Ridho Andykha
Email : ridhoanputra@gmail.com
Herniwati Retno Handayani
Email : noniar@yahoo.com
Nenik Woyanti
Departemen IESP Fakultas Ekonomika dan Bisnis Universitas Diponegoro
Email : neniwoyanti346@gmail.com
Received: April 2018; Accepted: May 2018; Available online: July 2018
Abstrak
Tingginya tingkat kemiskinan di Jawa Tengah menunjukkan proses pembangunan
ekonomi yang belum bisa meningkatkan kesejahteraan masyarakat secara merata. Dengan
demikian, diperlukan adanya analisis untuk mengetahui faktor-faktor yang mempengaruhi
kemiskinan dalam rangka mengatasi kemiskinan. Tujuan dari penelitian ini adalah
menganalisis Produk Domestik Regional Bruto (PDRB), Tingkat Kemiskinan, Indeks
Pembangunan Manusia (IPM) terhadap kemiskinan pada 35 Kabupaten/Kota di Provinsi Jawa
Tengah dari tahun 2011 hingga 2015. Penelitian ini menggunakan data sekunder dengan data
cross-section terdiri dari 35 Kabupaten/Kota di Provinsi Jawa Tengah dan data time-series
yaitu tahun 2011-2015. Alat analisis yang digunakan dalam mengestimasi model regresi data
panel yaitu Fixed Effect Model (FEM) atau disebut juga Least Square Dummy Variable. Hasil
penelitian menunjukkan bahwa variabel laju pertumbuhan PDRB berpengaruh positif dan
signifikan terhadap Tingkat Kemiskinan. IPM berpengaruh negatif dan signifikan terhadap
Tingkat Kemiskinan. Sedangkan Tingkat Pengangguran Terbuka berpengaruh positif dan
signifikan terhadap Tingkat Kemiskinan. Berdasar hasil penelitian maka pemerintah
disarankan untuk melakukan koordinasi dengan dinas terkait dalam merumuskan kebijakan
peningkatan kualitas pendidikan dan pengoptimalan pelayanan kesehatan.
Kata kunci: Kemiskinan, Laju Pertumbuhan PDRB, Indeks Pembangunan manusia (IPM),
Pengangguran, Fixed Effect Model
Abstract
The high level of poverty in Central Java shows unreliable development that still cannot
increase prosperity equally. Hence, analysis is required to identify several factor that affect.
This research’s purpose is to identify Gross Domestic Regional Product (GDRP),
Unemployment Level, Human Development Index (HDI) that affect the poverty level of the
poverty level of 35 Districts/Cities of Central Java Province from 2011 until 2016. This
research uses secondary data containing 35 Districts/Cities of Central Java on cross section
data and 2011 until 2016 on time series data. The analytical method of this research is Fixed
Effect Model (FEM) or Least Square Dummy Variable (LSDV). The results of this research
show that Growth of GDRP gives positive and significant effect for poverty level. HDI give
negative and significant effect for poverty level. On the other side, Unemployment Level give
positive and significant effect for poverty level. Based on the results of the research, the
government is advised to coordinate with relevant agencies in formulating policies to improve
the quality of education and optimize health services.
Keyword: Poverty, Growth of Domestic Regional Product (GDRP), Human Development
Index (HDI), Unemployment, Fixed Effect Model
How to Cite: Andykha, R., Handayani, H. R., & Woyanti, N. (2018). Analisis Pengaruh PDRB, Tingkat Pengangguran, dan
IPM Terhadap Tingkat Kemiskinan di Provinsi Jawa Tengah. Media Ekonomi dan Manajemen, 33(2), 113-123.
pengeluaran per kapita per bulan berada di section). Dalam model data panel
bawah garis kemiskinan (BPS, 2013). persamaan model dengan menggunakan
Variabel yang di pakai adalah Persentase data cross-section dapat ditulis sebagai
Penduduk Miskin di masing-masing berikut:
kabupaten/kota di Jawa Tengah tahun
2011-2015 dalam satuan persen (%). Yi = β0 + β1 Xi + µi ; i = 1, 2, ..., N ………..(1)
Laju pertumbuhan PDRB (Y) dimana N adalah banyaknya data cross-
jumlah nilai barang dan jasa akhir (netto) section.
yang dihasilkan oleh seluruh unit ekonomi
(BPS, 2013).Variabel yang di pakai dalam Sedangkan persamaan model dengan
penelitian adalah perubahan PDRB atas time series adalah
dasar harga konstan tahun 2010 di masing- Yt = β0 + β1 Xt + µt ; t = 1, 2, ..., T ………..(2)
masing kabupaten/kota di Jawa Tengah dimana T adalah banyaknya data time
tahun 2011-2015 dalam satuan persen(%). series
IPM (I) dapat menerangkan
bagaimana penduduk dapat mengakses Mengingat data panel merupakan
pembangunan dalam memperoleh gabungan dari time series dan cross-
pendapatan, kesehatan dan pendidikan section, maka model dapat ditulis dengan:
(BPS, 2016). IPM juga merupakan Pit = α0 + α1 Yit + α2 Iit + α3 Uit + µit ......(3)
indikator yang penting untuk mengukur Dimana Pit adalah tingkat kemiskinan, α0
tingkat keberhasilan mengenai upaya adalah intersep, adalah koefisien regresi
membangun kualitas kehidupan manusia. variabel bebas, Y adalah laju pertumbuhan
Variabel yang di pakai dalam penelitian ini PDRB Kabupaten/Kota di Jawa Tengah, U
adalah IPM di masing-masing adalah tingkat pengangguran terbuka
kabupaten/kota di Jawa Tengah tahun kabupaten/kota di Jawa Tengah, I adalah
2011-2015 dalam satuan persen (%)./kota IPM tahunan kabupaten/kota di Jawa
di Jawa Tengah tahun 2011-2015 dalam Tengah, dan μ merupakan error/variabel di
satuan persen (%). luar model.
Tingkat pengangguran terbuka (U) Selanjutnya terhadap hasil analisis
adalah angka yang menunjukkan regresi dengan model tersebut dilakukan
banyaknya pengangguran (BPS, 2007), pengujian ekonometrik dan uji statistik.
terhadap 100 penduduk yang masuk Deteksi Asumsi Klasik
kategori angkatan kerja, dapat dihitung Metode Ordinary Least Squares
sebagai berikut : (OLS) merupakan model yang berusaha
untuk meminimalkan penyimpangan hasil
perhitungan (regresi) terhadap kondisi
aktual. Dibandingkan dengan metode lain,
Yang dipakai dalam penelitian ini Ordinary Least Squares merupakan
adalah data Tingkat Pengangguran metode sederhana yang dapat digunakan
Terbuka masing-masing kabupaten/kota di untuk melakukan regresi linear terhadap
Jawa Tengah tahun 2011-2015 dalam sebuah model. Sebagai estimator, Ordinary
satuan persen (%). Least Squares merupakan metode regresi
dengan keunggulan sebagai estimator
Metode Analisis linear terbaik yang tidak bias atau biasa
Penelitian ini menggunakan dikenal dengan BLUE (Best Linear
analisis panel data (pooling data) yang Unbiased Estimator), sehingga hasil
diolah dengan menggunakan program perhitungan Ordinary Least Squares dapat
Eviews 9. Analisis dengan menggunakan dijadikan sebagai dasar pengambilan
panel data adalah kombinasi antara deret kebijakan. Namun, untuk menjadi sebuah
waktu (time series) dan kerat lintang (cross estimator yang baik dan tidak bias,
terdapat beberapa uji asumsi klasik yang (homoskedastisitas). Pada kasus lain
harus dipenuhi. dimana 𝜇i tidak konstan disebut
Gujarati (2010) mengatakan bahwa heteroskedastisitas. Untuk mendeteksi
kesepuluh asumsi yang harus dipenuhi. keberadaan heteroskedastisitas dapat
Pertama, model persamaan berupa linear. dilakukan melalui Uji White.
Kedua, nilai variabel independen tetap Jika Chi-Square statistik lebih besar
meskipun dalam pengambilan sampel yang dari Chi-Square tabel, maka dapat
berulang. Ketiga, nilai rata-rata dikatakan bahwa ada indikasi heteros-
penyimpangan sama dengan nol. Keempat, kedastisitas. Pengujian dilakukan dengan
homoskedastisitas. Kelima, tidak ada cara membandingkan nilai Obs*R-squared
autokorelasi antara variabel. Keenam, nilai Uji White dengan nilai tingkat signifikansi
covariance sama dengan nol. Ketujuh, (α = 5%).
jumlah observasi harus lebih besar H0 : Homoskedastisitas
daripada jumlah parameter yang H1 : Heteroskedastisitas
diestimasi. Kedelapan, nilai variabel Jika nilai Obs*Squared hitung lebih
independen yang bervariasi. Kesembilan, besar dibandingkan dengan nilai tingkat
model regresi harus memiliki bentuk yang signifikansi (α = 5%), maka model regresi
jelas. Kesepuluh, adalah tidak adanya terbebas dari gejala heterokedastisitas.
multikolinearitas antar variabel Deteksi Multikolinearitas
independen. Terpenuhinya kesepuluh Multikolinearitas berarti adanya
asumsi di atas menjadikan hasil regresi hubungan linear yang sempurna atau pasti
memiliki derajat kepercayaan yang tinggi. di antara beberapa atau semua variabel
Deteksi Normalitas independen dalam model regresi. Pada
Pendeteksian asumsi normalitas kasus multikolinearitas yang serius,
dilakukan untuk melihat apakah error term koefisien regresi tidak lagi menunjukkan
mengikuti distribusi normal. Jika asumsi pengaruh murni dari variabel bebas dalam
tidak terpenuhi maka prosedur pengujian model. Metode yang digunakan dalam
menggunakan uji - menjadi tidak sah. deteksi multikolinearitas ini adalah metode
Pendeteksian dilakukan dengan Jarque Klein dan kesepakatan Gujarati terhadap
Bera test atau dengan melihat plot dari nilai korelasi antar variabel, yaitu dengan
sisaan. Adapun hipotesis dalam perbandingan antara R2 penyesuaian
pendeteksian normalitas, yaitu: (adjusted R2) hasil regresi antar variabel
𝐻0∶ error term mengikuti distribusi normal bebas. Kemungkinan adanya multi-
𝐻1∶ error term tidak mengikuti distribusi kolinearitas apabila Adjusted 𝑅2 model
normal. deteksi variabel bebas lebih tinggi dari
Keputusan diambil dengan Adjusted R2 model utama. Indikasi lain
membandingkan nilai probabilitas Jarque terdapat gejala multikolinearitas adalah
Bera dengan taraf nyata α = 0,05. Jika nilai dengan menggunakan correlation matrics,
probabilitas Jarque Bera lebih dari α = 0,05 di mana apabila correlation matrics lebih
maka dapat disimpulkan bahwa error term besar daripada 0,8 berarti terdapat gejala
terdistribusi dengan normal. multikolinearitas, begitu juga sebaliknya.
Deteksi Heteroskedastisitas Uji Hausman
Heteroskedastisitas adalah suatu Untuk menentukan secara tepat
kondisi tidak terpenuhinya asumsi spesifikasi model yang akan digunakan
homoskedastisitas. Di dalam regresi linear apakah model fixed effect atau random
berganda, salah satu asumsi yang harus effect maka dilakukan Uji Hausman untuk
dipenuhi agar taksiran parameter dalam menguji model yang paling baik yang akan
model tersebut bersifat BLUE (Best, digunakan dalam estimasi. Uji Hausman
Linear, Unbiased Estimator) adalah (µi) = akan memberikan penilaian dengan
ơ2 yang mempunyai variasi yang sama menggunakan Chi-Square Statistics
adalah Kota Semarang sesbasr 81.19%, besar daripada 0,8 berarti terdapat gejala
sedangkan Kota Pekalongan dengan Indeks multikolinearitas. Berdasarkan hasi
Pembangunan Manusia terendah sebesar Correlation Matrics, koefisien variabel
73,32% kemiskinan dengan IPM sebesar -0.466,
Deteksi Normalitas dengan variabel PDRB sebesar -0,026,
Uji normalitas dilakukan dengan dengan variabel pengangguran sebesar -
tujuan untuk melihat apakah error term 0,038. Besarnya koefisien korelasi antar
terdistribusi secara normal. Uji Normalitas variabel independen dalam model regresi
dilakukan dengan melihat probabilitas lebih kecil dari 0,8. Dengan kata lain,
Jarque-Bera. Jika probabilitas Jarque-Bera model regresi dalam penelitian tidak
lebih besar dari α = 5%, maka dapat mengalami multikolinearitas.
dikatakan bahwa error term terdistribusi Uji Koefisien Determinasi
normal. Berdasarkan hasil uji normalitas, Koefisien determinasi (R2)
dengan melihat nilai probabilitas Jarque- digunakan untuk mengukur seberapa jauh
Bera sebesar 15,73 pada α = 5%, dapat kemampuan model dalam menerangkan
dikatakan bahwa error term terdistribusi variasi variabel dependen. Nilai koefisien
secara normal karena probabilitas Jarque- determinasi adalah nol sampai satu. Nilai
Bera lebih besar dari α = 5% (R2) yang kecil berarti kemampuan
Deteksi Heteroskedastisitas variabel-variabel independen dalam
Pengujian Heteroskedatisitas menjelaskan variasi variabel dependen
bertujuan untuk menguji apakah dalam sangat terbatas. Sementara itu, nilai (R2)
model regresi terjadi ketidaksamaan yang mendekati satu berarti variabel-
variance dari residual satu pengamatan ke variabel independen memberikan hampir
pengamatan lain. Jika variance dari semua informasi yang dibutuhkan untuk
residual satu pengamatan ke pengamatan memprediksi variasi variabel dependen
lain tetap, maka disebut homoskedatisitas atau dengan kata lain variabel-variabel
dan jika berbeda disebut heteroskedatisitas. independen dalam model mampu
Model regresi yang baik adalah yang menjelaskan variasi variabel dependen
homoskedatisitas atau tidak terjadi dengan sangat sesuai. Nilai R-Squared
heteroskedatisitas (Ghozali, 2016). sebesar 0,96 pada tabel mengandung arti
Berdasarkan hasil pada tabel Uji White, bahwa 98,1% variabel Tingkat Kemiskinan
nilai Chi-Square statistik sebesar 0,141 dapat dijelaskan oleh variabel PDRB,IPM
lebih besar dari α = 5%. Nilai Obs*R- dan Pengangguran. Sedangkan sisanya
squared statistik sebesar 9,703 lebih kecil 0.4% kemiskinan dapat di jelaskan oleh
dari Obs*R-squared hitung tabel yaitu variabel lain yang tidak dimasukkan dalam
sebesar 124,342 atau nilai probabilitasnya model analisis penelitian ini
lebih dari 0,05. Dengan kata lain model Uji Signifikansi Simultan (Uji F)
regresi dalam penelitian tidak mengalami Uji F digunakan untuk menun-
heteroskedastisitas. jukkan pengaruh (signifikansi) variabel
Deteksi Multikolinearitas independen yang dimasukkan dalam model
Sebuah model regresi yang secara bersama-sama (simultan) terhadap
tergolong baik ialah tidak ada korelasi variabel tak bebas. Nilai F statistik dapat
yang kuat antar variabel independen dalam dihitung dengan melihat nilai dari F tabel.
model tersebut. Model regresi mengalami Pada penelitian ini hasil estimasi PDRB,
multikolinearitas ketika dua atau lebih IPM dan Pengangguran terhadap Tingkat
variabel independen dalam model tersebut Kemiskinan tahun 2011-2016 dengan taraf
memiliki korelasi yang kuat. Salah satu keyakinan 95%, degree of freedom for
cara mendeteksi multikolinearitas adalah numerator = 4 (k-1) dan degree of freedom
dengan menggunakan correlation matrics, for denominator = 5 diperoleh nilai F tabel
di mana apabila correlation matrics lebih sebesar 4,40. Berdasarkan hasil regresi,
diperoleh nilai F statistik sebesar 3,52% dijelaskan oleh variabel lain di luar
127.5955. Dengan kata lain, variabel model.
DPRB, IPM dan Pengangguran secara PDRB memiliki pengaruh yang
simultan berpengaruh terhadap variabel positif dan signifikan terhadap Tingkat
Tingkat Kemiskinan Jawa Tengah. Kemiskinan di Provinsi Jawa Tengah.
Uji signifikansi Parsial (Uji t) Berdasarkan hasil regresi, koefisien PDRB
Uji statistik t menunjukkan adalah sebesar 0,160. Hasil Persamaan
seberapa besar pengaruh masing-masing menunjukan bahwa variabel PDRB
variabel independen secara individual berpengaruh positif dan signifikan. Artinya
dalam menerangkan variabel dependen. ketika PDRB semakin besar maka Tingkat
Pada penelitian ini, nilai degree of freedom Kemiskinan akan semakin besar. Sejalan
= 175 (n-k = 180-5), maka diperoleh nilai t dengan hasil penelitian, teori kemiskinan
tabel dengan α = 5% sebesar 1,980. relatif yang dikemukakan oleh Miller
Berdasarkan hasil uji signifikansi parsial, (dalam Arsyad, 2010) menyatakan bahwa
nilai t statistik variabel PDRB adalah garis kemiskinan akan berubah apabila
sebesar 1.636, nilai t statistik variabel IPM kondisi perekonomian masyarakat
adalah sebesar -11,194 dan nilai t statistik meningkat yang di sebabkan oleh inflasi,
variabel Pengangguran adalah sebesar sehingga kemiskinan akan selalu ada.
4,620. Sehingga dapat disimpulkan bahwa IPM memiliki pengaruh negatif dan
variabel PDRB, IPM dan Pengangguran signifikan terhadap tingkat kemiskinan
beperngaruh signifikan secara parsial Provinsi Jawa Tengah. Berdasarkan hasil
terhadap Tingkat Kemiskinan di Jawa regresi, nilai koefisien IPM adalah sebesar
Tengah. -5,027. Artinya setiap kenaikan 1 tahun
Berdasarkan hasil olahan komputer pada IPM akan memberikan dampak
dengan menggunakan bantuan software turunnya Tingkat Kemiskinan sebesar
Eviews 9.0. didapat hasil uji yang 5,027%.Hasil penelitian ini sejalan dengan
ditunjukkan pada Tabel 1. penelitian Bakhtiari dan Meisami (2009)
yang menyatakan bahwa adanya
Berdasarkan hasil pengolahan data peningkatan di bidang pendidikan akan
pada Tabel 1 diperoleh bentuk persamaan menurunkan tingkat kemiskinan. Sejalan
sebagai berikut: dengan Bakhtiari dan Meisami, penelitian
yang dilakukan oleh Ataguba dkk. (2013)
Pit = 385.6173 + 0.160666 PDRB + juga memperoleh hasil yang menyatakan
0.229597 Pengangguran – 5.02771 IPM bahwa salah satu faktor penentu
menurunnya tingkat kemiskinan ialah
Model regresi dalam penelitian ini pendidikan.
telah memenuhi asumsi klasik, yaitu Pengangguran yang direpresentasi-
BLUE (Best Linear Unbiased Estimate). kan oleh Tingkat Pengangguran Terbuka
Variabel independen dalam model, yaitu (TPT) memiliki pengaruh yang positif dan
laju pertumbuhan PDRB, Pendidikan, signifikan terhadap Tingkat Kemiskinan
Kesehatan, dan Pengangguran berpengaruh Provinsi Jawa Tengah. Berdasarkan hasil
terhadap Tingkat Kemiskinan secara regresi, nilai koefisien Pengangguran
signifikan (α = 5%). Hasil uji koefisien adalah sebesar 0,229. Artinya setiap
determinasi menunjukkan angka sebesar kenaikan Tingkat Pengangguran Terbuka
0,9878. Sehingga dapat dikatakan bahwa sebesar 1% akan memberikan dampak
sebanyak 96,48% variasi Tingkat naiknya Tingkat Kemiskinan sebesar
Kemiskinan dapat dijelaskan oleh variasi 0,229. Hasil penelitian ini sesuai dengan
laju pertumbuhan PDRB, Pendidikan, penelitian Hong dan Pandey (2007) yang
Kesehatan, dan Pengangguran sedangkan menyatakan bahwa pengangguran
berpengaruh secara positif dan terhadap
kemiskinan. Hasil yang sama juga terhadap kemiskinan. Hasil ini dapat
diperoleh Ukpere dan Slabbert (2009) diartikan bahwa ketika tingkat
yaitu pengangguran di era globalisasi pengangguran naik, tingkat kemiskinan
berpengaruh secara positif dan signifikan juga akan meningkat.
katan kesempatan kerja melalui perluasan Ele-Ojo Ataguba, J., Eme Ichoku, H., &
lapangan kerja akan mengurangi tingkat Fonta, W. M. (2013).
pengangguran, sehingga tingkat kemak- Multidimensional poverty assess-
muran masyarakat meningkat. IPM yang ment: applying the capability
direpresentasikan oleh IPM tahunan approach. International Journal of
berpengaruh secara negatif terhadap Social Economics, 40(4), 331-354.
tingkat Kemiskinan pada 35 Kabu-
paten/Kota di Provinsi Jawa Tengah. IPM Ginting, S., Kuriata, C. (2008),
berkaitan dengan produktivitas. IPM yang Pembangunan Manusia di
baik akan meningkatkan daya kerja Indonesia dan Faktor-Faktor yang
sehingga akan meningkatkan output. Mempengaruhinya. Jurnal Peren-
canaan dan Pembangunan
Wilayah. 4(1).
Saran
Pendidikan formal merupakan Gujarati, D., & Porter, D.C. 2010. Basic
pionir dalam pembentukan modal manusia Econometrics. New York: McGraw
yang berkualitas. Pemerintah diharapkan Hill.
dapat melakukan koordinasi dengan dinas
terkait dalam merumuskan kebijakan yang Mariyanti, T., & Mahfudz, A. A. (2016).
meningkatkan kualitas pendidikan di Jawa Dynamic circular causation model
Tengah. Kualitas tersebut tidak hanya in poverty alleviation: Empirical
berkaitan dengan sarana seperti sekolah evidence from Indonesia.
atau guru, namun juga kemudahan Humanomics, 32(3), 275-299.
masyarakat dalam mengakses pendidikan
Mulyadi. (2012). Ekonomi Sumber Daya
yang nantinya dapat digunakan sebagai
Manusia dalam Perspektif
modal dalam meningkatkan kesejahteraan.
Pembangunan. Jakarta. Raja
Pemerintah Provinsi Jawa Tengah
Grafindo Persada.
diharapkan dapat melakukan koordinasi
dengan instansi terkait dalam Nasir, M. (2008). Analisis Faktor-Faktor
mengoptimalkan pelayanan kesehatan Yang Mempengaruhi Kemiskinan
sehingga masyarakat dapat mengaksesnya Rumah Tangga Di Kabupaten
dengan mudah, terutama bagi masyarakat Purworejo. Jurnal Eksekutif. 5(4).
kurang mampu.
Nurkse, R. (2006). Problems of Capital
DAFTAR PUSTAKA Formation in Underdeveloped
Countries. Oxford Basis Blackwell.
Akoum, I. F. (2008). Globalization, Prasad, B. C. (1998). The woes of
growth, and poverty: the missing economic reform: poverty and
link. International Journal of income inequality in Fiji.
Social Economics, 35(4), 226-238. International Journal of Social
Economics, 25(6/7/8), 1073-1094.
Bakhtiari, S., & Meisami, H. (2010). An
empirical investigation of the Saputra, W. A., & Mudakir, Y. B. (2011).
effects of health and education on Analisis Pengaruh Jumlah
income distribution and poverty in Penduduk, PDRB, IPM,
Islamic countries. International Pengangguran Terhadap Tingkat
Journal of Social Economics, Kemiskinan di Kabupaten/Kota
37(4), 293-301. Jawa Tengah (Doctoral disser-
tation, Universitas Diponegoro).