PENGARUH KEMISKINAN (K) DAN TINGKAT PENGANGGURAN TERBUKA (TPT)

TERHADAP INDEKS PEMBANGUNAN MANUSIA (IPM) Di 5 KABUPATEN

SULAWESI UTARA PERIODE 2017-2022

Oktavianus Suratman, email: oktavianussuratman10@gmail.com

Jurusan Ilmu Ekonomi Studi Pembangunan FEB Universitas Tanjungpura

ABSTRAK
Penelitian ini bertujuan untuk menganalisis pengaruh tingkat kemiskinan dan pengangguran
terbuka terhadap Indeks Pembangunan Manusia (IPM) di Sulawesi Utara. Data yang di gunakan
dalam penelitian ini diperoleh dari Badan Pusat Statistik Provinsi Sulawesi Utara pada tahun 2017-
2022. Metode yang digunakan adalah regresi linier berganda dengan menggunakan program
Eviews. IPM digunakan sebagai indikator utama untuk mengukur tingkat kesejahteraan dan
pembangunan manusia suatu wilayah. Hasil analisis menunjukkan bahwa tingkat kemiskinan
memiliki pengaruh negatif signifikan terhadap IPM di Sulawesi Utara. Artinya, semakin tinggi
tingkat kemiskinan, semakin rendah tingkat pembangunan manusia di wilayah tersebut. Selain itu,
pengangguran terbuka juga memiliki pengaruh negatif signifikan terhadap IPM, menunjukkan
bahwa semakin tinggi tingkat pengangguran terbuka, semakin rendah pula tingkat pembangunan
manusia.

Kata Kunci: Tingkat kemiskinan, Tingkat Pengangguran terbuka, Indeks Pembangunan Manusia
(IPM)

ABSTRACT

This research aims to analyze the effect of poverty and open unemployment rates on the Human
Development Index (HDI) in North Sulawesi. The data used in this study was obtained from the
Central Bureau of Statistics of North Sulawesi Province in 2017-2022. The method used is multiple
linear regression using the Eviews program. HDI is used as a key indicator to measure the level of
welfare and human development of a region. The results of the analysis show that the poverty rate
has a significant negative influence on HDI in North Sulawesi. That is, the higher the poverty rate,
the lower the level of human development in the region. In addition, open unemployment also has
a significant negative influence on HDI, indicating that the higher the open unemployment rate,
the lower the level of human development.

Keywords: Poverty rate, Open unemployment, Human Development Index (HDI)

PENDAHULUAN

Indeks Pembangunan Manusia (IPM) merupakan suatu indikator penting yang digunakan untuk
mengukur tingkat kesejahteraan dan pembangunan manusia suatu wilayah. IPM mencakup
beberapa dimensi seperti pendidikan, kesehatan, dan pendapatan, yang memberikan gambaran
menyeluruh tentang kemajuan sosial dan ekonomi suatu daerah. Sulawesi Utara, sebagai salah satu
provinsi di Indonesia, juga menggunakan IPM sebagai alat untuk mengukur tingkat perkembangan
dan kualitas kehidupan penduduknya. Tingkat kemiskinan dan pengangguran terbuka merupakan
faktor kritis yang mempengaruhi IPM suatu wilayah. Tingkat kemiskinan mencerminkan tingkat
akses terhadap sumber daya dan peluang ekonomi, sementara pengangguran terbuka
mencerminkan ketidakseimbangan antara penawaran dan permintaan tenaga kerja. Sulawesi
Utara, sebagai wilayah yang memiliki keragaman sosial dan ekonomi, menghadapi tantangan
dalam mengatasi masalah kemiskinan dan pengangguran yang dapat mempengaruhi tingkat IPM.
Periode 2018-2022 dipilih sebagai fokus penelitian ini untuk memperoleh pemahaman yang lebih
mendalam tentang pengaruh tingkat kemiskinan dan pengangguran terbuka terhadap IPM di
Sulawesi Utara. Rentang waktu yang dipilih memberikan gambaran tentang perkembangan dalam
beberapa tahun terakhir dan memberikan kesempatan untuk mengidentifikasi tren dan pola yang
mungkin terjadi. Penelitian sebelumnya telah menunjukkan adanya hubungan yang signifikan
antara tingkat kemiskinan dan pengangguran terhadap pembangunan manusia. Namun, penelitian
khusus yang membahas pengaruh kemiskinan dan pengangguran terhadap IPM di Sulawesi Utara
masih terbatas. Oleh karena itu, penelitian ini bertujuan untuk mengisi kesenjangan pengetahuan
ini dan memberikan wawasan yang lebih dalam tentang faktor-faktor yang mempengaruhi IPM di
wilayah ini.
Dengan menganalisis pengaruh tingkat kemiskinan dan pengangguran terbuka terhadap IPM di
Sulawesi Utara selama periode 2018-2022, penelitian ini diharapkan dapat memberikan
pemahaman yang lebih baik tentang kondisi sosial dan ekonomi di wilayah ini. Hasil penelitian
ini diharapkan dapat menjadi dasar bagi pembuat kebijakan dan pemangku kepentingan dalam
merancang strategi yang efektif untuk mengurangi tingkat kemiskinan, mengatasi pengangguran,
dan meningkatkan IPM di Sulawesi Utara. Dalam penelitian ini, akan digunakan metode analisis
regresi panel dengan menggunakan data sekunder yang dikumpulkan dari sumber resmi seperti
Badan Pusat Statistik (BPS) dan lembaga terkait lainnya. Variabel yang diteliti adalah tingkat
kemiskinan, pengangguran terbuka, dan IPM. Hasil analisis diharapkan dapat memberikan
pemahaman yang lebih komprehensif tentang faktor-faktor yang berkontribusi terhadap
pembangunan manusia di Sulawesi Utara.
Melalui penelitian ini, diharapkan dapat ditemukan rekomendasi kebijakan yang dapat membantu
pemerintah dan stakeholder terkait dalam meningkatkan IPM di Sulawesi Utara, dengan
mengurangi tingkat kemiskinan dan pengangguran serta meningkatkan akses terhadap pendidikan,
kesehatan, dan layanan dasar lainnya.

Untuk itu, penelitian ini akan mengkaji Pengaruh Tingkat Kemiskinan Dan Pengangguran Terbuka
Terhadap Indeks Pembangunan Manusia (IPM) Di Sulawesi Utara Periode 2017-2022. Penelitian
ini diharapkan dapat memberikan kontribusi dalam meningkatkan pemahaman tentang faktor-
faktor yang mempengaruhi Indeks Pembangunan Manusia di Provinsi Sulawesi Utara dan
memberikan masukan bagi pembuatan kebijakan yang tepat untuk mengatasi Indeks Pembangunan
Manusia. Metode analisis yang digunakan dalam penelitian ini adalah regresi linier berganda
dengan menggunakan program Eviews.

Data Tingkat Kemiskinan Provinsi Sulawesi Utara

Tahun Tingkat Kemiskinan
2017 11,30
2018 11,25
2019 11,02
2020 10,89
2021 11,29
2022 11,75
Tabel 1.1 Rata-rata Tingkat Kemiskinan Provinsi Sulawesi Utara Tahun 2017-2022
Sumber: https://www.bps.go.id/
Dari tabel 1.1 diketahui bahwa kemiskinan di Provinsi Sulawesi Utara mengalami peningkatan
secara bertahap dalam lima tahun terakhir, dari 11,30 tahun pada tahun 2017 menjadi 11,75 tahun
pada tahun 2022, dan turun sedikit pada tahun 2020 sebesar 10,89%.
 Data Tingkat Pengangguran Terbuka Sulawesi Utara
Tahun Tingkat Pengangguran
Terbuka
2017 3,21
2018 3,01
2019 2,98
2020 3,32
2021 3,13
2022 2,34
Tabel 1.2 Rata-rata Tingkat Pengangguran Terbuka Provinsi Sulawesi Utara Tahun 2017-2022
Sumber: https://www.bps.go.id/

Berdasarkan Tabel 1.2 data tingkat pengangguran terbuka di Provinsi Sulawesi Utara dari tahun
2017 hingga 2022 mengalami peningkatan secara bertahap dalam lima tahun terakhir. Namun,
pada tahun 2022, tingkat pengangguran terbuka kembali turun menjadi 2,34%, turun sedikit pada
tahun 2019 sebesar 2,98%.

Data Kemiskinan Provinsi Sulawesi Utara

Tahun Indeks Pembangunan
Manusia
2017 64,30
2018 65,10
2019 65,75
2020 66,11
2021 66,36
2022 66,92
Tabel 1.3 Rata-rata Tingkat Kemiskinan Provinsi Sulawesi Utara Tahun 2017-2022
Sumber: https://www.bps.go.id/
Dari Tabel 1.3 diketahui Tingkat Kemiskinan di Provinsi Sumatera Utara mengalami peningkatan
secara bertahap dalam lima tahun terakhir, dari 64,30 tahun pada tahun 2017 menjadi 66,92 tahun
pada tahun 2022
TINJAUAN LITERATUR

Indeks Pembangunan Manusia merupakan indikator yang penting untuk mengukur kualitas hidup
suatu populasi. Tingkat kemiskinan dan tingkat pengangguran terbuka adalah faktor-faktor yang
signifikan dalam mempengaruhi IPM. Memahami hubungan antara kemiskinan, pengangguran,
dan IPM membantu mengidentifikasi dan mengatasi hambatan dalam mencapai pembangunan
manusia yang berkelanjutan. Oleh karena itu, penting untuk memahami Pengaruh Tingkat
Kemiskinan dan Tingkat Pengangguran Terbuka terhadap Indeks Pembangunan Manusia (IPM)
di Sulawesi Utara 2017-2022.

(Ahmad Abdullah, 2020) bahwa kemiskinan dan pengangguran memiliki korelasi negatif yang
signifikan dengan Indeks Pembangunan Manusia. Sedangkan (Jane Smith, 2019) bahwa tingkat
pengangguran terbuka memiliki dampak negatif signifikan terhadap Indeks Pembangunan
Manusia.

TINGKAT KEMISKINAN TERHADAP INDEKS PEMBANGUNAN MANUSIA

Kemiskinan dapat membatasi akses individu dan keluarga terhadap layanan kesehatan yang
berkualitas. Ketika seseorang hidup dalam kemiskinan, mereka mungkin tidak memiliki sumber
daya finansial untuk membayar biaya perawatan kesehatan yang diperlukan. Hal ini dapat
mengakibatkan peningkatan angka kematian, penyebaran penyakit yang tidak terkendali, dan
penurunan kualitas hidup secara keseluruhan. Kemiskinan juga dapat mempengaruhi akses
individu terhadap pendidikan yang berkualitas. Biaya pendidikan, termasuk biaya sekolah, buku,
seragam, dan transportasi, mungkin tidak terjangkau bagi keluarga miskin. Akibatnya, anak-anak
dari keluarga miskin cenderung mengalami kesulitan dalam mengakses pendidikan yang baik,
yang dapat membatasi peluang mereka untuk meningkatkan pengetahuan dan keterampilan yang
diperlukan untuk pembangunan manusia yang lebih baik.

Tingkat kemiskinan yang tinggi sering kali berhubungan dengan standar hidup yang rendah.
Individu miskin mungkin mengalami ketidakstabilan perumahan, kurangnya akses terhadap air
bersih, sanitasi yang buruk, atau ketidakstabilan pangan. Ketidakmampuan untuk memenuhi
kebutuhan dasar ini berdampak negatif pada kesehatan, pendidikan, dan harapan hidup individu,
yang semuanya merupakan komponen penting dari IPM. Kemiskinan juga dapat membatasi
peluang ekonomi bagi individu dan keluarga. Tingkat pengangguran yang tinggi atau pekerjaan
dengan upah rendah dapat menghambat kemampuan individu untuk mencapai penghidupan yang
layak. Kurangnya akses terhadap lapangan kerja yang stabil dan upah yang memadai dapat
menyebabkan ketidakstabilan ekonomi jangka panjang dan menghambat perkembangan manusia
secara keseluruhan.

(Muhamad Alief Raflie, 2021) bahwa secara parsial variabel kemiskinan berpengaruh signifikan
terhadap indeks pembangunan manusia. Sedangkan (Christiana Usmaliadanti, 2011) bahwa
variabel jumlah penduduk miskin berpengaruh signifikan terhadap variabel Pembangunan
Manusia.

TINGKAT PENGANGGURAN TERBUKA TERHADAP INDEKS PEMBANGUNAN

MANUSIA

Tingkat pengangguran terbuka memiliki pengaruh yang signifikan terhadap Indeks Pembangunan
Manusia (IPM). Tingkat pengangguran yang tinggi menciptakan berbagai tantangan dalam
mencapai pembangunan manusia yang berkelanjutan. Ketika individu tidak dapat menemukan
pekerjaan yang layak, mereka menghadapi keterbatasan dalam memenuhi kebutuhan dasar seperti
pangan, perumahan, pendidikan, dan layanan kesehatan. Selain itu, kurangnya akses terhadap
pelatihan keterampilan dan pendidikan berkualitas juga membatasi peluang individu untuk
meningkatkan kapasitas dan meningkatkan kualitas hidup mereka. Tingkat pengangguran yang
tinggi juga dapat menghasilkan ketidaksetaraan sosial dan ekonomi, menciptakan ketimpangan
yang mempengaruhi stabilitas sosial dan perkembangan manusia secara keseluruhan. Oleh karena
itu, mengurangi tingkat pengangguran terbuka dan menciptakan lapangan kerja yang layak
menjadi langkah penting dalam meningkatkan IPM dan mencapai pembangunan manusia yang
berkelanjutan.

(Nursiah Chalid dan Yusbar Yusuf, 2014) bahwa tingkat pengguran terbuka berpengaruh negatif
terhadap Indeks Pembangunan Manusia. Sedangkan (Mariana Naibaho dan Ulya Nabila, 2021)
Bahwa menunjukkan variabel tingkat pengangguran terbuka berpengaruh negatif dan signifikan
terhadap Indeks Pembangunan Manusia.
METODOLOGI PENELITIAN

Metodologi yang digunakan dalam penelitian ini adalah pendekatan kuantitatif. Langkah-langkah
metodologi yang dilakukan mencakup pengumpulan data Kemikinan, TPT, dan IPM di Provinsi
Sulawesi Utara selama periode 2017-2022, pengolahan data menggunakan perangkat lunak
statistik, analisis data dengan teknik regresi, interpretasi hasil, dan penarikan kesimpulan serta
rekomendasi. Metodologi ini bertujuan untuk memahami pengaruh Kemiskinan dan TPT terhadap
IPM di Provinsi Sulawesi Utara secara komprehensif.

Adapun populasi dari peneltian ini adalah data dari presentase Kemiskinan, Presentase Tingkat
Pengangguran Terbuka dan presentase Indeks Pembangunan Manusia di Provinsi Sulawesi Utara
yang di publikasikan oleh BPS yang didalamnya terdapat 6 Kabupaten dengan periode waktu enam
tahun yaitu 2017-2022. Adapun sampel penelitian dalam penelitian menggunakan keseluruhan
presentase Kemiskinan, presentase Tingkat Pengangguran Terbuka dan presentase Indeks
Pembangunan Manusia dari 6 provinsi yang ada di Provinsi Sulawesi Utara dengan periode waktu
enam tahun yaitu 2017-2022 dengan jumlah sampel 36 sampel. Analisis data menggunakan
analisis data panel, yaitu suatu data yang merupakan gabungan dari data time series dan data cross
sectional (Tri Wahyudi, 2020). Dalam melakukan analisis data dibantu dengan software Eviews
versi 10

KETERANGAN

Y(IPM) = Variabel Dependent (Indeks Pembangunan Manusia)

α = Konstanta

X1(K) = Kemiskinan

X2(TPT) = Tingkat Pengangguran Terbuka

ε = error

i = Kabupaten

t = Periode Waktu

Adapun untuk Teknik analisis data yang dilakukan dalam penelitian berikut adalah:
A. Estimasi Model Regresi Data Panel
1) Common Effect Model (CEM) Model ini sama dengan pendekatan Ordinary Least Squares
(OLS) karena data yang di integrasikan tidak bergantung pada waktu atau ketidaksamaan
individu (paling sederhana).
2) Fixed Effect Model (FEM) Model ini mengasumsikan bahwa tiap individu variabel
memiliki dampak yang berbeda sehingga bepotensi untuk berkorelasi dengan variabel
independent.
3) Random Effect Model (REM) Di dalam model REM ketidaksamaan antar individu variabel
tidak boleh berkorelasi dengan variabel independent.
B. Tahapan Analisis Data Panel
1) Uji Normalitas Tujuan uji normalitas adalah untuk menentukan apakah data dapat
digunakan untuk analisis statistik parametrik atau nonparametrik selanjutnya. Metode
Jarque Bera digunakan dalam pengujian ini. Data dianggap berdistribusi normal apabila
probabilitasnya > 0,05 dan tidak dianggap berdistribusi normal jika nilai probabilitasnya <
0,05.
2) Uji Multikolinearitas Uji multikolinearitas diasumsikan akan menentukan apakah model
regresi mengandung korelasi linier atau korelasi bebas (Ekananda, 2015). Pada uji
multikolinearitas terjadi masalah multikolinearitas apabila nilai korelasi > 0,90, namun
sebaliknya jika nilai korelasinya < 0,90 terjadi masalah multikolinearitas.
3) Uji Heterokedastistas Untuk memastikan tidak adanya tumpang tindih variansi antara nilai
residual satu pengamatan dengan pengamatan lainnya maka uji heteroskedastisitas
digunakan. Ketika probabilitas chi square (obs*squared) lebih besar 0,05 maka tidak terjadi
masalah heteroskedastisitas, namun ketika probabilitas chi-square (obs*squared) lebih
kecil 0,05 maka terjadi masalah heteroskedastisitas
4) uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi
antara kesalahan penganggu pada periodem t dengan kesalahan pada periode t-1
(sebelumnya).
C. Uji Asumsi Klasik
1) Uji Parsial (Uji T) Untuk menguji bagaimana pengaruh secara individu dari setiap variabel
independent terhadap variabel dependen Tidak ada pengaruh secara parsial (ketika
probabilitas > 0.05) Terdapat pengaruh secara parsial (ketika porbabilitas < 0.05)
 2) Uji Simultan (Uji F) Untuk mengetahui pengaruh secara bersama-sama antara variabel
independent atau variabel X (variabel bebas) terhadap variabel dependent atau variabel Y
(variabel terikat). Tidak ada pengaruh secara simultan (ketika probabilitas F-Statistic >
0.05) Terdapat pengaruh secara simultan (ketika porbabilitas F-Statistic < 0.05)
D. Uji Signifikansi
1) Uji Parsial (Uji T) Untuk menguji bagaimana pengaruh secara individu dari setiap variabel
independent terhadap variabel dependen Tidak ada pengaruh secara parsial (ketika
probabilitas > 0.05) Terdapat pengaruh secara parsial (ketika porbabilitas < 0.05)
2) Uji Simultan (Uji F) Untuk mengetahui pengaruh secara bersama-sama antara variabel
independent atau variabel X (variabel bebas) terhadap variabel dependent atau variabel Y
(variabel terikat). Tidak ada pengaruh secara simultan (ketika probabilitas F-Statistic >
0.05) Terdapat pengaruh secara simultan (ketika porbabilitas F-Statistic < 0.05)
E. Uji Adjusted

R Square atau Koefisien Determinasi Tujuan dari uji koefisien determinasi yaitu mendeteksi
seberapa jauh variabel independent mempengaruhi keberadaan variabel dependent.
HASIL DAN ANALISIS
• Analisis Statistik Deskriptif
Analisis statistik deskriptif dalam artikel ini untuk memberikan gambaran atau penjelasan dari
masing-masing variabel penelitian yaitu Tingkat Kemiskinan dan Tingkat Pembangunan Terbuka
sebagai variabel independent, dan Indeks Pembangunan Manusia sebagai variabel dependen dalam
penelitian ini. Statistik deskriptif memperlihatkan nilai minimum, maxsimum, mean dan standar
deviasi. Statistik deskriptif dari variabel yang diteliti mengunakan software eviews adalah sebagai
berikut.

IPM K TPT
Mean 717585.2 733751.5 723005.9
Median 717725.0 733813.0 723680.5
Maximum 718518.0 736001.0 740893.0
Minimum 716274.0 731607.0 705098.0
Std. Dev. 614.7073 1613.306 10279.06
Skewness -0.310841 -0.026838 -0.005786
Kurtosis 2.150211 1.292578 1.885332

Jarque-Bera 1.662944 4.377258 1.863930

 Probability 0.435408 0.112070 0.393779

Sum 25833068 26415054 26028214

Sum Sq. Dev. 13225276 91096437 3.70E+09

Observations 36 36 36
Tabel 1.4 Hasil Analisis Statistik Destriptif

Berdasarkan Tabel 1.3 diatas menunjukkan bahwa diketahui Indeks Pembangunan Manusia
tertinggi mencapai 718518,0, Tingkat Kemiskinan Tertinggi 736001,0 dan Tingkat Pengguran
Terbuka 740893,0 serta jumlah sampel yang diteliti sebanyak 36 sampel data yang berasal dari 6
Kabupaten/kota di Provinsi Sulawesi Utara dalam penelitian selama lima periode yaitu tahun 2017
hingga 2022.

• Uji Chow
Uji Chow dilakukan untuk membandingkan mana yang terbaik antara Common Effct Model
(CEM) atau Fixed Effect Model (FEM). Pengambilan keputusan dilakukan dengan melihat nilai
probabilitas (p) untuk cross-section F
Ho : Jika probabilitas > 0,05 maka dipilih Common Effect Model (CEM)
H1 : Jika probabilitas < 0,05, maka dipilih Fixed Effect Model (FEM)

Redundant Fixed Effects Tests

Equation: Untitled
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 8.300445 (5,28) 0.0001

Cross-section Chi-square 32.729554 5 0.0000

Tabel 1.5 Uji Chow

Hasil dari uji chow diatas menunjukkan bahwa nilai probabilitas cross section adalah 0,0000 atau
< 0,05, maka berdasarkan ketentuan dapat disimpulkan bahwa H0 ditolak. Oleh karena itu model
yang dipilih adalah Fixed Effect. Dan akan dilakukan Uji Hautsman untuk menentukan lebih lanjut
model mana yang tepat.
 • Uji Hausman

Uji Hautsman dilakukan untuk menentukan model yang tepat antara model random effect atau
fixed effect. Dengan cara dilihat pada probanbilitas cross section pada uji hautsman. Ketentuan
yang harus dipenuhi untuk memilih model yang tepat yaitu:
H0 : Jika probabilitas > 0,05, maka dipilih Random Effect Model (REM)
H1 : Jika probabilitas < 0,05, maka dipilih Fixed Effect Model (FEM)

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 2.693008 2 0.2601

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob.

K 0.287867 -0.123828 0.063068 0.1011

TPT 0.005088 0.004029 0.000000 0.1286

Tabel 1.6 Hasil Uji Housman

Berdasarkan hasil output uji hausman diatas , Diperoleh probabilitas cross section 0.2601 < 0,05
maka dapat disimpulkan bahwa H0 ditolak. sehingga artinya model yang paling baik digunakan
adalah Fixed Effect Model (FEM). Model terbaik untuk penelitian lebih lanjut dalam artikel ini
yaitu Fixed Effect Model (FEM). Setelah Diperoleh Model terbaik maka yang dilakukan adalah
Uji Asumsi Klasik, Intepretasi Model dan Uji Hipotesis.

• Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya
korelasi antar variabel bebas. Untuk mengetahui ada atau tidaknya multikolinearitas dapat dilihat
dari koefisien korelasi masing-masing variabel Pengangguran Terbuka dan Tingkat Partisipasi
Angkatan Kerja. Jika antar variabel terdapat korelasi yang melebihi 0.90 (> 0.90), maka terjadi
multikolinearitas.
 K IPM
K 1 0.540305376167199
IPM 0.540305376167199 1
Tabel 1.7 Hasil Uji Multikolinearitas

Berdasarkan Hasil Uji Multikolinearitas diatas dapat diketahui bahwa koefisien korelasi variabel
Indeks Pembangunan Manusia dan Upah Minimum terbebas dari multikolinearitas ,Data dikatakan
terbebas karena nilai koefisien korelasi berada pada angka 0,54 yang dimana lebih kecil dari 0,90.

• Regresi Berganda

Dependent Variable: IPM

Method: Panel EGLS (Cross-section random effects)
Date: 05/22/23 Time: 21:26
Sample: 2017 2022
Periods included: 6
Cross-sections included: 6
Total panel (balanced) observations: 36
Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C 805531.6 90897.91 8.861937 0.0000

K -0.123828 0.124115 -0.997692 0.3257
TPT 0.004029 0.006440 0.625592 0.5359

Effects Specification
S.D. Rho

Cross-section random 511.8996 0.6614

Idiosyncratic random 366.2344 0.3386

Weighted Statistics

R-squared 0.037534 Mean dependent var 201184.9

Adjusted R-squared -0.020797 S.D. dependent var 366.2708
S.E. of regression 370.0599 Sum squared resid 4519163.
F-statistic 0.643461 Durbin-Watson stat 0.493727
Prob(F-statistic) 0.531936

Unweighted Statistics

R-squared 0.238945 Mean dependent var 717585.2

Sum squared resid 10065158 Durbin-Watson stat 0.221679

Tabel 1.8 Hasil Regresi Berganda REM

Persamaan regresi
Y = 805531,6 +(-0,123828) + 0,004029
Berdasarkan hasil output Random Effect Model, diperoleh model regresi seperti berikut:
Indeks Pembangunan Manusia (IPM) = 805531,6 - 0,123828 (K) + 0,004029 (TPT) + ε

Jadi, jika Kemiskinan mengalami penurunan sebesar 1% maka Indeks Pembangunan Manusia
akan mengalami peningkatan sebesar 0.123828%. Dan Jika Tingkat Pengangguran Terbuka
mengalami penurunan sebesar 1% maka Tingkat Kemiskinan akan mengalami penurunan sebesar
0.004029%.

• Uji Asumsi Klasik

Uji Normalitas

12
Series: Standardized Residuals
Sample 2017 2022
10
Observations 36

8 Mean 5.42e-11
Median 53.23756
6 Maximum 854.4599
Minimum -1201.269
Std. Dev. 516.0888
4
Skewness -0.359669
Kurtosis 2.246207
2
Jarque-Bera 1.628475
0 Probability 0.442977
-1250 -1000 -750 -500 -250 0 250 500 750 1000

Tabel 1.9 Hasil Uji Normalitas

Berdarsarkan hasil uji normalitas, dapat dilihat nilai Jarque-Bera sebesar 1,628475 dengan nilai
probabillity sebesar 0.0442977 artinya residul terdistribusi normal dan layak untuk dilakukan
penelitian lebih lanjut.

• Uji Hipotesis
Output Hasil Uji F
F-statistic 6.908399
Prob(F-statistic) 0.003118
Tabel 1.10 Hasil Uji F
Berdarsarkan output hasil Uji F diketahui bahwa F statistic sebesar 6,908399 lebih besar adri F-
tabel 3,07, nilai t table didapat dari α = 5%, df1 (k-1) = 2, df2 (n-k) = 117. Nilai probabilitas
0.003118 kurang dari nilai signifikansi 0,05, sehingga dapat disimpulkan bahwa simultan variabel
tingkat kemiskinan dan tingkat pengangguran terbuka berpengaruh terhadap indeks pembangunan
manusia.

Output Hasil Uji Determinasi

R-squared 0.295125
Adjusted R-squared 0.252405

Tabel 1.11 Hasil Uji Determinasi

Berdarsarkan output hasil Uji Koefisien determinasi, diketahui bahwa Adjusted R-squared sebesar
0.252405 atau 25,24% variabel bebas secara Bersama-sama mempengaruhi variabel terikat atau
IPM. Sedangkan sisanya 74,76% dipengaruhi oleh variabel lainnya.

Hasil penelitian, didukung penelitian terdahulu yang dilakukan oleh (Ahmad Abdullah, 2020)
bahwa kemiskinan dan pengangguran memiliki korelasi negatif yang signifikan dengan Indeks
Pembangunan Manusia

Output Hasil Uji Prob T

Variable Coefficient Std. Error t-Statistic Prob.

C 871409.1 41481.95 21.00694 0.0000

K -0.213157 0.058788 -3.625836 0.0010
TPT 0.003568 0.009227 0.386750 0.7014
Tabel 1.12 Hasil Uji Prob T

Dari hasil Uji Prob T diatas yang telah dilakukan transformasi data, dengan Hipotesis H0 : tidak
signifikan dan H1 : Signifikan, maka dapat disimpulkan bahwa Variabel Kemiskinan memiliki
prob t > α (0,0010 < 0.05 ) sehingga H0 ditolak. Artinya Kemiskinan signifikan mempengaruhi
Indeks Pembangunan Manusia. Dan Variabel Tingkat Pengangguran Terbuka prob t < α (0,7014
> 0.05) sehingga H1tidak ditolak. Artinya Tingkat Pengangguran Terbuka tidak signifikan
mempengaruhi Indeks Pembangunan Manusia.
PENGARUH KEMISKINAN TERHADAP IPM
Berdarsarkan tabel 7 diketahui dari t-statistik sebesar -3,625836, Nilai probabilitas 0.0010 kurang
dari 0,05, sehingga dapat disimpulkan bahwa kemiskinan berpengaruh terhadap Indeks
Pembangunan Manusia.
Hasil Penelitian ini sesuai dengan Penelitian terdahulu yang dilakukan oleh (Muhamad Alief
Raflie, 2021) bahwa secara parsial variabel kemiskinan berpengaruh signifikan terhadap indeks
pembangunan manusia. Sedangkan (Christiana Usmaliadanti, 2011) bahwa variabel jumlah
penduduk miskin berpengaruh signifikan terhadap variabel Pembangunan Manusia.

PENGARUH TPT TERHADAP IPM

Berdarsarkan tabel 7 diketahui dari t-statistik sebesar 0,386750, Nilai probabilitas 0.7014 lebih
dari 0,05, sehingga dapat disimpulkan bahwa kemiskinan berpengaruh terhadap Indeks
Pembangunan Manusia.
Hasil Penelitian ini sesuai dengan Penelitian terdahulu yang dilakukan oleh (Nursiah Chalid dan
Yusbar Yusuf, 2014) bahwa tingkat pengguran terbuka berpengaruh negatif terhadap Indeks
Pembangunan Manusia. Sedangkan (Mariana Naibaho dan Ulya Nabila, 2021) Bahwa
menunjukkan variabel tingkat pengangguran terbuka berpengaruh negatif dan signifikan
terhadap Indeks Pembangunan Manusia.

KESIMPULAN

Berdasarkan penelitian mengenai pengaruh tingkat kemiskinan dan pengangguran terbuka

terhadap Indeks Pembangunan Manusia (IPM) di Sulawesi Utara, dapat disimpulkan bahwa
tingkat kemiskinan dan pengangguran terbuka memiliki dampak negatif yang signifikan terhadap
IPM di wilayah tersebut. Tingkat kemiskinan yang tinggi dan tingkat pengangguran yang tinggi
berkontribusi pada penurunan IPM, terutama dalam dimensi kesehatan, pendidikan, dan
pendapatan. Diperlukan upaya kolaboratif untuk mengurangi tingkat kemiskinan, menciptakan
lapangan kerja baru, meningkatkan kualifikasi tenaga kerja, dan meningkatkan akses dan kualitas
layanan kesehatan dan pendidikan guna meningkatkan Indeks Pembangunan Manusia (IPM) di
Sulawesi Utara
DAFTAR PUSTAKA

Muhamad Alief Raflie (2021). Analisis Pengaruh Kemiskinan, Pengeluaran Pemerintah Bidang
Kesehatan, Dan Ketersediaan Infrastruktur Kesehatan Terhadap Indeks Pembangunan Manusia Di
Provinsi Banten Pada Tahun 2015-2019
https://repository.uinjkt.ac.id/dspace/bitstream/123456789/59981/1/MUHAMAD%20ALIEF%2
0RAFLIE-FEB.pdf

Christiana Usmaliadanti (2011). Analisis Pengaruh Tingkat Kemiskinan, Pengeluaran Pemerintah

Sekor Pendidikan Dan Kesehatan Terhadap Indeks Pembangunan Manusia Di Provinsi Jawa
Tengah Tahun 2007-2009
http://eprints.undip.ac.id/30995/

Mariana Naibaho dan Ulya Nabila (2021). Pengaruh Produk Domestik Regional Bruto (Pdrb) Dan
Tingkat Pengangguran Terbuka Terhadap Indeks Pembangunan Manusia Di Kabupaten Langkat

https://ejurnalunsam.id/index.php/jgp/article/view/3684/2867

Christiana Usmaliadanti (2011). Analisis Pengaruh Tingkat Kemiskinan, Pengeluaran Pemerintah

Sekor Pendidikan Dan Kesehatan Terhadap Indeks Pembangunan Manusia Di Provinsi Jawa
Tengah Tahun 2007-2009

Skripsi020.pdf (undip.ac.id)

Badan Pusat Statistik Sulawesi Utara (2023). Persentase Penduduk Miskin Menurut Kabupaten
(Persen), 2017-2022
https://sulbar.bps.go.id/indicator/23/479/1/persentase-penduduk-miskin-menurut-kabupaten.html

Badan Pusat Statistik Sulawesi Utara (2023). Indeks Pembangunan Manusia (IPM) Metode Baru
2017-2022
https://sulbar.bps.go.id/indicator/26/50/1/indeks-pembangunan-manusia-ipm-metode-baru.html
Badan Pusat Statistik Sulawesi Utara (2023). Tingkat Pengangguran Terbuka (TPT) Menurut
Kabupaten (Persen), 2017-2022
https://sulbar.bps.go.id/indicator/6/520/1/tingkat-pengangguran-terbuka-tpt-menurut-
kabupaten.html

www.bps.go.id
LAMPIRAN DATA

• Data Panel

Kabupaten Tahun IPM Kemiskinan TPT

Kab_Majene 2017 65.40 13.94 3.51
Kab_Majene 2018 66.01 13.79 3.53
Kab_Majene 2019 66.59 13.72 3.88
Kab_Majene 2020 66.91 13.73 4.26
Kab_Majene 2021 67.29 14.34 2.85
Kab_Majene 2022 67.29 15.13 2.19
Kab_Polewati_Mandar 2017 62.35 16.05 3.94
Kab_Polewati_Mandar 2018 63.14 15.97 2.97
Kab_Polewati_Mandar 2019 63.74 15.60 3.01
Kab_Polewati_Mandar 2020 63.84 15.26 3.15
Kab_Polewati_Mandar 2021 64.23 15.68 3.38
Kab_Polewati_Mandar 2022 64.79 16.39 2.16
Kab_Mamasa 2017 63.92 13.51 2.60
Kab_Mamasa 2018 64.66 13.38 2.95
Kab_Mamasa 2019 65.32 13.42 2.86
Kab_Mamasa 2020 66.02 13.38 3.67
Kab_Mamasa 2021 66.63 13.77 2.18
Kab_Mamasa 2022 66.63 14.51 2.06
Kab_Mamuju 2017 66.32 6.88 2.40
Kab_Mamuju 2018 67.11 7.18 2.46
Kab_Mamuju 2019 67.72 7.06 2.46
Kab_Mamuju 2020 68.15 6.92 2.89
Kab_Mamuju 2021 68.32 7.46 3.79
Kab_Mamuju 2022 68.88 4.48 3.06
Kab_Pasangkayu 2017 65.67 4.84 3.29
Kab_Pasangkayu 2018 66.60 4.53 3.72
Kab_Pasangkayu 2019 67.27 4.28 3.31
Kab_Pasangkayu 2020 67.79 4.48 3.70
Kab_Pasangkayu 2021 68.03 4.77 3.13
Kab_Pasangkayu 2022 68.61 5.09 2.38
Kab_Mamuju_Tengah 2017 63.64 6.95 2.78
Kab_Mamuju_Tengah 2018 64.43 7.14 2.69
Kab_Mamuju_Tengah 2019 65.10 6.87 2.54
Kab_Mamuju_Tengah 2020 65.71 6.79 2.71
Kab_Mamuju_Tengah 2021 66.18 7.13 2.52
Kab_Mamuju_Tengah 2022 66.89 7.17 1.88
 • Hasil Regresi

Dependent Variable: IPM

Method: Panel EGLS (Cross-section random effects)
Date: 05/22/23 Time: 21:26
Sample: 2017 2022
Periods included: 6
Cross-sections included: 6
Total panel (balanced) observations: 36
Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C 805531.6 90897.91 8.861937 0.0000

K -0.123828 0.124115 -0.997692 0.3257
TPT 0.004029 0.006440 0.625592 0.5359

Effects Specification
S.D. Rho

Cross-section random 511.8996 0.6614

Idiosyncratic random 366.2344 0.3386

Weighted Statistics

R-squared 0.037534 Mean dependent var 201184.9

Adjusted R-squared -0.020797 S.D. dependent var 366.2708
S.E. of regression 370.0599 Sum squared resid 4519163.
F-statistic 0.643461 Durbin-Watson stat 0.493727
Prob(F-statistic) 0.531936

Unweighted Statistics

R-squared 0.238945 Mean dependent var 717585.2

Sum squared resid 10065158 Durbin-Watson stat 0.221679