Adam Harya Pangestu

IR-PERPUSTAKAAN UNIVERSITAS AIRLANGGA
DETERMINAN KEMISKINAN DI JAWA TIMUR
SKRIPSI
DIAJUKAN UNTUK MEMENUHI SEBAGIAN PERSYARATAN

DALAM MEMPEROLEH GELAR
SARJANA EKONOMI
Oleh:
ADAM HARYA PANGESTU

NIM. 041611133009
PROGRAM STUDI S1 EKONOMI PEMBANGUNAN
FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS AIRLANGGA
SURABAYA
2021
SKRIPSI DETERMINAN KEMISKINAN DI JAWA TIMUR ADAM H PANGESTU

DETERMINANT OF POVERTY IN EAST JAVA

THESIS
SUBMITTED IN PARTIAL FULFILLMENT

OF THE REQUIREMENTS FOR THE DEGREE OF
BACHELOR OF ECONOMICS
by:
ADAM HARYA PANGESTU
NIM. 041611133009
DEVELOPMENT ECONOMICS STUDY PROGRAM
FACULTY ECONOMIC AND BUSINESS

UNIVERSITAS AIRLANGGA
SURABAYA
2021

Surabaya, 13 Oktober 2021
Skripsi telah selesai dan siap untuk diuji
Dosen Pembimbing
ATIK PURMIYATI, SE.,M.Si.,Ph.D
NIP. 197011201997022001
ii

SKRIPSI
DIAJUKAN OLEH:
ADAM HARYA PANGESTU
NIM: 041611133009
TELAH DISETUJUI DAN DITERIMA DENGAN BAIK OLEH:

DOSEN PEMBIMBING,
ATIK PURMIYATI, SE.,M.Si.,Ph.D TANGGAL 27 Oktober 2021

NIP: 197011201997022001
KOORDINATOR PROGRAM STUDI,
RUMAYYA, S.E.,M.Reg.Dev.,Ph.D. TANGGAL 27 Oktober 2021

NIP: 198301092009121003
iii

PERNYATAAN ORISINALITAS SKRIPSI
iv

DECLARATION

KATA PENGANTAR
Puji syukur kepada Allah SWT yang telah memberikan saya waktu,
kesehatan, kemudahan dan ketabahan yang luar biasa untuk menyelesaikan
skripsi ini. Skripsi dengan judul “ Analisis Determinan Kemiskinan di Jawa
Timur” ini disusun untuk memenuhi sebagian persyaratan memperoleh gelar
sarjana ekonomi Departemen Ilmu Ekonomi Program Studi Ekonomi
Pembangunan Fakultas Ekonomi dan Bisnis Universitas Airlangga. Berbagai
pihak telah membantu dalam menyelesaikan penelitian ini. Dalam kesempatan
ini saya ingin mengucapkan terima kasih kepada Atik Purmiyati, S.E., M.Si.,
Ph.D selaku dosen pembimbing yang telah bersedia meluangkan waktu untuk
membimbing, memberikan nasehat dan saran untuk penyelesaian penelitian ini.
Saya juga ingin mengucapkan terima kasih kepada Prof. Dr. Dian
Agustia, SE., M.Si., Ak., selaku Dekan Fakultas Ekonomi dan Bisnis Universitas
Airlangga yang telah memberikan kesempatan kepada saya untuk mengikuti
kuliah di Program Studi S1 Ekonomi Pembangunan. Penghargaan dan terima
kasih juga ditujukan kepada Rumayya, S.E.,M.Reg.Dev.,Ph.D. sebagai
Koordinator Program Studi S1 Ekonomi Pembangunan dan para dosen yang
telah mendukung dan memberikan masukan pada penelitian ini, para tenaga
kependidikan yang bertanggung jawab terhadap administrasi akademik.
Tak lupa juga, saya mengucapkan banyak terima kasih kapada kedua
orang tua, yaitu Ayah Adji Basukirno, Ibu Triwidasari, serta kakak, adik dan
saudara tercinta yang selalu memberikan dukungan moril mapun materiil.
Penulis juga menyampaikan terimakasih kepada seluruh teman-teman jurusan
Ekonomi Pembangunan angkatan 2016 yang tidak bisa disebutkan satu persatu.
Penulis menyadari skripsi ini masih jauh dari sempurna, oleh karena itu penulis
mohon maaf apabila masih terdapat kekurangan dan kesalahan. Segala bentuk
kritik dan saran yang bersifat membangun sangat penulis harapkan. Semoga
skripsi ini dapat bermanfaat bagi pembaca.
Surabaya, 27 Oktober 2021
Penulis
vi


Adam Harya Pangestu
ABSTRAK
Penelitian ini bertujuan untuk mengetahui dan menganalisis faktor-faktor
yang mempengaruhi kemiskinan di Jawa Timur secara parsial dan simultan.
Metode yang digunakan adalah regresi data panel. Penggunaan metode ini
disebabkan data yang digunakan adalah gabungan dari data time series 2011-
2019 dan data cross section kabupaten/kota di Jawa Timur dengan menggunakan
model FEM (Fixed Effect Model). Penelitian ini meregresi variabel IPM,
pertumbuhan ekonomi, TPAK, luas sawah, dan jumlah industri terhadap
kemiskkinan di Jawa Timur.
Hasil penelitian menunjukan secara simultan seluruh variabel independen
berpengaruh signifikan terhadap variabel kemiskinan di Jawa Timur, dan secara
parsial variabel IPM, pertumbuhan ekonomi, dan jumlah industri berpengaruh
negatif signifikan terhadap variabel kemiskinan di Jawa Timur. Variabel yang
berpengaruh positif terhadap kemiskinan di Jawa Timur adalah luas sawah dan
TPAK akan tetapi hanya luas sawah yang pengaruhnya signifikan.
Kata Kunci : Determinan, Kemiskinan, Jawa Timur
vii

DETERMINANT OF POVERTY IN EAST JAVA
Adam Harya Pangestu
ABSTRACT
This study aims to determine and analyze the factors that influence
poverty in East Java partially and simultaneously. The method used is panel data
regression. The use of this method is because the data used is a combination of
time series data from 2011 to 2019 and cross section data of districts/cities in East
Java using the FEM (Fixed Effect Model) model. This study regresses the
variables HDI, economic growth, TPAK (Labour Force Participation Rate), area
of rice fields, and number of industries to poverty in East Java.
The results showed that simultaneously all independent variables had a
significant effect on the poverty variable in East Java, and partially HDI,
economic growth, and the number of industries had a significant negative effect
on the poverty variable in East Java. Variables that have a positive effect on
poverty in East Java are rice field area and TPAK (Labor Force Participation
Rate) but only rice field area has a significant effect.
Keywords: Determinant, Poverty, East Java
viii

DAFTAR ISI
HALAMAN JUDUL ................................................................................. i
HALAMAN PERSETUJUAN .................................................................. ii
HALAMAN PENGESAHAN ................................................................. iii
PERNYATAAN ORISINALITAS SKRIPSI ........................................... iv
DECLARATION ..................................................................................... v
KATA PENGANTAR ............................................................................. vi
ABSTRAK ............................................................................................. vii
ABSTRACT .......................................................................................... viii
DAFTAR ISI .......................................................................................... ix
DAFTAR TABEL ................................................................................ xiiii
DAFTAR GAMBAR ............................................................................ xiv
BAB 1 PENDAHULUAN ....................................................................... 1
1.1 Latar Belakang ................................................................................ 1
1.2 Kesenjangan Penelitian ................................................................... 6
1.3 Tujuan Penelitian ............................................................................ 7
1.4 Ringkasan Metode Penelitian ......................................................... 7
1.5 Ringkasan Hasil Penelitian ............................................................. 8
1.6 Kontribusi Riset .............................................................................. 8
1.7 Sistematika Penulisan ..................................................................... 8
BAB 2 TINJAUAN PUSTAKA ............................................................ 10
2.1 Landasan Teori ............................................................................. 10
2.1.1 Kemiskinan ............................................................................ 10
2.1.2 Teori Lingkaran Kemiskinan .................................................. 11
ix

2.1.3 Teori Pertumbuhan Inklusif .................................................... 12
2.1.4 Faktor Penyebab Kemiskinan ................................................. 13
2.2 Penelitian Terdahulu ..................................................................... 14
2.3 Hipotesis....................................................................................... 16
BAB 3 METODE PENELITIAN........................................................... 17
3.1 Pendekatan Penelitian ................................................................... 17
3.2 Identifikasi Variabel ..................................................................... 17
3.3 Definisi Operasional ..................................................................... 17
3.4 Jenis Sumber Data ........................................................................ 18
3.5 Model Analisis ............................................................................. 19
3.6 Teknik Analisis ............................................................................. 20
3.6.1 Regresi Data Panel ................................................................. 20
3.6.2 Metode Estimasi .................................................................... 21
3.6.2.1 Pooled Least Square ........................................................ 21
3.6.2.2 Fixed Effect Model.......................................................... 21
3.6.2.3 Random Effect Model ..................................................... 21
3.6.3 Analisis Pengujian Hipotesis .................................................. 22
3.6.4 Uji Asumsi Klasik .................................................................. 23
3.6.4 Uji Hipotesis .......................................................................... 24
BAB 4 HASIL DAN PEMBAHASAN .................................................. 27
4.1 Gambaran Umum ......................................................................... 27
4.1.1 Kemiskinan di Jawa Timur ..................................................... 27
4.1.2 Indeks Pembangunan Manusia di Jawa Timur ........................ 28
4.1.3 PDRB Jawa Timur ................................................................. 29
4.1.4 Luas Sawah di Jawa Timur .................................................... 30

4.1.5 Jumlah Industri di Jawa Timur ............................................... 31
4.1.6 TPAK di Jawa Timur ............................................................. 32
4.2 Deskripsi Hasil Penelitian ............................................................. 33
4.3 Hasil Estimasi dan Pembuktian Hipotesis ..................................... 36
4.3.1 Pemilihan Model Analisis dalam Estimasi Metode Data Panel 38
4.3.2 Uji Asumsi Klasik .................................................................. 39
4.3.2.1 Uji Multikolinieritas ........................................................ 39
4.3.2.2 Uji Heterokedastisitas...................................................... 40
4.3.2.3 Uji Autokorelasi .............................................................. 41
4.3.3 Uji Statistik ............................................................................ 43
4.3.3.1 Uji t statistik (parsial) ...................................................... 43
4.3.3.2 Uji F Statistik (Simultan) ................................................. 45
4.3.4 Koefisien Determninasi (𝑅2).................................................. 46
4.4 Pembahasan .................................................................................. 46
4.4.1 Pengaruh IPM, luas sawah, jumlah industri, TPAK, dan

pertumbuhan ekonomi terhadap persentase penduduk miskin.. 46
4.4.1.1 Pengaruh IPM Terhadap Persentase Penduduk Miskin .... 47
4.4.1.2 Pengaruh Pertumbuhan Ekonomi terhadap Persentase

Penduduk Miskin ............................................................. 48
4.4.1.3 Pengaruh TPAK terhadap Persentase Penduduk Miskin... 48
4.4.1.4 Pengaruh Luas Sawah terhadap Persentase Penduduk

Miskin ............................................................................. 49
4.4.1.5 Pengaruh Jumlah Industri terhadap Persentase Penduduk

Miskin ............................................................................. 50
BAB 5 KESIMPULAN DAN SARAN .................................................. 52
5.1 Kesimpulan .................................................................................. 52
xi

5.2 Saran ............................................................................................ 52
5.3 Keterbatasan Penelitiaan ............................................................... 53
DAFTAR PUSTAKA............................................................................. 54
LAMPIRAN ........................................................................................... 57
xii

DAFTAR TABEL
Tabel 4.1 Ringkasan Deskripsi Statistik Variabel ............................................... 34

Tabel 4.2 Hasil Regresi Data Panel .................................................................... 36
Tabel 4.3 Hasi Uji Chow .................................................................................... 38
Tabel 4.4 Hasil Uji Hausman ............................................................................. 39
Tabel 4.5 Hasil Uji Multikolinieritas .................................................................. 40
Tabel 4.6 Hasil Uji Heterokedastisitas ................................................................ 41
Tabel 4.7 Hasil Uji Autokorelasi ........................................................................ 42
Tabel 4.8 Hasil General Least Square................................................................. 42
Tabel 4.9 Hasil Uji T Statistik ............................................................................ 43
xiii

DAFTAR GAMBAR
Gambar 1.1 Persentase Penduduk Miskin di Indonesia tahun 2013-2019 .............. 2

Gambar 1.2 Persentase Penduduk Miskin dan Pertumbuhan Ekonomi Indonesia
2013-2019............................................................................................................ 3
Gambar 1.3 Persentase Penduduk Miskin Tahun 2019 di 6 Provinsi Pulau Jawa .. 4
Gambar 1.4 Perkembangan Persentase Penduduk Miskin di Jawa Timur, 2011-
2019..................................................................................................................... 5
Gambar 2.1 Lingkaran Kemiskinan........................................................................12
Gambar 4.1 Persentase Penduduk Miskin Jawa Timur dan Indonesia...................27
Gambar 4.2 Indeks Pembanguan Manusia di Jawa Timur 2011-2019 ................. 28
Gambar 4.3 Laju Pertumbuhan PDRB atas dasar harga konstan Jawa Timur ...... 29
Gambar 4.4 Luas Sawah Irigasi dan Non Irigasi di Jawa Timur 2011-2019
(Ribuan HA) ...................................................................................................... 30
Gambar 4.5 Jumlah Industri Besar dan Sedang Jawa Timur tahun 2011-2019 .... 31
Gambar 4.6 Tingkat Partisipasi Angkatan Kerja Jawa Timur 2011-2019 ............ 32
xiv

BAB 1
PENDAHULUAN
1.1 Latar Belakang

Kemiskinan merupakan kondisi yang dikhawatirkan dalam kehidupan
manusia, sehingga untuk menaggulanginya merupakan prioritas utama
pembangunan (Todaro, 2012). Kemiskinan di Indonesia digambarkan dengan
berbagai kondisi seperti masih banyaknya gizi buruk pada anak, buruknya
tingkat kesehatan, tingginya angka buta huruf, dan kurang teraksesnya
infrastukur dan pelayanan publik. Tingginya disparitas antar daerah dan
golongan masyarakat adalah salah satu akar kemiskinan di Indonesia, hal tersebut
diakibatkan oleh tidak terdistribusinya pendapatan secara merata, sehingga antara
masyarakat kaya dan miskin kesenjangannya semakin melebar (Tisniwati, 2012).
Permasalahan kemiskinan selain merupakan masalah nasional juga
merupakan permasalahan yang terjadi ditingkat regional (Basyir, 2015). Berbagai
program pembangunan masing-masing daerah sering diarahkan pada penurunan
jumlah penduduk miskin. Dalam kenyataanya sulit untuk mengidentifikasi dan
mendefinisikan tingkat kemiskinan masayarakat yang dikarenakan setiap
pendekatan yang dilakukan oleh pemerintah memiliki kekurangan dan kelebihan
(Handalani, 2019).
Gambar 1.1 menunjukan persentase penduduk miskin di Indonesia pada

tahun 2013-2019. Menurut laporan BPS terlihat bahwa persentase penduduk
miskin di Indonesia memiliki tren yang menurun. Dapat dilihat persentase
penduduk miskin di Indonesia sebesar 11,46% pada tahun 2013, lalu pada tahun
2014 turun sebesar 0,5% dari tahun sebelumnya menjadi 10,96%. Peningkatan
terjadi pada tahun 2015 dikarenakan inflasi yang cenderung meningkat karena

2
beberapa penyesuaian yang dibuat dalam kebijakan subsisidi bahan bakar di

Indonesia sebesar 0,17 %.
14,00%
12,00%
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
2013 2104 2015 2016 2017 2018 2019
Penduduk Miskin 11,46% 10,96% 11,13% 10,70% 10,12% 9,66% 9,22%
Sumber : (BPS, 2020)

Gambar 1.1 Persentase Penduduk Miskin di Indonesia tahun 2013-2019
Selain hal tersebut upah bururh tani secara riil mengalami penururnan
dibandingkan dengan September 2014 menjadikan penduduk yang sebelumnya
berada sedikit diatas garis kemiskinan menjadi ke bawah garis kemiskinan
(BPS,2015). Selanjutnya persentase penduduk miskin di Indonesia terus terjadi
penurunan dari tahun 2016 sampai dengan 2019 ditutup dengan 9,22% pada
tahun 2019.
Menuturut penelitian Tri Wahyuni & Damayanti (2014) ketika

pertumbuhan ekonomi suatu negara meningkat, maka kemiskinan dinegara
tersebut dapat dikurangi. Sebalikya apabila perekonomian suatu negara dalam
keadaan menurun peningkatan penduduk miskin akan dapat terjadi (Tri Wahyuni
& Damayanti, 2014). Dalam gambar 1.2 kita dapat melihat ketika pertumbuhan
ekonomi tahun 2016 meningkat sebesar 0,15 persen dari tahun sebelumnya,
persentase penduduk miskin tahun 2016 terjadi penururan sebesar 0,43% dari
tahun 2015. Hal tersebut juga terjadi ditahun 2018, ketika pertumbuhan ekonomi

3
indonesia meningkat sebesar 0,10% dari tahun sebelumnya, persntase penduduk

miskin mengalami penururnan sebesar 0,46% dari tahun 2017.
14,00%
12,00%
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
2013 2014 2015 2016 2017 2018 2019
Persentase penduduk
11,46% 10,96% 11,13% 10,70% 10,12% 9,66% 9,22%
miskin
Pertumbuhan ekonomi 5,56% 5,01% 4,88% 5,03% 5,07% 5,17% 5,02%
Sumber : (BPS,2020)
Gambar 1.2 Persentase Penduduk Miskin dan Pertumbuhan

Ekonomi Indonesia 2013-2019
Ketidakmerataan pembangunan ekonomi di Indonesia bisa menjadi
penyebab kemiskinan di Indonesia. Pembangunan ekonomi merupakan suatu
kegiatan penting untuk meciptakan perekonomian negara berkembang menjadi
lebih baik. Terpusatnya penduduk yang hanya sebagian besar berada di Pulau
Jawa, khususnya di Provinsi Jawa Timur, Jawa Tengah dan Jawa Barat
menunjukan pembangunan yang ada di Indonesia tidak merata ke seluruh
wilayah. Kondisi ini mengakibatkan 57,5 persen penduduk miskin di indonesia
rata-rata penduduk miskin di Pulau jawa. Keadaan ini menujukan hanya
golongan tertenu yang menikmati pertumbuhan ekonomi, tidak semua golongan
merasakannya (Siregar & Wahyuni, 2007). Tingginya kesenjangan pendapatan
setiap daerah dan pertumbuhan ekonomi yang tidak menyeluruh adalah akar
masalah dalam mengurangi kemikinan di Indonesia (Tisniwati, 2012).

4
Sumber : (BPS,2020)
Gambar 1.3 Persentase Penduduk Miskin Tahun 2019 di 6 Provinsi Pulau

Jawa
Pada tahun 2019 di Provinsi Jawa Timur, persentase penduduk miskin
sebesar 10,2%. Pada tahun 2019 persentase penduduk miskin di Jawa Timur
adalah persentase penduduk miskin terbesar nomor tiga di Pulau Jawa setelah
Provinsi DI Yogyakarta dan Jawa Tengah yang besarnya masing-masing adalah
11,44% dan 10,58%. Meskipun persentasenya bukan merupakan yang tertinggi,
Jawa Timur jika dibandingkan dengan kedua Provinsi tersebut memiliki jumlah
penduduk paling banyak sebesar 39 juta jiwa selain itu Jawa Timur merupakan
povinsi dengan wilayah terluas diantara enam provinsi lain di Pulau Jawa. Jawa
Timur terdiri atas 29 kabupaten dan 9 kota dengan wilayah yang luas tersebut.
Kondisi yang memprihatinkan lainnya adalah pada tahun yang sama besar
persentase penduduk miskin Jawa Timur melebihi persentase pendusuk miskin
nasional yang sebesar 9,22 % (BPS,2020).

5
16,00%
14,00%
12,00%
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
Sumber : BPS Provinsi Jawa Timur, diolah
Gambar 1.4 Perkembangan Persentase Penduduk Miskin di Jawa

Timur, 2011-2019
Jawa Timur merupakan provinsi dengan laju pertumbuhan ekonomi
terbesar setelah DKI Jakarta, akan tetapi persentase penduduk miskin di Jawa
Timur masih tergolong tinggi. Pada tahun 2011, Jawa Timur merupakan provinsi
dengan jumlah penduduk miskin tertinggi dari Provinsi lain di Pulau Jawa,
bahkan lebih tinggi dari persentase penduduk miskin nasional, akan tetapi secara
agregat mengalami penurunan antara 1,97 sampai dengan 2 persen setiap
tahunnya. Daerah pedesaan di Provinsi Jawa Timur masih mengalami kondisi
kemiskinan yang tinggi dibandingkan dengan daerah perkotaan, buktinya untuk
daerah pedesaan kemiskinnan mencapai 14,16%, sedangkan daerah perkotaan
hanya mencapai 6,77% pada September 2019 (BPS,2020).
Dalam penelitian ini kemiskinan di Jawa Timur dapat dipengaruhi oleh

beberapa faktor. Faktor yang pertama adalah IPM, IPM dapat mempengaruhi
kemiskinan karena IPM merupakan gambaran dari dimensi pendidikan,
kesehatan dan kemampuan konsumsi pendudul dalam suatau wilayah. Apabila
ketiga dimensi ini meningkat maka sudah seharusnya kemiskinan dapat ditekan.
Selanjutnya adalah banyaknya tenaga kerja dan penyerapanya. Kedua faktor ini

6
dalam studi ini digambarkan dengan TPAK, peningkatan luas sawah dan jumlah
industri. Pada tahun 2011-2019 IPM, TPAK, luas sawah dan jumlah industri
menunjukan tren yang cenderung meningkat setiap tahunnya.
Word Bank (2006) menyatakan bahwa penyebab kemiskinan adalah

keterbatasan lapangan kerja dan biasanya mereka yang dikategorikan miskin
tidak memiliki pekerjaan. Peningkatan angka TPAK apabila tidak dibarengi
dengan banyaknya lapangan pekerjaan, dapat menimbulkan masalah baru yaitu
pengangguran. Karena didalam TPAK ini terdapat angakatan kerja yang sudah
memiliki pekerjaan dan belum memiliki pekerjaan. Sedangkan luas sawah dan
jumlah industri disini dapat digunakan untuk melihat tersedianya lapangan
pekerjaan. Dengan bertambahnya luasa sawah dan jumlah industri diharapkan
dapat menyerap tenaga kerja sehingga penduduk dapat memperoleh pendapatan
untuk memenuhi kebutuhan hidupnya.
Latar belakang diatas digunakan sebagai landasan penelitian ini, untuk

melihat determinan kemiskinan di Jawa Timur dengan variabel yang diuji yaitu
IPM( indeks pembangunan manusia), luas sawah, jumlah industri, pertumbuhan
ekonomi, dan TPAK( Tingkat Partisispasi Angkatan Kerja) sehingga dapat
diketahui penyebab kemiskinan di Jawa Timur dengan harapan memperoleh
solusi yang tepat untuk diterapkan dalam program pengentasan kemiskinan yang
ada di Jawa Timur.
1.2 Kesenjangan Penelitian

Penelitian ini memiliki perbedaan dari penelitian (Fadilah et al., 2016)
yang menganalisis kemiskinan di Jawa Tengah dengan variabel yang digunakan
yaitu pertumbuhan penduduk, IPM, pendapatan perkapita, dan tingkat
pengangguran pada tahun 2009-2013. Hasil yang didapatkan adalah peningkatan
kemiskinan di Jawa Tengah dipengaruhi oleh menigkatnya pengangguran
terbuka sedangkan penurunan kemiskinan diakibatkan oleh meningktanya
variabel pendapatan perkapita dan IPM. Variabel pertumbuhan penduduk pada
penelitian tersebut mendapatkan hasil yang tidak signifikan tetapi memiliki
pengaruh positif. Penelitain lainnya yaitu penelitain dengan menggunakan

7
metode Auto-Regresif Distributed Lag Approach (ARDL) dan Toda-Yamamoto

Augmented Kausalitas Granger (TYAGC) oleh (Afzal & Malik, 2012). Hasilnya
ada hubungan jangka panjang terhadap pertumbuhan ekonomi, pendidikan,
modal fisik dan kemiskinan. Dalam jangka panjang pendidikan memiliki
pengaruh yang signifikan terhadap pertumbuhan ekonomi, kemiskinan dapat
ditekan dan peningkatan pertumbuhan ekonomi terjadi karena adanya
pendidikan yang baik.
Lima variabel yang digunakan dalam penelitian ini yaitu IPM,
pertumbuhan ekonomi, TPAK, luas sawah dan jumlah industri. Metode yang
dipakai adalah regresi data panel dengan model yang terpilih FEM. Hasil yang
didapatkan secara simultan variabel IPM, pertumbuhan ekonomi, TPAK, luas
sawah dan jumlah industri berpengaruh signifikan terhadap kemiskinan di Jawa
Timur, secara parsial semua variabel berpengaruh signifikan kecuali TPAK.
Penambahan variasi variabel ini diharapkan dapat melihat keberagaman variabel
yang dapat mempengarui kemiskinan di Jawa Timur.
1.3 Tujuan Penelitian
Melihat latar belakang dan permasalahan penelitian yang telah dijelaskan
diatas, penelitiaan ini bertujuan :
1. Mengetahui dan menganalisis faktor yang dapat mempengaruhi kemiskinan di

Jawa Timur pada tahun 2011-2019 secara simultan dan parsial
1.4 Ringkasan Metode Penelitian

Metode yang digunakan adalah regresi data panel. Penggunaan metode
ini disebabkan data yang digunkana adalah gabungan dari data time series 2011-
2019 dan data cross section kabupaten/kota di Jawa Timur. Setelah dilakukan
pengujian pemilihan model, didapatkan model FEM (Fixed Effect Model)
dengan meregresi variabel IPM, pertumbuhan ekonomi, TPAK, luas sawah,
jumlah industri terhadap kemiskkinan di Jawa Timur.

8
1.5 Ringkasan Hasil Penelitian

Hasil yang didapatkan secara simultan semua variabel berpenagruh
signifikan pada variabel kemiskinan di Jawa Timur, dan secara parsial semua
berpengaruh signifikan pada kemiskinan di Jawa Timur kecuali variabel TPAK.
1.6 Kontribusi Riset

Kontribusi dalam riset ini yaitu :
1. Sebagai tambahan wawasan bagi pembaca dalam bidang ekonomi

pembangunan.
2. Sebagai bahan masukan kepada pemangku kebijakan dalam
menetukan program-program pengentasan kemiskinan.
3. Sebagai bahan referensi dalam kajian ilmu ekonomi
pembangunan dan tunjangan penelitian selanjutya.
1.7 Sistematika Penulisan

Penelitian ini membagi sistematika penulisan menjadi lima bagian:
Bab 1 Pendahuluan
Bab ini menjelaskan latar belakang yang mendasari dilaksankan
penelitian ini, baik beberapa teori maupun fakta yang ada yang menimbulkan
minat dalam melakukakan penelitian, serta menjelaskan tujuan dan manfaat
penelitian yang ingin dicapai.
Bab 2 Tinjauan Pustaka
Bab ini menjelaskan teori kemiskinan dan faktor penyebab kemiskinan.
Selain itu juga memaparkan penelitian terdahulu dengan topik yang sama dan
juga memaparkan hipotesis berdasarkan latar belakang masalah.
Bab 3 Metodologi Penelitian
Bab ini menjelaskan pendekatan penelitian yaitu pendekatan kuantitatif
serta jenis dan sumber data. Selain itu juga dipaparkan indentifikasi variabel,
definisi operasional variabel, dan teknil analisis yag digunakan.

9
Bab 4 Hasil dan Pembahasan

Bab ini akan membahas analisis yang digunakan, serta membahas analisis
dengan perhitugannya. Selain itu juga memaparkan jawaban dari rumusan
masalah yang diangkat dengan dasar hasil perhitungan dan teori.
Bab 5 Kesimpulan dan Saran

Bab ini menjelaskan kesimpulan penulis terkait dengan permasalahan
yang terdapat dalam skripsi ini, disesuaikan dari hasil yang di tentukan dari
pembahasan. Saran-saran juga dimasukkan dalam bab ini.

BAB 2
TINJAUAN PUSTAKA
2.1 Landasan Teori

2.1.1 Kemiskinan
. Badan Perencanaan dan Pembangunan Nasional mengartikan
kemiskinan dengan keadaan seseoorang atau sekelompk orang, tidak bisa
mmenuhi kebutuhan atau hak yang mendasar dalam menjalankan kehidupan
yang layak (BAPPENAS, 2010). Kemiskinan merupakan kondisi tidak
mampunya dari ekonomi guna mencukupi kebutuhan pokok pangan dan bukan
pangan yang dilihat dari segi pengeluaran (Criswardani, 2005).
Umumnya, jumlah penduduk miskin dapat ditentukan menggunakan garis

kemiskinan yang digunakan sebagai acuan pembeda antara golongan penduduk
miskin atau tidak miskin. Cara yang dilakukan adalah dengan melakukan
perbandingan besarnya konsumsi masyarakat dengan garis kemiskinan yang
telah ditentukan atau besarnya rupiah untuk konsumsi setiap orang per bulan
(BPS, 2019). Kuncoro (2003)berpendapat bahwa pentingnya pilihan norma
dalam indikator kemiskinan dengan pendekatan konsumsi, dimana penetuan
garis kemiskinan berdasarkan konsumsi (consumption-based on poverty line)
dibagi menjadi dua kondisi (1) untuk mencukupi kebutuhan dasar dan standar
gizi minimumnya membutuhkan seberapa banyak pengeluaran, (2) beragamnya
kebutuhan lain secara tidak langsung menunjukan biaya yang dikeluarkan dalam
kehidupan bermasyarakat (Kuncoro, 2003).
Menurut World Bank (2006) kemiskinan sebagai ketidakmampuan

seseorang untuk mencapai satandar minimum. Kemiskinan juga memperlihatkan
kondisi relatif maupun absolut penduduk atau kelompok masyarakat di suatu
wilayah karena sebab natural, kultural, dan stuktural, yang menyebabkan tidak
terpenuhinya kebutuhan pokok yang sesuai. Secara konsep kemiskinan dibagi
menjadi dua, yaitu kemiskinan absolut dan kemiskinan relatif.
10

11
Kemiskinan absolut merupakan keadaan dimana seseorang mempunyai

penghasilan dibawah garis kemiskinan maupun belum terpenuhinya kebutuhan
pokok, kesehatan, perumahan, dan pendidikan, agar dapat hidup dan bekerja
(Todaro, 2012). Sedangkan World Bank (2006) mengartikan bahwa kemiskinan
ini diukur dengan menggunakan ukuran kemampuan seseorang untuk mencapai
standar hidup minimum. Ukuran kemiskinan jenis ini dipandang sebagai
kemiskinan yang sifatnya mutlak, yang berarti ukuran kemiskinan ditentukan
secara jelas. Jadi seseorang tergolong dalam katagori miskin apabila tidak dapat
keluar dari ukuran-ukuran yang telah ditetapkan sebagai batas
kemiskinan(Nugroho dan Dahuri, 2012).
Pada konsep kemiskinan relatif, kemiskinan seseorang ditentukkan oleh

pendapatannya yang berada dibawah pendapatan rara-rata suatu populasi.
Sedangkan menurut Todaro (2012) kemiskinan relatif diartikan sebagai kondisi
dimana tidak meratanya pendapatan merupakan penyebab kemiskinan. Selain itu
adanya kebijakan pembangunan yang tidak merata tidak menjangkau seluruh
elemen masyarakat merupakan penyebab kemiskinan relatif. Dapat disimpulkan
pendekatan relatif ini melihat seseorang termasuk miskin atau tidak melalui
pendapatannya. Pendapatan pada tingkat distibusi rendah adalah batas dari
pendekatan realif. Dengan demikian, selama ada ketimpangan dalam struktur
masyarakat, kemiskinan akan selalu ada. Dengan kata lain, pendekatan ini
berfokus pada kesenjangan pendapatan, dibandingkan pendekatan absolut yang
berfokus pada pemenuhan kebutuhan minimum (Schiler, 2003).
2.1.2 Teori Lingkaran Kemiskinan

Teori lingkaran kemiskinan oleh Ragnar Nurkse dalam (Kregel dan
Reinert, 2009) menunjukan hubungan antara keterbelakangan, ketidak
sempurnaan pasar, kurangnya modal, rendahnya produktifitas, rendahnya
pendapatan, rendahnya tabungan dan investasi dapat mempengaruhi satu sama
lain sehingga membentuk sebuah lingkaran sehingga disebut lingkaran
kemiskianan.

12
Sumber : Nurkse dalam Kregel dan Reinert (2009), diolah
Gambar 2.1 Lingkaran Kemiskinan
Dalam gambar 2.1 dapat dilihat bahwa setiap aspek dapat mempengaruhi
aspek lainnya. Ketimpangan sumber daya yang dimiliki dapat mempengaruhi
produktivitas dari setiap orang. Ketika produktivitas berkurang maka pendapatan
yang diterima juga berkurang. Kemudian setelah berkurangnya pendapatan maka
konsumsi, tabungan dan investsi juga akan berkurang dan menyebabkan
kemiskinan.
2.1.3 Teori Pertumbuhan Inklusif

Pertumbuhan ekonomi yang inklusif adalah pertumbuhan yang meluas antar
sektor atau intensif terhadap tenaga kerja. Dengan begitu pertumbuhan inklusif dapat
dikatakan sebagai pertumbuhan yang melibatkan partisipasi semua pihak tanpa
diskriminasi dan mampu melibatkan seluruh sektor ekonomi (Klasen ,2010).
Menurut Habito (2009) pertumbuhan inklusif didefinisikan sebagai pertumbuhan
GDP yang dapat menurunkan kemiskinan. Habito juga menjelaskan bahwa struktur
perekonomian dan komposisi sektoral dalam pertumbuhan ekonomi telah diyakini
sebagai faktor penting untuk mencapai pertumbuhan inklusif, dengan pernyataan
umum bahwa pertumbuhan yang lebih kuat pada struktur pertanian akan
mempercepat penurunan kemiskinan.

13
Berbagai konsep yang ditawarkan untuk merumuskan pertumbuhan inklusif

memiliki pandangan masing-masing mengenai bagaimana seharusnya pertumbuhan
dapat bekerja dalam perekonomian. Faktor-faktor seperti ketimpangan, kemiskinan,
masalah sektoral dan tenaga kerja seringkali disebutkan dalam uraian mengenai
berbagai konsep pertumbuhan inklusif. Pertumbuhan inklusif dapat dikatakan
sebagai ukuran apakah pertumbuhan ekonomi suatu negara merupakan pertumbuhan
yang berkualitas. Pertumbuhan ekonomi disebut inklusif apabila pertumbuhan
tersebut mampu menurunkan kemiskinan, menurunkan ketimpangan distribusi
pendapatan, dan menyerap lebih banyak tenaga kerja (Dyah Hapsari et al., 2018).
2.1.4 Faktor Penyebab Kemiskinan

Menurut Bappenas (2010) indikator penyebab kemiskinan diantaranya
adalah : (1) terbatasnya kecukupan dan mutu pangan, (2) terbatasnya akses dan
rendahnya layanan kesehatan, (3) terbatasnya akses dan rendahnya layanan
pendidikan, (4) terbatasnya kesempatan kerja dan berusaha, (5) terbatasnya
modal ekonomi.
Indikator pendidikan, kesehatan dan pemenuhan kebutuhan pokok dapat

dilihat melalui indeks pembangunan manusia (IPM), karena indeks ini mengukur
dimensi umur panjang dan sehat, dimensi pengetahuan, dan dimensi standar
hidup layak yang disajikan dalam bentuk indeks (BPS, 2019). Banyaknya faktor
menjadikan dimensi tersebut memiliki arti luas. Angka harapa hidup adalah
ukuran dari dimensi umur panjang dan sehat, angka melek huruf dan rata-rata
lama sekolah adalah ukuran dari dimensi pengetahuan, terakhir dimensi hidup
layak menggunakan indikator kemampuan daya beli (Purchasing Power Parity)
kebutuhan pokok untuk mengukurnya.
Terbatasnya kesempatan kerja adalah salah satu faktor penyebab

kemiskinan, dikarenakan dapat menimbulkan masalah pengangguran. Tingginya
angka TPAK dalam suatu wilayah menandakan bahwa terdapat banyak pasokan
tenaga kerja pada wiayah tersebut. Apabila pasokan ini tidak terserap
sepenuhnya, maka akan menjadikan bumerang yaitu menjadi banyaknya
pengagguran(Bada Pusat Statistika, 2019).

14
Bertambanya jumlah industri juga dapat dijadikan solusi dari terbatasnya

kesempatan kerja. Arsyad (1988) juga mengungkapkan bahwa acuan utama
untuk mengkaji peranan sektor industri dalam suatu perekonomian adalah
kontribusi sektor industri dalam PDB dan jumlah tenaga kerja disektor industri.
Penyerapan tenaga kerja yang besar ini dapat dikatakan mampu menurunkan
kemiskinan, karena dengan adanya lapangan kerja penduduk jadi mendapatkan
lapangan pekerjaan dan pastinya mendapatkan penghasilan untuk memenuhi
kebutuhan hidupnya.
Kepemilikan modal juga merupakan penyebab kemiskinan. Kemiskinan

yang terjadi terhadap penduduk yang bekerja disektor pertanian juga
berhubungan dengan kepemilikan lahan pertanian dan akses kredit. Penduduk
yang memiliki lahan dapat meminimalkan biaya yang diperlukan dalam usaha
pertaniannya (tanpa mengeluarkan biaya untuk sewa lahan) sehingga dapat
meningkatkan hasil (pendapatan) yang diperoleh dari hasil panen (Sa’diyah dan
Arianti, 2013).
2.2 Penelitian Terdahulu

Fadilah et al., (2016) menganalsis kemiskinan di Jawa Tengah dengan
menggunakan variabel pertumbuhan penduduk, IPM, pendapatan perkapita, dan
tingkat pengangguran pada tahun 2009-2013. Hasil yang didapatkan adalah
peningkatan kemiskinan di Jawa Tengah dipengaruhi oleh menigkatnya
pengangguran terbuka sedangkan penurunan kemiskinan diakibatkan oleh
meningktanya variabel pendapatan perkapita dan IPM. Variabel pertumbuhan
penduduk pada penelitian tersebut mendapatkan hasil yang tidak signifikan tetapi
memiliki pengaruh positif.
Afzal dkk (2012) menggunakan metode Auto-Regresif Distributed Lag

Approach (ARDL) dan Toda-Yamamoto Augmented Kausalitas Granger
(TYAGC). Hasilnya terdapat hubungan jangka panjang terhadap pertumbuhan
ekonomi, pendidikan, modal fisik dan kemiskinan. Dalam jangka panjang
pendidikan mempunyai pengruh siggnifikan pada pertumbuhan ekonomi,

15
kemiskinan dapat ditekan dan peningkatan perrtumbuhan ekonomi terjadi karena

adanya pendidikan yang baik.
Wahyudi dkk (2011) meneliti faktor yang mempenggaruhi kemiskinan
dengan lokasi di Jawa Tengah. Berdasrkan penelitian tersbut terdapat tiga faktor
yang dapat menurunkan tingkat kemiskinan yaitu peningkatan pendidikan,
kesehatan, dan pengeluaran pemerintah. Sedangkan faktor pengangguran dapat
meningkatkan kemiskinan di suatu wilayah.
Nur Fajriyah dkk (2016) melakukan penelitian tentang determinan

kemiskian di Jawa Timur dengan model terpilih FEM. Hasilnya variabel anggka
melek huruf, tingkat partisipasi angkatan kerja, penduduk yang bekerja di sektor
pertanian, dan PDRB per kapita signifikan mempengaruhi kemiskinan. Varriabel
penduduk tidak punya akses kesehatan menunjukan hasil yang tidak signifikan.
Huafeng Zhang (2014) meneliti tentang The Poverty Trap of Education:

Education-Poverty Connections in Western China. Fokus dari penetian ini adalah
manfaat pendidikan dalam mengurangi kemiskinan. Hasilnya peningkatan pesat
biaya pendidikan di China memiliki hasil yang kompleks untuk empat jenis
keluarga. Pada kelompok satu dan dua berada dalam perangkap pendidikan
kemiskinan tradisional. Tanpa pendidikan yang layak, kedua generasi akan terus
berada dikondisi yang sama dengan orang tua mereka. Angka partisipasi yang
rendah dan tingginya angka putus sekolah di kalangan anak-anak miskin adalah
akibat langsung dari tingginya biaya wajib pendidikan dasar yang berkualitas
baik dan, yang lebih penting, harapan biaya yang terjangkau untuk pendidikan
tinggi. Pada kelompok tiga mereka terjebak pada situasi dimana anak-anak
mereka dapat menyelesaikan pendidikan tetapi tidak dpat memperoleh pekerjan
yang lebih baik seperti yang dialami kelompok ke empat.
Michler & Josephson (2017) melakukan penelittian dengan judul To

Specialize or Diversify: Agricultural Diversity and Poverty Dynamics in
Ethiopia. Metode yang digunakan probablitias linier dan estimasi probit.
Hasilnya rumah tangga yang menanam beragam tanaman cenderung tidak miskin
daripada rumah tangga yang mengkhususkan diri dalam produksi tanaman

16
mereka. Selain itu, keragaman tanaman mengurangi kemungkinan bahwa rumah

tangga yang tidak miskin akan tertimpa kemiskinan. Kesimpulannya bahwa
diversifikasi tanaman adalah cara yang layak untuk menghadapi urgensi menjadi
miskin.
Akhtar, dkk (2017) melakukan penelitian dengan judul Influencing

Factors of Poverty in Pakistan : Time Series Analysis. Dari regresi data panael
didapatkan hasil pertumbuhan ekonomi, pendidikan, kesehatan dan FDI
berpengaruh negatif signifikan terhadap tingkat kemiskinan. Peningkatan
pendidikan dinilai sebagai cara terbaik dalam mengatasi kemiskinan dan juga
peningkatan pembangunan manusia. Kesehatan dapat menurunkan kemiskinan,
karena dalam jangka panjang apabila orang menjadi sakit menyebabkan
kemiskinan dalam hidupnya.
Permatasari dkk(2019) melakukakn penelitian tentang analsis penggaruh

pertumbuhan ekonomi, IPM, pengangguran, dan upah minimum kepada
kemiskinan di Jawa Timur tahun 2012-2107. Dengan model terpilih yaitu Fix
Effect Model (FEM), hasilnya variabel petumbuhan ekonomi, IPM, dan upah
minimum berpengaruh negatif signifikan terhadap kemiskinan. Sedangkan
variabel pengangguran berpenggaruh positif signifikan pada kemiskinan.
2.3 Hipotesis
Berdasarkan hal yang telah dijelaskan pada bab sebelumnya, penelitian
ini dilakukan untuk membuktikan hipotesis sebagai berikut :
IPM, pertumbuhan ekonomi , TPAK, luas sawah dan jumlah industri

secara parsial dan simultan memiliki pengaruh terhadap kemiskinan di Jawa
Timur pada tahun 2011-2019.:

BAB 3
METODE PENELITIAN
3.1 Pendekatan Penelitian

Riset ini memakai pendekatan yang sifatnya kuantitatif. Menurut
Fajriyah & Rahayu (2016) pendekatan ini bersifat terstruktur dan
mengkuantifikasikan data supaya bisa digeneralisir. Metode regresi data panel
digunakan karena peneltian ini memakai kombinasi antara data time series dan
cross section. Rergresi data panel digunakan untuk menjelaskan tentang hubungan
antar variabel dependent(terikat) dengan variabel independent(bebas). Variabel
terikat yang digunakan adalah kemiskinan dengan variabel bebas yang digunakan
IPM (Indeks Pembangunan Manusia), Pertumbuhan Ekonomi, Luas Sawah,
Jumlah Industri, dan TPAK dengan lokasi penelitian di Provinsi Jawa Timur pada
tahun 2011-2019.
3.2 Identifikasi Variabel

Penelitian ini mengunakan variabel dependent dan variiabel independent
sebagai berikut :
1. Variabel Dependent yang digunakan adalah kemiskinan

2. Variabel Independent yang digunakan adalah IPM (Indeks
Pembangunan Manusia), Pertumbuhan Ekonomi yang dilihat dari
PDRB harga konstan, Luas Sawah, Jumlah Industri, dan TPAK
(Tinkat Partisipasi Angkatan Kerja).
3.3 Definisi Operasional

Variabel pada penelitian ini menggunakan definisi opersional sebagai
berikut :
1. Kemiskinan
Kemiskinan adalah persentase penduduk miskin setiap
kabupaten/kota di Jawa Timur dengan penduduk yang mempunya
17

18
pengeluaran dibawah garis kemiskinan digolongkan sebagai

penduduk miskin. dinyatakan dalam satuan persen (%).
2. IPM (Indeks Pembangunan Manusia)
IPM merupakan gambaran diperolehnya akses pendaptan, kesehatan,
pendidikan dan lainya yang merupakan hasil dari pembangunan. Tiga
dasar pembentuk IPM dimensi umur panjang dan hidup sehat,
pengetahuan serta hidup layak dengan satuannya adalah persen.
3. Pertumbuhan Ekonomi
Pertumbuhan ekonomi merupakan laju perubahan PDRB atas dasar
harga konstan dengan tahun dasar 2010 pada setiap tahunya di 38
kabupaten /kota di Jawa Timur. Satuan yang digunakan adalah persen.
4. Luas Sawah
Luas sawah adalah luas lahan pertanian yang ada di 38 kabupaten/kota
di Jawa Timur. Lahan pertanian yang digunakan terdiri dari lahan
sawah irgasi dan lahan sawah non irigasi. Satuan yang digunakan
adalah hektar.
5. Jumlah Industri
Jumlah industri adalah jumlah perusahaan industri besar dan sedang.
Apabila memiliki tenaga kerja diatas 100 orang dikatagorikan sebagai
industri besar, sedangkan apabila tenaga kerjanya sebanyak 20-99
orang dikatagorikan sebagai industri kecil. Satuan yang digunakan
adalah unit perusahaan.
6. TPAK (Tingkat Partisipasi Angkatan Kerja)
Tingkat Partisipasi Angkatan Kerja (TPAK) merupakan perbandingan
antara jumlah angkatan kerja dibagi dengan jumlah penduduk usia
diatas sepuluh tahun. TPAK menggambarkan banyaknya suplay
tenaga kerja Satuan yang digunakan adalah persen.
3.4 Jenis Sumber Data

Jenis data yang digunakan adalah data skunder, data ini biasanya berupa
bukti, catatan atau arsip sejarah, yang dipublikasikan maupun tidak. Data
sekunder dari penelitian ini merupakan data panel dengan data time series dari

19
tahun 2011-2019 dan data cross section yang terdiri dari 38 kabupaten/kota di
Jawa Timur. Semua data yang telah disebutkan diatas merupakan data yang
bersumber dari publikasi Jawa Timur dalam Angka berbagai tahun terbitan dari
2011- 2019 yang dipublikasikan oleh Badan Pusat Statistik (BPS) Jawa Timur.
3.5 Model Analisis

Peneltian ini memakai model analisis regresi data panel antar variabel
sehingga diketahui hubungan setiap variabel yang digunakan. Regresi data panel
digunakan melihat hubungan antar keduanya memperlihatkan hubungan yang
positif atau negatif. Variabel dependen yang digunakan adalah Kemiskinan dan
variabel independen yang digunakan yaitu IPM (Indeks Pembangunan Manusia),
pertumbuhan ekonomi, luas sawah, jumlah industri, TPAK( Tingkat Partisipasi
Angkatan Kerja). Menurut Gujarati (2012) hubungan kedua variabel ini dapat
dirumuskan kedalam persamaan sebagai berikut:
𝐾𝐸𝑀𝐼𝑆𝐾𝐼𝑁𝐴𝑁 𝑖𝑡 = 𝛼𝑖𝑡 + 𝛽1 𝐼𝑃𝑀𝑖𝑡 + 𝛽2 𝑃𝐷𝑅𝐵𝑖𝑡 + 𝛽3 𝑙𝑛𝐿𝑆𝑖𝑡 + 𝛽4 𝑙𝑛𝐼𝑛𝑑𝑢𝑠𝑖𝑡 +

𝛽5 𝑇𝑃𝐴𝐾𝑖𝑡 + 𝜇𝑖𝑡 ..............................................................(3.1)
Dimana :
𝐾𝐸𝑀𝐼𝑆𝐾𝐼𝑁𝐴𝑁𝑖𝑡 = Presentase penduduk miskin kabupaten/kota i tahun t
𝐼𝑃𝑀𝑖𝑡 = Indeks Pembangunan Manusia kabupaten/kota i tahun t
𝑃𝐷𝑅𝐵𝑖𝑡 = Laju Pertumbuhan Ekonomi yang dilihat dengan PDRB

harga konstan kabupaten/kota i tahun t
𝑙𝑛𝐿𝑆𝑖𝑡 = Luas Sawah kabupaten/kota i tahun t
𝑙𝑛𝐼𝑛𝑑𝑢𝑠𝑖𝑡 = Jumlah peusahaan industri sednag dan besar

kabupaten/kota i tahun t
𝑇𝑃𝐴𝐾𝑖𝑡 = Tingakat partisispasi angkatan kerja kabupaten/kota i

tahun t
𝛼𝑖𝑡 = Konstanta

20
𝛽1 𝛽2 = Koefisien Regresi
𝑖 = cross section (38 kabupaten/kota di provinsi Jawa Timur)
𝑡 = time series (tahun 2011-2019)
𝜇𝑖𝑡 = Error
3.6 Teknik Analisis

3.6.1 Regresi Data Panel
Tenik analaisis data panel merpakan pendekatan penelitian ini. Data panel
memiliki dimensi ruang dan waktu. Artinya data panel atau pooled data adalah
gabunggan dari cross section dan time series data. Regresi data panel adalah
model regresi yang digunakan untuk memodelkan data panel. Reggresi data panel
merupakan model yang berbeda karena memiliki dimensi ruang dan waktu
didalamnya yang memiliki subscript ganda pada variabelnya. Adapun modelnya
dituliskan sebagai berikut (Gujarati & Porter, 2012) :
𝐾𝐸𝑀𝐼𝑆𝐾𝐼𝑁𝐴𝑁𝑖𝑡 = 𝛼𝑖𝑡 + 𝛽1 𝐼𝑃𝑀𝑖𝑡 + 𝛽2 𝑃𝐷𝑅𝐵𝑖𝑡 + 𝛽3 𝑙𝑛𝐿𝑆𝑖𝑡 +

𝛽4 𝑙𝑛𝐼𝑛𝑑𝑢𝑠𝑖𝑡 + 𝛽5 𝑇𝑃𝐴𝐾𝑖𝑡 + 𝜇𝑖𝑡 ................................(3.2)
Dimana :
𝐾𝐸𝑀𝐼𝑆𝐾𝐼𝑁𝐴𝑁𝑖𝑡 = Presentase penduduk miskin kabupaten/kota i tahun t
𝑃𝐷𝑅𝐵𝑖𝑡 = Laju Pertumbuhan Ekonomi yang dilihat dengan PDRB

harga konstan kabupaten/kota i tahun t
𝑙𝑛𝐼𝑛𝑑𝑢𝑠𝑖𝑡 = Jumlah peusahaan industri sednag dan besar


tahun t

21
3.6.2 Metode Estimasi

3.6.2.1 Pooled Least Square
Metode analisis Pooled Least Square adalah metode yang mudah untuk
digunakan. PLS menggabungkan data dari berapa observasi dan mengestimasi
suatu regresi dengan tidak memperhitungkan sifat dari cross section dan time
series di data kita. Pendekatan ini berasumsi bawa intercept dan slope yang
dimiliki dianggap sama. Model estimasi dapat di tuliskan sebagai berikut
(Gujarati & Porter, 2012):
𝑌𝑖𝑡 = 𝛼 + 𝛽1 𝑋𝑖𝑡 + ⋯ + 𝛽𝑛 𝑋𝑛𝑖𝑡 + 𝑢𝑖𝑡 .......................................................(3.3)
3.6.2.2 Fixed Effect Model

Fixed Effect Model (FEM) adalah metode estimasi regresi data panel
dengan asumsi bahwa nilai intersep dari unit cross section atau time series
berbeda, namun dengan slope koefisien yang tetap. Model estimasi dapat di
tuliskan sebagai berikut (Gujarati & Porter, 2012):
𝑌𝑖𝑡 = 𝛼1 + 𝛼2 𝐷2 + ⋯ + 𝛼𝑛 𝐷𝑛 + 𝛽2 𝑋2𝑖𝑡 + ⋯ + 𝛽𝑛 𝑋𝑛𝑖𝑡 + 𝑢𝑖𝑡 ....................(3.4)
3.6.2.3 Random Effect Model

Random Effect Model (REM) merupakan metode yang mengasumsikan
perbedaan intersep pada unit cross section merupakan variabel acak (random
variable). Model estimasi dapat di tuliskan sebagai berikut (Gujarati & Porter,
2012):
𝑌𝑖𝑡 = 𝛼 + 𝛽1 𝑋𝑖𝑡 + ⋯ + 𝛽𝑛 𝑋𝑛𝑖𝑡 + 𝑢𝑖𝑡 ......................................................(3.5)

22
3.6.3 Analisis Pengujian Hipotesis

Model estimasi yang tepat ditentukan dengan beberapa cara berikut :
1. Uji F-Restricted
Penetuan antra Pooled Least Square (PLS) dan Fixed Effect Model (FEM)
menggunakan uji ini, dengan membandingkan probabilitas F pada output FEM
dengan tingkat α (1%, 5%, 10%). Hipotesis yang didapatkan adalah sebagai
berikut:
H0: Pooled Least Square (PLS)
H1: Fixed Effect Model (FEM)
Apabila nilai probabilitas F < α (1%, 5%, 10%), maka H0 ditolak, dan
penggunaan model FEM lebih dianggap tepat.
2. Uji Hausman
Penetuan antara Fixed Effect Model (FEM) dan Random Effect Model (REM)
menggunakan uji ini, dengan membandingkan nilai probabilitas chi-square
pada output hausman dengan tingkat α (1%, 5%, 10%). Hipotesis yang
didapatkan adalah :
H0: Random Effect Model (REM)
H1: Fixed Effect Model (FEM)
Apabila nilai probabilitas chi-square < α (1%, 5%, 10%), maka H0 ditolak,
dan penggunaan model FEM yang tepat digunakan.
3. Uji Lagrange Multiplier (LM)

Dilakukannya uji ini guna menetukan model terbaik antara Random Effect
Model (REM) dan Pooled Least Square (PLS). Uji Lagrange Multiplier dilihat
berdasarkan distribusi chi-square dengan degree of freedom sebesar jumlah
variabel independen. Hipotsis yang didapatkan adalah sebagai berikut:
H0: Pooled Least Square (PLS)
H1: Random Effect Model (REM)

23
Apabila nilai LMStatistik > nilai chi-square, maka H0 ditolak dan penggunaan
metode REM yang lebih tepat.
3.6.4 Uji Asumsi Klasik

Dilakukan uji asumsi klasik guna menghasilkan etimasi linier yang tidak
bias. Estimsasi yang tidak bias serperti dalam asumsi Gaus-Markov bersifat
BLUE. BLUE memiliki kepanjangan yang pertama adalah Best (parameter
estismasi kuadrat error), kedua Linier (persamaan harus bersifat linier). Ketiga
Unbiased (tidak biasnya parameter setimasi), dan yang terakhir Estimator
(parameter adalah estimator yang baik untuk populasi). Menurut (Gujarati &
Porter, 2012), hasil estimasi dapat dikatakan baik apabila asumsinya terpenuhi,
asumsinya adalah yang pertama model regresi bersifat linier, yang kedua residual
variabel bernilai rata-rata nol, ketiga adalah tidak ada auto korelasi, keempat
jumlah data lebih banyak dibandigkan dengan parameter, yang kelima tidak ada
mutikolinieritas.
1. Uji Multikorelasi
Pengujian ini biasanya digunakan pada regresi linier berganda karena

pengujian ini bermaksud untuk mengetahui adanya korelasi antar variabel
independen atau tidak. Model dikatakan baik apabila tidak terdapat korelasi
antar variabel independennya. Alat uji yang diujikan adalah Variance Inflation
Factor (VIF). Nilai VIF yang besarnya lebih dari 10 mengindikasikan terdapat
multikoliniearitas yang serius (Kurniawan, D, 2008). Artinya jika nilai VIF < 10
maka tidak terdapat multikollinearitas, apabila nilai VIF > 10 maka terdapat
multikollinearitas.
2. Uji Autokorelasi
Dilakukan uji ini guna melihat apakah terdapat hubunggan korelasi pada
rutut waktu, dapat dikatakan tidak boleh ada korelasi antara kesalahan sekarang
dengan sebelumnya. Apabila terdapat maka taskiran menjadi tidak BLUE, akan
tetapi tetap tidak bias dan konsisten, yang mengakibatan interrval kepercayaan
menjadi lebar dan lemahnya uji signifikansi. Apabila terjadi, uji t dan uji F tidak

24
bisa dilaksanakan. Konsepnya, ada autokorelasi jika E (ui, uj) ≠ 0; i ≠j dan tidak
terdapat autokorelasi apabila E (ui, uj) = 0; i ≠j (Nachrowi, D. N, 2002).
Uji wooldrige test dilakukan utuk melihat autokorelasi, pada stata uji ini
melihat nilai probabilitas chi-square. Hipotesis dalam uji autokorelasi adalah:
H0 : tidak ada autokorrelasi
H1 : ada autokorrelasi
H0 ditrima apabila nilai probabbilitas chi square > α = (1%, 5%, 10%)dan H0
ditolak apabila probabillitas chi square > α (1%, 5%, 10%).
3. Uji Heterokedastisitas
Dilakukan uji ini guna melihat tidak terdapatnya ketidaksamaan variance

dari residual suatu pegamatan ke pegamatan lain dalam model regresi.
Homokedastisitas terjadi apabila residual menampilkan hasil yang tetap, akan
tetapi apabila berbeda disebut heterokedastisitas. Apabila kita menemukan
bahwa residual mempunyai ragam yang homgen, dapat dikatakan bahwa error juga
mempunyai ragam yang homogen (Kurniawan, D, 2008).
Hipotesis dalam uji heterokedastisitas juga dapat di tulis sebagai berikut:
H0 : Ragam error bersifat homokedastik
H1 : Ragam error bersifat heterokedastik.
H0 dierima apabila nilai probabillitas chi sqiuare > α (1%, 5%, 10%) dan H0 ditolak
jika probailitas chi square < α (1%, 5%, 10%).
3.6.4 Uji Hipotesis

Untuk mengtahui apakah variabel independen dapat mempengaruhi
varibael dependen, dilakukan uji hipotesis. Uji ini juga berguna menganalisa dan
menarik kesimpulan tentang permasalahan yang diteliti. Uji hipotesis yang
diujikan yaitu uji F dan uji t.
1. Uji F (Simultan)

25
Untuk mengetahui pengaruh variabel independen terhadap variabel

dependen secara simultan, dilakukan uji ini. Adapun langkah-langkahnya
adalah:
1. Membuat Hipotesis, yaitu:
H0: Variabel independen seccara bersama-sama tidak berpengaruh pada

variabel dependen
H1 : Palling tidak ada satu variabel independen yang berpengaruh pada

variabel dependen
2. Menetapkan besarnya nilai α (level of significance) yaitu 1%, 5%, 10%
3. Mengambil keputussan dengan ketentan:
a. Jika nilai signifikansi < daripada nilai α, maka H0 ditolak dan H1 tidak
ditolak, maka variabel independen secara simultan berpengaruh pada
variabel dependen
b. Jika nilai signfikansi > daripada nilai α, maka H0 tidak ditollak dan H1
ditolak, maka variabel independen secara simultan tidak berpengaruh pada
variabel dependen.
2. Uji t (Parsial)
Untuk melihat pengaruh variabel independen pada variabel dependen secara

terpisah atau parisal dilakukan uji ini, dengan langkah sebgai brikut :
1. Membuat Hipotesis yaitu :
H0: Variabel indpenden secara parsial tidak berpengaruh pada variabel

dependen
H1 : Variabel independen secara parsial berpengaruh pada varriabel

dependen
2. Menetapkan besarnya nilai α (level of significance) yaitu 1%, 5%, 10%

26
3. Mengambil keputusan dengan ketentuan:
a. apabila nilai signifiknsi < daripada nilai α, maka H0 ditolak dan

H1 tidak ditolak, maka variabel independen secara parsial
berpengaruh pada variabel dependen.
b. apabila nilai signifikansi > daripada nilai α, maka H0 tidak ditolak

dan H1 ditolak, maka variabel independen secara parsial tidak
berpengaruh pada variabel dependen.

BAB 4
HASIL DAN PEMBAHASAN
4.1 Gambaran Umum

4.1.1 Kemiskinan di Jawa Timur
Jawa Timur memiliki 38 Kabupaten/Kota yang tersebar diseluruh
wilayah, serta memiliki jumlah penduduk sebesar 39,23 juta jiwa (Badan Pusat
Statistik, 2019). Tren persentase penduduk miskin di Jawa Timur menunjukan
penurunan setiap tahunya, akan tetapi hal ini tidak menunujukan suatu hal yang
baik karena persntase penduduk miskin di Jawa Timur masih lebih tinggi dari
pada persntase penduduk miskin nasional.
16.00%
14.00%
12.00%
10.00%
8.00%
6.00%
4.00%
2.00%
0.00%
2011 2012 2013 2014 2015 2016 2017 2018 2019
Persentase Penduduk
14.27%13.40%12.55%12.42%12.34%12.05%11.77%10.98%10.38%
Miskin Jawa Timur
Persentase Penduduk
12.49%11.66%11.47%10.96%11.13%10.71%10.12% 9.66% 10.19%
Miskin Nasional
Sumber : Badan Pusat Statistik, diolah
Gambar 4.1 Persentase Penduduk Miskin Jawa Timur dan

Indonesia
Berdasarkan gambar 4.1, persentase penduduk miskin di Jawa Timur
memiliki tren yang menunurun dari tahun 2011-2019. Pada tahun 2011
persentase penduduk miskin di Jawa Timur sebesar 14,27% dan pada tahun 2019
turun sebesar 3,89 % menjadi 10,38%. Hal ini bisa dikatakan sebagai telah
terjalannya pembangunan ekonomi oleh pemerintah, karena kemiskinan
27

28
merupakan fokus utama dari pembangunan ekonomi yang dilakukakan oleh

pemerintah.
4.1.2 Indeks Pembangunan Manusia di Jawa Timur

Berhasilnya pembangunan suatu wilayah dapat dilihat dari tingginya
Indeks Pembangunan Manusia. Setiap indikator komponen penghitungan IPM
dapat dimanfaatkan sebagai alat ukur kesuksesan pembangunan kualitas hidup
manusia (masyarakat/penduduk). Menurut Badan Pusat Statistik (2020) manfaat
dari IPM adalah sebagai idikator dalam mengukur kinerja Dana Alokasi Umum
dan indikator pengalokasian Dana Insentif Daerah demi meningkatkan
kesejahteraan masyarakat.
72 71.50
70.77
71 70.27
69.74
70
68.95
69 68.14
68 67.55
66.74
67
66.06
66
65
64
63
2011 2012 2013 2014 2015 2016 2017 2018 2019
IPM 66.06 66.74 67.55 68.14 68.95 69.74 70.27 70.77 71.50
Sumber : Badan Pusat Statistika Jawa Timur, diolah
Gambar 4.2 Indeks Pembanguan Manusia di Jawa Timur 2011-2019

Gambar 4.2 menunjukan bahwa Indeks Pembangunan Manusia di Jawa
timur terjadi kenaikan pada setiap tahunnya. Pada tahun 2011 Indeks
Pembangunan Manusia di Jawa Timur sebesar 66.06 dan meninngkat setiap
tahunya sampai 2019 mencapai 71.50 dengan pertumbuhan rata-rata setiap
tahunya 0.99%. Indeks Pembangunan Manusi di Jawa Timur pada tahun 2011-
2016 termasuk dalam kelompok sedang berdasarkan capianya, dan pada tahun
2017-2019 termasuk capaian tinggi.

29
4.1.3 PDRB Jawa Timur

Kegiatan ekonomi pada suatau wilayah dapat diukur melalui PDRB.
Apabila barang dan jasa yang diproduksi pada peeriode ini lebih besar
dibandingkan pada periode sebelumnya, dapat dikatakan perekonomian suatu
wilayah tersebut mengalami pertumbuhan. PDRB dengan pendekatan produksi
/lapangan usaha dihitung dari nilai tambah bruto keseluruhan dari barang dan jasa
yang dihasilkan di wilayah domestik suatu daerah akibat dari aktivitas ekonomi
pada periode tertentu.
7 6.44 6.64
6.08
5.86
6 5.44 5.57 5.46 5.47 5.52
0
2011 2012 2013 2014 2015 2016 2017 2018 2019
Laju Pertumbuhan PDRB
6.44 6.64 6.08 5.86 5.44 5.57 5.46 5.47 5.52
(persen)
Gambar 4.3 Laju Pertumbuhan PDRB atas dasar harga konstan

Jawa Timur
Gambar4.3 menunjukan laju pertumbuhan PDRB atas dasar harga
konstan Jawa Timur pada tahun 2011-2019. Dapat dilihat Laju pertumbuhan
PDRB Jawa Timur pada tahun tersebut memiliki tren yang turun dan fuktuatif
pada periode tertentu. Pada tahun 2011 laju pertumbuhan dari PDRB Jawa Timur
sebesar 6.44 kemudian meningkat sebesar 0.20 % pada tahun 2012 menjadi 6.64
%. Pada tahun 2013 -2015 laju perrtumbuhan PDRB Jawa timur terus mengalami
penerurunan. Tahun 2013 sebesar 6.08%, 2014 sebesar 5.86% dan tahun 2015
sebesar 5.44%. Selanjutmya pada tahun 2016 laju PDRB kembali naik dari tahun

30
sebelumnya dan kembali turun pada tahun 2017 hingga 2019. Laju pertumbuhan
ekonmi dapat dilihat dari perubahan setiap tahun PDRB harga konstan(Badan
Pusat Statistik, 2020). Sehingga dapat dikatakan pertumbuhan ekonomi di Jawa
Timur pada tahun 2011-2019 mengalami fluktuasi pada setiap tahunnya.
4.1.4 Luas Sawah di Jawa Timur

Bagi penduduk yang bekerja disketor pertanian khususnya tanaman
pangan pokok, lahan sawah mempunyai arti pentingsebagai media tanam.
Menurut Badan pusat statistika (2019) pada tahun 2019, Jawa Timur memiliki
luas lahan baku sawah terbesar di Indonesia.
1350
1300
1250
1200
1150
1100
1050
1000
950
2011 2012 2013 2014 2015 2016 2017 2018 2019
Luas Lahan Sawah Jatim
1106 1084 1179 1177 1092 1087 1082 1287 1215
(Ribu HA)
Gambar 4.4 Luas Sawah Irigasi dan Non Irigasi di Jawa Timur
2011-2019 (Ribuan HA)
Luas sawah di Jawa Timur pada tahun 2011-2019 mengalami grafik yang
berfluktuasi. Pada tahun 2011 luas sawah irigasi dan non rigasi di Jawa Timur
dalam ribuan hektar sebesar 1106 ha, kemudian mengalami penurunan pada
tahun 2012 menjadi sebesar 1084 ha. Peningkatan luas sawah irigasi dan non
rigasi terbesar terjadi pada tahun 2017 menuju 2018, yaitu meningkat sebanyak
205 ribu ha. Peningkatan ini terjadi karena adanya validasi data lahan sawah di
Jawa timur pada tahu 2018. Validasi ini bertujuan untuk landasan dalam

31
perencanaan pertanian di daerah dan data luas baku sawah merupakan salah satu
parameter penting dalam penetuan produksi dan arah kebijakan peemrintah
terkait kemandirian pangan (Kominfo Jatim, 2019).
4.1.5 Jumlah Industri di Jawa Timur

Industri besar dan sedang merupakan industri yang meliputi seluruh
perusaahaan industri yang pekerjanya lebih dari 20 orang. Klasifikasi industri
yang digunakan dalam penelitian ini berdasarkan pada Klasifikasi Baku
Lapangan Usaha Indonesia (KBLI). KBLI merupakan klasifikasi yang dasarnya
dari International Standard Industrial Classification of All Economic Activities
(ISIC) dengan peneyesuian terhadap kondisi Indonesia.
7200
7000
6800
6600
6400
6200
6000
5800
2011 2012 2013 2014 2015 2016 2017 2018 2019
Jumlah Industri Sedang
6264 6340 6226 6473 6672 6967 6668 6919 6746
Besar Jawa Timur
Sumber : Badan Pusat Statistika, diolah
Gambar 4.5 Jumlah Industri Besar dan Sedang Jawa Timur tahun
2011-2019
Bedasarkan gambar 4.5 jumlah industri besar dan sedang di Jawa timur
mengalami tren yang naik pada tahun 2011 sampai dengan tahun 2019. Pada
tahun 2011 jumlah industri di jawa timur sebanyak 6264 industri, lalu mengalami
penurunan pada tahun 2013 menjadi 6226 industri setelah pada tahun 2012
sebanyak 6340 industri. Industri paling banyak terdapat pada tahun 2016 yaitu
sebanyak 6967 industri. Jumlah perusahaan kategori besar dan sedang di Provinsi

32
Jawa Timur pada tahun 2019 mayoritas adalah industri makanan dengan 1.170
perusahaan dari total 6.756 sektor. Industri makanan juga mendominasi jumlah
tenaga kerja dengan total 232.705 tenaga kerja, dari total 1.087.846 tenaga kerja.
Kabupaten Sidoaarjo memiliki jumlah industri besar dan sedang terbanyak
dengan jumlah 1094 unit usaha, selanjutnya sebanyak 922 unit usaha berada di
Kabupaten Pasuruan, dan terakhir Kota Surabaya dengan 901 unit industri
(Badan Pusat Statistika, 2020).
4.1.6 TPAK di Jawa Timur

Untuk mengamati kondisi ketenagakejaaan dilakkukan pengamatan
melalui dua aspek, pertama aspek ketersediaan (supply) dan kedua aspek
kebutuhan (demand). Harusnya terjadi keseimbangan pada kedua aspek tersebut
,yang apabila terjadi dapat menekan penganguran karena seluruh tenaga kerja
terserap oleh lapangan kerja (Badan Pusat Statstika, 2019). Namun hingga tahun
2019, kondisi seimbang yang diharapkan tersebut belum tercapai. Faktanya, baik
pengangguran maupun setengah pengangguran masih ditemukan.
71
70
69
68
67
66
65
64
2011 2012 2013 2014 2015 2016 2017 2018 2019
TPAK Jawa Timur
68.04 69.57 69.78 68.12 67.84 66.14 68.78 69.37 69.45
(persen)
Gambar 4.6 Tingkat Partisipasi Angkatan Kerja Jawa Timur 2011-

2019

33
Dapat dilihat pada gambar 4.6 tingakat partisipasi angkatan kerja pada
tahun 2011 samapai dengan 2019 mengalami fluktuisasi. Pada tahun 2011
TPAK Jawa Timur sebsar 68,04% lalu terus meningkat sampai dengan tahun
2013 yang mencapai 69.78%. Penurunan paling besar terjadi pada tahun 2016
yaitu turun sebsar 3,64% dari tahun 2013 menjadi sebesar 66,14%. Pada tahun
2019 TPAk Jawa Timur kembali meningkat dari tahun sebelumnya yaitu
mencapai 69,45% penigkatanya sebesar 3,31% dari tahun 2016.
TPAK menggambarkan banyaknya suplay tenaga kerja. Tingkat

Partisipasi Angkatan Kerja (TPAK) digunakan sebagai alat ukur banyaknya
penduduk usia kerja yang terlibat didalam perekonomian. Indikator ini
membandingkan antara anggkatan kerja terhadap penduk usia kerja. Umumnya
nilai TPAK cenderung tinggi pada kelompok usia 25–59 tahun, dengan nilai
TPAK antara 76 persen sampai 83 persen. Umumnya penduduk yang telah
berusia 25 tahun sudah menyelesaikan pendidikannya dan siap untuk
berpartisipasi dalam pasar kerja. Partisipasi penduduk dalam angkatan kerja akan
meningkat seiring bertambahnya usia, lalu menurun setelah usia 49 tahun (Badan
Pusat Statistika,2019).
4.2 Deskripsi Hasil Penelitian

Penelitian ini memakai satu model dalam pengujian hipotesis, yaitu
dengan variabel dependen persentase penduduk miskin, dan varriabel
indeppenden pada pennelitian ini yaiytu IPM (Indeks Pembangunan Manusia),
Pertumbuhan Ekonomi, Luas Sawah, Jumlah Industri, dan TPAK (Tinkat
Partisipasi Angkatan Kerja) di 38 Kabupaten/Kota di Provinsi Jawa Timur.
Penelitian ini dimulai dari tahun 2011 hingga tahun 2019 dengan memakai data
sekunder dengan sumber data dari Badan Pusat Statistik.

34
Tabel 4.1 Ringkasan Deskripsi Statistik Variabel
Std.
Variabel Obs. Mean Min. Max.
Dev.
Persentase Penduduk Miskin
342 12.01871 5.053032 3.8 30.21
(%)
IPM (%) 342 69.06921 5.580775 55.17 82.22
Pertumbuhan Ekonomi (%) 342 5.640585 1.762275 -2.66 21.95
TPAK (%) 342 69.14462 3.948313 58.86 81.95
Jumlah Industri (unit) 342 4.46947 1.11838 2.302585 7.031741
Luas Lahan Sawah (Ha) 342 9.644227 1.554152 4.239037 11.56247

Sumber : Stata, diolah
Tabel 4.1 menunjukan hasil ringkasan deskripsi statistik setiap variabel

yang digunakan pada penelitian ini. Jumlah observasi didalam penelitian ini
sebanyak 342 obeservasi. Variabel persentase penduduk miskin memiliki nilai
rata-rata 12.01871, nilai minimal 3.8 , nilai maksimal 30.21. Variabel IPM
memiliki nilai rata-rata 69.06, nilai minimal 55.17, dan nilai maksimal 82.22.
Variabel pertumbuhan ekonomi meiliki niali rata-rata 5.64 , nilai minimal -2.66,
dan nilai maksimal 21.95. Variabel TPAK meiliki niali rata-rata 69.14, nilai
minimal 58.86, dan nilai maksimal 81.95. Variabel Jumlah Industri meiliki nilai
rata-rata 4.46, nilai minimal 2.30, dan nilai maksimal 7.03. Variabel terakhir Luas
Lahan Sawah meiliki niali rata-rata 9.64, nilai minimal 4.23, dan nilai maksimal
11.56.
Penelitian ini memakai regsresi data panel yag merupakan gabungan dari
data cross section dan juga data time series. Penelitian ini meggunakan software
STATA 14 untuk menganalisis data panel. Adapun teknik pengolahan data panel
terdiri dari tiga pendektan estimasi, yaitu pertama pendektan Pooled Least Square
(PLS), kedua pendkatan Random Effect Model (REM), dan terakhir pendekatan
Fixed Effect Model (FEM). Model terbaik akan dipilih dan digunakan untuk

35
menguji hubungan antara variabel independen dan dependen. Persamaan regresi

data panel yang akan digunakan dalam penelitian ini adalah sebgai berikut :
𝑃𝑀𝑆𝐾𝑁𝑖𝑡 = 𝛼𝑖𝑡 + 𝛽1 𝐼𝑃𝑀𝑖𝑡 + 𝛽2 𝑃𝐷𝑅𝐵𝑖𝑡 + 𝛽3 𝑙𝑛𝐿𝑆𝑖𝑡 + 𝛽4 𝑙𝑛𝐼𝑛𝑑𝑢𝑠𝑖𝑡 +

𝛽5 𝑇𝑃𝐴𝐾𝑖𝑡 + 𝜇𝑖𝑡 ........................................................................(4.1)
Dimana :
𝑃𝑀𝑆𝐾𝑁𝑖𝑡 = Presentase penduduk miskin kabupaten/kota i tahun t
𝑃𝐷𝑅𝐵𝑖𝑡 = Laju pertumbuhan PDRB harga konstan kabupaten/kota i

tahun t
𝑙𝑛𝐼𝑛𝑑𝑢𝑠𝑖𝑡 =Jumlah peusahaan industri sednag dan besar


tahun t
Tahapan selanjutnya merupakan memilih model terbaik melalui beberapa

uji, antara lain uji Chow Test, uji Hausman Test, uji Lagrange Multiplier Test.
Uji Chow Test dipakai sebagai alat menentukan antara model Pooled Least
Square (PLS) dan Fixed Effect Model (FEM), uji Hausman Test sebagai pemilih
antara model Fixed Effect Model (FEM) dan Random Effect Model (REM),

36
kemudian uji Langrange Multiplier Test sebagai pemilih antara model Pooled
Least Square (PLS) dan Random Effect Model (REM).
4.3 Hasil Estimasi dan Pembuktian Hipotesis

Analisis pada data penel memiliki tiga estimasi, yaitu Pooled Least
Square (PLS), Fixed Effect Model (FEM), dan Random Effect Model (REM).
Terdapat satu variabel dependen dalam penelitian ini yaitu pesentase jumlah
penduduk miskin dan lima variabel independen yaitu IPM, laju pertumbuhan
ekonomi (PDRB), luas sawah, jumlah industri, dan TPAK.
Tabel 4.2 Hasil Regresi Data Panel
Keterangan
Variabel Independen Keterangan
PLS FEM REM
Konstanta Coefisien 51.1402 45.98 47.974
Prob 0.00000 0.000 0.000
T-stat 10.48 17.38 18.62
IPM Coefisien -0.60548 -0.57822 0.59531
Prob 0.000 0.000 0.000
T-stat -15.85 -22.92 -24.42
TPAK Coefisien 0.02472 0.0657 0.06617
Prob 0.557 0.001 0.000
T-stat 0.59 3.48 3.48
Pertumbuhan Ekonomi Coefisien -0.25937 -0.31193 -0.04286
Prob 0.003 0.2292 0.149
T-stat -3.02 -1.06 -1.44
lnsawah Coefisien 0.5418 -0.08974 -0.02006
Prob 0.0000 0.0387 0.839
T-stat 4.08 -0.87 -0.2
lnindus Coefisien -0.63198 0.52269 0.19793
Prob 0.0000 0.047 0.372
T-stat -4.05 2.00 0.89
R-squared 0.7165 0.6399 0.6764
Jumlah Observasi 342
Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1
Sumber : Stata 14, diolah

37
Tabel 4.2 menunjukan hasil dari model regresi PLS, FEM, REM
menggunakan data panel. Berdarskan regresi metode PLS, variabel IPM, Laju
Pertumbuhan Ekonomi, dan Jumlah industri berpengaruh signifikan secara
negatif terhadap persentase penduduk miskin di 38 kabupaten/kota di provinsi
Jawa Timur pada tahun 2011-2019. Variabel jumlah sawah berdasrkan hasil
regersi PLS berpengaruh positif dan signifikan terhadap persentase penduduk
miskin di 38 kabupaten/kota di provinsi Jawa Timur pada tahun 2011-2019.
Variabel yang tidak signifikan adalah variabel TPAK dan memiliki pengaruh
positif terhadap persentase penduduk miskin di 38 kabupaten/kota di provinsi
Jawa Timur pada tahun 2011-2019. Nilai R-squared pada regresi PLS
menunjukan angka 0.7165 yang memiliki arti varians variabel dependen (IPM,
TPAK, laju pertumbuhan ekonomi, luas sawah dan industri ) dapat
mempengaruhi variabel independen (persenntase pendudduk miskin ) sebesar
71% sisanya sebesar 29% dipengaruhi oleh varians variabel lain diluar model.
Berdasarkan hasil FEM pada tabel 4.2 variabel IPM dan luas sawah
berepengaruh signifikan secara negatif terhadap persentase penduduk miskin di
38 kabupaten/kota di provinsi Jawa Timur pada tahun 2011-2019. Variabel
TPAK dan jumlah industri berpengaruh signifikan secara postif terhadap
persentase penduduk miskin di 38 kabupaten/kota di provinsi Jawa Timur pada
tahun 2011-2019. Sedangkan varaibel yang tidak berpengaruh signifikan adalah
variabel laju purtumbuhan ekonomi akan tetapi pengaruhnya negatif terhadap
persentase penduduk miskin di 38 kabupaten/kota di provinsi Jawa Timur pada
tahun 2011-2019. Nilai R-squared dari hasil regresi metode FEM sebesar 0.6399
yang artinya varians variabel dependen (IPM, TPAK, laju pertumbuhan ekonomi,
luas sawah dan industri ) dapat mempengaruhi variabel independen (persentase
penduduk miskin ) sebesar 63 % dan sisanya sebesar 37% dipengaruhi oleh
varians variabel lain diluar model.
Hasil regresi menggunakan metode REM pada taebel 4.2 menunjukan

hasil varibel IPM dan TPAK memmiliki pengaruh signifikan secara positif
terhadap penduduk miskin di 38 kabupaten/kota di provinsi Jawa Timur pada

38
tahun 2011-2019. Sedangkan variabel laju pertumbuhan ekonomi, luas sawah

dan jumlah industri tidak beperngaruh signifikan terhadap penduduk miskin di
38 kabupaten/kota di provinsi Jawa Timur pada tahun 2011-2019 dengan
pertumbuhan ekonmi dan luas sawah berpenagruh secara negatif sedangkan
jumlah industri berpengaruh secara positif. Nilai R-squared dari metode REM
sebesar 0.6764 yang artinya varians variabel dependen (IPM, TPAK, laju
pertumbuhan ekonomi, luas sawah dan industri ) dapat mempengaruhi variabel
independen (persentase penduduk miskin ) sebesar 67 % dan sisanya sebesar 33%
dipengaruhi oleh varians variabel lain diluar model.
4.3.1 Pemilihan Model Analisis dalam Estimasi Metode Data Panel

Untuk pembuktian hipotesis dan menjawab tujuan daripada penelitian,
maka pada sub bab ini dijeleskan tahapan dalam merumuskan alat analisis yang
akan digunakan. Langkah yang dilakukan pertama kali adalah uji Chow untuk
memilih apakah pada penelitian ini lebih baik menggunakan PLS ataukah FEM.
Berikut ini merupakan hasil dari uji Chow:
Tabel 4.3 Hasi Uji Chow

Jumlah
342
Observasi
Prob > F (FEM) 0.000
α 5%
Ho= PLS
H1= FEM
Sumber : Hasil Regresi dengan STATA 14
1) H0 : PLS
H1 : FEM
2) 𝛼 = 5% = 0.05
3) 𝑃𝑟𝑜𝑏 𝐹 > 𝛼 → H0 tidak ditolak
𝑃𝑟𝑜𝑏 𝐹 < 𝛼 → H0 ditolak
𝑃𝑟𝑜𝑏 𝐹 = 0,000 → 0.000 < 0,05
4) H0 ditolak , H1 diterima

39
5) FEM lebih baik digunakan pada penelitian ini jika dibandingkan dengan
PLS.
Tabel 4.4 Hasil Uji Hausman
Chi square 14.26

Prob> Chi
0.014
Square
H0= REM
H1= FEM
Tabel berikut merupakan hasil estimasi uji Hausman. Berdasarkan hasil uji
Hausman diperoleh nilai probabilitas (Prob > chi2) sebesar 0.014.
1) H0 : REM
H1 : FEM
2) 𝛼 = 5% = 0,05
3) 𝜌-value > 𝛼 → H0 tidak ditolak
𝜌-value < 𝛼 → H0 ditolak
𝜌-value = 0,014 → 0,014 < 0,05
4) H0 ditolak , H1 diterima
Maka FEM lebih baik digunakan bila dibandingkan dengan REM.
Berdasarkan hasil estimasi uji Chow Test dan uji Hauman model estimasi terpilih
yaitu Fixed Effect Model (FEM), maka tidak lagi diperlukan uji Lagrange
Multiple. Jadi dapat disimpulkan model yang digunakan dalam penelitian ini
adalah FEM (Fixed Effect Model).
4.3.2 Uji Asumsi Klasik

4.3.2.1 Uji Multikolinieritas
Uji ini dilakukan untuk mengetahui hubungan linier anata variabel
independen atau apakah terdapat korelasi antara variabel independen dalam
sebuah model. Uji multikolinieritas dilakukan dengan uji VIF pada STATA,
dimana hipoteesis didalam uji ini yaitu:

40
H0 : ada multikolinieritas
H1 : tidak terdapat multikolinieritas
Pengujian dilakukakn dengan melihat nilai koefisien VIF, apabila nilai

koefisien VIF > 10 maka H0 tidak di tolak artinya terdapat multikoolinieritas.
Apabila nilai koefisien VIF < 10 maka H0 di tolak artinya tidak terdapat
multikolinieritas.
Tabel 4.5 Hasil Uji Multikolinieritas
Variabel VIF 1/VIF

IPM 2.08 0.481
lnsawah 1.99 0.5031
lnindustri 1.42 0.7056
TPAK 1.18 0.8500
PDRB 1.06 0.9432
Mean
1.54
VIF
Nilai koefisien VIF sebesar 1.54. yang artinya nilai koefisien VIF < 10.
Apabila nilai koefisien VIF < 10 maka H0 ditolak, dengan arti tidak ada
multikolinieritas.
4.3.2.2 Uji Heterokedastisitas

Untuk melihat apakah terdapat heterokedastisitas pada model, digunakan
uji Walt Test. Hipotesis yang digunakan dalam uji ini yakni:
H0 : Homokedastisitas (tidak terdapat heterokedastisitas)
H1 : Heterokedastisitas
Kriteria pengujian dalam uji heterokedastisitas ini dilihat dari nilai

probabilitas chi squared pada hasil output Walt Test, apabila nilai probabilitas chi
squared > α maka H0 tidak ditolak artinya tidak terdapat heterokedastisitas

41
(Homokedastisitas). Apabila nilai probabilitas chi squared < α maka H0 ditolak

artinya terdapat heterokedastisitas.
Tabel 4.6 Hasil Uji Heterokedastisitas
chi2(38) 4705.48
Prob>chi2 0.000
Berdasarkan Tabel berikut menunjukkan bahwa nilai probabilitas chi

squared < α (5%) maka H0 di tolak, artinya hasil regresi yang telah diperoleh
terindikasi adanya heterokedastisitas.
4.3.2.3 Uji Autokorelasi

Uji autokorelasi digunakan untuk mellihat adanya serial korelasi antara
satu variabel error dengan variabel error lainnya. Dalam uji ini digunakan uji
Wooldrige Test untuk melihat ada atau tidaknya serial korelasi. Hipotesis dalam
uji ini sebagai berikut:
H0 : tidak terdapat serial korelasi (Autokorelasi)
H1 : terdapat serial korelasi (Autokorelasi)
Kriteria pengujian dalam uji autokorelasi ini dilihat dari nilai probabilitas
> F pada hasil output Wooldrige Test, apabila nilai probabilitas > F > α maka H0
tidak ditolak artinya tidak terdapat serial autokorelasi. Apabila nilai probabilitas
> F < α maka H0 ditolak artinya terdapat serial autokorelasi.

42
Tabel 4.7 Hasil Uji Autokorelasi
Woolridge test for autocrrelation in panel data

H0: no first order autocorrelation
F (1, 37)= 87.109
Prob > F = 0.0000
Berdasarkan tabel menunjukkan bahwa nilai probabilitas>F < α (5%)

yaitu sebesar 0.0000 maka H0 ditolak artinya terdapat serial korelasi
(autokorelasi) pada hasil regresi yag telah diperoleh. Hasil yang menunjukkan
adanya autokorelasi membuat estimator pada regresi menjadi LUE (Linier
Unbiased Estimator) dan tidak memenuhi kriteria asumsi klasik, maka harus
dilakukan penyembuhan. Cara untuk mengatasi penyakit autokorelasi salah
satunya dengan metode GLS (General Least Square), sehingga dapat terbebas dari
autokorelasi (Gujarati & Porter, 2012).
Tabel 4.8 Hasil General Least Square
Variabel Kofisien Standart Error P>│z│

Konstanta 52.639 4.604 0.000
IPM -0.6086 0.3766 0.000
Pertumbuhan Ekonomi -0.2566 0.085 0.003
TPAK 0.0073 0.0399 0.854
LnSawah 0.5437 0.1320 0.000
LnIndustri -0.6463 0.1549 0.000
N 342
Wald chi2 863.05
Prob> F 0.000
Berdasarkan hasil GLS yang ditunjukan pada tebel berikut, variabel IPM,
Luas Sawah, Jumlah Industri, dan pertumbuhan ekonomi berpengaruh signifikan
pada tingkat signifikansi 5% terhadap variabel penduduk miskin di 38
kabupaten/kota di provinsi Jawa Timur. Variabel TPAK tidak berpenagruh

43
signifikan dengan tingkat signifikansi 5% terhadap variabel penduduk miskin di

38 Kabupaten/Kota di Provinsi Jawa Timur pada tahun 2011-2019.
4.3.3 Uji Statistik

4.3.3.1 Uji t statistik (parsial)
Pengaruh variiabel indepeden terhadap variabel dependen secara parsial
dilihat dengn melakukan Uji t-statistik. Caranya dengan membandinggkan nilai p-
value pada setiap estimator dengn tinggkat signifikansi (α) sebesar 5% (0.05).
Tabel 4.9 Hasil Uji T Statistik
Variabel Independen Probabilitas

IPM 0.000
LnSawah 0.000
LnIndustri 0.000
TPAK 0.854
Pertumbuhan
0.003
Ekonomi
Pada hasil analisis GLS, berikut merupakan hasil uji parsial :
Uji t statistik pada variabel IPM :
1) H0 : β1 = 0
H1 : β1 ≠ 0
2) 𝛼 = 5% = 0,05
𝜌-value = 0,000 → 0,000 < 0,05
4) H0 ditolak, H1 tidak ditolak
5) IPM berpengaruh signifikan terhadap persentase penduduk miskin

44
Uji t statistik pada variabel Luas Sawah :
1) H0 : β1 = 0
H1 : β1 ≠ 0
2) 𝛼 = 5% = 0,05
𝜌-value = 0,000 → 0,000 < 0,05
5) Luas sawah berpengaruh signifikan terhadap persentase penduduk

miskin.
Uji t statistik pada variabel Jumlah Industri :
1) H0 : β1 = 0
H1 : β1 ≠ 0
2) 𝛼 = 5% = 0,05
𝜌-value = 0,000 → 0,000 < 0,05
5) Jumlah industri berpengaruh signifikan terhadap persentase penduduk

miskin.
Uji t statistik pada variabel TPAK :
1) H0 : β1 = 0
H1 : β1 ≠ 0

45
2) 𝛼 = 5% = 0,05
𝜌-value = 0,854 → 0,854 > 0,05
4) H0 tidak ditolak, H1 ditolak
5) TPAK tidak berpengaruh signifikan terhadap persentase penduduk

miskin.
Uji t statistik pada variabel pertumbuhan ekonomi :
1) H0 : β1 = 0
H1 : β1 ≠ 0
2) 𝛼 = 5% = 0,05
𝜌-value = 0,003 → 0,003 < 0,05
5) Pertumbuhan ekonomi berpengaruh signifikan terhadap persentase

penduduk miskin.
4.3.3.2 Uji F Statistik (Simultan)

Pengaruh variabel independen terhadap variabel dependen secara
bersama-sama depat dilihat dengan Uji F Statistik. Caranya dengan melihat nilai
dari probabilitas F-Statistik.
Uji simultan:
1) H0 : β1 = β2 = β3 = β4= β5
H1 : β1 ≠ β2 ≠ β3 ≠ β4 ≠ β5

46
2) 𝛼 = 5% = 0,05
𝜌-value = 0,0000 → 0,0000< 0,05
5) Variabel indeppenden secara simultan memiliki penggaruh terhadap

variabel dependen.
4.3.4 Koefisien Determninasi (𝑹𝟐 )

Koefisien determinasi digunakan untuk mengukur seberapa jauh model
dalam menjelaskan variasi variabel secara bersama-sama. Hasil penelitian
menunjukkan nilai Koefisien Determinasi (R2) sebesar 0.634 , yang memiliki
arti pengaruh variabel independen ( IPM, luas sawah, jumlah industri, TPAK,
pertumbuhan ekonomi) terhadap variabel dependen ( persentase penduduk
miskin ) adalah sebesar 63%, sedangkan sisana sebesar 17% dipengaruhi variabel
lain diluar model dalam penelitian ini.
4.4 Pembahasan
4.4.1 Pengaruh IPM, luas sawah, jumlah industri, TPAK, dan
pertumbuhan ekonomi terhadap persentase penduduk miskin
Berdasrkan dari hasil GLS ( General Least Square) yang telah dilakukan
pada tabel diatas, didapatkna hasil bahawa nilai probabilitas dari uji F-statistik
sebesar 0.000, dengan tingkat signifikansi sebesar 5%(0.05) maka dapat ditarik
kesimpulan secara statistik variabel-variabel independen ( IPM, luas sawah,
jumlah industri, TPAK, pertumbuhan ekonomi ) secara simultan mempengaruhi
variabel dependen persentase penduduk miskin di 38 kabupaten/kota di Jawa
Timur pada tahun 2011-2019. Hasil ini menunjukkan bahwa signifikannya
variabel bebas dalam penelitian ini dapat dijadikan bahan pertimbangan
kebijakan dalam mengurangi tingkat penduduk miskin yang ada di 38
kabupaten/kota di provinsi Jawa Timur.

47
Selain secara simultan (bersama-sama) model ini juga melakukan

pengujian secara parsial yaitu dengan menggunakan uji t-statistik. Hasil yang
didaptakan dari uji t-statistik yaitu variabel variabel independen IPM, luas sawah,
jumlah industri, dan purtumbuhan ekonomi secara parsial berpengaruh signifikan
terhadap variabel dependen persentase penduduk miskin di 38 kabupaten/kota di
Provinsi Jawa Timur pada tahun 2011-2019. Sednagkan variabel independen
TPAK tidak menujukan pengaruh signifikan terhdap variabel dependen
persentase penduduk miskin di 38 Kabupaten/Kota di Provinsi Jawa Timur pada
tahun 2011-2019.
4.4.1.1 Pengaruh IPM Terhadap Persentase Penduduk Miskin

Hasi dari GLS (General Least Square) menunjukan bahwa secara parsial
variabel IPM pengaruhnya negatif dan signifikan terhadap persentase penduduk
miskin di 38 kabupaten/kota di Provinsi Jawa Timur tahun 2011-2019. Hal
tersebut dapat dilihat dari hasil regresi yang menunjukan koefisien regresi
variabel IPM sebesear -0.6086 dan nilai signifikansi p-value 0.000. Nilai tersbut
memiliki arti ketika IPM naik satu persen, maka persentase penduduk miskin di
38 kabupaten/kota di provinsi Jawa Timur tahun 2011-2019 akan turun sebesar
0.6086 persen,dengan asumsi variabel lain tetap.
Telah dijelaskan pada bab sebelumnya bahwa keterbatasan pendidikan ,

kesehatan, dan pemenuhan kebutuhan pokok merupakan penyebab kemiskinan.
Peningkatan IPM di Jawa Timur menunjukan bahwa ketiga dimensi tersebut juga
mengalami peningkatan, yang artinya penyebab kemiskinan dapat teratasi atau
dapat ditekan. Berdasarkan teori lingkaran kemiskinan dijelaskan bahwa
keterbelakangan dapat mempengaruhi produktifitas dan akhirnya dapat jatuh
kedalam kemiskinan. Hasil regresi ini sejalan dengan penelitian Permatasari
(2019) yang meneliti peneyebab kemiskinan di Jawa Timur pada tahun 2012-
2017 bahwa variabel IPM menunjukan hubungan negatif dan signifikan terhadap
kemiskinan. Menurut Todaro (2012) sudah seharusnya ketika seluruh akses
dalam pembangunan manusia ditingkatkan, seperti kesehatan dan pendidian
maka kemiskinan suatu daerah dapat diturunkan. Hal tersebut sejalan dengan

48
pendapat Permatasari (2019) kemiskinan dapat ditekan dan kesejahteraan

msyarakat dapat dicapai apabila akses terhadap konsumsi pelayanan sosial yaitu
pendidikan,kesehatan dan gizi meningkat. Indeks ini adalah gambaran dari tiga
hal tersebut, jadi perlunya peningkatan indeks ini karena memliki hubungan
negatif terhadap kemiskinan.
4.4.1.2 Pengaruh Pertumbuhan Ekonomi terhadap Persentase

Penduduk Miskin
Hasil regresi dari yang telah ditunjukan pada bab sebeslumnya
menujunjukan bahwa secara parsial variabel pertumbuhan ekonomi berpengaruh
negatif signifikan terhadap persentase penduduk miskin di 38 kabpaten/kota di
provinsi Jawa Timur pada tahun 2011-2019. Nili koefisien yang ditunjukan dari
hasil GLS adalah -0.256 dengan signifikansi p-value 0.003. Hal ini memiliki arti
ketikat pertumbuhan ekonomi meningkat sebesar satu persen, maka persentase
penduduk mikin di 38 kabupaten/kota di provinsi Jawa Timur tahun 2011-2019
turun sebesar 0.256 persen dengan asumsi variabel lain konstan.
Berdasarkan teori pertumbuhan inklusif, yang mana pertumbuhan inklusif

didefinisikan sebagai pertumbuhan GDP yang dapat menurunkan kemiskinan.
Pertumbuhan ekonomi disebut inklusif apabila pertumbuhan tersebut mampu
menurunkan kemiskinan, menurunkan ketimpangan distribusi pendapatan, dan
menyerap lebih banyak tenaga kerja. Hasil regeresi ini juga sejalan dengan
penelitian yang dilakukan oleh Permatasari (2019) dan Akhtar dkk (2017) bahwa
pertumbuhan ekonomi memiliki hubungan negatif terhadap kemiskinan. Menurut
Todaro (2012) prospek untuk mengakhiri kemiskinan sangat bergantung pada
dua faktor : pertama tingkat pertumbuhan ekonomi dengan syarat dilaksanakan
secara partisipatif dan berkelanjutan dan kedua : tingkat sumber daya yang
dialokasikan bagi program penanggulangan kemiskinan dan kulitas dari program
penanggulangan kemiskinan.
4.4.1.3 Pengaruh TPAK terhadap Persentase Penduduk Miskin

Hasil GLS ( General Least Square) menujukan TPAK memliki pengaruh
positif tidak signifikan terhadap persentase penduduk miskin di 38

49
kabupaten/kota provinsi Jawa Timur pada taun 2011-2019. Nilai koefisien

variabel ini sebesar 0.007 dengan p-value sebesar 0.854 yang menjadikan
variabel ini tidak signifikan. Nilia koefisien ini berarti ketika TPAK naik satu
persen, maka persentase penduduk miskin di 38 kabupaten/kota provinsi Jawa
Timur pada taun 2011-2019 akan meningkat sebanyak 0.007% dengan asumsi
variabel lainya dianggap konstan.
Angka TPAK menunjukan penduduk usia 15 tahun ke atas yang

merupakan angkatan kerja. Angkata kerja disini belum tentu mereka yang sudah
memiliki pekerjaaan karena definis dari pendduk yag termasuk angkatan kerja
merupakan penduduk usia kerja yang bekerja, juga bisa memliki pekerjaan akan
tetapi sementara tidak bekerja dan pengangguran (Badan Pusat Statistika, 2020).
Dalam penelitian ini meningkatnya partisipasi angkatan kerja dapat
meningkatkan persentase penduduk miskin dikarenakan tidak semua angkatan
kerja memiliki pekerjaan, ada angkatan kerja yang masih pengangguran. Secara
tidak langsung nilai dari TPAK dapat mempengaruhi kemiskinan karena didalam
Tingkat Partisi Angkatan Kerja terdapat angakat kerja yang tidak memliki
pekerjaan atau menganggur. Hal tersebut sejalan dengan penelitian Permatasari
(2019) bahwa tingkat pengagguran akan meningkatkan kemiskinan, dikarenakan
tidak adanya penghasilan untuk memnuhi kebutuhan hidup.
4.4.1.4 Pengaruh Luas Sawah terhadap Persentase Penduduk Miskin

Berdasarka hasil regressi yang telah ditunjukan pada bab sebelumnya.
Variabel luas sawah memiliki pengaruh positif dan signifika terhadap persentase
penduduk miskin di 38 kabupaten/kota provinsi Jawa Timur pada tahun 2011-
2019. Hasil GLS( General Least Square) menunjukan koefisien variabel luas
sawah sebesar 0.543 dengan p-value 0.000, yang artinya ketika luas sawah
meningkat sebanyak satu persen, maka persentase peduduk miskin di 38
kabupaten/kota provinsi Jawa Timur pada tahun 2011-2019 akan meningkat
sebesar 0.543 persen dengan asumsi variabel lain deianggap konstan.
Sebenarnya peningkatan luas lahan sawah irigasi dan non irigasi

seharusnya berpengaruh terhadap produktifitas yang dihasilkan oleh penduduk

50
yang bekerja disektor tersebut. Dimana seharusnya semakin menigkatnya lauas

lahan akan meningkatkan produktifitas dan juga akan meningkatkan otput yang
didapatkan oleh petani. Akan teapi apabila lahan yang meningkat ini tidak diikuti
dengan pengiktan kualitas lahan, peningktan pendidikan dan keahlian serta tidak
dimilikinya akses terhadap lahan tersebut maka penduduk yang bergantung pada
sektor itu cenderung berada dalam kemiskinan sampai memperoleh bantuan dan
transfer dari pihak lain (Thorbecke dan Pluijm dalam Susilowati, 2019).
Penelitian Michler & Josephson (2017) menunjukan rumah tangga yang
menanam beragam tanaman cenderung tidak miskin daripada rumah tangga yang
mengkhususkan diri dalam produksi tanaman mereka. Selain itu, keragaman
tanaman mengurangi kemungkinan bahwa rumah tangga yang tidak miskin akan
tertimpa kemiskinan dan kemungkinan bahwa rumah tangga miskin akan tetap
berada dalam kemiskinan. Kesimpulannya bahwa diversifikasi tanaman adalah
cara yang layak untuk menghadapi urgensi menjadi miskin.
4.4.1.5 Pengaruh Jumlah Industri terhadap Persentase Penduduk

Miskin
Hasil regresi yang ditujnjukan pada bab sebelumnya menunjukan variabel
jumlah indusrti memiliki pengaruh negatif dan signifikan terhdap variabel
persentase penduduk miskin di 38 kabupaten/kota prvinsi Jawa Timur pad atahun
2011-2019. Angka koefisien yang ditunjuka pada hasil regresi sebesar -0.646
dengan p-value sebanyak 0.000. hal tersebut berarti bahwa setiap jumlah industri
naik sebesar satu persen, maka akan menurunkan persentase penduduk miskin
di 38 kabiupaten/kota provinsi Jawa Timur sebesar 0.646 perseen dengan asumsi
variabel lain dianggap konstan.
Peningkatan jumlah industri disini menggambarkan bertambahnya

lapangan kerja yang berada di Jawa Timur. Menurut Bappenas salah satu
penyebab kemiskina adalah tidak tersedianya lapangan kerja yang
mengakibatkan pengangguran. Hasil regresi yang menunjukan bahwa
bertambahnya jumlah industri dapat menurunkan kemiskinan di Jawa Timur

51
sejalan dengan temuan Heriansyah (2018) yang menunjukan bahwa jumlah

industri berpengaruh negatif dan signifikan terhadap jumlah penduduk miskin di
Provinsi Banten tahun 2012-2016. Kemiskinan disebabkan oleh tidak adanya
pendapatan dan sumber daya untuk pemenuhan kebutuhan pokok. Selain itu,
kemiskinan juga dikaitkan dengan terbatasnya kesempatan kerja, dan masyarakat
yang tergolong miskin umumnya menganggur (unemployed) serta tingkat
pendidikan dan kesehatannya umumnya tidak memadai. Dengan munculnya
industri-industri besar dan sedangg seharusnya dapat menambah jumlah lapangan
pekerjaan di Jawa Timur sehingga pengangguran juga dapat berkurang.
Dalam penelitian yang dilakukakan Mok, dkk (2007) menyatakan bahwa

penduduk yang bekerja di sektor industri dapat mengurangi kemiskinan rumah
tangga. Sektor industri sebagai pemimpin artinya dengan adanya pembangunan
industri maka pembanguan sekotr lain seperti pertanian dan jasa dapat dipacu.
Apabila sektor industri pertumbuhannya pesat dapat mamacu sektor pertanian
dalam menyuplai bahan baku suatu industri. Sektor jasa juga menjadi lebih pesat
perkembangnya karena dorongan dari sektor ini. Pertumbuhan sektor industri
pengolahan Jawa Timur yang konsisten lebih tinggi dari nasinoal juga marupakan
penopang dari pertumbuhan ekonomi Jawa Timur.

BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Tujuan dari penelitian ini untuk mengetahui faktor yang mempengaruhi
kemiskinan di provinsi Jawa Timur. Maka kemsipulan yang didapatkan dari
peniltian ini adalah berikut :
1. Secara simultan seluruh variabel independen yaitu IPM, pertumbuhan

ekonomi, TPAK, luas sawah dan jumlah indusrti berpengaruh signifikan
terhadap kemiskinan di Jawa Timur pada tahun 2011-2019.
2. Secara parsial Jumlah industri, IPM dan pertumbuhan ekonomi memiliki
pengaruh negatif terhadap kemiskinan, yang artinya ketika ketiga
variabel tersebut menigkat maka persentase penduduk msikin di di 38
kabupaten/kota di provinsi Jawa Timur akan turun. Variabel TPAK dan
luas sawah memiliki pengaruh positif, akan tetapi hanya variabel luas
sawah yang signifikan. Artinya ketika dua variabel tersebut meningkat
maka kemiskinan juga akan meningkat.
5.2 Saran
Berdasrkan simpulan pada bagian sebelumnya, berikut ini adalah
rekomendasi atau saran dari peneliti :
1. Meningkatkan kualitas sumber daya manusia yang berketrampilan dan

berkeahlian khusus sehingga dapat berkompetisi di pasar tenaga kerja.
2. Diperlukan adanya pelatihan atau penyuluhan kepada petani agar dapat

melakukan diversivikasi produk pertanian yang berkualitas.
3. Pihak pemerintah dan swasta dapat menciptakan/mengembangkan

lapangan pekerjaan agar dapat menyerap banyaknya angkatan kerja.
4. Untuk penelitian selanjutnya diharapkan bisa menambahkan periode tahun

dan variabel penelitian.
52

53
5.3 Keterbatasan Penelitiaan

Keterbatasan penelitian ini adalah kurangnya variabel untuk dapat
mengidentifikasi kemiskinan di Jawa Timur, karena kemiskinan dipengaruhi
banyak variabel yang mungkin tidak terdapat dalam penelitian ini. Diharapkan
penelitian selanjutnya menambahkan variasi variabel lain dalam
mengidentifikasi kemiskinan di Jawa Timur.

DAFTAR PUSTAKA
Aloysius, G. Brata. (2002) Pembangunan Manusia dan Kinerja Ekonomi Regional
di Indonesia : Jurnal Ekonomi Pembnagunan : Kajian Ekonomi Negara
Berkembang. 112-122
Adetayo, A. (2014). Analysis of Farm Housholds Poverty Status in Ogun States

Nigeria : Asian Economic and Financial Review. 4(3), 325-340
Afzal, M., & Malik, M. E. (2012). Relationship among Education , Poverty and
Economic Growth in Pakistan : An Econometric Analysis. 22(1), 23–45.
BAPPENAS. (2010). Analisis Wilayah dengan Kemiskinan Tinggi (online)

(http://www.bappenas.go.id diakses 28 September 2019)
Basyir, A. (2015). Faktor-Faktor Yang Mempengaruhi Kemiskinan Di Provinsi

Aceh. Jurnal Ilmu Ekonomi, 3(1), 101–110.
BPS. (2019, Januari 31). Badan Pusat Statitika. Diambil kembali dari Badan Pusat
Statistika Web Site: http://www.bps.go.id
-----. (2020, Januari 31). Badan Pusat Statistika. Diambil kembali dari Badan Pusat
Statistika Web Site : http://www.bps.go.id
Criswardani, S. (2005). Memahami Kemiskinan Secara Multidimensional.
Dyah Hapsari, S. A., Hutagaol, M. P., & Asmara, A. (2018). Pertumbuhan

Inklusif : Fenomena Pertumbuhan Inklusif Di Kawasan Indonesia Bagian
Barat Dan Indonesia Bagian Timur. Jurnal Ekonomi Dan Kebijakan
Pembangunan, 2(2), 85–112. https://doi.org/10.29244/jekp.2.2.85-112
Fadilah, N., Dwi, A. S., & Sukiman. (2016). Analisi pengaruh pendapatan per
kapita, tingkat penaguran, IPM dan pertumbuhan penduduk terhadap
kemiskinan di Jawa Tengah tahun 2009-2013. Jurnal Pembangunan
Ekonomi Wilayah, 11(01), 18–26.
Fajriyah, N., & Rahayu, S. P. (2016). Pemodelan Faktor-Faktor yang

Mempengaruhi Kemiskinan Kabupaten Kota di Jawa Timur Menggunakan

Regresi Data Panel. Jurnal Sains Dan Seni ITS, 5(1), 45–50.
Gujarati, D. N., & Porter, D. C. (2012). Basic Econometrics, Fifth Edition. In

Introductory Econometrics: A Practical Approach (Fifth Edit).
Handalani, R. T. (2019). Determinant of Poverty in Indonesian’s Province: A

Review of Public Policy. Jurnal Borneo Administrator, 15(1), 59–80.
https://doi.org/10.24258/jba.v15i1.373
Haughton, J; Shahidur R, K. (2010). Pedoman Tetang Kemiskinan dan

Ketimpangan. Salemba Empat.
Heriansyah, R. D. ; N. I. ; K. H. (2018). ANALISIS PENGARUH JUMLAH

INDUSTRI DAN INDEKS PEMBANGUNAN MANUSIA TERHADAP
JUMLAH PENDUDUK MISKIN DI KABUPATEN/KOTA PROVINSI
BANTEN TAHUN 2012-2016. 2, 453–463.
Kregel, J., Kattel, R., & Reinert, E. (2009). Ragnar Nurkse: Trade and Development.
New York: Wimbledon Publishing Company
Kuncoro, M. (2003). Ekonomi Pembangunan : Teori, Masalah, dan Kebijakan

(Edisi Keti). UPP AMP YKPN
Mankiew, G. (2000). Teori Makro Ekonomi. Erlangga..
Michler, J. D., & Josephson, A. L. (2017). To Specialize or Diversify:

Agricultural Diversity and Poverty Dynamics in Ethiopia. World
Development, 89, 214–226. https://doi.org/10.1016/j.worlddev.2016.08.011
Nugroho, i; D. R. (2012). Pembangunan Wilayah: Perspektif Ekonom,Sosial, dan

Lingkungan (p. 184). LP3ES.
Pascual, Unai & Martinez Roberto. (2006). Poverty and Environmental

Degradation Under Trade Liberalization: Searching for Second-Best Policy
Option. Economica Agraria Recursos Naturales. 6(12), 121-144
Permatasari, V. B. D. (2019). Analisis Pengaruh Pertumbuhan Ekonomi, IPM,
55

Tingkat Pengangguran, Upah minimum Terhadap Kemiskinan di Jawa Timur

tahun 2012-2017. Journal of Chemical Information and Modeling, 53(9),
1689–1699.
Schiler, B. (2003). The Economics of Poverty and Discrimination. Prentice Hall.
Siregar, H., & Wahyuni, D. (2007). Dampak Pertumbuhan Ekonomi Terhadap

Penurunan Jumlah Penduduk Miskin. Economics Development, pertumbuhan
ekonomi dan penduduk miskin.
http://pse.litbang.deptan.go.id/ind/pdffiles/PROS_2008_MAK3
Susilowati, S. H. (2019). Dinamika kemiskinan rumah tangga dan hubungannya

dengan penguasaan lahan pada berbagai agroekosistem. 287–300.
Tisniwati, B. (2012). Analisis Faktor-Faktor Yang Mempengaruhi Tingkat

Kemiskinan Di Indonesia. Jurnal Ekonomi Pembangunan, 10(1), 33.
https://doi.org/10.22219/jep.v10i1.3714
Todaro, M. P. S. S. C. (2012). Economic Development 11th Edition.
Tri Wahyuni, R. N., & Damayanti, A. (2014). Faktor-Faktor yang Menyebabkan

Kemiskinan di Provinsi Papua: Analisis Spatial Heterogeneity. Jurnal
Ekonomi Dan Pembangunan Indonesia, 14(2), 128–144.
https://doi.org/10.21002/jepi.v14i2.441
Wahyudi, Dicky; Rejekingsih, T. W. (2011). Analisis Konsentrasi Kemiskinan Di

Jawa Tengah. Media Ekonomi Dan Manajemen, 23(1), 1–16.
World Bank. (2006). Pengentasan Kemiskinan di Indonesia (online).

(http://www.worldbank.org, diakses pada 28 September 2019)
Zhang, H. (2014). The Poverty Trap of Education-Poverty Connectios in Western

China. Internasional Journal of Educational Development, 38.47-58
56

LAMPIRAN
Lampiran Regresi Data Panel dengan Menggunakan STATA14
Moodel PLS
Model FEM

Model REM
Pemilihan Model PLS atau FEM

Uji Hausman
Hasil setelah di GLS

Uji multikolinieritas
Uji heterokedastisitas
Uji autokolerasi
Statistik Deskriptif Variabel


Adam Harya Pangestu - 041611133009

Diunggah oleh

Informasi Dokumen

Judul 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

Adam Harya Pangestu - 041611133009

Diunggah oleh

Hak Cipta:

Format Tersedia

IR-PERPUSTAKAAN UNIVERSITAS AIRLANGGA

DETERMINAN KEMISKINAN DI JAWA TIMUR

DIAJUKAN UNTUK MEMENUHI SEBAGIAN PERSYARATAN

PROGRAM STUDI S1 EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

SKRIPSI DETERMINAN KEMISKINAN DI JAWA TIMUR ADAM H PANGESTU

DETERMINANT OF POVERTY IN EAST JAVA

SUBMITTED IN PARTIAL FULFILLMENT

DEVELOPMENT ECONOMICS STUDY PROGRAM

FACULTY ECONOMIC AND BUSINESS

SKRIPSI DETERMINAN KEMISKINAN DI JAWA TIMUR ADAM H PANGESTU

Surabaya, 13 Oktober 2021

Skripsi telah selesai dan siap untuk diuji

ATIK PURMIYATI, SE.,M.Si.,Ph.D

SKRIPSI DETERMINAN KEMISKINAN DI JAWA TIMUR ADAM H PANGESTU

DETERMINAN KEMISKINAN DI JAWA TIMUR

TELAH DISETUJUI DAN DITERIMA DENGAN BAIK OLEH:

ATIK PURMIYATI, SE.,M.Si.,Ph.D TANGGAL 27 Oktober 2021

KOORDINATOR PROGRAM STUDI,

RUMAYYA, S.E.,M.Reg.Dev.,Ph.D. TANGGAL 27 Oktober 2021

SKRIPSI DETERMINAN KEMISKINAN DI JAWA TIMUR ADAM H PANGESTU

PERNYATAAN ORISINALITAS SKRIPSI

SKRIPSI DETERMINAN KEMISKINAN DI JAWA TIMUR ADAM H PANGESTU

SKRIPSI DETERMINAN KEMISKINAN DI JAWA TIMUR ADAM H PANGESTU

Surabaya, 27 Oktober 2021

SKRIPSI DETERMINAN KEMISKINAN DI JAWA TIMUR ADAM H PANGESTU

DETERMINAN KEMISKINAN DI JAWA TIMUR

Kata Kunci : Determinan, Kemiskinan, Jawa Timur

SKRIPSI DETERMINAN KEMISKINAN DI JAWA TIMUR ADAM H PANGESTU

DETERMINANT OF POVERTY IN EAST JAVA