Analisis Pengaruh Jumlah Penduduk, Indeks Pembangunan Manusia dan

Pertumbuhan Ekonomi Terhadap Kemiskinan di Provinsi Banten Periode Tahun

2017-2021: Estimasi Data Panel

Annisa Annisa
Jurusan Ilmu Ekonomi Pembangunan, Fakultas Ekonomi Bisnis, Universitas Sultan Ageng Tirtayasa
Email: 5553200077@untirta.ac.id

ABSTRAK
Tujuan dari penelitian ini yaitu untuk menganalisis pengaruh Jumlah Penduduk, Indeks
Pembangunan Manusia, dan Pertumbuhan Ekonomi terhadap Kemiskinan di Provinsi
Banten tahun 2017-2021 dengan menggunakan estimasi data panel. Data penelitian
merupakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS). Metode
penelitian ini ialah metode regresi data panel yang diolah menggunakan software
Eviews 10. Data panel pada penelitian ini yaitu 8 kabupaten/kota di Provinsi Banten
sebagai data cross section dan urutan waktu 2017-2021 sebagai data time series. Alat
analisis yang digunakan untuk menganalisis regresi data panel dengan menggunakan
metode Fixed Effect Model (FEM). Hasil penelitian menunjukkan bahwa variabel
Jumlah Penduduk dan Pertumbuhan Ekonomi tidak berpengaruh dan tidak signifikan
secara parsial terhadap Kemiskinan di Provinsi Banten tahun 2017-2021, sedangkan
variabel Indeks Pembangunan Manusia berpengaruh signifikan secara parsial terhadap
Kemiskinan di Provinsi Banten tahun 2017-2021. Namun, variabel Jumlah Penduduk,
Indeks Pembanagunan Manusia, dan Pertumbuhan Ekonomi berpengaruh signifikan
secara simultan terhadap Kemiskinan di Provinsi Banten tahun 2017-2021.

Kata kunci: kemiskinan, data panel, provinsi Banten

ABSTRACT
The purpose of this study is to analyze the effect of Population, Human Development
Index, and Economic Growth on Poverty in Banten Province in 2017-2021 using panel
data estimation. The research data is secondary data obtained from the Central Bureau
of Statistics (BPS). The research method is the panel data regression method which is
processed using Eviews 10 software. The panel data in this study are 8 regencies/cities
in Banten Province as cross section data and the 2017-2021 time series as time series
data. The analytical tool used to analyze panel data regression using the Fixed Effect
Model (FEM). The results showed that the variables Population and Economic Growth
had no effect and were not partially significant on Poverty in Banten Province in 2017-
2021, while the Human Development Index variable had a partially significant effect on
Poverty in Banten Province in 2017-2021. However, the variables Population, Human
Development Index, and Economic Growth have a significant simultaneous effect on
Poverty in Banten Province in 2017-2021.

Keyword: poverty, panel data, Banten province

1. PENDAHULUAN
Hidup layak merupakan hak asasi manusia yang diakui secara universal dalam
Konstitusi Negara Indonesia yaitu UUD’45, secara eksplisit mengakui hal itu dengan
mengamanatkan bahwa tugas pokok pemerintah Republik Indonesia adalah
“memajukan kesejahteraan umum, mencerdaskan kehidupan bangsa serta mewujudkan
suatu keadilan sosial bagi seluruh rakyat Indonesia”. Hal itu berarti, hidup bebas dari
kemiskinan atau menikmati kehidupan yang layak merupakan hak asasi setiap warga
Negara, adalah tugas pemerintah untuk menjamin terwujudnya hal itu. Pembangunan
nasional pada dasarnya ialah meningkatkan kesejahteraan umum yang adil dan merata
bagi seluruh rakyat Indonesia (Estrada, Anak Agung Erick & Wenagama, 2019).
Tujuan pembangunan pada dasarnya adalah untuk meningkatkan kesejahteraan
masyarakat atau mengurangi jumlah penduduk miskin. Kemiskinan merupakan masalah
utama pembangunan bagi pemerintah baik Pemerintah Pusat, Provinsi maupun
Kabupaten atau Kota. Masyarakat miskin umumnya lemah dalam kemampuan berusaha
dan mempunyai akses yang terbatas kepada kegiatan sosial-ekonomi, pendidikan dan
kesehatan, sehingga tertinggal dari kelompok masyarakat lain yang mempunyai potensi
kehidupan lebih baik (Rah Adi Fahmi et al., 2018).
Kemiskinan ialah permasalahan sosial dan ekonomi di Indonesia yang sampai
saat ini masih sulit dihadapi, beberapa provinsi di Indonesia merasakan hal tersebut tak
terkecuali Provinsi Banten. Kemiskinan merupakan salah satu permasalahan yang
kompleks apabila tidak segera diatasi dengan mengetahui akar permasalahan dari
kemiskinan. Menurut Nurkse (1961) dalam teori ”The Vicious Cycle Of Poverty”, teori
ini mengasumsikan bawah dari kemiskinan merupakan tingkatan pemasukan per kapita.
Gagasan teori ini berdasarkan pada orang - orang dengan penghasilan besar bisa
menabung, investasi dan mampu mempertahankan status yang sama, sebaliknya orang -
orang dari golongan dengan penghasilan rendah tidak sanggup melaksanakannya, oleh
karena itu tidak bisa memutuskan lingkaran kemiskinan. Hal ini diawali dari tingkatan
gizi yang rendah menuju ke rendahnya tingkatan kesehatan sehingga mengakibatkan
produktivitas yang rendah serta berakhir dengan tingkatan pemasukan yang lebih rendah
(kemiskinan) lagi (Hanifa, 2021).
 Menurut (Statistik, 2022) pada tahun 2017 hingga 2019 Persentase Penduduk
Miskin di Provinsi Banten mengalami penurunan, namun pada tahun 2020 hingga 2021
persentase Penduduk Miskin mengalami peningkatan. Peningkatan Persentase
Penduduk Miskin yang terjadi pada tahun 2020 disebabkan oleh pandemi Covid-19
yang menyerang Indonesia. Laju persentase Penduduk Miskin di Provinsi Banten tahun
2017-2021 dapat disajikan dalam grafik sebagai berikut.
Gambar 1. Persentase Penduduk Miskin di Provinsi Banten 2017-2021

Persentase Penduduk Miskin di Provinsi Banten

2017-2021
6,66
7
5,92
6 5,45 5,24 5,09
5
4
3
2
1
0
2017 2018 2019 2020 2021

Persentase Penduduk Miskin

Sumber: BPS, 2022 (Data diolah)

Penduduk suatu negara merupakan objek dan subjek pembangunan. Sebagai
obyek artinya penduduk merupakan faktor yang harus dibangun atau ditingkatkan
kualitas hidupnya. Sebagai subjek penduduk merupakan faktor pelaku proses
pembangunan. Di lihat dari sisi yang lain, penduduk merupakan beban sekaligus potensi
bagi suatu negara. Apabila suatu negara pertumbuhan penduduknya sangat tinggi, ini
merupakan masalah. Hal ini dikarenakan kapasitas wilayah suatu Negara terbatas
(Sudirman & Sakinah, 2020).
Menurut Whisnu Adhi Saputra (2011) Jumlah penduduk dalam pembangunan
ekonomi suatu daerah merupakan permasalahan mendasar, Karena pertumbuhan
penduduk yang tidak terkendali dapat mengakibatkan tidak tercapainya tujuan
pembangunan ekonomi yaitu kesejahteraan rakyat serta menekan angka kemiskinan.
Menurut Nelson dan Leibstein (dikutip dari Sadono Sukirno, 1983) terdapat pengaruh
langsung antara pertambahan penduduk terhadap tingkat kesejahteraan masyarakat.
Nelson dan Leibstein menunjukan bahwa pertumbuhan penduduk yang pesat di negara
berkembang menyebabkan tingkat kesejahteraan masyarakat tidak mengalami perbaikan
yang berarti dan dalam jangka panjang akan mengalami penurunan kesejahteraan serta
meningkatkan jumlah penduduk miskin (Didu & Fauzi, 2016).
Todaro dan Smith (2006) menyebutkan bahwa ada tujuh konsekuensi negatif dari
pertumbuhan penduduk. Mereka adalah dampak negatif terhadap pertumbuhan ekonomi,
kemiskinan dan ketimpangan pendapatan, pendidikan, kesehatan, ketersediaan pangan,
lingkungan, dan migrasi internasional. Jumlah penduduk yang terlalu banyak atau
kepadatan penduduk yang terlalu tinggi akan menjadi penghambat pembangunan
ekonomi di Negara berkembang. Pendapatan per kapita yang rendah dan tingkat
pembentukan modal yang rendah semakin sulit bagi Negara berkembang untuk
menopang ledakan jumlah penduduk. Sekalipun output meningkat sebagai hasil
teknologi yang lebih baik dan pembentukan modal, peningkatan ini akan ditelan oleh
jumlah penduduk yang terlalu banyak. Hasilnya, tidak ada perbaikan dalam laju
pertumbuhan nyata perekonomian (Nurjannah et al., 2022).
Kualitas sumber daya manusia dapat menjadi faktor penyebab utama terjadinya
kemiskinan. Kualitas sumber daya manusia dapat dilihat dari Indeks Pembangunan
Manusia (IPM). Menurut Kuncoro (2006) (dalam Sukamarga, 2011), bahwa IPM
bermanfaat untuk membandingkan kinerja pembangunan manusia baik antar negara
maupu antar daerah. Indeks Pembangunan Manusia (IPM) merupakan indikator yang
menjelaskan bagaimana penduduk suatu wilayah mempunyai kesempatan untuk
mengakses hasil dari suatu pembangunan sebagai bagian dari haknya dalam
memperoleh pendapatan, kesehatan, pendidikan, dan sebagainya. Masyarakat yang
sehat, berpendidikan, serta produktifitas yang tinggi bagi masyarakat tentu akan
meningkatkan pengeluaran untuk konsumsinya, ketika pengeluaran untuk konsumsi
meningkat, maka tingkat kemiskinan akan menurun. Disisi lain, rendahnya Indeks
Pembangunan Manusia (IPM) berakibat pada rendahnya produktivitas kerja dari
penduduk. Rendahnya produktivitas berakibat pada rendahnya perolehan pendapatan.
Sehingga dengan rendahnya pendapatan menyebabkan tingginya jumlah penduduk
miskin (Nurjannah et al., 2022).
Subandi (2012), menyatakan salah satu strategi/upaya pengentasan kemiskinan
adalah pembangunan Sumber Daya Manusia (SDM). Pembangunan SDM dapat
dilakukan dengan perbaikan akses terhadap konsumsi pelayanan sosial (pendidikan,
kesehatan dan gizi) yang merupakan strategi pemerintah untuk mengurangi kemiskinan
dan meningkatkan kesejahteraan. Pembangunan manusia dapat diukur dengan Indeks
Pembangunan Manusia (IPM) atau Human Development Index (HDI) yang merupakan
suatu indeks komposit untuk mengukur pencapaian kualitas pembangunan manusia
(Nurjannah et al., 2022).
Keterkaitan antara pertumbuhan ekonomi terhadap Kemiskinan Menurut
Tambunan menyatakan bahwa pertumbuhan ekonomi tanpa diikuti oleh pembukaan
usaha kerja tambahan akan menimbulkan ketimpangan dalam pembagian dari
penambahan pendapatan tersebut (ceteris paribus), yang dengan demikian akan
menjadikan keadaan pertumbuhan ekonomi dengan perluasan peningkatan kemiskinan.
Pertumbuhan dan kemiskinan memiliki hubungan yang sangat kuat, karena pada fase
awal interaksi peningkatan tingkat kemiskinan akan secara umum meningkat dan ketika
bergerak menuju fase terakhir kemajuan jumlah penduduk miskin akan berkurang.
Menurut Sukirno, pembangunan ekonomi adalah peningkatan latihan dalam
perekonomian yang menyebabkan tenaga kerja dan produk yang diciptakan masyarakat
akan bertambah. Pertumbuhan ekonomi adalah kenaikan produk domestik bruto PDB
atau GNP asli. Cukup lama para ahli ekonomi telah menganalisis faktor-faktor penting
yang mempengaruhi pertumbuhan ekonomi. Mengingat perkembangan moneter yang
dominan di berbagai negara, cenderung disimpulkan bahwa faktorfaktor utama yang
mempengaruhi pertumbuhan dan pembangunan di suatu daerah adalah banyaknya aset
dan tanah, jumlah dan sifat pekerjaan, produk modal yang dapat diakses, tingkat inovasi
yang digunakan dan sistem sosial dan sikap perilaku masyarakat (Fitri, Eviza, 2021).
Tujuan dari penelitian ini yaitu untuk menganalisis pengaruh Jumlah Penduduk,
Indeks Pembangunan Manusia, dan Pertumbuhan Ekonomi terhadap Kemiskinan di
Provinsi Banten tahun 2017-2021 dengan menggunakan estimasi data panel.
Menurut (Nurjannah et al., 2022) Hipotesis penelitian merupakan dugaan atau
perkiraan sementara dari sebuah penelitian yang selanjutnya akan dibuktikan faktanya
menggunakan alat analisis dan menguji data secara empiris. Hasil hipotesis tidak selalu
benar, karena masih bersifat dugaan sehingga terdapat kemungkinan salah dan benar
adalah seimbang. Hipotesis pada penelitian ini yaitu:
a. Diduga Jumlah Penduduk berpengaruh secara positif dan signifikan terhadap
Kemiskinan
b. Diduga Indeks Pembangunan Manusia berpengaruh secara negatif dan signifikan
terhadap Kemiskinan
c. Diduga Pertumbuhan Ekonomi berpengaruh secara negatif dan signifikan terhadap
Kemiskinan

2. METODE PENELITIAN
Lokasi serta waktu pada penelitian ini dilakukan di Provinsi Banten dalam deret
waktu 2017-2021. Data penelitian merupakan data sekunder yang diperoleh dari Badan
Pusat Statistik (BPS). Metode penelitian ini ialah metode regresi data panel yang diolah
menggunakan software Eviews 10. Data panel pada penelitian ini yaitu 8
kabupaten/kota di Provinsi Banten sebagai data cross section dan urutan waktu 2017-
2021 sebagai data time series. Alat analisis yang digunakan untuk menganalisis regresi
data panel dengan menggunakan metode Fixed Effect Model (FEM). Model data panel
yang digunakan dalam analisis ini yaitu (Desmawaan et al., 2021):
𝑃𝑂𝑉𝑖𝑡 = 𝑓(𝑃𝑂𝑃, 𝐻𝐷𝐼, 𝐺𝑅𝑊)
𝑃𝑂𝑉𝑖𝑡 = 𝛽0 + 𝛽1 𝑃𝑂𝑃𝑖𝑡 +𝛽2 𝐻𝐷𝐼𝑖𝑡 +𝛽3 𝐺𝑅𝑊𝑖𝑡 + 𝜀𝑖𝑡
Dimana:
POV = Kemiskinan (persen);
POP = Jumlah Penduduk (Jiwa);
HDI = Indeks Pembangunan Manusia (Indeks);
GRW = Petumbuhan Ekonomi (Persen)
𝛽0 = Konstanta
𝛽1, 𝛽2, 𝛽3 = Koefisien regresi masing-masing variabel independen
𝜀 = Error
Analisis regresi linier berganda berguna untuk mengetahui apakah terdapat
pengaruh atau tidak dari variabel independen terhadap variabel dependen, sehingga
dapat ditentukan kerangka pikir penelitian ini sebagai berikut (Ristika et al., 2021):
 IPM (X2)

Jumlah
Pertumbuhan
Penduduk
Ekonomi (X3)
(X1)

Kemiskinan
(Y)

Gambar 2. Kerangka Pemikiran

2.1. Analisis Data Panel
Menurut Elhorst (2010) Analisis regresi data panel adalah salah satu pendekatan
pemodelan yang mengikutsertakan pengaruh waktu tersebut ke dalam model. Selain itu,
pemodelan data panel secara umum akan memberikan informasi yang lebih informatif
dibandingkan pemodelan yang hanya menggunakan data lintas individu (cross section)
atau data deret waktu (time series) saja (Kosmaryati et al., 2019).

2.2. Uji Spesifikasi Model

2.2.1. Uji Chow
Uji Chow merupakan uji signifikansi untuk menentukan apakah menggunakan
model gabungan atau model pengaruh tetap. Hipotesis awal (H0) pada uji Chow adalah
tidak terdapat pengaruh individu terhadap model (model mengikuti model gabungan)
dan hipotesis tandingannya (H1) adalah terdapat satu atau lebih pengaruh individu
terhadap model (model mengikuti model pengaruh tetap). (Kosmaryati et al., 2019)
2.2.2. Uji Hausman
Uji Hausman digunakan untuk menguji signifikansi antara model pengaruh acak
dengan model pengaruh tetap. Secara hipotesis bahwa pada suatu populasi, jika individu
diambil secara acak sebagai contoh maka dugaan model data panel adalah model
pengaruh acak, namun bila individu yang digunakan merupakan keseluruhan individu
dari populasi tersebut maka cenderung menggunakan model pengaruh tetap. Hipotesis
awal (H0) yang digunakan pada uji ini adalah model mengikuti model pengaruh acak
dan hipotesis tandingannya (H1) adalah model mengikuti model pengaruh tetap
(Kosmaryati et al., 2019).
2.3. Uji Asumsi Klasik
Menurut Gujarati dan Porter (2009) metode estimasi model panel pengaruh acak
(random effect) menggunakan metode generalized least square (GLS), sedangkan model
panel pengaruh gabungan (common effect) dan model panel pengaruh tetap (fixed effect)
menggunakan ordinary least square (OLS). Salah satu kelebihan metode GLS yaitu
tidak perlu memenuhi asumsi klasik. Jadi, apabila model regresi menggunakan random
effect maka tidak perlu dilakukan uji asumsi klasik. Sebaliknya, apabila digunakan
model regresi common effect atau fixed effect maka perlu dilakukan uji asumsi klasik
(Kosmaryati et al., 2019).

2.4. Uji Hipotesis

Menurut Nachrowi dan Usman, untuk menguji signifikansi koefisien regresi dapat
menggunakan uji hipotesis. Terdapat dua uji hipotesis digunakan untuk menguji
koefisien regresi yaitu, uji simultan (uji F) dan uji parsal (uji t). Uji F ini dilakukan
untuk mengetahui apakah model regresi yang diestimasi dapat dikatakan layak atau
tidak. Uji ini dikatakan uji F, karena mengikuti distribusi F dalam kriteria pengujian itu
seperti one way anova (Kosmaryati et al., 2019).

2.5. Uji Determinasi

Menurut Ghozali (2011) koefisien determinasi yaitu untuk memperkirakan
seberapa besar keahlian model dalam menjelaskan variabel variabel terikat. Apabila R²
semkin mendekati satu, maka semakin banyak pengaruh variabel bebas terhadap
variabel terikat (Hanifa, 2021).

3. HASIL DAN PEMBAHASAN

3.1. Analisis Regresi

Variable Coefficient Std. Error t-Statistic Prob.

C -33.70733 15.06955 -2.236784 0.0332

POP -1.53E-06 7.82E-07 -1.956458 0.0601
HDI 0.586837 0.212372 2.763250 0.0098
GRW -0.011368 0.030881 -0.368115 0.7155
Table 1. Hasil Analisis Regresi Berganda
Berdasarkan hasil output, diperoleh hasil regresi sebegai berikut.
𝑃𝑂𝑉𝑖𝑡 = 𝛽0 + 𝛽1 𝑃𝑂𝑃𝑖𝑡 +𝛽2 𝐻𝐷𝐼𝑖𝑡 +𝛽3 𝐺𝑅𝑊𝑖𝑡 + 𝜀𝑖𝑡
𝑃𝑂𝑉𝑖𝑡 = −33,70733 − 1,53𝐸 − 06𝑃𝑂𝑃𝑖𝑡 +0,586837𝐻𝐷𝐼𝑖𝑡 −0,011368𝐺𝑅𝑊𝑖𝑡 + 𝜀𝑖𝑡
Persamaan regresi di atas dapat diinterpretasikan sebagai berikut.
a. Koefisien/β0 = -33,70733, artinya ketika nilai variabel Jumlah Penduduk, Indeks
Pembangunan Manusia, Pertumbuhan Ekonomi sama dengan nol; maka variabel
Kemiskinan akan menurun sebesar 33,70733 persen.
b. Jumlah Penduduk terhadap Kemiskinan, peningkatan Jumlah Penduduk sebesar 1
jiwa maka akan menurunkan Kemiskinan sebesar -1,53E-06 persen, dengan asumsi
variabel lain cateris paribus, begitu sebaliknya.
c. Indeks Pembangunan Manusia terhadap Kemiskinan, peningkatan Indeks
Pembangunan Manusia sebesar 1 indeks maka akan meningkatkan Kemiskinan
sebesar 0,586837 persen, dengan asumsi variabel lain cateris paribus, begitu
sebaliknya.
d. Pertumbuhan Ekonomi terhadap Kemiskinan, peningkatan Pertumbuhan Ekonomi
sebesar 1 persen maka akan menurunkan Kemiskinan sebesar 0,011368 persen,
dengan asumsi variabel lain cateris paribus, begitu sebaliknya.

3.2. Uji Spesifikasi Model

3.2.1. Uji Chow

Redundant Fixed Effects Tests

Equation: Untitled
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 46.524783 (7,29) 0.0000

Cross-section Chi-square 100.156070 7 0.0000

Table 2. Hasil Uji Chow

Berdasarkan data pada Uji Chow, diketahui bahwa nilai Prob. Cross-section Chi-
Square sebesar 0,0000 atau kurang dari taraf nyata (0,05). Dengan demikian dapat
disimpulkan bahwa model sementara adalah Fixed Effect Model (FEM).

3.2.2. Uji Hausman

 Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects

Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.

Cross-section random 15.894035 3 0.0012

Table 3. Hasil Uji Hausman

Berdasarkan output di atas, diperoleh nilai Prob. Cross-Section Random yaitu

sebesar 0,0012 atau lebih kecl dari taraf nyata (0,05). dapat disimpulkan bahwa mode
sementara adalah Fixed Effect Model (FEM).

3.3. Uji Asumsi Klasik

3.3.1. Uji Normalitas

Gambar 3. Hasil Uji Normalitas

Berdasarkan histogram di atas diperoleh bahwa Prob. JB yaitu sebesar 0,577942
atau lebih besar dari taraf nyata (0,05). Dengan demikian dapat disimpulkan bahwa
data terdistribusi secara normal.
3.3.2. Uji Multikolinearitas

POP HDI GRW

POP 1.000000 0.139120 -0.033619

HDI 0.139120 1.000000 0.020824
GRW -0.033619 0.020824 1.000000
Table 4. Hasil Uji Multikolinearitas
 Berdasarkan hasil uji Multikolinearitas, dapat dilihat bahwa nilai korelasi antara
variabel independen lebih kecil dari 0,80. Adapun tanda negatif tidak mempengaruhi
karena yang dilihat hanya angkanya saja, dengan demikian dapat disimpulkan bahwa di
antara variabel independen tidak ada korelasi atau model regresi tidak terjadi
multikolinearitas.

3.3.3. Uji Heterokedastisitas

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.969601 Mean dependent var 5.721250

Adjusted R-squared 0.959119 S.D. dependent var 2.544015
S.E. of regression 0.514376 Akaike info criterion 1.736691
Sum squared resid 7.672892 Schwarz criterion 2.201133
Log likelihood -23.73382 Hannan-Quinn criter. 1.904619
F-statistic 92.49877 Durbin-Watson stat 1.506874
Prob(F-statistic) 0.000000

Table 5. Hasil Uji Pool Data

Dalam pengujian Heterokedastisitas, jika Chi Square hitung < Chi Square tabel
maka tidak terjadi heterokedastisitas, sedangkan jika Chi Square hitung > Chi Square
tabel maka model terjadi heterokedastisitas. Diperoleh Chi Square hitung dari R-
Squared x n = 0,969601 x 40 = 38,78404. Sedangkan pada Chi Square tabel diperoleh
dari perhitungan menggunakan rumus Excel =CHIINV(0,05;40-4) yaitu sebesar
50,99846. Berdasarkan hasil perhitungan diketahui bahwa nilai Chi Square hitung
(38,78404) < Chi Square tabel (50,99846), dapat disimpulkan bahwa model regresi
tidak terjadi heterokedastisitas.

3.3.4. Uji Autokorelasi

Nilai dU dan dL diperoleh dari tabel Durbin Watson dengan jumlah sampel atau
n= 40 dan jumlah variabel bebas yaitu k=3, maka dipoleh dU = 1,6589; dL = 1,3384; 4-
dU = 2,3411; 4-dL = 2,6616; 4-DW= 2,493126. Berdasarkan perhitunngan tersebut
berarti 2,493126 > 1,6589; sehingga dapat disimpulkan bahwa model tidak terdapat
autokorelasi.

3.4. Uji Hipotesis

 Dependent Variable: POV?
Method: Pooled Least Squares
Date: 12/08/22 Time: 06:57
Sample: 1 5
Included observations: 5
Cross-sections included: 8
Total pool (balanced) observations: 40

Variable Coefficient Std. Error t-Statistic Prob.

C -33.70733 15.06955 -2.236784 0.0332

POP? -1.53E-06 7.82E-07 -1.956458 0.0601
HDI? 0.586837 0.212372 2.763250 0.0098
GRW? -0.011368 0.030881 -0.368115 0.7155
Fixed Effects (Cross)
_KABUPATENLEBAK--C 7.430386
_KABUPATENPANDEGLANG--C 7.585019
_KABUPATENSERANG--C 1.911842
_KABUPATENTANGERANG--C 2.848435
_KOTACILEGON--C -4.798534
_KOTASERANG--C -1.598256
_KOTATANGERANG--C -3.825393
_KOTATANGERANGSELATAN--
C -9.553499

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.969601 Mean dependent var 5.721250

Adjusted R-squared 0.959119 S.D. dependent var 2.544015
S.E. of regression 0.514376 Akaike info criterion 1.736691
Sum squared resid 7.672892 Schwarz criterion 2.201133
Log likelihood -23.73382 Hannan-Quinn criter. 1.904619
F-statistic 92.49877 Durbin-Watson stat 1.506874
Prob(F-statistic) 0.000000

Table 6. Hasil Uji Pool Data

3.4.1. Uji Hipotesis Parsial

Diperoleh nilai t tabel menggunakan rumus Excel =TINV(0,05;40-4) = 2,028094, maka:
➢ Jumlah Penduduk (X1) terhadap Kemiskinan (Y), nilai t hitung (-1,956458) > t
tabel (-2,028094) dengan probabilitas (0,0601) > α (0,05) maka H0 diterima,
konsekuensinya tolak H1, yang artinya secara parsial variabel Jumlah Penduduk
tidak berpengaruh dan tidak signifikan terhadap Kemiskinan di Provinsi Banten
tahun 2017-2021.
➢ Indeks Pembangunan Manusia (X2) terhadap Kemiskinan (Y), nilai t hitung
(2,763250) > t tabel (2,028094) dengan probabilitas (0,0098) < α (0,05) maka H1
diterima, konsekuensinya tolak H0, yang artinya secara parsial variabel Indeks
 Pembangunan Manusia berpengaruh secara signifikan terhadap Kemiskinan di
Provinsi Banten tahun 2017-2021.
➢ Pertumbuhan Ekonomi (X3) terhadap Kemiskinan (Y), nilai t hitung (-0,368155) >
t tabel (-2,028094) dengan probabilitas (0,7155) > α (0,05) maka H0 diterima,
konsekuensinya tolak H1, yang artinya secara parsial variabel Pertumbuhan
Ekonomi tidak berpengaruh dan tidak signifikan terhadap Kemiskinan di Provinsi
Banten tahun 2017-2021.
3.4.2. Uji Hipotesis Simultan
Diperoleh nilai F tabel menggunakan rumus Excel =FINV(0,05;4-1;40-4) =
2,866265, berdasarkan pada output diketahui bahwa F hitung (92,49877) > F tabel
(2,866265) dengan probabilitas (0,00000) < α (0,05) maka H1 diterima, konsekuensinya
tolak H0. artinya secara simultan variabel Jumlah Penduduk, Indeks Pembangunan
Manusia, dan Pertumbuhan Ekonomi berpengaruh secara signifikan terhadap
Kemiskinan di Provinsi Banten tahun 2017-2021.

3.5. Uji Determinasi dan Korelasi

3.5.1. Uji Determinasi
Berdasarkan hasil pengujian regresi data panel Fixed Effect Model diperoleh nilai
R-squared sebesar 0,969601 yang artinya sumbangan variabel independen (Jumlah
Penduduk, Indeks Pembangunan Manusia, Pertumbuhan Ekonomi) terhadap naik
turunnya variabel dependen (Kemiskinan) yaitu sebesar 96,96% dan sisanya sebesar
3,04% merupakan sumbangan dari variabel lain yang tidak dimasukkan dalam model
regresi.
3.5.2. Uji Korelasi
Berdasarkan output, diperoleh nilai korelasi (r) yang ditunjukan oleh Adjusted R-
squared sebesar 0,959119 atau 95,91 yang artinya hubungan antara variabel independen
dengan variabel dependen memiliki hubungan yang kuat karena mendekati 100%.

4. KESIMPULAN
Hingga tahun 2021, Provinsi Banten terus mengalami kenaikan Persentase
Penduduk Miskin bahkan mencapai angka 6,6%. Setelah melakukan penelitian hal
tersebut telah diketahui bahwa secara parsial variabel Jumlah Penduduk dan
Pertumbuhan Ekonomi tidak berpengaruh secara tidak signifikan terhadap Kemiskinan
di Provinsi Banten 2017-2021. Sedangkan variabel Indeks Pembangunan Manusia
berpengaruh secara signifikan terhadap Kemiskinan di Provinsi Banten 2017-2021.
Namun, secara simultan variabel Jumlah Penduduk, Indeks Pembangunan Manusia, dan
Pertumbuhan Ekonomi 2017-2021. Hasil dari Uji Asumsi Klasik menunjukkan bahwa
model regresi telah terdistribusi normal dan terbebas dari seluruh Uji Asumsi Klasik.
Hasil dari Uji Determinasi menunjukkan bahwa variabel independen (Jumlah Penduduk,
Indeks Pembanguan Manusia, Pertumbuhan Ekonomi) memberikan sumbangan
terhadap variabel dependen sebesar 96,96% dan sisanya sebesar 3,04% merupakan
sumbangan dari variabel lain yang tidak dimasukkan dalam model regresi. Dengan
Indeks Pembangunan Manusia berpengaruh secara positif dan siginifikan. Pemerintah
Provinsi Banten dapat mengambil langkah untuk mengurangi kemiskinan di masyarakat
dengan cara meningkatkan kemampuan sumber daya manusia. Peningkatan kemampuan
SDM dapat berupa memberikan keterampilan dan kesempatan untuk menduduki
pendidikan formal untuk masyarakat serta memberikan kesempatan kerja bagi
penduduk yang telah menempuh pendidikan tinggi.

DAFTAR PUSTAKA
Desmawaan, D., Syaifudin, R., Nistia Sari, T., Mamola, R., Haya, H., & Indriyani, D.
(2021). Faktor Dominan Relativitas Kemiskinan: Pendekatan Analisis Data Panel.
Cv. Media Sains Indonesia, 123.
Didu, S., & Fauzi, F. (2016). Pengaruh Jumlah Penduduk, Pendidikan Dan
Pertumbuhan Ekonomi Terhadap Kemiskinan Di Kabupaten Lebak. Jurnal
Ekonomi-Qu, 6(1), 102–117. https://doi.org/10.35448/jequ.v6i1.4199
Estrada, Anak Agung Erick & Wenagama, I. W. (2019). TERHADAP TINGKAT
KEMISKINAN Fakultas Ekonomi dan Bisnis Universitas Udayana (UNUD), Bali ,
Indonesia Istilah kemiskinan muncul ketika seseorang atau sekelompok orang tidak
mampu mencukupi tingkat kemakmuran ekonomi yang dianggap sebagai
kebutuhan minima. E-Jurnal EP Unud, 8, 1637–1665.
Fitri, Eviza, A. Y. (2021). Pengaruh Pertumbuhan Ekonomi Terhadap Kemiskinan Di
Kalimantan Barat. Jurnal Ekonomi Pembangunan, 4(2), 8.
Hanifa, S. H. dan N. (2021). Pengaruh Pertumbuhan Ekonomi, Upah Minimum dan
Pengangguran Terhadap Kemiskinan di Kabupaten Deli Serdang. Repository.Uinsu,
52(1), 1–5.
Kosmaryati, K., Handayani, C. A., Isfahani, R. N., & Widodo, E. (2019). Faktor-Faktor
yang Mempengaruhi Kriminalitas di Indonesia Tahun 2011-2016 dengan Regresi
Data Panel. Indonesian Journal of Applied Statistics, 2(1), 10.
https://doi.org/10.13057/ijas.v2i1.27932
Nurjannah, Sari, L., & Yovita, I. (2022). Analisis Pengaruh Jumlah Penduduk, Indeks
Pembangunan Manusia Dan Tingkat Pengangguran Terbuka Terhadap Kemiskinan
Di Provinsi Riau Tahun 2002-2021. Jurnal Ekonmi Dan Bisnis, 11(1), 567–574.
Rah Adi Fahmi, G., Setyadi, S., & Suiro, U. (2018). Analisis Strategi Penanggulangan
Kemiskinan Di Provinsi Banten. Jurnal Ekonomi-Qu, 8(2), 227–248.
https://doi.org/10.35448/jequ.v8i2.4450
Ristika, E. D., Primandhana, W. P., & Wahed, M. (2021). Analisis Pengaruh Jumlah
Penduduk, Tingkat Pengangguran Terbuka Dan Indeks Pembangunan Manusia
Terhadap Tingkat Kemiskinan Di Provinsi Jawa Timur. Eksis: Jurnal Ilmiah
Ekonomi Dan Bisnis, 12(2), 129. https://doi.org/10.33087/eksis.v12i2.254
Statistik, B. P. (2022). Data dan Informasi Kemiskinan Provinsi Banten 2017-2021.
Badan Pusat Statistik Banten. https://banten.bps.go.id/indicator/23/78/1/persentase-
penduduk-miskin-menurut-kabupaten-kota-di-provinsi-banten-.html
Sudirman, S., & Sakinah, S. (2020). Pengaruh Jumlah Penduduk, Indeks Pembangunan
Manusia Dan Angkatan Kerja Terhadap Kemiskinan Di Provinsi Jambi. J-MAS
(Jurnal Manajemen Dan Sains), 5(2), 251. https://doi.org/10.33087/jmas.v5i2.191