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

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. maka ketimpangan menurun demikian pula sebaliknya. Tahapan sebagai berikut: 1. ketidakmerataan pendapatan. Jika GIC merupakan fungsi turun. 3.44 dan kaya. masing-masing dari 20 kabupaten/kota pesisir. Distribusi pengeluaran menurut persentil. Data yang digunakan yaitu rata-rata pengeluaran penduduk perkapita hasil SUSENAS 2005 dan 2009. Data panel adalah gabungan antara data silang (cross section) dan data runtun waktu (time series). 4. 2. pengangguran dan kemiskinan digunakan analisis kuantitatif yaitu dengan menggunakan analisis data panel. sehingga periode waktu yang digunakan tidak terlalu panjang dan data silangnya dapat berupa karakteristik suatu perusahaan /wilayah/ .2. Dihitung masing-masing persentil nilai growth (pertumbuhan) rata-rata pengeluaran penduduk tahun 2009 dibanding tahun 2005. 3.4.1 Tahapan Pengolahan GIC Pengolahan Growth Incidence Curve (GIC) menggunakan SPSS 13.2. diurutkan dari pengeluaran rendah sampai dengan tertinggi (100 persen) dihitung masing-masing untuk tahun 2005 dan 2009. Analisis Data Panel Untuk melihat pengaruh program PEMP serta keterkaitan antara pertumbuhan ekonomi.3.

Jika setiap unit cross section memiliki jumlah observasi time series yang sama maka disebut sebagai balanced panel. dapat mengatasi masalah yang timbul akibat penghilangan variabel (ommited variable). Penggabungan informasi dari data time series dan data cross section. 5. Selain itu. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu karena unit data lebih banyak. Nama lain data panel antara lain: Panel Pooled data. jika unit-unit cross section memiliki jumlah observasi time series yang berbeda maka disebut unbalanced panel. Asumsi yang mendasari OLS tersebut sangat jarang berlaku dalam kenyataan sehari-hari. karena dengan data panel observasinya akan lebih banyak. combination of time series and cross section data. data panel terdiri dari beberapa atau banyak objek yang meliputi beberapa periode. . 4. antara lain: 1. 3. Data panel mampu mengindikasikan dan mengukur efek yang secara sederhana tidak dapat diperoleh dengan data cross section murni atau time series murni. sehingga model regresi data panel akan menghasilkan degree of freedom (df) yang lebih besar yang selanjutnya akan meningkatkan presisi dari estimasi regresi. data panel digunakan apabila observasi dari cross section saja atau data time series saja tidak cukup untuk dilakukan analisis. longitudinal data. Suatu hal yang penting dalam data panel yang diabaikan dalam penggunaan OLS adalah heterogenitas antara unit-unit cross section. Penggunaan model regresi data panel memungkinkan untuk menangkap karakteristik antar individu dan antar waktu. 2. 6. Data panel mampu mengurangi kolinieritas antar variabel. pooled-time series data.45 negara . Data panel mampu menyediakan data yang lebih banyak dan informasi yang lebih lengkap. karena merupakan gabungan antara data cross section dan data time series. Hsiao (1990) menyatakan bahwa model regresi data panel memiliki beberapa keuntungan. Sebaliknya. Regresi dengan menggunakan data panel disebut dengan model regresi data panel. Jadi.

Sedangkan dalam metode regresi data panel. Perbaikan (remidial) model dilakukan jika berdasarkan hasil pengujian terdapat asumsi regresi linier klasik yang terlanggar. Hal ini terjadi karena dalam data panel terdapat tiga macam gangguan. Pengujian dalam analisis regresi data panel berbeda dengan pengujian dalam persamaan tunggal.2. penulis membatasi pembahasan pada data panel yang bersifat balanced panel. serta gangguan antar waktu dan antar individu. gangguan (errorterms/disturbanced) selalu dinyatakan bersifat homoskedastik dan serial uncorrelated. Didalam model regresi klasik. Dalam penelitian ini. yaitu Common Effect. yang merupakan gabungan data beberapa individu dalam beberapa periode. Dalam analisis persamaan tunggal. yaitu: gangguan antar waktu (time series related disturbances).46 Heterogenitas dapat terjadi pada intercept. heteroskedastik. pengujian dilakukan untuk mengetahui apakah terjadi gejala homoskedastik. total observasi adalah N (jumlah cross section) x T (jumlah time series) 3. gangguan antar individu (cross section disturbance). penggunaan metode OLS akan menghasilkan estimator yang memiliki sifat Best Linear Unbiased Estimator (BLUE). Model Regresi Data Panel Analisis regresi yang menggunakan data panel mempunyai tiga macam model. 2006). . disesuaikan dengan kondisi matriks varians-covarians residual (Ekananda. Jadi. asumsi model regresi klasik tersebut tidak dapat diterapkan. Perbedaan antar individu tersebut dapat diperoleh dengan menggunakan data panel. sehingga diperoleh hasil estimasi yang bersifat BLUE.4. Fixed Effect dan Random Effect. atau keduanya. yang mana tiap-tiap individu (kabupaten/kota) memiliki jumlah observasi time series yang sama. Dalam kondisi tersebut.1. slope. atau autokorelasi untuk satu individu. 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. Kemudian pengujian dalam analisis data panel dilakukan untuk menentukan estimator yang lebih baik.

sehingga proses estimasi secara terpisah untuk setiap unit cross section dapat dilakukan. 3. Dimana : i = 1. Persamaan regresi dalam model common effects dapat ditulis sebagai berikut: Common Effect Model: . Model ini tidak memperhatikan dimensi individu maupun waktu. sehingga diasumsikan bahwa perilaku antar individu sama dalam berbagai kurun waktu.3) dengan i = 1. 2. 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). 3. N. … . 3. dan teknik estimasinya menggunakan pendekatan kuadrat terkecil/pooled least squares. untuk mendapatkan parameter yang konstan dan efisien akan lebih baik jika diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak N × T observasi. yaitu hanya dengan mengombinasikan data time series dan data cross section dalam bentuk pool. Model Common Effects Model common effects merupakan pendekatan data panel yang paling sederhana. Namun. N Implikasinya. kita juga dapat memperoleh persamaan deret waktu (time series) sebanyak N persamaan untuk setiap T periode observasi. akan diperoleh persamaan regresi cross section sebagai berikut: (3. … . 2. 2. t = 1.47 a. (3. Begitu juga sebaliknya. Untuk periode t=1. ….2) . akan diperoleh sebanyak T persamaan cross section yang sama.

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

4. model fixed effects. sehingga pilihan didasarkan pada kemudahan penghitungan.49 Hal ini berarti bahwa komponen error tidak berkorelasi satu sama lain dan tidak ada autokorelasi antara cross section dan time series. yaitu model fixed effects. yaitu model common effects. Selanjutnya. Bila N besar dan T kecil. a. maka nilai taksiran parameter berbeda kecil. akan dilakukan pengujian untuk memilih estimator dengan struktur varians-covarians dari residual yang lebih baik. selanjutnya akan ditentukan model yang paling tepat untuk mengestimasi regresi data panel. Judge dalam Manurung (2005) menyatakan ada empat pertimbangan pokok yang dapat digunakan untuk memilih antara model fixed effects atau random effects. Pada model random effects diketahui bahwa . dan model random effects. 2005). Sementara itu.2. Bila diyakini bahwa individu atau cross section tidak acak . maka penaksiran dengan model fixed effects dan model random effects akan menghasilkan perbedaan yang signifikan. dimana merupakan komponen acak cross section. untuk model estimasi regresi data panel terpilih. dan uji Hausman yang digunakan untuk memilih antara model fixed effects atau model random effects. yaitu uji statistik F yang digunakan untuk memilih antara model common effects atau model fixed effects. Sementara itu.2. Model random effects sangat berguna jika individu yang dijadikan sampel adalah dipilih secara random dan merupakan wakil dari populasi (Widarjono. 3. yaitu: Jika jumlah time series (T) besar dan jumlah cross section (N) kecil. uji Langrange Multiplier (LM) yang digunakan untuk memilih antara model common effects atau model random effects. Terdapat tiga prosedur pengujian secara formal yang digunakan untuk memilih model regresi data panel yang terbaik. Uji Signifikansi Model Regresi Data Panel Dari ketiga model yang telah dijelaskan sebelumnya. pada model fixed effecs bersifat tidak acak.

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

9) . Pengujian ini didasarkan pada nilai residual dari metode common effects. dan eit adalah residual metode common effects (OLS). Dengan kata lain varians dari residual ui bernilai nol. Jika hasil LM statistik lebih besar dari nilai kritis statistik chi-square. Unsur penting untuk metode ini adalah matriks kovarians dari perbedaan vektor : (3.8) dimana n = jumlah individu. Uji ini didasarkan pada gagasan bahwa hipotesis nol menyatakan tidak adanya korelasi. Pengujian signifikansi Fixed Effects atau Random Effects (Signifikansi Hausman) Uji Hausman digunakan untuk mengetahui apakah model fixed effects lebih baik dari model random effects. Oleh karena itu. baik OLS (dalam model LSDV) maupun GLS adalah konsisten. yang berarti estimasi yang tepat untuk model regresi data panel adalah model random effects daripada model common effects. di bawah hipotesis nol. sedangkan hipotesis alternatifnya yaitu OLS konsisten tetapi GLS tidak konsisten. dapat digunakan uji Langrange Multiplier (LM) yang dikembangkan oleh Breusch-Pagan (1980). maka hipotesis nul akan ditolak. T = jumlah periode waktu. Adapun nilai statistik LM dihitung berdasarkan formula sebagai berikut: (3. kedua estimasi seharusnya tidak berbeda secara sistematik. Hipotesis nul (H0) yang digunakan adalah bahwa intersep bukan merupakan variabel random atau stokastik. Uji LM ini didasarkan pada distribusi chi-square dengan derajat bebas (df) sebesar 1. Uji signifikansi Model Random Effects Untuk mengetahui apakah model random effects lebih baik dari model common effects. akan tetapi OLS tidak efisien. dan ujinya dapat dilakukan berdasarkan pada perbedaan.51 2. 3.

maka hipotesis nul akan ditolak. Jika nilai statistik Hausman lebih besar daripada nilai kritis statistik chi-square. robustness model. melihat kebaikan. Penggunaan metode estimasi ini diharapkan dapat menunjukkan variasi hasil estimasi.2. ketimpangan pendapatan dan pengangguran terhadap kemiskinan. 3. Berdasarkan pertimbangan dari beberapa penelitian terdahulu. dan untuk model GLS. maka model pengaruh PEMP terhadap pertumbuhan ekonomi. Metode data panel juga digunakan untuk melihat pengaruh pertumbuhan ekonomi. serta validitas dari metode estimasi yang digunakan.3. sehingga atau (3. yang berarti estimasi yang tepat untuk regresi data panel adalah metode fixed effects daripada metode random effects.d 3 sebagai berikut: (3. ketimpangan pendapatan dan pengangguran direpresentasikan dalam model persamaan 1 s.52 dimana untuk OLS (dalam model LSDV). yaitu sejumlah parameter tanpa intersep. dengan mensubstitusikan kedua persamaan diatas akan menghasilkan matriks kovarians sebagai berikut: (3. Hasil metode Hausman adalah bahwa perbedaan kovarians dari estimator yang efisien dengan estimator yang tidak efisien adalah nol.12) Statistik uji Hausman di atas mengikuti distribusi statistik chi-square dengan derajat bebas sebanyak k. nilai statistik Hausman ini akan mengikuti distribusi chi-square sebagai berikut: (3.13) .11) Selanjutnya mengikuti kriteria Wald. ketimpangan pendapatan dan pengangguran menggunakan metode data panel.10) Kemudian. Spesifikasi Model Metode ekonometrik yang digunakan untuk melihat pengaruh program PEMP terhadap pertumbuhan ekonomi.4.

pertumbuhan ekonomi dan ketimpangan pendapatan.4.14) (3. Selanjutnya dilakukan Uji Hausman untuk membandingkan model estimasi mana yang dipilih Fixed effects atau Random effects. dalam penelitiannya yang berjudul ”Poverty.15) yang digunakan untuk melihat hubungan antara Model regresi pertumbuhan ekonomi. 1986-2000. persamaan PEMP terhadap PDRB. peubah PEMP dengan Gini dan peubah PEMP dengan TPT dengan menggunakan Fixed effects dan Random effects. ketimpangan pendapatan dan pengangguran terhadap kemiskinan di kabupaten/kota pesisir menggunakan model yang dikembangkan oleh Xin Meng et al. P nt : program PEMP untuk area ke n. periode ke -t.4. Inequality. 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. .n. Berdasarkan penelitian tersebut. periode ke -t. and Growth in Urban China. 2. Tahapan Pengolahan Data Panel Dalam penelitian ini pengolahan data panel menggunakan Eviews 6. Bourguignon (2004) juga mengembangkan kerangka konseptual the poverty-growth-inequality triangle untuk melihat hubungan antara kemiskinan. Gnt : ketimpangan pendapatan untuk area ke n.16) Dimana : Rnt : pertumbuhan ekonomi untuk area ke n. αn: common/fixed/random effect untuk area ke. periode ke -t. Tnt : tingkat pengangguran untuk area ke n.d 3) dilakukan dengan tahapan sebagai berikut: 1. periode ke -t Mnt: persentase penduduk miskin untuk area ke n. ξnt : disturbance term 3.53 (3. periode ke -t.2. ( 2005). maka dikembangkan untuk persamaan ke-4 adalah sebagai berikut : (3. Indeks Gini dan TPT (persamaan 1 s.

tabel Chi square =11. jika peluang (probabilita) < 0. 5. Output hasil pengolahan data panel dapat dilihat pada Lampiran 10. Hasil uji White ini kemudian dibandingkan dengan Tabel Chi square.34) 7.63 dan untuk persaman 4. maka terdeteksi adanya heteroskedastik ( persamaan 1 s. tabel Chi square =6.05 maka model estimasi yang dipilih adalah Fixed Effects. maka dilakukan pengujian asumsi dengan melihat autokorelasi dan heteroskedastik. 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. Untuk melihat apakah persamaan atau model yang dipilih sudah bebas dari asumsi regresi. Autokorelasi dapat diketahui dengan melihat angka Durbin Watson pada persamaan yang telah ditetapkan (fixed atau random).05 maka keputusan adalah model Random Effects.54 3. Definisi Operasional Deskripsi operasional dari peubah-peubah yang digunakan dalam model antara lain: 1. Jika angka Durbin diluar wilayah keputusan maka terdeteksi adanya autokorelasi (persamaan 1 s. maka dilakukan pengolahan kembali dengan menggunakan model yg ditetapkan (fixed atau random) dan menggunakan COVARIANCE METHOD CROSSSECTION WEIGTH/SUR(PCSE). 3.d 3 nilai dL=1. Konsep dan definisi penduduk miskin mengacu pada konsep .5.73) 6. Jika hasil uji White > tabel Chi square. Jika persamaan terdeteksi adanya autokorelasi dan heretoskedastik. Dari hasil Uji Hausman. utk pers 4 nilai dL=1. 8.65 dan dU=1.61 dan dU=1. Heteroskedastik diketahui dengan Uji White yaitu dengan cara melihat angka R-Squared pada persamaan yang telah ditetapkan (fixed atau random) dikalikan dengan jumlah observasi.d 3. 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). 4.69.2. Sebaliknya jika peluang > 0.

Dana bantuan stimulus tersebut merupakan salah satu mata anggaran dalam Anggaran Pendapatan dan Belanja Negara (APBN). . Program ini ditujukan untuk meningkatkan kemampuan ekonomi masyakarat di daerah pesisir. Ketimpangan Pendapatan Dalam penelitian ini ukuran ketimpangan pendapatan yang digunakan adalah indeks gini menurut kabupaten/kota di pesisir.100 kkal perkapita. mempersiapkan usaha. Program Pemberdayaan Ekonomi Masyarakat Pesisir (PEMP) merupakan besaran dana bantuan pemberdayaan ekonomi yang diperoleh dari KPP. dan kebutuhan rumahtangga serta individu yang mendasar lainnya) disebut garis kemiskinan. Tingkat Pengangguran Terbuka Pengangguran adalah mereka yang sedang mencari pekerjaan. sandang. 2. dan pada waktu yang bersamaan mereka tidak bekerja (jobless). 4. Penggunaan PDRB per kapita riil ini yang merupakan besaran agregat. Program Pemberdayaan Ekonomi Masyarakat Pesisir (PEMP) PEMP adalah program bantuan yang diluncurkan oleh Kementerian Kelautan dan Perikanan (KKP) mulai tahun 2001. serta kebutuhan dasar non makanan (papan.55 dan definisi yang digunakan BPS. 5. Penghitungan indeks gini oleh Badan Pusat Statistik (BPS) melalui pendekatan pengeluaran perkapita. dimaksudkan agar sesuai dengan istilah pertumbuhan ekonomi yang juga merupakan angka agregat dasar. yaitu dihitung berdasarkan tingkat pengeluaran (rupiah) untuk memenuhi kebutuhan dasar minimum makanan setara dengan 2. sekolah. yang sudah punya pekerjaan tetapi belum mulai bekerja. transportasi. 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. Pengangguran dengan konsep/definisi tersebut biasanya disebut sebagai pengangguran terbuka (open unemployment). 3.

56 .

ketimpangan pendapatan dan pengangguran di kabupaten/kota pesisir pada awal periode (tahun 2005) dan setelah 4 tahun implementasi program PEMP (tahun 2009).36 juta jiwa atau 67. kabupaten/kota yang mendapatkan bantuan PEMP secara rutin setiap tahun adalah kabupaten/kota pesisir yang secara berkala memberikan laporan . 4.1. Banyaknya penduduk di wilayah pesisir membawa konsekuensi konsentrasi penduduk miskin terbanyak berada di kabupaten/kota pesisir. kesenjangan. tidak semua kabupaten/kota di pesisir mendapatkan stimulus secara berkesinambungan (rutin) setiap tahun. Mayoritas jumlah penduduk berada di wilayah pesisir yaitu sekitar 145. kemiskinan. Jumlah kabupaten/kota pesisir di Indonesia pada tahun 2009 sebanyak 307 kabupaten/kota atau sebesar 65. Dalam pelaksanaan program PEMP. Kegiatan PEMP diluncurkan secara khusus untuk mengatasi berbagai permasalahan akibat krisis ekonomi.76 juta jiwa penduduk miskin. dan rendahnya kapasitas sumberdaya manusia (masyarakat) pesisir serta upaya mengoptimalkan pemanfaatan potensi sumberdaya kelautan dan perikanan. Hasil Susenas 2009 memperlihatkan bahwa dari sekitar 31. Sebagai upaya mengurangi tingkat kemiskinan dan meningkatkan kesejahteraan masyarakat di wilayah pesisir. sebanyak 21.BAB IV.87 juta jiwa penduduk Indonesia.92 juta jiwa atau sebesar 63. 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. Sesuai petunjuk pelaksanaan program PEMP yang disusun.2 persen dari sekitar 230. Dinamika Kabupaten/Kota Pesisir Sebagian besar kabupaten/kota di Indonesia merupakan wilayah pesisir atau berbatasan langsung dengan laut. pertumbuhan ekonomi. kenaikan BBM. sejak tahun 2001 pemerintah melalui DKP memberikan bantuan kepada masyarakat pesisir yaitu berupa program pemberdayaan ekonomi masyarakat pesisir (PEMP).18 persen dari total 471 kabupaten/kota.3 persen berada di kabupaten/kota pesisir.

58 pertanggungjawaban kegiatan dan progresnya secara baik. Ketimpangan dan Kemiskinan Kabupaten Pesisir menurut Penerima PEMP.52 16.64 16.66 0.63 3.24 7.32 0. Gambaran Kemiskinan Persentase kemiskinan di tingkat nasional menunjukkan nilai yang menurun pada periode 2005-2009.35 0.915 5.1. terdapat 307 kabupaten/kota pesisir.80 14.24 20.15 persen.775 4.480 4.33 -2.38 0. Angka kemiskinan Indonesia tahun 2009 tercatat sebesar 13.201 4. Dinamika Pertumbuhan.95 2. capaian indikator kemiskinan pesisir juga membaik seperti yang tersaji pada Tabel 4.66 10.78 14.503 4.61 11.87 -8.52 17. .37 0.1.37 -12.55 10.60 7.590 5.62 13.76 10.76 -4.93 7.65 -8.59 -8.33 -2. Tabel 4.83 -3.1.90 7.64 0. Pada tahun 2009.634 4. 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 3.61 Sumber: BPS (2009).21 16. diolah *) dalam juta rupiah 4.54 0.72 -4.335 2.63 17.58 -4.dari sejumlah kabupaten/kota pesisir tersebut sebanyak 20 kabupaten/kota mendapat program PEMP secara rutin.31 -0.75 10.74 3.76 persen. 257 kabupaten/kota mendapat program PEMP tidak rutin dan 30 kabupaten/ kota pesisir lain yang sama sekali belum pernah mendapat program PEMP (tanpa PEMP). Selama periode 2005-2009 .34 -2.340 4.37 0.38 0.1.64 -4.881 3.75 6. atau mengalami perbaikan bila dibandingkan dengan tahun sebelumnya yang tercatat sebesar 15.24 13.86 Pesisir Lain (Tanpa PEMP) Total Pesisir Nasional 2.70 0.71 -7.32 -1. Demikian pula dengan kondisi kabupaten/kota pesisir.

00 0. Tahun 2005 dan 2009 Gambar 4. diolah Gambar 4. 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. Persentase penurunan penduduk miskin tertinggi adalah kabupaten/kota penerima PEMP tidak rutin dengan laju penurunan penduduk miskin sebesar -4. di tahun 2005 sebesar 20.00 20.80 14.21 persen turun menjadi 16.72 16.21 20.86% (Tabel 1.00 5. Pada tahun 2005.72 persen di tahun 2009.83 17.).00 10.00 16. Sementara itu persentase penduduk miskin di kabupaten pesisir lainnya (kabupaten/kota tanpa PEMP) cukup tinggi.58 16.59 Rata-rata persentase kemiskinan kabupaten/kota pesisir menurut penerima PEMP mengalami penurunan dalam kurun waktu 2005-2009.00 15. memberi gambaran tingkat kemiskinan di kabupaten/kota pesisir penerima program PEMP secara rutin.69 14. dengan laju penurunan sebesar -3. Tingkat Kemiskinan menurut Kabupaten/Kota Pesisir Penerima PEMP. wilayah pesisir yang mendapat program PEMP rutin persentase penduduk miskinnya sebesar 16. . 25. kabupaten/kota pesisir penerima PEMP tidak rutin dan kabupaten/kota pesisir lain (tanpa bantuan PEMP) dalam rentang waktu 2005-2009.24 persen turun menjadi 13.1.24 13.95% untuk kabupaten/kota pesisir penerima PEMP Rutin.83 persen pada tahun 2009.1.15 PEMP Rutin PEMP Tidak Rutin 2005 Pesisir Lain Total Pesisir 2009 Sumber: BPS (2009).

kabupaten/kota pesisir penerima PEMP rutin mengalami pertumbuhan yang paling tinggi dibanding capaian wilayah pesisir lainnya yaitu tercatat sebesar 5. bila dilihat dari capaian rata-rata pertumbuhan ekonomi. 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).2. kabupaten/kota penerima PEMP tidak rutin dan kabupaten/kota pesisir lainnya kurun waktu 2005-2009 disajikan pada Gambar 4.2. Rata-Rata PDRB menurut Kabupaten/Kota Pesisir Penerima Program PEMP. Pada Tabel 4. .1. terlihat bahwa rata-rata pertumbuhan ekonomi di kabupaten/kota pesisir (2005-2009) sebesar 4.). Gambaran Pertumbuhan Ekonomi Capaian pengentasan kemiskinan kabupaten/kota pesisir diikuti dengan perbaikan pada capaian indikator perekonomian. Pertumbuhan ekonomi kabupaten/kota pesisir lebih banyak ditopang melalui pendapatan asli daerah dari sektor non migas. Kondisi ini salah satunya diduga adanya upaya peningkatan kesejahteraan masyarakat melalui program PEMP secara rutin setiap tahun (Tabel 4.70 % per tahun. Namun demikian.2. Tahun 2005 dan 2009 (jutaan rupiah) Gambaran rata-rata PDRB di kabupaten/kota pesisir yang memperoleh program PEMP secara rutin. diolah Gambar 4.64 %.1. 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).60 4.1.

ketimpangan pendapatan kabupaten/kota pesisir penerima PEMP yang diukur dengan indeks gini tergolong sedang.37 0. Indeks gini kabupaten/kota pesisir penerima PEMP rutin pada tahun 2009 sebesar 0.4. Gambaran Ketimpangan Pendapatan Gambaran ketimpangan pendapatan melalui pendekatan peubah indeks gini di kabupaten/kota pesisir disajikan pada Gambar 4. ketimpangan sedang apabila indeks gini terletak antara 0. yaitu sebesar Rp 3. dimana terdapat tren penurunan tiap tahunnya.33.4.1.35 0. ketimpangan rendah apabila indeks gini lebih kecil dari 0.38 0.32 lebih rendah dibandingkan dengan ketimpangan pendapatan kabupaten/kota pesisir dan kabupaten/kota penerima PEMP tidak rutin yaitu sebesar 0. Rata-rata PDRB di kabupaten/kota pesisir menerima PEMP tidak rutin cukup tinggi.324 milyar pada tahun 2009.31 0.32 0.0. 0.37 0.34 0.61 Rata-rata PDRB di wilayah pesisir baik yang mendapat program PEMP maupun tidak.33 0. 2.3.3.3. ketimpangan tinggi apabila indeks gini lebih besar dari 0. Berdasarkan kiteria tersebut.33 0. 4.32 0.3.32 0.30 0.36 0.620 milyar pada tahun 2005 meningkat menjadi Rp 4. Ketimpangan pendapatan menurut Oshima (1970) dapat dikelompokkan menjadi tiga berdasarkan indeks gini yaitu: 1. 3. Ketimpangan pendapatan di kabupaten/kota pesisir sejalan dengan kondisi pada level nasional.3 . pada tahun 2009 mengalami peningkatan dibandingkan tahun 2005.diolah Gambar 4.28 PEMP Rutin PEMP Tidak Rutin Pesisir Lain Total Pesisir 2005 2009 Sumber: BPS (2009). Indeks Gini menurut Kabupaten/Kota Pesisir Penerima Program PEMP Tahun 2005 dan 2009 .

38 persen. sehingga dapat diketahui secara sederhana .60 10.00 0. Gambaran Pengangguran Gambaran pengangguran didekati oleh peubah tingkat pengangguran terbuka (TPT).4).00 5. Dinamika 20 Kabupaten/Kota Pesisir Penerima PEMP Analisis dinamika dan perkembangan pertumbuhan ekonomi.87 10.37 10. 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. TPT kabupaten/kota pesisir penerima program PEMP rutin pada tahun 2005 sebesar 10. Analisis selanjutnya difokuskan pada 20 kabupaten/pesisir penerima PEMP secara rutin.71 7. Pada tahun 2005.4.2.37 pada tahun 2009. dimana pada tahun 2005 sebesar 10.60 persen turun menjadi 7.00 PEMP Rutin PEMP Tidak Rutin Pesisir Lain Total Pesisir 2005 2009 Sumber: BPS (2009). 4.00 10.1.24 7.65 6. TPT di ketiga kelompok kabupaten/kota pesisir tidak terlihat perbedaan yang berarti (Gambar 4. Pada tahun 2005.71 persen pada tahun 2009. Tahun 2005 dan 2009 adalah kondisi awal dan akhir periode bantuan PEMP.75 persen turun menjadi persen 6.4).62 4. TPT di ketiga kelompok kabupaten/kota pesisir tidak terlihat perbedaan yang berarti (Gambar 4. untuk melihat gambaran secara rinci dampak program PEMP. diolah Gambar 4.4. ketimpangan pendapatan. Sementara itu TPT di kabupaten pesisir lainnya (kabupaten/kota tanpa PEMP) mengalami penurunan sebesar 4.75 11. 15. TPT menurut Kabupaten/ Kota Pesisir Penerima Pogram PEMP Tahun 2005 dan 2009 Gambaran pengangguran didekati oleh peubah tingkat pengangguran terbuka (TPT).93 7.

85 persen (Gambar 4.1.1. Demikian pula penduduk miskin di 20 kabupaten/kota pesisir penerima program PEMP mengalami penurunan persentase pada periode 2005-2009 dengan laju penurunan sebesar .2.62 persen. Sumber: BPS (2009). Capaian angka kemiskinan di Indonesia cukup menggembirakan. Dinamika Kemiskinan Ukuran kemiskinan merupakan tolok ukur keberhasilan pembangunan pemerintah dimana salah satu target RPJMN pemerintah antara lain yaitu penurunan persentase penduduk miskin. persentase penduduk miskin pada periode 2005 hingga 2009 menunjukkan kecenderungan menurun. sementara itu persentase penduduk miskin pada tahun 2009 tercatat sebesar 13.5. 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. 4.39 persen seperti yang disajikan pada Tabel 4. Badan Pusat Statistik (BPS) mencatat persentase penduduk miskin pada tahun 2005 sebesar 16.5). Selama periode tersebut persentase penduduk miskin di Indonesia berkurang dengan laju penurunan sebesar -4.0.61 persen.76 persen. namun Biak Numfor merupakan kabupaten yang masih memiliki persentase penduduk miskin terbesar . Meskipun memiliki penurunan persentase terbesar.63 implementasi program PEMP di 20 kabupaten/kota pesisir pada kurun waktu 2005-2009. diolah Gambar 4.

Peningkatan persentase kemiskinan di 5 kabupaten/kota pesisir terlihat wajar pada tahun 2005 hingga tahun 2007. Sumber: BPS (2009). Kota Bengkulu terlihat mengalami pelonjakan kemiskinan pada periode 2007-2009 (Gambar 4.41 persen.6). Pada tahun 2005 kabupaten yang memiliki persentase kemiskinan terkecil adalah Kota Padang yaitu sebesar 4.46 persen.64 di tahun 2005 dan 2009 yaitu sebesar 47. Kota Bengkulu. Pada Gambar 4. diolah Gambar 4.6.36 persen pada tahun 2005 dan 36. Pertama. ada 5 (lima) kabupaten/kota yang memiliki persentase penduduk miskin lebih tinggi pada tahun 2009 dibandingkan keadaan tahun 2005. Pada tahun 2005 kabupaten yang memiliki penurunan kemiskinan terkecil selama periode 2005 sampai 2009 adalah Kabupaten Bantul yaitu sebesar 0. Kota Banda Aceh mengalami penurunan disebabkan cakupan penelitian diluar wilayah yang terkena gempa.92 persen. Kota Bengkulu adalah kota pesisir yang mengalami peningkatan persentase penduduk miskin paling tinggi yaitu sebesar 8. Kabupaten/ kota yang mengalami kenaikan persentase penduduk miskin antara lain Kota Banda Aceh. Tahun 2005-2009 Terdapat dua hal yang diduga merupakan penyebab tidak tercapainya target penurunan tingkat kemiskinan dan pengangguran pada RPJM 2005-2009.51 persen pada tahun 2009. Kabupaten Gianyar dan Kabupaten Minahasa Utara. Penduduk Miskin di 5 Kabupaten/Kota Pesisir yang Mengalami Peningkatan Persentase Kemiskinan. adanya pengurangan subsidi yang mengakibatkan kenaikan harga BBM . Kota Padang. sedangkan pada tahun 2009 adalah Kabupaten Pontianak sebesar 5.5 juga terlihat bahwa diantara 20 kabupaten/kota penerima program PEMP. Hal ini dapat dimaklumi karena dalam periode ini Kabupaten Bantul mengalami gempa bumi yang cukup parah .57 persen.

2. Selain dua hal yang diduga sebagai penyebab tersebut diatas. pengaruh perubahan harga telah dieliminasi. kelima kabupaten/kota pesisir tersebut juga merupakan wilayah atau daerah rawan gempa. adanya krisis ekonomi global (external shock) pada tahun 2008 (Alisjahbana. diolah Gambar 4.65 hingga 2 kali lipat pada tahun 2005.2.7. Sumber: BPS (2009). tercatat beberapa kabupaten/kota memiliki pertumbuhan ekonomi di atas 4 % (Gambar 4. Dengan demikian pertumbuhan yang dicerminkan merupakan pertumbuhan riil barang dan jasa dalam suatu periode waktu tertentu. 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. PDRB kabupaten/kota pesisir tertinggi dicapai oleh Kota Padang baik pada tahun 2005 (9.111 juta rupiah) . 4. 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.7). 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. 2010). Kedua.

346 juta rupiah ).30. Kota Padang berhasil menurunkan ketimpangan pendapatannya. Kontribusi sektor bahari dan kelautan sekitar 20 persen dari total PDRB. Sebaliknya indeks .25 hingga 0. Sektor non migas khususnya sektor andalan antara lain bahari dan kelautan mampu memberikan kontribusi penting dalam mendorong pertumbuhan ekonomi. Pada tahun 2009.66 maupun tahun 2009 ( 11.8. Perbandingan Indeks Gini menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 Berdasarkan kiteria ketimpangan pendapatan Oshima (1970).8. 4.2. Pertumbuhan ekonomi yang tinggi di Kota Padang lebih banyak ditopang melalui pendapatan asli daerah dari sektor non migas. Pada Gambar 4. tidak terkecuali di Indonesia Sumber: BPS (2009).3 Dinamika Ketimpangan Pendapatan Ketimpangan pendapatan atau kesenjangan ekonomi dan tingkat kemiskinan yang tinggi merupakan dua masalah besar di banyak negara berkembang. Implikasi dari hal tersebut bahwa dengan nilai pertumbuhan yang tinggi.36.8 juga terlihat bahwa indeks gini di 20 kabupaten/kota pesisir penerima PEMP berada pada kisaran 0. 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. indeks gini tertinggi adalah Kabupaten Pontianak sebesar 0. diolah Gambar 4.

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. Perbandingan TPT menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 . di samping keadaan angkatan kerja (economically active population) dan struktur ketenagakerjaan adalah isu pengangguran. 4. diolah Gambar 4.9. Pengangguran dari sisi ekonomi merupakan produk dari ketidakmampuan pasar kerja dalam menyerap angkatan kerja yang tersedia.4.2.67 gini terendah adalah Kabupaten Aceh Besar dan Kabupaten Ciamis dengan nilai indeks gini sebesar 0.25. Ketersediaan lapangan kerja yang relatif terbatas tidak mampu menyerap masyarakat pencari kerja yang senantiasa bertambah setiap tahun seiring dengan bertambahnya jumlah penduduk. Sumber: BPS (2009). Kondisi ini berarti ketimpangan distribusi pendapatan di Kabupaten Aceh Besar dan Kabupaten Ciamis termasuk kategori ketimpangan rendah. Dinamika Pengangguran Salah satu isu penting dalam ketenagakerjaan.

menunjukkan dinamika pertumbuhan dan kemiskinan di 20 kabupaten pesisir penerima PEMP.3. melalui analisis kuadran. Kuadran III menunjukkan kondisi yang terburuk dimana kabupaten/kota memiliki karakteristik yaitu pertumbuhan ekonomi yang rendah dan persentase kemiskinan yang tinggi.68 4. Sementara itu. di tahun 2005 ada sebanyak 10 kabupaten/kota memiliki persentase penduduk miskin dibawah rata-rata.1 Pertumbuhan Ekonomi dan Kemiskinan Gambar 4. 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. Kuadran IV memperlihatkan kondisi kabupaten/kota yang memiliki . pengangguran dan kemiskinan pada tahun 2005 dan 2009. Analisis Kuadran Analisis yang lebih mendalam mengenai gambaran dinamika kemiskinan kabupaten/kota pesisir dapat dilihat dengan membandingkan kondisi pertumbuhan. tingkat pengangguran di 20 kabupaten/kota mengalami penurunan dalam periode 2005-2009. Secara umum. Perkembangan ketimpangan pendapatan mengalami perbaikan dalam periode 2005-2009. 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. Kuadran II menunjukkan kondisi dimana kabupaten/kota memiliki karakteristik pertumbuhan ekonomi yang tinggi namun disertai dengan persentase kemiskinan yang juga tinggi. hal ini terlihat dari pola analisis kuadran yang Kuadran III dan IV. 4. sedangkan pada tahun 2009 meningkat menjadi 11 kabupaten/kota. ketimpangan pendapatan.9.3. Pada tahun 2005. jumlah kabupaten/kota yang memiliki pertumbuhan ekonomi (PDRB) diatas rata-rata sebanyak 6 kabupaten/kota dan bertambah menjadi 7 kabupaten/kota pada tahun 2009. Berdasarkan hasil analisis kuadran diketahui bahwa dari 20 kabupaten/kota penerima PEMP rutin. Gambar tersebut menunjukkan bahwa kabupaten/kota memiliki karakteristik yang hampir homogen. 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).

00 Biak Numfor Fakfak Seram Bagian Timur 40. Ciamis. 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.00 Fakfak Maluku Tengah Seram Bagian Timur Maluku Tengah 30. terlihat bahwa kabupaten/kota yang berada dalam Kuadran 1 (kuadran terbaik) sebanyak 4 kabupaten/kota (Gianyar.00 Aceh Besar III III 20.00 Biak Numfor 40. Pontianak dan Kota Padang). Kabupaten/kota yang masuk Kuadran II ada 2 yaitu Kabupaten Tasikmalaya dan Kabupaten Bantul.00 Banda Aceh Minahasa Utara IV 10. analisis kuadran untuk peubah PDRB dan kemiskinan tidak menunjukkan perbedaan yang berarti.10.00 Buru II miskin2009 Buru miskin2005 30. sedangkan kuadran IV dihuni oleh 7 kabupaten/kota. 50.00 IV 0 2000 4000 6000 8000 10000 0 2000 4000 6000 8000 10000 12000 pdrb2005 pdrb2009 Sumber: BPS (2009). 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. Jika dibandingkan dengan keadaan tahun 2009. diolah Gambar 4.69 pertumbuhan ekonomi yang rendah disertai persentase kemiskinan yang juga rendah.00 II Kulon Progo Nunukan Sambas Bantul Tasikmalaya Ciamis Kulon Progo II II Bantul III 20.00 Padang Minahasa Utara Tanjung Jabung Barat Sambas I Pontianak I Padang I Banda Aceh Kotawaringin Barat Gianyar 0. Kondisi ini dapat diartikan sebagai perbaikan dalam hal penurunan persentase kemiskinan di . Sementara itu hampir separuh kabupaten/kota ( 9 kabupaten/kota) masuk dalam kuadran terburuk (Kuadran III).00 III Aceh Besar Bengkulu Tanjung Jabung Barat Pontianak I Kotawaringin Barat Bengkulu Gianyar IV IV Nunukan Tasikmalaya Ciamis 10.

00 Maluku Tengah Buru Aceh Besar Fakfak Seram Bagian Timur Maluku Tengah 30.2 Ketimpangan Pendapatan dan Kemiskinan Dalam analisis kuadran antara ketimpangan pendapatan (Indeks Gini) dan kemiskinan.00 Bengkulu Sambas Tanjung Jabung Barat Ciamis Ciamis Tasikmalaya Nunukan 10.26 0. Sementara itu Kuadran IV menunjukkan kondisi kemiskinan yang tinggi namun memiliki indeks yang rendah.00 Buru miskin2005 30. 50.00 miskin2009 IV 20. Sementara itu kabupaten/kota lain tidak menunjukkan perubahan yang berarti (Gambar 4.32 0.00 Banda Aceh Kotawaringin Barat Pontianak Padang Minahasa Utara Bengkulu Gianyar Sambas 10. 4.00 Biak Numfor Fakfak Seram Bagian Timur 40.28 0. Kuadran I (terbaik) didefinisikan oleh kabupaten/kota yang memiliki persentase kemiskinan yang rendah disertai indeks gini yang juga rendah.70 Kabupaten Tasikmalaya.26 0.24 0. Kuadran II. diolah Gambar 4.34 0.28 0.30 0.11. Kuadran III merupakan kondisi terburuk dimana kabupaten/kota pesisir memiliki kondisi kemiskinan dan indeks gini yang tinggi.32 II 0. Perbandingan Kondisi Indeks Gini dan Kemiskinan menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 Gambar 4.00 I 0.30 0. menunjukkan kondisi kabupaten/kota yang memiliki indeks gini yang tinggi namun persentase kemiskinan yang rendah.10).3.00 Tanjung Jabung Barat I Gianyar Minahasa Utara Banda Aceh Kotawaringin Barat Padang Pontianak II 0.34 gini2005 gini2009 Sumber: BPS (2009).36 0.00 Biak Numfor 40.11 menunjukkan bahwa posisi kabupaten/kota pesisir pada tahun 2005 dan 2009 memiliki karakteristik yang mayoritas menyebar di Kuadran I dan IV.00 Tasikmalaya Kulon Progo III Nunukan Bantul IV Aceh Besar Kulon Progo III Bantul 20. Pada tahun 2005 terlihat bahwa kabupaten/kota pesisir yang masuk dalam Kuadran I .

kemiskinan tinggi). Kabupaten/kota pesisir yang masuk Kuadran II. Perkembangan yang baik dialami oleh Kabupaten Bantul. Sambas dan Kota Padang). Kotawaringin Barat. Kabupaten Minahasa Utara. analisis kuadran untuk peubah Indeks Gini dan kemiskinan terjadi perubahan yang cukup berarti jika dibandingkan kondisi tahun 2005. Kotawaringin Barat dan Sambas). . hanya satu yaitu Kota Bengkulu. Biak Numfor. Pada tahun 2009. Sementara itu Kuadran IV menunjukkan kondisi kemiskinan yang tinggi namun memiliki TPT yang rendah.71 (kuadran terbaik) sebanyak 6 kabupaten/kota (Ciamis. Sebaliknya Kabupaten Biak Numfor merupakan satu-satunya kabupaten/kota pesisir yang tetap dalam kondisi terburuk berada di Kuadran III ( kemiskinan dan indeks gini tinggi). Jika dilihat dari posisi kuadran.3 Pengangguran dan Kemiskinan Analisis kuadran antara tingkat pengangguran terbuka (TPT) dan tingkat kemiskinan. Sementara itu terdapat 4 kabupaten/kota yang masuk Kuadran III yaitu Kabupaten Nunukan. 4. Aceh Besar dan Maluku Tengah. Kuadran II menunjukkan kondisi kabupaten/kota yang memiliki TPT yang tinggi namun persentase kemiskinan yang rendah. yang posisinya dari kuadran terburuk beralih ke Kuadran IV (ketimpangan rendah. Kabupaten/kota yang berada di Kuadran II yaitu Kabupaten Tanjung Jabung Barat. Pontianak. Kuadran I (terbaik) didefinisikan sebagai kabupaten/kota yang memiliki persentase tingkat kemiskinan yang rendah disertai TPT yang juga rendah. Kota Banda Aceh. Pada Gambar 4.3. Kabupaten Bantul dan Biak Numfor berada di posisi kuadran terburuk (Kuadran III).Kota Padang.12. disajikan pada Gambar 4. Kuadran III merupakan kondisi terburuk dimana kabupaten/kota memiliki kondisi kemiskinan dan TPT yang tinggi. Sementara itu kabupaten/kota lain tidak menunjukkan perubahan yang berarti. artinya mengalami perbaikan karakteristik ketimpangan pendapatan namun tidak dalam karakteristik kemiskinan. Sementara itu. terlihat bahwa kabupaten/kota yang masuk dalam Kuadran I (kuadran terbaik) sebanyak 5 kabupaten/kota (Ciamis. dan Kota Banda Aceh. Kota Bengkulu. Pontianak.11. Gianyar.

00 Maluku Tengah 30.00 14. Kawasan minapolitan adalah kawasan yang terdiri atas satu atau lebih pusat kegiatan pada wilayah perdesaan sebagai sistem produksi perikanan dan pengeloaan sumberdaya alam tertentu.00 Biak Numfor 40. Kabupaten Tasikmalaya merupakan salah satu kabupaten/kota yang menjadi lokasi pengembangan kawasan minapolitan dari 41 kabupaten/kota di seluruh Indonesia. selanjutnya pembangunan TPI (Tempat . Perkembangan yang baik dialami oleh Kabupaten Tasikmalaya dan Tanjung Jabung Barat pada tahun 2005 posisi masing-masing berada di kuadran 4 dan 2.00 Bantul Sambas Tasikmalaya Ciamis Tanjung Jabung Barat Nunukan III Aceh Besar 20.00 4. diolah Gambar 4.00 Kulon Progo miskin2009 Aceh Besar Kulon Progo IV 20.00 Kotawaringin Barat Gianyar Pontianak IV 0. 41 Tahun 2009 tentang penetapan lokasi minapolitan.00 20. Kecamatan Cipatujah.00 II 10.00 Bantul IV Tasikmalaya Tanjung Jabung Barat Sambas Banda Aceh Padang Bengkulu III II Nunukan 10. penurunan pengangguran dan penurunan persentase kemiskinan di kabupaten Tasikmalaya. Perkembangan yang baik untuk Kabupaten Tasikmalaya dalam analisis kuadran dapat diartikan sebagai perbaikan dalam hal pertumbuhan ekonomi.00 tpt2005 tpt2009 Sumber: BPS (2009).72 50.00 6.00 2. pada tahun 2009 berubah posisinya berada di kuadran terbaik yaitu kuadran 1.00 30. 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. Saat ini sedang dibangun PPI (Pangkalan Pendaratan Ikan) di Kampung Pamayang.00 12.00 Ciamis Banda Aceh Minahasa Utara Padang I 40. Berdasarkan SK Menteri Kelautan dan Perikanan No.00 10.00 Kotawaringin Barat Pontianak Gianyar Bengkulu Minahasa Utara I 0.00 10. Desa Cikawungading.00 Buru miskin2005 30.00 16.00 8.00 Biak Numfor Seram Bagian Timur Seram Bagian Timur Fakfak Fakfak Buru Maluku Tengah 40.12.

Maluku Tengah dan Fak-Fak.1 GIC Periode 2005-2009 Gambar 4. GIC dilakukan dalam periode 2005-2009. 4. 4.4.12. Pengembangan kawasan minapolitan merupakan upaya dalam mendorong pengembangan kawasan budidaya perikanan di daerah.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. Distribusi pendapatan terjadi perbaikan jika GIC merupakan fungsi turun. Penyesuaian pada data pengeluaran di tiap kabupaten/ kota dilakukan untuk memenuhi keterbandingan data antar kabupaten dan antar periode. Kabupaten-kabupaten tersebut terletak di Indonesia bagian timur. 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. karena perbedaan garis kemiskinan antar kabupaten/kota dan antar waktu. Dalam analisis ini. Kebijakan pemerintah dengan adanya program PEMP di kawasan timur kiranya belum dapat mendorong penurunan angka pengangguran dan kemiskinan.73 Pendaratan Ikan) di beberapa desa. menunjukkan GIC dari 20 kabupaten/kota penerima program PEMP periode 2005-2009. Krisis ekonomi global diduga merupakan salah satu penyebab tidak tercapainya target pengurangan tingkat kemiskinan dan pengangguran pada periode 2005-2009. Hal ini menunjukkan bahwa pertumbuhan ekonomi di periode ini bersifat . 2009). Pada gambar tersebut memperlihatkan nilai pertumbuhan yang selalu positif di setiap persentil penduduk selama periode tersebut. Biak Numfor. posisinya sangat buruk. yang dapat diartikan bahwa kabupaten tersebut masih memiliki tingkat pengangguran sekaligus tingkat kemiskinan yang sangat tinggi. Kegiatan di kawasan minapolitan ini bertujuan untuk meningkatkan perekonomian dan pertumbuhan wilayah dengan kegiatan budidaya perikanan sebagai penggerak utamanya (Saefulah. selain akibat faktor alam yang kurang mendukung masyarakat pesisir wilayah timur untuk bekerja dalam mencari penghasilan.

Meskipun secara keseluruhan terjadi pertumbuhan positif di semua kelompok persentil. akan tetapi pertumbuhan yg lebih tinggi di kelompok persentil terendah mempersempit kesenjangan pendapatan yang ada. 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. Setidaknya program PEMP memberikan dampak positif bagi penduduk miskin dengan meningkatnya pendapatan mereka melalui peningkatan pendapatan yang lebih tinggi dibandingkan kelompok kaya. Bahkan GIC tersebut juga menunjukkan sebagai fungsi turun.74 pro poor growth. dimana pertumbuhan di kelompok persentil teratas justru lebih rendah dibandingkan pertumbuhan di kelompok persentil terendah (hingga persentil-60). Sumber: BPS (2009). diolah Gambar 4.13. yang berarti pula telah memberikan manfaat bagi penduduk miskin. .

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.