1, April 2022
Received: 12 September 2021 | Accepted: 04 Maret 2022 | Published: 01 April 2022
*e-mail: nurul.bariyah@ekonomi.untan.ac.id
Abstrak
Pengentasan kemiskinan, kesehatan, pendidikan dan ketahanan pangan dan gizi, adalah prioritas utama
Tujuan Pembangunan Berkelanjutan di Indonesia, termasuk di Kalimantan Barat. Penelitian ini bertujuan
untuk menggambarkan tipologi kemiskinan, pendidikan, dan kesehatan, melalui analisis silang antara
kemiskinan dan pendidikan dan antara kemiskinan dan kesehatan pada 14 kabupaten/kota di Kalimantan
Barat untuk tahun 2014 & 2019. Metode yang digunakan adalah pendekatan kuantitatif yang diolah
dengan metode statistika, dengan mengandalkan data sekunder berupa data deret lintang. Penelitian ini
juga menggunakan analisis deskriptif dengan menggunakan pendekatan grafis. Bentuk analisis yang
digunakan dalam penelitian ini adalah analisis diagram Kartesius dan diagram sebar. Hasil estimasi untuk
tahun 2014 dan 2019 memperlihatkan inkonsistensi indikator makro dan pembangunan di sebagian besar
kabupaten/kota di Provinsi Kalimantan Barat. Hanya ada dua daerah yang secara konsisten berada pada
kuadran tertinggi, yaitu kombinasi “tingkat kemiskinan rendah-tingkat pendidikan tinggi-tingkat kesehatan
tinggi”, yaitu Kota Singkawang (tahun 2014) dan Kota Pontianak (tahun 2019). Sedangkan daerah yang
secara konsisten berada pada kuadran terendah, yaitu kombinasi “tingkat kemiskinan tinggi-tingkat
pendidikan rendah-tingkat kesehatan rendah” hanya ada pada tahun 2014, yaitu Kabupaten Sambas.
Kabupaten/kota lainnya, baik pada tahun 2014 maupun pada tahun 2019 berada di antara kedua kategori
tersebut. Penelitian ini dapat memperkaya analisis empiris mengenai keterkaitan antara tingkat
kemiskinan dan indikator pendidikan dan kesehatan sebagai dasar pengambilan kebijakan yang
mendukung tercapainya Sustainable Development Goals.
Abstract
Improvement of healthcare, education, food security, nutrition, and the war on poverty are the main
objectives of the Sustainable Development Goals in Indonesia, including Kalimantan Barat. This study
describes the typology of poverty, education, and health, through cross-analysis between poverty and
education and between poverty and health in 14 districts/cities in West Kalimantan for 2014 & 2019. The
approach employed in this study is the quantitative approach, which is processed through statistical
methods and relies on secondary data. The secondary data used are cross-sectional data covering 14
regencies/cities in West Kalimantan Province, including social and population data covering poverty,
education, and health in 2014 & 2019. This study also used descriptive analysis using a graphical
approach. The form of analysis used in this study is the analysis of Cartesian diagrams and scatter
diagrams. The estimation results for 2014 and 2019 show inconsistencies in macro and development
indicators in most regencies/cities in West Kalimantan Province. There are only two areas that are
consistently in the highest quadrant, meaning the combination of “low poverty rate-high level of education-
high level of healthcare,” which are Singkawang City (2014) and Pontianak City (2019). Meanwhile, the
area is consistently in the lowest quadrant, meaning the combination of “high poverty rate-low level of
education-low level of healthcare” only exists in 2014, which is Sambas Regency. Other regencies/cities,
both in 2014 and in 2019, were in between those two categories. This research can enrich the empirical
analysis of the relationship between poverty levels and indicators of education and health as a basis for
making policies that support the achievement of the Sustainable Development Goals.
Tabel 2. Tipologi Daerah Kemiskinan dan Dalam penelitian ini scatter diagram
Kesehatan digunakan untuk menunjukkan
Kemiskinan Kesehatan kemungkinan hubungan (korelasi) antara
(yi>y) (yi<y) pasangan dua macam variabel, yaitu
(ri>r) Tingkat Tingkat tingkat kemiskinan & tingkat pendidikan,
kemiskinan kemiskinan serta tingkat kemiskinan & tingkat
tinggi & rendah & kesehatan. Scatter diagram digunakan
kesehatan kesehatan untuk memetakan tingkat kemiskinan terkait
tinggi tinggi dengan dua variabel di atas ke dalam 4
(ri<r) Tingkat Tingkat klasifikasi wilayah (kuadran) yang
kemiskinan kemiskinan dipisahkan oleh sumbu vertikal (variabel
tinggi & rendah & independen) dan sumbu horizontal
kesehatan kesehatan (variabel dependen) (Rohima et al., 2020).
rendah rendah Hasil pemetaan ini akan membentuk pola
tertentu yang akan memberikan gambaran
hubungan atau korelasi dari dua variabel
Keterangan: yang diamati.
r : tingkat kemiskinan Kalbar
y : tingkat kesehatan Kalbar HASIL DAN PEMBAHASAN
ri : tingkat kemiskinan kabupaten/kota Tingkat Kemiskinan dan Kemiskinan
yang diamati (i) Absolut
yi : tingkat kesehatan kabupaten/kota yang Secara umum pendapatan yang
diamati (i) rendah sering dianggap sebagai penyebab
kemiskinan yang utama, diikuti oleh
Scatter Diagram/Scatter Plot pendidikan (Margareni et al., 2016). Tetapi
Scatter Diagram atau diagram pencar sesungguhnya kemiskinan jarang sekali
atau juga disebut diagram sebar adalah alat memiliki penyebab tunggal. Terdapat
untuk menganalisis hubungan antara dua berbagai faktor penyebab kemiskinan, di
variabel untuk menentukan seberapa dekat antaranya biaya hidup, tingkat upah,
kedua variabel tersebut terkait. kesempatan kerja, tunjangan jaminan
sosial, dan akses terhadap sumber daya.
16,00
14,00
12,00
10,00
8,00 8,54
13,71
7,49
12,40
11,60
6,00
10,03
9,55
9,46
9,11
7,20
4,00
6,31
6,00
5,88
5,45
11,47
10,54
12,38
5,15
4,47
8,19
6,96
5,32
4,57
9,65
9,62
6,11
9,98
4,74
4,88
4,91
2,00
0,00
SBS BKY LDK MPW SGU KTP STG KKH SKD MLW KKU KKR PTK SKW
Gambar 1. Tingkat Kemiskinan Kabupaten/Kota di Provinsi Kalimantan Barat 2014 & 2019
(Persen) (Sumber: BPS Kalimantan Barat, diolah)
Secara umum, dalam rentang waktu penurunannya tidak terlalu signifikan. Tiga
5 tahun tingkat kemiskinan di Provinsi kabupaten/kota dengan penurunan tingkat
Kalimantan Barat menurun sebesar 1,05%, kemiskinan tertinggi adalah Kabupaten
yaitu dari 8,54% di tahun 2014 menjadi Landak (-2,24%), Kabupaten Sambas (-
7,49% di tahun 2019. Di sebagian besar 1,27%), dan Kabupaten Ketapang (-1,06%).
kabupaten/kota, kecuali di tiga Sedangkan kabupaten/kota yang
kabupaten/kota, juga terjadi penurunan mengalami peningkatan tingkat kemiskinan
tingkat kemiskinan, meskipun angka adalah Kabupaten Sanggau (+0,10%),
Kabupaten Kayong Utara (+0,43%), dan sendiri, di mana BPS Kalbar mencatat
Kabupaten Sintang (+0,54%) (Gambar 1). angka sebesar Rp. 282.835,-/kapita/bulan
Pada tahun 2014, terdapat tujuh (2014), dan Rp. 483.454,-/kapita/bulan
kabupaten/kota dengan angka kemiskinan (2019) sebagai garis kemiskinan Provinsi
di atas angka provinsi (8,54%), yaitu Kalimantan Barat. Dengan demikian
Kabupaten Sambas (9,46%), Kabupaten gambaran yang dihasilkan dari angka-
Landak (13,71%), Kabupaten Ketapang angka ini kelihatan lebih positif dari
(11,60%), Kabupaten Sintang (9,11%), kenyataannya.
Kabupaten Kapuas Hulu (10,03%), Garis kemiskinan ekstrem di satu sisi
Kabupaten Melawi (12,40%), dan memang memerlukan perhatian khusus,
Kabupaten Kayong Utara (9,55%). Tingkat namun penting juga untuk mengingat
kemiskinan di empat kabupaten/kota, yaitu bahwa mereka yang hidup dengan kondisi
Kabupaten Landak, Kabupaten Ketapang, kehidupan yang jauh di atas garis
Kabupaten Kapuas Hulu, dan Kabupaten kemiskinan pun masih dapat dicirikan oleh
Melawi bahkan masih berada di atas angka kemiskinan dan kesulitan.
10%, di mana angka 10% merupakan
batasan hard core poverty atau kemiskinan Tingkat Pendidikan
kronis. Pendidikan diakui sebagai sarana
Persentase jumlah penduduk miskin untuk mencapai Tujuan Pembangunan
sebesar 10% dianggap sebagai batas Berkelanjutan lainnya (Kioupi & Voulvoulis,
kemiskinan kronis atau hardcore poverty. 2019). Secara teoritis, pendidikan yang
Kemiskinan kronis memiliki ciri utama yaitu lebih tinggi memberikan peluang kerja yang
derajat kapabilitas yang rendah pada lebih baik di sektor formal dengan
tingkat pendidikan dan kesehatan. Hal ini pendapatan lebih baik pula, sehingga
mengakibatkan program pengentasan memungkinkan seseorang untuk keluar dari
kemiskinan yang bersifat pemberdayaan kemiskinan. Dengan kata lain, mereka yang
tidak akan berpengaruh banyak dalam memiliki pendidikan lebih baik cenderung
mendorong masyarakat keluar dari keluar dari sektor informal (Taufiq &
kemiskinan. Untuk itu diperlukan Dartanto, 2020).
pendekatan yang lebih bersifat multidimensi Pendidikan juga merupakan dimensi
dalam memetakan masalah dan penting dalam penghitungan Indeks
menentukan langkah strategisnya (Lubis, Pembangunan Manusia (IPM), yang diukur
2017); (Siregar, 2019). dengan Harapan Lama Sekolah (HLS) atau
Pada tahun 2019, tingkat kemiskinan Expected Years of Schooling (EYS) dan
Provinsi Kalimantan Barat sudah menurun Rata-rata Lama Sekolah (RLS) atau Mean
menjadi 7,49%. Pada tahun yang sama Years of Schooling (MYS) (Yuliani, 2016);
pula masih terdapat tujuh kabupaten/kota (Fauzan et al., 2020); (Kadri et al., 2020);
dengan angka kemiskinan di atas angka (Mahya & Widowati, 2021).
provinsi, yaitu Kabupaten Sambas (8,19%), Pendidikan tidak hanya terpusat
Kabupaten Landak (11,47%), Kabupaten pada kesempatan untuk bersekolah.
Ketapang (10,54%), Kabupaten Sintang Kenyataan menunjukkan bahwa, meskipun
(9,65%), Kabupaten Kapuas Hulu (9,62%), bersekolah, kekurangan materi
Kabupaten Melawi (12,38%), dan dikombinasikan dengan karakteristik sosial-
Kabupaten Kayong Utara (9,98%). teritorial, serta hambatan budaya dan
Kabupaten/kota dengan tingkat kemiskinan administrasi mengakibatkan kaum miskin
di atas 10% (hard core poverty) adalah tidak dapat sepenuhnya memenuhi hak
Kabupaten Landak, Kabupaten Ketapang, mereka atas pendidikan. Prestasi
dan Kabupaten Melawi. Sementara itu, pendidikan mereka kurang dalam hal
kabupaten/kota lainnya yang meskipun pembelajaran, lintasan pendidikan
belum mencapai kemiskinan kronis tetapi (educational trajectory) dan kemampuan
tingkat kemiskinannya sudah lebih dari untuk bercita-cita untuk masa depan yang
9,5% adalah Kabupaten Sintang, lebih baik (Silva-Laya et al., 2020).
Kabupaten Kapuas Hulu, dan Kabupaten Tingkat Pendidikan yang
Kayong Utara. digambarkan dengan Harapan Lama
Meskipun data menunjukkan Sekolah (HLS) dan Rata-rata Lama
penurunan kemiskinan secara perlahan dan Sekolah (RLS) di Provinsi Kalimantan Barat
konsisten, namun definisi garis kemiskinan antara tahun 2014 dan 2019 menunjukkan
yang digunakan masih relatif rendah, peningkatan yang konsisten di seluruh
bahkan bagi standar hidup orang Indonesia kabupaten/kota (Gambar 2 dan Gambar 3).
Harapan Lama Sekolah (HLS) 11,89 tahun atau setara dengan kelas III
Pada tahun 2014 terdapat 4 Sekolah Menengah Atas (SMA). Sementara
kabupaten/kota dengan pencapaian HLS itu penduduk Kota Pontianak usia 7 tahun
yang lebih baik dari Provinsi Kalimantan yang masuk jenjang pendidikan formal
Barat (11,89 tahun), yaitu Kota Pontianak pada tahun yang sama memiliki peluang
(13,84 tahun), Kota Singkawang (12,80 untuk bersekolah setara dengan Diploma II,
tahun), Kabupaten Kubu Raya (12,34 dan Kota Singkawang setara dengan
tahun), dan Kabupaten Landak (12,00 Diploma I. Angka HLS terendah diperoleh
tahun). Angka HLS ini mengindikasikan Kabupaten Sanggau dimana peluang
bahwa secara rata-rata anak usia 7 tahun sekolah untuk anak usia 7 tahun hanya
di Provinsi Kalimantan Barat yang masuk sampai pada tingkat Sekolah Dasar
jenjang pendidikan formal pada tahun 2014 (Gambar 2).
memiliki peluang untuk bersekolah selama
16,00
14,00
12,58
12,00 11,89
10,00
8,00
13,84
12,80
12,34
12,00
11,80
11,75
11,46
11,12
11,11
10,90
10,89
10,65
10,60
10,25
6,00
4,00
12,60
12,08
12,39
12,33
11,56
11,79
12,02
12,04
11,57
11,15
11,81
13,64
14,99
12,89
2,00
0,00
SBS BKY LDK MPW SGU KTP STG KKH SKD MLW KKU KKR PTK SKW
Gambar 2. Harapan Lama Sekolah Kabupaten/Kota di Provinsi Kalimantan Barat 2014 & 2019
(Persen) (Sumber: BPS Kalimantan Barat, diolah)
15,00
10,00
7,31
6,83
9,62
10,14
5,00
8,00
7,26
7,05
6,65
6,63
6,54
5,80
6,70
5,97
6,53
7,10
6,33
6,82
6,37
6,95
6,22
7,26
6,89
7,47
6,60
6,67
5,19
6,00
6,41
6,82
7,72
0,00
SBS BKY LDK MPW SGU KTP STG KKH SKD MLW KKU KKR PTK SKW
76,00
74,00
72,00
70,56
70,00 69,76
72,89
72,38
72,01
71,97
71,94
68,00
70,95
70,84
70,80
70,51
70,28
70,28
69,64
67,74
68,83
73,67
72,70
70,90
71,35
71,01
71,62
72,44
71,65
72,88
67,03
68,11
70,43
72,80
70,56
66,00
64,00
62,00
SBS BKY LDK MPW SGU KTP STG KKH SKD MLW KKU KKR PTK SKW
100,00
80,00
60,00
43,67
40,00 42,12
58,48
55,51
36,69
42,51
39,62
45,96
48,30
43,28
25,04
34,90
37,56
42,97
43,59
42,30
42,99
36,42
36,86
33,60
38,81
35,03
64,28
42,72
43,14
41,03
47,75
48,96
63,85
78,13
20,00
0,00
SBS BKY LDK MPW SGU KTP STG KKH SKD MLW KKU KKR PTK SKW
Dari scatter diagram pada Gambar 6 Jika melihat pada sebaran titik di
terlihat seberapa jauh atau dekat posisi kedua grafik (2014 & 2019) tersebut tidak
masing-masing kabupaten/kota terhadap terlihat korelasi yang jelas di antara dua
sumbu rata-rata dan kondisi ideal yang variabel. Titik-titik data menyebar tidak
terletak pada Kuadran I (kiri atas), di mana beraturan dan tidak membentuk pola yang
tingkat kemiskinan rendah dan HLS tinggi. cenderung linier. Dengan demikian, tidak
Demikian juga dengan perubahan posisi ada korelasi antara tingkat kemiskinan dan
masing-masing kabupaten/kota tersebut Harapan Lama Sekolah di 14
dapat dilihat dengan membandingkan kabupaten/kota Provinsi Kalimantan Barat,
scatter diagram tahun 2014 dan 2019. baik pada tahun 2014 maupun tahun 2019.
2014 2019
Tipologi Kemiskinan dan Rata-rata Lama kemiskinan rendah dan RLS rendah)
Sekolah masing-masing berjumlah 5 kabupaten/kota
Tipologi wilayah kabupaten/kota (35,71%).
tahun 2014 dan 2019 berdasarkan Pada tahun 2019 jumlah dan
kombinasi tingkat Kemiskinan dan Rata- kabupaten/kota yang sama menempati
rata Lama Sekolah (RLS) di 14 posisi pada Kuadran I (tingkat kemiskinan
kabupaten/kota di Provinsi Kalimantan rendah dan RLS tinggi). Pada tahun yang
Barat diklasifikasikan ke dalam empat sama juga terjadi beberapa perubahan
kuadran (Tabel 4). Pada tahun 2014, pada tiga kabupaten dibanding kondisi
terdapat masing-masing 2 kabupaten/kota pada tahun 2014. Kabupaten Melawi pada
(14,29%) pada Kuadran I (tingkat tahun 2014 termasuk Kuadran II (Tingkat
kemiskinan rendah dan RLS tinggi) dan kemiskinan tinggi & RLS tinggi), namun
Kuadran II (tingkat kemiskinan tinggi dan pada tahun 2019 tipologinya bergeser ke
RLS tinggi). Sedangkan jumlah Kuadran III (Tingkat kemiskinan tinggi &
kabupaten/kota yang terdapat pada RLS rendah). Menurunnya RLS berdampak
Kuadran III (tingkat kemiskinan tinggi dan negatif terhadap upaya menurunkan tingkat
RLS rendah) dan Kuadran IV (tingkat kemiskinan di masa depan.
Kabupaten Landak pada tahun 2014 tinggi. Kabupaten Kapuas Hulu pada tahun
juga termasuk Kuadran II (Tingkat 2014 termasuk ke dalam Kuadran III
kemiskinan tinggi & RLS tinggi), namun (Tingkat kemiskinan tinggi & RLS rendah),
pada tahun 2019 tipologinya bergeser ke namun pada tahun 2019 posisinya
Kuadran III (Tingkat kemiskinan tinggi & bergeser ke Kuadran II (Tingkat kemiskinan
RLS rendah). Kabupaten ini juga mungkin tinggi dan RLS tinggi). Kabupaten ini lebih
menjadi terkendala dalam upaya baik kondisinya karena ditunjang oleh
menurunkan tingkat kemiskinan yang masih peningkatan pada Rata-rata Lama Sekolah.
2014 2019
kemiskinan tinggi dan AHH rendah, serta 1 tingkat kemiskinan dan Angka Harapan
kabupaten/kota (7,14%) berada pada Hidup (naik atau turun), tetapi naik atau
Kuadran IV dengan tingkat kemiskinan turunnya itu masih terjadi dalam tipologi
rendah dan AHH rendah. yang sama. Kabupaten Kubu Raya tetap
Pada tahun 2019 jumlah berada di Kuadran III, di mana tingkat
kabupaten/kota yang terdistribusi pada kemiskinan tinggi dan Angka Harapan
keempat kuadran masih tetap sama. Hidup rendah. Rentang waktu 5 tahun
Demikian pula dengan posisi masing- ternyata belum cukup bagi kabupaten ini
masing kabupaten/kota pada keempat untuk menggeser posisinya menjadi lebih
kuadran. Hal ini tidak berarti bahwa semua baik.
daerah tidak mengalami perubahan dalam
Gambaran yang lebih jelas tentang kabupaten/kota ini dari tahun 2014 ke tahun
perubahan tingkat kemiskinan dan Angka 2019 tidak terlalu jauh, dengan kata lain
Harapan Hidup (AHH) di 14 kabupaten/kota hanya terjadi sedikit perubahan pada
tersebut terlihat pada Gambar 8. Jika tingkat kemiskinan dan Angka Harapan
diamati, pergeseran masing-masing Hidup di wilayah-wilayah tersebut.
2014 2019
2014 2019
Jika melihat pada sebaran titik di tinggi-tingkat kesehatan tinggi”, yaitu Kota
kedua grafik (2014 & 2019) tersebut tidak Singkawang (tahun 2014) dan Kota
terlihat korelasi yang jelas di antara dua Pontianak (tahun 2019). Sedangkan daerah
variabel. Titik-titik data menyebar tidak yang secara konsisten berada pada
beraturan dan tidak membentuk pola yang kuadran terendah, yaitu kombinasi “tingkat
linier yang cenderung naik ataupun kemiskinan tinggi-tingkat pendidikan
menurun, sehingga tidak dapat rendah-tingkat kesehatan rendah” hanya
menggambarkan korelasi kedua variabel ada pada tahun 2014, yaitu Kabupaten
dengan jelas. Dengan demikian dapat Sambas. Kabupaten/kota lainnya, baik
disimpulkan bahwa tidak ada korelasi pada tahun 2014 maupun pada tahun 2019
antara tingkat kemiskinan dan Angka berada di antara kedua kategori di atas.
Harapan Hidup (AHH) di 14 kabupaten/kota Kedua daerah yang secara konsisten
di Provinsi Kalimantan Barat, baik pada menunjukkan performa yang tinggi adalah
tahun 2014 maupun tahun 2019. daerah perkotaan, yaitu Kota Pontianak
Analisis dalam penelitian ini bertolak sebagai ibukota Provinsi Kalimantan Barat,
dari asumsi bahwa kondisi paling ideal dan Kota Singkawang sebagai wilayah
(konsisten) yang mungkin dimiliki oleh administratif Kota. Hal ini mudah dipahami,
suatu kabupaten/kota adalah yang mengingat perkotaan merupakan pusat
memperlihatkan tingkat kemiskinan rendah, pemerintahan serta pusat kegiatan ekonomi
tingkat pendidikan (LHS & RLS) dan tingkat yang umumnya dilengkapi dengan
kesehatan (AHS & BPJS Kes) tinggi. infrastruktur yang baik untuk menunjang
Sebaliknya kondisi paling tidak ideal kegiatan ekonomi tersebut. Kota Pontianak
(inkonsisten) adalah yang memperlihatkan dan Kota Singkawang memiliki luas wilayah
tingkat kemiskinan tinggi, tingkat terkecil di Kalimantan Barat jika
pendidikan rendah dan tingkat kesehatan dibandingkan dengan kabupaten lain, oleh
rendah. Di antara kedua kutub ini terdapat karena itu perekonomian tidak bertumpu
kondisi antara yang memperlihatkan pada sektor pertanian, melainkan pada
berbagai kombinasi tipologi ke lima variabel sektor jasa (non-tradable sector).
penelitian (kemiskinan, HLS, RLS, AHH Rendahnya tingkat kemiskinan di
dan BPJS Kes). kedua kota ini tercermin pula pada kualitas
Hasil estimasi untuk tahun 2014 dan kesejahteraan penduduknya yang diukur
2019 memperlihatkan inkonsistensi dengan tingkat pendidikan (HLS & RLS)
indikator makro dan pembangunan di yang tinggi dan tingkat kesehatan (AHH &
sebagian besar kabupaten/kota di Provinsi persentase peserta BJS Kes) yang tinggi.
Kalimantan Barat. Hanya ada satu daerah Di sisi lain, tingkat pendidikan dan tingkat
yang secara konsisten berada pada kesehatan yang tinggi kelihatannya mampu
kuadran tertinggi, yaitu kombinasi “tingkat mendorong tingkat kemiskinan ke level
kemiskinan rendah-tingkat pendidikan yang lebih rendah.
Daerah dengan pencapaian terendah yang diteliti dalam dua dimensi yaitu HLS
baik dilihat dari tingginya tingkat kemiskinan dan RLS, dan antara Tingkat Kemiskinan
maupun tingkat pendidikan dan kesehatan dengan Kesehatan yang diteliti dalam dua
yang rendah adalah Kabupaten Sambas dimensi yaitu AHH dan BPJS Kes
pada tahun 2014. Letak geografis merupakan sekilas gambaran Kondisi
Kabupaten Sambas yang memiliki panjang Kalimantan Barat berikut 14 kabupaten/kota
pantai sejauh 198,76 km dengan sebelum terjadinya pandemi Covid-19.
karakteristik sebagian besar adalah pantai Bertolak dari kajian ini, penelitian
berpasir yang membentang sepanjang berikutnya diagendakan untuk dapat men-
sejumlah kecamatan kelihatannya menjadi trace dampak Covid-19 pada tahun-tahun
kendala tersendiri dalam pendistribusian yang akan datang khususnya berkenaan
fasilitas dan kesempatan pelayanan daerah dengan Tingkat Kemiskinan, Pendidikan
dalam hal pendidikan dan kesehatan. Pada dan Kesehatan.
tahun 2019, Kabupaten Sambas sudah
berada pada posisi yang lebih baik, di DAFTAR PUSTAKA
mana meskipun komponen lainnya masih Adji, A., Hidayat, T., Tuhiman, Hendratno,
belum menunjukkan peningkatan, tetapi Kurniawati, S., & Maulana, A. (2020).
terjadi peningkatan dalam komponen Pengukuran Garis Kemiskinan di
Harapan Lama Sekolah. Indonesia: Tinjauan Teoritis dan
Pada tahun 2014 Kabupaten Landak Usulan Perbaikan. (No. 48–2020).
menunjukkan pola yang menarik yaitu Ali, A., & Ahmad, K. (2014). The Impact of
“tingkat kemiskinan tinggi-tingkat Socio-Economic Factors on Life
pendidikan tinggi-tingkat kesehatan tinggi”. Expectancy in Sultanate of Oman: An
Kenyataan ini mungkin akibat dari tingkat Empirical Analysis. Middle-East
pendidikan dan/atau tingkat kesehatan Journal of Scientific Research, 22(2).
yang rendah di masa yang lalu yang https://doi.org/10.5829/idosi.mejsr.201
sekarang sudah meningkat meskipun 4.22.02.21847
belum memberi dampak positif terhadap Alisjahbana, A. S., & Murniningtyas, E.
penurunan tingkat kemiskinan. Jika asumsi (2018). Tujuan Pembangunan
tentang konsistensi pertumbuhan yang Berkelanjutan di Indonesia (2nd,
disebutkan dalam paragraf sebelumnya 2018th ed.). Unpad Press.
benar, maka kabupaten ini diperkirakan Anggraini, N. (2012). Hubungan Kausalitas
akan dapat segera menurunkan tingkat dari Tingkat Pendidikan, Pendapatan,
kemiskinan yang dimilikinya. dan Konsumsi Terhadap Jumlah
Penduduk Miskin di Provinsi Jawa
SIMPULAN DAN SARAN Tengah. Jurnal Universitas
Tingkat penurunan angka kemiskinan Diponegoro.
yang cukup besar di 14 kabupaten/kota di Arfiyani, I., Raharjo, T., & Yusuf, A. (2020).
Provinsi Kalimantan Barat masih dipandang Family Development Session Sebagai
kurang signifikan untuk mendorong Upaya Peningkatan Keterampilan
pertumbuhan kualitas hidup yang memadai. Hidup Masyarakat Miskin. Jurnal Ilmu
Capaian tingkat pendidikan yang diukur Sosial Dan Humaniora, 9(1), 57.
dengan Harapan Lama Sekolah atau https://doi.org/http://dx.doi.org/10.238
Expected Years of Schooling (EYS) dan 87/jish-undiksha.v9i1.24517
Rata-rata Lama Sekolah atau Mean Aryeetey, G. C., Westeneng, J., Spaan, E.,
Years of Schooling (MYS) sudah mendekati Jehu-Appiah, C., Agyepong, I. A., &
target yang ditetapkan oleh UNDP dan Baltussen, R. (2016). Can health
relatif sejalan dengan tujuan yang insurance protect against out-of-
ditetapkan dalam Sustainable Development pocket and catastrophic expenditures
Goals (SDGs), meskipun belum and also support poverty reduction?
menunjukkan pembangunan pendidikan Evidence from Ghana’s National
yang merata. Dari sisi capaian tingkat Health Insurance Scheme.
kesehatan yang diukur dengan Angka International Journal for Equity in
Harapan Hidup dan Persentase Peserta Health, 15(1).
BPJS Kesehatan, meskipun tidak berbeda https://doi.org/10.1186/s12939-016-
signifikan dengan capaian nasional, tetapi 0401-1
angkanya masih jauh dari capaian global. BPS Kalbar. (2020). Provinsi Kalimantan
Deskripsi dan hubungan antara Barat Dalam Angka 2019. In
Tingkat Kemiskinan dengan Pendidikan Pontianak: Kantor Statistik Provinsi
Kalbar. /efficient.v2i3.35905
Deonandan, R. (2019). Defining Poverty: A Lubis, H. (2017). Mengentaskan
Summary of Competing Models. Kemiskinan: Multidimensional
Journal of Social and Political Approach. Indonesian Journal of
Sciences, 2(1), 17–21. Development Economics, 3(1).
https://doi.org/10.31014/aior.1991.02. https://doi.org/http://dx.doi.org/10.308
01.44 70/hermeneutika.v3i1.2901
Fauzan, M., Nusantara, A., Nawatmi, S., & Mahya, A. J., & Widowati, W. (2021).
Santosa, A. B. (2020). Indeks Analisis Pengaruh Angka Harapan
Pembangunan Manusia dan Lama Sekolah, Rata-Rata Lama
Pendidikan di Jawa Tengah. Jurnal Sekolah, dan Pengeluaran Per Kapita
Bisnis Dan Ekonomi, 27(1), 55–64. Terhadap Indeks Pembangunan
Guha, J., & Chakrabarti, B. (2019). Manusia di Provinsi Jawa Tengah.
Achieving the Sustainable Prismatika: Jurnal Pendidikan Dan
Development Goals (SDGs) through Riset Matematika, 3(2), 126–140.
decentralization and the role of local https://doi.org/https://doi.org/10.33503
governments: a systematic review. /prismatika.v3i2.1180
Commonwealth Journal of Local Margareni, N. P. A. P., Djayastra, I. K., &
Governance, 22, 2019, Article ID Yasa, I. G. W. M. (2016). Faktor-
6855. Faktor Yang Mempengaruhi
https://doi.org/https://doi.org/10.5130/ Kemiskinan di Provinsi Bali. Jurnal
cjlg.v0i22.6855 Piramida, 12(2), 101–110.
Guimarães, R. M., & Andrade, F. C. D. Peraturan Gubernur tentang Rencana Aksi
(2020). Healthy life-expectancy and Daerah Tujuan Pembangunan
multimorbidity among older adults: Do Berkelanjutan (Sustainable
inequality and poverty matter? Development Goals) Provinsi
Archives of Gerontology and Kalimantan Barat Tahun 2019-2023.
Geriatrics, 90. Peraturan Menteri Kesehatan Republik
https://doi.org/10.1016/j.archger.2020. Indonesia Nomor 59 Tahun 2017
104157 Tentang Pelaksanaan Pencapaian
Ishatono, I., & Raharjo, S. T. (2016). Tujuan Pembangunan Berkelanjutan.
Sustainable Development Goals In Ministry of Law and Human Right
(SDGs) dan Pengentasan Republic of Indonesia.
Kemiskinan. Share Social Work Rohima, S., Liliana, L., & Putri, A. K.
Journal, 6(2). (2020). Poverty Reduction in
https://doi.org/https://doi.org/10.24198 Regencies/Municipalities in South
/share.v6i2.13198 Sumatra Province. Society, 8(2), 581–
Kadri, I. A., Susilawati, M., & Sari, K. 595.
(2020). Faktor–Faktor yang https://doi.org/https://doi.org/10.33019
Berpengaruh Signifikan Terhadap /society.v8i2.215
Indeks Pembangunan Manusia di Seran, S. (2017). Pendidikan,
Provinsi Papua. E-Jurnal Matematika, Pengangguran, dan Pertumbuhan
9(1), 31–36. Ekonomi terhadap Kemiskinan
https://doi.org/https://doi.org/10.24843 Penduduk. Jurnal Ekonomi Kuantitatif
/MTK.2020.v09.i01.p275 Terapan, 10(2).
Kioupi, V., & Voulvoulis, N. (2019). https://doi.org/https://dx.doi.org/10.24
Education for sustainable 843/JEKT.2017.v10.i01.p07
development: A systemic framework Setianingtias, R., Baiquni, M., & Andri, K.
for connecting the SDGs to (2019). Pemodelan Indikator Tujuan
educational outcomes. Sustainability Pembangunan Berkelanjutan di
(Switzerland), 11(21), 6104. Indonesia. Jurnal Ekonomi Dan
https://doi.org/http://dx.doi.org/10.339 Pembangunan, 27(2), 61–74.
0/su11216104 https://doi.org/https://doi.org/10.14203
Lestari, D. H., & Setyadharma, A. (2019). /JEP.27.2.2019.61-74
Determinant Mean Years of Schooling Silva-Laya, M., D’Angelo, N. I., García, E.,
in Central Java. Efficient: Indonesian Zúñiga, L., & Fernández, T. (2020).
Journal of Development Economics, Urban poverty and education. A
2(3), 524–539. systematic literature reviews.
https://doi.org/https://doi.org/10.15294 Educational Research Review, 29.
https://doi.org/http://doi.org/10.1016/j.
edurev.2019.05.002
Siregar, Z. (2019). Kebijakan
Penanggulangan Kemiskinan. Jurnal
Ekonomi Keuangan Dan Kebijakan
Publik, 1(2), 64–69.
https://doi.org/https://doi.org/10.30743
/jekkp.v1i2.2261
Sudaryati, S., Ahmad, A. A., & Suprapto, S.
(2021). The Effect of Average Length
of Schooling, Life Expectancy and
Economic Growth on Poverty in
Banjarnegara Regency 2005-2019.
Eko-Regional: Jurnal Pengembangan
Ekonomi Wilayah, 16(1).
https://doi.org/10.20884/1.erjpe.2021.
16.1.1677
Suripto, S., & Subayil, L. (2020). Pengaruh
Tingkat Pendidkan, Pengangguran
Pertumbuhan Ekonomi dan Indeks
Pembangunan Manusia Terhadap
Kemiskinan di D.I.Yogyakarta Periode
2010-2017. GROWTH Jurnal Ilmiah
Ekonomi Pembangunan, 1(2).
Taufiq, N., & Dartanto, T. (2020).
Education, informal turnover and
poverty dynamics in Indonesia.
International Journal of Economics
and Management, 14(1), 157–172.
Thobibah, I., Ernawaty, E., & Damayanti, N.
A. (2020). Analisis Faktor Penentu
Kepesertaan BPJS. Jurnal
Keperawatan Silampari, 4(1), 162–
170.
https://doi.org/https://doi.org/10.31539
/jks.v4i1.1474
Wijaya, P. Y., & Suasih, N. R. (2021). One
Decade, 20 Percent Education
Budget: How About Causality
Between Education Success and
Poverty? Jurnal Ekonomi Kuantitatif
Terapan, 14(1), 173–189.
https://doi.org/https://doi.org/10.24843
/JEKT.2021.v14.i01.p09
Yuliani, Y. (2016). Pendidikan di Indonesia
dalam Human Development Index
(HDI). Jurnal Rontal Keilmuan PPKn,
2(3), 48–56.
https://doi.org/https://doi.org/10.29100
/ppkn.v2i2.342