi, IPM

vi

KATA PENGANTAR

Assalamualaikum Wr. Wb

Segala puji bagi Allah SWT yang telah memberikan nikmat Islam, iman dan

Karunia–Nya sehingga skripsi dengan judul “ANALISIS PENGARUH PDRB, INVESTASI

dan INDEKS PEMBANGUNAN MANUSIA TERHADAP KEMISKINAN di Provinsi

Jawa-Timur (periode 2012 – 2016)” dapat terselesaikan dengan baik. Skripsi ini disusun

sebagai salah satu syarat untuk menyelesaikan Program Sarjana (S1) pada Fakultas Ekonomi

dan Bisnis Jurusan Ekonomi Pembangunan Universitas Islam Negeri Syarief Hidayatullah

Jakarta.

Penulis menyadari bahwa selesainya skripsi ini tidak lepas dari doa, bantuan,

bimbingan, petunjuk dan saran dari semua pihak oleh karena itu, penulis ingin menyampaikan

terimakasih kepada:

1. Allah SWT yang telah mengabulkan doa, harapan dan tempat bersandar dalam suka

dan duka penulis, jatuh bangun penulis selama ini dari pengajuan judul,Selama

pengerjaan skripsi serta selalu memberikan pertolongan disaat masa-masa sulit

alhamdulillah diberikan keberuntungan.

2. Mama Marlina Susanti dan Papa Darmansyah Yusuf yang selalu memberikan

dukungan dan bimbingan sampai Vanya Alverissa menyelesaikan skripsi, mau

mendengarkan keluhan – keluhan Vanya . tak jarang Vanya sampai menangis dan tak

henti-hentinya mama dan papa berdoa untuk Vanya, mengingatkan Vanya untuk terus

yakin terhadap Allah swt bahwa setiap permasalahan yang datang allah berikan untuk

menjadikan hambanya menjadi pribadi yang lebih sabar untuk menghadapi dunia luar

yang saat ini belum ada apa-apanya dan juga selalu mengingatkan akan terus

menambah tulisan demi tulisan dalam penulisan skripsi ini

3. Kakak Frida Kartika dan Kakak Seilla Rafika Fitri yang selalu memberikan motivasi

dan dukungan semangat agar cepat menyelesaikan skripsi,bahkan disaat skripsi ini

mengalami masa yang sangat-sangat sulit terimakasih sudah mau menolongku dan

mengingatkan ku akan banyak hal dan tak terbuai perasaan. Serta tidak lupa keponakan

Aunty Abby Satria Maylandy yang selalu semangatin aunty dan menemani dalam

pengerjaan skripsi.

vii

4. Bapak Dekan Fakultas Ekonomi dan Bisnis UIN Jakarta Arief Mufraini, Lc. M.Si.

selaku Dekan Fakultas Ekonomi dan Bisnis yang telah memberikan ilmu yang sangat

berharga selama perkuliahan.

5. Bapak Arief Fitrijanto M. Si. Selaku Ketua Jurusan Ekonomi Pembangunan Fakultas

Ekonomi dan Bisnis UIN Jakarta yang telah memberikan banyak Sekali masukan dan

arahan selama perkuliahan dan juga skripsi.

6. Bapak Sofyan Rizal, M. Si Selaku Sekertaris Jurusan Ekonomi Pembangunan Fakultas

Ekonomi dan Bisnis.

7. Bapak Aizirman Djusan, Ph.D,M.Sc., Econ., Selaku Dosen Pembimbing Akademik

yang sudah sangat perhatian terhadap Akademik dan Non-Akademik saya sehingga

saya mempunyai kesempatan untuk mengikuti kegiatan di luar kampus, terimakasih

banyak atas ilmu bermanfaatnya.

8. Bapak Fahmi Wibawa, MBA. Selaku Dosen Pembimbing Skripsi saya yang sudah

senantiasa baik sekali terhadap saya, sangat membantu saya disaat bimbingan,

memberikan banyak masukan dan arahan lebih baik terimakasih banyak atas ilmu yang

bermanfaat pak.

9. Bu Najwa Khairina, SE., M.A. Selaku Dosen Pembimbing Skripsi saya yang sudah

senantiasa baik sekali terhadap saya, sangat membantu saya disaat bimbingan, bahkan

sudah mau saya repoti sejak mata perkuliahan seminar penelitian, terimakasih banyak

atas ilmu yang bermanfaat.

10. Bapak Jackie Nurjaman Rachman, MPS. Selaku Dosen yang menjadi tempat konsultasi

dalam penulisansaya.

11. Bu Utami Baroroh, M. Si. Selaku Dosen perkuliahan saya yang sangat sabar

menghadapi saya, mau mengajarkan saya banyak hal dan salah satu yang memotivasi

saya untuk bisa pintar dalam matakuliah ekonomi mikro, terimakasih atas ilmu

bermanfaatnya bu.

12. Bapak Ahmad Soni Tibrizi Wicaksono, S.E., M.E. selaku senior pembimbing skripsi

yang selalu memberi masukan dan saran terutama diawal pengerjaan skripsi.

13. Teman seperjuangan kuliah sedariawal di masa–masa sulit yang sudah kuanggap

seperti keluarga Nabilla F, Slamet Ryadi, M. Prianda Kurniawan, M. Muzaki,

Dirgantara, Faizul Umam, Gilang yoyo, Yushi Septiana, Varrah Ainun, Dhimas

Setianik, Terryna Lady, Rahmadian Wijayanti, Wahyu, Ahmad Tanoe dan kawan –

kawan Ekonomi Pembangunan Angkatan 2014 yang tidak bisa saya sebutkan satu-

persatu.

viii

14. Terimakasih ku ucapkan kepada Keluarga Besar Himpunan Mahasiswa Islam

Komisariat Fakultas Ekonomi dan Bisnis Cabang Ciputat.

15. Astika Rahma Ghanny yang sedari semester 2 teman seperjuanganku di organisasi,

semoga kedepannya kami berdua bisa sama-sama lebih baik.

16. Adik–Adik Sejurusanku yang sudah senantiasa membantuku Indy M Boer, Dita

Nurlaela, Sandra Diajeng, Elma Intan, Syifa Aliani, Intan Choirunnisa, Gera, Nadya

Novalita, M. Retzhi, Reza, M. Huda, Septian, Syahrul dan yang tidak bisa kusebutkan

satu-persatu, terimakasih selama ini sudah menjadi kawan dekat.

17. Teman ku Se-HMI CABANG CIPUTAT Riansyah Siregar, Nadya HP, Master Ghiffar,

Master Richad, Master Tebe, Master Pono, Ahmad Fairuz, Fahrurozi, Annisa Yassin,

Ka Nadya Zakiyah, Farah Nurul Afifah temenku yang juga hijrah tidak ragu untuk

mengajak aku ke arah yang lebih baik, Sri sekum kohati komfastek ku, Kak Maulidia

Wirda yang selalu menyemangati ku.

18. Teruntuk Teman Kecil ku Irsyadillah Putra Ilyas, terimakasih sudah mau membantu

untuk membenarkan laptop ku sehingga bisa dipakai sampai skripsi ini selesai.

19. Terimakasih untuk Kawan-Kawan KOHATI CABANG CIPUTAT, terutama teruntuk

Ketumku Mumtaz Haya Waralalo selalu menyemangati ku dalam berbagai hal.

20. Terimakasih teruntuk Abang – Abang dan Kakak- Kakak di KAFEIS Bang Adi Komba,

Bang Bandhe, Bang Romi, Bang Fauzan, Bang Adam Camubar,Bang Abi Nubli, Bang

Aroy, Bang restu, Ka Nova, Ka Siti, Ka Cipeh, Ka Aya, Ka Mahda, Ka Septi, Bang

Wisnu, Ka Nanda, Bang Kresna, Ka Nadya Zakiyah, dan Semua Abang dan Kakak

yang belum bisa ku sebut satu-persatu.

21. Terimakasih teruntuk Himpunan Mahasiswa Jurusan EP(HMJ-EP) masa bakti 2014 -

2015 atas Pengalaman – Pengalaman menarik yang tak dapat dilupakan,

22. Terimakasih teruntuk Dewan Eksekutif Mahasiswa Fakultas Ekonomi dan Bisnis

(DEMA-FEB) masa bakti 2014 -2015 atas pengalaman – pengalaman menarik yang tak

dapat dilupakan

23. Terimakasih teruntuk Badan Pengawas Pemilu (BAWASLU) 2015 atas pengalaman –

pengalaman menarik yang tak dapat dilupakan, semoga menjadi ilmu bermanfaat

kedepannya.

24. Terimakasih teruntuk Dewan Eksekutif Mahasiswa UIN SYARIF HIDAYATULLAH

JAKARTA (DEMA-UIN JKT) yang sudah mempercayai saya sebagai Sekretaris

Mentri Hubungan Antar Lembaga.

ix

25. Terimakasih teruntuk sahabat saya Muhammad Alif yang telah bersedia memberikan

rumah dan wifi rumahnya untuk saya mencari data dan referensi judul dan jurnal, dan

juga kebaikan – kebaikan mu sedari awal yang tidak dapat disebutkan semuanya.

26. Teruntuk Kakandaku Muhammad Ammar Wibowo, Terimakasih sudah memotivasi ku

selama dua sampai tiga tahun terakhir ini masih konsisten di tempat yang sama tidak

pernah berubah dan semakin peduli terutama di masa–masa sulit, semoga selalu

menjadi tempat terhangat untuk diskusi dan ngopi sejenak menghilangkan segala

kepenatan yang ada di hidup ini, kebaikan mu tidak dapat kuurai satu per satu.

x

DAFTAR ISI

LEMBAR PENGESAHAN

DAFTAR RIWAYAT HIDUP ................................................................................................ ii

ABSTRACT ............................................................................................................................. iv

ABSTRAK ................................................................................................................................ v

KATA PENGANTAR ............................................................................................................. vi

DAFTAR ISI............................................................................................................................. x

DAFTAR TABEL .................................................................................................................. xii

DAFTAR GAMBAR ............................................................................................................. xiii

DAFTAR LAMPIRAN ......................................................................................................... xiv

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

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

B. Rumusan Masalah .......................................................................................................... 14

C. TujuanPenelitian............................................................................................................. 15

D. Manfaat Penelitian.......................................................................................................... 15

BAB II TINJAUAN PUSTAKA ........................................................................................... 16

A. Kemiskinan..................................................................................................................... 16

1.Teori Kemiskinan ........................................................................................................ 19

2.Ukuran Kemiskinan ..................................................................................................... 20

B. Produk Domestik Regional Bruto .................................................................................. 22

1.Manfaat Perhitungan PDRB ........................................................................................ 24

2. Metode Perhitungan PDRB ................................................................................................ 25

C. Investasi .......................................................................................................................... 26

D. Indeks Pembangunan Manusia ....................................................................................... 31

1.Komponen Indeks Pembangunan Manusia ................................................................. 33

E. Review Studi Terdahulu ................................................................................................ 34

F. Hubungan antar Variabel ............................................................................................... 44

G. Kerangka Pemikiran ....................................................................................................... 48

H. Hipotesis Penelitian ........................................................................................................ 49

BAB III METODOLOGI PENELITIAN ............................................................................ 50

A. Ruang Lingkup Penelitian .............................................................................................. 50

B. Variabel Penelitian ......................................................................................................... 50

C. Definisi Operasional Variabel ........................................................................................ 51

D. Jenis Penelitian ............................................................................................................... 52

xi

E. Teknik Pengumpulan Data ............................................................................................. 53

F. Metode Analisis Data ..................................................................................................... 53

1.Uji Spesifikasi Model .................................................................................................. 53

2.Uji Regresi Linier Berganda ....................................................................................... 55

BAB IV ANALISIS DATA DAN PEMBAHASAN............................................................. 58

A. Gambaran Umum Objek Penelitian ............................................................................... 58

B. Analisis Deskriptif.......................................................................................................... 60

C. Model Regresi Data Panel .............................................................................................. 65

a. Uji Chow .................................................................................................................... 65

b. Fixed Effect Model (FEM) ......................................................................................... 66

D. Uji Regresi Linier Berganda .......................................................................................... 74

a. Uji Adjusted R Square ................................................................................................ 74

b. Uji F............................................................................................................................ 75

c. Uji t ........................................................................................................................................ 76

E. Pembahasan .............................................................................................................................. 78

BAB V PENUTUP.................................................................................................................. 82

A. Kesimpulan..................................................................................................................... 82

B. Saran ............................................................................................................................... 83

DAFTAR PUSTAKA ............................................................................................................. 84

LAMPIRAN............................................................................................................................ 87

xii

DAFTAR TABEL

Tabel 3.1 Definisi Operasional Variabel .......................................................................... 51

Tabel 4.1 Luas Wilayah Provinsi Jawa Timur ................................................................. 59

Tabel 4.2 Hasil Uji Chow ................................................................................................ 65

Tabel 4.4 Regresi Data Panel Fixed Effect Model ........................................................... 66

Tabel 4.5 Interpretasi Fixed Effect Model ........................................................................ 67

Tabel 4.6 Hasil Adjusted R Square .................................................................................. 74

Tabel 4.7 Hasil Uji F ........................................................................................................ 75

Tabel 4.8 Hasil Uji t ......................................................................................................... 76

xiii

DAFTAR GAMBAR

Gambar 1.1 Statistik Kemiskinan dan Ketidaksetaraan di Indonesia .................................... 3

Gambar 1.2 Propinsi dengan Angka Kemiskinan Absolut Tinggi ........................................ 5

Gambar 1.3 Persentase Penduduk Miskin di Pulau Jawa ...................................................... 6

Gambar 1.4 Pertumbuhan PDB Indonesia ............................................................................. 8

Gambar 1.5 PDRB di Pulau Jawa .......................................................................................... 9

Gambar 1.6 Data Investasi di Pulau Jawa............................................................................ 10

Gambar 1.7 Perkembangan Indeks Pembangunan Indonesia .............................................. 11

Gambar 1.8 Data Indeks Pembangunan Manusia di ASEAN ............................................. 12

Gambar 1.9 Data Indeks Pembangunan Manusia di Pulau Jawa ......................................... 12

Gambar 2.1 Kerangka Berfikir ............................................................................................ 48

Gambar 4.1 Luas Wilayah Provinsi Jawa-Timur ................................................................. 59

Gambar 4.2 Data Tingkat Kemiskinan ................................................................................ 61

Gambar 4.3 Data PDRB....................................................................................................... 62

Gambar 4.4 Data Investasi ................................................................................................... 63

Gambar 4.5 Data IPM .......................................................................................................... 64

xiv

DAFTAR LAMPIRAN

1. Lampiran 1: Data Penelitian ........................................................................................ 88

2. Lampiran 2: Analisis Data Panel ............................................................................... 102

3. Lampiran 3: Analisis Regresi Linear Berganda ......................................................... 105

1

BAB I

PENDAHULUAN

A. Latar Belakang

Pembangunan adalah hal-hal yang bersifat vital dalam bentuk fisik

sekaligus motivasi masyarakat untuk berusaha melalui serangkaian proses

sosial, ekonomi, dan institusional untuk mencapai tujuan yang di citakan yaitu

kehidupan yang serba lebih baik. Proses pembangunan memiliki beberapah

tahapan yaitu meningkatnya serta perluasan distribusi berbagai macam barang

kebutuhan hidup yang pokok, meningkatnya angka standar hidup dan meluasnya

pilihan – pilihan ekonomis dan sosial bagi setiap individu serta secara

keseluruhan ( Todaro dan Smith, 2006)

Berbagai kegiatan pembangunan nasional telah dikonsepkan dan dijalankan

oleh pemerintah untuk meningkatkan angka kesejahteraan. Salah satu dari

kegiatan itu adalah dengan cara mengarahkan berbagai macam kegiatan

pembangunan ke wilayah-wilayah, terutama pembangunan untuk wilayah-

wilayah yang memiliki penduduk dengan angka kesejahteraan yang relatif

rendah.

Pembangunan seharusnya dilakukan secara terpadu dan berkesinambungan

dengan mempertimbangkan skala prioritas dan kebutuhan dan kebutuhan

masing-masing daerah tersebut. Pembangunan dimaksud hendaknya tetap

mengacu pada target strategis nasional baik jangka pendek maupun jangka

Panjang yang akan dicapai.

Menurunnya jumlah penduduk miskin di Indonesia merupakan salah satu

indikator utama keberhasilan pembangunan nasional. Masalah yang dihadapi

banyak negara dan salah satu persoalan mendasar yang menjadi perhatian

pemerintah disetiap negara adalah kemiskinan yang diakibatkan oleh kondisi

ekonomi nasional suatu negara dan juga dipengaruhi oleh perkembangan dan

situasi ekonomi global. Dalam hal ini, meningkatnya globalisasi ekonomi dan

tingkat ketergantungan antar negara, tidak hanya merupakan tantangan terkait

kesempatan bagi pertumbuhan ekonomi serta pembangunan suatu negara, tetapi

juga mengandung risiko dan ketidakpastian masa depan perekonomian dunia.

2

Kunarjo berpendapat dalam Badrul Munir (2002:10) bahwa pada umumnya,

suatu negara dapat dikatakan miskin apabila pendapatan perkapita yang

terhitung rendah, tingginya tingkat pertumbuhan dengan perhitungan lebih dari

2% per tahun, tenaga kerja yang sebagian bergerak dalam sektor pertanian dan

terbelenggu dalam lingkaran kemiskinan. Pendapatan nasional dan pertumbuhan

ekonomi yang tinggi serta cepat sangat dibutuhkan dalam proses pembangunan.

Di Indonesia, kemiskinan merupakan permasalahan yang telah dihadapi

sejak lama dan sampai saat ini masih menuntut perhatian lebih dari Pemerintah

Indonesia. Tingkat kemiskinan di Indonesia masih relative cukup tinggi

dibandingkan dengan Negara di sekitarnya.

Berdasarkan data Badan Pusat Statistik (BPS), tingkat kemiskinan di

Indonesia per tahun 2016 tercatat sebesar 10,9%. Meskipun angka kemiskinan

turun apabila dibandingkan tahun sebelumnya yang tercatat sebesar 11,1%,

namun angka tersebut masih lebih tinggi dibandingkan dengan tingkat

kemiskinan di beberapa negara seperti Malaysia 0,4% dan Thailand 8,6%

(Laporan Bank Dunia). Adapun perkembangan Statistik kemiskinan dan

ketidaksetaraan di Indonesia ialah sebagaimana Gambar 1.1 berikut:

3

Gambar 1.1

Statistik Kemiskinan dan Ketidaksetaraan di Indonesia

Sumber: Bank Dunia dan Badan Pusat Statistik (BPS)

Pada dasarnya problematika kemiskinan ialah permasalahan yang

kompleks dan bersifat multidimensional. Oleh karena itu, upaya-upaya

pengentasan kemiskinan harus dilakukan dengan cara berkesinambungan,

mencakup berbagai aspek kehidupan masyarakat dan dilaksanakannya secara

terpadu dengan melibatkan berbagai instansi terkait.

Apabila dilihat di dalam profile kemiskinan di Indonesia, pada

dasarnya terdapat dua jenis kemiskinan yaitu kemiskinan relative dan

kemiskinan absolut. Pemerintah pun memaparkan adanya dua jenis

kemiskinan dengan menggunakan kriteria tertentu terkait penetapan

kemiskinan dimaksud. Secara relatif angka kemiskinan di Indonesia

dinyatakan dalam presentase dari jumlah populasi yang ada di Indonesia dan

pada tahun 2016 tercatat sebesar 10,6%. Lebih lanjut secara absolut pada

tahun tahun 2016 adalah sebesar 28 juta jiwa. Salah satu indikator untuk

mengukur seberapa besar ketimpangan distribusi pendapatan suatu negara

adalah dengan memakai Gini Ratio atau Koefisien Gini. Dalam hal ini,

semakin besar angka koefisien gini, berarti semakin besar ketimpangan

pendapatan yang terjadi pada suatu negara. Selanjutnya, apabila angka

koefisien gini sudah mencapai angka 1 (satu), dalam hal ini, semakin besar

angka koefisien gini, berarti semakin besar ketimpangan pendapatan yang

16

:06

37

0:3

5

15

:04

35

0:3

5

14

:02

33

0:3

7

13

:03

31

0:3

8

12

:05

30

0:4

1

11

:07

29

0:4

1

11

:05

29

0:4

1

11

28

0:4

1

11

:01

29

0:4

1

10

:09

28

0:4

0

K E M I S K I N A N R E L A T I F K E M I S K I N A N A B S O L U T K O E F I S I E N G I N I

KEMISKINAN DAN KETIDAKSETARAAN DI INDONESIA

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

4

terjadi pada suatu negara. Selanjutnya apabila angka koefisien gini sudah

mencapai angka 1 (satu), berarti sudah benar-benar timpang distribusi

pendapatan suatu negara. Indonesia setiap tahunnya, mengalami peningkatan

angka koefisien gini.

Berdasarkan data pada Gambar 1.1 diatas, terlihat bahwa dalam

periode 2007-2016 secara umum terjadi kenaikan ketimpangan pendapatan di

Indonesia, yaitu 0,35 pada tahun 2007 naik menjadi 0,40. Namun, bila

dibandingkan dengan tahun sebelumnya (2015) yang tercatat sebesar 0,41

angka koefisien gini pada tahun 2016 tersebut sedikit menurun. Masih relatif

tingginya angka kemiskinan di Indonesia baik secara relatif maupun absolut

serta meningkatnya ketimpangan pendapatan di Indonesia sangat

memerlukan sokongan penuh dari Pemerintah terkait berbagai upaya untuk

mengatasi hal ini.

Ketimpangan pendapatan dapat terjadi antar individu, sector maupun

daerah. Ketimpangan pendapatan di setiap daerah antara lain disebabkan

perbedaan komposisi jumlah penduduk, sumber daya yang ada, karateristik

setiap daerah dan faktor geografis. Ketimpangan pendapatan menggambarkan

perbedaan pendapatan antar masyarakat maupun daerah yang maju dengan

daerah yang tertinggal. Kesenjangan antar daerah telah menjadi fokus utama

Pemerintah dalam menanggulangi masalah kemiskinan, terutama mengingat

karateristik masyarakat Indonesia yang sangat majemuk.

Secara pola geografis dan angka kemiskinan absolut, lebih dari

setengah jumlah penduduk di Indonesia hidup di dalam taraf kemiskinan

berada di pulau jawa, yang artinya berlokasi di bagian barat Indonesia dengan

populasi yang padat. Pada Gambar 2 berikut, dapat dilihat dibawah bahwa

Provinsi Jawa Timur menduduki peringkat pertama Provinsi dengan

kemiskinan absolut tertinggi se-Indonesia, yaitu sebesar 4,78 juta jiwa (Maret

2016). Hal ini dapat dipahami mengingat pulau Jawa merupakan Provinsi

yang memiliki populasi terpadat di Indonesia.

5

Gambar 1.2

Propinsi dengan Angka Kemiskinan Absolut Tinggi

*Sumber: Badan Pusat Statistik (BPS)

Selanjutnya berdasarkan persentase sebagaimana pada Gambar 1.3,

terlihat bahwa tingkat kemiskinan tertinggi di pulau Jawa ditempati oleh

Provinsi Daerah Istimewa Yogyakarta, yaitu sebesar 11.7% pada tahun 2016.

Meskipun daerah ini dikenal sebagai Kota Pelajar, namun ternyata tingkat

kemiskinannya masih relatif cukup tinggi. Selanjutnya Provinsi Jawa tengah

merupakan Provinsi kedua di Pulau Jawa yang memiliki persentase jumlah

penduduk miskin tertinggi, dan diikuti oleh Provinsi Jawa Timur. Secara

persentase tingkat kemiskinan di Jawa Timur relatif cukup tinggi, yaitu

tercatat sebesar 8% pada tahun 2016, padahal tingkat pengangguran di Jawa

Timur tergolong cukup rendah, yaitu sebesar 4,21% pada periode yang sama.

Jika dibandingkan dengan daerah Banten yang memiliki tingkat

pengangguran lebih besar yaitu 8,92% pada tahun 2016, namun tingkat

kemiskinan daerah tersebut relatif lebih rendah yaitu sebesar 5%. Berikut,

merupakan data persentase penduduk miskin di pulau jawa yang telah di olah

menjadi Gambar:

4.784.51 4.49

1.511.16

0

1

2

3

4

5

6

Jawa Timur Jawa Tengah Jawa Barat Sumatera Utara Nusa TenggaraTimur

ANGKA KEMISKINAN

6

Gambar 1.3

Persentase Penduduk Miskin Di Pulau Jawa

Sumber: Badan Pusat Statistik (BPS)

Pembangunan ekonomi di wilayah memiliki maksud dan tujuan untuk

meningkatkan angka kesejahteraan masyarakat serta pertumbuhan ekonomi

wilayah tersebut. Indikator hasil pembangunan ekonomi terlihat di dalam

pertumbuhan ekonomi yang akan menentukan langkah pembangunan di

waktu mendatang. Dalam suatu wilayah, potensi peningkatan angka

pertumbuhan ekonomi sangat dipengaruhi oleh kualitas sumber daya yang

terdapat pada wilayah tersebut, baik sumberdaya fisik maupun non fisik,

bernilai ekonomis maupun sumberdaya yang meliputi jumlah penduduk,

tingkat keahlian, budaya dan pandangan hidup mereka. (Todaro, 2006).

Secara umum, pertumbuhan ekonomi dapat diartikan sebagai

peningkatan dalam kemampuan dari suatu perekonomian dalam

memproduksi barang dan jasa. Dapat dikatakan bahwa pertumbuhan ekonomi

lebih menunjuk pada perubahan yang kuantitatif (quantitative change) dan

biasanya diukur dengan menggunakan data Produk Domestik Regional Bruto

(PDRB) atau pendapatan atau output per kapita.

Produk Domestik Bruto (PDB) dapat diartikan sebagai nilai barang

dan jasa yang diproduksi secara keseluruhan pada jangka waktu tertentu

tertentu di suatu wilayah. Suatu negara dapat menggunakan PDB sebagai

indikator perekonomiannya. Terdapat kekuatan yang erat antara pertumbuhan

0

2

4

6

8

10

12

14

16

18

2010 2011 2012 2013 2014 2015 2016

DKI Jakarta Jawa Barat Jawa Tengah

D.I.Yogyakarta Jawa Timur Banten

7

ekonomi dan kemiskinan yakni cepatnya pertumbuhan akan memberikan

akibat buruk terhadap masyarakat miskin karena mereka akan tergilas dan

terpinggirkan oleh perubahan struktural dan pertumbuhan modern. Ada pula

pendapat lain yang menyatakan bahwa konsentrasi penuh untuk pengentasan

kemiskinan akan memperlambat tingkat pertumbuhan ekonomi, karena dana

pemerintah akan habis untuk penanggulangan kemiskinan sehingga proses

pertumbuhan ekonomi akan melambat (Todaro, 2000). Di sisi lain, tidak

dapat dipungkiri bahwa pengentasan kemiskinan dan pembangunan ekonomi

dapat ditindaklanjuti melalui pertumbuhan ekonomi yang menyeluruh.

Siregar dan Wahyuniarti (2008) berpendapat, syarat keharusan (necessary

condition) dalam mengurangi kemiskinan adalah pertumbuhan ekonomi.

Sedangkan untuk syarat kecukupan (sufficient condition) adalah bahwa

pertumbuhan tersebut berjalan efektif dalam mengurangi kemiskinan.

Dengan artian, pertumbuhan tersebut hendaklah menyebar disetiap golongan

pendapatan termasuk golongan penduduk miskin (growth with equity).

8

Gambar 1.4

Pertumbuhan PDB Indonesia

*Sumber: Bank Dunia

Pada tahun 2000an perekonomian Indonesia mengalami masa-masa

yang sulit sebagai imbas dari krisis pasar keuangan global pada masa tersebut.

Dapat dilihat pada Gambar 1.4 diatas, pertumbuhan PDB Indonesia turun dari

6% pada tahun 2008 menjadi 4,6% pada tahun 2009. Namun demikian, paska

krisis keuangan global, pertumbuhan ekonomi Indonesia mulai menunjukkan

tanda-tanda pemulihan seiring dengan membaiknya kondisi pasar keuangan

global. Hal ini terlihat dari angka pertumbuhan ekonomi Indonesia yang

meningkat hingga mencapai 5,1% pada tahun 2017.

Pada tahun 2010, Bank Dunia memaparkan bahwa di setiap tahunnya

terdapat sekitar 7 juta masyarakat Indonesia yang memasuki kelas menengah

perekonomian. Kendatipun di akhir tahun 2011-2015 tidak menjumpai

akselerasi dibanding dahulunya akan tetapi, Indonesia masih meyandang

kekuatan konsumen (konsumsi domestik) yang memotivasi perekonomian

dan memacu pertumbuhan investasi asing di Indonesia. Hal ini sejalan dengan

populasi penduduk yang padat dan tingkat konsumsi yang tinggi sehingga

sangat menjanjikan bagi investor asing untuk melakukan investasi di

Indonesia, khususnya di pulau Jawa.

6.36

4.6

6.2 6.20 65.6

5 4.9 5 5.1

0

1

2

3

4

5

6

7

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

PDB (Perubahan Persentase dalam Tahunan)

9

Gambar 1.5 mendeskripsikan mengenai pertumbuhan ekonomi di

Pulau Jawa. Pertumbuhan ekonomi yang diukur dari Produk Domestik

Regional Bruto (PDRB) menggambarkan salah satu faktor untuk melihat

keberhasilan pembangunan disuatu daerah atau disuatu wilayah. Tingginya

aktivitas barang dan jasa merupakan pernyataan atas tingginya pertumbuhan

ekonomi. Berdasarkan data PDRB di Pulau Jawa, Provinsi Jawa Timur

memiliki tingkat pertumbuhan ekonomi tertinggi di Pulau Jawa, khususnya

pada tahun 2016 yaitu sebesar 8,94%, diikuti Provinsi DKI Jakarta sebesar

8,38%. Terdapat beberapa dorongan yang mempengaruhi tingginya

pertumbuhan ekonomi di Jawa Timur, diantaranya adalah industri

manufaktur, pertanian dan perdagangan hotel dan restaurant.

Gambar 1.5

PDRB Di Pulau Jawa

*Sumber Data: Badan Pusat Statistik.

Investasi merupakan salah satu faktor penting dalam meningkatkan

pertumbuhan ekonomi. Dengan meningkatkan investasi pemerintah,

diharapkan mampu untuk mendorong pertumbuhan ekonomi. Berdasarkan

pendapat Suparmoko (1998), investasi merupakan pengeluaran yang

diberlakukan guna menambah atau mempertahankan persediaan kapital

(capital stock).

1 2 3 4 5 6 7

DKI Jakarta 9.71 10.05 10.61 11.74 12.74 11.74 8.38

Jawa Barat 7.5 6.7 8.7 9.87 8.43 8.43 6.85

Jawa Tengah 5.43 6.78 8.05 9.13 10.28 8.87 7.15

D.I.Yogyakarta 4.32 5.78 6.94 8.64 8.05 8.02 7.31

Jawa Timur 7.89 8.9 10.66 9.97 10.53 9.4 8.94

Banten 5.67 6.45 7.95 9.23 11.03 9.28 5.7

0

5

10

15

20

Pe

rtu

mb

uh

an

PDRB

10

Capitalstock bukan hanya dalam bentuk modal atau fisik namun

sumber daya manusia atau modal tenaga kerja tak luput pula masuk dalam

bentuk tersebut. Penanaman modal yang tepat dalam jangka panjang

diharapkan mampu mendorong pertumbuhan ekonomi secara berkelanjutan.

Berdasarkan Gambar 1.5 terlihat bahwa untuk pulau Jawa, pada tahun

2016 total investasi di Provinsi Jawa Timur mencapai Rp.289 triliun atau

tertinggi dibandingkan daerah lainnya. Beberapa faktor yang diperkirakan

mendukung tingginya investasinya di daerah ini antara lain adanya potensi

pasar yang cukup luas sejalan dengan besarnya jumlah penduduk di wilayah

tersebut serta sumberdaya ekonomi.

Gambar 1.6

Data Investasi Di Pulau Jawa

*Sumber: BKPM Jawa-Timur

Selanjutnya, pembangunan ekonomi dapat dikatakan berhasil jika

suatu wilayah/daerah selain dapat meningkatkan pertumbuhan ekonomi, juga

dapat meningkatkan taraf hidup masyarakat secara merata atau yang dikenal

dengan Indeks Pembangunan Manusia (IPM) atau Human Development Index

(HDI). Rendah atau tingginya IPM akan akan memberikan dampak pada

tingkat produktivitas penduduk.

Dalam hal ini, semakin rendah IPM maka tingkat produktivitas

penduduk juga akan rendah, dan akan berpengaruh pada rendahnya

pendapatan. Begitu pula sebaliknya, semakin tinggi IPM maka produktivitas

pun akan semakin tinggi dan akan mendorong tingkat pendapatan agar

0100020003000

DATA INVESTASI PROVINSI DI PULAU JAWA

2012 2013 2014 2015 2016

11

semakin tinggi. Permasalahan yang terjadi adalah IPM tiap-tiap daerah

berbeda.

IPM merupakan salah satu indikator penting bagi suatu negara

maupun daerah. IPM meliputi lamanya hidup, pendidikan dan kesehatan,

serta standar hidup yang layak. IPM dapat dijadikan salah satu patokan guna

mengukur kategori suatu negara, apakah maju, berkembang, atau terbelakang.

Di Indonesia, IPM secara khusus dijadikan sebagai parameter untuk

mengukur keberhasilan pembentukan kualitas hidup manusia, dan dalam hal

ini kualitas hidup masyarakat atau penduduk dijadikan salah satu tolok ukur

kinerja tiap daerah. Dalam beberapa tahun ini IPM di Indonesia mengalami

kemajuan yang cukup signifikan, dan pada tahun 2016 mencapai 70,18,

meningkat dibandingkan tahun sebelumnya yang tercatat sebesar 69,55

(Gambar 1.7).

Gambar 1.7

Perkembangan Indeks Pembangunan Indonesia 2010-2016

*Sumber: Badan Pusat Statistik (BPS)

Walaupun, hingga tahun 2015 Indonesia masih belum bisa mengejar

ketertinggalannya dari Thailand dan Malaysia untuk skala ASEAN (Gambar

1.8), namun angka IPM Indonesia masih relatif cukup baik karena setiap

tahunnya mengalami peningkatan.

6465666768697071

2010 2011 2012 2013 2014 2015 2016

Indeks Pembangunan Manusia di Indonesia

12

Gambar 1.8

Data Indeks Pembangunan Manusia di ASEAN

*Sumber: United Nation Development Programme

Sementara itu, berdasarkan data yang dikeluarkan oleh Badan Pusat

Statistik dalam 2012-2016 sebagaimana terdapat Gambar 1.9 terlihat bahwa

terdapat perbedaan IPM antar Provinsi di Pulau Jawa. Dalam hal ini, IPM di

Provinsi Jawa Timur tergolong cukup tinggi dan pada tahun 2016 menyentuh

angka 69.74.

Gambar1.9

Data Indeks Pembangunan Manusia di Pulau Jawa

Sumber: Badan Pusat Statistik (BPS)

Disparitas menjadikan IPM sebagai salah satu alat dalam mengukur

ketimpangan pendapatan. Terdapat tiga indikator yang menjadi komposisi

pembentukan IPM dan saling mempengaruhi, yakni tingkat kesehatan, tingkat

pendidikan dan standar kehidupan. Maka dari itu, untuk meningkatkan IPM

68.978.9 74 68.2 68.3

58.6

92.586.5

55.6 56.3

0

20

40

60

80

100

IPM

2013

2014

2015

76

.31

76

.98

77

.53

78

.08

78

.39

78

.99

79

.6

66

.15

66

.67

67

.32

68

.25

68

.8

69

.05

70

.05

66

.08

66

.64

67

.21

68

.02

68

.78

69

.49

69

.98

75

.37

75

.93

76

.15

76

.44

76

.81

77

.59

78

.38

65

.36

66

.06

66

.74

67

.55

68

.14

68

.95

69

.74

67

.54

68

.22

68

.92

69

.47

69

.89

70

.29

70

.96

2 0 1 0 2 0 1 1 2 0 1 2 2 0 1 3 2 0 1 4 2 0 1 5 2 0 1 6

IPM DI PULAU JAWA

DKI Jakarta Jawa Barat Jawa Tengah D.I.Yogyakarta Jawa Timur Banten

13

pemerintah maka suatu daerah harus memperhatikan ketiga indikator

tersebut. Selain itu, faktor-faktor pendukung lainnya juga harus diperhatikan,

seperti kesempatan kerja, infrastruktur dan pertumbuhan ekonomi.

Berdasarkan data Badan Pusat Statistik (BPS), Indeks Pembangunan Manusia

(IPM) Jawa Timur berada di peringkat ke 15 dari 34 Provinsi di Indonesia

dan rmasuk dalam kategori pembangunan manusia sedang.

Dari sisi luas wilayah dan faktor demografi, Provinsi Jawa Timur

memiliki luas sebesar 47.922 km2 dengan jumlah penduduk sebesar

42.030.633 jiwa (sensus tahun 2015). Provinsi Jawa Timur memiliki 38

Kabupaten/kota yang terdiri dari Kabupaten Bangkalan, Kabupaten

Banyuwangi, Kabupaten Blitar, Kabupaten Bojonegoro, Kabupaten

Bondowoso, Kabupaten Gresik, Kabupaten Jember, Kabupaten Jombang,

Kabupaten Kediri, Kabupaten Lamongan, Kabupaten Lumajang, Kabupaten

Madiun, Kabupaten Magetan, Kabupaten Malang, Kabupaten Mojokerto,

Kabupaten Nganjuk, Kabupaten Ngawi, Kabupaten Pacitan, Kabupaten

Pamekasan, Kabupaten Pasuruan, Kabupaten Ponorogo, Kabupaten

Probolinggo, Kabupaten Sampan, Kabupaten Sidoarjo, Kabupaten

Situbondo, Kabupaten Sumenep, Kabupaten Trenggalek, Kabupaten Tuban,

Kabupaten Tulunggagung, Kota Batu, Kota Blitar, Kota Madiun, Kota

Malang, Kota Mojokerto, Kota Pasuruan, Kota Probolinggo, Kota Surabaya.

Bank Indonesia dalam laporan tahunannya memaparkan data bahwa

Masyarakat Provinsi Jawa Timur masih dinilai kurang sejahtera dalam

kehidupan sehari-harinya, sebagaimana yang tercermin dalam profile

kemiskinan Jawa Timur 2016 (BPS Jawa-Timur)

Dalam menilai kesejahteraan masyarakat suatu daerah terdapat

beberapa indikator seperti pemerataan pendapatan, pendidikan dan kualitas

kesehatan. Adapun pemerataan pendapatan dapat dilihat dari lapangan

pekerjaan, kondisi usaha dan juga faktor ekonomi lainnya. Sementara itu,

untuk pendidikan dapat dilihat dari kemudahan memperoleh pendidikan

tersebut, yaitu dengan biaya yang murah dan juga dengan kualitas yang baik

sehingga terdapat kenaikan pada rasio murid SD-SMP-SMA/K yang bisa

segera menyelesaikan pendidikannya dan melanjutkan ke jenjang lebih tinggi

14

ataupun bekerja. Selanjutnya, kualitas kesehatan diharapkan semakin

meningkat dan merata, sehingga tidak hanya difokuskan di kota namun juga

ke tempat-tempat terpencil sehingga diharapkan lebih mampu dijangkau oleh

masyarakat.

Pembangunan di dalam suatu lingkup memang tidak selalu adil.

Pertumbuhan ekonomi yang telah dicapai tidak mampu untuk membasmi

yang muncul akibat belum adilnya pembangunan, bersamaan di beberapa

daerah pertumbuhan ekonomi terjadi secara lambat. Daerah tersebut tidak

mengalami perkembangan dan kemajuan, disebabkan oleh minimnya

sumberdaya yang dimiliki. Selanjutnya tersedianya alokasi investasi yang

tidak merata di sebagian daerah, Indeks Pembangunan Manusia yang

berlainan antar daerah, secara keseluruhan akan mempengaruhi tingkat

kemiskinan dan disparitas pendapatan antar daerah tersebut. Berdasarkan

latar belakang tersebut, penulis mengangkat penelitian ini dengan judul

“ANALISIS PENGARUH PDRB, INVESTASI DAN INDEKS

PEMBANGUNAN MANUSIA TERHADAP KEMISKINAN DI

PROVINSI JAWA TIMUR” (PERIODE 2012 – 2016).

B. Rumusan Masalah

Dari latar belakang yang telah dikemukakan maka peneliti menelaah

beberapa rumusan penelitian, diantaranya :

1. Bagaimana pengaruh Produk Domestik Regional Bruto terhadap

kemiskinan pada Kabupaten/Kota di Provinsi Jawa-Timur?

2. Bagaimana pengaruh Investasi terhadap kemiskinan pada

Kabupaten/Kota di Provinsi Jawa-Timur?

3. Bagaimana pengaruh Indeks Pembangunan Manusia terhadap

kemiskinan pada Kabupaten/Kota di Provinsi Jawa-Timur?

4. Bagaimana Pengaruh PDRB, Investasi, dan Indeks Pembangunan

Manusia secara bersama-sama terhadap kemiskinan pada

Kabupaten/Kota di Jawa-Timur?

15

C. Tujuan Penelitian

Adapun dari tujuan penelitian ini adalah:

1. Untuk mengetahui pengaruh pertumbuhan ekonomi terhadap

kemiskinan di Provinsi Jawa-Timur.

2. Untuk mengetahui pengaruh investasi terhadap kemiskinan di

Provinsi Jawa-Timur.

3. Untuk mengetahui pengaruh Indeks Pembangunan Manusia terhadap

kemiskinan di Provinsi Jawa-Timur.

4. Untuk mengetahui pengaruh PDRB, Investasi, dan Indeks

Pembangunan Manusia secara bersama-sama terhadap kemiskinan di

Jawa-Timur

D. Manfaat Penelitian

Penelitian ini dilakukan untuk mempunyai beberapa manfaat baik bagi

penulis maupun pihak-pihak yang terkait. Adapun manfaat yang dapat

diambil adalah :

1. Sebagai sumber masukan yang bermanfaat bagi pengambil

kebijakan, terutama yang berkaitan dengan perencanaan

pembangunan untuk mengatasi permasalahan-permasalahan

kemiskinan.

2. Sebagai tambahan referensi dan juga informasi bagi penelitian-

penelitian yang terkait dengan kemiskinan pada suatu daerah

tersebut.

16

BAB II

TINJAUAN PUSTAKA

A. Kemiskinan

Terdapat berbagai macam definisi dari kemiskinan, dan sebagian besar

sering dikaitkan dengan aspek ekonomi. Berbagai upaya untuk mendefinisikan

kemiskinan dan mengidentifikasikan kemiskinan sesungguhnya menghasilkan

suatu konsep pemikiran yang dapat disederhanakan dalam beberapa sudut

pandang. Pertama, sudut pandang pengukuran, kemiskinan dibedakan menjadi

dua yaitu kemiskinan absolut dan relatif. Kedua, sudut pandang penyebab,

kemiskinan dapat dikelompokkan menjadi kemiskinan alamiah dan struktural.

Salah satu syarat penting agar suatu kebijakan pengentasan kemiskinan dapat

tercapai maka harus ada kejelasan mengenai kriteria tentang siapa atau

kelompok masyarakat mana yang masuk ke dalam kategori miskin dan menjadi

sasaran program. Selain itu, terdapat pula syarat yang harus dipenuhi yakni harus

dipahami secara tepat mengenai penyebab kemiskinan itu sendiri disetiap

komunitas dan daerah/wilayah. Karena penyebab ini tidak lepas dari adanya

pengaruh nilai-nilai lokal yang melingkupi kehidupan masyarakatnya. (Nurwati,

2008).

Sementara itu, BPS (2016) menyatakan bahwa asal penyebab kemiskinan

dibagi menjadi dua macam. Pertama adalah kemiskinan kultural, yaitu

kemiskinan yang disebabkan oleh adanya faktor-faktor adat atau budaya suatu

daerah tertentu yang membelenggu seseorang atau sekelompok masyarakat

tertentu sehingga membuatnya tetap melekat dengan kemiskinan. Kemiskinan

seperti ini dapat dihilangkan atau dapat dikurangi dengan mengabaikan faktor-

faktor yang menghalanginya untuk melakukan perubahan ke arah tingkat

kehidupan yang lebih baik. Kedua adalah kemiskinan struktural yaitu

kemiskinan yang terjadi sebagai akibat ketidakberdayaan seseorang atau

sekelompok masyarakat tertentu terhadap sistem atau tatanan sosial yang tidak

adil, karenanya mereka berada pada posisi tawar yang sangat lemah dan tidak

memiliki akses untuk mengembangkan dan membebaskan diri mereka sendiri

17

dari perangkap kemiskinan atau dengan perkataan lain “seseorang atau

sekelompok masyarakat menjadi miskin karena mereka miskin”.

Lebih jauh berdasarkan BPS (2016), secara imajiner kemiskinan dapat

dibagi menurut kemiskinan relatif dan kemiskinan absolut, dengan perbedaan

yang terletak pada standar penilaian. Standar penilaian kemiskinan relatif

menggambarkan standar kehidupan yang ditentukan dan ditetapkan secara

subyektif oleh masyarakat setempat dan bersifat lokal serta mereka yang berada

dibawah standar penilaian tersebut dikelompokkan sebagai miskin secara relatif.

Sedangkan standar penilaian kemiskinan secara absolut merupakan standar

kehidupan minimum yang dibutuhkan untuk memenuhi kebutuhan dasar yang

diperlukan, baik makanan maupun non makanan. Standar kehidupan minimum

untuk memenuhi kebutuhan dasar ini disebut sebagai garis kemiskinan.

Suryawati (2005) mengemukakan bahwa kekurangan sumber daya yang

dapat digunakan untuk meningkatkan kesejahteraan sekelompok orang secara

finansial maupun semua jenis kekayaan yang dapat meningkatkan kesejahteraan

masyarakat merupakan suatu dimensi ekonomi dari kemiskinan. Apabila

seseorang atau keluarga yang tidak dapat memenuhi kebutuhan pokok atau

minimnya, seperti sandang, pangan, papan, kesehatan, dan pendidikan dapat

dimasukkan kedalam kategori miskin. Dimensi ekonomi dapat diukur dengan

nilai rupiah meskipun harganya kerap mengalami perubahan tiap tahun yang

disebabkan tingkat inflasi.

Kemiskinan memang masih menjadi permasalahan yang banyak dihadapi

negara berkembang. Terdapat beberapa faktor yang menyebabkan terjadinya

kemiskinan, diantaranya yakni seperi yang diungkapkan oleh Endrayani dan

Dewi (2016), bahwa faktor tersebut diantaranya, kesenjangan ekonomi atau

ketimpangan distribusi pendapatan antara kelompok masyarakat berpendapatan

tinggi dan kelompok masyarakat berpendapatan rendah serta kemiskinan atau

jumlah penduduk yang berada di bawah garis kemiskinan (poverty line),

minimnya jenjang pendidikan, kecondongan dimulai kenaikan harga-harga

secara umum dan berkepanjangan, serta menanjaknya angka pengangguran.

Dimana faktor-faktor tersebut saling mempengaruhi dan adanya keterkaitan.

Berkaitan dengan hal tersebut, Ragar Nurkse dalam Mudrajad Kuncoro (2006),

18

mengemukakan bahwa keterbelakangan, ketidaksempurnaan pasar, dan

minimnya modal menjadi penyebab rendahnya produktivitas sehingga

pendapatan yang diterima juga rendah. Rendahnya pendapatan memiliki

implikasi pada rendahnya tabungan dan investasi. Sedangkan rendahnya

tabungan dan investasi akan memberikan dampak berupa keterbelakangan, dan

begitu seterusnya.

Sementara itu, Adisasmita (2005) menyatakan bahwa kemiskinan

merupakan masalah pembangunan yang ditandai oleh pengangguran,

keterbelakangan dan keterpurukan. Pada dasarnya, masyarakat miskin lemah

dalam kapabilitas berusaha dan memiliki akses yang terbatas dalam kegiatan

sosial.

Atalay (2015) memaparkan bahwa hal utama yang memicu negara

berkembang tidak dapat mencapai level negara maju ialah terkait level produksi

dan pembangunan yang lebih rendah. Upaya meningkatkan level produksi dan

pembangunan, negara sedang berkembang terutama diwajibkan melangsungkan

ekspansi sumber daya manusia (human capital).

Sedangkan pemaparan Jhingan (2000) menyatakan bahwa parameter negara

berkembang menjadi pemicu dan dampak, yang silih terikat dari kemiskinan

yang terjadi. Faktor pertama yaitu tidak terfasilitasinya prasarana dan sarana

pendidikan sehingga membawa dampak beranjaknya jumlah penduduk buta

huruf dan tidak memiliki keterampilan atau kemahiran. Faktor kedua yaitu

fasilitas kesehatan dan pola konsumsi yang buruk sehingga hanya sebagian kecil

penduduk yang memiliki profesi sebagai tenaga kerja yang produktif. Sedangkan

faktor ketiga, penduduk terkontemplasi dpada sektor pertanian dan

pertambangan dengan menggunakan metode produksi yang using dan

ketinggalan zaman.

Selanjutnya, Darwin dan Hidayat (2016) juga berpendapat bahwa

pertumbuhan ekonomi harus didukung oleh peningkatan produktivitas dan

efisiensi serta sumber daya manusia yang berkualitas, pembangunan industri

terus ditingkatkan dan diarahkan agar sektor industri dapat dijadikan penggerak

utama ekonomi yang efisien, berdaya saing tinggi, memiliki struktur yang

semakin kokoh dengan pola produksi yang berkembang. Pembangunan industri

19

merupakan unsur penting dalam memacu tercapainya sasaran pembangunan dan

dalam rangka menciptakan struktur perekonomian yang seimbang.

Pembangunan industri tersebut merupakan bagian dari usaha pembangunan

bidang ekonomi jangka panjang yang diarahkan guna menciptakan struktur

ekonomi yang lebih kokoh dan seimbang yakni struktur ekonomi dengan menitik

beratkan pada industri yang maju didukung oleh pertanian yang tangguh. Untuk

itu, proses industrialisasi harus sangat difokuskan guna mendukung

perkembangan industri yang lebih pesat sebagai penggerak utama peningkatan

pertumbuhan dan perluasan lapangan kerja.

1. Teori Kemiskinan

Mengenai Teori Kemiskinan, terdapat lima teori yang dikemukakan oleh

Wilantara dan Susilawati (2016), diantaranya:

a. Teori Neo-Liberal

Shannon, Spicker, Cheyne, O’Brien, dan Belgrave menyatakan

pendapat bahwa kemiskinan menggambarkan problematika individu yang

terkait. Kebijakan penganggulangan kemiskinan memiliki sifat “residual”

temporer. Teori ini bermula pada ciptaan politik klasik yang tercatat oleh

Thomas Hobbes, John Lock, dan John Stuart Mill yang pada intinya

menyerukan bahwa komponen penting dari sebuah masyarakat adalah

kebebasan individu. Keunggulan mekanisme pasar dan pertumbuhan

dianggap akan mampu mengatasi kemiskinan dan ketidakadilan sosial.

b. Teori Demokrasi sosial

Kemiskinan merupakan persoalan struktural yang disebabkan oleh

adanya ketidakadilan dan ketimpangan pada masyarakat akibat akses

kelompok kepada sumber-sumber kemasyarakatan terjadi penyumbatan.

Teori ini menekankan pada pentingnya manajemen dan pendanaan negara

dalam memberikan pelayanan sosial dasar (pendidikan, kesehatan,

perumahan, dan jaminan sosial) bagi seluruh warga negara.

20

c. Teori Marginal

Oscar Lewis (1996) menyatakan bahwa terdapat culture of poverty yang

tersosialisasikan dikalangan masyarakat atau komunitas tertentu sehingga

kemiskinan terjadi.

d. Teori Development

Teori ini menyatakan, bahwa negara mengonsepkan minimnya

industrialisasi, modal, kemampuan manajerial, dan fasilitas yang

dibutuhkan untuk meningkatkan perekonomian. Pertumbuhan ekonomi

ialah ciri utama suatu pembangunan yang dipercaya dapat memberantas

permasalahan disparitas. Kemiskinan akan sirna dengan sendirinya apabila

pasar diperluas sebesar-besarnya dan pertumbuhan ekonomi dinaikkan

setinggi mungkin.

e. Teori Struktural

Teori Struktural berpendapat bahwa konsep kemiskinan di wilayah

dunia ketiga terjadi bukan halnya dikarenakan problematika budaya ataupun

problematika pembangunan ekonomi, memisahkan permasalahan struktural

yang hanya dapat dijabarkan di dalam konstelasi politik dunia.

2. Ukuran Kemiskinan

Garis kemiskinan merupakan barometer yang beranggapan besarnya

pengeluaran untuk memenuhi kebutuhan dasar minimum makanan dan

kebutuhan non-makanan atau standar yang menjabarkan batas individu

dikatakan miskin bila dipandang dari sudut pandang konsumsi. Garis

kemiskinan yang digunakan tiap-tiap negara adalah berbeda. Sehingga tidak ada

satu garis kemiskinan yang berlangsung umum. Hal ini disebebakan karena

adanya perbedaan lokasi dan adanya parameter standar hidup (Susanti, 2016)

Pada prinsipnya, indikator hidup di suatu masyarakat tidak sekedar hanya

untuk tercukupinya kebutuhan pangan. Akan tetapi juga tercukupinya akan

kesehatan maupun Pendidikan, Tempat tinggal ataupun pemukiman yang layak

untuk dijadikan tempat hidup, menjadi salah satu kebutuhan standar hidup

maupun standar kesejahteraan masyarakat di suatu tempat. Berdasarkan kondisi

ini, suatu masyarakat dapat dikatakan miskin apabila memiliki pendapatan yang

21

jauh lebih rendah dari pendapatan yang dimiliki suatu daerah secara rata-rata,

sehingga tidak banyak memiliki peluang untuk mensejahterakan dirinya.

(Suryawati, 2004).

Dalam mengukur kemiskinan BPS menggunakan konsep untuk memenuhi

kebutuhan dasar (basic needs approach). Dengan konsep pendekatan ini,

kemiskinan dianggap sebagai inkompetensi dari sisi ekonomi untuk memenuhi

kebutuhan dasar makanan dan bukan makanan yang ditakar dari sisi

pengeluaran. dapat dikatakan penduduk miskin ialah penduduk yang memiliki

rata-rata pengeluaran perkapita perbulan dibawah garis kemiskinan (BPS,2018).

dalam hal ini, BPS menetapkan Garis Kemiskinan (GK) dalam tiga kategori

berikut:

1. Garis Kemiskinan (GK) yaitu penambahan dari Garis Kemiskinan

Makanan (GKM) dan Garis Kemiskinan Non Makanan (GKNM).

Dapat dikategorikan sebagai penduduk miskin apabilpenduduk tersebut

memiliki rata-rata pengeluaran per kapita per bulan dibawah garis

kemiskinan.

2. Garis kemiskinan Makanan (GKM) merupakan nilai pengeluaran

kebutuhan minimum makanan yang disetarakan dengan 2100 kilokalori

perkapita perhari. Terdapat 52 jenis makanan yang mewakili paket

komoditi kebutuhan dasar makanan. Diantaranya padi-padian, umbi-

umbian, ikan, daging, telur, dan susu, sayuran, kacang-kacangan, buah-

buahan, minyak dan lemak, dan lain-lain.

3. Garis Kemiskinan Non Makanan (GKNM) merupakan kebutuhan

minimum untuk perumahan, sandang, pendidikan, dan kesehatan.

Terdapat 51 jenis komoditi di perkotaan dan 47 jenis komoditi di

pedesaan mewakili paket komoditi kebutuhan dasar non makanan.

World Bank (2017) mendeklarasikan bahwa masyarakat yang hidup

dibawah garis kemiskinan ialah masyarakat yang tidak mampu memenuhi

kebutuhan dasarnya (basic needs). Dalam hal ini, World Bank menetapkan

sumber kemiskinan diukur dari pendapatan seseorang yang kurang dari USD

1.90 per hari. Dalam publikasinya, perihal cara agar tingkat kemiskinan dapat

22

diminimalisir, pada bulan April 2017 lembaga tersebut menargetkan jumlah

penduduk yang hidup dengan pendapatan dibawah USD 1.90 per hari turun

menjadi 3% dari populasi dunia pada tahun 2030.

MDG’s yang berakhir pada tahun 2015 dilanjutkan dengan merancang

pelaksanaan Sustainable Development Goals (SDG’s) yang merupakan

seperangkat program serta target dengan tujuan untuk pembangunan global di

masa mendatang. Program terusan tersebut diputuskan pada bulan Juni 2012

oleh United Nation Conference on Sustainable Development yang diadakan di

Rio De Janeiro. Walaupun MDG’s telah banyak memberikan hasil, namun masih

banyak pula yang belum tercapai (Wilantara dan Susilawati, 2016).

B. Produk Domestik Regional Bruto

Data Produk Domestik Bruto (PDB) dapat dikatakan sebagai suatu

parameter penting guna mengenali keadaan ekonomi disuatu negara dalam satu

periode tertentu, baik atas dasar harga berlaku ataupun atas dasar harga konstan.

Pada dasarnya, PDB merupakan jumlah nilai tambah yang dihasilkan oleh segala

unit usaha dalam suatu negara tertentu, atau menggambarkan jumlah nilai barang

dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi. PDB atas harga

berlaku merupakan nilai tambah barang dan jasa yang dihitung memanfaatkan

harga yang berlaku pada setiap tahun, sedangkan PDB atas dasar harga konstan

menggambarkan nilai tambah barang dan jasa yang dihitung dengan dasar harga

yang berlaku pada satu tahun tertentu. PDB atas dasar harga berlaku dapat

digunakan pula untuk memperlihatkan perubahan dan struktur ekonomi,

sedangkan harga konstan dapat digunakan untuk menghabiskan pertumbuhan

ekonomi tiap tahunnya (BPS, 2018).

Bank Indonesia (2018) secara lebih lanjut menegaskan bahwa Produk

Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting guna

mengetahui keadaan ekonomi disuatu daerah dalam suatu periode tertentu, baik

atas dasar harga berlaku maupun atas dasar harga konstan.

Sejalan dengan hal tersebut, Kairupan (2013) menyatakan bahwa PDRB

merupakan salah satu parameter yang menggambarkan tingkat pertumbuhan

ekonomi dan seringkali digunakan untuk memperkirakan sejauh mana

23

kesuksesan pembangunan di satu daerah dalam periode waktu tertentu dan

menjadi tolok ukur dalam memutuskan arah kebijaksanaan pembangunan di

masa mendatang. Saputra dan Mudakir (2011) berpendapat bahwa PDRB dapat

mengemukakan kemampuan suatu daerah mengelola sumber daya alam yang

dimilikinya. Maka dari itu, jumlah PDRB yang dihasilkan tiap daerah sangat

bergantung pada potensi sumber daya alam dan faktor produksi daerah tersebut.

Adanya keterbatasan dalam tersedianya faktor-faktor tersebut memiliki dampak

pada besaran PDRB beraneka ragam antar wilayah.

PDRB atas dasar harga berlaku yang berkembang tiap tahunnya

memberikan gambaran perkembangan yang pada awalnya disebabkan oleh

adanya perubahan volume produksi barang dan jasa yang dihasilkan, perubahan

terhadap tingkat harganya dan menunjukkan pendapatan yang dapat dinikmati

oleh penduduk pada suatu daerah serta gambaran nilai tambah barang dan jasa

yang dihitung menggunakan harga pada tiap tahunnya. Faktor ekonomi di daerah

tujuan, seperti potensi pasar, sumber daya alam dan daya saing, menjadi salah

satu parameter yang memotivasi para investor untuk menjalankan investasi di

suatu wilayah tertentu. Potensi pasar digambarkan dengan besarnya pendapatan

daerah tersebut yang dicerminkan oleh nilai Produk Domestik Regional Bruto

(PDRB) (Habiburrahman, 2012).

1. Manfaat Perhitungan PDRB

BPS Kabupaten Bandung pada Laporan Pemanfaatan Data Statistik

Dalam Rencana Pembangunan daerah (2015) menyatakan bahwa terdapat

beberapa manfaat dari PDRB, yakni (1) untuk mengetahui pertumbuhan

ekonomi suatu daerah; (2) bahan analisa tingkat kemakmuran masyarakat

dan tingkat perubahan barang dan jasa; (3) bahan analisa produktivitas

secara sektoral; dan (4) alat kontrol dalam menentukan kebijakan

pembangunan. Laporan BPS Kota Bandung (2015), mengemukakan bahwa

manfaat PDRB yakni (1) untuk bahan evaluasi pembangunan di masa lalu

secara keseluruhan; (2) untuk bahan umpan balik terhadap perencanaan

yang telah dilaksanakan; dan (3) untuk bahan perencanaan investasi di masa

yang akan datang.

24

Sedangkan BPS Pusat (2017) menyatakan bahwa data Produk

Domestik Bruto (PDB) merupakan parameter statistik penerimaan

pendapatan regional yang dapat digunakan untuk menilai hasil

pembangunan sekaligus sebagai basis perencanaan pembangunan ekonomi

di satu wilayah tertentu. BPS juga mengemukakan bahwa data PDRB

menjadi salah satu gambaran terhadap parameter ekonomi makro yang dapat

memperlihatkan keadaan perekonomian daerah setiap tahun. Diantara

keuntungan yang dapat diperoleh dari data ini antara lain:

a. PDRB atas dasar harga berlaku (nominal) menggambarkan

kemampuan suatu daerah mengelola sumber daya ekonomi.

b. PDRB atas dasar harga konstan (riil) bisa difungsikan untuk

menggambarkan laju pertumbuhan ekonomi secara keseluruhan

atau tiap-tiap bagian pengeluaran dari tahun ke tahun.

c. Distribusi PDRB atas dasar harga berlaku menurut pengeluaran

menggambarkan kontribusi setiap bagian pengeluaran dalam suatu

daerah. Komponen dengan kontribusi terbesar menunjukkan

alokasi penggunaan terbanyak dari nilai tambah yang tercipta.

d. PDRB per kapita atas dasar harga berlaku menggambarkan nilai

PDRB per satu orang penduduk.

e. PDRB per kapita atas dasar harga konstan bermaanfaat untuk

memafhumi pertumbuhan aktual ekonomi per kapita penduduk

suatu daerah.

2. Metode perhitungan PDRB

Menurut BPS (2017), untuk menaksir angka-angka PDRB terdapat tiga

pendekatan, yakni:

1. Pendekatan Produksi

PDRB merupakan jumlah nilai tambah atas barang dan jasa yang

dihasilkan oleh berbagai unit produksi pada suatu wilayah di

wilayah tertentu (biasanya dalam jangka waktu satu tahun).

2. Pendekatan Pendapatan

PDRB memberikan gambaran mengenai jumlah balas jasa yang

diterima oleh faktor-faktor produksi yang turut serta proses

25

produksi pada suatu daerah dalam jangka waktu tertentu (biasanya

dalam jangka waktu 1 tahun).

3. Pendekatan Pengeluaran

PDRB ialah seluruh bagian permintaan akhir yang terdiri dari: (1)

pengeluaran konsumsi rumah tangga; (2) pengeluaran konsumsi

instansi non profit yang melayani rumah tangga, (3) konsumsi

pemerintah; (4) pembuatan modal tetap domestik bruto; (5)

peralihan inventori; dan (6) ekspor netto (ekspor dikurang impor).

Ketiga pendekatan tersebut, secara konsep akan menghasilkan angka

yang sama. Bank Indonesia (2014), juga mengungkapkan bahwa anggaran

Produk Domestik Regional Bruto (PDRB) selaku konseptual menggunakan

tiga macam pendekatan, yakni:

a. Pendekatan Produksi:

Produk Domestik Regional Bruto merupakan jumlah nilai tambah

terhadap barang dan jasa yang dihasilkan oleh berbagai unit

produksi di wilayah suatu daerah dalam jangka waktu tertentu

(biasanya terhitung satu tahun). Terdapat 9 kelompok lapangan

usaha (sektor) unit-unit produksi dalam penyajian ini, yaitu: (1)

Pertanian, peternakan, kehuatanan dan perikanan, (2)

pertambangan dan penggalian, (3) industri pengolahan, (4) Listrik,

gas dan air bersih, (5) Kontruksi, (6) perdagangan, hotel dan

restoran, (7) pengangkutan dan komunikasi, (8) keuangan, real

estate dan jasa perusahaan, (9) jasa-jasa lain, termasuk jasa

pemerintah.

b. Pendekatan Pengeluaran:

Produk Domestik Regional Bruto adalah seluruh komponen

permintaan akhir, yang terdiri dari: (1) Pengeluaran konsumsi

rumah tangga dan lembaga swasta nirlaba, (2) konsumsi

pemerintah, (3) pembentukan modal tetap domestik bruto, (4)

perubahan inventori dan (5) ekspor neto (ekspor dikurang impor).

c. Pendekatan Pendapatan:

26

Produk Domestik Regional Bruto merupakan penerimaan jumlah

balas jasa oleh faktor-faktor produksi yang ikut serta dalam proses

produksi pada suatu daerah dalam jangka waktu tertentu (biasanya

terhitung satu tahun). Balas jasa yang dimaksud adalah upah dan

gaji, sewa tanah, bunga modal dan keuntungan; semuanya

sebelum dipotong pajak penghasilan dan pajak langsung lainnya.

Dalam definisi ini, PDRB mencakup pula penyusutan dan pajak

tidak langsung neto (pajak tak langsung).

C. Investasi

Investasi dapat didefinisikan sebagai komitmen atas sejumlah dana atau

sumber daya lainnya yang dilakukan saat ini (present time) dengan harapan

memperoleh manfaat (benefit) dikemudian hari (in future). Dalam ranah

praktikal, pada umumnya investasi dikaitkan dengan berbagai aktivitas yang

terkait dengan penanaman uang diberbagai macam alternatif aset, baik yang

tergolong sebagai aset real (real asset) seperti tanah, emas, properti maupun

yang berbentuk aset finansial (financial assets), misalnya berbagai bentuk surat

berharga seperti saham, obligasi ataupun reksadana. Aktivitas investasi lain

seperti warrants, option, dan futures maupun ekuitas internasional pada aset-aset

finansial yang lebih beresiko dan kompleks dapat menjadi pilihan lain para

investor untuk menempatkan dananya (Tandelilin,2010).

Cambridge Dictionary (Anisah dan Wicaksono, 2017) menjelaskan

mengenai investasi, yakni sebagai suatu tindakan untuk menempatkan uang,

usaha, waktu, dan lainnya; menjadi sesuatu sehingga dapat membuat atau

memperoleh keuntungan berupa uang, tenaga, waktu, ataupun yang lainnya

untuk dapat digunakan dalam berbagai hal:

“Put (money) into financial schemes, shares, property or a commercial

venture with the expectation of achieving a profit” (Menempatkan (uang) ke

dalam skema keuangan, saham, properti atau suatu usaha komersial dengan

pengharapan meraih keuntungan).

Perihal investasi, Habiburrahman (2012) menyatakan bahwa kontribusi

pendapatan daerah (PDRB) kepada investasi amat penting dikarenakan

27

pendapatan yang tinggi akan memperbesar pendapatan masyarakat yang

kemudian akan meningkatkan permintaan barang dan jasa sehingga keuntungan

perusahaan juga akan meningkat dan mendorong dilakukannya lebih banyak

investasi. Dengan kata lain, andaikan PDRB meningkat, maka investasi akan

bertambah tinggi pula. Dengan begitu, investasi mendapat pengaruh dari

pendapatan daerah (PDRB).

Widanta (2008) berpendapat bahwa kebijakan pembangunan yang fokus

sangat dibutuhkan guna memudahkan masuknya investasi, sebab investor

mempunyai gambaran yang jelas mengenai usaha apa yang akan dibuka pada

daerah tujuan investasi. Terdapat tiga hal utama yang kerap menjadi alasan

estimasi para pengusaha dalam melaksanakan investasi, diantaranya: (1) kondisi

politik dan keamanan yang stabil dan dapat menjamin kepastian usaha; (2)

birokrasi yang fleksibel dan proaktif, sehingga dapat memenuhi keinginan

pengusaha namun tetap dalam koridor hukum dan peraturan yang berlaku; dan

(3) mampu memberikan iklim kondusif dalam berusaha.

Pada umumnya, pemilik modal adalah negara-negara maju. Negara maju

yang notabene telah memiliki dana berlebih, menginvestasikan dana tersebut ke

negara-negara berkembang yang memiliki potensi memberikan keuntungan.

Negara-negara maju memiliki ketertarikan untuk berinvestasi di negara

berkembang karena kemungkinan return (keuntungan) yang tinggi. Dengan

berinvestasi di Indonesia ataupun negara berkembang lainnya, para investor

asing mengharapkan adanya tegenprestatie (kontra prestasi) yang akan diterima

(Anisah dan Wicaksono,2017).

Todaro dalam Sulistiawati (2012) berpendapat bahwa investasi berperan

penting dalam menggerakkan kehidupan ekonomi bangsa, karena pembentukan

modal dapat menjadi dasar dalam memperbesar kapasitas produksi dan

pendapatan nasional, sehingga kesempatan kerja dapat diperluas. Selanjutnya,

Mankiw dalam Sulistiawati (2012) menyatakan bahwa faktor yang dapat

meningkatkan permintaan investasi salah satunya adalah melalui inovasi

teknologi. Sukirno dalam Sulistiawati (2012) berpendapat bahwa investasi

merupakan pengeluaran atau perbelanjaan penanam-penanam modal atau

perusahaan untuk membeli barang-barang modal dan perlengkapan-

28

perlengkapan guna menambah kemampuan memproduksi barang-barang dan

jasa-jasa yang tersedia dalam perekonomian.

Dewasa ini, tema vital dalam kehidupan ekonomi pada seluruh negara di

dunia ialah mengenai akselerasi pertumbuhan. Penilaian keberhasilan program-

program pembangunan sering didasari oleh tinggi rendahnya tingkat

pertumbuhan output dan pendapatan nasional, bahkan baik buruknya kualitas

kebijakan pemerintah dan mutu aparatnya dibidang ekonomi secara keseluruhan,

pada umumnya diukur berdasarkan hasil percepatan pertumbuhan output

nasional (Sulistiawati, 2012).

Simon Kuznets dalam Arsyad (2010) mengartikan pertumbuhan ekonomi

suatu negara sebagai meningkatkan kemampuan suatu negara untuk

menyediakan barang-barang ekonomi bagi penduduknya. Peningkatan pada

kemampuan ini disebabkan adanya kemajuan teknologi, kelembagaan, serta

penyesuaian ideologi yang dibutuhkan. Pembangunan ekonomi diartikan

sebuah usaha untuk peningkatkan taraf hidup suatu bangsa yang biasanya dilihat

berdasarkan tinggi rendahnya pendapatan riil per kapita. Intensi pembangunan

ekonomi selain berguna untuk menaikkan pendapatan nasional riil, dapat pula

meningkatkan produktivitas. Pendapat Todaro dalam Sulistiawati (2012)

menyatakan bahwa pembangunan harus dilihat sebagai suatu proses

multidimensional yang mencakup berbagai perubahan mendasar atas struktur

sosial, sikap-sikap masyarakat dan institusi nasional, namun tetap mengejar

percepatan pertumbuhan ekonomi, penanganan ketimpangan pendapatan, serta

pengentasan kemiskinan. Pertumbuhan ekonomi merupakan proses dimana

terjadinya kenaikan produk nasional bruto riil atau pendapatan nasional riil.

Perekonomian dikatakan tumbuh atau berkembang jika terjadi pertumbuhan

output riil, sedangkan pembangunan ekonomi menunjukkan struktur output dan

alokasi input pada berbagai sektor perekonomian. Keynes dalam Sulistiawati

(2012) menitik beratkan kepada pentingnya permintaan agregat atau permintaan

efektif sebagai aspek utama penggerak perekonomian, dengan peranan penting

negara ataupun pihak swasta. Keynes memiliki anggapan bahwa pemerintah

sebagai agen independen yang mampu memberikan stimulasi perekonomian

melalui kerja publik. Kebijakan pemerintah yang bersifat ekspansioner dapat

29

menaikan ”permintaan efektif” apabila sumberdaya digunakan tanpa

mengorbankan konsumsi atau investasi. Disaat masa resesi, kenaikan pada

pengeluaran Pemerintah (G) akan meningkatkan konsumsi (C) dan investasi (I),

sehingga dapat menaikkan GDP (Y). Harrod-Domar dalam Sulistiawati (2012)

memperluas teori Keynes dengan membagi peranan kunci kepada investasi di

dalam proses pertumbuhan ekonomi, khususnya menyentuh karakter rangkap

yang dimiliki investasi. Pertama, investasi menjadikan pendapatan (merupakan

dampak dari permintaan investasi), dan kedua, investasi memperbesar kapasitas

produksi perekonomian dengan cara meningkatkan stok kapital (merupakan

dampak dari penawaran investasi). Solow dan Swan dalam Arsyad (2010)

kemudian mengoreksi teori Harrod-Domar dengan menunjukkan bahwa

pertumbuhan ekonomi didasarkan pada ketersediaan faktor-faktor produksi

(penduduk, tenaga kerja, dan akumulasi modal) dan tingkat kemajuan teknologi.

Asumsi yang digunakan yakni skala pengembalian yang konstan (constan return

to scale), substitusi antara modal (K) dan tenaga kerja (L) bersifat sempurna, dan

adanya produktivitas marjinal yang semakin menurun (diminishing marginal

productivity) dari tiap inputnya. Salah satu faktor positif yang memacu

pertumbuhan ekonomi adalah pertumbuhan penduduk dan pertumbuhan

angkatan kerja. Jumlah tenaga produktif dapat bertambah apabila jumlah tenaga

kerja dapat berkembang lebih besar, sedangkan pertumbuhan penduduk yang

lebih besar diartikan bahwa ukuran pasar domestiknya adalah besar. Menurut

Pressman dalam Sulistiawati (2012), pertumbuhan ekonomi dapat berjalan

dikarenakan terdapat proses mekanisasi dan pembagian kerja, selanjutnya

pembagian kerja akan membuat produktivitas pekerja meningkat. Pendapat

Todaro dalam Sulistiawati (2012) menyatakan model ekonomi ketenagakerjaan

yang berkaitan dengan investasi, pertumbuhan ekonomi dan penyerapan tenaga

kerja merupakan Model Makro Output-Kesempatan kerja (output-employment

macro model) yang memberikan fokus pada hubungan antara akumulasi modal,

pertumbuhan output industri, dan penciptaan lapangan kerja. Model

pertumbuhan tersebut memiliki perhatian utama pada kebijakan yang

diperuntukan guna meningkatkan output nasional melalui akumulasi modal.

Model ini menghubungkan tingkat penyediaan kesempatan kerja dengan tingkat

30

pertumbuhan GNP, sehingga model ini memberikan isyarat bahwa dengan

memaksimalkan pertumbuhan GNP, maka suatu negara dapat memaksimalkan

penyerapan tenaga kerja. Rosenstein-Rodan melalui teori Dorongan kuat (big

push theory) menyatakan bahwa arah industrialisasi yang cepat amat diperlukan

demi keberlangsungan pertumbuhan ekonomi yang berkesinambungan serta

dalam upaya untuk tercapainya keberhasilan pembangunan nasional

(Sulistiawati, 2012). Lewis dalam Sulistiawati (2012) membagi perekonomian

terbelakang dari 2 sektor, yakni sektor tradisional di pedesaan dan sektor industri

modern perkotaan yang lebih produktif dan dapat menampung lebih banyak

tenaga kerja dari sektor pertanian. Parameter utama model ini adalah pada

terjadinya proses pengalihan tenaga kerja dari desa ke kota serta pertumbuhan

produksi dan kesempatan kerja di sektor modern. Dapat dikatakan hampir

seluruh negara di dunia sepakat bahwa untuk mengindikasikan kesejahteraan

ekonomi suatu bangsa, parameter yang dilihat merupakan nilai produk nasional

bruto per kapita. Dalam hal ini semakin tinggi produk nasional bruto per kapita,

semakin makmur negara yang bersangkutan. Pertumbuhan ekonomi merupakan

prasyarat bagi suatu bangsa apabila menginginkan kesejahteraan yang

meningkat.

D. Indeks Pembangunan Manusia

Mengulik isi Human Development Report (HDR), pertama tahun 1990,

pembangunan manusia merupakan proses perluasa pilihan masyarakat. Pada

prinsipnya, pilihan manusia banyak bentuknya, beragam bentuknya dan dapat

berubah setiap saat. Namun, di seluruh level pembangunan, terdapat tiga pilihan

yang amat mendasar, yakni untuk berumur panjang dan hidup sehat, untuk

memperoleh pendidikan dan untuk memiliki akses terhadap sumber-sumber

kebutuhan agar dapat hidup secara layak. Apabila ketiga hal mendasar tersebut

tidak dimiliki, maka tidak dapat mengakses pilihan lain. (United Nation

Development Programme dalam BPS, 2014).

Selanjutnya UNDP dalam Human Development Report (2016)

mengemukakan bahwa pilihan manusia yang luas dapat dicapai melalui proses

pembangunan manusia. Selain itu, pembangunan manusia juga merupakan

31

tujuan (objective), sehingga merupakan bagian dari proses dan juga hasil akhir

yang akan dicapai. Pembangunan manusia mengandung makna bahwa

masyarakat harus mempengaruhi proses yang membentuk kehidupannya.

Terkait hal tersebut, pembangunan ekonomi memiliki makna yang penting bagi

pembangunan manusia. Pembangunan manusia merupakan peningkatan

kapabilitas manusia melalui partisipasi aktif dalam proses kehidupan. Hal

tersebut lebih besar dari pendekatan lainnya seperti pendekatan sumber daya

manusia (the human resource approach), pendekatan kebutuhan dasar (the basic

needs approach), dan pendekatan kesejahteraan masyarakat (the human welfare

approach).

Bakti et. al., (2014) mengemukakan bahwa patokan pembangunan

merupakan standar yang digunakan untuk mengukur prestasi pencapaian

pembangunan suatu negara, serta perbandingannya dengan negara-negara lain.

Evolusi yang terjadi pada arti economic development mengakibatkan tejadinya

evolusi pada alat ukurnya. Dalam paradigma tradisional, pembangunan ekonomi

disama-artikan dengan pertumbuhan ekonomi. Dengan demikian pertumbuhan

Gross National Product (GNP) digunakan sebagai parameter pembangunan.

Jumlah masyarakat negara yang bersangkutan belum termasuk kedalam

indikator tersebut. Maka parameter preferensi, yang ternyata umum digunakan

hingga kini adalah GNP per kapita.

Sementara BPS (2018) memiliki anggapan yakni Indeks Pembangunan

Manusia (IPM) mengukur capaian pembangunan manusia yang berbasis

sejumlah komponen dasar kualitas hidup. Sebagai ukuran kualitas hidup, IPM

dibentuk dengan pendekatan tiga dimensi dasar, yakni umur panjang dan sehat;

pengetahuan, dan kehidupan yang layak. Ketiga dimensi tersebut memiliki

pengertian yang amat luas dikarenakan terdapat keterkaitan dengan banyak

faktor. Agar dapat mengukur dimensi kesehatan, digunakan angka harapan

hidup waktu lahir. Selanjutnya gabungan indikator angka melek huruf dan rata-

rata lama sekolah digunakan untuk menakar sudut pandang pengetahuan. Akan

halnya untuk mengukur sudut pandang hidup layak, parameter yang digunakan

adalah kapasitas daya beli masyarakat terhadap sejumlah kebutuhan pokok yang

32

dilihat dari rata-rata besarnya pengeluaran per kapita sebagai pendekatan

pendapatan yang mewakili capaian pembangunan untuk hidup layak.

Banyak negara yang menerapkan strategi pembangunan dengan

menitikberatkan pada pertumbuhan ekonomi, termasuk di Indonesia. Tujuan

pembangunan ialah meningkatkan pertumbuhan ekonomi yang diukur dengan

indikator gross domestic product/gross national product (GDP/GNP). Dalam

hal ini, secara sadar maupun tidak, manusia bukan dijadikan sebagai sasaran

pertumbuhan, namun sebagai input dalam proses pertumbuhan ekonomi

(Ginting et al.,2008).

Adapun dalam mengukur keberhasilan dalam upaya membangun kualitas

hidup manusia (masyarakat/penduduk), IPM memiliki fungsi sebagai indikator

penting dalam hal tersebut. IPM dapat digunakan untuk memastikan peringkat

pembangunan suatu wilayah dan merupakan data strategis yang digunakan

sebagai salah satu alokator penentuan Dana Alokasi Umum (DAU) di Indonesia

(BPS, 2014)

Bahasan mengenai kesenjangan pembangunan, BPS (2014) memberikan

paparan bahwa disparitas pencapaian pembangunan antarwilayah bukanlah

masalah baru di Indonesia. Kompleksitas diberbagai faktor seperti sumberdaya

manusia, letak geografis, sejarah dan ketidakmerataan sumber daya alam

merupakan hal-hal yang kerap menjadi kendala dalam upaya menuju

konvergensi pembangunan. Oleh sebab itu, pemerataan pembangunan masih

menjadi agenda pokok pemerintah dalam Rencana Pembangunan Jangka

Menengah Nasional (RPJMN) 2014-2019. Paparan selanjutnya menyatakan

bahwa kesenjangan pembangunan antarwilayah dalam jangka panjang dapat

memberikan dampak pada kehidupan sosial masyarakat yang secara langsung

mempengaruhi pula kualitas manusianya. Oleh sebab itu, perbandingan

pencapaian pembangunan manusia antar wilayah menjadi sangat penting sebagai

dasar evaluasi pemerintah dalam perumusan kebijakan yang selanjutnya

digunakan dalam rangka peningkatan sumberdaya manusia.

1. Komponen Indeks Pembangunan Manusia

Menurut BPS Kabupaten Jawa Timur (2018), Indeks Pembangunan

Manusia (IPM) memiliki beberapa komponen, yakni:

33

a. Angka Harapan Hidup

Angka harapan hidup pada waktu lahir merupakan pada umumnya

memperkirakan banyak tahun yang dapat ditempuh oleh seseorang

selama hidup.

b. Angka Harapan Lama Sekolah

Angka harapan lama sekolah ialah lamanya sekolah (dalam tahun) yang

diharapkan akan berdampak oleh anak pada umur tertentu dimasa

mendatang.

c. Rata-rata Lama Sekolah

Rata-rata lama sekolah merupakan jumlah tahun yang dipakai oleh

populasi usia 15 tahun keatas dalam melaksanakan pendidikan formal.

d. Pengeluaran riil per Kapita yang disesuaikan

BPS dalam mengukur parameter hidup layak yang digunakan rata-rata

pengeluaran per kapita riil yang disesuaikan.

E. Review Studi Terdahulu

No. Penulis dan

tahun

Judul Variabel dan alat

analisis

Hasil Penelitian

1. Sussy Susanti

(2013)

Pengaruh

produk

domestik

regional bruto

Pengangguran,

dan Indeks

Pembangunan

Manusia

terhadap

Kemiskinan di

Jawa Barat

Variabel: PDRB,

Pengangguran, IPM,

Kemiskinan

Alat analisis: Data

Panel

Tingkat kemiskinan

memiliki hubungan

dengan PDRB,

Pengangguran dan

Indeks Pembangunan

Manusia. Secara parsial

PDRB dan

Pengangguran

mempunyai hubungan

positif yang artinya

apabila semakin tinggi

PDRB di suatu

kabupaten/kota akan

34

meningkatkan

kemiskinan begitupun

juga dengan

pengangguran.

Sementara secara

parsial Indeks

Pembangunan Manusia

memiliki hubungan

negatif yang artinya

apabila semakin tinggi

Indeks Pembangunan

Manusia di suatu

Kabupaten/Kota maka

akan menurunkan

kemiskinan.

2. Yoghi Citra

Pratama

(2014)

Analisis

Faktor-Faktor

yang

Mempengaruhi

Kemiskinan di

Indonesia.

Variabel: Tingkat

Pendapatan, Tingkat

Konsumsi, Tingkat

Inflasi, Indeks

Pembangunan

Manusia, Tingkat

Pendidikan, dan

Kemiskinan.

Alat Analisis: Multi

Regression.

Tingkat Pendapatan

memiliki hubungan

negatif dengan tingkat

kemiskinan yang artinya

semakin tinggi

pendapatan suatu daerah

maka akan menurunkan

tingkat kemiskinan,

akan tetapi variabel ini

tidak signifikan, Tingkat

Konsumsi memiliki

hubungan negatif

dengan tingkat

kemiskinan yang artinya

semakin tinggi tingkat

35

konsumsi seseorang

akan menurunkan

tingkat kemiskinan

seseorang dan variabel

ini signifikan.

Begitupun juga dengan

Indeks Pembangunan

Manusia memiliki

hubungan negatif

namun signifikan sama

dengan Tingkat

Konsumsi. Tingkat

inflasi juga memiliki

hubungan negatif dan

tidak signifikan, hanya

variabel Tingkat

Pendidikan yang

memiliki hubungan

positif namun tidak

siginifikan.

3. Made Kembar

Sri Budhi

(2013)

Analisis

Faktor-Faktor

yang

Berpengaruh

Terhadap

Pengentasan

Kemiskinan di

Bali

Variabel:Pendidikan,

Jumlah Penduduk,

PDRB,share industri,

dan kemiskinan

Alat Analisis: Fixed

Effect Model Data

Panel

Dari kelima variabel

independen hanya satu

variabel yang

berpengaruh tidak

signifikan artinya

pendidikan wajib

belajar 9 tahun belum

mampu mengentaskan

kemiskinan di Bali.

Selanjutnya jumlah

36

penduduk berpengaruh,

PDRB, dan share

industri pengolahan

justru meningkatkan

jumlah penduduk

miskin. Temuan-

Temuan seperti itu,

menunjukkan bahwa

kemiskinan tidak dapat

dihilangkan hanya

dengan meningkatkan

penduduk miskin

menamatkan

pendidikannya, dan

PDRB semata

4. Noor

Zuhdiyati dan

David kaluge

(2017)

Analisis

Faktor-Faktor

yang

Mempengaruhi

Kemiskinan di

Indonesia

Selama Lima

tahun Terakhir

(studi kasus 33

Provinsi).

Variabel: IPM,

Pertumbuhan

Ekonomi, Tingkat

Pengangguran

Terbuka (TPT),

Kemiskinan.

Alat Analisis:

pendekatan

kuantitatif dengan uji

regressi

Hasil penelitian

menunjukkan adanya

pengaruh antara IPM

dengan Kemiskinan,

sedangkan untuk

Pertumbuhan Ekonomi

dan TPT tidak memiliki

pengaruh dengan

Kemiskinan.

5. R Giovanni

(2018)

Analisis

Pengaruh

PDRB,

Pengangguran,

dan

Variabel: PDRB,

Pengangguran,

Pendidikan, dan

Kemiskinan.

Hasil Penelitian

menunjukkan bahwa

Pengangguran dan

Pendidikan tidak

berpengaruh terhadap

37

Pendidikan

Terhadap

Tingkat

Kemiskinan di

Pulau Jawa

2009-2016

Alat Analisis:

Regressi Data Panel

Kemiskinan. Sedangkan

PDRB berpengaruh

terhadap Kemiskinan.

6. Himawan

Yudistira

Dama, Agnes

L CH Lapian,

Jacline I

Summual

(2016)

Pengaruh

Produk

Domestik

Regional Bruto

(PDRB)

Terhadap

Tingkat

Kemiskinan di

Kota Manado

(Tahun 2005-

2014)

Variabel: PDRB dan

Kemiskinan

Alat Analisis:

Deskriptif kuantitatif

dan kualitatif

Hasil penelitian

menunjukkan bahwa

Produk Domestik

Regional Bruto (PDRB)

berpengaruh signifikan

terhadap Kemiskinan.

Untuk meningkatkan

peran pemerintah

daerah dalam mengelola

PDRB lebih baik

sehingga tingkat

kemiskinan di Kota

Manado menurun setiap

tahun.

7. I Kadek

Novita

Arshanti dan I

Gusti Ayu

Putu Wirathi

(2015)

Pengaruh

Investasi

Terhadap

Pengentasan

Kemiskinan

Melalui

Mediasi

Pertumbuhan

Variabel:

Pertumbuhan

Ekonomi, Investasi,

dan kemiskinan.

Alat Analisis:

Analisis Jalur (Path

Analysis)

Variabel Investasi

berpengaruh negatif

signifikan terhadap

Kemiskinan, secara

langsung variabel

Investasi berpengaruh

positif signifikan

terhadap Pertumbuhan

Ekonomi. Secara

38

Ekonomi

Provinsi Bali

langsung variabel

Pertumbuhan Ekonomi

berpengaruh negatif

signifikan terhadap

Kemiskinan dan

pengaruh Investasi

terhadap Kemiskinan

melalui Pertumbuhan

Ekonomi.

8. Nurul Amalia

Ulfa, Teguh

Hadi Priyono

dan

Sebastiana

Viphindrarti

(2015)

Pengaruh

PDRB (Produk

Domestik

Regional

Bruto) dan

PAD

(Pendapatan

Asli daerah)

Terhadap

Tingkat

Kemiskinan di

Satuan

Wilayah

Pengembangan

(SWP) IV

Jawa Timur

Variabel: PDRB,

PAD dan kemiskinan

Alat Analisis: Panel

data dengan

menggunakan Fixed

Effect Model

PDRB dan PAD

signifikan dengan arah

koefisien negatif

terhadap kemiskinan.

Hal ini menunjukkan

bahwa peningkatan

PDRB dan PAD akan

diikuti dengan adanya

penurunan Tingkat

Kemiskinan di Satuan

Wilayah Pengembangan

(SWP) IV Jawa Timur.

9. Yolanda

Pateda,

Vecky A.J.

Masinambow,

Pengaruh

Investasi,

Pertumbuhan

Ekonomi, dan

Variabel: investasi

Pertumbuhan

ekonomi,

pengeluaran

variabel Investasi

memiliki pengaruh

dengan Tingkat

Kemiskinan

39

Tri Oldy

Rotinsulu

(2016)

Pengeluaran

Pemerintah

Terhadap

Tingkat

Kemiskinan di

Gorontalo

pemerintah dan

kemiskinan

Alat Analisis: Data

Panel

pengaruhnya bersifat

negatif yang artinya jika

Investasi meningkat

maka Tingkat

Kemiskinan akan

berkurang.

Pertumbuhan Ekonomi

secara parsial

berpengaruh negatif

tetapi tidak berpengaruh

signifikan terhadap

Tingkat Kemiskinan di

Gorontalo. Pengeluaran

Pemerintah tidak

memiliki pengaruh

terhadap Tingkat

Kemiskinan di

Gorontalo.

10 Nita Tri

Hartini

(2017)

Pengaruh

PDRB Per

Kapita,

Investasi dan

IPM terhadap

Ketimpangan

Pendapatan

antar Daerah di

Provinsi DIY

Tahun 2011-

2015

Variabel : PDRB,

Investasi, IPM,

Pendapatan

Alat Analisis :

Regresi Data Panel

PDRB berpengaruh

positif dan signifikan

secara parsial dan

simultan terhadap

pendapatan daerah.

Investasi berpengaruh

negatif dan signifikan

secara parsial dan

simultan terhadap

pendapatan daerah.

IPM berpengaruh

negattif dan signifikan

40

secara parsial dan

simultan terhadap

pendapatan daerah.

11 Jason Morton,

Priniti

Panday,

Maria Kula,

Roger

Williams

Univeristy,

USA

International

Journal

(2010)

Remittances,

Poverty and

Economic

Growth

Remitenace,

Economic Growth,

Poverty

Penelitian ini

mempelajari hubungan

yang remitansi miliki

dengan pertumbuhan

ekonomi dan

kemiskinan. Kami

mengidentifikasi

negara-negara yang

mengalami hubungan

positif antara PDRB

emiten terhadap

kemiskinan dan

memeriksa kondisi

negara secara spesifik

yang dapat membuat

perbedaan potensial

dalam membuat

remitansi sebagai unsur

penting dalam

menghasilkan

pertumbuhan ekonomi

dan pengentasan

kemiskinan.

12 Suwandi,

Cendrawasih

University,

International

The Influence

of Economic

Growth on

Poverty,

Investment,

X: Economic

Growth

Y1: Investment

Kesimpulan pada

penelitian yang

dilakukan di Kabupaten

Fak-Fak Papua Barat.

Dapat disimpulkan

41

Journal

(2016)

and Humand

Development

Index in Fak,

Fak District,

West Papua

Indonesia

Y2: Poor

Y3: Human

Development Index

bahwa pertumbuhan

ekonomi memberikan

dampak langsung pada

IPM, tetapi memberikan

dampak tidak langsung

melalui peningkatan

investasi dan penurunan

kemiskinan. Namun

pada dasarnya

peningkatan investasi

juga menurunkan

tingkat kemiskinan.

13 Steph

Subanidja and

Eduardus

Suharto,

Journal

International

ISSN

The Dominant

Factors in the

Causes of

Poverty Level

in Indonesia

Variabel : Human

Development Index,

Education, and

Poverty

Fixed Effect Model

Human Development

Index mengindikasikan

memberikan dampak

yang dominan terhadap

tingkat kemiskinan.

Variabel HDI ini

memberikan efek untuk

mengurangi tingkat

kemiskinan di

indonesia.

14 Safdar

Hussain

Tahir, Nusrat

Perveen,

Ammara

Ismail, and

Hazoor M.

Sabir (2014)

Impact of GDP

Growth Rate

on Poverty of

Pakistan

Variabel : GDP

Growth rate and

Poverty

Dampak penurunan

PDB yang ada pada

negara pakistan mampu

memberikan efek buruk

terhadap negaranya.

Dampak tersebut

menjadikan banyaknya

pengangguran dan

kemiskinan meningkat

42

serta krisis sumber daya

alam diantaranya

kekurangan gas, tenaga

listrik dan inflasi yang

melonjak akibat

penurunan PDB

tersebut.

15 Sulistyowati

(2014)

The Effect of

Educational,

Health,

Infrastructure

Expenses on

the Workforce

Employment

and Poverty

Variabel :

Infrastructure,

Health, Educational,

Employment

Kemiskinan

dipengaruhi secara

signifikan oleh PDB

Agricultur yang mana

ketika peningkatan PDB

per kapita sebesar 10%

maka akan mengurangi

kemiskinan sebesar

15.95%.

F. Hubungan Antar Variabel

Dalam rumusan masalah telah ditetapkan akan melakukan penelitian

mengenai pengaruh PDRB, investasi dan Indeks Pembangunan Manusia di

Kabupaten/Kota Provinsi Jawa-Timur 2012-2016. Berdasarkan penelitian Sussy

Susanti (2013) sebelumnya, mengenai Pengaruh Produk Domestik Regional

Bruto, Pengangguran dan Indeks Pembangunan Manusia terhadap Kemiskinan

di Kabupaten/Kota di Provinsi Jawa Barat, terdapat hasil bahwa tingkat

kemiskinan memiliki hubungan positif dengan PDRB dan Pengangguran dan

IPM memiliki hubungan negatif terhadap kemiskinan di Kabupaten/Kota

Provinsi Jawa Barat. Kemudian, Ashanti dan Wirathi (2015) mengenai

Pengaruh Investasi Terhadap Pengentasan Kemiskinan Melalui Mediasi

Pertumbuhan Ekonomi Provinsi Bali. Mendapatkan hasil yang menunjukkan

secara langsung variabel Investasi berpengaruh negatif signifikan terhadap

Kemiskinan, secara langsung variabel Investasi berpengaruh positif signifikan

terhadap Pertumbuhan Ekonomi. Secara langsung variabel Pertumbuhan

43

Ekonomi berpengaruh negatif signifikan terhadap Kemiskinan dan pengaruh

Investasi terhadap Kemiskinan melalui Pertumbuhan Ekonomi.

Hal tersebut yang menjadi pertimbangan penulis untuk menggunakan

variabel Produk Domestik Regional Bruto (PDRB), Investasi (INV), dan Indeks

Pembangunan Manusia (IPM) sebagai Variabel Dependen dan Kemiskinan

(PVT) sebagai Variabel Independen. Diduga Kemiskinan dipengaruhi oleh

Produk Domestik Regional Bruto (PDRB), Investasi (INV), dan Indeks

Pembangunan Manusia (IPM). Sehingga dapat dibuat persamaan sebagai

berikut:

PVT = f (PDRB, INV, IPM)

Keterangan:

PVT = Kemiskinan

PDRB = Produk Domestik Regional Bruto

INV= Investasi

IPM= Indeks Pembangunan Manusia

1. Hubungan PDRB dengan Kemiskinan

Pertumbuhan ekonomi merupakan kunci dari penurunan kemiskinan di

suatu wilayah. Dengan pertumbuhan ekonomi yang meningkat di tiap-tiap

provinsi memberikan indikasi bahwa pemerintah mampu meningkatkan

kesejahteraan masyarakatnya, sehingga dapat mengurangi tingkat kemiskinan.

Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator

tingkat pertumbuhan ekonomi di suatu wilayah yang merupakan nilai bersih

barang dan jasa–jasa akhir yang dihasilkan dari berbagai kegiatan ekonomi pada

suatu periode disuatu daerah (Hadi Sasana, 2006). Tingginya PDRB suatu

daerah, akan mempengaruhi besaran potensi sumber penerimaan daerah

tersebut. Secara realita, PDRB mempunyai pengaruh terhadap jumlah angkatan

kerja yang bekerja dengan asumsi apabila nilai PDRB meningkat, maka jumlah

nilai tambah output dalam seluruh unit ekonomi di suatu wilayah akan

meningkat. Output yang jumlahnya meningkat tersebut akan menyebabkan

terjadinya peningkatan terhadap jumlah penyerapan tenaga kerja yang diminta

(pengangguran menurun) dan dapat menurunkan angka kemiskinan.

44

2. Hubungan Investasi dengan Kemiskinan

Pada hakikatnya konsep lingkaran kemiskinan memiliki anggapan bahwa:

ketidakmampuan untuk mengerahkan tabungan yang cukup, memiliki

kekurangan faktor pendorong untuk kegiatan penanaman modal, dan tingkat

pendidikan dan keahlian masyarakat yang relatif masih rendah, merupakan tiga

faktor utama yang menghambat proses pembentukan modal dan pembangunan

ekonomi diberbagai negara NSB. (Meier dan Baldwin dalam Arsyad, 2016).

Besarnya investasi yang masuk akan memberikan dorongan yang kuat terhadap

pencapaian pertumbuhan ekonomi yang tinggi dan menurunkan tingkat

kemiskinan. (Arshanti dan Wirathi, 2015).

Investasi (modal), kemiskinan dan pertumbuhan ekonomi saling memiliki

keterkaitan. Pemerintah mengalami kesulitan yang sama dalam menciptakan

lapangan kerja baru dan lapangan pekerjaan bagi penduduk miskin tanpa

pertumbuhan ekonomi yang tinggi atau jika hanya ditopang dengan kegiatan

produksi yang membutuhkan tenaga kerja luaran pendidikan tinggi, yang dimana

mayoritas masyarakat miskin adalah luaran pendidikan dasar (SD) atau bahkan

tidak tamat (SD). (Pateda et al, 2016)

3. Hubungan IPM dengan kemiskinan

Meier dan Baldwin dalam Arsyad (2016) mengemukakan suatu konsep

lingkaran kemiskinan yang sedikit berbeda. Lingkaran kemiskinan timbul dari

hubungan yang saling mempengaruhi antara kondisi masyarakat terbelakang

(tradisional) dan kekayaan alam yang sepenuhnya belum dimanfaatkan. Untuk

mengembangkan kekayaan alam yang dimiliki, suatu masyarakat harus memiliki

tenaga kerja yang ahli dalam memimpin dan melaksanakan berbagai macam

kegiatan ekonomi. Di NSB, kekayaan alam belum sepenuhnya diusahakan dan

dikembangkan karena tiga alasan yaitu: (1) tingkat pendidikan masyarakat yang

masih relatif rendah, (2) tidak tercukupinya tenaga ahli yang diperlukan, dan (3)

terbatasnya mobilitas dari sumberdaya yang dimiliki.

45

G. Kerangka Pemikiran

Penulis mengemukakan penelitian ini dengan variabel PDRB sebagai (X1),

variabel Investasi (X2), dan IPM yang akan mempengaruhi variabel Kemiskinan

di Provinsi Jawa Timur sebagai variabel (Y).

Penelitian ini mencari pengaruh dan hubungan antara variabel bebas dengan

variabel terkait dimana variabel dependent-nya adalah Kemiskinan di Provinsi

Jawa Timur yang hendak di prediksi oleh adanya pengaruh variabel-variabel

independent yang terdiri dari PDRB, Investasi dan IPM, diprediksi mempunyai

pengaruh yang positif terhadap variabel dependent. Dengan demikian dapat

dirumuskan kerangka berpikir penelitian sebagai berikut :

46

Analisis Pengaruh PDRB,

Investasi dan Indeks

Pembangunan Manusia

terhadap Kemiskinan di

Provinsi Jawa Timur

(Periode Tahun 2012-2016)

Teori tentang

PDRB, Investasi, IPM dan

Kemiskinan

Variabel Independen

-PDRB (X1)

-Investasi (X2)

-Indeks Pembangunan Manusia

Variabel Dependen

Kemiskinan (Y)

Alat Analisis

Panel data

Pemilihan Model

1. Uji Hausman

2. Uji Chow

Pemilihan Model

Uji Regresi Data Panel

Gambar 2.1: Kerangka Berfikir

47

H. Hipotesis Penelitian

Dengan mengacu pada pemikiran dasar teoritis dan studi empiris yang

pernah dilakukan dengan penelitian di bidang ini, maka dapat dirumuskan

hipotesis, sebagai berikut:

1. H0 : Diduga tidak terdapat pengaruh PDRB secara parsial terhadap

Kemiskinan di Kabupaten/Kota Provinsi Jawa Timur periode 2012-

2016.

H1: Diduga terdapat pengaruh PDRB secara parsial terhadap

kemiskinan di Kabupaten/Kota Provinsi Jawa Timur periode 2012-

2016.

2. H0 : Diduga tidak terdapat pengaruh Investasi secara parsial terhadap

Kemiskinan di Kabupaten/Kota Provinsi Jawa Timur periode 2012-

2016

H1: Diduga terdapat pengaruh Investasi secara parsial terhadap

kemiskinan di Kabupaten/Kota Provinsi Jawa Timur periode 2012-

2016.

3. H0 : Diduga tidak terdapat pengaruh Indeks Pembangunan Manusia

secara parsial terhadap Kemiskinan di Kabupaten/Kota Provinsi Jawa

Timur periode 2012-2016

H1: Diduga terdapat pengaruh Investasi secara parsial terhadap

kemiskinan di Kabupaten/Kota Provinsi Jawa Timur periode 2012-

2016.

4. H0 : Diduga tidak terdapat pengaruh PDRB, Investasi dan Indeks

Pembangunan Manusia secara simultan terhadap Kemiskinan di

Kabupaten/Kota Provinsi Jawa Timur periode 2012-2016

H1: Diduga terdapat pengaruh PDRB, Investasi dan Indeks

Pembangunan Manusia secara simultan terhadap kemiskinan di

Kabupaten/Kota Provinsi Jawa Timur periode 2012-2016.

48

BAB III

METODOLOGI PENELITIAN

Pada bab ini akan dipaparkan sejumlah hal yang berkaitan dengan langkah-

langkah sistematis yang akan digunakan dalam menjawab pertanyaan penelitian.

Langkah – langkah yang digunakan dalam menjawab pertanyaan penelitian

tersebut adalah metodologi penelitian. Maka dari itu, diperlulan beberapa hal

sebagai berikut ini yaitu pengumpulan data penelitian, penjelasan objek

penelitian, metode penelitian serta analisis data.

A. Ruang Lingkup Penelitian

Berdasarkan pengungkapan latar belakang yang telah dikemumakakan

didalam bab sebelumnya, maka peneliti memiliki ketertarikan untuk melakukan

penelitian mengenai analisis pengaruh PDRB, Investasi dan Indeks

Pembangunan Manusia terhadap Kemiskinan di Provinsi Jawa Timur. Periode

data yang diteliti adalah di mulai pada tahun 2012 sampai dengan tahun teliti

2016. Dalam periode tahun 2012 merupakan periode pertumbuhan ekonomi

yang telah tercapai namun belum mampu untuk mengatasi masalah yang timbul

akibat belum meratanya pembangunan, serta bahkan di beberapa daerah

pertumbuhan ekonomi terjadi secara lambat. Daerah itu belum ataupun tidak

mengalami perkembangan dan kemauan yang sama. Disebabkan oleh minimnya

sumberdaya yang dimiliki. Lebih lanjut adanya distribusi investasi yang tidak

merata di beberapa daerah, Indeks Pemabngunan Manusia yang timpang antar

daerah, secara keseluruhan akan mempengaruhi tingkat Kemiskinan dan

ketimpangan pendapatan antar daerah tersebut.

B. Variabel Penelitian

Variabel penelitian adalah karakter, ciri atau kualitas dari individu, obyek

atau kegiatan yang memiliki variasi tertentu yang diputuskan oleh peneliti untuk

dipelajari,dipahami dan selanjutnya dapat ditarik kesimpulan (Sugiyono: 2012).

Variabel di dalam penelitian ini ialah sebagai berikut :

49

1. Variabel bebas ialah variabel yang menjadi sebab perubahan dari

variabel terikat. Variabel bebas dalam penelitian ini adalah PDRB (X1),

Investasi (X2) dan Indeks Pembangunan Manusia (X3).

2. Variabel terikat atau variabel dependen ialah variabel yang dipengaruhi

atau akibat dari adanya variabel bebas. Simbol dari variabel terikat yaitu

Y. Variabel terikat dalam penelitian ini adalah Kemiskinan (Y).

C. Definisi Operasional Variabel

Dibawah ini merupakan tabel mendefinisikan suatu variabel yang dipakai

peneliti untuk melakukan penelitian:

Tabel 3.1

Definisi Operasional Variabel

Variabel Definisi Teori Sumber

Produk

Domestik

Regional

Bruto (X1)

PDRB adalah salah satu parameter yang

mengungkapkan meningkatnya angka pertumbuhan

ekonomi dan dapat digunakan untuk menilai atau

mengukur sampai sejauh mana kesuksesan

pembangunan di satu wilayah pada periode tertentu dan

menjadi indikator dalam memutuskan apa saja yang

dijadikan kebijaksanaan pembangunan di masa

mendatang.

Kairupan,

2013

Investasi (X2) Investasi bisa juga dimaksud sebagai pengeluaran atau

belanja dalam penanam-penanam modal atau

perusahaan untuk memenuhi kecukupan barang-barang

modal dan perlengkapan memproduksi barang-barang

dan jasa yang memang tersedia di dalam roda

perekonomian.

Sulistiawati,

2012

50

Indeks

Pembangunan

Manusia (X3)

Sebagai tolak ukur kualitas hidup, IPM dibentuk di

dalam pendekatan tiga dimensi dasar. Dimensi itu

mencakup lamanya hidup, Pendidikan dan wawasan

luas, serta pola hidup yang sehat dan layak. Ketiga

dimensi ini memiliki makna yang sangat luas

dikarenakan terkait banyak ciri. Untuk menakar dimensi

kesehatan dapat digunakan Angka Harapan Hidup

sewaktu lahir. Lebih lanjut untuk menakar dimensi

Pendidikan dapat dipakai parameter Angkat Melek

Huruf dan Rata-Rata Lama Sekolah. Terakhir untuk

menakar dimensi pola hidup sehat dan layak dapat

digunakan parameter kemampuan Daya Beli

Masyarakat.

BPS, 2018

Kemiskinan

(Y)

minimnya sumberdaya yang dimiliki dapat digunakan Suryawati,

2005

D. Jenis Penelitian

Penelitian ini menggunakan data sekunder yakni data yang diperoleh dari

hasil pengolahan pihak kedua atau data yang diperoleh dari hasil publikasi pihak

lain. Data sekunder yang digunakan dalam penelitian ini adalah data panel, ialah

penggabungan dari data silang tempat (cross section) dan data deret waktu (time

series) dari tahun 2012-2016. Adapun data yang diperlukan dalam penelitian ini

antara lain :

1. Tingkat Kemiskinan semua Kabupaten/Kota di Jawa Timur pada tahun

2012-2016;

2. PDRB atas dasar harga konstan di Kabupaten/Kota di Jawa Timur pada

periode tahun 2012-2016;

3. Investasi di masing-masing Kabupaten/Kota di Jawa Timurpada tahun

2012-2016;

4. Indeks Pembangunan Manusia di masing-masing Kabupaten/Kota di

Jawa Timur pada tahun 2012-2016.

51

E. Teknik Pengumpulan Data

Pendapat Muhammad Teguh mengatakan bahwa pengumpulan data

merupakan langkah penting yang harus dilakukan dalam kegiatan penelitian

sebelum sampai kepada konklusi. Data yang digunakan pada penelitian ini

adalah data sekunder, yakni jenis data yang diperoleh serta digali melalui hasil

pengolahan pihak kedua dari hasil penelitian lapangan, baik berupa data

kuantitatif maupun data kualitatif (Teguh: 2010).

F. Metode Analisis Data

1. Model Empirik

Model yang digunakan untuk menganalisis pengaruh PDRB, Investasi,

Indeks Pembangunan Manusia terhadap tingkat Kemiskinan di

Indonesia dengan spesifikasi model :

Y = + 1 X1 + 2 X2 + 3 X3 +

Persamaan tersebut kemudian ditransformasi kedalam bentuk model

logaritma natural. Kemudian, persamaan model penelitian ini adalah

sebagi beikut:

Ln_Pov = 0 + 1 Ln_PDRB + 2 Ln_Inv + 3 Ln_IPM +

Poverty = Tingkat Kemiskinan

PDRB = Produk Domestik Regional Bruto

Inv = Investasi

IPM = Indeks Pembangunan Manusia

2. Uji Spesifikasi Model

a. Metode Data Panel

Data Panel ialah gabungan antara data lintas waktu (time series)

dan data lintas individu (cross section), dimana unit cross section) yang

dsama diukur pada waktu yang berbeda. Analisis data panel digunakan

52

untuk mengamati hubungan antara satu variabel terikat (dependent

variable) dengan satu atau lebih variabel bebas (independent variable).

Terdapat banyak keunggulan pada penggunaan data panel, baik

secara statistik maupun teori ekonomi, diantaranya: (Gujarati, 2003):

1) Dapat memperhitungkan heterogenitas individu secara

eksplisit dengan mengizinkan variabel spesifik individu

sehingga data panel dapat digunakan untuk menguji dan

membangun model perilaku yang lebih kompleks.

2) Apabila efek spesifik adalah signifikan berkorelasi dengan

variabel penjelas lainnya, maka penggunaan data panel akan

mengurangi masalah omitted variables secara substansial.

3) Data panel didasarkan pada observasi cross section yang

berulang sehingga metode data panel tepat digunakan untuk

atudy of dynamic adjustment.

4) Jumlah observasi yang tinggi berimplikasi pada data yang

lebih informatif, lebih variatif, kolinearitas antar variabel yang

semakin berkurang, dan peningkatan derajat kebebasan

sehingga hasil estimasi yang lebih efisien dapat diperoleh.

Keunggulan-keunggulan tersebut berimplikasi pada tidak

diperlukannya pengujian asumsi klasik dalam metode data panel, sesuai

apa yang ada dalam beberapa literatur yang digunakan dalam penelitian

ini.

b. Uji Chow

Uji spesifikasi bertujuan menentukan model analisis data panel yang

akan digunakan. Penggunaan Uji Chow bertujuan guna memilih model

yang sebaiknya digunakan antara fixed effect dan common effect,

dengan hipotesis sebagai berikut:

H0 : Common Effect

H1 : Fixed Effect

Jika hasil uji spesifikasi ini menunjukkan probabilitas Chi-square lebih

dari 0,05 maka model yang dipilih adalah common effect. Namun

53

sebaliknya, apabila probabilitas Chi-square kurang dari 0,05 maka

model yang sebaiknya dipakai adalah fixed effect. Ketika model yang

terpilih adalah fixed effect, maka diperlukan pengujian kembali, yakni

uji Hausmann yang bertujuan guna mengetahui apakah sebaiknya

menggunakan fixed effect model (FEM) atau random effect model

(REM).

3. Uji Regresi Linier Berganda

Penelitian ini menggunakan metode analisis statistik dengan teknik

analisis regresi berganda. Regresi berganda memiliki tujuan guna

menghitung besarnya pengaruh dua variabel bebas atau lebih terhadap satu

variabel terikat dan memprediksi variabel terikat menggunakan dua variabel

bebas atau lebih (Rochaety 2009:142).

a. Adjusted R Square (R2)

Koefisien determinasi yang dinotasikan dengan R2, merupakan

suatu ukuran yang penting dalam regresi, karena dapat

menginformasikan baik atau tidaknya model regresi yang terestimasi.

Sehingga dengan kata lain, angka tersebut dapat mengukur seberapa

dekat garis regresi yang terestimasi dengan data sesungguhnya.

(Nachrowi &Usman, 2006:20).

Pada intinya, Koefisien determinasi (R2) mengukur sejauh mana

kemampuan model dalam menerangkan variasi variabel dependen.

Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang

kecil dapat memberikan arti bahwa kemampuan variabel-variabel

independent dalam menjelaskan variasi variabel dependen amat

terbatas nilai yang mendekati satu berarti variabel-variabel independen

memberikan hampir seluruh informasi variabel dependen. Pada

umumnya, koefisien determinasi untuk data silang (crossection) relatif

rendah dikarenakan terdapat variasi yang besar antara tiap-tiap

pengamatan, sedangkan data runut waktu (time series) umumnya

memiliki nilai koefisien determinasi tinggi (Ghazali, 2009: 96).

54

Penggunaan koefisien determinasi juga memiliki kelemahan

mendasar, yakni bias terhadap jumlah variabel independen yang

dimasukkan kedalam model. Setiap tambahan satu variabel

independen, maka R2 pasti meningkat tanpa peduli pengaruh signifikan

terhadap variabel dependen. Oleh karena itu banyak peneliti yang

menganjurkan untuk menggunakan nilai Adjusted R2 pada saat

melakukan evaluasi terkait model regresi yang terbaik. Berbeda dengan

R2, apabila satu variabel independen ditambahkan kedalam model,

maka nilai Adjusted R2 dapat naik ataupun turun (Ghazali, 2012:97).

b. Uji Simultan (Uji F)

Uji hipotesis digunakan untuk memeriksa atau menguji apakah

kefisien regresi yang didapat signifikan (berbeda nyata). Yang

dimaksudkan dari signifikan ini adalah suatu nilai koefisien regresi

yang secara statistik tidak sama dengan nol. Apabila koefisien slope

sama dengan nol, maka dapat dikatakan bahwa tidak memiliki bukti

yang cukup untuk menyatakan bahwa variabel bebas memiliki

pengaruh terhadap variabel terikat. Untuk kepentingan tersebut, maka

seluruh koefisien regresi harus diuji. Terdapat dua jenis uji terhadap

koefisien regresi, yakni uji F dan uji t (Nachrowi & Usman, 2006: 16).

Pada dasarnya, uji statistik F menunjukkan apakah semua variabel

independen atau bebas yang dimaksukkan dalam model memiliki

pengaruh secara bersama-sama terhadap variabel dependen/terikat

(Ghazali, 2012: 98).

Pengambilan keputusan didasarkan pada tingkat probabilitas

signifikansi. Apabila probabilitas signifikansi > 0.05, maka H0 diterima

dan apabila probabilitas signifikansi < 0.05, maka H0 ditolak. Selain

itu, pengambilan keputusan dilakukan pula dengan membandingkan

nilai F tabel dengan F hitungnya. Nilai F tabel di dapat dari rumus :

Uji F = (df(n-k-1))

55

Dengan artian n = jumlah sampel dan k = jumlah variabel bebas.

Apabila F hitung > F tabel, maka H0 ditolak dan sebaliknya jika F

hitung < F tabel maka H0 diterima. (Nachrowi & Usman, 2006:18).

c. Uji Parsial (Uji t)

Pada dasarnya, uji t menunjukkan seberapa jauh pengaruh yang

diberikan satu variabel penjelas/independen secara individual dalam

menerangkan variasi variabel dependen. (Ghazali, 2012:98).

Pengambilan keputusan didasarkan pada tingkat signifikan (Rodoni,

2005:90), yakni:

1) Apabila probabilitas signifkan > taraf signifikansi 0.05, maka

H0 diterima dan H1 ditolak, berarti bahwa suatu variabel

independen tidak berpengaruh secara signifikan terhadap

variabel dependen.

2) Apabila probabilitas signifikan < taraf signifikansi 0.05, maka

H0 ditolak dan H1 diterima, berarti bahwa suatu variabel

independen berpengaruh secara signifikan terhadap variabel

dependen.

56

BAB IV

ANALISIS DATA DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

Jawa Timur adalah sebuah provinsi di bagian timur Pulau Jawa, Indonesia.,

dengan ibukota yang terletak di Surabaya. Memiliki luas wilayah 47.922 km²,

dan memiliki jumlah penduduk 42.030.633 jiwa (Sensus 2017). Jawa Timur

memiliki wilayah terluas diantara 6 provinsi di Pulau Jawa, serta memiliki

jumlah penduduk terbanyak kedua di Indonesia setelah Jawa Barat. Letak

geografis Jawa Timur berbatasan dengan Laut Jawa di bagian utara, Selat Bali

di bagian timur, Samudra Hindia di bagian selatan, serta Provinsi Jawa Tengah

di bagian barat. Pulau Madura, Pulau Bawean, Pulau Kangean serta sejumlah

pulau-pulau kecil di Laut Jawa (Kepulauan Masalembu), dan Samudera Hindia

(Pulau Sempu, dan Nusa Barung) juga termasuk dalam lingkup wilayah Jawa

Timur.

Jawa Timur yang memiliki signifikansi perekonomian cukup tinggi dikenal

sebagai pusat Kawasan Timur Indonesia. Sama seperti provinsi lainnya yang ada

di Indonesia, Jawa Timur juga memiliki banyak tempat wisata populer di

Indonesia bahkan mancanegara, contohnya Gunung Bromo, Gunung Semeru,

kawasan wisata kota Malang dengan kota Batu sebagai pusatnya yang terkenal

dengan udaranya yang sejuk, air terjun Madakaripura di Probolinggo, Taman

Safari Indonesia 2 di Pasuruan, dan Situs Trowulan yang berada di Mojokerto.

Provinsi Jawa Timur berkontribusi 14,85% terhadap Produk Domestik Bruto

nasional. Berikut adalah luas wilayah masing-masing kabupaten/kota di Provinsi

Jawa Timur dapat dilihat pada gambar peta dan tabel dibawah :

57

Gambar 4.1

Peta Informasi Provinsi Jawa Timur

*Sumber : Wikipedia

58

Tabel 4.1

Luas Wilayah Provinsi Jawa Timur/km2

Dari tabel tersebut, dapat dilihat bahwa terdapat kabupaten Banyuwangi

yang mendominasi wilayah di provinsi Jawa Timur, dengan luas sekitar 5782,30

km2. Kabupaten kedua yang terluas di provinsi Jawa Timur adalah kabupaten

Malang luas sekitar 3530,65 km2 . Sementara untuk kabupaten terluas ketiga di

provinsi Jawa Timur adalah kabupaten Jember dengan luas sekitar 3092,34 km2.

Untuk ibukota provinsi Jawa Timur yakni kota Surabaya hanya dengan luas

sekitar 350,34 km2, dan luas wilayah terkecil pada provinsi Jawa Timur adalah

kota Madiun dengan luas sekitar hanya 33,92 km2.

B. Analisis Deskriptif

Statistik deskriptif digunakan guna menggambarkan suatu data secara

statistik. Untuk menginterpretasikan hasil statistik deskriptif dari PDRB,

Investasi, dan IPM dapat dilihat dari pergerakan variabel penelitian di bawah ini:

Nama Kota

Luas

Wilayah Nama Kota

Luas

Wilayah Nama Kota

Luas

Wilayah Nama Kota

Luas

Wilayah

Pacitan 1389,92 Madiun 1037,58 Banyuwangi 5782,40 Pamekasan 792,24

Ponorogo 1305,70 Magetan 688,84 Bondowoso 1525,97 Sumenep 1998,54

Trenggalek 1147,22 Ngawi 1295,98 Situbondo 1669,87 Kota Kediri 63,40

Tulungagung 1055,65 Bojonegoro 2198,79 Probolinggo 1696,21 Kota Blitar 145,28

Blitar 1336,48 Tuban 1834,15 Pasuruan 1474,02 Malang 56,67

Kediri 1386,05 Lamongan 1782,05 Sidoarjo 634,38

Kota

Probolinggo 35,29

Malang 3530,65 Gresik 1191,25 Mojokerto 717,83 Kota Mojokerto 16,47

Lumajang 1790,90 Bangkalan 1001,44 Jombang 1115,09 Kota Madiun 33,92

Jember 3092,34 Sampang 1233,08 Nganjuk 1224,25 Kota Surabaya 350,54

Madiun 1037,58 Kota Batu 136,74

59

1. Tingkat Kemisikinan di Provinsi Jawa Timur

Gambar 4.2

Data Tingkat Kemiskinan

Dilihat dari gambar di atas bahwa data tingkat kemiskinan yang ada di

Provinsi Jawa Timur dari tahun 2010-2016 mengalami penurunan yang

signifikan. Tercatat pada tahun 2010 tingkat kemiskinan di Provinsi Jawa Timur

sebesar 15.26%. Sementara pada tahun 2011 sebesar 14.23%, dan akhirnya

menurun secara drastis pada tahun 2012 sebesar 9%. Kemudian pada tahun 2013

tingkat kemiskinan di Provinsi Jawa Timur menjadi 8.7% dan sempat

mengalami stuck di 2014-2015 sebesar 8.3% serta pada tahun 2016 tingkat

kemiskinan di Provinsi Jawa Timur mengalami penurunan kembali sebesar 8%.

Dapat disimpulkan dari data di atas bahwa dari tahun ke tahun tingkat

kemiskinan selalu mengalami penurunan. Artinya, pemerintah Provinsi Jawa

Timur berhasil mengentaskan kemiskinan seiring berjalannya waktu. Salah satu

kemiskinan tertinggi dialami oleh Kabupaten Sampang, karena dinilai menjadi

daerah paling tertinggal di Provinsi Jawa Timur.

3.4

8

3.7

5

3.7

3.6 4 3.7

7

3.7

5

11

.27

10

.65

8.7

8.6

8.4 8.5

7.6

16

.56

15

.76

13

.3

12

.7

12

.09

11

.7

11

.41

16

.83

16

.08

13

.1

13

.6

13

.6

12

.7

11

.7

15

.26

14

.23

9 8.7

8.3

8.3

8

7.1

6

6.3

2

4.4 5 4.7 5.0

7

5

2 0 1 0 2 0 1 1 2 0 1 2 2 0 1 3 2 0 1 4 2 0 1 5 2 0 1 6

DATA TINGKAT KEMISKINAN

DKI Jakarta Jawa Barat Jawa Tengah D.I.Yogyakarta Jawa Timur Banten

60

2. Produk Regional Domestik Bruto di Provinsi Jawa Timur

Gambar 4.3

Data PDRB

Dari gambar diatas menerangkan bahwa PDRB tertinggi pada tahun 2010

diraih oleh Provinsi DKI Jakarta sebesar 9.71% sementara tertinggi kedua diraih

oleh Provinsi Jawa Timur dengan persentase sebesar 7.89% dan yang terendah

terdapat pada Provinsi D.I Yogyakarta sebesar 4.32%. PDRB merupakan salah

satu faktor untuk melihat keberhasilan pembangunan disuatu daerah atau disuatu

wilayah. Dengan adanya pertumbuhan ekonomi yang tinggi menunjukkan

aktivitas barang dan jasa yang dihasilkan pun tinggi, terbukti pada tahun 2016

Provinsi Jawa Timur menempatkan urutan pertama PDRB tertinggi di Pulau

Jawa sebesar 8.94 sementara DKI Jakarta menurun menjadi 8.38 dan yang paling

rendah Provinsi Banten sebesar 5.7%.

61

3. Investasi

Gambar 4.4

Data Investasi

Dari gambar diatas disebutkan bahwa pada tahun 2012 Provinsi yang

paling berpotensi mendapatkan Investasi terbanyak ada pada Provinsi Jawa

Timur, sedangkan yang terendah terdapat pada Provinsi D.I Yogyakarta.

Sementara pada tahun 2016 tercatat bahwa Provinsi Jawa Timur merupakan

wilayah paling berpotensi untuk berkembang, dapat dilihat bahwa sebesar

289 T yang tercatat dalam data ini menunjukkan bahwa beberapa faktor yang

diperkirakan mendukung tingginya investasi di daerah ini antara lain adanya

potensi pasar yang cukup luas sejalan dengan besarnya jumlah penduduk di

wilayah tersebut serta sumberdaya ekonomi.

72 1

25

78

6

28

9

66

15

6 23

2

14

5

15

43

7

10

016

7

33

0

18

3

15

43

8

13

1

51

6

10

57

92

6

59

67

5

42

7

72 1

25

78

6

28

9

66

D K I J A K A R T A J A W A B A R A T J A W A T E N G A H

D . I . Y O G Y A K A R T A

J A W A T I M U R B A N T E N

INVESTASI DI PULAU JAWA

2012 2013 2014 2015 2016

62

4. Tingkat Indeks Pembangunan Manusia

Gambar 4.5

Data IPM

Dari gambar data Indeks Pembangunan Manusia diatas pada tahun 2010

tercatat bahwa DKI Jakarta menempati urutan pertama sebagai IPM terbesar,

sementara D.I Yogyakarta menempati urutan kedua dan Provinsi Jawa Timur

menempati urutan terakhir. Data ini sesuai dan berhubungan dengan tingkat

kemiskinan yang ada di Provinsi Jawa Timur yang telah peneliti bahas

sebelumnya bahwa terbukti pada tahun 2010 kualitas IPM yang ada di Provinsi

Jawa Timur masih sangat rendah dibandingkan dengan provinsi lain yang ada di

Pulau Jawa. Sementara pada tahun 2016 IPM meningkat di Provinsi Jawa Timur

sebesar 69.74%, ini artinya ada peningkatan dari tahun-tahun sebelumnya.

76

.31

76

.98

77

.53

78

.08

78

.39

78

.99

79

.6

66

.15

66

.67

67

.32

68

.25

68

.8

69

.05

70

.05

66

.08

66

.64

67

.21

68

.02

68

.78

69

.49

69

.9875

.37

75

.93

76

.15

76

.44

76

.81

77

.59

78

.38

65

.36

66

.06

66

.74

67

.55

68

.14

68

.95

69

.74

67

.54

68

.22

68

.92

69

.47

69

.89

70

.29

70

.96

2 0 1 0 2 0 1 1 2 0 1 2 2 0 1 3 2 0 1 4 2 0 1 5 2 0 1 6

IPM

DKI Jakarta Jawa Barat Jawa Tengah D.I.Yogyakarta Jawa Timur Banten

63

C. Model Regresi Data Panel

Regresi data panel memiliki gabungan karakteristik data yang terdiri dari

cross section (data silang) dengan time series (runtut waktu). Regresi data panel

dapat dilakukan dengan tiga model, yakni Common Effect Model (CEM), Fixed

Effect Model (FEM), dan Random Effect Model (REM). Pemilihan model

tergantung pada asumsi yang peneliti gunakan dan pemenuhan syarat-syarat

pengolahan data statistik yang benar sehingga dapat dipertanggungjawabkan

secara statistik.

Dibawah ini merupakan analisa pemilihan model untuk pemenuhan

persyaratan pengolahan data statistik sebagai berikut :

a. Uji Chow

Uji Chow bertujuan untuk memilih model terbaik antara Common

Effect Model dengan Fixed Effect Model. Nilai yang harus diperhatikan pada

uji chow adalah nilai probabilitas dari F-Statistic. Hipotesis yang digunakan

dalam uji chow adalah sebagai berikut :

H0 : Common Effect Model (CEM)

H1 : Fixed Effect Model (FEM)

Jika nilai probabilits F-statistik lebih kecil dari tingkat signifikansi

(5%), maka H0 ditolak Ha diterima. Begitu pula sebaliknya jika nilai

probabilitas F-statistik lebih besar dari tingkat signifikansi (5%), maka H0

diterima H1 ditolak.

Tabel 4.2

Hasil Uji Chow

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 1231.27403 (37,149) 0.0000

*Sumber data yang telah diolah menggunakan Eviews 9.0

64

Hasil Uji Chow menunjukkan nilai probabilitas F-statistik model sebesar

0.000 < 0.05 maka H0 ditolak Ha diterima. Maka dapat disimpulkan bahwa

metode yang tepat untuk digunakan adalah Fixed Effect Model.

b. Fixed Effect Model

Pada Fixed Effect Model, perbedaan antar individua tau waktu

terakomodasi melalui error. Teknik ini juga memperhitungkan bahwa error

memiliki kemungkinan berkorelasi sepanjang time series dan cross section

(Suliyanto, 2011).

Berikut adalah hasil data Fixed Effect Model yang telah diolah

menggunakan software SPSS 9.0.

Tabel 4.3

Regresi Data Panel Fixed Effect Model

Dependent Variable: POV?

Method: Pooled EGLS (Cross-section weights)

Date: 02/26/19 Time: 22:26

Sample: 1 5

Included observations: 5

Cross-sections included: 38

Total pool (balanced) observations: 190

Linear estimation after one-step weighting matrix

Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

C 6.808382 0.165281 41.19289 0.0000

PDRB? -9.42E-05 3.95E-06 -23.85794 0.0000

INV? 0.000175 0.000898 0.194866 0.8458

IPM? -0.068155 0.022543 -3.023311 0.0029

*Sumber data yang telah diolah menggunakan Eviews 9.0

65

Tabel 4.4

Interpretasi Fixed Effect Model

Variable Coefficient Std. Error t-Statistic Prob.

C 6.808382 0.165281 41.19289 0.0000

PDRB? -9.42E-05 3.95E-06 -23.85794 0.0000

INV? 0.000175 0.000898 0.194866 0.8458

IPM? -0.068155 0.022543 -3.023311 0.0029

Fixed Effects (Cross)

_KABPACITAN--C -0.179509

_KABPONOROGO--C -0.292020

_KABTULUNGAGUNG--C -0.369031

_KABTRENGGALEK--C -0.433953

_KABBLITAR--C -0.451029

_KABKEDIRI--C -0.433758

_KABMALANG--C -0.456467

_KABLUMAJANG--C -0.469373

_KABJEMBER--C -0.437976

_KABBANYUWANGI--C -0.431004

_KABBONDOWOSOC -0.431103

_KABSITUBONDO--C -0.409688

_KABPROBOLINGGC -0.383753

_KABPASURUAN--C -0.357236

_KABSIDOARJO—C -0.326518

_KABMOJOKERTO--C -0.350751

_KABJOMBANG—C -0.409693

_KABNGANJUK—C -0.413267

_KABMADIUN—C -0.454469

_KABMAGETAN—C -0.509140

_KABNGAWI—C -0.551876

_KABBOJONEGOROC -0.702816

_KABTUBAN—C -0.341872

_KABLAMONGAN--C 0.939959

_KABGRESIK—C 0.818910

_KABBANGKALAN-C 0.735503

_KABSAMPANG—C 0.708784

_KABPAMEKASAN-C 0.694410

_KABSUMENEP--C 0.692846

_KOTAKEDIRI--C 0.683870

_KOTABLITAR--C 0.678552

_KOTAMALANG--C 0.688637

_KOTAPROBOLINGO--C 0.716265

_KOTAPASURUAN--C 0.662147

_KOTAMOJOKERTO--C 0.557501

_KOTAMADIUN--C 0.457300

_KOTASURABAYA--C 0.359027

_KOTABATU--C 0.202587

*Sumber data yang telah diolah menggunakan Eviews 9.0

66

1. Kabupaten Pacitan

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Pacitan

sebesar: 17.9 Satuan.

2. Kabupaten Ponorogo

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Ponorogo

sebesar: 29.2 Satuan.

3. Kabupaten TulungAgung

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten

TulungAgung sebesar: 36.9 Satuan.

4. Kabupaten Trenggalek

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Trenggalek

sebesar: 43.3 Satuan.

5. Kabupaten Blitar

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Blitar

sebesar: 45.1 Satuan.

6. Kabupaten Kediri

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Kediri

sebesar: 43.3 Satuan.

67

7. Kabupaten Malang

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Malang

sebesar: 45.6 Satuan.

8. Kabupaten Lumajang

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Lumajang

sebesar: 46.9 Satuan.

9. Kabupaten Jember

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Jember

sebesar: 43.7 Satuan.

10. Kabupaten Banyuwangi

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Pacitan

sebesar: 43.1 Satuan.

11. Kabupaten Bondowoso

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Bondowoso

sebesar 43.1 Satuan.

12. Kabupaten Situbondo

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Situbondo

sebesar: 40.9 Satuan.

68

13. Kabupaten Probolinggo

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Probolinggo

sebesar: 38.3 Satuan.

14. Kabupaten Pasuruan

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Pasuruan

sebesar: 35.7 Satuan.

15. Kabupaten Sidoarjo

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Sidoarjo

sebesar: 32.6 Satuan.

16. Kabupaten Mojokerto

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Mojokerto

sebesar 35 Satuan.

17. Kabupaten Jombang

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Jombang

sebesar 40.9 Satuan.

18. Kabupaten Nganjuk

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Nganjuk

sebesar: 41.3 Satuan.

69

19. Kabupaten Madiun

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Madiun

sebesar: 45.4 Satuan.

20. Kabupaten Magetan

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Magetan

sebesar: 50.9 Satuan.

21. Kabupaten Ngawi

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Ngawi

sebesar: 55.1 Satuan.

22. Kabupaten Bojonegoro

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Bojonegoro

sebesar: 70.2 Satuan.

23. Kabupaten Tuban

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Tuban

sebesar: 51.0 Satuan.

24. Kabupaten Lamongan

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Lamongan

sebesar: 70.2 Satuan.

70

25. Kabupaten Gresik

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Gresik

sebesar: 81.9 Satuan.

26. Kabupaten Bangkalan

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Bangkalan

sebesar: 73.5 Satuan.

27. Kabupaten Sampang

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten sebesar: 70.8

Satuan.

28. Kabupaten Pamekasan

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Pamekasan

sebesar: 69.4 Satuan.

29. Kabupaten Sumenep

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Sumenep

sebesar 69.2 Satuan.

30. Kota Kediri

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Kediri

sebesar: 68.3 Satuan.

71

31. Kota Blitar

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Blitar sebesar

67.8 Satuan.

32. Kota Malang

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Malang

sebesar: 68.8 Satuan.

33. Kota Probolinggo

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Probolinggo

sebesar: 71.6 Satuan.

34. Kota Pasuruan

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, Kabupaten Pasuruan sebesar: 66.2 Satuan.

35. Kota Mojokerto

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten sebesar: 55.7

Satuan.

36. Kota Madiun

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Madiun

sebesar 45.7 Satuan.

37. Kota Surabaya

72

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Surabaya

sebesar: 35.9 Satuan.

38. Kota Batu

Apabila PDRB, Investasi, dan Indeks Pembangunan Manusia yang ada

pada model bernilai 0. Maka, nilai kemiskinan Kabupaten Batu sebesar:

20.2 Satuan.

D. Uji Regresi Linier Berganda

Model persamaan regresi linier berganda digunakan untuk meramalkan Y.

apabila nilai variabel independen diketahui, maka kita dapat menggunakan

persamaan regresi linier berganda.

1. Uji Adjusted R Square

Koefisien determinasi (R2) yang intinya mengukur sejauh mana

kemampuan model dalam menerangkan variasi variabel dependen. Nilai

koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti

kemampuan variabel-variabel independen dalam menjelaskan variasi

variabel dependen amat terbatas nilai yang mendekati satu berarti variabel-

variabel independen memberikan hampir semua informasi variabel

dependen.

Secara umum koefisien determinasi untuk data silang (crossection)

relatif rendah karena adanya variasi yang besar antara masing-masing

pengamatan. Berikut hasil data yang telah diolah :

73

Tabel 4.5

Hasil Adjusted R Square

R-squared 0.998829 Mean dependent var 12.47294

Adjusted R-squared 0.998515 S.D. dependent var 9.490300

S.E. of regression 0.085289 Sum squared resid 1.083868

F-statistic 3178.117 Durbin-Watson stat 1.023378

Prob(F-statistic) 0.000000

*Sumber data yang telah diolah menggunakan Eviews 9.0

Berdasarkan tabel Adjusted R Square diatas diperoleh bahwa nilai

adjusted R2 sebesar 0.998 hal ini berarti 99.8% variasi tingkat kemiskinan

dapat dijelaskan oleh variasi dari ketiga variabel independen PDRB,

Investasi, dan IPM. Sedangkan 0.2% dengan nilai 0.002 sisanya dijelaskan

oleh sebab lain diluar model.

2. Uji F

Pada dasarnya, Uji F akan menunjukkan apakah variabel

dependen/terikat dapat terpengaruh oleh semua variabel independen/bebas

yang dimasukkan dalam model secara bersamaan.

Pengambilan keputusan berdasarkan tingkat probabilitas signifikansi.

Jika probabilitas signifikansi > 0.05, maka H0 diterima dan jika probabilitas

signifikansi < 0.05, maka H0 ditolak. Selain itu pengambilan keputusan juga

dilakukan dengan membandingkan nilai F tabel dengan F hitungnya.

Berikut tabel dibawah ini:

Tabel 4.6

Hasil Uji F

R-squared 0.998829 Mean dependent var 12.47294

Adjusted R-squared 0.998515 S.D. dependent var 9.490300

S.E. of regression 0.085289 Sum squared resid 1.083868

F-statistic 3178.117 Durbin-Watson stat 1.023378

Prob(F-statistic) 0.000000

*Sumber data yang telah diolah menggunakan Eviews 9.0

74

Berdasarkan tabel 4.6 diatas, Uji F diperoleh pengaruh secara

bersamaan dengan tiga variabel independen PDRB, Investasi, dan IPM

terhadap variabel dependen kemiskinan (dapat dilihat pada tabel).

Berdasarkan Uji F diperoleh hasil bahwa nilai F hitung sebesar 3178.117

dan F tabel sebesar 2.66 dengan tingkat signifikansi sebesar 0.05 maka F

hitung (3178.117> 2.66) lebih besar dari F tabel kesimpulannya adalah

secara simultan variabel keseluruhan independen berpengaruh terhadap

dependen kemiskinan.

3. Uji t

Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel

penjelas/independen secara individual dalam menerangkan variasi variabel

dependen. Berikut hasil data yang telah diolah di bawah ini:

Tabel 4.7

Hasil Uji t

Variable Coefficient Std. Error t-Statistic Prob.

C 6.808382 0.165281 41.19289 0.0000

PDRB? -9.42E-05 3.95E-06 -23.85794 0.0000

INV? 0.000175 0.000898 0.194866 0.8458

IPM? -0.068155 0.022543 -3.023311 0.0029

*Sumber data yang telah diolah menggunakan Eviews 9.0

Dari tabel diatas dapat disusun persamaan regresi linear berganda

sebagai berikut:

LN_KEMISKINANt = 6.808 – 9.42 LN_PDRB_X1t + 0.0001

LN_INVESTASI_X2t – 0.0681 LN_IPM_X3t

Berdasarkan persamaan regresi linier berganda di atas dapat di jelaskan

sebagai berikut:

1. Koefisien Regresi sebesar 6.808 hal ini menunjukkan bahwa

keseluruhan variabel independen (PDRB, Investasi, dan IPM)

75

akumulasi bernilai positif dan sangat mempengaruhi model yang

dibentuk.

2. Nilai koefisien regresi sebesar 9.42 menunjukan bahwa PDRB

berpengaruh negatif terhadap tingkat kemiskinan di Provinsi Jawa

Timur. Hal ini berarti apabila terjadi peningkatan PDRB 1 juta

harga konstan, maka akan menyebabkan penurunan tingkat

kemiskinan sebesar 9.42%.

3. Nilai koefisien regresi sebesar 0.0001 menunjukkan bahwa

Investasi berpengaruh positif terhadap tingkat kemiskinan di

Provinsi Jawa Timur. Hal ini berarti apabila Investasi meningkat

sebesar 1% maka akan berpengaruh pada penurunan tingkat

kemiskinan sebesar 0.0001%.

4. Nilai koefisien regresi sebesar -0.0681 menunjukkan bahwa IPM

berpengaruh negatif terhadap tingkat kemiskinan di Provinsi Jawa

Timur. Hal ini berarti apabila terjadi terjadi peningkatan IPM 1%

maka akan menyebabkan penurunan tingkat kemiskinan sebesar

0.0681 %.

Pengambilan keputusan untuk uji hipotesis berdasarkan tingkat

signifikan yaitu:

1) Jika probabilitas signifkan > tingkat signifikansi 0.05 maka H0

diterima dan H1 ditolak, berarti bahwa suatu variabel

independen tidak berpengaruh secara signifikan terhadap

variabel dependen.

2) Jika probabilitas signifikan < 0.05 maka H0 ditolak dan H1

diterima, berarti bahwa suatu variabel independen

berpengaruh secara signifikan terhadap variabel dependen.

76

a) Pengaruh Produk Domestik Regional Bruto (PDRB) Terhadap

Tingkat Kemiskinan di Jawa Timur

Hasil pengujian dengan regresi data panel menunjukkan bahwa

nilai probabilitas 0.000 dengan tingkat signifikan 0.05 maka (0.000

< 0.05) kesimpulannya adalah PDRB berpengaruh signifikan

terhadap tingkat kemiskinan di Provinsi Jawa Timur.

b) Pengaruh Investasi Terhadap Tingkat Kemiskinan di Jawa

Timur

Hasil pengujian dengan regresi data panel menunjukkan bahwa

nilai probabilitas 0.845 dengan tingkat signifikan 0.05 maka (0.845

> 0.05) kesimpulannya adalah Investasi tidak berpengaruh

signifikan terhadap tingkat kemiskinan di Provinsi Jawa Timur.

c) Pengaruh Indeks Pembangunan Manusia (IPM) Terhadap

Tingkat Kemiskinan di Jawa Timur

Hasil pengujian dengan regresi data panel menunjukkan bahwa

nilai probabilitas 0.0029 dengan tingkat signifikan 0.05 maka

(0.0029 < 0.05) kesimpulannya adalah IPM berpengaruh signifikan

terhadap tingkat kemiskinan di Provinsi Jawa Timur.

E. Pembahasan

Analisis regresi data panel dilakukan bertujuan untuk menganalisis

pengaruh dari variabel PDRB, Investasi, IPM terhadap Kemiskinan pada

Kabupaten/Kota di Provinsi Jawa Timur. Uji Chow yang merupakan uji terakhir

dalam menentukan model regresi yang tepat dalam penelitian ini menunjukkan

bahwa model Fixed Effect Model yang cocok untuk penelitian ini.

1. Pengaruh PDRB terhadap Kemiskinan di Provinsi Jawa Timur

Berdasarkan hasil analisis dalam penelitian ini menunjukkan bahwa

nilai probabilitas 0.000 dengan tingkat signifikan 0.05 maka (0.000 < 0.005)

77

kesimpulannya adalah PDRB berpengaruh signifikan terhadap tingkat

kemiskinan pada Kabupaten/Kota di Provinsi Jawa Timur.

Pada penelitian ini Provinsi Jawa Timur memiliki pertumbuhan PDRB

yang signifikan pada tahun 2010 memiliki persentase sebesar 7.89%

sedangkan pada tahun 2016 sebesar 8.94% dan yang tertinggi pada tahun

2012 sebesar 10.66%. PDRB pada Provinsi Jawa Timur memiliki pengaruh

yang signifikan terhadap tingkat Kemiskinan artinya faktor pada variabel

PDRB mempengaruhi adanya penurunan tingkat kemiskinan di

Kota/Kabupaten Provinsi Jawa Timur.

Hal ini sesuai dengan penelitian yang dilakukan oleh Sussy Susanti

(2013) yaitu Pengaruh Produk Domestik Regional Bruto , Pengangguran,

dan Indeks Pembangunan Manusia terhadap Kemiskinan di Jawa-Barat

dengan menggunakan analisis data panel. Dalam estimasi pemodelan

menunjukkan bahwa secara parsial PDRB mempunyai pengaruh negatif

yang signifikan terhadap kemiskinan. Hal ini sesuai dengan teori bahwa

PDRB berjalan terbalik dengan tingkat kemiskinan.

2. Pengaruh Investasi terhadap tingkat Kemiskinan di Provinsi Jawa

Timur

Berdasarkan hasil analisis menunjukkan bahwa nilai probabilitas

0.8458 dengan tingkat signifikan 0.05 maka (0.8458 > 0.05) kesimpulannya

adalah Investasi tidak berpengaruh signifikan terhadap tingkat kemiskinan

pada Kabupaten/Kota di Provinsi Jawa Timur.

Dalam hal ini variabel Investasi tidak berpengaruh karena perekonomian

yang terbelakang, sebab masih terdapat sektor tradisional di pedesaan

sementara pada era ini telah menggunakan sektor industri modern perkotaan

yang lebih produktif dan dapat menampung kelebihan tenaga kerja

dibandingkan sektor pertanian. Sama halnya dengan penelitian Suwandi

(2016) di Papua Barat Kabupaten Fak-fak telah melakukan penelitian bahwa

78

investasi tidak terlalu berdampak langsung untuk mengurangi tingkat

kemiskinan.

Pada penelitian Gusti Ayu, Made Suyana dan I Nyoman (2017) Investasi

berpengaruh negatif dan signifikan terhadap tingkat kemiskinan di wilayah

Sarbagita provinsi Bali, mereka berpendapat bahwa Investasi hendaknya

diarahkan pada kabupaten/kota di wilayah Sarbagita yang memiliki

investasi fisik yang rendah sehingga alokasi investasi tidak terpusat pada

daerah tertentu dan alokasi investasi juga diharapkan dapat merata di

seluruh sektor.

Penelitian yang dilakukan oleh Yolanda Pateda. Vecky dan Tri Oldy

Rotinsulu pada provinsi Gorontalo (2015) menyatakan bahwa investasi

mempunyai pengaruh negatif dan signifikan terhadap tingkat kemiskinan.

Investasi yang dilakukan oleh pemerintah Provinsi Gorontalo dari tahun ke

tahun, berdampak positif terhadap penurunan tingkat kemiskinan. Dengan

demikian, investasi diperlukan guna memenuhi kebutuhan masyarakat

berupa sumber nafkah atau pendapatan yang diperlukan untuk membeli

barang dan jasa yang merupakan balas jasa produksi.

Sedangkan hasil dari penelitian yang dilakukan Hastina Febriaty,

Nurwani dan Dosen FEB UMSU pada provinsi Sumatera Utara

menunjukkan bahwa investasi berpengaruh negatf dan tidak signifikan

karena investasi kebanyakan dilakukan oleh kelas menengah atas dan untuk

kepentingan mereka sendiri dan tidak memberikan pengaruh yang

signifikan terhadap penduduk miskin.

Widanta (2008) menyatakan bahwa, kebijakan pembangunan harus

dilakukan secara fokus, mengingat kebijakan pembangunan yang fokus

akan memudahkan investasi masuk, karena investor memiliki gambaran

yang jelas mengenai usaha yang akan dibuka di daerah tujuan investasi.

Terdapat tiga hal pokok yang selalu menjadi pertimbangan pengusaha

79

dalam melakukan investasi, diantaranya: (1) keadaan politik dan keamanan

yang stabil dan memberikan kepastian untuk berusaha, (2) birokrasi yang

luwes dan proaktif, sehingga dapat melayani keinginan pengusaha namun

tetap dalam koridor hukum dan peraturan yang berlaku, dan (3) mampu

memberikan iklim yang kondusif untuk berusaha. Pada tahun 2010-2016

Provinsi Jawa Timur memang menekankan pada sektor pembangunan

jangka panjang untuk mengundang ketertarikan para investor untuk masuk,

pendapatan daerah meningkat sehingga nantinya akan berpengaruh pada

pendapatan masyarakat.

3. Pengaruh Indeks Pembangunan Manusia terhadap tingkat Kemiskinan

di Provinsi Jawa Timur

Berdasarkan hasil penelitian menunjukkan bahwa nilai probabilitas

0.0029 dengan tingkat signifikan 0.05 maka (0.0029 < 0.05) kesimpulannya

adalah IPM berpengaruh signifikan terhadap tingkat kemiskinan di Provinsi

Jawa Timur. Dilihat dari data di atas maka dalam hal ini pembangunan

manusia pada Provinsi Jawa Timur sudah mengandung makna bahwa

masyarakat mempengaruhi proses yang membentuk kehidupannya. Terkait

hal tersebut, pembangunan ekonomi memiliki makna yang penting bagi

pembangunan manusia di Provinsi Jawa Timur. Pembangunan manusia

tersebut meningkatkan kapabilitas manusia melalui partisipasi aktif dalam

proses kehidupan. Hal tersebut lebih besar dari pendekatan lainnya seperti

pendekatan sumber daya manusia, pendekatan kebutuhan dasar, dan

pendekatan kesejahteraan masyarakat.

Penelitian Meier dan Baldwin dalam Arsyad (2016) mencoba

mengemukakan suatu konsep lingkaran kemiskinan yang agak berbeda.

Lingkaran kemiskinan tersebut timbul dari hubungan yang saling

mempengaruhi antara kondisi masyarakat yang masih terbelakang

(tradisional) dan kekayaan alam yang sepenuhnya belum dimanfaatkan.

80

BAB V

PENUTUP

A. Kesimpulan

Tujuan dalam penelitian ini adalah untuk melihat bagaimana hubungan

antar variabel Produk Domestik Regional Bruto, Investasi, dan Indeks

Pembangunan Manusia terhadap tingkat Kemiskinan pada Kabupaten/Kota di

Provinsi Jawa Timur. Dengan melakukan berbagai macam analisis pengujian

statistik. Maka kesimpulan dari penelitian ini adalah sebagai berikut:

1. Variabel independen dalam penelitian ini yaitu Produk Domestik

Regional Bruto (X1). Hasil hipotesis secara parsial menunjukkan

bahwa nilai probabilitas sebesar 0.000 lebih kecil berpengaruh daripada

0.05 dan koefisien sebesar -9.42. Hal ini menunjukkan bahwa variabel

PDRB berpengaruh signifikan terhadap tingkat Kemiskinan pada

Kabupaten/Kota di Provinsi Jawa Timur.

2. Variabel independent dalam penelitian ini yaitu Investasi (X2). Hasil

hipotesis secara parsal menunjukkan bahw nilai probabilitas sebesar

0.8458 lebih besar daripada 0.05 dan koefisien sebesar 0.000. Hal ini

menunjukkan bahwa variabel Investasi tidak berpengaruh terhadap

tingkat Kemiskinan pada Kabupaten/Kota di Provinsi Jawa Timur.

3. Variabel independent dalam penelitian ini yaitu Indeks Pembangunan

Manusia (X3). Hasil hipotesis secara parsial menunjukkan bahwa nilai

probabilitas sebesar 0.0029 lebih kecil daripada 0.05 dan koefisien

sebesar -0.0681. Hal ini menunjukkan bahwa variabel IPM berpengaruh

signifikan terhadap tingkat Kemiskinan pada Kabupaten/Kota di

Provinsi Jawa Timur.

81

4. Variabel independen dalam penelitian yaitu Produk Domestik Regional

Bruto, Investasi, dan Indeks Pembangunan Manusia secara Bersama-

sama berpengaruh signifikan terhadap tingkat di Provinsi Jawa Timur.

Berdasarkan uji F tabel sebesar 2.66 dengan tingkat signifikansi sebesar

0.05 maka F hitung (3178.117 > 2.66) lebih besar dari F tabel

kesimpulannya adalah secara stimulant variabel keseluruhan

independent berpengaruh terhadap dependen kemiskinan.

B. Saran

Berdasarkan kesimpulan yang telah dikemukakan diatas, maka peneliti

mencoba untuk memberikan beberapa saran, diantaranya ialah sebagai berikut:

1. Berdasarkan hasil yang telah dikemukakan menunjukkan bahwa

variabel PDRB dan IPM berpengaruh negatif dan signifikan terhadap

tingkat Kemiskinan di Provinsi Jawa Timur. Sedangkan, variabel

investasi berpengaruh positif dan tidak signifikan terhadap Kemiskinan

di Provinsi Jawa Timur. Pemerintah provinsi seharusnya lebih

memperhatikan ukuran PDRB agar dapat menyelaraskan kinerja untuk

sektor pembangunan ekonomi dan kesejahteraan masyarakat,

disamping itu peningkatan investasi juga harus dirasakan masyarakat

kalangan bawah agar tidak ada kesenjangan penikmat fasilitas umum

serta ukuran Indeks Pembangunan Manusia perlu diperhatikan lebih

lanjut karena pada dasarnya Pendidikan sangatlah penting untuk

menunjang kualitas masyarakat, pola piker serta kehidupan yang lebih

baik agar perlahan tingkat kemisskinan tersebut dapat dikurangi secara

perlahan.

2. Bagi para akademisi dan peneliti terkait tingkat Kemiskinan belum

terlalu banyak dilakukan di Indonesia terkhusus di Pulau Jawa. Maka

dari itu penelitian selanjutnya dibutuhkan untuk dapat mendukung hasil

penelitian sebelumnya.

82

DAFTAR PUSTAKA

Adisasmita. H.R. (2005). Dasar-dasar Ekonomi Wilayah. Jakarta: Graha Ilmu.

Atalay, R., (2015). Science Direct The education and the human capital to get rid

of the middle-income trap and to provide the economic development.

Procedia Social and Behavioral Sciences, 174, pp.969–976.

BPS. (2014). Indeks Pembangunan Manusia.

Dama, et. all. (2016). Pengaruh Produk Domestik Regional Bruto (PDRB)

Terhadap Tingkat Kemiskinan di Kota Manado (Tahun 2005-2014). Universitas

Sam Ratulangi Manado.

Darwin, Ranti dan Muhammad Hidayat. (2016). Analisis Investasi terhadap

Pembangunan Ekonomi Wilayah Kabupaten Meranti (Pendekatan

Forecasting Analysis.

Endrayani, Ni Ketut Eni dan Made Heny Umila Dewi. (2016). Analisis Faktor-

faktor yang mempengaruhi Tingkat Kemiskinan Kabupaten/Kota di

Provinsi Bali. E-Jurnal Ekonomi dan Bisnis Universitas Udayana, 5.1, 2.

Ghozali, Imam. (2009). Aplikasi Analisis Multivariate dengan Program SPSS.

Semarang: UNDIP.

Habiburrahman. (2012). Analisis Pengaruh Produk Domestik Regional Bruto

(PDRB) terhadap Penyerapan Tenaga Kerja di Provinsi Lampung. Jurnal

Manajemen dan Bisnis, 3(1), 2.

Jhingan, M.L. (2000). Ekonomi Pembangunan dan Perencanaan. Jakarta: PT.

RajaGrafindo Persada. Jurnal Universitas Muhammadiyah Riau, 1, 1-2.

Kairupan, David. (2013). Aspek Hukum Penanaman Modal Asing di Indonesia,

Edisi Pertama. Jakarta: Kencana.

Kunarjo. (2002). Perencanaan dan Pengendalian Program Pembangunan. Jakarta:

Penerbit Universitas Indonesia (UI-Press).

Kuncoro, Mudrajad. (2006). Ekonomika Pembangunan: Teori, Masalah, dan

Kebijakan. Yogyakarta: Unit Penerbit dan Percetakan (UPP) STIM YKPN.

Nugroho, Heru. (1995). Kemiskinan, Ketimpangan dan Pemberdayaan, dalam

83

Kemiskinan dan Kesenjangan di Indonesia. Yogyakarta: Aditya Media.

Nurwanti, Nunung. (2008). Kemiskinan: Model Pengukuran, Permasalahan dan

Alternatif Kebijakan. Jurnal Kependudukan Padjadjaran, 10(1), 3.

Pratama, C. Y. (2014). Analisis Faktor-Faktor yang mempengaruhi kemiskinan di

Indonesia. UIN Syarif Hidayatullah Jakarta.

Sasana, Hadi. (2006). Analisis dampak Desentralisasi Fiskal Terhadap

Pertumbuhan Ekonomi di kabupaten/Kota Provinsi jawa Tengah. Dinamika

Pembangunan Vol. 3 No. 2/ Desember 2006 :145-170.

Saputra dan Mudakir. (2011). Analisis Pengaruh Jumlah Penduduk PDRB, IPM,

Pengangguran Terhadap Tingkat Kemiskinan Di Kabupaten / Kota Jawa

Tengah.Universitas Diponegoro Semarang.

Sugiyono. (2012). Metode Penelitian Bisnis. Bandung: Alfabeta.

Sulistiawati, Rini. (2012). Pengaruh Investasi terhadap Pertumbuhan Ekonomi dan

Penyerapan Tenaga Kerja serta Kesejahteraan Masyarakat di Provinsi di

Indonesia. Jurnal Manajemen dan Bisnis, 3(1), 2-5.

Suryawati. (2004). Teori Ekonomi Mikro. Yogyakarta: Jarnasy.

Susanti, Sussy. (2013). Pengaruh Produk Domestik Regional Bruto,

Pengangguran dan Indeks Pembangunan Manusia terhadap Kemiskinan di

Jawa Barat dengan Menggunakan Analisis Data Panel. Jurnal Matematika

Integratif, 9(1), 4.

Susanti, S. (2015). Pengaruh Produk Domestik Regional Bruto, Pengangguran dan

Indeks Pembangunan Manusia terhadap Kemiskinan di Jawa Barat dengan

Menggunakan Analisis Data Panel. STIE Ekuitas.

Tandelilin, Eduardus. (2010). Portofolio dan Investasi Teori dan Aplikasi. Edisi

pertama. Yogyakarta: Kanisius.

Teguh, Muhammad. (2010). Metodologi Penelitian Ekonomi: Teori Dan Aplikasi.

Jakarta: PT. Raja Grafindo.

Todaro, M.P. dan Smith, S.C. (2006). Pembangunan Ekonomi Jilid I: Edisi

Kesembilan. Jakarta: Erlangga

84

UNDP. (2016). Human Development Report.

Wilantara, R. F., & Susilawati. (2016). Strategi Dan Kebijakan Pengembangan

UMKM. Bandung: Refika Aditama.

Zuhdiyati, N., & Kaluge, D. (2017). Analisis Faktor-Faktor yang mempengaruhi

kemiskinan di Indonesia selama lima tahun terakhir (studi kasus 33 provinsi).

Universitas Brawijaya.

www.bi.go.id

www.jatim.bps.go.id

www.worldbank.org

85

LAMPIRAN

86

Lampiran 1. Data Penelitian

Kabupaten/Kota Tahun

Pov PDRB INV IPM

Y X1 X2 X3

Kab Pacitan 2012

27.08 22311.7 4 63.38

Kab Pacitan 2013

25.8 9583.4 66 63.81

Kab Pacitan 2014

25.69 57187.4 55 64.92

Kab Pacitan 2015

23.23 38136.1 34 67.03

Kab Pacitan 2016

22.57 80105.4 24 67.4

Kab Ponorogo 2012

22.38 8018.6 23 68.16

Kab Ponorogo 2013

21.22 24199.1 25 69.49

Kab Ponorogo 2014

21.21 18054.5 20 70.07

Kab Ponorogo 2015

20.82 22890 66 65.01

Kab Ponorogo 2016

20.49 112012.9 13 65.76

Kab TulungAgung 2012

20.44 21991.4 41 66.16

Kab TulungAgung 2013

20.2 9316.9 41 67.25

Kab TulungAgung 2014

18.53 4315.1 33 66.49

Kab TulungAgung 2015

17.74 9145.9 20 68.13

Kab TulungAgung 2016

17.41 3991.4 22 68.88

Kab Trenggalek 2012

17.23 305947.6 78 68.01

Kab Trenggalek 2013

17.08 72945.5 1 68.91

Kab Trenggalek 2014

16.73 5911.3 41 69.87

Kab Trenggalek 2015

16.68 11026.5 90 65.59

Kab Trenggalek 2016

16.64 11735.6 80 67.51

Kab Blitar 2012

16.18 4226 10 61.87

Kab Blitar 2013

16.18 8157.6 34 61.31

Kab Blitar 2014

16.02 6261.9 1 62.33

Kab Blitar 2015

15.71 10140.1 40 61.31

87

Kab Blitar 2016

15.68 8572.1 7 62.43

Kab. Kediri 2012

15.61 13456 50 62.64

Kab. Kediri 2013

15.48 4561.3 24 64.01

Kab. Kediri 2014

15.45 11179.6 25 66.12

Kab. Kediri 2015

15.38 3446.8 2 66.74

Kab. Kediri 2016

15.29 39724.7 97 67.31

Kab Malang 2012

14.96 9998.5 18 62.24

Kab Malang 2013

14.88 4221.5 85 63.43

Kab Malang 2014

14.76 46892.8 1 63.95

Kab Malang 2015

13.94 9750.9 45 64.53

Kab Malang 2016

13.65 18967.3 73 62.61

Kab Lumajang 2012

13.63 16906.8 2 63.83

Kab Lumajang 2013

13.63 10681 3 63.04

Kab Lumajang 2014

13.6 12305.7 34 64.12

Kab Lumajang 2015

13.56 11632.9 3 62.31

Kab Lumajang 2016

13.41 11104.5 10 63.74

Kab Jember 2012

13.39 47076 13 64.35

Kab Jember 2013

13.23 10094 13 75.14

Kab Jember 2014

13.15 35355.7 5 77.43

Kab Jember 2015

13.14 5552.1 8 78.17

Kab Jember 2016

13.1 17665 85 69.17

Kab Banyuwangi 2012

12.91 20672.3 3 69.84

Kab Banyuwangi 2013

12.77 7894 3 70.22

Kab Banyuwangi 2014

12.69 16137.7 3 71.38

Kab Banyuwangi 2015

12.54 3774.6 32 68.63

Kab Banyuwangi 2016

12.45 7018.3 30 69.07

Kab Bondowoso 2012

12.19 41971.7 17 68.98

Kab Bondowoso 2013

12.14 39934.8 14 69.59

88

Kab Bondowoso 2014

12.04 11623.8 16 69.9

Kab Bondowoso 2015

11.92 3649.6 16 70.5

Kab Bondowoso 2016

11.91 8375.2 7 67.32

kab Situbondo 2012

11.8 55317.8 31 68.6

kab Situbondo 2013

11.75 18682.2 13 69.56

kab Situbondo 2014

11.68 31816.3 92 69.86

kab Situbondo 2015

11.53 30039.4 24 71.94

kab Situbondo 2016

11.53 16053.4 12 71.39

kab Probolinggo 2012

11.52 9019.5 12 66.72

kab Probolinggo 2013

11.48 12767 15 68.32

kab Probolinggo 2014

11.35 42005.7 8 68.96

kab Probolinggo 2015

11.28 10652.4 52 64.2

kab Probolinggo 2016

11.26 37547.7 74 64.85

Kab Pasuruan 2012

11.22 24007.7 4 66.17

Kab Pasuruan 2013

11.17 10572.4 3 66.73

Kab Pasuruan 2014

11.07 21733.5 2 63.36

Kab Pasuruan 2015

10.99 39519.2 6 65.52

Kab Pasuruan 2016

10.86 11640.8 74 68.9

Kab Sidoarjo 2012

10.8 343652.6 1 69.42

Kab Sidoarjo 2013

10.79 25211.9 3 69.84

Kab Sidoarjo 2014

10.72 9251.2 1 72.12

Kab Sidoarjo 2015

10.57 10291.7 33 60.19

Kab Sidoarjo 2016

10.57 37256 3 74.46

Kab Mojokerto 2012

10.56 324215.2 28 60.71

Kab Mojokerto 2013

10.22 10910.9 19 61.49

Kab Mojokerto 2014

9.97 12606.8 17 62.06

Kab Mojokerto 2015

9.61 85835.1 30 56.98

Kab Mojokerto 2016

9.29 44303.9 56 59.09

89

Kab Jombang 2012

9.17 7965.3 26 61.21

Kab Jombang 2013

9.07 106434.3 20 62.27

Kab Jombang 2014

8.75 19920.2 30 63.1

Kab Jombang 2015

8.57 20218.1 32 63.98

Kab Jombang 2016

8.55 286050.7 47 60.08

Kab Nganjuk 2012

8.51 93543.9 67 60.84

Kab Nganjuk 2013

8.37 21793.2 1 62.38

Kab Nganjuk 2014

8.23 23623.8 43 73.66

Kab Nganjuk 2015

8.17 9792.6 78 74.18

Kab Nganjuk 2016

7.95 19555.2 55 76.33

Kab Madiun 2012

7.6 52550.4 8 75.26

Kab Madiun 2013

7.47 6937.7 17 76

Kab Madiun 2014

7.42 14875.4 19 76.71

Kab Madiun 2015

7.34 10554.5 65 78.04

Kab Madiun 2016

7.29 8959.5 50 78.44

Kab Magetan 2012

7.15 118179.2 54 80.05

Kab Magetan 2013

6.72 14142.9 51 68.93

Kab Magetan 2014

6.65 19514.8 73 70.05

Kab Kagetan 2015

6.44 69232.9 74 71.5

Kab Magetan 2016

6.42 8582.2 19 72.01

Kab Ngawi 2012

6.4 58247.3 10 72.89

Kab Ngawi 2013

6.16 15661.8 8 74.11

Kab Ngawi 2014

6 19848.8 35 74.2

Kab Ngawi 2015

5.82 10169.7 12 74.91

Kab Ngawi 2016

5.79 39047.3 9 75.04

Kab Bojonegoro 2012

5.02 89011.2 48 79.48

Kab Bojonegoro 2013

4.89 44292 32 80.01

Kab Bojonegoro 2014

4.87 41608.4 30 78.05

90

Kab Bojonegoro 2015

4.86 46526.6 27 78.51

Kab Bojonegoro 2016

4.8 20538.3 16 78.87

Kab Tuban 2012

4.77 9496.7 5 79.47

kab tuban 2013

4.71 11398.1 36 80.38

kab tuban 2014

4.6 84415.7 15 70.62

kab tuban 2015

4.59 20164.3 9 71.55

kab tuban 2016

27.97 49571.7 9 62.94

kab lamongan 2012

24.7 1086.5 35 65.74

kab lamongan 2013

24.11 37235.7 42 66.16

kab lamongan 2014

22.22 76959.4 23 68.93

kab lamongan 2015

21.96 70167.1 49 68.29

kab lamongan 2016

21.41 7437.6 39 69.3

kab gresik 2012

20.98 9489.1 20 70.82

kab gresik 2013

20.09 16936.8 20 67.78

kab gresik 2014

19.61 20925.5 35 66.17

kab gresik 2015

17.84 46924.6 25 66.88

kab gresik 2016

17.29 9411.6 29 67.29

kab bangkalan 2012

17.14 75044 39 68.44

kab bangkalan 2013

16.7 22446.4 37 64.71

kab bangkalan 2014

16.7 10038.4 15 65.2

kab bangkalan 2015

16.66 9654.1 17 66.63

kab bangkalan 2016

15.99 22316.9 1 63.02

kab sampang 2012

15.81 9135.7 15 63.74

kab sampang 2013

15.49 76366 45 63.04

kab sampang 2014

15.27 10704.9 2 68.08

kab sampang 2015

15 21750.6 79 69

kab sampang 2016

14.89 4813.3 48 63.21

kab pamekasan 2012

14.6 35519.9 1 64.52

91

kab pamekasan 2013

14.35 71314.2 1 62.23

kab pamekasan 2014

14.34 8954.7 67 63.43

kab pamekasan 2015

14.21 22326.6 93 63.91

kab pamekasan 2016

13.71 18999 76 65.08

kab sumenep 2012

13.7 21265.2 12 61.33

kab sumenep 2013

13.34 67248.8 1 65.04

kab sumenep 2014

13.24 21476.9 3 65.71

kab sumenep 2015

13.22 16204 11 76.39

kab sumenep 2016

13.19 11223.1 12 76.78

kota kediri 2012

12.72 17808.9 3 70.85

kota kediri 2013

12.69 18562.7 46 67.82

kota kediri 2014

12.4 17851.9 20 69.59

kota kediri 2015

12.25 39081.8 64 70.03

kota kediri 2016

12.23 39733.6 8 68.07

kota blitar 2012

11.81 265892.1 4 68.07

kota blitar 2013

11.76 4079.3 23 69.39

kota blitar 2014

11.75 8455.4 6 69.67

kota blitar 2015

11.58 19571 15 70.29

kota blitar 2016

11.5 21099.9 72 67.25

kota malang 2012

11.49 22960.2 20 67.78

kota malang 2013

11.22 3236.6 4 65.27

kota malang 2014

11.04 17369.2 1 64.14

kota malang 2015

11.03 3358.4 1 64.58

kota malang 2016

10.97 4051.2 3 66.19

kota probolingo 2012

10.92 18676.9 82 67.51

kota probolingo 2013

10.74 81360.4 82 70.34

kota probolingo 2014

10.71 5076.4 84 72.47

kota probolingo 2015

10.7 46792.3 10 72.84

92

kota probolingo 2016

10.61 99992.5 23 73.57

kota pasuruan 2012

10.57 8846.2 70 59.65

kota pasuruan 2013

9.97 63185.1 68 55.78

kota pasuruan 2014

9.88 9993.8 68 56.45

kota pasuruan 2015

9.4 37262 18 58.18

kota pasuruan 2016

8.79 20504.1 31 62.66

kota mojokerto 2012

8.4 7470.7 98 61.43

kota mojokerto 2013

8.23 11687.9 48 63.42

kota mojokerto 2014

8.14 16949.6 2 74.62

kota mojokerto 2015

7.97 11874.5 2 75.67

kota mojokerto 2016

7.9 10823.9 16 73.53

kota madiun 2012

7.62 44529.9 17 74.53

kota madiun 2013

7.18 65408.8 90 78.96

kota madiun 2014

6.75 7705 98 80.46

kota madiun 2015

6.48 3566.7 3 70.49

kota madiun 2016

6.44 3856.9 17 71.01

kota surabaya 2012

6.39 9815.8 13 73.23

kota surabaya 2013

6.25 6628.8 9 73.78

kota surabaya 2014

5.73 17018.6 2 75.54

kota surabaya 2015

5.63 10501.6 3 76.38

kota surabaya 2016

5.37 33678.8 7 77.21

kota batu 2012

5.21 11807.6 6 78.41

kota batu 2013

5.16 41952.1 48 78.81

kota batu 2014

4.48 11268.9 7 71.89

kota batu 2015

4.47 49321.9 5 72.62

kota batu 2016

4.33 9568.2 12 73.57

93

Data Penelitian Secara Keseluruhan Setelah Ditransformasi Data ke dalam

Logaritma Natural

Kabupaten/Kota

Tahun Pov

PDRB

INV

IPM

Y X1 X2 X3

Kab Pacitan 2012

3.298795 10.01287 1.386294 4.149148

Kab Pacitan 2013

3.250374 9.167788 4.189655 4.15591

Kab Pacitan 2014

3.246102 10.95409 4.007333 4.173156

Kab Pacitan 2015

3.145445 10.54892 3.526361 4.20514

Kab Pacitan 2016

3.116622 11.2911 3.178054 4.210645

Kab Ponorogo 2012

3.108168 8.989519 3.135494 4.221858

Kab Ponorogo 2013

3.054944 10.09407 3.218876 4.241183

Kab Ponorogo 2014

3.054473 9.80115 2.995732 4.249495

Kab Ponorogo 2015

3.035914 10.03846 4.189655 4.174541

Kab Ponorogo 2016

3.019937 11.62637 2.564949 4.186012

Kab TulungAgung 2012

3.017494 9.998407 3.713572 4.192076

Kab TulungAgung 2013

3.005683 9.139585 3.713572 4.208417

Kab TulungAgung 2014

2.919391 8.369876 3.496508 4.197052

Kab TulungAgung 2015

2.875822 9.121061 2.995732 4.221418

Kab TulungAgung 2016

2.857045 8.291897 3.091042 4.232366

Kab Trenggalek 2012

2.846652 12.63117 4.356709 4.219655

Kab Trenggalek 2013

2.837908 11.19747 0.019803 4.232801

Kab Trenggalek 2014

2.817204 8.684621 3.713572 4.246636

Kab Trenggalek 2015

2.81421 9.308057 4.49981 4.183423

Kab Trenggalek 2016

2.811809 9.370382 4.382027 4.212276

Kab Blitar 2012

2.783776 8.349011 2.302585 4.125035

Kab Blitar 2013

2.783776 9.006705 3.526361 4.115943

Kab Blitar 2014

2.773838 8.742239 0.314811 4.132443

Kab Blitar 2015

2.754297 9.224253 3.688879 4.115943

94

Kab Blitar 2016

2.752386 9.056268 1.972691 4.134046

Kab. Kediri 2012

2.747912 9.50718 3.912023 4.137404

Kab. Kediri 2013

2.739549 8.425363 3.178054 4.159039

Kab. Kediri 2014

2.737609 9.321846 3.218876 4.191471

Kab. Kediri 2015

2.733068 8.145202 0.703098 4.200804

Kab. Kediri 2016

2.727199 10.58973 4.574711 4.209309

Kab Malang 2012

2.70538 9.21019 2.890372 4.130998

Kab Malang 2013

2.700018 8.347946 4.442651 4.149937

Kab Malang 2014

2.691921 10.75562 0.067659 4.158102

Kab Malang 2015

2.634762 9.185115 3.806662 4.16713

Kab Malang 2016

2.61374 9.850472 4.290459 4.136925

Kab Lumajang 2012

2.612273 9.735471 0.405465 4.156223

Kab Lumajang 2013

2.612273 9.276222 0.978326 4.143769

Kab Lumajang 2014

2.61007 9.417818 3.526361 4.160756

Kab Lumajang 2015

2.607124 9.361593 1.175573 4.132122

Kab Lumajang 2016

2.596001 9.315106 2.342767 4.154812

Kab Jember 2012

2.594508 10.75952 2.574138 4.164337

Kab Jember 2013

2.582487 9.219696 2.5749 4.319353

Kab Jember 2014

2.576422 10.47321 1.617406 4.349374

Kab Jember 2015

2.575661 8.621932 2.054124 4.358886

Kab Jember 2016

2.572612 9.779341 4.442651 4.236567

Kab Banyuwangi 2012

2.558002 9.93655 1.022451 4.246207

Kab Banyuwangi 2013

2.547099 8.973858 0.940007 4.251633

Kab Banyuwangi 2014

2.540814 9.688913 1.111858 4.268018

Kab Banyuwangi 2015

2.528924 8.23605 3.465736 4.22873

Kab Banyuwangi 2016

2.521721 8.856276 3.401197 4.23512

Kab Bondowoso 2012

2.500616 10.64475 2.833213 4.233817

Kab Bondowoso 2013

2.496506 10.595 2.639057 4.242621

95

Kab Bondowoso 2014

2.488234 9.36081 2.772589 4.247066

Kab Bondowoso 2015

2.478218 8.202373 2.772589 4.255613

Kab Bondowoso 2016

2.477378 9.03303 1.94591 4.209457

Kab Situbondo 2012

2.4681 10.92085 3.433987 4.228293

Kab Situbondo 2013

2.463853 9.835326 2.564949 4.24219

Kab Situbondo 2014

2.457878 10.36773 4.521789 4.246493

Kab Situbondo 2015

2.444952 10.31027 3.178054 4.275832

Kab Situbondo 2016

2.444952 9.683676 2.484907 4.268158

Kab Probolinggo 2012

2.444085 9.107144 2.484907 4.200505

Kab Probolinggo 2013

2.440606 9.454619 2.70805 4.224203

Kab Probolinggo 2014

2.429218 10.64556 2.079442 4.233527

Kab Probolinggo 2015

2.423031 9.27354 3.951244 4.162003

Kab Probolinggo 2016

2.421257 10.53337 4.304065 4.172077

Kab Pasuruan 2012

2.417698 10.08613 1.269761 4.192227

Kab Pasuruan 2013

2.413232 9.266002 1.156881 4.200655

Kab Pasuruan 2014

2.404239 9.98661 0.81978 4.148833

Kab Pasuruan 2015

2.396986 10.58454 1.791759 4.182355

Kab Pasuruan 2016

2.385086 9.362271 4.304065 4.232656

Kab sidoarjo 2012

2.379546 12.74739 0.165514 4.240175

Kab sidoarjo 2013

2.37862 10.13507 0.943906 4.246207

Kab sidoarjo 2014

2.372111 9.132509 0.350657 4.278331

Kab sidoarjo 2015

2.35802 9.239093 3.496508 4.097506

Kab sidoarjo 2016

2.35802 10.52557 1.064711 4.310262

Kab mojokerto 2012

2.357073 12.68916 3.332205 4.106108

Kab mojokerto 2013

2.324347 9.297518 2.944439 4.118875

Kab mojokerto 2014

2.299581 9.441992 2.833213 4.128102

Kab mojokerto 2015

2.262804 11.36018 3.401197 4.0427

Kab mojokerto 2016

2.228939 10.69883 4.025352 4.079062

96

Kab Jombang 2012

2.215937 8.98285 3.258097 4.114311

Kab Jombang 2013

2.204972 11.57528 2.995732 4.13148

Kab Jombang 2014

2.169054 9.89949 3.401197 4.144721

Kab Jombang 2015

2.148268 9.914334 3.465736 4.158571

Kab Jombang 2016

2.145931 12.56392 3.850148 4.095677

Kab Nganjuk 2012

2.141242 11.44619 4.204693 4.108247

Kab Nganjuk 2013

2.124654 9.989353 0.173953 4.133245

Kab Nganjuk 2014

2.107786 10.07001 3.7612 4.29946

Kab Nganjuk 2015

2.100469 9.189382 4.356709 4.306495

Kab Nganjuk 2016

2.073172 9.880997 4.007333 4.335066

Kab Madiun 2012

2.028148 10.86953 2.079442 4.320949

Kab Madiun 2013

2.010895 8.844726 2.833213 4.330733

Kab Madiun 2014

2.004179 9.607464 2.944439 4.340032

Kab Madiun 2015

1.993339 9.264308 4.174387 4.357222

Kab Madiun 2016

1.986504 9.10047 3.912023 4.362334

Kab magetan 2012

1.967112 11.67996 3.988984 4.382651

Kab magetan 2013

1.905088 9.556968 3.931826 4.233091

Kab magetan 2014

1.894617 9.878928 4.290459 4.249209

Kab magetan 2015

1.862529 11.14523 4.304065 4.269697

Kab magetan 2016

1.859418 9.057446 2.944439 4.276805

Kab ngawi 2012

1.856298 10.97245 2.342767 4.288951

Kab ngawi 2013

1.818077 9.65898 2.054124 4.30555

Kab ngawi 2014

1.791759 9.895899 3.555348 4.306764

Kab ngawi 2015

1.7613 9.227168 2.484907 4.316287

Kab ngawi 2016

1.756132 10.57253 2.197225 4.318021

Kab bojonegoro 2012

1.61343 11.39652 3.871201 4.375505

Kab bojonegoro 2013

1.587192 10.69856 3.465736 4.382152

Kab bojonegoro 2014

1.583094 10.63606 3.387774 4.35735

97

Kab bojonegoro 2015

1.581038 10.74778 3.283539 4.363226

Kab bojonegoro 2016

1.568616 9.930047 2.797891 4.367801

Kab tuban 2012

1.562346 9.1587 1.621366 4.37538

Kab tuban 2013

1.549688 9.341202 3.592644 4.386765

Kab tuban 2014

1.526056 11.34351 2.723924 4.257313

Kab tuban 2015

1.52388 9.911669 2.197225 4.270397

Kab tuban 2016

3.331133 10.81118 2.197225 4.142182

Kab lamongan 2012

3.206803 6.990717 3.555348 4.185708

Kab lamongan 2013

3.182627 10.52502 3.73767 4.192076

Kab lamongan 2014

3.100993 11.25103 3.135494 4.233091

Kab lamongan 2015

3.089223 11.15863 3.89182 4.223763

Kab lamongan 2016

3.063858 8.914303 3.663562 4.238445

Kab gresik 2012

3.04357 9.157899 2.995732 4.260141

Kab gresik 2013

3.000222 9.737244 2.995732 4.216267

Kab gresik 2014

2.97604 9.948724 3.555348 4.192227

Kab gresik 2015

2.881443 10.7563 3.218876 4.2029

Kab gresik 2016

2.850128 9.149698 3.367296 4.209012

Kab bangkalan 2012

2.841415 11.22583 3.663562 4.225957

Kab bangkalan 2013

2.815409 10.01889 3.610918 4.169916

Kab bangkalan 2014

2.815409 9.214173 2.70805 4.177459

Kab bangkalan 2015

2.813011 9.175138 2.833213 4.199155

Kab bangkalan 2016

2.771964 10.0131 0.207014 4.143452

Kab sampang 2012

2.760643 9.119945 2.70805 4.154812

Kab sampang 2013

2.740195 11.24329 3.806662 4.143769

Kab sampang 2014

2.72589 9.278457 0.593327 4.220683

Kab sampang 2015

2.70805 9.987397 4.369448 4.234107

Kab sampang 2016

2.70069 8.479138 3.871201 4.146463

Kab pamekasan 2012

2.681022 10.47785 0.165514 4.166975

98

Kab pamekasan 2013

2.66375 11.17485 0.122218 4.130837

Kab pamekasan 2014

2.663053 9.099934 4.204693 4.149937

Kab pamekasan 2015

2.653946 10.01353 4.532599 4.157476

Kab pamekasan 2016

2.618125 9.852142 4.330733 4.175617

Kab sumenep 2012

2.617396 9.964827 2.484907 4.116269

Kab sumenep 2013

2.590767 11.11615 0.24686 4.175002

Kab sumenep 2014

2.583243 9.974733 1.156881 4.185251

Kab sumenep 2015

2.581731 9.693013 2.355178 4.335852

Kab sumenep 2016

2.579459 9.325729 2.447551 4.340944

kota kediri 2012

2.543176 9.787454 1.047319 4.260565

kota kediri 2013

2.540814 9.828909 3.828641 4.216857

kota kediri 2014

2.517696 9.789865 2.995732 4.242621

kota kediri 2015

2.505526 10.57341 4.158883 4.248924

kota kediri 2016

2.503892 10.58995 2.079442 4.220537

kota blitar 2012

2.468947 12.49085 1.386294 4.220537

kota blitar 2013

2.464704 8.313681 3.135494 4.239743

kota blitar 2014

2.463853 9.042561 1.791759 4.24377

kota blitar 2015

2.449279 9.881804 2.70805 4.25263

kota blitar 2016

2.442347 9.957024 4.276666 4.208417

kota malang 2012

2.441477 10.04152 2.995732 4.216267

kota malang 2013

2.417698 8.082279 1.348073 4.178533

kota malang 2014

2.401525 9.762454 0.067659 4.161068

kota malang 2015

2.400619 8.11922 0.285179 4.167905

kota malang 2016

2.395164 8.306768 1.111858 4.192529

kota probolingo 2012

2.390596 9.835043 4.406719 4.212276

kota probolingo 2013

2.373975 11.30664 4.406719 4.253341

kota probolingo 2014

2.371178 8.532358 4.430817 4.283173

kota probolingo 2015

2.370244 10.75347 2.315501 4.288265

99

kota probolingo 2016

2.361797 11.51285 3.134189 4.298237

kota pasuruan 2012

2.35802 9.087743 4.248495 4.088494

kota pasuruan 2013

2.299581 11.05382 4.219508 4.021415

kota pasuruan 2014

2.290513 9.20972 4.219508 4.033355

kota pasuruan 2015

2.24071 10.52573 2.890372 4.063542

kota pasuruan 2016

2.173615 9.92838 3.433987 4.137723

kota mojokerto 2012

2.128232 8.918744 4.584967 4.117898

kota mojokerto 2013

2.107786 9.366309 3.871201 4.149779

kota mojokerto 2014

2.09679 9.738 0.737164 4.312409

kota mojokerto 2015

2.075684 9.382149 0.737164 4.326382

kota mojokerto 2016

2.066863 9.289512 2.772589 4.297693

kota madiun 2012

2.030776 10.70392 2.833213 4.311202

kota madiun 2013

1.971299 11.08841 4.49981 4.368941

kota madiun 2014

1.909543 8.949625 4.584967 4.38776

kota madiun 2015

1.868721 8.179396 0.978326 4.255471

kota madiun 2016

1.862529 8.257619 2.837908 4.262821

kota surabaya 2012

1.854734 9.191749 2.574138 4.293605

kota surabaya 2013

1.832581 8.799179 2.186051 4.301088

kota surabaya 2014

1.745716 9.742062 0.530628 4.324662

kota surabaya 2015

1.728109 9.259283 1.111858 4.335721

kota surabaya 2016

1.680828 10.42462 1.94591 4.346529

kota batu 2012

1.65058 9.376499 1.791759 4.361951

kota batu 2013

1.640937 10.64428 3.871201 4.36704

kota batu 2014

1.499623 9.329802 1.94591 4.275137

kota batu 2015

1.497388 10.80612 1.623341 4.28524

kota batu 2016

1.465568 9.1662 2.508786 4.298237

100

Lampiran 2. Analisis Data Panel

Uji Chow

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F

1231.27403

4 (37,149) 0.0000

Common Effect Model

Dependent Variable: POV?

Method: Pooled Least Squares

Date: 02/26/19 Time: 23:15

Sample: 1 5

Included observations: 5

Cross-sections included: 38

Total pool (balanced) observations: 190

Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

PDRB? -3.03E-05 4.46E-07 -67.89103 0.0000

INV? 0.019758 0.012965 1.523947 0.1292

IPM? 0.871663 0.008518 102.3377 0.0000

101

Fixed Effect Model

Dependent Variable: POV?

Method: Pooled EGLS (Cross-section weights)

Date: 02/26/19 Time: 23:16

Sample: 1 5

Included observations: 5

Cross-sections included: 38

Total pool (balanced) observations: 190

Linear estimation after one-step weighting matrix

Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

C 6.808382 0.165281 41.19289 0.0000

PDRB? -9.42E-05 3.95E-06 -23.85794 0.0000

INV? 0.000175 0.000898 0.194866 0.8458

IPM? -0.068155 0.022543 -3.023311 0.0029

Fixed Effects (Cross)

_KABPACITAN--C -0.179509

_KABPONOROGO--C -0.292020

_KABTULUNGAGUNG--C -0.369031

_KABTRENGGALEK--C -0.433953

_KABBLITAR--C -0.451029

_KABKEDIRI--C -0.433758

_KABMALANG--C -0.456467

_KABLUMAJANG--C -0.469373

_KABJEMBER--C -0.437976

_KABBANYUWANGI--C -0.431004

_KABBONDOWOSO--C -0.431103

_KABSITUBONDO--C -0.409688

_KABPROBOLINGGO--C -0.383753

_KABPASURUAN--C -0.357236

_KABSIDOARJO--C -0.326518

_KABMOJOKERTO--C -0.350751

_KABJOMBANG--C -0.409693

_KABNGANJUK--C -0.413267

_KABMADIUN--C -0.454469

_KABMAGETAN--C -0.509140

_KABNGAWI--C -0.551876

_KABBOJONEGORO--C -0.702816

_KABTUBAN--C -0.341872

_KABLAMONGAN--C 0.939959

_KABGRESIK--C 0.818910

_KABBANGKALAN--C 0.735503

_KABSAMPANG--C 0.708784

_KABPAMEKASAN--C 0.694410

_KABSUMENEP--C 0.692846

_KOTAKEDIRI--C 0.683870

_KOTABLITAR--C 0.678552

_KOTAMALANG--C 0.688637

_KOTAPROBOLINGO--C 0.716265

_KOTAPASURUAN--C 0.662147

_KOTAMOJOKERTO--C 0.557501

_KOTAMADIUN--C 0.457300

_KOTASURABAYA--C 0.359027

_KOTABATU--C 0.202587

102

Random Effect Model

Dependent Variable: POV?

Method: Pooled EGLS (Cross-section random effects)

Date: 02/26/19 Time: 23:17

Sample: 1 5

Included observations: 5

Cross-sections included: 38

Total pool (balanced) observations: 190

Swamy and Arora estimator of component variances

Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

C 7.808926 1.537393 5.079328 0.0000

PDRB? -3.03E-05 3.33E-06 -9.084311 0.0000

INV? -0.003143 0.004917 -0.639290 0.5234

IPM? -0.961322 0.381027 -2.522977 0.0125

Random Effects (Cross)

_KABPACITAN--C 0.422203

_KABPONOROGO--C 0.316826

_KABTULUNGAGUNG--C 0.211064

_KABTRENGGALEK--C 0.126922

_KABBLITAR--C -0.003875

_KABKEDIRI--C 0.032350

_KABMALANG--C -0.047436

_KABLUMAJANG--C -0.095399

_KABJEMBER--C 0.023133

_KABBANYUWANGI--C -0.039770

_KABBONDOWOSO--C -0.078935

_KABSITUBONDO--C -0.078295

_KABPROBOLINGGO--C -0.135377

_KABPASURUAN--C -0.155920

_KABSIDOARJO--C -0.131675

_KABMOJOKERTO--C -0.308398

_KABJOMBANG--C -0.372796

_KABNGANJUK--C -0.320729

_KABMADIUN--C -0.306628

_KABMAGETAN--C -0.445975

_KABNGAWI--C -0.507206

_KABBOJONEGORO--C -0.632904

_KABTUBAN--C -0.394122

_KABLAMONGAN--C 0.749196

_KABGRESIK--C 0.594775

_KABBANGKALAN--C 0.445981

_KABSAMPANG--C 0.380868

_KABPAMEKASAN--C 0.306915

_KABSUMENEP--C 0.328248

_KOTAKEDIRI--C 0.290582

_KOTABLITAR--C 0.241756

_KOTAMALANG--C 0.164555

_KOTAPROBOLINGO--C 0.232440

_KOTAPASURUAN--C -0.030391

_KOTAMOJOKERTO--C -0.027063

_KOTAMADIUN--C -0.096148

_KOTASURABAYA--C -0.233510

_KOTABATU--C -0.425263

103

Lampiran 3. Uji Regresi Linier Berganda

Adjusted R-Square

R-squared 0.998829 Mean dependent var 12.47294

Adjusted R-squared 0.998515 S.D. dependent var 9.490300

S.E. of regression 0.085289 Sum squared resid 1.083868

F-statistic 3178.117 Durbin-Watson stat 1.023378

Prob(F-statistic) 0.000000

Uji F

R-squared 0.998829 Mean dependent var 12.47294

Adjusted R-squared 0.998515 S.D. dependent var 9.490300

S.E. of regression 0.085289 Sum squared resid 1.083868

F-statistic 3178.117 Durbin-Watson stat 1.023378

Prob(F-statistic) 0.000000

Uji t

Variable Coefficient Std. Error t-Statistic Prob.

C 6.808382 0.165281 41.19289 0.0000

PDRB? -9.42E-05 3.95E-06 -23.85794 0.0000

INV? 0.000175 0.000898 0.194866 0.8458

IPM? -0.068155 0.022543 -3.023311 0.0029