P. 1
MAKALAH KEMISKINAN

MAKALAH KEMISKINAN

|Views: 1,499|Likes:
Dipublikasikan oleh Arny Aby
Makalah tentang masalah kemiskinan
Makalah tentang masalah kemiskinan

More info:

Published by: Arny Aby on Sep 30, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

10/04/2014

pdf

text

original

Pendahuluan

A. B. C. D.

Latar Belakang Masalah Pengertian Kemiskinan Permasalahan kemiskinan Faktor-Faktor Penyebabnya Strategi Kebijakan Pemerintah Dalam Penanggulang Kemisksinan

Catatan Puguh B Irawan, Jakarta, 01.05.2005

ANALISIS FAKTOR-FAKTOR PENYEBAB KEMISKINAN1 Suatu Pendekatan Kuantitatif Oleh Puguh Bodro Irawan2

E-mail: irawanpb@gmail.com The main aim of this paper is to provide practical ways in analyzing the poverty determinants in developing countries like Indonesia, using quantitative-based approach. It is intended to enhance the basic knowledge of those who is interested in understanding the basic features of poverty and its determining factors. The paper also emphasizes on the possible utilizations of poverty analysis outcomes as an instrument for decision making process in poverty eradication programs. Several practical examples and illustrations using the available quantitative data from Indonesia are presented for a better understanding of poverty analysis.

1. Pendahuluan Kemiskinan harus dipahami sebagai suatu masalah sosial yang bersifat multidimensional. Kemiskinan bukan semata-mata karena pendapatan yang kurang. Kompleksitas masalah kemiskinan mencerminkan kesengsaraan dan tertekannya harga diri manusia karena ketiadaan pendapat, kekuasaan dan pilihan untuk memperbaiki taraf hidupnya. Oleh karena itu, profil kemiskinan secara keseluruhan dicirikan oleh pendapatan rendah, kondisi kesehatan buruk, pendidikan rendah dan keahlian terbatas, akses terhadap tanah dan modal rendah, sangat rentan terhadap gejolak ekonomi, bencana alam, konflik sosial dan resiko lainnya, partisipasi rendah dalam proses pengambilan kebijakan, serta keamanan individu yang sangat kurang. Profil kemiskinan tersebut penting sebagai bahan kajian deskriptif yang memberikan informasi tentang keterkaitan kemiskinan (correlates of poverty) dengan karakteristik lainnya. Secara umum, profil kemiskinan dapat ditelaah dengan suatu kajian dua peubah (bi-variate analysis) yang membandingkan status kemiskinan rumahtangga atau individu menurut masing-masing kategori di dalam setiap karakteristik tertentu dari rumahtangga atau individu tersebut. Misalnya, insiden kemiskinan yang diindikasikan oleh persentase rumahtangga miskin cenderung lebih tinggi di antara rumahtangga yang dikepalai oleh mereka dengan pendidikan tidak tamat SD daripada kepala rumahtangga dengan pendidikan tamat SLTA ke atas. Sebagai salah satu materi/modul untuk “Pelatihan Dasar-dasar Analisis dan Diagnosis Kemiskinan di Indonesia”, Lembaga Penelitian SMERU dan World Bank Institute, Jakarta, 9-13 Mei 2005. 2 Penulis adalah peneliti senior bidang sosial-ekonomi, dengan spesialisasi masalah-masalah kemiskinan, ketimpangan, ketenagakerjaan dan pembangunan manusia. Penulis menghargai sekali bantuan dari Ahmad Avenzora dan

Achmad Sukroni untuk menyiapkan kajian data yang digunakan dalam makalah ini dan sebagai materi praktek interpretasi data dari peserta pelatihan. Alamat e-mail: irawanpuguhb@yahoo.com. 1

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

1

Informasi tentang profil kemiskinan seperti ini mudah dipahami untuk melihat faktorfaktor yang berkaitan dengan kemiskinan. Akan tetapi, kajian dua peubah seperti ini terbatas dalam kegunaannya karena kajian hanya menunjukkan hubungan antara tingkat kemiskinan dengan satu karakteristik tertentu pada suatu waktu tertentu pula. Kajian ini cenderung menyederhanakan kompleksitas faktor-faktor korelasi dari kemiskinan. Perlu dicatat bahwa korelasi berarti hubungan antara dua faktor, tetapi tidak selalu berarti bahwa faktor yang satu menyebabkan perubahan atas faktor yang lainnya (causality). Walaupun begitu, profil kemiskinan memberikan dasar awal penting yang diperlukan dalam analisis determinan kemiskinan. Kajian tentang faktor-faktor penyebab kemiskinan (determinants of poverty) dapat dilakukan dengan mengaplikasikan analisis peubah ganda (multi-variate analysis). Pada prinsipnya, analisis peubah ganda memperkaya analisis profil kemiskinan dengan cara mengidentifikasikan faktor-faktor penyebab dari karakteristik-karakteristik rumahtangga tertentu terhadap tingkat kesejahteraan rumahtangga tersebut.

2. Tujuan Modul Tulisan ini bertujuan untuk memberikan cara-cara dalam melakukan analisis kemiskinan dengan menggunakan pendekatan kuantitatif. Prosedur analisis yang dipaparkan di sini diharapkan dapat meningkatkan pengetahuan dasar bagi peserta pelatihan dalam memahami faktor-faktor yang berkaitan dengan kemiskinan dan penyebabnya. Modul ini juga menekankan pentingnya pemanfaatan hasil analisis data untuk instrumen dalam proses pengambilan kebijakan penanggulangan kemiskinan. Untuk mencapai tujuan tersebut, beberapa contoh konkret interpretasi dan ilustrasi dari data kuantitatif tersedia di Indonesia diberikan untuk memudahkan para analis dan peneliti dalam memahami modul ini. Metode analisis yang digunakan di sini adalah terutama analisis deskriptif. Pemaparan dalam tulisan ini disusun secara sistematis dalam beberapa bagian. Setelah diawali dengan tinjauan umum pada bagian pertama dan tujuan modul pada bagian kedua, bagian ketiga menguraikan ketersediaan data yang diperlukan dalam kajian determinan kemiskinan di Indonesia. Bagian keempat adalah tentang kajian profil kemiskinan, yang meliputi pemahaman tentang berbagai indikator sosialdemografi dan ekonomi yang berkaitan dengan kemiskinan di tingkat rumahtangga dan tingkat komunitas atau wilayah. Dan bagian kelima tentang prinsip-prinsip dasar dalam melakukan kajian tentang faktor-faktor korelasi dan penyebab (determinan) kemiskinan, dan bagaimana menginterpretasikan hasil analisis data.

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

2

3. Data yang Tersedia untuk Kajian Kuantitatif Kemiskinan di Indonesia Salah satu sumber data terpenting dalam kajian masalah kemiskinan di Indonesia adalah hasil Survei Sosial-Ekonomi Nasional (SUSENAS). Pengumpulan data SUSENAS oleh BPS terdiri dari dua macam, yaitu SUSENAS Kor (data pokok) yang dikumpulkan setiap tahun dan SUSENAS Modul Konsumsi pada setiap tiga tahun. SUSENAS Modul Konsumsi memuat informasi sangat rinci tentang pengeluaran konsumsi rumahtangga untuk sekitar 354 jenis barang dan jasa, yang terdiri dari makanan (214 jenis) dan kelompok barang bukan makanan (140 jenis). Cakupan data SUSENAS Modul Konsumsi adalah sekitar 65.000 rumahtangga sampel yang tersebar di seluruh Indonesia, dan data ini dapat digunakan untuk estimasi kemiskinan sampai tingkat propinsi. Pemanfaatan data SUSENAS Modul Konsumsi hanya terbatas untuk kajian profil kemiskinan, termasuk informasi tentang garis kemiskinan, angka kemiskinan (jumlah dan persentase penduduk miskin), indeks ketimpangan dan keparahan kemiskinan, distribusi pengeluaran, koefisien Gini, dan pola konsumsi rumahtangga. SUSENAS Kor mengumpulkan informasi pokok tentang demografi, kesehatan, balita, pendidikan, perilaku hidup sehat, ketenagakerjaan, fertilitas & KB, perumahan, dan pengeluaran konsumsi rumahtangga secara umum menurut kelompok barang. Sejak tahun 1993, SUSENAS Kor dirancang dengan ukuran sampel sebesar 202.000 rumahtangga dan dapat menyajikan estimasi kemiskinan sampai tingkat kabupaten/kota. Sumber data ini memungkinkan untuk digunakan dalam kajian tentang profil kemiskinan, karakteristik sosial-demografi, ketenagakerjaan dan ekonomi dari rumahtangga miskin, dan analisis cukup mendalam tentang faktorfaktor penyebab (determinan) kemiskinan. Selain itu, data hasil Sensus Potensi Desa (PODES) juga dapat digunakan untuk kajian profil kemiskinan untuk tingkat komunitas atau wilayah. PODES dikumpulkan oleh BPS setiap menjelang dilaksanakannya suatu sensus, seperti Sensus Penduduk 2000, Sensus Pertanian 2003, Survei Penduduk Antar Sensus (SUPAS) 2005, dan Sensus Ekonomi 2006 mendatang. Data PODES mencakup seluruh desa/kelurahan di Indonesia, dan memuat berbagai informasi tentang kondisi topografi, demografi, sosial-budaya, ekonomi, lingkungan, infrastruktur dasar, dan juga termasuk jumlah keluarga miskin di setiap desa/kelurahan. Sumber-sumber data lain untuk kajian profil kemiskinan adalah Sensus Pertanian untuk melihat jumlah petani gurem dan buruh tani, dan Survei Angkatan Kerja Nasional (SAKERNAS) untuk meneliti angka pengangguran terbuka, setengah pengangguran, pekerja sektor informal, dan pekerja dengan pendapatan rendah (misalnya, dengan tingkat upah di bawah garis kemiskinan). 4. Kajian Profil Kemiskinan Profil kemiskinan dapat ditinjau dari beragam indikator, seperti angka kemiskinan, pola distribusi pendapatan penduduk, dan karakteristik sosio-demografi dan ekonomi dari rumahtangga atau penduduk miskin, termasuk pola konsumsi dan strategi Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 3

mengatasi kesulitan pemenuhan kebutuhan. Selain itu, profil kemiskinan juga dapat ditelaah dari tipologi kemiskinan di tingkat komunitas atau wilayah. Berikut ini adalah penjelasan ringkas dalam mengkaji indikator-indikator profil kemiskinan, dengan beberapa ilustrasi data dan interpretasinya. Tabel 1. Indonesia: Jumlah dan persentase penduduk miskin, indeks ketimpangan dan Indeks keparahan kemiskinan menurut propinsi, 2002. Provinsi DKI Jakarta Bali Kalimantan Selatan Banten Sulawesi Utara Sumatera Barat Bangka Belitung Kalimantan Tengah Kalimantan Timur Jambi Jawa Barat Riau Maluku Utara* Kalimantan Barat Sumatera Utara Sulawesi Selatan DI Yogyakarta Jawa Timur Sumatera Selatan Bengkulu Jawa Tengah Lampung Sulawesi Tenggara Sulawesi Tengah Nusa Tenggara Barat Nanggroe Aceh Darussalam* Nusa Tenggara Timur Gorontalo Maluku* Papua* Indonesia Jumlah penduduk miskin (000 org) 286,9 221,8 259,8 786,7 229,3 496,4 106,2 231,4 313,0 326,9 4.938,2 722,4 110,1 644,2 1.883,9 1.309,2 635,7 7.701,2 1.600,6 372,4 7.308,3 1.650,7 463,8 564,6 1.145,8 1.199,9 1.206,5 274,7 418,8 984,7 38.394,0 % Penduduk miskin

P0 3,4 6,9 8,5 9,2 11,2 11,6 11,6 11,9 12,2 13,2 13,4 13,6 14,0 15,5 15,8 15,9 20,1 21,9 22,3 22,7 23,1 24,1 24,2 24,9 27,8 29,8 30,7 32,1 34,8 41,8 18,2

Indeks ketimpangan kemiskinan (%), P1 0,39 0,95 1,11 1,27 1,54 1,81 1,44 2,04 1,90 2,38 2,21 2,01 2,63 2,39 2,63 2,78 3,81 3,88 3,60 3,39 4,00 4,18 4,81 4,46 5,01 4,32 6,48 6,20 6,78 7,91 3,01

Indeks keparahan kemiskinan (%), P2 0,07 0,21 0,23 0,29 0,36 0,43 0,31 0,57 0,46 0,71 0,56 0,48 0,75 0,60 0,65 0,75 1,07 1,03 0,95 0,83 1,05 1,12 1,44 1,21 1,28 1,00 1,97 1,79 1,96 2,25 0,79

Sumber: BPS (2003) "Data dan Informasi Kemiskinan" (berdasarkan data SUSENAS Modul Konsumsi). Catatan: * Angka estimasi.

1) Kajian tentang insiden atau angka kemiskinan Insiden atau angka kemiskinan meliputi informasi tentang jumlah dan persentase penduduk miskin atau tingkat kemiskinan (head-count ratio atau P0), indeks ketimpangan kemiskinan (poverty gap index atau P1) dan indeks keparahan kemiskinan (poverty severity index atau P2).

Ketiga indikator ini dihitung dengan menggunakan formula FGT (lihat Modul “Pengukuran Kemiskinan Kuantitatif” untuk Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 4

penjelasan tentang formula ini). Tabel 1 memaparkan profil kemiskinan di Indonesia pada tahun 2002 berdasarkan hasil penghitungan oleh BPS. Tabel 1 tersebut melaporkan bahwa terdapat sekitar 38,4 juta penduduk miskin di Indonesia, atau ratarata pengeluaran konsumsi bulanan mereka di bawah garis kemiskinan pada tahun 2002. Dengan perkiraan jumlah penduduk sekitar 211 juta orang pada tahun 2002, persentase penduduk miskin atau P0 adalah sebesar 18,2%. Sementara P0 terendah tercatat di Jakarta dan Bali, P0 tertinggi ditemukan di Papua, yang berarti sebagai propinsi termiskin di Indonesia. Insiden kemiskinan tinggi juga dilaporkan di Maluku, Gorontalo, NTT, NAD dan NTB dengan P0 di atas 25%. Lebih lanjut, Tabel 1 juga melaporkan bahwa indeks ketimpangan (P1) dan keparahan kemiskinan (P2) di Indonesia masing-masing sekitar 3% dan 0,8%. Ini berarti bahwa kesenjangan antara rata-rata pengeluaran konsumsi penduduk miskin dan garis kemiskinan adalah relatif kecil, yaitu sekitar 3%; dan distribusi pengeluaran antar penduduk miskin tidak begitu timpang, yaitu sekitar 0,8%. Variasi antar propinsi mengindikasikan bahwa P0 tinggi cenderung diikuti dengan P1 dan P2 yang tinggi pula. Papua sebagai propinsi termiskin, misalnya, juga mempunyai P1 dan P2 tertinggi di Indonesia. Sebaliknya, Jakarta dengan P0 terendah juga memiliki P1 dan P2 paling rendah di Indonesia. Tabel 2. Simulasi penghitungan estimasi alokasi dana bantuan untuk penduduk miskin per kabupaten/kota di Lampung (Berdasarkan data Susenas Kor 2002) Distribusi Z Garis Kabupaten/Kota kemiskinan (Rp/kap/Bln) (01) Lampung Barat (02) Tanggamus (03) Lampung Selatan (04) Lampung Timur (05) Lampung Tengah (06) Lampung Utara (07) Way Kanan (08) Tulangbawang (71) Kota Bandar Lampung (72) Kota Metro TOTAL LAMPUNG 81634 93068 88721 99923 97591 97944 90232 61063 94002 89406 Q Jumlah penduduk miskin (000) 84.8 191.5 353.9 273.2 214.0 189.2 118.0 150.0 63.5 12.5 1650.7 P0 Persentase penduduk miskin (%) 22.50 23.62 30.37 30.49 19.97 35.21 33.66 19.44 8.33 10.44 24.06 P1 Poverty gap index (%) 3.29 4.38 5.11 6.28 3.19 5.96 6.47 3.39 1.35 1.76 4.18 P2 Poverty severity index (%) 0.67 1.22 1.31 1.76 0.81 1.59 1.85 0.90 0.34 0.52 1.12 Estimasi alokasi dana bantuan (juta Rp/bln) 1014 3306 5281 5623 3337 3138 2045 1599 968 189 26500 dana per kab/kota thd total propinsi (%) 3.8 12.5 19.9 21.2 12.6 11.8 7.7 6.0 3.7 0.7 100.0

Formula FGT juga dapat dimanfaatkan untuk estimasi alokasi anggaran yang dibutuhkan untuk mengangkat taraf hidup semua penduduk miskin sampai dengan alokasi dana bantuan penduduk miskin= P1/P0 x Z x Q, di mana P1/P0 adalah ratarata ketimpa penduduk miskin. Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 5

Tabel 2 memberikan simulasi dari rumus ini untuk kasus Lampung. Perlu dicatat bahwa besarnya alokasi bantuan tidak hanya tergantung pada jumlah absolut penduduk miskin, tetapi juga sangat tergantung pada garis kemiskinan, dan rata-rata ketimpangan kemiskinan di suatu wilayah. Lampung Timur, misalnya, diperkirakan memperoleh bantuan terbesar sebesar Rp. 5,6 milyar per bulan, atau sekitar 21,2% dari estimasi alokasi seluruh Lampung, walaupun jumlah penduduk miskin lebih kecil dari pada Lampung Selatan yang hanya menerima sekitar Rp. 5,3 milyar atau 19,9% dari total dana. 2) Kajian tentang distribusi pendapatan (income distribution) Analisis tentang pola distribusi pendapatan atau pengeluaran konsumsi dapat menunjukkan adanya ketimpangan pendapatan (income inequality) di suatu negara, wilayah atau sub-kelompok penduduk, seperti yang diindikasikan oleh koefisien Gini (Gini coefficient). Gambar 1 mengilustrasikan perkembangan koefisien Gini selama hampir empat dekade terakhir ini di Indonesia. Koefisien Gini berkisar antara 0, yang mengindikasikan suatu kemerataan sempurna (perfect equality), dan 1, yang berarti suatu ketimpangan total (perfect inequality) dalam distribusi pendapatan atau pengeluaran.3 Pada tahun 2002, koefisien Gini di Indonesia sekitar 0,35, dengan koefisien lebih tinggi di perkotaan (0,35) daripada di pedesaan (0,27). Hal ini berarti bahwa distribusi pengeluaran di Indonesia secara keseluruhan dan di perkotaan tergolong dalam ketimpangan sedang, sedangkan distribusi di pedesaan termasuk ketimpangan rendah. Dilihat dari perkembangannya selama empat dekade terakhir ini, koefisien Gini cenderung menurun atau ketimpangan berkurang di pedesaan, sementara ketimpangan di perkotaan cenderung tidak berubah. Gambar 1. Indonesia: Perkembangan koefisien gini , 1964-2002 (Sumber: BPS, serie data Susenas) 0.4 0.38

0.38 0.36

0.36 0.34

0.35

0.35 0.34

0.36 0.34 0.33 0.34 0.33 0.31 0.31 0.29 0.32 0.33 0.32 0.32 0.33 0.33 0.33 0.34 0.34

0.35

0.34

0.34 0.33

Koefisien Gini

0.32 0.3 0.28 0.26 0.24 0.22 0.2

0.28 0.26 0.25

0.27 0.26 0.26 0.26

0.27

Perkotaan

Pedesaan

Indonesia

1964 1969 1976 1978 1980 1981 1984 1987 1990 1993 1996 1998 1999 2002 2003

3

Di antara kedua nilai ekstrim tersebut, distribusi pengeluaran dapat digolongkan sebagai ketimpangan rendah (less inequality) bila koefisien di bawah 0,35, sebagai ketimpangan sedang (medium inequality) jika koefisien berkisar antara 0,35 dan 0,50, dan sebagai ketimpangan tinggi (high inequality) jika koefisien di atas 0,50. Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 6

Distribusi pengeluaran dalam suatu grafik juga berguna untuk melihat pola kemiringan distribusi sesuai dengan kecenderungan pengelompokan penduduk menurut kelas-kelas pengeluaran. Gambar 2 mengilustrasikan distribusi dengan kemiringan ke arah kanan, yang berarti sebagian besar penduduk Indonesia mengelompok di kelas-kelas pengeluaran bawah. Ketika garis kemiskinan diterapkan dengan memotong distribusi tersebut, maka bagian sebelah kiri garis potong tergolong sebagai penduduk miskin absolut. Lebih menarik, Gambar 2 juga menunjukkan adanya sejumlah besar penduduk Indonesia yang berada di beberapa kelas pengeluaran di atas garis kemiskinan. Kelompok penduduk ini tentunya sangat rentan terhadap resiko untuk jatuh miskin, ketika garis kemiskinan bergeser ke arah kanan atau nilainya meningkat sejalan dengan kenaikan harga-harga karena gejolak ekonomi, seperti krisis moneter tahun 1997 yang lalu.

Secara proporsional, potensi kelompok „near poor‟ ini lebih besar di pedesaan daripada di perkotaan. Data distribusi pengeluaran dari SUSENAS 2002 menunjukkan bahwa jumlah penduduk pedesaan di kelompok pengeluaran antara Rp. 100.000120.000/b/k, atau sekelas di atas kisaran garis kemiskinan pedesaan sebesar Rp. 80.000-100.000/b/k, adalah sekitar 19,2 juta orang atau 17% dari total penduduk pedesaan Indonesia. Angka ini jauh lebih tinggi dibandingkan dengan jumlah penduduk kota di kelas antara Rp. 140.000-160.000/b/k, atau sekelas di atas kisaran garis kemiskinan perkotaan sebesar Rp. 120.000-140.000/b/k, yang mencapai sekitar 8,1 juta orang atau 9% dari total penduduk perkotaan Indonesia. Sebagian dari kelompok penduduk ini tentunya berpotensi untuk mengalami episode kemiskinan, yaitu masuk ke-dan-keluar dari jurang kemiskinan. Mengingat standar hidupnya sedikit di atas ambang kemiskinan, status kesejahteraan mereka relatif mudah berubah, yaitu miskin atau tidak miskin, atau sensitif terhadap fluktuasi dan gejolak Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 7

drastis yang langsung mengganggu kehidupan ekonomi keluarganya, seperti krismon, bencana alam, kematian pencari nafkah. Pemahaman tentang besarnya penduduk „near poor‟ ini tentunya sangat bermanfaat sebagai bahan pertimbangan dalam kebijakan pengentasan kemiskinan di suatu wilayah. Besar-kecilnya angka kemiskinan karena sensitivitas distribusi pengeluaran konsumsi terhadap perubahan standar hidup (garis kemiskinan) di Indonesia ini juga pernah dibahas oleh Ravallion dan Huppi (1991) dengan menggunakan perbandingan data Susenas 1984 dan 1987. 3) Kajian tentang karakteristik kemiskinan Kajian deskriptif ini dapat menunjukkan perbandingan angka kemiskinan antara kategori-kategori atau klasifikasi dalam setiap indikator atau karakteristik yang diteliti. Misalnya indikator ukuran keluarga, tingkat kemiskinan di antara rumahtangga dengan ukuran kecil cenderung lebih rendah daripada rumahtangga dengan ukuran besar. Seperti yang ditunjukkan pada Tabel 3, tingkat kemiskinan tertinggi dialami oleh rumahtangga berukuran besar di Indonesia yaitu sekitar 27,7% pada tahun 2002. Angka ini jauh lebih tinggi daripada angka kemiskinan di antara keluarga kecil berukuran 4-5 orang dan 3 orang atau kurang, yang masing-masing hanya mencapai sekitar 14,6% dan 5,8%. Dilihat dari distribusinya, sebagian besar rumahtangga miskin, atau sekitar 47% dari total, adalah rumahtangga berukuran 4-5 orang. Pola insiden dan distribusi kemiskinan tingkat nasional ini juga serupa dengan pola di perkotaan dan pedesaan, tetapi dengan angka kemiskinan yang lebih tinggi di pedesaan khususnya untuk rumahtangga berukuran besar. Interpretasi serupa juga berlaku untuk membandingkan tingkat kemiskinan antar kategori-kategori pada karakteristik-karakteristik lainnya. Secara ringkas, Tabel 3 memastikan temuan-temuan atau dugaan sebelumnya bahwa kemiskinan cenderung tinggi di antara rumahtangga dengan KRT berpendidikan SD atau kurang, yaitu dengan tingkat kemiskinan sekitar 35,3% dan jumlah mereka mencakup 81,6% dari total rumahtangga miskin. Kemiskinan juga tinggi di antara rumahtangga dengan sumber penghasilan utama dari pertanian, yaitu mencapai tingkat sebesar 40,5% dan jumlahnya meliputi 55,8% dari total miskin. Selain itu, tingkat kemiskinan juga ditemukan relatif tinggi di antara rumahtangga yang punya anak putus sekolah, tinggal di rumah berlantai tanah, tanpa listrik, dan tanpa akses terhadap air bersih dan sanitasi. Temuan serupa tentang karakteristik kemiskinan juga diungkapkan oleh studi-studi lain sebelumnya di Indonesia (Pradhan et.al., 2000; World Bank, 2001; BPS and UNDP, 1999; Irawan dan Romdiati, 2000). Lebih menarik lagi, evaluasi tentang pemilikan dan penggunaan kartu sehat dapat digunakan untuk melihat efektivitas dari salah satu program kemiskinan di bidang kesehatan. Tabel 3 melaporkan bahwa tingkat kemiskinan di antara rumahtangga yang mengaku punya kartu sehat, baik yang pernah digunakan tanpa maupun dengan biaya dan yang tidak pernah digunakan, adalah sekitar 22%. Ini berarti 78% sisanya adalah rumahtangga yang punya kartu sehat tetapi tidak tergolong miskin. Tingkat kemiskinan di antara rumahtangga yang melaporkan tidak punya kartu sehat adalah sekitar 11,6%. Tetapi dilihat dari distribusinya, rumahtangga Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 8

miskin yang tidak punya kartu sehat ini justeru meliputi lebih tiga-perempat dari total rumahtangga miskin di seluruh Indonesia pada tahun 2002. Artinya, program kartu sehat hanya mampu mencakup sekitar seperempat dari seluruh rumahtangga miskin yang ada. Bahkan efektivitas dari program tersebut masih rendah karena terdapat hanya sekitar 19%, atau 332.920 dari total 1.759.213 rumahtangga miskin yang punya kartu sehat, mengaku telah pernah menggunakan kartu tersebut untuk berobat tetapi tetap harus mengeluarkan biaya. Tabel 3. Indonesia: Karakteristik rumahtangga miskin, 2002. Perkotaan Ruta miskin di % Distribusi ruta miskin di setiap kategori % 4.2 10.3 20.2 19.5 14.2 7.9 3.2 4.4 12.4 8.4 26.1 8.8 18.6 7.2 24.8 20.5 26.7 5.7 14.3 4.7 8.9 21.0 18.1 21.4 8.2 thd total miskin 17.8 45.8 36.4 36.6 36.3 13.8 13.4 19.1 80.9 81.9 18.2 83.8 16.2 64.7 35.3 19.9 14.1 8.0 9.3 7.2 25.2 12.3 4.5 7.3 76.0

Pedesaan Ruta miskin di setiap kategori indikator Jumlah 965691 2331270 1690982 2343831 1918534 458560 267018 136943 418598 3281907 1706036 3141411 1846532 2564808 2423135 2799791 833526 87421 145811 110372 346545 639867 232546 347578 3767952 % 6.9 17.9 33.7 19.9 16.3 11.3 7.1 6.4 13.9 13.2 25.4 14.4 19.1 13.0 20.5 18.7 20.4 9.5 13.7 7.2 9.1 24.2 23.9 21.5 14.3 % Distribusi ruta miskin di setiap kategori thd total miskin 19.4 46.7 33.9 47.0 38.5 9.2 5.4 24.7 75.4 65.8 34.2 63.0 37.0 51.4 48.6 61.0 18.2 1.9 3.2 2.4 7.6 12.8 4.7 7.0 75.5

Indonesia Ruta miskin di setiap kategori indikator Jumlah 1365589 3359501 2507139 3165321 2732100 767596 567212 225581 793432 5118817 2113412 5022010 2210219 4016232 3215997 3186493 1107757 243334 326329 249550 834999 915247 332920 511046 5473016 % 5.8 14.6 27.7 19.7 15.6 9.6 4.3 5.4 13.2 11.0 25.5 11.6 19.0 10.1 21.5 18.9 21.6 6.7 14.0 5.5 9.0 23.2 21.8 21.5 11.6 % Distribusi ruta miskin di setiap kategori thd total miskin 18.9 46.5 34.7 43.8 37.8 10.6 7.8 22.1 77.9 70.8 29.2 69.4 30.6 55.5 44.5 48.8 17.0 3.7 5.0 3.8 12.8 12.7 4.6 7.1 75.7

Karakteristik/indikator

setiap kategori indikator Jumlah

1. Ukuran keluarga: a. ≤ 3 orang c. 4-5 orang d. ≥ 6 orang 399898 1028231 816157 821490 813566 309036 300194 88638 374834 1836910 407376 1880599 363687 1451424 792862 386702 274231 155913 180518 139178 488454 275380 100374 163468 1705064

2. Tingkat pendidikan KRT: a. Kurang dari SD c. SD d. SLTP e. SLTA +

3. Ada anak putus sekolah: a. Tidak ada b. ada

4. Jenis lantai: a. Bukan tanah b. Tanah

5. Sumber utama air minum: a. Air bersih dan aman (leding dsj) b. Sumber lainnya

6. Akses ke sanitasi (toilet): a. Punya b. Tidak punya a. Pertanian, berusaha sendiri b. Pertanian, buruh c. Industri, buruh d. Perdagangan e. Jasa-jasa f. Lainnya a. Punya, digunakan tanpa biaya b. Punya, digunakan dg biaya c. Punya, tidak pernah digunakan d. Tidak punya

7. Sumber penghasilan utama rumahtangga:

8. Pemilikan dan penggunaan kartu sehat untuk berobat:

Seluruh rumahtangga miskin

2244286

9.6

100.0

4987943

15.8

100.0

7232229

13.2

100.0

Sumber: BPS, Susenas Kor 2002. Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 9

4) Pola konsumsi rumahtangga Kajian tentang pola konsumsi rumahtangga berguna untuk melihat komposisi belanja rutin rumahtangga selama sebulan sebelum waktu survei. Kajian sederhana ini juga dapat memperlihatkan kecenderungan pengeluaran konsumsi rumahtangga apakah lebih besar untuk kebutuhan makanan atau bukan makanan yang sesuai dengan status kesejahteraannya. Dalam konteks masyarakat miskin Indonesia, makanan secara umum identik dengan beras, atau di beberapa tempat dapat berupa jenis makanan pokok lainnya seperti jagung, umbi-umbian. Dalam banyak kasus khususnya di pedesaan Jawa, mampu untuk mengkonsumsi beras saja setiap hari, tanpa lauk makanan berprotein, berarti mampu bertahan hidup (BPS and UNDP, 1999: 75). Gambar 3. Indonesia: Komposisi pengeluaran bulanan per kapita menurut kategori dan golongan pengeluaran, 2002 100.0 Bukan Makanan lainnya 90.0 80.0 70.0 60.0 50.0 40.0 30.0 20.0 10.0 0.0 Kuintil 1 Kuintil 2 Kuintil 3 Kuintil4 Kuintil 5 Semua Pakaian Kesehatan Pendidikan Bahan Perumahan Bahan bakar Makanan lainnya Tembakau Makanan jadi Sayur2an, buah2an Daging, ikan, telur, susu Sereal lainnya Beras

Sumber: BPS, Susenas Modul Konsumsi 2002.

Gambar 3 menunjukkan bahwa porsi belanja untuk konsumsi makanan dari rumahtangga termiskin di kelompok pengeluaran 20% terbawah (kuintil 1) mencapai sekitar 70% dari total belanja mereka. Porsi belanja makanan ini terus menurun untuk kelompok-kelompok pengeluaran yang lebih tinggi, dan mencapai di bawah 50% untuk kelompok terkaya pada kuintil 5. Begitu sebaliknya dengan porsi belanja untuk kebutuhan bukan makanan, yang hanya mencapai sekitar 30% untuk kuintil 1 dan 51% untuk kuintil 5. Perbedaan ini terutama terjadi pada belanja untuk kebutuhan bukan makanan lainnya, seperti barang berharga dan elektronik, rekreasi, dan kebutuhan tersier lainnya, khususnya secara menyolok dikonsumsi oleh kelompok terkaya kuintil 5.

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

10

5) Kajian kemiskinan tingkat komunitas dan wilayah Kajian kemiskinan tingkat komunitas atau wilayah secara kuantitatif dapat dilakukan dengan beberapa cara. Cara pertama menggunakan pemetaan kemiskinan (poverty mapping) melalui sensus lengkap secara langsung, atau model regresi untuk estimasi angka kemiskinan di setiap wilayah (misalnya desa atau kecamatan) berdasarkan gabungan beberapa sumber data sekunder, seperti sensus penduduk dan survei-survei rumahtangga. Cara ini memungkinkan kita untuk memperoleh jumlah dan persentase penduduk miskin sampai dengan tingkat wilayah desa/kelurahan. Bahkan pemetaan kemiskinan melalui sensus, seperti yang telah dilakukan di Jawa Timur, Kalimantan Selatan, DKI Jakarta dan NTT, juga pendaftaran keluarga oleh BKKBN, memberikan informasi rinci tentang nama dan alamat keluarga miskin, yang kemudian dapat digunakan sebagai dasar penentuan sasaran program bantuan. Cara kedua mengidentifikasi kemiskinan atau ketertinggalan wilayah adalah berdasarkan data sekunder tentang potensi desa. Dari hasil PODES, misalnya, informasi yang diperoleh antara lain jumlah dan nama desa/kelurahan yang tergolong miskin karena sebagian besar penduduknya miskin, atau kumuh dari aspek lingkungan pemukiman penduduknya, atau tertinggal dari aspek pembangunan infrastruktur dasar di suatu wilayah. Tabel 4. Persentase Desa/Kelurahan menurut Insiden Kemiskinan (% Keluarga Miskin) dan Jarak dari Kantor Desa ke Ibukota Kabupaten, 2003 Jarak desa ke ibukota kabupaten (km) < 25 km 25 - 49 km >= 50 km' 8.0 2.3 2,1 8.2 6.0 4.3 10.4 8.6 9.2 26,1 24.3 20,4 26,3 36.2 39,9 17.0 22.6 24.1 100.0 100.0 100.0 623 696 808 11.8 15.0 17.0 32.1 18.7 5.4 100.0 2,781 7.9 11.8 15.5 30.8 25.6 8.4 100.0 1,964 4.3 10,3 15,0 29.2 30,1 11,0 100.0 1,012

Propinsi/% Keluarga Miskin Lampung < 10 10 - 19,9 20 - 29,9 30 - 49,9 50 - 74,9 >= 75 Total N Jawa Barat < 10 10 - 19,9 20 - 29,9 30 - 49,9 50 - 74,9 >= 75 Total N

Total 5.3 6.0 9.4 25.6 32.2 21.5 100.0 2,127 9.2 13.8 16.8 31.2 22.4 6.8 100.0 5,757

Sumber: PODES 2003

Tabel 4 memberikan informasi tentang persentase desa/kelurahan menurut tingkat kemiskinan keluarga dan jarak desa ke kabupaten/kota di Lampung dan Jawa Barat. Sebagian besar desa di Lampung, yaitu 685 dari total 2127 desa (32,2%), tergolong sebagai daerah miskin karena antara 50-74,9% dari seluruh rumahtangga dilaporkan sebagai keluarga miskin. Bahkan sebanyak 458 desa , atau sekitar 21,5% dari total Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 11

desa, dilaporkan sebagai daerah sangat miskin karena lebih dari tiga-perempat penduduknya dikategorikan miskin. Dibandingkan dengan di Jawa Barat, angka-angka ini relatif lebih rendah, yaitu masing-masing sekitar 22,4% dan 6,8% dari total 5757 desa dengan proporsi keluarga miskin sebesar 50-74,9% dan 75% atau lebih. Tabel 4 juga mengkonfirmasi adanya hubungan antara tingkat kemiskinan dan faktor isolasi daerah, seperti yang diindikasikan oleh jarak dari kantor desa ke ibukota kabupaten/kota. Jumlah desa dengan angka kemiskinan tinggi (>50%) cenderung meningkat sejalan dengan semakin jauhnya jarak antara desa ke ibukota kabupaten/kota. Di Lampung, misalnya, proporsi desa dengan 50-74,9% keluarga miskin adalah masing-masing sekitar 26%, 36% dan 40% untuk desa yang berjarak <25 km, 25-49 km dan 50 km atau lebih ke ibukoya kabupaten/kota. Angka yang sama untuk Jawa Barat adalah sekitar 19%, 26% dan 30%. Hal ini berarti bahwa semakin jauh jarak desa ke ibukota kabupaten/kota semakin besar kemungkinan desa tersebut tergolong miskin. Kajian tentang kemiskinan wilayah juga bisa ditinjau dari berbagai aspek kewilayahan lainnya, seperti letak geografis (pantai dan bukan pantai), topografi (dataran dan berbukit-bukit), status daerah (perkotaan dan pedesaan). Perbandingan tingkat kemiskinan wilayah juga menarik untuk dikaji dengan melihat karakteristik sosial-demografi, ketersediaan sarana atau infrastruktur dasar dan potensi ekonomi desa, seperti jumlah penduduk, tingkat pendidikan sebagian besar penduduk, ketersediaan fasilitas gedung sekolah dan fasilitas kesehatan, prasarana transportasi, pasar, sumber penghidupan sebagian besar penduduk desa, dan lain-lain. Kajian kemiskinan wilayah ini bermanfaat untuk melihat profil kemajuan pembangunan sosial dan ekonomi di tingkat desa/kelurahan. Lebih penting lagi, hasil kajian ini juga dapat digunakan untuk mengidentifikasi desa-desa miskin dan tertinggal menurut tipologinya, sebagai dasar penentuan sasaran dari berbagai kebijakan dan program pembangunan wilayah desa dan kecamatan. Dengan mempertimbangkan tipologi kemiskinan wilayah yang berbeda, hasil kajian ini tidak hanya memberikan informasi tentang jumlah desa/kelurahan miskin yang semestinya dicakup dalam program bantuan, tetapi kajian juga memungkinkan kita untuk mengembangkan program bantuan dengan fokus yang lebih spesifik. Misalnya, program peningkatan prasarana dan sarana transportasi untuk desa-desa miskin yang masih terisolir, program peningkatan sarana dan jaringan pemasaran produksi (pasar, koperasi) untuk desadesa miskin yang sebagian besar penduduknya tergantung pada sektor pertanian untuk sumber penghidupannya.

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

12

5. Kajian tentang Faktor-faktor Penyebab Kemiskinan Kajian untuk mengidentifikasikan faktor-faktor penyebab (determinan) kemiskinan di Indonesia masih belum banyak dimanfaatkan dalam proses pengambilan kebijakan untuk menanggulangi kemiskinan. Hal ini paling tidak berkaitan dengan dua alasan. Pertama adalah terbatasnya ketersediaan data dengan cakupan sampel yang memadai, dan memuat informasi yang cukup komprehensif tentang kemiskinan dan faktor-faktor penentunya. Susenas Kor tergolong satusatunya sumber data yang memadai untuk analisis determinan kemiskinan di Indonesia, meskipun cakupan datanya terbatas bahkan untuk kajian tingkat kabupaten/kota. Kedua adalah kompleksitas dari dinamika kemiskinan di negara dengan keragaman sosial-budaya dan ekonomi seperti Indonesia. Di satu sisi, faktorfaktor sosial dan ekonomi yang terukur, seperti ukuran keluarga, tingkat pendidikan, pendapatan, status pekerjaan, akses terhadap air bersih, sanitasi dan listrik, serta kualitas bangunan tempat tinggal memungkinkan untuk dihitung derajat hubungan kausalnya dengan kemiskinan. Sebaliknya, faktor-faktor sosial-budaya seperti norma tradisional yang berlaku di suatu komunitas tentang kebersamaan dalam hidup senang dan susah (shared poverty), nilai ekonomi anak, modal sosial untuk kesejahteraan bersama sangat sulit diukur dampaknya secara kuantitatif terhadap perbedaan tingkat kemiskinan antar komunitas atau wilayah. Modul ini terbatas untuk membahas kajian determinan kemiskinan secara kuantitatif. Pada prinsipnya, kajian determinan kemiskinan dapat dibedakan atas dua pendekatan. Pendekatan pertama adalah kajian tentang faktor-faktor yang mempengaruhi atau menjelaskan adanya variasi (perbedaan) tingkat kemiskinan antar sub-kelompok penduduk atau wilayah. Unit analisis dalam kajian untuk pendekatan pertama ini adalah daerah, misalnya perbandingan antara kabupaten/kota di seluruh Indonesia. Pendekatan kedua adalah analisis faktor-faktor penentu (determinan) yang menyebabkan terjadinya kemiskinan rumahtangga atau individu. Dengan perkataan lain, analisis determinan kemiskinan ini bertujuan untuk menelaah mengapa suatu rumahtangga dikategorikan miskin. Unit analisisnya adalah rumahtanggarumahtangga atau individu-individu yang dicakup dalam observasi. Sedangkan metode analisis yang digunakan untuk kedua pendekatan pada dasarnya tidak berbeda, yaitu umumnya dengan analisis regresi ganda (multi-regression analysis) baik secara linier maupun non-linier. 5.1. Analisis faktor-faktor yang berkaitan dengan kemiskinan: analisis dua peubah (korelasi) Sebelum mengaplikasikan analisis regresi ganda untuk mengidentifikasi faktorfaktor determinan kemiskinan, analisis bi-variate perlu lebih dahulu dilakukan untuk melihat arah dan derajat asosiasi antara tingkat kemiskinan dan berbagai indikator sosial-ekonomi dari unit-unit analisis yang diteliti. Tabel 5 memberikan contoh tentang arah dan derajat asosiasi dalam suatu matriks koefisien korelasi Pearson

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

13

antara tingkat kemiskinan dan 10 indikator sosial-ekonomi di 110 kabupaten/kota di seluruh Jawa (lihat Tabel 8 untuk data lengkap).4 Tabel 5. Matriks korelasi antara tingkat kemiskinan dan indikator sosial-ekonomi lainnya di 110 kabupaten/kota, Pulau Jawa, 2002. MISKIN MISKIN IPM IFS UER FOOD P40 NOAIR NOFASKES BLGIZI TANAH NOTOILET Catatan : IPM -0.70 IFS 0.80 -0.75 UER -0.60 0.41 -0.57 FOOD 0.72 -0.83 0.81 -0.34 P40 0.28 -0.80 0.38 -0.01 0.59 NOAIR 0.05 -0.34 0.20 0.10 0.33 0.41 NOFASKES 0.55 -0.71 0.69 -0.27 0.72 0.52 0.20 BLGIZI 0.47 -0.55 0.33 -0.17 0.35 0.43 0.05 0.27 TANAH 0.75 -0.56 0.64 -0.58 0.50 0.10 -0.07 0.49 0.41 NOTOILET 0.58 -0.77 0.56 -0.38 0.63 0.60 0.36 0.47 0.45 0.52 -

Sumber

:

MISKIN= % penduduk miskin; IPM= Indeks Pembangunan Manusia; IFS= % pekerja di sektor informal; FOOD= % pengeluaran konsumsi makanana thd total; P40= % penduduk yang diharapkan bisa bertahan hidup sampai dengan umur 40 tahun; NOAIR= % penduduk tanpa akses air bersih; NOFASKES= % penduduk tanpa akses ke fasilitas kesehatan; BLGIZI= % balita bergizi buruk; TANAH= % rumahtangga tinggal di rumah berlantai tanah; NOTOILIET= % penduduk tanpa akses ke toilet; UER= tingkat pengangguran terbuka. Data diolah dari BPS, Bappenas dan UNDP, Indonesia Laporan Pembangunan Manusia 2004.

Tingkat kemiskinan memiliki suatu hubungan positif yang kuat dengan keberadaan sektor informal di kabupaten/kota di Jawa, yaitu dengan r= 0,8. Artinya, semakin tinggi angka kemiskinan semakin tinggi pula persentase pekerja di sektor informal. Hubungan positif yang kuat juga ditemukan antara angka kemiskinan dengan persentase rumahtangga yang tinggal di rumah berlantai tanah (r= 0,75), dan persentase pengeluaran rumahtangga untuk konsumsi makanan (r= 0,72). Suatu hubungan kuat tetapi bersifat negatif ditemukan antara angka kemiskinan dan indeks pembangunan manusia, yaitu dengan r= -0,7. Seperti yang diharapkan, hubungan ini menunjukkan bahwa semakin tinggi angka kemiskinan semakin rendah indek pembangunan manusia di suatu wilayah. Insiden kemiskinan di wilayah Jawa juga dilaporkan mempunyai hubungan positif yang sedang dengan persentase rumahtangga tanpa akses ke sanitasi (toilet) dan fasilitas kesehatan, serta insiden balita dengan status gizi buruk. Sementara derajat hubungan kemiskinan dengan P40, sebagai salah satu indikator kesehatan, bersifat positif tetapi lemah (r= 0,28), hubungan kemiskinan

dengan persentase rumahtangga tanpa akses ke air bersih justeru praktis dapat diabaikan yaitu dengan r= 0,05. Sebagai catatan, indikator-indikator yang mempunyai asosiasi kuat dengan kemiskinan, seperti IFS, TANAH, FOOD dan IPM seringkali dapat dipastikan akan

4

Kekuatan hubungan dikatakan sebagai sempurna jika r = ± 1.0; sebagai kuat jika r antara ± 0.70 dan ± 0.99; sebagai sedang atau moderat jika r antara ± 0.40 dan ± 0.69; sebagai lemah jika r antara ± 0.20 dan ± 0.39; sebagai diabaikan (negligible) jika r antara ± 0.01 dan ± 0.19; dan sebagai tanpa ada asosiasi jika r = 0. Analisis Faktorfaktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 14

muncul sebagai peubah-peubah penentu terhadap perubahan pada angka kemiskinan dalam analisis lanjutan regresi ganda. Kajian dua peubah juga bisa dilakukan dengan menggambarkan scatter diagram hubungan antara keduanya. Gambar 4 dan 5 menggambarkan sebaran nilai dari 110 kabupaten/kota di Jawa yang mengindikasikan pola hubungan antara kemiskinan dan IPM dan keberadaan sektor informal. Kajian diagram sebar ini sangat sederhana tetapi berguna untuk melihat kasus-kasus mana yang termasuk dalam trendline (best-fitted model dari hubungan tersebut), dan mana yang menyimpang jauh dari trendline.

Gambar 4. Scatter Diagram Hhubungan antara IPM dan Kemiskinan di 110 kab/kota di Jaw a, 2002 80.0 % Pekerja Sektor Informal

Gambar 5. Scatter Diagram Hubungan antara Kemiskinan dan % Perkerja Informal di 110 kab/kota di Jaw a, 2002 90.0 80.0 70.0 60.0 50.0 40.0 30.0 20.0 0.0 10.0 20.0 % Penduduk Miskin 30.0 40.0 r = 0,80

75.0 70.0 IPM

65.0 r = -0,70

60.0 55.0 50.0 0.0 10.0 20.0 % Penduduk Miskin 30.0 40.0

Analisis korelasi juga dapat diterapkan jika unit analisisnya adalah rumahtangga atau individu. Satu hal yang perlu diingat bahwa semua peubah yang dicakup dalam matriks korelasi harus diusahakan bersifat ordinal, di mana nilai atau kategorisasi peubah berbentuk urutan dari nilai terendah sampai dengan tertinggi. Beberapa contoh peubah dalam analisis korelasi kemiskinan pada tingkat individu: status kesejahteraan (tidak miskin -0, miskin -1), kelompok pengeluaran rumahtangga (<100.000, 100.000-199.999, 200.000-299.999, 300.000-399.999, 400.000-499.999 dst), ukuran keluarga (≤2, 3, 4-5, ≥6), tingkat pendidikan (<SD -0, SD -1, SLTP -2, SLTA+

3), dan sebagainya. 5.2. Analisis faktor-faktor penyebab kemiskinan: analisis peubah ganda (regresi ganda) Kajian dua peubah dengan korelasi terbatas manfaatnya karena hasilnya hanya menunjukkan arah dan derajat hubungan antara kemiskinan dengan satu karakteristik tertentu pada suatu waktu tertentu pula. Akan tetapi, kajian ini tidak mempertimbangkan kompleksitas faktor-faktor yang menyebabkan kemiskinan. Perlu dicatat bahwa korelasi adalah hubungan antara dua faktor, tetapi tidak selalu berarti bahwa faktor yang satu menyebabkan perubahan atas faktor yang lainnya ( causality). Oleh karena itu, analisis regresi ganda diterapkan untuk mengidentifikasi faktor-faktor determinan yang secara statistik mempengaruhi kemiskinan.

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

15

Berikut ini adalah simulasi data untuk mengkaji faktor-faktor utama yang mempengaruhi atau menjelaskan adanya perbedaan tingkat kemiskinan antara wilayah dengan mengaplikasikan metode analisis regresi ganda linier. Dengan mengambil contoh pada pendekatan pertama di atas, tingkat kemiskinan di 110 distrik didefinisikan sebagai peubah tidak bebas (dependent variable), yaitu peubah yang perubahan nilainya akan diprediksi oleh beberapa peubah lain atau disebut peubah bebas (independent variables). Dari 10 peubah bebas yang dimasukkan dalam model regresi dengan metode stepwise, hanya 5 peubah bebas yang mampu menjelaskan variasi dan perubahan pada angka kemiskinan, yaitu IFS, TANAH, BLGIZI, FOOD dan UER. Tabel “Model Summary” di bawah ini melaporkan bahwa kelima peubah secara bersama-sama mampu menjelaskan variasi angka kemiskinan sebesar 78,3%. Dengan perkataan lain, hanya sekitar 22,7% dari total variasi regional pada angka kemiskinan tidak dapat dijelaskan oleh model regresi. Sementara itu, dari kelima prediktor, IFS memberikan kontribusi terbesar dalam menjelaskan variasi pada angka kemiskinan yaitu sebesar 64,3%. Kontributor selanjutnya adalah peubah TANAH (9,4%), BLGIZI (2%), FOOD (1,1%) dan UER (1,5%). Model Summary

Change Statistics Model 1 2 3 4 5 R .802 a .858 b .870 c .876 d .885 e R Square .643 .736 .757 .768 .783 Adjusted R Square .639 .731 .750 .759 .772 Std. Error of the Estimate 5.1152 4.4136 4.2588 4.1811 4.0632 R Square Change .643 .094 .020 .011 .015 F Change 194.128 38.065 8.919 4.974 7.184 df1 1 1 1 1 1 df2 108 107 106 105 104 Sig. F Change .000 .000 .004 .028 .009

a. Predictors: (Constant), IFS b. Predictors: (Constant), IFS, TANAH c. Predictors: (Constant), IFS, TANAH, BLGIZI d. Predictors: (Constant), IFS, TANAH, BLGIZI, FOOD e. Predictors: (Constant), IFS, TANAH, BLGIZI, FOOD, UER

Model regresi yang dihasilkan untuk melihat hubungan kausal antara kemiskinan dan kelima prediktornya dapat diperoleh dengan memasukkan nilai konstan dan koefisien beta berdasarkan Model 5 pada Tabel „Coefficients‟ di bawah ini: MISKIN= -7,747 + 0,127 IFS + 0,133 TANAH + 0,160 BLGIZI + 0,263 FOOD – 0,377 UER

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

16

a Coeffi ci ents

Model 1 2

3

4

5

(Constant) IFS (Constant) IFS TANAH (Constant) IFS TANAH BLGIZI (Constant) IFS TANAH BLGIZI FOOD (Constant) IFS TANAH BLGIZI FOOD UER

Unstandardized Coef f icients B St d. Error -3.379 1.663 .368 .026 -.212 1.524 .249 .030 .178 .029 -3.111 1.762 .241 .029 .155 .029 .168 .056 -10.955 3.919 .173 .042 .160 .029 .148 .056 .204 .091 -7.747 3.993 .127 .044 .133 .030 .160 .055 .263 .092 -.377 .141

St andardi zed Coef f icien ts Beta .802 .544 .400 .526 .348 .157 .378 .360 .138 .181 .278 .297 .150 .234 -.165

t -2.031 13.933 -.139 8.378 6.170 -1.766 8.361 5.355 2.986 -2.795 4.175 5.621 2.637 2.230 1.940 2.902 4.475 2.929 2.876 -2.680

Sig. .045 .000 .889 .000 .000 .080 .000 .000 .004 .006 .000 .000 .010 .028 .055 .005 .000 .004 .005 .009

Collinearity Statistics Tolerance VI F 1.000 .585 .585 .580 .543 .829 .270 .539 .806 .336 .228 .473 .801 .316 .551 1.000 1.709 1.709 1.724 1.842 1.207 3.710 1.855 1.240 2.977 4.383 2.116 1.249 3.163 1.813

a. Dependent Variable: MISKI N

Model regresi ini mengkuantifikasi seberapa besar perubahan pada kelima peubah bebas, baik masing-masing secara eksklusif maupun secara gabungan, dapat mempengaruhi atau memprediksi perubahan pada peubah tidak bebas „MISKIN‟. Contoh interpretasi sederhana dari model regresi ini, misalnya, menggunakan simulasi data dari Kabupaten Cilacap tahun 2002. Jika persentase pekerja sektor informal (IFS)= 79,3%, persentase rumahtangga tinggal di rumah berlantai tanah (TANAH)= 30,2%, persentase balita bergizi buruk (BLGIZI)= 28%, persentase pengeluaran makanan (FOOD)= 60,6%, dan tingkat pengangguran terbuka (UER)= 12,1%, maka angka atau persentase penduduk miskin (MISKIN)= 22,2%. Angka kemiskinan dari penghitungan model ini tidak jauh berbeda dengan angka estimasi sebenarnya dari SUSENAS, yaitu sebesar 22,1%. Namun begitu perlu dicatat bahwa nilai peubah tidak bebas yang diprediksi oleh model regresi tidak selalu mendekati dengan nilai estimasi sesungguhnya. Model regresi dihitung berdasarkan pola sebaran hubungan antara peubah tidak bebas dan peubah-peubah prediktornya. Oleh karena itu, penghitungan ini menghasilkan suatu model yang paling cocok (best-fitted model) dengan pola sebaran data tersebut. Sebagai konsekuensinya, hanya sebagian kasus akan mempunyai nilai model yang mendekati dengan nilai estimasi survei, sedangkan sebagian kasuskasus yang lain memiliki nilai-nilai model yang menyimpang dari nilai estimasinya. Terlepas dari simulasi model regresi linier yang membandingkan dengan nilai estimasi, model ini juga dapat dimanfaatkan untuk prediksi angka kemiskinan berdasarkan berbagai skenario tentang nilai-nilai prediktor terpilih yang diharapkan dalam suatu kebijakan penanggulangan kemiskinan. Misalnya dari contoh simulasi data Kabupaten Cilacap di atas, upaya untuk menurunkan kemiskinan difokuskan pada Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 17

peningkatan gizi balita, yaitu dengan target penurunan persentase balita bergizi buruk dari 28% menjadi 15%. Sementara itu, angka-angka untuk prediktor lainnya dianggap tidak berubah. Dengan mengaplikasikan model regresi di atas, maka jika program peningkatan gizi balita berhasil angka kemiskinan diharapkan turun dari 22,2% menjadi 20,1%. Kajian determinan kemiskinan juga biasanya dilakukan dengan mengaplikasikan model-model pilihan diskrit (discrete choice models), antara lain dengan metode analisis regresi logit atau probit (Deaton, 1987 dan 1990; Ravallion, 1996). Prinsip dasar dari model ini menggunakan bentuk variabel biner yang membedakan dua situasi atau kategori secara eksklusif terpisah: „miskin‟ dengan nilai 1 dan „tidak miskin‟ dengan nilai 0. Model regresi logit atau probit bertujuan untuk mengkonstruksi profil kemiskinan dalam suatu bentuk regresi dari status kemiskinan terhadap berbagai karakteristik sosio-demografi dan ekonomi rumahtangga. Status kemiskinan (miskin dan tidak miskin) didefinisikan sebagai peubah tidak bebas yang akan diprediksi oleh karakteristik-karakteristik rumahtangga sebagai peubah-peubah bebas. Tabel 6. Determinan kemiskinan berdasarkan nilai estimasi pengaruh acak Logit di antara rumahtangga perkotaan dan pedesaan Lampung, 2002. Peubah * Intercept * KRT dg pendidikan tamat SD atau kurang * KRT dg pendidikan tamat SLTP * KRT dg pendidikan tamat SLTA+ * KRT perempuan * KRT penganggur * KRT bekerja 35 jam/minggu & masih mencari kerja * KRT pekerja bebas * KRT berusaha sendiri * KRT buruh/karyawan * KRT pertanian * Rumah berlantai tanah * Penerangan bukan listrik * Tanpa akses ke air bersih Catatan: Nilai dalam kurung adalah nilai statistik t

Perkotaan -4,87 (-4,4) -0,66 (-3,7) -1,35 (-4,6) -1,40 (-4,2) 0,98 (3,49) 0,44 (2,1) 1,12 (3,5) 1,08 (3,1) 0,93 (2,8) -0,23 (-1,3) 0,87 (2,91) 1,21 (3,5) 1,07 (3,0) 0,75 (2,8)

Pedesaan -3,95 (-4,7) -0,46 (-3,4) -1,18 (-4,7) -1,22 (-4,4) 0,01 (0,05) 0,09 (0,06) 1,24 (3,7) 1,15 (3,1) 1,02 (2,9) -0,20 (-1,0) 1,11 (3,1) 0,90 (2,8) 0,68 (1,2) 0,66 (1,1)

Sumber: BPS, Susenas Kor 2002 (sub-sampel Lampung).

Tabel 6 mensimulasikan determinan kemiskinan rumahtangga dilihat dari nilai estimasi pengaruh acak Logit di Propinsi Lampung pada tahun 2002. Tabel ini

melaporkan bahwa tingkat pendidikan yang ditamatkan oleh kepala rumahtangga mempunyai kemampuan memprediksi status kemiskinan yang relatif kuat, seperti yang diindikasikan oleh berkurangnya nilai pengaruh acak Logit dari tingkat pendidikan SD atau kurang sampai dengan SLTA+. Akan tetapi, pendidikan memainkan peran yang berbeda dalam mempengaruhi status kemiskinan antara di perkotaan dan pedesaan Lampung. Pendidikan agaknya memiliki kemampuan memprediksi kemiskinan relatih lebih kuat di antara rumahtangga yang tinggal di perkotaan daripada di pedesaan, mengindikasikan pentingnya pendidikan dalam pasar kerja yang lebih formal dan berupah di kota. Rumahtangga yang dikepalai Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 18

perempuan juga mampu memprediksi status kemiskinan secara signifikan, khususnya di perkotaan. Lebih jauh Tabel 6 juga menunjukkan bahwa kepala rumahtangga penganggur kurang dapat memprediksi status kemiskinan relatif dibandingkan dengan mereka yang tergolong sebagai setengah pengangguran, sebagaimana diindikasikan oleh kepala rumahtangga yang bekerja kurang dari 35 jam/minggu dan masih mencari pekerjaan. Pola ini terjadi baik di perkotaan maupun di pedesaan Lampung. Di pedesaan Lampung, seperti yang diharapkan, rumahtangga yang bergantung pada pertanian berkaitan erat dengan status kemiskinan. Dalam kaitannya dengan kondisi rumah dan akses terhadap fasilitas dasar, Tabel 6 memastikan peranan peubah rumahtangga yang tinggal di rumah berlantai tanah, tanpa akses terhadak penerangan listrik dan air bersih dalam mempengaruhi status kemiskinan baik di perkotaan maupun pedesaan Lampung. Walaupun begitu, pengaruh peubah-peubah prediktor ini lebih kuat di kota daripada di desa. Kemudian, Tabel 7 mempertegas temuan-temuan di atas. Kemungkinan suatu rumahtangga untuk dikategorikan miskin relatif lebih tinggi jika rumahtangga tersebut dikepalai oleh perempuan (dengan probabilita sekitar 12,4%) daripada jika dikepalai laki-laki (9,5%) di daerah perkotaan Lampung. Sementara angka probabilita ini ditemukan lebih tinggi di pedesaan Lampung, praktis tidak ada perbedaan jender kepala rumahtangga terhadap kemungkinan terjadinya kemiskinan. Tabel 7. Probabilita terjadinya kemiskinan rumahtangga menurut beberapa kondisi sosial-ekonomi rumahtangga di Lampung, 2002, Model Logistik. Perkotaan 1. Jenis kelamin KRT: * Laki-laki * Perempuan 2. Pendidikan KRT: * <SD * SD * SLTP * SLTA+ 3. Status pekerjaan: * Bekerja <35 jam/minggu & masih mencari kerja * Berusaha sendiri * Pertanian 4. Kondisi rumah: * Berlantai tanah * Tanpa akses ke air bersih * Tanpa akses ke sanitasi (toilet) 0,095 0,124 0,42 0,38 0,19 0,11 0,41 0,35 0,21 0,36 0,28 0,34

Pedesaan 0,27 0,28 0,33 0,31 0,10 0,09 0,56 0,48 0,52 0,21 0,17 0,21

Tabel 7 juga mengkonfirmasi tentang pentingnya pendidikan dalam menentukan terjadinya insiden kemiskinan di suatu rumahtangga. Probabilita kemiskinan turun sejalan dengan meningkatnya pendidikan kepala rumahtangga. Di perkotaan, bila kepala rumahtangga hanya berpendidikan kurang dari SD, maka probabilita rumahtangganya tergolong miskin adalah sebesar 42%. Tetapi ketika dia berpendidikan lebih tinggi yaitu SD, SLTP dan SLTA+, maka probabilita untuk menjadi Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 19

miskin menurun masing-masing sebesar 38%, 19% dan 11%. Pengaruh ini bagaimanapun sedikit berkurang di daerah pedesaan. Probabilita kemiskinan rumahtangga juga ditemukan cukup signifikan di antara rumahtangga dengan KRT setengah pengangguran, berusaha sendiri dan di sektor pertanian, khususnya di pedesaan. Selain itu, Tabel 7 juga melaporkan bahwa kondisi rumah berlantai tanah, tanpa akses ke sanitasi dan air bersih juga memberikan probabilita sekitar 30% untuk terjadinya insiden kemiskinan, khususnya di perkotaan Lampung.

6. Penutup Modul “Analisis Faktor-faktor Penyebab Kemiskinan, Suatu Pendekatan Kuantitatif” ini diharapkan dapat menjembatani antara teori-konsep dan aplikasi untuk memahami determinan kemiskinan dalam konteks negara sedang berkembang, seperti Indonesia. Pemahaman teori dan konsep kemiskinan sangat penting untuk memberikan dasar dalam mengkonseptualisasikan proses berfikir deduksi ke arah pemahaman masalah-masalah atau kenyataan empirik di lapangan. Bagaimana menginterpretasikan konsep tersebut dalam suatu aplikasi yang operasional diharapkan dapat dipenuhi dalam penjelasan modul ini. Oleh karena itu, penyusunan modul ini dibuat secara sistematis dan mudah dimengerti bagi peneliti dan mereka yang terlibat dalam proses kebijakan publik, khususnya di tingkat daerah. Modul ini mencoba untuk memberikan prinsip-prinsip dasar dalam kajian kuantitatif tentang kemiskinan dengan memfokuskan pada ilustrasi data, simulasi model, interpretasi temuan dan pemanfaatan hasil kajian. Walaupun begitu, modul ini masih mempunyai beberapa kekurangan, khususnya dari aspek substansi dan sistematika penulisan. Oleh karena itu, berbagai masukan konstruktif dari berbagai pihak diharapkan untuk bahan penyempurnaan modul ini.

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

20

Catatan Puguh B Irawan, Jakarta, 01.05.2005

Referensi: BPS and UNDP (1999) Crisis, Poverty and Human Development in Indonesia 1998, Jakarta: BPS. BPS, Bappenas and UNDP (2004) Indonesia Human Development Report 2004, Jakarta: BPS. Deaton, A. (1987) „Estimation of own- and cross-price elasticities from household survey data‟ Journal of Econometrics, Vol. 36: 7-30. Deaton, A. (1990) „Price elasticities from survey Indonesian results‟ Journal of Econometrics, Vol. 44: 281-309. Irawan, Puguh B dan Haning Romdiati (2000) Dampak Krisis Ekonomi terhadap Kemiskinan dan Beberapa Implikasinya untuk Strategi Pembangunan, Widyakarya Nasional Pangan dan Gizi VII, Jakarta: LIPI. Irawan, Puguh B and Silvia Irawan (2005) Poverty and Environment Nexus in Indonesia, With a Special Reference to Livelihood and Environmental Health Dimensions Using a Right-Based Approach, Jakarta: Ministry of Environment (KLH) and UNDP. Pradhan, Menno, A. Suryahadi, S. Sumarto and L. Pritchett (2000) Measurements of Poverty in Indonesia: 1996, 1999 and Beyond, SMERU Working Paper. Ravallion, Martin (1996) “Issues in measuring and modelling poverty‟ Economic Journal, Vol. 106: 1328-1343. Ravallion, Martin and Monika Huppi (1991) „Measuring Changes in Poverty: A Methodological Case Study of Indonesia during an Adjustment Period‟ The Worl Bank Economic Review, Volume 5, Number 1, pp. 57-84. World Bank (2001) Poverty Reduction in Indonesia: Constructing a New Strategy, Report No. 23038-IND, Jakarta: The World Bank.

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005) 21

Tabel 8. IPM dan Beberapa Indikator Sosial-Ekonomi di Kabupaten/Kota di Pulau Jawa, 2002 IPM 71. Jakarta Selatan 72. Jakarta Timur 73. Jakarta Pusat 74. Jakarta Barat 75. Jakarta Utara 01. Bogor 02. Sukabumi 03. Cianjur 04. Bandung 05. Garut 06. Tasik Malaya 07. Ciamis 08. Kuningan 09. Cirebon 10. Majalengka 11. Sumedang 12. Indramayu 13. Subang 14. Purwakarta 15. Karawang 16. Bekasi 71. Bogor 72. Sukabumi 73. Bandung 74. Cirebon 75. Bekasi 76. Depok 01. Cilacap 02. Banyumas 03. Purbalingga 04. Banjarnegara 05. Kebumen 06. Purworejo 07. Wonosobo 08. Magelang 09. Boyolali 10. Klaten 11. Sukoharjo 12. Wonogiri 13. Karanganyar 14. Sragen 15. Grobogan 16. Blora 17. Rembang 18. Pati 19. Kudus 20. Jepara 21. Demak 22. Semarang 23. Temanggung 24. Kendal 25. Batang 26. Pekalongan 27. Pemalang 28. Tegal 29. Brebes 75.7 76.0 74.8 75.0 75.1 65.6 63.8 64.5 68.8 62.8 67.1 65.3 65.0 62.4 64.4 67.5 61.2 63.0 65.6 62.9 66.9 71.9 69.2 73.0 69.2 72.8 73.9 65.3 66.7 65.0 63.7 65.6 68.4 64.7 67.2 65.7 67.8 67.7 66.5 68.5 64.9 65.5 64.7 65.5 68.6 66.9 66.9 66.4 69.5 69.6 65.5 65.5 63.9 62.2 63.3 61.3 Miskin 2.6 2.8 3.5 4.0 4.7 12.5 17.0 18.5 12.5 15.4 16.2 16.2 20.4 19.6 18.9 14.4 18.7 16.6 14.0 14.6 6.6 7.3 8.3 3.5 9.0 3.7 5.6 22.1 22.9 32.5 30.3 31.7 24.9 33.8 19.9 20.8 24.5 16.9 25.2 17.0 28.6 31.1 26.6 33.4 22.5 12.7 10.6 24.1 17.6 15.8 23.8 23.0 26.3 24.6 22.2 33.4 IFS 24.6 22.7 28.6 24.0 26.7 54.9 65.7 78.9 45.1 69.3 67.6 77.7 73.8 75.1 67.8 69.1 74.6 80.4 56.0 59.0 43.8 30.4 40.2 35.0 45.5 26.5 27.8 79.3 68.4 73.5 78.5 72.1 71.9 77.8 68.0 71.1 63.2 57.4 78.2 63.9 69.0 82.0 84.9 81.0 70.8 43.8 43.4 60.6 62.0 82.0 68.8 53.8 57.0 68.6 70.8 76.7 UER 12.4 18.0 14.5 11.6 12.1 13.3 11.1 8.4 15.5 11.1 12.0 8.4 10.4 11.5 9.2 12.4 9.3 9.7 10.4 15.2 13.8 15.2 23.1 15.0 15.8 14.7 16.4 12.1 7.8 7.4 7.8 10.3 5.2 5.0 5.5 4.6 7.0 6.9 5.4 5.3 9.6 7.2 5.2 5.7 7.2 7.3 4.3 8.4 6.5 5.3 7.8 11.1 6.9 11.3 10.5 11.5 FOOD 34.8 40.9 35.5 42.0 47.4 62.8 68.8 69.2 59.1 66.7 64.8 65.1 68.2 68.5 66.1 62.2 65.5 68.1 65.8 64.9 56.8 56.2 61.5 48.1 57.3 48.8 54.6 60.6 60.8 66.2 67.8 66.8 59.9 68.9 60.0 61.0 60.7 56.5 62.7 57.2 63.8 67.5 63.7 68.7 65.0 58.0 57.9 61.8 60.0 58.4 56.0 65.0 66.0 66.3 63.5 66.2 P40 7.4 6.5 8.5 6.8 6.9 15.1 20.6 18.6 14.0 26.0 15.2 18.8 17.0 20.0 19.6 14.2 19.3 16.0 18.7 20.9 13.7 12.2 15.1 11.0 12.8 12.0 7.3 12.5 11.3 12.7 12.5 12.8 12.2 11.5 11.0 10.0 9.7 10.4 7.5 7.3 7.7 12.0 9.1 11.3 6.5 11.9 9.4 10.9 7.9 7.7 17.1 11.2 14.3 16.7 15.1 18.3 NoAir 58.2 44.6 14.7 17.1 2.3 55.9 50.1 57.9 61.2 59.2 63.6 55.1 60.0 57.0 48.8 42.6 57.5 58.3 39.7 65.4 36.9 46.5 35.0 32.7 22.1 43.9 46.2 46.0 40.5 30.1 49.7 54.1 41.4 27.6 35.3 45.7 49.5 40.0 38.0 31.4 39.6 30.0 31.2 19.1 23.1 41.5 31.0 48.2 28.4 38.2 41.0 59.8 59.2 50.4 53.2 51.3 NoFaskes 2.9 6.8 0.7 2.7 1.5 15.2 32.8 38.5 20.1 28.1 29.7 16.0 19.0 19.8 14.3 29.1 25.8 24.8 33.6 31.7 11.1 9.6 25.2 3.7 25.7 1.1 8.5 23.1 25.3 28.9 20.9 28.4 19.7 48.2 11.9 30.4 13.9 14.0 16.8 23.9 36.0 24.6 44.7 23.9 32.3 25.2 22.4 17.6 23.3 28.9 31.8 27.9 11.0 15.7 24.0 18.3 BLGizi 12.3 21.2 23.1 30.3 32.2 20.7 16.2 17.8 24.8 20.0 24.8 19.7 15.0 31.6 26.3 16.2 27.8 21.4 16.0 25.4 20.4 7.4 12.8 18.0 29.2 32.1 9.6 28.0 22.2 27.6 20.8 19.0 21.3 23.7 24.4 11.8 19.7 22.1 20.1 13.7 17.6 27.8 36.5 28.4 26.3 23.9 27.2 38.7 14.8 23.0 26.2 29.9 26.2 31.2 32.1 37.0 Tanah 0.9 0.9 1.1 1.8 1.3 5.7 5.2 1.8 2.1 3.3 1.1 9.4 6.5 10.2 2.3 1.7 22.0 14.4 3.5 31.1 20.6 0.9 3.4 1.4 3.5 2.8 2.3 30.2 30.9 34.2 38.3 31.5 23.7 38.7 35.3 51.6 18.7 19.3 27.3 22.4 56.1 70.6 66.2 53.9 47.5 8.2 37.1 49.0 39.1 32.1 46.5 45.7 26.4 39.2 19.3 33.1 NoToilet 0.4 0.1 0.5 0.8 4.4 15.8 24.2 13.8 8.1 15.1 9.8 19.5 19.2 35.4 16.0 16.1 34.8 28.9 12.9 38.3 11.2 12.9 3.1 2.1 2.0 5.6 2.1 23.7 41.2 53.9 26.3 33.7 23.9

18.4 26.7 24.4 37.2 17.1 10.3 29.0 23.1 24.4 17.5 55.1 15.2 29.9 17.4 40.6 21.3 21.0 48.8 49.7 57.5 56.4 46.6 58.2 Model 1.9 2.6 3.6 7.1 8.9 14.8 17.8 20.4 11.9 18.0 17.5 20.5 18.9 21.9 19.3 15.5 22.8 22.1 15.8 19.3 13.5 6.5 7.4 6.7 12.3 8.4 5.8 22.2 21.6 25.2 25.5 22.3 21.7 27.3 23.2 24.3 19.3 17.9 23.5 18.6 24.5 31.5 32.5 30.2 26.2 15.2 20.7 25.7 21.0 24.0 23.2 22.9 22.0 24.3 21.7 25.4

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

22

IPM 71. Magelang 72. Surakarta 73. Salatiga 74. Semarang 75. Pekalongan 76. Tegal 01. Kulon Progo 02. Bantul 03. Gunung Kidul 04. Sleman 71. Yogyakarta 01. Pacitan 02. Ponorogo 03. Trenggalek 04. Tulungagung 05. Blitar 06. Kediri 07. Malang 08. Lumajang 09. Jember 10. Banyuwangi 11. Bondowoso 12. Situbondo 13. Probolinggo 14. Pasuruan 15. Sidoarjo 16. Mojokerto 17. Jombang 18. Nganjuk 19. Madiun 20. Magetan 21. Ngawi 22. Bojonegoro 23. Tuban 24. Lamongan 25. Gresik 26. Bangkalan 27. Sampang 28. Pamekasan 29. Sumenep 71. Kediri 72. Blitar 73. Malang 74. Probolinggo 75. Pasuruan 76. Mojokerto 77. Madiun 78. Surabaya 01. Pandeglang 02. Lebak 03. Tangerang (kab) 04. Serang 71. Tangerang (kod) 72. Cilegon 73.0 73.0 72.8 73.6 68.2 68.5 69.4 68.4 67.1 72.7 75.3 65.7 62.6 68.2 67.6 67.4 66.1 65.2 61.4 58.1 62.6 54.1 56.2 56.8 61.5 71.7 67.7 66.0 64.7 64.2 67.4 62.3 60.6 61.1 63.9 69.3 57.6 49.7 58.3 56.5 70.8 71.0 71.4 67.7 67.7 72.8 70.7 72.0 63.2 61.6 68.4 63.7 72.2 70.7

Miskin 14.1 14.2 12.3 7.1 9.9 13.3 25.1 19.8 25.9 16.7 14.5 25.0 20.8 29.6 18.1 18.6 19.9 19.1 22.3 18.7 17.4 25.8 23.7 25.0 22.5 13.2 20.2 25.2 27.6 26.1 17.2 26.7 28.3 30.4 29.7 23.7 34.7 41.8 34.9 31.1 16.0 12.8 9.4 23.3 16.8 12.4 11.4 8.4 15.1 16.2 7.0 9.8 4.4 6.4

IFS 41.5 37.7 43.7 29.0 34.8 45.1 72.3 53.7 82.5 43.5 38.6 86.4 79.9 83.0 70.9 72.1 58.3 61.6 79.7 61.3 66.6 75.4 73.4 77.2 48.5 30.0 68.6 61.8 76.4 59.5 75.8 75.7 76.8 79.5 81.7 49.0 82.6 85.3 84.5 82.6 42.2 48.7 33.3 48.2 37.6 39.7 41.9 30.4 80.5 81.1 34.5 66.6 25.7 42.6

UER 10.6 11.7 12.0 13.4 12.8 12.1 6.1 6.5 1.8 10.3 8.3 4.6 6.0 7.1 8.3 9.2 7.1 6.5 8.3 6.5 7.0 4.5 4.7 6.3 6.7 9.6 9.5 11.8 8.2 10.1 5.9 8.7 6.9 6.0 5.7 8.2 14.3 4.6 11.0 6.5 16.3 12.9 13.9 12.2 9.1 10.0 15.8 9.9 12.7 14.1 11.7 13.7 11.7 18.4

FOOD 54.1 51.8 49.3 48.4 57.3 58.3 58.1 55.0 62.1 45.1 46.4 65.1 60.2 62.5 59.4 57.2 61.8 59.5 65.0 62.4 59.7 68.1 65.9 65.0 63.6 57.2 62.1 64.0 64.5 65.5 59.3 65.8 66.1 66.5 65.6 53.0 70.2 75.1 67.9 68.9 56.5 54.8 45.1 59.8 58.3 54.3 55.6 51.3 73.3 70.8 51.9 64.6 52.6 57.3

P40 10.4 8.0 9.2 9.0 11.3 13.9 6.4 9.0 9.1 6.4 6.1 9.4 13.8 9.7 9.1 11.0 12.0 14.3 16.9 26.0 18.0 27.8 23.4 27.1 23.6 11.9 12.1 13.9 13.4 13.2 9.6 13.2 16.0 15.5 14.5 12.0 23.6 32.2 23.2 24.1 11.3 9.4 14.4 12.2 17.5 9.1 10.4 11.3 23.4 22.8 19.1 25.4 13.2 13.2

NoAir 14.6 34.7 11.4 12.7 52.1 10.7 23.7 42.3 34.0 42.4 43.3 36.6 33.3 38.5 35.2 39.9 40.1 36.4 34.7 46.5 52.8 58.0 58.2 42.9 52.7 24.0 41.8 42.2 32.4 41.1 11.9 31.8 32.8 41.1 33.4 35.9 27.8 29.6 37.1 40.2 42.4 55.2 38.2 40.7 17.7 41.6 25.7 1.8 46.1 65.2 51.5 68.3 54.8 37.4

NoFaskes 11.0 10.9 10.8 4.5 10.6 10.5 21.2 4.2 4.0 7.1 3.6 27.3 30.1 26.4 18.3 25.1 24.3 30.4 27.3 28.4 18.5 37.3 36.0 28.8 30.9 9.3 6.7 13.3 38.5 13.2 21.2 24.4 29.3 19.3 42.8 13.6 52.4 45.8 28.0 35.2 10.1 10.0 10.1 10.3 10.5 6.4 12.5 3.4 34.5 52.5 16.1 32.0 4.5 33.8

BLGizi 17.8 11.9 9.9 19.1 24.3 25.5 22.8 17.0 21.6 12.1 14.3 13.2 17.3 21.7 17.1 21.0 17.4 25.4 23.0 30.2 26.0 35.1 28.6 37.8 20.9 14.4 13.7 28.0 20.2 24.6 24.1 28.2 26.7 32.4 23.7 26.9 50.7 36.5 50.5 38.3 19.1 17.4 10.8 35.4 32.3 17.0 19.9 23.8 19.8 16.5 24.4 23.9 13.8 13.3

Tanah 5.9 6.4 7.9 6.6 8.8 4.9 31.0 12.3 35.6 7.1 1.3 39.0 43.8 33.9 24.4 20.0 19.3 20.0 10.2 22.4 24.6 42.3 45.2 37.7 17.6 3.7 23.6 20.5 38.3 42.6 19.6 68.0 71.8 61.6 48.8 20.5 32.5 67.7 48.4 16.6 3.5 4.8 2.3 5.0 6.4 4.1 4.8 2.7 15.2 6.7 11.7 12.4 1.6 15.5

NoToilet 4.6 1.0 3.6 2.4 16.7 7.4 6.3 16.1 2.7 14.4 1.6 4.6 25.8 28.0 14.0 20.8 18.9 10.4 44.1 47.8 53.1 70.2 69.2 64.2 44.7 23.0 37.8 34.6 23.9 26.2 24.3 30.8 48.9 55.9 25.0 4.7 14.6 54.4 35.2 46.8 1.6 11.5 5.5 31.4 27.6 12.0 4.4 2.6 55.0 56.2 18.2 45.5 3.6 13.0

Model 11.4 9.0 8.9 7.5 12.0 13.5 22.2 15.4 26.6 8.6 8.7 25.9 24.6 24.5 19.7 19.0 18.6 20.0 21.4 21.8 21.2 29.3 27.7 27.8 18.3 10.3 19.0 19.7 24.2 22.8 21.7 29.5 30.6 31.0 28.0 16.3 28.2 36.0 31.2 26.8 9.9 11.4 5.1 15.8 14.9 11.1 10.1 10.0 22.1 19.4 11.3 18.0 7.4 10.0

Sumber: BPS, Bappenas dan UNDP (2004), Laporan Pembangunan Manusia 2002.

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

23

Analisis Faktor-faktor Penyebab Kemiskinan – Puguh B Irawan (01.05.2005)

24

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->