Simulasi BPNT Yuyun Guna 11012021

Jurnal Jendela Inovasi Daerah
Badan Penelitian dan Pengembangan Kota Magelang

ISSN: 2621-8739
https://jurnal.magelangkota.go.id
Volume... No. ..., Magelang,
Jurnal Inovasi Daerah, Volume II No 1, Magelang, Maret 2019, Hal.bulan
41-56tahun, Hal. ...
PENGARUH BANTUAN PANGAN NON TUNAI TERHADAP

TINGKAT KEMISKINAN DI KOTA MAGELANG MELALUI
ANALISIS SIMULASI
Yuyun Guna Winarti1, Ahmad Yaskur2
Badan Pusat Statistik
e-mail: yuyun@bps.go.id
ABSTRAK
Kemiskinan merupakan masalah klasik dan menarik untuk dikaji. Kemiskinan merupakan masalah
mutidimensi dan memiliki dampak luas. Kemiskinan dapat dipandang sebagai ketidakmampuan
dalam mencukupi berbagai kebutuhan, terbelenggunya masyarakat oleh faktor-faktor adat atau
budaya, atau juga ketidakberdayaan masyarakat terhadap sistem sosial yang tidak adil. Penanganan
kemiskinan membutuhkan kebijakan yang komprehensif dari semua pihak terkait. Pemerintah
menjadi salah satu kunci keberhasilan program pengentasan kemiskinan melalui program-program
yang diberikan. Salah satunya adalah Bantuan Pangan Non Tunai (BPNT). Tulisan ini ingin
mengetahui pengaruh BPNT terhadap kemiskinan di Kota Magelang. Data yang digunakan adalah
data Susenas Maret periode 2019 hingga 2021. Hasil analisis menunjukkan bahwa BPNT
berpengaruh terhadap penurunan tingkat kemiskinan di Kota Magelang. Ketepatan sasaran penerima
bantuan menjadi kunci efektifnya bantuan ini dalam menurunkan tingkat kemiskinan.
Kata Kunci: kemiskinan, Bantuan Pangan Non Tunai.
ABSTRACT
Poverty is a classic and interesting problem to study. Poverty is a multidimensional problem and
has broad impact. Poverty can be seen as inability to fulfil various needs, shackled of people by
tradition or culture factors, or helplessness of people against an unfair social system. The handling
of poverty needs comprehensive policies from all related parties. The government is one of the keys
to success of poverty alleviation programs through programs provided. One of them is Non-Cash
Food Assistance. This research wants to study the effect of Non-Cash Food Assistance on poverty
in Magelang City. The data used is March Susenas data from 2019 to 2021. The results of the
analysis show that Non-Cash Food Assistance has effects on poverty reduction in Magelang City.
Accuracy in targeting of assistance recipients is the key to effective assistance in reducing poverty.
Keywords: Poverty, Non-Cash Food Assistance.
A. PENDAHULUAN
Kemiskinan masih menjadi masalah yang serius di banyak negara, termasuk

di Indonesia. Kemiskinan menjadi salah satu dari tiga isu utama dalam
pembangunan berkelanjutan selain pengembangan kerangka kelembagaan
pembangunan berkelanjutan, serta kerangka aksi dan instrumen pelaksanaan
pembangunan berkelanjutan (Bappenas). Selain itu, dalam Outcome Document
Transforming Our World: The 2030 Agenda For Sustainable Development,
dinyatakan bahwa tujuan mengakhiri kemiskinan menjadi tujuan “utama” dari 17
tujuan yang disepakti dalam SDGs (BPS, 2021). Program pengentasan kemiskinan
1
Jurnal Jendela Inovasi Daerah, ISSN: 2621-8739, Vol. …. No. …, bulan tahun, Hal. …
menjadi tema utama dalam pembangunan yang dilaksanakan. Hal ini tertuang
dalam Dalam RPJMN 2020 – 2024 yang menyatakan bahwa sasaran makro
pembangunan yaitu penurunan tingkat kemiskinan antara 6 – 7 persen pada akhir
tahun 2024 (Lampiran RPJMN 2020 – 2024).
Kemiskinan merupakan masalah mutidimensi. Menurut Nadhifah dan

Mustofa (2021), kemiskinan merupakan masalah yang senantiasa akan ada, baik di
negara maju maupun berkembang. Kemiskinan dapat dipandang sebagai
ketidakmampuan dalam mencukupi berbagai kebutuhan, mulai dari sandang,
pangan, dan papan. Kemiskinan juga dapat didefinisikan sebagai ketidakmampuan
dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan
yang diukur menurut garis kemiskinan (BPS). Selain dimensi ekonomi, kemiskinan
juga dapat didefinisikan menurut perspektif sosial budaya. Kemiskinan merupakan
kondisi dimana masyarakat terbelenggu oleh faktor-faktor adat atau budaya
sehingga mereka tetap melekat dengan kemiskinan. Di sisi lain, kemiskinan juga
berarti ketidakberdayaan masyarakat terhadap sistem sosial yang tidak adil
sehingga mereka berada pada posisi tawar yang sangat lemah dan tidak memiliki
akses.
Selain multidimensi, kemiskinan memiliki dampak pada banyak aspek.

Kemiskinan menyebabkan tidak mampunya anak-anak mengenyam pendidikan
yang berkualitas. Selain itu, kurangnya akses ke layanan publik bagi masyarakat
miskin. Kemiskinan juga mengakibatkan kurangnya lapangan pekerjaan, jaminan
sosial, dan perlindungan terhadap keluarga. Yang paling parah masyarakat miskin
memenuhi kebutuhan pangan, sandang, dan papan secara terbatas (Prawoto, 2009).
Pada akhirnya, semua kondisi tersebut membawa masyarakat terus berada pada
lingkaran kemiskinan.
Oleh karena itu, kemiskinan harus ditangani secara komprehensif.

Penanganan kemiskinan membutuhkan analisis yang tepat, melibatkan semua
komponen permasalahan dan strategi penanganan yang berkelanjutan (Prawoto,
2009). Selain itu, ketepatan sasaran dalam setiap kebijakan harus diutamakan.
Selama ini, sudah cukup banyak upaya penanganan kemiskinan yang dilakukan
2
oleh pemerintah. Sejumlah program dilakukan, mulai dari pemberian bantuan sosial
kebutuhan dasar seperti pangan, pelayanan kesehatan dan pendidikan, penyediaan
lapangan kerja, pembangunan dalam bidang pertanian, serta pemberian dana
bergulir. Sejumlah program tersebut terus dilakukan hingga saat ini. Hanya saja,
kemiskinan di Indonesia masih menyisakan persoalan tersendiri.
Pada Maret 2021, masih ada sebanyak 10,14 persen merupakan masyarakat
miskin di Indonesia (BPS, 2021). Artinya sebanyak 27,54 juta orang masih hidup
di bawah kemiskinan. Bila dibandingkan tahun 2019 dan tahun 2020, terjadi
peningkatan persentase penduduk miskin pada tahun 2021. Pada tahun 2020,
penduduk miskin di Indonesia sebesar 26,42 persen. Sementara itu, pada tahun
2019, angkanya sebesar 25,14. Peningkatan persentase penduduk miskin ini diduga
tidak terlepas dari pengaruh pandemi Covid-19. Keterbatasan kegiatan ekonomi
menyebabkan berkurangnya pendapatan masyarakat, yang pada akhirnya
menjatuhkan masyarakat pada kemiskinan. Hal ini terjadi terutama pada
masyarakat rentan miskin. Sedikit saja gejolak ekonomi, kelompok ini sangat
berpotensi menjadi miskin.
Pola yang hampir sama terjadi di Kota Magelang. Pada tahun 2021,
persentase penduduk miskin di Kota ini sebesar 7,75 persen. Angka ini naik 0,17
persen poin dibanding tahun 2020 dimana persentase kemiskinan sebesar 7,58
persen. Sementara itu, pada tahun 2019, penduduk miskin di Kota Magelang
sebanyak 7,47 persen. Fenomena kenaikan kemiskinan ini juga karena dampak
pandemi Covid-19. Menurut Herawati (2021), salah satu penyebab naiknya angka
kemiskinan pada tahun 2020 adalah adanya penurunan pendapatan rumah tangga
karena dampak Covid-19 (https://fin.co.id/2021/02/19/).
Sejumlah program sudah dilakukan oleh Pemerintah Kota Magelang guna

mengentaskan masyarakat miskin ke taraf yang lebih baik. Program-program yang
dilaksanakan ada yang bersifat karitatif/sosial dan bersifat pemberdayaan
masyarakat (https://bappeda.magelangkota.go.id/). Kebijakan nasional dalam
penanggulangan kemiskinan didaopsi di level daerah. Salah satu program bantuan
sosial yang dikelola oleh pemerintah Kota Magelang adalah Bantuan Pangan Non
3
Tunai (BPNT). Bantuan ini merupakan bantuan sosial pangan dalam bentuk
nontunai dari pemerintah yang diberikan kepada keluarga penerima manfaat (KPM)
setiap bulannya. Menurut Saryana (2020) salah satu kebijakan penanggulangan
kemiskinan di Indonesia yang efekfif adalah meningkatkan peran pemerintah Pusat
dan pemerintah kabupaten/kota melalui peningkatan daya beli.
Penelitian sebelumnya dilakukan oleh Pantu (2019) yang melakukan

analisis program bantuan Non Tunai Daeah (BPNT-D) terhadap Tingkat
Kemiskinan di Provinsi Gorontalo. Data yang digunakan merupakan data sekunder
dari Badan Pusat Statistik (BPS), Badan Perencanaan, Penelitian dan Pembangunan
Daerah (Bappeda), dan Dinas Sosial kabupaten/kota Provinsi Gorontalo. Metode
yang digunakan adalah metode kuantitatif dengan pendekatan deskriptif. Hasil
analisis yang diperoleh menunjukkan bahwa di wilayah perdesaan program BPNT-
D tidak memberikan dampak yang berarti bagi peningkatan konsumsi rumah
tangga. Sementara itu, di wilayah perkotaan program BPNT-D menunjukkan
keefektifan yang cukup baik.
Pada tahun 2020, Gultom, dkk (2020) menganalisis pengaruh BPNT dan
Program Keluarga Harapan (PKH) terhadap kemiskinan di Kabupaten Minahasa
Tenggara. Penelitian ini menggunakan data sekunder yang didapat dari dinas sosial
dan Badan Pusat Statistik Kabupaten Minahasa Tenggara. Hasil penelitian
menunjukan bahwa Bantuan Pangan Non Tunai berpengaruh positif dan signifikan
terhadap kemiskinan. Hasil penelitian juga menunjukan bahwa PKH berpengaruh
positif terhadap kemiskinan akan tetapi tidak signifikan secara statistik.
Penelitian serupa juga pernah dilakukan oleh Nadhifah dan Mustofa (2021).
Penelitian ini mengukur pengaruh PKH dan BPNT terhadap kemiskinan dengan
pertumbuhan ekonomi sebagai variabel moderasi. Dalam penelitian ini, data yang
digunakan yaitu data Time series dari tahun 2018-2020. Sementara itu, populasi
penelitian adalah seluruh masyarakat Pucakwangi penerima Bansos PKH dan
BPNT dari 20 desa. Salah satu hasil penelitian tersebut menunjukkan bahwa
Program Bantuan Non Tunai berpengaruh negatif dan signifikan terhadap
kemiskinan.
4
Berdasarkan beberapa penelitian sebelumnya, penelitian ini bertujuan untuk

melihat efektivitas program BPNT terhadap program pengentasan kemiskinan di
Kota Magelang. Dalam penelitian ini, akan dilakukan simulasi untuk mengetahui
seberapa besar pengaruh bantuan sosial tersebut terhadap penurunan angka
kemiskinan. Simulasi diterapkan dalam hal pemberian BPNT (imputasi) terhadap
data Survei Sosial Ekonomi Nasional (Susenas).
B. METODE
Data yang digunakan dalam penelitian ini adalah data Susenas Maret 2019
hingga 2021. Data yang dianalisis adalah proporsi pengeluaran perkapita menurut
komoditas dan pengeluaran perkapita rumah tangga menurut terima tidaknya
Bantuan Pangan Non Tunai (BPNT). Data ini bersumber dari Badan Pusat Statistik.
 Kemiskinan
Terdapat beberapa pengertian mengenai kemiskinan. Menurut World Bank

(2000) dalam BPS (2021), kemiskinan didefinisikan sebagai, “poverty is
pronounced deprivation in well-being” yang bermakna bahwa kemiskinan adalah
kehilangan kesejahteraan. Sementara itu, United Nations Development Program
(UNDP) mendefiniskan kemiskinan sebagai ketidakmampuan untuk memperluas
pilihan-pilihan dalam hidup, antara lain dengan memasukkan penilaian “tidak
adanya partisipasi dalam pengambilan keputusan publik” sebagai salah satu
indikator kemiskinan (BPS, 2021).
Bappenas (2004) mendefinisikan kemiskinan sebagai kondisi di mana

seseorang atau sekelompok orang, laki-laki dan perempuan, tidak mampu
memenuhi hak-hak dasarnya untuk mempertahankan dan mengembangkan
kehidupan yang bermartabat. Hak-hak dasar tersebut antara lain, terpenuhinya
kebutuhan pangan, kesehatan, pendidikan, pekerjaan, perumahan, air bersih,
pertanahan, sumber daya alam dan lingkungan hidup, rasa aman dari perlakuan atau
ancaman tindak kekerasan dan hak untuk berpartisipasi dalam kegiatan sosial-
politik, baik bagi laki-laki mapun perempuan.
5
Untuk mengukur kemiskinan, BPS menggunakan konsep kemampuan

memenuhi kebutuhan dasar (basic needs method). Dengan pendekatan ini,
kemiskinan dipandang sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi
kebutuhan dasar makanan dan bukan makanan yang diukur dari sisi pengeluaran
 Pengeluaran Per Kapita
Pengeluaran perkapaita merefleksikan besarnya konsumsi yang dilakukan

oleh setiap individu. Semakin tingi pengeluaran perkapita, semakin tinggi pula
konsumsi yang dilakukan. Secara tidak langsung, pengeluaran perkapita
menunjukkan besarnya rupiah yang dikeluarkan oleh setiap individu untuk
memenuhi kebutuhannya dalam sebulan, baik makanan maupun bukan makanan.
Pengeluaran merupakan proksi dari pendapatan. Penggunaan proksi ini dipilih
dikarenakan lebih mudah untuk mengumpulkan data pengeluaran dibanding data
pendapatan. Orang lebih mudah mengingat apa saja yang dibelanjakan dibanding
sumber pendapatan (Winarti, 2020).
Data pengeluaran perkapita yang digunakan berasal dari data Survei Sosial
Ekonomi Nasional (Susenas) hasil pendataan di Bulan Maret dari tahun 2019
hingga 2021. Susenas merupakan survei yang dirancang untuk mengumpulkan data
sosial kependudukan yang relatif sangat luas. Data yang dikumpulkan antara lain
menyangkut bidang-bidang pendidikan, kesehatan/gizi, perumahan, sosial ekonomi
lainnya, kegiatan sosial budaya, konsumsi/pengeluaran dan pendapatan rumah
tangga, perjalanan, dan pendapat masyarakat mengenai kesejahteraan rumah
tangganya. Sistem pengumpulan data Susenas terdiri dari kor dan modul.
Kor mengumpulkan data yang bersifat umum dan dilakukan tiap tahun
dimana cakupan data meliputi keterangan umum anggota rumah tangga, suku
bangsa kepala rumah tangga, kematian, kesehatan, pendidikan, kegiatan
ketenagakerjaan, fertilitas, perumahan, teknologi dan informasi, rata-rata
konsumsi/pengeluaran rumah tangga dan sumber penghasilan utama rumah tangga,
sosial ekonomi lainnya, serta keterangan luas lahan pertanian.
6
 Bantuan Pangan Non Tunai (BPNT)
Program bantuan sosial pangan sebelumnya merupakan Subsidi Beras

Sejahtera (Rastra) dan mulai ditransformasikan menjadi Bantuan Pangan Non
Tunai (BPNT) pada 2017 di 44 kota terpilih. Selanjutnya, pada tahun 2018 program
subsidi Rastra secara menyeluruh ditransformasikan menjadi program Bantuan
Sosial Pangan yang disalurkan melalui skema non tunai dan bansos Rastra. Pada
akhir tahun 2019, program Bantuan Sosial Pangan di seluruh kabupaten/kota
dilaksanakan dengan skema nontunai atau BPNT.
Bantuan Pangan Non Tunai (BPNT) adalah bantuan sosial pangan dalam
bentuk nontunai dari pemerintah yang diberikan kepada Keluarga Penerima
Manfaat (KPM) setiap bulannya melalui mekanisme perbankan. KPM akan
menerima kit bantuan nontunai berupa kupon elektronik (e-voucher) dari bank
penyalur. Besaran Bantuan Pangan Non Tunai adalah Rp.110.000,- per KPM per
bulan (Hasimi, DM, 2020). Bantuan tersebut tidak dapat diambil tunai dan apabila
bantuan tidak dibelanjakan di bulan tersebut maka nilai bantuan tetap tersimpan dan
terakumulasi.
Pada tahun 2020, program BPNT mengalami pengembangan menjadi

program sembako. Program sembako adalah program bantuan sosial pangan yang
merupakan pengembangan dari bantuan pangan nontunai dengan penambahan nilai
bantuan dan jenis bahan pangan. Program sembako diberikan melalui KKS yang
memiliki fitur uang elektronik dan/atau tabungan serta dapat digunakan sebagai
media penyaluran bantuan sosial.
Nilai dari program sembako sebesar Rp.150.000,- per KPM per bulan.
Kriteria pangan yang diperoleh adalah pangan bernutrisi dan bahan makanan yang
sensitif dengan daya beli masyarakat. Jenis bahan pangan dalam program sembako
yaitu sumber karbohidrat, seperti beras (dapat diganti jagung/sagu/ubi) dan sumber
protein, seperti telur, daging/ayam/ikan, kacang-kacangan (missal tempe, tahu).
Komoditas bahan pangan sembako mengakomodir ketersediaan pangan lokal.
KPM diberikan kebebasan untuk memilih bahan pangan tersebut.
7
 Teknik Analisis
Teknik analisis yang digunakan dalam penelitian ini adalah uji beda rata-
rata dan analisis melalui simulasi. Uji beda rata-rata yang digunakan meliputi uji t
dan uji anova.
Uji t
Uji t merupakan alat yang digunakan untuk menguji perbedaan rata-rata. Uji
ini digunakan untuk menguji hipotesis perbedaan suatu populasi dengan
membedakan rata-rata suatu kelompok. Uji t terdiri dari beberapa jenis, yaitu:
1. Uji t satu sampel (one sample t-test)
Uji ini merupakan teknik analisis untuk membandingkan satu variabel bebas.
Teknik ini digunakan untuk menguji apakah nilai tertentu berbeda secara
signifikan atau tidak dengan rata-rata sebuah sampel
2. Uj t dua sampel independen (independent sample t-test)
Independent sample t-test digunakan untuk menguji data tidak berpasangan

atau 2 data yang berbeda (tidak saling berhubungan).
3. Uj t dua sampel dependen (paired sample t test)
Uji ini digunakan untuk menguji data berpasangan atau data yang saling
berhubungan.
Dalam penelitian ini digunakan Independent sample t-test. Hal ini

dikarenakan data yang diuji adalah data rumah tangga di dalam Susenas yang satu
dengan yang lainnya tidak berhubungan (independen). Uji t independen ini
memiliki asumsi/syarat yang mesti dipenuhi, yaitu:
1. Datanya berdistribusi normal.
2. Kedua kelompok data independen (bebas).
3. Variabel yang dihubungkan berbentuk numerik dan kategorik (dengan

hanya 2 kelompok).
8
Rumus independent Sample t-test adalah sebagai berikut:
𝑀1 − 𝑀2
𝑡ℎ𝑖𝑡 =
𝑆𝑆1 +𝑆𝑆2 1 1
√𝑛 (𝑛 + 𝑛 )
1 +𝑛2 −2 1 2
Keterangan:
𝑀1 = rata-rata skor kelompok 1
𝑀2 = rata –rata skor kelompok 2
𝑆𝑆1 = sum of square kelompok 1
𝑆𝑆2 = sum of square kelompok 2
𝑛1 = jumlah subjek/sampel kelompok 1
𝑛2 = jumlah subjek/sampel kelompok 2
Dimana:
∑ 𝑋1
𝑀1 = 𝑛1
∑ 𝑋2
𝑀2 =
𝑛2
(∑ 𝑋1 )2
𝑆𝑆1 = ∑ 𝑋12 −
𝑛1
(∑ 𝑋2 )2
𝑆𝑆2 = ∑ 𝑋22 −
𝑛2
Tahapan/Langkah/caraIntepretasi
a. Untuk menginterpretasikan t-test terlebih dahulu harus ditentukan:
- Nilai signikansi 𝛼
- Interval confidence = 1 − 𝛼
- Df = 𝑁 − 𝑘, khusus untuk independent sample t-test df = 𝑁 − 2 atau df

= (𝑛1 + 𝑛2 ) − 2
b. Bandingkan nilai 𝑡ℎ𝑖𝑡 dengan 𝑡𝑡𝑎𝑏
9
c. Apabila:
- 𝑡ℎ𝑖𝑡 > 𝑡𝑡𝑎𝑏  berbeda secara signifikan (𝐻0 di tolak)
- 𝑡ℎ𝑖𝑡 < 𝑡𝑡𝑎𝑏  tidak berbeda secara signifikan (𝐻0 tidak di tolak)
Analisis of Variance (Anova)
Analysis of variance atau anova merupakan suatu metode analisis statistik

yang digunakan untuk melakukan pengujian rata-rata lebih dari 2 sampel. Analisis
ini termasuk ke dalam cabang statistika inferensi. Jenis data yang tepat digunakan
pada uji anova adalah nominal dan ordinal pada variable bebasnya. Sementara itu,
tipe data pada variabel terikatnya adalah data interval atau ratio (Universitas Islam
Indonesia, 2013).
Menurut Universitas Islam Indonesia (2013), untuk melakukan analisis

dengan anova, terdapat beberapa asumsi yang harus dipenuhi, yaitu:
1. Data harus berdistribusi normal.
Agar data berdistribusi normal dapat ditempuh dengan cara memperbanyak

jumlah sampel dalam kelompok. Normalitas data merupakan salah satu syarat
jika ingin melakukan uji parametrik (Setyawan, DA. 2021).
2. Kesamaaan variansi
Setiap kelompok hendaknya berasal dari populasi yang sama dengan variansi
yang sama pula. Bila banyaknya sampel sama pada setiap kelompok maka
kesamaan variansinya dapat diabaikan. Tapi bila banyak sampel pada masing
masing kelompok tidak sama maka kesamaan variansi populasi sangat
diperlukan.
3. Pengamatan bebas.
Sampel hendaknya diambil secara acak (random), sehingga setiap pengamatan

merupakan informasi yang bebas.
10
Anova dapat dikategorikan dalam beberapa macam, yaitu:
1. Klasifikasi 1 arah (one way anova)
Anova yang didasarkan pada pengamatan 1 kriteria atau satu faktor yang
menimbulkan variasi.
2. Klasifikasi 2 arah (two way anova)
Anova yang didasarkan pada pengamatan 2 kritenia atau 2 faktor yang

menimbulkan variasi.
3. Klasifikasi banyak arah (manova)
Anova yang didasarkan pada pengamatan banyak kriteria.
Selain itu, terdapat tiga bagian pengukuran variabilitas pada data yang akan
dianalisis dengan anova, yaitu:
1. Variabilitas antar kelompok
Variabilitas antar kelompok adalah variasi rata-rata kelompok sampel terhadap

rata-rata total, sehingga variasi ini lebih terpengaruh oleh adanya perbedaan
perlakuan antar kelompok atau Jumlah Kuadrat antar Kelompok (Jka).
Formula Variabilitas antar kelompok adalah sebagai berikut.
(∑ 𝑥̅ )2 𝑇2 𝐺2
𝐽𝐾𝑎 = 𝑛 [∑ 𝑥̅ 2 − ] atau 𝐽𝐾𝑎 = ∑ −
𝑘 𝑛 𝑁
Keterangan:
𝑘 = banyaknya kelompok
𝑇 = total 𝑋 masing-masing kelompok
𝐺 = Total 𝑋 keseluruhan
𝑛 = jumlah sampel masing-masing kelompok
𝑁 = jumlah sampel keseluruhan
11
2. Variabilitas dalam kelompok
Variabilitas dalam kelompok adalah variasi yang ada dalam masing-masing

kelompok. Oleh karena itu, variasi tergantung pada banyaknya kelompok.
Formulanya adalah sebagai berikut:
𝐽𝐾𝑑 = 𝐽𝐾𝑠𝑚𝑘
Keterangan:
𝐽𝐾𝑠𝑚𝑘 = jarak kuadrat simpangan masing-masing kelompok.
3. Jumlah kuadrat penyimpangan total
Jumlah kuadrat penyimpangan total adalah jumlah kudrat selisih antara skor
individual dengan mean totalnya, atau 𝐽𝐾𝑇.
Formulanya adalah:
𝐺2
𝐽𝐾𝑇 = ∑ 𝑥 2 − atau dapat dihitung dengan formula:
𝑁
𝐽𝐾𝑇 = 𝐽𝐾𝑎 + 𝐽𝐾𝑑
Prosedur uji hipotesis anova satu arah:
1. Menentukan hipotesis 𝐻0 dan 𝐻1
𝐻0 : 𝜇0 = 𝜇1 = ⋯ = 𝜇𝑘
𝐻1 :Tidak semua 𝜇𝑖 sama, 𝑖 = 1,2, … , 𝑘
2. Menentukan tingkat signifikansi (α)
3. Tentukan derajat kebebasan (df)
df 𝐽𝐾𝑎 = 𝑘 − 1
df 𝐽𝐾𝑑 = 𝑁 − 𝑘
4. Analisis dan menentukan 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dan 𝐹𝑡𝑎𝑏𝑒𝑙
𝑅𝐾𝑎
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑅𝐾𝑑 > 𝐹𝑘−1;𝑛−𝑘 atau 𝑆𝑖𝑔 (𝑃𝑣𝑎𝑙𝑢𝑒 )
12
5. Menentukan daerah kritis
𝐻0 ditolak jika 𝑆𝑖𝑔 < 𝛼
𝐻0 ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙
6. Menentukan kriteria pengujian
7. Keputusan
8. Pasca Anova
9. Kesimpulan
C. HASIL DAN PEMBAHASAN
1. Pengeluaran Perkapita
Pengeluaran perkapita pada masyarakat Kota Magelang dari tahun 2019 ke

tahun 2021 mengalami peningkatan. Pada tahun 2019 sampai 2020, terjadi
penurunan pengeluaran perkaita sebesar 4,05 persen. Sementara itu, dari tahun 2020
hingga 2021, pengeluaran perkapita mengalami kenaikan sebesar 13,61 persen.
Bila dilihat menurut kelompok komoditas, pola yang sama juga terjadi.
Total pengeluaran perkapita penduduk menunjukkan seberapa besar

kemampuan daya beli masyarakat dalam memenuhi kebutuhan hidupnya.
Masyarakat yang hidup dengan nilai pengeluaran perkapita di atas garis
kemiskinan, dikategorikan sebagai masyarakat tidak miskin. Sebaliknya, kelompok
masyarakat dengan pengeluaran perkapita dibawah garis kemiskinan maka mereka
termasuk dalam kelompok masyarakat miskin. Pada tahun 2020 terjadi penurunan
daya beli pada masyarakat. Hal ini dimungkinkan sebagai dampak dari pandemi
Covid-19, dimana masyarakat pada awal-awal pandemi belum memiliki ketahanan
akan adanya hal tersebut. Sementara itu, dengan berjalanannya waktu, masyarakat
mau tidak mau harus beradapatsi dengan pandemi. Masyarakat terus melakukan
penyesuaian guna bangkit dari pandemi. Selain itu, banyak program sosial yang
dilaksanakan guna membantu masyarakat. Hal in terlihat dari kebangkitan eknomi
yang terjadi. Oleh karena itu, wajar jika pada tahun 2021, daya beli masyarakat
13
dapat meningkat. Rata-rata pengeluaran perkapita masyarakat menurut komoditas

dari tahun 2019 sampai 2021 disajikan pada Tabel 1.
Tabel 1. Rata-Rata Pengeluaran Perkapita Sebulan Menurut Komoditas,

2019-2021
Rata-Rata Pengeluaran Perkapita

Komoditas Sebulan (Rupiah)
2019 2020 2021
(1) (2) (3) (4)
Padi-padian 42.145 50.846 54.758
Umbi-umbian 4.629 3.952 7.412
Ikan 21.375 21.587 26.821
Daging 22.397 24.421 33.570
Telur dan susu 41.769 40.956 46.636
Sayur-sayuran 29.702 38.805 56.556
Kacang-kacangan 10.502 11.801 16.662
Buah-buahan 35.902 30.340 32.114
Minyak dan kelapa 8.773 10.079 15.614
Bahan minuman 14.013 14.593 18.721
Bumbu-bumbuan 6.347 6.246 10.299
Bahan makanan lainnya 7.156 7.471 10.858
Makanan minuman jadi 241.876 212.620 208.907
Rokok dan tembakau 59.481 58.992 54.019
Total makanan 546.066 532.707 592.949
Perumahan dan Fasilitas Rumah Tangga 335.658 340.228 408.358
Aneka barang dan jasa 240.541 229.827 245.363
Pakaian, alas kaki, dan tutup kepala 37.424 32.702 24.710
Barang tahan lama 95.276 82.598 123.172
Pajak, pungutan dan asuransi 54.666 68.554 79.339
Keperluan pesta dan upacara/kenduri 63.699 31.130 23.142
Total bukan makanan 827.263 785.039 904.084
Total pengeluaran 1.373.329 1.317.746 1.497.033
Sumber : Susenas Maret 2019-2021
Bila dilihat secara umum, pola konsumsi (pengeluaran) masayarakat Kota

Magelang dari tahun 2019 hingga 2021 relatif sama. Proporsi pengeluaran setiap
komoditas pada tiga tahun tersebut nyaris sama. Pengeluaran untuk makanan dan
minuman jadi serta perumahan dan fasilitas rumah tangga merupakan 2 komoditas
dengan proporsi pengeluaran tertinggi. Hal ini terlihat seperti pada Gambar 1.
14
30
25
20
15
10 2019
5 2020
0 2021
Gambar 1. Proporsi Pengeluaran Perkapita Sebulan Menurut Komoditas,

2019-2021
Berdasarkan hal tersebut, ingin dilihat lebih dalam lagi. Selanjutnya, akan
dilakukan uji perbedaan rata-rata pengeluaran perkapita sebulan melalui Uji Anova.
2. Uji Beda Rata-Rata Pengeluaran Perkapita
Uji beda rata-rata digunakan untuk menguji apakah nilai rata-rata

pengeluaran perkapita sebulan antar tahun berbeda secara nyata atau tidak. Uji beda
rata-rata beberapa populasi yang digunakan dalah Anova (Analysis of variances).
Hal ini dikarenakan data yang digunakan berasal dari tiga populasi (tiga tahun).
Dalam uji ini terdapat beberapa asumsi yang harus dipenuhi, yaitu:
a. Distribusi data harus normal
b. Kesamaaan variansi
c. Pengamatan bebas
Normalitas
Uji distribusi normal adalah uji untuk mengukur apakah data yang kita
memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik
(statistik inferensial). Dari hasil uji normalitas, diketahui bahwa pola pengeluaran
perkapita tahun 2019 hingga 2021 tidak berdistribusi normal. Hal ini diketahui dari
15
nilai signifikansinya yang lebih kecil dari 0,05. Uji yang kita gunakan adalah
Kolmogorov-Smirnov. Hal ini dikarenakan jumlah sampel yan diuji lebih dari 50,
sehingga lebih tepat digunakan Kolmogorov-Smirnov (Herawati, L 2016).
Meskipun hasil menunjukkan tidak normal, dengan pertimbangan bahwa sampel
Susenas cukup banyak maka asumsi kenormalam bisa diabaikan (Azwar, 2000).
Menurut Azwar (2000), asumsi normalitas tidak perlu dikhawatirkan sepanjang kita
memiliki cukup banyak subjek bagi masing-masing sampel perlakuan.
Tabel 2. Hasil Uji Normalitas
Pengeluaran Kolmogorov-Smirnova Shapiro-Wilk

Per Kapita Statistic df Statistic df Statistic df
expend_2019 .321 20 .000 .670 20 .000
expend_2020 .288 20 .000 .667 20 .000
expend_2021 .321 20 .000 .661 20 .000
a. Lilliefors Significance Correction
Hasil statistis deskriptif yang diperoleh dari uji Anova adalah seperti pada
Tabel 3. Berdasarkan tabel tersebut terlihat bahwa rata-rata tertinggi pengeluaran
perkapita sebulan menurut komoditas terjadi pada tahun 2021, yaitu sebesar Rp.
74.851,55. Sementara itu, rata-rata terendah terjadi pada tahun 2020, yaitu sebesar
Rp. 65.887,40.
Tabel 3. Statistik Deskriptif Hasil Uji Anova
95% Confidence
Std. Interval for Mean
N Mean Std. Error Minimum Maximum
Deviation Lower Lower
Bound Bound
2019 20 68.666,55 92.604,828 20.707,069 25.326,16 112.006,94 4.629 335.658
2020 20 65.887,40 89.535,685 20.020,788 23.983,41 107.791,39 3.952 340.228
2021 20 74.851,55 101.690,155 22.738,610 27.259,09 122.444,01 7.412 408.358
Total 60 69.801,83 93.207,683 12.033,060 45.723,74 938.79,93 3.952 408.358
Output selanjutnya yang harus diperhatikan adalah tes homogenitas varians.

Dari hasil pengujian diketahui bahwa nilai signifikansi yang diperoleh sebesar
0,921. Artinya pada taraf 95 persen, dapat disimpulkan bahwa varian ketiga
kelompok tersebut sama (P-value = 0,083). Oleh karena itu, uji Anova valid untuk
menguji hubungan ini.
16
Test of Homogeneity of Variances

expend
Levene Statistic df1 df2 Sig.
.083 2 57 .921
Pada uji Anova ini, hipotesis yang bisa dituliskan adalah sebagai berikut.
𝐻0 : 𝜇2019 = 𝜇2020 = 𝜇2021
𝐻1 :Tidak semua 𝜇𝑖 sama, 𝑖 = 1,2,3
Hasil yang diperoleh pada uji anova adalah bahwa pada kolom Sig.
diperoleh nilai P (P-value) = 0,954. Dengan demikian pada taraf nyata = 0,05 kita
tidak menolak 𝐻0 . Artinya, kesimpulan yang didapatkan adalah tidak ada
perbedaan yang bermakna pada pola pengeluaran dari ketiga tahun tersebut.
Anova
Sum of Squares df Mean Square F Sig.
Between 842225899.633 2 421112949.817 .047 .954
Groups
Within 511730433580.700 57 8977726904.925
Groups
Total 512572659480.333 59
Berdasarkan hasil yang diperoleh, dapat disimpulkan bahwa baik secara

deskriptif maupun inferensial, tidak ada perbedaan rata-rata pengeluaran perkapita
sebulan menurut komoditas pada tahun 2019 sampai 2021. Di sisi lain, terjadi
peningkatan angka kemiskinan dari tahun 2019 hingga 2021. Hal ini diduga sebagai
dampak dari pandemi Covid-19. Artinya, ada penyesuaian pada komposisi
pengeluaran. Salah satu hal yang diduga adalah adanya imputasi pendapatan
masyarakat dari bantuan sosial yang diberikan oleh pemerintah. Bantuan sosial
diduga menjadi salah satu alasan kestabilan pola pengeluaran masyarakat.
Sehingga, pandemi tidak mengakibatkan masyarakat lebih dalam pada kemiskinan.
Oleh karena itu, ingin dilihat dampak dan efektivitas bantuan sosial pada tren
kemiskinan pada tahun 2019 hingga 2021.
3. Bantua Sosial
Melihat tidak adanya perbedaan pola pengeluaran di masyarakat Kota

Magelang pada kondisi pendemi dan bukan pandemi, muncul suatu pertanyaan.
Apa yang menyebabkan hal tersebut. Pandemi diyakini memiliki dampak pada
banyak hal. Tidak terkecuali dalam hal ekonomi. Pandemi mengakibatkan banyak
17
kegiatan ekonomi yang terhenti, sehingga pendapatan masyarakat juga berkurang.

Dengan keadaan demikian, masyarakat harus melakukan penyesuaian terhadap
sejumlah kebutuhan ekonomi.
Dana bantuan yang diberikan oleh pemerintah sebagai salah satu kebijakan
dalam penanganan dampak kasus pandemi diyakini menjadi salah satu solusi yang
sangat diharapkan masyarakat. Dana bantuan sosial ini betul-betul diharapkan
masyarakat terdampak kasus pandemi. Oleh karena itu, penelitian ini ingin melihat
pola pengeluaran perkapita pada setiap rumah tangga dari sisi 2 kelompok. Dua
kelompok tersebut adalah kelompok rumah tangga dengan bantuan sosial dan
kelompok kedua adalah rumah tangga yang tidak mendapat bantuan sosial. Apakah
ada perbedaan rata-rata pengeluaran perkapita dari dua kelompok tersebut.
Untuk melakukan uji perbedaan rata-rata pengeluaran antara kelompok

rumah tangga dengan bantuan sosial dan rumah tangga tanpa bantuan sosial,
digunakan Uji T. Hipotesis yang kita ajukan adalah sebagai berikut:
𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2 ,
Keterangan:
1= rumah tangga yang menerima bantuan sosial
2= rumah tangga yang tidak menerima bantuan sosial
Hasil t-Test Data Tahun 2019
Output pertama yang terlihat adalah statistik deskriptif dari data yang diolah.
Jumlah sampel yang mendapat bantuan sosial sebanyak 58, sementara sampel yang
tidak mendapat bantuan sebanyak 447 individu. Nilai rata-rata pengeluaran
perkapita juga jauh berbeda, sehingga secara deskriptif dapat dikatakan bahwa
terdapat perbedaan rata-rata pengeluaran perkapita antara kelompok rumah tangga
dengan bantuan sosial dan tanpa bantuan sosial. Untuk membuktikan hal ini, kita
perlu melihat output ‘Independent Samples Test’.
18
klp N Mean Std. Deviation Std. Error Mean

expend 1.00 447 4.952.010,597 4.695.061,841 222.068,805
2.00 58 2.898.710,264 2.093.961,540 274.950,620
Berdasarkan tabel di bawah ini, diketahui nilai Sig. Levene's Test for
Equality of Variances sebesar 0,000 < 0,05. Artinya dapat dikatakan bahwa varians
data dua kelompok berbeda. Sehingga, penafsiran tabel output ‘Independent
Samples Test’ di bawah berpedoman pada nilai yang terdapat dalam tabel ‘Equal
variances not assumed’. Berdasarkan tabel terlihat bahwa nilai Sig. (2-tailed)
sebesar 0,000 < 0,005, sehingga dapat disimpulkan bahwa H0 ditolak. Artinya,
dapat disimpulkan bahwa ada perbedaan yang signifikan antara rata-rata
pengeluaran perkapita perbulan antara rumah tangga yang menerima bantuan sosial
dan rumah tangga yang tidak menerima bantuan sosial.
Independent Samples Test

Levene's Test
for Equality of t-test for Equality of Means
Variances
95% Confidence
Sig. (2- Mean Std. Error Interval of the
F Sig. t df
tailed) Difference Difference Difference
Lower Lower
Equal
variances 14.881 0,000 3,286 503 0,001 2053300,334 624818,406 825724,981 3280875,686
assumed
expend Equal
variances
5,810 147,594 0,000 2053300,334 353429,481 1354864,545 2751736,122
not
assumed
Data tahun 2020, sebanyak 488 rumah tangga tidak memperoleh bantuan
sosial. Sementara itu, jumlah sampel yang menerima bantuan sosial sebanyak 55
reponden. Rata-rata pengeluaran perkapita sebulan pada kelompok responden
dengan bantuan sosial adalah sebesar 2.674.676,028. Sementara itu, rata-rata
pengeluaran perkapita sebulan pada rumah tangga tanpa bantuan sosial adalah
sebesar 4.653.097,962.

expend 1.00 488 4.653.097,962 4.450.524,049 201.465,758
2.00 55 2.674.676,028 1.239.666,792 167.156,636
19
Berdasarkan Tabel Independent Samples Test, diketahui nilai Sig. Levene's

Test for Equality of Variances sebesar 0,000 < 0,05 yang bermakn bahwa varians
sebesar 0,000 < 0,005. Hal ini membawa konsekuensi bahwa H0 ditolak, yang
berarti adanya perbedaan yang signifikan antara rata-rata pengeluaran perkapita
perbulan antara rumah tangga yang menerima bantuan sosial dan rumah tangga
yang tidak menerima bantuan sosial.

Levene's Test
for Equality of t-test for Equality of Means
Variances
95% Confidence
Sig. (2- Mean Std. Error Interval of the
F Sig. t df
tailed) Difference Difference Difference
Lower Lower
Equal
variances 19,376 0,000 3,280 541 0,001 1978421,934 603178,423 793563,200 3163280,669
assumed
expend Equal
variances
7,558 263,239 0,000 1978421,934 261781.956 1462968,891 2493874,978
not
assumed

Berdasarkan output hasil uji t terlihat bahwa sebanyak 91 rumah tangga
menerima bantuan sosial. Sementara itu, sebanyak 455 rumah tangga tidak
menerima bantuan sosial tunai. Dilihat dari rata-rata pengeluaran, terdapat
perbedaan yang sangat jauh antara rata-rata pengeluaran perkapita sebulan antara
kelompok yang menerima bantuan sosial (Rp.2.589.555,910,-) dan kelompok yang
tidak menerima bantuan sosial (Rp.5.353.108,906,-).

expend 1.00 455 5.353.108,906 6.146.260,913 288.141,156
2.00 91 2.589.555,910 1.406.576,089 147.449,239
Berdasarkan Tabel Independent Samples Test, diketahui nilai Sig. Levene's

Test for Equality of Variances sebesar 0,000 < 0,05 yang bermakna bahwa varians
20
sebesar 0,000 < 0,005. Hal ini membawa konsekuensi bahwa H0 ditolak, yang
berarti adanya perbedaan yang signifikan antara rata-rata pengeluaran perkapita
perbulan antara rumah tangga yang menerima bantuan sosial dan rumah tangga
yang tidak menerima bantuan sosial.

Levene's Test
for Equality t-test for Equality of Means
of Variances
95% Confidence Interval
Sig. (2- Mean Std. Error
F Sig. t df of the Difference
tailed) Difference Difference
Lower Lower
Equal
variances 22,218 0,000 4,264 544 0,000 2.763.552,996 648.115,262 1.490.437,938 4.036.668,054
assumed
expend Equal
variances
8,538 537,112 0,000 2.763.552,996 323.676,696 2.127.725,568 3.399.380,424
not
assumed
Berdasarkan hasil uji t terlihat bahwa terdapat perbedaan perbedaan

pengeluaran perkapita yang signifikan antara rumah tangga yang diberikan bantuan
dan rumah tangga tanpa bantuan pada tiga tahun tersebut. Secara umum, nilai
pengeluaran perkapita rumah tangga dengan bantuan lebih kecil dibanding nilai
pengeluaran perkapita rumah tangga dengan bantuan. Hal ini wajar karena bantuan
sosial diberikan pada rumah tangga berpendapatan rendah. Bantuan yang diberikan
hanya sekedar untuk membantu meningkatkan daya beli. Sehingga masyarakat
pada kelompok ini tidak jatuh terlalu dalam kepada kemiskinan.
Selanjutnya, perlu untuk melihat pengaruh bantuan sosial yang diberikan

terhadap kemiskinan. Oleh karena itu, akan dilakukan simulasi bantuan sosial
terhadap tingkat kemiskinan di Kota Magelang. Simulasi dilakukan terhadap nilai
pengeluaran perkapita setiap rumah tangga pada data Susenas 2019 hingga 2021.
Selanjutnya, akan dilihat nilai tingkat kemiskinan yang ditimbulkan dan
dibandingkan dengan tingkat kemiskinan yang sudah dirilis oleh BPS.
21
4. Pengaruh Bantuan Sosial Pangan Terhadap Kemiskinan
Untuk melihat pengaruh bantuan sosial terhadap kemiskinan, dilakukan

simulasi terhadap data pengeluaran perkapita. Secara lengkap, simulasi yang
dilakukan adalah sebagai berikut:
1. Data pengeluaran semua rumah tangga dikurangi sebesar bantuan sosial. Hal
ini berlaku baik bagi rumah tangga yang memang dari awal mendapatkan
bantuan sosial maupun rumah tangga yang tidak mendapat bantuan sosial.
Selanjutnya, pada setiap rumah tangga di desil 1 dan 2, akan dilakukan
imputasi sebesar nilai bantuan sosial.
2. Rumah tangga di desil 1 dan 2 yang sudah mendapatkan bantuan sosial, nilai
pengeluaran perkapitanya tidak dilakukan perubahan. Rumah tangga di desil 1
dan 2 yang belum mendapatkan bantuan sosial, nilai pengeluaran perkapitanya
ditambahkan sebesar bantuan sosial. Rumah tangga di desil 3 sd 10 yang
mendapatkan bantuan sosial, nilai pengeluaran perkapitanya dikurangi sebesar
bantuan sosial. Rumah tangga di desil 3 sd 10 yang belum mendapatkan
bantuan sosial, nilai pengeluaran perkapitanya tidak dilakukan perubahan.
3. Rumah tangga di desil 1 dan 2 yang sudah mendapatkan bantuan sosial, nilai
pengeluaran perkapitanya tidak dilakukan perubahan. Rumah tangga di desil 1
dan 2 yang belum mendapatkan bantuan sosial, nilai pengeluaran perkapitanya
ditambahkan sebesar bantuan sosial. Nilai pengeluaran perkapita semua rumah
tangga di desil 3 sd 10 tidak dilakukan perubahan.
4. Semua pengeluaran rumah tangga dikurangi sebesar bantuan sosial.
Perlu diketahui bahwa besarnya bantuan sosial pada setiap tahun berbeda.
Pada tahun 2019, nilai bantuan sosial yang diberikan perbulan adalah sebesar
Rp.110.00,-. Sementara itu, pada tahun 2020, nilainya menjadi Rp.150.000,-.
Angka ini terus meningkat. Pada tahun 2021, nominal bantuan sosial menjadi
Rp.200.000,- per bulan. Simulasi dengan melakukan imputasi bantuan sosial
dilakukan pada rumah tangga yang berada di desil 1 dan 2 karena sejatinya bantuan
sosial diberikan kepada rumah tangga berpendatan bawah.
22
Dari simulasi yang dilakukan diperoleh hasil bahwa bantuan sosial terbukti
mampu menekan angka kemiskinan. Artinya, nilai bantuan sosial yang diberikan
kepada masyarakat mampu meningkatkan daya beli sehingga tren angka
kemiskinan dapat turun.
Simulasi 1
Semula semua pengeluaran perkapita rumah tangga dikurangi sebesar

bantuan sosial. Kemudian setiap rumah tangga diberikan bantuan sosial. Dengan
simulasi ini, tingkat kemiskinan menjadi lebih rendah dibanding hasil rilis. Tingkat
kemiskinan pada tahun 2019, 2020, dan 2021 masing-masing sebesar 5,50; 5,35;
dan 4,06.
Tabel 4. Tingkat Kemiskinan Kota Magelang Rilis dan Hasil Simulasi, 2019-
2021
Tahun
Skema
2019 2020 2021
(1) (2) (3) (4)
Rilis 7,46 7,58 7,75
Simulasi 1 5,50 5,35 4,06
Simulasi 2 6,62 6,64 5,44
Simulasi 3 6,62 6,64 5,44
Simulasi 4 8,04 8,17 8,48
Simulasi 2
Adanya penambahan pendapatan pada rumah tangga di desil 1 dan desil 2

serta pengurangan pendapatan di desil 3 hingga 10, membuat tingkat kemiskinan
yang terjadi lebih rendah dibanding rilis. Meskipun demikian, penurunan yang
terjadi tidak sebesar pada simulasi 1. Hal ini menunjukkan, masih adanya bantuan
sosial pada kelompok berpendapatan atas, tidak memberikan manfaat yang
signifkan. Tingkat kemiskinan pada tahun 2019, 2020, dan 2021 masing-masing
sebesar 6,62; 6,64; dan 45,44 Justru sebaliknya, pemberiab bantuan sosial pada
masyarakat berpendatan rendah dapat menolong mereka agar tidak terporosok
dalam jurang kemiskinan.
23
Simulasi 3
Hasil di simulasi 3 sama dengan simulasi 2. Hal ini dapat dijelaskan bahwa
pada dasarnya nilai pengeluaran perkapita sebulan pada rumah tangga
berpendapatan atas memang sudah tinggi, sehingga pemberian bantuan sosial dari
pemerintah diduga tidak memberikan pengaruh secara signifikan.
Simulasi 4
Saat pendapatan rumah tangga dikurangi sebesar bantuan sosial, tingkat

kemiskinan meningkat dibanding rilis. Tingkat kemiskinan pada tahun 2019, 2020,
dan 2021 masing-masing sebesar 8,04; 8,17; dan 8,48. Hal ini menjadi bukti bahwa
bantuan sosial sangat berdampak pada daya beli masyarakat dan pada akhirnya
menentukan mereka menjadi miskin atau tidak.
D. SIMPULAN DAN SARAN
Selama tahun 2019 hingga tahun 2021, tidak ada perbedaan proporsi
pengeluaran perkapita pada penduduk Kota Magelang. Artinya, tidak terjadi
perbedaan secara signifikan pada pola pengeluaran di masa pandemi dan sebelum
pandemi. Akan tetapi, terdapat perbedaan rata-rata pengeluaran perkapita antara
kelompok rumah tangga yang mendapat bantuan sosial dan rumah tangga yang
tidak mendapat bantuan sosial. Selain itu, pemberian bantuan sosial terbukti dapat
menekan tingkat kemiskinan.
Saran yang dapat direkomendasikan antara lain adalah bahwa untuk

penelitian selanjutnya 1) sebaiknya dilakukan uji simultan pengaruh bantuan sosial
terhadap tingkat kemiskinan pada tiga tahun yang diuji; dan 2) sebaiknya dilihat
apa yang membedakan pengeluaran perkapita rumah tangga yang mendapat
bantuan sosial dan rumah tangga yang tidak mendapat bantuan sosial. Sementara
itu, untuk pemerintah 1) sebaiknya pemberian bantuan sosial tetap diberikan kepada
masyarakat walaupun ada program-program pemberdayaan yang tengah
digerakkan, karena secara statistik membuktikan bahwa bantuan sosial mampu
menekan angka kemiskinan; 2) memastikan bantuan sosial yang diberikan betul-
betul tepat sasaran.
24
DAFTAR PUSTAKA
Azwar, S. 2000. Asumsi-asumsi dalam Inferensi Statistika. Yogyakarta.
Badan Pusat Statistik. 2021. Berita Resmi Statistik. Profil Kemiskinan di Indonesia
Maret 2021. Jakarta: Badan Pusat Statistik.
______. 2021. Penghitungan dan Analisis Kemiskinan Makro Indonesia 2021.

Jakarta: Badan Pusat Statistik.
Gultom, H. dkk. Analisis Pengaruh Program Bantuan Pangan Non Tunai (BPNT)
dan Program Keluarga Harapan (PKH) Terhadap Kemiskinan Di
Kabupaten Minahasa Tenggara. Jurnal Pembanguan Ekonomi dan
Keuangan Daerah Vol.21 No.1 (2020).
Hasimi, DM. 2020. Analisis Program Bantuan Pangan Non Tunai (BPNT) Guna
Meningkatkan Kesejahteraan Masyarakat Dalam Perspektif Ekonomi
Islam. Revenue: Jurnal Manajemen Bisnis Islam. Volume 1 No 1 (2020).
ISSN : 2715-825X. Diakses Tanggal 23 Desember 2021.
Herawati, L. 2016. Uji Normalitas Data Kesehatan Menggunakan SPSS Edisi I.

Politeknik Kesehatan Kemenkes Yogyakarta.
Kementrian PPN/Bappenas. Lampiran Rancangan Teknokratik Rencana

Pembangunan Jangka Menengah Nasional 2020-2024. Indonesia
Berpenghasilan Menengah - Tinggi yang Sejahtera, Adil, dan
Berkesinambungan.
Lampiran Peraturan Presiden Republik Indonesia Nomor 18 Tahun 2020 Tentang

Rencana Pembangunan Jangka Menengah Nasional 2020-2024.
Lyundzira, C. dkk. 2019. Langkah SPSS: Uji Hipotesis Perbedaan Rata-Rata atau
Uji t. Universitas Gajah Mada. Diakses tanggal 22 Desember 2021.
Nadhifah, LR dan Mustofa, NH. 2021. Pengaruh PKH dan BPNT terhadap
Kemiskinan dengan Pertumbuhan Ekonomi Sebagai Variabel Moderasi.
Journal of Islamic Economics and Banking. Vol 3 No. 1 Bulan Juli Tahun
2021.
25
Nuryadi. 2017. Dasar-Dasar Statistik Penelitian. Yogyakarta: Gramasurya.
Prawoto, N. Memahami Kemiskinan dan Strategi Penanggulangannya. Jurnal

Ekonomi dan Studi Pembangunan Volume 9, Nomor 1, April 2009: 56 ‐ 68.
Pantu, SDS. 2019. Analisis Dampak Program Bantuan Pangan Non Tunai Daerah
(BPNT-D) terhadap Tingkat Kemiskinan di Provinsi Gorontalo. Universitas
Negeri Gorontalo.
Saryana. 2020. Analisis Kebijakan Penanggulangan Kemiskinan Di Indonesia.

Yoyakarta: Universitas Islam Indonesia Yogyakarta.
Setyawan, DA. 2021. Petunjuk Praktikum Uji Normalitas & Homogenitas Data
Dengan SPSS. Tahta Media Group.
Universitas Islam Indonesia. 2013. Materi/bahan praktikum Statistik Industri.
https://bappeda.magelangkota.go.id/index.php/93-diskusi-cluster-penanganan-
kemiskinan-kota-magelang-menuju-kota-maju-sehat-bahagia.
https://fin.co.id/2021/02/19/angka-kemiskinan-kota-magelang-2020-naik-012-
persen.
26

Simulasi BPNT Yuyun Guna 11012021

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Simulasi BPNT Yuyun Guna 11012021

Diunggah oleh

Hak Cipta:

Format Tersedia

Jurnal Jendela Inovasi Daerah

Badan Penelitian dan Pengembangan Kota Magelang

PENGARUH BANTUAN PANGAN NON TUNAI TERHADAP

Kata Kunci: kemiskinan, Bantuan Pangan Non Tunai.

Keywords: Poverty, Non-Cash Food Assistance.

Kemiskinan masih menjadi masalah yang serius di banyak negara, termasuk

Kemiskinan merupakan masalah mutidimensi. Menurut Nadhifah dan

Selain multidimensi, kemiskinan memiliki dampak pada banyak aspek.

Oleh karena itu, kemiskinan harus ditangani secara komprehensif.

Sejumlah program sudah dilakukan oleh Pemerintah Kota Magelang guna

Penelitian sebelumnya dilakukan oleh Pantu (2019) yang melakukan

Berdasarkan beberapa penelitian sebelumnya, penelitian ini bertujuan untuk

Terdapat beberapa pengertian mengenai kemiskinan. Menurut World Bank

Bappenas (2004) mendefinisikan kemiskinan sebagai kondisi di mana

Untuk mengukur kemiskinan, BPS menggunakan konsep kemampuan

 Pengeluaran Per Kapita

Pengeluaran perkapaita merefleksikan besarnya konsumsi yang dilakukan

 Bantuan Pangan Non Tunai (BPNT)

Program bantuan sosial pangan sebelumnya merupakan Subsidi Beras

Pada tahun 2020, program BPNT mengalami pengembangan menjadi

1. Uji t satu sampel (one sample t-test)

2. Uj t dua sampel independen (independent sample t-test)

Independent sample t-test digunakan untuk menguji data tidak berpasangan

3. Uj t dua sampel dependen (paired sample t test)

Dalam penelitian ini digunakan Independent sample t-test. Hal ini

1. Datanya berdistribusi normal.

2. Kedua kelompok data independen (bebas).

3. Variabel yang dihubungkan berbentuk numerik dan kategorik (dengan

Rumus independent Sample t-test adalah sebagai berikut:

𝑀1 = rata-rata skor kelompok 1

𝑀2 = rata –rata skor kelompok 2

𝑆𝑆1 = sum of square kelompok 1

𝑆𝑆2 = sum of square kelompok 2

𝑛1 = jumlah subjek/sampel kelompok 1

𝑛2 = jumlah subjek/sampel kelompok 2

a. Untuk menginterpretasikan t-test terlebih dahulu harus ditentukan:

- Df = 𝑁 − 𝑘, khusus untuk independent sample t-test df = 𝑁 − 2 atau df

b. Bandingkan nilai 𝑡ℎ𝑖𝑡 dengan 𝑡𝑡𝑎𝑏

- 𝑡ℎ𝑖𝑡 > 𝑡𝑡𝑎𝑏  berbeda secara signifikan (𝐻0 di tolak)

Analisis of Variance (Anova)

Analysis of variance atau anova merupakan suatu metode analisis statistik

Menurut Universitas Islam Indonesia (2013), untuk melakukan analisis

1. Data harus berdistribusi normal.

Agar data berdistribusi normal dapat ditempuh dengan cara memperbanyak

Sampel hendaknya diambil secara acak (random), sehingga setiap pengamatan

Anova dapat dikategorikan dalam beberapa macam, yaitu:

1. Klasifikasi 1 arah (one way anova)

2. Klasifikasi 2 arah (two way anova)

Anova yang didasarkan pada pengamatan 2 kritenia atau 2 faktor yang

3. Klasifikasi banyak arah (manova)

Anova yang didasarkan pada pengamatan banyak kriteria.

1. Variabilitas antar kelompok

Variabilitas antar kelompok adalah variasi rata-rata kelompok sampel terhadap

Formula Variabilitas antar kelompok adalah sebagai berikut.

𝑇 = total 𝑋 masing-masing kelompok

𝑛 = jumlah sampel masing-masing kelompok

𝑁 = jumlah sampel keseluruhan

2. Variabilitas dalam kelompok

Variabilitas dalam kelompok adalah variasi yang ada dalam masing-masing

𝐽𝐾𝑠𝑚𝑘 = jarak kuadrat simpangan masing-masing kelompok.

3. Jumlah kuadrat penyimpangan total

𝐽𝐾𝑇 = 𝐽𝐾𝑎 + 𝐽𝐾𝑑

Prosedur uji hipotesis anova satu arah: