III.

METODE PENELITIAN
3.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang meliputi: 1. Data panel hasil Survei Sosial Ekonomi Nasional (SUSENAS) dan Survei Angkatan Kerja Nasional (SAKERNAS) tahun 2005-2009 yang dilakukan oleh Badan Pusat Statistik (BPS) antara lain jumlah dan persentase penduduk miskin, garis kemiskinan, indeks gini dan tingkat pengangguran terbuka. 2. Data yang diperoleh dari berbagai publikasi BPS, diantaranya publikasi indikator kesejahteraan rakyat dan produk domestik regional bruto (PDRB). 3. Data berupa informasi kabupaten/kota pesisir dan bukan pesisir, data mengenai besarnya bantuan dari program PEMP tahun 2005-2009, serta publikasi PEMP yang bersumber dari KPP. 3.1.1. Data yang Digunakan Untuk Peubah Data Panel Data yang digunakan dapat dilihat pada Lampiran 3 s.d 7. 1. Pertumbuhan ekonomi: PDRB perkapita atas dasar harga konstan tahun 20052009, sumber BPS. 2. Ketimpangan pendapatan: Indeks gini yang dihitung berdasarkan pendekatan pengeluaran hasil SUSENAS tahun 2005-2009, sumber BPS. 3. Pengangguran: Tingkat pengangguran terbuka (TPT) yang dihitung dari hasil SAKERNAS tahun 2005-2009, sumber BPS. 4. Kemiskinan: Persentase penduduk miskin yang dihitung berdasarkan pendekatan garis kemiskinan hasil SUSENAS 2005-2009, sumber BPS.
5.

PEMP: Alokasi besaran dana PEMP yang diberikan pada kabupaten/kota pesisir penerima program PEMP tahun 2005-2009, sumber KKP.

3.1.2. Data yang Digunakan Untuk Menghitung GIC Data yang digunakan dapat dilihat pada Lampiran 8. Data yang berasal dari pengeluaran perkapita dilihat melalui persentil hasil SUSENAS tahun 2005 dan tahun 2009. Penghitungan untuk sumber data pengeluaran berasal dari data konsumsi rumahtangga yang dikumpulkan oleh BPS setiap tahun melalui

42

SUSENAS.

Pendekatan

untuk

menghitung

pendapatan

rumahtangga

menggunakan nilai besarnya pengeluaran. Pendekatan ini dianggap lebih mencerminkan keadaan sebenarnya, meskipun ada juga kelemahan-kelemahan dari pendekatan ini. Coudovel et al. (2002) mengungkapkan bahwa konsumsi merupakan indikator yang lebih baik untuk mengukur kemiskinan karena: 1. Konsumsi adalah indikator yang lebih baik untuk mengukur outcome daripada pendapatan. Konsumsi lebih terkait dengan keadaan seseorang, sehingga bisa digunakan untuk ukuran kebutuhan dasar. Dilain pihak, pendapatan adalah salah satu elemen yang memungkinkan untuk mengkonsumsi barang. Data pendapatan juga lebih sulit diakses dan mungkin tidak tersedia. 2. Konsumsi bisa diukur lebih baik daripada pendapatan. Pada perekonomian agraris yang miskin, pendapatan rumahtangga berfluktuasi, sehingga lebih sulit diukur. Pada daerah perkotaan, dengan sektor informal yang besar, pendapatan juga sulit diukur. Sehingga rumahtangga yang menjadi responden akan kesulitan untuk memberikan data pendapatannya. 3. Konsumsi lebih merefleksikan standar hidup yang sebenarnya dan kemampuan untuk memenuhi kebutuhan dasar. Pengeluaran untuk konsumsi tidak hanya merefleksikan barang dan jasa yang bisa dibeli oleh rumahtangga, tapi juga kemungkinan rumahtangga tersebut bisa

mengakses pasar kredit ketika pendapatannya rendah. Hidayat dan Patunru (2007) mengungkapkan bahwa penghitungan indeks gini dengan menggunakan data pengeluaran cenderung lebih rendah daripada indeks gini yang dihitung dengan data pendapatan. Hal ini karena data pengeluaran kemungkinan hanya dapat menggambarkan besarnya pendapatan pada penduduk berpendapatan rendah dan menengah, tetapi tidak untuk penduduk berpendapatan tinggi. 3.2 Metode Analisis Metode analisis yang digunakan antara lain: Analisis deskriptif, analisis kuadran, analisis growth incidence curve (GIC) dan analisis data panel.

43

3.2.1. Analisis Deskriptif Analis deskriptif merupakan suatu teknik analisis sederhana yang dapat digunakan untuk menggambarkan kondisi suatu observasi dengan menyajikan dalam bentuk ulasan, tabel maupun grafik dengan tujuan memudahkan dalam menafsirkan hasil observasi. 3.2.2. Analisis Kuadran Analisis kuadran dalam penelitian ini digunakan untuk melihat dampak implementasi program PEMP periode 2005-2009 terhadap 20 kabupaten/kota pesisir, yaitu berupa analisis dinamika dan perkembangan pertumbuhan ekonomi, ketimpangan pendapatan dan pengangguran terhadap kemiskinan yang terjadi di kabupaten/kota pesisir pada awal periode (tahun 2005), dan setelah 4 tahun implementasi program PEMP (tahun 2009). Gambaran kedua waktu tersebut diharapkan dapat memberikan gambaran dinamika kemiskinan, pertumbuhan ekonomi, ketimpangan pendapatan dan pengangguran di kabupaten/kota pesisir.

3.2.3. Analisis Pro Poor Growth ( Growth Incidence Curve/GIC) Analisis Pro Poor Growth ( Growth Incidence Curve/GIC) yang digunakan dalam penelitian ini untuk melihat apakah pertumbuhan ekonomi di wilayah pesisir (20 kabupaten/kota pesisir) memberikan manfaat bagi penduduk miskin atau mengarah ke pro poor growth (PPG), digunakan analisis growth incidence curve (GIC). PPG yang digunakan dalam penelitian ini diukur melalui pendekatan agregat. Ravallion (2005) menggunakan GIC untuk mengukur PPG, dengan rumus:

g ( p) = γ + dLn( L' ( p))

(3.1)

Dimana γ = dLn(µ) yaitu tingkat pertumbuhan rata-rata pendapatan (pengeluaran) dari keseluruhan penduduk. g(p) = GIC. Jika g(p) >nol (0), artinya GIC bernilai positif di keseluruhan penduduk persentil-p, maka pertumbuhan bersifat pro poor growth. Sebaliknya, jika g(p) bernilai negatif atau tidak semua positif di keseluruhan penduduk persentil-p, maka pertumbuhan belum bersifat pro poor growth. Selain itu, GIC dapat menunjukkan perubahan ketimpangan pendapatan antara penduduk miskin

Data panel adalah gabungan antara data silang (cross section) dan data runtun waktu (time series).2. 4. 3. Distribusi pengeluaran menurut persentil. pengangguran dan kemiskinan digunakan analisis kuantitatif yaitu dengan menggunakan analisis data panel. diurutkan dari pengeluaran rendah sampai dengan tertinggi (100 persen) dihitung masing-masing untuk tahun 2005 dan 2009. masing-masing dari 20 kabupaten/kota pesisir. Tahapan sebagai berikut: 1.1 Tahapan Pengolahan GIC Pengolahan Growth Incidence Curve (GIC) menggunakan SPSS 13. maka ketimpangan menurun demikian pula sebaliknya.44 dan kaya.3. Analisis Data Panel Untuk melihat pengaruh program PEMP serta keterkaitan antara pertumbuhan ekonomi. Data yang digunakan yaitu rata-rata pengeluaran penduduk perkapita hasil SUSENAS 2005 dan 2009. Nilai growth menurut persentil dibuat kurva dengan rata-rata pertumbuhan (mean growth) growth  p − p 5 =  9  p9    x 100   Atau menggunakan rumus pertumbuhan geometrik  P r =  9  P  5     1 n − 1 Dimana: r = pertumbuhan P5 = rata-rata pengeluaran perkapita tahun 2005 P9 = rata-rata pengeluaran perkapita tahun 2009 n = selisih periode tahun (2009-2005=4) 3.2. Dihitung masing-masing persentil nilai growth (pertumbuhan) rata-rata pengeluaran penduduk tahun 2009 dibanding tahun 2005. sehingga periode waktu yang digunakan tidak terlalu panjang dan data silangnya dapat berupa karakteristik suatu perusahaan /wilayah/ .4. ketidakmerataan pendapatan. 2. Jika GIC merupakan fungsi turun. 3.

Regresi dengan menggunakan data panel disebut dengan model regresi data panel. longitudinal data. pooled-time series data. sehingga model regresi data panel akan menghasilkan degree of freedom (df) yang lebih besar yang selanjutnya akan meningkatkan presisi dari estimasi regresi. Sebaliknya. Asumsi yang mendasari OLS tersebut sangat jarang berlaku dalam kenyataan sehari-hari. combination of time series and cross section data. . Penggabungan informasi dari data time series dan data cross section. Data panel mampu menyediakan data yang lebih banyak dan informasi yang lebih lengkap. Penggunaan model regresi data panel memungkinkan untuk menangkap karakteristik antar individu dan antar waktu. 4.45 negara . antara lain: 1. Data panel mampu mengurangi kolinieritas antar variabel. 6. Jika setiap unit cross section memiliki jumlah observasi time series yang sama maka disebut sebagai balanced panel. Data panel mampu mengindikasikan dan mengukur efek yang secara sederhana tidak dapat diperoleh dengan data cross section murni atau time series murni. data panel digunakan apabila observasi dari cross section saja atau data time series saja tidak cukup untuk dilakukan analisis. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu karena unit data lebih banyak. karena dengan data panel observasinya akan lebih banyak. Suatu hal yang penting dalam data panel yang diabaikan dalam penggunaan OLS adalah heterogenitas antara unit-unit cross section. Selain itu. Hsiao (1990) menyatakan bahwa model regresi data panel memiliki beberapa keuntungan. 5. dapat mengatasi masalah yang timbul akibat penghilangan variabel (ommited variable). data panel terdiri dari beberapa atau banyak objek yang meliputi beberapa periode. jika unit-unit cross section memiliki jumlah observasi time series yang berbeda maka disebut unbalanced panel. Jadi. karena merupakan gabungan antara data cross section dan data time series. Nama lain data panel antara lain: Panel Pooled data. 2. 3.

gangguan (errorterms/disturbanced) selalu dinyatakan bersifat homoskedastik dan serial uncorrelated. asumsi model regresi klasik tersebut tidak dapat diterapkan. Dalam analisis persamaan tunggal. disesuaikan dengan kondisi matriks varians-covarians residual (Ekananda. pengujian dilakukan untuk mengetahui apakah terjadi gejala homoskedastik. penulis membatasi pembahasan pada data panel yang bersifat balanced panel. Pengujian dalam analisis regresi data panel berbeda dengan pengujian dalam persamaan tunggal. gangguan antar individu (cross section disturbance).1. Model Regresi Data Panel Analisis regresi yang menggunakan data panel mempunyai tiga macam model.4.2.46 Heterogenitas dapat terjadi pada intercept. heteroskedastik. total observasi adalah N (jumlah cross section) x T (jumlah time series) 3. atau autokorelasi untuk satu individu. Didalam model regresi klasik. Dalam kondisi tersebut. Fixed Effect dan Random Effect. Perbedaan antar individu tersebut dapat diperoleh dengan menggunakan data panel. Jadi. Dalam penelitian ini. Kelebihan analisis regresi data panel yang fundamental ditambahkan oleh Greene (2005) yaitu adanya fleksibilitas yang lebih besar bagi peneliti dalam memodelkan perbedaan perilaku diantara individu-individu. yang mana tiap-tiap individu (kabupaten/kota) memiliki jumlah observasi time series yang sama. yang merupakan gabungan data beberapa individu dalam beberapa periode. . sehingga diperoleh hasil estimasi yang bersifat BLUE. Hal ini terjadi karena dalam data panel terdapat tiga macam gangguan. Sedangkan dalam metode regresi data panel. Kemudian pengujian dalam analisis data panel dilakukan untuk menentukan estimator yang lebih baik. serta gangguan antar waktu dan antar individu. yaitu: gangguan antar waktu (time series related disturbances). slope. yaitu Common Effect. Perbaikan (remidial) model dilakukan jika berdasarkan hasil pengujian terdapat asumsi regresi linier klasik yang terlanggar. atau keduanya. 2006). penggunaan metode OLS akan menghasilkan estimator yang memiliki sifat Best Linear Unbiased Estimator (BLUE).

2. …. untuk mendapatkan parameter yang konstan dan efisien akan lebih baik jika diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak N × T observasi. Model ini tidak memperhatikan dimensi individu maupun waktu. T N = jumlah observasi / unit cross section / individu T = jumlah periode waktu NT = jumlah data panel m = jumlah variabel bebas Dimana komponen error mengikuti asumsi seperti dalam pengolahan kuadrat terkecil (OLS). N Implikasinya.2) . 2. 3. 3. sehingga proses estimasi secara terpisah untuk setiap unit cross section dapat dilakukan.47 a. Namun. Model Common Effects Model common effects merupakan pendekatan data panel yang paling sederhana. t = 1.3) dengan i = 1. yaitu hanya dengan mengombinasikan data time series dan data cross section dalam bentuk pool. … . dan teknik estimasinya menggunakan pendekatan kuadrat terkecil/pooled least squares. sehingga diasumsikan bahwa perilaku antar individu sama dalam berbagai kurun waktu. kita juga dapat memperoleh persamaan deret waktu (time series) sebanyak N persamaan untuk setiap T periode observasi. Begitu juga sebaliknya. … . N. Persamaan regresi dalam model common effects dapat ditulis sebagai berikut: Common Effect Model: . Untuk periode t=1. 2. akan diperoleh sebanyak T persamaan cross section yang sama. akan diperoleh persamaan regresi cross section sebagai berikut: (3. (3. Dimana : i = 1. 3.

Oleh karena itu. Metode estimasi ini sering disebut dengan teknik Least Squares Dummy Variable (LSDV). Misalkan dan merupakan T pengamatan untuk setiap unit ke-i. Model Fixed Effects Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi melalui perbedaan intersepnya.4) Untuk mengestimasi model fixed effects. maka digunakan teknik variable dummy. maka model fixed effects dapat ditulis sebagai berikut: Fixed Effect Model: (3. antara lain: . persamaan diatas dapat ditulis sebagai berikut: (3. pada model ini diasumsikan bahwa ada perbedaan intersep untuk setiap individu dan intersep tersebut merupakan variabel random atau stokastik.48 b. bisa menggunakan variabel residual yang dikenal sebagai metode random effects. dimana intersep berbeda antar individu. Intersep pada setiap individu merupakan parameter yang tidak diketahui dan akan diestimasi. dan yang disusun dalam vektor T × 1 merupakan vektor gangguan. Dengan demikian. Persamaan regresi untuk model random effects dapat ditulis sebagai berikut: dimana (3. Untuk mengatasi masalah ini. akan dipilih estimasi model regresi data panel dimana residual saling berhubungan antar waktu dan antar individu. yaitu residual secara menyeluruh (ξit) dan residual secara individu (ui). Model Random Effects Estimasi model regresi data panel dengan fixed effect melalui teknik LSDV menunjukkan ketidakpastian model yang digunakan. Pada model ini. dalam model random effects terdapat dua komponen residual. Dengan demikian.6) Beberapa asumsi yang harus dipenuhi dalam model random effects.5) c.

maka penaksiran dengan model fixed effects dan model random effects akan menghasilkan perbedaan yang signifikan. Judge dalam Manurung (2005) menyatakan ada empat pertimbangan pokok yang dapat digunakan untuk memilih antara model fixed effects atau random effects. akan dilakukan pengujian untuk memilih estimator dengan struktur varians-covarians dari residual yang lebih baik. Uji Signifikansi Model Regresi Data Panel Dari ketiga model yang telah dijelaskan sebelumnya. sehingga pilihan didasarkan pada kemudahan penghitungan. Sementara itu. yaitu uji statistik F yang digunakan untuk memilih antara model common effects atau model fixed effects. Bila diyakini bahwa individu atau cross section tidak acak . Terdapat tiga prosedur pengujian secara formal yang digunakan untuk memilih model regresi data panel yang terbaik. Bila N besar dan T kecil. 3.49 Hal ini berarti bahwa komponen error tidak berkorelasi satu sama lain dan tidak ada autokorelasi antara cross section dan time series. Pada model random effects diketahui bahwa .4. 2005). yaitu model fixed effects. uji Langrange Multiplier (LM) yang digunakan untuk memilih antara model common effects atau model random effects. selanjutnya akan ditentukan model yang paling tepat untuk mengestimasi regresi data panel. dimana merupakan komponen acak cross section. yaitu: Jika jumlah time series (T) besar dan jumlah cross section (N) kecil.2.2. a. Selanjutnya. yaitu model common effects. Sementara itu. untuk model estimasi regresi data panel terpilih. pada model fixed effecs bersifat tidak acak. model fixed effects. Model random effects sangat berguna jika individu yang dijadikan sampel adalah dipilih secara random dan merupakan wakil dari populasi (Widarjono. dan uji Hausman yang digunakan untuk memilih antara model fixed effects atau model random effects. maka nilai taksiran parameter berbeda kecil. dan model random effects.

dan SSR2 = sum square residual model fixed effects dengan variabel dummy.50 maka model fixed effects lebih tepat. Hipotesis nul (H0) yang digunakan adalah bahwa intersep dan slope adalah sama. Jika nilai statistik F hitung lebih besar daripada F tabel pada tingkat signifikansi tertentu. k = jumlah parameter dalam model fixed effects tidak termasuk intersep. maka penaksir dengan model random effects adalah bias dan penaksir dengan model fixed effects tidak bias. SSR1 = sum square residual model tanpa variabel dummy (common effect). Uji F digunakan untuk mengetahui apakah model regresi data panel dengan fixed effect melalui teknik variabel dummy lebih baik dari model regresi data panel tanpa variabel dummy (common effect) dengan melihat sum square residual (SSR). Jika komponen error individu berkorelasi. pemilihan model estimasi terbaik akan dilakukan dengan menggunakan pengujian secara formal. maka hipotesis nul akan ditolak. Sebaliknya. sehingga model regresi data panel dengan fixed effects lebih baik dari model regresi data panel tanpa variabel dummy (common effects). Dalam penelitian ini. b. .7) dimana n = jumlah individu. maka penaksir model random effects lebih efisien dari penaksir model fixed effects. yang berarti asumsi koefisien intersep dan slope adalah sama menjadi tidak berlaku. jika cross section acak maka model random effects lebih tepat. yaitu dengan tiga jenis pengujian Ketiga pengujian tersebut antara lain: 1. Jika N besar dan T kecil serta asumsi model random effects terpenuhi. c. Uji signifikansi Model Fixed Effects Untuk menguji signifikansi fixed effects dilakukan dengan statistik uji F. Nilai statistik F hitung akan mengikuti distribusi statistik F dengan derajat bebas (df) sebanyak n-1 untuk pembilang dan sebanyak nT-n-k untuk penyebut. Adapun uji F statistiknya adalah sebagai berikut: (3.

dan eit adalah residual metode common effects (OLS). di bawah hipotesis nol. Oleh karena itu.51 2. baik OLS (dalam model LSDV) maupun GLS adalah konsisten. Adapun nilai statistik LM dihitung berdasarkan formula sebagai berikut: (3. 3. yang berarti estimasi yang tepat untuk model regresi data panel adalah model random effects daripada model common effects. Uji LM ini didasarkan pada distribusi chi-square dengan derajat bebas (df) sebesar 1. Pengujian ini didasarkan pada nilai residual dari metode common effects. Dengan kata lain varians dari residual ui bernilai nol. dapat digunakan uji Langrange Multiplier (LM) yang dikembangkan oleh Breusch-Pagan (1980). Uji ini didasarkan pada gagasan bahwa hipotesis nol menyatakan tidak adanya korelasi. Hipotesis nul (H0) yang digunakan adalah bahwa intersep bukan merupakan variabel random atau stokastik.9) . Pengujian signifikansi Fixed Effects atau Random Effects (Signifikansi Hausman) Uji Hausman digunakan untuk mengetahui apakah model fixed effects lebih baik dari model random effects. T = jumlah periode waktu. kedua estimasi seharusnya tidak berbeda secara sistematik. maka hipotesis nul akan ditolak. sedangkan hipotesis alternatifnya yaitu OLS konsisten tetapi GLS tidak konsisten.8) dimana n = jumlah individu. Jika hasil LM statistik lebih besar dari nilai kritis statistik chi-square. Unsur penting untuk metode ini adalah matriks kovarians dari perbedaan vektor : (3. Uji signifikansi Model Random Effects Untuk mengetahui apakah model random effects lebih baik dari model common effects. dan ujinya dapat dilakukan berdasarkan pada perbedaan. akan tetapi OLS tidak efisien.

Hasil metode Hausman adalah bahwa perbedaan kovarians dari estimator yang efisien dengan estimator yang tidak efisien adalah nol. Penggunaan metode estimasi ini diharapkan dapat menunjukkan variasi hasil estimasi. dengan mensubstitusikan kedua persamaan diatas akan menghasilkan matriks kovarians sebagai berikut: (3. Spesifikasi Model Metode ekonometrik yang digunakan untuk melihat pengaruh program PEMP terhadap pertumbuhan ekonomi.12) Statistik uji Hausman di atas mengikuti distribusi statistik chi-square dengan derajat bebas sebanyak k.10) Kemudian. 3.2.4. serta validitas dari metode estimasi yang digunakan.3. maka model pengaruh PEMP terhadap pertumbuhan ekonomi. sehingga atau (3.d 3 sebagai berikut: (3.52 dimana untuk OLS (dalam model LSDV). yang berarti estimasi yang tepat untuk regresi data panel adalah metode fixed effects daripada metode random effects. ketimpangan pendapatan dan pengangguran terhadap kemiskinan. ketimpangan pendapatan dan pengangguran direpresentasikan dalam model persamaan 1 s. robustness model.13) . Metode data panel juga digunakan untuk melihat pengaruh pertumbuhan ekonomi. melihat kebaikan. Jika nilai statistik Hausman lebih besar daripada nilai kritis statistik chi-square.11) Selanjutnya mengikuti kriteria Wald. ketimpangan pendapatan dan pengangguran menggunakan metode data panel. yaitu sejumlah parameter tanpa intersep. dan untuk model GLS. nilai statistik Hausman ini akan mengikuti distribusi chi-square sebagai berikut: (3. Berdasarkan pertimbangan dari beberapa penelitian terdahulu. maka hipotesis nul akan ditolak.

ξnt : disturbance term 3. 2.16) Dimana : Rnt : pertumbuhan ekonomi untuk area ke n. and Growth in Urban China. ketimpangan pendapatan dan pengangguran terhadap kemiskinan di kabupaten/kota pesisir menggunakan model yang dikembangkan oleh Xin Meng et al.53 (3. periode ke -t. Gnt : ketimpangan pendapatan untuk area ke n. periode ke -t. Indeks Gini dan TPT (persamaan 1 s.d 3) dilakukan dengan tahapan sebagai berikut: 1. Tnt : tingkat pengangguran untuk area ke n. pertumbuhan ekonomi dan ketimpangan pendapatan. periode ke -t.4. P nt : program PEMP untuk area ke n. 1986-2000. . persamaan PEMP terhadap PDRB.n. ( 2005). Selanjutnya dilakukan Uji Hausman untuk membandingkan model estimasi mana yang dipilih Fixed effects atau Random effects. Tahapan Pengolahan Data Panel Dalam penelitian ini pengolahan data panel menggunakan Eviews 6.15) yang digunakan untuk melihat hubungan antara Model regresi pertumbuhan ekonomi. Memilih model estimasi yang terbaik dari 2 model yaitu Model Fixed effects atau Random effects dengan cara melakukan pengolahan untuk masing-masing persamaan antara peubah PEMP dengan PDRB.4. maka dikembangkan untuk persamaan ke-4 adalah sebagai berikut : (3.14) (3. periode ke -t Mnt: persentase penduduk miskin untuk area ke n. αn: common/fixed/random effect untuk area ke.2. Berdasarkan penelitian tersebut. dalam penelitiannya yang berjudul ”Poverty. Inequality. peubah PEMP dengan Gini dan peubah PEMP dengan TPT dengan menggunakan Fixed effects dan Random effects. periode ke -t. Bourguignon (2004) juga mengembangkan kerangka konseptual the poverty-growth-inequality triangle untuk melihat hubungan antara kemiskinan.

63 dan untuk persaman 4.54 3.34) 7.61 dan dU=1. maka dilakukan pengujian asumsi dengan melihat autokorelasi dan heteroskedastik. 4. 5. 8.05 maka model estimasi yang dipilih adalah Fixed Effects.d 3 nilai dL=1.65 dan dU=1. 3.2. maka dilakukan pengolahan kembali dengan menggunakan model yg ditetapkan (fixed atau random) dan menggunakan COVARIANCE METHOD CROSSSECTION WEIGTH/SUR(PCSE). Untuk melihat apakah persamaan atau model yang dipilih sudah bebas dari asumsi regresi.5. Autokorelasi dapat diketahui dengan melihat angka Durbin Watson pada persamaan yang telah ditetapkan (fixed atau random). Heteroskedastik diketahui dengan Uji White yaitu dengan cara melihat angka R-Squared pada persamaan yang telah ditetapkan (fixed atau random) dikalikan dengan jumlah observasi. Jika angka Durbin diluar wilayah keputusan maka terdeteksi adanya autokorelasi (persamaan 1 s.d 3. Dari hasil Uji Hausman. Konsep dan definisi penduduk miskin mengacu pada konsep . Output hasil pengolahan data panel dapat dilihat pada Lampiran 10. Sebaliknya jika peluang > 0. Jika persamaan terdeteksi adanya autokorelasi dan heretoskedastik. Jika tidak terdeteksi adanya autokorelasi dan heteroskedastik maka persamaan yang digunakan adalah persamaan yang telah ditetapkan dari hasil uji Hausman (Model estimasi fixed effect atau random effect). tabel Chi square =11. Definisi Operasional Deskripsi operasional dari peubah-peubah yang digunakan dalam model antara lain: 1.73) 6. Angka Kemiskinan (Head Count Index) Angka kemiskinan yang digunakan dalam penelitian ini adalah persentase penduduk miskin (HCI) di kabupaten/kota pesisir dalam periode tahun 2005-2009. utk pers 4 nilai dL=1. tabel Chi square =6. Hasil uji White ini kemudian dibandingkan dengan Tabel Chi square. Jika hasil uji White > tabel Chi square. maka terdeteksi adanya heteroskedastik ( persamaan 1 s.05 maka keputusan adalah model Random Effects.69. jika peluang (probabilita) < 0.

5.55 dan definisi yang digunakan BPS. mempersiapkan usaha. Program Pemberdayaan Ekonomi Masyarakat Pesisir (PEMP) merupakan besaran dana bantuan pemberdayaan ekonomi yang diperoleh dari KPP. 3. sandang. dan pada waktu yang bersamaan mereka tidak bekerja (jobless).100 kkal perkapita. sekolah. yaitu dihitung berdasarkan tingkat pengeluaran (rupiah) untuk memenuhi kebutuhan dasar minimum makanan setara dengan 2. 2. dan kebutuhan rumahtangga serta individu yang mendasar lainnya) disebut garis kemiskinan. Penghitungan indeks gini oleh Badan Pusat Statistik (BPS) melalui pendekatan pengeluaran perkapita. transportasi. . serta kebutuhan dasar non makanan (papan. Ketimpangan Pendapatan Dalam penelitian ini ukuran ketimpangan pendapatan yang digunakan adalah indeks gini menurut kabupaten/kota di pesisir. dimaksudkan agar sesuai dengan istilah pertumbuhan ekonomi yang juga merupakan angka agregat dasar. yang sudah punya pekerjaan tetapi belum mulai bekerja. Pertumbuhan Ekonomi Pertumbuhan ekonomi yang dimaksudkan dalam penelitian ini adalah Produk Domestik Regional Bruto (PDRB) per kapita riil dalam rupiah (berdasarkan harga konstan tahun 2000) di kabupaten pesisir. Tingkat Pengangguran Terbuka Pengangguran adalah mereka yang sedang mencari pekerjaan. 4. Program Pemberdayaan Ekonomi Masyarakat Pesisir (PEMP) PEMP adalah program bantuan yang diluncurkan oleh Kementerian Kelautan dan Perikanan (KKP) mulai tahun 2001. Penggunaan PDRB per kapita riil ini yang merupakan besaran agregat. Program ini ditujukan untuk meningkatkan kemampuan ekonomi masyakarat di daerah pesisir. Dana bantuan stimulus tersebut merupakan salah satu mata anggaran dalam Anggaran Pendapatan dan Belanja Negara (APBN). Pengangguran dengan konsep/definisi tersebut biasanya disebut sebagai pengangguran terbuka (open unemployment).

56 .

Hasil Susenas 2009 memperlihatkan bahwa dari sekitar 31. DINAMIKA KABUPATEN/KOTA PESISIR DALAM UPAYA PENINGKATAN KESEJAHTERAAN MASYARAKAT MELALUI PROGRAM PEMP Analisis deskriptif dan kuadran dalam penelitian ini digunakan untuk memberikan gambaran mengenai dinamika kemiskinan. Sebagai upaya mengurangi tingkat kemiskinan dan meningkatkan kesejahteraan masyarakat di wilayah pesisir. pertumbuhan ekonomi. Dalam pelaksanaan program PEMP. 4. Sesuai petunjuk pelaksanaan program PEMP yang disusun. kabupaten/kota yang mendapatkan bantuan PEMP secara rutin setiap tahun adalah kabupaten/kota pesisir yang secara berkala memberikan laporan .87 juta jiwa penduduk Indonesia.BAB IV. kenaikan BBM. tidak semua kabupaten/kota di pesisir mendapatkan stimulus secara berkesinambungan (rutin) setiap tahun. Kegiatan PEMP diluncurkan secara khusus untuk mengatasi berbagai permasalahan akibat krisis ekonomi. Mayoritas jumlah penduduk berada di wilayah pesisir yaitu sekitar 145.18 persen dari total 471 kabupaten/kota. Dinamika Kabupaten/Kota Pesisir Sebagian besar kabupaten/kota di Indonesia merupakan wilayah pesisir atau berbatasan langsung dengan laut. Jumlah kabupaten/kota pesisir di Indonesia pada tahun 2009 sebanyak 307 kabupaten/kota atau sebesar 65.36 juta jiwa atau 67. kesenjangan. Banyaknya penduduk di wilayah pesisir membawa konsekuensi konsentrasi penduduk miskin terbanyak berada di kabupaten/kota pesisir.76 juta jiwa penduduk miskin. sejak tahun 2001 pemerintah melalui DKP memberikan bantuan kepada masyarakat pesisir yaitu berupa program pemberdayaan ekonomi masyarakat pesisir (PEMP).3 persen berada di kabupaten/kota pesisir.1. kemiskinan. ketimpangan pendapatan dan pengangguran di kabupaten/kota pesisir pada awal periode (tahun 2005) dan setelah 4 tahun implementasi program PEMP (tahun 2009). sebanyak 21.92 juta jiwa atau sebesar 63. dan rendahnya kapasitas sumberdaya manusia (masyarakat) pesisir serta upaya mengoptimalkan pemanfaatan potensi sumberdaya kelautan dan perikanan.2 persen dari sekitar 230.

37 0.93 7. Angka kemiskinan Indonesia tahun 2009 tercatat sebesar 13.24 13.37 0. Ketimpangan dan Kemiskinan Kabupaten Pesisir menurut Penerima PEMP.64 -4. Tabel 4. 257 kabupaten/kota mendapat program PEMP tidak rutin dan 30 kabupaten/ kota pesisir lain yang sama sekali belum pernah mendapat program PEMP (tanpa PEMP).76 persen.21 16. Dinamika Pertumbuhan. diolah *) dalam juta rupiah 4.38 0.61 11.1.52 16.775 4.95 2.32 -1.15 persen.335 2.34 -2.83 -3.503 4.75 6. Selama periode 2005-2009 .65 -8.86 Pesisir Lain (Tanpa PEMP) Total Pesisir Nasional 2. atau mengalami perbaikan bila dibandingkan dengan tahun sebelumnya yang tercatat sebesar 15.881 3.915 5.64 0.76 -4.32 0.59 -8.71 -7.33 -2.33 -2.1.66 10.62 13.52 17.24 7.87 -8.63 3.54 0.dari sejumlah kabupaten/kota pesisir tersebut sebanyak 20 kabupaten/kota mendapat program PEMP secara rutin.37 -12.24 20. terdapat 307 kabupaten/kota pesisir.38 0.70 0.201 4. Gambaran Kemiskinan Persentase kemiskinan di tingkat nasional menunjukkan nilai yang menurun pada periode 2005-2009. Pada tahun 2009.60 7.90 7.75 10.480 4.64 16. Demikian pula dengan kondisi kabupaten/kota pesisir.63 17.55 10.80 14.72 -4.1. capaian indikator kemiskinan pesisir juga membaik seperti yang tersaji pada Tabel 4.74 3. .1.340 4.66 0.31 -0.590 5.58 pertanggungjawaban kegiatan dan progresnya secara baik.634 4.58 -4.78 14.35 0.61 Sumber: BPS (2009). Periode 2005-2009 Pesisir PEMP Rutin Indikator Perekonomian PDRB Konstan (2005)* PDRB Konstan (2009)* Pertumbuhan PDRB Ketimpangan Gini Rasio (2005) Gini Rasio (2009) Pertumbuhan Gini Rasio Pengangguran TPT (2005) TPT(2009) Pertumbuhan Pengangguran Kemiskinan PersentaseKemiskinan (2005) PersentaseKemiskinan (2009) Pertumbuhan Kemiskinan Pesisir PEMP Tidak Rutin 3.76 10.

Persentase penurunan penduduk miskin tertinggi adalah kabupaten/kota penerima PEMP tidak rutin dengan laju penurunan penduduk miskin sebesar -4.00 5.00 0.83 17. dengan laju penurunan sebesar -3.1.21 20.72 16. Sementara itu persentase penduduk miskin di kabupaten pesisir lainnya (kabupaten/kota tanpa PEMP) cukup tinggi.24 13. diolah Gambar 4.86% (Tabel 1. Tahun 2005 dan 2009 Gambar 4.58 16.15 PEMP Rutin PEMP Tidak Rutin 2005 Pesisir Lain Total Pesisir 2009 Sumber: BPS (2009).).69 14.1.00 16. 25.72 persen di tahun 2009. wilayah pesisir yang mendapat program PEMP rutin persentase penduduk miskinnya sebesar 16.83 persen pada tahun 2009.21 persen turun menjadi 16.00 20.00 15. Tingkat Kemiskinan menurut Kabupaten/Kota Pesisir Penerima PEMP. memberi gambaran tingkat kemiskinan di kabupaten/kota pesisir penerima program PEMP secara rutin.80 14. . Pada tahun 2005.00 10. Kabupaten/kota pesisir yang memperoleh program PEMP rutin memiliki persentase penduduk miskin yang paling rendah bila dibandingkan dengan kabupaten/kota penerima PEMP tidak rutin maupun kabupaten/kota pesisir lainnya.24 persen turun menjadi 13.59 Rata-rata persentase kemiskinan kabupaten/kota pesisir menurut penerima PEMP mengalami penurunan dalam kurun waktu 2005-2009. di tahun 2005 sebesar 20.95% untuk kabupaten/kota pesisir penerima PEMP Rutin. kabupaten/kota pesisir penerima PEMP tidak rutin dan kabupaten/kota pesisir lain (tanpa bantuan PEMP) dalam rentang waktu 2005-2009.

Pada Tabel 4. Pada gambar tersebut terlihat bahwa kabupaten/kota pesisir yang memperoleh program PEMP rutin memiliki rata-rata PDRB paling rendah bila dibandingkan dengan kabupaten/kota penerima PEMP tidak rutin maupun kabupaten/kota pesisir lainnya (tanpa PEMP). bila dilihat dari capaian rata-rata pertumbuhan ekonomi. Gambaran Pertumbuhan Ekonomi Capaian pengentasan kemiskinan kabupaten/kota pesisir diikuti dengan perbaikan pada capaian indikator perekonomian.2. diolah Gambar 4. kabupaten/kota pesisir penerima PEMP rutin mengalami pertumbuhan yang paling tinggi dibanding capaian wilayah pesisir lainnya yaitu tercatat sebesar 5.2. Rata-Rata PDRB menurut Kabupaten/Kota Pesisir Penerima Program PEMP. Pertumbuhan ekonomi kabupaten/kota pesisir lebih banyak ditopang melalui pendapatan asli daerah dari sektor non migas.1. Namun demikian. terlihat bahwa rata-rata pertumbuhan ekonomi di kabupaten/kota pesisir (2005-2009) sebesar 4.).64 %. . Kondisi ini salah satunya diduga adanya upaya peningkatan kesejahteraan masyarakat melalui program PEMP secara rutin setiap tahun (Tabel 4.70 % per tahun.2. 5000 4000 3000 2000 1000 0 PEMP Rutin 2890 2305 3620 4324 3590 2881 3491 4198 PEMP Tidak Rutin 2005 Pesisir Lain Total Pesisir 2009 Sumber: BPS (2009).1. Tahun 2005 dan 2009 (jutaan rupiah) Gambaran rata-rata PDRB di kabupaten/kota pesisir yang memperoleh program PEMP secara rutin. kabupaten/kota penerima PEMP tidak rutin dan kabupaten/kota pesisir lainnya kurun waktu 2005-2009 disajikan pada Gambar 4.1.60 4.

37 0. 4.3.32 0. yaitu sebesar Rp 3.32 lebih rendah dibandingkan dengan ketimpangan pendapatan kabupaten/kota pesisir dan kabupaten/kota penerima PEMP tidak rutin yaitu sebesar 0.3 . Ketimpangan pendapatan menurut Oshima (1970) dapat dikelompokkan menjadi tiga berdasarkan indeks gini yaitu: 1. 2.32 0.38 0.36 0. Indeks Gini menurut Kabupaten/Kota Pesisir Penerima Program PEMP Tahun 2005 dan 2009 .3.61 Rata-rata PDRB di wilayah pesisir baik yang mendapat program PEMP maupun tidak.34 0.diolah Gambar 4. Rata-rata PDRB di kabupaten/kota pesisir menerima PEMP tidak rutin cukup tinggi.33 0.4. ketimpangan tinggi apabila indeks gini lebih besar dari 0.35 0.28 PEMP Rutin PEMP Tidak Rutin Pesisir Lain Total Pesisir 2005 2009 Sumber: BPS (2009). 0.4. Gambaran Ketimpangan Pendapatan Gambaran ketimpangan pendapatan melalui pendekatan peubah indeks gini di kabupaten/kota pesisir disajikan pada Gambar 4.30 0.33 0. Indeks gini kabupaten/kota pesisir penerima PEMP rutin pada tahun 2009 sebesar 0. Ketimpangan pendapatan di kabupaten/kota pesisir sejalan dengan kondisi pada level nasional. Berdasarkan kiteria tersebut.32 0.324 milyar pada tahun 2009.3. ketimpangan sedang apabila indeks gini terletak antara 0.37 0. ketimpangan pendapatan kabupaten/kota pesisir penerima PEMP yang diukur dengan indeks gini tergolong sedang. dimana terdapat tren penurunan tiap tahunnya. 3.31 0. ketimpangan rendah apabila indeks gini lebih kecil dari 0.620 milyar pada tahun 2005 meningkat menjadi Rp 4.1.33.0.3. pada tahun 2009 mengalami peningkatan dibandingkan tahun 2005.

00 0. dan pengangguran terhadap kemiskinan di kabupaten/kota pesisir dilakukan untuk melihat dampak implementasi program PEMP yang dilaksanakan oleh Kementerian Kelautan dan Perikanan (KKP) terhadap 20 kabupaten/kota pesisir dalam periode 2005-2009.1. TPT kabupaten/kota pesisir penerima program PEMP rutin pada tahun 2005 sebesar 10.62 4. diolah Gambar 4.4.60 10.87 10.4).60 persen turun menjadi 7. Pada tahun 2005.71 7. Gambaran Pengangguran Gambaran pengangguran didekati oleh peubah tingkat pengangguran terbuka (TPT). 4. TPT di ketiga kelompok kabupaten/kota pesisir tidak terlihat perbedaan yang berarti (Gambar 4.24 7. dimana pada tahun 2005 sebesar 10.00 10.00 5. TPT di ketiga kelompok kabupaten/kota pesisir tidak terlihat perbedaan yang berarti (Gambar 4.2.75 persen turun menjadi persen 6.93 7. ketimpangan pendapatan.4).4.71 persen pada tahun 2009. TPT menurut Kabupaten/ Kota Pesisir Penerima Pogram PEMP Tahun 2005 dan 2009 Gambaran pengangguran didekati oleh peubah tingkat pengangguran terbuka (TPT).37 10.65 6.38 persen.75 11.00 PEMP Rutin PEMP Tidak Rutin Pesisir Lain Total Pesisir 2005 2009 Sumber: BPS (2009). Sementara itu TPT di kabupaten pesisir lainnya (kabupaten/kota tanpa PEMP) mengalami penurunan sebesar 4. untuk melihat gambaran secara rinci dampak program PEMP. Dinamika 20 Kabupaten/Kota Pesisir Penerima PEMP Analisis dinamika dan perkembangan pertumbuhan ekonomi.37 pada tahun 2009. Tahun 2005 dan 2009 adalah kondisi awal dan akhir periode bantuan PEMP. 15. Analisis selanjutnya difokuskan pada 20 kabupaten/pesisir penerima PEMP secara rutin. Pada tahun 2005. sehingga dapat diketahui secara sederhana .

sementara itu persentase penduduk miskin pada tahun 2009 tercatat sebesar 13. Dinamika Kemiskinan Ukuran kemiskinan merupakan tolok ukur keberhasilan pembangunan pemerintah dimana salah satu target RPJMN pemerintah antara lain yaitu penurunan persentase penduduk miskin.5).63 implementasi program PEMP di 20 kabupaten/kota pesisir pada kurun waktu 2005-2009.5. 4.0.1.1. Demikian pula penduduk miskin di 20 kabupaten/kota pesisir penerima program PEMP mengalami penurunan persentase pada periode 2005-2009 dengan laju penurunan sebesar .61 persen. persentase penduduk miskin pada periode 2005 hingga 2009 menunjukkan kecenderungan menurun. Meskipun memiliki penurunan persentase terbesar. Selama periode tersebut persentase penduduk miskin di Indonesia berkurang dengan laju penurunan sebesar -4. Sumber: BPS (2009).85 persen (Gambar 4. Capaian angka kemiskinan di Indonesia cukup menggembirakan.76 persen.39 persen seperti yang disajikan pada Tabel 4. namun Biak Numfor merupakan kabupaten yang masih memiliki persentase penduduk miskin terbesar . Badan Pusat Statistik (BPS) mencatat persentase penduduk miskin pada tahun 2005 sebesar 16.62 persen. diolah Gambar 4. Perbandingan Persentase Penduduk Miskin menurut Kabupaten/ Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 Biak Numfor merupakan kabupaten yang memiliki penurunan persentase terbesar dalam periode tahun 2005-2009 yaitu sebesar 10.2.

Kota Bengkulu adalah kota pesisir yang mengalami peningkatan persentase penduduk miskin paling tinggi yaitu sebesar 8.6).5 juga terlihat bahwa diantara 20 kabupaten/kota penerima program PEMP. Penduduk Miskin di 5 Kabupaten/Kota Pesisir yang Mengalami Peningkatan Persentase Kemiskinan.57 persen. Kota Banda Aceh mengalami penurunan disebabkan cakupan penelitian diluar wilayah yang terkena gempa.64 di tahun 2005 dan 2009 yaitu sebesar 47. adanya pengurangan subsidi yang mengakibatkan kenaikan harga BBM . ada 5 (lima) kabupaten/kota yang memiliki persentase penduduk miskin lebih tinggi pada tahun 2009 dibandingkan keadaan tahun 2005. diolah Gambar 4. Sumber: BPS (2009). Pada tahun 2005 kabupaten yang memiliki persentase kemiskinan terkecil adalah Kota Padang yaitu sebesar 4.46 persen.51 persen pada tahun 2009. Pertama. Tahun 2005-2009 Terdapat dua hal yang diduga merupakan penyebab tidak tercapainya target penurunan tingkat kemiskinan dan pengangguran pada RPJM 2005-2009. Kota Bengkulu. Hal ini dapat dimaklumi karena dalam periode ini Kabupaten Bantul mengalami gempa bumi yang cukup parah .92 persen. Kota Bengkulu terlihat mengalami pelonjakan kemiskinan pada periode 2007-2009 (Gambar 4. sedangkan pada tahun 2009 adalah Kabupaten Pontianak sebesar 5. Pada tahun 2005 kabupaten yang memiliki penurunan kemiskinan terkecil selama periode 2005 sampai 2009 adalah Kabupaten Bantul yaitu sebesar 0.41 persen. Peningkatan persentase kemiskinan di 5 kabupaten/kota pesisir terlihat wajar pada tahun 2005 hingga tahun 2007. Pada Gambar 4.6.36 persen pada tahun 2005 dan 36. Kabupaten/ kota yang mengalami kenaikan persentase penduduk miskin antara lain Kota Banda Aceh. Kota Padang. Kabupaten Gianyar dan Kabupaten Minahasa Utara.

diolah Gambar 4.2. Perbandingan PDRB menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 (juta rupiah) Capaian rata-rata pertumbuhan ekonomi 20 kabupaten/kota pesisir penerima PEMP cukup tinggi. 4.7). tercatat beberapa kabupaten/kota memiliki pertumbuhan ekonomi di atas 4 % (Gambar 4.111 juta rupiah) . pengaruh perubahan harga telah dieliminasi. PDRB kabupaten/kota pesisir tertinggi dicapai oleh Kota Padang baik pada tahun 2005 (9.7. adanya krisis ekonomi global (external shock) pada tahun 2008 (Alisjahbana. Sumber: BPS (2009). Kedua. 2010). kelima kabupaten/kota pesisir tersebut juga merupakan wilayah atau daerah rawan gempa.65 hingga 2 kali lipat pada tahun 2005. Dengan demikian pertumbuhan yang dicerminkan merupakan pertumbuhan riil barang dan jasa dalam suatu periode waktu tertentu. karena dalam penghitungan PDRB atas dasar harga konstan tersebut. Dalam mengukur tingkat pertumbuhan ekonomi digunakan angka Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan. Selain dua hal yang diduga sebagai penyebab tersebut diatas.2. Dinamika Pertumbuhan Ekonomi Pertumbuhan ekonomi merupakan salah satu indikator penting guna melakukan evaluasi dan koreksi terhadap program pembangunan ekonomi yang telah dilaksanakan pada masa atau periode yang lalu.

346 juta rupiah ).66 maupun tahun 2009 ( 11.8 juga terlihat bahwa indeks gini di 20 kabupaten/kota pesisir penerima PEMP berada pada kisaran 0. 4.30.25 hingga 0. Perbandingan Indeks Gini menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 Berdasarkan kiteria ketimpangan pendapatan Oshima (1970). Pada tahun 2009. Pertumbuhan ekonomi yang tinggi di Kota Padang lebih banyak ditopang melalui pendapatan asli daerah dari sektor non migas. Pada Gambar 4.3 Dinamika Ketimpangan Pendapatan Ketimpangan pendapatan atau kesenjangan ekonomi dan tingkat kemiskinan yang tinggi merupakan dua masalah besar di banyak negara berkembang.2. tidak terkecuali di Indonesia Sumber: BPS (2009). Sektor non migas khususnya sektor andalan antara lain bahari dan kelautan mampu memberikan kontribusi penting dalam mendorong pertumbuhan ekonomi. diolah Gambar 4.8. indeks gini tertinggi adalah Kabupaten Pontianak sebesar 0. Sebaliknya indeks .36.8. ketimpangan distribusi pendapatan di 20 kabupaten/kota pesisir penerima PEMP yang diukur dengan indeks gini masih tergolong sebagai ketimpangan rendah sampai sedang namun tetap perlu diwaspadai karena ada beberapa wilayah memiliki kecenderungan untuk meningkat seperti yang terlihat pada Gambar 4. Kota Padang berhasil menurunkan ketimpangan pendapatannya. Kontribusi sektor bahari dan kelautan sekitar 20 persen dari total PDRB. Implikasi dari hal tersebut bahwa dengan nilai pertumbuhan yang tinggi.

Perbandingan TPT menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 .2. Sumber: BPS (2009). diolah Gambar 4. Dinamika Pengangguran Salah satu isu penting dalam ketenagakerjaan. Pengurangan subsidi yang mengakibatkan kenaikan harga BBM hingga 2 kali lipat pada tahun 2005 dan Krisis ekonomi global pada tahun 2008 diduga merupakan salah satu penyebab tidak tercapainya target pengurangan tingkat kemiskinan dan pengangguran pada RPJM 2005-2009.4. Pengangguran dari sisi ekonomi merupakan produk dari ketidakmampuan pasar kerja dalam menyerap angkatan kerja yang tersedia.9.25. Ketersediaan lapangan kerja yang relatif terbatas tidak mampu menyerap masyarakat pencari kerja yang senantiasa bertambah setiap tahun seiring dengan bertambahnya jumlah penduduk. Kondisi ini berarti ketimpangan distribusi pendapatan di Kabupaten Aceh Besar dan Kabupaten Ciamis termasuk kategori ketimpangan rendah.67 gini terendah adalah Kabupaten Aceh Besar dan Kabupaten Ciamis dengan nilai indeks gini sebesar 0. 4. di samping keadaan angkatan kerja (economically active population) dan struktur ketenagakerjaan adalah isu pengangguran.

sedangkan pada tahun 2009 meningkat menjadi 11 kabupaten/kota. Gambar tersebut menunjukkan bahwa kabupaten/kota memiliki karakteristik yang hampir homogen. Kuadran III menunjukkan kondisi yang terburuk dimana kabupaten/kota memiliki karakteristik yaitu pertumbuhan ekonomi yang rendah dan persentase kemiskinan yang tinggi. menunjukkan dinamika pertumbuhan dan kemiskinan di 20 kabupaten pesisir penerima PEMP. Jumlah kabupaten yang memiliki indeks gini di atas rata-rata pada tahun 2005 sebanyak 4 kabupaten/kota dan turun menjadi 1 kabupaten di tahun 2009. Perkembangan ketimpangan pendapatan mengalami perbaikan dalam periode 2005-2009. di tahun 2005 ada sebanyak 10 kabupaten/kota memiliki persentase penduduk miskin dibawah rata-rata. Secara umum. Kuadran IV memperlihatkan kondisi kabupaten/kota yang memiliki . Sementara itu.9. Jumlah kabupaten/kota yang memiliki pengangguran dibawah rata-rata di tahun 2005 sebanyak 11 kabupaten/kota dan turun menjadi 9 kabupaten/kota di tahun 2009. pengangguran dan kemiskinan pada tahun 2005 dan 2009. jumlah kabupaten/kota yang memiliki pertumbuhan ekonomi (PDRB) diatas rata-rata sebanyak 6 kabupaten/kota dan bertambah menjadi 7 kabupaten/kota pada tahun 2009. tingkat pengangguran di 20 kabupaten/kota mengalami penurunan dalam periode 2005-2009. 4. ketimpangan pendapatan. Analisis Kuadran Analisis yang lebih mendalam mengenai gambaran dinamika kemiskinan kabupaten/kota pesisir dapat dilihat dengan membandingkan kondisi pertumbuhan.3. melalui analisis kuadran. hal ini terlihat dari pola analisis kuadran yang Kuadran III dan IV.3.1 Pertumbuhan Ekonomi dan Kemiskinan Gambar 4. Kuadran II menunjukkan kondisi dimana kabupaten/kota memiliki karakteristik pertumbuhan ekonomi yang tinggi namun disertai dengan persentase kemiskinan yang juga tinggi. banyak mengumpul pada kuadran tertentu yaitu Kuadran I menunjukkan kondisi terbaik yaitu apabila kabupaten/kota memiliki persentase kemiskinan yang rendah (dibawah rata-rata) dan pertumbuhan ekonomi yang tinggi (diatas rata-rata). Pada tahun 2005. Berdasarkan hasil analisis kuadran diketahui bahwa dari 20 kabupaten/kota penerima PEMP rutin.68 4.

Pontianak dan Kota Padang).00 Banda Aceh Minahasa Utara IV 10. Perbandingan Kondisi Pertumbuhan dan Kemiskinan menurut Kabupaten/Kota Pesisir penerima PEMP Tahun 2005 dan 2009 Berdasarkan analisis kuadran pertumbuhan ekonomi (PDRB) dan kemiskinan pada tahun 2005. diolah Gambar 4. sedangkan kuadran IV dihuni oleh 7 kabupaten/kota.00 III Aceh Besar Bengkulu Tanjung Jabung Barat Pontianak I Kotawaringin Barat Bengkulu Gianyar IV IV Nunukan Tasikmalaya Ciamis 10. Jika dibandingkan dengan keadaan tahun 2009.00 Biak Numfor Fakfak Seram Bagian Timur 40.00 Buru II miskin2009 Buru miskin2005 30. 50.00 Fakfak Maluku Tengah Seram Bagian Timur Maluku Tengah 30. Kabupaten/kota yang masuk Kuadran II ada 2 yaitu Kabupaten Tasikmalaya dan Kabupaten Bantul.00 IV 0 2000 4000 6000 8000 10000 0 2000 4000 6000 8000 10000 12000 pdrb2005 pdrb2009 Sumber: BPS (2009).00 Padang Minahasa Utara Tanjung Jabung Barat Sambas I Pontianak I Padang I Banda Aceh Kotawaringin Barat Gianyar 0. analisis kuadran untuk peubah PDRB dan kemiskinan tidak menunjukkan perbedaan yang berarti.00 II Kulon Progo Nunukan Sambas Bantul Tasikmalaya Ciamis Kulon Progo II II Bantul III 20.00 Biak Numfor 40. Sementara itu hampir separuh kabupaten/kota ( 9 kabupaten/kota) masuk dalam kuadran terburuk (Kuadran III).00 Aceh Besar III III 20. Perkembangan yang baik hanya dialami oleh Kabupaten Tasikmalaya dimana pada tahun 2005 berada di Kuadran II dan pada tahun 2009 berpindah ke kuadran terbaik yaitu Kuadran I.69 pertumbuhan ekonomi yang rendah disertai persentase kemiskinan yang juga rendah. Ciamis.10. Kondisi ini dapat diartikan sebagai perbaikan dalam hal penurunan persentase kemiskinan di . terlihat bahwa kabupaten/kota yang berada dalam Kuadran 1 (kuadran terbaik) sebanyak 4 kabupaten/kota (Gianyar.

11. 4.00 I 0.00 Biak Numfor Fakfak Seram Bagian Timur 40. Sementara itu kabupaten/kota lain tidak menunjukkan perubahan yang berarti (Gambar 4.30 0.70 Kabupaten Tasikmalaya. Perbandingan Kondisi Indeks Gini dan Kemiskinan menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 Gambar 4.34 0.00 Tasikmalaya Kulon Progo III Nunukan Bantul IV Aceh Besar Kulon Progo III Bantul 20.28 0. 50.11 menunjukkan bahwa posisi kabupaten/kota pesisir pada tahun 2005 dan 2009 memiliki karakteristik yang mayoritas menyebar di Kuadran I dan IV.28 0. menunjukkan kondisi kabupaten/kota yang memiliki indeks gini yang tinggi namun persentase kemiskinan yang rendah. Kuadran III merupakan kondisi terburuk dimana kabupaten/kota pesisir memiliki kondisi kemiskinan dan indeks gini yang tinggi.00 miskin2009 IV 20.00 Buru miskin2005 30.00 Tanjung Jabung Barat I Gianyar Minahasa Utara Banda Aceh Kotawaringin Barat Padang Pontianak II 0.36 0. diolah Gambar 4.00 Biak Numfor 40.00 Maluku Tengah Buru Aceh Besar Fakfak Seram Bagian Timur Maluku Tengah 30.30 0. Kuadran II.34 gini2005 gini2009 Sumber: BPS (2009). Sementara itu Kuadran IV menunjukkan kondisi kemiskinan yang tinggi namun memiliki indeks yang rendah.00 Banda Aceh Kotawaringin Barat Pontianak Padang Minahasa Utara Bengkulu Gianyar Sambas 10.10).32 II 0.26 0. Kuadran I (terbaik) didefinisikan oleh kabupaten/kota yang memiliki persentase kemiskinan yang rendah disertai indeks gini yang juga rendah.32 0.3.00 Bengkulu Sambas Tanjung Jabung Barat Ciamis Ciamis Tasikmalaya Nunukan 10. Pada tahun 2005 terlihat bahwa kabupaten/kota pesisir yang masuk dalam Kuadran I .26 0.2 Ketimpangan Pendapatan dan Kemiskinan Dalam analisis kuadran antara ketimpangan pendapatan (Indeks Gini) dan kemiskinan.24 0.

71 (kuadran terbaik) sebanyak 6 kabupaten/kota (Ciamis. Sementara itu Kuadran IV menunjukkan kondisi kemiskinan yang tinggi namun memiliki TPT yang rendah. Kabupaten Bantul dan Biak Numfor berada di posisi kuadran terburuk (Kuadran III). Kabupaten/kota pesisir yang masuk Kuadran II. dan Kota Banda Aceh. hanya satu yaitu Kota Bengkulu. Sebaliknya Kabupaten Biak Numfor merupakan satu-satunya kabupaten/kota pesisir yang tetap dalam kondisi terburuk berada di Kuadran III ( kemiskinan dan indeks gini tinggi).3. terlihat bahwa kabupaten/kota yang masuk dalam Kuadran I (kuadran terbaik) sebanyak 5 kabupaten/kota (Ciamis. Pada Gambar 4. Kuadran I (terbaik) didefinisikan sebagai kabupaten/kota yang memiliki persentase tingkat kemiskinan yang rendah disertai TPT yang juga rendah. disajikan pada Gambar 4. Gianyar. Kota Banda Aceh. Kota Bengkulu. Sambas dan Kota Padang). yang posisinya dari kuadran terburuk beralih ke Kuadran IV (ketimpangan rendah. artinya mengalami perbaikan karakteristik ketimpangan pendapatan namun tidak dalam karakteristik kemiskinan. Pontianak. Sementara itu terdapat 4 kabupaten/kota yang masuk Kuadran III yaitu Kabupaten Nunukan. kemiskinan tinggi). Sementara itu. Jika dilihat dari posisi kuadran.3 Pengangguran dan Kemiskinan Analisis kuadran antara tingkat pengangguran terbuka (TPT) dan tingkat kemiskinan. Aceh Besar dan Maluku Tengah.12. Sementara itu kabupaten/kota lain tidak menunjukkan perubahan yang berarti. 4. Kuadran III merupakan kondisi terburuk dimana kabupaten/kota memiliki kondisi kemiskinan dan TPT yang tinggi. Kotawaringin Barat. Pontianak. . Kuadran II menunjukkan kondisi kabupaten/kota yang memiliki TPT yang tinggi namun persentase kemiskinan yang rendah. Biak Numfor. analisis kuadran untuk peubah Indeks Gini dan kemiskinan terjadi perubahan yang cukup berarti jika dibandingkan kondisi tahun 2005. Kabupaten/kota yang berada di Kuadran II yaitu Kabupaten Tanjung Jabung Barat. Pada tahun 2009. Kabupaten Minahasa Utara.Kota Padang. Kotawaringin Barat dan Sambas). Perkembangan yang baik dialami oleh Kabupaten Bantul.11.

00 Bantul Sambas Tasikmalaya Ciamis Tanjung Jabung Barat Nunukan III Aceh Besar 20.00 12.00 2.00 6. Desa Cikawungading.00 Bantul IV Tasikmalaya Tanjung Jabung Barat Sambas Banda Aceh Padang Bengkulu III II Nunukan 10.00 tpt2005 tpt2009 Sumber: BPS (2009).12. Kabupaten Tasikmalaya merupakan salah satu kabupaten/kota yang menjadi lokasi pengembangan kawasan minapolitan dari 41 kabupaten/kota di seluruh Indonesia.00 Buru miskin2005 30.00 14.00 20. selanjutnya pembangunan TPI (Tempat .00 Kotawaringin Barat Gianyar Pontianak IV 0. Perbandingan Kondisi Tingkat Pengangguran Terbuka(TPT) dan Kemiskinan menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 Analisis kuadran untuk peubah TPT dan tingkat kemiskinan pada tahun 2009 menunjukkan perbedaan yang berarti jika dibandingkan dengan keadaan tahun 2005. Berdasarkan SK Menteri Kelautan dan Perikanan No.00 8. Perkembangan yang baik untuk Kabupaten Tasikmalaya dalam analisis kuadran dapat diartikan sebagai perbaikan dalam hal pertumbuhan ekonomi.00 Kulon Progo miskin2009 Aceh Besar Kulon Progo IV 20.00 10.72 50.00 Maluku Tengah 30.00 10. penurunan pengangguran dan penurunan persentase kemiskinan di kabupaten Tasikmalaya.00 Biak Numfor Seram Bagian Timur Seram Bagian Timur Fakfak Fakfak Buru Maluku Tengah 40. Perkembangan yang baik dialami oleh Kabupaten Tasikmalaya dan Tanjung Jabung Barat pada tahun 2005 posisi masing-masing berada di kuadran 4 dan 2.00 16.00 Kotawaringin Barat Pontianak Gianyar Bengkulu Minahasa Utara I 0.00 4.00 30.00 Biak Numfor 40.00 Ciamis Banda Aceh Minahasa Utara Padang I 40. Kecamatan Cipatujah. Kawasan minapolitan adalah kawasan yang terdiri atas satu atau lebih pusat kegiatan pada wilayah perdesaan sebagai sistem produksi perikanan dan pengeloaan sumberdaya alam tertentu. 41 Tahun 2009 tentang penetapan lokasi minapolitan. pada tahun 2009 berubah posisinya berada di kuadran terbaik yaitu kuadran 1. diolah Gambar 4. Saat ini sedang dibangun PPI (Pangkalan Pendaratan Ikan) di Kampung Pamayang.00 II 10.

4.4 Pro Poor Growth ( Growth Incidence Curve /GIC) Analisis tentang Pro Poor Growth dengan menggunakan GIC berguna untuk mengetahui derajat manfaat pertumbuhan ekonomi di 20 kabupaten/kota penerima program PEMP bagi penduduk miskin. yang dapat diartikan bahwa kabupaten tersebut masih memiliki tingkat pengangguran sekaligus tingkat kemiskinan yang sangat tinggi. Kabupaten-kabupaten tersebut terletak di Indonesia bagian timur.73 Pendaratan Ikan) di beberapa desa. Biak Numfor. Kebijakan pemerintah dengan adanya program PEMP di kawasan timur kiranya belum dapat mendorong penurunan angka pengangguran dan kemiskinan. Kegiatan di kawasan minapolitan ini bertujuan untuk meningkatkan perekonomian dan pertumbuhan wilayah dengan kegiatan budidaya perikanan sebagai penggerak utamanya (Saefulah.1 GIC Periode 2005-2009 Gambar 4. Berdasarkan analisis kuadran pengangguran dan kemiskinan kabupaten yang mengalami kemunduran atau berada diposisi sangat buruk (tingkat pengangguran dan kemiskinan sangat tinggi) adalah Kabupaten Seram Bagian Timur.4. Pengembangan kawasan minapolitan merupakan upaya dalam mendorong pengembangan kawasan budidaya perikanan di daerah. GIC dilakukan dalam periode 2005-2009. Distribusi pendapatan terjadi perbaikan jika GIC merupakan fungsi turun. Krisis ekonomi global diduga merupakan salah satu penyebab tidak tercapainya target pengurangan tingkat kemiskinan dan pengangguran pada periode 2005-2009.12. posisinya sangat buruk. Penyesuaian pada data pengeluaran di tiap kabupaten/ kota dilakukan untuk memenuhi keterbandingan data antar kabupaten dan antar periode. selain akibat faktor alam yang kurang mendukung masyarakat pesisir wilayah timur untuk bekerja dalam mencari penghasilan. Dalam analisis ini. menunjukkan GIC dari 20 kabupaten/kota penerima program PEMP periode 2005-2009. 2009). Hal ini menunjukkan bahwa pertumbuhan ekonomi di periode ini bersifat . Pada gambar tersebut memperlihatkan nilai pertumbuhan yang selalu positif di setiap persentil penduduk selama periode tersebut. Maluku Tengah dan Fak-Fak. karena perbedaan garis kemiskinan antar kabupaten/kota dan antar waktu. 4.

Setidaknya program PEMP memberikan dampak positif bagi penduduk miskin dengan meningkatnya pendapatan mereka melalui peningkatan pendapatan yang lebih tinggi dibandingkan kelompok kaya. .74 pro poor growth. dimana pertumbuhan di kelompok persentil teratas justru lebih rendah dibandingkan pertumbuhan di kelompok persentil terendah (hingga persentil-60). akan tetapi pertumbuhan yg lebih tinggi di kelompok persentil terendah mempersempit kesenjangan pendapatan yang ada. Bahkan GIC tersebut juga menunjukkan sebagai fungsi turun. diolah Gambar 4.13. yang berarti pula telah memberikan manfaat bagi penduduk miskin. Meskipun secara keseluruhan terjadi pertumbuhan positif di semua kelompok persentil. Sumber: BPS (2009). Growth Incidence Curve (GIC) 20 Kabupaten/Kota Penerima Program PEMP Periode 2005-2009 Hal ini menunjukkan terjadinya perbaikan distribusi pendapatan di 20 kabupaten/kota penerima program PEMP selama periode tersebut.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.