Analisis Sebaran Dan Faktor Penyebab Kemiskinan Di Kabupaten Bandung Bara Sarah Nita Hasibuan, Bambang Juanda Dan Sri Mulatsih
Analisis Sebaran Dan Faktor Penyebab Kemiskinan Di Kabupaten Bandung Bara Sarah Nita Hasibuan, Bambang Juanda Dan Sri Mulatsih
(Vol 7 No. 2 Desember 2019) halaman 79-91 ISSN 2354-5690: E-ISSN 2579-3594
https://doi.org/10.29244/jai.2019.7.2.79-91
ABSTRACT
Poverty is a level of life that below the minimum standard of living needs. The dominant factors that
influence the emergence of poverty include education, income, location, limited access to health, finance
and public services. Poverty is also one of the crucial issues in West Bandung Regency, where West
Bandung Regency has the highest poverty rate compared to surrounding areas such as Bandung City,
Bandung Regency, and Cimahi City. The purposes of this study are to analyze the pattern of spatial
poverty distribution in general (Moran Index) and in each village (2) Analyze the factors that influence
poverty in West Bandung Regency, which are carried out in 165 villages. The results of this study state
that there was a positive spatial autocorrelation of 0,464173 which indicated the existence of a link
between the poor population in each village and the pattern of poverty that clustered. The LISA test
showed the poverty level of the population was clustered into four poverty clusters, namely 17 villages
that were in the high-high criteria, 31 villages in the low-low criteria, 5 villages in the low-high criteria
and 1 village in the high-low criteria . The factors that influenced poverty in West Bandung Regency
were population, education level, village fund allocation, number of groceries, and village funds, while the
village index builds, the distance of villages to the capital and the number of people using National
electrical corporate (PLN) were not significant to reduce poverty.
ABSTRAK
Kemiskinan merupakan suatu tingkat kehidupan yang berada dibawah standar kebutuhan
hidup minimum. Faktor yang dominan yang mempengaruhi timbulnya kemiskinan
diantaranya pendidikan, pendapatan, lokasi, keterbatasan akses kesehatan, keuangan dan
pelayanan publik. Kemiskinan juga merupakan salah satu isu yang krusial di Kabupaten
Bandung Barat, dimana Kabupaten Bandung Barat memiliki tingkat kemiskinan tertinggi
dibandingkan wilayah sekitarnya seperti Kota Bandung, Kabupaten Bandung, dan Kota
Cimahi. Tujuan penelitian ini adalah Menganalisis pola sebaran kemiskinan spasial secara
umum (Indeks Moran) maupun pada masing-masing desa (2) Menganalisis faktor-faktor yang
mempengaruhi kemiskinan di Kabupaten Bandung Barat, yang dilakukan di 165 desa. Hasil
penelitian ini menyebutkan bahwa terdapat autokorelasi spasial positif sebesar 0,464173 yang
menunjukkan adanya keterkaitan spasial penduduk miskin disetiap desa dengan pola
kemiskinan mengelompok (clustered). Uji LISA menunjukkan tingkat kemiskinan penduduk
diklasterkan kedalam empat klaster kemiskinan yakni sebanyak 17 desa yang berada pada
kriteria high-high, 31 desa/kelurahan berada pada kriteria low-low, 5 desa pada kriteria low-high
dan 1 desa berada pada kriteria high-low. Adapun faktor-faktor yang mempengaruhi
kemiskinan di Kabupaten Bandung Barat adalah jumlah penduduk, tingkat pendidikan, alokasi
dana desa (ADD), jumlah toko kelontong dan dana desa, sedangkan indeks desa membangun,
jarak desa ke ibukota dan jumlah masyarakat yang menggunakan listrik PLN tidak signifikan
menurunkan kemiskinan.
79
Sarah Nita Hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
80
Sarah Nita hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
81
Sarah Nita Hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
82
Sarah Nita hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
Faktor-Faktor yang mempengaruhi berkisar antara -1 < I < 1. Nilai ini biasanya
kemiskinan di Kabupaten Bandung dinyatakan dengan:
Barat - I0 = -1/n-1 mendekati nol, tidak terdapat
Selanjutnya metode penelitian yang autokorelasi
digunakan untuk menganalisis faktor- - I > I0, terdapat autokorelasi spasial positif
faktor kemiskinan adalah menggunakan dengan membentuk suatu pola data yang
pendekatan model regresi berganda mengelompok (cluster).
dengan menggunakan metode Ordinary - I < I0, terdapat autokorelasi spasial negatif
Least Square (OLS). Adapun model yang yang menunjukkan pola data menyebar
digunakan dalam penelitian ini adalah atau dispread.
sebagai berikut: Berdasarkan data persentase jumlah
kemiskinan di 165 desa di Kabupaten
Persentase Penduduk Miskin = f (Jumlah Bandung Barat dapat diketahui pola
penduduk, Tingkat pendidikan diatas penyebaran tingkat kemiskinannya pada
SMA, Jarak Desa ke Ibukota Kabupaten, Tabel 2.
Persentase Rumah Tangga pengguna PLN,
Jumlah Toko Kelontong, Indeks Desa Tabel 2. Indeks Moran
Membangun) Moran Index (I) 0,464173
Expected Index (I0) -0,006098
Model Persamannya sebagai berikut: Variace 0,002535
Z-Sscore 9,340340
PPM = o + 1 JP + 2TP + 3ADD + 4DD
P-value 0,000000
+ 5JTK +6IDM+ 7JD + 8PLN
Sumber: Data diolah, 2019
dimana, Keterangan: nyata pada taraf 1 persen (0,01)
83
Sarah Nita Hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
LH HH
LL HL
84
Sarah Nita hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
85
Sarah Nita Hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
86
Sarah Nita hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
dijelaskan model sebesar 81,02 persen. Hal menandakan bahwa penambahan jumlah
ini berarti variabel kemiskinan di penduduk menurunkan kemiskinan. Hal
Kabupaten Bandung Barat dapat dijelaskan ini dikarenakan karena penduduk
oleh faktor jumlah penduduk, tingkat Kabupaten Bandung Barat sebagian besar
pendidikan di atas SMA, alokasi dana desa, berada pada usia kerja dengan umur 15-64
dana desa, jumlah toko kelontong, indeks tahun sebesar 67,88 persen. Jika dilihat dari
desa membangun, jarak desa ke ibukota angkatan kerja sebanyak 645.345 penduduk
kabupaten, rumah tangga yang (45,24 persen) sudah bekerja, dan yang
menggunakan PLN sebesar 81,02 mencari pekerjaan sebesar 50,985
selebihnya 19,08 dijelaskan oleh faktor lain penduduk (3,57) dan hampir 53 persen
yang tidak dimasukkan dalam model tingkat pendidikan yang mencari pekerjaan
penelitian. Untuk lebih jelasnya dapat adalah SMA (Kab. Bandung Barat dalam
dilihat pada Tabel 4. Angka 2018). Dengan demikian
Tabel 4. Hasil Analisis Regresi penambahan jumlah penduduk diduga
R-squared= 0,8102 N=165 mampu memacu pembangunan di
Adjusted R-squared= 0,800513 Kabupaten Bandung Barat. Hal ini sejalan
T-Stat= 83.26362 dengan penelitian Astuti (2015) yang
Prob(F-statistic)= 0,00000 mengemukan bahwa jumlah penduduk
S.E. of regression= 0,318909 yang besar adalah potensi pasar dan
variabel coefficient
Std.
T-Stat Prob. menjadi sumber permintaan akan barang
Error
dan jasa yang akan menggerakkan berbagai
C 1739,77 227,50 7,65 0,000*
sektor perekonomian sehingga
JP -1,295 0,089 -14,59 0,000* menciptakan skala ekonomi dalam
TP -0,0423 0,025 -1,689 0,093** produksi yang tinggi dan pada akhirnya
ADD -1187.279 141.77 -8.375 0,000* akan meningkatkan output atau produksi
DD 1102.25 130,58 8,441 0,000* agrigat yang lebih tinggi. Dengan demikian
JTK -0.865 0,286 -3,023 0,003* pertambahan jumlah penduduk tanpa
IDM -0.0082 0,018 0,446 0,6559 diimbangi dengan kualitas sumber daya
JD -0.0041 0,044 0,0936 0,9256 manusia akan menyebabkan permasalahan
kemiskinan, namun sebaliknya jika
PLN 0.0470 0,032 1,448 0,1496
pertambahan penduduk diimbangi dengan
Sumber: Data Diolah
peningkatan kualitas sumberdaya manusia
Keterangan *) Nyata pada taraf 1 persen (0,01), **)
akan meningkatkan perekonomian.
Nyata pada taraf 10 persen (0,10)
Tabel 4 menunjukkan jumlah
variabel yang signifikan dalam 2. Pengaruh Tingkat Pendidikan terhadap
menurunkan kemiskinan pada tingkat Kemiskinan
signifikasi pada 5 persen dan 10 persen Tingkat pendidikan memiliki
adalah jumlah penduduk, tingkat pengaruh negatif terhadap kemiskinan di
pendidikan, alokasi dana desa, dana desa Kabupaten Bandung Barat dengan
dan jumlah toko kelontong, sedangkan probabilitas sebesar 0,0932 dan koefisien
variabel yang tidak signifikan adalah regresi sebesar -0,0423. Besaran koefisien
variabel indeks desa membangun, jarak yang bernilai negatif menandakan bahwa
desa keibukota kabupaten dan jumlah semakin tinggi tingkat pendidikan dapat
masyarakat pengguna listrik. Berikut menurunkan tingkat kemiskinan. Tingkat
penjelasan masing-masing variabel yang pendidikan masyarakat di Kabupaten
dibangun dalam penelitian ini: Bandung Barat sebagian besar adalah
sekolah dasar 35,91 persen, SMP sebesar
1. Pengaruh Jumlah penduduk terhadap 23,64 dan tingkat pendidikan masyarakat di
kemiskinan. atas SMA hanya sebesar 5,01 persen. Untuk
Jumlah penduduk memiliki pengaruh lebih jelasnya dapat dilihat pada Gambar 5.
Sumber: BPS Kab. Bandung Barat 2017
negatif terhadap kemiskinan di Kabupaten
Bandung Barat dengan probabilitas sebesar
0,0000 dan koefisien regresi sebesar -1,295.
Besaran koefisien yang bernilai negatif
87
Sarah Nita Hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
88
Sarah Nita hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
89
Sarah Nita Hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
Masyarakat yang menggunakan Listrik target dan program yang tepat sesuai
PLN memiliki pengaruh positif terhadap dengan lokasi masing-masing. Adanya
kemiskinan di Kabupaten Bandung Barat heterogenitas wilayah yang berbeda-beda
dengan probabilitas sebesar 0,1496 dan maka menunjukkan pendekatan program
koefisien regresi sebesar 0.0470. Hal ini kemiskinan harus bervariasi sesuai dengan
berarti jumlah masyarakat yang kekhasan masing-masing desa.
menggunakan listrik PLN tidak
berpengaruh terhadap kemiskinan, hal ini DAFTAR PUSTAKA
dikarenakan karna hampir 95 persen
Annur RA. 2013. Faktor-faktor yang
masyarakat Kabupaten Bandung Barat
Mempengaruhi Kemiskinan di
telah menggunakan listrik dalam aktivitas
Kecamatan Jekulo dan Mejobo
sehari-hari.
Kabupaten Kudus. Economics
KESIMPULAN DAN SARAN Development Analysis Journal: Vol 2
(4).
KESIMPULAN
Astuti RR. 2015. Analisis Pengaruh Jumlah
Pola sebaran kemiskinan di setiap Penduduk, Pertumbuhan Ekonomi,
desa di Kabupaten Bandung Barat bersifat Pendidikan dan Kesehatan terhadap
mengelompok (clustered) yang dipetakan ke Jumlah Penduduk Miskin Di
dalam empat kategori wilayah yakni Indonesia Tahun 2004–2012. [Skripsi]
sebanyak 17 desa yang berada pada Yogyakarta (ID): Universitas Negeri
kategori desa dengan kemiskinan tinggi Yogyakarta.
dikelilingi oleh desa kemiskinan tingg
(high-high), 31 desa/kelurahan berada pada Artino, Adi. 2017. Keterkaitan Dana Desa
kriteria desa kemiskinan rendah dikelilingi terhadap Kemiskinan di Kabupaten
oleh desa dengan kemiskinan rendah (low- Lombok Utara [Tesis]. Bogor (ID):
low), 5 desa pada kriteria desa kemiskinan Institut Pertanian Bogor.
rendah dikelilingi oleh desa dengan
kemiskinan tinggi (low-high) dan 1 desa [BPS] Badan Pusat Statistika. 2018.
berada pada kriteria desa dengan Persentase Penduduk Miskin
kemiskinan tinggi dikelilingi oleh densa menurut Perkotaan dan Perdesaan di
dengan kemiskinan rendah (high-low). Indonesia Tahun 2017.
Adapun faktor-faktor yang mempengaruhi
kemiskinan di Kabupaten Bandung Barat [BPS] Badan Pusat Statistika Provinsi Jawa
adalah jumlah penduduk terbukti Barat. 2018. Indeks kedalaman dan
cenderung berpengaruh positif terhadap Keparahan Kemiskinan Kabupaten
kemiskinan, tingkat pendidikan cenderung Bandung Barat Tahun 2017.
berpengaruh negatif terhadap kemiskinan, Kabupaten Bandung Barat (ID): BPS.
alokasi dana desa cenderung berpengaruh
negatif terhadap kemiskinan, jumlah toko [BPS] Badan Pusat Statistika kabupaten
kelontong juga berpengaruh negatif Bandung Barat. 2018. Persentase
terhadap kemiskinan dengan tingkat kemiskinan Kabupaten Bandung
kepercayaan 5% dan 10%. Barat Tahun 2014-2019. Kabupaten
Bandung Barat (ID): BPS.
SARAN
Capra T. 2009. Poverty and its Impact on
Pengambilan kebijakan penanganan education: Today and Tomorrow. The
kemiskinan perlu mempertimbangkan new Higher Education Journal.
aspek lokasi sampai kepada unit terkecil
agar mampu memberikan gambaran secara Harmes, Juanda B, Rustiadi E dan Barus B.
akurat mengenai variasi kemiskinan dan 2017. Pemetaan Efek Spasial Pada
kesesuaian program. Penanganan Data Kemiskinan Kota Bengkulu.
kemiskinan lebih difokuskan pada wilayah- Journal of Regional and Rural
wilayah dengan tingkat kemiskinan yang Development Planning, Vol 1 (2):192-
tinggi dengan memperhatikan kesesuaiam 201
90
Sarah Nita hasibuan, Bambang Juanda, Sri Mulatsih Analisis Sebaran dan Faktor…
91