Anda di halaman 1dari 14

Hari, Tanggal Seminar : Kamis, 26 Juli 2018

Ruang/Sesi/ Pukul Seminar : R. 251/ 4/ 13.45-14.45 WIB

Simulasi Dampak Subsidi BBM Terhadap Kemiskinan di


Indonesia Melalui Sistem Persamaan Simultan

Yunanda Angelia Sinurat1, Vera Lisna2


1
IVSE7/14.8439

e-mail: *114.8439@stis.ac.id, 2veralisna@bps.go.id

Abstrak
Perserikatan Bangsa-Bangsa (PBB) dalam Sustainable Development Goals (SDGs)
bertujuan untuk mengakhiri kemiskinan. Pengentasan kemiskinan diupayakan melalui
pengurangan beban pengeluaran di satu sisi dan peningkatan pendapatan penduduk miskin di
sisi lainnya. Subsidi mengurangi beban pengeluaran penduduk miskin khususnya untuk
kebutuhan dasar seperti BBM yang merupakan komoditas yang memiliki peranan penting pada
hampir semua aktivitas ekonomi. Kebutuhan BBM juga meningkat seiring dengan pertumbuhan
transportasi, industri dan kenaikan jumlah kendaraan bermotor. Data deret waktu tahun 1978
hingga 2017 memfokuskan pada kajian perkembangan subsidi BBM terhadap persentase
penduduk miskin di Indonesia. Metode analisis yang digunakan adalah sistem persamaan
simultan yang terdiri dari 4 persamaan struktural yaitu total subsidi, konsumsi rumah tangga,
PDB dan kemiskinan. Berdasarkan data historis tahun 2009 hingga 2017, pemerintah hanya
akan meningkatkan subsidi BBM dalam rentang 10 hingga 90 persen, dengan rata-rata 55
persen. Hasil simulasi menunjukkan naiknya subsidi BBM sebesar 60 persen per tahun selama
periode simulasi memberi dampak terhadap peningkatan total subsidi, konsumsi rumah tangga
dan PDB serta penurunan kemiskinan. Kesimpulannya, target angka kemiskinan dibawah 10
persen dalam RKP tahun 2017 tercapai apabila subsidi BBM di-shock sebesar 60 persen.

Kata kunci—kemiskinan, subsidi BBM, persamaan simultan

Abstract
United Nations (UN) in Sustainable Development Goals (SDGs) aims to end poverty.
Poverty alleviation is pursued through reducing the burden of spending on the one hand and
increasing the income of the poor on the other. Subsidies are present to reduce the burden of
expenditure on the poor especially on basic needs such as fuel oil, which as a commodity that
plays an important role in almost all economic activities. Fuel demand also increases along the
growth of transportation, industry and increasing number of vehicles. Time series data from
1978 to 2017 focused on the study of the development of fuel subsidies on the percentage of the
poor in Indonesia. The analytical method used is a simultaneous equation model consisting of 4
structural equations, namely total subsidies, household consumption, GDP and poverty. Based
on historical data from 2009 to 2017, the government will only increase fuel subsidies in the
range of 10 to 90 percent, with an average increase in fuel subsidies by 55 percent. The
simulation results show that the increase in fuel subsidies by 60 percent per year during the
simulation period has an impact on the increase in total subsidies, household consumption and
GDP and a decrease in poverty. In conclusion, the target of the poverty rate below 10 percent
in the RKP 2017 is reached if the fuel subsidy is shocked by 60 percent.

Keywords—poverty, fuel subsidies, simultaneous equation

1
◼ ISSN: 1978-1520

1. PENDAHULUAN

Subsidi adalah kontribusi keuangan yang dilakukan pemerintah kepada perusahaan atau
rumah tangga untuk memberikan manfaat tertentu sehingga dapat memproduksi atau
mengkonsumsi suatu produk dalam kuantitas yang lebih besar atau pada harga yang lebih murah
(Spenser dan Amos, 1993). Pemerintah dapat memberikan subsidi dalam bentuk uang, ataupun
harga barang, misalnya subsidi Bahan Bakar Minyak (BBM). Subsidi BBM memiliki
eksternalitas negatif seperti menciptakan inefisiensi, tidak tepat sasaran karena dinikmati oleh
masyarakat yang tak berhak sehingga menimbulkan distorsi dalam perekonomian. Besaran
subsidi BBM yang telah diberikan pemerintah sejak tahun anggaran 1977/1978 cenderung
berfluktuasi. Berdasarkan Nota Keuangan Kemenkeu 2009, nilai tukar rupiah terhadap dolar,
harga minyak, serta konsumsi BBM menjadi faktor penentu besarnya subsidi yang diberikan
setiap tahun.
Perjuangan melawan kemiskinan yang merupakan tujuan setiap negara membutuhkan
strategi kebijakan yang tepat. Bahkan Perserikatan Bangsa-Bangsa (PBB) dalam Sustainable
Development Goals (SDGs) bertujuan untuk mengakhiri kemiskinan. Pada tahun 2010 dan 2011
nilai kemiskinan sebesar 13,33 persen dan 12,49 persen, angka ini berada dalam target
kemiskinan. Sementara itu, di tahun berikutnya, 2012 hingga tahun 2017 angka realisasi selalu
tidak mencapai target yang telah ditetapkan. Menurut Bappenas (2017), pemerintah harus kerja
keras sebab masalah kemiskinan bukanlah masalah yang mudah diselesaikan, apalagi
pemerintah harus mewujudkan target Rencana Pembangunan Jangka Menengah (RPJMN)
tentang kemiskinan sebesar 7%-6%.

Tabel 1. Target dan realisasi persentase kemiskinan dalam


Rencana Kerja Pemerintah (RKP) tahunan
Tahun Target Realisasi
(1) (2) (3)
2010 12,00-13,50 13,33
2011 11,50-12,50 12,49
2012 10,50-11,50 11,96
2013 9,50-10,50 11,37
2014 8,00-10,00 11,25
2015 9,50-10,50 11,22
2016 9,50-10,50 10,70
2017 9,00-10,00 10,12
Sumber: Bappenas

Todaro (2000) beranggapan bahwa PDB tidak hanya sebagai kemampuan suatu negara
dalam mengatasi masalah kemiskinan melainkan juga tujuan pembangunan. Sehingga,
kebijakan yang diambil oleh pemerintah harus menciptakan situasi dan kondisi yang mampu
membuat beberapa komponen yang diyakini dapat menjadi motor penggerak bagi peningkatan
PDB. Nilai PDB secara umum selalu meningkat setiap tahun. Perkembangan laju pertumbuhan
ekonomi tahun 2010-2017 cukup baik karena selalu berada diatas 5 persen per tahun. Angka
kemiskinan Indonesia tergolong masih besar meskipun pertumbuhan ekonomi mengalami
kenaikan. Apabila dicermati, pertumbuhan ekonomi tersebut diindikasikan sebagai pertumbuhan
yang semu, sebab kemiskinan di Indonesia belum menunjukkan tanda-tanda menghilang.
Persoalan sesungguhnya adalah penyaluran subsidi yang sasarannya tidak merata
terhadap penduduk yang berhak menerima subsidi dan dianggap belum menyentuh masyarakat
yang berpendapatan rendah. Padahal, pemberian subsidi khususnya BBM ditujukan kepada
masyarakat yang kemampuan ekonominya rendah agar dapat meningkatkan kesejahteraan. Hasil
penelitian Kemenkeu menyebutkan bahwa subsidi ternyata lebih dinikmati oleh kelompok

2
IJCCS ISSN: 1978-1520

rumah tangga lebih kaya karena masih bersifat non-targeted. Dua puluh persen rumah tangga
terkaya menikmati 40 persen subsidi yang dikucurkan pemerintah. Ironisnya 20 persen rumah
tangga termiskin itu menikmati subsidi BBM kurang dari 10 persen (Kemenkeu, 2008).
Penelitian Hasan, Sugema, dan Ritonga (2005) berdasarkan data Susenas 2004 memberi
kesimpulan bahwa pelaksanaan program kompensasi BBM dengan efektifitas yang mengikuti
kenaikan harga BBM pada masyarakat kurang mampu, ternyata tidak menurunkan tingkat
kemiskinan. Sehingga muncul pertanyaan, apakah pemberian subsidi BBM sejak tahun
anggaran 1977/1978 telah mampu membuat angka kemiskinan sesuai target yang ditetapkan
berdasarkan data historis (penelitian). Berdasarkan uraian yang telah dijelaskan diatas,
penelitian ini akan memfokuskan pada simulasi dampak subsidi BBM terhadap kemiskinan di
Indonesia.

2. METODOLOGI

2.1 Cakupan Penelitian

Data deret waktu tahunan, tahun 1978 sampai 2017 digunakan pada penelitian ini,
memfokuskan pada kajian perkembangan subsidi BBM terhadap persentase penduduk miskin di
Indonesia. Variabel kemiskinan adalah keadaan dimana terjadi ketidakmampuan memenuhi
kebutuhan dasar baik makanan maupun nonmakanan diukur dari sisi pengeluaran ekonomi.
Selain untuk mengetahui pengaruhnya terhadap kemiskinan dalam sistem, simulasi pengeluaran
subsidi melalui BBM dilakukan untuk mengetahuinya perubahannya terhadap variabel endogen
lainnya yaitu total subsidi, konsumsi rumah tangga, dan PDB.

2.2 Metode Pengumpulan Data

Data yang digunakan dalam penelitian ini merupakan data sekunder tahun 1978 hingga
2017. Data kurs dan subsidi yang terdiri BBM dan non BBM diperoleh dari Kementerian
Keuangan. Data konsumsi rumah tangga, PDB, kemiskinan, PMTB, inflasi, ketimpangan
diperoleh dari Badan Pusat Statistik (BPS). Keseluruhan data keuangan diubah menjadi data riil
dengan membagi data keuangan dengan indeks harga konsumen (IHK) tahun dasar 2010. Data
PDB, PMTB, dan konsumsi rumah tangga diubah menjadi ADHK 2010.

2.3 Metode Analisis

Analisis yang digunakan dalam penelitian ini adalah analisis deskriptif dan analisis
inferensia. Pengolahan data menggunakan beberapa piranti lunak untuk keperluan analisis
diantaranya Eviews 8, serta SAS OnDemand for Academics. Analisis deskriptif dalam penelitian
ini digunakan untuk mengetahui gambaran mengenai setiap variabel dalam penelitian selama
periode analisis. Sementara itu, analisis inferensia yang digunakan adalah model persamaan
simultan dimulai dengan spesifikasi model, identifikasi, estimasi parameter, pengujian
simultanitas, validasi dan selanjutnya melakukan simulasi. Jika ada masalah dalam tahapan
tersebut maka dilakukan spesifikasi ulang atau respesifikasi

• Spesifikasi model

Spesifikasi model merupakan tahap pertama dalam analisis sistem persamaan simultan.
Spesifikasi model dalam penelitian ini didasari oleh teori-teori ekonomi dan kajian empiris atau
penelitian terkait dan dinyatakan dalam persamaan-persamaan struktural dan persamaan
identitas sebagai berikut:
Persamaan Struktural:
(1)

3
◼ ISSN: 1978-1520

(2)
(3)
(4)

Keterangan:
: Total subsidi
: Konsumsi rumah tangga ADHK 2010 (triliun rupiah)
: Produk domestik bruto ADHK 2010 (triliun rupiah)
: Persentase penduduk miskin (persen)
: Nilai tukar rupiah terhadap dolar (rupiah/dolar)
: Subsidi bahan bakar minyak (BBM) (triliun rupiah)
: Pembentukan modal tetap bruto ADHK 2010 (triliun rupiah)
: Koefisien gini
: Inflasi (persen)
: Error term model ke-i

• Identifikasi Model

Identifikasi model persamaan simultan dalam penelitian ini yaitu pengecekan order
condition dan rank condition untuk persamaan struktural (1), (2), (3), dan (4) yang mengacu
pada tahapan yang dilakukan Gujarati (2008). Kesimpulan yang dapat diambil dari pengecekan
masalah identifikasi berdasarakan order condition dan rank condition adalah:

Tabel 2. Kesimpulan identifikasi (penelitian)


Persamaan K-k>m-1 Rank Identifikasi
(1) (2) (3) (4)
Total Subsidi 3>1 3 Overidentified
Konsumsi ruta 5>1 3 Overidentified
PDB 4>1 3 Overidentified
Kemiskinan 3>1 3 Overidentified

• Pengujian Simultanitas

Pengujian simultanitas dapat dilakukan dengan Hausman Spesification Test yang


merupakan tahapan untuk menentukan ada atau tidaknya masalah simultanitas dalam model.
Ketika tidak ada masalah simultanitas, maka metode OLS akan menghasilkan estimator yang
konsisten dan efisien. Namun, ketika terdapat masalah simultanitas maka metode Ordinary
Least Square (OLS) akan menghasilkan estimator yang tidak konsisten (Pindyck, 1991). Berikut
merupakan hasil pengujian dengan Hausman Spesification Test.

Tabel 3. Hasil Hausman Spesification Test


Efficient under H0 Consistent under H1 DF Statistic Pr > ChiSq
(1) (2) (3) (4) (5)
OLS 2SLS 9 18,96 0,0256

Berdasarkan pengujian di atas, keputusan yang diambil adalah tolak H 0 karena p-value sebesar
0,0256 lebih kecil dari tingkat signifikansi lima persen. Dengan demikian, dapat disimpulkan
bahwa terdapat masalah simultanitas dalam sistem persamaan simultan pada penelitian ini.
4
IJCCS ISSN: 1978-1520

Sehingga estimasi 2SLS tepat digunakan untuk menggantikan metode OLS dalam hal estimasi
parameter dalam model persamaan simultan ini.

3. HASIL DAN PEMBAHASAN

Pembahasan terhadap hasil penelitian dan pengujian yang diperoleh disajikan dalam bentuk
uraian teoritik, baik secara kualitatif maupun kuantitatif. Hasil olah data secara deskriptif
ditampilkan dalam bentuk grafik ataupun tabel.

3.1 Analisis Deskriptif

Gambaran Umum Subsidi Indonesia Tahun 1978-2017

Subsidi BBM diberikan pemerintah kepada masyarakat melalui Pertamina penyedia


BBM dengan maksud untuk mengendalikan harga jual BBM di dalam negeri. BBM sebagai
komoditas penting dan kebutuhan dasar diperlukan oleh masyarakat sebagai penunjang berbagai
kegiatan pokok sehari-hari. Subsidi BBM telah berikan sejak tahun anggaran 1977/1978. Tujuh
jenis BBM yang disubsidi yaitu premium, avtur, diesel, minyak tanah, minyak bakar, avgas, dan
solar (Kemenkeu, 1979). Seiring perkembangannya, pada saat ini, BBM bersubsidi hanya
diberikan pada barang tertentu, yaitu minyak tanah (kerosene) untuk rumah tangga, minyak
solar (gas oil), dan LPG tabung 3 kg. Berikut grafik subsidi BBM dan non BBM.

Gambar 1. Subsidi BBM dan non BBM di Indonesia tahun 1978-2017

Secara umum, subsidi pada periode penelitian cenderung berfluktuatif. Total subsidi
pada tahun 1978 hingga 1996 tergolong stabil dengan fluktuasi yang tak terlalu besar, dengan
rata-rata 1,17 triliun rupiah. Nilai tertinggi sebesar 3,57 triliun rupiah pada tahun 1991 dan
terendah pada tahun 1978 sebesar 0,10 triliun rupiah. Pada tahun 1998, subsidi menjadi 20,41
triliun rupiah. Angka ini tumbuh 13 kali lipat dari total subsidi pada tahun sebelumnya sebagai
dampak melemahnya nilai tukar rupiah akibat krisis keuangan Asia. Subsidi tersebut bertujuan
memperbaiki perekonomian Indonesia yang sedang memburuk.
Pasca krisis keuangan 1998, pengeluaran total subsidi di Indonesia tetap berfluktuatif
dengan tren naik hingga tahun 2014. Tahun 2001 akibat kenaikan harga minyak dunia menjadi
392.513,57 rupiah per barel dan kenaikan konsumsi, subsidi mengalami kenaikan, dan turun
kembali pada tahun berikutnya menjadi 40 triliun rupiah.

5
◼ ISSN: 1978-1520

Pada RAPBN 2014 subsidi disebutkan sebagai alokasi anggaran belanja paling besar
adalah sebesar 27,33 persen, diikuti belanja pegawai sebesar 22,49 persen. Pengeluaran total
subsidi sebesar 403,04 triliun rupiah juga didorong oleh kenaikan subsidi listrik sebesar 45,50
persen dibandingkan tahun sebelumnya. Angka tersebut merupakan angka tertinggi setelah
krisis keuangan. Hal itu disebabkan perubahan nilai tukar, perubahan bayaran energi (fuel mix)
dan perubahan anggaran dalam subsidi pajak.
Pada tahun berikutnya pengeluaran subsidi baik BBM atau non BBM terus turun.
Penurunan tersebut disebabkan penurunan harga minyak dunia pada pemerintahan Jokowi,
penyesuaian nilai tukar dan reformasi program pemberian subsidi. Total subsidi pada tahun
2017 sebesar 168,88 triliun rupiah yang terdiri dari 44,49 triliun rupiah subsidi BBM dan 124,39
triliun rupiah subsidi non BBM.

Gambaran Umum Kemiskinan Indonesia Tahun 1978-2017

Keberhasilan Indonesia mengurangi angka kemiskinan dan melakukan pembangunan


ekonomi menempatkan Indonesia menjadi salah satu macan Asia (World Bank, 1993).
Sayangnya, pada pertengahan tahun 1997 terjadi krisis yang dipicu oleh kejatuhan mata uang
Thailand (Bath). Tanpa diduga, krisis moneter yang sulit dikendalikan oleh pemerintah
mengakibatkan program anti kemiskinan yang selama ini diprakarsai oleh pemerintahan Orde
Baru tidak terurus dengan baik. Pada tahun 1996 hingga 1998, persentase kemiskinan
mengalami kenaikan berturut-turut yaitu 11,30 persen, 17,47 persen dan 24,2 persen akibat
krisis.

Gambar 2. Persentase penduduk miskin Indonesia tahun 1978-2017

Berdasarkan gambar 2 dapat dilihat bahwa persentase penduduk miskin di Indonesia


fluktuatif. Sejak Orde Baru, upaya pemerintah dalam mengatasi kemiskinan sudah dilakukan.
Hasilnya, selama akhir Repelita II hingga Repelita V (1978-1996), tingkat kemiskinan di
Indonesia menurun dari 33,3 persen menjadi 11,3 persen. Keberhasilan bangsa Indonesia dalam
menurunkan angka kemiskinan tak lepas dari program pembangunan ekonomi yang dilakukan.
Berbagai program penanggulangan kemiskinan oleh pemerintah yang telah menurunkan
jumlah penduduk miskin selama periode 1999–2005. Pada tahun 2005, jumlah penduduk miskin
di Indonesia tercatat sebanyak 35,10 juta orang (15,97 persen). Kenaikan harga BBM menjadi
salah satu pemicu naiknya jumlah penduduk miskin menjadi 39,30 juta jiwa (17,75 persen) pada
tahun 2006. Meningkatnya pertumbuhan ekonomi dan stabilnya inflasi, membaiknya indikator
kemiskinan juga terkait dengan berbagai program sosial pemerintah yang diluncurkan untuk
membantu masyarakat miskin, termasuk bantuan yang terkait dengan bencana alam hingga
dapat menurunkan persentase penduduk miskin menjadi 10,12 pada tahun 2017.

6
IJCCS ISSN: 1978-1520

3.2 Analisis Inferensia


• Hasil Evaluasi Model

Tabel 4. Hasil evaluasi model


Endogen Adj R2 F-value Prob
(1) (2) (3) (4)
LNSUBS 0,8041 54,34 < 0,0001
KONS 0,9961 4940,45 < 0,0001
PDB 0,9984 12443,10 < 0,0001
KMISK 0,8825 98,66 < 0,0001

Hasil pengujian F-statistik (uji F) diperoleh p-value yang nilainya sangat kecil pada
keempat persamaan. Sehingga dapat disimpulkan pada masing-masing persamaan minimal ada
satu variabel bebas yang berpengaruh secara signifikan terhadap total subsidi, konsumsi rumah
tangga, PDB, dan kemiskinan dengan taraf uji sebesar lima persen. Berdasarkan tabel, nilai adj
R2 pada persamaan subsidi sebesar 0,8041 artinya 80,41% keragaman pada variabel terikat
mampu dijelaskan oleh variabel bebas, sisanya dijelaskan oleh variabel lain yang tidak dicakup
dalam penelitian. Pada persamaan kemiskinan, 88,25% keragaman variabel independen mampu
dijelaskan oleh variabel bebas, sisanya sebesar 11,75% dijelaskan oleh variabel lain.

• Estimasi Model Persamaan Simultan

= (5)
= (6)
= (7)
= (8)
Keterangan: **Signifikansi pada taraf nyata 5 persen; *taraf nyata 10 persen

Persamaan diatas menunjukkan bahwa semua variabel dependen baik PDB, kurs
maupun inflasi memiliki pengaruh positif terhadap subsidi. Peningkatan seribu triliun rupiah
PDB di Indonesia akan meningkatkan subsidi BBM dan non BBM sebesar 0,0189 persen
dengan asumsi variabel lainnya konstan. Kenaikan kurs seribu rupiah akan meningkatkan total
subsidi sebesar 0,052 persen serta kenaikan inflasi sebesar 1 persen akan meningkatkan total
subsidi sebesar 0,0166 persen dengan asumsi variabel lainnya konstan. Kenaikan harga
menyebabkan daya beli masyarakat turun, untuk meningkatkan daya beli masyarakat,
pemerintah meningkat subsidi yang diberikan kepada masyarakat. Arah hubungan ini sesuai
dengan hipotesis yang diharapkan.
Persamaan (8) menunjukkan bahwa variabel PDB berpengaruh negatif terhadap
persentase penduduk miskin, sedangkan variabel gini dan inflasi berpengaruh positif.
Peningkatan seratus triliun PDB di Indonesia akan menurunkan persentase penduduk miskin
sebesar 0,38 persen. Artinya pertumbuhan ekonomi merupakan salah satu faktor dalam
menurunkan kemiskinan. Kemiskinan seringkali dikaitkan dengan isu kesenjangan (inequality)
pendapatan. Sehingga pada penelitian ini, kenaikan 0,1 poin ketimpangan akan meningkatkan
9,61 persen penduduk miskin. Demikian halnya inflasi yang memberi hubungan positif terhadap
kemiskinan. Kenaikan inflasi sebesar 1 persen akan meningkatkan kemiskinan sebesar 0,10
persen.

• Uji Asumsi Klasik

Residual dari estimasi persamaan simultan pada hasil pengujian asumsi klasik
menunjukkan bahwa persamaan telah memenuhi asumsi normalitas dan homogenitas. Hal ini
didasari oleh hasil uji Shapiro-Wilk dan White Test yang keduanya menghasilkan probability
7
◼ ISSN: 1978-1520

nilai statistik uji yang lebih besar dari 0,05. Uji multikolinearitas yang dilakukan pada tiap
persamaan menunjukkan bahwa sistem persamaan terbebas dari masalah multikolinearitas karena
nilai VIF yang lebih kecil dari 5.

Tabel 5. Hasil Pengujian Asumsi Klasik


Persaman Shapiro- Wilk White Test Maks VIF Persaman
(1) (2) (4) (5) (1)
Total Subsidi 0,4147 0,5750 1,6273 Subsidi
Konsumsi Konsumsi rumah
0,4325 0,8566 2,3641
rumah tangga tangga
PDB 0,3002 0,2540 2,4382 PDB
Kemiskinan 0,5749 0,0538 2,4523 Kemiskinan

• Uji Validasi

Nilai RMSPE menunjukkan model dapat digunakan untuk dasar proyeksi kedepan dan
valid, hal ini terlihat dari nilai RMSPE seluruh persamaan yang kurang dari 20 persen.
Kesimpulannya, dengan tingkat kesalahan 3,41 persen pada persamaan PDB, prediksi yang
diperoleh akan mengikuti kecenderungan pada data historisnya.
Uji validasi yang dilakukan menunjukkan nilai Coef-U dari ketiga persamaan yang ada
mendekati nilai yang diharapkan, artinya apabila dilakukan simulasi akan mengikuti nilai aktual
datanya dengan baik. Pada keempat persamaan struktural, nilai Coef-U sangat kecil (<0,05).
Selanjutnya, komponen U-Theil juga mendekati nilai idealnya sesuai dengan yang diharapkan.
Hasil validasi menunjukkan UM mendekati nol. Sehingga dapat disimpulkan model persamaan
simultan yang telah dispesifikasikan dapat dikatakan valid. Sistem persamaan simultan dapat
digunakan pada simulasi dengan berbagai skenario berdasarkan ukuran-ukuran yang digunakan
pada uji validasi. Hasil pengujian validasi periode 2009-2017 dapat dilihat sebagai berikut:

Tabel 6. Ringkasan hasil validasi


Endogen RMSPE U-Theil
UM US UC Coef-U
(1) (2) (3) (4) (5)
Total Subsidi 11,7775 0,07 0,73 0,16 0,0599
Konsumsi rumah
5,7209 0,01 0,04 0,95 0,0284
tangga
PDB 3,4111 0,05 0,04 0,90 0,0163
Kemiskinan 19,9102 0,00 0,81 0,18 0,0833

• Simulasi

Tabel 7. Ringkasan hasil simulasi tahun 2009-2017


Variabel Nilai Nilai Nilai Satuan Nilai
No. Skenario
Endogen Dasar Simulasi Perubahan Peubahan
(1) (2) (3) (4) (5) (6) (7)
LNSUBS 5,0255 6,0169 0,1973 Persen
Subsidi KONS 3982,0 4142,1 0,0402 Persen
1 BBM naik
55 persen PDB 7158,7 7331,2 0,0241 Persen
KMISK 13,6206 12,9719 -0,6487 Persen poin
LNSUBS 5,0255 6,1070 0,2152 Persen poin
Subsidi KONS 3982,0 4156,7 0,0439 Persen
2 BBM naik
60 persen PDB 7158,7 7346,9 0,0263 Persen
KMISK 13,6206 12,9130 -0,7076 Persen poin

8
IJCCS ISSN: 1978-1520

Kebijakan fiskal diarahkan untuk dapat menangani beberapa tantangan pembangunan,


yang mencakup upaya pengurangan kemiskinan. Penyusunan asumsi dasar ekonomi makro
dalam kebijakan fiskal mengacu pada perkembangan dan prospek ekonomi domestik maupun
global. Berdasarkan Nota Keuangan, perubahan besaran pemberian subsidi BBM yang
diberikan pemerintah disusun berdasarkan harga minyak mentah Indonesia (Indonesia Crude
Price/ICP), kurs rupiah, volume konsumsi BBM akibat peningkatan jumlah kendaraan
bermotor, dan berkaitan dengan langkah-langkah pengaturan BBM bersubsidi serta tingginya
disparitas harga antara BBM subsidi dengan BBM non subsidi.
Pada sistem persamaan simultan, simulasi historis dapat dilakukan dalam rentang
periode penelitian yaitu tahun 1978 hingga 2017. Pada penelitian, simulasi dilakukan dengan
meng-cut off periode penelitian menjadi tahun 2009 hingga 2017. Tahun 2009 hingga 2017
dipilih agar terhindar dari periode krisis baik ekonomi maupun global dan perubahan kondisi
ekonomi akibat perubahan pemerintahan, sehingga hasil simulasi lebih akurat. Berdasarkan data
historis tahun 2009 hingga 2017 pemerintah hanya akan meningkatkan subsidi BBM secara riil
dalam range 10 hingga 90 persen, dengan rata-rata kenaikan subsidi BBM selama tahun
simulasi sebesar 55 persen. Sehingga, simulasi pertama dilakukan kenaikan subsidi BBM
sebesar 55 persen sebagai rata-rata kenaikan subsidi BBM yang diberikan pemerintah.
Berdasarkan tabel diketahui akibat penerapan kebijakan kenaikan subsidi BBM sebesar
55 persen mengakibatkan perubahan pada total subsidi. Peningkatan subsidi BBM berpengaruh
positif terhadap total subsidi sehingga total subsidi naik sebesar 0,9914 persen per tahun.
Subsidi BBM yang merupakan bagian dari total subsidi yang diberikan pemerintah berubah naik
dari 5,0255 persen menjadi 6,0169 persen.
Kenaikan subsidi BBM juga memberi dampak terhadap variabel konsumsi rumah
tangga. Variabel endogen ini berubah dari 3.982 triliun rupiah menjadi 4.142,1 triliun rupiah.
Sehingga, perubahan konsumsi rumah tangga sebesar 0,0402 persen. Sejalan dengan
meningkatnya konsumsi rumah tangga, angka PDB meningkat 0,0241 persen. Konsumsi rumah
tangga yang merupakan salah satu komponen PDB berdasarkan pengeluaran memberi pengaruh
positif terhadap PDB.
Dalam Rencana Kerja Pemerintah (RKP) tahunan, tahun 2017, pemerintah menargetkan
angka kemiskinan dibawah 10 persen. Pada tahun 2009 diketahui persentase penduduk miskin
sebesar 14,15 persen, sedangkan pada tahun 2017, angka kemiskinan di Indonesia sebesar 10,12
persen. Skenario kedua yang dilakukan mampu menurunkan kemiskinan sebesar 0,7076 persen
poin setiap tahun sejak periode 2009 hingga 2017. Berdasarkan simulasi angka kemiskinan pada
tahun 2017 akan mencapai 9,99 persen, apabila subsidi BBM dinaikkan 60 persen setiap tahun
selama periode simulasi. Sehingga kesimpulannya, dengan menaikkan subsidi BBM sebesar 60
persen, target angka kemiskinan akan tercapai. Namun, target pertumbuhan ekonomi
pemerintah pada tahun 2017 tetap tidak tercapai meski dengan skenario simulasi kedua.

4. KESIMPULAN

Berdasarkan hasil dan pembahasan yang diperoleh, maka dapat disimpulkan sebagai
berikut:
1. Hasil penelitian menunjukkan terdapat hubungan simultan antara total subsidi, konsumsi
rumah tangga, PDB, dan kemiskinan.
2. Sebelum krisis tahun 1998, subsidi cenderung meningkat. Setelah krisis, subsidi bergerak
fluktuatif. Persentase penduduk miskin sebelum krisis cenderung turun. Pada periode krisis
naik, namun setelah krisis bergerak fluktuatif dengan tren turun.
3. Secara parsial pada persamaan total subsidi, variabel PDB, kurs, dan BBM memiliki
hubungan signifikan positif. Total subsidi dan PDB memberi pengaruh positif terhadap
konsumsi rumah tangga. Konsumsi rumah tangga dan PMTB yang merupakan komponen
PDB berpengaruh signifikan positif terhadap PDB. Sedangkan pada persamaan terakhir,

9
◼ ISSN: 1978-1520

PDB berpengaruh negatif terhadap kemiskinan, namun ketimpangan dan inflasi memberi
pengaruh positif.
4. Pada simulasi pertama, kenaikan subsidi BBM sebesar 55 persen yang merupakan rata-rata
kenaikan subsidi BBM yang diberikan pemerintah selama periode simulasi belum mampu
menurunkan angka kemiskinan sesuai target pemerintah. Simulasi pertama hanya mampu
menurunkan angka kemiskinan hingga 11,35 persen. Skenario kenaikan subsidi BBM
minimal sebesar 60 persen yang mampu menurunkan angka kemiskinan sesuai yang
ditargetkan pemerintah yaitu dibawah 10 persen.

DAFTAR PUSTAKA

Badan Pusat Statistik. (2015). Statistik 70 Tahun Indonesia Merdeka. Jakarta: BPS.
Baltagi, Badi H. (2005). Econometric Analysis of Panel Data (3rd Edition). New York: John.
Bank Indonesia. (1978). Nota Keuangan Beserta Anggaran Pendapatan dan Belanja Negara
Perubahan. Jakarta: Kemenkeu.
Chander, Parkash. (2001). Subsidy Reforms And Poverty Alleviation. IMF
Chani, dkk. (2011). Poverty, Inflation and Economic Growth: Empirical Evidence From
Pakistan. World Applied Sciences Journal, 14(7), 1058-1063.
Garnaut, R., dan McLeod, R. H. (1998). East Asia in Crisis: From Being a Miracle to Nedding
One ?. London and New York: Routledge.
Gujarati, D. (2003). Basic Econometrics. Fourth Edition. New York: Mc Graw Hill.
Handoko, R. dan P. Patriadi. 2005. Evaluasi Kebijakan Subsidi NonBBM. Kajian Ekonomi dan
Keuangan, 9(4): 42–64.
Hasan, M.F., I. Sugema, dan H. Ritonga. 2005. Menganalisa Dampak Kenaikan BBM terhadap
Kemiskinan dengan Data Susenas 2004. Agro-Ekonomika, 35(1): 1-14.
Kakwani, N. C., Khandker, S., dan Son, H. H. (2004). Pro-Poor Growth: Concepts and
Measurement with Country Case Studies. Working Paper, 1(1), 1-1.
Karim, dkk. (2011). Fixed Investment, Household Consumption, And Economic Growth: A
SVECM Study Of Malaysia. International Journal of Business and Society, 13(1), 63-
76.
Koutsoyiannis, A. (1977). Theory of Econometrics (2nd ed). Hong Kong: Macmillan.
Mankiw, N.G. 2003. Teori Makroekonomi. Terjemahan. Edisi Kelima. Jakarta:Erlangga.
Neter, J., Kutner, M. H., Nachtsheim, C. J., dan Wasserman, W. (1996). Applied Linear
Statistical Models. Chicago: Irwin Company Inc. Chicago U.S.A.
Nugroho, Hanggono. (2010). Dampak Kebijakan Subsidi Harga Bahan Bakar Minyak Terhadap
Kinerja Perekonomian Dan Kemiskinan Di Indonesia. Bogor: Institut Pertanian Bogor.
Pamugar, Haris. (2017). Pemeriksaan Subsidi Bahan Bakar Minyak (BBM) Untuk
Kesejahteraan Rakyat. Jakarta: Badan Pemeriksa Keuangan
Pararto, Sri. (2012). Dampak Kebijakan Subsidi Bahan Bakar Minyak Terhadap Perekonomian
Dan Kemiskinan Di Indonesia. Bogor: Institut Pertanian Bogor.
Pindyck, R. d. (1991). Econometric Model and Econometric Forecast. Singapura: Mc Graw Hill
International Edition.
Sabatelli, L. (2013). A Model Using Household Income And Household Consumption Data To
Estimate The Cost And The Effectiveness Of Subsidies: A Modelling Study Using
Cross-Sectional Survey Data. The Lancet Journals, 5(381), 128-140.
Todaro, M.P. (2011). Pembangunan Ekonomi Edisi Kesebelas. Jakarta: Erlangga.

10
IJCCS ISSN: 1978-1520

LAMPIRAN

Output uji simultanitas


The MODEL Procedure

Hausman's Specification Test Results


Efficient under H0 Consistent under H1 DF Statistic Pr > ChiSq
OLS 2SLS 9 18.96 0.0256

Estimasi parameter persamaan total subsidi

The SYSLIN Procedure


Two-Stage Least Squares Estimation

Model LNSUBS
Dependent Variable LNSUBS
Label Total Subsidi
Analysis of Variance
Source DF Sum of Squares Mean Square F Value Pr > F
Model 3 73.64015 24.54672 54.34 <.0001
Error 36 16.26075 0.451687
Corrected Total 39 91.50362
Root MSE 0.67208 R-Square 0.81913
Dependent Mean 3.62241 Adj R-Sq 0.80405
Coeff Var 18.55329
Parameter Estimates
Parameter Standard Variable
Variable DF Estimate Error t Value Pr > |t| Label
Intercept 1 1.430936 0.304102 4.71 <.0001 Intercept
PDB 1 0.000189 0.000059 3.18 0.0030 Produk Domestik Bruto
KURS 1 0.000052 0.000030 1.75 0.0882 Nilai Tukar Riil Rp/US$
BBM 1 0.016579 0.002370 7.00 <.0001 Subsidi BBM

Estimasi parameter persamaan konsumsi rumah tangga

The SYSLIN Procedure


Two-Stage Least Squares Estimation
Model KONS
Dependent Variable KONS
Label Konsumsi Rumah Tangga
Analysis of Variance
Source DF Sum of Squares Mean Square F Value Pr > F
Model 2 68150337 34075169 4940.45 <.0001
Error 37 255195.6 6897.177
Corrected Total 39 69824314

11
◼ ISSN: 1978-1520

Root MSE 83.04925 R-Square 0.99627


Dependent Mean 2487.49942 Adj R-Sq 0.99607
Coeff Var 3.33866
Parameter Estimates
Parameter Standard Variable
Variable DF Estimate Error t Value Pr > |t| Label
Intercept 1 -94.4947 37.57448 -2.51 0.0164 Intercept
LNSUBS 1 71.09883 16.35791 4.35 0.0001 Total Subsidi
PDB 1 0.519531 0.009489 54.75 <.0001 Produk Domestik Bruto

Estimasi parameter persamaan PDB

The SYSLIN Procedure


Two-Stage Least Squares Estimation

Model PDB
Dependent Variable PDB
Label Produk Domestik Bruto
Analysis of Variance
Source DF Sum of Squares Mean Square F Value Pr > F
Model 2 2.2241E8 1.1121E8 12443.1 <.0001
Error 37 330679.3 8937.279
Corrected Total 39 2.2498E8
Root MSE 94.53719 R-Square 0.99852
Dependent Mean 4474.12286 Adj R-Sq 0.99844
Coeff Var 2.11298
Parameter Estimates
Parameter Standard Variable
Variable DF Estimate Error t Value Pr > |t| Label
Intercept 1 214.2012 41.01534 5.22 <.0001 Intercept
KONS 1 1.077443 0.083385 12.92 <.0001 Konsumsi Rumah Tangga
PMTB 1 1.177073 0.134108 8.78 <.0001 Pembentukan Modal Tetap Bruto

Estimasi parameter kemiskinan

The SYSLIN Procedure


Two-Stage Least Squares Estimation

Model KMISK
Dependent Variable KMISK
Label Persentase Penduduk Miskin
Analysis of Variance

12
IJCCS ISSN: 1978-1520

Source DF Sum of Squares Mean Square F Value Pr > F


Model 3 2014.674 671.5581 98.66 <.0001
Error 36 245.0377 6.806604
Corrected Total 39 2198.850
Root MSE 2.60895 R-Square 0.89156
Dependent Mean 20.85350 Adj R-Sq 0.88253
Coeff Var 12.51083
Parameter Estimates
Parameter Standard Variable
Variable DF Estimate Error t Value Pr > |t| Label
Intercept 1 3.097329 6.653794 0.47 0.6444 Intercept
PDB 1 -0.00376 0.000273 -13.80 <.0001 Produk Domestik Bruto
KTIMP 1 96.09893 21.15315 4.54 <.0001 Koefisien Gini
INF 1 0.101323 0.049984 2.03 0.0501 Inflasi

Uji validasi

The SIMNLIN Procedure


Simultaneous Simulation
Solution Range YEAR = 2009 To 2017
Descriptive Statistics
Actual Predicted
N Std Std
Variable Obs N Mean Dev Mean Dev Label
LNSUBS 14 14 5.2300 0.3680 5.0255 0.9177 LNSUBS
KONS 14 14 4007.9 846.0 3982.0 894.5 KONS
PDB 14 14 7212.7 1627.0 7158.7 1679.5 PDB
KMISK 14 14 13.4979 2.5605 13.6206 4.7511 KMISK
Statistics of fit
Mean Mean Mean
Mean % Abs Abs % RMS RMS %
Variable N Error Error Error Error Error Error Label
LNSUBS 14 -0.2045 -4.4768 0.5286 10.1330 0.6199 11.7775 LNSUBS
KONS 14 -25.9277 -0.8964 216.3 5.4058 232.0 5.7209 KONS
PDB 14 -53.9389 -0.9663 227.2 3.2106 239.7 3.4110 PDB
KMISK 14 0.1228 -1.8261 1.9202 15.1417 2.3391 19.9102 KMISK
Theil Forecast Error Statistics

MSE Decomposition Proportions Inequality Coef


Corr Bias Reg Dist Var Covar
Variable N MSE (R) (UM) (UR) (UD) (US) (UC) U1 U Label
LNSUBS 14 0.3842 0.90 0.11 0.83 0.06 0.73 0.16 0.1183 0.0599 LNSUBS
KONS 14 53837.4 0.96 0.01 0.11 0.88 0.04 0.95 0.0567 0.0284 KONS
PDB 14 57479.0 0.99 0.05 0.08 0.87 0.04 0.90 0.0325 0.0163 PDB
KMISK 14 5.4714 0.96 0.00 0.90 0.10 0.81 0.18 0.1705 0.0833 KMISK
Theil Relative Change Forecast Error Statistics

13
◼ ISSN: 1978-1520

Relative Change MSE Decomposition Proportions Inequality Coef


Corr Bias Reg Dist Var Covar
Variable N MSE (R) (UM) (UR) (UD) (US) (UC) U1 U Label
LNSUBS 13 0.0142 0.75 0.12 0.71 0.17 0.47 0.41 1.6119 0.5100 LNSUBS

KONS 13 0.00331 0.44 0.00 0.98 0.02 0.82 0.18 1.1290 0.4507 KONS
PDB 13 0.00122 0.41 0.04 0.94 0.02 0.76 0.19 0.6271 0.3016 PDB
KMISK 13 0.0379 0.33 0.02 0.93 0.05 0.64 0.34 3.2390 0.7124 KMISK

Simulasi skenario kenaikan 60 persen subsidi BBM

The SIMNLIN Procedure


Simultaneous Simulation

Solution Range YEAR = 2009 To 2017


Descriptive Statistics
Actual Predicted
Variable N Obs N Mean Std Dev Mean Std Dev Label
LNSUBS 14 14 5.2300 0.3680 6.1070 1.4513 LNSUBS
KONS 14 14 4007.9 846.0 4156.7 898.0 KONS
PDB 14 14 7212.7 1627.0 7346.9 1674.4 PDB
KMISK 14 14 13.4979 2.5605 12.9130 4.6851 KMISK
Statistics of fit
Mean Mean % Mean Abs Mean Abs % RMS RMS %
Variable N Error Error Error Error Error Error Label
LNSUBS 14 0.8771 15.6987 1.0293 18.7856 1.3969 24.8118 LNSUBS
KONS 14 148.7 3.7245 269.0 6.5077 344.9 8.1412 KONS
PDB 14 134.3 1.8141 274.6 3.7054 347.5 4.5598 PDB
KMISK 14 -0.5849 -7.1838 1.8972 15.5407 2.3128 20.7180 KMISK
Theil Forecast Error Statistics
MSE Decomposition Proportions Inequality Coef
Corr Bias Reg Dist Var Covar
Variable N MSE (R) (UM) (UR) (UD) (US) (UC) U1 U Label
LNSUBS 14 1.9513 0.91 0.39 0.59 0.01 0.56 0.05 0.2665 0.1214 LNSUBS
KONS 14 118982 0.93 0.19 0.09 0.72 0.02 0.79 0.0843 0.0414 KONS
PDB 14 120724 0.98 0.15 0.05 0.80 0.02 0.83 0.0471 0.0233 PDB
KMISK 14 5.3488 0.96 0.06 0.85 0.08 0.78 0.15 0.1685 0.0844 KMISK
Theil Relative Change Forecast Error Statistics
Relative Change MSE Decomposition Proportions Inequality Coef
Corr Bias Reg Dist Var Covar
Variable N MSE (R) (UM) (UR) (UD) (US) (UC) U1 U Label
LNSUBS 13 0.0689 0.76 0.39 0.57 0.03 0.47 0.13 3.5501 0.6924 LNSUBS
KONS 13 0.00784 0.27 0.25 0.74 0.01 0.62 0.13 1.7380 0.5091 KONS
PDB 13 0.00249 0.49 0.19 0.80 0.01 0.70 0.11 0.8945 0.3411 PDB
KMISK 13 0.0418 0.34 0.16 0.80 0.05 0.55 0.30 3.4019 0.7029 KMISK

14