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

diurutkan dari pengeluaran rendah sampai dengan tertinggi (100 persen) dihitung masing-masing untuk tahun 2005 dan 2009. 3. maka ketimpangan menurun demikian pula sebaliknya. Data panel adalah gabungan antara data silang (cross section) dan data runtun waktu (time series).2. pengangguran dan kemiskinan digunakan analisis kuantitatif yaitu dengan menggunakan analisis data panel.4. 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) 3.3. ketidakmerataan pendapatan. masing-masing dari 20 kabupaten/kota pesisir.1 Tahapan Pengolahan GIC Pengolahan Growth Incidence Curve (GIC) menggunakan SPSS 13. Data yang digunakan yaitu rata-rata pengeluaran penduduk perkapita hasil SUSENAS 2005 dan 2009. sehingga periode waktu yang digunakan tidak terlalu panjang dan data silangnya dapat berupa karakteristik suatu perusahaan /wilayah/ . 3.2. Analisis Data Panel Untuk melihat pengaruh program PEMP serta keterkaitan antara pertumbuhan ekonomi.44 dan kaya. 4. Jika GIC merupakan fungsi turun. Tahapan sebagai berikut: 1. Dihitung masing-masing persentil nilai growth (pertumbuhan) rata-rata pengeluaran penduduk tahun 2009 dibanding tahun 2005. 2. Distribusi pengeluaran menurut persentil.

longitudinal data. 3. dapat mengatasi masalah yang timbul akibat penghilangan variabel (ommited variable). jika unit-unit cross section memiliki jumlah observasi time series yang berbeda maka disebut unbalanced panel. 4. Hsiao (1990) menyatakan bahwa model regresi data panel memiliki beberapa keuntungan. Sebaliknya. Penggabungan informasi dari data time series dan data cross section. Data panel dapat meminimalkan bias yang dihasilkan oleh agregasi individu karena unit data lebih banyak. Jadi. Data panel mampu mengindikasikan dan mengukur efek yang secara sederhana tidak dapat diperoleh dengan data cross section murni atau time series murni. . 6.45 negara . karena dengan data panel observasinya akan lebih banyak. data panel digunakan apabila observasi dari cross section saja atau data time series saja tidak cukup untuk dilakukan analisis. Selain itu. 2. Data panel mampu menyediakan data yang lebih banyak dan informasi yang lebih lengkap. Jika setiap unit cross section memiliki jumlah observasi time series yang sama maka disebut sebagai balanced panel. 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. Data panel mampu mengurangi kolinieritas antar variabel. combination of time series and cross section data. Suatu hal yang penting dalam data panel yang diabaikan dalam penggunaan OLS adalah heterogenitas antara unit-unit cross section. antara lain: 1. Nama lain data panel antara lain: Panel Pooled data. Regresi dengan menggunakan data panel disebut dengan model regresi data panel. 5. data panel terdiri dari beberapa atau banyak objek yang meliputi beberapa periode. Penggunaan model regresi data panel memungkinkan untuk menangkap karakteristik antar individu dan antar waktu. Asumsi yang mendasari OLS tersebut sangat jarang berlaku dalam kenyataan sehari-hari. karena merupakan gabungan antara data cross section dan data time series.

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

3. (3. sehingga proses estimasi secara terpisah untuk setiap unit cross section dapat dilakukan. t = 1.2) .3) dengan i = 1. Model ini tidak memperhatikan dimensi individu maupun waktu. akan diperoleh persamaan regresi cross section sebagai berikut: (3. Untuk periode t=1. 2. yaitu hanya dengan mengombinasikan data time series dan data cross section dalam bentuk pool. … . 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). Namun.47 a. untuk mendapatkan parameter yang konstan dan efisien akan lebih baik jika diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak N × T observasi. 3. N. … . Model Common Effects Model common effects merupakan pendekatan data panel yang paling sederhana. sehingga diasumsikan bahwa perilaku antar individu sama dalam berbagai kurun waktu. Persamaan regresi dalam model common effects dapat ditulis sebagai berikut: Common Effect Model: . akan diperoleh sebanyak T persamaan cross section yang sama. 2. Dimana : i = 1. Begitu juga sebaliknya. 2. 3. dan teknik estimasinya menggunakan pendekatan kuadrat terkecil/pooled least squares. …. N Implikasinya. kita juga dapat memperoleh persamaan deret waktu (time series) sebanyak N persamaan untuk setiap T periode observasi.

48 b. Intersep pada setiap individu merupakan parameter yang tidak diketahui dan akan diestimasi. Pada model ini. Untuk mengatasi masalah ini. dan yang disusun dalam vektor T × 1 merupakan vektor gangguan. dalam model random effects terdapat dua komponen residual. antara lain: . Model Fixed Effects Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi melalui perbedaan intersepnya. maka digunakan teknik variable dummy. Model Random Effects Estimasi model regresi data panel dengan fixed effect melalui teknik LSDV menunjukkan ketidakpastian model yang digunakan. akan dipilih estimasi model regresi data panel dimana residual saling berhubungan antar waktu dan antar individu. Dengan demikian. bisa menggunakan variabel residual yang dikenal sebagai metode random effects. yaitu residual secara menyeluruh (ξit) dan residual secara individu (ui). Persamaan regresi untuk model random effects dapat ditulis sebagai berikut: dimana (3. dimana intersep berbeda antar individu. Metode estimasi ini sering disebut dengan teknik Least Squares Dummy Variable (LSDV). persamaan diatas dapat ditulis sebagai berikut: (3. Dengan demikian. Oleh karena itu.4) Untuk mengestimasi model fixed effects. pada model ini diasumsikan bahwa ada perbedaan intersep untuk setiap individu dan intersep tersebut merupakan variabel random atau stokastik.5) c. Misalkan dan merupakan T pengamatan untuk setiap unit ke-i. maka model fixed effects dapat ditulis sebagai berikut: Fixed Effect Model: (3.6) Beberapa asumsi yang harus dipenuhi dalam model random effects.

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

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

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

dengan mensubstitusikan kedua persamaan diatas akan menghasilkan matriks kovarians sebagai berikut: (3.52 dimana untuk OLS (dalam model LSDV). Berdasarkan pertimbangan dari beberapa penelitian terdahulu.10) Kemudian.d 3 sebagai berikut: (3. melihat kebaikan. Jika nilai statistik Hausman lebih besar daripada nilai kritis statistik chi-square. sehingga atau (3.12) Statistik uji Hausman di atas mengikuti distribusi statistik chi-square dengan derajat bebas sebanyak k. serta validitas dari metode estimasi yang digunakan. 3. yaitu sejumlah parameter tanpa intersep. maka hipotesis nul akan ditolak. 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. ketimpangan pendapatan dan pengangguran menggunakan metode data panel.3.13) . maka model pengaruh PEMP terhadap pertumbuhan ekonomi.2.11) Selanjutnya mengikuti kriteria Wald. Spesifikasi Model Metode ekonometrik yang digunakan untuk melihat pengaruh program PEMP terhadap pertumbuhan ekonomi. dan untuk model GLS. Metode data panel juga digunakan untuk melihat pengaruh pertumbuhan ekonomi.4. ketimpangan pendapatan dan pengangguran terhadap kemiskinan. nilai statistik Hausman ini akan mengikuti distribusi chi-square sebagai berikut: (3. robustness model. yang berarti estimasi yang tepat untuk regresi data panel adalah metode fixed effects daripada metode random effects. ketimpangan pendapatan dan pengangguran direpresentasikan dalam model persamaan 1 s.

n. Selanjutnya dilakukan Uji Hausman untuk membandingkan model estimasi mana yang dipilih Fixed effects atau Random effects. Gnt : ketimpangan pendapatan untuk area ke n. pertumbuhan ekonomi dan ketimpangan pendapatan. 2. Berdasarkan penelitian tersebut. ξnt : disturbance term 3. periode ke -t Mnt: persentase penduduk miskin untuk area ke n. periode ke -t.4.53 (3. Inequality. periode ke -t. periode ke -t. ( 2005).4. and Growth in Urban China. 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. αn: common/fixed/random effect untuk area ke. Indeks Gini dan TPT (persamaan 1 s.16) Dimana : Rnt : pertumbuhan ekonomi untuk area ke n. . 1986-2000.d 3) dilakukan dengan tahapan sebagai berikut: 1. Tnt : tingkat pengangguran untuk area ke n.14) (3. persamaan PEMP terhadap PDRB. Bourguignon (2004) juga mengembangkan kerangka konseptual the poverty-growth-inequality triangle untuk melihat hubungan antara kemiskinan. ketimpangan pendapatan dan pengangguran terhadap kemiskinan di kabupaten/kota pesisir menggunakan model yang dikembangkan oleh Xin Meng et al.15) yang digunakan untuk melihat hubungan antara Model regresi pertumbuhan ekonomi. maka dikembangkan untuk persamaan ke-4 adalah sebagai berikut : (3. peubah PEMP dengan Gini dan peubah PEMP dengan TPT dengan menggunakan Fixed effects dan Random effects. periode ke -t. Tahapan Pengolahan Data Panel Dalam penelitian ini pengolahan data panel menggunakan Eviews 6. dalam penelitiannya yang berjudul ”Poverty.2. P nt : program PEMP untuk area ke n.

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). maka dilakukan pengujian asumsi dengan melihat autokorelasi dan heteroskedastik.73) 6. Output hasil pengolahan data panel dapat dilihat pada Lampiran 10. Jika angka Durbin diluar wilayah keputusan maka terdeteksi adanya autokorelasi (persamaan 1 s.d 3.05 maka model estimasi yang dipilih adalah Fixed Effects. Jika persamaan terdeteksi adanya autokorelasi dan heretoskedastik. Jika hasil uji White > tabel Chi square. 4.05 maka keputusan adalah model Random Effects. Definisi Operasional Deskripsi operasional dari peubah-peubah yang digunakan dalam model antara lain: 1. jika peluang (probabilita) < 0.5. maka terdeteksi adanya heteroskedastik ( persamaan 1 s.65 dan dU=1. Hasil uji White ini kemudian dibandingkan dengan Tabel Chi square.34) 7. 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. Autokorelasi dapat diketahui dengan melihat angka Durbin Watson pada persamaan yang telah ditetapkan (fixed atau random).54 3. Dari hasil Uji Hausman.d 3 nilai dL=1. tabel Chi square =11. Untuk melihat apakah persamaan atau model yang dipilih sudah bebas dari asumsi regresi. Heteroskedastik diketahui dengan Uji White yaitu dengan cara melihat angka R-Squared pada persamaan yang telah ditetapkan (fixed atau random) dikalikan dengan jumlah observasi. Sebaliknya jika peluang > 0. tabel Chi square =6. 3.61 dan dU=1.69.2. Konsep dan definisi penduduk miskin mengacu pada konsep . 8. utk pers 4 nilai dL=1.63 dan untuk persaman 4. maka dilakukan pengolahan kembali dengan menggunakan model yg ditetapkan (fixed atau random) dan menggunakan COVARIANCE METHOD CROSSSECTION WEIGTH/SUR(PCSE). 5.

sandang. Program ini ditujukan untuk meningkatkan kemampuan ekonomi masyakarat di daerah pesisir. 4. dan kebutuhan rumahtangga serta individu yang mendasar lainnya) disebut garis kemiskinan. mempersiapkan usaha. 5. Dana bantuan stimulus tersebut merupakan salah satu mata anggaran dalam Anggaran Pendapatan dan Belanja Negara (APBN). dimaksudkan agar sesuai dengan istilah pertumbuhan ekonomi yang juga merupakan angka agregat dasar. sekolah. 2.55 dan definisi yang digunakan BPS. yang sudah punya pekerjaan tetapi belum mulai bekerja. yaitu dihitung berdasarkan tingkat pengeluaran (rupiah) untuk memenuhi kebutuhan dasar minimum makanan setara dengan 2. Program Pemberdayaan Ekonomi Masyarakat Pesisir (PEMP) PEMP adalah program bantuan yang diluncurkan oleh Kementerian Kelautan dan Perikanan (KKP) mulai tahun 2001.100 kkal perkapita. . Program Pemberdayaan Ekonomi Masyarakat Pesisir (PEMP) merupakan besaran dana bantuan pemberdayaan ekonomi yang diperoleh dari KPP. serta kebutuhan dasar non makanan (papan. transportasi. dan pada waktu yang bersamaan mereka tidak bekerja (jobless). 3. 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. Ketimpangan Pendapatan Dalam penelitian ini ukuran ketimpangan pendapatan yang digunakan adalah indeks gini menurut kabupaten/kota di pesisir. Penghitungan indeks gini oleh Badan Pusat Statistik (BPS) melalui pendekatan pengeluaran perkapita. Tingkat Pengangguran Terbuka Pengangguran adalah mereka yang sedang mencari pekerjaan. Pengangguran dengan konsep/definisi tersebut biasanya disebut sebagai pengangguran terbuka (open unemployment). Penggunaan PDRB per kapita riil ini yang merupakan besaran agregat.

56 .

2 persen dari sekitar 230. Dalam pelaksanaan program PEMP. tidak semua kabupaten/kota di pesisir mendapatkan stimulus secara berkesinambungan (rutin) setiap tahun. Sebagai upaya mengurangi tingkat kemiskinan dan meningkatkan kesejahteraan masyarakat di wilayah pesisir.87 juta jiwa penduduk Indonesia. 4.18 persen dari total 471 kabupaten/kota. sebanyak 21. Banyaknya penduduk di wilayah pesisir membawa konsekuensi konsentrasi penduduk miskin terbanyak berada di kabupaten/kota pesisir. Sesuai petunjuk pelaksanaan program PEMP yang disusun. kemiskinan.BAB IV. kabupaten/kota yang mendapatkan bantuan PEMP secara rutin setiap tahun adalah kabupaten/kota pesisir yang secara berkala memberikan laporan . dan rendahnya kapasitas sumberdaya manusia (masyarakat) pesisir serta upaya mengoptimalkan pemanfaatan potensi sumberdaya kelautan dan perikanan.1. sejak tahun 2001 pemerintah melalui DKP memberikan bantuan kepada masyarakat pesisir yaitu berupa program pemberdayaan ekonomi masyarakat pesisir (PEMP). kesenjangan. pertumbuhan ekonomi.76 juta jiwa penduduk miskin. Mayoritas jumlah penduduk berada di wilayah pesisir yaitu sekitar 145. kenaikan BBM.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.3 persen berada di kabupaten/kota pesisir. Jumlah kabupaten/kota pesisir di Indonesia pada tahun 2009 sebanyak 307 kabupaten/kota atau sebesar 65. 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. Kegiatan PEMP diluncurkan secara khusus untuk mengatasi berbagai permasalahan akibat krisis ekonomi. Hasil Susenas 2009 memperlihatkan bahwa dari sekitar 31. Dinamika Kabupaten/Kota Pesisir Sebagian besar kabupaten/kota di Indonesia merupakan wilayah pesisir atau berbatasan langsung dengan laut.

21 16. Angka kemiskinan Indonesia tahun 2009 tercatat sebesar 13.93 7.1.31 -0. atau mengalami perbaikan bila dibandingkan dengan tahun sebelumnya yang tercatat sebesar 15.59 -8.34 -2.24 13.64 -4.1.64 16.38 0.78 14. terdapat 307 kabupaten/kota pesisir.87 -8.32 0.915 5.503 4.37 0.95 2. Selama periode 2005-2009 .75 6. Demikian pula dengan kondisi kabupaten/kota pesisir.24 20.24 7.52 17.62 13.634 4.66 10.61 11.58 -4.52 16.80 14.15 persen.775 4. diolah *) dalam juta rupiah 4. Gambaran Kemiskinan Persentase kemiskinan di tingkat nasional menunjukkan nilai yang menurun pada periode 2005-2009. Tabel 4. Ketimpangan dan Kemiskinan Kabupaten Pesisir menurut Penerima PEMP. 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 10.33 -2.35 0.881 3. .63 17. capaian indikator kemiskinan pesisir juga membaik seperti yang tersaji pada Tabel 4.480 4. Dinamika Pertumbuhan.32 -1.70 0.86 Pesisir Lain (Tanpa PEMP) Total Pesisir Nasional 2.75 10.58 pertanggungjawaban kegiatan dan progresnya secara baik.66 0.55 10. 257 kabupaten/kota mendapat program PEMP tidak rutin dan 30 kabupaten/ kota pesisir lain yang sama sekali belum pernah mendapat program PEMP (tanpa PEMP).90 7.38 0.1.76 -4.61 Sumber: BPS (2009).63 3.76 persen. Pada tahun 2009.340 4.54 0.201 4.64 0.1.37 -12.37 0.65 -8.33 -2.dari sejumlah kabupaten/kota pesisir tersebut sebanyak 20 kabupaten/kota mendapat program PEMP secara rutin.590 5.74 3.335 2.71 -7.72 -4.83 -3.60 7.

59 Rata-rata persentase kemiskinan kabupaten/kota pesisir menurut penerima PEMP mengalami penurunan dalam kurun waktu 2005-2009.1. memberi gambaran tingkat kemiskinan di kabupaten/kota pesisir penerima program PEMP secara rutin.72 16. 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.21 20.00 16. .1.21 persen turun menjadi 16. wilayah pesisir yang mendapat program PEMP rutin persentase penduduk miskinnya sebesar 16.83 17.83 persen pada tahun 2009. Pada tahun 2005.00 5.00 15.).15 PEMP Rutin PEMP Tidak Rutin 2005 Pesisir Lain Total Pesisir 2009 Sumber: BPS (2009). diolah Gambar 4.24 13. Sementara itu persentase penduduk miskin di kabupaten pesisir lainnya (kabupaten/kota tanpa PEMP) cukup tinggi. Persentase penurunan penduduk miskin tertinggi adalah kabupaten/kota penerima PEMP tidak rutin dengan laju penurunan penduduk miskin sebesar -4. Tahun 2005 dan 2009 Gambar 4.00 0. dengan laju penurunan sebesar -3.00 20.58 16.95% untuk kabupaten/kota pesisir penerima PEMP Rutin.86% (Tabel 1.80 14. Tingkat Kemiskinan menurut Kabupaten/Kota Pesisir Penerima PEMP. 25.24 persen turun menjadi 13.72 persen di tahun 2009. kabupaten/kota pesisir penerima PEMP tidak rutin dan kabupaten/kota pesisir lain (tanpa bantuan PEMP) dalam rentang waktu 2005-2009.00 10.69 14. di tahun 2005 sebesar 20.

2. Kondisi ini salah satunya diduga adanya upaya peningkatan kesejahteraan masyarakat melalui program PEMP secara rutin setiap tahun (Tabel 4. Pada Tabel 4. Namun demikian. 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). 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). bila dilihat dari capaian rata-rata pertumbuhan ekonomi.1. terlihat bahwa rata-rata pertumbuhan ekonomi di kabupaten/kota pesisir (2005-2009) sebesar 4. Rata-Rata PDRB menurut Kabupaten/Kota Pesisir Penerima Program PEMP.2.60 4. Tahun 2005 dan 2009 (jutaan rupiah) Gambaran rata-rata PDRB di kabupaten/kota pesisir yang memperoleh program PEMP secara rutin.1.).1. . Pertumbuhan ekonomi kabupaten/kota pesisir lebih banyak ditopang melalui pendapatan asli daerah dari sektor non migas.64 %.70 % per tahun. kabupaten/kota pesisir penerima PEMP rutin mengalami pertumbuhan yang paling tinggi dibanding capaian wilayah pesisir lainnya yaitu tercatat sebesar 5.2. Gambaran Pertumbuhan Ekonomi Capaian pengentasan kemiskinan kabupaten/kota pesisir diikuti dengan perbaikan pada capaian indikator perekonomian. diolah Gambar 4. kabupaten/kota penerima PEMP tidak rutin dan kabupaten/kota pesisir lainnya kurun waktu 2005-2009 disajikan pada Gambar 4.

0. 2.30 0. ketimpangan tinggi apabila indeks gini lebih besar dari 0. Indeks Gini menurut Kabupaten/Kota Pesisir Penerima Program PEMP Tahun 2005 dan 2009 .61 Rata-rata PDRB di wilayah pesisir baik yang mendapat program PEMP maupun tidak.3. 0.4. Berdasarkan kiteria tersebut.1.324 milyar pada tahun 2009. yaitu sebesar Rp 3.3.33. ketimpangan rendah apabila indeks gini lebih kecil dari 0.diolah Gambar 4. 4. 3.33 0.32 0.38 0.3 . Indeks gini kabupaten/kota pesisir penerima PEMP rutin pada tahun 2009 sebesar 0. ketimpangan sedang apabila indeks gini terletak antara 0.28 PEMP Rutin PEMP Tidak Rutin Pesisir Lain Total Pesisir 2005 2009 Sumber: BPS (2009).3.37 0. Gambaran Ketimpangan Pendapatan Gambaran ketimpangan pendapatan melalui pendekatan peubah indeks gini di kabupaten/kota pesisir disajikan pada Gambar 4. Ketimpangan pendapatan menurut Oshima (1970) dapat dikelompokkan menjadi tiga berdasarkan indeks gini yaitu: 1.32 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.620 milyar pada tahun 2005 meningkat menjadi Rp 4.33 0.31 0.3. dimana terdapat tren penurunan tiap tahunnya.4.32 0.37 0.32 0.36 0.34 0. Ketimpangan pendapatan di kabupaten/kota pesisir sejalan dengan kondisi pada level nasional. ketimpangan pendapatan kabupaten/kota pesisir penerima PEMP yang diukur dengan indeks gini tergolong sedang. pada tahun 2009 mengalami peningkatan dibandingkan tahun 2005.35 0.

untuk melihat gambaran secara rinci dampak program PEMP.60 persen turun menjadi 7.00 PEMP Rutin PEMP Tidak Rutin Pesisir Lain Total Pesisir 2005 2009 Sumber: BPS (2009). sehingga dapat diketahui secara sederhana .00 5. TPT di ketiga kelompok kabupaten/kota pesisir tidak terlihat perbedaan yang berarti (Gambar 4. Tahun 2005 dan 2009 adalah kondisi awal dan akhir periode bantuan PEMP.37 10.60 10.75 11.4). ketimpangan pendapatan. 15. Pada tahun 2005.93 7.4).62 4.87 10. 4.2.1.75 persen turun menjadi persen 6.71 7. Analisis selanjutnya difokuskan pada 20 kabupaten/pesisir penerima PEMP secara rutin. diolah Gambar 4.65 6.24 7. Dinamika 20 Kabupaten/Kota Pesisir Penerima PEMP Analisis dinamika dan perkembangan pertumbuhan ekonomi.4. 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 10.00 0.00 10.71 persen pada tahun 2009.38 persen. Sementara itu TPT di kabupaten pesisir lainnya (kabupaten/kota tanpa PEMP) mengalami penurunan sebesar 4. dimana pada tahun 2005 sebesar 10. Gambaran Pengangguran Gambaran pengangguran didekati oleh peubah tingkat pengangguran terbuka (TPT).37 pada tahun 2009. Pada tahun 2005. TPT di ketiga kelompok kabupaten/kota pesisir tidak terlihat perbedaan yang berarti (Gambar 4.4. TPT menurut Kabupaten/ Kota Pesisir Penerima Pogram PEMP Tahun 2005 dan 2009 Gambaran pengangguran didekati oleh peubah tingkat pengangguran terbuka (TPT).

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 10.61 persen. persentase penduduk miskin pada periode 2005 hingga 2009 menunjukkan kecenderungan menurun.62 persen.76 persen. Dinamika Kemiskinan Ukuran kemiskinan merupakan tolok ukur keberhasilan pembangunan pemerintah dimana salah satu target RPJMN pemerintah antara lain yaitu penurunan persentase penduduk miskin.2. Capaian angka kemiskinan di Indonesia cukup menggembirakan. Sumber: BPS (2009).85 persen (Gambar 4. Demikian pula penduduk miskin di 20 kabupaten/kota pesisir penerima program PEMP mengalami penurunan persentase pada periode 2005-2009 dengan laju penurunan sebesar .63 implementasi program PEMP di 20 kabupaten/kota pesisir pada kurun waktu 2005-2009.39 persen seperti yang disajikan pada Tabel 4.5.0. Badan Pusat Statistik (BPS) mencatat persentase penduduk miskin pada tahun 2005 sebesar 16.5).1. sementara itu persentase penduduk miskin pada tahun 2009 tercatat sebesar 13.1. namun Biak Numfor merupakan kabupaten yang masih memiliki persentase penduduk miskin terbesar . Meskipun memiliki penurunan persentase terbesar. diolah Gambar 4. Selama periode tersebut persentase penduduk miskin di Indonesia berkurang dengan laju penurunan sebesar -4. 4.

64 di tahun 2005 dan 2009 yaitu sebesar 47.57 persen.51 persen pada tahun 2009.41 persen. Hal ini dapat dimaklumi karena dalam periode ini Kabupaten Bantul mengalami gempa bumi yang cukup parah .46 persen. Kota Bengkulu. Peningkatan persentase kemiskinan di 5 kabupaten/kota pesisir terlihat wajar pada tahun 2005 hingga tahun 2007. Kota Bengkulu adalah kota pesisir yang mengalami peningkatan persentase penduduk miskin paling tinggi yaitu sebesar 8. Pertama. adanya pengurangan subsidi yang mengakibatkan kenaikan harga BBM .92 persen. Kota Banda Aceh mengalami penurunan disebabkan cakupan penelitian diluar wilayah yang terkena gempa. Tahun 2005-2009 Terdapat dua hal yang diduga merupakan penyebab tidak tercapainya target penurunan tingkat kemiskinan dan pengangguran pada RPJM 2005-2009.6.6). ada 5 (lima) kabupaten/kota yang memiliki persentase penduduk miskin lebih tinggi pada tahun 2009 dibandingkan keadaan tahun 2005.5 juga terlihat bahwa diantara 20 kabupaten/kota penerima program PEMP. Pada Gambar 4.36 persen pada tahun 2005 dan 36. Kabupaten/ kota yang mengalami kenaikan persentase penduduk miskin antara lain Kota Banda Aceh. Kota Bengkulu terlihat mengalami pelonjakan kemiskinan pada periode 2007-2009 (Gambar 4. Penduduk Miskin di 5 Kabupaten/Kota Pesisir yang Mengalami Peningkatan Persentase Kemiskinan. Sumber: BPS (2009). Kabupaten Gianyar dan Kabupaten Minahasa Utara. Pada tahun 2005 kabupaten yang memiliki persentase kemiskinan terkecil adalah Kota Padang yaitu sebesar 4. Pada tahun 2005 kabupaten yang memiliki penurunan kemiskinan terkecil selama periode 2005 sampai 2009 adalah Kabupaten Bantul yaitu sebesar 0. sedangkan pada tahun 2009 adalah Kabupaten Pontianak sebesar 5. Kota Padang. diolah Gambar 4.

65 hingga 2 kali lipat pada tahun 2005. Kedua.7.7). Dengan demikian pertumbuhan yang dicerminkan merupakan pertumbuhan riil barang dan jasa dalam suatu periode waktu tertentu.2. pengaruh perubahan harga telah dieliminasi. diolah Gambar 4.111 juta rupiah) . Selain dua hal yang diduga sebagai penyebab tersebut diatas. 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. Sumber: BPS (2009).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. 2010). PDRB kabupaten/kota pesisir tertinggi dicapai oleh Kota Padang baik pada tahun 2005 (9. 4. Dalam mengukur tingkat pertumbuhan ekonomi digunakan angka Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan. karena dalam penghitungan PDRB atas dasar harga konstan tersebut. tercatat beberapa kabupaten/kota memiliki pertumbuhan ekonomi di atas 4 % (Gambar 4. adanya krisis ekonomi global (external shock) pada tahun 2008 (Alisjahbana. kelima kabupaten/kota pesisir tersebut juga merupakan wilayah atau daerah rawan gempa.

Kota Padang berhasil menurunkan ketimpangan pendapatannya. Perbandingan Indeks Gini menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 Berdasarkan kiteria ketimpangan pendapatan Oshima (1970). Pada Gambar 4.346 juta rupiah ).2.25 hingga 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. Kontribusi sektor bahari dan kelautan sekitar 20 persen dari total PDRB. 4. diolah Gambar 4. Pertumbuhan ekonomi yang tinggi di Kota Padang lebih banyak ditopang melalui pendapatan asli daerah dari sektor non migas. Sebaliknya indeks . Sektor non migas khususnya sektor andalan antara lain bahari dan kelautan mampu memberikan kontribusi penting dalam mendorong pertumbuhan ekonomi.30.8 juga terlihat bahwa indeks gini di 20 kabupaten/kota pesisir penerima PEMP berada pada kisaran 0.36. tidak terkecuali di Indonesia Sumber: BPS (2009).66 maupun tahun 2009 ( 11.8.8. Implikasi dari hal tersebut bahwa dengan nilai pertumbuhan yang tinggi.3 Dinamika Ketimpangan Pendapatan Ketimpangan pendapatan atau kesenjangan ekonomi dan tingkat kemiskinan yang tinggi merupakan dua masalah besar di banyak negara berkembang. Pada tahun 2009.

2. 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 2005-2009.67 gini terendah adalah Kabupaten Aceh Besar dan Kabupaten Ciamis dengan nilai indeks gini sebesar 0. Kondisi ini berarti ketimpangan distribusi pendapatan di Kabupaten Aceh Besar dan Kabupaten Ciamis termasuk kategori ketimpangan rendah. Ketersediaan lapangan kerja yang relatif terbatas tidak mampu menyerap masyarakat pencari kerja yang senantiasa bertambah setiap tahun seiring dengan bertambahnya jumlah penduduk. diolah Gambar 4.9. Sumber: BPS (2009).25. 4. di samping keadaan angkatan kerja (economically active population) dan struktur ketenagakerjaan adalah isu pengangguran.4. Dinamika Pengangguran Salah satu isu penting dalam ketenagakerjaan. Perbandingan TPT menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 . Pengangguran dari sisi ekonomi merupakan produk dari ketidakmampuan pasar kerja dalam menyerap angkatan kerja yang tersedia.

Kuadran IV memperlihatkan kondisi kabupaten/kota yang memiliki . Perkembangan ketimpangan pendapatan mengalami perbaikan dalam periode 2005-2009. di tahun 2005 ada sebanyak 10 kabupaten/kota memiliki persentase penduduk miskin dibawah rata-rata. Analisis Kuadran Analisis yang lebih mendalam mengenai gambaran dinamika kemiskinan kabupaten/kota pesisir dapat dilihat dengan membandingkan kondisi pertumbuhan. 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).1 Pertumbuhan Ekonomi dan Kemiskinan Gambar 4. Secara umum. ketimpangan pendapatan. sedangkan pada tahun 2009 meningkat menjadi 11 kabupaten/kota. menunjukkan dinamika pertumbuhan dan kemiskinan di 20 kabupaten pesisir penerima PEMP.68 4.3. Jumlah kabupaten/kota yang memiliki pengangguran dibawah rata-rata di tahun 2005 sebanyak 11 kabupaten/kota dan turun menjadi 9 kabupaten/kota di tahun 2009.3. Sementara itu.9. Pada tahun 2005. pengangguran dan kemiskinan pada tahun 2005 dan 2009. hal ini terlihat dari pola analisis kuadran yang Kuadran III dan IV. tingkat pengangguran di 20 kabupaten/kota mengalami penurunan dalam periode 2005-2009. Kuadran III menunjukkan kondisi yang terburuk dimana kabupaten/kota memiliki karakteristik yaitu pertumbuhan ekonomi yang rendah dan persentase kemiskinan yang tinggi. 4. 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. 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. Kuadran II menunjukkan kondisi dimana kabupaten/kota memiliki karakteristik pertumbuhan ekonomi yang tinggi namun disertai dengan persentase kemiskinan yang juga tinggi. Gambar tersebut menunjukkan bahwa kabupaten/kota memiliki karakteristik yang hampir homogen. melalui analisis kuadran.

00 Buru II miskin2009 Buru miskin2005 30. Ciamis.00 II Kulon Progo Nunukan Sambas Bantul Tasikmalaya Ciamis Kulon Progo II II Bantul III 20. Pontianak dan Kota Padang). terlihat bahwa kabupaten/kota yang berada dalam Kuadran 1 (kuadran terbaik) sebanyak 4 kabupaten/kota (Gianyar. diolah Gambar 4. 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 2005.00 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.00 Biak Numfor 40. sedangkan kuadran IV dihuni oleh 7 kabupaten/kota. Jika dibandingkan dengan keadaan tahun 2009. 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).10.00 Banda Aceh Minahasa Utara IV 10.00 Biak Numfor Fakfak Seram Bagian Timur 40.00 Padang Minahasa Utara Tanjung Jabung Barat Sambas I Pontianak I Padang I Banda Aceh Kotawaringin Barat Gianyar 0. 50. analisis kuadran untuk peubah PDRB dan kemiskinan tidak menunjukkan perbedaan yang berarti.00 Fakfak Maluku Tengah Seram Bagian Timur Maluku Tengah 30.69 pertumbuhan ekonomi yang rendah disertai persentase kemiskinan yang juga rendah.00 IV 0 2000 4000 6000 8000 10000 0 2000 4000 6000 8000 10000 12000 pdrb2005 pdrb2009 Sumber: BPS (2009).00 III Aceh Besar Bengkulu Tanjung Jabung Barat Pontianak I Kotawaringin Barat Bengkulu Gianyar IV IV Nunukan Tasikmalaya Ciamis 10. Kabupaten/kota yang masuk Kuadran II ada 2 yaitu Kabupaten Tasikmalaya dan Kabupaten Bantul.

50.30 0. diolah Gambar 4. 4.00 I 0. Sementara itu Kuadran IV menunjukkan kondisi kemiskinan yang tinggi namun memiliki indeks yang rendah.11.26 0.32 II 0. Perbandingan Kondisi Indeks Gini dan Kemiskinan menurut Kabupaten/Kota Pesisir Penerima PEMP Tahun 2005 dan 2009 Gambar 4.34 0.10).36 0.00 Tanjung Jabung Barat I Gianyar Minahasa Utara Banda Aceh Kotawaringin Barat Padang Pontianak II 0. Pada tahun 2005 terlihat bahwa kabupaten/kota pesisir yang masuk dalam Kuadran I .00 Buru miskin2005 30. menunjukkan kondisi kabupaten/kota yang memiliki indeks gini yang tinggi namun persentase kemiskinan yang rendah.00 Tasikmalaya Kulon Progo III Nunukan Bantul IV Aceh Besar Kulon Progo III Bantul 20.32 0.11 menunjukkan bahwa posisi kabupaten/kota pesisir pada tahun 2005 dan 2009 memiliki karakteristik yang mayoritas menyebar di Kuadran I dan IV. Sementara itu kabupaten/kota lain tidak menunjukkan perubahan yang berarti (Gambar 4.00 Biak Numfor 40.28 0. Kuadran II.00 miskin2009 IV 20.26 0. Kuadran III merupakan kondisi terburuk dimana kabupaten/kota pesisir memiliki kondisi kemiskinan dan indeks gini yang tinggi.00 Biak Numfor Fakfak Seram Bagian Timur 40.28 0.00 Bengkulu Sambas Tanjung Jabung Barat Ciamis Ciamis Tasikmalaya Nunukan 10.70 Kabupaten Tasikmalaya.00 Banda Aceh Kotawaringin Barat Pontianak Padang Minahasa Utara Bengkulu Gianyar Sambas 10.34 gini2005 gini2009 Sumber: BPS (2009). Kuadran I (terbaik) didefinisikan oleh kabupaten/kota yang memiliki persentase kemiskinan yang rendah disertai indeks gini yang juga rendah.2 Ketimpangan Pendapatan dan Kemiskinan Dalam analisis kuadran antara ketimpangan pendapatan (Indeks Gini) dan kemiskinan.30 0.00 Maluku Tengah Buru Aceh Besar Fakfak Seram Bagian Timur Maluku Tengah 30.24 0.3.

Perkembangan yang baik dialami oleh Kabupaten Bantul. . Kabupaten/kota yang berada di Kuadran II yaitu Kabupaten Tanjung Jabung Barat. Gianyar. Jika dilihat dari posisi kuadran. Kuadran II menunjukkan kondisi kabupaten/kota yang memiliki TPT yang tinggi namun persentase kemiskinan yang rendah. Kabupaten Minahasa Utara. disajikan pada Gambar 4.71 (kuadran terbaik) sebanyak 6 kabupaten/kota (Ciamis. Pada tahun 2009.11. Sementara itu kabupaten/kota lain tidak menunjukkan perubahan yang berarti. Pontianak. Sementara itu terdapat 4 kabupaten/kota yang masuk Kuadran III yaitu Kabupaten Nunukan. Pontianak. Sebaliknya Kabupaten Biak Numfor merupakan satu-satunya kabupaten/kota pesisir yang tetap dalam kondisi terburuk berada di Kuadran III ( kemiskinan dan indeks gini tinggi). analisis kuadran untuk peubah Indeks Gini dan kemiskinan terjadi perubahan yang cukup berarti jika dibandingkan kondisi tahun 2005. kemiskinan tinggi). Kotawaringin Barat dan Sambas). Biak Numfor. Sambas dan Kota Padang). Kabupaten Bantul dan Biak Numfor berada di posisi kuadran terburuk (Kuadran III). yang posisinya dari kuadran terburuk beralih ke Kuadran IV (ketimpangan rendah. terlihat bahwa kabupaten/kota yang masuk dalam Kuadran I (kuadran terbaik) sebanyak 5 kabupaten/kota (Ciamis. Sementara itu. Sementara itu Kuadran IV menunjukkan kondisi kemiskinan yang tinggi namun memiliki TPT yang rendah.3. dan Kota Banda Aceh. Aceh Besar dan Maluku Tengah. Kotawaringin Barat. artinya mengalami perbaikan karakteristik ketimpangan pendapatan namun tidak dalam karakteristik kemiskinan. Kota Bengkulu. Pada Gambar 4. Kabupaten/kota pesisir yang masuk Kuadran II.Kota Padang. hanya satu yaitu Kota Bengkulu.3 Pengangguran dan Kemiskinan Analisis kuadran antara tingkat pengangguran terbuka (TPT) dan tingkat kemiskinan. Kota Banda Aceh.12. Kuadran III merupakan kondisi terburuk dimana kabupaten/kota memiliki kondisi kemiskinan dan TPT yang tinggi. 4. Kuadran I (terbaik) didefinisikan sebagai kabupaten/kota yang memiliki persentase tingkat kemiskinan yang rendah disertai TPT yang juga rendah.

Perkembangan yang baik untuk Kabupaten Tasikmalaya dalam analisis kuadran dapat diartikan sebagai perbaikan dalam hal pertumbuhan ekonomi.00 10. 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 2005.00 16. diolah Gambar 4.00 14.00 Biak Numfor Seram Bagian Timur Seram Bagian Timur Fakfak Fakfak Buru Maluku Tengah 40. Desa Cikawungading. pada tahun 2009 berubah posisinya berada di kuadran terbaik yaitu kuadran 1.00 2. 41 Tahun 2009 tentang penetapan lokasi minapolitan.00 Kotawaringin Barat Pontianak Gianyar Bengkulu Minahasa Utara I 0. Berdasarkan SK Menteri Kelautan dan Perikanan No. 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 Kulon Progo miskin2009 Aceh Besar Kulon Progo IV 20.72 50. Perkembangan yang baik dialami oleh Kabupaten Tasikmalaya dan Tanjung Jabung Barat pada tahun 2005 posisi masing-masing berada di kuadran 4 dan 2. Saat ini sedang dibangun PPI (Pangkalan Pendaratan Ikan) di Kampung Pamayang.00 Bantul IV Tasikmalaya Tanjung Jabung Barat Sambas Banda Aceh Padang Bengkulu III II Nunukan 10.00 12.00 Buru miskin2005 30.00 4. Kabupaten Tasikmalaya merupakan salah satu kabupaten/kota yang menjadi lokasi pengembangan kawasan minapolitan dari 41 kabupaten/kota di seluruh Indonesia.00 20.00 tpt2005 tpt2009 Sumber: BPS (2009).00 10.00 II 10.12. selanjutnya pembangunan TPI (Tempat .00 Biak Numfor 40.00 Ciamis Banda Aceh Minahasa Utara Padang I 40.00 Bantul Sambas Tasikmalaya Ciamis Tanjung Jabung Barat Nunukan III Aceh Besar 20.00 30.00 6. penurunan pengangguran dan penurunan persentase kemiskinan di kabupaten Tasikmalaya. Kecamatan Cipatujah.00 Kotawaringin Barat Gianyar Pontianak IV 0.00 8.00 Maluku Tengah 30.

Pada gambar tersebut memperlihatkan nilai pertumbuhan yang selalu positif di setiap persentil penduduk selama periode tersebut. Penyesuaian pada data pengeluaran di tiap kabupaten/ kota dilakukan untuk memenuhi keterbandingan data antar kabupaten dan antar periode. Krisis ekonomi global diduga merupakan salah satu penyebab tidak tercapainya target pengurangan tingkat kemiskinan dan pengangguran pada periode 2005-2009. 2009). Kabupaten-kabupaten tersebut terletak di Indonesia bagian timur.73 Pendaratan Ikan) di beberapa desa. Distribusi pendapatan terjadi perbaikan jika GIC merupakan fungsi turun. posisinya sangat buruk. Kegiatan di kawasan minapolitan ini bertujuan untuk meningkatkan perekonomian dan pertumbuhan wilayah dengan kegiatan budidaya perikanan sebagai penggerak utamanya (Saefulah. 4. yang dapat diartikan bahwa kabupaten tersebut masih memiliki tingkat pengangguran sekaligus tingkat kemiskinan yang sangat tinggi. menunjukkan GIC dari 20 kabupaten/kota penerima program PEMP periode 2005-2009. 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. Maluku Tengah dan Fak-Fak. selain akibat faktor alam yang kurang mendukung masyarakat pesisir wilayah timur untuk bekerja dalam mencari penghasilan. GIC dilakukan dalam periode 2005-2009. Kebijakan pemerintah dengan adanya program PEMP di kawasan timur kiranya belum dapat mendorong penurunan angka pengangguran dan kemiskinan. Pengembangan kawasan minapolitan merupakan upaya dalam mendorong pengembangan kawasan budidaya perikanan di daerah. karena perbedaan garis kemiskinan antar kabupaten/kota dan antar waktu. Biak Numfor. Dalam analisis ini.12. Hal ini menunjukkan bahwa pertumbuhan ekonomi di periode ini bersifat . 4.1 GIC Periode 2005-2009 Gambar 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.

Meskipun secara keseluruhan terjadi pertumbuhan positif di semua kelompok persentil. . 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. diolah Gambar 4. Bahkan GIC tersebut juga menunjukkan sebagai fungsi turun. akan tetapi pertumbuhan yg lebih tinggi di kelompok persentil terendah mempersempit kesenjangan pendapatan yang ada. Sumber: BPS (2009). dimana pertumbuhan di kelompok persentil teratas justru lebih rendah dibandingkan pertumbuhan di kelompok persentil terendah (hingga persentil-60).13.74 pro poor growth. yang berarti pula telah memberikan manfaat bagi penduduk miskin.

Sign up to vote on this title
UsefulNot useful