Jurnal Ilmiah Parameter Edisi Juni 2020

JURNAL ILMIAH
PA R A M E T E R
MEDIA PEMERHATI DAN PEMINAT STATISTIKA, EKONOMI, DAN SOSIAL
ANALISIS KEMISKINAN PROVINSI ACEH 2019
(Abd. Hakim)
PENGARUH TEKNOLOGI INFORMASI DAN KOMUNIKASI (TIK)

DAN SEKTOR FINANSIAL DALAM PENURUNAN KETIMPANGAN
PADA NEGARA-NEGARA ASEAN
(Zia Ul Fajri)
ANALISIS KAUSALITAS PERTUMBUHAN EKONOMI DAN

SEKTOR KEUANGAN PADA NEGARA ASIA PASIFIK
BERPENDAPATAN MENENGAH KE BAWAH TAHUN 2003-2018
(Lyli Suryani)
. id
go
FAKTOR-FAKTOR PENENTU PENDAPATAN PEKERJA

s.
MISKIN DI PROVINSI ACEH TAHUN 2019

p
.b
(Mansyuri)
eh
ANALISIS SEKTOR UNGGULAN DAN

ac
POTENSIAL PROVINSI ACEH TAHUN 2010-2017

//
(Rizki Hadiman)
s:
tp
ht
KLASIFIKASI PUTUS SEKOLAH DENGAN METODE

NON LINIER SUPPORT VECTOR MACHINE (SVM)
(STUDI KASUS: DATA SUSENAS PROVINSI ACEH TAHUN 2016)
(Sarah Solikhatun Risma, Adina Astasia, Muhammad Hidayat)
VOLUME 5 NOMOR 10 JUNI 2020 ISSN 2461-1255

PAREMETER
DEWAN REDAKSI
PENANGGUNG JAWAB:
Wahyudin (Ketua)
Nuriah
Tasdik Ilhamuddin
Andariati Afrida
Kenda Paryatno
Oriza Santifa
TIM EDITOR:
Azwar (Ketua)
Haniah (Sekretaris)
Devi Indriastuti (Anggota)
Nuri Rosmika (Anggota)
Akhmad Sugito (Anggota)
id
PENYUNTING:
M. Shabri Abd. Majid (Universitas Syiah Kuala)
g o.
s.
Saiful Mahdi (Universitas Syiah Kuala)
bp
T. Zulham (Universitas Syiah Kuala)

h.
ce
LAYOUT:
//a
Ridha Mutia
s:
tp
ht
Redaksi menerima karya tulis ilmiah dari segenap masyarakat pemerhati dan peminat bidang
statistika, ekonomi, dan sosial. Karya ditulis dalam format word sebanyak 5-20 halaman A4 dengan
spasi 1,15 pt dan jenis huruf calibri ukuran 12. Redaksi berhak mengedit tanpa mengubah intisari
tulisan. Terima kasih.
Media Pemerhati Dan Peminat Statistika, Ekonomi, Dan Sosial | i

PAREMETER
DAFTAR ISI
DEWAN REDAKSI ................................................................................................................. i

DAFTAR ISI ii
ANALISIS KEMISKINAN PROVINSI ACEH 2019
(Abd. Hakim)............................................................................................ 1
PENGARUH TEKNOLOGI INFORMASI DAN KOMUNIKASI (TIK) DAN SEKTOR FINANSIAL
DALAM PENURUNAN KETIMPANGAN PADA NEGARA-NEGARA ASEAN
(Zia Ul Fajri).............................................................................................. 13
ANALISIS KAUSALITAS PERTUMBUHAN EKONOMI DAN SEKTOR KEUANGAN PADA
NEGARA ASIA PASIFIK BERPENDAPATAN MENENGAH KE BAWAH TAHUN 2003-2018
(Lyli Suryani)............................................................................................. 30
FAKTOR-FAKTOR PENENTU PENDAPATAN PEKERJA MISKIN DI PROVINSI ACEH TAHUN
2019
(Mansyuri)................................................................................................ 45
id
ANALISIS SEKTOR UNGGULAN DAN POTENSIAL PROVINSI ACEH TAHUN 2010-2017
o.
(Rizki Hadiman)........................................................................................
KLASIFIKASI PUTUS SEKOLAH DENGAN METODE NON LINIER SUPPORT VECTOR
g 65
s.
bp
MACHINE (SVM)
(STUDI KASUS: DATA SUSENAS PROVINSI ACEH TAHUN 2016
h.
(Sarah Sholikhatun Risma, Adina Astasia, Muhammad

ce
Hidayat).................................................................................................... 82
//a
s:
tp
ht
ii
| Volume 5 . Nomor 10. Juni 2020
PAREMETER
ANALISIS KEMISINAN PROVINSI ACEH 2019

Abd. Hakim1
Abstrak
Penelitian ini dilaksanakan di provinsi Aceh menggunakan data dasar hasil Susenas
Maret 2019. Dari data Susenas tersebut dipilih sampel sebanyak 11.399 kepala rumah
tangga yang memiliki angggota rumah tangga 2 orang atau lebih. Tujuan penelitian ini
adalah untuk mengetahui karakteristik kepala rumah tangga miskin dan faktor-faktor yang
mempengaruhinya. Disamping itu juga untuk mengetahui probabilitas rumah tangga
menjadi miskin dengan karakteristik tertentu. Dengan menggunakan model analisis regresi
logirtik, yaitu suatu metode yang menerangkan hubungan antara variabel respon dikotomi
dan satu set variabel penjelas katagori. Lima variabel yang dipilih mampu menjelaskan
variasi kemiskinan pada rumah tangga sampel dengan tingkat signifikan 5%. Variabel
tersebut adalah jenis kelamin, tingkat pendidikan, lapangan pekerjaan, jumlah angggota
id
rumah tangga, dan daerah tempat tinggal. Faktor yang paling dominan adalah jumlah
g o.
anggota rumah tangga, dimana jumlah anggota rumah tangga 5 orang atau lebih
mempunyai probabilitas menjadi miskin lebih besar 3,6 kali dibandingkan dengan jumalh
s.
anggota rumah tangga kurang dari 5 orang.

bp
h.
Kata Kunci: kemiskinan, probabilitas miskin, regresi logistik

ce
//a
Pendahuluan
s:
Latar Belakang
tp
Kemiskinan merupakan salah satu permasalahan yang umumnya dihadapi oleh

ht
negara-negara yang sedang berkembang. Permasalahan kemiskinan merupakan

permasalahan yang kompleks dan bersifat multidimensi, karena tidak hanya berkenaan
dengan rendahnya pendapatan dan tingkat konsumsi masyarakat, melainkan juga berkaitan
dengan rendahnya pendidikan dan kesehatan, ketidakberdayaan untuk berpartisipasi dalam
proses pengambilan keputusan publik, ketidakmampuan menyampaikan aspirasi, serta
berbagai masalah yang berkenaan dengan pembangunan manusia. Oleh karena itu upaya
penanggulangan kemiskinan harus dilakukan secara komprehensif, mencakup berbagai
aspek kehidupan masyarakat dan dilaksanakan secara terpadu.
Program pengentasan kemiskinan terus dilaksanakan pusat maupun daerah.
Pemerintah menggelontorkan biaya sampai tingkat desa yang didukung oleh pemerintah
daerah dalam pembinaan dan suport lain, termasuk tambahan anggaran dalam rangka
pengentasan kemiskinan. Diharapkan masalah kemiskinan yang spesifik di masing-masing
daerah dapat diatasi dengan kearifan lokal sehingga dapat mengentaskan kemiskinan
sampai ke pokok permasalahannya.
1
Fungsional Statistisi Ahli Madya BPS Aceh, Email: ahakim@bps.go.id
Media Pemerhati Dan Peminat Statistika, Ekonomi, Dan Sosial | 1

PAREMETER
Berdasarkan data BPS selama periode sepuluh tahun terakhir tarjadi penurunan
jumlah penduduk miskin sebesar 7.744.100 jiwa, yaitu dari 32.529.970 jiwa (10,72%) pada
tahun 2009 menjadi 24.785.870 jiwa (9,22%) pada tahun 2019. Keberhasilan yang dicapai
bervariasi antar wilayah dengan kesenjangan yang relatif tinggi. Provinsi Aceh termasuk
wilayah cukup tinggi angka kemiskinannya yaitu sebesar 15,01%, angka tersebut merupakan
yang tertinggi dibandingkan dengan provinsi di Sumatera. Namun jika dilihat dari progres
pencapaian selama sepuluh tahun terakhir, penurunannya angka kemiskinan Aceh relatif
tinggi yaitu sebesar 6,79% (dari 21,80% tahun 2009 menjadi 15,01% tahun 2019). Jika dilihat
dari angkat tersebut, prestasi Aceh dalam upaya pengentasan kemiskinan tercatat baik.
Permasalahan kemiskinan bukan hanya pada program-program pengentasan
kemiskinan yang dilaksanakan pemerintah, akan tetapi juga terkait dengan respon
masyarakat itu sendiri terhadap program pemerintah, pemahaman terhadap karakteristik
rumah tangga juga mempunyani peranan penting dalam memerangi kemiskinan.
Perumusan Masalah dan Tujuan Penulisan
id
Bertitik tolak dari penjelasan di atas, tulisan ini mencoba mengamati dan meneliti
o.
karakteristik rumah tangga miskin di Provinsi Aceh tahun 2019, adapun perumusan masalah
g
s.
dalam penulisan ini adalah:
bp
a. Apa faktor-faktor yang mempengaruhi kemiskinan rumah tangga

h.
b. Berapa probalita rumah tangga menjadi miskin dengan karakteristik tertentu

ce
Adapun tujuan penulisan ini adalah :

//a
a. Untuk mengetahui karakteristik rumah tangga miskin dan faktor-faktor yang

mempengaruhi nya.
s:
tp
b. Untuk mengetahui probabilita rumah tangga menjadi miskin dengan karakteristik

ht
tertentu.
Kajian Pustaka
Kerangka Teori
Kemiskinan secara harfiah berasal dari kata miskin, dalam Kamus Besar Bahasa
Indonesia berarti tidak berharta atau serba kekurangan. Sedangkan arti kemiskinan adalah
hal miskin atau keadaan miskin. Sedangkan makna dari kemiskinan secara istilah, banyak
teori dan konsep yang diungkapkan oleh para ahli maupun institusi, yang pada prinsipnya
mengacu pada kemampuan untuk memenuhi kebutuhan hidup layak atau dasar, beberapa
definisi kemiskinan yang dikutip dari laman https://www.seputarpengetahuan.co.id/
2016/06/9-pengertian-kemiskinan-menurut-para-ahli-dan-penyebabnya-lengkap.html
diantaranya adalah sebagai berikut :
1. Reitsma dan Kleinpenning: Kemiskinan adalah ketidakmampuan individu untuk
memenuhi kebutuhannya, baik yang bersifat material maupun non-material.
2. Suparlan: Kemiskinan adalah standar tingkat hidup yang rendah karena kekurangan
materi pada sejumlah atau golongan orang bila dibandingkan dengan standar kehidupan
yang berlaku di masyarakat sekitarnya.
2
PAREMETER
3. Faturachman dan Marcelinus Molo: Kemiskinan adalah ketidakmampuan seseorang atau

beberapa orang (rumah tangga) untuk memenuhi kebutuhan dasarnya.
4. Levitan: Kemiskinan adalah kekurangan barang dan pelayanan yang dibutuhkan untuk
mencapai standar hidup yang layak.
Sedangkan BPS menggunakan konsep kemampuan memenuhi kebutuhan dasar (basic
needs approach). Dengan pendekatan ini, kemiskinan dipandang sebagai ketidakmampuan
dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang
diukur dari sisi pengeluaran. Jadi Penduduk Miskin adalah penduduk yang memiliki rata-rata
pengeluaran perkapita perbulan dibawah garis kemiskinan.
Berikutnya yang perlu disampaikan dalam tulisan ini adalah konsep rumah tangga.
Pada laman wikipedia.org disebutkan bahwa rumah tangga terdiri dari satu atau lebih orang
yang tinggal bersama-sama di sebuah tempat tinggal dan juga berbagi makanan atau
akomodasi hidup, dan bisa terdiri dari satu keluarga atau sekelompok orang. Sebuah
tempat tinggal dikatakan berisi beberapa rumah tangga jika penghuninya tidak berbagi
makanan atau ruangan. Sedangkan kepala rumah tangga adalah orang yang paling
id
bertanggungjawab dalam rumah tangga tersebut. Konsep tersebut yang digunakan dalam
konsep yang digunakan BPS.

g o.
survei-survei BPS yang berbasis rumah tangga. Dalam penelitian ini penulis memakai
s.
bp
Penelitian Sebelumnya
h.
Nike Roso Wulandari, dalam penelitiannya yang berjudul “Faktor-Faktor yang

ce
Mempengaruhi Kemiskinan Rumah Tangga di Kota Kendari” tahun 2014, menyatakan bahwa
//a
status migrasi seumur hidup KRT, jenis kelamin KRT, umur KRT, jumlah ART, tingkat
pendidikan yang ditamatkan KRT dan status pekerjaan KRT, mempunyai pengaruh yang
s:
tp
signifikan terhadap kemiskinan.

ht
Ayu Setyo dan Lilik Sugiharti dalam penelitiannya yang berjudul “Faktor-faktor
Penentu Kemiskinan di Indoensia” tahun 2016 menyimpulkan bahwa faktor- faktor yang
mempengaruhi kemiskinan pada rumah tangga adalah: jenis kelamin kepala rumah tangga,
usia kepala rumah tangga, jumlah anggota rumah tangga, bekerja, akses terhadap kredit
usaha, pendidikan kepala rumah tangga, kepemilikan HP, dan lokasi tempat tinggal.
Rina Nasmiwati dan Mike Triani menyimpulkan bahwa tingkat pendidikan, jenis
pekerjaan, tingkat kesehatan, jumlah tanggungan, dan sikap mental/spiritual secara
bersama-sama mempunyai pengaruh yang signifikan terhadap kemiskinan rumah tangga di
Kecamatan Bayang Kabupaten Pesisir Selatan. Hal ini diungkapkan dalam penelitiannya
pada tahun 2019 yang berjudul “Analisis Faktor-Faktor yang Mempengaruhi Kemiskinan
Rumah Tangga di Kecamatan Bayang Kabupaten Pesisir Selatan “.
Metode Penelitian
Ruang Lingkup dan Sumber Data
Penelitian ini dilakukan di Provinsi Aceh menggunakan data Survei Sosial Ekonomi
Nasional (Susenas) Maret 2019. Sasaran penelitian adalah rumahtangga dan kepala rumah
tangga terpilih sampel Susenas. Sampel Susenas tersebut berjumlah 12.295 rumah tangga

PAREMETER
yang tersebar di seluruh wilayah Provinsi Aceh, dari jumlah tersebut dalam penelitian ini
dipilih sebanyak 11.399 rumah tangga yang memiliki angggota rumah tangga 2 orang atau
lebih. Hal ini dimaksudkan untuk mengeluarkan orang yang tinggal sendiri seperti anak kos
dll yang diasumsikan pola konsumsinya kurang bervariasi.
Adapun variabel-variabel yang menjadi objek penelitian adalah:
1. Jenis kelamin kepala rumah tangga
2. Tingkat pendidikan kepala rumah tangga
3. Lapangan Pekerjaan kepala rumah tangga
4. Jumlah anggota rumah tangga
5. Daerah tempat tinggal
Metode Analisis
a. Analisis Deskriptif
Tujuan analisis ini adalah untuk mendeskripsikan atau memberi gambaran tentang
karakteristik rumah tangga miskin di Provinsi Aceh tahun 2019, agar data yang tersaji mudah
id
difahami dan merupakan penjelasan awal sebelum melakukan analisis inferensia.
b. Analisis Insferensia dengan Regresi Logistik g o.
Menurut Friendly (1995), regresi logistik adalah suatu metode atau teknik untuk
s.
memprediksi ketika varaibel tak bebas dikotomi dan variabel bebasnya dapat berupa
bp
kontinu, diskrit atau kategori. Analisis ini digunakan untuk mengukur hubungan fungsi
h.
antara variabel tak bebas dikotomi dengan variabel-variabel bebas berupa kuantitatif dan
ce
kualitatif. Model parameter dapat diduga dengan menggunkan metode maksimum

//a
likelihood, yaitu suatu prosedur pencarian satu atau lebih parameter yang secara statistik
s:
memberikan distribusi atau kemungkinan terbesar dari suatu paramater θ.

tp
Garson (1998) mengatakan bahwa metode estimasi OLS tidak dapat digunakan dalam
ht
model regresi logistik, karena ada beberapa asumsi yang tidak terpenuhi, yaitu:
1. Variabel tak bebas tidak berdistribusi normal karena Y merupakan variabel dikotomi,
akan tetapi diasumsikan berdistribusi keluarga exponensial, seperti poisson, binomial,
gamma.
2. Varaibel tak bebas tidak mempunyai varians yang homogen (heteroscedasticity)
3. Error terms tidak berdistribusi normal
Menurut Nachrowi dan Usman (2002), bentuk model regresi logirtik adalah:
( )
Model tersebut ditransformasikan dalam bentuk logit menjadi:
( )
( ) | |
( )
4
PAREMETER
disebut fungsi likelihood yang menyatakan probabilitas bersama dari data hasil observasi
yang masih merupakan fungsi dari parameter yang tidak diketahui. Analisis ini digunakan
untuk mengestimasi rasio kecenderungan (odds ratio) setiap faktor yang berpengaruh
terhadap kemiskinan pada rumah tangga yang menjadi unit penelitian.
Adapun metode pengujian model dan parameter yang digunakan adalah statistik uji G
yaitu untuk uji secara simultan atau uji semua variabel penjelas dalam model secara
bersama.
H0 : β1 =β2= β3 ……= βj = 0
H1 : minimal terdapat satu βj ≠ 0
Statistik uji yang digunakan: G = -2ln [ ]
Model B: model hanya terdiri dari konstanta saja
Model A: model terdiri dari seluruh variabel
berdistribusi Khi-Kuadrat dengan derajat bebas p atau se ara simbolis ditulis .
H0 ditolak jika G> , 𝛼: tingkat signifikansi. Bila H0 ditolak, artinya model A
signifikan pada tingkat 𝛼.
id
Selanjutnya Uji Wald, yaitu uji signifikansi tiap-tiap parameter.
H0 : βj = 0 untuk suatu tertentu: j=0,1,2,3, ... , p
g o.
s.
H1 : βj ≠ 0
bp
Statistik uji yang digunakan adalah : [ ] ; j = 0,1,2,3,..., p

h.
( )
ce
Statistik ini berdistribusi Khi-Kuadrat dengan derajat bebas 1 atau secara simbolis
ditulis
//a
H0 ditolak jika > , 𝛼 :tingkat signifikan. Bila H 0 ditolak artinya parameter

s:
tp
tersebut signifikan secara statistik pada tingkat signifikansi 𝛼.

ht
Selanjutnya interpretasi koefisien-koefisien dalam model regresi logistik dapat

dilakukan dengan dua cara yaitu; (1) odds ratio (perbandingan resiko), (2) adjusted
probability (probabilita terjadi).
1. odds ratio didefinisikan sebagai : (resiko)
dimana p menyatakan probabilitas sukses (terjadinya peristiwa y = 1). Ditulis sebagai:
( )
( )
= ⁄ ( ) = exp(βi)
( )
[ ]
2. adjusted probability merupakan probabilitas terjadinya suatu peristiwa y = 1 dengan
karakteristik yang telah diketahui, ditulis sebagai:
( )
( )
( )
Definisi Variabel Operasional
a. Variabel tak bebas (y)

PAREMETER
Variabel tak bebas dalam penelitian ini adalah kemiskinan rumah tangga, yang
dikategorikan menjadi:
 Rumah tangga miskin = 1
 Rumah tangga tidak miskin = 0
b. Variabel bebas
1. Jenis kelamin kepala rumah tangga (d_jk)
 Perempuan = 1
 Laki-laki = 0
2. Tingkat pendidikan kepala rumah tangga (d_pdik))
 SLTP ke bawah = 1
 SLTA ke atas = 0
3. Lapangan pekerjaan kepala rumah tangga (d_lp)
 Pertanian = 1
 Non pertanian = 0
id
4. Jumlah anggota rumah tangga (d_jart)
 5 orang atau lebih = 1
 2 - 4 orang = 0
g o.
s.
5. Daerah tempat tinggal (d_dae)
bp
 Perdesaan = 1
h.
 Perkotaan = 0
ce
//a
s:
Pembahasan
tp
Analisis Deskriptif
ht
a. Karakterietik Kepala Rumah Tangga

Dalam analisis deskriptif ini akan diuraikan tentang beberapa karakteristik kepala
rumah tangga miskin dibandingkan tidak miskin, seperti yang disajikan dalam tabel 1.
Rumah tangga miskin cenderung mempunyai anggota rumah tangga lebih banyak
yaitu 5,05 art dibandingkan dengan rumah tangga tidak miskin 4,05. Semakin banyak
anggota rumah tangga yang menjadi tanggungjawab kepala rumah tangga, maka akan
semakin berat tugas kepala rumah tangga dari sisi ekonomi maupun sosial. Jika ditinjau dari
persentase kepala rumah tangga perempuan akan terlihat bahwa rumah tangga miskin
lebih banyak dibanding rumah tangga tidak miskin. Pendidikan juga merupakan salah satu
indikator tingkat kemampuan SDM, ada asumsi bahwa pendidikan menghasilkan
pembelajaran yang meningkatkan produktivitas pekerja. Jika seseorang dibayar sesuai
produitivitasnya, maka yang berpendidikan lebih tinggi/baik akan mendapat upah yang lebih
baik. Dari sisi pendidikan tertinggi yang ditamatkan, persentase kepala rumah tangga miskin
yang berpendidikan rendah (tidak tamat SD dan tamat SD) 60,71 %, lebih tinggi dibanding
rumah tangga tidak miskin 43,08 %.
6
PAREMETER
Tabel 1. Karakteristik Kepala Rumah Tangga Sampel

Tidak
Uraian Miskin
Miskin
1. Rata-rata Jumlah Anggota Rumah Tangga 5.05 4.05
2. Persentase Kepala Rumah Tangga perempuan 18.08 15.92
3. Persentase Pendidikan Kepala Rumah Tangga
a. SD ke bawah 60.71 43.08
b. SLTP 20.21 19.06
c. SLTA 17.52 26.17
d. D1 ke atas 1.56 11.69
4. Persentase Lapangan Pekerjaan Kepala Rumah
Tangga
a. Pertanian 51.58 39.28
id
b. Industri 12.94 12.28
c. Perdagangan
d. Lainnya
g o. 11.61
9.45
18.54
18.69
s.
bp
Status Pekerja Kepala Rumah Tangga

a. Berusaha Sendiri 34.91 27.25
h.
ce
b. Berusaha dibantu buruh tidak tetap/tdk dibayar 12.60 15.27

c. Berusaha dibantu buruh tetap/dibayar 3.15 3.97
//a
d. Buruh/Karyawan 24.21 27.84

s:
tp
e. Pekerja bebas 9.62 4.41

ht
f. Pekerja tdk dibayar/keluarga 1.08 0.66

5. Tidak Bekerja 14.43 10.02
Sumber penghasilan menjadi salah satu indikator tingkat kesejahteraan yang
diharapkan dapat mencerminkan kondisi sosial ekonomi suatu rumah tangga. Karakteristik
yang dapat menggambarkan adanya perbedaan antara rumah tangga miskin dan tidak
miskin adalah lapangan pekerjaan dan status pekerjaan kepala rumah tangga. Secara umum,
produktivitas sektor pertanian relatif lebih rendah dari sektor lainnya, seperti perdagangan,
industri modern, jasa-jasa. Pada tabel 1 dapat dilihat bahwa sebagian besar kepala rumah
tangga miskin bekerja pada sektor pertanian yaitu sebesar 51,58 %. Sedangkan untuk
rumah tangga tidak miskin hanya sebesar 39,28 % yang bekerja pada sektor pertanian. Jika
dilihat dari status pekerjaan, tergambar bahwa sebagian besar kepala rumah tanggan miskin
bekerja sendiri yaitu sebesar 34,91 %, yang biasanya pada skala yang relatif kecil sehingga
dapat dilakukan sendiri. Sedangkan untuk kepala rumah tangga tidak miskin sebesar 27,25
%. Pekerja bebas walaupun angkanya relatif kecil, tapi perbedaan antara kepala rumah
tangga miskin dengan tidak miskin relatif tinggi mencapai dua kali (9,62% banding 4,41%).

PAREMETER
b. Karakterietik Perumahan
Rumah merupakan salah satu kebutuhan pokok yang harus dipenuhi selain kebutuhan
sandang dan pangan. Manusia membutuhkan rumah disamping sebagai tempat untuk
berteduh atau berlindung dari hujan/panas, dan memberi rasa aman dari gangguan, rumah
juga menjadi tempat berkumpul keluarga dalam menjalin hubungan kasih sayang dan saling
berinteraksi satu sama lain. Dengan demikian, rumah dapat dijadikan sebagai salah satu
indikator kesejahteraan. Semakin baik fasilitas yang dimiliki, dapat diasumsikan semakin
sejahtera rumah tangga yang menempatinya. Beberapa fasilitas yang akan diuraikan disini
adalah jenis atap terluas, dinding, lantai, sumber air minum.
Tabel 2. Karakteristik Perumahan
Tidak
Uraian Miskin
Miskin
Beton/Genteng/Asbes 5.06 6.70
id
Atap Seng 88.47 91.33
Bambu/Kayu/lainnya g o. 6.47 1.97
s.
marmer/keramik/karpet/ubin/tegel/semen 81.01 89.96
Lantai
bp
kayu/Papan/bambu/tanah 18.99 10.04

h.
Tembok 37.06 57.84

ce
Dinding Kayu/Papan 59.12 39.50

//a
Anyaman Bambu/Lainnya 3.81 2.66

s:
Air kemasan/isi ulang 25.79 44.39

Air
tp
Ledeng/Sumur bor/terlindung 46.27 13.57

Minum
ht
Lainnya 27.94 42.04
Pada tabel 2 di atas tergambar bahwa, sebagian besar rumah masyarakat Aceh
(rumah tangga miskin maupun tidak) mempunyai kualitas atap dan lantai yang relatif baik
(atap seng, lantai marmer/tegel/semen). Akan tetapi jika dilihat dari kualitaas dinding dan
sumber air minum, ada perbedaan antara rumah tangga miskin dengan tidak miskin. Jenis
dinding dan sumber air minum rumah tangga miskin kualitasnya lebih rendah dibanding
dengan rumah tangga tidak miskin. Dimana sebagian besar rumah tangga miskin berdinding
kayu/papan (59,12%) dengan air minum utama bersumber dari ledeng/sumurbor/terlindung
(46,27%), sedangkan untuk rumah tangga tidak miskin sebagian besar berdinding tembok
(57,84%) dengan sumber air minum utama air kemasan/isi ulang (44,39%.).
8
PAREMETER
Analisis Regresi Logistik

Analisis regresi logistik dapat menjelaskan tingkat maupun arah hubungan antara
variabel bebas dan variabel tak bebas. Model regresi logistik dalam penelitian ini adalah
sebagai berikut:
( ) = ( )
Dimana:
Y : kemiskinan rumah tangga (miskin=1, tidak miskin=0)
D_jk : jenis kelamin kepala rumah tangga (perempuan=1, laki-laki=0)
D_pdik : tingkat pendidikan kepala rumah tangga (SLTP ke bawah=1, SLTA ke
atas=0)
D_lp : lapangan pekerjaan kepala rumah tangga (pertanian=1, non pertanian=0)
D_jart : jumlah anggota rumah tangga (5 ke atas=1, 4 ke bawah=0)
D_dae : daerah tempat tinggal (perdesaan=1, perkotaan=0)
id
g o.
Berdasarkan hasil uji statistik menggunakan software SPSS 24, dapat dilihat besar dan
arah pengaruh variabel-variabel yang mempengaruhi kemiskinan rumah tangga secara
s.
bp
signifikan pada taraf uji 𝛼 5%. Variabel-variabel tersebut adalah jenis kelamin, pendidikan,
lapangan pekerjaan, jumlah art, dan daerah tempat tinggal. Berdasarkan hasil pengujian
h.
regresi logistik dengan taraf uji 𝛼 5% yang disajikan pada tabel 2, model persamaannya
ce
adalah sebagai berikut:

//a
s:
tp
( )
ht
Interpretasi
1. Odds ratio (perbandingan resiko)
Dari tabel 4.3 dapat diinterpretasikan sebagai berikut:
Kecenderungan rumah tanggan yang dikepalai perempuan untuk menjadi miskin 1,361
kali dibandingkan dengan rumah tanggan yang dikepalai laki-laki. Perempuan yang
tidak bekerja lebih besar dibanding laki-laki merupakan faktor utama rendahnya
pendapatan. Hal ini terlihat dari persentase kepala rumah tangga perempuan yang
tidak bekerja sebesar 34,93%, sedangkan laki-laki 7,04 %. Selain itu tingkat pendidikan
mereka juga lebih rendah yaitu sebesar 65,97% SD ke bawah, sedangkan laki-laki
sebesar 41,03%.
Variabel selanjutnya adalah tingkat pendidikan. Kecenderungan rumah tangga
menjadi miskin dengan pendidikan kepala rumah tangga SLTP ke bawah 1,934 kali
dibandingkan dengan SLTA ke atas. Semakin tinggi pendidikan seseoranga
diperkirakan akan semakin terampil dan akan mendapat pekerjaan yang lebih baik
yang tentunya akan mempengaruhi upah mereka.

PAREMETER
Lapangan pekerjaan juga merupakan faktor yang mempengaruhi kemiskinan. Hasil

penelitian ini menunjukkan bahwa kepala rumah tanggan yang bekerja di sektor
pertanian mempunyai kecenderungan 1,549 kali dibandingkan dengan non pertanian.
Hal ini sesuai dengan kenyataan bahwa masyarakat miskin umumnya bekerja di
sektor pertanian yaitu sebesar 51,58%.
Selanjutnya adalah jumlah anggota rumah tangga yang juga merupakan variabel yang
mempengaruhi kemiskinan. Semakin besar jumlah art akan semakin berat beban yang
harus ditanggung, terlebih jika art tersebut tidak bekerja. Dalam penelitian ini jumlah
art 5 orang atau lebih memunyai kecenderungan 3,590 kali dibanding jumlah art 4
orang ke bawah.
2. Adjusted probability (probabilitas terjadi) sautu peristiwa y=1 dengan
karakteristikn diketahui.
Model tersebut di atas dapat memberikan prediksi probabilitas suatu rumah tangga
akan miskin dengan karakteristik tertentu. Misalkan karakteristik kepala rumah
tangga adalah sebagai berikut:
id
 Jenis kelamin perempuan
 Pendidikan SLTP ke bawah
g o.
s.
 Lapangan pekerjaan pertanian

bp
 Jumlah art 5 orang atau lebih

h.
 Tinggal di daerah perdesaan

ce
Maka probabilita rumah tangga tersebut miskin adalah sebesar 45,66 persen, dan
//a
probabilitas rumah tangga tersebut tidak miskin sebesar 54,34 persen.

s:
tp
Tabel 3. Variables in the Equation

ht
B S.E. Wald df Sig. Exp(B)

a
Step 1 D_Dae .392 .093 17.593 1 .000 1.479
D_JK .308 .106 8.374 1 .004 1.361
D_Pdik .660 .088 56.268 1 .000 1.934
D_LP .437 .075 33.570 1 .000 1.549
D_JART 1.278 .072 315.642 1 .000 3.590
Constant -3.859 .108 1283.302 1 .000 .021
Kesimpulan
Berdasarkan hasil pembahasan dapat disimpulkan bahwa:
1. Kualitas perumahan rumah tangga miskin lebih rendah dari pada rumah tangga tidak
miskin.
2. Beberapa variabel yang secara signifikan mempengaruhi kemiskinan adalah jenis kelamin,
tingkat pendidikan, lapangan pekerjaan, jumlah anggota rumah tangga, dan daerah
tempat tinggal. semua variabel tersebut berpengaruh secara positif.
10
PAREMETER
3. Variabel yang cukup besar mempengaruhi tingkat kemiskinan adalah jumlah anggota
keluarga dengan nilai odds ratio sebesar 3,590, artinya rumah tangga dengan jumlah art
5 orang ke atas kecenderungan menjadi miskin 3,590 kali dibanding dengan jumlah art 4
orang ke bawah.
4. Rumah tangga dengan karakteristik KRT perempuan, pendidikan SLTP ke bawah,
lapangan pekerjaan pertanian, jumlah art 5 orang atau lebih, tinggal di daerah perdesaan,
akan mempunyai probabilitas menjadi miskin sebesar 45,66 persen.
Saran rekomendasi
1. Berbagai kajian dan penelitian tentang kemiskinan telah banyak dilakukan, baik oleh
pemerintah, peneliti, maupun swasta. Akan lebih tepat jika program-program
pengentasan kemiskinan merujuk pada berbagai peneliatian termasuk penelitian ini.
2. Pemerintah bersama masyarakat sebaiknya sejalan dalam melaksanakan program
pengentasan kemiskinan dengan memanfaatkan anggaran dan dukungan masyarakat.
id
Misalnya pendidikan merupakan salah satu faktor yang mempengaruhi kemiskinan,
g o.
pemerintah menyediakan anggaran pendidikan dalam melaksanakan program yang pro
kesejahteraan dan masyarakat mendukung dan memanfaatkan dengan baik program
s.
dimaksud.
bp
h.
Daftar Referensi
ce
Friendly, Michael. 1995. Logistic Regression.

//a
http://www.datavis.ca/courses/grcat/grc6.html
s:
Garson, David. 2014. Logistic Regression: Binarty and Multinomial. School of Public and
tp
International Affairs, North Carolina State University.

ht
http://www.statisticalassociates.com
Said, Ali Said dan Aiyago Mulia. 2002. Dasar dasar Analisis Kemiskinan. Bank Dunia.
Tterjemahan Badan Pusat Statistik
setyo, Ayu setyo dan lilik. 2016. Faktor-faktor Penentu Kemiskinan di Indonesia. Jurnal Ilmu
Ekonomi Terapan, Universita Airlangga. https://e-
journal.unair.ac.id/JIET/article/view/3252/2473
Wulandari, Nike Roao. 2016. Faktor-faktor yang Mempengaruhi Kemiskinan Rumah
Tangga di Kota Kendari Tahun 2014. Jurnal Progres Ekonomi Pembangunan Universitas
Halu Oleo.
Nasmiwati, Rina Nasmiwati dan Mike Triani. 2019. Analisis Faktor-Faktor yang
Mempengaruhi Kemiskinan Rumah Tangga di Kecamatan Bayang Kabupaten Pesisir
Selatan. Jurnal Kajian Ekonomi dan Pembangunan Univ Negeri Padang.
http://ejournal.unp.ac.id/students/index.php/epb/article/view/5647
https://www.statistikian.com
https://statistikceria.blogspot.com
http://www.statistikolahdata.com

PAREMETER
https://www.seputarpengetahuan.co.id/ 2016/06/9-pengertian-kemiskinan-menurut-para-
ahli-dan-penyebabnya-lengkap.html:
https://aceh.bps.go.id/subject/23/kemiskinan.html#subjekViewTab1
https://kbbi.web.id/miskin
id
g o.
s.
bp
h.
ce
//a
s:
tp
ht
12
PAREMETER
PENGARUH TEKNOLOGI INFORMASI DAN KOMUNIKASI (TIK) DAN SEKTOR FINANSIAL

DALAM PENURUNAN KETIMPANGAN PADA NEGARA-NEGARA ASEAN
Zia Ul Fajri1
Abstrak
Tujuan pertama SDGs adalah pengentasan segala bentuk kemiskinan di semua tempat.
Dalam mencapai tujuan ini sangat terkait dengan tujuan 8 SDGs, yakni pekerjaan layak dan
pertumbuhan ekonomi yang inklusif dan berkelanjutan. Diharapkan dengan penetapan
tujuan tersebut maka tujuan 10 SDGs yaitu mengurangi ketimpangan di dalam dan di antara
negara-negara dapat terwujud. Perkembangan dunia finansial saat ini berlangsung sangat
pesat dengan cepatnya penetrasi teknologi. Sector finansial memegang peranan penting
dalam aliran sumber daya capital antar Negara, antar daerah dan antar golongan
masyarakat dan diharapkan dapat menurunkan ketidaksetaraan di dalam dan di antara
negara/masyarakat. Oleh karena itu studi ini menyelidiki peran teknologi informasi dan
id
komunikasi (TIK) serta akses finansial pada ketimpangan pendapatan di lima negara asia
o.
tenggara periode 2006 hingga 2018 menggunakan OLS regresi linear berganda. Hasilnya,
g
sektor keuangan seperti pemberian kredit serta penggunaan TIK seperti internet dan
s.
jaringan transmisi data terbukti dapat mengurangi ketimpangan distribusi pendapatan pada
bp
negara ASEAN. Untuk itu, disarankan agar TIK dan pemberian kredit pada institusi keuangan
h.
formal dan informal dapat lebih dikembangkan oleh pemerintah. Pada penelitian
ce
selanjutnya sebaiknya ditambahkan variable korupsi dan gender karena salahguna anggaran
//a
pemerintahan dan ketimpangan gender merupakan salah satu penyebab terjadinya

s:
ketimpangan pendapatan masyarakat.

tp
ht
Kata kunci: TIK, Finansial, Ketimpangan, SDG
Pendahuluan
Sustainable development Goals (SDGs) mempunyai 17 tujuan pokok, tujuan yang
pertama dan yang paling utama adalah pengentasan segala bentuk kemiskinan di semua
tempat. Dalam mencapai tujuan ini akan sangat terkait dengan tujuan 8 SDG, yakni
pekerjaan layak dan pertumbuhan ekonomi yang inklusif dan berkelanjutan. Maksud inklusif
disini yaitu menyasar kepada kelompok rentan seperti penduduk miskin, masyarakat yang
tinggal di daerah perdesaan/terpencil maupun kaum perempuan. Diharapkan dengan
penetapan tujuan tersebut maka tujuan 10 SDG yaitu mengurangi ketimpangan di dalam
dan di antara negara-negara dapat terwujud.
Perkembangan dunia finansial saat ini berlangsung sangat pesat dengan cepatnya
penetrasi teknologi. Sektor finansial memegang peranan penting dalam aliran sumber daya
capital antar Negara, antar daerah dan antar golongan masyarakat. Aliran modal dari
masyarakat kaya maupun Negara maju kepada masyarakat miskin dan Negara berkembang
1
Fungsional Statistisi Ahli Pertama BPS Banda Aceh, Email: zia.ulfajri@bps.go.id

PAREMETER
akan meningkatkan pendapatan dan diharapkan akan menurunkan ketidaksetaraan didalam

dan di antara negara/masyarakat.
Ada dua teori yang bertentangan antara hubungan pembangunan sistem keuangan
terhadap ketimpangan pendapatan.Beberapa pandangan menyimpulkan bahwa
perkembangan keuangan sangat penting dalam meningkatkan pertumbuhan ekonomi dan
mengurangi ketidaksetaraan melalui peningkatan efisiensi alokasi modal dengan
memfasilitasi akses keuangan untuk orang miskin (Aghion dan Bolton, 2005; Galor dan
Moav, 2004; Galor dan Zeira, 1993). Sector keuangan juga bermanfaat bagi orang miskin,
mendorong pertumbuhan ekonomi secara keseluruhan dan mengurangi ketidaksetaraan
pendapatan (Beck et al., 2007).
Sebaliknya, teori-teori yang bertentangan menyatakan bahwa perkembangan
keuangan sebagian besar menguntungkan orang kaya. Greenwood dan Jovanovic (1990)
mendukung gagasan nexus antara ketidaksetaraan dan pengembangan sektor keuangan
yang berbentuk U terbalik. Mereka berpendapat bahwa pada awal proses perkembangan
keuangan maka ketimpangan akan meningkat, akan tetapi ketika perkembangan keuangan
id
mencapai tingkat yang tinggi, maka akan mengurangi kesenjangan pendapatan dan
g o.
karenanya mengurangi ketimpangan. Ini konsisten dengan interpretasi 'Kurva Kuznets', yang
s.
ber hipotesis bahwa ketimpangan pendapatan meningkat pada tahap awal pembangunan
bp
ekonomi dan kemudian menurun ketika reformasi sedang berlangsung (Kuznets, 1955).
h.
Namun, hubungan antara ketimpangan dan perkembangan keuangan ini berubah dari
ce
waktu ke waktu seiring perkembangan ekonomi yang bergerak dari menengah ke

//a
mantap/stabil (Asongu dan Tchamyou, 2014).

s:
Berkembang pesatnya teknologi informasi dan komunikasi (TIK) dewasa ini ikut
tp
menetrasi semua sektor ekonomi terutama sektor finansial. Berbeda halnya dengan
ht
perkembangan TIK di negara maju dan yang dinilai telah jenuh, perkembangan TIK di
kawasan Asia Tenggara dinilai masih memiliki potensi penetrasi yang tinggi di (Penard et al,
2012).
Tabel 1. Klasifikasi Pendapatan Negara-negara Asia Tenggara, 2020
No. Negara Klasifikasi Pendapatan
1 Brunei Darussalam High income
2 Indonesia Lower middle income
3 Cambodia Lower middle income
4 Lao PDR Lower middle income
5 Myanmar Lower middle income
6 Malaysia Upper middle income
7 Philippines Lower middle income
8 Singapore High income
9 Thailand Upper middle income
10 Vietnam Lower middle income
Sumber :World Bank
14
PAREMETER
Pada tabel 1 menunjukkan bahwa dari semua negara Asia Tenggara tersebut terdapat
dua negara dengan pendapatan tinggi yang tingkat penetrasi TIK maupun sektor finansial
telah jenuh. Penelitian ini berfokus pada negara dengan pendapatan menengah karena
keterbatasan data, hanya negara Indonesia, Malaysia, Filipina, Thailand dan Vietnam saja
yang termasuk dalam ruang lingkup penelitian. Oleh karena itu, penelitian ini ingin melihat
hubungan antara TIK dan sektor keuangan terhadap ketidaksetaraan pada lima negara-
negara Asia Tenggara tersebut.
Tujuan
Penelitian memiliki tujuan untuk (i) menganalisis pengaruh TIK terhadap penurunan
kesenjangan di negara-negara ASEAN dan (ii) menganalisis pengaruh sektor finansial
terhadap penurunan kesenjangan di negara-negara ASEAN.
Landasan Teori
Sektor keuangan sangat berpengaruh pada pertumbuhan ekonomi inklusif. Dengan
adanya aliran modal yang merata pada masyarakat miskin dan daerah pedesaan akan
id
mendukung berjalannya pertumbuhan ekonomi yang pro-poor. Berkembang pesatnya
g o.
teknologi informasi dan komunikasi (TIK) juga sangat berperan dalam mewujudkan
s.
pertumbuhan ekonomi inklusif. Dengan dunia yang tanpa batas, masyarakat miskin dan di
bp
daerah perdesaan maupun tertinggal sekalipun dapat ikut melakukan aktivitas ekonomi
h.
tanpa pengahalang jarak. Perkembangan TIK ini menetrasi semua sektor ekonomi terutama
ce
sektor finansial. Bahkan sektor keuangan digital berkembang sangat cepat dan pesat
//a
melampaui sektor-sektor lainnya. Diharapkan kemajuan TIK dan sektor keuangan serta
s:
pengembangan sektor keuangan melalui penetrasi TIK ini akan menguatkan terciptanya
tp
pertumbuhan ekonomi inklusif sehingga dapat mengurangi kemiskinan dan kesenjangan.

ht
Untungnya, penetrasi TIK yang mencapai tingkat kejenuhan di negara maju dan negara-
negara berkembang berpendapatan tinggi dinilai masih memiliki potensi penetrasi yang
tinggi di Asia Tenggara (Penard et al, 2012). Oleh karena itu, diprediksi bahwa
perkembangan TIK yang pesat kedepannya akan mempercepat penurunan kemiskinan dan
ketidaksetaraan di kawasan asia tersebut.
Pengaruh sektor keuangan terhadap kemiskinan dan kesenjangan tersebut sejalan
dengan hubungan antara sektor keuangan dan pertumbuhan ekonomi maupun
pembangunan ekonomi (Kappel, 2010). World Development Report (2016) juga menyatakan
bahwa revolusi digital pada era milenial ini seharusnya akan mendatangkan “Digital
Dividends” apabila akses internet yang tanpa batas dapat diinteraksikan dengan sektor
keuangan yang telah ada agar dapat mendorong ekonomi. Hal ini juga didukung oleh
Laporan Pembangunan Keuangan Global (2014) yang menyatakan bahwa TIK dapat
mewujudkan inklusi keuangan dan berguna untuk penurunan kemiskinan dan pengurangan
kesenjangan ekonomi. Faktanya, penetrasi teknologi informasi dan komunikasi (TIK) dalam
sektor keuangan membuat pengembangan sektor ini menjadi sangat menguntungkan
masyarakat. Pengembangan keuangan ini akan mengurangi biaya transaksi sehingga dapat

PAREMETER
mengurangi pengeluaran finansial rumah tangga (Levine, 2009). Di sisi lain, TIK juga dapat
menjadi sarana bagi mereka yang tidak mempunyai rekening di bank agar tetap dapat
mengakses layanan keuangan formal (Asongu dan Nwachukwu,2017). Selain itu, perbankan
digital ini juga berfungsi sebagai Anjungan Tunai Mandiri (ATM) untuk keperluan transaksi
sehingga sangat memudahkan masyarakat.
Penelitian terdahulu
Beberapa bukti empiris yang menjelaskan bahwa pengembangan sektor keuangan
dapat mengurangi kemiskinan dan kesenjangan. Penelitian terdahulu tentang kaitan sektor
keuangan dan TIK terhadap penurunan kemiskinan dan ketimpangan adalah dapat dilihat
pada tabel 2. Selanjutnya, sesuai dengan literatur keuangan dan ketidaksetaraan, penelitian
ini juga memasukkan variabel pengiriman uang/remitansi dan pengeluaran konsumsi
pemerintah sebagai factor yang juga berpengaruh terhadap penurunan kesenjangan.
Tabel 2. Penelitian terdahulu tentang TIK, sektor finansial dan ekonomi

No. Peneliti Tahun Hasil
id
1 Asongu dan 2017 TIK dalam meningkatkan pembangunan manusia yang inklusif di benua Afrika sehingga
2
Le Roux
Corrado dan 2017 o.
dapat menurunkan ketimpangan pendapatan.
g
Sector keuangan inklusif memiliki banyak manfaat pada pertumbuhan ekonomi inklusif
s.
Corroda karena: (i) memungkinkan akses ke berbagai layanan keuangan; (ii) memberi peluang
bp
pelaku ekonomi untuk membuat rencana investasi dan konsumsi jangka panjang; (iii)
melindungi rumah tangga dan bisnis dari guncangan yang merugikan dan (iv) memberi
h.
peluang semua lapisan memanfaatkan peluang social/ ekonomi.

ce
3 Meniago dan 2018 Akses keuangan bagi semua dan efisiensi keuangan dapat mengurangi ketidaksetaraan.
Asongu
//a
4 Sarma dan 2011 Inklusi keuangan, pembangunan ekonomi, dan perkembangan manusia berhubungan
s:
Pais erat pada negara tertentu.

5 Asongu dan 2018 Ada korelasi positif antara mobile banking dan pertumbuhan ekonomi inklusif ketika
tp
Nwachukwu indeks pembangunan manusia tertentu telah tercapai.

ht
6 Asongu dan 2018 TIK inklusif berhubungan dengan pertumbuhan ekonomi, ketimpangan dan kemiskinan.
Asongu Meningkatnya penggunaan ponsel untuk membayar tagihan memiliki hubungan positif
dengan pertumbuhan di negara-negara berpenghasilan rendah-menengah. Namun,
berhubungan negative dengan ketimpangan pada negara-negara Amerika Latin.
Meningkatnya penggunaan ponsel utk menerima/mengirimkan uang juga hubungan
negatif dengan kemiskinan di wilayah Asia Pasifik serta Eropa Timur.
7 Asongu dan 2017 Aplikasi mobile banking berperan penting dalam menanggapi tantangan pertumbuhan
Odhiambo eksklusif, ketimpangan dan kemiskinan di negara-negara berkembang.
8 Asongu 2015 Ada efek redistribusi pendapatan dari penetrasi ponsel pro-poor di Afrika.
9 Asongu dan 2018 Terdapat hubungan antara teknologi seluler terhadap pengembangan ekonomi inklusif
Boateng di Afrika.
10 Asongu et al 2018 Perkembangan teknologi informasi dapat meningkatkan akses pada sektor keuangan di
Afrika.
11 Gosavi 2018 Perusahaan di sub-Sahara Afrika Timur yang menggunakan uang digital akan lebih
mudah mendapatkan pinjaman kredit dan akan lebih produktif.
12 Bongomin, 2018 Ada pengaruh jejaring sosial dalam hubungan antara penggunaan uang digital dan inklusi
dkk keuangan di pedesaan Uganda
13 Abor et al 2018 Inklusi keuangan dan penetrasi telepon seluler secara substansial mengurangi
kemungkinan rumah tangga dan mengubah konsumsi per kapita dari produk makanan
ke bukan makanan.
14 Yousefi 2011 Pengaruh pertumbuhan ekonomi pada TIK bervariasi pada kelompok pendapatan yang
berbeda. TIK memainkan peran penting dalam pertumbuhan ekonomi kelompok
berpenghasilan menengah ke atas. Namun, TIK gagal berkontribusi pada pertumbuhan
ekonomi kelompok berpenghasilan menengah ke bawah.
16
PAREMETER
Kerangka Konseptual
Berdasarkan landasan teori dan penelitian sebelumnya di atas, maka dibangun
kerangka konseptual penelitian sebagai berikut:
Sektor Keuangan
- Jumlah uang beredar
- Jumlah pemberian kredit
TIK Kesenjangan
- Internet
pendapatan
- Jaringan transmisi (broadband)
Variable lain
- Pengeluaran Pemerintah
- Arus keuangan antar negara
id
o.
g
Gambar 1. Alur Pikir penelitian
s.
bp
h.
ce
//a
Hipotesis
s:
Berdasarkan alur pikir penelitian di atas maka dibangun hipotesis sebagai berikut:
tp
Ho : variable telepon seluler, internet dan janringan transmisi tidak memiliki pengaruh
ht
terhadap kesenjangan pendapatan.
Ha : variable telepon seluler, internet dan jaringan transmisi memiliki pengaruh terhadap
kesenjangan pendapatan.
Ho : variable jumlah uang beredar dan jumlah pemberian kredit tidak memiliki pengaruh
Ha : variable jumlah uang beredar dan jumlah pemberian kredit memiliki pengaruh
Ho : variable pengeluaran pemerintah dan arus keuangan dari luar negeri tidak memiliki
pengaruh terhadap kesenjangan pendapatan.
Ha : variable pengeluaran pemerintah dan arus keuangan antar negara memiliki pengaruh

PAREMETER
Data dan Metode Penelitian

Untuk melihat pengaruh TIK dan sektor keuangan terhadap ketimpangan,
dikumpulkan data yang bersumber dari World Bank. Data ini meliputi Indonesia, Malaysia,
Filipina, Thailand, dan Vietnam tahun 2006-2018 yang dibuat secara pooled. Secara rinci
variable yang dikumpulkan adalah sebagai berikut:
- Data kesenjangan pendapatan didekati dengan data Indeks Gini sebagai variabel
dependen (Y).
- Data sektor keuangan didekati dengan data persentase jumlah uang beredar
terhadap PDB sebagai variabel independen pertama (X1) dan persentase jumlah
pemberian kredit terhadap PDB sebagai variable independen kedua (X2)
- Data TIK didekati dengan data pengguna internet per 100 orang sebagai variabel
independen ketiga (X3) dan tingkat berlangganan jaringan transmisi data
(broadband) sebagai variabel independen keempat (X4). Variabel X4 ini
ditransformasikan dalam bentuk logaritma natural untuk mendapatkan
elastisitasnya.
id
- Data pengeluaran pemerintah didekati dengan persentase konsumsi akhir
g o.
pemerintah terhadap PDB sebagai variabel independen kelima (X5).
s.
- Data arus keuangan dari luar negeri didekati dengan persentase pengiriman uang
bp
antar Negara terhadap PDB sebagai variabel independen kelima (X6).

h.
ce
Dengan metode OLS akan dihasilkan Persamaan regresi linear berganda sebagai berikut:
//a
s:
Y = a + b1 X1 + b2X2 + b3X3 + b4LnX4 + b5X5 + b6X6 + e

tp
ht
Keterangan:
Y = Variabel dependen (nilai yang diprediksikan) dalam hal ini adalah Indeks Gni
X1 = Variabel independen persentase jumlah uang beredar terhadap PDB
X2 = Variabel independen persentase jumlah pemberian kredit terhadap PDB
X3 = Variabel independen pengguna internet per 100 orang
X4 = Variabel independen logaritma natural tingkat berlangganan jaringan transmisi
(broadband)
X5 = Variabel independen persentase konsumsi akhir pemerintah terhadap PDB
X6 = Variabel independen persentase pengiriman dan penerimaan uang antar negara
terhadap PDB
a = Konstanta (nilai Y’ apabila X1, X2…..X6 = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
e = eror term
18
PAREMETER
Hasil dan Pembahsan

Analisis deskriptif
Untuk memberikan gambaran tentang kondisi ketimpangan serta perkembangan TIK
dan sektor keuangan pada negara ASEAN dilakukan analisis deskriptif.
50
48
46
44
42
40
38
36
id
34
32
Indonesia Malaysia Filipina
o.
g
Thailand Vietnam ASEAN-5
s.
30
bp
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
h.
Sumber: World Bank

ce
Gambar 1. Indeks Gini Negara-negara ASEAN, Tahun 2006-2018

//a
s:
Indeks Gini mengukur sejauh mana distribusi pendapatan (yang terkadang didekati
tp
dengan pengeluaran konsumsi) di antara individu atau rumah tangga dalam suatu
ht
perekonomian menyimpang dari distribusi yang pemerataan yang sempurna. Kurva Lorenz
memetakan persentase kumulatif dari total pendapatan yang diterima terhadap jumlah
komulatif penerima, dimulai dari individu atau rumah tangga termiskin. Indeks Gini
mengukur area antara kurva Lorenz dan garis hipotetis kesetaraan absolut, yang dinyatakan
sebagai persentase dari area maksimum di bawah garis. Jadi indeks Gini dari 0 mewakili
pemerataan sempurna, sementara indeks bernilai 100 mengimplikasikan ketidaksetaraan
sempurna (definisi data world bank, 2020).
Pada gambar 1 di atas terlihat bahwa rata-rata indeks gini Negara ASEAN mengalami
kemajuan dari angka 40,38 pada tahun 2006 menjadi 38,70 pada tahun 2018. Bila dilihat
berdasarkan negara, Malaysia memiliki angka ketimpangan tertinggi dan Indonesia
mempunyai indeks gini terendah pada tahun 2006. Akan tetapi, Malaysia memiliki
penurunan ketimpangan tertinggi selama 13 tahun terakhir sehingga menjadi Negara
dengan indeks gini tertinggi kedua. Selama tahun 2018, indeks gini tertinggi adalah Filipina
dan yang terendah adalah Vietnam. Negara Vietnam dinilai berhasil oeh dunia internasional
dalam menjalankan pertumbuhan ekonomi yang inklusif. Indonesia dan Thailand sendiri
berada pada urutan kedua dan ketiga terendah pada negara ASEAN.

PAREMETER
180,00
160,00
140,00
120,00
100,00
80,00
60,00
40,00
20,00
Indonesia Malaysia Filipina Thailand Vietnam ASEAN-5
-
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Sumber: World Bank

Gambar 2. Persentase jumlah uang beredar terhadap PDB Negara-negara ASEAN tahun
id
2006-2018
g o.
Jumlah Uang beredar (JUB) adalah jumlah uang di luar bank; giro selain dari
s.
bp
pemerintah pusat; tabungan, dan simpanan mata uang asing dari penduduk selain
pemerintah pusat; cek bank; dan sekuritas lain seperti sertifikat deposito dan surat berharga
h.
(definisi data world bank, 2020). Pada gambar 2 terlihat bahwa rata-rata persentase JUB
ce
terhadap PDB pada Negara ASEAN adalah 82,54 persen selama tahun 2006 dan meningkat
//a
menjadi 104,68 persen. Semakin tinggi angka persentase ini maka semakin cepat pula
s:
perputaran uang yang beredar dan semakin tinggi pula perekonomian yang terbentuk.
tp
Pertumbuhan perekonomi yang tinggi diharapkan dapat menurunkan kesenjangan.

ht
Bila dilihat menurut Negara, persentase JUB terhadap PDB Indonesia merupakan yang
terendah selama 13 tahun terakhir, diikuti oleh Filipina. Negara dengan persentase JUB
terhadap PDB tertinggi sepanjang tahun 2006-2015 adalah Malaysia. Sementara itu, negara
dengan perkembangan JUB terhadap PDB tercepat adalah Vietnam. Bahkan sepanjang
tahun 2015-2018 perputaran uang di negara ini merupakan yang tertinggi dibanding negara-
negara ASEAN lainnya. Pertumbuhan ekonomi Vietnam memang sangat cepat dibanding
negara sekitar. Pertumbuhan ekonomi negara ini ditopang oleh sektor manufaktur dan
ekspor. Bahkan Negara ini dapat memanfaatkan momentum perang dagang China dan
Amerika Serikat untuk meningkat perekonomiannya. Negara ini meningkatkan ekspor ke
Amerika Serikat sebagai subsitusi barang ekspor dari China. Di sisi lain, Vietnam juga
menarik minat investor swasta dari negara Jepang, Korea, dan China untuk berinvestasi
dalam bidang industri manufaktur di negara ini. Hal ini membuat Vietnam dapat
berkembang cepat dari negara miskin menjadi negara berkembang.
20
PAREMETER
160,00
140,00
120,00
100,00
80,00
60,00
40,00
20,00
-
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Sumber: World Bank
Gambar 3. Persentase jumlah pemberian kredit terhadap PDB Negara-negara ASEAN tahun
2006-2018
id
o.
Pemberian kredit diharapkan akan menstimulus perekonomian dengan adanya aliran
g
s.
modal. Kecukupan modal akan meningkatkan produktivitas sehingga meningkatkan
bp
pendapatan dan menurunkan kesenjangan ekonomi. Pada gambar 3 terlihat bahwa rata-
h.
rata persentase kredit terhadap PDB pada Negara-negara ASEAN adalah sebesar 75,08
ce
persen pada tahun 2006 dan meningkat pesat menjadi 104,17 persen pada tahun 2018. Bila
//a
dirinci menurut negara, persentase kredit terhadap PDB Indonesia adalah yang terendah
selama 13 tahun terakhir. Sementara itu, persentase kredit terhadap PDB Malaysia
s:
tp
merupakan yang tertinggi periode 2006-2018. Perkembangan persentase kredit terhadap

ht
PDB yang tertinggi selama 13 tahun ini adalah Vietnam. Pemberian kredit memang dijadikan
faktor pendukung utama negara tersebut untuk mempertahankan pertumbuhan
ekonominya tetap tinggi.
100,00
80,00
60,00
40,00
20,00
-
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Sumber: World Bank
Gambar 4. Pengguna internet per 100 orang Negara-negara ASEAN tahun 2006-2018

PAREMETER
Penggunaan internet akan mempermudah akses ke seluruh dunia sehingga

mempermudah seseorang untuk meningkatkan produktifitasnya sehingga kesenjangan
pendapatan dapat lebih dipersempit. Pada gambar 4 terlihat bahwa rata-rata pengguna
internet per 100 orang pada Negara ASEAN pada Tahun 2006 adalah 19,31 dan meningkat
pesat menjadi 62,58 pada tahun 2018. Indonesia merupakan negara dengan tingkat
penetrasi internet terendah selama tiga belas tahun terakhir. Sementara Malaysia memiliki
tingkat penetrasi ineternet tertinggi selama tahun 2006-2018. Perkembangan tingkat
penetrasi internet tertinggi adalah Filipina. Pekembangan penetrasi telepon pintar di negara
Filipina dan Vietnam memang sangat tinggi.
14.000.000
Indonesia
12.000.000
Malaysia
Filipina
10.000.000
id
Thailand
o.
Vietnam
8.000.000 g
ASEAN-5
s.
6.000.000
bp
h.
4.000.000
ce
2.000.000
//a
s:
-
tp
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Sumber: World Bank

ht
Gambar 5. Tingkat berlangganan jaringan transmisi (broadband) Negara-negara ASEAN

Tahun 2006-2018
Broadband adalah jaringan koneksi kecepatan tinggi karena lebar jalur data yang besar
sehingga memungkinkan untuk akses internet secara cepat. Teknologi ini berbagi jalur
dengan pengguna sekitarnya. Broadband ini tidak termasuk komunikasi data melalui
jaringan seluler. Pelanggan broadband ini perumahan dan perkantoran.
Gambar 5 menunjukkan bahwa rata-rata tingkat berlangganan broadband pada
Negara-negara ASEAN adalah 524.103 pelanggan pada tahun 2006 dan menjadi 7.534.656
pelanggan pada tahun 2018. Bila dirinci menurut negara, pada tahun 2006 terlihat bahwa
tingkat berlangganan broadband merata pada lima negara. Namun peningkatan terjadi
setiap tahunnya sehingga selama lima tahun terakhir tingkat berlangganan antarnegara
menjadi sangat bervariasi. Perkembangan di Vietnam dan Thailand terjadi sangat cepat.
Pemerintah Thailand dan Vietnam memang menargetkan broadband di seluruh daerah
dengan menetapkan biaya murah.
22
PAREMETER
Pengeluaran pemerintah merupakan sumber dana bagi perekonomian negara

berkembang. Efisiensi belanja pemerintah diharapkan dapat mendorong terciptanya
perekonomian yang sehat dan stabil. Gambar 6 menunjukkan bahwa persentase
pengeluaran pemerintah terhadap PDB negara-negara ASEAN berjumlah 9,60 persen pada
tahun 2006 dan meningkat menjadi 11,10 persen pada tahun 2018. Bila dilihat lebih rinci,
Vietnam dan Indonesia sebagai negara republik memiliki persentase pengeluaran
pemerintah terhadap PDB yang lebih rendah disbanding negara monarki konstitusional
seperti Malaysia dan Thailand. Negara dengan system kerajaan memang memiliki beban
operasional pemerintahan yang lebih besar.
18,00
16,00
14,00
12,00
id
o.
10,00
g
8,00
s.
bp
6,00
h.
4,00
ce
2,00
//a
-
s:
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
tp
Sumber: World Bank

ht
Gambar 6. Persentase konsumsi pemerintah terhadap PDB Negara-negara ASEAN tahun

2006-2018
Remitansi adalah pengiriman uang pekerja asing ke penerima di negara asalnya. Uang
yang dikirimkan pekerja migran merupakan salah satu arus uang terbesar di negara
berkembang. Remitansi memegang peranan penting bagi perekonomian. Pertumbuhan
aliran dana dari luar negeri ke dalam negeri akan menekan defisit transaksi berjalan (Current
Account Deficit/CAD) sekaligus stabilisasi kurs.
Gambar 7 menunjukkan bahwa rata-rata remitansi ASEAN adalah 4,28 persen pada
tahun 2006 dan stabil hingga mencapai angka 3,95 pada tahun 2018. Bila dilihat menurut
Negara, gambar 7 menunjukkan bahwa Malaysia, Indonesia, dan Thailand memiliki
persentase remitansi terhadap PDB yang rendah. Sementara Vietnam dan Filipina memiliki
tingkat remitansi terhadap PDRB yang cukup tinggi. Dengan jumlah tenaga kerja diluar
negeri yang terbilang rendah, remitansi Negara Filipina tergolong sangat tinggi. Hal ini
dikarenakan jumlah tenaga kerja Filipina di luar negeri memang lebih tinggi. Selain itu,
jumlah uang yang dikirimkan juga tergolong besar dan dilakukan secara digital sehingga
pasti tercatat.

PAREMETER
14,00
12,00
10,00
8,00
6,00
4,00
2,00
-
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Sumber: World Bank
id
Gambar 7. Persentase pengiriman uang antar Negara (remitansi) terhadap PDB Negara-
negara ASEAN tahun 2006-2018
go.
s.
bp
Analisis Inferensial
h.
ce
Dengan menggunakan eviews 10 dihasilkan output seperti terlihat pada gambar 8

dibawah ini.
//a
Gambar 8. Output uji analisis

s:
tp
Variable Coefficient Std. Error t-Statistic Prob.

ht
C 0.743934 8.043179 9.249283 0.0000

M2 0.108687 0.061205 1.775790 0.0810
CREDIT -0.164786 0.063026 -2.614576 0.0114
INTERNET -0.183223 0.027980 -6.548468 0.0000
LNBROADBAND -2.804162 0.556261 -5.041087 0.0000
GOV 0.385849 0.141763 2.721797 0.0086
REMIT 0.272476 0.141474 1.925987 0.0590
R-squared 0.592535
Adjusted R-squared 0.550384
S.E. of regression 3.302730
Sum squared resid 632.6653
Log likelihood -166.1865
F-statistic 14.05728
Prob(F-statistic) 0.000000
24
PAREMETER
Dari gambar d iatas terlihat bahwa uji secara silmultan menghasilkan tingkat signifikan
0,0000. Artinya pada taraf nyata 5 persen semua variabel secara simultan berpengaruh
signifikan terhadap kesenjangan ekonomi di ASEAN. Semua variabel bebas tersebut mampu
menjelaskan indeks gini ASEAN sebesar 59,25 persen, sedangkan 40,75 persen lagi
dijelaskan oleh variabel bebas lain diluar model. Dari enam variable yang diteliti, semua
variable signifikan pada tingkat kesalahan 10 persen. Namun pada tingkat kesalahan lima
persen hanya empat variable yang signifikan, yaitu variable kredit, internet, jaringan
transmisi data, dan pengeluaran pemerintah sehingga terbentuk model sebagai berikut:
Gini Index = 0.743934 - 0.164786 kredit - 0.183223 internet - 2.804162 Ln Broadband +

0.385849 Gov
Dari keempat variabel bebas dalam model, pengaruh terbesar diberikan oleh
pengeluaran pemerintah, diikuti variabel jaringan transmisi data, penggunaan internet, dan
variabel kredit. Hal ini sesuai dengan hasil penelitian Asongu dan Le Roux (2017), Asongu
dan Odhiambo (2017), Meniago dan Asongu (2018), Asongu dan Asongu (2018), dan
id
Bongomin, dkk (2018).
g o.
Variabel kredit berbanding terbalik dengan indeks gini. Semakin tinggi persentase
pemberian kredit terhadap PDB maka akan semakin menurun angka indeks gini, demikian
s.
pula sebaliknya. Dengan kata lain, pemberian kredit dapat menurunkan kesenjangan pada
bp
Negara-negara ASEAN. Hal ini dikarenakan adanya aliran modal akan mendukung
h.
produktifitas sehingga terjadi redistribusi pendapatan yang pada akhirnya akan menurunkan
ce
kesenjangan. Setiap kenaikan 1 persen pemberian kredit terhadap PDB akan menurunkan
//a
indeks gini negara-negara ASEAN-5 sebesar 0.164786.

s:
Variabel internet berbanding terbalik dengan indeks gini. Semakin tinggi persentase
tp
penggunaan internet akan semakin menurun angka indeks gini, demikian pula sebaliknya.
ht
Dengan kata lain, penggunaan internet dapat menurunkan kesenjangan pada negara-negara
ASEAN. Hal ini dikarenakan ineternet akan menjadikan dunia tanpa batas sehingga akan
mendukung produktifitas dengan semakin luasnya pemasaran, ketersediaan bahan baku
yang semakin beragam, transfer ilmu yang semakin mudah, dan jejaring yang semakin
bertambah. Hal ini akan meredistribusi pendapatan yang pada akhirnya dapat menurunkan
kesenjangan. Setiap kenaikan 1 pengguna internet dari 100 orang maka akan menurunkan
indeks gini negara-negara ASEAN sebesar 0.183223.
Variabel jaringan transmisi berbanding terbalik dengan indeks gini. Semakin tinggi
persentase penggunan jaringan transmisi data maka semakin menurun angka indeks gini,
demikian pula sebaliknya. Dengan kata lain, peningkatan transmisi data dapat menurunkan
kesenjangan pada negara-negara ASEAN. Hal ini dikarenakan hadirnya dunia tanpa batas
akan mendukung produktifitas sehingga terjadi redistribusi pendapatan yang pada akhirnya
akan menurunkan kesenjangan. Setiap kenaikan 1 persen pelanggan broadband,
menurunkan indeks gini negara-negara ASEAN sebesar 2.804162.
Variabel konsumsi pemerintah terhadap PDB berbanding lurus dengan indeks gini.
Semakin tinggi persentase konsumsi pemerintah terhadap PDB semakin meningkat pula

PAREMETER
angka indeks gini. Dengan kata lain, konsumsi pemerintah malah menaikkan kesenjangan
pada negara-negara ASEAN. Hal ini kemungkinan besar dikarenakan adanya inefisiensi
anggaran seperti halnya korupsi. Setiap kenaikan satu persen konsumsi pemerintah
terhadap PDB meningkatkan indeks gini negara-negara ASEAN sebesar 0.385849.
Apabila tidak ada peningkatan pemberian kredit, peningkatan penggunaan internet
pelanggan broadband, serta stabilnya pengeluaran pemerintah maka indeks gini akan
meningkat sebesar 0.743934. Peningkatan indeks gini tentu sangat mengkhawatirkan.
Kesimpulan
Berdasarkan hasil penelitian di atas, dapat disimpulkan bahwa TIK berpengaruh
terhadap penurunan kesenjangan di negara-negara ASEAN melalui penggunaan internet dan
jaringan transmisi data. Selain itu, sector keuangan juga terbukti berpengaruh terhadap
penurunan ketidaksetaraan melalui instrumen kredit. Di sisi lain, belanja pemerintah dan
tenaga kerja luar negeri tidak terbukti dapat menurunkan gini ratio.
id
Saran
g o.
Oleh karena itu, untuk mengurangi ketidaksetaraan melalui TIK dan akses keuangan
s.
dapat dilakukan dengan cara sebagai berikut:
bp
1. Pemerintah harus merencanakan regulasi agar layanan TIK dapat diakses oleh rumah
h.
tangga di segala lapisan dan di semua daerah

ce
2. Sektor keuangan informal harus lebih dioptimalkan oleh pemerintah untuk

//a
memperlancar arus pemutaran uang dan meningkatkan akses keuangan. Bagi rumah
s:
tangga sendiri, sektor keuangan informal mendorong manajemen keuangan yang

tp
lebih baik dengan mengekang pembelanjaan konsumtif.

ht
3. Pemerintah harus lebih memberdayakan metode pembayaran digital yang nantinya

dapat digunakan untuk membangun data riwayat keuangan sebagai fasilitas akses
mendapatkan kredit.
4. Pada penelitian selanjutnya sebaiknya ditambahkan variable korupsi dan gender
karena penyalahgunaan anggaran pemerintahan dan ketimpangan gender
merupakan salah satu penyebab terjadinya ketimpangan pendapatan masyarakat.
Daftar Pustaka
Abor, J.Y., Amidu, M., Issahaku, H., 2018. Mobile telephony, financial inclusion
and inclusive growth. J. Afr. Bus. 18 (4), 430–453.
AfDB, 2013. Financial Inclusion in Africa. African Development Bank, Abidjan.
Aghion, P., Bolton, P., 2005. A theory on trickle-down growth and
development. Rev. Econ. Stud. 64 (2), 151–172.
Andrianaivo, M., Kpodar, K., 2011. ICT, financial inclusion, and growth:
evidence from African countries. IMF Working Paper 11 (73), 1–44.
26
PAREMETER
Asongu, S.A., 2015a. The impact of mobile phone penetration on African

inequality. Int. J. Soc. Econ. 42 (8), 706–716.
Asongu, S.A., 2015b. Liberalisation and financial sector competition: a critical

con- tribution to the empirics with an African assessment. S. Afr. J. Econ. 83 (3),
425–451.
Asongu, S.A., Asongu, N., 2018. The comparative exploration of mobile money
services in inclusive development. Int. J. Soc. Econ. 45 (1), 124–139.
Asongu, S.A., Boateng, A., 2018. Introduction to special issue: mobile
technologies and inclusive development in Africa. J. Afr. Bus. 19 (3), 297–301.
Asongu, S.A., De Moor, L., 2017. Financial globalisation dynamic thresholds for
financial development: evidence from Africa. Eur. J. Dev. Res. 29 (1), 192–
212.
Asongu, S.A., Le Roux, S., 2017. Enhancing ICT for inclusive human development
in sub- Saharan Africa. Technol. Forecast. Soc. Chang. 118 (May), 44–54.
id
Asongu, S.A., Nwachukwu, J.C., 2017a. Recent finance advances in information
o.
technology for inclusive development: a survey. In: African Governance and
g
s.
Development Institute Working Paper No. 009, (Yaoundé).
bp
Asongu, S.A., Nwachukwu, J.C., 2017b. The synergy of financial sector

development and information sharing in financial access: propositions and
h.
ce
empirical evidence. Res. Int. Bus. Financ. 40 (April), 242–258.

Asongu, S.A., Nwachukwu, J.C., 2018a. Comparative human development
//a
thresholds for absolute and relative pro-poor mobile banking in developing

s:
countries. Inf. Technol. People 31 (1), 63–93.

tp
ht
Asongu, S.A., Nwachukwu, J.C., 2018b. Educational quality thresholds in the

diffusion of knowledge with mobile phones for inclusive human
development in sub-Saharan Africa. Technol. Forecast. Soc. Chang. 129
(April), 164–172.
Asongu, S.A., Odhiambo, N.M., 2017. Mobile banking usage, quality of growth,
inequality And poverty in developing countries. Inf. Dev.
https://doi.org/10.1177/ 0266666917744006.
Asongu, S.A., Tchamyou, V.S., 2014. Inequality, finance and pro-poor
investment in Africa. Brussels Econ. Rev. 57 (4), 517–547.
Asongu, S.A., Nwachukwu, J.C., Tchamyou, V.S., 2016. Information asymmetry
and financial development dynamics in Africa. Rev. Dev. Finance 6 (2), 126–
138.
Asongu, S.A., Anyanwu, J.C., Tchamyou, V.S., 2017. Technology-driven
information sharing and conditional financial development in Africa. Inf.
Technol. Dev. https:// doi.org/10.1080/02681102.2017.1311833.

PAREMETER
Asongu, S.A., Batuo, E.M., Nwachukwu, J.C., Tchamyou, V.S., 2018. Is information
diffusion a threat to market power for financial access? Insights from the
African banking industry. J. Multinat. Financ. Manag. 45 (June), 88–104.
Beck, T., Demirgüç-Kunt, A., Levine, R., 2003. Law and finance: why does legal
origin matter? J. Comp. Econ. 31 (4), 653–675.
Beck, T., Demirgüç-Kunt, A., Levine, R., 2007. Finance, inequality and the poor. J.
Econ. Growth 12 (1), 27–49.
Bongomin, G.O.C., Ntayi, J.M., Munene, J.C., Malinga, C.A., 2018. Mobile money
and financial inclusion in sub-Saharan Africa: the moderating role of social
networks. J. Afr. Bus. 18 (4), 361–384.
Corrado, G., Corroda, L., 2017. Inclusive finance for inclusive growth and
development. Curr. Opin. Environ. Sustain. 24 (February), 19–23.
Demirgüç-Kunt, A., Levine, R., 2009. Finance and inequality: theory and
evidence. Annu. Rev. Financ. Econ. 1 (1), 287–318.
id
o.
Efobi, U.R., Tanankem, B.V., Asongu, S.A., 2018. Female economic participation
g
with information and communication technology (ICT) advancement:
s.
evidence from sub- Saharan Africa. S. Afr. J. Ecol. 86 (2), 231–246.
bp
Evans, D.S., Jovanovic, B., 1989. An estimated model of entrepreneurial choice

h.
under liquidity constraints. J. Polit. Econ. 1 (1), 808–827.

ce
Galor, O., Moav, O., 2004. From physical to human capital accumulation:
//a
inequality and the process of development. Rev. Econ. Stud. 71 (4), 1001–
s:
1026.
tp
Meniago, C., Asongu, S.A., 2018. Revisiting the finance-inequality nexus in a

ht
panel of African countries. Res. Int. Bus. Financ. 46 (December), 399–419.

Odhiambo, N.M., 2013. Is financial development pro-poor or pro-rich?
Empirical evidence from Tanzania. J. Dev. Effect. 5 (4), 489–500.
Odhiambo, N.M., 2014. Financial systems and economic growth in South Africa:
a dynamic complementarity test. Int. Rev. Appl. Econ. 28 (1), 83–101.
Penard, T., Poussing, N., Yebe, G.Z., Ella, P.N., 2012. Comparing the determinants
of internet and cell phone use in Africa: evidence from Gabon. Commun.
Strateg. 86 (2), 65–83.
Sassi, S., Goaied, M., 2013. Financial development, ICT diffusion and economic
growth: lessons from MENA region. Telecommun. Policy 37 (4–5), 252–261.
Ssozi, J., Asongu, S., 2016. The effects of remittances on output per worker in
subSaharan Africa: a production function approach. S. Afr. J. Ecol. 84 (3),
400–421.
Tchamyou, V.S., 2018a. Education, lifelong learning, inequality and financial
access: evidence from African countries. In: Contemporary Social Science,
https://doi.org/ 10.1080/21582041.2018.1433314.
28
PAREMETER
Tchamyou, V.S., 2018b. The role of information sharing in modulating the effect
of financial access on inequality. J. Afr. Bus.
Tchamyou, V.S., Asongu, S.A., 2017. Information sharing and financial sector
development in Africa. J. Afr. Bus. 18 (7), 24–49.
UNDESA, 2012. Boosting Development With Broadband and ICTS. (New
York). World Development Report, 2016. Digital Dividends. The World
Bank Group, Washington, DC.
Yousefi, A., 2011. The impact of information and communication technology
on economic growth: evidence from developed and developing countries.
Econ. Innov. New Technol. 20 (6), 581–596.
id
go.
s.
bp
h.
ce
//a
s:
tp
ht

PAREMETER
ANALISIS KAUSALITAS PERTUMBUHAN EKONOMI DAN SEKTOR KEUANGAN PADA NEGARA

ASIA PASIFIK BERPENDAPATAN MENENGAH KE BAWAH TAHUN 2003-2018
Lyli Suryani1
Abstrak
Perdebatan tentang kausalitas antara pengembangan sektor keuangan dan

pertumbuhan ekonomi telah berlangsung sejak abad ke-19. Ada dua teori utama yang
menjelaskan hubungan kausal antara keduanya, yaitu teori demand-following atau tarikan
permintaan (Robinson, 1952) dan teori supply-leading atau teori dorongan penawaran
(Schumpeter, 1934 dan Patrick, 1966). Teori demand-following menyatakan bahwa
perkembangan keuangan mengikuti pertumbuhan ekonomi. Di sisi lain, teori supply-leading
berpendapat bahwa perkembangan keuangan yang mendorong pertumbuhan ekonomi.
Oleh karena itu penelitian ini ingin melihat hubungan kausalitas antara sektor keuangan dan
id
pertumbuhan ekonomi. Variabel pada sektor keuangan dibagi menjadi 2, yaitu penawaran
o.
uang dan permintaan uang. Penelitian ini berfokus pada negara-negara berpendapatan
g
s.
menengah ke bawah di kawasan Asia Pasifik yaitu Indonesia, Kamboja, Filipina, Myanmar,
bp
Mongolia, Papua Nugini, Kepulauan Solomon, Timor Leste, dan Vanuatu dengan
menggunakana uji kausalitas Granger dan VAR. Hasilnya, teori demand-following lah yang
h.
ce
berlaku pada 9 negara-negara Asia Pasifik bependapatan menengah ke bawah tersebut. Hal
ini terlihat dari pengaruh pertumbuhan ekonomi terhadap permintaan uang yaitu variabel
//a
permintaan kredit oleh pihak swasta. Pengaruh ini berbentuk U dengan hubungan terbalik
s:
pada tahun pertama dan kedua kemudian menjadi hubungan positif pada tahun-tahun
tp
ht
selanjutnya. Temuan ini akan bermanfaat bagi pemerintah, politisi, dan lembaga
internasional lainnya dalam proses pengambilan keputusan untuk pembangunan ekonomi di
negara-negara berpendapatan menengah ke bawah. Pemerintah pada negara-negara
berpendapatan rendah hendaknya berfokus pada peningkatan ekonomi pada sektor non
keuangan unggulan. Dengan demikian maka sektor keuangan otomatis akan tumbuh
dengan sendirinya.
Kata kunci : Granger causality, Teori supply-leading, Teori demand-following.
Pendahuluan
Perdebatan tentang kausalitas antara pengembangan sektor keuangan dan
pertumbuhan ekonomi telah berlangsung sejak abad ke-19. Ada dua teori utama yang
menjelaskan hubungan kausal antara keduanya, yaitu teori demand-following atau tarikan
permintaan (Robinson, 1952) dan teori supply-leading (Schumpeter, 1934 dan Patrick,
1966). Teori demand-following menyatakan bahwa perkembangan keuangan akan
1
Fungsional Statistisi Ahli Pertama BPS Pidie, Email: lyli@bps.go.id
30
PAREMETER
mengikuti pertumbuhan ekonomi. Ketika perekonomian tumbuh menyebabkan permintaan

baru untuk jasa keuangan sehingga sistem keuangan akan ikut tumbuh.
Di sisi lain, teori supply-leading (dorongan penawaran) berpendapat bahwa
perkembangan keuangan akan mendorong pertumbuhan ekonomi. Sistem keuangan dapat
mempengaruhi pertumbuhan ekonomi melalui tiga mekanisme (Patrick, 1966). Pertama,
melalui intermediasi di antara para pemegang aset, di mana lembaga keuangan
mengalokasikan kekayaan dengan lebih efisien. Kedua, lembaga keuangan akan mendorong
peningkatan investasi baru yang lebih efisien dari penabung ke pengusaha. Terakhir,
lembaga keuangan dapat mendorong peningkatan tingkat akumulasi modal dengan
menyediakan layanan tabungan, investasi, dan transaksi yang nyaman sehingga
meningkatkan insentif untuk menabung, berinvestasi, dan bekerja.
Namun, studi empiris oleh Demetriades dan Hussein (1996), Kar, et al. (2011), dan
Akbas (2015) tidak mendukung hipotesis yang mengarah pada teori supply-leading
(dorongan penawaran), teori demand-following (tarikan permintaan), ataupun keduanya.
Dengan menguji kausalitas antara pertumbuhan ekonomi dan perkembangan keuangan,
id
dihasilkan bukti bahwa teori supply-leading (dorongan penawaran)dan teori demand-
g o.
following (tarikan permintaan) tidak berlaku jika tidak ada kausalitas linier antara keduanya.
Dengan bertolak belakangnya pandangan di atas, penelitian ini menganalisis hubungan
s.
kausalitas antara sektor keuangan dan pertumbuhan ekonomi.

bp
h.
Ruang Lingkup Penelitian

ce
Penelitian ini berfokus pada negara-negara di kawasan Asia Pasifik. Pada Tabel 1
//a
terlihat bahwa dari semua negara di kawasan tersebut terdapat beberapa negara dengan
s:
pendapatan tinggi maupun menengah ke atas yang sektor keuangannya telah jenuh.
tp
Penelitian ini hanya berfokus pada negara dengan pendapatan menengah ke bawah. Karena
ht
keterbatasan data, maka hanya Negara Indonesia, Kamboja, Filipina, Myanmar, Mongolia,
Papua Nugini, Kepulauan Solomon, Timor Leste, dan Vanuatu saja yang termasuk dalam
ruang lingkup penelitian.
Tabel 1. Klasifikasi Pendapatan Negara-negara Asia Pasifik, 2020
No. Negara Klasifikasi Pendapatan
1 Micronesia, Fed. Sts. Lower middle income
2 Indonesia Lower middle income
3 Cambodia Lower middle income
4 Kiribati Lower middle income
5 Lao PDR Lower middle income
6 Myanmar Lower middle income
7 Mongolia Lower middle income
8 Philippines Lower middle income
9 Papua New Guinea Lower middle income
10 Solomon Islands Lower middle income
11 Timor-Leste Lower middle income
12 Vietnam Lower middle income
13 Vanuatu Lower middle income
Sumber :World Bank
PAREMETER
Tujuan
Penelitian memiliki tujuan untuk (i) melihat pengaruh sektor keuangan terhadap
pertumbuhan ekonomi (teori supply-leading) pada sembilan negara-negara Asia Pasifik
berpendapatan menengah ke bawah dan (ii) melihat pengaruh pertumbuhan ekonomi
terhadap sektor finansial (teori demand-following) pada negara-negara Asia Pasifik
berpendapatan menengah ke bawah.
Tinjauan Pustaka
Teori supply-leading(dorongan penawaran) menyatakan bahwa perkembangan
keuangan akan mendorong kemajuan ekonomi. Hal ini terjadi dikarenakan perkembangan
keuangan akan mentransformasikan sumber daya dari sektor tradisional (sektor pertanian)
dengan tingkat pertumbuhan ekonomi yang rendah ke pertumbuhan ekonomi yang tinggi
dan modern (sektor jasa-jasa) serta merangsang pelaku wirausaha di sektor modern
(Patrick, 1966). Ini menyiratkan bahwa penciptaan lembaga keuangan terjadi sebelum
adanya permintaan akan jasa keuangan akibat pertumbuhan ekonomi. Dengan kata lain,
id
ketersediaan layanan keuangan akan merangsang para pengusaha di sektor-sektor modern
g o.
untuk memanfaatkan layanan keuangan ini sehingga mendorong pertumbuhan ekonomi.
s.
Banyaknya suplai uang akan dimanfaatkan oleh pengusaha untuk berinvestasi sehingga
bp
perekonomian akan tumbuh.

h.
Di sisi lain, teori demand-following (tarikan permintaan) menyatakan bahwa

ce
pertumbuhan ekonomi yang produktif akan meningkatkan pengembangan keuangan.

//a
Robinson (1952) berpendapat bahwa pengembangan keuangan hanyalah respon terhadap

s:
permintaan keuangan yang lebih besar ketika ekonomi riil tumbuh. Dengan kata lain,
tp
pertumbuhan ekonomi akan meningkatkan arus keuangan sehingga permintaan akan

ht
keuangan bertambah dan sektor keuangan akan maju pesat. Artinya, pertumbuhan ekonomi
terjadi sebelum adanya peningkatan sektor keuangan.
Sementara itu, Murinde dan Eng (1994) berpendapat bahwa kebijakan moneterlah
yang mendorong pengembangan keuangan, bukan teori demand-following. Artinya,
ekspektasi terhadap uang dan keinginan untuk memperoleh uang tunai akan meningkatkan
suplai lembaga keuangan dan meningkatkan pertumbuhan ekonomi. Oleh karena itu, akan
sangat penting bagi pembuat kebijakan untuk menerapkan strategi moneter nasional yang
baik untuk mendukung teori supply-leading (dorongan penawaran). Hal ini sesuai dengan
bukti empiris penelitian yang dilakukan pada negara-negara di Asia Timur.
Penelitian Terdahulu
Terdapat banyak bukti empiris yang menjelaskan bahwa pengembangan sektor
keuangan dan pertumbuhan ekonomi memiliki hubungan yang erat. Penelitian terdahulu
tentang kaitan antara keduanya dapat dilihat pada Tabel 2.
32
PAREMETER
Tabel 2. Penelitian terdahulu tentang sektor keuangan dan pertumbuhan ekonomi

No Peneliti Tahun Hasil Penelitian
.
1 Adeyeye, et al 2015 Sistem keuangan mendorong peningkatan ekonomi melalui
perdagangan
2 Murinde & 1994 Strategi restrukturisasi keuangan akan meningkatkan
Eng perekonomian melalui kebijakan suplai dengan cara
peningkatan monetisasi ekonomi dan intermediasi bank.
3 Uddin, et al 2013 Perkembangan sektor keuangan memiliki dampak positif
pada pertumbuhan ekonomi dalam jangka panjang di
Negara Kenya.
4 Ngare, et al 2014 Perkembangan pasar saham memiliki efek positif pada
pertumbuhan ekonomi di Afrika.
5 Calderón & Liu 2003 Perkembangan sektor keuangan umumnya mengarah pada
pertumbuhan ekonomi. Terdapat kausalitas Granger dari
pengembangan sektor keuangan terhadap pertumbuhan
ekonomi dan kausalitas Granger dari pertumbuhan ekonomi
id
terhadap perkembangan sektor keuangan. Peningkatan
sektor
o.
keuangan berkontribusi lebih banyak pada
g
pertumbuhan ekonomi di negara berkembang dibandingkan
s.
pada negara-negara industri maju.
bp
6 Al-Yousif 2012 Terdapat hubungan sebab-akibat dua arah yang kuat antara
h.
pengembangan keuangan dan pertumbuhan ekonomi.

ce
7 Samargandi, 2015 Ada hubungan terbalik berbentuk U antara sektor keuangan

et al dan pertumbuhan ekonomi dalam jangka panjang pada
//a
negara-negara berpenghasilan menengah. Tetapi tidak ada

s:
hubungan signifikan antara keduanya dalam jangka pendek

tp
8 Akbas 2015 Terdapat hubungan kausal yang lemah antara pertumbuhan

ht
ekonomi dan pengembangan keuangan.

9 Zhang, et al 2012 Ada hubungan monotonik positif dan signifikan secara
statistik antara pembangunan ekonomi dan keuangan di
Negara Cina
10 Hassan, et al 2011 Ada hubungan positif antara pengembangan keuangan dan
pertumbuhan ekonomi di negara-negara berkembang tetapi
hanya dalam jangka panjang.
11 Deltuvaitė dan 2014 Terdapat hubungan monotonik yang positif dan signifikan
Sinevičienė secara statistik antara pembangunan ekonomi dan sektor
keuangan pada 73 negara yang berbeda perekonomiannya.
12 Kar, et al 2011 Menyimpulkan bahwa tidak ada konsensus yang jelas
tentang arah kausalitas antara pengembangan keuangan
dan pertumbuhan ekonomi.
13 Menyah, et al 2014 Menyimpulkan bahwa tidak ada konsensus yang jelas
tentang arah kausalitas antara pengembangan keuangan
dan pertumbuhan ekonomi.

PAREMETER
Lanjutan
No. Peneliti Tahun Hasil Penelitian
14 Gregorio 1995 Ada pengaruh pengembangan sektor keuangan terhadap
dan Guidotti pertumbuhan ekonomi melalui transmisi efisiensi, bukan
melalui volume maupun investasi.
15 Hsueh, et al 2013 Arah kausalitas antara pengembangan sektor keuangan dan
pertumbuhan ekonomi adalah melalui variabel
perkembangan keuangan yang digunakan.
16 Herwartz 2014 Dampak sektor keuangan pada pertumbuhan ekonomi
dan Walle umumnya lebih kuat di negara berpenghasilan tinggi
daripada negara dengan tingkat ekonomi rendah.
17 Valickova, 2015 Menyimpulkan pengaruh sektor keuangan terhadap
et al pertumbuhan ekonomi pada 67 negara harus memasukkan
variabel endogen yang lainnya.
18 Fan, dkk 2018 Menemukan hubungan dua arah yang signifikan antara
pengembangan keuangan dan keterbukaan perdagangan di
Cina. Artinya, teori demand-following dan supply-leading
id
sama-sama berlaku. Sehingga disarankan bagi para
o.
pembuat kebijakan Cina agar lebih meningkatkan reformasi
g
s.
keuangan untuk mempromosikan pengembangan
bp
perdagangan.
19 Horng, et al 2012 Pengembangan sektor keuangan tidak menyebabkan
h.
pertumbuhan ekonomi, dan pertumbuhan ekonomi tidak

ce
menyebabkan perkembangan sektor keuangan.

//a
s:
tp
Kerangka Pikir Penelitian

ht
Berdasarkan tinjauan pustaka dan penelitian sebelumnya di atas, maka dibangun

kerangka konseptual penelitian sebagai berikut:
Perkembangan Sektor Keuangan

- Penawaran Uang Pertumbuhan ekonomi
- Permintaan Uang
Gambar 1. Alur Pikir penelitian
Hipotesis
Berdasarkan alur pikir penelitian di atas maka dibangun hipotesis sebagai berikut:
Ho : Penawaran uang tidak memiliki pengaruh terhadap pertumbuhan ekonomi.
Ha : Penawaran uang memiliki memiliki pengaruh terhadap pertumbuhan ekonomi.
Ho : Permintaan uang tidak memiliki pengaruh terhadap pertumbuhan ekonomi.
Ha : Permintaan uang memiliki memiliki pengaruh terhadap pertumbuhan ekonomi.
34
PAREMETER
Ho : Pertumbuhan ekonomi tidak memiliki pengaruh terhadap Penawaran uang.

Ha : Pertumbuhan ekonomi memiliki pengaruh terhadap Penawaran uang.
Ho : Pertumbuhan ekonomi tidak memiliki pengaruh terhadap permintaan uang.
Ha : Pertumbuhan ekonomi memiliki pengaruh terhadap permintaan uang.
Data
Pertumbuhan ekonomi diukur dengan menggunakan PDB riil. Dalam penelitian ini
Pertumbuhan ekonomi riil tersebut diukur dengan logaritma GDP atas dasar harga konstan
dolar Amerika Serikat tahun 2010. Data ini diperoleh dari Bank Dunia.
Untuk membuktikan Teori supply-leading (dorongan penawaran), perkembangan
sektor keuangan melalui penawaran uang diukur dengan persediaan uang terhadap PDB
nominal (Gelb, 1989 dan King and Levine, 1993). Namun, Demetriades dan Hussein (1996)
berpendapat bahwa data ini tidak tepat karena pada kenyataannya menjadi lebih luas
daripada volume deposito di perbankan itu sendiri. Oleh karena itu, penelitian ini
id
menggunakan rasio kewajiban cadangan likuiditas bank terhadap aset bank sebagai proksi
penawaran uang. Data ini diperoleh dari Bank Dunia. g o.
Sementara itu, untuk membuktikan teori demand-following (tarikan permintaan),
s.
perkembangan sektor keuangan melalui permintaan uang diukur dengan rasio klaim bank di
bp
sektor swasta terhadap PDB nominal (Demetriades dan Hussein, 1996). Dalam penelitian ini
h.
digunakan rasio klaim di sektor swasta sebagai proksi untuk permintaan uang. Klaim swasta
ce
ini merupakan kredit yang diberikan bank pada sektor swasta seperti individu, perusahaan,
//a
dan sektor non finansial. Data ini diperoleh dari Bank Dunia.
s:
tp
Metodologi
ht
Dalam makalah ini ingin dipelajari apakah ada kausalitas searah atau dua arah antara
pengembangan keuangan (penawaran uang dan permintaan uang) terhadap pertumbuhan
ekonomi. Asumsi awal adalah teori supply-leading (dorongan penawaran) dan demand-
following (tarikan permintaan) berlaku sehingga pengembangan keuangan dan
pertumbuhan ekonomi bergerak bersama secara positif. Oleh karena itu digunakan analisis
Vector Autoregresive (VAR) dimana semua variabel diperlakukan sama, tidak membedakan
antara variabel independen dan dependen. Semua variabel dapat menjadi variabel
independen untuk variabel lainnya. Selain itu, semua variabel juga dapat menjadi variabel
dependen untuk variabel lainnya. Dengan menggunakan software Eviews 10.0 dilakukan
pengolahan data dengan langkah-langkah sebagai berikut:
1. Menguji kestationeran data.
Uji Akar Unit dipakai untuk menguji kestasioneran data time series agar hasil analisis
menjadi valid. Uji ini dikembangkan oleh Dickey dan Fuller, dengan menggunakan
Augmented Dickey Fuller Test (ADF). Uji stasioneritas yang digunakan adalah uji ADF
(Augmented Dickey Fuller) dengan menggunakan taraf nyata 5 persen.

PAREMETER
2. Menentukan panjang lag Estimasi.

Pengujian panjang lag optimal sangat berguna untuk menentukan berapa panjang lag
yang tepat dalam model VAR dan menghilangkan masalah autokorelasi dalam sistem VAR.
Penentuan jumlah lag (ordo) ditentukan berdasarkan kriteria Akaike Information Criterion
(AIC), Schwarz Information Criterion (SC) ataupun Hannan Quinnon (HQ).
3. Uji Kointegrasi.
Uji ini dilakukan untuk mengetahui apakah terjadi keseimbangan dalam jangka
panjang, yaitu terdapat kesamaan pergerakan dan stabilitas hubungan diantara variabel-
variabel di dalam penelitian atau tidak. Uji kointegrasi ini dilakukan dengan menggunakan
metode Johansen’s Cointegration Test dengan melihat besarnya Trace Statistic dan Max
Eigen Statistic pada tingkat kesalahan 5 persen. Apabila terjadi kointegrasi maka model yang
dipakai adalah VECM.
4. Uji Kausalitas Granger (Granger’s Causality Test).
Uji kausalitas ini dilakukan untuk mengetahui apakah suatu variabel endogen dapat
id
diperlakukan sebagai variabel eksogen. Hal ini bermula dari ketidaktahuan pengaruh antar
g o.
variabel. Jika ada dua variabel y dan z, maka apakah y menyebabkan z atau z menyebabkan
y atau berlaku keduanya atau tidak ada hubungan keduanya. Uji kausalitas dalam penelitian
s.
bp
ini dilakukan dengan metode Granger’s Causality. Variabel memiliki hubungan kausalitas
apabila nilai probabilitas lebih kecil daripada alpha 0.05.
h.
ce
5. Regresi dengan model VAR.

Setiap variabel dibentuk modelnya secara tersendiri dengan melihat pengaruh dari
//a
variabel lainnya. Kemudian dilakukan uji Stabilitas model VAR agar Impulse Response
s:
Function dan Variance Decomposition menjadi valid.

tp
6. Fungsi Impulse Response

ht
Analisis IRF adalah metode yang digunakan untuk menentukan respon suatu variabel
endogen terhadap guncangan (shock) variabel lain. IRF juga digunakan untuk melihat
guncangan dari satu variabel lain dan berapa lama pengaruh tersebut terjadi. Jika gambar
impulse response menunjukkan pergerakan yang semakin mendekati titik keseimbangan
(convergence) atau kembali ke keseimbangan sebelumnya bermakna respon suatu variabel
akibat suatu kejutan makin lama akan menghilang sehingga kejutan tersebut tidak
meninggalkan pengaruh permanen terhadap variabel tersebut.
7. Variance decomposition.
Uji ini mendekomposisi variasi satu variabel endogen kedalam komponen kejutan
variabel-variabel endogen yang lain dalam sistem VAR. Dekomposisi varian ini menjelaskan
proporsi pergerakan suatu series akibat kejutan variabel itu sendiri dibandingkan dengan
kejutan variabel lain. Informasi yang disampaikan dalam analisis ini adalah proporsi
pergerakan secara berurutan yang diakibatkan oleh guncangan variable itu sendiri dan
variabel lain.
36
PAREMETER
Hasil Penelitian
Uji Root Test
Dari Tabel 3 menunjukkan bahwa semua variabel yang digunakan dalam penelitian ini
stasioner pada tingkat level. Hal itu terlihat dari probabilitas ADF dari masing-masing
variabel yang signifikan pada tingkat kesalahan 5 persen. Apabila asumsi stasioner telah
terpenuhi maka analisis yang digunakan lebih valid. Dengan demikian syarat untuk
menggunakan model telah terpenuhi.
Tabel 3. Uji Stasioneritas
Cross-
Method Statistic Prob.** sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -3.33681 0.0004 3 429
Null: Unit root (assumes individual unit root process)
id
Im, Pesaran and Shin W-
o.
stat -5.33251 0.0000
g 3 429
ADF - Fisher Chi-square 49.3022 0.0000 3 429
s.
PP - Fisher Chi-square 48.7874 0.0000 3 429
bp
h.
Sumber: Hasil Pengolahan Data

ce
//a
Menentukan panjang lag Estimasi

s:
Tabel 4 menunjukkan bahwa panjang lag optimum adalah 1, sehingga untuk uji
tp
selanjutnya dimasukkan lag 1 agar semua informasi dapat dimasukkan dalam penelitian ini.
ht
Tabel 4. Menentukan panjang lag Estimasi
Lag LogL LR FPE AIC SC HQ
0 -1001.224 NA 520.2810 14.76800 14.83225 14.79411

13.21721 11.09510 11.35210 11.19954
1 -742.4668 502.2933 * * * *
2 -734.0606 15.94701 13.33611 11.10383 11.55358 11.28660
3 -731.6088 4.543118 14.69190 11.20013 11.84263 11.46122
4 -728.6172 5.411247 16.06453 11.28849 12.12374 11.62791
16.93107
5 -719.0230 * 15.94910 11.27975 12.30775 11.69750
6 -711.7189 12.56722 16.38846 11.30469 12.52544 11.80077
7 -707.9903 6.250996 17.76411 11.38221 12.79570 11.95662
8 -705.0372 4.820390 19.49554 11.47114 13.07738 12.12387

PAREMETER
Uji Kointegrasi
Tabel 5 menunjukkan bahwa probabilitas nilai “eigen value” dan “tra e statisti ” tidak
signifikan pada alpha 5 persen. Sehingga dapat diambil kesimpulan bahwa variabel
pertumbuhan ekonomi, deposito dan claim kredit tidak mempunyai keseimbangan dalam
jangka panjang (hubungan kointegrasi). Oleh karena itu, alat analisis yang dipakai adalah
VAR.
Tabel 5. Uji Kointegrasi
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None 0.110870 27.75197 29.79707 0.0846

At most 1 0.062564 11.41787 15.49471 0.1871
id
At most 2 0.017383 2.437474 3.841466 0.1185
g o.
s.
bp
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

h.
Hypothesized Max-Eigen 0.05

ce
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

//a
s:
None 0.110870 16.33410 21.13162 0.2059

tp
At most 1 0.062564 8.980395 14.26460 0.2878

ht
At most 2 0.017383 2.437474 3.841466 0.1185
Uji Kausalitas Granger

Tabel 6 menunjukkan bahwa terdapat hubungan kausalitas satu arah antara varabel-
variabel dalam penelitian ini. Hal tersebut dibuktikan dengan probabilitas dibawah 0,05
persen. Variabel deposito akan mempengaruhi variabel calim kredit oleh swasta. Seperti
diketahui bahwa fungsi bank adalah perantara keuangan, yaitu menampung uang para
nasabah lalu menyalurkan uang tersebut dalam bentuk kredit. Semakin besar dana deposito
yang dikumpulkan maka akan semakin besar pula dana kredit yang disalurkan.
38
PAREMETER
Tabel 6. Uji Kausalitas Granger
Null Hypothesis: Obs F-Statistic Prob.
LNDEPOSIT does not Granger Cause CLAIM 139 3.46711 0.0057

CLAIM does not Granger Cause LNDEPOSIT 2.22389 0.0558
LNGDP does not Granger Cause CLAIM 139 2.35053 0.0444

CLAIM does not Granger Cause LNGDP 0.51068 0.7678
LNGDP does not Granger Cause LNDEPOSIT 139 0.55209 0.7365

LNDEPOSIT does not Granger Cause LNGDP 0.26079 0.9336
Selain itu, pertumbuhan ekonomi mempengaruhi claim kredit. Hal ini merupakan
id
tujuan penelitian ini, yaitu untuk melihat apakah teori supply-leading atau teori demand-
g o.
following yang berlaku pada sembilan negara-negara Asia Pasifik bependapatan menengah
ke bawah. Hasilnya, terbukti bahwa teori teori demand-following (tarikan permintaan) yang
s.
berlaku pada sembilan negara-negara Asia Pasifik bependapatan menengah ke bawah.
bp
Pertumbuhan ekonomi inilah yang akhirnya menggerakkan perkembangan sektor keuangan.

h.
Hal ini sesuai dengan penelitian Calderón & Liu (2003), Al-Yousif (2012), Zhang, et al (2012),
ce
Deltuvaitė dan Sinevičienė (2014), dan Fan, dkk (2018).

//a
Sementara teori supply-leading (dorongan penawaran) tidak berlaku pada sembilan

s:
negara-negara Asia Pasifik bependapatan menengah ke bawah. Hal ini terlihat dari tidak
tp
cukup bukti untuk menyatakan bahwa variabel deposit dapat mempengaruhi variabel GDP.
ht
Pada negara berpendapatan rendah, jumlah tabungan tentu saja kecil karena sebagian
besar pendapatan digunakan untuk konsumsi. Sehingga investasi yang terbentuk tidak
sanggup menggerakkan pertumbuhan ekonomi. Pertumbuhan ekonomi yang terjadi lebih
dikarenakan produksi sektor selain keuangan. Hal ini sesuai dengan penelitian Horng, et al
(2012), Kar, et al (2011), dan Menyah, et al (2014). Hal yang sama juga diungkapkan oleh
Herwartz dan Walle (2014) yang menyatakan bahwa dampak sektor keuangan terhadap
pertumbuhan ekonomi lebih kuat di negara berpenghasilan tinggi daripada negara dengan
tingkat ekonomi rendah. Selain itu, Valickova, et al (2015) juga menyatakan bahwa
pengaruh sektor keuangan terhadap pertumbuhan ekonomi harus memasukkan variabel
endogen yang lainnya.
Pengaruh klaim kredit sektor swasta terhadap peningkatan deposito signifikan pada
tingkat kepercayaan 10 persen, sehingga tetap ditampilkan pada uji selanjutnya.
Fungsi Impulse Response

Hasil regresi VAR secara simultan tidak didapat model yang signifikan, sehingga uji
langsung dilanjutkan pada tahap fungsi impulse respon. Pada uji ini dan selanjutnya sudah

PAREMETER
mengerucut pada teori demand-following, yaitu hanya membahas variabel klaim kredit
swasta.
Response to Cholesky One S.D. (d.f. adjusted) Innovations
Response of CLAIM to LNDEPOSIT
1 2 3 4 5 6 7 8 9 10
id
Gambar 2. Respon Klaim sektor swasta terhadap perubahan deposit
go.
s.
Dari gambar 2 terlihat bahwa respon klaim kredit swasta terhadap guncangan
bp
deposito bersifat negatif hingga tahun kedua. Secara teori, hubungan antara tabungan dan
h.
kredit akan bertolak belakang dan sangat dipengaruhi oleh suku bunga. Apabila suku bunga
ce
tinggi maka tabungan lebih diminati oleh masyarakat dan sektor swasta lebih menahan diri
//a
untuk mengambil kredit. Sebaliknya ketika suku bunga rendah, maka masyarakat enggan
s:
untuk menabung dan pihak swasta akan meningkatkan jumlah kredit yang ajukan. Seiring
tp
dengan waktu, sejak tahun ketiga hubungan antara dua variabel menjadi positif. Semakin
ht
banyak jumlah deposito yang tersedia maka semakin tinggi pula jumlah kredit yang
dikucurkan. Sepuluh tahun kemudian akan tercipta keseimbangan, dimana pengaruh
guncangan deposito pada tahun pertama tidak akan berpengaruh lagi terhadap klaim credit
oleh sektor swasta
Response of LNDEPOSIT to CLAIM
.3
.2
.1
.0
-.1
1 2 3 4 5 6 7 8 9 10

Gambar 3. Respon deposito terhadap perubahan klaim sektor swasta
40
PAREMETER
Dari gambar 3 terlihat bahwa respon deposito terhadap guncangan klaim kredit
swasta bersifat negatif selama sepuluh tahun kedepan, baru kemudian mencapai titik
keseimbangan. Pada keseimbangan baru ini pengaruh guncangan klaim credit oleh sektor
swasta terhadap deposito pada tahun pertama tidak akan berpengaruh lagi. Secara teori,
hubungan antara tabungan dan kredit bertolak belakang dan sangat dipengaruhi oleh suku
bunga. Apabila suku bunga tinggi maka tabungan lebih diminati oleh masyarakat dan sektor
swasta lebih menahan diri untuk mengambil kredit. Sebaliknya ketika suku bunga rendah,
masyarakat enggan untuk menabung dan pihak swasta meningkatkan jumlah kredit yang
ajukan.
Response of LNGDP to CLAIM
.6
id
o.
.4
g
s.
.2
bp
.0
h.
ce
1 2 3 4 5 6 7 8 9 10
//a
s:

tp
Gambar 4. Respon PDB terhadap perubahan klaim kredit sektor swasta

ht
Dari gambar 4 menunjukkan bahwa respon PDB terhadap guncangan klaim kredit
swasta bersifat negatif pada tahun pertama. Secara teori, hubungan antara PDB dan kredit
akan bertolak belakang awalnya dan sangat dipengaruhi oleh suku bunga. Apabila
pertumbuhan ekonomi meningkat maka akan terjadi inflasi sehingga suku bunga tinggi.
Apabila suku bunga tinggi maka tabungan lebih diminati oleh masyarakat dan sektor swasta
lebih menahan diri untuk mengambil kredit. Sebaliknya ketika pertumbuhan ekonomi
rendah maka suku bunga suku bunga ikut rendah, dengan demikian masyarakat enggan
untuk menabung dan pihak swasta akan meningkatkan jumlah kredit yang ajukan. Seiring
dengan waktu, sejak tahun kedua hubungan antara dua variabel ini menjadi positif. Semakin
tinggi perekonomian tumbuh, semakin tinggi pendapatan masyarakat dan semakin
meningkat pula tabungan. Dengan semakin banyak jumlah deposito yang tersedia, semakin
tinggi pula jumlah kredit yang dikucurkan. Hal ini sesuai dengan penelitian Samargandi, et al
(2015) bahwa ada hubungan terbalik berbentuk U antara sektor keuangan dan
pertumbuhan ekonomi dalam jangka panjang pada negara-negara berpenghasilan
menengah. Sepuluh tahun kemudian akan tercipta keseimbangan, dimana pengaruh
guncangan kredit pada tahun pertama tidak akan berpengaruh lagi terhadap PDB.

PAREMETER
Variance decomposition
Tabel 7 menunjukkan bahwa pada periode pertama guncangan variabel kredit
dipengaruhi oleh dirinya sendiri sebesar 100 persen. Selanjutnya terus menurun hingga
pada tahun kelima kontribusi ini menjadi hanya 94,28 persen. Artinya, goncangan pada
variabel kredit hanya dipengaruhi oleh dirinya sendiri pada awalnya, tetapi semakin lama
pengaruh variabel deposito dan pertumbuhan ekonomi juga mulai mempengaruhi
walaupun tidak terlalu besar.
Teori demand-following (tarikan permintaan) menyatakan bahwa pertumbuhan
ekonomi akan mempengaruhi guncangan variabel kredit. Guncangan ini baru terasa pada
tahun kedua dengan kontribusi sebesar 0,24 persen dan semakin meningkat menjadi 0,54
persen pada tahun kelima. Sementara itu, pengaruh deposito pada guncangan klaim kredit
mulai berkontribusi pada tahun kedua sebesar 1,73 persen dan terus meningkat hingga
menjadi 5,17 persen pada tahun terakhir.
Tabel 7. Variance decomposition
id
Variance o.
g
s.
Decompos
bp
ition of
h.
CLAIM:
ce
Period S.E. CLAIM LNDEPOSIT LNGDP

//a
s:
1 11.88699 100.0000 0.000000 0.000000

tp
2 13.52193 98.03058 1.730036 0.239384

ht
3 13.74896 97.89372 1.829849 0.276435

4 13.85981 96.33494 3.255168 0.409888
5 14.03331 94.28340 5.171727 0.544871
Kesimpulan
Teori demand-following (tarikan permintaan) berlaku pada sembilan negara-negara
Asia Pasifik berpendapatan menengah ke bawah, sementara teori supply-leading tidak
berlaku. Hal ini terbukti dari pengaruh pertumbuhan ekonomi terhadap permintaan kredit
oleh pihak swasta. Pengaruh ini berbentuk U dengan hubungan terbalik pada tahun pertama
dan kedua kemudian menjadi hubungan positif pada tahun-tahun selanjutnya.
42
PAREMETER
Saran
Pemerintah pada negara-negara berpendapatan rendah hendaknya berfokus pada
peningkatan ekonomi pada sektor non keuangan unggulan. Dengan demikian maka sektor
keuangan otomatis akan tumbuh dengan sendirinya. Selain itu, pemerintah pada negara-
negara berpendapatan rendah seharusnya lebih menggalakkan penggunaan teknologi
informasi dan komunikasi dalam sektor keuangan sehingga efisiensi sektor ini lebih
meningkat dan diharapkan dapat menopang pertumbuhan ekonomi kedepannya.
Pada penelitian selanjutnya sebaiknya memasukkan negara-negara asia pasifik dengan
pendapatan menengah ke atas dan juga negara-negara asia pasifik dengan pendapatan
tinggi. Sehingga dapat dibandingkan apakah teori supply-leading atau teori demand-
following (tarikan permintaan) atau kedua teori sama-sama berlaku pada negara-negara
yang berbeda tingkat pendapatannya.
DAFTAR PUSTAKA
id
o.
Adeyeye, P. O., Fapetub, O., Alukob, O.A., Migiro, S.O. (2015). Does Supply-Leading
g
Hypothesis hold in a Developing Economy? A Nigerian Focus: Procedia Economics and
s.
Finance, 30, 30 – 37.
bp
Akbas, Y. (2015). Financial development and economic growth in emerging market:

h.
bootstrap panel causality analysis. Theoretical & Applied Economics, 22(3), 171-186.
ce
Al-Yousif, Y. (2012). Financial development and economic growth: Another look at

//a
the evidence from developing countries. Review of Financial Economics, 11 (2), 131-150.
s:
Calderón, C., Liu, L. (2003). The direction of causality between financial development and
tp
economic growth. Journal of Development Economics, 72 (1), 321-334.

ht
Deltuvaitė, V., Sinevičienė, L. (2014). Investigation of relationship between financial

and economic development in the EU countries. Procedia Economics and Finance, 14,
173-180.
Demetriades, P., Hussein, K. (1996). Does financial development cause economic
growth? Time-series evidence from 16 countries. Journal of development Economics,
51(2), 387-411.
Fan, J.J., Xu, R., Su, C.W., Shi, Q.H. 2018, Demand-following or supply-leading? Trade
openness and financial development in China, Journal of International Trade &
Economic Development, 27(3), 314-332.
Gelb, A. H. (1989). Financial policies, growth, and efficiency (Vol. 202). World Bank
Publications.
Gregorio, J., Guidotti, P. (1995). Financial development and economic growth.
World Development, 23(3), 433-448.
Hassan, M., Sanchez, B., Yu, J. (2011). Financial development and economic growth:
New evidence from panel data. Quarterly Review of Economics and Finance, 51 (1), 88–
104

PAREMETER
Herwartz, H., Walle, Y. (2014). Determinants of the link between financial and economic
development: Evidence from a functional coefficient model. Economic Modelling, 37,
417- 427.
Horng, M.S., Chang, Y.W., Wu, T.Y. (2012). Does insurance demand or financial
development promote economic growth? Evidence from Taiwan. Applied Economics
Letters, 19(2), 105-111.
Hsueh, S., Hu, Y., Tu, C. (2013). Economic growth and financial development in Asian
countries: A bootstrap panel Granger causality analysis, Economic Modelling, 32, 294-
301.
Kar, M., Nazlıoğlu, S., Ağır, H. (2011). Financial development and economic growth nexus
in the MENA countries: Bootstrap panel granger causality analysis. Economic Modelling,
28 (1–2), 685-693.
King, R., Levine, R. (1993). Finance and growth: Schumpeter might be right. Quarterly
Journal of Economics, 108(3), 717-737.
Levine, R. (1997). Financial development and economic growth: views and agenda.
id
o.
Journal of economic literature, 35(2), 688-726. g
Menyah, K., Nazlioglu, S., Wolde-Rufael, Y. (2014). Financial development, trade openness
s.
and economic growth in African countries: New insights from a panel causality
bp
approach. Economic Modelling, 37, 386-394.

h.
Ngare, E, Nyamongo, E., Misati, R. (2014).Stock market development and economic

ce
growth in Africa. Journal of Economics and Business, 74, 24-39.

//a
Patrick, H. (1966). Financial development and economic growth in

s:
underdeveloped countries. Economic development and Cultural change, 14(2), 174-189.

tp
Robinson, J. (1952). The generalization of the general theory, In: the rate of interest and
ht
other essays, London: MacMillan.

Roubini, N., Sala-i-Martin, X. (1992). Financial repression and economic growth. Journal
of Development Economics, 39(1), 5-30.
Samargandi, N., Fidrmuc, J., Ghosh, S. (2015). Is the relationship between
financial development and economic growth monotonic? Evidence from a sample of
middle-income countries. World Development, 68, 66-81.
Schumpeter, J. A. (1934). Capitalism, socialism and democracy. Routledge.
Schumpeter, J., Backhaus, U. (2003). The theory of economic development. In Joseph
Alois Schumpeter (pp. 61-116). Springer US.
Uddin, G., Sjö, B., Shahbaz, M. (2013). The causal nexus between financial development
and economic growth in Kenya. Economic Modelling, 35, 701–707.
Zhang, J., Wang, L., Wang, S. (2012). Financial development and economic growth:
Recent Evidence from China. Journal of Comparative Economics, 40 (3), 393-412.
Zhang, X., Zhu, Y., Yang, L. (2018). Multifractal detrended cross-correlations between
Chinese stock market and three stock markets in The Belt and Road Initiative. Physica A:
Statistical Mechanics and its Applications, forthcoming.
44
PAREMETER
FAKTOR-FAKTOR PENENTU PENDAPATAN PEKERJA MISKIN

DI PROVINSI ACEH TAHUN 2019
Mansyuri1
Abstrak
Penelitian ini bertujuan ingin memberikan gambaran karakteristik demografi dari

pekerja miskin di Provinsi Aceh dan menganalisis faktor-faktor apa yang menjadi penentu
pendapatan dari pekerja miskin serta besar pengaruh dari masing-masing faktor tersebut.
Data yang digunakan adalah data hasil Survei Sosial Ekonomi Nasional (Susenas) 2019
dengan menggunakan model Multiple Classification Analysis (MCA). Hasil analisis deskriptif
menunjukkan bahwa terdapat hubungan yang signifikan antara pendapatan dengan enam
variabel bebas (dari 7 yang diteliti), yakni jenis kelamin, lokasi tempat tinggal, umur, tingkat
id
pendidikan, sektor pekerjaan dan status perkawinan. Hasil MCA menunjukkan bahwa
g o.
variabel bebas secara simultan memberikan pengaruh yang nyata terhadap pendapatan.
Dari 7 variabel demografi yang diteliti, variabel Lokasi tempat tinggal, tingkat pendidikan
s.
dan conflict prone area level mempunyai pengaruh yang besar terhadap pendapatan
bp
pekerja miskin.
h.
ce
Kata Kunci: Pendapatan, Pengangguran, MCA, Pekerja Miskin

//a
s:
Pendahuluan
tp
Tujuan Pembangunan yang utama adalah peningkatan kesejahteraan masyarakat

ht
secara umum yang ditandai dengan peningkatan pendapatan perkapita masyarakat dalam
jangka panjang (Baxter, Graham, Bannock, Davis: 2004). Kegagalan dalam mengelola
pembangunan akan menciptakan eksternalitas ekonomi yang salah satunya adalah
kemiskinan.
Kemiskinan telah menjadi isu global yang dibicarakan tidak hanya oleh kelompok
negara berkembang saja tapi juga kelompok negara maju. Bank Dunia, (Musrizal: 2019)
menyatakan bahwa pada tahun 2017, jumlah penduduk dunia yang berada dibawah garis
kemiskinan adalah 768,5 juta jiwa. Meski sebagian besar hidup di negara-negara
berkembang, penduduk miskin telah menjadi isu utama seluruh negara dan menjadi
masalah yang harus diatasi setiap tahunnya.
Aceh yang merupakan salah satu provinsi di Indonesia, mengalami cerita yang sama
tentang kemiskinan. BPS Aceh mencatat dalam kurun waktu 10 tahun terakhir (2009 –
2019) persentase penduduk miskin di Aceh masih sangat tinggi, yakni diatas 15%
(aceh.bps.go.id).
1
Fungsional Statistisi Ahli Pertama BPS Langsa, Email: mansyuri@bps.go.id

PAREMETER
Penduduk miskin atau kemiskinan individu adalah berbicara tentang kemampuan

seorang individu menghasilkan pendapatan dan pendapatan ini hanya bisa diperoleh
dengan bekerja ataupun berusaha secara komersil maka isu utama tulisan ini adalah
tentang pendapatan. Pendapatan disini diasumsikan sebagai pendapatan disposabel yang
diperoleh/diusahakan oleh pekerja/pengusaha yang masuk dalam kategari “dibawah garis
kemiskinan” atau pekerja miskin. Namun karena basis penghitungan garis kemiskinan BPS
adalah pengeluaran, maka Pendapatan didekati berdasarkan, Angkat (2004).
Isu kemiskinan terkait erat dengan permasalahan ketenagakerjaan dalam
hubungannya dengan memperoleh pendapatan, dimana secara logis dapat dikatakan
bahwa seseoang yang menganggur tidak akan memperoleh pendapatan sehingga tidak
mampu memenuhi kebutuhannya dan berada dalam kemiskinan
Jika kita melihat angka kemiskinan di Indonesia masih cenderung tidak merata dan
terdapat gap antar wilayah yang signifikan, misalnya kemiskinan di provinsi DKI Jakarta
pada tahun 2019 yang berada di angka 3,47 persen dengan Provinsi Papua yang berada di
angka 20 persen pada tahun yang sama, disisi lain indikator pengangguran cenderung
id
merata di berbagai wilayah yaitu dikisaran 5 persen kecuali Jawa Barat yang berada di
angka 7,7 persen.
g o.
s.
Ketika melihat dua indikator ini secara bersamaan akan terlihat adanya informasi lain
bp
yaitu disatu sisi daerah memiliki angka pengangguran rendah tapi disisi lain mempunyai
h.
angka kemiskinan tinggi. Hal ini mengindikasikan adanya fenomena pekerja miskin atau
ce
Organisasi Perburuhan Internasional (ILO) menyebutnya sebagai working poor yang

//a
merupakan angkatan kerja yang telah bekerja tetapi masih hidup dibawah garis kemiskinan
s:
(Pangestu, Ihsan Margo dalam kompasiana.com 20 Juli 2019, diakses tanggal 1 maret
tp
2020).
ht
Fenomena pekerja miskin memang jarang dibicarakan karena Indonesia belum

mempunyai data yang secara khusus mengukur mengenai pekerja miskin, namun hal ini
bisa didekati dengan melihat indikator tingkat kemiskinan dan indikator ketenagakerjaan.
Seperti diketahui bahwa persentase kemiskinan masih dominan didaerah perdesaan
misalnya pada semester 1 tahun 2019 kemiskinan Indonesia pada daerah perdesaan adalah
12,85 persen sedangkan perkotaan sebesar 6,69 persen. Lebih jauh lagi tentang
ketenagakerjaan, mayoritas tenaga kerja di indonesia masih tergolong tenaga kerja
informal
Sementara untuk Provinsi Aceh sebagaimana digambarkan oleh Rudi Hermanto, dkk
dalam Jurnal Perspektif Ekonomi Darussalam, September 2016 bahwa “Persentase rumah
tangga miskin di provinsi Aceh yang tidak bekerja pada tahun 2015 hanya berkisar pada
angka 2,76 persen, relatif sangat kecil jika dibandingkan dengan rumah tangga yang bekerja
secara keseluruhan (97,24 persen). Hal ini menunjukkan bahwa rumah tangga miskin di
Provinsi Aceh sebenarnya berada pada posisi bekerja (tidak menganggur) namun
pendapatan perkapitanya masih menempatkannya pada posisi di bawah garis kemiskinan.
46
PAREMETER
Kondisi ini juga berlaku secara nasional, sebanyak 87,67 persen rumah tangga miskin
mempunyai status bekerja dan hanya 12,33 persen yang tidak bekerja.”
Sementara pada tahun 2017 sektor pertanian di Aceh masih menyumbangkan tenaga
kerja sebesar 38,87 % dari seluruh sektor (BPS Aceh: Indikator Tenaga Kerja Provinsi Aceh
Agustus 2017) dan sebanyak 50,71% nya tinggal di Perdesaan. Sebuah penelitian
menyatakan bahwa pertanian di Aceh masih menjadi lumbung kemiskinan (Zulham: 2016)
yang artinya banyak pekerja miskin bekerja di sektor pertanian. Hal tersebut sejalan
dengan hasil survey yang dilakukan BPS tahun 2013 yakni data SPP (Survey Pendapatan
Petani) BPS 2013 di provinsi Aceh. Hasil SPP diantaranya menggambarkan profil rumah
tangga petani di Aceh yang dapat dirangkum pada tabel 1:
Tabel 1
Profil rumah tangga usaha petani (RTUP) di Provinsi Aceh, 2013
No Karakteristik Satuan Jumlah
1 Jumlah RTUP RumahTangga 653 144
2 Rata-Rata Jumlah anggota ruta (rumah Tangga) Orang 4,29
id
3 Persentase Tenaga Kerja di sektor Pertanian Persen 46,53
4 Jumlah Petani g o. Orang 810 000
s.
5 Share Sektor Pertanian terhadap PDB Persen 27,22
bp
6 Rasio Ketergantungan Persen 52,04

h.
7 Persentase RTUP pengguna Lahan yang menguasai Persen 45,89

ce
lahan pertanian kurang dari 0,5 Ha

//a
8 Ruta Petani menurut sumber Pendapatan Persen

utamanya
s:
76,37
tp
- Pertanian
ht
- BukanPertanian 23,63
9 Rata-Rata pendapatan RTUP menurut sumber
pendapatan utama:
JutaRp/Tahun
- Pertanian
- BukanPertanian 15,581
8,086
10 Rata-Rata Pendapatan perkapita RTUP JutaRp/Tahun 5,511
Fakta bahwa jumlah penduduk Di Aceh pada tahun 2013 yang hampir setengahnya
bekerja di sektor pertanian (46,53%) tidak diiringi dengan produktifitas tenaga kerjanya.
Beberapa peneliti membahas kemiskinan di Aceh dan mengkaitkannya konflik bersenjata
dimasa lalu. Aceh didera konflik bersenjata selama hampir 30 tahun, jelas menjadi
pertanyaan menarik untuk dicarikan jawabnya apakah faktor konflik bersenjata dimasa lalu
masih memiliki dampak terhadap kemiskinan pekerja didaerah yg dilanda konflik. Beberapa

PAREMETER
penelitian tentang dampak konflik di Aceh telah dilakukan beberapa peneliti yang
umumnya menyimpulkan bahwa pertumbuhan ekonomi Aceh disaat konflik mengalami
pertumbuhan negatif (Mahjuddin:2012)
Fenomena pekerja miskin di atas tentu saja memunculkan pertanyaan bahwa terdapat
hal yang menjadi faktor penentu mengapa kesejahteraan/pendapatan pekerja masih
menempatkannya di bawah garis kemiskinan. Faktor penentu ini dapat saja berasal dari
internal yaitu kondisi sosial ekonomi pekerja itu sendiri maupun faktor eksternal mereka.
Berdasarkan fakta bahwa kemiskinan juga terjadi pada seseorang yang mempunyai status
bekerja dan hal ini juga didukung dengan berbagai hasil penelitian sebelumnya, maka
menjadi penting untuk dilakukan penelitian tentang faktor-faktor yang menentukan
pendapatan pekerja miskin dalam Provinsi Aceh.
Tinjauan Teoritis
Menurut ILO (2011), kemiskinan pekerja (working poverty) adalah situasi yang
dihadapi individu yang walaupun telah mempunyai pekerjaan yang dibayar, tetapi tidak
id
mempunyai penghasilan yang cukup untuk mengangkat dirinya dan keluarganya keluar dari
g o.
kemiskinan. Pekerja miskin didefinisikan sebagai seseorang yang bekerja dalam suatu rumah
s.
tangga yang anggotanya hidup di bawah garis kemiskinan.
bp
Pekerja miskin adalah orang yang pendapatan pribadinya di bawah ambang tertentu
h.
(Schafer, 1997) dalam Strengmann (2002). Ambang ini dapat berupa garis kemiskinan,
ce
persentase upah rata-rata atau ditetapkan dengan cara-cara lain.

//a
Penelitian terhadap pendapatan pekerja telah banyak dilakukan dan hasilnya cukup
s:
menjelaskan tentang faktor-faktor yang menjadi penentu pendapatan pekerja. Penelitian

tp
Agustiyani (2010) tentang faktor-faktor yang mempengaruhi status kemiskinan pekerja di

ht
Indonesia menemukan bahwa variabel yang berpengaruh terhadap status kemiskinan

pekerja adalah jenis kelamin, umur, pendidikan, daerah tempat tinggal, status perkawinan,
lapangan pekerjaan, status pekerjaan, jumlah jam kerja seminggu, lama bekerja di pekerjaan
saat ini dan pengalaman mengikuti kursus.
Mukhyi (2002) melakukan penelitian dan memperlihatkan aspek kecenderungan
tingkat gaji dan upah di Indonesia. Analisisnya menggunakan pendekatan regresi berganda
karena ingin melihat faktor-faktor yang mempengaruhi penentuan gaji. Hasil penelitiannya,
sebesar 87,1 persen perubahan gaji dapat dijelaskan oleh variabel-variabel bebas tersebut
(jenis kelamin, status perkawinan, tingkat pendidikan, jenis pekerjaan, pengalaman kerja,
jeda (berhenti sebentar dalam pekerjaannya), keahlian, dan kinerja (produktivitas). Namun
dari sembilan variabel, yang signifikan mempengaruhi hanya ada dua variabel yaitu masa
kerja dan tingkat pendidikan.
Sementara studi tentang konflik dan kaitannya dengan perekonomian salah satunya
dikemukakan oleh Knight et al. (1996), Collier (1997) dan Steines (2004). Knight et al. (1996)
menyimpulkan bahwa perang menurunkan tingkat investasi sedangkan menurut Collier
48
PAREMETER
(1997) Perang menurunkan PDB sebesar 2,2 % dibanding sebelum perang. Senada dengan
Steines, Akhirudin Mahjuddin (2012) menyatakan bahwa konflik menurunkan PDB
Konflik juga menurunkan kesejahteraan rakyat karena memunculkan ketimpangan
distribusi, akses terhadap sumber daya, peluang untuk berkembang dan lainnya, dengan
kata lain kemiskinan bisa muncul karena perbedaan relasi kuasa didalam masyarakat dan
menjadi konflik, bukan karena kemalasan, kelemahan, ataupun kecacatan tapi karena
pengaruh struktur sosialnya akibat konflik (Soetomo: 2006).
Pada penelitian ini penentuan variabel intensitas area konflik, dimana kategori
variabel ini dibagi menjadi rendah, sedang dan tinggi, mengacu kepada dokumen penilitian
Bank Dunia dalam laporanya pada Multistakeholder review on Post Conflict Programing in
Aceh tahun 2009 .
Metode Penelitian
Kajian penelitian ini menggunakan dua model analisis yakni pertama, analisis
deskriptif dan kedua analisis inferensia. Pendekatan deskriptif ini lebih menekankan pada
id
metode tabulasi silang (cross tabulation) untuk mendapatkan gambaran secara sistematis
g o.
dan faktual dari masing-masing variabel operasionalnya. Sementara uji statistik lainnya
digunakan untuk melihat ketergantungan dan hubungan antara dua variabel secara
s.
simetris.
bp
Untuk melihat ketergantungan antara dua variabel digunakan uji ketergantungan

h.
Pearson Chi Square, juga Likelihood ratio. Hipotesis nol (H0) yang digunakan adalah Tidak
ce
Ada ketergantungan antara pendapatan pekerja miskin dengan variabel bebas (Jenis
//a
Kelamin, Lokasi Tempat tinggal, Umur, Pendidikan, Status Pekerjaan, Status Perkawinan,
s:
Intensitas Area Konflik) dengan tingkat keyakinan 95 persen ( α = 5% ), Maka terima H 0 jika
tp
nilai signifikansi (2 arah) lebih besar dari α .

ht
Sedangkan untuk melihat hubungan dua variabel secara simetris akan dilakukan
statistik uji Phi, Cramer’s V dan Contigency Coefficient (Santoso, 2001). Hipotesis null yang
digunakan adalah Tidak ada hubungan antara kedua variabel dan Hipotesis alternatifnya
adalah ada hubungan antara kedua variabel.
Untuk menganalisis faktor-faktor penentu pendapatan pekerja miskin digunakan
Multiple Classification Analysis (MCA). MCA digunakan karena variabel yang dianalisis
merupakan variabel yang bersifat katagorik, dan data yang digunakan bersifat individu
(Adrews, et.al, 1973). Salah satu kegunaan yang penting dari MCA adalah melihat pengaruh
dari satu prediktor terhadap prediktor yang lain dan variabel kontrol dari setiap prediktor,
baik sebelum dibebaskan dari pengaruh prediktor lain maupun sesudah dibebaskan dari
prediktor lain sehingga akan diketahui pengaruh murni dari setiap prediktor dan pengaruh
dari variabel atribut.
MCA merupakan analisis lebih lanjut dari tabel ANOVA, sehingga model yang dipakai
adalah model linier aditif yang ditunjukkan oleh persamaan berikut:
Yijklmno = ȳ + JKi + LOKj + UMURk + DIKl + STKERm + STKWn +INTKONo + ℮ijklmno

PAREMETER
Dimana :
Yijklmno= Pendapatan Pekerja miskin pada kategori ke-i variabel JK (Jenis Kelamin), kategori
ke-j variabel LOK (Lokasi tinggal/Kota-Desa), Kategori ke-k variabel UMUR (usia), kategori
ke-l variabel DIK (Pendidikan), Kategori ke-m variabel STKER (Status Pekerjaan), Kategori
ke-n variabel STKW (Status Perkawinan), Kategori ke-o variabel INTKON (Intensitas Area
Konflik)
ȳ = Rata – rata keseluruhan pendapatan pekerja miskin (Grand Mean)

JKi = Efek Kategori ke-i dari variabel JK (Jenis Kelamin)
LOKj = Efek Kategori ke-j dari variabel LOK (Lokasi Tinggal/Kota-Desa)
UMURk = Efek kategori ke-k dari variabel UMUR (Umur/usia)
DIKl = Efek Kategori ke-l dari variabel DIK (Pendidikan)
STKERm = Efek Kategori ke-m dari variabel STKER (Status Pekerjaan/formal-informal)
STKWn = Efek Kategori ke-l dari variabel STKW (Status Perkawinan)
INTKONo = Efek Kategori ke-o dari variabel INTKON (Intensitas Area Konflik)
id
℮ijklmno = Error untuk individu yang bersesuaian dengan Yijklmno
g o.
s.
Sementara itu
bp
h.
ce
//a
s:
tp
Dimana,
ht
JKi adalah Kategori ke-i pada variabel Jenis Kelamin pekerja miskin
Wi = banyaknya individu kategori ke-i pada variabel JK
Hal yang sama diimplementasikan juga pada variabel LOK, UMUR, DIK, STKER, STKW, dan
INTKON
Sebelum menggunakan MCA, harus ada asumsi yang terpenuhi terlebih dahulu, yakni
simple linear additivity (Anddrew et al.:1972) artinya setiap variabel bebas yang
memengaruhi variabel terikatnya tidak saling berinteraksi. Untuk menguji asumsi tersebut,
digunakan prosedur pengujian dengan Anova. Nilai nyata F (p-value) pada tabel Anova
dibandingkan nilai α sebesar 5 %.
Hipotesis yang digunakan adalah H null: Tidak ada interaksi antara pasangan variabel
bebas, tolak H null jika nilai signifikansi F kurang dari 5 persen, sebaliknya terima H null jika
nilai signifikansi F lebih dari 5 persen.
Selain Anova untuk menguji kolinearitas masing-masing variabel bebasnya akan
digunakan uji multikolinearitas yakni dengan prosedur pengujian nilai Tolerance dan
Variance Inflation Factor (VIF) dimana jika nilai Tolerance > dari 0.1 dan jika nilai VIF < 10,
maka tidak terjadi multikolinearitas.
50
PAREMETER
Variabel Operasional
Variabel operasional yang digunakan pada penelitian ini dapat dilihat pada tabel 2
Tabel 2.
Variabel Operasional Yang Digunakan
Variabel
Kategori
Terikat Bebas
(1) (2) (3)
1 = Laki – laki
X1 = JK
2 = Perempuan
1 = Kota
X2 = LOK
2 = Desa
1 : < 26 tahun
X3 = UMUR 2 : 26 – 54 tahun
3 : > 55 tahun
id
1 = < SMP
Y = Pendapatan X4 = DIK
g o.
2 = SMA
s.
3 = Perguruan Tinggi
bp
1 = Formal
X5 = STKER
h.
2 = Informal
ce
1 = Belum Kawin
X6 = STKW
//a
2 = Kawin/pernah kawin
s:
1 = Rendah
tp
X7 = INTKON 2 = Sedang
ht
3 = Tinggi
Hasil dari tabel 3 tersebut di ekspresikan sebagai deviasi – deviasi dari rata-rata akhir,
dalam tabel ini juga dihasilkan nilai eta dan beta yang merupakan koofisien korelasi. Eta (η)
adalah nilai keeratan hubungan suatu variabel bebas dengan varabel tidak bebas sebelum
diperhitungkan variabel bebas lainnya. Sedangkan Beta (β) adalah nilai Eta setelah
dibebaskan dari pengaruh prediktor lain dan variabel atribut (variabel kontrol). Variabel
bebas yang mempunyai nilai beta yang paling besar dapat dikatakan sebagai variabel yang
memiliki pengaruh paling besar terhadap pendapatan pekerja miskin bila dibandingkan
dengan variabel bebas lainnya.
Sumber Data
Untuk sumber data yang digunakan adalah data sekunder yang berasal dari hasil
Survey BPS yakni Susenas (Survey Sosial Ekonomi Nasional) Maret 2019 yang mencakup
seluruh kabupaten/kota di Provinsi Aceh. Jumlah sampel total sebanyak 1970 Pekerja
Miskin

PAREMETER
Hasil dan Pembahasan

Analisis Deskriptif
Dari data Survei Sosial Ekonomi Nasional 2019 diperoleh gambaran bahwa dari total
penduduk di Provinsi Aceh, sebanyak 42,7 persen orang berstatus bekerja dan 4,1 persen
dari pekerja tersebut masih tergolong ke dalam kategori miskin. Angka ini sudah jauh
menurun dibandingkan dengan kondisi tahun 2015 dimana jumlah pekerja yang berada
dalam kategori miskin sebesar 14.4 persen.
Tabel 3
Profile Pekerja Miskin Provinsi Aceh 2019
Variabel Kategori Persentase
Laki – laki 66.04
Jenis Kelamin
Perempuan 33.96
Kota 16.55
Lokasi Tinggal
Desa 83.45
id
< 26 tahun 15.02
Umur 26 – 54 tahun
g o. 72.08
s.
> 55 tahun 12.89
bp
< SMP 72.55

h.
Pendidikan SMA 22.84

ce
Perguruan Tinggi 04.61

//a
Formal 33.41
Status Pekerjaan
s:
Informal 66.59
tp
Belum Kawin 19.00

ht
Status Pekawinan Kawin/pernah

kawin 81.00
Konflik_Rendah 36.91
Intensitas area
Konflik_Sedang 21.47
Konflik
Konflik_Tinggi 41.62
Sumber: Susenas 2019 (diolah)
Selanjutnya Tabel 3 memperlihatkan bagaimana gambaran umum pekerja miskin di

Provinsi Aceh di mana sebagian besar (66,04 persen) pekerja miskin berjenis kelamin laki-
laki. Sebesar 83,45 persen bertempat tinggal di wilayah perdesaan dan mayoritas di antara
mereka berada pada kelompok umur prima (25-54 tahun) dengan persentase sebesar 72,08
persen. Selanjutnya tingkat pendidikan rata-rata adalah SMP kebawah (72,55 persen).
Sebagian besar pekerja miskin (66,59 persen) bergerak di sektor informal dan Selanjutnya
81 persen berstatus kawin/pernah kawin serta Kebanyakan pekerja miskin (41,62 persen)
tinggal didaerah yang pada masa lalu intensitas konfliknya tinggi, sebanyak 36,91 persen
tinggal didaerah yang pada masa lalu intensitas konfliknya rendah.
52
PAREMETER
Apabila dilihat dari sisi pendapatan seperti ditunjukkan dalam Grafik 1, secara umum
rata-rata pendapatan perkapita pekerja di Provinsi Aceh adalah sebesar Rp. 1.139.005,-.
Sementara itu, pendapatan rata-rata pekerja miskin adalah sebesar Rp. 404.336,- atau
hampir sepertiga dari pendapatan pekerja rata-rata di Aceh
Grafik 1.
Pendapatan Rata-Rata Pekerja Miskin
id
g o.
s.
bp
h.
ce
Hal ini menggambarkan bahwa masih terdapat kesenjangan pendapatan yang cukup
lebar antara pekerja. Ciri dan karakteristik demografi yang berbeda dari pekerja dapat
//a
memberikan implikasi yang berbeda terhadap pendapatan yang diterima oleh pekerja.
s:
tp
ht
Hubungan Antar Variabel

Tabel 4 menunjukkan hasil statistik uji Pearson Chi-Square dan Likelihood Ratio dengan
tingkat keyakinan 95 persen (α = 5%), kecuali variable Intensitas area Konflik, seluruh
variabel bebas menunjukkan Asymp. Sig. (2-sided) sebesar 0,000 lebih kecil dari 0,05.
Sehingga dapat disimpulkan untuk menolak H0 artinya terdapat ketergantungan yang
signifikan antara pendapatan dan masing-masing variabel bebas kecuali variabel intensitas
area konflik, dimana variabel tersebut tidak memiliki ketergantungan yang signifikan
terhadap pendapatan pekerja miskin.

PAREMETER
Tabel 4
Hasil Uji Ketergantungan Beberapa Variabel yang Mempengaruhi Pendapatan
Asymp. Sig
Hubungan antara Variabel Uji Statistik Value Df
(2-sided)
(1) (2) (3) (4) (5)

Pearson Chi Square 221.388a 1 .000
Pendapatan * Jenis Kelamin
Likelihood Ratio 225.007 1 .000
Pendapatan * Lokasi Tempat Pearson Chi Square 162.323a 1 .000
Tinggal Likelihood Ratio 180.548 1 .000
Pendapatan * Umur
Pendapatan * Pendidikan
id
Pendapatan * Status Pearson Chi Square 309.363a 1 .000
Pekerjaan Likelihood Ratio g o.
265.472
779.335a
1 .000
s.
Pendapatan * Status Pearson Chi Square 1 0.000
bp
Perkawinan Likelihood Ratio 837.462 1 0.000

.629a
h.
Pendapatan * Intensitas Area Pearson Chi Square 2 .730

ce
Konflik Likelihood Ratio .624 2 .732

//a

s:
tp
Sementara Uji hubungan antar variabel dengan menggunakan statistik uji Phi,
ht
Cramer’s V, dan Contingency Coefficient antara dua variabel secara simetris seperti
ditunjukkan pada Tabel 5, juga menghasilkan keputusan untuk menolak H 0, kecuali untuk
variabel intensitas konflik artinya terdapat hubungan antara pendapatan dengan masing-
masing variabel bebas. Sesuai dengan signifikansi uji ketergantungan sebelumnya,
hubungan terkuat berturut-turut adalah antara pendapatan dengan umur, pendapatan
dengan status perkawinan, dan pendapatan dengan status pekerjaan.
54
PAREMETER
Tabel 5
Hasil Uji Hubungan Beberapa Variabel Terhadap Pendapatan
Hubungan antara Variabel Uji Statistik Value Approx. Sig.
(1) (2) (3) (4)

Phi .068 .000
Pendapatan * Jenis Kelamin Cramer's V .068 .000
Contingency Coefficient .068 .000
Phi -.058 .000
Pendapatan * Lokasi
Cramer's V .058 .000
Tempat Tinggal
Phi .139 .000
Pendapatan * Umur
id
o.
Phi g .042 .000
Pendapatan * Pendidikan Cramer's V .042 .000
s.
bp
Phi .080 .000

h.
Pendapatan * Status
ce
Pekerjaan
//a
Phi -.127 0.000

s:
Pendapatan * Status
Cramer's V .127 0.000
tp
Perkawinan
Contingency Coefficient .126 0.000
ht
Phi .004 .730

Pendapatan * Intensitas
Area Konflik
Main Effect dan Signifikasi Model

Main effect adalah pengaruh langsung variabel bebas terhadap variabel terikatnya
(Ghazali:2003)

PAREMETER
Tabel 6
Main Effect Variabel bebas terhadap pendapatan
Hierarchical Method
Variabel
Sum of Squares df Mean Square F Sig.
(Combined
) 460080399240.137 10 46008039924.014 15.614 0.000
JK 223583036.876 223583036.876 0.076 .783
LOK 308637063984.23
308637063984.237 2 7 104.742 .000
UMUR 16385802854.105 2 8192901427.053 2.780 .062
Pendapatan DIK 30528841470.576 2 15264420735.288 5.180 .006
STKER 5163385620.894 1 5163385620.894 1.752 .186
STKW 10757777949.444 1 10757777949.444 3.651 .056
id
INTKON 88246432924.293 2 44123216462.146 14.974 .000
Sumber: Susenas 2019 (diolah) g o.
s.
bp
Berdasarkan Tabel 6, dalam taraf kepercayaan 5 persen, tidak semua variabel bebas
adalah signifikan, hanya variabel LOK, DIK dan INTKON yang signifikan secara statistik.
h.
ce
sehingga dapat disimpulkan bahwa terdapat perbedaan rata-rata pendapatan pekerja

miskin antar kategori, baik pada variabel Lokasi Tinggal, Pendidikan dan Intensitas Area
//a
Konflik.
s:
Sementara itu, pengujian keberartian model yang memuat semua variabel bebas juga
tp
dilakukan dengan H0 : efek variabel bebas secara simultan adalah tidak berarti dalam model.
ht
Hasil Anova menunjukkan bahwa p-value combined pengujian adalah signifikan, sehingga
diputuskan untuk menolak H0 dan dapat disimpulkan bahwa efek variabel bebas secara
simultan adalah berarti dalam model.
Uji Asumsi Linear Aditivity

Karena model MCA mensyaratkan tidak ada interaksi antar variabel bebas (Linear
Aditif), maka sebelum analisis dilakukan, terlebih dahulu dilihat ada tidaknya interaksi antar
variabel bebas (kolinearitas). Untuk variabel yang menunjukkan interaksi, maka dikeluarkan
dari model MCA. Untuk itu digunakan uji multikolinearitas dengan cara menghitung nilai
Tolerance dan VIF, dengan ketentuan sebagai berikut:
Jika Nilai Tolerance lebih besar dari 0,1 (Tolerance > 0,1) maka tidak terjadi
multikolinearitas atau tidak ada interaksi antar variabel bebas. Kemudian melihat nilai VIF:
jika VIF lebih kecil dari 10 (VIF < 10) maka tidak terjadi multikolinearitas.
Berdasarkan perhitungan dari data Susenas 2019, nilai tolerance dan VIF dapat
ditunjukkan pada tabel 7. Karena perhitungan nilai Tolerance dan VIF menunjukkan semua
56
PAREMETER
variabel bebas tidak terjadi gejala multikolinearitas sehingga semua variabel dapat
dimasukkan kedalam MCA
Tabel 7
Nilai Tolerance dan VIF
Collinearity Statistic
Variabel
Tolerance VIF
(1) (2) (3) (4)
Jenis Kelamin .988 1.012
Lokasi Tempat tinggal .951 1.051
Umur .634 1.577
Pendapatan Tingkat Pendidikan .916 1.092
Status Pekerjaan .917 1.091
Status Perkawinan .635 1.574
Intensitas Area Konflik .970 1.031
id
Pengaruh Karakteristik Demografi Terhadap Pendapatan o.
g
s.
Tabel 8 memperlihatkan bahwa variabel bebas Lokasi tempat tinggal mempunyai
bp
pengaruh paling besar terhadap pendapatan per kapita bila dibandingkan dengan variabel
h.
bebas lainnya baik sebelum atau sesudah dibebaskan dari pengaruh variabel lain. Hal ini
ce
ditunjukkan dengan nilai eta dan beta yang dihasilkan yakni sebesar 0,143 dan 0,138.
//a
Besarnya pengaruh lokasi tempat tinggal dapat disebabkan oleh besarnya persentase
s:
pekerja miskin yang tinggal di wilayah perdesaan, yang pada umumnya bergerak pada
tp
sektor pertanian, dimana sektor pertanian sendiri masih identik dengan perdesaan yang
ht
menjadi lumbung kemiskinan, tingkat pendidikan yang rendah, sektor pekerjaan informal
dan produktivitas rendah (Zulham et al.:2016)
Tabel 8
Besar Pengaruh Variabel Bebas Terhadap Pendapatan
Beta (β)
Variabel
Eta(η) Adjusted forFactors
(1) (2) (3) (4)
Jenis Kelamin .004 .004
Lokasi Tempat tinggal .143 .138
Umur .034 .042
Pendapatan Tingkat Pendidikan .057 .044
Status Pekerjaan .045 .017
Status Perkawinan .029 .053
Intensitas Area Konflik .085 .077

PAREMETER
Pengaruh yang cukup besar lainnya disebabkan oleh variabel Intensitas Area Konflik
dengan beta sebesar 0.077, variabel Status Perkawinan dengan nilai beta sebesar 0,053 dan
tingkat pendidikan dengan beta sebesar 0,044 Besarnya pengaruh Intensitas Area Konflik
dalam pendapatan pekerja miskin disebabkan kondisi yang melekat pada variabel tersebut.
Wilayah yang terdampak konflik masa lalu yang berkategori tinggi, justru menjadi pemicu
sebagian besar masyarakat untuk melakukan banyak variasi kegiatan ekonomi produktif
yang dimasa konflik tidak bisa dilakukan, karena melibatkan perjalanan jauh/luar kota
seperti perdagangan antar kota. Untuk variable Status Perkawinan dapat dipaparkan secara
logis bahwa ketika pendapatan seorang pekerja miskin yang belum menikah akan lebih
besar ketimbang apabila dia sudah menikah, karena pada pekerja yang sudah menikah,
maka pendapatannya harus dibagi bersama jumlah anggota keluarga, bila kepala keluarga
merupakan pekerja tunggal, sehingga menjadi lebih kecil. Namun sebaliknya, status
perkawinan bisa menambah pendapatan jika pada keluarga tersebut, keala keluarga bukan
satu-satunya pencari nafkah, sehingga pendapatan gabungan rumah tangga menjadi lebih
besar untuk pekerja yang sudah menikah. Pada golongan pekerja miskin, variabel status
id
perkawinan masih signifikan mempengaruhi pendapatan.
g o.
Hasil penghitungan MCA sebagaimana Tabel 9, menunjukkan bahwa variabel yang
s.
memiliki pengaruh pada pendapatan pekerja miskin dari paling tinggi berturut-turut adalah:
bp
variabel lokasi tempat tinggal, variabel tingkat pendidikan, dan variabel intensitas area
h.
konflik. Kemudian diikuti oleh variabel status pekerjaan, umur dan variabel status
ce
perkawinan, terakhir adalah variabel jenis kelamin.

//a
Tabel tersebut juga menunjukan bahwa rata-rata pendapatan pekerja miskin laki-laki
s:
lebih tinggi dibandingkan pekerja perempuan baik sebelum maupun sesudah dibebaskan
tp
dari pengaruh faktor lain. Kecenderungan ini sejalan dengan beberapa teori dan hasil
ht
penelitian sebelumnya. Pekerja wanita dihadapkan pada kenyataan bahwa produktivitas

wanita dalam usahanya berpartisipasi di luar rumah dibatasi oleh sektor domestiknya,
sehingga mempengaruhi pekerja wanita untuk memasuki berbagai jenis pekerjaan yang ada
di pasaran kerja. Kaum perempuan memiliki jam kerja yang lebih terbatas daripada laki-laki,
sehingga produktifitasnya lebih rendah dan mempunyai pendapatan lebih rendah.
58
PAREMETER
Tabel 9
Hasil Penghitungan MCA Pendapatan Pekerja Miskin
Predicted Mean Deviation
Variabel N Adjusted Unadjuste Adjusted
Unadjusted
for Factors d for Factors
(1) (2) (3) (4) (5) (6)
Jenis Kelamin
402,815.18 402,827.04
Laki-laki 2388 31 87 220.73180 232.59738
402,391.01 402,380.07
Perempuan 2591 34 75 -203.43788 -214.37381
Lokasi_Tinggal
420,008.90 419,450.11 17,414.453 16,855.659
Perkotaan 845 51 09 82 61
id
- -
o.
399,034.89 399149.112 3,559.5581 3,445.3392
g
s.
Perdesaan 4134 31 1 7 3
bp
Umur
h.
-
ce
401,364.28 404,574.92 1,230.1697 1,980.4694

//a
<26 tahun 2415 16 07 1 3

-
s:
tp
404,699.44 401,560.01 2,104.9942 1,034.4334

ht
25-55 tahun 2084 56 78 6 5

- -
399,644.55 397,121.37 2,949.8920 5,473.0716
>55 tahun 480 93 97 4 0
Tingkat Pendidikan
-
401,407.86 401,886.92 1,186.5828
=< SMP 4002 85 26 2 -707.52865
405,539.92 403,648.76 2,945.4718 1,054.3168
SMA 833 31 81 0 5
418,532.82 416,158.92 15,938.377 13,564.470
Perguruan Tinggi 144 92 17 94 41
Status Pekerjaan
408,949.58 404,968.10 6,355.1345 2,373.6494
Formal 651 59 07 7 3
Informal 4328 401,638.53 402,237.41 -955.91326 -357.03461

PAREMETER
Lanjutan 80 67
Status Perkawinan
- -
400,968.66 399,661.51 1625.7894 2932.9365
Belum Kawin 2478 18 47 7 6
404,205.28 405,500.41 1610.8381 2905.9643
Kawin/Pernah Kawin 2501 95 56 8 3
Intensitas Area Konflik
- -
398,230.64 397,535.75 4363.8081 5058.6995
Rendah 1827 32 18 0 0
411,547.99 408,918.49 8953.5483 6324.0472
Sedang 914 96 86 5 9
402,500.23 404,141.39 1546.9458
Tinggi 2238 07 71 -94.22064 3
id
g o.
Berdasarkan lokasi tempat tinggal, pendapatan pekerja di perkotaan relatif lebih tinggi
s.
dibandingkan dengan pekerja yang tinggal di perdesaan baik sebelum maupun sesudah
bp
dibebaskan dari pengaruh faktor lain. Perbedaan pendapatan ini dapat terjadi disebabkan
h.
oleh perbedaan karakteristik wilayah masing-masing. Hal ini sejalan dengan pernyataan ILO
ce
(2007) bahwa kemiskinan di Indonesia masih merupakan masalah di perdesaan. Kemiskinan

//a
menjadi suatu identitas yang melekat dengan perdesaan. Kondisi ini disebabkan oleh
s:
berbagai hal diantaranya: tingkat pendidikan dan kualitas pendidikan di perdesaan masih
tp
rendah; rendahnya asset yang dikuasai masyarakat perdesaan; pelayanan sarana dan
ht
prasarana perdesaan yang kurang memadai; dan terbatasnya kesempatan melakukan usaha
di perdesaan.
Rata-rata pendapatan pekerja umur 25-54 tahun menjadi yang paling tinggi
dibandingkan dengan pekerja muda atau pekerja tua. Pada kelompok umur tersebut
produktivitas pekerja berada pada puncaknya. Berbeda dengan pekerja muda dimana pada
usia muda pekerja baru memulai karier dengan pekerjaan berupah rendah (Eurofond,
2010), sehingga pendapatannya relatif rendah. Kemudian semakin meningkat umur,
produktivitas seorang pekerja juga akan meningkat. Namun ketika umur sudah menua,
produktivitas dan kemampuan berfikir serta kemampuan untuk menerima kemajuan
teknologi mulai menurun. Hal ini memungkinkan pada saat memasuki umur tua,
pendapatan akan menurun dari sebelumnya.
Pada kelompok pekerja miskin, pendapatan paling tinggi dimiliki oleh pekerja dengan
pendidikan Perguruan Tinggi. Hal ini menjadi menarik untuk diuraikan lebih jauh, karena
umumnya rata-rata pekerjaan secara umum yang dilakukan pekerja miskin bersifat informal
(67 persen) sehingga tidak memerlukan keahlian tinggi untuk masuk ke sektor pekerjaan ini.
Seseorang yang berpendidikan rendah cenderung tidak banyak pilihan pekerjaan sehingga
60
PAREMETER
apapun jenis pekerjaan harus dijalani. Hal inilah yang menyebabkan pendapatan pekerja
masih rendah. Beberapa hal yang menyebabkan pendidikan Perguruan Tinggi menghasilkan
pendapatan paling tinggi di pekerja miskin antara lain. Pertama, pekerjaan dapat
diselesaikan lebih banyak (secara volume pekerjaan) karena dilakukan dengan cara yang
lebih cerdas dari biasanya. Kedua, pekerjaan dapat diselesaikan lebih cepat sehingga dapat
segera mengerjakan pekerjaan lainnya.
Berdasarkan beberapa hasil penelitian sebelumnya diperoleh fakta bahwa pekerja
sektor formal lebih sejahtera dibanding dengan pekerja sektor informal. Hal yang sama
ditemukan pada kelompok pekerja miskin di Aceh di mana berdasarkan hasil MCA diperoleh
bahwa pendapatan rata-rata pekerja formal masih lebih tinggi dibandingkan dengan pekerja
informal baik sebelum atau sesudah dibebaskan dari pengaruh faktor lain.
Rendahnya pendapatan pekerja sektor informal disebabkan karakteristik yang melekat pada
sektor tersebut dimana menurut Laporan ILO dalam Effendi (1985) disebutkan bahwa pada
sektor informal pola kegiatan usaha tidak teratur baik dalam arti lokasi maupun jam kerja,
modal dan perputaran usaha relatif kecil, sehingga skala operasi juga relatif kecil, dan
id
umumnya unit usaha termasuk golongan one-man-enterprises dan mempekerjakan buruh
g o.
berasal dari keluarga. Sektor ini juga rata-rata ditekuni oleh pekerjadengan pendidikan
rendah, karena sektor ini tidak memerlukan keahlian dan kemampuan yang tinggi untuk
s.
menekuninya. Seseorang dengan pendidikan tinggi cenderung akan mempunyai pekerjaan

bp
dengan status formal, sebaliknya yang memiliki pendidikan rendah akan terserap ke sektor
h.
informal. Memasuki pekerjaan di sektor informal tidak menuntut syarat pendidikan tertentu
ce
seperti pada lapangan pekerjaan di sektor formal. Semua orang dari berbagai tingkat
//a
pendidikan bahkan yang tidak berpendidikan dapat terserap di sektor informal.

s:
Pekerja dengan status kawin/pernah kawin cenderung mempunyai pendapatan lebih tinggi
tp
dibandingkan dengan pekerja dengan status belum kawin. Hal ini disebabkan karena
ht
pendapatan pekerja kawin/pernah kawin memperoleh tambahan pendapatan rumah

tangga karena bukan sebagai pekerja tunggal rumah tangga. Perolehan tambahan
pendapatan ini bisa berasal dari pasangan ataupun anak, sesuatu yang tidak bisa didapatkan
bagi pekerja yang belum kawin.
Agak berbeda dengan asumsi sebelumnya, rata-rata pendapatan pekerja yang tinggal
pada wilayah terdampak konflik bervariasi, wilayah yang masa lalu terdampak konflik tinggi,
memiliki rata-rata pendapatan pekerja miskin yang lebih tinggi dibanding pada wilayah
dengan dampak konflik yang rendah. Pendapatan pekerja miskin paling tinggi didapat
apabila pekerja tinggal pada daerah yang pernah terdampak konflik sedang. Sebagaimana
hasil penghitungan sebelumnya yang menunjukan bahwa area terdampak konflik masa lalu
tidak terlalu berpengaruh secara statistik terhadap pendapatan pekerja miskin, hal ini
dimungkinkan juga bahwa perdamaian Aceh sudah berumur 14 tahun sehingga dampaknya
sudah tidak terlalu signifikan dalam perkembangan perekonomian.

PAREMETER
Model Aditif Pendapatan Pekerja Miskin

Berdasarkan uraian hasil MCA pada bahasan sebelumnya, pengaruh aditif dari variabel
bebas menurut kategori berdasarkan deviasi adjusted dapat digambarkan dalam model
persamaan aditif sebagai berikut:
Yijklmno = ȳ + JKi + LOKj + UMURk + DIKl + STKERm + STKWn +INTKONo + ℮ijklmno

Y = 404.336 + JKi + LOKj + UMURk + DIKl + STKERm + STKWn +INTKONo
dimana kombinasi pengaruh kategori dari masing-masing variabel bebas akan menghasilkan
berbagai kombinasi rata-rata pendapatan yang diperoleh oleh seorang pekerja miskin.
Berdasarkan model tersebut, maka seorang pekerja miskin akan memperoleh pendapatan
tertinggi jika: berjenis kelamin laki-laki; bertempat tinggal di wilayah perkotaan; berada
pada kelompok umur 25-54 tahun; tingkat pendidikan Perguruan Tinggi; status kawin;
bekerja pada sektor formal; dan berada di daerah yang pernah memiliki dampak konflik
sedang
id
Sedangkan pendapatan terendah dari pekerja miskin adalah tersebut diperoleh pada
o.
kondisi dimana karakteristik pekerja miskin adalah: berjenis kelamin perempuan; bertempat
g
s.
tinggal di wilayah perdesaan; berada pada kelompok umur diatas 55 tahun; tingkat
bp
pendidikan SMP ke bawah; bergerak pada sektor informal; status belum kawin; dan berada
h.
didaerah yang pernah memiliki dampak konflik rendah.

ce
Berdasarkan dua model aditif di atas, terlihat bahwa terdapat perbedaan pengaruh kategori
//a
pada masing-masing variabel bebas terhadap besarnya pendapatan.

s:
tp
Kesimpulan
ht
Berdasarkan hasil pembahasan dan analisis terhadap determinan pendapatan pekerja

miskin di Provinsi Aceh dapat diambil beberapa kesimpulan sebagai berikut:
a. Sebanyak 4.1 persen penduduk Aceh yang bekerja masih berada di bawah
garis kemiskinan
b. Status pekerja miskin di Provinsi Aceh sebagian besar berjenis kelamin laki-
laki, bertempat tinggal di wilayah perdesaan, mayoritas berada pada
kelompok umur prima (25-54 tahun), dan tingkat pendidikan rata-rata
paling tinggi SMP. Sebagian besar pekerja miskin memiliki status
kawin/pernah kawin bergerak di sektor informal dengan lokasi yang pernah
memiliki dampak konflik tinggi.
c. Terdapat ketergantungan yang signifikan antara pendapatan pekerja miskin
dengan masing-masing variabel bebas. Kecuali variabel intensitas area
konflik. Hal ini kemungkinan disebabkan oleh usia perdamaian yang cukup
panjang (14 tahun) sehingga dampak konflik sudah tidak terlalu relevan
untuk mempengaruhi perkembangan ekonomi
d. Analisis Inferensia dengan model Anova menyimpulkan bahwa variabel,
Lokasi Tempat Tinggal, Tingkat Pendidikan, dan Intensitas Area Konflik
signifikan mempengaruhi tingkat pendapatan per kapita pekerja miskin.
62
PAREMETER
e. Analisis Multiple Classification Analysis (MCA) menyimpulkan bahwa masing-

masing variabel bebas berpengaruh signifikan terhadap pendapatan pekerja
miskin. Besarnya pengaruh tersebut dari yang terbesar berturut-turut
disumbangkan oleh variabel Lokasi tempat tinggal, Pendidikan, Intensitas
area konflik. Kemudian diikuti dengan variabel status pekerjaan, umur dan
status perkawinan serta terakhir variabel jenis kelamin.
f. Model aditif pendapatan pekerja miskin menunjukkan bahwa rata-rata
pendapatan seorang pekerja miskin tertinggi diperoleh pada saat
mempunyai karakteristik berjenis kelamin laki-laki; bertempat tinggal di
wilayah perkotaan; berada pada kelompok umur 25-54 tahun; tingkat
pendidikan Perguruan Tinggi; status kawin; bekerja pada sektor formal; dan
berada di daerah yang pernah memiliki dampak konflik sedang
Daftar Pustaka
Agustiyani, Rachmi. 2010. Faktor-faktor yang Mempengaruhi Status Kemiskinan Pekerja
diIndonesia (Analisis Data Susenas dan Sakernas 2008). Thesis, Fakultas Ekonomi
Universitas Indonesia, Depok.
id
Andrews F., Morgan J.N, et all. 1973. Multiple Classification Analysis. A Report On A
o.
ComputerProgram For Multiple Regression Using Categorical Predictors. Second Edition,
g
s.
The University of Michigan.
bp
Angkat, Marine Sohadi. 2004. Analisis Faktor-faktor yang Mempengaruhi Pengeluaran

h.
Makanan diProvinsi Sumatera Utara Tahun 2003. (Tesis). Banda Aceh: Universitas Syiah
ce
Kuala.
//a
Badan Pusat Statistik. 2009. Analisis Kemiskinan, Ketenagakerjaan dan Distribusi

s:
Pendapatan. Jakarta: Badan Pusat Statistik.

tp
Badan Pusat Statistik. 2015. Penghitungan dan Analisis Kemiskinan Makro Indonesia Tahun
ht
2015. Jakarta: Badan Pusat Statistik.

Badan Pusat Statistik. 2017. Keadaan Angkatan Kerja Provinsi Aceh Agustus 2017. Banda
Aceh: BPS Provinsi Aceh.
Bannock, Graham, R.E Baxter dan Davis, Evan 2004. A Dictionary of Economics. Inggris:
Penguin Book, Ltd.
Collier, P 1994. Demobilization and Insecurity: A Study in the Economics of the Transition
from War to Peace.Journal of International Developmnet Vol. 6
Citra Pratama, Yoghi. Analisis Faktor-Faktor yang Mempengaruhi Kemisikinan di Indonesia.
Jurnal Bisnis dan Manajemen “ESENSI” Vol 4, No. 2, Agustus 2014. Fakultas Ekonomi dan
Bisnis Universitas Islam Negeri Jakarta
Gleicher, David and Stevans, Lonnie K. 2005. A Comprehensive Profile of The Working Poor.
CEIS, Fondazione Giacomo Brodolini and Blackwell Publishing Ltd, 9600.
Harun, Tommy. 1997. Faktor-faktor yang Mempengaruhi Tingkat Pendapatan Pekerja:
Kasus Pekerja Migran di Indonesia (Analisis Data Sakerti 1993. (Tesis). Jakarta: Program
PascaSarjana Universitas Indonesia.
ILO. 2015. Tren Ketenagakerjaan dan Sosial di Indonesia 2014 - 2015: Memperkuat Daya
Saing dan Produktivitas Melalui Pekerjaan Layak. Jakarta: ILO.
PAREMETER
Kim, Marlene. 1997. The Working Poor: Lousy Jobs or Lazy Workers? Journal of Economic
Issues, Vol. 32. No. 1 Mar 1998. Association for Evoluntary Economic.
https://www.jstor.org/stable/4227278. Diunduh tanggal 2 April 2020 Jam 16.50 WIB.
Knight M.,N. Loayza and D Villaneuva. 1996. The Peace Dividend: Military Sending Cut and
Economic Growth. IMF Staff Paper 43: 1-37.
LIPI. 2012. Konsep dan Ukuran Kemiskinan Alternatif. Jakarta: Pusat Penelitian Ekonomi
(P2E) LIPI.
Makhjuddin, Akhiruddin. 2012. Dampak Konflik terhadap Perkembangan Ekonomi dan
Tingkat Kesejahteraan Masyarakat. Tesis. Program Magister Perencanaan dan Kebijakan
Publik Fakultas Ekonomi Universitas Indonesia, Jakarta
Musrizal 2019. Analisis Pengaruh Pertumbuhan Ekonomi Terhadap Tingkat Kemiskinan di
Aceh Utara, Jurnal Ekonomi dan Bisnis vol. 21, No.1 Feb 2019, Politeknik Negri
Lhokseumawe, Aceh.
Ngadi. 2003. Pengaruh Upah Minimum Terhadap Kemiskinan dan Kesempatan Kerja di
Indonesia(Analisis Data Tahun 1996, 1999, 2001). Thesis, Fakultas Ekonomi Universitas
id
Indonesia, Jakarta.
g o.
Pemerintah Aceh. 2019. Qanun Aceh No. 3 Tahun 2019 Tentang Rencana Pembangunan
s.
Jangka Menengah Aceh Tahun 2017-2022. Banda Aceh: Pemerintah Aceh.
bp
Priyono, Edy. 2002. Mengapa Angka Pengangguran Rendah di Masa Krisis?: Menguak
h.
Peranan Sektor Informal Sebagai Buffer Perekonomian. Jurnal Ekonomi dan

ce
Kewirausahaan Vol 1,No. 2, Juli 2002.

//a
Santoso, Singgih. 2001. SPSS versi 10: Mengolah Data Statistik Secara Profesional. Jakarta:
s:
Elex Media Komputindo.

tp
Steines, N. 2004 Economic Performance Over the Conflict Cycle. IMF Working Paper
ht
WP/04/95
Sugiarto. 2018. Multicple Classification Analysis (MCA) Sebagai Metode Alternatif Analisis
Data Untuk Variabel Bebas yang Berkategori. Jurnal Statistika Vol. 6 No. 2, November
2018. Politeknik Statistika STIS, Jakarta
Sukirno, Sadono. 2004. Pengantar Teori Makro Ekonomi Edisi Ke-2. Jakarta: Rajawali Press.
World Bank. 2009. Multi Stakeholder Review on Post-Conflict Programming in Aceh. Doc
No. 55603 v.1 . www.documents.worldbank.org diunduh tanggal 3 April jam 17.20 WIB
64
PAREMETER
ANALISIS SEKTOR UNGGULAN DAN POTENSIAL PROVINSI ACEH TAHUN 2010-2017
Rizki Hadiman1
Abstrak
Aceh Province has various potential resources that are expected to boost economic
development. This study aims to find out and analyze the leading and potential sectors that
can spur the economy of Aceh in the future. The data used in this study are secondary data,
namely the Gross Regional Domestic Product (GRDP) of Aceh Province and Indonesia's Gross
Domestic Product (GDP) from 2010 to 2017. The analytical methods used are LQ analysis,
Shift Share, MRP, Klassen Typology, and specialization index. We found that (1) the
Agriculture, Forestry, Fisheries sector, (2) the Large Trade and Retail sector; Car and
Motorcycle Repair, (3) the Transportation and Warehousing sector, (4) the Real Estate
sector, (5) the Health Services and Social Activities sector, and (6) the Government
id
Administration, Defense and Obligatory Social Security sectors as the leading sectors in the
Aceh Province. Whereas the potential sector is (1) the Electricity and Gas Procurement
Sector, (2) the Supply and Accommodation Accommodation Sector, and (3) the Water
g o.
s.
Procurement, Waste, Waste and Recycling sector.

bp
h.
Keywords: PDRB, LQ, Shift Share, Klassen Typology, Specialization Index

ce
//a
s:
Abstrak
tp
Provinsi Aceh memiliki berbagai potensi sumber daya yang diharapkan mampu
ht
mendongkrak pembangunan ekonominya. Penelitian ini bertujuan untuk mengetahui dan

menganalisis sektor unggulan dan potensial yang mampu memacu perekonomian Aceh ke
depannya. Data yang digunakan dalam penelitian ini berupa data sekunder yaitu Produk
Domestik Regional Bruto (PDRB) Provinsi Aceh dan Produk Domestik Bruto (PDB) Indonesia
dari tahun 2010 hingga 2017. Metode analisis yang digunakan yaitu analisis LQ, Shift Share,
MRP, Tipologi Klassen, serta indeks spesialisasi. Hasilnya ditemukan bahwa (1) sektor
Pertanian, Kehutanan, Perikanan, (2) sektor Perdagangan Besar dan Eceran; Reparasi Mobil
dan Sepeda Motor, (3) sektor Transportasi dan Pergudangan, (4) sektor Real Estate, (5)
sektor Jasa Kesehatan dan Kegiatan Sosial, serta (6) sektor Administrasi Pemerintahan,
Pertahanan dan Jaminan Sosial Wajib merupakan sektor unggulan di wilayah Provinsi Aceh.
Sedangkan sektor poensialnya yaitu (1) Sektor Pengadaan Listrik dan Gas, (2) sektor
Penyediaan Akomodasi Makan dan Minum, serta (3) sektor Pengadaan Air, Pengelolaan
Sampah, Limbah dan Daur Ulang.
Kata Kunci: PDRB, LQ, Shift Share, Klassen, Indeks Spesialisasi

1
Fungsional Statistisi Ahli Pertama di Badan Pusat Statistik (BPS) Provinsi Aceh, Email: rizki.hadiman@bps.go.id

PAREMETER
Pendahuluan
Setiap daerah memiliki potensi yang berbeda-beda baik dari potensi sumber daya
alam, kondisi geografis maupun potensi unik daerah lainnya. Oleh karena itu penyusunan
kebijakan pembangunan daerah, tidak dapat serta merta mengadopsi kebijakan nasional,
Provinsi maupun daerah induk atau daerah lain yang dianggap berhasil. Untuk membangun
suatu daerah, kebijakan yang diambil harus sesuai dengan permasalahan, kebutuhan dan
potensi daerah yang bersangkutan. Oleh karena itu penelitian mendalam perlu dilakukan
untuk memperoleh informasi bagi kepentingan perencanaan pembangunan daerah (Arsyad,
1999). Terkait dengan pentingnya identifikasi kebutuhan dan potensi dalam proses
perencanaan pembangunan di daerah, maka berbagai pendekatan model perencanaan
pembangunan daerah dapat dilakukan untuk menentukan arah dan bentuk kebijakan yang
diambil. Salah satu model pendekatan pembangunan daerah yang dapat digunakan yaitu
pendekatan sektoral. Sebagaimana yang dikemukakan Aziz (1994), pendekatan sektoral
dalam peren anaan pembangunan daerah selalu diawali dengan pertanyaan “sektor
ekonomi apa yang perlu dikembangkan”.
id
Tabel 1. PDRB Seri 2010 Atas Dasar Harga Berlaku Menurut Lapangan Usaha (Juta
g o.
s.
Rupiah) Provinsi Aceh
bp
Kategori Uraian 2010 2011 2012 2013 2014 2015 2016 2017
h.
(1) (2) (5) (6) (7) (8) (9) (10) (11) (12)
ce
Pertanian, Kehutanan,
A 25.579.574,5 27.553.522,6 29.643.043,4 32.254.068,2 34.376.593,73 37.598.849,2 40.245.353,4 43.404.302,4
dan Perikanan
//a
Pertambangan dan
B 15.582.032,5 15.912.461,0 15.363.815,0 14.745.738,5 13.578.025,9 7.495.694,7 6.397.113,2 6.798.255,8
Penggalian
s:
C Industri Pengolahan 8.982.947,9 9.359.997,7 9.859.251,3 9.759.312,0 9.481.095,7 7.718.443,2 7.356.575,3 7.533.238,2
tp
D Pengadaan Listrik dan 112.027,1 116.661,6 120.162,5 121.834,1 135.461,6 147.972,5 168.124,0 193.201,6
E Pengadaan Air, 25.239,5 28.545,8 32.476,2 35.739,8 39.475,2 45.404,3 55.739,2 62.506,0
ht
F Konstruksi 8.206.010,8 8.916.639,2 9.622.105,0 10.396.155,3 11.482.858,2 12.327.862,0 14.094.508,2 13.767.713,9

Perdagangan Besar dan
G 13.861.516,9 15.214.782,2 16.390.462,2 17.513.910,4 18.970.314,7 20.335.091,5 22.412.215,9 23.841.445,0
Eceran; Reparasi Mobil
H Transportasi dan 7.387.816,1 7.971.070,6 8.605.696,1 9.345.929,4 9.847.543,0 10.179.759,5 9.746.502,6 10.189.721,5
I Penyediaan Akomodasi 910.692,0 1.020.825,3 1.145.553,3 1.290.932,1 1.456.284,3 1.633.116,3 1.874.331,3 2.223.649,6
J Informasi dan 3.278.245,8 3.447.661,1 3.741.282,0 3.921.163,3 3.972.744,0 4.102.331,7 4.222.046,0 4.353.795,4
Jasa Keuangan dan
K 1.466.193,4 1.675.563,8 1.876.869,2 2.106.944,4 2.238.873,4 2.396.954,2 2.701.721,9 2.933.815,9
Asuransi
L Real Estate 3.148.997,8 3.371.699,8 3.579.378,3 3.856.064,2 4.392.552,6 4.902.382,5 5.330.930,4 5.973.403,1
M,N Jasa Perusahaan 539.366,8 571.243,3 620.392,2 664.725,4 728.982,8 764.091,8 836.513,3 904.305,0
Administrasi
Pemerintahan,
O 7.186.510,6 7.526.186,5 8.000.749,2 8.844.477,8 10.124.095,9 11.632.624,1 13.193.710,7 14.628.140,3
Pertahanan dan Jaminan
Sosial Wajib
P Jasa Pendidikan 1.991.115,3 2.028.984,3 2.092.833,3 2.279.672,4 2.549.620,6 2.898.551,9 3.329.122,9 3.787.330,8
Jasa Kesehatan dan
Q 2.160.422,9 2.289.291,8 2.547.954,1 2.784.610,1 2.984.985,9 3.243.304,8 3.512.999,7 3.854.998,6
Kegiatan Sosial
R,S,T,U Jasa lainnya 1.126.526,9 1.212.488,7 1.310.058,3 1.409.852,2 1.537.562,4 1.670.224,9 1.825.168,6 2.033.529,9
PDRB MIGAS 101.545.236,8 108.217.625,2 114.552.081,6 121.331.129,6 127.897.069,8 129.092.659,0 137.302.676,8 146.483.352,9
PDRB NONMIGAS 86.077.845,1 92.729.148,3 99.035.462,5 106.455.515,1 114.949.840,7 124.080.817,2 133.067.982,0 141.727.536,9
66
PAREMETER
Tabel 2. Laju Pertumbuhan PDRB Seri 2010 Menurut Lapangan Usaha Provinsi Aceh
Kategori Uraian 2011 2012 2013 2014 2015 2016 2017
(1) (2) (3) (4) (5) (6) (7) (8) (9)
A 3,7 4,4 4,7 2,5 5,0 3,8 5,2
dan Perikanan
Pertambangan dan
B -2,0 -2,5 -5,2 -9,4 -27,2 -12,8 5,6
Penggalian
C Industri Pengolahan 0,9 2,4 -4,8 -7,6 -20,7 -5,9 -3,0
D Pengadaan Listrik dan 7,0 8,7 4,0 9,4 7,4 10,4 4,5
E Pengadaan Air, 6,0 6,9 6,0 4,8 6,7 9,3 4,5
F Konstruksi 5,9 6,6 4,6 6,0 4,9 12,8 -4,1
G 5,4 6,3 5,6 4,2 3,9 3,1 3,5
H Transportasi dan 5,0 5,3 4,3 2,6 2,2 -0,6 5,1
I Penyediaan Akomodasi 7,8 8,0 6,2 6,7 6,7 8,4 11,3
J Informasi dan 4,1 7,2 5,0 4,1 2,1 2,8 2,9
Jasa Keuangan dan
K 8,4 2,0 6,1 1,5 3,0 9,9 4,5
Asuransi
L Real Estate 4,2 4,9 5,3 7,7 7,0 7,8 7,9
M,N Jasa Perusahaan 4,7 5,0 4,1 8,7 2,4 7,1 4,7
Administrasi
Pemerintahan,
O 4,6 2,3 2,9 7,1 6,8 9,8 8,6
Sosial Wajib
P Jasa Pendidikan 2,3 3,6 4,4 6,1 6,4 10,0 10,0
id
Jasa Kesehatan dan
Q 4,5 11,4 6,7 5,6 6,0 7,2 9,2
o.
Kegiatan Sosial
R,S,T,U Jasa lainnya 4,2 5,7 4,7 g 5,9 5,4 6,4 8,3
PDRB MIGAS 3,3 3,9 2,6 1,6 -0,7 3,3 4,2
s.
PDRB NONMIGAS 4,4 4,9 4,2 4,0 4,3 4,3 4,1
bp
Ditinjau dari PDRB berdasarkan sektor ekonominya, sektor pertanian, kehutanan, dan
h.
perikanan masih mendominasi perekonomian Provinsi Aceh semenjak tahun 2010 hingga
ce
2017 dengan nilai tambah yang masih terus meningkat dari tahun ke tahun. Sektor lainnya
//a
yang terindikasi memiliki potensi yaitu sektor perdagangan besar dan eceran. Berdasarkan
s:
hasil Sensus Ekonomi 2016, sektor ini memberikan share hingga 44,82 persen dari total
tp
usaha/perusahaan perdagangan besar dan eceran yang ada di Provinsi Aceh. Begitu juga
ht
dari penyerapan tenaga kerjanya yang memberikan pangsa tertinggi mencapai 29,67
persen.
Sektor Transportasi dan Pergudangan di Aceh juga memberikan share terbaik selama
kurun waktu tersebut, terlihat pada pertumbuhannya di tahun 2017 yang tumbuh cukup
meyakinkan sebesar 5,1 persen. Namun yang harus diperhatikan adalah pertumbuhan
ekonomi Aceh masih berada di bawah pertumbuhan ekonomi nasional yang tumbuh
sebesar 5,19 persen juga masih di bawah pertumbuhan ekonomi se-Sumatera yang
mencapai 4,43 persen. Sehingga aktivitas ekonomi sektoral harus ditinjau ulang apakah
kebijakan-kebijakan yang mendukung sudah berjalan optimal dalam upaya mendorong
perekonomian di Aceh.
Hidayat dan Darwin (2017) melakukan penelitian untuk menganalisis sektor unggulan
dalam pengembangan wilayah Kabupaten Meranti, Provinsi Riau. Dari hasil kombinasi
analisis menggunakan Location Quotient (LQ), Shift Share, dan indeks Spesialisasi ditemukan
bahwa sektor transportasi, sektor pertanian dan sektor industri pengolahan merupakan
sektor potensial. Khusus untuk sektor pertanian dan sektor transportasi, keduanya
terspesialisasikan dalam interaksi inter-regional.

PAREMETER
Penelitian yang dilakukan Andani, dkk (2015) untuk menganalisis sektor unggulan di
Kabupaten Merauke, dengan menggunakan SLQ, DLQ, SSA, IS dan MRP ditemukan bahwa
sektor yang basis di Kabupaten Merauke adalah sektor pertanian, subsektor peternakan dan
hasilnya, subsektor kehutanan, subsektor perikanan, sektor pertambangan dan penggalian,
sektor industi pengolahan dan sektor listrik dan air bersih. Sedangkan sektor unggulannya
adalah sektor pertanian.
id
go.
s.
bp
h.
ce
//a
Gambar 1. Pertumbuhan PDRB Triwulan IV-2017 (y-on-y) Regional Sumatera

s:
tp
Metode Penelitian
ht
Penelitian ini menggunakan data sekunder dari Badan Pusat Statistik yaitu Produk
Domestik Regional Bruto (PDRB) Provinsi Aceh dan Produk Domestik Bruto (PDB) Indonesia
dari tahun 2010 hingga 2017. Untuk memperoleh sektor-sektor unggulan dan potensi di
Provinsi Aceh dalam kurun waktu tersebut, digunakan alat analisis sebagai berikut:
1. Location Quotient (LQ)
Analisis LQ digunakan untuk menunjukkan besarnya peranan sektor
perekonomian suatu wilayah dengan membandingkan sektor yang sama pada wilayah
yang lebih besar. Metode ini digunakan untuk mengidentifikasi sektor ekonomi
potensial yang menjadi unggulan dan dapat dikembangkan di suatu wilayah.
Disamping itu juga digunakan untuk mengidentifikasi keunggulan komparatif
(comparative advantage) suatu wilayah.
Rumus untuk mendapatkan sektor unggulan di suatu wilayah analisis adalah
sebagai berikut:
Keterangan:
68
PAREMETER
: PDRB pada sektor i pada wilayah analisis j

: PDRB pada wilayah analisis j
: PDB pada sektor i di wilayah referensi
: PDB di wilayah referensi
Jika berpijak pada data SE2016-L yang menghasilkan indikator jumlah usaha dan
jumlah tenaga kerja, maka PDRB pada rumus di atas dapat menggunakan jumlah usaha
dan jumlah tenaga kerja. Pengukuran LQ menghasilkan kriteria sebagai berikut:
a. Jika LQ > 1, sektor i di wilayah analisis j merupakan sektor unggulan, yaitu sektor
yang tingkat spesialisasinya lebih tinggi pada wilayah analisis tersebut daripada
tingkat tingkat wilayah yang lebih luas lagi (wilayah referensi)
b. Jika LQ = 1, sektor i di wilayah analisis j bukan merupakan sektor unggulan, yaitu
sektor yang tingkat spesialisasinya sama dengan wilayah referensi.
c. Jika LQ < 1, sektor i di wilayah analisis j bukan merupakan sektor unggulan, yaitu
sektor yang tingkat spesialisasinya lebih rendah daripada wilayah referensi.
2. Analisis Shift-Share
id
Analisis shift share merupakan salah satu teknik untuk menganalisis data statistik
g o.
regional, seperti PDRB, tenaga kerja dan lain-lain untuk mengamati struktur
s.
perekonomian daerah dan perubahannya secara deskriptif. Caranya dengan
bp
menitikberatkan pada pertumbuhan sektor di suatu wilayah dan memproyeksikan

h.
kegiatan ekonomi di wilayah tersebut dengan data yang terbatas (Firdaus, 2007).
ce
Analisis ini merupakan salah satu teknik kuantitatif yang biasa digunakan untuk
//a
menganalisis perubahan struktur ekonomi suatu wilayah terhadap struktur ekonomi

s:
wilayah administratif yang lebih luas sebagai referensi.

tp
Dalam metode ini terdapat 3 bagian yaitu:

ht
a. Regional Share (RS) merupakan komponen share pertumbuhan ekonomi daerah

yang disebabkan oleh faktor eksternal. RS mengindikasikan adanya peningkatan
kegiatan ekonomi daerah akibat kebijakan nasional yang berlaku.
b. Proporsional Shift (PS) komponen pertumbuhan ekonomi daerah yang
disebabkan oleh struktur ekonomi daerah tersebut yang baik, dengan
berspesialisasi pada sektor yang pertumbuhannya cepat.
c. Differential Shift (DS) merupakan komponen pertumbuhan ekonomi daerah
karena kondisi spesifik daerah yang kompetitif. Unsur pertumbuhan ini
merupakan keunggulan kompetitif daerah yang dapat mendorong pertumbuhan
ekspor daerah
d. Shift Share(SS) merupakan penjumlahan dari Regional Share dengan
Proportional Share dan Differential Share
Jika ingin melihat keunggulan wilayah di suatu wilayah, maka keempat unsur tersebut
dirumuskan sebagai berikut:
( )

PAREMETER
( )
( )
Keterangan:
= PDB wilayah referensi periode akhir tahun.
= PDB wilayah referensi periode awal tahun.
= PDB wilayah referensi sektor ke-i periode tahun akhir.
= PDB wilayah referensi sektor ke-i periode tahun awal.
= PDRB wilayah analisis sektor ke-i periode tahun akhir.
= PDRB wilayah analisis sektor ke-i periode tahun awal.
Interpretasi dari hasil pengukuran diatas sebagai berikut:
o Jika PSij > 0, artinya bahwa sektor i pada suatu wilayah analisis tumbuh lebih
cepat daripada sektor i di wilayah referensi, dan sebaliknya.
id
o Jika DSij > 0, artinya bahwa daya saing sektor i pada suatu wilayah analisis lebih
g o.
tinggi dari daya saing sektor i di wilayah referensi, dan sebaliknya.
o Jika SSij > 0, artinya terjadi penambahan nilai absolut atau mengalami kenaikan
s.
kinerja ekonomi daerah pada sektor i di wilayah analisis tersebut.

bp
Dari ukuran diatas, maka sektor unggulan wilayah adalah sektor-sektor yang
h.
mempunyai daya saing yang tinggi. Daya saing suatu sektor menunjukkan potensi yang
ce
tinggi untuk dikembangkan.

//a
s:
3. Analisis Model Rasio Pertumbuhan (MRP)

tp
Metode MRP melakukan identifikasi sektor-sektor ekonomi potensial

ht
berdasarkan kriteria pertumbuhan PDRB (competitive advantage). MRP

membandingkan pertumbuhan suatu sektor pada suatu wilayah terhadap wilayah
yang lebih besar, baik dalam skala besar maupun kecil. Pada analisis ini terdapat dua
rasio pertumbuhan yang bisa dihitung yaitu: rasio pertumbuhan wilayah study (RPs),
dan rasio wilayah referensi (RPr). Jika ingin melihat sektor unggulan suatu wilayah,
rumusnya adalah sebagai berikut:
( )
( )
( )
( )
Keterangan:
= PDRB sektor i wilayah analisis ke p pada periode tahun akhir.
= PDRB sektor i wilayah analisis ke p pada periode tahun awal.
= PDRB total wilayah analisis p pada periode tahun akhir.
= PDRB total wilayah analisis p pada periode tahun awal.
= PDB sektor i wilayah referensi pada periode tahun akhir.
70
PAREMETER
= PDR sektor i wilayah referensi pada periode tahun awal.

= PDB wilayah referensi pada periode tahun akhir.
= PDB wilayah referensi pada periode tahun awal.
MRP hanya memperhitungkan pertumbuhan sektor, tanpa melihat kontribusi
suatu sektor di dalam suatu wilayah. Berikut interpretasi hasilnya:
o Jika nilai positif dan positif maka pertumbuhan sektor i di wilayah
analisis dan wilayah referensi sama-sama tinggi  sektor tersebut merupakan
potensi baik di tingkat regional maupun global (di level wilayah referensinya)
o Jika nilai positif dan negatif maka pertumbuhan sektor i di wilayah
analisis lebih tinggi dari wilayah referensi  sektor tersebut merupakan
potensi di tingkat regional namun secara global tidak berpotensi
o Jika nilai negatif dan positif maka pertumbuhan sektor i di wilayah
analisis lebih rendah dari wilayah referensi  sektor tersebut merupakan
potensi di tingkat global namun secara regional tidak berpotensi
o Jika nilai negatif dan negatif maka pertumbuhan sektor i di wilayah
analisis dan wilayah referensi sama-sama rendah  sektor tersebut tidak
id
berpotensi baik di tingkat regional maupun global (wilayah referensi)
g o.
s.
4. Tipologi Klassen
bp
Model yang paling popular untuk mengidentifikasi daerah diperkenalkan oleh Leo
h.
Klaassen (1965) dari Netherlands Economic Institute. Dengan menggunakan

ce
pendapatan, Klaassen memperkenalkan suatu teknik sederhana dengan

//a
membandingkan tingkat dan laju pertumbuhan pendapatan suatu daerah tertentu

s:
dengan tingkat dan laju pertumbuhan pendapatan nasional (Arsyad, 2005).

tp
Tipologi Klassen mendasarkan pengelompokkan suatu sektor di suatu wilayah

ht
dengan cara membandingkan pertumbuhan ekonomi wilayah tersebut dengan

pertumbuhan ekonomi wilayah yang lebih luas dan membandingkan pangsa sektor
tersebut dengan nilai rata-ratanya di tingkat yang lebih luas. Hasil analisis Tipologi
Klassen akan menunjukkan posisi pertumbuhan dan pangsa sektor tersebut dalam
membentuk perekonomian di suatu wilayah.
Untuk melihat potensi ekonomi di suatu wilayah digunakan pendekatan
pertumbuhan sektoral dan kontribusinya terhadap perekonomian di suatu wilayah.
Melalui metode ini diperoleh empat karateristik pola dan struktur pertumbuhan dari
sektor ekonomi yang berbeda, yaitu: sektor unggulan dan tumbuh pesat, sektor
unggulan tapi pertumbuhannya tertekan, sektor potensial yang berkembang cepat,
dan sektor yang tidak potensial. Adapun matriks untuk menentukan tipe karakteristik
untuk melihat sektor unggulan di tingkat wilayah analisis adalah sebagai berikut:

PAREMETER
Kontribusi Pertumbuhan Sektoral

Sektoral Gi ≥ G Gi < G
Si ≥ S Sektor unggulan dan Sektor unggulan tetapi
tumbuh pesat pertumbuhannya
tertekan
Si < S Sektor potensial dan Bukan sektor potensial
masih dapat dan tertinggal
dikembangkan
Keterangan:
Gi : Pertumbuhan sektor i di wilayah analisis
G : Pertumbuhan sektor i di wilayah referensi
Si : Kontribusi sektor i di wilayah analisis
S : Kontribusi sektor i di wilayah referensi
id
o.
5. Indeks Spesialisasi g
Indeks Spesialisasi (IS) merupakan teknik analisis yang dapat melengkapi dan/atau
s.
memperkuat hasil analisis LQ. Teknik analisis IS menunjukkan apakah suatu wilayah
bp
cenderung memiliki aktivitas yang terdiversifikasi atau cenderung memiliki aktivitas

h.
yang tidak terspesialisasi. Apabila suatu wilayah memiliki aktivitas yang terdiversifikasi
ce
berarti wilayah tersebut tidak memiliki aktivitas basis tertentu, sebaliknya jika suatu
//a
wilayah memiliki aktivitas yang terspesialisasi berarti wilayah tersebut cenderung

s:
memiliki aktivitas basis tertentu (Hidayat 2014). Metode perhitungan indeks

tp
spesialisasi regional yang lain sebagaimana yang diterapkan oleh Kim (1995)
ht
∑| |
Keterangan:
= Indeks Spesialisasi Kabupaten/Kota j dan k;
= PDRB sektor i pada Kabupaten/kota j;
= Total PDRB Kabupaten / kota j;
= PDRB sektor i pada Kabupaten / kota k;
= Total PDRB Kabupaten k
Kriteria pengukuran menurut Kim:
a) Bila Indeks Spesialisasi regional mendekati nol maka kedua daerah j dan k tidak
memiliki spesialisasi, dan bila angka indeks mendekati dua maka kedua daerah j dan k
memiliki spesialisasi;
b) Batas tengah antara angka nol dan dua tersebut adalah satu, oleh karena itu nilai
indeks spseialisasi yang lebih besar dari satu dapat diangaap sebagai sektor/ subsektor
yang memiliki spesialisasi;
72
PAREMETER
c) Untuk melihat tinggi rendahnya tingkat spesialisasi suatu daerah terhadap daerah
lainnya, sebagai pembanding digunakan nilai ratarata indeks spesialisasi seluruh
daerah.

Analisis LQ
Berdasarkan hasil analisis diketahui bahwa selama delapan tahun, dari 2010 hingga
2017, Provinsi Aceh memiliki sektor basis yaitu (1) Pertanian, Kehutanan, Perikanan, (2)
Pertambangan dan Penggalian, (3) Perdagangan Besar dan Eceran; Reparasi Mobil dan
Sepeda Motor, (4) Transportasi dan Pergudangan, (5) Real Estate, (6) Administrasi
Pemerintahan, Pertahanan dan Jaminan Sosial Wajib, dan (7) Jasa Kesehatan dan Kegiatan
Sosial.
Tabel 3. Hasil Analisis Location Quotient (LQ) Provinsi Aceh
Kategori Uraian 2010 2011 2012 2013 2014 2015 2016 2017 Rata-Rata
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
id
o.
A 1,81 1,85 1,89 1,95 1,98 2,12 2,17 2,21 2,00
dan Perikanan
Pertambangan dan
B 1,47 1,42 1,37 1,30
g
1,22 0,97 0,85 0,90 1,19
Penggalian
s.
C Industri Pengolahan 0,40 0,39 0,39 0,36 0,33 0,27 0,24 0,23 0,33
bp
D Pengadaan Listrik dan 0,10 0,11 0,11 0,11 0,12 0,13 0,14 0,15 0,12
E Pengadaan Air, 0,29 0,30 0,32 0,34 0,35 0,37 0,39 0,40 0,35
F Konstruksi 0,88 0,88 0,90 0,92 0,94 0,98 1,07 0,96 0,94
h.

G 1,01 1,00 1,03 1,07 1,10 1,17 1,18 1,18 1,09
ce

H Transportasi dan 2,04 2,03 2,04 2,04 2,02 2,04 1,92 1,88 2,00
I Penyediaan Akomodasi 0,31 0,32 0,33 0,34 0,35 0,38 0,40 0,42 0,36
//a
J Informasi dan 0,87 0,84 0,82 0,80 0,78 0,77 0,74 0,70 0,79
Jasa Keuangan dan
s:
K 0,41 0,43 0,41 0,41 0,41 0,41 0,42 0,42 0,42

Asuransi
tp
L Real Estate 1,07 1,07 1,07 1,08 1,15 1,25 1,31 1,37 1,17
M,N Jasa Perusahaan 0,37 0,36 0,36 0,36 0,37 0,37 0,37 0,36 0,37
ht
Administrasi
Pemerintahan,
O 1,87 1,89 1,93 2,00 2,16 2,33 2,52 2,71 2,18
Sosial Wajib
P Jasa Pendidikan 0,67 0,66 0,64 0,64 0,67 0,70 0,75 0,81 0,69
Jasa Kesehatan dan
Q 2,20 2,16 2,28 2,31 2,34 2,46 2,55 2,63 2,36
Kegiatan Sosial
R,S,T,U Jasa lainnya 0,75 0,75 0,76 0,77 0,77 0,80 0,80 0,80 0,78
TOTAL 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
Analisis Shift Share

Hasil analisis Shift Share pada penelitian kali ini dibagi ke dalam empat kuadran, yaitu
Fast Growing, Developing, Highly Potential, dan Under Developed (Andani, dkk, 2015).
Berdasarkan tabel hasil analisis, dapat disimpulkan bahwa terdapat dua sektor yang
termasuk fast growing karena memiliki potensi pertumbuhan yang cepat (Ps positif) dan
daya saing yang tinggi (Ds positif) yaitu sektor Pengadaan Listrik dan Gas serta sektor
Penyediaan Akomodasi Makan dan Minum. Adapun sektor-sektor yang terindikasi kurang
berpotensi untuk dikembangkan di masa yang akan datang atau under developed, yaitu (1)
sektor Pertanian, Kehutanan, dan Perikanan, (2) Pertambangan dan Penggalian, serta (3)
sektor Industri Pengolahan. Dari hasil analisis, sektor-sektor ini memiliki potensi
pertumbuhan yang lambat serta daya saing yang rendah.

PAREMETER
Sedangkan sektor-sektor lainnya yang perlu diperhatikan karena memiliki potensi yang
cukup besar untuk dikembangkan yaitu sektor Pengadaan Air, Pengelolaan Sampah, Limbah
dan Daur Ulang, serta sektor Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial
Wajib. Kedua sektor ini dikatakan Highly Potential kaena memiliki potensi daya saing yang
tinggi.
Tabel 4. Hasil Analisis Shift Share (Komponen Proportional Shift) Provinsi Aceh
id
g o.
s.
bp
h.
ce
//a
s:
tp
ht
74
PAREMETER
Tabel 5. Hasil Analisis Shift Share (Komponen Differential Shift) Provinsi Aceh
id
g o.
s.
bp
h.
ce
Tabel 6. Hasil Analisis Shift Share (Gabungan) Provinsi Aceh

//a
s:
Kategori Uraian 2011 2012 2013 2014 2015 2016 2017 Rata-Rata
tp
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
ht
A 935,91 2.105,54 3.400,86 4.110,99 5.606,80 6.780,37 8.467,22 4486,81
dan Perikanan
Pertambangan dan
B -314,62 -692,39 -1.461,17 -2.782,05 -6.262,32 -7.457,27 -6.998,30 -3709,73
Penggalian
C Industri Pengolahan 82,34 299,24 -144,62 -818,16 -2.508,21 -2.888,54 -3.071,51 -1292,78
D Pengadaan Listrik dan 7,89 18,32 23,56 36,34 47,38 63,96 71,95 38,49
E Pengadaan Air, 1,51 3,37 5,07 6,54 8,68 11,84 13,52 7,22
F Konstruksi 484,83 1.058,85 1.489,02 2.071,76 2.570,68 3.950,67 3.447,45 2153,32
G 754,90 1.671,07 2.540,69 3.225,79 3.892,56 4.448,06 5.092,62 3089,38
H Transportasi dan 366,33 778,68 1.131,05 1.350,24 1.540,96 1.491,07 1.941,26 1228,51
I Penyediaan Akomodasi 70,90 149,22 214,56 290,10 370,03 477,48 633,99 315,18
J Informasi dan 134,80 379,47 560,81 717,61 802,26 916,49 1.039,78 650,17
Jasa Keuangan dan
K 123,32 154,88 253,06 278,51 331,18 508,28 596,33 320,79
Asuransi
L Real Estate 133,57 295,88 478,91 757,24 1.031,19 1.356,69 1.714,38 823,98
M,N Jasa Perusahaan 25,35 53,43 77,59 131,16 147,10 196,13 230,46 123,03
Administrasi
Pemerintahan,
O 333,01 508,30 735,07 1.300,04 1.879,54 2.763,52 3.621,34 1591,54
Sosial Wajib
P Jasa Pendidikan 45,07 117,39 210,72 346,11 496,32 744,90 1.017,99 425,50
Jasa Kesehatan dan
Q 96,32 354,49 522,72 673,12 842,59 1.059,05 1.355,62 700,56
Kegiatan Sosial
R,S,T,U Jasa lainnya 47,55 113,93 172,67 249,78 323,56 416,47 543,84 266,83

PAREMETER
Selain itu, sepuluh sektor lainnya di Provinsi Aceh termasuk sektor Developing karena
memiliki potensi pertumbuhan yang cepat walaupun daya saing masih rendah. Sektor-
sektor tersebut yaitu (1) sektor Konstruksi, (2) Perdagangan Besar dan Eceran; Reparasi
Mobil dan Sepeda Motor, (3) Transportasi dan Pergudangan, (4) Informasi dan Komunikasi,
(5) Jasa Keuangan dan Asuransi, (6) Real Estate, (7) Jasa Perusahaan, (8) Jasa Pendidikan, (9)
Jasa Kesehatan dan Kegiatan Sosial, dan (10) Jasa Lainnya.
Namun secara keseluruhan, hanya terdapat dua sektor yang memiliki total Shift Share
yang bernilai negatif. Artinya hampir seluruh sektor kecuali sektor Pertambangan dan
Penggalian serta sektor Industri Pengolahan memiliki kenaikan kinerja ekonomi melalui
komponen Regional Share yang mengindikasikan adanya peningkatan kegiatan ekonomi
daerah akibat kebijakan nasional yang berlaku.
Analisis Model Rasio Pertumbuhan (MRP)

Dari hasil analisis MRP ditemukan bahwa hampir semua sektor di Provinsi Aceh kecuali
sektor pertambangan dan penggalian serta sektor industri pengolahan memiliki spesialisasi
id
atau potensi secara regional. Hasil ini menguatkan apa yang diperoleh dari analisis Shift
g o.
Share di mana kedua sektor tersebut kurang potensial dan masih kurang terdukung dengan
s.
kebijakan nasional yang berlaku.
bp
h.
Tabel 7. Hasil Analisis Model Rasio Pertumbuhan (MRP) Provinsi Aceh

ce
Kategori Uraian 2011 2012 2013 2014 2015 2016 2017 Rata-Rata
//a
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
s:
A 1,12 1,13 1,32 1,37 2,00 1,81 1,70 1,49
dan Perikanan
tp
Pertambangan dan
B -0,62 -0,61 -0,93 -1,52 -3,67 -3,27 -2,31 -1,85
ht
Penggalian
C Industri Pengolahan 0,28 0,46 -0,16 -0,77 -2,55 -2,20 -1,76 -0,96
D Pengadaan Listrik dan 2,15 2,25 2,09 2,76 3,86 3,91 3,31 2,90
E Pengadaan Air, 1,83 1,84 2,00 2,20 3,14 3,21 2,76 2,43
F Konstruksi 1,80 1,78 1,80 2,15 2,86 3,29 2,16 2,26
G 1,66 1,66 1,82 1,98 2,56 2,20 1,89 1,97
H Transportasi dan 1,51 1,45 1,52 1,55 1,90 1,38 1,35 1,53
I Penyediaan Akomodasi 2,37 2,26 2,34 2,71 3,71 3,59 3,59 2,94
J Informasi dan 1,25 1,59 1,70 1,86 2,23 1,91 1,63 1,74
Jasa Keuangan dan
K 2,57 1,46 1,72 1,61 2,06 2,37 2,09 1,98
Asuransi
L Real Estate 1,29 1,29 1,51 2,04 2,99 2,95 2,80 2,13
M,N Jasa Perusahaan 1,43 1,37 1,43 2,07 2,49 2,49 2,20 1,93
Administrasi
Pemerintahan,
O 1,41 0,97 1,02 1,54 2,39 2,63 2,60 1,79
Sosial Wajib
P Jasa Pendidikan 0,69 0,81 1,05 1,48 2,28 2,56 2,63 1,64
Jasa Kesehatan dan
Q 1,36 2,26 2,41 2,65 3,56 3,35 3,23 2,69
Kegiatan Sosial
R,S,T,U Jasa lainnya 1,29 1,39 1,52 1,88 2,62 2,53 2,49 1,96
76
PAREMETER
Analisis Tipologi Klassen

Tabel 8. Analisis Tipologi Klassen Provinsi Aceh
Pertumbuhan Rata-Rata Distribusi Rata-Rata
Kategori Uraian Kuadran Kategori
Nasional Aceh Nasional Aceh
(1) (2) (3) (4) (5) (6) (7) (8)
A 3,99 4,17 13,45 27,26 I Unggulan
dan Perikanan
Pertambangan dan
B 1,21 -7,62 9,64 10,17 II Unggulan
Penggalian
C Industri Pengolahan 4,82 -5,52 21,13 7,25 IV -
D Pengadaan Listrik dan 4,96 7,37 1,12 0,11 III Potensial
E Pengadaan Air, 4,56 6,33 0,08 0,03 III Potensial
F Konstruksi 6,72 5,24 9,74 8,94 IV -
G 5,15 4,58 13,30 14,95 II Unggulan
H Transportasi dan 7,49 3,41 4,34 7,44 II Unggulan
I Penyediaan Akomodasi 5,87 7,85 2,94 1,15 III Potensial
J Informasi dan 10,17 4,03 3,62 3,16 IV -
Jasa Keuangan dan
K 7,56 5,04 3,85 1,74 IV -
Asuransi
L Real Estate 5,59 6,42 2,81 3,46 I Unggulan
id
M,N Jasa Perusahaan 8,27 5,23 1,57 0,57 IV -
o.
Administrasi
Pemerintahan,
O 3,34 6,03
g
3,85 8,10 I Unggulan
s.
Sosial Wajib
bp
P Jasa Pendidikan 6,09 6,11 3,19 2,10 III Potensial

Jasa Kesehatan dan
h.
Q 7,40 7,23 1,03 2,35 II Unggulan

Kegiatan Sosial
ce
R,S,T,U Jasa lainnya 7,72 5,80 1,56 1,22 IV -

TOTAL 5,39 2,58 100,00 100,00
//a
s:
Menurut analisis Tipologi Klassen, sektor pertanian masih merupakan sektor unggulan
tp
yang tumbuh pesat, selain itu terdapat pula sektor Real Estate dan sektor Administrasi
ht
Pemerintahan. Adapun (1) sektor pertambangan dan penggalian, (2) sektor Perdagangan
Besar dan Eceran; Reparasi Mobil dan Sepeda Motor, (3) sektor Transportasi dan
Pergudangan, dan (4) sektor Jasa Kesehatan dan Kegiatan Sosial juga termasuk sektor
unggulan namun pertumbuhannya masih tertekan. Selain itu terdapat pula sektor-sektor
yang potensial dan masih dapat dikembangkan dengan pertumbuhannya yang tinggi
meskipun sharenya secara regional masih relatif rendah yaitu (1) Sektor Pengadaan Listrik
dan Gas, (2) sektor Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang, (3) sektor
Penyediaan Akomodasi dan Makan Minum, dan (4) sektor Jasa Pendidikan. Adapun enam
sektor lainnya masih termasuk sektor yang bukan potensial dengan pertumbuhannya yang
cenderung lambat serta share nya yang rendah.

PAREMETER
Analisis Indeks Spesialisasi
Tabel 9. Hasil Analisis Indeks Spesialisasi
Kategori Uraian 2010 2011 2012 2013 2014 2015 2016 2017
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
A 0,1126 0,1165 0,1197 0,1265 0,1298 0,1464 0,1497 0,1540
dan Perikanan
Pertambangan dan
B 0,0488 0,0428 0,0369 0,0294 0,0200 -0,0027 -0,0123 -0,0079
Penggalian
C Industri Pengolahan -0,1319 -0,1341 -0,1345 -0,1382 -0,1446 -0,1579 -0,1614 -0,1634
D Pengadaan Listrik dan -0,0095 -0,0094 -0,0097 -0,0097 -0,0097 -0,0091 -0,0091 -0,0087
E Pengadaan Air, -0,0006 -0,0006 -0,0006 -0,0005 -0,0005 -0,0005 -0,0005 -0,0005
F Konstruksi -0,0105 -0,0109 -0,0092 -0,0080 -0,0060 -0,0022 0,0064 -0,0036
G 0,0019 0,0003 0,0044 0,0095 0,0131 0,0232 0,0242 0,0240
H Transportasi dan 0,0370 0,0375 0,0381 0,0389 0,0388 0,0404 0,0366 0,0359
I Penyediaan Akomodasi -0,0202 -0,0200 -0,0198 -0,0198 -0,0195 -0,0186 -0,0180 -0,0174
J Informasi dan -0,0050 -0,0061 -0,0073 -0,0085 -0,0097 -0,0107 -0,0126 -0,0153
Jasa Keuangan dan
K -0,0205 -0,0200 -0,0215 -0,0221 -0,0220 -0,0227 -0,0231 -0,0232
Asuransi
L Real Estate 0,0021 0,0020 0,0020 0,0025 0,0045 0,0074 0,0091 0,0109
id
M,N Jasa Perusahaan -0,0091 -0,0095 -0,0096 -0,0099 -0,0102 -0,0104 -0,0106 -0,0111
Administrasi
o.
Pemerintahan,
O 0,0329 0,0338 0,0341 0,0354
g 0,0402 0,0460 0,0516 0,0562
Sosial Wajib
s.
P Jasa Pendidikan -0,0098 -0,0101 -0,0108 -0,0110 -0,0102 -0,0094 -0,0076 -0,0059
bp
Jasa Kesehatan dan

Q 0,0116 0,0116 0,0129 0,0136 0,0143 0,0158 0,0168 0,0180
Kegiatan Sosial
h.
R,S,T,U Jasa lainnya -0,0036 -0,0038 -0,0036 -0,0035 -0,0035 -0,0033 -0,0033 -0,0034
TOTAL 0,2470 0,2444 0,2481 0,2559 0,2607 0,2791 0,2944 0,2989
ce
Tingkat spesialisasi di Provinsi Aceh dari tahun 2010 hingga 2017 cukup rendah namun
//a
memiliki nilai yang cenderung meningkat dari 0,247 pada tahun 2010 hingga 0,299 pada
s:
tahun 2017, dengan rata-rata selama rentang delapan tahun tersebut hanya sebesar 0,266.
tp
Meskipun nilai spesialisasinya cenderung meningkat, namun pemerataan konsentrasi sektor

ht
ekonominya menurun semenjak tahun 2015 hingga 2017 dibandingkan dengan kondisi 2010
hingga 2014. Sektor yang menjadi pembeda yaitu sektor pertambangan dan penggalian.
Sektor ini menunjang spesialisasi sektoral selama tahun 2010 hingga 2014 selain enam
sektor lainnya yaitu (1) Pertanian, Kehutanan, Perikanan, (2) Perdagangan Besar dan Eceran;
Reparasi Mobil dan Sepeda Motor, (3) Transportasi dan Pergudangan, (4) Real Estate, (5)
Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial Wajib, dan (6) Jasa Kesehatan
dan Kegiatan Sosial. Keenam sektor ini selama delapan tahun berturut-turut selalu
terspesialisasikan aktivitas ekonominya. Namun pada tahun 2015 hingga 2017 sektor
pertambangan dan penggalian kurang terspesialisasikan. Selain itu, hanya Pada tahun 2016
muncul konsentrasi pada sektor konstruksi. Hal ini disebabkan oleh aktivitas sektor tersebut
yang sedang meningkat sehingga sektor ini merupakan sektor dengan pertumbuhan
ekonomi tertinggi (12,80 persen) dibanding sektor lainnya pada saat itu.
78
PAREMETER
Sektor Unggulan Dan Sektor Potensial

Tabel 10. Ringkasan Hasil Analisis Sektor Potensial dan Sektor Unggulan di Provinsi Aceh
Shift Share MRP

Kategori Uraian LQ Klassen IS Kesimpulan
Ps Ds SS RP ip
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
A Basis - - + + Unggulan Konsentrasi Unggulan
dan Perikanan
Pertambangan dan
B Basis - - - - Unggulan - -
Penggalian
C Industri Pengolahan - - - - - - - -
D Pengadaan Listrik dan - + + + + Potensial - Potensial
E Pengadaan Air, - - + + + Potensial - Potensial
F Konstruksi - + - + + - - -
G Basis + - + + Unggulan Konsentrasi Unggulan
H Transportasi dan Basis + - + + Unggulan Konsentrasi Unggulan
I Penyediaan Akomodasi - + + + + Potensial - Potensial
id
J Informasi dan - + - + + - - -
Jasa Keuangan dan
o.
K - + - + + - - -
Asuransi g
L Real Estate Basis + - + + Unggulan Konsentrasi Unggulan
s.
M,N Jasa Perusahaan - + - + + - - -
bp
Administrasi
Pemerintahan,
O Basis -
h.
+ + + Unggulan Konsentrasi Unggulan

ce
Sosial Wajib
P Jasa Pendidikan - + - + + Potensial - -
//a
Jasa Kesehatan dan

Q Basis + - + + Unggulan Konsentrasi Unggulan
Kegiatan Sosial
s:
R,S,T,U Jasa lainnya - + - + + - - -

tp
ht
Penentuan sektor unggulan dan potensial secara keseluruhan dilakukan dengan

membandingkan hasil analisis beberapa metode di atas. Dari hasil perbandingan tersebut
diperoleh sektor unggulan di Provinsi Aceh yaitu sektor Pertanian, Kehutanan, Perikanan.
Terpilihnya sektor ini sebagai unggulan ditinjau dari analisis LQ di mana sektor ini
merupakan sektor basis bagi perekonomian di Aceh. Selain itu, berdasarkan analisis Shift
Share, sektor ini juga memiliki kinerja yang meningkat melalui kebijakan nasional yang
berlaku. Melalui analisis indeks spesialisasi, sektor ini juga merupakan sektor konsentrasi
bagi pertumbuhan ekonomi di Aceh melalui sentra-sentra penghasil padi seperti Aceh Utara,
Bireuen, dan Pidie. (1) Sektor Perdagangan Besar dan Eceran; Reparasi Mobil dan Sepeda
Motor, (2) sektor Transportasi dan Pergudangan, (3) sektor Real Estate, dan (4) sektor Jasa
Kesehatan dan Kegiatan Sosial juga didukung oleh hasil analisis LQ, Shift Share, MRP,
Tipologi Klassen, dan indeks spesialisasi. Yang membedakannya dari sektor pertanian,
kehutanan dan perikanan yaitu keempat sektor ini ditemukan memiliki pertumbuhan yang
lebih cepat dibanding sektor yang sama untuk jangkauan nasional. Sektor lainnya yang
dapat disimpulkan sebagai sektor unggulan melalui hasil analisis yang sama yaitu sektor
Administrasi Pemerintahan, Pertahanan dan Jaminan Sosial Wajib. Namun yang

PAREMETER
membedakan sektor ini dibanding sektor unggulan lainnya yaitu sektor ini memiliki daya
saing sektor yang lebih tinggi dibanding rata-rata nasional. Secara rata-rata selama tahun
2010 hingga 2017, keenam sektor ini meningkatkan kinerja ekonomi Provinsi Aceh sehingga
nilai tambah yang dihasilkan setiap tahun selalu tumbuh positif.
Adapun untuk sektor potensial, sebagaimana sektor unggulan, juga diperoleh dengan
membandingkan hasil-hasil analisis yang sudah dilakukan di atas. Sektor Pengadaan Listrik
dan Gas serta sektor Penyediaan Akomodasi Makan dan Minum keduanya memiliki
pertumbuhan yang lebih cepat serta daya saing yang lebih tinggi terhadap rata-rata
nasional. Begitu juga yang dihasilkan dari analisis MRP dan Tipologi Klassen, keduanya
memiliki potensi secara regional. Dengan terus meningkatnya jumlah penduduk serta
berbagai investasi di Provinsi Aceh, maka kedua sektor ini cukup potensial untuk terus
menopang perekonomian Aceh. Sektor potensi lainnya di Provinsi Aceh yaitu sektor
Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang. Meskipun hasil Proporsional
Shift nya bernilai negatif, namun Differential Shiftnya menunjukkan nilai positif yang artinya
sektor ini masih memiliki daya saing di atas rata-rata nasional.
id
Kesimpulan dan Saran
g o.
s.
Simpulan
bp
1. Berdasarkan hasil analisis LQ, Shift Share, MRP, Tippologi Klassen, serta indeks
h.
spesialisasi, selama tahun analisis 2010 hingga 2017 ditemukan bahwa (1) sektor
ce
Pertanian, Kehutanan, Perikanan, (2) sektor Perdagangan Besar dan Eceran; Reparasi
//a
Mobil dan Sepeda Motor, (3) sektor Transportasi dan Pergudangan, (4) sektor Real
Estate, (5) sektor Jasa Kesehatan dan Kegiatan Sosial, serta (6) sektor Administrasi
s:
Pemerintahan, Pertahanan dan Jaminan Sosial Wajib merupakan sektor unggulan di

tp
wilayah Provinsi Aceh.

ht
2. Berdasarkan hasil analisis LQ, Shift Share, MRP, Tippologi Klassen, serta indeks
spesialisasi, selama tahun analisis 2010 hingga 2017 ditemukan bahwa (1) Sektor
Pengadaan Listrik dan Gas, (2) sektor Penyediaan Akomodasi Makan dan Minum, serta
(3) sektor Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang merupakan
sektor potensial di wilayah Provinsi Aceh.
Saran
1. Sektor-sektor unggulan, khususnya yang menjadi sektor basis sebaiknya terus
ditingkatkan untuk menciptakan pertumbuhan ekonomi Provinsi Aceh yang
berkelanjutan. Namun sektor-sektor non basis juga agar terus dibina sehingga mampu
mendukung sektor-sektor basis dan mampu meningkatkan spesialisasi perekonomian
Aceh di sektor lainnya. Seperti sektor pertambangan dan penggalian yang dalam
beberapa tahun sempat menurun, misalnya dengan mempermudah izin usaha
pertambangan.
2. Sektor-sektor potensial seperti Penyediaan Akomodasi Makan dan Minum dapat terus
ditingkatkan melalui event-event besar/nasional yang digelar oleh pemerintah Aceh
sehingga memacu peningkatan nilai tambah sektor tersebut. Sedangkan untuk sektor
80
PAREMETER
pengadaan listrik dan gas, pemerintah dapat mengupayakan agar pelayanan penyaluran
listrik dan gas tetap terjaga. Begitu juga untuk sektor Pengadaan Air, Pengelolaan
Sampah, Limbah dan Daur Ulang peningkatan inovasi juga diharapkan mampu memacu
sektor-sektor tersebut.
DAFTAR PUSTAKA
Andani, Rizka, dkk. 2015. Analisis Sektor Unggulan Di Kabupaten Merauke Tahun 2007-2013.
Jurnal Kajian Ekonomi dan Studi Pembangunan, Volume II No. 3, Desember 2015.
Arsyad, Lincolyn. 1999. Pengantar Perencanaan Dan Pembangunan Ekonomi Daerah, Edisi
Pertama, BPFE – UGM, Yogyakarta.
Arsyad, Lincolin. 2006. Ekonomi Pembangunan (Edisi 5). Yogyakarta: UPP STIM YKPN.
Aziz, Iwan Jaya. 1994. Ilmu Ekonomi Regional Dan Beberapa Aplikasinya Di Indonesia. LPFE-
UI. Jakarta.
BPS. 2017. Sensus Ekonomi 2016 Analisis Hasil Listing: Potensi Ekonomi Indonesia. Jakarta:
BPS.
BPS Aceh. 2017. Sensus Ekonomi 2016 Analisis Hasil Listing: Potensi Ekonomi Dan Daya
id
o.
Saing Aceh. Banda Aceh: BPS Aceh. g
BPS Aceh. 2018. Berita Resmi Statistik: Pertumbuhan Ekonomi Aceh Triwulan IV-2017.
s.
Hidayat, M., 2014. Inequality across districts and cities in the Riau. Economic Journal of
bp
Emerging Markets, 6(2), pp.106–118.

h.
Hidayat, M.,& Darwin, R. 2017. Analisis Sektor Unggulan Dalam Pengembangan Wilayah
ce
Kabupaten Kepulauan Meranti. Media Trend, Berkala kajian Ekonomi dan Studi
//a
Pembangunan.
s:
Kim, S., 1995. Expansion of Markets and the Geographic Distribution of Eco¬nomic
tp
Activities: The Trends in U. S. Regional Manufacturing Structure, 1860-1987. The

ht
Quarterly Journal of Economics, 110(4), pp.881–908. Avail¬able at:

http://qje.oxfordjournals.org/ cgi/doi/10.2307/2946643 [Diakses tanggal 22 November
2018].
Kuncoro, Mudrajad. 2002. Ekonomi Pembangunan: Teori dan Aplikasi. Yogyakarta: BPFE.
Priyarsono, D. S., Sahara, dan M. Firdaus. 2007. Ekonomi Regional. Jakarta: Universitas
Terbuka.
Sinaga, Monang Putra & Sirojuzilam. Analisis Potensi Ekonomi Wilayah Provinsi Sumatera
Utara
(https://www.academia.edu/6891959/ANALISIS_POTENSI_EKONOMI_WILAYAH_PROVI
NSI_SUMATERA_UTARA, diakses tanggal 21 November 2018)

PAREMETER
KLASIFIKASI PUTUS SEKOLAH DENGAN METODE NON LINIER

SUPPORT VECTOR MACHINE (SVM)
(Studi Kasus: Data SUSENAS Provinsi Aceh Tahun 2016)
Sarah Sholikhatun Risma1, Adina Astasia2, Muhamad Hidayat3
Abstrak
Penelitian ini bertujuan untuk melakukan klasifikasi putus sekolah berdasarkan

karakteristik sosial ekonomi anak usia sekolah di provinsi Aceh menggunakan data Survei
Sosial Ekonomi Nasional (Susenas). Pengklasifikasian ini penting sebagai alat evaluasi dan
early warning system bagi pemerintah untuk mengetahui karakteristik sosial ekonomi
seperti apakah anak usia sekolah yang rawan mengalami putus sekolah. Klasifikasi dilakukan
menggunakan metode Non Linear Support Vector Machine (SVM) dengan optimasi
id
pendekaan beberapa fungsi kernel, dimana memiliki beberapa kelebihan dibandingkan
g o.
metode klasifikasi linier lainnya. Berdasarkan analisis didapatkan hasil bahwa Non Linear
SVM dapat memprediksi klasifikasi putus sekolah pada anak usia sekolah dengan ketepatan
s.
bp
mencapai 95%.
h.
Kata kunci: klasifikasi, putus sekolah, sosial ekonomi, Non Linear support vector machine
ce
//a
Latar Belakang
s:
Pendidikan adalah salah satu bentuk perwujudan kebudayaan manusia yang dinamis dan
tp
sarat perkembangan. Oleh karena itu, perubahan atau perkembangan pendidikan adalah hal
ht
yang memang seharusnya terjadi sejalan dengan perubahan budaya kehidupan. Perubahan
dalam arti perbaikan pendidikan pada semua tingkat perlu terus menerus dilakukan sebagai
antisipasi kepentingan masa depan. (Trianto, 2001)
Pendidikan merupakan hal yang tidak dapat dipisahkan dari kehidupan manusia.
Pendidikan memegang unsur penting untuk membentuk pola pikir, akhlak dan perilaku
manusia agar sesuai dengan norma-norma yang berlaku, seperti norma agama, norma
kesusilaan, norma kesopanan, dan norma hukum sesuai dengan Undang-Undang No. 20
Tahun 2003 tentang Sistem Pendidikan Nasional yang menyatakan bahwa “Pendidikan
nasional berfungsi mengembangkan kemampuan dan membentuk watak serta peradaban
bangsa yang bermartabat dalam rangka mencerdaskan kehidupan bangsa. Pendidikan
bertujuan untuk mengembangkan potensi peserta didik agar menjadi manusia yang beriman
dan bertakwa kepada Tuhan Yang Maha Esa, berakhlak mulia, sehat, berilmu, cakap, kreatif,
1
Pegawai BPS Kota Subulussalam, Email: risma.sarah@bps.go.id
2
Pegawai BPS Kab Ogan Komering Ulu Timur
3
SMK Negeri 1 Cirebon
82
PAREMETER
mandiri dan menjadi warga negara yang demokratis serta bertanggung jawab”. (Trianto,
2001)
Dirasakan atau tidak, pendidikan merupakan faktor penting dalam memartabatkan
negara maupun meningkatkan kemajuan secara majemuk sebuah negara. Tanpa pendidikan,
kemajuan sebuah bangsa akan semakin pudar tergerus oleh maraknya perkembangan
zaman.
Dalam Undang – Undang No.20 Tahun 2003 pasal 17 ayat (1) tentang Pendidikan Dasar
mengatakan bahwa “Pendidikan dasar merupakan jenjang pendidikan yang melandasi
jenjang pendidikan menengah” dan pasal 18 ayat (2) tentang Pendidikan Menengah
mengatakan bahwa “Pendidikan menengah terdiri atas pendidikan menengah umum dan
pendidikan menengah kejuruan”. (kelembagaan.ristekdikti.go.id)
Pemerintah telah melakukan berbagai upaya untuk meningkatkan mutu Pendidikan di
Indonesia dengan mencanangkan wajib belajar 6 tahun, wajib belajar 9 tahun dan wajib
belajar 12 tahun. Kemendikbud akan mulai menjalankan kebijakan baru terkait upaya
peningkatan mutu dan kualitas pendidikan di Tanah Air melalui beberapa program.
id
Diantaranya Pendidikan Menengah Universal (PMU), atau dikenal dengan Rintisan Wajib
belajar 12 tahun. (Utsman, 2013)

g o.
Belajar 12 tahun. Pengguliran program PMU adalah untuk menyukseskan program wajib
s.
Namun, rendahnya tingkat dan kesadaran akan pentingnya pendidikan di masyarakat

bp
merupakan pekerjaan rumah yang tidak mudah bagi pemerintah. Salah satu faktor yang
h.
dapat menjadi tolak ukur rendahnya tingkat pendidikan di Indonesia adalah tingginya angka
ce
putus sekolah anak usia produktif (usia sekolah).

//a
Putus sekolah merupakan salah satu permasalahan pendidikan yang tak pernah berakhir.
s:
Masalah ini telah berakar dan sulit untuk dipecahkan penyebabnya, tidak hanya karena
tp
kondisi ekonomi, tetapi ada juga yang disebabkan oleh permasalahan dalam keluarga, dan
ht
lain-lain. Anak putus sekolah secara umum masalah utamanya berasal dari kondisi ekonomi
keluarga yang kurang mendukung. Sebagian besar lainnya adalah faktor sosial terkait
keluarga yang menyebabkan anak- putus sekolah.
Pemerintah dalam hal ini memiliki dua upaya dalam menghadapi permasalahan anak
putus sekolah yaitu upaya pencegahan dan upaya pembinaan. Upaya pencegahan dilakukan
sebelum anak mengalami putus sekolah yang dapat dilakukan dengan kegiatan mengamati,
memperhatikan permasalahan-permasalahan anak-anak dan dengan meningkatkan
kesadaran orang tua akan pentingnya pendidikan demi menjamin masa depan anak serta
memberikan motivasi belajar kepada anak. Adapun upaya pembinaan yang dilakukan adalah
dengan mengajarkan nilai-nilai keagamaan dan sosial kemasyarakatan kepada anak, serta
memberikan pekerjaan yang sesuai dengan kemampuannya supaya anak disibukkan serta
dapat menghindarinya dari pikiran yang menyimpang. Menurut Arini (2018), faktor – faktor
yang mempengaruhi anak putus sekolah diantaranya: tingkat pendapatan orangtua rendah,
persepsi orangtua tentang pendidikan rendah, minat belajar anak rendah, tingkat pendidikan
orang tua rendah, serta jarak tempat tinggal yang jauh.

PAREMETER
Dari penjelasan di atas, kemajuan bangsa salah satunya didasarkan atas tingkat
pendidikan yang meningkat, namun dalam prakteknya tidak mudah. Banyak faktor yang
menyebabkan anak putus sekolah, yang dapat mempengaruhi tingkat pendidikan di
Indonesia. Oleh karena itu peneliti tertarik untuk meneliti permasalahan anak putus sekolah
secara multidimensional, yaitu dikaitkan dengan indikator sosial ekonomi. Penelitian ini
terutama bertujuan untuk melakukan klasifikasi anak putus sekolah berdasarkan karakteristik
sosial ekonomi anak di Provinsi Aceh Tahun 2016. Karakteristik sosial yang digunakan adalah
klasifikasi daerah tempat tinggal, usia anak, pendidikan anak dan kepala rumah tangga,
status pekerjaan anak, jenis kelamin anak, serta jumlah anggota rumah tangga. Sementara
karakteristik ekonomi yang digunakan adalah pengeluaran rumah tangga. Penelitian ini dapat
dimanfaatkan baik oleh pemerintah pusat maupun daerah sebagai alat pertimbangan dan
evaluasi dalam merumuskan kebijakan khususnya dalam mengatasi permasalahan putus
sekolah program wajib belajar 12 tahun.
Tujuan Penelitian
id
Tujuan dari penelitian ini sebagai berikut:
g o.
1. Membandingkan hasil klasifikasi data putus sekolah di Provinsi Aceh berdasarkan faktor-
s.
faktor yang mempengaruhi dengan menggunakan metode Non Linear Support Vector
bp
Machines (SVM) dan SVM

h.
2. Membandingkan ketepatan hasil klasifikasi data putus sekolah di Provinsi Aceh

ce
berdasarkan faktor-faktor yang mempengaruhi menggunakan metode Non Linear SVM

//a
dengan pendekatan fungsi kernel linear, radial dan polinomial

s:
3. Membuat model prediksi untuk klasifikasi data putus sekolah di Provinsi Aceh
tp
berdasarkan faktor-faktor yang mempengaruhi menggunakan metode Non Linear SVM

ht
Landasan Teori
Putus Sekolah
Menurut Departemen Pendidikan di Amerika Serikat (MC Millen Kaufman, dan Whitener,
1994) anak putus sekolah adalah murid yang tidak dapat menyelesaikan program belajarnya
sebelum waktunya selesai atau murid yang tidak tamat menyelesaikan program belajarnya.
Faktor penyebab anak putus sekolah dapat dibagi menjadi dua yaitu faktor internal serta
faktor eksternal. Diantara faktor internal adalah:
 Faktor yang berasal dari dalam diri, diantaranya malas untuk pergi sekolah karena merasa
minder, tidak dapat bersosialisasi dengan lingkungan sekolahnya, sering dicemoohkan
karena tidak mampu membayar kewajiban biaya sekolah yang dipengaruhi oleh berbagai
faktor. Ketidakmampuan ekonomi keluarga dalam menopang biaya pendidikan yang
berdampak terhadap masalah psikologi anak sehingga anak tidak bisa bersosialisasi
dengan baik dalam pergaulan dengan teman sekolahnya. Selain itu, faktor lingkungan
tempat tinggal anak juga merupakan salah satu faktor yang berpengaruh.
84
PAREMETER
 Karena pengaruh teman, sebagai contoh bermain game online yang diikuti dengan
kegiatan membolos yang dapat mengakibatkam tidak naik kelas, prestasi di sekolah
menurun sehingga malu pergi kembali ke sekolah.
 Anak yang kena sanksi karena mangkir sekolah sehingga drop out.
Sementara faktor eksternal adalah:
 Keadaan status ekonomi keluarga, dalam keluarga miskin cenderung timbul berbagai
masalah yang berkaitan dengan pembiayaan hidup anak, sehingga anak sering
dilibatkan untuk membantu memenuhi kebutuhan ekonomi keluarga yang dapat
mengakibatkan terganggunya kegiatan belajar dan kesulitan mengikuti pelajaran.
 Perhatian orang tua. Kurangnya perhatian orang tua cenderung akan menimbulkan
berbagai masalah. Semakin besar usia anak, semakin besar pula perhatian orang tua
yang diperlukan. Salah satu penyebab kurangnya perhatian orang tua adalah kenakalan
anak
 Hubungan orang tua kurang harmonis. Hubungan keluarga yang tidak harmonis dapat
berupa perceraian orang tua ataupun hubungan antar keluarga yang tidak saling peduli.
id
Keadaan ini merupakan penyebab dasar anak mengalami permasalahan yang serius dan
o.
mengalami hambatan dalam pendidikannya sehingga mengakibatkan anak mengalami
g
s.
putus sekolah.
bp
Selain permasalahan-permasalahan diatas, terdapat faktor-faktor lain yang dapat

mengakibatkan anak putus sekolah diantaranya: minat belajar, tingkat pendapatan
h.
ce
orangtua, keadaan ekonomi keluarga, latar belakang pendidikan ayah dan ibu, status ayah
dalam masyarakat dan dalam pekerjaan, hubungan sosial psikologis antara orang tua dan
//a
antara anak dengan orang tua, aspirasi orang tua tentang pendidikan anak, serta
s:
perhatiannya terhadap kegiatan belajar anak, besarnya keluarga serta orang – orang yang
tp
berperan dalam keluarga, serta jarak tempat tinggal.

ht
Support Vector Machine (SVM)

Support Vector Machine (SVM) merupakan salah satu metode klasifikasi supervised
learning untuk melakukan prediksi, baik dalam kasus klasifikasi maupun regresi (Han et. Al,
2012). SVM memiliki beberapa kelebihan dibandingkan metode lainnya, diantaranya SVM
tidak hanya memperhitungkan error pada training set tetapi juga memperhitungkan
expected error. Ide dasar SVM adalah memaksimalkan batas hyperplane seperti digambarkan
pada gambar dibawah
(1) (2)
Gambar 1
Kemungkinan Hyperplane dalam Model Klasifikasidan Optimal Hyperplane
PAREMETER
Bagian (1) pada Gambar 1 menunjukkan ada sejumlah pilihan hyperplane yang mungkin
untuk set data, sedangkan pada bagian (2) merupakan hyperplane dengan margin paling
maksimum. Hyperplane (batas keputusan) pemisah terbaik antara kedua kelas didapatkan
dengan mengukur margin hyperplane tersebut dan mencari titik maksimalnya. Margin adalah
jarak antara hyperplane tersebut dengan data terdekat dari masing masing kelas. Data yang
paling dekat itu disebut sebagai support vector.
Setiap training data dinyatakan ( ) dengan , dan
merupakan atribut set untuk data ke i. Untuk menyatakan label kelas.
Hyperplane klasifikasi linear SVM seperti pada gambar diatas dinotasikan sebagai
Dengan nilai merupakan vector bobot dan merupakan bias. Data yang masuk
dalam kelas (-1) adalah data yang memenuhi pertidaksamaan
(1)
(2)
Sementara data yang masuk dalam kelas (-1) adalah data yang memenuhi
pertidaksamaan
id
o.
(3)
Klasifikasi kelas data pada SVM pada persamaan (2) dan (3) dapat digabungkan dengan
g
s.
notasi :
bp
( )
h.
Sesuai persamaan (2) maka hyperplane untuk kelas (-1) adalah data pada support vector
ce
yang memenuhi persamaan

(4)
//a
s:
Sementara untuk kelas (+1) adalah data pada support vectoryang memenuhi persamaan
tp
ht
Dengan demikian maka margin dapat dihitung dengan mengurangkan persamaan (4)
(5)
dengan (5) didapatkan
( )
Margin hyperplane diberikan oleh jarak antara dua hyperplane dari dua kelas
tersebut( ). Notasi diatas diringkas menjadi
‖ ‖ atau ‖ ‖
Hyperplane maksimal didapatkan dengan meminimumkan norm w (‖ ‖). Norm adalah
suatu fungsi yang memberikan ukuran panjang pada semua vektor dalam sebuah vector
space. Norm yang digunakan pada penelitian ini adalah norm euclidian. Memaksimumkan
margin ( ) sama dengan meminimumkan ‖ ‖ atau . Selanjutnya masalah ini
diformulasikan ke dalam problem Quadratic Programming (QP) yaitu:
Minimalkan : ‖ ‖ (6)
Syarat (constraint) : ( )
Optimalisasi ini dapat diselesaikan dengan Lagrange multiplier:
86
PAREMETER
‖ ‖ ∑𝛼 ( )
𝛼 adalah lagrange multiplier yang berkorespondensi dengan . Nilai 𝛼 adalah nol atau
positif.
Masalah optimasi di atas masih sulit diiselesaikan karena banyaknya parameter ( ,
dan 𝛼 ). Sehingga untuk menyederhanakannya, persamaan optimasi lagrange harus
ditransformasi ke dalam fungsi lagrange multiplier itu sendiri (disebut dualitas masalah).
Persamaan lagrange multiplier dapat dijabarkan menjadi:
‖ ‖ (∑ 𝛼 ( ) ∑𝛼 ∑𝛼 ) (7
)
Syarat optimal ada dalam suku ketiga di ruas kanan dalam persamaan dan memaksa
suku ini menjadi sama dengan 0. Dengan mengganti pada persamaan (6) dan suku‖ ‖
, maka persamaan di atas akan berubah menjadi dualitas Lagrange multiplier berupa
𝑑 dan didapatkan:
id
Maksimalkan:
∑𝛼 ∑𝛼 𝛼
g o.
s.
bp
merupakan dot-product dua data dalam data training.

h.
Penjelasan di atas berdasarkan asumsi bahwa kedua kelas dapat terpisah secara
ce
sempurna oleh hyperplane. Akan tetapi, pada umumnya kedua kelas tersebut tidak dapat
//a
terpisah secara sempurna. Hal ini menyebabkan proses optimasisasi tidak dapat diselesaikan
s:
karena tidak ada w dan b yang memenuhi persamaan (6). Selanjutnya masalah ini
tp
diformulasikan lagi menjadi:

ht
Minimalkan : ‖ ‖ ∑
Syarat (constraint) : ( )
Parameter C berguna untuk mengontrol trade off antara margin dan error klasifikasi.
Semakin besar variabel C maka akan semakin besar pula pelanggaran yang dikenakan pada
tiap klasifikasi.
Non Linear Support Vector Machine

Pada umumnya data dalam dunia nyata jarang yang bersifat linier separable,
kebanyakan bersifat nonlinier. Untuk menyelesaikan problem non-linier, SVM dimodifikasi
dengan memasukkan fungsi kernel. Dalam non-linier SVM pertama-tama data x dipetakan
oleh fungsi 𝛷( ) ke ruang vektor yang berdimensi lebih tinggi. Pada ruang vektor yang baru
ini, hyperplane yang memisahkan kedua kelas dapat dikonstruksikan.
Hal ini dapat digambarkan sebagai berikut:

PAREMETER
Gambar 2
Transformasi Data ke Dimensi yang Lebih Tinggi
Pemetaan ini dilakukan dengan menjaga topologi data, dalam artian dua data yang
berjarak dekat pada input space akan berjarak dekat juga pada feature space, sebaliknya
dua data yang berjarak jauh pada input space juga akan berjarak jauh pada feature space.
id
Proses pembelajaran pada SVM dalam menemukan titik titik support vector, hanya
g o.
bergantung pada dot product dari data yang sudah ditransformasikan pada ruang baru yang
berdimensi lebih tinggi. Karena umumnya transformasi 𝛷 ini tidak diketahui, dan sangat
s.
bp
sulit difahami secara mudah, maka perhitungan dot product dapat digantikan dengan fungsi
kernel 𝐾( ) yang mendefinisikan secara implisit transformasi 𝛷. Hal ini disebut sebagai
h.
ce
Kernel Trick.
Kernel trick memberikan berbagai kemudahan, karena dalam proses pembelajaran SVM,
//a
untuk menentukan support vector, kita hanya cukup mengetahui fungsi kernel yang dipakai
s:
dan tidak perlu mengetahui wujud dari fungsi nonlinier 𝛷. Pemilihan Kernel yang dipakai
tp
bukan merupakan perhatian yang utama, namun perhatian utama adalah optimasi fungsi
ht
kernel yang dipilih. Pada penelitian ini fungsi kernel yang akan dipakai adalah kernel Radial
Basis Function dengan fungsi sebagai berikut:
| |
𝐾( ) { }
Pada penelitian ini parameter yang dioptimasi adalah parameter gamma ( ) dan cost.
Optimasi Parameter SVM
Pada penelitian ini digunakan metode grid search untuk mencari parameter terbaik. Grid
search secara umum adalah merupakan kombinasi dari parameter yang diujikan kepada
model SVM untuk mendapatkan nilai error klasifikasi. Untuk menghitung nilai error
klasifikasi pada data training set. Nilai error klasifikasi diujikan pada training set dengan
menggunakan tekhnik cross validation.
Pada penelitian ini akan digunakan metode 10-fold cross validation. Pada 10 fold cross
validation data training set dipartisi secara acak menjadi 10 subset berukuran sama. Pada
subset 1, subset 1 digunakan sebagai data test dan sisanya (9 subset) digunakan sebagai
data training. Proses validasi silang dilakukan sebanyak 10 kali. Hasil dari setiap proses
validasi kemudian dirata-ratakan untuk mendapatkan nilai error klasifikasi tunggal.
88
PAREMETER
Keuntungan dari metode ini adalah setiap data pada penelitian ini digunakan baik untuk
validasi dan training tepat satu kali pada setiap proses validasi.
Pemilihan titik grid search pada cross validation menjadi poin krusial kedua dalam
menentukan model terbaik. Pemilihan titik grid search yang salah akan menurunkan
kemampuan generalisasi dari SVM. Chapelle et al. dalam Johra (2018) merekomendasikan
nilai pencarian grid search pada SVM seperti pada Tabel 1.
Tabel 1
Titik Grid search Pada Rough Grid
Parameter Nilai
Gamma 2-3, 2-2, 2-1, 20, 21, 22, 23
Cost 10-1, 100, 101, 102
Evaluasi Ketepatan Model
Deteksi Keseimbangan Frekuensi
Penentuan keseimbangan frekuensi penting untuk menentukuan alat evaluasi dari
model yang terbentuk. Pada kasus data yang tidak seimbang maka ukuran ketepatan model
id
dapat menjadi bias. Metode yang digunakan untuk mengukur keseimbangan model pada
o.
penelitian ini adalah nilai Geometrik-mean (G-mean). G-mean mengindikasikan
g
s.
keseimbangan antara kinerja klasifikasi pada kelas mayoritas dan minoritas. Nilai G-mean
bp
dapat diukur melalui confusion matrix pada Tabel 2.

Tabel 2
h.
ce
Titik Confusion Matrix

PREDIKSI
//a
AKTUAL
TRUE FALSE
s:
tp
TRUE
ht
FALSE
Nilai dari G-mean adalah
√( )( )
dengan kriteria G-mean yang berarti data tidak seimbang, sedangkan G-mean>
yang berarti data seimbang. Jika data pada penelitian seimbang, maka evaluasi ketepatan
model dapat menggunakan nilai APER, jika tidak maka evaluasi ketepatan model dapat
menggunakan precision dan recall. Apparent Error Rate (APER) menyatakan nilai proposi
sampel yang salah diklasifikasikan oleh fungsi klasifikasi. Penentuan kesalahan klasifikasi
dirumuskan sebagai berikut:

PAREMETER
Data dan Metodologi Penelitian

Variabel Penelitian
Sumber data dalam penelitian ini adalah raw data Survei Sosial Ekonomi Nasional
(SUSENAS) Maret 2016 di Provinsi Aceh oleh Badan Pusat Statistik (BPS). SUSENAS di Provinsi
Aceh dilakukan dengan cakupan 11.177 sampel rumah tangga. Sementara jumlah data dalam
penelitian ini adalah sebanyak 2.493 responden usia kurang dari 24 tahun yang sedang
bersekolah ataupun yang tidak bersekolah lagi.Terbatasnya data yang tersedia untuk
penelitian ini menyebabkan determinan putus sekolah dibatasi dengan hanya menggunakan
8 variabel prediktor sosial-ekonomi responden yang terdapat pada penjelasan Tabel 3.
Tabel 3
Variabel-Variabel Dalam Penelitian
Variabel Kategorisasi
Variabel Respon
0: Putus Sekolah
Putus Sekolah
1: Tidak Putus Sekolah
id
Variabel Prediktor-Karakteristik Sosial
o.
1: SD/Sederajat
g
s.
2: SMP/Sederajat
Pendidikan Kepala Rumah Tangga (KRT)
bp
3: SMA/Sederajat
4: Pendidikan Tinggi
h.
1: Perkotaan
Klasifikasi Daerah Tempat Tinggal
ce
2: Perdesaan
//a
1: Laki-Laki
Jenis Kelamin Anak
2: Perempuan
s:
tp
1: <13 tahun
ht
2: <16 tahun
Usia Anak
3: <19 tahun
4: 19-24 tahun
1: SD/Sederajat
2: SMP/Sederajat
Pendidikan Terakhir Anak
3: SMA/Sederajat
4: Pendidikan Tinggi
Status Pekerjaan Anak

1: Bekerja
2: Tidak Bekerja
Jumlah Anggota Rumah Tangga (ART) Diskrit
Variabel Prediktor-Karakteristik Ekonomi

1: <4 juta
2: 4-5,99 juta
Pengeluaran Rumah Tangga (RT)
3: 6-8 juta
4: >8 juta
Sumber: Susenas, 2016
90
PAREMETER
Metode analisis yang digunakan dalam penelitian ini adalah Support Vector Machine
(SVM). Data diolah menggunakan program aplikasi Rapid MinerStudio v.7.2 dan software R
package e1071.
Tahapan Analisis
Tahapan yang akan dilakukan dalam penelitian ini terangkum dalam tahapan analisis
data. Adapun penjelasan tahapan analisis data adalah sebagai berikut:
1. Menyiapkan data responden usia kurang dari 24 tahun yang masih bersekolah dan yang
tidak bersekolah lagi dengan label tidak putus sekolah dan putus sekolah
2. Pemeriksaan data untuk melihat apakah terdapat missing value atau tidak.
3. Pemeriksaan data untuk melihat apakah data tidak seimbang (unbalanced data)
4. Membagi data menjadi data training dan testing menggunakan metode cross validation
dengan k-fold = 10 dan jenis sampling adalah stratified sampling. Pada 10-fold cross
validation, data training set dipartisi secara acak menjadi 10 subset berukuran sama.
Pada setiap bagian akan digunakan untuk training dan testing secara bergantian.
id
5. Melakukan proses optimasi parameter menggunakan metode grid search
melalui tahapan berikut:

g o.
6. Melakukan klasifikasi data berdasarkan putus sekolah atau tidak dengan metode SVM
s.
a. Menghitung nilai APER parameter gamma dan cost yang optimal menggunakan
bp
metode grid search dipadukan dengan metode cross validation yang diterapkan pada
h.
data training.
ce
b. Menghitung tingkat akurasi berdasarkan nilai parameter gamma dan cost pada setiap
//a
fungsi kernel (Linier, Radial, Polinomial) untuk optimasi hyperplane pada data
s:
training.
tp
c. Melakukan pemodelan SVM menggunakan nilai parameter gamma dan cost optimal.
ht
d. Menggunakan hyperplane dengan nilai parameter gamma dan cost optimal yang
diperoleh untuk setiap fungsi kernel pada klasifikasi data testing.
e. Validasi model klasifikasi dengan metode SVM. Tahap ini dilakukan untuk mengetahui
persentase ketepatan model dalam melakukan klasifikasi, yaitu menggunakan tingkat
akurasi yang dihasilkan dari penghitungan nilai precision dan recall pada tabel
confusion matrix.
Setelah dilakukan pemodelan menggunakan metode SVM, maka ketepatan klasifikasi
model dapat diperoleh menggunakan tingkat akurasi. Setelah didapatkan model yang
terbaik, dilakukan prediksi terhadap data baru. Berikut merupakan diagram alur tahapan
analisis dalam penelitian.

PAREMETER
id
g o.
s.
Gambar 3
bp
Diagram Alur Penelitian

h.
ce
//a

Eksplorasi Data
s:
tp
Eksplorasi data adalah informasi dasar mengenai set data. Tujuan dari eksplorasi data
ht
diantaranya untuk mengetahui struktur data, distribusi nilai, ada tidaknya nilai ekstrim dan
hubungan antar atribut. Eksplorasi data juga berfungsi sebagai alat untuk menentukan
metode analisis lanjutan. Tabel pivot sederhana, rata-rata, deviasi, plot data merupakan
bagian dari eksplorasi data yang banyak digunakan. Eksplorasi data dapat dibagi menjadi dua
jenis, yaitu statistik deskriptif dan visualisasi data. Deskriptif statistik biasa diwujudkan dalam
ukuran-ukuran rata-rata, standar deviasi dan korelasi. Pada tahap ini dapat diketahui
informasi mengenai tipe data, ada atau tidaknya data hilang serta plot dari data.
Statistik data menunjukkan bahwa terdapat 2.493 sampel dengan 7 variabel prediktor
yang bertipe kategorik dan 1 variabel predictor yang bertipe numerik yaitu jumlah anggota
rumah tangga. Berdasarkan hasil pengolahan data didapatkan bahwa anak yang mengalami
putus sekolah adalah sebesar 886 (36 persen), sedangkan sebanyak 1.607 (64 persen) masih
bersekolah. Kemudian dilakukan eksplorasi terhadap karakteristik data pada setiap variable
prediktor dengan label putus sekolah yang dapat dilihat pada Gambar 4.
92
PAREMETER
(i) (ii)
id
o.
g
s.
bp
(iii) (iv) (v)

h.
ce
//a
s:
tp
ht
(vi) (vii)
Gambar 4
Eksplorasi Data Variable (i) Pendidikan Terakhir KRT; (ii) Usia Anak; (iii) Pengeluaran
RT; (iv) Klasifikasi Daerah Tempat Tinggal; (v) Jenis Kelamin Anak; (vi) Status Bekerja
Anak; (vii) Pendidikan Terakhir Anak
Pada Gambar 4(i) dapat diketahui bahwa anak putus sekolah memiliki jenjang pendidikan
KRT paling banyak pada tingkat SD/Sederajat (77 persen). Selain itu dapat diketahui pula
bahwa anak putus sekolah sebagian besar berasal dari rumah tangga dengan tingkat
pengeluaran terendah sebesar < 4 juta per bulan yang dapat dilihat pada Gambar 4(ii).

PAREMETER
Pada penelitian ini, faktor wilayah geografis sangat berpengaruh terhadap tingkat putus
sekolah pada anak. Anak putus sekolah paling banyak berasal dari wilayah pedesaan jika
dibandingkan dengan wilayah perkotaan seperti pada Gambar 4(iii). Begitu pula sama halnya
dengan faktor jenis kelamin, dimana anak laki-laki lebih rentan mengalami putus sekolah
dibandingkan anak perempuan seperti pada Gambar 4(iv). Sedangkan untuk faktor status
pekerjaan dapat diketahui dari Gambar 4(v) bahwa mayoritas anak mengalami putus sekolah
berstatus bekerja.
Pada Gambar 4(vi) dapat diketahui bahwa persentase anak mengalami putus sekolah
hampir sama untuk setiap jenjang pendidikan. Namun pada Gambar 4(vii) diketahui bahwa
pada usia 16-24 tahun paling banyak anak mengalami putus sekolah. Hal ini mungkin terjadi
dikarenakan banyaknya anak usia sekolah yang tidak sesuai dengan jenjang yang diikuti pada
usia tersebut. Untuk jumlah anggota rumah tangga diketahui bahwa rata-rata di provinsi
Aceh memiliki 5,39 anggota rumah tangga, dimana anak mengalami putus sekolah.
Klasifikasi SVM
id
Klasifikasi menggunakan metode k-fold cross validation untuk membagi data menjadi
g o.
data training dan data testing. Pada penelitian ini digunakan 10-fold cross validation dengan
s.
stratified random sampling dikarenakan jumlah data banyaknya sekitar 2.000. Klasifikasi awal
bp
tanpa optimasi parameter mendapatkan Confusion Matrix didapatkan hasil sebagai berikut:
h.
ce
Tabel 4
//a
Confusion Matrix Model SVM Awal

s:
PREDIKSI
tp
AKTUAL PUTUS TIDAK PUTUS

ht
SEKOLAH SEKOLAH
PUTUS SEKOLAH 126 6
TIDAK PUTUS SEKOLAH 47 320
Hasil prediksi menggunakan SVM awal menunjukkan terdapat 47 anak yang tidak putus
sekolah tetapi diprediksi putus sekolah oleh model SVM dan terdapat 6 anak putus sekolah
yang diprediksi tidak putus sekolah oleh model SVM. Ketepatan model SVM awal sebesar
89,38 persen.
Optimasi Parameter
Ketika mengevaluasi suatu model, performance dari model biasanya dijadikan sebagai
indikator untuk memilih kombinasi parameter yang paling optimum. Optimasi parameter
dibutuhkan untuk mendapatkan parameter terbaik model yang sesuai dengan kebutuhan
spesifikasi. Operator optimasi memiliki dua fungsi, yaitu menentukan nilai parameter untuk
setiap iterasi dan menentukan kapan iterasi selesai. RapidMiner memiliki tiga jenis operator
94
PAREMETER
optimasi untuk menentukan nilai parameter, diantaranya grid search, greedy search, dan
evalutionary search (genetic search). Dalam penelitian ini digunakan grid search untuk
mengoptimalkan parameter.
Penggunaan metode grid search menghasilkan nilai parameter optimum cost dan gamma
untuk setiap fungsi kernel. Nilai parameter yang optimum dapat menghasilkan tingkat
akurasi terbaik data model yang dapat dilihat pada tabel confusion matrix sesuai Tabel 1.
Kernel yang digunakan dalam penelitian ini adalah kernel linear, RBF, dan Polinomial yang
dioptimasi berdasarkan cost dan gamma sesuai Tabel 2. Berdasarkan hasil penghitungan
didapatkan nilai cost dan gamma sebagai berikut
Tabel 5
Nilai Parameter Optimum Beberapa Tipe Kernel
Kernel Cost Gamma APER
Linear 0,1 0,125 11,28
Radial 10 0,125 6,41
Polinomial 10 0,125 7,72
id
g o.
Setelah didapatkan parameter optimum dari data training set untuk setiap kernel seperti
s.
tabel diatas, langkah selanjutnya yaitu melakukan pengujian ketepatan parameter model
bp
masing-masing kernel tersebut pada data test set. Hasil pengujian parameter model terhadap
h.
data test set dapat ditunjukkan oleh tabel berikut:

ce
//a
s:
Tabel 6
tp
Nilai Ketepatan Model Data Test

ht
Kernel Cost Gamma Ketepatan

Linear 0,1 0,125 88,38
Radial 10 0,125 94,79
Polinomial 10 0,125 93,59
Tabel 6 diatas menunjukkan nilai ketepatan parameter optimum masing-masing kernel

terhadap data test set, dimana terlihat bahwa model kernel radial basis function (RBF)
dengan parameter cost 10 dan gamma 0,125 pada data test set 20 persen merupakan model
terbaik yang didapatkan pada penelitian ini dengan nilai ketepatan prediksi model sebesar
94,79 persen. Angka ketepatan yang bernilai diatas 70 persen sudah dapat menunjukkan
dengan baik bahwa model SVM dapat menggambarkan klasifikasi responden putus sekolah.
Klasifikasi dilakukan kembali berdasarkan parameter optimal yang telah diperoleh
dandidapatkan Confusion Matrix sebagai berikut:

PAREMETER
Tabel 7
Confusion Matrix Model SVM Optimal
PREDIKSI
AKTUAL PUTUS TIDAK PUTUS
SEKOLAH SEKOLAH
PUTUS SEKOLAH 154 7
TIDAK PUTUS
19 319
SEKOLAH
Hasil prediksi menggunakan SVM Optimal menunjukkan terdapat 19 anak yang tidak
putus sekolah tetapi diprediksi putus sekolah oleh model SVM dan terdapat 7 anak putus
sekolah yang diprediksi tidak putus sekolah oleh model SVM.
id
o.
Evaluasi Ketepatan Model g
Evaluasi ketepatan model diawali dengan mendeteksi keseimbangan frekuensi
s.
menggunakan G-mean. Dari Tabel 11 diperoleh nilai G-mean sebesar 0,93 maka dapat
bp
disimpulkan bahwa data penelitian seimbang. Jika data seimbang, maka evaluasi ketepatan
h.
model menggunakan Apparent Error Rate (APER). Ketepatan prediksi yang dihasilkan dari
ce
model SVM dengan parameter optimal adalah sebesar 94,79 persen. Nilai APER ini lebih baik
//a
dibandingkan model SVM awal tanpa optimasi parameter.

s:
tp
Penerapan Prediksi Model SVM

ht
Pada penelitian ini jumlah variabel prediktor sebanyak 8 variabel, sehingga dimensi yang
terbentuk sulit untuk divisualisasikan. Pada Tabel 8 disajikan contoh aplikasi penerapan SVM
untuk model terpilih pada data profil responden yang baru.
Tabel 8
Penentuan Keputusan SVM pada Profil Responden Baru
Responden X1 X2 X3 X4 X5 X6 X7 X8 Hasil
1 1 2 1 3 1 1 1 5 Putus Sekolah
2 2 1 2 4 2 2 2 Putus
2 Sekolah
3 3 2 1 1 3 2 3 Tidak
4 Putus Sekolah
4 4 1 2 2 4 1 4 Tidak
6 Putus Sekolah
Berdasarkan tabel di atas, dapat terlihat contoh aplikasi penerapan SVM. Responden
pertama dengan profil pendidikan terakhir kepala rumah tangga SD/Sederajat, tinggal di
perdesaan, jenis kelamin laki-laki, umur <19 tahun, pendidikan terakhir SD/Sederajat,
bekerja, serta pengeluaran perkapita kurang dari 4 juta per bulan akan memiliki risiko putus
sekolah. Interpretasi yang sama untuk responden kedua.
96
PAREMETER
Kesimpulan
Berdasarkan hasil analisis klasifikasi menggunakan metode Non Linear SVM dengan
pendekatan fungsi Kernel pada data putus sekolah dan faktor-faktor yang mempengaruhi di
Provinsi Aceh pada tahun 2016, didapatkan kesimpulan sebagai berikut:
1. Klasifikasi data putus sekolah menggunakan metode Non Linear SVM dengan pendekatan
fungsi kernel terbukti meningkatkan akurasi mencapai 95 persen dibandingkan klasifikasi
menggunakan metode SVM
2. Penggunaan algoritma Non Linear SVM dengan pendekatan fungsi kernel radial pada data
putus sekolah di Provinsi Aceh menghasilkan performance klasifikasi yang sangat baik
terbukti dengan tingkat keakuratan mencapai 94,79 persen dan nilai APER terendah
sebesar 6,41persen.
3. Pembuatan model prediksi dengan pendekatan metode Non Linear SVM dapat digunakan
untuk mengetahui klasifikasi anak mengalami putus sekolah atau tidak berdasarkan set
data baru yang berisi karakteristik sosial dan ekonomi anak usia sekolah
id
Rekomendasi g o.
Dari hasil pembahasan dan analisis di atas, maka dapat diusulkan beberapa rekomendasi,
s.
diantaranya:
bp
1. Pemerintah memiliki peran dalam upaya pencegahan anak usia sekolah mengalami putus
h.
sekolah dengan memperhatikan faktor-faktor apa saja yang dapat menjadi penyebab
ce
anak mengalami putus sekolah. Dalam perumusan dan pembuatan kebijkan khususnya
//a
mengenai pengentasan anak mengalami putus sekolah diharapkan pemerintah baik pusat
s:
maupun daerah dapat mempertimbangkan faktor-faktor tersebut

tp
2. Pemerintah memiliki peran dalam upaya pembinaan anak usia sekolah terhindar
ht
mengalami putus sekolah. Program pemerintah nantinya diharapkan tidak hanya

berfokus pada anak usia sekolah yang mengalami kerentanan putus sekolah, melainkan
juga memperhatikan rumah tangga di mana anak itu berada. Karena penelitian ini
membuktikan bahwa pengaruh faktor sosial dan ekonomi yang berasal dari keluarga
memegang peranan penting dalam menentukan seorang anak akan mengalami putus
sekolah atau tidak
3. Selain itu diharapkan pemerintah memiliki program pada anak usia sekolah untuk
menghindari mengalami putus sekolah dengan program yang bertujuan untuk
mengembangkan potensinya, meningkatkan keterampilan, dan membangkitkan rasa
percaya diri.

PAREMETER
Daftar Referensi
Eka, Arini Putri. 2018. Skripsi, Analisis Faktor – Faktor Penyebab Anak Putus Sekolah Jenjang
Pendidikan Dasar Di Kecamatan Ambarawa Kabupaten Pringsewu’. Bandar Lampung:
Fakultas Keguruan dan Ilmu Pendidikan Universitas Lampung
Han. J., Kamber. M., dan Pei. J., 2012. Data Mining Concepts and Techniques Third Edition.
Elsevier
Johra, Muhamad Budiman. 2018. Tesis, Perbandingan Kernel Trick Pada Non-Linier Support
Vector Machine (Studi Kasus : Pemilihan Penolong Persalinan di Provinsi Maluku Utara
2016). Bandung: Universitas Padjadjaran
McMillen, M. M. , Kaufman, P., & Whitener, S. D. 1994. Dropout rates in the United States:
1993. Washington, DC: U.S. Department of Education Office of Educational Research and
Improvement. (ERIC Document Reproduction Service No. ED 375 222)
Trianto. 2001. Mendesain Model Pembelajaran Inovatif – Progresif. Jakarta: Kencana
Prenada Media Group
Utsman, Utsman. 2013. Esensi Wajib Belajar 12 Tahun Sebagai Kebijkan Publik. Magelang:
id
Conference Seminar Kajian Jarlit
g o.
s.
bp
h.
ce
//a
s:
tp
ht
98
id
.
go
p s.
.b
eh
c
//a
s:
tp
ht
BADAN PUSAT STATISTIK

PROVINSI ACEH
IKATAN PERSTATISTIKA INDONESIA

WILAYAH INDONESIA
I S S N 2 4 6 1 - 1 2 5 5
9 7 7 2 4 6 1 1 2 5 0 0 4

Jurnal Ilmiah Parameter Edisi Juni 2020

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Jurnal Ilmiah Parameter Edisi Juni 2020

Diunggah oleh

Hak Cipta:

Format Tersedia

JURNAL ILMIAH

ANALISIS KEMISKINAN PROVINSI ACEH 2019

PENGARUH TEKNOLOGI INFORMASI DAN KOMUNIKASI (TIK)

ANALISIS KAUSALITAS PERTUMBUHAN EKONOMI DAN

FAKTOR-FAKTOR PENENTU PENDAPATAN PEKERJA

MISKIN DI PROVINSI ACEH TAHUN 2019

ANALISIS SEKTOR UNGGULAN DAN

POTENSIAL PROVINSI ACEH TAHUN 2010-2017

KLASIFIKASI PUTUS SEKOLAH DENGAN METODE

(Sarah Solikhatun Risma, Adina Astasia, Muhammad Hidayat)

VOLUME 5 NOMOR 10 JUNI 2020 ISSN 2461-1255

T. Zulham (Universitas Syiah Kuala)

Media Pemerhati Dan Peminat Statistika, Ekonomi, Dan Sosial | i

DEWAN REDAKSI ................................................................................................................. i

(Sarah Sholikhatun Risma, Adina Astasia, Muhammad

ANALISIS KEMISINAN PROVINSI ACEH 2019

anggota rumah tangga kurang dari 5 orang.

Kata Kunci: kemiskinan, probabilitas miskin, regresi logistik

Kemiskinan merupakan salah satu permasalahan yang umumnya dihadapi oleh

negara-negara yang sedang berkembang. Permasalahan kemiskinan merupakan

Media Pemerhati Dan Peminat Statistika, Ekonomi, Dan Sosial | 1

Perumusan Masalah dan Tujuan Penulisan

a. Apa faktor-faktor yang mempengaruhi kemiskinan rumah tangga

b. Berapa probalita rumah tangga menjadi miskin dengan karakteristik tertentu

Adapun tujuan penulisan ini adalah :

a. Untuk mengetahui karakteristik rumah tangga miskin dan faktor-faktor yang

b. Untuk mengetahui probabilita rumah tangga menjadi miskin dengan karakteristik

3. Faturachman dan Marcelinus Molo: Kemiskinan adalah ketidakmampuan seseorang atau

konsep yang digunakan BPS.

Nike Roso Wulandari, dalam penelitiannya yang berjudul “Faktor-Faktor yang

signifikan terhadap kemiskinan.

Media Pemerhati Dan Peminat Statistika, Ekonomi, Dan Sosial | 3

kualitatif. Model parameter dapat diduga dengan menggunkan metode maksimum

memberikan distribusi atau kemungkinan terbesar dari suatu paramater θ.

Model tersebut ditransformasikan dalam bentuk logit menjadi:

H0 ditolak jika G> , 𝛼: tingkat signifikansi. Bila H0 ditolak, artinya model A

signifikan pada tingkat 𝛼.

Statistik uji yang digunakan adalah : [ ] ; j = 0,1,2,3,..., p

H0 ditolak jika > , 𝛼 :tingkat signifikan. Bila H 0 ditolak artinya parameter

tersebut signifikan secara statistik pada tingkat signifikansi 𝛼.

Selanjutnya interpretasi koefisien-koefisien dalam model regresi logistik dapat

Media Pemerhati Dan Peminat Statistika, Ekonomi, Dan Sosial | 5

a. Karakterietik Kepala Rumah Tangga

Tabel 1. Karakteristik Kepala Rumah Tangga Sampel

Status Pekerja Kepala Rumah Tangga

b. Berusaha dibantu buruh tidak tetap/tdk dibayar 12.60 15.27

d. Buruh/Karyawan 24.21 27.84

e. Pekerja bebas 9.62 4.41

f. Pekerja tdk dibayar/keluarga 1.08 0.66

Media Pemerhati Dan Peminat Statistika, Ekonomi, Dan Sosial | 7

kayu/Papan/bambu/tanah 18.99 10.04

Tembok 37.06 57.84

Dinding Kayu/Papan 59.12 39.50

Anyaman Bambu/Lainnya 3.81 2.66

Air kemasan/isi ulang 25.79 44.39

Ledeng/Sumur bor/terlindung 46.27 13.57

Lainnya 27.94 42.04

Analisis Regresi Logistik

adalah sebagai berikut:

Media Pemerhati Dan Peminat Statistika, Ekonomi, Dan Sosial | 9

Lapangan pekerjaan juga merupakan faktor yang mempengaruhi kemiskinan. Hasil

 Lapangan pekerjaan pertanian

 Jumlah art 5 orang atau lebih