BAB 1

PENDAHULUAN

Pada bab ini akan dijelaskan hal-hal yang berkaitan dengan topik
penelitian secara umum, meliputi latar belakang penelitian, pertanyaan
penelitian, tujuan dan sasaran yang ingin dicapai, ruang lingkup laporan
penelitian berupa ruang lingkup materi, ruang lingkup wilayah dan ruang
lingkup waktu, serta metodologi penelitian dan sistematika penulisan laporan.

1.1. Latar Belakang

Kemiskinan merupakan salah satu tolak ukur keberhasilan
pembangunan. Seberapa jauh pembangunan itu dilaksanakan demi
terciptanya kehidupan masyarakat yang sejahtera, dan seberapa jauh pula
kemiskinan itu diminimalisir demi terlaksananya keserasian antara
pertumbuhan dan pemerataan.1 Masalah kemiskinan harus dihadapi secara
serius dikarenakan permasalahan kemiskinan merupakan permasalahan yang
kompleks dan bersifat multidimensional artinya kemiskinan itu mencakup
semua aspek kehidupan manusia seperti ekonomi, pangan, pendidikan,
kesehatan, pengganguran, dan aspek lain yang berkaitan dengan masalah
kemiskinan (Arsyad, 2010).
Berdasarkan data dari Badan Pusat Statistik Jawa Barat tahun 2016,
Kota Bandung sebagai ibu kota provinsi Jawa Barat masih memiliki jumlah
penduduk miskin yang cukup tinggi daripada kota-kota lainnya di Jawa Barat.
Kota Bandung menduduki posisi kedua jumlah penduduk miskin terbanyak
yaitu 107.580 jiwa, setelah posisi pertama diduduki Kota Bekasi dengan
jumlah penduduk miskin 140.030 jiwa, dan jumlah penduduk miskin paling
sedikit terdapat di Kota Banjar dengan jumlah 12.740 jiwa.2

1
Rianti, Ratih. 2011. “Teori Pembangunan Sosial sebagai Strategi Pengentasan Kemiskinan”.
(http://ratihriantibudakjurnal.blogspot.com/ diakses 9 Desember 2018)
2
Badan Pusat Statistik Provinsi Jawa Barat. 2018. “Jumlah Penduduk Miskin (ribu jiwa) Menurut Kabupaten/Kota
di Jawa Barat, 2002-2016”. Bandung : Jawa Barat. (https://jabar.bps.go.id/statictable/.html diakses 9 Desember
2018)

1
 Berbagai faktor dapat mempengaruhi tingkat jumlah penduduk miskin
Seperti : IPM atau Indeks Pembangunan Manusia yang digunakan untuk
mengetahui tingkat kesejahteraan masyarakat, besarnya UMK atau Upah
Minimum Kerja, atau banyaknya jumlah pengangguran yang diambil sampel
dari tahun 2011 sampai tahun 2017.
Maka, dari itu diperlukan upaya analisis terhadap faktor-faktor
tersebut untuk mengetahui faktor apa saja yang mempengaruhi tingkat
kemiskinan yang lihat dari banyaknya penduduk miskin di Kota Bandung dari
tahun 2011 sampai tahun 2017, sehingga nantinya dapat diketahui seberapa
besar tingkat pengaruh faktor tersebut terhadap jumlah penduduk miskin,
agar pemerintah dapat membuat suatu kebijakan yang tepat dan sesuai
dengan kondisi eksisting yang ada.

1.2. Pertanyaan Penelitian

Dari latar belakang maka dirumuskan pertanyaan penelitian sebagai
berikut:
Dari faktor – faktor yang ada, faktor apa saja yang mempengaruhi tingkat
kemiskinan berdasarkan jumlah penduduk miskin di Kota Bandung sampel
tahun 2011 sampai tahun 2017 dan seberapa besar pengaruh dari faktor
tersebut?

1.3. Tujuan dan Sasaran

Tujuan dari penelitian ini adalah untuk menganalisis IPM, UMK, dan
tingkat pengangguran terbuka terhadap jumlah penduduk miskin untuk
diketahui faktor mana yang memiliki pengaruh terhadap tingkat kemiskinan
tersebut.
Adapun sasaran dari penelitian ini adalah:
1. Menganalisis seberapa kuat hubungan dan arah hubungan IPM, UMK,
dan tingkat pengangguran terbuka terhadap jumlah penduduk miskin
di Kota Bandung.

2
 2. Menganalisis ada atau tidak adanya pengaruh dari IPM, UMK, dan
tingkat pengangguran terbuka terhadap jumlah penduduk miskin,
serta mengetahui besarnya pengaruh tersebut.
1.4. Ruang Lingkup Penelitian
Ruang lingkup dari penelitian ini terdiri atas ruang lingkup materi, ruang
lingkup wilayah, dan ruang lingkup waktu.
1.4.1 Ruang Lingkup Materi
Ruang lingkup materi yang dikaji adalah terkait dengan
penduduk miskin di Kota Bandung. Adapun variabel yang digunakan
adalah IPM, PDRB, UMK, tingkat pengangguran terbuka, dan jumlah
penduduk miskin di Kota Bandung dengan data dari tahun 2011 sampai
tahun 2017.
1.4.2 Ruang Lingkup Wilayah
Wilayah pengambilan data dibatasi pada Provinsi Jawa Barat
dengan meninjau secara khusus kota Bandung sebagai ibu kota
Provinsi Jawa Barat.
GAMBAR 1.1 WILAYAH ANALISIS STUDI

Sumber: Google Maps, 2018

1.4.3 Ruang Lingkup Waktu

Waktu pengambilan data sekunder dilakukan pada tanggal 8-9
Desember 2018 dari data yang dipublikasi oleh Badan Pusat Statistik

3
 Kota Bandung dan Provinsi Jawa Barat pada tahun 2018. Kemudian,
waktu untuk pembuatan laporan dilakukan pada tanggal 9 April – 15
Desember 2018.

1.5. Metodologi Penelitian

Metoda penelitian yang penulis gunakan dalam penelitian ini mencakup
dua hal, yaitu metoda pengumpulan data dan metoda analisis data.

1.5.1 Metoda Pengumpulan Data

Terdapat satu jenis data yang digunakan dalam metode
pengumpulan data ini, yaitu: data sekunder yang berasal dari
publikasi Badan Pusat Statistik Kota Bandung dan Provinsi Jawa Barat.

1.5.2 Metoda Analisis Data

Metoda analisis data yang digunakan pada penelitian ini adalah
metode analisis statistik asosiasi dengan menggunakan aplikasi Stata.

1.6. Sistematika Penulisan

Sistematika penulisan laporan praktikum ini adalah sebagai berikut :

Bab I Pendahuluan
Pada bagian pendahuluan, penulis menguraikan latar belakang
pembuatan laporan, rumusan masalah, tujuan dan sasaran yang ingin dicapai,
ruang lingkup laporan penelitian mencakup ruang lingkup materi, ruang
lingkup wilayah dan ruang lingkup waktu, serta metodologi penelitian dan
sistematika penulisan laporan.

Bab II Dasar Teori

Pada bab ini, penulis akan menjelaskan tentang dasar-dasar teori
tentang kemiskinan, IPM, UMK, pengangguran, serta teori analisis statistik
asosiasi dan penggunaan analisis asosiasi pada aplikasi Stata.

4
Bab III Input dan Analisis Data

Pada bab ini, penulis akan memaparkan input data, analisis output data,
dan interpretasinya dalam bidang perencanaan wilayah dan kota.

Bab IV Penutup

Pada bagian penutup, penulis menyimpulkan hasil penelitian dari

analisis-analisis yang telah dipaparkan di bab sebelumnya, dan memberikan
saran terhadap studi dan praktikum.

5
 BAB 2
DASAR TEORI

2.1 Teori Analisis Substansi

Menurut Bank Dunia (2000) “kemiskinan adalah kurangnya
kesejahteraan”. Kejahteraan sebagai penguasaan atas barang secara umum,
sehingga masyarakat dapat menjadi jauh lebih baik bila mereka memiliki
penguasaan yang lebih besar atas sumber daya. Secara khusus, kemiskinan
diukur dengan membandingkan pendapatan atau konsumsi setiap individu
dengan beberapa standar yang telah ditetapkan dimana mereka dianggap
miskin apabila pendapatan atau konsumsi mereka berada dibawah standar
tersebut (Haungthon & Shahidur, 2012 : 2).
Kesejahteraan adalah salah satu pendekatan yang diungkapkan oleh
Amartya Sen (1987) yang berpendapat bahwa kesejahteraan berasal dari
kemampuan untuk menjalankan suatu fungsi dalam masyarakat. Dengan
demikian, kemiskinan timbul apabila masyarakat tidak memiliki kemampuan
utama, tidak memiliki pendapatan atau mendapatkan pendidikan yang
memadai, memiliki kondisi kesehatan yang buruk, merasa tidak aman,
memiliki kepercayaan diri yang rendah atau suatu perasaan tidak berdaya atau
tidak memiliki hak seperti kebebasan berbicara. Bila demikian, kemiskinan
merupakan sebuah fenomena multidimensional dan kurang diatasi dengan
solusi yang sederhana (Haungthon & Shahidur, 2012 : 3).

2.1.1 Hubungan Indeks Pembangunan Manusia dengan Jumlah Penduduk

Miskin
Indeks Pembangunan Manusia adalah salah satu tolak ukur
pembangunan suatu wilayah yang berkorelasi negative terhadap kondisi
kemiskinan di wilayah tersebut, karena diharapkan suatu daerah yang
memiliki nilai IPM tinggi, idealnya kualitas hidup masyarakat juga
tinggi, menurut asumsi cateris paribus jika IPM meningkat sebesar 1 %
maka akan menurunkan tingkat kemiskinan (Napitupulu, 2007).

6
 2.1.2 Hubungan Upah Minimum Kerja (UMK) dengan Jumlah Penduduk Miskin
UMK ditetapkan dengan berdasarkan pada Kebutuhan Hidup
Layak (KHL), dimaksudkan untuk melindungi kesejahteraan pekerja.
Jika efektif, upah ,minimum dapat digunakan sebagai salah satu alat
untuk mengurangi kemiskinan karena dapat membantu penduduk
miskin untuk keluar dari kemiskinan. Kenaikan upah minimum memiliki
dampak yang berbeda-beda terhadap kemiskinan, hal ini dapat terjadi
karena perbedaan karakteristik tenaga kerja dan penegakan
3
peraturan.
2.1.3 Hubungan Pengangguran Terbuka dengan Jumlah Penduduk Miskin
Hubungan pengangguran dan kemiskinan sangat erat sekali,
jumlah angkatan kerja yang melebihi kapasitas akan menyebabkan
pengangguran dan angkatan kerja yang memfokuskan pada perubahan
individu hal ini mengakibatkan tingkat pemustusan hubungan kerja
(Mankiw, 2007).
Efek buruk dari pengangguran adalah mengurangi pendapatan
masyarakat yang pada akhirnya mengurangi tingkat kemakmuran yang
dicapai seseorang. Semakin turunnya kesejahteraan masyarakat karena
menganggur tentunya akan meningkatkan peluang mereka terjebak
dalam kemiskinan karena tidak memiliki pendapatan.

2.2 Teori Analisis Statistik Asosiasi

Metode analisis statistik asosiasi digunakan untuk analisis yang
membantu mengidentifikasi korelasi yang ada dalam sekumpulan korelasi.
Terdapat 2 tipe hubungan, yaitu korelatif dan eksperimen. Hubungan
korelatif didasarkan pada lingkunganan alamiah dimana tidak ada variabel
yang nilainya dikendalikan dan diterapkan kepada objek yang ditelita, serta
bersifat alamiah sehingga sulit menentukan mana sebab dan mana akibatnya.

3
Kurniawati, Ardhian dkk. 2017. Dampak Upah Minimum Terhadap Kemiskinan di Indonesia Tahun 2006-2014.
Jurnal Riset Ekonomi dan Manajemen.
(https://www.researchgate.net/publication/322718055_DAMPAK_UPAH_MINIMUM_TERHADAP_KEMISKINAN_DI_IN
DONESIA_TAHUN_2006-2014 diakses 15 Desember 2018)

7
Hubungan eksperimen didasarkan pada suatu percobaan dimana salah satu
variabel nilainya dikendalikan dan diterapkan pada objek yang dipelajari
secara acak.

Manfaat dari statistik asosiasi adalah untuk melacak hubungan kausal

anatara beberapa data nominal, ordinal, dan interval rasio serta
memprediksi skor suatu variabel berdasarkan variabel lain. Bentuk asosiasi
terdiri dari level nominal, ordinal, interval rasio. Dalam penelitian ini yang
digunakan sebagai uji adalah sebagai berikut :

 Level Interval-Rasio : mampu menjelaskan keberadaan, kekuatan,

dan arah hubungan. Teknik pengukuran yang digunakan adalah r-
pearson correlation dan regresi.

1. R-Pearson Correlation :

Digunakan ntuk mengukur hubungan dua variabel yang

diukur dalam skala interval rasio. Koesien Korelasi hanya cocok
untuk mengukur derajat hubungan antara variabel yang terkait
secara linier bila hubungan tidak linier, koefisien korelasi akan
menunjukkan angka nol.

N  XY  ( X )( Y )
r
[ N  X 2  ( X ) 2 ][ N  Y 2  ( Y ) 2 ]

2. Regresi :

Digunakan untuk melihat pola hubungan (linier) ; y = variabel

dependen, dan x = variabel independen.

Rumus : y = ax + b

a = titik potong garis regresi dengan sumbu y

8
 b = kelerengan garis regresi

mencari nilai a dan b

2.3 Penggunaan Analisis Statistik Asosiasi dengan Aplikasi Stata

Analisis asosiasi dengan aplikasi stata dapat dilakukan dengan melakukan

persiapan awal yaitu input data pada aplikasi stata. Lalu, memastikan bahwa
sudah dilakukan uji missing value dan melakukan perlakuan terhadap uji
missing value tersebut, baik dihilangkan atau diganti menggunakan rata-rata.
Analisis statistik asosiasi yang digunakan yaitu :
1. Interval-Rasio
 Rasio Pearson Correlation
Contoh :
correlate IPM Penduduk_Miskin
// R-Pearson Correlation = 0 -> tidak ada hubungan
kedua variabel
// R-Pearson Correlation = +1 -> hubungan kedua
variabel sempurna dan searah
// R-Pearson Correlation = -1 -> hubungan kedua
variabel sempurna dan berkebalikan

 Regresi
Contoh :
Variabel Dependen(Y) : Penduduk_Miskin, Variabel
Independen(X) : IPM
regress Penduduk_Miskin IPM // (var dependen)
(var independen)

9
Selanjutnya untuk mengetahui grafik regresi predict
prediksi_IPM, xb twoway (scatter Penduduk_Miskin IPM ,
sort) (line prediksi_IPM IPM, sort)

10
 miBAB 3
INPUT DAN ANALISIS DATA

Pada bab ini akan dijelaskan mengenai variabel-variabel yang diuji, analisis
output data dan interpretasinya terhadap bidang perencanaan wilayah dan kota.

3.1. Input Data

Data-data penelitian diperoleh dari data sekunder yang didapatkan dari
website BPS Kota Bandung dan Provinsi Jawa Barat. Data tersebut ditampilkan
dalam bentuk tabel input berisi variabel-variabel yang dianalisis menggunakan
aplikasi Stata. Adapun variabel yang digunakan antara lain : IPM, PDRB, UMK,
jumlah pengangguran terbuka, dan jumlah penduduk miskin Kota Bandung dari
tahun 2011-2017 yang ditampilkan pada Lampiran 1.

3.2. Analisis Output Data

Analisis output data yang dibahas adalah analisis variabel interval
menggunakan metode regresi.

3.2.1 Uji Missing Value

TABEL 3.2.1.1 TABEL UJI MISSING VALUE PENGANGGURAN TERBUKA
Baris Pengangguran_Terbuka

6. .

Sumber : Hasil Analisis dengan Aplikasi Stata, 2018

Tabel 3.2.1.1 menyajikan missing value dari variabel

pengangguran terbuka. Missing value didapat dengan menulis “list
Pengangguran_Terbuka if missing(Pengangguran_Terbuka)” pada
command. Terdapat 1 missing value pada data tersebut. Variabel
pengangguran terbuka merupakan data interval rasio, sehingga dapat

11
 dicari mean-nya. Pada pengolahan data selanjutnya, missing value
dapat digantikan dengan mean yang ada. Mean dari pengangguran
terbuka adalah 8, kemudian nilai mean ditulis pada command
“replace Pengangguran_Terbuka = (8) if missing
(Pengangguran_Terbuka)” untuk mengganti data missing dengan nilai
rata-rata pengangguran terbuka.
Variabel-variabel yang digunakan selain pengangguran terbuka
tidak memiliki missing value.

3.2.2 Analisis Asosiasi

3.2.2.1 Analisis variabel interval rasio menggunakan metode Rasio

Pearson Correlation antara IPM dengan penduduk miskin tahun
2011-2017

GAMBAR 3.2.2.1 HASIL UJI R-PEARSON CORRELATION IPM DENGAN

PENDUDUK MISKIN TAHUN 2011-2017

Sumber : Hasil Analisis dengan Aplikasi Stata, 2018

Gambar 3.2.2.1 menunjukkan uji interval-rasio

variabel IPM dengan penduduk miskin. Sintax yang digunakan
adalah “correlate IPM Penduduk Miskin”. Uji interval-rasio ini
melibatkan data IPM dan jumlah penduduk miskin dari tahun

12
 2011 sampai tahun 2017. Nilai r-pearson adalah 0,7787 yang
berarti nilainya lebih besar dari 0,05 sehingga Ho diterima,
diasumsikan bahwa nilai yang berada diatas 0.05 hubungannya
mendekati sempurna. Tanda negatif menunjukkan arah
hubungan yang berkebalikan.

3.2.2.2 Analisis variabel interval rasio menggunakan metode regresi antara IPM
dengan penduduk miskin tahun 2011-2017

GAMBAR 3.2.2.2.1 HASIL UJI REGRESI ANTARA IPM DENGAN PENDUDUK

MISKIN TAHUN 2011-2017

Sumber : Hasil Analisis dengan Aplikasi Stata, 2018

Gambar 3.2.2.2.1 menunjukkan uji interval rasio variabel IPM

dengan penduduk miskin. Sintax yang digunakan adalah “regress
Peduduk_Miskin IPM”. Uji ini melibatkan 7 data yang diambil pada
tahun 2011 sampai tahun 2017. Nilai Prob>F adalah 0,0391 yang
berarti lebih kecil dari 0,05 sehingga H1 yang diterima, dan regresi
dapat dipakai. Jadi, IPM mempengaruhi jumlah penduduk miskin.
Nilai Adj R-squared adalah 0,5227 yang artinya adalah besarnya IPM

13
mempengaruhi 52,27 % jumlah penduduk miskin. Koefisien x atau nilai
a adalah -4432,627 dan nilai konstanta atau nilai b adalah 463238.
Sehingga, Y = 463238 – 4432,627x.

GAMBAR 3.2.2.2.2 HASIL UJI INTERVAL IPM DENGAN PENDUDUK

MISKIN TAHUN 2011-2017

Sumber : Hasil Analisis dengan Aplikasi Stata, 2018

Gambar 3.2.2.2.2 menunjukkan data yang digunakan

tidak signifikan atau buruk karena terdapat titik-titik berwarna
biru yang berada jauh dari garis linear prediction. Padahal, titik-
titik biru tersebut seharusnya mengikuti garis linear prediction.
Data tersebut masih dapat digunakan karena masih ada yang
mengenai garis linear prediction, dan berarti masih ada pengaruh.
Namun dalam bidang perencanaan wilayah dan kota, jika
data tersebut masih tetap digunakan akan memunculkan suatu
masalah baru.

14
3.2.2.3 Analisis variabel interval rasio menggunakan metode Rasio Pearson
Correlation UMK dengan penduduk miskin tahun 2011-2017

GAMBAR 3.2.2.3 HASIL UJI R-PEARSON CORRELATION UMK

DENGANPENDUDUK MISKIN TAHUN 2011-2017

Sumber : Hasil Analisis dengan Aplikasi Stata, 2018

Gambar 3.2.2.5 menunjukkan uji interval-rasio variabel UMK

dengan penduduk miskin. Sintax yang digunakan adalah “correlate
UMK Penduduk Miskin”. Uji interval-rasio ini melibatkan data UMK dan
jumlah penduduk miskin dari tahun 2011 sampai tahun 2017. Nilai
r-pearson adalah -0,7504 yang berarti nilainya lebih besar dari 0,05
sehingga Ho diterima, diasumsikan bahwa nilai yang berada diatas
0.05 hubungannya mendekati sempurna. Tanda negatif menunjukkan
arah hubungan yang berkebalikan.

15
3.2.2.4 Analisis variabel interval rasio menggunakan metode Rasio Pearson
Correlation pengangguran terbuka dengan penduduk miskin tahun 2011-
2017

GAMBAR 3.2.2.4 HASIL UJI R-PEARSON CORRELATION

PENGANGGURAN TERBUKA DENGAN PENDUDUK MISKIN TAHUN
2011-2017

Sumber : Hasil Analisis dengan Aplikasi Stata, 2018

Gambar 3.2.2.5 menunjukkan uji interval-rasio variabel

pengangguran terbuka dengan penduduk miskin. Sintax yang digunakan
adalah “correlate Pengangguran_Terbuka Penduduk Miskin”. Uji
interval-rasio ini melibatkan data jumlah pengangguran terbuka dan
jumlah penduduk miskin dari tahun 2011 sampai tahun 2017. Nilai
r-pearson adalah 0,6782 yang berarti nilainya lebih besar dari 0,05
sehingga Ho diterima, diasumsikan bahwa nilai yang berada diatas 0.05
hubungannya mendekati sempurna. Tanda positif menunjukkan arah
hubungan yang searah.n suatu daera

h yang memiliki nilai IPM tinggi, id IPM yang merupakan tolok ukur
pembangunan suatu wilayah sebaiknya m

iskinan di wilayah tersebut karena dihara

16
3.3. Interpretasi Terhadap Bidang Perencanaan Wilayah dan Kota
Pada penelitian ini digunakan 4 variabel yaitu IPM, UMK, tingkat
pengangguran terbuka, dan jumlah penduduk miskin di Kota Bandung dari tahun
2011 sampai tahun 2017 yang diperolah dari BPS Kota Bandung dan Provinsi Jawa
Barat.

Berdasarkan tujuan dari penelitian ini, yait untuk menganalisis IPM,

UMK, dan tingkat pengangguran terbuka terhadap jumlah penduduk miskin
untuk diketahui faktor mana yang memiliki pengaruh terhadap tingkat
kemiskinan di Kota Bandung tahun 2011-2017.
Berdasarkan gambar 3.2.2.1 dapat disimpulkan bahwa terdapat
hubungan antara IPM dengan jumlah penduduk miskin, dikarenakan nilai
r-pearson adalah 0,7787 yang berarti nilainya lebih besar dari 0,05 sehingga Ho
diterima, diasumsikan bahwa nilai yang berada diatas 0.05 hubungannya
mendekati sempurna. Tanda negatif menunjukkan arah hubungan yang
berkebalikan, hal ini sesuai dengan teori bahwa IPM dengan jumlah penduduk
miskin berkorelasi negative yang artinya semakin tinggi IPM atau Indeks
Pembangunan Manusia maka akan semakin sedikit jumlah penduduk miskin dan
sebaliknya semakin rendah IPM maka jumlah penduduk miskin semakin banyak.

Berdasarkan gambar 3.2.2.2.1, nilai Prob>F adalah 0,0391 yang berarti

lebih kecil dari 0,05 sehingga H1 yang diterima, dan regresi dapat dipakai. Jadi,
IPM memang benar mempengaruhi jumlah penduduk miskin IPM mempengaruhi
jumlah penduduk miskin. Nilai Adj R-squared adalah 0,5227 yang artinya adalah
besarnya IPM mempengaruhi 52,27 % jumlah penduduk miskin. Menurut teori
suatu daerah yang memiliki nilai IPM tinggi, idealnya kualitas hidup masyarakat
juga tinggi sehingga jumlah kemiskinan tentunya sedikit, berdasarkan asumsi
cateris paribus jika IPM meningkat sebesar 1 % maka akan menurunkan tingkat
kemiskinan (Napitupulu, 2007). Sehingga, dapat disimpulkan bahwa jumlah
penduduk miskin di Kota Bandung tahun 2011 sampai tahun 2017 dipengaruhi
besarnya IPM, IPM yang semakin tinggi maka jumlah penduduk miskinnya
semakin sedikit. Nilai IPM memiliki 3 komponen yaitu ekonomi, pendidikan,

17
serta kesehatan berarti dengan nilai IPM yang mengalami kenaikan dari tahun
ke tahun dapat dikatakan bahwa terjadi peningkatan terhadap 3 komponen
tersebut. Namun, pada kenyataannya jumlah penduduk miskin di Kota Bandung
meskipun berkurang dari tahun ke tahun dengan meningkatnya IPM, namun
dikatakan jumlah penduduk miskin tersebut masih tinggi.
Persamaan Y = 463238 – 4432,627x artinya setiap penambahan IPM
sebesar x, maka jumlah penduduk miskin akan berkurang sebesar x dikalikan
dengan koefisiennya. Semakin tinggi nilai IPM semakin rendah pula jumlah
penduduk miskinnya. Namun, menurut gambar 3.2.2.2.2 data yang digunakan
tidak signifikan. Karena terdapat titik-titik biru yang tidak semuanya mengikuti
garis linear prediction. Data tersebut masih dapat digunakan dan ada
pengaruhnya. Dalam bidang perencanaan wilayah dan kota apabila data masih
digunakan maka dapat memunculkan suatu masalah baru yang mana masalah
tersebut tidak dianalisis dalam penenlitian ini.
Berdasarkan gambar 3.2.2.3 dapat disimpulkan bahwa terdapat
hubungan antara UMK dengan jumlah penduduk miskin, karena nilai r-pearson
adalah -0,7504 yang berarti nilainya lebih besar dari 0,05 sehingga Ho diterima,
diasumsikan bahwa nilai yang berada diatas 0.05 hubungannya mendekati
sempurna. Tanda negatif menunjukkan arah hubungan yang berkebalikan. Jadi,
semakin tinggi Upah Minimum Kerja atau UMK maka semakin sedikit jumlah
penduduk miskin, dan sebaliknya apabila semakin rendah UMK maka jumlah
penduduk miskin akan semakin banyak.

Berdasarkan gambar 3.2.2.4 dapat disimpulkan bahwa terdapat

hubungan antara tingkat pengangguran dengan jumlah penduduk miskin, karena
nilai r-pearson adalah 0,6782 yang berarti nilainya lebih besar dari 0,05 sehingga
Ho diterima, diasumsikan bahwa nilai yang berada diatas 0.05 hubungannya
mendekati sempurna. Tanda positif menunjukkan arah hubungan yang searah,
jadi semakin tinggi jumlah pengangguran maka jumlah penduduk miskin
semakin banyak dan sebaliknya semakin rendah jumlah pengangguran terbuka
maka semakin jumlah penduduk miskin semakin sedikit.

18
 UMK, dan tingkat pengangguran terbuka hanya dapat dilakukan dengan
pengujian r-pearson correlation dikarena nilai Pb>F lebih besar dari 0,05
sehingga regresi tidak dapat dipakai. Metode regresi tidak dapat menjelaskan
ada tidaknya pengaruh dan seberapa besar pengaruh PDRB, UMK, dan tingkat
pengangguran terbuka terhadap jumlah penduduk miskin di Kota Bandung, akan
tetapi apabila menggunakan metode yang lain bisa jadi hal tersebut dapat
diketahui.
Namun, berdassarkan hasil uji dengan r-pearson correlation
menunjukkan sebenarnya terdapat hubungan yang kuat antara IPM, UMK, dan
tingkat pengangguran terbuka terhadap jumlah penduduk miskin di Kota
Bandung menurut sampel tahun 2011 sampai tahun 2017.
Berdasarkan metode yang dipakai terdapat hubungan yang kuat dan
berkebalikan antara besarnya Indeks Pembangunan Manusia (IPM) dan Upah
Minimum Regional (UMR) dengan jumlah penduduk miskin, dan hubungan yang
kuat dan searah antara tingkat pengangguran terbuka dengan jumlah penduduk
miskin. Jadi, faktor yang mempengaruhi tingkat kemiskinan berdasarkan jumlah
penduduk miskin di Kota Bandung sampel tahun 2011-2017 adalah faktor
besarnya Indeks Pembangunan Manusia atau IPM.
Hubungannya dengan PWK adalah diperlukannya analisis mengenai
tingkat kemiskinan yang dilihat dari banyaknya jumlah penduduk miskin yang
ada. Analisis tersebut dapat digunakan seorang planner sebagai evaluasi
terhadap kebijakan pemerintah, terutama dalam bidang ekonomi, kesehatan
serta pendidikan. Dengan mengetahui fakto apa saja yang berpengaruh serta
berapa besar pengaruh dari suatu faktor itu terhadap tingkat kemiskinan di
suatu daerah maka dapat diciptakan sebuah kebijakan yang sesuai dengan
kondisi eksisting yang ada.
Analisis tingkat kemiskinan digunakan agar seorang planner dapat ikut
membantu pemerintah dalam upaya menurunkan angka kemiskinan yang ada
sehingga dapat dilakukan pemerataan pembangunan kedepannya karena
dengan analisis tersebut dapat diketahui faktor yang mempengaruhi tingkat
kemiskinan masing-masing daerah dan seberapa kuat pengaruh faktor

19
 tersebut, sehingga dapat dilakukan perlakuan yang tepat. Analisis ini juga
dapat membantu seorang perencana yaitu sebagai bahan pertimbangan
dalam merumuskan rekomendasi mengenai kebijakan yang sesuai dengan
kondisi masyarakat yang ada mengingat pentingnya masyarakat sebagai
obyek perencanaan.

Tanpa adanya analisis mengenai faktor yang menyebabkan tingkat

kemiskinan, rencana atau kebijakan yang dihasilkan menjadi tidak valid dan
sulit untuk diimplementasikan serta tidak terarah dengan baik. Kebijakan
yang ditetapkan menjadi hal yang bisa saja bukan merupakan solusi dari
urgensi masalah yang ada saat itu.

Hubungan dengan mata kuliah Planologi yaitu dibutuhkannya hasil

analisis tersebut sebagai penunjang metode pembelajaran dalam mata kuliah
Asduk (Aspek Kependudukan) yaitu materi tentang teori dan isu
kependudukan.

pkan suatu daerah yang memiliki nilai IPM tinggi, idealnya kualitas hidup masyarakat juga
tinggi atau dapat dikatakan pula bahwa jika nilai IPM tinggi,a kualitas hidup masyarakat
juga tinggi atau dapat dikatakan pula bahwa jika nilai IPM tinggi, maka seharusnya tingkat
kemiskinan rendah

20
 BAB 4
KESIMPULAN DAN SARAN

Pada bab ini akan dijelaskan mengenai simpulan hasil penelitian dan
rekomendasi secara studi mengenai materi penyelesaian serta saran mengenai
praktikum.

4.1 Kesimpulan
Tingkat kemiskinan berdasarkan jumlah penduduk miskin di Kota Bandung
tahun 2011 sampai tahun 2017 yang dijadikan sampel dapat ditentukan
berdasarkan faktor besarnya IPM dan tingkat pengangguran terbuka yang
keduanya sama-sama memiliki hubungan yang kuat mempengaruhi jumlah
penduduk miskin yang ada.

Berdasarkan hasil analisis data :

1. Terdapat hubungan yang nyata dan berkebalikan antara besarnya IPM
dengan jumlah penduduk miskin, hal ini ditunjukkan dari nilai
r-pearson adalah 0,7787 yang berarti nilainya lebih besar dari 0,05
sehingga Ho diterima, diasumsikan bahwa nilai yang berada diatas
0.05 hubungannya mendekati sempurna. Tanda negatif menunjukkan
arah hubungan yang berkebalikan, hal ini sesuai dengan teori bahwa
IPM dengan jumlah penduduk miskin berkorelasi negatif yang artinya
semakin tinggi IPM atau Indeks Pembangunan Manusia maka akan
semakin sedikit jumlah penduduk miskin dan sebaliknya semakin
rendah IPM maka jumlah penduduk miskin semakin banyak.

Terdapat hubungan yang nyata dan berkebalikan antara besarnya UMK

dengan jumlah penduduk miskin, hal ini ditunjukkan dari nilai
r-pearson adalah -0,7504 yang berarti nilainya lebih besar dari 0,05
sehingga Ho diterima, diasumsikan bahwa nilai yang berada diatas

21
 0.05 hubungannya mendekati sempurna. Tanda negatif menunjukkan
arah hubungan yang berkebalikan.
Terdapat hubungan yang nyata dan searah antara tingkat
pengangguran terbuka dengan jumlah penduduk miskin, hal ini
ditunjukkan dari nilai r-pearson adalah 0,6782 yang berarti nilainya
lebih besar dari 0,05 sehingga Ho diterima, diasumsikan bahwa nilai
yang berada diatas 0.05 hubungannya mendekati sempurna. Tanda
positif menunjukkan arah hubungan yang searah, jadi semakin tinggi
jumlah pengangguran maka jumlah penduduk miskin semakin banyak
dan sebaliknya semakin rendah jumlah pengangguran terbuka maka
semakin jumlah penduduk miskin semakin sedikit.

2. Faktor yang mempengaruhi tingkat kemiskinan berdasarkan jumlah

penduduk miskin adalah Indeks Pembangunan Manusia atau IPM. IPM
cukup besar pengaruhnya terhadap jumlah penduduk miskin, hal ini
ditunjukkan dari nilai Prob>F adalah 0,0391 yang berarti lebih kecil
dari 0,05. Persamaan Y = 463238 – 4432,627x artinya adalah setiap
penambahan nilai IPM sebesar x maka jumlah penduduk miskin (Y)
akan berkurang sebesar 463238 – 4432,627x. Namun, pada
kenyataannya jumlah penduduk miskin di Kota Bandung meskipun
berkurang dari tahun ke tahun dengan meningkatnya IPM, namun
dikatakan jumlah penduduk miskin tersebut masih tinggi. Sehingga,
dibutuhkan analisis yang lebih lanjut terhadap hal ini.

4.2 Saran
4.2.1 Studi:
Pemerintah Kota Bandung pada khususnya sebaiknya mengkaji
mengenai tingkat kemiskinan di Kota Bandung dengan lebih intens karena
berdasarkan sampel yang diambil dari tahun 2011 sampai 2017 dengan
peningkatan IPM-pun jumlah penduduk miskin masih dikatakan tinggi, dan
tingkat pengangguran masih cukup besar, maka diperlukan analisis yang

22
 lebih mendalam terhadap berbagai aspek-aspek yang ada di masyarakat
baik ekonomi, pendidikan, dan kesehatan sehingga tingkat kemiskinan
dapat teratasi dan pemerintah dapat melakukan pemerataan pembangunan
untuk meningkatkan kesejahteraan masyarakat di Kota Bandung.
Mengingat Indonesia saat ini masih berada dalam ketimpangan
pembangunan antara daerah yang satu dengan daerah yang lain, masih
banyak daerah yang penduduknya berada di bawah garis kemiskinan. Dengan
melakukan analisis mengenai faktor-faktor yang memiliki hubungan atau
bahkan mempengaruhi jumlah penduduk miskin, maka akan mempermudah
pemerintah sendiri dalam merumuskan suatu kebijakan terhadap masalah
kemiskinan di suatu daerah.

4.2.2 Pemberian Tugas

Sebaiknya tugas lebih diperinci kriteria-kriteria yang harus ada,
agar tidak menimbulkan kesimpangsiuran informasi. Karena,
sepengetahuan saya terdapat asisten praktikum yang memberikan kriteria
tambahan untuk tugas ini, namun yang lainnya tidak. Disini saya merasa
kurangnya koordinasi antara asisten praktikum yang satu dengan yang lain
dan dengan dosen, yaitu penambahan kriteria yang berbeda dengan TOR
yang diberikan dosen saat di kelas.

23