Keywords: This study aims to determine the effect of life expectancy, school lenght
Life Expectancy, Long expectancy, and gross regional domestic product on the number of poor
School Expactantions, people in Aceh Province. The data used in this study is panel data from
Gross Regional Domestic 2011 to 2017. The data analysis method used is panel data regression
Product, The number of analysis.This study uses panel data from 2011 to 2017. The data
poor people. analysis method used is the Panel data regression analysis. The results
partially show that life expectancy has a negative and insignificant
effect on the number of poor people in Aceh Province, school length
expectancy has a positive but insignificant effect on the number of poor
people in Aceh Province, and the Gross Regional Domestic Product has
a negative and insignificant effect on the poor people in Aceh Province.
Simultaneously, life expectancy, school length expectancy, and gross
regional domestic product have a positive and significant effect on the
number of poor people in Aceh Province..
tahun 2014-2017, hal ini telihat dari data menurun dari 881.270 jiwa di tahun 2014
Angka Harapan Hidup (AHH) di 2014 sebesar kemudian menjadi 848.440 jiwa di tahun 2016.
69,35 tahun lalu meningkat hingga2017 Hal tersebut sama seperti teori yang
menjadi 69,52tahun. Sedangkan pada data dikemukakan oleh Kementerian Kesehatan RI
Angka Harapan Lama Sekolah pun mengalami dalam (Wibowo & Lina, 2017) dan Tobing
hal yang sama yaitu selalu meningkat, dalam (Hastarini, 2005) bahwa semakin
dimulai2014 Angka Harapan Lama Sekolah meningkat Angka Harapan Hidup dan Angka
(AHLS) sebesar 13,53tahun hingga 2017 Harapan Lama Sekolah dari tahun ke tahun
menjadi sebesar 14,13 tahun. menunjukkan bahwa pencapaian pembangunan
Secara nasional, penduduk provinsi manusia telah berhasil dilakukan. Hal tersebut
Aceh usia tujuh tahun ke atas berpotensi menunjukkan adanya upaya perbaikan kuantitas
menempuh pendidikan hingga Diploma II pada dan kualitas kesehatan dan pendidikan serta
2014. Hal ini dapat dilihat dari angka HLS peningkatan kondisi sosial masyarakat.
yang mencapai 13,53 tahun (13,53 ≈ 14 tahun Tetapi yang menjadi permasalahannya
= SD 6 tahun + SMP 3 tahun + SMA 3 tahun + adalah pada tahun 2017 AHH meningkat sebesar
Perguruan Tinggi 2 Tahun). Pada tahun 2015 69,52tahun dan di tahun yang sama AHLS juga
mencapai 13,73 tahun. Artinya pada tahun meningkat 14,13tahun tetapi jumlah penduduk
tersebut penduduk usia 7 tahun keatas di miskin juga ikut meningkat sebesar 872.620
provinsi Aceh berpotensi menempuh jiwa. Hal tersebut berbanding terbalik dengan
pendidikan hingga Diploma II (13,73 ≈ 14 teori, Menurut (Hastarini, et al 2005) (Hong &
tahun = SD 6 tahun + SMP 3 tahun + SMA 3 Pandey, 2007) menyimpulkan bahwa penduduk
tahun + Perguruan Tinggi 2 Tahun). Pada dengan angka harapan hidup dan tingkat
tahun 2016 Pada tahun mencapai 13,89 tahun. pendidikan yang lebih tinggi memiliki
Artinya pada tahun tersebut penduduk usia 7 kemungkinan yang lebih kecil untuk menjadi
tahun keatas di provinsi Aceh berpotensi miskin. Teori tersebut di dukung oleh Hasil
menempuh pendidikan hingga Diploma II penelitian (Faturrohmin, 2011) menyatakan
(13,89 ≈ 14 tahun = SD 6 tahun + SMP 3 tahun bahwa angka harapn hidup berpengauh terhadap
+ SMA 3 tahun + Perguruan Tinggi 2 Tahun). tingkat kemiskinan di Jawa Tengah. Sedangkan
Pada tahun 2017 mencapai 14,13 tahun. hasil penelitian yang dilakukan oleh (Suwanto,
Artinya pada tahun tersebut penduduk usia 7 2018) menyimpulkan bahwa kesehatan tidak
tahun keatas di provinsi Aceh berpotensi berpengaruh terhadap kemiskinan di Jawa Timur.
menempuh pendidikan hingga Diploma II Sementara itu, hasil penelitian (Ratisyah, 2019)
(14,13 ≈ 14 tahun = SD 6 tahun + SMP 3 tahun memperoleh hasil rata-rata lama sekolah
+ SMA 3 tahun + Perguruan Tinggi 2 Tahun). berpengaruh signifikan terhadap kemiskinan di
Data PDRB yang ada di Provinsi Aceh Kalimantan Barat. Sedangkan hasil peneilitian
selama kurun waktu 4 tahun (2014-2017) yang dilakukan (Azhar, 2017) menyimpulkan
mengalami fluktuasi dimana di tahun 2014 bahwa angka harapan lama sekolah tidak
PDRB menunjukkanangka sebesar Rp. berpengaruh terhadap kemiskinan di Provinsi
113.490.359, kemudian turun di tahun 2015 Jawa Barat.
menjadi sebesar Rp. 112.665.532. Namun Terkait dengan data Jumlah Penduduk
kembali meningkat di tahun 2016 hingga 2017 Miskin dan PDRB yang tertera pada tabel 1.1
menjadi sebesar Rp. 121.263.186. bahwa pada tahun 2017 PDRB mengalami
Jika di kaitkan dengan data Jumlah peningkatan sebesar Rp. 121.263.186. Namun di
Penduduk Miskin pada Tabel 1.1 diatas, maka sisi lain Jumlah Penduduk Miskin megalami
dapat dilihat bahwa data AHH dan AHLS peningkatan sebesar 872.620 jiwa. Hal ini
memiliki keterkaitan yang positif dimana AHH berbanding terbalik dengan teori pertumbuhan
dan AHLS meningkat dimulai dari tahun2014- ekonomi yang menyebutkan bahwa semakin
2016 dan Jumlah Penduduk Miskin juga tinggi PDRB suatu daerah, maka semakin besar
18
pula potensi sumber penerimaan daerah derajat kesehatan pada khusunya Angka Harapan
tersebut dikarenakan semakin besar pendapatan Hidup (AHH) merupakan indikator derajat
masyarakat daerah tersebut. Hal ini berarti juga kesehatan masyaraka.dimana tinggi rendahnya
semakin tinggi PDRB semakin sejahtera AHH menggambarkan kemajuan ekonomi
penduduk suatu wilayah, dengan kata lain masyarakat (Jumiati et al., 2015).
jumlah penduduk miskin akan berkurang
Angka Harapan Lama Sekolah
(Alhudhori, 2017). Teori tersebut di dukung Menurut (Todaro, 2013) mengemukakan
oleh Hasil penelitian (Faturrohmin, 2011) bahwa struktur pendidikan yang berlaku pada
menyatakan bahwa PDRB berpengauh suatu daerah dapat mempengaruhi karakter sosial
terhadap tingkat kemiskinan di Jawa Tengah. dan ekonomi masyarakat pada daerah yang
Sedangkan penelitian (Alhudhori, 2017)
bersangkutan. (Hong & Pandey, 2007)
mendapatkan hasil bahwa PDRB tidak menyimpulkan bahwa penduduk dengan tingkat
berpengaruh terhadap Jumlah Penduduk pendidikan yang lebih tinggi memiliki
Msikin di Provinsi Jambi. Penelitian ini kemungkinan yang lebih kecil untuk menjadi
bertujuan untuk mengetahui dan menganalisis miskin, yang menjadi salah satu penentu
pengaruh Angka Harapan Hidup, Angka penurunan tingkat kemiskinan adalah faktor
Harapan Lama Sekolah dan Produk Domestik pendidikan.
Regional Bruto terhadap Jumlah Penduduk
Miskin Di Provinsi Aceh Produk Domestik Regional Bruto
PDRB adalah nilai bersih barang dan
2 KAJIAN TEORITIS jasa-jasa akhir yang dihasilkan oleh berbagai
Jumlah Penduduk Miskin kegiatan ekonomi di suatu daerah dalam periode
Menurut (Kumalasari, 2011) penduduk tertentu (Saputra, 2011). PDRB dapat
miskin merupakan penduduk yang memiliki menggambarkan kemampuan suatu daerah
rata-rata pengeluaran perkapita perbulan di mengelola sumber saya alam yang dimilikinya.
bawah garis kemiskinan. Garis Kemiskinan Oleh karena itu besaran PDRB yang dihasilkan
(GK) yaitu penjumlahan dari Garis oleh masing-masing daerah sangat bergantung
Kemiskinan Makanan dan Garis Kemiskinan kepada potensi sumber daya alam dan faktor
Non Makanan. Menurut (Bank, n.d.) produksi Daerah tersebut. Adanya keterbatasan
kemiskinan sebagai kekurangan dalam dalam penyediaan faktor-faktor tersebut
kesejahteraan, dan terdiri dari banyak dimensi. menyebabkan besaran PDRB bervariasi antar
Ini termasuk berpenghasilan rendah dan daerah.
ketidakmampuan untuk mendapatkan barang
Kerangka Konseptual
dasar dan layanan untuk bertahan hidup. Adapun kerangka konseptual dalam
Menurut (Alhudhori, 2017), kondisi seseorang penelitian ini sebagai berikut:
yang tidak mampu untuk memenuhi kebutuhan
sandang, pangan dan papan yang menyebabkan H1
kemiskinan salah satunya oleh keadaan alat AHH (X1)
pemuas kebutuhan dasar. H2 JPM(Y)
Angka Harapan Hidup AHLS (X2)
AHH dijadikan indikator dalam
mengukur kesehatan suatu individu di daerah. H3
PDRB (X3)
AHH merupakan perkiraan banyak tahun yang
dapat dicapai seseorang selama hidup Uji F
(Saraswati & Widianisngsih, 2008). AHH
merupakan alat untuk melihat kinerja
Gambar 1. Kerangka Konseptual
pemerintah dalam meningkatkan kesejahteraan
penduduk pada umumnya, dan meningkatkan Hipotesis
19
H0 ditolak jika P-value lebih kecil dari disimpulkan bahwa dalam penelitian ini
nilai α. Sebaliknya, H0 diterima jika P- secara parsial variabel bebas berpengaruh
value lebih besar dari nilai a. Nilai a yang terhadap variabel terikat.
digunakan sebesar 5%. 2. jika t hitung <t tabel dengan tingkat
signifikan 5% atau 0,05, maka dapat
b) Uji Hausman disimpulkan bahwa variabel bebas dalam
Pengujian ini membandingkan model penelitian ini tidak berpengaruh terhadap
fixed effect dengan random effect dalam variabel terikatnya.
menentukan model yang terbaik untuk
digunakan sebagai model regresi data panel Uji F-statistik
(Gujarati, 2012). Hausman test menggunakan Pengujian ini bertujuan untuk apakah
program yang serupa dengan Chow test yaitu semua variabel bebas atau independen yang
program Eviews. Hipotesis yang dibentuk dimasukkan dalam model mempunyai pengaruh
dalam Hausman test adalah sebagai berikut : secara bersama-sama terhadap variabel dependen
atau terikat (Ghozali, 2006). Pengujian secara
H₀ : Model Random Effect keseluruhan dilakukan dengan membandingkan
H₁ : Model Fixed Effect nilai antara F hitung dan F tabel. Adapun kriteria
H₀ ditolak jika P-value lebih kecil dari pengambilan keputusannya sebagai berikut:
nilai α. Sebaliknya, H0 diterima jika P-value 1. Jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 >𝐹𝑡𝑎𝑏𝑒𝑙 dengan ketentuan
lebih besar dari nilai α. Nilai α yang digunakan tingkat signifikan 5% atau 0,05, maka
sebesar 5%. dapat disimpulkan secara bersama
variabel bebas memiliki pengaruh
Uji Asumsi Klasik signifikan terhadap variabel terikat.
1) Uji Multikolinieritas 2. Jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 <𝐹𝑡𝑎𝑏𝑒𝑙 dengan ketentuan
Uji multikolineritas dilakukan dengan tingkat signifikan 5% atau 0,05, maka
menguji koefisien korelasi cukup tinggi yaitu > dapat disimpulkan secara bersama
0,8 maka dapat disimpulkan adanya masalah variabel bebas tidak berpengaruh
multikolineritas. Namun jika koefisien < 0,8 terhadap variabel terikat.
maka tidak terdapat masalah multikolineritas
(Widarjono, 2017). Koefisien Determinasi (R2)
Koefisien determinasi R2 digunakan
2) Uji Heteroskedastisitas untuk mengukur proporsi (bagian) atau
Uji Heteroskedastisitas bertujuan untuk persentase total varian dalam Y yang dijelaskan
menguji apakah dalam model regresi terjadi dalam model regresi. Batasannya adalah 0 <𝑟 2 <
ketidaksamaan varian dari residual satu 1. Apabila 𝑟 2 sebesar 1 berarti suatu
pengamatan ke pengamatan yang lain
kecocokansempurna, sedangkan 𝑟 2 yang bernilai
(Widarjono, 2017).
nol berarti tidak ada hubungan antara variabel
terikat dengan variabel yang menjelaskannya
Pengujian Statistik (Ghozali, 2006).
Uji t-Statistik
Uji parsial (Uji t) dilakukan untuk 4.HASIL PENELITIAN DAN
melihat seberapa besar pengaruh variabel PEMBAHASAN
independen dalam penelitian ini terhadap Hasil Penelitian
variabel dependen secara parsial (Ghozali, Hasil Uji Asumsi Klasik
2006). Kriteria pengujiannya adalah sebagai
Hasil Uji Multikolinieritas
berikut:
Untuk mendeteksi apakah ada hubungan
1. jika t hitung >t tabel dengan tingkat linier antar variabel bebasnya maka di uji dengan
signifikan 5% atau 0,05, maka dapat menggunakan coralationdengan ketentuan
21
apabila nilai korelasinya lebih besar dari 0,80 Hasil Pengujian Chow
maka terdeteksi adanya masalah
multikolinieritas.Berikut adalah hasil pengujian
multikolinieritas dalam penelitian.
Tabel 4.5 Sumber: Hasil Penelitian (data diolah, 2020).
Hasil Uji Multikolinieritas Berdasarkan Tabel 4.7 diatas
menunjukkan bahwa nilai probabilitas chi-square
sebesar 0,0000 yang di peroleh dari regresi fixed
effect . dari hasil diatas menunjukkan bahwa nilai
dari probabilitas Chi-Square lebih kecil dari
Sumber: Hasil Penelitian (Data Diolah, 2020).
alpha 5% ( 0,0000 < 0,05) artinya model regresi
Berdasarkan pada tabel 4.5 diatas antar
fixed effect Model lebih baik dari pada Common
variabel independen yaitu LOGAHH, variabel
Effect Model.
LOGAHLS dan variabel LOGPDRB dalam
penelitian ini terbebas dari gangguan 2) Hasil Uji Hausman
multikolinieritas karena hasil setiap variabel Dalam pengujian ini melihat nilai
independen nilai korelasinya di bawah 0,80. probabilitas Chi-Square. Apabila nilai
probabilitas Chi-Square lebih besar dari nilai
Hasil Uji Heteroskedastisitas alpha 5% maka model regresi data panel yang
Untuk mendeteksi apakah dalam terpilih dalam penelitian ini adalah Random
penelitian ini ada heteroskedastisitas yaitu Effect Model. Berikut adalah hasil uji hausmant.
dengan melihat nilai probabilitas Tabel 4.8
Obs*Rsquare. Apabila nilai probabilitas Hasil Uji Hausmant
Obs*Rsquarelebih besar dari tingkat alpha 5%
maka tidak terjadi heteroskedastisitas. Berikut
adalah hasil dari pengujian heteroskedastisitas
dalam penelitian ini. Sumber: Hasil Olahan (data diolah, 2020)
Tabel 4.6 Berdasarkan tabel 4.8 diatas
Hasil Uji Heteroskedastisitas menunjukkan bahwa nilai probabilitas chi-square
sebesar 0,0000 lebih besar dari alpha 5% (0,0000
< 0,05) maka model regresi yang terpilih dalam
penelitian ini adalah fixed effect model, sehingga
tidak perlu dilanjutkan uji Lagrange Multiplier.
Sumber: Hasil Penelitian data diolah,2020 Dengan demikian model yang terpilih atau yang
Berdasarkan pada tabel 4.6 diatas dapat sesuai dengan penelitian ini adalah model regresi
dilihat bahwa probabilitas dari Obs*Rsquare data panel fixed effect.
lebih besar dari alpha 0,05 (0,2356 > 0,05).
Maka dalam penelitian ini terbebas dari Analisis Regresi Data Panel
heteroskedastisitas. Pada penelitian ini model fixced effect adalah
modal yang paling terbaik dan terpilih. Berikut
Hasil Model Estimasi Regresi Data Panel ini hasilnya:
1) Hasil Uji Chow
Pengujian ini dilakukan untuk menguji
model Pooled Least Square dengan Fixed
Effect Model untuk melihat model manakah
yang lebih baik dari kedua model tersebut,
maka dapat dilihat dari nilai probabilitas Chi-
Square seperti pada tabel di bawah ini. Tabel
Tabel 4.7
22
Hasil Fixced Effect ditolak yang berarti bahwa variabel AHH tidak
berpengaruh dan tidak signifikan terhadap
jumlah penduduk miskin di Provinsi Aceh,
dengan nilai negatif. Variabel AHLS memeiliki
nilai 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = 0.947498>𝑡𝑡𝑎𝑏𝑒𝑙 0.67606, maka H₂
diterima yang artinya bahwa variabel AHLS
Sumber: Hasil Penelitian (data diolah, 2020). berpengaruh positif namun tidak signifikan
terhadap jumlah penduduk miskin di Provinsi
Berdasarkan pada Tabel 4.9 maka dapat
Aceh. Kemudian variabel PDRB memiliki nilai
diperoleh persamaan hasil regresi adalah
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = -1.753106<𝑡𝑡𝑎𝑏𝑒𝑙 0.67606, maka terima
sebagai berikut:
H₃ yang artinya bahwa variabel PDRB
LOGY = -1032.288 – 0.624043LOGAHH + berpengaruh dan tidak signifikan terhadap
78.37651LOGAHLS – 0.389147LOGPDRB jumlah penduduk miskin di Provinsi Aceh,
dengan nilai negatif.
Dari persamaan diatas menunjukkan
bahwa nilai koefisien konstanta sebesar Hasil Uji F-Statistik
1032.288, artinya apabila variabel bebas AHH, Pengujian secara keseluruhan dilakukan
AHLS dan PDRB dianggap 0, maka jumlah dengan membandingkan nilai antara Fhitung dan
penduduk miskin sebesar 1032.288 persen. Ftabel. Berikut hasil secara simultan pada
Nilai koefisien dari variabel AHH sebesar penelitian ini.
0.624043, artinya apabila AHH meningkat
Tabel 8
sebesar 1 persen maka menurunkan jumlah
Hasil –Uji F
penduduk miskin sebesar 0.624043persen.
Nilai koefisien variabel AHLS sebesar
78.37651, artinya apabila terjadi peningkatan
AHLS sebesar 1 persen maka akan Sumber : Hasil Olahan,2019
meningkatnya jumlah penduduk miskin sebesar Berdasarkan pada Tabel 4.11 diatas dapat
78.37651 persen. Selanjutnya nilai koefisien dilihat bahwa nilai 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 70.38048,
variabel PDRB sebesar 0.389147, artinya sementara nilai dari 𝐹𝑡𝑎𝑏𝑒𝑙 diperoleh sebesar 2,66
apabila PDRB naik sebesar 1 persen maka dari alpha 0,05. Sehingga dapat diketahui bahwa
menurunkan jumlah penduduk miskin sebesar nilai 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 70.38048>𝐹𝑡𝑎𝑏𝑒𝑙 2.66, maka
0.389147 persen. secara bersama-sama dengan tingkat
kepercayaan 95% variabel bebas yaitu AHH,
Hasil Uji t-Statistik AHLS dan PDRB berpengaruh positif dan
Berikut ini hasil uji secara parsial dalam penelitian signifikan terhadap variabel jumlah penduduk
ini: miskin di Provinsi Aceh. Hal ini juga bisa dilihat
Tabel 7 dari probabilitas yang signifikan 0.000000< 0,05.
Hasil Uji-t
Koefisien Determinasi (R2)
Untuk mengetahui seberapa besar
hubungannya dapat dilihat dari nilai Adjusted R-
Square.