Journal ilmu Sosial 3 (4): 190-196, 2007

ISSN 1549-3652
2007 Publikasi Ilmiah

Faktor Penentu Kemiskinan Rumah Tangga Perkotaan di Malaysia

T.Y. Mok, C. Gan dan A. Sanyal

Divisi perdagangan, P.O. Box 84, Lincoln University, Canterbury, Selandia Baru

Abstrak: Sejak kemerdekaan pada tahun 1950an Malaysia telah diakui sebagai salah satu negara
yang lebih sukses dalam memerangi kemiskinan: rasio jumlah kepala turun menjadi 5,7% pada
tahun 2004. Namun, proses urbanisasi cepat baru-baru ini telah menyebabkan peningkatan
kemiskinan perkotaan yang diperburuk lebih lanjut pada tahun 1997 Krisis keuangan Asia Penting
untuk memahami sifat dan skala urbanisasi, berbagai kekuatan pendorong yang mempengaruhi dan
faktor penentu kemiskinan kota terkait dengan proses ini. Penelitian kami mengidentifikasi faktor-
faktor penentu kemiskinan perkotaan di Malaysia dengan menggunakan regresi logistik. Sampel
dari 2.403 rumah tangga perkotaan dari Survei Pengeluaran Rumah Tangga 2004-05 (HES) telah
digunakan dalam penelitian ini. Kami pertama memperkirakan kemungkinan rumah tangga dengan
karakteristik tertentu berada di bawah garis kemiskinan resmi Malaysia. Kemudian kami
menganalisis sensitivitas probabilitas yang diperkirakan bergeser dari garis kemiskinan dalam
rentang yang wajar. Hasil penelitian menunjukkan bahwa sumber daya manusia secara signifikan
mengurangi kemungkinan menjadi miskin sementara pekerja migran lebih rentan terhadap
kemiskinan. Ukuran rumah tangga, ras dan daerah juga merupakan penentu penting hasil
kemiskinan di perkotaan Malaysia. Temuan tersebut memiliki implikasi kebijakan yang penting
bagi pemerintah Malaysia yang telah berjanji untuk mengurangi tingkat kemiskinan keseluruhan
menjadi 2,8% dan memberantas penyebab kemiskinan pada tahun 2010 berdasarkan Rencana
Malaysia yang Kesembilan.

Kata Kunci : Kemiskinan perkotaan, regresi logistik, analisis sensitivitas

PENDAHULUAN

Malaysia telah berhasil mengurangi angka kemiskinan dari 52,4-5,1% antara tahun 1970 dan
2002. Jumlah rumah tangga miskin turun dari 1,6 juta menjadi 267.000 selama periode ini [1]. Namun
tren ini semakin terganggu, tanpa disadari pada saat itu, oleh pertumbuhan ekonomi cepat dan urbanisasi
cepat di negara ini dari tahun 1990an. Populasi perkotaan membengkak dari 30% pada tahun 1960
menjadi 40% pada tahun 1980 dan menjadi 60% pada tahun 2000 [26] . Menurut United Nations
Population Division, 78% populasi negara akan menjadi urban di Indonesia 2030. Percepatan urbanisasi
telah disertai dengan meningkatnya kemiskinan perkotaan bersamaan dengan kepadatan, distribusi yang
tidak merata dari manfaat pembangunan dan perubahan dalam ekologi lingkungan perkotaan.

Saat ledakan ekonomi (akhir 1980an dan 1990an) berakhir dengan krisis keuangan Asia (1997),
negara ini mengalami kesulitan ekonomi, pengangguran tinggi dan ketidaksetaraan pendapatan yang
meningkat. Krisis 1997 berdampak buruk pada kaum miskin kota dan pekerja migran melalui kehilangan
pekerjaan, kenaikan harga pangan dan inflasi umum. Secara keseluruhan tingkat kemiskinan meningkat
dari 6,8% pada tahun 1997 menjadi 8,1% pada tahun 1999. Jumlah rumah tangga miskin meningkat
menjadi 393.900 pada tahun 1999 [19] . Tingkat pengangguran meningkat dari 2,6- 3,9% antara tahun 1996
dan 1998 karena jumlah pekerja yang PHK lebih dari dua kali lipat dari 8.000-19.000 antara

Sesuai dengan Penulis : C. Gan, divisi perdagangan, P.O. Box 84, Lincoln University, Canterbury, New Zealand
Tel: 64-3-325-2811 Fax: 64-3-325-3847
 J. Social Sci., 3 (4): 190-196, 2007

1996 dan 1997. Sebagian besar pekerja PHK berasal dari sektor manufaktur dan konstruksi, sehingga
mempengaruhi pekerja wanita, kaum miskin kota dan pekerja asing yang merupakan bagian besar
angkatan kerja di sektor ini [19] . Di negara secara keseluruhan, bagian pendapatan dari bawah 40% turun
dari 14,5-13,5% sementara 20% teratas meningkat dari 50-51,2% antara tahun 1990 dan
2004 [15]. Pemerintah sekarang menghadapi tantangan baru untuk mengurangi kesenjangan kekayaan dan
pendapatan antara dan di antara etnis dan wilayah dan khususnya di daerah perkotaan.

Mengingat perubahan waktu dan munculnya bentuk baru dari kemiskinan ada kebutuhan untuk
mengkaji kembali kemiskinan perkotaan di Malaysia. Studi ini mengidentifikasi faktor-faktor penentu
kemiskinan perkotaan di Semenanjung Malaysia, Sabah dan Sarawak. Penelitian serupa sebelumnya telah
dilakukan untuk menganalisis faktor-faktor penentu kemiskinan di rumah tangga yang dikepalai oleh
perempuan di sektor informal Semenanjung Malaysia [5] . Namun penelitian sebelumnya telah
menggunakan pendapatan untuk mengidentifikasi rumah tangga miskin. Kami memiliki dua masalah
dengan prosedur ini. Pertama, garis kemiskinan resmi di Malaysia adalah pengeluaran konsumsi. Data
kedua tentang pendapatan rumah tangga diketahui kurang dapat diandalkan dibandingkan data konsumsi
yang diperoleh dari survei pengeluaran rumah tangga. Penghasilan sering kurang dilaporkan dan
dipengaruhi oleh waktu pengumpulan data. Data pengeluaran tidak menarik pelaporan di bawah
pelaporan strategis dan dikumpulkan selama setahun, ini memperlancar fluktuasi kenaikan dan penurunan
tiap tahun.

Oleh karena itu, kami membandingkan pengeluaran konsumsi seseorang dengan garis kemiskinan
untuk menentukan status kemiskinannya. Ini sesuai dengan gagasan bahwa kemiskinan adalah
ketidakmampuan untuk mencapai jumlah konsumsi minimum yang kritis. Kami mempelajari pengaruh
modal manusia, wilayah tempat tinggal dan karakteristik rumah tangga lainnya terhadap kemiskinan
perkotaan dengan menggunakan tolok ukur ini

Model regresi berganda yang dulunya merupakan alat analisis utama dalam penelitian semacam
ini telah dikritik karena sejumlah kelemahan dan probabilitas biner atau logit telah diusulkan sebagai
alternatif dan banyak digunakan [2,4,7,10,12, 13,24,25]. Penelitian saat ini mengikuti metodologi ini dan kami
telah menggunakan model regresi logistik yang dijelaskan pada bagian selanjutnya.

Studi ini disusun sebagai berikut: Bagian 2 membahas hasil empiris. Kesimpulan dan
implikasinya dibahas di bagian 3.

BAHAN DAN METODE

Data: Data untuk penelitian ini dari Survei Pengeluaran Rumah Tangga (HES) yang dilakukan oleh
Departemen Statistik, Pemerintah Malaysia. HES terbaru tahun 2005 adalah sumber utama kami. Survei
ini termasuk daerah pedalaman dan pedesaan Semenanjung Malaysia, Sabah dan Sarawak kecuali daerah
pedalaman Sabah, Sarawak dan permukiman asli (Orang Asli). Ini menggunakan desain multi-tahap
bertingkat untuk memilih sampelnya dan pilihan ukurannya. HES catatan penjualan rumah tangga yang
komprehensif termasuk barang tahan lama, semi tahan lama dan layanan selama 12 bulan. Selain itu, ia
mencatat berbagai ciri rumah tangga. Dari survei ini, sampel dari 2.403 rumah tangga di udara untuk
seluruh wilayah Malaysia telah digunakan untuk penelitian kami.
 J. Social Sci., 3 (4): 190-196, 2007

Definisi wilayah yang sedang dalam tahap ini diadopsi dari Sensus Penduduk dan Perumahan
tahun 2000. Pemerintah Malaysia mendefinisikan kota sebagai kota semua area yang sudah dikukuhkan
dengan populasi 10.000 atau lebih.

Spesifikasi model: Kami menggunakan model regresi logistik binomial mengingat variabel dependennya
dikotomis: 0 bila rumah tangga berada di atas dan 1 bila berada di bawah garis kemiskinan. Variabel
prediktor adalah seperangkat indikator status sosial ekonomi dan demografi dan sumber daya manusia
dan hunian rumah tangga. Mereka mengandung variabel dikotomis dan kontinyu. Misalkan Pj
menunjukkan probabilitas bahwa rumah tangga ke-j berada di bawah garis kemiskinan. Kami berasumsi
bahwa Pj adalah variabel Bernouli dan distribusinya bergantung pada vektor prediktor X, sehingga:

+
Pj (x) = (1)
1+ +

Dimana, adalah vektor baris dan skalar. Fungsi logit yang akan di etimasikan kemudian ditulis sebagai:

Pj
In = 1Pj = + (2)

Variabel logit dalam {Pj / (1-Pj)} adalah log alami dari kemungkinan menguntungkan rumah
tangga yang jatuh di bawah garis kemiskinan. Persamaan 2 diestimasi dengan metode maximum
likelihood dan prosedurnya tidak memerlukan asumsi normalitas atau homoskedastisitas kesalahan dalam
variabel prediktor.

Variabel demografis:
Age_hh (-) = Usia kepala rumah tangga (dalam tahun) Sqage (+) = Usia kuadrat
Seks (+) = 1 jika rumah tangga adalah perempuan, 0 sebaliknya
Anak15 (+) = Jumlah anak di bawah 15 tahun
Madults (+) = Jumlah orang dewasa laki-laki dalam rumah tangga
Fadults (+) = Jumlah orang dewasa wanita di rumah tangga
Lansia (+) = Jumlah lansia (55 tahun)
Marital (+) = 1 jika kepala tidak menikah, 0 sebaliknya
Migran (+) = 1 jika rumah tangga adalah migran asing, 0 sebaliknya
Ras 1 = 1 jika rumah tangga itu Melayu, 0 sebaliknya
Ras 2 = 1 jika rumah tangga itu orang Cina, 0 sebaliknya
Ras 3 = 1 jika rumah tangga adalah orang India, 0 jika tidak
Status sosial ekonomi:
Industry_hh (+) = 1 jika industri adalah sektor sekunder,
0 sebaliknya
Status (+) = 1 jika rumah tangga tidak memiliki tempat tinggalnya; 0 sebaliknya

Variabel modal manusia:

Hi_fed (-) = Pendidikan formal tertinggi diperoleh kepala rumah tangga (dalam tahun)
 J. Social Sci., 3 (4): 190-196, 2007

Variabel wilayah:
Wilayah 1 = 1 jika wilayah Barat (termasuk Kelantan, Terengganu, Pahang), 0 sebaliknya
Wilayah 2 = 1 jika wilayah Utara (termasuk Kedah, Penang, Perak, Perlis), 0 sebaliknya
Wilayah 3 = 1 wilayah timur (termasuk Sabah, Sarawak, Labuan), 0 sebaliknya

= istilah mencegat

Kami pertama-tama memperkirakan model tersebut dengan menggunakan titik potong

pengeluaran yang sesuai dengan garis kemiskinan resmi di Indonesia: pengeluaran konsumsi per kapita
sebesar RM 155. Ini merupakan patokan. Kemudian kami telah mengizinkan beberapa variasi dari garis
dan mengolah kembali perkiraan logistik untuk mempelajari kekokohan kesimpulan kualitatif. Karena
kurangnya ketepatan dalam spesifikasi garis kemiskinan, analisis sensitivitas penting untuk memastikan
prediktor mana yang kuat dalam pergeseran garis yang wajar [12,23] . Tabel 3 melaporkan perbandingan
pada kisaran garis kemiskinan.

Hipotesis apriori ditunjukkan oleh (+) atau (-) pada spesifikasi di atas. Variabel usia
mengharapkan untuk memperhitungkan pengaruh pengalaman kerja sementara variabel kuadrat
mengharapkan untuk menangkap efek sebaliknya dari kemampuan menurun seiring bertambahnya usia.
Modal manusia diukur dengan tingkat pendidikan. Telah diidentifikasi dalam penelitian terdahulu sebagai
penentu penting kemiskinan rumah tangga. Perkawinan, Madults and Fadults tidak memberikan harapan a
priori yang tidak ambigu karena kepala keluarga atau keluarga yang lebih besar mungkin menghadapi
prospek beban ekstra serta penghasilan tambahan dan kemungkinan skala ekonomi. Tanda-tanda yang
diajukan terhadap mereka didasarkan pada hasil penelitian terdahulu. Variabel lomba mewakili tiga
balapan utama Malaysia.

Klasifikasi primer dan sekunder di sini tidak sesuai dengan arti standar kedua istilah tersebut.
Organisasi di sektor primer tergolong besar, beragam, padat modal dan menawarkan gaji dan kesempatan
yang lebih tinggi. Sebagai perbandingan, perusahaan di sekunder lebih kecil, padat karya dan
menawarkan gaji dan kesempatan yang lebih rendah untuk peningkatan karir [24] . Dipercaya bahwa
ceteris paribus seseorang yang dipekerjakan di sektor sekunder lebih cenderung berada dalam
kemiskinan. Status kepemilikan tempat tinggal termasuk karena memiliki aset akan menurunkan risiko
rumah tangga jatuh ke dalam kemiskinan. Ini bisa berfungsi sebagai tempat berlindung, sebagai jaminan
untuk pinjaman dan dijual pada masa-masa sulit dan membantu perataan laba dari waktu ke waktu [12] .
Variabel dummy telah digunakan untuk daerah, jenis kelamin, status perkawinan kepala rumah tangga,
migran asing, ras dan industri.

HASIL DAN DISKUSI

Tabel 1 menyajikan statistik deskriptif prediktor menurut kuartil pengeluaran. Ini menunjukkan
bahwa mean dari variabel hi_fed, perkawinan dan peningkatan Cina atas kuartil, sementara status,
anak15, orang gila, dewasa, orang tua, migran, Melayu, wilayah 1-3 jatuh dengan peningkatan
pengeluaran per kapita. Misalnya, lebih sedikit rumah tangga berpendidikan lebih tinggi berada dalam
kemiskinan daripada rumah tangga tidak berpendidikan. Distribusi ini memberi kita harapan apriori.
Selain itu, menurunnya jumlah anak-anak, dewasa pria, rumah tangga dewasa dan orang tua perempuan
 J. Social Sci., 3 (4): 190-196, 2007

dengan pengeluaran per kapita yang meningkat menunjukkan kemunculan keluarga inti di rumah tangga
berpendapatan lebih tinggi di wilayah perkotaan Malaysia.
Table 1: Mean dan standar deviasi pada prediktor kuartil pengeluaran
Variables 25th percentile or less 50th percentile or less 75th percentile or less Above 75th percentile
Age_hh 46.15 (11.78) 45.35 (12.59) 46.11 (12.84) 45.28 (12.97)
Sex 0.10 (0.299) 0.10 (0.29) 0.14 (0.35) 0.12 (0.32)
Marital 0.10 (0.30) 0.11 (0.32) 0.12 (0.33) 0.18 (0.38)
Hi_fed 5.10 (2.815) 6.41 (2.79) 6.82 (3.03) 8.09 (3.00)
Industry 0.33 (0.471) 0.31 (0.46) 0.31 (0.46) 0.36 (0.48)
Status 0.44 (0.497) 0.36 (0.48) 0.32 (0.47) 0.32 (0.47)
Child15 3.12 (1.88) 2.17 (1.60) 1.48 (1.29) 1.08 (1.29)
Madult 1.49 (1.07) 1.48 (1.31) 1.35 (0.97) 1.18 (0.86)
Fadult 1.56 (0.81) 1.50 (1.03) 1.43 (0.99) 1.28 (0.84)
Elderly 0.51 (0.77) 0.43 (0.70) 0.48 (0.78) 0.42 (0.75)
Migrant 0.06 (0.23) 0.01 (0.10) 0.02 (0.14) 0.01 (0.08)
Malays 0.58 (0.49) 0.58 (0.49) 0.5 (0.5) 0.43 (0.49)
Chinese 0.15 (0.36) 0.22 (0.41) 0.34 (0.47) 0.43 (0.49)
Indians 0.08 (0.27) 0.12 (0.33) 0.08 (0.27) 0.10 (0.29)
Region 1 0.15 (0.36) 0.11 (0.32) 0.08 (0.27) 0.04 (0.19)
Region 2 0.19 (0.39) 0.23 (0.42) 0.22 (0.42) 0.15 (0.36)
Region 3 0.25 (0.43) 0.14 (0.34) 0.13 (0.33) 0.12 (0.33)
Catatan: Mean adalah entri utama dan standar deviasi dalam kurung; Sumber: Dihitung dari data survei

Table 2: Logistic model (Poverty Line RM155)

Variables Estimated coefficient Marginal effect
Constant -1.09650 -
Age -0.10860 -0.001600
Sqage 0.00096 0.000014
Hi_fed * -0.31490 -0.004700
Sex 0.03590 0.000550
Child15 * 0.57330 0.008620
Madults * 0.40220 0.006050
Fadults * 0.26010 0.003910
Elderly 0.30870 0.004640
Status 0.03690 0.000560
Marital -0.97420 -0.011100
Industry -0.05710 -0.000850
Migrant * 1.42460 0.042800
Malays 0.20010 0.003000
Chinese * -1.23060 -0.015100
Indians -0.54640 -0.006600
Region 1 * 1.04690 0.023300
Region 2 0.41240 0.006900
Region 3 * 0.77090 0.013900
No. of observations 2,403.000000
LR statistic ( 2) 313.955000*
Degrees of freedom 18.000000
Log likelihood -342.904000
McFadden R2 0.314030
% Predicted right 94.800000%
Efek marjinal dievaluasi pada nilai mean dari variabel prediktor. Untuk variabel dummy, efek
Catatan :
marginal adalah P | 1-P | 0; *: Menunjukkan signifikan secara statistik pada tingkat signifikansi 5%

Faktor penentu kemiskinan perkotaan: Perkiraan regresi logistik ditunjukkan pada Tabel 2. Secara
umum, model logit melengkapi data dengan cukup baik. Uji chi-square sangat menolak hipotesis tidak
memiliki kekuatan penjelasan dan model tersebut dengan benar memprediksi 94,8% pengamatan.
Selanjutnya, Hi_fed, Child15, Madults, Fadults, Migrant, Region 1 dan Region 3 secara statistik
 J. Social Sci., 3 (4): 190-196, 2007

signifikan dan tanda-tanda pada perkiraan parameter mendukung harapan. Variabel Cina mendukung
pengamatan pada Tabel 1.

Hasil penelitian menunjukkan bahwa pendidikan merupakan penentu penting, yang mendukung
temuan penelitian terdahulu [9,12,21,23,24] . Wawasan tambahan dapat diperoleh melalui analisis efek
marjinal yang dihitung sebagai turunan parsial fungsi probabilitas non-linear, dievaluasi pada masing-
masing sampel sampel mean [11]. Misalnya, peningkatan satu tahun pendidikan formal setelah jumlah
rata-rata tahun sampel mengurangi probabilitas rumah tangga jatuh ke dalam kemiskinan sebesar 0,0047.
Hasilnya juga menunjukkan bahwa proporsi anak di bawah 15 tahun yang lebih tinggi, laki-laki dan laki-
laki dewasa di rumah tangga meningkatkan kemungkinan rumah tangga jatuh ke dalam kemiskinan.
Jumlah anak-anak umumnya ditemukan terkait dengan kemiskinan di sebagian besar penelitian yang
melintas di negara berkembang. Kedua, kedua jenis kelamin (hampir) sama-sama meningkatkan
probabilitas menjadi miskin sehingga mengindikasikan rendahnya tingkat diskriminasi gender di
Malaysia perkotaan. Ini bisa menjadi hasil dari pemerintah daerah yang memberikan bantuan penitipan
anak untuk mendorong perempuan bekerja dan bekerja dalam Organisasi Non-Pemerintah (LSM)
terhadap pemberdayaan perempuan.

Variabel migran menampilkan efek marjinal tertinggi, 4,3%. Ini mendukung harapan apriori
berdasarkan pengamatan bahwa sebagian besar migran tidak menerima tunjangan sosial dan tidak
dilindungi undang-undang ketenagakerjaan. Selain itu, temuan ini menguatkan pengamatan oleh [22]
bahwa pekerja asing di Malaysia berpenghasilan lebih rendah daripada rekan-rekan mereka di Malaysia.
Dengan demikian, keberadaan segmentasi pasar dan diskriminasi di pasar kerja telah meningkatkan risiko
pekerja asing jatuh ke dalam kemiskinan.

Khususnya, variabel Cina memiliki negatif dan koefisien signifikan Hal ini menunjukkan relatif
lebih tinggi kesempatan kerja dan bisnis untuk orang Cina dibandingkan dengan ras lainnya. Lim [14]
menemukan bahwa kejadian kemiskinan di tiga desa baru di China lebih rendah dibandingkan rata-rata
Semenanjung Malaysia. Dia percaya bahwa ini karena kemampuan mereka yang kuat untuk dapat
beradaptasi dengan baik terhadap perubahan lingkungan. Milanovic [17] menemukan bahwa penghasilan
disesuaikan dari orang Cina 25% lebih tinggi daripada orang-orang Melayu. Dengan demikian, diyakini
bahwa kemampuan beradaptasi dan pendapatan yang lebih tinggi oleh orang Cina memungkinkan mereka
untuk lolos dari kemiskinan.

Rumah tangga perkotaan yang tinggal di Wilayah 1 dan 3 berada pada risiko yang lebih tinggi
dibandingkan dengan daerah lain. Milanovic [17] menemukan bahwa Penang di Wilayah 2 dan wilayah
tengah menunjukkan pendapatan rata-rata tertinggi dan tingkat pertumbuhan antara tahun 1983 dan 1997
dibandingkan dengan daerah lain. Oleh karena itu, dengan pendapatan rata-rata yang rendah, kaum miskin
kota di Wilayah 1 dan 3 pasti akan menghadapi kesulitan, terutama dengan meningkatnya biaya hidup.

Berlawanan dengan ekspektasi, status industri berkorelasi negatif dengan kemiskinan meski
secara statistik tidak signifikan. Hal ini mungkin menunjukkan pentingnya kegiatan padat karya dalam
membantu pelarian yang relatif miskin dari kemiskinan absolut. Menariknya, hasilnya menunjukkan
bahwa memiliki rumah tidak secara signifikan mengurangi kemungkinan menjadi miskin dalam konteks
perkotaan Malaysia. Analisis lebih lanjut tentang status kepemilikan dan jenis perumahan diperlukan
untuk membangun kaitannya dengan kemiskinan. Tanpa informasi lebih lanjut dan data keterkaitan ini
 J. Social Sci., 3 (4): 190-196, 2007

tidak bisa diperiksa. Akhirnya, usia dan siklus hidup berpengaruh terhadap kemiskinan ditemukan secara
statistik tidak signifikan.

Analisis sensitivitas: Temuan di atas spesifik untuk garis kemiskinan patokan. Untuk menentukan
apakah mereka kuat, kita memperkirakan ulang regresi logistik dengan pergeseran garis kemiskinan yang
terbatas. Tabel 3 menunjukkan hasil untuk pergeseran 20% dari garis patokan RM 155.

Table 3: Perkiraan ulang dengan pergeseran garis kemiskinan 20%

Variables PL = RM 124 PL = RM 186
Constant -4.0468 -1.5841
Age 0.0988 -0.0568
Sqage 0.0009 0.0004
Hi_fed -0.3324* -0.2954*
Sex 0.3465 0.0335
Child15 0.7394* 0.6073*
Madults 0.3587* 0.3494 *
Fadults 0.1977 0.1672
Elderly 0.6722 0.4641*
Status 0.0169 0.1496
Marital -0.8629 -0.6367
Industry -0.0050 -0.1684
Migrant 2.7064* 1.2132*
Malays 0.7609 0.2184
Chinese -1.4841 -1.7436*
Indians 1.3333 -1.0789
Region 1 1.2836 1.0835*
Region 2 -28.5546 0.6135*
Region 3 1.4923* 0.8639*
2
LR statistic ( ) 195.3880 453.5390
*: Menunjukkan signifikan secara statistik pada tingkat signifikan 5%

Variables PL = 5% PL =10% PL=15% PL = 30%

atas atas atas atas
Constant -1.2769 -0.8010 -0.6879 -1.1086
Age -0.0876 -0.1147 -0.1043 -0.0342
Sqage 0.0007 0.0009 0.0008 0.00002
Hi_fed -0.3026* -0.3012* -0.3068* -0.3048*
Sex -0.0365 0.2335 0.1867 0.3419
Child15 0.6202* 0.6281* 0.6424* 0.5730*
Madults 0.3548* 0.3630* 0.3668* 0.2943*
Fadults 0.2708* 0.2701* 0.1954 0.2495*
Elderly 0.4478* 0.4349* 0.4437* 0.6786*
Status 0.2031 0.2769 0.1031 0.2393
Marital -0.7155 -0.8668* -0.7964 -0.9808*
Industry -0.0579 -0.0838 -0.1614 0.0007
Migrant 1.3751* 1.2520* 1.4004* 0.7500*
Malays 0.0840 0.2035 0.2722 -0.2467
Chinese -1.4021* -1.4649* -1.5830* -2.3203*
Indians -0.9208 -0.9716 -0.8163 -1.3912*
Region 1 1.0725* 1.1668* 1.1338* 1.1510*
Region 2 0.2748 0.4357 0.5191 0.6296*
Region 3 0.6310 0.8015* 0.7993* 0.7554*
LR statistic369.7140 399.4390 436.8960 540.0000
*: Menunjukkan signifikan secara statistik pada tingkat signifikan 5%

Tabel 3 menunjukkan pengaruh pendidikan terhadap kemiskinan yang dominan dan kuat. Ini
berarti pendidikan mengurangi kemungkinan rumah tangga menjadi miskin, terlepas dari garis
kemiskinan yang digunakan. Pengaruh variabel lain seperti jumlah anak-anak dan proporsi orang dewasa
laki-laki di rumah tangga, rumah tangga dan rumah tangga yang tinggal di luar negeri yang tinggal di
Wilayah 3 juga signifikan secara statistik dan kuat.
 J. Social Sci., 3 (4): 190-196, 2007

Namun, estimasi koefisien untuk Cina tidak signifikan pada garis kemiskinan -20% namun
signifikan di + 20% garis kemiskinan Temuan serupa ditemukan untuk estimasi koefisien Wilayah 1 yang
secara statistik signifikan hanya pada garis kemiskinan yang lebih tinggi.

Untuk kepekaan penyelidikan kami terhadap pergeseran garis kemiskinan ke atas lebih erat. Garis
kemiskinan resmi mengacu pada negara secara keseluruhan. Masuk akal untuk mengharapkan garis
kemiskinan yang lebih tinggi di daerah perkotaan daripada rata-rata nasional. Dengan pemikiran ini, kami
mencoba untuk memahami sensitivitas koefisien perkiraan terhadap pergeseran garis kemiskinan dalam
langkah-langkah kecil. Hasilnya ditunjukkan pada Tabel 4. Pengaruh pendidikan, jumlah anak, jumlah
orang dewasa laki-laki, rumah tangga yang dikepalai oleh migran asing, rumah tangga dan rumah tangga
Tionghoa yang tinggal di Wilayah 1 mengenai kemiskinan kuat dalam perubahan. Estimasi koefisien
Wilayah 3 secara statistik tidak signifikan dengan pergeseran 5% namun menjadi signifikan lagi untuk
peralihan lebih lanjut.

KESIMPULAN

Studi saat ini menunjukkan bahwa hubungan positif yang diamati secara umum antara pendapatan
dan pendidikan tinggi di Malaysia [6] Hasil ini mendukung penekanan kuat pemerintah Malaysia terhadap
pendidikan dan pelatihan dalam program pengentasan kemiskinan. Hasilnya lebih lanjut menunjukkan
bahwa keluarga yang lebih besar lebih rentan terhadap kemiskinan, mengingat bahwa anak berusia 15
tahun, Madults and Fadults semuanya berkorelasi signifikan dengan kemiskinan. Melihat komposisi
keluarga, rumah tangga dengan anggota lebih rendah di bawah 15 lebih rentan. Rumah tangga dan rumah
tangga yang tinggal di luar negeri yang tinggal di Wilayah 3 juga ditemukan lebih rentan untuk menjadi
miskin di daerah perkotaan.

Dimensi penempatan kemiskinan disorot oleh temuan bahwa mereka yang tinggal di Kawasan 1
dan 3 menghadapi risiko lebih tinggi menjadi miskin. Dari HES, ditemukan bahwa keadaan Sabah di
Wilayah 3 dan Terengganu di Wilayah 1 memiliki tingkat kemiskinan tertinggi. Sebagian besar
masyarakat miskin di negara bagian ini bekerja dalam konstruksi dan jumlah yang cukup besar dalam
perikanan (21% di Terengganu) dan manufaktur (23% di Sabah). Sangat penting bahwa pemerintah
melihat upah, kondisi kerja dan produktivitas dalam operasi ini.

Untuk kebijakan penting untuk dicatat bahwa probabilitas menjadi miskin berkorelasi negatif
dengan pekerjaan sektor sekunder. Sektor ini dicirikan oleh perusahaan kecil dan produksi padat karya.
Pemerintah daerah di Sabah di wilayah 3 dan Terengganu pada wilayah 1 dapat menawarkan insentif
untuk mendirikan usaha kecil / menengah dengan teknologi murah dan padat karya. Sebagai catatan yang
memperpanjang pinjaman pemerintah untuk sektor ini saja mungkin tidak cukup karena unit menghadapi
kendala organisasi dan pemasaran. Pemerintah harus memberikan dukungan konsultasi di tingkat
pertumbuhannya dan meningkatkan jangkauannya, mungkin dengan bantuan dari LSM

Karena kami melaporkan variabel migran memiliki kontribusi marjinal tertinggi terhadap risiko
kemiskinan. Kebijakan pemerintah terhadap pekerja migran harus dipikirkan secara serius. Ali [18] telah
menemukan masuknya pekerja asing terkait dengan pertumbuhan ekonomi Malaysia. Pertumbuhan yang
cepat telah menyebabkan arus masuk ilegal besar dari negara-negara tetangga seperti Indonesia, Thailand,
Vietnam dan Myanmar. Para pekerja ini lebih rentan terhadap downswings ekonomi. Tanpa dukungan
pemerintah, mereka dengan mudah jatuh ke dalam kemiskinan. Ali [18] memperkirakan kejadian
 J. Social Sci., 3 (4): 190-196, 2007

kemiskinan di antara pekerja migran pada 12,6, 17,5 dan 14,2% pada tahun 1995, 1997 dan
1999 masing-masing. Ukuran pekerja imigran besar (1,7 juta di tahun 2005) dan jika pemerintah mulai
mendeportasi mereka seperti yang diperkirakan saat ini, diperkirakan akan turun hanya menjadi 1,5 juta
pada tahun 2010 [15]. Dengan banyaknya jumlah yang dikeluarkan, pemerintah harus mengembangkan
kebijakan komprehensif mengenai pekerja migran. Jika pemerintah mencari alternatif untuk mengurangi
ketergantungannya pada pekerja asing, kesejahteraan pekerja asing harus ditangani untuk mengurangi
kemiskinan dan menimbulkan masalah sosial di daerah perkotaan. Tak pelak lagi, mengatasi masalah
sosial yang disebabkan oleh imigran membutuhkan sumber daya yang pada gilirannya membahayakan
upaya pengentasan kemiskinan pemerintah.

Masalah yang timbul dari ketergantungan negara terhadap pekerja migran untuk layanan rumah
tangga dapat ditangani sebagian oleh pelatihan perempuan lokal untuk sektor ini. Memperhatikan bahwa
langkah-langkah kesejahteraan yang signifikan sudah ada untuk penduduk lokal, mendorong penduduk
lokal untuk bekerja di layanan rumah tangga dapat memiliki dampak yang signifikan terhadap kemiskinan
secara keseluruhan. Rasio partisipasi tenaga kerja perempuan tinggi dan terus meningkat: 46% di tahun
2006 [15]. Dari survei HES, 77 dan 48% perempuan di Wilayah 1 dan 3 masing-masing bergerak di
sektor sekunder. Pelayanan domestik perkotaan memberi pekerjaan yang stabil dan upah yang lebih baik
daripada pekerjaan sektor sekunder ini. Keengganan rumah tangga untuk bergerak di seluruh negeri harus
diatasi dengan insentif yang tepat.

Hasil kami juga menunjukkan bahwa lansia perkotaan (diatas usia pensiun) menghadapi risiko
lebih besar menjadi miskin. Estimasi koefisien secara statistik signifikan untuk garis kemiskinan di atas
RM 155. Populasi penuaan rentan terhadap tekanan di banyak negara berkembang dan Malaysia tidak
terkecuali. Harapan hidup yang lebih lama (70 tahun sekarang) ditambah dengan meningkatnya biaya
medis dan dukungan sosial yang tidak memadai menyebabkan peningkatan kemungkinan jatuh ke dalam
kemiskinan. Dukungan sosial untuk pensiun adalah kebutuhan menangis di Malaysia. Menurut laporan
tahunan Employee Provident Fund (EPF) PT 2005, 90% pekerja memiliki kurang dari RM 100.000
memberikan kontribusi terhadap penghematan EPF, yang tidak mencukupi untuk melihatnya sampai 20
tahun setelah pensiun. Diperkirakan lebih lanjut bahwa kurang dari 5% orang siap secara finansial untuk
pensiun. Selain itu, hanya 40% orang Malaysia yang memiliki asuransi jiwa untuk mengamankan diri
mereka sendiri [8]. Angka-angka ini diharapkan secara signifikan lebih rendah untuk rumah tangga yang
dekat dengan garis kemiskinan. Pemerintah harus meninjau secara serius kebijakan pensiunan pensiun
dan usia tua nasional dan mendorong generasi muda untuk menabung untuk masa pensiun.

Meskipun masyarakat Malaysia secara keseluruhan bergerak ke keluarga yang lebih kecil, namun
ada banyak tanggungan di rumah tangga miskin di daerah perkotaan dengan biaya tinggi. Pemerintah
harus mengidentifikasi rumah tangga perkotaan dengan proporsi anak yang tinggi untuk memberi mereka
subsidi pendidikan atau keringanan pajak. Saat ini RM 1.000 keringanan pajak per anak diberikan untuk
orang dewasa yang sudah menikah untuk anak-anak mereka di bawah usia 18 tahun. Dengan
meningkatnya biaya hidup di daerah perkotaan, jumlah ini mungkin tidak cukup bagi mereka untuk
memenuhi kebutuhan dasar mereka.

Ketika negara tersebut mendekati ulang tahun kesepuluhnya dari krisis keuangan Asia, yang
menandai satu dekade yang telah melihat kemiskinan perkotaan terus meningkat, penting bagi pemerintah
untuk memahami penyebab kemiskinan kota untuk campur tangan di dalamnya. Penelitian ini bertujuan
 J. Social Sci., 3 (4): 190-196, 2007

untuk memberikan beberapa wawasan kepada pembuat kebijakan yang mengusulkan untuk mengurangi
tingkat kemiskinan keseluruhan menjadi 2,8% dan memberantas inti dari kemiskinan pada tahun 2010
berdasarkan Rencana Malaysia yang Kesembilan.

REFERENSI

1. Ahmad, N., 2005. Peran pemerintah dalam pengentasan kemiskinan. Prosiding Seminar
Nasional Pemberantasan Kemiskinan melalui Pemberdayaan, 23 Agustus, Kuala Lumpur.
2. Alderman, H. dan M. Garcia, 1993. Kemiskinan, Ketahanan Pangan dan Gizi Rumah
Tangga di Pedesaan Pakistan. Laporan Penelitian 1996, Washington DC., IFPRI.
http://ideas.repec.org/p/fpr/resrep/96.html
3. Ariffin, J., 1994. Kemiskinan: Dasar Konseptual, Tren dan Pola di Malaysia. A In:
Literature Review, J. Ariffin (Ed.). Kemiskinan di Tengah Banyak, Publikasi Pelanduk,
Kuala Lumpur, hlm: 1-24.
4. Bardhan, P.K., 1984. Tanah, Perburuhan dan Pedesaan Kemiskinan. Oxford University
Press, Delhi, ISBN: 10: 0231053886.
5. Berma, M. dan F. Shahadan, 1994. Kemiskinan, Status Rumah Tangga dan Perempuan
dalam Informal Sektor: Analisis Struktural. Dalam: Kemiskinan di Tengah
Banyak, Ariffin, J. (Ed.). Publikasi Pelanduk, Kuala Lumpur, hal.: 207-227.
6. Chung, T.P., 2004. Tingkat pengembalian pendidikan dari waktu ke waktu: Pandangan
Malaysia, 1984-1997. Prosiding Konferensi Internasional Keempat tentang Studi
Malaysia, 3-5 Agustus, Universitas Kebangsaan Malaysia, Bangi.
7. Coulombe, H. dan A. McKay, 1996. Pemodelan penentu kemiskinan di Mauritania.
Dunia Mengembangkan., 24: 1015-1031. http:// ideas.repec. org/a/eee/wdevel/
v24y1996i6p1015-1031.html
8. Menghitung pada sarang telur, 2007. Bintang. Diakses pada 27-27 Mei 2007, dari
http://www.thestar.com.my
9. Datt, G. dan D. Jolliffe, 2005. Kemiskinan di Mesir: Pemodelan dan simulasi kebijakan.
Econ. Mengembangkan. Perubahan Budaya, 53: 327-346. http://ideas.repec.org
/a/ucp/ecdecc/y2005v53i2p327-46.html
10. Gaiha, R., 1988. Mengukur Risiko Kemiskinan di India Pedesaan. Dalam: Kemiskinan
Pedesaan di Asia Selatan, Srinivasan, T.N. dan P. Bardhan (Eds.). Columbia University
Press, New York.
11. Greene, W.H., 1990. Analisis Ekonometrika. Macmillan Publishing Co., New York.
12. Grootaert, C., 1997. Faktor Penentu Kemiskinan di cote d'ivoire di tahun 1980an. J. Afr.
Econ.,6:169-196.http://jae.oxfordjournals.org/cgi/content/abstract/6/2/169
13. Lanjouw, P. dan N. Stern, 1991. Kemiskinan di Palanpur. Bank Dunia Econ. Wahyu 5:
23-55. http://eprints.lse.ac.uk/4128/
14. Lim, H.F., 1994. Strategi Ekonomi Kemiskinan dan Rumah Tangga di Desa Baru
Malaysia. Publikasi Pelanduk, Petaling Jaya, ISBN: 10:9679784967, hlm: 250.
15. Malaysia, 2006. Rencana Malaysia Kesembilan, 2006-2010. Printer Pemerintah,
Putrajaya. http://www.epu.gov.my/rm9/english/Index.pdf
16. Malaysia, 2006. Laporan Survei Pengeluaran Rumah Tangga Malaysia 2004/05.
Departemen Statistik, Malaysia. http://www.statistics.gov.my/eng/index.php?option=com
_content & view = article & id = 307: laporan-pengeluaran rumah tangga-survei-200405
& catid = 47: laporan-pada-rumah tangga-pengeluaran-survei- & Itemid = 1
 J. Social Sci., 3 (4): 190-196, 2007

17. Milanovic, B., 2001. Ketidaksetaraan dan Determinan Produktif di Malaysia, Forum Asia
dan Pasifik mengenai Kemiskinan: Kebijakan dan Lembaga Reformasi untuk
Pengurangan Kemiskinan, Asian Development Bank, Feb. 5-9, Manila.
http://www.adb.org/Poverty/Forum/pdf/Milanovic1.pdf
18. Ali, M.N., 2004. Pekerja asing dan kemiskinan di Malaysia. Prosiding Konferensi Studi
Malaysia Internasional ke-4, 3-5 Agustus,Universitas Kebangsaan Malaysia, Bangi.
19. Nair, S., 2005. Penyebab dan konsekuensi kemiskinan di Malaysia. Prosiding Seminar
Nasional Pemberantasan Kemiskinan melalui Pemberdayaan, 23 Agustus, Kuala Lumpur.
20. Rakodi, C., 1995. Garis kemiskinan atau strategi rumah tangga ?: Kajian isu konseptual
dalam studi kemiskinan perkotaan. Habitat Int., 19: 407-426. DOI: 10.1016 / 0197-3975
(95) 00037-G
21. Rodriguez, A.G. dan S.M. Smith, 1994. A. perbandingan determinan kemiskinan
perkotaan, pedesaan dan pertanian di Kosta Rika. Dunia Mengembangkan.,22: 381-397.
http://ideas.repec.org/a/eee/wdevel/v22y1994i3p38
1-397.html
22. Ruppert, E., 1999. Mengelola Tenaga Kerja Asing di Singapura dan Malaysia: Adakah
pelajaran untuk Negara-negara GCC? Bank Dunia, Kertas Kerja Riset Kebijakan WPS
2053, Washington. http://papers.ssrn.com/sol3/papers.cfm?abstract_id= 597250
23. Serumaga-Zake, P. dan W. Naude, 2002. Penentu kemiskinan pedesaan dan perkotaan di
provinsi North West, Afrika Selatan. Mengembangkan. Afrika Selatan, 19: 561-572.
DOI: 10.1080 / 0376835022000019392
24. Thompson, A. dan D.R. McDowell, 1994. Penentu kemiskinan di kalangan pekerja di
daerah metro dan nonmetro di Selatan. Rev. Black Political Econ., 22: 159-177. DOI:
10.1007 / BF02689985
25. Bank Dunia, 2005. Pengantar Kemiskinan Analisis. Washington DC.
26. Bank Dunia, 2007. Asia Timur 10 Tahun Setelah Krisis keuangan. Washington DC.