TAHUN 2011-2019
Oleh
Kelas : A
BAB I
PENDAHULUAN
Grafik 1.1
Perkembangan persentase dan jumlah penduduk miskin di Indonesia tahun
1999-Sept.2019
Tabel 1.1
2016-2019
Jumlah penduduk Miskin 2016-2019
Wilayah
2016 2017 2018 2019
Buton 13.03 13.41 13.78 13.97
Muna 32.65 32.35 29.12 28.47
Konawe 38.14 37.99 33.40 31.25
Kolaka 28.56 26.64 24.74 24
Konawe Selatan 33.94 33.73 33.73 33.89
Bombana 22.04 21.52 19.77 19.37
Wakatobi 15.73 15.48 14.20 14.14
Kolaka Utara 24.32 23.42 21.30 19.80
Buton Utara 9.60 9.63 9.38 9.18
Konawe Utara 5.79 8.44 8.82 8.67
Kolaka Timur 28.52 28.86 25.97 26.29
Konawe
5.70 5.97 5.87 5.86
Kepulauan
Muna Barat 12.32 12.89 11.39 11.52
Buton Tengah 12.33 16.73 13.72 14.64
Buton Selatan 10.75 12.66 11.86 11.81
Kota Kendari 19.58 18.44 17.76 17.30
Sumber : BPS Sulawesi Tenggara.
Tabel 1.2
Persetase penduduk miskin Provinsi Sulawesi Tenggara menurut
kabupaten/kota 2016-2019.
BAB II
TINJAUAN PUSTKAKA
2.1.1 Kemiskinan
Pada dasarnya definisi kemiskinan dapat dilihat dari dua sisi, yaitu :
Gambar 2.1
Teori Lingkaran Setan Kemiskinan
Dalam penerapannya pemerintah pusat tidak lepas tangan secara penuh dan masih
memberikan bantuan kepada pemerintah daerah berupa dana perimbangan yang
dapat digunakan oleh pemerintah daerah dalam pembangunan dan menjadi
menjadi komponen pendapatan daerah dalam APBD. Pemerintah daerah harus
dapat menjalankan rumah tangganya secara mandiri dan dalam upaya peningkatan
kemandirian ini, pemerintah dituntut untuk meningkatkan pelayanan publiknya.
Oleh karena itu, anggaran belanja daerah akan tidak logis jika proporsi
anggarannya lebih banyak untuk belanja rutin.
1) Pajak Daerah
10%
1. Kecukupan (Adequacy)
2. Netral dan efisien (Neutrality and efficiency)
3. Akuntabilitas (Accountability)
4. Relevansi (Relevancy)
5. Keadilan (Equity)
6. Objektivitas dan transparansi (Objektivity and transparansi)
7. Kesederhanaan (Simplicity)
Peraturan Pemerintah Daerah yang mengatur Dana Alokasi Umum yaitu
Peraturan Daerah No. 10 Tahun 2004 tentang bagaimana Pengelolaan Dana
Alokasi Umum, pembuatan rumus dana alokasi umum harus memenuhi
kaidahkaidah dasar yang telah dicantumkan dalam UU No. 33 Tahun 2004. Salah
satu kaidah yang terpenting adalah bahwa Dana Alokasi Umum dialokasikan
kepada Daerah dengan menggunakan bobot Daerah itu sendiri harus dirumuskan
dengan menggunakan suatu formula yang didasarkan atas pertimbangan
kebutuhan dan potensi penerimaan Daerah.
1. Daerah bertumbuh maju dan cepat (rapid growth region) Daerah maju dan
cepat tumbuh (rapid growth region) adalah daerah yang mengalami laju
pertumbuhan PDRB dab tingkat pendapatan per kapita yang lebih tinggi
dari rata-rata seluruh daerah. Pada dasarnya daerahdaerah tersebut
merupakan daerah yang paling maju, baik dari segi tingkat pembangunan
maupun kecepatan pertumbuhan. Biasanya daerah-daerah ini merupakan
merupakan daerah yang mempunyai potensi pembangunan yang sangat
besar dan telah dimanfaatkan secara baik untuk kemakmuran masyarakat
setempat. Karena diperkirakan daerah ini akan terus berkembang dimasa
mendatang.
2. Daerah maju tapi tertekan (retarted region). Daerah maju tapi tertekan
(retarted region) adalah daerah-daerah yang relatif maju tetapi dalam
beberapa tahun terakhir laju pertumbuhannya menurun akibat tertekannya
kegiatan utama daerah yang bersangkutan. Karena itu, walaupun daerah ini
merupakan daerah telah maju tetapi dimasa mendatang diperkirakan
pertumbuhannya tidak akan begitu cepat, walaupun potensi pembangunan
yang dimiliki pada dasarnya sangat besar.
3. Daerah berkembang cepat (growing region). Daerah berkembang cepat
(growing region) pada dasarnya adalah daerah yang memiliki potensi
pengembangan sangat besar, tetapi masih belum diolah secara baik. Oleh
karena itu, walaupun tingkat pertumbuhan ekonominya tinggi namun
tingkat pendapatan per kapitanya, yang mencerminkan tahap
pembangunan yang telah dicapai sebenarnya masih relatif rendah
dibandingkan dengan daerah-daerah lain. Karena itu dimasa mendatang
daerah ini diperkirakan mampu berkembang dengan pesat untuk mengejar
ketertinggalannya dengan daerah maju.
4. Daerah relatif tertinggal (relatively backward region). Kemudian daerah
relatif tertinggal (relatively backward region) adalah daerah yang
mempunyai tingkat pertumbuhan dan pendapatan per kapita yang berada
dibawah rata-rata dari seluruh daerah. Ini berarti bahwa baik tingkat
kemakmuran masyarakat maupun tingkat pertumbuhan ekonomi di daerah
ini masih relatif rendah. Tetapi hal ini tidak berarti bahwa didaerah ini
tidak akan berkembang di masa mendatang. Melalui pengembangan sarana
dan prasarana perekonomian daerah berikut tingkat pendidikan dan
pengetahuan masyarakat setempat diperkirakan daerah ini secara bertahap
akan dapat pula mengejar ketertinggalannya Syafrizal, 1997 ( dalam
kuncoro, 2002)
3 Andika Arief Kemiskinan, Menggunakan alat analisis Hasil pengujian pengaruh Pendapatan
Pratomo PAD, DAU, regresi linear berganda. Asli Daerah terhadap Kemiskinan tidak
DAK,Dana bagi Data yang digunakan terdapat pengaruh yang signifikan
Hasil dan Belanja adalah data sekunder dan terhadap angka kemiskinan. Hasil
Daerah merupakan data kuantitatif. pengujian pengaruh Dana Bagi Hasil
Data diperoleh melalui terhadap Kemiskinan terdapat pengaruh
dokumentasi dari data-data negatif dan signifikan terhadap angka
yang dimiliki Badan Pusat Kemiskinan. Hasil pengujian pengaruh
Statistik DKI Jakarta. Data Dana Alokasi Umum terhadap
yang digunakan adalah data Kemiskinan tidak terdapat pengaruh
time series, dalam kurun yang signifikan terhadap Kemiskinan.
waktu 12 tahun dengan Hasil pengujian pengaruh Belanja
program eviews. Daerah terhadap Kemiskinan tidak
terdapat pengaruh yang signifikan
terhadap Kemiskinan. Koefisien
determinasi menunjukkan besarnya
pengaruh variabel bebas secara
bersama–sama terhadap angka
kemiskinan.
4 Anis PAD, DAU, Analisis data pada Hasil pengujian secara langsung dengan
Setyawati, DAK, Belanja penelitian ini menggunakan regresi berganda menunjukkan PAD
Arif Hamza Pembangunan, hasil statistik deskriptif dan berpengaruh positif terhadap
Pertumbuhan analisis jalur dengan pertumbuhan ekonomi, sedangkan DAU
Ekonomi, menggunakan regresi linier berpengaruh negatif terhadap
Kemiskinan, dan pertumbuhan ekonomi. Untuk pengujian
Pengangguran. secara langsung untuk pengaruh
pertumbuhan ekonomi terhadap
kemiskinan dan pengangguran
menunjukkan adanya pengaruh yang
signifikan, tetapi pertumbuhan ekonomi
berpengaruh negatif terhadap
kemiskinan dan berpengaruh positif
terhadap pengangguran. Hasil pengujian
secara tidak langsung PAD terhadap
kemiskinan adalah sebesar 9,66% dan
pengangguran sebesar 16,95%,
sedangkan DAU terhadap kemiskinan
adalah sebesar 4,9% dan terhadap
pengangguran sebesar 8,6%.
5 Julianus PAD, DAU, DAK Penelitian ini menggunakan .Penelitian ini menemukan bahwa : 1)
Kemisikinan data sekunder maka PAD berpengaruh signifikan terhadap
langkah pertama peneliti pertumbuhan ekonomi. 2) DAU
akan mengumpulkan data berpengaruh signifikan terhadap
berbentuk data data panel pertumbuhan ekonomi. 3) DAK tidak
berupa selama 5 tahun berpengaruh signifikan terhadap
terakhir yaitu tahun 2010 – pertumbuhan ekonomi. 4) PAD
2014. Penelitian ini berpengaruh signifikan terhadap
dilakukan pada Pemerintah kemiskinan. 5) DAU berpengaruh
Kabupaten/Kota di Provinsi signifikan terhadap kemiskinan. 6) DAK
Sumatera Barat yang tidak berpengaruh signifikan terhadap
berjumlah 19 kemiskinan. 7) Pertumbuhan ekonomi
Kabupaten/Kota di Provinsi berpengaruh signifikan terhadap
Sumatera Barat kemiskinan. 8) Pendapatan asli daerah
berpengaruh signifikan terhadap
kemiskinan melalui pertumbuhan
ekonomi sebagai variabel intervening. 9)
DAU berpengaruh signifikan terhadap
kemiskinan melalui pertumbuhan
ekonomi sebagai variabel intervening.
10) DAK tidak berpengaruh signifikan
terhadap kemiskinan melalui
pertumbuhan ekonomi sebagai variabel
intervening
Kepulauan
2.4 Hipotesis
METODE PENELITIAN
Dalam penelitian ini kondisi geografis dibagi dua yaitu kabupaten/kota Bukan
Kepulauan dan Kepulauan
Sumber data yang digunakan dalam penelitian ini adalah data sekunder,
yaitu data yang diperoleh dalam bentuk yang sudah jadi atau sudah dikumpulkan
dari sumber lain dan diperoleh dari pihak lain seperti buku-buku literatur, catatan
catatan atau sumber yang berhubungan dengan masalah yang diteliti.
BAB IV
R-Squared 0.331046
R-Squared 0.911689
b. CEM Vs FEM
Untuk mengetahui data panel yang akan digunakan, maka digunkan uji
Chow dengan membandingkan F-Statistika. Sebelum membandingkan F-stitistika
dan F-Tabel terlebih dulu dibuat hipotesisinya
Ho : CEM/PLS
H1 : FEM
Dari hasil regresi Common Effect Model dan Fixed Effect Model
diporeleh hasil sebagai berikut :
Dari table diatas dapat kita lihat nilai F statistika adalah 55,588729 dengan
nilai f table (d.f) 11,93 α= 0,05% sehingga f statistic lebih besar dari F table maka
H. ditolak. Cara lain untuk mentukanya adalah dengan melihat probabilitas F
sebesar 0.000 lebih kecil dari alpha 0,05 sehingga model data panel yang sesuai
adalah Fixed Effect Model
Dependent Variable: Y
Method: Panel Least Squares
Date: 06/26/20 Time: 22:06
Sample: 2011 2019
Periods included: 9
Cross-sections included: 12
Total panel (balanced) observations: 108
Effects Specification
T hitung = 0.911689
R2 =
0.898396
DW = 1.542020
Pemaknaan
Kemudian dari hasil regresi diatas nilai t hitung variable bebas secara
beruurut -1.947129, -1.01146 dan -1.737285. untuk mencari t table perlu dilihat n
dan k. Dalam penelitian ini n= 108 dan k = 3, alpha = 0.05. t table 0.05 = 104
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji
t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau
asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel
kecil.
14
Series: Standardized Residuals
12 Sample 2011 2019
Observations 108
10
Mean -8.22e-18
8
Median -0.095005
Maximum 2.325118
6
Minimum -2.422004
4 Std. Dev. 0.980922
Skewness 0.050149
2 Kurtosis 3.227126
0 Jarque-Bera 0.277405
-2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5
Probability 0.870487
Berdasarkan hasil uji normalitas pada data dengan model fixed effect didapat
bahwa nilai probabilitas sebesar 0.87 karena lebih besar dari 0.05 maka dalam
pengujian ini data dapat dikatakan terdistribusi dengan normal.
b.Uji Multikolinearitas
X1 X2 X3
1.000000 0.535980 0.261106
0.535980 1.000000 0.439376
0.261106 0.439376 1.000000
C. Uji Autokorelasi
Dependent Variable: Y
Method: Panel Least Squares
Date: 06/27/20 Time: 07:08
Sample: 2011 2019
Periods included: 9
Cross-sections included: 12
Total panel (balanced) observations: 108
Effects Specification
Dw stat = 1.542020
K=3
d. Uji Heteroskedastisitas
Effects Specification
Dependent Variable: Y
Method: Panel Least Squares
Date: 06/27/20 Time: 08:04
Sample: 2011 2019
Periods included: 9
Cross-sections included: 12
Total panel (balanced) observations: 108
Dari table hasil regresi E-Views 10, dapat dibuat persamaan sebagai berikut :
Lalu dari hasil diatas menunjukan secara berurut nilai t hitung variable-
variable dependen adalah sebagai berikut : -5.884314; 0.049101; 0.556411;
-1.068419. Nilai T tihitung perlu memperhatikan nilai n dan k. k 4 dan n = 108
dengan signifikansi 5% = 2,5%. > 5%/2 ; n-k-1. > 2,5 ; 108-4-1 = 0.025 103
Variabel Pendaatan Asli Daerah dengan nilai t hitung 5.884314 > 1.96326
t table nilai tersebut menunjukan bahwa variable pendapatan asli daerah
mempengaruhi secara signifikan tingkat kemiskinan di 12 Kota/kabupaten
Provinsi Sulawesi Tenggara.
Variabel Dana Alokasi Umum dengan nilai t hitung sebesar 0.049101 <
1.96326 t table yang berarti Dana Alokasi Umum tidak berpengaruh secara
signifikan terhadap tingkat kemiskinan di kota/kabupaten sampel. Varibel Dana
aloksi khusus dengan nilai t hitung sebesar ; 0.556411< 1.96326 t table yang
berarti DAK tidak berpengaruh terhadap tangkat kemiskinan. Lalu pada variable
dummy dengan nilai 1 untuk kabupaten kota bukan kepulauan dan nilai nol untuk
kabupaten kota kepulauan memiliki nilai t hitung sebsear 1.068419 < 1.96326 t
table yang menunjukan bahwa nilai variable dummy tidak memiliki pengaruh
yang sgnifikan terjadap tingkat kemiskinan
Mean 1.45e-15
8
Median 0.566986
Maximum 5.876158
6
Minimum -5.931071
4 Std. Dev. 2.684929
Skewness -0.400513
2 Kurtosis 2.415157
0 Jarque-Bera 4.426578
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
Probability 0.109340
Berdasarkan data diatas terlihat bahwa nilai probabilitas < 5% sehingga dapat
disimpulkan bahwa data tidak terdistribusi secara normal.
b. Uji Heterodekastisitas
c. Uji Autokorelasi
Dependent Variable: Y
Method: Panel Least Squares
Date: 06/27/20 Time: 09:23
Sample: 2011 2019
Periods included: 9
Cross-sections included: 12
Total panel (balanced) observations: 108
Dependent Variable: Y
Method: Panel Least Squares
Date: 06/26/20 Time: 21:42
Sample: 2011 2019
Periods included: 9
Cross-sections included: 12
Total panel (balanced) observations: 108
Tahun Kabupaten/Kota Y1 X1 X2 X3
2011 Konawe Utara 12.80 88043.08 289562.45 47830.50
2012 Konawe Utara 11.78 11391.16 377863.76 43938.48
2013 Konawe Utara 10.62 22998.46 417340.32 441295.58
2014 Konawe Utara 10.15 10540.27 53616.95 54715.28
2015 Konawe Utara 9.97 9255.77 433074.13 109518.24
2016 Konawe Utara 9.75 14806.65 459090.81 178922.16
2017 Konawe Utara 13.93 21690.02 454226.84 110317.75
2018 Konawe Utara 14.22 15614.20 454226.84 124848.69
2019 Konawe Utara 13.93 20902.50 471019.25 163306.27
2011 Kota Kendari 7.46 62800.13 399585.27 31326.80
2012 Kota Kendari 6.39 70857.92 478763.60 42248.22
2013 Kota Kendari 6.07 94863.57 555693.88 54258.37
2014 Kota Kendari 5.56 167470.39 611179.53 55353.89
2015 Kota Kendari 5.59 170642.04 629906.64 110478.45
2016 Kota Kendari 5.51 179062.77 674633.29 354551.60
2017 Kota Kendari 5.01 218340.63 662782.15 156901.63
2018 Kota Kendari 4.69 176116.07 662782.15 249387.87
2019 Kota Kendari 5.01 509452.35 705042.48 208306.45
2011 kota Bau bau 11.24 22025.27 317720.78 24673.60
2012 kota Bau bau 10.02 26271.30 370653.91 34663.27
2013 kota Bau bau 10.11 35373.40 427509.76 36286.08
2014 kota Bau bau 9.25 54989.80 465583.88 41601.96
2015 kota Bau bau 9.24 57507.65 485032.23 144734.99
2016 kota Bau bau 8.81 69322.98 518115.29 140103.52
2017 kota Bau bau 8.39 106399.88 509013.67 168722.98
2018 kota Bau bau 7.57 67321.91 509013.67 145949.91
2019 kota Bau bau 8.39 75717.00 504422.83 177234.03
2011 Buton Utara 17.34 5339.52 250149.37 18715.00
2012 Buton Utara 15.74 10600.88 291312.07 40562.20
2013 Buton Utara 17.53 9826.18 329371.28 56514.21
2014 Buton Utara 16.35 9307.04 366551.47 64860.93
2015 Buton Utara 15.86 15256.54 379995.22 408633.61
2016 Buton Utara 15.78 12828.36 408633.61 126181.59
2017 Buton Utara 15.58 26049.22 405650.59 109784.02
2018 Buton Utara 14.93 15266.64 410109.24 112502.72
2019 Buton Utara 15.58 16727.38 428779.56 102644.94
2011 Kolaka Utara 18.76 32050.00 273275.70 35129.20
2012 Kolaka Utara 16.39 12748.07 336532.27 30947.47
2013 Kolaka Utara 17.41 21187.41 387721.16 58867.15
2014 Kolaka Utara 16.10 34848.37 438746.76 67739.32
2015 Kolaka Utara 16.53 40531.45 452597.32 108370.96
2016 Kolaka Utara 17.11 40246.18 469964.08 188537.03
2017 Kolaka Utara 16.24 55454.85 467026.89 101010.65
2018 Kolaka Utara 14.30 46066.84 475754.19 120905.71
2019 Kolaka Utara 16.24 41805.35 505030.64 126603.02
2011 Wakatobi 17.10 9985.16 251896.91 30722.30
2012 Wakatobi 15.99 18195.07 308676.98 44851.26
2013 Wakatobi 17.40 19397.24 353873.35 61264.64
2014 Wakatobi 16.27 23357.95 387267.03 71555.96
2015 Wakatobi 16.88 24671.82 402871.10 124561.93
2016 Wakatobi 16.46 25029.15 448607.75 191587.46
2017 Wakatobi 16.19 46657.11 444717.68 150606.86
2018 Wakatobi 14.85 33554.44 463652.33 204709.15
2019 Wakatobi 16.19 32557.62 485397.25 250763.37
2011 Bombana 14.68 14713.44 282064.01 41137.10
2012 Bombana 12.81 22710.06 328634.38 49693.38
2013 Bombana 14.28 24646.49 382986.68 71254.68
2014 Bombana 13.20 38149.04 414006.95 77800.12
2015 Bombana 12.55 29646.97 435541.50 94568.85
2016 Bombana 13.06 31274.21 481299.89 178786.53
2017 Bombana 12.36 54510.47 477202.60 126529.63
2018 Bombana 11.05 65544.25 482294.44 61185.84
2019 Bombana 12.36 45578.92 504112.00 127462.00
2011 Konawe Selatan 12.57 12449.69 362035.23 56350.50
2012 Konawe Selatan 11.22 18035.02 481737.62 66988.47
2013 Konawe Selatan 12.45 25762.48 538654.99 97978.59
2014 Konawe Selatan 11.60 45766.89 581807.67 105956.75
2015 Konawe Selatan 11.58 43850.46 598467.03 161251.34
2016 Konawe Selatan 11.36 48028.70 666694.03 181714.43
2017 Konawe Selatan 11.14 102590.87 661162.08 171881.03
2018 Konawe Selatan 10.95 61320.15 666731.36 248877.06
2019 Konawe Selatan 11.14 81314.57 694858.87 268633.83
2011 Kolaka 17.62 37472.90 450297.98 33256.50
2012 Kolaka 15.55 39840.23 535098.52 52618.84
2013 Kolaka 16.20 48110.91 613742.50 69384.49
2014 Kolaka 14.99 67736.38 454342.51 68059.09
2015 Kolaka 14.68 66365.25 572933.35 181448.53
2016 Kolaka 15.05 72205.07 593123.36 215375.86
2017 Kolaka 13.78 122419.91 582704.09 124821.07
2018 Kolaka 12.51 101143.71 582742.37 167763.94
2019 Kolaka 13.78 107044.24 611181.70 232521.60
2011 Konawe 16.24 22125.72 473516.64 55115.50
2012 Konawe 14.62 21638.49 520676.41 106521.25
2013 Konawe 16.20 23644.41 613724.50 60384.49
2014 Konawe 14.99 33215.38 454342.51 68059.09
2015 Konawe 14.68 56039.77 639180.85 136596.90
2016 Konawe 15.05 57702.18 690044.91 231076.31
2017 Konawe 13.78 97586.84 677923.04 162356.28
2018 Konawe 12.51 76707.52 673419.30 190314.72
2019 Konawe 15.65 142421.22 717543.43 361240.50
2011 Buton 16.64 16048.70 382188.01 47587.10
2012 Buton 15.46 20533.41 468956.93 59419.25
2013 Buton 15.25 23147.86 535326.60 85447.46
2014 Buton 14.31 34468.62 601624.42 83915.42
2015 Buton 13.75 24778.97 252280.18 135891.38
2016 Buton 13.22 39141.77 427465.43 183902.87
2017 Buton 13.46 48262.95 423599.04 113459.18
2018 Buton 13.67 27641.92 424357.65 182515.57
2019 Buton 13.46 19157.62 440488.71 157869.80
2011 Kab. Muna 16.14 22162.67 425648.39 561580.53
2012 Kab. Muna 14.64 19382.60 65746.10 80745.00
2013 Kab. Muna 15.32 25039.73 635053.32 105851.25
2014 Kab. Muna 14.46 42127.73 689447.64 81175.06
2015 Kab. Muna 15.45 38272.71 502390.81 203064.01
2016 Kab. Muna 15.22 39775.36 669896.27 310799.57
2017 Kab. Muna 14.85 81248.09 658128.35 235631.89
2018 Kab. Muna 13.19 84329.38 656128.35 243260.16
2019 Kab. Muna 14.85 117771.60 685011.63 270627.97
Dependent Variable: Y
Method: Panel Least Squares
Date: 06/26/20 Time: 22:06
Sample: 2011 2019
Periods included: 9
Cross-sections included: 12
Total panel (balanced) observations: 108
Effects Specification