Anda di halaman 1dari 13

1

ANALISIS HUBUNGAN INDEKS PEMBANGUNAN MANUSIA (IPM) DAN


PERTUMBUHAN EKONOMI TERHADAP JUMLAH KEMISKINAN DI WILAYAH
INDONESIA MENGGUNAKAN ANALISIS DATA PANEL
Alfazrin Banapon, Ocktavia Nurima Putri, Qolbiyatul Lina, Edy Widodo.
Statistika, Universitas Islam Indonesia, Yogyakarta, 16611081@students.uii

ABSTRAK
Kemiskinan adalah masalah yang kompleks yang masih sulit untuk dipecahkan di Indonesia,
selain itu kemiskinan adalah salah satu penolakan perkembangan kondisi sosial ekonomi dalam
menilai keberhasilan pembangunan yang dilaksanakan oleh pemerintah. Ada banyak masalah sosial
yang timbul dari peningkatan kemiskinan di Indonesia. Peningkatan kemiskinan di Indonesia dari
tahun ke tahun dipengaruhi oleh beberapa faktor, seperti Indeks Pembangunan Manusia (IPM) dan
pertumbuhan ekonomi. Selain faktor-faktor ini, masalah kemiskinan tidak terpisahkan dari waktu, oleh
sebab itu analisis ini tidak hanya menggunakan data cross section tetapi juga menggunakan data time
series periode 2010-2015 dengan menggunakan analisis data panel. Tujuan penelitian ini adalah untuk
mengetahui pengaruh IPM dan pertumbuhan ekonomi terhadap jumlah kemiskinan di Indonesia. Data
yang digunakan dalam penelitian ini adalah data sekunder yang Diperoleh dari Badan Pusat Statistik
(BPS) dan menggunakan metode analisis regresi data panel. Hasil penelitian menunjukkan bahwa IPM
memberikan pengaruh negatif dan signifikan sebesar -538922.3 pada kemiskinan dan pertumbuhan
ekonomi juga memberikan pengaruh negatif dan signifikan sebesar -10278.42 terhadap kemiskinan.

Kata Kunci : Data panel, model fixed effect, model random effect, dan uji hausman

ABSTRACT
Poverty is a complex issue that is still difficult to be solved in Indonesia, in addition to,
poverty is one of reject progression of social economic conditions in assessing the success of the
development carried out by government. there are much social problems arising from th increasing of
poverty in Indonesia. the increase in poverty in indonesia from year to year is affected by several
factors such as the human development index (HDI) and economic growth. In addition to these factors,
problem of poverty is inseparable from the time so in addition to this analysis using cross section data
but also using time series data 2010-2015 period using panel data analysis. This research to see how
big is the human development index (HDI) and economic growth affect poverty in Indonesia. the data
used in this research is secondary data obtained from the Central Bureau of statistics using the method
of regression analysis of the data panel. the results showed that Human Development Index (HDI)
provides negative influence and significant of -538922,3 on poverty and economic growth also give
negative and significant influence of -10278.42 on poverty.

Key Words: Panel data, fixed effect model, random effect model, and hausman test.
2

Pendahuluan akhirnya akan mengurangi jumlah


Kata kemiskinan hadir ketika penduduk miskin. Akibatnya, sasaran
seseorang tidak mampu memenuhi utama dalam pembangunan ekonomi
kebutuhan hidup yang menjadi standar lebih ditekankan pada usaha-usaha
dari kehidupan. Hall dan Midgley, pencapaian tingkat pertumbuhan
menyatakan kemiskinan dapat ekonomi yang tinggi. (Todaro dikutip
didefenisikan sebagai kondisi deprivasi dari Tambunan 2001)
materi dan sosial yang menyebabkan Paradigma yang berkembang
individu hidup di bawah standar akan pembangunan nasional selalu
kehidupan yang layak, atau kondisi di mengacu pada pertumbuhan ekonomi.
mana individu mengalami deprivasi Pertumbuhan ekonomi sering kali
relatif dibandingkan dengan individu dijadikan tolak ukur akan suksesnya
yang lainnya dalam masyarakat. pembangunan. Pada kenyataannya,
Pertumbuhan ekonomi dalam meskipun dampak dari pertumbuhan
suatu negara dianggap berhubungan erat ekonomi secara teoritis mampu
dengan kemiskinan. Hermanto S. dan mengurangi angka kemiskian, namun,
Dwi W. (2006) menyatakan bahwa pencapaian ekonomi yang tinggi belum
pertumbuhan ekonomi yang cepat sangat tentu menjadi cerminan dari tuntasnya
penting untuk menurunkan dan menekan masalah kemiskinan, khususnya pada
jumlah penduduk miskin. Yang mana negara-negara berkembang.
kemiskinan merupakan salah satu Kemiskinan di Indonesia ibarat
indikator keberhasilan pembangunan penyakit yang sukar untuk diobati.
suatu daerah. Hingga saat ini, permasalahan
Sampai akhir tahun 1960, para kemiskinan belum menemui titik terang
ahli ekonomi percaya bahwa cara terbaik maupun tanda-tanda akan berakhir. Pada
untuk mengejar keterbelakangan tahun 2010 hingga 2015, tingkat
ekonomi adalah dengan meningkatkan kemiskinan di Indonesia persentasenya
laju pertumbuhan ekonomi setinggi- terus mengalami penurunan walaupun
tingginya sehingga dapat melampaui tidak signifikan.
tingkat pertumbuhan penduduk. Dengan Tahun 2010, angka kemiskinan
cara tersebut, angka pendapatan per dari jumlah penduduk Indonesia adalah
kapita akan meningkat sehingga secara sebesar 13,33% atau 31,02 juta orang,
otomatis terjadi pula peningkatan tahun 2011 sebesar 12,49% atau 30,12
kemakmuran masyarakat dan pada juta orang, tahun 2012 sebesar 11,96%
3

atau 29,25 juta orang. Tahun 2013 Berdasarkan penelitian yang


sebesar 11,36% atau 28,17 juta orang dan dilakukan oleh M. Sri Wahyudi S. tahun
tahun 2014 angka kemiskinan sebesar 2010, perekonomian Indonesia belum
11,25% atau 28,28 juta orang, dan pada memberikan pengaruh yang signifikan
tahun 2015 adalah 11,13% yang setara terhadap pengurangan angka kemiskinan
dengan 28,51 juta penduduk. Hal tersebut dan variabel yang mempunyai pengaruh
menunjukan kegagalan pembangunan paling dominan terhadap besarnya
yang hanya bertumpu pada kemiskinan adalah IPM.
perekonomian. Menurut Badan Pusat Statistik
Sedangkan jika ditinjau dalam (2013), manusia merupakan kekayaan
kurun waktu 2010-2015, berdasarkan bangsa yang sesungguhnya. Sudah
data dari BPS, pertumbuhan ekonomi di sepantasnya apabila manusia menjadi
Indonesia terus melambat selama 5 tahun tujuan utama dalam pembangunan..
berturut-turut. Perserikatan Bangsa bangsa (PBB) telah
menetapkan suatu ukuran yang
7
6 menentukan standar pembangunan
5
4 manusia yaitu IPM atau Human
3
2
Development Index (HDI).
1
0
Menurut United Nations
2010 2011 2012 2013 2014 2015 Development Programme (UNDP),
Sumber: BPS
dalam IPM terdapat tiga indikator
Gambar 1. Pertumbuhan Ekonomi 2010-2015 komposit yang digunakan untuk
Dari kedua data tersebut dapat mengukur pencapaian rata-rata suatu
diketahui bahwa ditengah perlambatan negara dalam pembangunan manusia,
ekonomi pada saat itu, tingkat yaitu: lama hidup, yang diukur dengan
kemiskinan justru menurun. Menteri angka harapan hidup ketika lahir;
Keuangan Sri Mulyani mengakui bahwa pendidikan yang diukur berdasarkan rata-
pertumbuhan ekonomi tidak begitu rata lama bersekolah dan angka melek
mengurangi angka kemiskinan. Oleh huruf penduduk usia 15 tahun ke atas;
karena itu dibutuhkan suatu indikator standar hidup yang diukur dengan
yang lebih komprehensif, yang mampu pengeluaran perkapita yang telah
memotret tidak saja perkembangan disesuaikan menjadi paritas daya beli.
ekonomi akan tetapi juga perkembangan Konsep pembangunan manusia
dalam kualitas sumber daya manusia. yang dikembangkan oleh Perserikatan
4

Bangsa-Bangsa (PBB), menetapkan di tingkat 113 dari 188 negara di dunia.


peringkat kinerja pembangunan manusia IPM ini meningkat sekitar 30,5 persen
pada skala 0,0 100,0 dengan katagori dalam 25 tahun terakhir. Namun, di saat
sebagai berikut : yang bersamaan, UNDP melihat ada
1. Tinggi : IPM lebih dari 80,0 sejumlah indikator kesenjangan yang
2. Menengah Atas: IPM antara 66,0 bertolak belakang dengan peningkatan
79,9 IPM tersebut. Tingkat kemiskinan dan
3. Menengah Bawah : IPM antara 50,0 kelaparan berdasarkan catatan UNDP,
65,9 ada sekitar 140 juta orang Indonesia yang
4. Rendah : IPM kurang dari 50,0 hidup dengan biaya kurang dari Rp20
Adanya keterbelakangan, dan ribu per hari.
ketertinggalan SDM (yang tercermin oleh
70
rendahnya IPM), ketidaksempurnaan 69
2010
2011
pasar, dan kurangnya modal 68
2012
menyebabkan rendahnya produktifitas. 67
2013
66
2014
Rendahnya kualitas Sumber Daya 65 2015
Manusia (SDM) menyiratkan rendahnya Sumber: BPS

produktivitas kerja. Rendahnya


Gambar 2. Indeks Pembangunan Manusia (IPM)
produktivitas mengakibatkan rendahnya 2010-2015
pendapatan yang diterima. Kemudian, Tujuan Penulisan
rendahnya pendapatan akan berimplikasi Tujuan yang ingin dicapai dari
pada rendahnya tabungan dan investasi, penelitian ini adalah sebagai berikut :
sehingga akumulasi modal rendah dan 1. Mengetahui apakah pertumbuhan
berdampak pada terbatasnya lapangan ekonomi berpengaruh terhadap jumlah
kerja dan berarti meningkatnya jumlah kemiskinan di Indonesia
pengangguran. Jumlah pengangguran 2. Mengetahui apakah IPM berpengaruh
yang semakin meningkat menyebabkan terhadap jumlah kemiskinan di Indonesia.
bertambahnya jumlah penduduk miskin. 3. Melihat sebrapa besar variabel IPM
Dalam perkembangannya selama dan variabel pertumbuhan ekonomi
5 tahun terakhir dari tahun 2015 hingga mampu mempengaruhi kemiskinan di
2010, IPM di Indonesia terus mengalami Indonesia
peningkatan. Perkembangannya landai
namun stabil. UNDP mencatat, IPM
Indonesia 2015 sebesar 0,689 dan berada
5

Metode Penelitian/Penulisan kelebihan yang di peroleh dari


Model Regresi Data Panel penggunaan data panel sebagai berikut
Untuk memperkirakan Indeks (Gujarati, 2004) :
Pembangunan Manusia (IPM), dan 1. Data panel mampu menyediakan
pertumbuhan ekonomi terhadap lebih banyak data, sehingga dapat
kemiskinan di Indonesia digunakan alat memberikan informasi yang lebih
analisis regresi data panel. Data panel lengkap. Sehingga diperoleh
adalah data yang menggabungkan antara degree of freedom (df) yang lebih
data runtun waktu (time series) dan data besar sehingga estimasi yang
silang (cross section). Karena itu data dihasilkan lebih baik.
panel akan memiliki beberapa objek dan 2. Data panel mampu mengurangi
beberapa periode waktu. Data time series kolinieritas variabel.
adalah data yang terdiri dari satu objek 3. Dapat menguji dan membangun
namun teridiri dari beberapa waktu model perilaku yang lebih
periode, seperti harian, bulanan, kompleks.
triwulanan, dan tahunan. 4. Mampu menggambungkan
Data panel adalah data yang informasi dari data time series
merupakan hasil pengamatan pada dan cross section dapat mengatasi
beberapa individu atau (penampang unit) masalah yang timbul karena
yang diamati dari beberapa periode dari adanya masalah penghilangan
urutan waktu (unit waktu) (Baltagi, variabel (omitted variable).
2005). Menurut Jaya & Sunengsih 5. Data panel lebih mampu
(2009), analisis regresi data panel mendeteksi dan mengukur efek
didasarkan pada data panel untuk yang secara sederhana tidak
mengamati hubungan antara satu variabel mampu dilakukan oleh data time
(variabel dependen) dalam hal ini adalah series murni apapun cross section
Indeks Pembangunan Manusia dan murni.
pertumbuhan ekonomi dengan satu atau 6. Data panel dapat meminimalkan
lebih variabel bebas (variabel bias yang dihasilkan oleh agregat
independen) yaitu tingkat kemiskinan. individu, karena data yang
Metode data panel merupakan diobservasi lebih banyak.
suatu metode yang digunakan untuk Mengingat keutamaan data panel
melakukan analisis empirik dengan diatas, maka dalam penelitian ini
perilaku data yang lebih dinamis. Adapun digunakanlah data panel, dalam metode
6

estimasi model regresi dengan subjek lainnya digunakan variable


menggunakan data panel dapat dilakukan dummy (Kuncoro, 2012). Model ini
melalui tiga pendekatan, antara lain: sering disebut dengan model Least
1. Common Effect Model atau Pooled Square Dammy Variable (LSDV).
Least Square (PLS) Penggunaan yang tepat dari model ini
Merupakan pendekatan model untuk melihat perubahan perilaku data
data panel yang paling sederhana karena dari setiap variabel sehingga data yang
hanya mengkombinasikan data time lebih dinamis di untuk menafsirkan data.
series dan cross section. Pada model ini Pemilihan model antara umum efek dan
tidak diperhatikan dimensi waktu efek tetap dapat dilakukan dengan uji
maupun individu, sehingga diasumsikan chow, dengan melihat nilai probab F jika
bahwa perilaku data perusahaan sama < bernilai signifikan 5%, maka model
dalam berbagai kurun waktu. Metode ini yang layak untuk digunakan adalah
bisa menggunakan pendekatan Ordinary model tetap efek (Fixed Effect Model) .
Least Square (OLS) atau teknik kuadrat Persamaan regresinya adalah sebagai
terkecil untuk mengestimasi model data berikut :
panel. Adapun persamaan regresi dalam (2)
model comman effects dapat ditulis
dengan i = 1,2, , N dan t = 1,2, , T,
sebagai berikut:
dimana N adalah jumlah unit/individu cross
Yit X it it .(1)
section dan T adalah jumlah periode
waktunya.
dengan i menunjukan cross section
3. Random Effect Model
(individu) dan t menunjukan periode
Menurut Basuki (2014), random
waktunya. Dengan asumsi komponen
effects model (REM) adalah Efek spesifik
error dalam pengolahan kuadrat terkecil
dari masing-masing individu
biasa, proses estimasi secara terpisah
diperlakukan sebagai bagian dari
untuk setiap unit cross section dapat
komponen eror yang bersifat acak dan
dilakukan (Basuki, 2014).
tidak berkolerasi dengan variabel
2. Fixed Effect Model
penjelas yang teramati. Model ini sering
Model ini mengasumsikan bahwa
disebut juga dengan error component
terdapata efek yang berbeda antar
model (ECM) atau teknik Generalized
individu. Perbedaan itu dapat
Least Square (GLS). Hausman Test
diakomodasi melalui perbedaan pada
adalah pengujian statistik untuk memilih
intersepnya. Dalam membedakan satu
7

apakah model Fixed Effect atau Random dependent. Jika probabilitas variabel
Effect yang paling tepat digunakan independent < 0,05 artinya variabel
(Basuki, 2014). Hipotesis digunakan independent secara simultan (bersama-
dalam bentuk Hausman test adalah sama) berpengaruh terhadap variabel
sebagai berikut (Gujarati, 2012), dengan dependent.
melihat nilai P-value < dari nilai alpha
() yaitu 0.05 maka model yang Uji t
digunakan adalah fixed effect model. Uji t dilakukan untuk melihat signifikansi
Sebaliknya jika P-value > dari nilai alpha pengaruh variabel independent yakni
() 0.5 maka model yang layak IPM dan pertumbuhan ekonomi secara
digunakan adalah random effect model. individual atau parsial terhadap variabel
dependent dalam hal ini adalah
Uji F kemiskinan dengan mengganggap
Uji F dilakukan untuk mengetahui variabel independent lainnya adalah
apakah variabel-variabel independent konstan. Hipotesis yang digunakan pada
dalam hal ini IPM dan pertumbuhan penelitain ini adalah sebagai berikut
ekonomi secara keseluruhan berpengaruh (Basuki, 2014)
secara singnifikan terhadap variabel Pengambilan keputusan dalam uji
dependent. Apabila nilai F hitung lebih T dilakukan dengan membandingkan
besar dari nilai F tabel maka variabel- probabilitas variabel independent
variabel independent secara keseluruhan terhadap variabel dependent dengan nilai
berpengaruh terhadap variabel alpha () yang digunakan, dalam
ndependent (Basuki, 2014). penelitian ini penulis menggunakan
Pengambilan keputusan dalam uji alpha () 0,05.
F dilakukan dengan membandingkan Jika probabilitas variabel
probabilitas pengaruh variabel independent > 0,05, artinya variabel
independent secara simultan antara independent secara parsial (sendiri) tidak
variabel dependent dengan nilai alpha berpengaruh secara nyata terhadap
yang digunakan, dalam penelitian ini variabel dependen.
penulis menggunakan alpha () 0,05. Jika probabilitas variabel
Jika probabilitas variabel independent > independent < 0,05, artinya variabel
0,05, artinya variabel independent secara independent secara partial (sendiri)
simultan (bersama-sama) tidak berpengaruh secara nyata terhadap
berpengaruh terhadap variabel variabel dependent.
8

Uji Koefisien Determinasi (R2) Uji Kelayakan Model


Koefisien determinasi (R2) adalah Dalam regresi data panel sendiri,
untuk mengetahui seberapa besar terdapat beberapa uji yang harus
presentase sumbangan variabel dilakukan sebelum menentukan model
independent dalam hal ini Indeks mana yang layak digunakan untuk
Pembangunan Manusia (IPM) dan menginterpretasi hasil analisis.
pertumbuhan ekonomi terhadap variabel Uji Chow
dependent yaitu kemiskinan yang dapat Uji chow sendiri digunakan untuk
dinyatakan dalam presentase. Namun membandingkan hasil model common
tidak dapat dipungkiri ada kalanya dalam effect dengan fixed effect sekaligus
2
penggunaan koefisien determinasi (R ) menentukan model manakah yang layak
terjadi bias terhadap satu variabel untuk dipakai dan dilakukan uji
independent yang dimasukan dalam perbandingan selanjutnya dengan model
model (Basuki, 2014). random effect.
Tabel 1 Hasil Uji Chow
Pembahasan
Effects Statistic d.f. Prob.
Masalah kemiskinan adalah masalah
Test
yang kompleks, dimana masalah
Cross- 7.753141 32,62 0.0000
kemiskinan sendiri berhubungan erat
section F
dengan berbagai aspek, misal aspek Cross- 183.167336 32 0.0000
ekonomi, aspek sosial dan aspek budaya. section
Kemismkinan merupakan masalah Chi-square

kompleks yang dihadapai oleh hampir Berdasarkan hasil uji chow pada
diseluruh negara dibelahan dunia, tabel 1, nilai probablias pada bagian
termasuk Indonesia sebagai negara cross-section F yang dihasilkan dari uji
berkembang. chow ini adalah 0,0000 < 0,05 (tingkat
Untuk mengetahui bagaimana signifikansi), sehingga dapat disimpulkan
pengaruh variabel IPM dan pertumbuhan bahwa model yang layak digunakan
terhadap kemiskinan di Indonesia, perlu untuk mejenlaskan pengaruh variabel
dilakukan analisis agar dapat mengatahui IPM, dan pertumbuhan ekonomi terhadap
hasil dan mempu memberikan solusi kemiskinan adalah model fixed effect.
terhaap masalah kemiskinan yang Uji Hausman
dihadapi ini. Jika uji chow digunakan untuk
membandingkan antara model common
9

effect dan model fixed effect, maka uji Uji Signifikansi (Uji F)
hausman untuk membandingkan model Uji F ini dimaksudkan untuk
fixed effect dengan model random effect. melihat apakah ada pengaruh secara
Tabel 2 Uji Hausman bersama antara variabel IPM dan
pertumbuhan ekonomi terhadap
Test Chi-Sq. d.f. Prob.
kemiskinan di Indonesia atau tidak.
Summary Statistic
Berdasarkan hasil analisis yang diperoleh
Cross-section 30.542303 2 0.0000
pada gambar hasil model fixed effect
random
probabilitas dari F-statistics adalah
Berdasarkan hasil uji hausman
0.0000, nilai probabilitas lebih kecil atau
pada tabel 2 menjelaskan bahwa nilai
< tingkat signifikansi 0.005, yang berarti
probalitas pada cross-section random
menunjukkan bahwa adanya pengaruh
adalah 0,0000 < 0,05 (tingkat
secara bersama (simultan) antara variabel
signifikansi), hal ini dapat disimpulkan
IPM dan pertumbuhan ekonomi terhadap
bahwa model yang layak digunakan
kemiskinan di Indonesia.
untuk menjelaskan pengaruh variabel
Uji Parsial (Uji t)
IPM, dan pertumbuhan ekonomi terhadap
Uji t sendiri bertujuan untuk
kemiskinan adalah model fixed effect.
melihat berapa besar pangaruh setiap
Berdasarkan hasil analisis uji
variabel seperti IPM dan pertumbuhann
model, didaptkan model yang layak
ekonomi secara individu (secara parsial)
untuk mempresentasikan pengaruh
terhadap variabel kemiskinan. Berdarkan
variabel IPM pertumbuhan ekonomi,
pada tabel hasil model fixed effect
terhadap kemiskinan pada regresi data
diketahui bahwa variabel IPM
panel ini adalah model fixed effect.
mempunyai probabilitas 0,0000 yang hal
Dengan representasi sebagai berikut :
ini berarti nilai probabilitas < tingkat
Tabel 3 Model Fixed Effect
signifikansi 0,05, sehingga dapat
Variabel Koefesien Prob. disimpulkan bahwa IPM memberikan
C 37061868 0.0000 pengaruh terhadap kemiskinan di
X1 -538922.3 0.0000 Indonesia. Selanjuttnya dilihat secara
X2 -10278.42 0.0088 parsial atau individu dari variabel
Adjusted R-squared = 0.524255 pertumbuhan ekonomi, variabel
F-statistic = 7.384927 Prob(F- pertumbuhan ekonomi dengan
statistic) = 0.000000 probabilitas 0,0088 < 0,05, hal ini berarti
secara parsial juga pertumbuhan ekonomi
10

memberikan pengaruh terhadap Pembangunan Manusia (IPM) dengan


kemiskinan di Indonesia. Uji kemiskinan adalah berbanding terbalik.
Koefisiend Determinasi Hasil penelitian sesuai dengan penelitian
Coefficient of determination (R2) sebelumnya yang menyatakan bahwa

pada hakikatnya untuk mengukur menyatakan pembangunan manusia di

efektifitas model atau mengukur berapa Indonesia identik dengan pengurangan


persen variasi variabel kemiskinan yang kemiskinan. Investasi di bidang
bisa dijelaskan oleh seluruh variabel IPM pendidikan dan kesehatan akan lebih
dan variabel pertumbuhan ekonomi (Prof. berarti bagi penduduk miskin
Gudono, 2016). dibandingkan penduduk tidak miskin,
Pada tabel hasil model fixed effect karena bagi penduduk miskin aset utama
bisa dilihat bahwa nilai adjust R square adalah tenaga kasar mereka. Adanya
sebesar 0.524255. Hal ini berarti variabel fasilitas pendidikan dan kesehatan murah
IPM dan variabel pertumbuhan ekonomi akan sangat membantu untuk
mampu menjelaskan variabel kemsikinan meningkatkan produktivitas, dan pada
di Inodonesia sebesar 52,4%, dan sisanya akhirnya meningkatkan pendapatan
47,6% dijelaskan oleh variabel lain yang (SAPUTRA, 2011)
tidak masukkan dalam peneltian ini. Pengaruh pertumbuhan ekonomi atau
Interpretasi Hasil (X2) terhadap kemiskinan (Y) di
Y 37061868.2 538922.3X 1 10278.42X 2 Indonesia
Pengaruh Indeks Pembangunan Hubungan yang diperoleh dari
Manusia (IPM) atau (X1) terhadap analisis menggunakan fixed effect model
kemiskinan (Y) di Indonesia antara pertumbuhan ekonomi dengan
Berdasarkan hasil analisis, dapat kemiskinan juga memperoleh hasil yang
dijelaskan bahwa variabel IPM hampir sama dengan IPM, yakni
memberikan nilai negatif dan signifikan memberikan pengaruh negatif terhadap
sebesar -538922,3 terhadap kemiskinan kemiskinan di Indonesia periode 2010-
di Indonesia peridoe 2010-2015. Hal 2015 sebesar -10278,42 . Hal ini
ini berarti berarti setiap kenaikan 1% mengindikasikan bahwa setiap terjjdi
IPM maka kondisi kemiskinan di kenaikan 1% pada sektor pertumbuhan
Indonesia akan mengalami penurunan ekonomi di Indonesia, maka kemiskinan
sebesar 538.922 (dalam ribuan). Hal ini akan berkurang sebesar 10.278 (dalam
dikarenakan hubungan antara Indeks ribuan) di Indonesia. Hal ini disebabkan
karena hubungan atau korelasi antara
11

pertumbuhan ekonomi dengan 3. Variabel IPM dan pertumbuhan


kemiskinan berbanding terbalik. Sama ekonomi memberikan pengaruh
hal dengan penelitian sebelumnya yang terhadpa kemiskinan dan negatif. Hal
yang menyatakan bahwa pertembuhan ini berarti bahwa setiap kenaikan 1%
ekonomi memberikan pengaruh saja dar kedua variabel ini yakni IPM
terhhadap penurunan jumlah penduduk dan pertumbuhan mampu
miskin, namun bukan hanya mengurangi jumlah penduduk miskin
pertumbuhan ekonomi saja melainkan di Indonesia. Sehingga peningkatan
efek kebawah (tickle down effect) kualitas IPM dan meningkatnya
(Wahyuniarti, 2006) pertumbuhan ekonomi bukan suatu
Kesimpulan hal yang bertentangan, tetapi harus
Berdasarkan hasil analisis yang telah dilaksanakan secara simultan atau
dilakukan menggunakan analisis data bersama-sama, demi berkurangnya
panel periode 2010-2015 dengan metode penduduk miskin di Indonesia.
fixed effect :
1. Variabel IPM dan kemiskinan
Daftar Pustaka
AdhiI, S. W. (2011). Analisis
memberikan pengaruh secara Pengaruh Jumlah Penduduk
individu atau parsial dan juga secara PDRB, IPM, pengangguran
terhadap tingkat kemiskinan di
simultan atau bersama-sama terhadap Kabupaten/Kota Jawa Tengah.
kemiskinan di Indonesia, hal ini Semarang: Fakultas Ekonomi
Universitas Diponegoro.
berarti perlu adanya perhatian khusus Baltagi, B. H. (2005). Econometric
dari pemerintah untuk bagaimana Analysis Of Panel Data.
Chicester, England : John Wiley
meningkatkan kualitas IPM dan juga & Sons Ltd. Gujarati,
memperbaiki sektor ekonomi bangsa D. N. (2003). Basic
Econometrics. (translation of the
agar dapat meminimalisir masalah English Edition). Jakarta:
Erlangga.
kemiskinan yang masih saja
Prof. Gudono, P. C. (2016). Analisi
mengakar. di Indoensia. Data Multivariat . Yogyakarta:
BPFE-Yogyakarta.
2. Nilai adjust R square atau koefesien
Statistik, B. P. (2017). Retrieved from
korelasi dari variabel IPM dan BPS.go.id
pertumbuhan ekonomi adalah sebesar Wahyuniarti, H. S. (2006). Impact of
Economic Growth on The
52.4%. Hal ini berarti kemiskinan Reduction of Poor People. Bogor:
yang terjadi di Indonesia sudah cukup Institut Pertanian Bogor.

bisa dijelaskan oleh variabel IPM dan


pertumbuhan ekonomi.