DETERMINAN ISLAMIC HUMAN DEVELOPMENT INDEX (I-HDI)

DI INDONESIA PERIODE 2016-2020

SKRIPSI

Oleh :

Roni Arhadi
NIM 11180860000051

PROGRAM STUDI EKONOMI SYARIAH

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1443 H/2022 M
ii
iii
iv
 ABSTRACT

This research aims to examine the effect of economic growth, minimum wage,
goverment expenditure on education, and goverment expenditure on health to
Islamic-human development index (I-HDI) in Indonesia Period of 2016-2020. The
object of this research is 29 provinces which have the largest moslem population
in Indonesia. The data used in this research is secondary data. The analytical
method used in this research is panel data regression method with Random Effect
Model. The results of the research revealed that the economic growth and minimum
wage have a positive effect on I-HDI in Indonesia period of 2016-2020. Meanwhile
the variable of goverment expenditure on education and goverment expenditure on
health have no effect on I-HDI in Indonesia period of 2016-2020. Thus the
economic growth, minimum wage, goverment expenditure on education, and
goverment expenditure on health does have a simultaneous relationship with I-HDI
in Indonesia period of 2016-2020.

Keywords : economic growth, minimum wage, goverment expenditure on

education, goverment expenditure on health, Islamic human development index

v
 ABSTRAK

Penelitian ini bertujuan untuk mengetahui pengaruh parsial dan simultan variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan terhadap Islamic-human
development index (I-HDI) di Indonesia periode 2016-2020. Objek penelitian
menggunakan 29 provinsi yang memiliki populasi muslim terbanyak di Indonesia.
Data yang digunakan dalam penelitian adalah data sekunder. Metode analisis yang
digunakan dalam penelitian adalah metode regresi data panel dengan Random Effect
Model. Adapun hasil penelitian menunjukkan bahwa secara parsial variabel
pertumbuhan ekonomi dan upah minimum berpengaruh positif terhadap I-HDI di
Indonesia periode 2016-2020. Sedangkan variabel pengeluaran pemerintah bidang
pendidikan dan pengeluaran pemerintah bidang kesehatan tidak memiliki pengaruh
terhadap I-HDI di Indonesia periode 2016-2020. Dan secara simultan variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan berpengaruh terhadap I-
HDI di Indonesia periode 2016-2020.

Kata kunci : pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah

bidang pendidikan, pengeluaran pemerintah bidang kesehatan, Islamic human
development index

vi
 KATA PENGANTAR

Bismillahirrahmanirrahim
Segala puji dan syukur kehadirat Allah Ta’ala, karena atas limpahan rahmat
dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul
“Determinan Islamic Human Development Index (I-HDI) di Indonesia Periode
2016-2020” ini. Sholawat dan salam senantiasa terlimpahkan kepada junjungan
Nabi Muhammad SAW, beserta keluarga, sahabat, dan para pengikutnya hingga
akhir zaman.
Penulisan skripsi ini ditujukan untuk memenuhi salah satu persyaratan yang
diperlukan untuk menyelesaikan Program Sarjana (S1) pada Program Studi
Ekonomi Syariah, Fakultas Ekonomi dan Bisnis, Universitas Islam Negeri Syarif
Hidayatullah Jakarta. Dalam pembuatan skripsi ini banyak pihak yang telah
membantu dan memberikan dukungan moril kepada penulis sejak proses penulisan
skripsi ini dimulai hingga selesai. Oleh karena itu, penulis ingin menyampaikan
rasa terima kasih banyak kepada:
1. Keluarga penulis, terutama orang tua yang penulis cintai dan sayangi yang
selama ini telah mendoakan, memberikan nasihat, dan memberikan dukungan
baik materi maupun non materi. Tidak lupa kakak-kakak dan abang penulis
yang selalu memberikan uang saku setiap pergi merantau, serta keponakan-
keponakan yang selalu dapat menghibur penulis di Sintang.
2. Prof. Dr. Amilin, M.Si., Ak., CA., QIA., BKP., CRMP selaku Dekan Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
3. Dr. Erika Amelia, SE., M.Si dan Dwi Nur’aini Ihsan, M.M masing-masing
selaku Ketua dan Sekretaris Program Studi Ekonomi Syariah Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
4. Prof. Dr. M. Nur Rianto Al Arif, M.Si selaku Dosen Pembimbing Skripsi
penulis yang telah bersedia meluangkan waktunya untuk membimbing dan
memberikan dukungan dalam menyelesaikan skripsi ini.
5. Seluruh Dosen dan Staf Fakultas Ekonomi dan Bisnis UIN Syarif

vii
 Hidayatullah Jakarta yang telah memberikan ilmu pengetahuan selama
perkuliahan dan bantuan pelayanan sehingga penulis dapat menyelesaikan
studi.
6. Sahabat-sahabat penulis di Sintang yang terdiri dari Cholik, Dandi, Melda,
Mila, Haura, Galih, Hafiz, Ichlas, Asri, Ika, Mia, Putty, Uul, Vira, Zilly, Fajar,
Ricky, Syamsul, Ukis, Weri, dan Zulian, serta yang lainnya yang tidak dapat
disebut satu persatu yang telah banyak membantu dan menghibur penulis
selama ini dan sebagai tempat berkeluh kesah.
7. Teman-teman penulis yang terdiri dari Alzam, Rizki, Syahrul, dan Yoga yang
telah menemani keseharian penulis selama di perantauan.
8. Seluruh teman-teman Ekonomi Syariah Angkatan 2018 khususnya Fadhel,
Nauval, Muhimah, Namira, dan Vina yang telah berjuang bersama dan saling
membantu selama perkuliahan.
9. Semua pihak yang terlibat baik secara langsung maupun tidak langsung yang
tidak dapat dituliskan satu-persatu.
Sebagai mahasiswa yang masih membutuhkan banyak bimbingan, tentu
penulis menyadari bahwa skripsi ini masih banyak kekurangannya. Oleh sebab itu,
penulis mengharapkan segala bentuk saran dan masukan, serta kritik yang bersifat
membangun dari semua pihak agar bisa lebih baik lagi ke depannya. Akhir kata
semoga skripsi ini dapat bermanfaat bagi para pembaca.
Wassalamu’alaikum Warahmatullahi Wabarakatuh

Ciputat, 27 Juni 2022

Roni Arhadi

viii
 DAFTAR ISI

LEMBAR PENGESAHAN SKRIPSI ................................................................. ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIP .................................. iii
LEMBAR PENGESAHAN UJIAN SKRIPSI ..................................................iv
ABSTRACT ............................................................................................................ v
ABSTRAK ............................................................................................................ vi
KATA PENGANTAR ......................................................................................... vii
DAFTAR ISI ......................................................................................................... ix
DAFTAR TABEL ................................................................................................. x
DAFTAR GAMBAR ............................................................................................ xi
BAB I PENDAHULUAN ...................................................................................... 1
A. Latar Belakang ............................................................................................. 1
B. Rumusan Masalah ...................................................................................... 11
C. Tujuan Penelitian ....................................................................................... 11
D. Manfaat Penelitian ..................................................................................... 11
BAB II KAJIAN PUSTAKA .............................................................................. 12
A. Landasan Teori ........................................................................................... 12
B. Penelitian Terdahulu .................................................................................. 29
C. Kerangka Penelitian ................................................................................... 36
D. Keterkaitan Antar Variabel dan Hipotesis Penelitian ................................ 37
BAB III METODOLOGI PENELITIAN ......................................................... 42
A. Ruang Lingkup Penelitian .......................................................................... 42
B. Objek Penelitian ......................................................................................... 42
C. Jenis dan Sumber Data ............................................................................... 43
D. Metode Pengumpulan Data ........................................................................ 44
E. Definisi Operasional Variabel .................................................................... 44
F. Metode Analisis Data ................................................................................. 49
BAB IV ANALISIS DAN PEMBAHASAN ...................................................... 55
A. Gambaran Umum Objek Penelitian ........................................................... 55
B. Analisis Data .............................................................................................. 61
C. Pembahasan ................................................................................................ 76
BAB V KESIMPULAN DAN SARAN .............................................................. 82
A. Kesimpulan ................................................................................................ 82
B. Saran ........................................................................................................... 82
DAFTAR PUSTAKA .......................................................................................... 84
LAMPIRAN ......................................................................................................... 88
A. Lampiran Data I-HDI ................................................................................. 88
B. Lampiran Data Variabel Penelitian ............................................................ 91
C. Lampiran Hasil Olah Data ......................................................................... 97

ix
 DAFTAR TABEL

Tabel 2. 1 Indeks Dimensi I-HDI.......................................................................... 22

Tabel 2. 2 Usulan Indikator I-HDI ....................................................................... 22
Tabel 2. 3 Kategori I-HDI ..................................................................................... 23
Tabel 3. 1 Objek Penelitian ...................................................................................42
Tabel 3. 2 Indikator I-HDI yang digunakan .......................................................... 45
Tabel 4. 1 Hasil Perhitungan I-HDI Provinsi Banten Periode 2016-2020 ............55
Tabel 4. 2 Hasil Perhitungan I-HDI Provinsi Periode 2016-2020 ........................ 56
Tabel 4. 3 Hasil Uji Chow..................................................................................... 62
Tabel 4. 4 Hasil Uji Hausman ............................................................................... 63
Tabel 4. 5 Hasil Empiris Data Panel ..................................................................... 64
Tabel 4. 6 Pengaruh Pada Masing-Masing Provinsi ............................................. 65
Tabel 4. 7 Hasil Uji Signifikansi Parsial ............................................................... 74
Tabel 4. 8 Hasil Uji Signifikansi Simultan ........................................................... 75
Tabel 4. 9 Hasil Uji Koefisien Determinasi .......................................................... 75

x
 DAFTAR GAMBAR

Gambar 1. 1 HDI menurut Provinsi Periode 2020 .................................................. 2

Gambar 1. 2 Rata-rata PDRB perkapita Periode 2016-2020 .................................. 4
Gambar 1. 3 Rata-Rata Upah Minimum Provinsi Periode 2016-2020 ................... 5
Gambar 1. 4 Rata-Rata Pengeluaran Pendidikan dan Kesehatan Periode 2016-
2020 ................................................................................................................ 6
Gambar 1. 5 I-HDI Provinsi Periode 2020.............................................................. 9
Gambar 2. 1 Kerangka Penelitian .......................................................................... 36
Gambar 4. 1 Rata-Rata PDRB perkapita Periode 2016-2020 ...............................58
Gambar 4. 2 Rata-Rata Upah Minimum Provinsi Periode 2016-2020 ................. 59
Gambar 4. 3 Rata-Rata Pengeluaran Bidang Pendidikan Periode 2016-2020 ...... 60
Gambar 4. 4 Rata-Rata Pengeluaran Bidang Kesehatan Periode 2016-2020 ....... 61

xi
 BAB I

PENDAHULUAN

A. Latar Belakang
Sebagaimana yang diamanatkan dalam konstitusi pembukaan UUD 1945,
salah satu hal yang menjadi tujuan utama dalam terbentuknya Negara Indonesia
adalah mensejahterakan rakyat. Sebagai lembaga eksekutif, legislatif, dan
yudikatif, pemerintah memegang peranan penting dalam mewujudkan
kesejahteraan masyarakat. Upaya pemerintah untuk mewujudkan kesejahteraan
masyarakat dapat tercermin dalam rencana kerja peningkatan kualitas sumber
daya manusia (Auwalin, 2020).
Peningkatan kesejahteraan masyarakat salah satunya adalah dengan
pembangunan ekonomi, yaitu serangkaian kegiatan yang dilakukan pemerintah
bersama segenap lapisan masyarakat untuk mencapai kehidupan yang lebih baik.
United Nations Development Programme (UNDP) telah memperkenalkan
Human Development Index (HDI) sejak tahun 1990 dan secara berkala
dipublikasikan dalam bentuk laporan tahunan Human Development Report
(HDR). HDI ini dijadikan sebagai indikator penting dalam ukuran keberhasilan
pembangunan dan dapat menentukan level atau peringkat pembangunan suatu
wilayah. Adapun HDI diukur menggunakan indikator berupa angka harapan
hidup, angka melek huruf, rata-rata lama sekolah, dan pengeluaran perkapita
(Badan Pusat Statistik Indonesia).
Saat ini Indonesia masih menjadi salah satu negara berkembang yang
menghadapi berbagai macam permasalahan pembangunan manusia. Walaupun
setiap tahunnya Human Developmen Index (HDI) di Indonesia selalu mengalami
peningkatan, namun jika HDI tersebut dilihat menurut tingkatan provinsi maka
terlihat perbedaan HDI yang signifikan dan persebarannya belum merata. Hal ini
disebabkan karena masih terdapat adanya kesenjangan pembangunan pada tiap-
tiap provinsi di Indonesia. HDI tersebut dapat dilihat pada Gambar 1.1.

1
 Gambar 1. 1 HDI menurut Provinsi Periode 2020

Sumber : Badan Pusat Statistik Indonesia (data diolah)

Dari Gambar 1.1 dapat diketahui bahwa dari HDI menurut provinsi pada
tahun 2020 hanya satu provinsi saja yang memiliki HDI dengan kategori sangat
tinggi yaitu DKI Jakarta, sedangkan yang lainnya menyebar dan didominasi
dengan kategori tinggi sebanyak 22 provinsi yaitu Aceh, Sumatera Utara,
Sumatera Barat, Riau, Jambi, Sumatera Selatan, Bengkulu, Kep Bangka
Belitung, Kep Riau, Jawa Barat, Jawa Tengah, DI Yogyakarta, Jawa Timur,
Banten, Bali, Kalimantan Tengah, Kalimantan Selatan, Kalimantan Timur,
Kalimantan Utara, Sulawesi Utara, Sulawesi Selatan, dan Sulawesi Tenggara,
kemudian kategori sedang sebanyak 11 provinsi yaitu Bengkulu, Nusa Tenggara
Barat, Nusa Tenggara Timur, Kalimantan Barat, Sulawesi Tengah, Gorontalo,
Sulawesi Barat, Maluku, Maluku Utara, Papua Barat, dan Papua. Kondisi ini
dapat disimpulkan bahwa peningkatan HDI provinsi di Indonesia persebarannya
belum merata karena HDI dengan kategori tinggi masih didominasi oleh provinsi
yang berada pada wilayah barat Indonesia, sedangkan provinsi yang berada pada
wilayah timur Indonesia masih banyak yang berada pada kategori sedang. Oleh
sebab itu, peningkatan kualitas pembangunan manusia yang merata dan tidak
hanya di sebagian wilayah saja sangatlah dibutuhkan oleh Indonesia.
Adapun HDI menurut provinsi tahun 2020 terdapat 10 provinsi yang
mengalami penurunan HDI dibandingkan dengan tahun sebelumnya 2019.
Secara spesifiknya pada tahun 2020, provinsi yang mengalami penurunan HDI
terbesar yaitu Provinsi Kalimantan Utara dan Papua, dan sebaliknya provinsi
Papua Barat adalah provinsi yang mengalami peningkatan HDI tertinggi.

2
Sedangkan secara keseluruhan, HDI Indonesia pada tahun 2020 adalah sebesar
71.94. Pertumbuhan HDI pada tahun tersebut hanya sebesar 0.03%, mengalami
perlambatan dibandingkan dengan pertumbuhan tahun sebelumnya. Penurunan
dan perlambatan pertumbuhan HDI tersebut disebabkan karena terjadinya
pandemi COVID-19 sehingga membawa perubahan khususnya pada sektor
ekonomi, kesehatan dan pendidikan di Indonesia (Laporan Publikasi BPS). Oleh
sebab itu, penting juga bagi pemerintah untuk menentukan kebijakan yang tepat
dalam meningkatkan kembali HDI yang telah mengalami penurunan dan
perlambatan pertumbuhan tersebut.
Untuk perbandingannya dengan negara-negara lain di dunia, HDI
Indonesia yang dianalisis oleh UNDP menduduki peringkat ke 107 dari 189
negara. Indonesia berada di peringkat tengah. Sedangkan jika dibandingkan
dengan negara ASEAN, Indonesia hanya berada pada peringkat kelima dan
berada dibawah Singapura, Brunei Darussalam, Malaysia, dan Thailand. Untuk
semua aspek yang dievaluasi meliputi umur harapan hidup (UHH), harapan lama
sekolah (HLS), rata-rata lama sekolah (RLS), dan pengeluaran perkapita yang
disesuaikan (GNI/Kapita) Indonesia masih tertinggal jauh dari Singapura yang
menyandang predikat HDI kategori sangat tinggi sekaligus berada pada
peringkat 11 dunia. Adapun jika dibandingkan dengan Brunei dan Malaysia juga
masih tertinggal, bahkan Indonesia masih kalah juga untuk semua aspek dengan
negara-negara tersebut. Sedangkan dibandingkan dengan Thailand hanya aspek
rata-rata lama sekolah saja yang diunggulkan dari Indonesia, dan aspek lainnya
masih diungguli oleh Thailand (Citradi, CNBC Indonesia 2020). Oleh sebab itu,
Indonesia lagi-lagi masih harus terus berbenah untuk meningkatkan
pembangunan manusianya, terutama pada perbaikan sistem kesehatan dan
peningkatan kualitas pendidikannya agar dapat bersaing dengan negara ASEAN
lainnya.
Salah satu upaya yang dapat dilakukan pemerintah untuk meningkatkan
kualitas pembangunan manusia yaitu dengan meningkatkan pertumbuhan
ekonomi. Perkembangan pertumbuhan ekonomi yang diproksikan melalui

3
PDRB perkapita provinsi di Indonesia selama tahun 2016-2020 dapat diamati
pada Gambar 1.2.
Gambar 1. 2 Rata-rata PDRB perkapita Periode 2016-2020

Sumber : Badan Pusat Statistik Indonesia (data diolah)

Secara umum, pertumbuhan ekonomi Indonesia secara y-on-y dalam
kurun waktu 2016-2020 mengalami kecenderungan menurun. Hal ini
disebabkan oleh belum pulihnya kondisi ekonomi global selama periode
tersebut, namun khusus pertumbuhan ekonomi Indonesia pada tahun 2020
mengalami penurunan drastis yang disebabkan oleh pandemi COVID-19 yang
melanda dunia termasuk Indonesia. Sedangkan pertumbuhan ekonomi yang
diproksikan dengan PDRB perkapita provinsi selama tahun 2016-2020 yang
menyumbang kontribusi terbesar terhadap PDB Indonesia masih didominasi
oleh wilayah barat Indonesia terutama provinsi di pulau Jawa. Kemudian diikuti
oleh pulau Sumatera, Pulau Kalimantan, Pulau Sulawesi, Pulau Bali dan Nusa
Tenggara, serta Pulau Maluku dan Papua. Hal ini menunjukkan bahwa masih
adanya ketimpangan PDRB perkapita yang tinggi terjadi antar wilayah provinsi
di Indonesia (Laporan Publikasi Badan Pusat Statistik 2020).
Maka dari itu, penting bagi pemerintah untuk berfokus pada peningkatan
pertumbuhan ekonomi dengan memperhatikan pemerataannya agar berkurang
ketimpangan antar wilayah yang terjadi tersebut. Hal ini ditujukan karena
pertumbuhan ekonomi yang diproksikan dengan PDRB perkapita tersebut dapat
berpengaruh terhadap peningkatan kualitas pembangunan manusia. UNDP
melihat bahwa pertumbuhan ekonomi berdampak pada kemampuan suatu negara
untuk melaksanakan pembangunan manusia yang berkelanjutan. Keduanya tidak

4
memiliki hubungan secara langsung, namun pertumbuhan ekonomi dapat
menjadi motor penggerak peningkatan kualitas sumberdaya manusia, begitu
pula sebaliknya (Putri & Mintaroem, 2019).
Selanjutnya, penelitian ini juga menyoroti upah minimum sebagai variabel
yang dinilai memengaruhi IPM. Hal ini didasarkan oleh fakta yang menunjukkan
bahwa kebijakan penetapan upah minimum adalah bagian dari instrumen
kebijakan dalam penciptaan pemerataan hasil pembangunan sehingga dapat
mengatasi permasalahan ketimpangan pembangunan ekonomi yang terjadi antar
daerah. Faizin (2021) dalam penelitiannya menyatakan bahwa, melalui
penerapan kebijakan upah minimum secara tepat diharapkan akan mengurangi
laju migrasi dari desa ke kota. Pada saat yang sama, kebijakan upah minimum
juga dapat berdampak pada naiknya Indeks Pembangunan Manusia di daerah
yang bersangkutan. Perkembangan upah minimum provinsi di Indonesia selama
tahun 2016-2020 dapat diamati pada Gambar 1.3.
Gambar 1. 3 Rata-Rata Upah Minimum Provinsi Periode 2016-2020

Sumber : Badan Pusat Statistik Indonesia (data diolah)

Pemerintah sering menaikkan upah minimum yang bertujuan untuk
memberikan perlindungan terhadap tenaga kerja agar mendapatkan pengupahan
yang layak. Bahkan pada tahun 2018 kenaikan upah minimum mencapai 76%
dari upah rata-rata buruh di Indonesia. Kemudian pada oktober 2019 lalu,
Kementerian Ketenagakerjaan telah memutuskan kenaikan upah minimum
provinsi tahun 2020 sebesar 8,51%. Berdasarkan persentase kenaikan tersebut,
provinsi DKI Jakarta berturut-turut menjadi daerah dengan upah minimum
tertinggi sejak beberapa tahun terakhir. Sedangkan upah minimum terendah

5
yaitu provinsi DI Yogyakarta. Akan tetapi, tingginya presentase upah minimum
tersebut tidak dibarengi dengan praktiknya di lapangan. Masih banyak juga
perusahaan yang keberatan atas kenaikan upah minimum tersebut dan berujung
pada ketidakpatuhan membayar upah minimum tersebut sehingga menjadi
masalah yang harus dituntaskan bersama oleh pemerintah
(www.cnbcindonesia.com).
Selanjutnya Baeti (2013) dalam penelitiannya menjelaskan bahwa untuk
meningkatkan kualitas pembangunan manusia, pemerintah juga membutuhkan
modal sebagai dasar dari pembangunan itu sendiri. Pemerintah melakukan
pengeluaran atau investasi yang ditujukan untuk pembangunan manusia.
Pengeluaran pemerintah adalah cerminan dari kebijakan yang diambil oleh
pemerintah dan digunakan untuk membiayai sektor publik yang lebih penting
dan menjadi prioritas dalam peningkatan kualitas sumber daya manusia dan
tercermin pada Indeks Pembangunan Manusia (IPM). Dalam hal ini, apabila
pemerintah ingin mengoptimalkan IPM, maka pemerintah harus meletakkan
pembangunan manusia sebagai prioritas diantaranya dapat melalui alokasi
anggaran fungsi pendidikan dan kesehatan. Adapun perkembangan pengeluaran
pemerintah bidang pendidikan dan kesehatan pada 29 provinsi di Indonesia yang
menjadi objek penelitian selama tahun 2016-2020 dapat diamati pada Gambar
1.4.
Gambar 1.4 Rata-Rata Pengeluaran Pendidikan dan Kesehatan Periode 2016-2020

PP Pendidikan PP Kesehatan
16.000.000
14.000.000
12.000.000
10.000.000
8.000.000
6.000.000
4.000.000
2.000.000
-
Sum-Sel
Bengkulu

DI Yogyakarta

Banten
Sum-Ut

Lampung

DKI Jakarta

Maluku
Jambi

Kal-Bar

Kal-Tim
Riau

NTB

Kal-Sel

Sul-Bar
Sul-Sel
Sul-Tenggara
Jawa Barat
Jawa Tengah

Kal-Ut
Jawa Timur

Gorontalo

Maluku Utara
Kep. Ba-Bel

Kal-Teng
Aceh

Sum-Bar

Sul-Teng
Kep. Riau

Sumber : Direktorat Jenderal Perimbangan Keuangan Kemenkeu (data diolah)

6
 Pada konteks pengeluaran pemerintah bidang pendidikan di Indonesia,
studi yang dilakukan oleh World Bank dan PROSPERA menunjukkan beberapa
permasalahan yang menjadi penyebab rendahnya kualitas pendidikan di
Indonesia. Temuan World Bank menunjukkan bahwa terdapat empat aspek
masalah pendidikan di Indonesia diantaranya yaitu kewenangan antara
pemerintah pusat dan daerah, kualitas guru yang belum memadai, akuntabilitas
yang rendah, dan kualitas monitoring evaluasi yang masih belum optimal.
Sedangkan temuan PROSPERA yang menyoroti kinerja, belanja pemerintah
daerah, kualitas guru, dan SMK. Terdapat permasalahan yang paling menonjol
yaitu adanya disparitas kualitas pendidikan antar daerah dan rendahnya kualitas
guru. Selain itu, terdapat variasi belanja dan kinerja pendidikan antar daerah,
belanja yang belum efisien, kontribusi belanja pendidikan dari PAD yang makin
menurun, serta masih perlunya sinergi antara belanja pemerintah pusat dan
daerah (anggaran.kemenkeu.go.id). Oleh karena itu, perlunya peran pemerintah
untuk menyelesaikan permasalahan tersebut dengan mengeluarkan kebijakan
anggaran yang tepat sasaran. Dengan begitu akan membuka pintu yang lebih
lebar pada akses pendidikan sehingga dapat meningkatkan kualitas pendidikan
dan selanjutnya berdampak pada peningkatan kualitas pembangunan manusia di
Indonesia (Fahmi & Dalimunthe, 2018).
Selanjutnya, pada pengeluaran pemerintah bidang kesehatan, dalam hal ini
salah satu indikator yang digunakan untuk mengukur besar belanja kesehatan di
suatu negara adalah National Health Accounts atau NHA. Dari data NHA tahun
2018, terdapat beberapa hal yang masih perlu ditingkatkan, diantaranya
penguatan pendanaan untuk menunjang upaya preventif dan promotif, termasuk
pemenuhan Standar Pelayanan Minimal (SPM), edukasi kesehatan untuk pola
hidup bersih sehat, imunisasi, surveilance, skrining, pengadaan pola makan
tambahan, dan lain-lain. Penguatan pendanaan untuk layanan dan pendanaan
preventif-promotif akan membangun sistem layanan Kesehatan yang lebih
kokoh terhadap berbagai kejadian tidak terduga termasuk adanya pandemi
COVID-19. Selain itu juga, telah banyak alokasi anggaran yang dikeluarkan oleh
pemerintah untuk bidang lainnya seperti kesehatan. Sampai sekarang ini,

7
semakin banyak program-program kesehatan seperti jaminan kesehatan
masyarakat, program keluarga berencana, subsidi obat generik, hingga
pelayanan kesehatan gratis yang sedang diselenggarakan secara terus-menerus
dan membutuhkan biaya yang cukup banyak ditambah lagi dengan jumlah
penduduk yang besar dan jumlah penduduk miskin yang bertambah tiap
tahunnya, yang merupakan sasaran pemerintah untuk pelayanan kesehatan ini,
sehingga alokasi anggaran untuk bidang kesehatan sangat diperlukan untuk
meningkatkan kualitas sumber daya manusia (Laporan Publikasi Profil
Kesehatan Indonesia 2020). Seperti pada penelitian Widodo et., al, (2011)
menyatakan bahwa investasi publik yang dikeluarkan oleh pemerintah pada
bidang kesehatan akan memberikan kesempatan dan pelayanan kesehatan yang
lebih merata kepada masyarakat sehingga dapat memberikan pengaruh terhadap
peningkatan kualitas sumber daya manusia (SDM) yang lebih handal dan sehat.
Dalam penanganan alokasi anggaran bidang pendidikan dan kesehatan
tersebut pemerintah memerlukan koordinasi yang baik dimulai dari proses
perencanaan hingga evaluasi program/kegiatan. Maka dari itu pada penelitian ini
juga menggunakan variabel pengeluaran pemerintah bidang pendidikan dan
bidang kesehatan untuk menguji upaya pemerintah pada realisasi anggaran
dalam meningkatkan kualitas pembangunan manusia di Indonesia.
Adapun Human Development Index (HDI) yang diluncurkan oleh UNDP
ini memang merupakan salah satu alat pengukuran berbasis peringkat yang
diakui di dunia. Indikator-indikator yang digunakan pada HDI masih mengacu
pada pencapaian kesejahteraan yang sifatnya materil dan sosial. Dalam konsep
ekonomi Islam, kesejahteraan manusia diukur tidak hanya dengan pencapaian
dunia tetapi juga dengan pencapaian akhirat, sehingga indikator pembangunan
ekonomi secara konvensional atau Human Development Index (HDI) dianggap
tidak cukup kompatibel untuk mengukur kesejahteraan manusia khususnya di
negara-negara muslim. Hal ini disebabkan karena tidak terdapat unsur
religiusitas yang dijadikan sebagai indikator dalam pengukurannya. Fakta ini
yang mendasari telah diciptakannya model baru untuk mengukur kesejahteraan

8
manusia dalam perspektif Islam atau yang disebut Islamic-Human Development
Index atau I-HDI (Rochmah & Sukmana, 2019).
Islamic-Human Development Index (I-HDI) diperkenalkan oleh MB
Hendrie Anto (2009) pada penelitiannya yang berjudul Introduction an Islamic-
Human Development Index (I-HDI) to Measure Development in OIC Countries.
I-HDI tersebut dihitung berdasarkan data komprehensif yang menggambarkan
lima dimensi maqashid syariah yang merupakan buah pemikiran dari pemikir
muslim Al-Ghazali dan Asy-Syatibi. Kelima dimensi tersebut antara lain yaitu
dimensi agama, dimensi jiwa, dimensi akal, dimensi keturunan, dan dimensi
harta. Dalam penelitiannya diperoleh hasil bahwa Indonesia hanya menduduki
urutan ke 18 di antara negara-negara OKI dengan I-HDI sebesar 58. Hal ini
menunjukkan bahwa posisi I-HDI Indonesia masih tertinggal sangat jauh
dibandingkan dengan negara-negara OKI lainnya, padahal Indonesia adalah
negara mayoritas muslim terbesar di dunia, bahkan pula masih tertinggal bila
dibandingkan dengan negara muslim tetangga seperti Malaysia dan Brunei
Darussalam yang telah menduduki urutan 10 besar. I-HDI Indonesia menurut
provinsi tahun 2020 menggunakan metode dari Anto dapat dilihat pada Gambar
1.5.
Gambar 1. 5 I-HDI Provinsi Periode 2020

80,00
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,00
DI Yogyakarta

Banten

Maluku
Sum-Sel
Bengkulu
Riau

Kal-Sel
Kal-Tim

Sul-Sel
Sum-Ut

Jambi

Lampung

DKI Jakarta
Jawa Barat
Jawa Tengah

NTB
Kal-Bar

Kal-Ut

Sul-Bar
Sul-Tenggara
Kal-Teng
Aceh

Jawa Timur

Sul-Teng

Gorontalo

Maluku Utara
Sum-Bar

Kep. Ba-Bel
Kep. Riau

Sumber : BPS Indonesia, DJPK Kemenkeu, dan Kemenkes RI (data diolah)

Berdasarkan Gambar 1.5 dapat diketahui bahwa dari 29 provinsi yang
menjadi objek penelitian ini, untuk pencapaian yang dihasilkan jauh berbeda
dengan HDI. Pada perhitungan I-HDI tahun 2020, dibandingkan dengan nilai
HDI provinsi yang sudah didominasi dengan kategori tinggi, provinsi dengan

9
nilai I-HDI rendah ternyata yang lebih mendominasi yaitu sebanyak 15 provinsi,
sedangkan I-HDI yang termasuk kategori sedang sebanyak 14 provinsi. Adapun
untuk kategori tinggi dan sangat tinggi tidak ada satu pun provinsi yang
mencapainya pada tahun tersebut.
Lebih lanjut, Indonesia yang merupakan negara dengan populasi terbesar
keempat dunia sekaligus merupakan negara dengan populasi muslim terbesar di
dunia, dari total jumlah penduduk Indonesia yang sebanyak 272,23 juta jiwa
menurut data BPS menunjukkan bahwa sebanyak 236,53 juta jiwa (86,88%)
penduduk di Indonesia adalah beragama Islam. Sehingga terdapat banyak
provinsi di Indonesia yang didominasi oleh agama Islam dan dalam hal ini
menjadikan penelitian ini dapat lebih mencerminkan penggunaan metode
maqashid syariah pada Islamic-human development index (I-HDI). Oleh karena
itu, penggunaan variabel HDI pada penelitian ini digantikan oleh I-HDI karena
dinilai sudah kompatibel untuk mengukur kesejahteraan manusia khususnya di
negara-negara muslim.
Adapun yang membedakan penelitian ini dengan yang lain adalah
penelitian I-HDI kebanyakan hanya membahas seputar perbandingan antara HDI
dengan I-HDI. Namun dalam penelitian ini I-HDI digunakan sebagai sebuah
variabel dependen, sehingga dengan adanya penelitian ini diharapkan dapat
menambah keragaman referensi. Selanjutnya indikator I-HDI yang digunakan
merupakan gabungan dari beberapa penelitian sebelumnya, karena penggunaan
indikator I-HDI hingga saat ini masih belum ajek. Selain itu, indikator yang
digunakan disesuaikan juga dengan kondisi di lapangan.
Dengan demikian setelah melihat beberapa uraian diatas, maka peneliti
tertarik untuk mengkaji lebih lanjut mengenai bagaimana pencapaian Islamic-
Human Development Index (I-HDI) di Indonesia sebagai variabel dependen
yang dipengaruhi oleh pertumbuhan ekonomi, upah minimum, pengeluaran
pemerintah bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan
sebagai variabel independen, yang selanjutnya menetapkan penelitian ini dengan
judul “Determinan Islamic Human Development Index (I-HDI) di Indonesia
Periode 2016-2020”.

10
B. Rumusan Masalah
Berdasarkan latar belakang yang telah dikemukakan diatas, maka rumusan
masalah pada penelitian ini: apakah pertumbuhan ekonomi, upah minimum,
pengeluaran pemerintah bidang pendidikan, dan pengeluaran pemerintah bidang
kesehatan berpengaruh secara parsial dan simultan terhadap Islamic-Human
Development Index (I-HDI) di Indonesia Periode 2016-2020?

C. Tujuan Penelitian
Berdasarkan rumusan masalah diatas, maka tujuan dari penelitian ini
adalah untuk menganalisis pengaruh pertumbuhan ekonomi, upah minimum,
pengeluaran pemerintah bidang pendidikan, dan pengeluaran pemerintah bidang
kesehatan secara parsial dan simultan terhadap Islamic-Human Development
Index (I-HDI) di Indonesia Periode 2016-2020.

D. Manfaat Penelitian
Adapun manfaat yang ingin diperoleh dari penelitian ini antara lain
sebagai berikut:
1. Bagi pemerintah, hasil dari penelitian ini diharapkan dapat menjadi acuan
informasi dan masukan bagi pemerintah masing-masing daerah dalam
menetapkan kebijakan-kebijakan yang dapat meningkatkan indeks
pembangunan manusia dengan mempertimbangkan maqashid syariah.
2. Bagi akademisi, hasil penelitian ini diharapkan dapat menjadi masukan
dan rujukan bagi para peneliti selanjutnya mengenai kajian ini, khususnya
pada program studi Ekonomi Syariah.
3. Bagi peneliti, hasil dari penelitian ini dapat menjadi salah satu
pembelajaran dalam menulis karya ilmiah dan menambah wawasan dan
pengetahuan lebih dalam mengenai ekonomi pembangunan Islam.

11
 BAB II

KAJIAN PUSTAKA

A. Landasan Teori
1. Pembangunan Ekonomi dalam Perspektif Islam
Pembangunan ekonomi merupakan salah satu aspek penting dalam
kehidupan yang sangat diperhatikan dalam Islam, namun tetap
menempatkan manusia sebagai pusat dan pelaku utama dari pembangunan
itu. Islam sebagai agama pengatur kehidupan berperan dalam
membimbing dan mengarahkan manusia dalam mengelola sumber daya
ekonomi untuk mencapai kemaslahatan di dunia dan akhirat (Rama &
Makhlani, 2013).
Dalam penelitian yang dilakukan oleh Handayani & Seonjoto (2020)
menyatakan bahwa, sebagai agama yang mengatur segala kehidupan,
Islam berperan dalam membimbing dan mengarahkan manusia dalam
mengelola sumber daya ekonomi untuk mewujudkan kemaslahatan di
dunia dan akhirat. Terdapat empat dasar filosofi pembangunan dalam
Islam menurut Khurshid Ahmad dalam bukunya yang berjudul Economic
Development in an Islamic Framework diantaranya sebagai berikut:
a. Tauhîd, yang memegang peranan penting karena hakikat dari segala
sesuatu termasuk aktivitas pembangunan ekonomi pada dasarnya
adalah bentuk dari ketaatan pada aturan Allah, baik yang berkaitan
dengan hubungan antara Allah dengan manusia, maupun antara
manusia dengan sesamanya;
b. Rubûbiyyah, yang merupakan dasar-dasar hukum Allah digunakan
sebagai model pembangunan Islam. Konsep ini merupakan pedoman
tentang model yang suci bagi pembangunan sumber daya agar dapat
bermanfaat dalam hal saling tolong-menolong berbuat kebaikan;
c. Khalîfah, yang menyatakan status dan peran manusia di muka bumi
adalah sebagai wakil Allah. Konsep ini memposisikan manusia
selaku khalîfah di muka bumi ini yang mengemban amanah dari

12
 Allah dalam bidang akhlak, ekonomi, politik, sosial, dan juga prinsip
organisasi sosial bagi manusia; dan
d. Tazkiyyah, misi utama utusan Allah adalah untuk menyucikan
hubungan manusia dengan Allah, sesamanya, alam lingkungannya,
masyarakat, dan negara.
Berdasarkan dasar-dasar filosofis di atas selanjutnya dapat diperjelas
melalui prinsip pembangunan ekonomi menurut Islam sebagai berikut
(Rama & Makhlani, 2013):
a. Pembangunan ekonomi dalam Islam bersifat komprehensif dan
mengandung unsur spiritual, moral, dan material. Pembangunan
merupakan aktivitas yang berorientasi pada tujuan dan nilai. Aspek
material, moral, ekonomi, sosial spiritual dan fisikal tidak dapat
dipisahkan. Kebahagiaan yang ingin dicapai tidak hanya
kebahagiaan dan kesejahteraan material di dunia, tetapi juga di
akhirat.
b. Fokus utama pembangunan adalah manusia dengan lingkungan
kulturalnya. Ini berbeda dengan konsep pembangunan ekonomi
modern yang menegaskan bahwa wilayah operasi pembangunan
adalah lingkungan fisik saja. Dengan demikian Islam memperluas
wilayah jangkauan obyek pembangunan dari lingkungan fisik
kepada manausia.
c. Pembangunan ekonomi adalah aktivitas multidimensional sehingga
semua usaha harus diserahkan pada keseimbangan berbagai faktor
dan tidak menimbulkan ketimpangan.
d. Penekanan utama dalam pembangunan menurut Islam, terletak pada
pemanfaatan sumberdaya yang telah diberikan Allah kepada ummat
manusia dan lingkungannya semaksimal mungkin. Selain itu,
pemanfaatan sumberdaya tersebut melalui pembagian,
peningkatannya secara merata berdasarkan prinsip keadilan dan
kebenaran. Islam menganjurkan sikap syukur dan adil dan mengutuk
sikap kufur dan zalim.

13
2. Islamic-Human Development Index (I-HDI)
a. Pengertian Islamic-Human Development Index (I-HDI)
I-HDI adalah alat yang digunakan untuk mengukur tingkat
pembangunan manusia dalam perspektif Islam. I-HDI mengukur
pencapaian tingkat kesejahteraan manusia yang didasari oleh
pemenuhan kebutuhan (maslahah) dasar dengan tujuan agar
manusia dapat hidup bahagia di dunia dan akhirat (Putri &
Mintaroem, 2019).
b. Konsep Islamic-Human Development Index (I-HDI)
Salah satu konsep penting dalam kajian hukum Islam yaitu
maqashid syariah. Urgensi maqasid syariah telah mendorong para
ahli teori hukum Islam untuk menjadikan maqasid syariah sebagai
salah satu standar bagi mujtahid yang melakukan ijtihad. Sedangkan
inti dari konsep maqasid syariah sendiri adalah dalam rangka
mewujudkan kebaikan dan menghindarkan keburukan (jalbul
mashalih wa dar’u al-mafasid) sebagai pemenuhan tujuan utama
syariat Islam diturunkan ke muka bumi.
Sudah banyak pemikir Islam yang mengusulkan konsep
maqashid syariah seperti yang dikemukakan oleh para pemikir-
pemikir islam misalnya seperti Al-Ghazali (1937), Al-Habsi &
Hassan (1996), Ibnu Ashur (2001), Asy-Syatibi (2004), Dusuki &
Abozaid (2007), Chapra (2008), dan Choudhury (2014). Di antara
mereka, para ulama klasik yaitu Al-Ghazali dan Asy-Syatibi
mengemukakan hasil pemikiran mengenai maqashid syariah berupa
lima penjagaan yang pokok dalam kehidupan atau dikenal dengan
istilah al-kulliyah al-khamsah yaitu menjaga agama (Hifdz ad-Dìen),
menjaga jiwa (Hifdz an-Nafs), menjaga akal (Hifdz al-‘Aql),
menjaga keturunan (Hifdz an-Nasl), dan menjaga harta (Hifdz al-
Mãl).
Selanjutnya dari konsep maqashid syariah yang telah ada
tersebut telah banyak pula peneliti empiris yang kemudian

14
mengembangkan dan memperbaharuinya menjadi sebuah metode
pengukuran pencapaian tingkat kesejahteraan seperti Islamic-
Human Development Index (I-HDI) oleh Anto (2009), An Economic
Islamicity Index oleh Rehmen & Askari (2010), Maqashid Al-
Shari’ah Index oleh Amir-ud-Din (2014), The Degree of Economic
Islamicity oleh Rama (2016), dan Towards a Maqasid Al-Shari’ah
Based Development Index oleh Hasan, et al. (2018).
Rehmen & Askari pada tahun 2010 dalam penelitiannya
mengenai An Economic Islamicity Index memberikan peringkat
derajat keIslaman ekonomi negara-negara Muslim yang didasarkan
pada 12 prinsip-prinsip dasar ekonomi Islam. Pada penelitiannya
menuai kontroversi pada aspek metodologi dan temuan yang
dihasilkan. Indikator yang digunakan untuk mengukur derajat
keIslaman lebih bersifat indikator-indikator ekonomi dibandingkan
dengan keIslaman itu sendiri. Kinerja indikator tersebut lebih
banyak dipengaruhi oleh kebijakan pemerintah masing-masing dan
tidak ada kaitannya dengan ‘derajat keIslaman’ itu sendiri (Rama,
2018).
Kemudian pada penelitian Rama pada tahun 2016 melakukan
pengukuran tingkat keislaman ekonomi provinsi di Indonesia yang
didasarkan pada prinsip-prinsip Islam dalam bidang ekonomi
dengan menerapkan model Rehman & Askari (2010). Metode yang
digunakan menggunakan pembobotan dalam konstruksi indeksnya
dan menghasilkan hasil yang bias dan subjektif. Kemudian
penelitian tersebut menggunakan periode waktu hanya satu periode
saja yaitu tahun 2014 sehingga memungkinkan terjadinya perbedaan
peringkat akibat perubahan periode. Selain itu pada penelitian ini
juga masih membutuhkan studi empiris yang dapat memperkuat
klaim bahwa prinsip-prinsip Islam dapat mendorong kinerja
ekonomi suatu negara (menjawab tantangan banyak kalangan yang

15
menyalahkan Islam atas keterbelakangan ekonomi sebagian besar
negara-negara Muslim) (Rama, 2018).
Selanjutnya pada penelitian Amir-ud-Din pada tahun 2014
menyusun sebuah pengukuran pembangunan yang lebih kompleks,
yang dapat mencakup seluruh aspek dalam maqashid al-syari’ah,
dengan menggunakan indeks yang dapat dipakai untuk seluruh
Negara yang tergabung dalam OIC, dan menghasilkan Maqashid al-
Syariah Index (MSI). Sedangkan penelitan Hasan, dkk., (2018)
menggunakan Maqashid al-Syari’ah Index (MSI) sebagai dasar
indeks pembangunan. Dibandingkan dengan OPHI dan UNDP
index, MSI memperlihatkan hasil yang lebih baik dalam
pembangunan sosial ekonomi di Pakistan. Maqashid al-Syariah
Index (MSI) merupakan konsep umum untuk semua konsep
pembangunan dalam Islam (Suharno, 2018).
Adapun MB Hendrie Anto merupakan orang yang pertama
kali mengusulkan tentang Islamic-Human Development Index (I-
HDI) yang diperkenalkannya pada Langkawi Islamic Finance and
Economics International Conference (LIFE 1) pada tahun 2009.
Pada penelitiannya Anto memaparkan hasil pengukuran I-HDI yang
diukur dengan menggunakan lima dimensi maqashid syariah pada
negara-negara yang tergabung dalam Organization of Islamic
Cooperation (Suharno, 2018).
Dari banyaknya metode yang diciptakan hanya sedikit metode
yang mengukur kesejahteraan berdasarkan pandangan ekonomi
Islam, hanya metode yang dikenalkan oleh Anto, yang dengan rinci
meletakkan dasar pengukuran pembangunan manusia berdasarkan
maqashid syariah atau yang dikenal dengan Islamic-Human
Development Index (I-HDI) dan secara khusus menerapkannya
dengan menggunakan pendekatan yang matematis. Metode yang
diperkenalkan dalam penelitiannya berjudul Introducing an Islamic-
Human Development Index to Measure Development in OIC

16
Countries tersebut menunjukkan bahwa Islamic-Human
Development Index (I-HDI) mempertimbangkan dimensi Maqashid
Syariah dalam mengukur bagaimana peforma atau tingkat ekonomi
di suatu negara berkembang yang mayoritas penduduknya adalah
Muslim, menurutnya indikator I-HDI yang dirujuk dari dimensi
maqashid syariah Al-Ghazali dan Asy-Syatibi akan menciptakan
pengukuran yang lebih komprehensif dan akurat. Pada
penelitiannya, komponen perhitungan I-HDI tersebut terdiri dari
lima dimensi maqashid syariah diantaranya penjagaan terhadap
agama, jiwa, akal, keturunan, dan harta.
Komponen indeks dimensi yang digunakan oleh Anto (2009)
diantaranya yaitu; Faith Index berupa wujud dari semangat
beragama yang dilihat dari jumlah masjid, puasa, zakat, haji, dana
amal, tingkat kriminalitas, tingkat korupsi, dan tingkat kekerasan.
Life Index berupa wujud dari menjaga jiwa dengan melihat rata-rata
usia harapan hidup pengguna narkoba dan perokok. Science Index
atau yang lebih dikenal dengan upaya menjaga akal berupa tingkat
pendidikan, jumlah lembaga pendidikan, angka harapan lama
sekolah, rata-rata lama sekolah, dan jumlah hak. Family-social Index
sebagai upaya menjaga keturunan jumlah keluarga, tingkat
kelahiran, tingkat kematian, dan tingkat perceraian. Serta Property
Index dengan melihat GDP perkapita, pertumbuhan ekonomi, GDP
per pertumbuhan penduduk, rasio gini, dan tingkat kemiskinan
(Anto, 2009 dalam Rachmawati, 2018).
Akan tetapi, dalam merumuskan metode pengukuran I-HDI
tersebut penelitan Anto (2009) terdapat proxy tambahan selain
kelima dimensi maqashid syariah berupa kebebasan dan
lingkungan, padahal Al-Ghazali dan Asy-Syatibi sendiri diketahui
hanya membaginya menjadi lima dimensi saja, yaitu Dῑen (Agama)
yang berkaitan dengan kehidupan akhirat, dan keempat dimensi
lainnya yang berkaitan dengan kehidupan duniawi (Rukiah, 2019).

17
Oleh karena itu, pada metode pengukuran I-HDI dalam penelitian ini
disesuaikan lagi dalam penelitian tentang I-HDI oleh Rafsanjani
(2014) dan Suharno (2019) yang menggunakan kelima dimensi
maqashid syariah tanpa adanya proxy tambahan tersebut dalam
penelitiannya.
Adapun I-HDI memberikan solusi untuk pengukuran
kesejahteraan holistik masyarakat melalui pengukuran dari segi
material dan non-material. Pada segi materi ditujukan dalam rangka
memperoleh kesejahteraan yang holistik dan menyeluruh di dunia
(kesejahteraan sementara), sedangkan segi moral adalah untuk
memperoleh kesejahteraan holistik di akhirat (kesejahteraan
permanen). Dengan kata lain terpenuhinya lima kebutuhan dasar
yang tercemin pada lima dimensi maqashid syariah ini akan menjadi
syarat tercapainya kesejahteraan dan kebahagiaan hidup di dunia dan
akhirat atau yang disebut falah (Anto, 2009). Dalam hal ini Islam
telah mengatur tentang pengembangan kesejahteraan manusia
bahwasanya kesejahteraan di dunia sifatnya sementara dibandingkan
dengan kesejahteraan akhirat, seperti yang tercantum dalam Q.S al-
A’la (87) ayat 16-17:
ٰ ‫الدُّ انيَا اال َح ٰيوة َ تُؤا ِث ُر اونَ () َو ا‬
‫اْل ِخ َرة ُ َخي ٌار َّواَب ٰاقى() بَ ال‬
Artinya: Sedang kamu (orang-orang kafir) memilih kehidupan
duniawi. Padahal kehidupan akhirat itu lebih baik dan lebih kekal.
Meskipun demikian, manusia tidak berarti hanya
diperkenankan untuk beribadah secara murni saja dan melupakan
dunianya. Manusia juga tentunya diarahkan sekuat tenaga dan
pikirannya untuk memperoleh harta sehingga dapat mencari pahala
akhirat dengan harta yang dianugerahkan Allah kepada manusia
tersebut sebagaimana yang diterangkan dalam Q.S. al-Qasas (28)
ayat 77 sebagai berikut:
‫َص اي َبكَ ِمنَ الدُّ ان َيا َواَحا س اِن َك َما‬ ٰ ‫َّار ا‬
َ ‫اْل ِخ َرة َ َو َْل ت َ ان‬
ِ ‫سن‬ ‫َوا ابت َغِ فِ اي َما ٓ ٰا ٰتىكَ ه‬
َ ‫ّٰللاُ الد‬

)( َ‫ّٰللاَ َْل ي ُِحبُّ اال ُم اف ِس ِديان‬

‫ض ا َِّن ه‬ َ َ‫ّٰللاُ اِلَياكَ َو َْل تَباغِ االف‬
ِ ‫سادَ فِى ااْلَ ار‬ َ ‫اَحا‬
‫سنَ ه‬

18
 Artinya: Dan carilah (pahala) negeri akhirat dengan apa yang
dianugerahkan oleh Allah kepada kamu, dan janganlah kamu
lupakan bagianmu dari (kenikmatan) duniawi dan berbuat baiklah
(kepada orang lain) sebagaimana Allah telah berbuat baik, kepada
kamu, dan janganlah kamu berbuat kerusakan di bumi. Sungguh,
Allah tidak menyukai orang-orang yang berbuat kerusakan.
c. Komponen Penyusun Islamic-Human Development Index (I-HDI)
Berdasarkan pada kelima dimensi maqashid syariah buah
pemikiran Al-Ghazali dan Asy-Syatibi akan dijadikan sebagai
landasan teoritis untuk membangun pengukuran Islamic-human
development index (I-HDI). Kelima dimensi tersebut diantaranya
sebagai berikut:
1) Hifdz Dien (Agama)
Agama atau keyakinan menghasilkan nilai-nilai untuk
menopang kehidupan yang kemudian dalam tingkat yang lebih
tinggi akan menghasilkan kebudayaan. Misalnya keyakinan
akan adanya Allah sebagai penguasa jagat raya akan
berimplikasi pada kehidupan dan menciptakan sebuah nilai,
yakni Allah adalah pemilik dari segala sesuatu yang ada di
bumi dan dimiliki manusia. Sehingga segala sesuatu yang
dilakukan oleh manusia berada di bawah pengawasan dari
Allah dan harus dipertanggungjawabkan.
2) Hifdz Nafs (Jiwa)
Manusia diciptakan Allah tidak lain untuk menjadi
khalifah di muka bumi. Tugas utama seorang khalifah adalah
untuk memakmurkan bumi dan memakmurkan dalam
pembahasan ini memiliki arti yang sama dengan
pembangunan. Sementara itu, pembangunan sangat tergantung
pada kualitas manusia itu sendiri, menurut Ibn Khaldun
“kejayaan dan kejatuhan suatu peradaban tergantung pada
kualitas manusianya”. Oleh sebab itu, pembangunan yang

19
 dilandaskan pada prinsip maqashid syariah seharusnya
memprioritaskan pada keselamatan hidup manusia.
Pembangunan harus memprioritaskan ketersediaan kebutuhan
hidup. Karena inti dari maqashid syariah tidak hanya dihitung
dari pembangunan fisik berupa tingkat PDB ataupun angka
pendapatan perkapita, namun lebih memprioritaskan pada
kualitas hidup manusia.
3) Hifdz ‘Aql (Akal)
Perlindungan terhadap akal telah menjadi sarana untuk
meningkatkan kualitas hidup manusia. Pada dasarnya,
manusia tidak memiliki alat alami untuk mempertahankan
kehidupannya. Tidak seperti macan yang diberi kecepatan
berlari dan memiliki taring yang kuat untuk memangsa
ataupun jerapah yang diberi leher panjang karena
kebutuhannya terhadap dedaunan yang masih muda. Manusia
hanya dibekali akal untuk mempertahankan kehidupannya.
Hal inilah yang menjadi alasan syariah mengapa harus
menjaga akal. Dalam konteks ini menjaga yang dimaksud
adalah dengan mengembangkan akal dan salah satu caranya
didapatkan melalui pendidikan yang baik.
4) Hifdz Nasl (Keturunan)
Untuk menjaga keberlangsungan generasinya, makhluk
hidup secara kodrati melakukan proses reproduksi untuk
menghasilkan generasi baru dan menggantikan generasi lama
atau untuk meningkatkan jumlah populasi dalam masyarakat.
Dalam konteks pembangunan, keturunan memiliki peran
penting terutama dalam menjaga keberlanjutan pembangunan.
5) Hifdz Maal (Harta)
Sebagaimana yang dipahami dalam pendekatan
konvensional, tujuan utama pembangunan adalah dengan
memastikan ketersediaan harta, sebab merupakan salah satu

20
 dari kebutuhan dasar manusia. Islam juga mengakui hal ini,
namun bukan berarti harta adalah segalanya. Dalam sudut
pandang Islam, tentunya memperoleh harta juga sangat
dianjurkan namun dengan batasan dan aturan syariah yang
berlaku.
Selanjutnya, dari kelima dimensi tersebut, maka kesejahteraan
dalam perspektif Islam dibagi menjadi dua aspek utama yaitu
Material Walfare dan Non-Material Walfare yang dirumuskan
dengan formula seperti dibawah ini (Anto, 2009):
WH : f(MW & NW) ... (2.1)
MW : f(PO & DE) ... (2.2)
NW : f(IEV) ... (2.3)
IEV : f(LE, E, FSR, & R) ... (2.4)
di mana:
WH : Walfare Holistic
MW : Material Walfare
NW : Non-Material Walfare
PO : Property Ownership
DE : Distributional Equity
IEV : Islamic Environment and Values
LE : Life Expectancy
E : Education
FSR : Family and Social Relationship
R : Religiosity
Dari rumus tersebut, dapat diketahui bahwa walfare holistic
(WH) dalam Islam menyangkut material walfare (MW) dan non-
material walfare (NW). Material walfare (MW) yang diwakili oleh
property ownership (PO) dan distributional equity (DE).
Selanjutnya non-material walfare diwakili oleh Islamic environment
and values (IEV) yang terdiri dari life expectancy (LE), education
(E), family and social relationship (FSR), dan religiosity (R).
Kemudian dibentuk sebuah indeks terukur yang digunakan
untuk mengukur I-HDI sebagaimana dijelaskan pada Tabel 2.1.

21
 Tabel 2. 1 Indeks Dimensi I-HDI
Tujuan Pembangunan Dimensi Indeks Dimensi

Hifdz Dien Indeks ad-Dien

Hifdz Nafs Indeks an-Nafs

Maslahah Hifdz ‘Aql Indeks al-‘Aql

Hifdz Nasl Indeks an-Nasl

Hifdz Maal Indeks al-Maal

Sumber: Anto (2009) Introducing an Islamic-Human Development Index to

Measure Development in OIC Countries
Adapun indikator I-HDI yang diusulkan pada penelitian ini
merujuk pada indikator I-HDI seperti dalam penelitian Anto (2009)
yang disesuaikan dalam penelitian Rafsanjani (2014) sebagaimana
Tabel 2.2.
Tabel 2. 2 Usulan Indikator I-HDI

Tujuan
Indeks
Pembangun Dimensi Indikator
Dimensi
an

Indeks
Hifdz ad-Dien Angka kriminalitas
Agama

Hifdz an-Nafs Indeks Jiwa Angka harapan hidup

Non-
material Angka melek huruf
Walfare
Hifdz al-Aql Indeks Akal
Index Angka rata-rata lama
(NWI) sekolah

Indeks Angka kelahiran total

Hifdz an-Nasl
Keturunan Angka kematian bayi

Hifdz al-Maal Indeks Harta Pengeluaran perkapita

22
 Material Rasio gini
Walfare
Index (MWI) Indeks kedalaman
kemiskinan
Sumber: Anto (2009) disesuaikan dalam Rafsanjani (2014).
Sedangkan kategori I-HDI yang digunakan didasarkan pada
ukuran HDI yang diterbitkan oleh UNDP sebagamana Tabel 2.3.
Tabel 2. 3 Kategori I-HDI

Status Pembangunan Kriteria

Nilai I-HDI ≥ 80,00 Sangat Tinggi
70,00 ≤ nilai I-HDI ≤ 79,99 Tinggi
60,00 ≤ nilai I-HDI ≤ 69,99 Sedang
0 ≤ nilai I-HDI ≤ 59,99 Rendah
Sumber: UNDP yang disesuaikan
Adapun pada penggunaan beberapa variabel yang dapat berpengaruh
terhadap peningkatan I-HDI yaitu pertumbuhan ekonomi, upah minimum,
pengeluaran pemerintah bidang pendidikan, dan pengeluaran pemerintah
bidang kesehatan disebabkan karena beberapa alasan sebagai berikut:
Pertama, pada pertumbuhan ekonomi terjadi penurunan pertumbuhan pada
tahun 2020 dan adanya ketimpangan yang tinggi antar wilayah di
Indonesia sehingga penting bagi pemerintah untuk fokus meningkatkan
pertumbuhan ekonomi karena kedepannya dapat menjadi motor penggerak
peningkatan kualitas sumberdaya manusia (Putri & Mintaroem, 2019).
Kedua, pada upah minimum, pemerintah kerap menaikkannya melebihi
dari upah rata-rata buruh di Indonesia, namun tidak dibarengi dengan
praktiknya di lapangan yang kerap terjadi pelanggaran terhadap penetapan
upah minimum yang dilakukan oleh perusahaan-perusahaan yang
disebabkan oleh ketidakmampuan perusahaan dalam memberikan upah
pada pekerjanya. Oleh karena itu merupakan peran pemerintah untuk
memberi perhatian lebih pada penerapan upah minimum tersebut di
lapangan karena kebijakan upah minimum yang tepat dapat berdampak
pada naiknya Indeks Pembangunan Manusia di suatu wilayah (Faizin,
2021). Ketiga, pada pengeluaran pemerintah bidang pendidikan, perbaikan

23
 disparitas kualitas pendidikan dan ketimpangan anggaran pendidikan antar
daerah merupakan sasaran pemerintah karena diperlukan untuk membuka
akses pendidikan yang lebih lebar sehingga dapat meningkatkan kualitas
pendidikan dan selanjutnya memiliki dampak terhadap meningkatnya
kualitas pembangunan manusia (Fahmi & Dalimunthe, 2018). Keempat,
pada pengeluaran pemerintah bidang kesehatan perlunya penguatan
pendanaan untuk menunjang upaya preventif dan promotif program-
program kesehatan yang semakin banyak digalakkan oleh pemerintah agar
dapat membangun sistem layanan kesehatan yang lebih kokoh khususnya
terhadap berbagai kejadian tidak terduga termasuk pandemi COVID-19.
Dalam hal ini penguatan pada pengeluaran bidang kesehatan tersebut
diperlukan karena dapat berpengaruh terhadap peningkatan kualitas
sumber daya manusia (Widodo et, al., 2011).
3. Pertumbuhan Ekonomi
Pertumbuhan ekonomi merupakan masalah perekonomian jangka
panjang dan telah menjadi fenomena penting di dunia belakangan ini.
Proses pertumbuhan ekonomi tersebut disebut sebagai Modern Economic
Growth. Pada dasarnya, pertumbuhan ekonomi didefinisikan sebagai suatu
proses pertumbuhan output perkapita dalam jangka panjang. Artinya,
dalam jangka panjang, kesejahteraan tercermin pada meningkatnya output
perkapita sekaligus memberikan banyak pilihan dalam mengkonsumsi
barang dan jasa, dan diikuti dengan semakin meningkatnya daya beli
masyarakat (Syahputra, 2017).
Definisi pertumbuhan ekonomi lainnya adalah sebagai sebuah
proses peningkatan output dari waktu ke waktu dan dijadikan sebagai
indikator penting dalam mengukur keberhasilan pembangunan suatu
negara (Todaro, 2005). Adapun menurut Kuznets, pertumbuhan ekonomi
adalah peningkatan kapasitas jangka panjang suatu negara dalam
menyediakan semua jenis barang ekonomi kepada penduduknya.
Peningkatan kapasitas itu sendiri disebabkan oleh berbagai tuntutan dari

24
 adanya kemajuan atau pengaplikasian teknologi, institusi dan ideologi
(Ma’ruf & Wihastuti, 2008).
Perekonomian dapat dikatakan mengalami pertumbuhan atau
perkembangan apabila tingkat kegiatan ekonomi yang dicapai lebih tinggi
dibandingkan pada waktu sebelumnya. Dengan kata lain, pertumbuhan
baru akan terjadi apabila jumlah barang dan jasa secara fisik yang
dihasilkan perekonomian tersebut mengalami pertambahan pada tahun-
tahun berikutnya. Pertumbuhan ekonomi memang penting untuk
mempertahankan kesejahteraan masyarakat, tetapi pertumbuhan ekonomi
bukanlah akhir dari suatu pembangunan. Hal yang lebih penting ialah
bagaimana pertumbuhan ekonomi digunakan untuk memperbaiki
kapabilitas manusianya dan pada gilirannya ialah bagaimana rakyat
menggunakan kapabilitasnya (Fretes, 2017).
Dari sudut tinjauan ekonomi, pertumbuhan ekonomi dapat
direfleksikan oleh Produk Domestik Regional Bruto (PDRB) perkapita.
PDRB perkapita adalah jumlah dari semua barang dan jasa akhir termasuk
segala nilai tambah yang dihasilkan oleh daerah atau wilayah regional
dalam kurun waktu satu tahun dibagi dengan jumlah penduduk yang
tinggal didaerah tersebut (Badan Pusat Statistik). Bagi daerah, indikator
ini adalah komponen penting dan berguna untuk kemampuan daerah
tersebut di masa yang akan datang dan menjadi acuan pemerintah untuk
mengevaluasi keberhasilan pembangunan (Umiyati, et al., 2013).
4. Upah Minimum
Menurut pasal 1 ayat 30 tahun 2003 UU Tenaga Kerja No.13/2003,
upah merupakan hak pekerja atau buruh yang dinyatakan dan diterima
berupa uang sebagai imbalan dari pengusaha atau pemberi kerja yang
penetapan dan pembayarannya berdasarkan suatu perjanjian kerja,
kesepakatan atau peraturan yang termuat dalam undang-undang, termasuk
tunjangan bagi pekerja atau buruh beserta keluarganya dari suatu
pekerjaan dan/ atau jasa yang telah dilakukan atau akan dilakukan.

25
 Teori Upah Wajar (alami) dari David Ricardo menjelaskan bahwa
tingkat upah sebagai balas jasa bagi tenaga kerja adalah harga yang
ditujukan untuk melanjutkan dan mempertahankan kehidupan tenaga
kerja. Pembentukan upah ditentukan berdasarkan permintaan dan
penawaran sedangkan perbaikan upah ditentukan oleh perbuatan dan
perilaku tenaga kerja itu sendiri selama bekerja. Upah harga pasar dapat
mengalami perubahan disekitar upah menurut kodrat. Para ahli ekonomi
modern menjelaskan bahwa upah kodrat dijadikan sebagai batas minimum
dari upah kerja sebagai bentuk pemenuhan kebutuhan keluarga. David
Ricardo dalam teori upahnya juga mempertimbangkan kondisi tenaga
kerja, jika standar hidup mengalami kenaikan maka seharusnya tingkat
upah yang dibayarkan juga akan naik. Hal ini merupakan salah satu bentuk
antisipasi terhadap perubahan perekonomian secara menyeluruh pada
suatu negara atau daerah (Pangastuti, 2015).
Sebagai bentuk upaya pemberian perlindungan terhadap tenaga
kerja lapisan bawah, maka pemerintah dapat ikut campur tangan terhadap
persoalan upah tenaga kerja yang diterapkan melalui penetapan upah
minimum. Pemberian upah minimum kepada tenaga kerja ditujukan agar
penghasilan yang diperoleh digunakan untuk pemenuhan kebutuhan hidup
yang layak. Adapun upah minimum diartikan sebagai upah terendah yang
diterima setiap bulan dan terdiri atas upah pokok dan tunjangan tetap
dimana wewenang penetapan upah hanya dilakukan oleh gubernur.
Terdapat standar kebutuhan hidup yang berbeda pada masing-masing
daerah, sehingga kondisi ini menjadikan besaran upah minimum tidak
dapat diberlakukan secara nasional namun hanya berlaku untuk suatu
daerah tertentu saja (Faizin, 2021).
Selain itu, penetapan upah minimum memiliki tujuan utama untuk
memenuhi kebutuhan standar hidup minimum seperti kesehatan,
pemerataan pendapatan, efisiensi, kesejahteraan pekerja, perluasan
kesempatan kerja, dan peningkatan daya beli tenaga kerja. Dengan

26
 tingginya tingkat upah minimum regional maka mencerminkan semakin
tinggi pula tingkat ekonominya (Syam & Wahab, 2015).
Selanjutnya, berdasarkan Peraturan Pemerintah Republik Indonesia
Nomor 78 Tahun 2015 tentang Pengupahan, upah minimum terdiri dari
upah minimum provinsi, upah minimum kabupaten/kota, upah minimum
sektoral provinsi, dan upah minimum sektoral kabupaten/kota. Penetapan
upah dilakukan oleh gubernur selaku kepala daerah yang disesuaikan
dengan penilaian kebutuhan hidup yang layak serta dengan
memperhitungkan produktivitas dan pertumbuhan ekonomi.
Dalam merumuskan penetapan angka UMP/UMK, prosedurnya
diatur oleh Dewan Pengupahan yang ada di tingkat Provinsi ataupun
Kabupaten/Kota. Hal ini ditujukan agar perumusan UMP/UMK benar-
benar merupakan hasil kajian dari data yang dapat
dipertanggungjawabkan. Dengan demikian upah minimum diharapkan
dapat ditetapkan bersifat akseptabel. Status Dewan Pengupahan adalah
sebagai unit pemikir yang membantu pemerintah dalam merumuskan
kebijakan di bidang pengupahan, mengingat fungsi penetapan pengupahan
berperan penting dalam menjaga stabilitas hubungan kerja di Indonesia
(Sudiarta, 2015).
5. Pengeluaran Pemerintah
Mangkoesoebroto mendefinisikan pengeluaran pemerintah sebagai
nilai pembelanjaan oleh pemerintah yang digunakan untuk kepentingan
masyarakat. Pengeluaran pemerintah mencerminkan kebijakan
pemerintah. Apabila pemerintah telah menetapkan suatu kebijakan untuk
membeli suatu barang dan jasa, pengeluaran pemerintah mencerminkan
biaya yang harus dikeluarkan oleh pemerintah untuk melaksanakan
kebijakan tersebut (Ningrum, et al., 2020).
Selain itu, pengeluaran pemerintah dapat juga digunakan sebagai
cerminan dari kebijakan yang diambil oleh pemerintah dalam suatu
daerah. Pengeluaran pemerintah digunakan untuk mendanai sektor-sektor
publik utama yang dapat menunjang peningkatan kesejahteraan

27
masyarakat. Beberapa sektor publik yang dijadikan sebagai prioritas
pemerintah dalam mencapai pembangunan kualitas sumber daya manusia
adalah investasi pada pendidikan dan kesehatan, keduanya diharapkan
dapat memberikan dampak terhadap peningkatan kualitas sumber daya
manusia dan berkurangnya kemiskinan (David & Nasri, 2015).
a. Pengeluaran Pemerintah Bidang Pendidikan
Pengeluaran pemerintah untuk bidang pendidikan merupakan
pengeluaran pemerintah yang sangat mendasar dalam pembangunan
manusia. Pendidikan merupakan bagian penting dalam pencapaian
kapabilitas manusia dan bersifat esensial bagi kehidupan masyarakat.
Pendidikan juga berperan penting dalam meningkatkan kemampuan
suatu negara dalam menyerap teknologi modern, terutama pada negara
berkembang seperti Indonesia. Selain itu, pendidikan juga berperan
penting dalam pengembangan kapasitas dalam rangka mewujudkan
pertumbuhan dan pembangunan yang berkelanjutan (Mongan, 2019).
Adapun pengalokasian anggaran pendidikan tercermin pada pasal
49 UU No. 20 tahun 2003 tepatnya pada pasal 1 di mana anggaran
pendidikan di luar gaji pendidik dan anggaran pendidikan kedinasan
dialokasikan minimal sebesar 20 persen dari Anggaran Pendapatan
Belanja Negara (APBN) sektor pendidikan dan minimal sebesar 20
persen dari Anggaran Pendapatan Belanja Daerah (APBD). Hal ini
juga diwujudkan dengan adanya Peraturan Pemerintah Republik
Indonesia No. 48 tahun 2008 tentang Pendanaan Pendidikan
(Matondang, 2018).
b. Pengeluaran Pemerimtah Bidang Kesehatan
Investasi pemerintah di bidang kesehatan dapat berupa alokasi
anggaran untuk membiayai pengadaan dan pemeliharaan sarana fisik
dan nonfisik bidang kesehatan. Pemerintah membangun sarana dan
prasarana publik agar masyarakat dapat dengan mudah mengakses
pelayanan di bidang kesehatan. Dengan kemudahan akses masyarakat
terhadap layanan kesehatan, maka kebutuhan dasar masyarakat

28
 terhadap kesehatan dapat terpenuhi dan kualitas hidup masyarakat
menjadi meningkat. Dengan mengoptimalkan pengeluaran pemerintah
untuk kepentingan kesehatan pula, maka kualitas kesehatan yang lebih
baik dapat dihasilkan sehingga produktivitas yang tinggi akan lebih
mudah dicapai (Mongan, 2019).
Pengalokasian anggaran kesehatan dapat dilihat dalam UU No 36
tahun 2009 tentang Kesehatan, tepatnya pada pasal 171 ayat 1 & 2,
isinya menyatakan bahwa besaran dana kesehatan yang dialokasikan
pemerintah adalah minimal 5 persen dari Anggaran Pendapatan dan
Belanja Negara (APBN) di luar gaji dan besaran dana kesehatan pada
pemerintah daerah provinsi maupun kabupaten/kota dialokasikan
minimal sebesar 10 persen dari Anggaran Pendapatan dan Belanja
Daerah (APBD) di luar gaji (Matondang, 2018).

B. Penelitian Terdahulu

Peneliti,
Tahun, dan Teknik
No. Hasil Perbedaan
Judul Analisis
Penelitian
1 Rita Herawaty Penelitian ini Hasil estimasi Terdapat
Bangun / 2020 / menggunakan menyatakan bahwa perbedaan pada
Determinan metode variabel jumlah studi kasus,
Peningkatan analisis linier penduduk miskin, beberapa variabel
Pembangunan berganda. tingkat pengangguran independen, dan
Manusia Di terbuka, dan PDRB metode analisis
Sumatera atas dasar harga yang digunakan.
Utara. berlaku secara Selanjutnya,
bersama-sama dalam penelitian
memberikan pengaruh Herawaty (2020),
terhadap peningkatan tidak
IPM. Adapun secara menggunakan
parsial variabel IPM sesuai konsep
independen yang maqashid syariah.
memberikan pengaruh
terhadap variabel
peningkatan IPM

29
 yaitu jumlah
penduduk miskin dan
PDRB atas dasar
harga berlaku,
sedangkan variabel
tingkat pengangguran
terbuka tidak
memberikan pengaruh
secara signifikan.
2 Lailan Syafrina Metode yang Hasil menunjukkan Terdapat
Hasibuan, digunakan bahwa estimasi yang perbedaan pada
Rujiman, & yaitu regresi tepat digunakan yaitu studi kasus, dan
Sukardi / 2020 / data panel. fixed effect model beberapa variabel
Analisis yang menunjukkan independen yang
Determinan variabel inflasi dan digunakan.
Indeks pengangguran Selanjutnya,
Pembangunan memberikan pengaruh dalam penelitian
Manusia (IPM) negarif signifikan Hasibuan, dkk.,
di Indonesia. terhadap variabel IPM (2020) tidak
di Indonesia. menggunakan
Sedangkan variabel IPM sesuai konsep
pertumbuhan maqashid syariah.
ekonomi memberikan
pengaruh negatif tidak
signifikan terhadap
variabel IPM di
Indonesia. Adapun
variabel kemiskinan
tidak memberikan
pengaruh terhadap
variabel IPM di
Indonesia.
3 Radite Teguh Metode Dari 13 variabel yang Terdapat
Handalani / analisis yang yang digunakan perbedaan pada
2018 / digunakan menunjukkan temuan studi kasus, dan
Determinan yaitu analisis bahwa hanya lima beberapa variabel
Indeks regresi data variabel yang independen yang
Pembangunan panel (pooled memberikan pengaruh digunakan.
Manusia di least square). signifikan terhadap Selanjutnya,
Asia Tenggara. peningkatan IPM. dalam penelitian

30
 Diantaranya yaitu Handalani (2018),
Efektivitas tidak
Pemerintahan menggunakan
(Government IPM sesuai konsep
Effectivenes), nilai maqashid syariah.
Indeks Persepsi
Korupsi (CPI), GDP
perkapita, dan FDI
memberikan pengaruh
yang positif,
kemudian variabel
inflasi memberikan
pengaruh yang
negatif.
4 Nurul Shalihah, Metode Hasil penelitian Terdapat
Hijri analisis yang menunjukkan bahwa perbedaan pada
Juliansyah, & digunakan variabel IPM tidak studi kasus,
Mutia Rahmah / yakni vector memberikan pengaruh beberapa variabel
2021 / Analisis auto negatif dan signifikan independen, dan
Rasio regression terhadap dirinya metode analisis
Ketergantungan (VAR). sendiri, kemudian yang digunakan.
dan Tingkat variabel ABK dan Selanjutnya,
Pengangguran TPT tidak dalam penelitian
Terbuka memberikan pengaruh Shalihah, dkk.,
terhadap Indeks negatif dan signifikan (2021), tidak
Pembangunan terhadap variabel menggunakan
Manusia di IPM. IPM sesuai konsep
Provinsi Aceh. maqashid syariah.
5 Reni Mustika Metode Hasil menunjukkan Terdapat
Putri & Karjadi analisis yang bahwa terdapat perbedaan pada
Mintaroem / digunakan pengaruh studi kasus,
2019 / yakni positif yang signifikan beberapa variabel
Determinan ordinary least variabel pertumbuhan independen,
Islamic Human square ekonomi dan belanja metode analisis,
Development (OLS). pemerintah bidang dan indikator
Index (IHDI). pendidikan dan penentu I-HDI
kesehatan terhadap yang digunakan.
variabel Islamic
Human Development
Index (I-HDI) di Jawa

31
 Timur tahun 2001-
2016. Adapun
variabel distribusi
dana zakat, infak dan
sedekah memberikan
pengaruh positif tidak
signifikan terhadap
variabel I-HDI di
Jawa Timur tahun
2001-2016.
6 Siti Rochmah & Teknik Hasil menunjukkan Terdapat
Raditya analisis yang analisis uji t-statistik perbedaan pada
Sukmana / 2019 digunakan secara parsial variabel studi kasus,
/ Pengaruh yakni regresi PDRB berpengaruh beberapa variabel
Faktor-Faktor linier positif tidak independen,
Makroekonomi berganda. signifikan, sedangkan metode analisis,
terhadap variabel dan indikator
Islamic Human pengangguran dan penentu I-HDI
Development tingkat kemiskinan yang digunakan.
Index (I-HDI di berpengaruh negatif
Indonesia signifikan terhadap
Tahun 2013- Islamic Human
2017. Development Index (I-
HDI) di Indonesia
tahun 2013-2017.
Kemudian pada
analisis uji F, semua
variabel secara
simultan memberikan
pengaruh positif
signifikan terhadap
variabel I-HDI di
Indonesia tahun 2013-
2017.
7 Rukiah / 2020 / Metode Hasil penelitian Terdapat
Analysis of analisis yang menunjukkan bahwa perbedaan pada
Relationship digunakan sebagai berikut: 1) studi kasus,
Between yakni terdapat hubungan beberapa variabel
Economic Granger antara pertumbuhan independen,
Growth, Fiscal ekonomi terhadap metode analisis,

32
 Policies, and Causality demografi dan I-HDI. dan indikator
Demographics test. 2) Terdapat hubungan penentu I-HDI
to Islamic antara demografi yang digunakan.
Human terhadap I-HDI dan
Development kebijakan fiskal
Index in dalam bidang
Indonesia kesehatan dan
(Granger pendidikan. 3)
Causality Terdapat hubungan
Approach). antara kebijakan
fiskal dalam bidang
kesehatan terhadap
kebijakan fiskal
dalam bidang
pendidikan.
8 Septiana / 2015 Metode Hasil regresi Terdapat
/ Pengaruh analisis memperlihatkan perbedaan pada
Pengeluaran regresi bahwa variabel studi kasus,
Pemerintah di berganda. pengeluaran metode analisis,
Sektor pemerintah di dan beberapa
Pendidikan dan bidang pendidikan variabel
Kesehatan memiliki pengaruh independen yang
terhadap Indeks yang positif, yaitu digunakan.
Pembangunan meningkat sebesar Selanjutnya,
Manusia di 0,870 dan secara dalam penelitian
Sulawesi Utara. statistik Septiana (2015),
signifikan terhadap tidak
indeks pembangunan menggunakan
manusia. Sedangkan IPM sesuai konsep
variabel pengeluaran maqashid syariah.
pemerintah di bidang
kesehatan memiliki
pengaruh yang
negatif, yaitu sebesar -
0,438 dan secara
statistik tidak
berpengaruh
signifikan terhadap

33
 indeks pembangunan
manusia di Sulawesi
Utara.
9 Mongan / 2019 Metode Hasil penelitian Terdapat
/ Pengaruh regresi data menunjukkan bahwa perbedaan pada
Pengeluaran panel variabel pengeluaran beberapa variabel
Pemerintah belanja pemerintah independen yang
Bidang pusat pada bidang digunakan dan
Pendidikan dan pendidikan tidak periode pada objek
Kesehatan berpengaruh pengamatan.
terhadap Indeks signifikan terhadap Selanjutnya,
Pembangunan IPM. Pengeluaran dalam penelitian
Manusia di pemerintah pusat Mongan (2019),
Indonesia. dalam sektor tidak
kesehatan dan menggunakan
pengeluaran IPM sesuai konsep
pemerintah daerah maqashid syariah.
dalam pendidikan
memberikan pengaruh
yang positif dan
signifikan terhadap
IPM, sedangkan
pengeluaran
pemerintah daerah di
sektor kesehatan
memiliki pengaruh
yang negatif dan
signifikan.
10 Ningrum / 2020 Metode yang Hasil penelitian Terdapat
/ Pengaruh digunakan menunjukkan bahwa perbedaan periode
Kemiskinan, yaitu Regresi kemiskinan dan pada objek
Tingkat Data Penel tingkat pengamatan.
Pengangguran, pengangguran Selanjutnya,
Pertumbuhan memiliki pengaruh dalam penelitian
Ekonomi dan signifikan terhadap Ningrum (2020),
Pengeluaran IPM tahun penelitian. tidak
Pemerintah meningkat. menggunakan
Terhadap Sedangkan variabel IPM sesuai konsep
Indeks maqashid syariah.
Pembangunan

34
 Manusia (IPM) pertumbuhan
di ekonomi dan
Indonesia pengeluaran
Tahun 2014- pemerintah tidak
2018 dalam berpengaruh
Perspektif signifikan terhadap
Islam. IPM
pada tahun penelitian.

11 Maulana & Metode Hasil penelitian Terdapat

Bowo / 2013 / Regresi Data menunjukkan bahwa perbedaan pada
Pengaruh Panel. pertumbuhan beberapa variabel
Pertumbuhan ekonomi dan independen yang
Ekonomi, pendidikan digunakan dan
Pendidikan dan berpengaruh periode pada objek
Teknologi signifikan terhadap pengamatan.
terhadap IPM IPM. Namun, Selanjutnya,
Provinsi di teknologi tidak dalam penelitian
Indonesia berpengaruh ini tidak
2007-2011. signifikan terhadap menggunakan
IPM. IPM sesuai konsep
maqashid syariah.

35
C. Kerangka Penelitian
Berdasarkan landasan teori yang telah dipaparkan sebelumnya, kerangka
penelitian ini dapat digambarkan sebagai berikut:

36
D. Keterkaitan Antar Variabel dan Hipotesis Penelitian
Hipotesis pada penelitian ini dipaparkan sebagai berikut:
1. Hubungan Pertumbuhan Ekonomi terhadap Islamic-Human
Development Index (I-HDI)
Pertumbuhan ekonomi merupakan perkembangan aktivitas dalam
perekonomian yang mengakibatkan barang dan jasa yang diproduksi
masyarakat bertambah sehingga akan meningkatkan kesejahteraan
masyarakat. Pertumbuhan ekonomi yang mengabaikan manusia tidak akan
bertahan lama (sustainable) karena pembangunan manusia atau
peningkatan kualitas sumber daya manusia menjadi hal yang sangat
penting dalam strategi kebijakan pembangunan nasional (Firda, 2014).
Lebih lanjut lagi, pertumbuhan ekonomi merupakan prasayarat
untuk mencapai pembangunan manusia. Seiring dengan adanya
pertumbuhan ekonomi, maka peningkatan produktivitas dan peningkatan
pendapatan dapat terjamin (Wardana, 2016). Dengan meningkatnya
pertumbuhan output perkapita maka pola konsumsi dapat berubah,
sehingga tingkat daya beli masyarakat akan semakin tinggi. Tingginya
daya beli masyarakat tersebut akan dapat meningkatkan IPM, karena daya
beli masyarakat adalah indikator pendapatan yang merupakan salah satu
dari indikator komposit dalam IPM (Todaro dalam Mirza, 2012). Dengan
demikian, pertumbuhan ekonomi yang meningkat akan dapat
meningkatkan kualitas kesejahteraan sosial suatu masyarakat, sehingga
akan dapat meningkatkan human development index dalam perspektif
Islam juga (Putri & Mintaroem, 2019).
Dalam penelitian sebelumnya yang dilakukan oleh Ariza (2016)
bahwa pertumbuhan ekonomi memberikan pengaruh positif dan signifikan
terhadap indeks pembangunan manusia, diketahui bahwa pertumbuhan
ekonomi berkaitan erat dengan peningkatan barang dan jasa yang
diproduksi masyarakat, sehingga semakin banyak yang diproduksi maka
kesejahteraan masyarakat akan mengalami peningkatan. Beberapa
penelitian lain yang memiliki kesamaan dengan hasil penelitian tersebut

37
 yaitu penelitian yang dilakukan oleh Fretes (2017), Fahmi & Dalimunthe
(2018), dan Handalani (2018). Berdasarkan hasil kajian terdahulu tersebut
dapat diketahui bahwa, apabila pertumbuhan ekonomi di suatu daerah
mengalami peningkatan, maka akan memberikan dampak positif terhadap
pembangunan manusia yang ditunjukkan dengan meningkatnya IPM di
daerah tersebut. Sehingga dengan ini merumuskan hipotesis dalam
penelitian ini sebagai berikut:
H0a : Pertumbuhan ekonomi berpengaruh positif terhadap Islamic-
human development index (I-HDI).
2. Hubungan Upah Minimum terhadap Islamic-Human Development
Index (I-HDI)
Upah atau biasa juga disebut dengan balas karya tenaga kerja ada
dua sisi yang penting, untuk pihak produsen upah merupakan biaya
produksi yang harus ditekan serendah mungkin. Di sisi lain, untuk pihak
dari pekerja upah merupakan sumber penghasilan untuk dirinya serta
keluarganya, dan juga menjadi sumber pembelanjaan untuk masyarakat.
Tinggi atau rendahnya tingkat upah bersangkutan dengan pribadi manusia,
harga diri, serta status dalam masyarakat, dan merupakan faktor penting
yang menentukan taraf hidup masyarakat sebagai keseluruhan (Emilia, et.
al., 2021).
Perkembangan upah minimum yang positif dari waktu ke waktu
akan membawa dampak pada peningkatan pendapatan. Dengan keadaan
tersebut akan dapat berakibat pada kemampuan para pekerja untuk
meningkatkan konsumsinya sehingga terjadi peningkatan ekonomi secara
agregat, dengan demikian dapat dikatakan bahwa perkembangan upah
minimum akan dapat berefek pada indeks pembangunan manusia (Sari &
Yusniar, 2019).
Pada penelitian sebelumnya yang dilakukan oleh Harjunadhi &
Rahmawati (2020) bahwa variable upah minimum memberikan pengaruh
positif dan signifikan terhadap Indeks Pembangunan Manusia (IPM) di 34
Provinsi Indonesia. Hal ini berarti, jika variabel upah minimum provinsi

38
 mengalami peningkatan, maka akan memberikan pengaruh peningkatan
pula pada IPM di 34 Provinsi Indonesia. Upah minimum akan
meningkatkan daya beli masyarakat, sehingga masyarakat dapat lebih
mudah mengakses pendidikan dan kesehatan yang merupakan indikator
komposit dalam perhitungan IPM. Adapun penelitian lain yang serupa
dengan hasil tersebut yaitu penelitian yang dilakukan oleh Chalid & Yusuf
(2014), Isnawati (2018), Cahyanti & Fevriera (2020) dan Sania, et. al.,
(2021). Dari beberapa hasil kajian terdahulu tersebut dapat diketahui
bahwa upah minimum dapat memberikan efek positif terhadap indeks
pembangunan manusia. Sehingga dengan ini merumuskan hipotesis dalam
penelitian ini sebagai berikut:
H0b : Upah minimum berpengaruh positif terhadap Islamic-human
development index (I-HDI).
3. Hubungan Pengeluaran Pemerintah Bidang Pendidikan terhadap
Islamic-Human Development Index (I-HDI)
Human development index bergantung pada komitmen pemerintah
sebagai penyedia sarana penunjang. Todaro (2003) dalam bukunya dengan
judul Pembangunan Ekonomi di Dunia Ketiga menyatakan bahwa
pengeluaran pemerintah bidang pendidikan dapat memberikan kontribusi
terhadap indeks pembangunan manusia yaitu modal manusia, dalam artian
modal yang dimaksud yaitu hasil dari investasi yang diberikan oleh
pemerintah pada bidang pendidikan. Apabila pemerintah meningkatkan
pengeluaran pada bidang pendidikan maka akan membuka akses
pendidikan menjadi lebih lebar sehingga dapat menciptakan pendidikan
yang berkualitas dan berdampak pada meningkatnya kualitas manusia di
Indonesia (Fahmi & Dalimunthe, 2018).
Dengan demikian, investasi modal pendidikan yang baik maka akan
meningkatkan pembangunan manusia yang baik pula. Dalam hal ini,
pendidikan memainkan peran utama dalam suatu negara untuk mampu
berkembang menyerap teknologi modern dan peningkatan kapasitasnya
agar tercipta pertumbuhan dan pembangunan yang berkelanjutan,

39
 sehingga akan berpengaruh terhadap indeks pembangunan manusia
(Septiana, et al., 2015).
Dalam penelitian yang dilakukan oleh Bintang, et al. (2015)
menemukan bahwa, pengeluaran pemerintah bidang pendidikan
mempunyai pengaruh positif terhadap IPM di negara OKI dengan
pendekatan maqashid syariah Al-Ghazali. Beberapa penelitian lain yang
memiliki kesamaan dengan hasil penelitian tersebut yaitu penelitian yang
dilakukan oleh Baeti (2013), Septiana, et al. (2015), dan Fahmi &
Dalimunthe (2018). Dari beberapa hasil kajian terdahulu tersebut,
diketahui bahwa apabila pengeluaran pemerintah pada bidang pendidikan
mengalami peningkatan maka akan memberikan efek positif terhadap
peningkatan pencapaian pembangunan manusia. Sehingga dengan ini
merumuskan hipotesis dalam penelitian ini sebagai berikut:
H0c : Pengeluaran pemerintah bidang pendidikan berpengaruh
positif terhadap Islamic-human development index (I-HDI).
4. Hubungan Pengeluaran Pemerintah Bidang Kesehatan terhadap
Islamic-Human Development Index (I-HDI)
Alokasi anggaran pengeluaran pemerintah pada bidang pendidikan
adalah wujud nyata dari investasi untuk meningkatkan produktivitas.
Dalam artian, dengan meningkatkan standar kesehatan masyarakat maka
dapat memberikan efek pada peningkatan produktivitas mereka sebagai
tenaga kerja. Dalam hal ini pusat kesehatan masyarakat dan penyediaan air
bersih adalah modal sosial yang bermanfaat (Suparno, 2014).
Lebih lanjut lagi, investasi publik di sektor kesehatan akan
memberikan kesempatan dan pelayanan kesehatan yang lebih merata
kepada masyarakat sehingga dapat meningkatkan sumber daya manusia
(SDM) yang handal dan sehat (Widodo, et al., 2011). Dalam hal ini,
kesehatan termasuk dalam tujuan pembangunan yang paling dasar karena
kesehatan adalah inti dari kesejahteraan. Dengan demikian, alokasi dana
yang dikeluarkan oleh pemerintah bidang kesehatan dapat meningkatkan

40
kualitas sumber daya manusia, sehingga diharapkan dapat meningkatkan
indeks pembangunan manusia pula (Matondang, 2018).
Dalam penelitian yang dilakukan oleh Aini (2016) menunjukkan
bahwa pengeluaran pemerintah bidang kesehatan berpengaruh positif
terhadap indeks pembangunan manusia, di mana dalam penelitian tersebut
peningkatan pengeluaran pemerintah bidang kesehatan terbukti
berpengaruh cukup besar pada peningkatan kinerja bidang kesehatan dan
berdampak pada peningkatan kualitas pembangunan manusia. Beberapa
penelitian lain yang memiliki kesamaan dengan hasil penelitian tersebut
yaitu penelitian Astri, et al. (2013), Baeti (2013), dan Putri & Mintaroem
(2019). Dari beberapa hasil kajian terdahulu tersebut, diketahui bahwa
apabila pemerintah bersedia menanamkan investasi publik dalam belanja
ataupun pengeluaran pemerintah khususnya pada bidang kesehatan, maka
akan dapat meningkatkan perkembangan indeks pembangunan manusia.
Sehingga dengan ini merumuskan hipotesis dalam penelitian ini sebagai
berikut:
H0d : Pengeluaran pemerintah bidang kesehatan berpengaruh positif
terhadap Islamic-human development index (I-HDI).

41
 BAB III

METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian

Penelitian ini bertujuan untuk melihat pengaruh pertumbuhan ekonomi,
upah minimum, pengeluaran pemerintah bidang pendidikan, dan pengeluaran
pemerintah bidang kesehatan terhadap Islamic-Human Development Index (I-
HDI) dengan studi kasus provinsi di Indonesia periode 2016-2020. Penulis
membatasi pembahasan pada pengukuran pencapaian I-HDI berdasarkan konsep
maqashid shariah yang dikemukakan oleh Al-Ghazali dan Asy-Syatibi yang
terdiri dari 5 pokok penjagaan: yaitu penjagaan terhadap agama (Hifdz Dien),
penjagaan terhadap jiwa (Hifdz Nafs), penjagaan terhadap akal (Hifdz ‘Aql),
penjagaan terhadap keturunan (Hifdz Nasl), dan penjagaan terhadap harta (Hifdz
Maal). Dari konsep maqashid syariah yang dikemukakan tersebut kemudian
dikembangkan oleh Anto (2009) dan dijadikan sebagai sebuah indikator yang
mencerminkan indeks pembangunan manusia perspektif Islam atau disebut
dengan Islamic-Human Development Index (I-HDI).

B. Objek Penelitian
Penelitian ini menggunakan waktu pengamatan selama lima tahun (2016-
2020) yang disesuaikan dengan ketersediaan data yang ada. Selanjutnya, objek
penelitian yang digunakan adalah provinsi dengan jumlah penduduk muslim
terbanyak di Indonesia yaitu sejumlah 29 provinsi, seperti yang ada pada Tabel
3.1.
Tabel 3. 1 Objek Penelitian

No Provinsi No Provinsi
1. Aceh 16. Banten
2. Sumatera Utara 17. Nusa Tenggara Barat
3. Sumatera Barat 18. Kalimantan Barat
4. Riau 19. Kalimantan Tengah
5. Jambi 20. Kalimantan Selatan

42
 6. Sumatera Selatan 21. Kalimantan Timur
7. Bengkulu 22. Kalimantan Utara
8. Lampung 23. Sulawesi Tengah
9. Kep. Bangka Belitung 24. Sulawesi Selatan
10. Kep. Riau 25. Sulawesi Tenggara
11. DKI Jakarta 26. Gorontalo
12. Jawa Barat 27. Sulawesi Barat
13. Jawa Tengah 28. Maluku
14. D.I. Yogyakarta 29. Maluku Utara
15. Jawa Timur

Sedangkan variabel-variabel yang digunakan dalam penelitian ini adalah:

1. Variabel terikat (dependent), yaitu Islamic-Human Development Index (I-
HDI).
2. Variabel bebas (independent), yaitu pertumbuhan ekonomi, upah
minimum, pengeluaran pemerintah bidang pendidikan, dan pengeluaran
pemerintah bidang kesehatan.
C. Jenis dan Sumber Data
Jenis data yang digunakan pada penelitian ini adalah data kuantitatif. Data
kuantitatif adalah alat yang digunakan untuk menganalisis keterangan suatu
pengetahuan dalam bentuk data berupa angka. Data kuantitatif yang dimaksud
pada penelitian ini adalah data statistik sosial-ekonomi dalam bentuk laporan
publikasi.
Dalam melakukan penelitian ini, sumber data yang digunakan adalah data
sekunder. Data sekunder adalah data primer yang telah diolah dan disajikan lebih
lanjut oleh pihak yang mengumpulkan data primer dapat berupa tabel atau
diagram (Husein, 2014). Sumber data yang digunakan dalam penelitian ini
menggunakan data tahunan dalam bentuk pooled data dari tiap provinsi di
Indonesia selama periode 2016-2020 yang diperoleh dari website Badan Pusat
Statistik (BPS) Indonesia, Direktorat Jenderal Perimbangan Keuangan (DJPK)
Kementerian Keuangan, Kementerian Kesehatan Republik Indonesia
(Kemenkes RI) dan sumber-sumber lain yang relevan dalam penelitian ini.

43
D. Metode Pengumpulan Data
1. Library Research (Studi Kepustakaan)
Dalam memecahkan masalah yang diteliti, penulis melakukan studi
kepustakaan melalui membaca dan menelaah buku-buku, jurnal, artikel
ilmiah, dan sumber dokumentasi lain yang relevan dengan topik penelitian
sehingga dapat dijadikan sebagai landasan teori yang kuat.
2. Online Research (Riset Daring)
Selain studi kepustakaan, penulis juga mengumpulkan informasi
yang berkaitan dengan penelitian melalui internet dengan sumber yang
akurat dan dapat dipercaya.
3. Pengumpulan Data Sekunder
Data yang digunakan dalam penelitian ini merupakan data statistik
berupa laporan yang berasal dari website BPS Indoneisa, DJPK
Kemenkeu, Kemenkes RI dan sumber lain yang relevan dengan variabel
yang diteliti. Data dikumpulkan menggunakan aplikasi microsoft excel dan
kemudian dianalisis dengan metode regresi data panel yang diolah dengan
bantuan aplikasi Eviews 9.
E. Definisi Operasional Variabel
Definisi operasional variabel merupakan petunjuk atau penjelasan tentang
definisi konkrit dari masing-masing variabel penelitian yang menyangkut
indikator-indikatornya, dan kemungkinan derajat nilai atau ukurannya (Amir, et
al., 2009). Adapun definisi operasional variabel dalam penelitian ini adalah
sebagai berikut:
1. I-HDI (Islamic-Human Development Index)
I-HDI adalah alat yang digunakan untuk mengetahui indeks
pembangunan manusia berdasarkan perspektif Islam. I-HDI didasarkan
pada lima dimensi maqashid syariah yang dikemukakan oleh ulama klasik
Al-Ghazali dan Asy-Syatibi yaitu penjagaan terhadap agama (Hifdz Dien),
penjagaan terhadap jiwa (Hifdz Nafs), penjagaan terhadap akal (Hifdz
‘Aql), penjagaan terhadap keturunan (Hifdz Nasl), dan penjagaan terhadap
harta (Hifdz Maal) yang merupakan lima kebutuhan dasar yang harus

44
dipenuhi, sebab bila salah satu dari kebutuhan dasar tersebut tidak dapat
terpenuhi akan memberikan dampak pada kebahagiaan hidup menjadi
tidak sempurna (P3EI, 2015). Kemudian dari kelima dimensi tersebut
dikembangkan dan diperbaharui konsepnya menjadi sebuah indeks
dimensi yang digunakan untuk mengukur indeks pembangunan manusia
berdasarkan perspektif Islam oleh peneliti empiris masa kini yaitu MB
Hendrie Anto (2009).
Menurut Anto (2009) dalam penelitiannya, I-HDI adalah suatu
model operasionalisasi konsep ke dalam bentuk beberapa dimensi yang
kemudian diderivasikan ke dalam beberapa elemen terukur. Dalam
pengukurannya, sebelum menghitung I-HDI, diawali dengan menghitung
setiap indeks dimensi yang digunakan pada pengukuran I-HDI tersebut.
Untuk menghitungnya, setiap indeks distandarisasi dengan nilai minimum
dan nilai maksimum terlebih dahulu. Adapun indikator I-HDI yang
digunakan didasarkan pada penelitian yang dilakukan oleh Anto (2009)
disesuaikan dalam Rafsanjani (2014) dan Suharno (2019). Untuk
mengukurnya menggunakan indikator-indikator yang telah dijelaskan
pada sub-bab sebelumnya dan dipilih dengan pertimbangan ketersediaan
data yang ada seperti pada tabel di bawah ini:
Tabel 3. 2 Indikator I-HDI yang digunakan

Nilai Nilai
Dimensi Indikator Keterangan
Maksimum Minimum
Hifdz Angka Nilai Nilai
-
Dien Kriminalitas Maksimum Minimum
Angka
Hifdz
Harapan 85 25 Standar UNDP
Nafs
Hidup
Angka
Harapan Lama 18 0 Standar UNDP
Hifdz
Sekolah
'Aql
Angka Rata-
rata Lama 15 0 Standar UNDP
Sekolah

45
 Laju
Hifdz Nilai Nilai
Pertumbuhan -
Nasl Maksimum Minimum
Penduduk
Pengeluaran
26,572,352 1,007,436 Standar BPS
Perkapita
Hifdz
Maal Indeks
Nilai Nilai
Kedalaman -
Maksimum Minimum
Kemiskinan
Sumber: BPS, dan UNDP disesuaikan.
Selanjutnya rumus yang digunakan untuk menghitung setiap indeks
dimensi tersebut adalah sebagai berikut (Anto, 2009):
𝑨𝒄𝒕𝒖𝒂𝒍 𝑽𝒂𝒍𝒖𝒆−𝑴𝒊𝒏𝒊𝒎𝒂𝒍 𝑽𝒂𝒍𝒖𝒆
Indeks Dimensi = 𝑴𝒂𝒙𝒊𝒎𝒂𝒍 𝑽𝒂𝒍𝒖𝒆−𝑴𝒊𝒏𝒊𝒎𝒂𝒍 𝑽𝒂𝒍𝒖𝒆

Adapun actual value menunjukkan nilai aktual dari dimensi suatu

negara, sedangkan maximal value dan minimal value adalah nilai
maksimum dan minimum dari dimensi yang sama pada negara sampel.
Adapun untuk beberapa dimensi seperti dimensi agama, dimensi jiwa, dan
dimensi harta merujuk pada standar nilai maksimum dan nilai minimum
yang ditetapkan oleh UNDP dan nasional.
Selanjutnya, untuk penjelasan indikator yang digunakan pada
penelitian ini adalah sebagai berikut:
a. Indeks Agama (ad-Dien)
Indeks agama menggunakan indikator angka kriminalitas.
Angka kriminalitas adalah refleksi dari penjagaan agama, di mana
Allah telah menyatakan bahwa segala sesuatu yang dilakukan
manusia di muka bumi ini selalu di bawah pengawasan-Nya dan
akan dimintai pertanggungjawabannya, sehingga dengan semakin
berkurangnya angka kriminalitas, maka hal ini adalah salah satu
cerminan dari penjagaan agama atau hifdz dien. Rafsanjani (2019)
juga menyatakan bahwa angka kriminalitas dapat digunakan karena
merupakan cerminan dari salah satu rukun Islam yaitu sholat.
Semakin taat seseorang untuk sholat, maka semakin terjaga
seseorang untuk tidak melakukan berbuat kejahatan. Rumus indeks
agama adalah sebagai berikut:

46
 𝑨𝒄𝒕𝒖𝒂𝒍 𝑪𝒓𝒊𝒎𝒆−𝑴𝒊𝒏𝒊𝒎𝒂𝒍 𝑪𝒓𝒊𝒎𝒆
Indeks Agama (ID) = 𝑴𝒂𝒙𝒊𝒎𝒂𝒍 𝑪𝒓𝒊𝒎𝒆−𝑴𝒊𝒏𝒊𝒎𝒂𝒍 𝑪𝒓𝒊𝒎𝒆

b. Indeks Jiwa (an-Nafs)

Indeks jiwa menggunakan indikator angka harapan hidup.
Dalam hal ini, indikator tersebut dapat memproyeksikan rata-rata
tahun yang masih dijalani seseorang dan berlaku pada tempat tinggal
yang mereka tempati. UNDP juga menggunakan angka harapan
hidup sebagai indikator dari human development index, dengan
demikian indikator ini telah sesuai dengan standar nasional dan
internasional. Rumus indeks jiwa yang digunakan adalah sebagai
berikut:
𝑨𝒄𝒕𝒖𝒂𝒍 𝑳𝒊𝒇𝒆 𝑬𝒙𝒑𝒆𝒄𝒕𝒂𝒄𝒚 − 𝟐𝟓
Indeks Jiwa (INF) = 85 − 𝟐𝟓

c. Indeks Akal (al-‘Aql)

Indeks akal menggunakan indikator angka harapan lama
sekolah dan angka rata-rata lama sekolah. Pengunaan indikator
tersebut disesuaikan dengan standar terbaru nasional maupun
internasional yang diusung oleh UNDP, sehingga indikator tersebut
sudah tepat untuk digunakan. Lebih lanjut lagi, indikator angka
harapan lama sekolah dapat dijadikan sebagai representasi dan bahan
evaluasi dari pencapaian suatu daerah kedepannya, sedangkan
indikator rata-rata lama sekolah dapat dijadikan representasi dari
kondisi sumber daya manusia yang ada di daerah tersebut. Rumus
indeks akal dengan indikator harapan lama sekolah dan rata-rata
lama sekolah yang digunakan adalah sebagai berikut:
𝑨𝒄𝒕𝒖𝒂𝒍 𝑬𝒚𝒔−𝟎
Harapan lama sekolah (Eys) = 𝟏𝟖−𝟎
𝑨𝒄𝒕𝒖𝒂𝒍 𝑴𝒚𝒔𝒊−𝟎
Rata-rata lama sekolah (Mysi) = 𝟏𝟓−𝟎

Indeks Akal (IA) =1/2 (Eys) + 1/2 (Mysi)

d. Indeks Keturunan (an-Nasl)
Indeks keturunan menggunakan indikator laju pertumbuhan
penduduk. Indikator tersebut dipilih sebagai bentuk representasi dari
penjagaan keturunan. Dalam hal ini manusia adalah sumber daya

47
 yang penting bagi alam semesta sehingga harus dijaga kuantitasnya.
Rumus indeks keturunan yang digunakan adalah sebagai berikut:
𝑨𝒄𝒕𝒖𝒂𝒍 𝑳𝑷𝑷−𝑴𝒊𝒏𝒊𝒎𝒂𝒍 𝑳𝑷𝑷
Indeks Keturunan (INS) = 𝑴𝒂𝒙𝒊𝒎𝒂𝒍 𝑳𝑷𝑷 − 𝑴𝒊𝒏𝒊𝒎𝒂𝒍 𝑳𝑷𝑷

e. Indeks Harta (al-Maal)

Indeks keturunan menggunakan indikator pengeluaran
perkapita. Dalam hal ini, indikator pengeluaran perkapita adalah
bentuk representasi dari menjaga harta, di mana dalam Islam
manusia diberi hak untuk memperkaya dirinya namun tetap
dibarengi dengan fungsi sosial semisal bersedekah kepada orang
yang membutuhkan. Rumus indeks harta dengan indikator
pengeluaran perkapita dan indeks kedalaman kemiskinan yang
digunakan adalah sebagai berikut:
𝑨𝒄𝒕𝒖𝒂𝒍 𝑷𝑷−𝟏,𝟎𝟎𝟕,𝟒𝟑𝟔
Pengeluaran Perkapita (PP) = 𝟐𝟔,𝟓𝟕𝟐,𝟑𝟓𝟐−𝟏,𝟎𝟎𝟕,𝟒𝟑𝟔
𝑨𝒄𝒕𝒖𝒂𝒍 𝑰𝑲𝑲−𝑴𝒊𝒏𝒊𝒎𝒂𝒍 𝑰𝑲𝑲
Indeks Kedalaman Kemiskinan (IKK) = 𝑴𝒂𝒙𝒊𝒎𝒂𝒍 𝑰𝑲𝑲−𝑴𝒊𝒏𝒊𝒎𝒂𝒍 𝑰𝑲𝑲

Indeks Harta (IM) =1/2 (PP) + 1/2 (IKK)

Dari perhitungan rumus pembentuk I-HDI tersebut, maka dapat
ditarik rumus I-HDI sebagai berikut:
I-HDI = (2/6 (ID) + 1/6 (INF + IA + INS + IM)) x 100
2. Pertumbuhan Ekonomi
Pertumbuhan ekonomi adalah indikator yang digunakan untuk
mengukur pencapaian pembangunan suatu negara. Pertumbuhan ekonomi
mengacu pada sejauh mana kegiatan ekonomi dapat menghasilkan
pendapatan tambahan bagi masyarakat selama periode waktu tertentu.
Dalam penelitian ini, pertumbuhan ekonomi menggunakan indikator
produk domestik regional bruto perkapita atas dasar harga konstan pada
tingkat provinsi di Indonesia dari tahun 2016-2020.
3. Upah Minimum
Upah minimum merupakan upah bulanan terendah yang terdiri atas
upah tanpa tunjangan atau upah pokok termasuk tunjangan tetap. Upah
minimum hanya berlaku bagi Pekerja/Buruh dengan masa kerja kurang

48
 dari satu tahun pada perusahaan yang bersangkutan. Upah minimum yang
digunakan pada penelitian ini yaitu upah minimum pada tingkat provinsi
di Indonesia dari tahun 2016-2020.
4. Pengeluaran Pemerintah Bidang Pendidikan
Pengeluaran pemerintah bidang pendidikan adalah anggaran yang
dikeluarkan oleh pemerintah yang digunakan untuk membiayai
pembangunan suatu daerah di bidang pendidikan. Adapun pengeluaran
pemerintah yang menjadi fokus pada penelitian ini adalah realisasi APBD
fungsi pendidikan pada tingkat provinsi di Indonesia dari tahun 2016-
2020.
5. Pengeluaran Pemerintah Bidang Kesehatan
Pengeluaran pemerintah bidang kesehatan adalah anggaran yang
dikeluarkan oleh pemerintah yang digunakan untuk membiayai
pembangunan suatu daerah di bidang kesehatan. Adapun pengeluaran
pemerintah yang menjadi fokus pada penelitian ini adalah realisasi APBD
fungsi kesehatan pada tingkat provinsi di Indonesia dari tahun 2016-2020.

F. Metode Analisis Data

1. Model Regresi Data Panel
Data Panel adalah gabungan dari data runtut waktu (time series) dan
data tabulasi silang (cross section). Caraka & Yasin, (2017) menyatakan
bahwa, regresi data panel memiliki beberapa keuntungan diantaranya.
Pertama, data panel menyediakan data yang lebih banyak karena
menggabungkan data time series dan data cross section sehingga degree
of freedom yang dihasilkan dapat lebih besar. Kedua, estimasi data panel
dapat mengatasi masalah yang disebabkan karena penghilangan variabel
dalam model (omitted variable). Adapun regresi data panel menggunakan
model sebagai berikut:
Yit = β0+ β1 Xit + εit ; i = 1,2,....,N ; t = 1,2,….., T ... (3.1)
di mana :
Yit : peubah tak bebas unit individu ke-i dan unit waktu ke-t
Xit : peubah bebas untuk unit individu ke-i dan unit waktu ke-t
β0 : koefisien intersep yang merupakan skalar

49
 β1 : koefisien slope dengan dimensi K x 1, dimana K adalah
banyaknya peubah bebas
N : banyaknya observasi
T : banyaknya waktu

Selanjutnya, model persamaan yang peneliti gunakan untuk melihat

pengaruh pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah
bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan
terhadap Islamic-Human Development Index adalah sebagai berikut:
I-HDIit = β0 + β1LN_PEit + β2LN_UPAHMINit + β3LN_PPPENDit
+ β4LN_PPKESit + εit ... (3.2)
di mana :
I-HDIit : Islamic-human development index (I-HDI) di
provinsi i pada periode t
LN : Logaritma Natural
PEit : Pertumbuhan ekonomi di provinsi i periode t
UpahMinit : Upah minimum di provinsi i periode t
PPPendit : Pengeluaran pemerintah bidang pendidikan di
provinsi i periode t
PPKesit : Pengeluaran pemerintah bidang kesehatan di
provinsi i periode t
β0 : Intersep
β1,β2, dst. : Koefisien regresi
εit : Error
2. Estimasi Model Regresi Data Panel
Pada data panel, terdapat tiga teknik untuk meregresi data, yaitu
pendekatan kuadrat terkecil (Common Effect Model), pendekatan efek
tetap (Fixed Effect Model), dan pendekatan efek acak (Random Effect
Model). Widarjono (2018) menyatakan bahwa, common effect model
adalah model yang paling sederhana dengan asumsi bahwa objek yang
diteliti sama pada dimensi individu dan waktu. Akan tetapi, pada dasarnya
objek yang diteliti adalah berbeda. Model regresi data panel yang
perlakuan objeknya berbeda adalah fixed effect dan random effect. Yang
membedakan antara fixed effect dan random effect terletak pada apakah
perbedaan itu terjadi secara acak atau tidak. Apabila tidak acak maka
disebut dengan fixed effect sedangkan jika acak maka disebut random
effect.

50
a. Common Effect Model
Model ini menggunakan estimasi pendekatan kuadrat
terkecil/pooled least square, karena hanya mengkombinasikan data
cross section dan data time series dalam satu kesatuan. Widarjono
(2018) menyatakan bahwa, model ini mengasumsikan bahwa tidak
terdapat adanya perbedaan perilaku antar individu dalam berbagai
kurun waktu karena tidak memperhatikan dimensi individu maupun
waktu. Pada model ini mengestimasikan parameternya
menggunakan metode kuadrat terkecil atau ordinary least square
(OLS).
b. Fixed Effect Model
Bawono & Shina (2018) menyatatakan bahwa, model ini
menutupi kekurangan dari common effect model yang terdapat
ketidaksesuaian pada model dengan keadaan yang sesungguhnya.
Fixed effect model mengasumsikan terdapat efek yang berbeda antar
individu. Hal ini disebabkan oleh variabel yang tidak
memungkinkan untuk dimasukkan semuanya, sehingga intercept
tidak konstan baik lintas unit cross section maupun unit time series.
Salah satu cara mengatasi perbedaan tersebut adalah dengan
mengestimasikan dengan menggunakan teknik variabel dummy atau
Least Square Dummy Variables (LSDV), sehingga dapat
memberikan perbedaan pada nilai parameternya, baik lintas unit
cross section maupun unit time series (Caraka & Yasin, 2017).
c. Random Effect Model
Variabel dummy yang dimasukkan pada fixed effect model
menyebabkan masalah pada berkurangnya derajat kebebasan
(degree of freedom) sehingga dapat mengurangi efisiensi parameter.
Hal tersebut dapat ditangani dengan menggunakan variabel
gangguan (error terms) atau yang dikenal dengan random effect
model. Pada model ini mengestimasikan bahwa penggunaan variabel

51
 gangguan diduga saling memiliki keterkaitan antar waktu dan antar
individu. (Widarjono, 2018).
3. Pemilihan Metode Estimasi Data Panel
Dalam menentukan model terbaik pada pengujian regresi data panel,
dapat dilakukan dengan melakukan uji Chow dan uji Hausman.
a. Uji Chow (Chow Test)
Uji Chow digunakan untuk memilih antara model common
effect atau fixed effect. Hipotesis pada pengujian ini adalah bahwa
intersep sama, atau dengan kata lain model yang tepat pada regresi
data panel ini adalah common effect model, kemudian hipotesis
alternatifnya adalah intersep yang tidak sama atau model yang tepat
pada regresi data panel ini adalah fixed effect model. Apabila nilai F-
hitung menunjukkan lebih besar dari F-kritis maka hipotesis nul
ditolak dengan begitu model yang tepat untuk pengujian ini adalah
fixed effect model. Atau sebaliknya, apabila nilai F-hitung
menunjukkan lebih kecil dari F-kritis maka hipotesis nul diterima
dengan begitu model yang tepat untuk pengujian ini adalah common
effect model (Munandar, 2017). Adapun hipotesis yang dibentuk
adalah sebagai berikut:
H0: Common Effect Model
H1: Fixed Effect Model
H0 ditolak jika P-value lebih kecil dari tingkat signifikansi atau
alpha. Adapun sebaliknya, H0 diterima jika P-value menunjukkan
lebih besar dari tingkat signifikansi atau alpha. Dalam hal ini, tingkat
signifikansi atau alpha yang digunakan yaitu sebesar 5%.
b. Uji Hausman (Hausman Test)
Uji Hausman digunakan untuk memilih antara model random
effect atau fixed effect. Pengujian spesifikasi Hausman mengikuti
distribusi Chi Squared yang didasarkan pada kriteria Wald.
Hipotesis nulnya adalah bahwa model yang tepat untuk digunakan
pada regresi data panel ini adalah random effect model dan hipotesis

52
 alternatifnya adalah model yang tepat untuk digunakan pada regresi
data panel ini adalah fixed effect model. Jika nilai statistik Hausman
menunjukkan hasil yang lebih besar dari nilai kritis Chi-Squares atau
P-value, maka hipotesis nul ditolak yang artinya model yang tepat
pada pengujian ini adalah fixed effect model. Begitu juga sebaliknya,
jika nilai statistik Hausman menunjukkan hasil yang lebih kecil dari
nilai kritis Chi-Squares atau P-value, maka hipotesis nul diterima.
Artinya model yang tepat pada pengujian ini adalah random effect
model. Adapun hipotesis yang dibentuk adalah sebagai berikut :
H0 : Random Effect Model
H1 : Fixed Effect Model
H0 ditolak jika P-value lebih kecil dari tingkat signifikansi atau
alpha. Sebaliknya, H0 diterima jika P-value lebih besar dari tingkat
signifikansi atau alpha. Tingkat signifikansi atau alpha yang
digunakan yaitu sebesar 5%.
4. Uji Hipotesis
a. Uji Signifikansi Parsial (Uji t)
Uji signifikansi parsial atau uji t pada dasarnya menunjukkan
seberapa jauh pengaruh satu variabel independen terhadap variabel
dependen dengan asumsi variabel independen lainnya konstan.
Pengujian ini dapat dilakukan dengan dengan membandingkan nilai
probabilitas t-hitung dengan tingkat signifikansi atau alpha sebesar
5%. Jika nilai probabilitas t-hitung kurang dari tingkat signifikansi
atau alpha sebesar 5%, maka dapat disimpulkan bahwa variabel
independen berpengaruh signifikan terhadap variabel dependen.
Namun sebaliknya jika nilai probabilitas t-hitung lebih besar dari
tingkat signifikansi atau alpha sebesar 5%, maka dapat disimpulkan
bahwa variabel independen tidak berpengaruh signifikan terhadap
variabel dependen (Purbaningsih, 2021).
b. Uji Signifikansi Simultan (Uji F)

53
 Uji signifikansi simultan atau uji F pada dasarnya
menunjukkan apakah semua variabel independen yang dimasukkan
dalam model memiliki pengaruh bersama atau simultan terhadap
variabel dependen. Pengujian dapat dilakukan dengan
membandingkan nilai probabilitas F-hitung dengan tingkat
signifikansi atau alpha sebesar 5%. Jika nilai probabilitas F-hitung
kurang dari tingkat signifikansi atau alpha sebesar 5%, maka dapat
disimpulkan bahwa model regresi diestimasikan layak digunakan,
namun sebaliknya jika nilai probabilitas F-hitung lebih besar dari
tingkat signifikansi atau alpha sebesar 5%, maka dapat disimpulkan
bahwa model regresi yang diestimasikan tidak layak digunakan.
c. Uji Koefisien Determinasi (Uji R2)
Pengujian ini bertujuan untuk mengetahui garis regresi yang
terbentuk dalam mewakili kelompok data hasil pengamatan sudah
tepat atau tidak dalam meramalkan nilai variabel dependen. Semakin
besar nilai koefisien determinasi yang ditunjukkan atau mendekati 1,
maka ketepatan dikatakan semakin baik (Bawono & Shina, 2018).
Koefisien determinasi memiliki sifat-sifat sebagai berikut:
1) Nilai R2 selalu positif karena merupakan pembagian dari
jumlah kuadrat.
2) Nilai 0 ≤ R2 ≤ 1
a) R2 = 0, dapat diartikan bahwa tidak ada hubungan antara
variabel independen terhadap variabel dependen,
sehingga model regresi yang terbentuk tidak tepat dalam
meramalkan nilai variabel dependen.
b) R2 = 1, dapat diartikan bahwa terdapat hubungan antar
variabel, sehingga model regresi yang terbentuk dapat
meramalkan nilai variabel dependen dengan sempurna.

54
 BAB IV

ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

1. Pencapaian Islamic-Human Development Index (I-HDI) di Indonesia
periode 2016-2020
Pengukuran pencapaian I-HDI pada penelitian ini menggunakan
indikator angka kriminalitas, angka harapan hidup, harapan lama sekolah,
rata-rata lama sekolah, laju pertumbuhan penduduk, pengeluaran perkapita
dan indeks kedalaman kemiskinan yang dicerminkan dari lima indeks
dimensi berupa penjagaan terhadap agama (Hifdz Dien), penjagaan
terhadap jiwa (Hifdz Nafs), penjagaan terhadap akal (Hifdz ‘Aql),
penjagaan terhadap keturunan (Hifdz Nasl), dan penjagaan terhadap harta
(Hifdz Maal) yang dikemukakan oleh Al-Ghazali dan Asy-Syatibi.
Dalam penelitian ini, perhitungan pencapaian I-HDI menggunakan
rumus sebagai berikut:
I-HDI = (2/6 (ID) + 1/6 (INF + IA + INS + IM)) x 100
Sebagai contoh berikut hasil perhitungan I-HDI pada salah satu
provinsi yang menjadi objek penelitian yaitu Provinsi Banten yang dapat
diamati pada Tabel 4.1.
Tabel 4. 1 Hasil Perhitungan I-HDI Provinsi Banten Periode 2016-2020
Tahun
Indeks
2016 2017 2018 2019 2020
Hifdz Dien (ID) 0.7478 0.8406 0.8435 0.8580 0.8174
Hifdz Nafs (INF) 0.7410 0.7415 0.7440 0.7473 0.7493
Hifdz ‘Aql (IA) 0.6318 0.6393 0.6443 0.6491 0.6544
Hifdz Nasl (INS) 0.5575 0.5500 0.5425 0.5350 0.5225
Hifdz Maal (IM) 0.6096 0.6108 0.6011 0.6202 0.5718
I-HDI 67.26 70.38 70.31 71.13 68.88
Sumber: Hasil Perhitungan I-HDI

55
 Adapun hasil perhitungan I-HDI pada 29 provinsi di Indonesia
periode 2016-2020 yang menjadi objek penelitian dapat dilihat pada Tabel
4.2.
Tabel 4. 2 Hasil Perhitungan I-HDI Provinsi Periode 2016-2020
Tahun
Provinsi
2016 2017 2018 2019 2020
Aceh 49.09 51.68 52.19 55.16 54.01
Sumatera Utara 44.17 43.10 48.04 49.57 48.09
Sumatera Barat 43.72 47.51 48.17 52.14 57.49
Riau 64.22 67.25 66.63 67.64 64.32
Jambi 45.67 46.93 55.28 54.15 58.49
Sum-Sel 44.70 49.74 53.05 53.85 53.92
Bengkulu 39.81 54.14 52.97 53.46 52.86
Lampung 55.15 54.56 57.39 58.13 57.94
Kep. Bangka Belitung 61.31 62.41 61.53 62.75 61.08
Kep. Riau 57.74 62.56 64.90 65.51 63.96
DKI Jakarta 59.40 62.17 62.64 63.75 65.09
Jawa Barat 65.08 65.31 68.22 69.37 67.87
Jawa Tengah 63.11 63.66 65.65 65.97 65.42
DI Yogyakarta 50.05 53.68 56.21 56.80 51.12
Jawa Timur 61.23 57.59 59.83 60.86 63.35
Banten 67.26 70.38 70.31 71.13 68.88
NTB 49.78 50.15 54.17 51.57 50.76
Kalimantan Barat 56.37 59.08 59.20 61.93 66.40
Kalimantan Tengah 64.21 65.34 62.22 66.75 68.54
Kalimantan Selatan 57.08 57.65 63.34 60.95 52.03
Kalimantan Timur 54.59 57.23 61.33 66.06 67.71
Kalimantan Utara 70.23 70.63 76.99 69.90 64.42
Sulawesi Tengah 37.24 34.48 38.64 47.10 49.52
Sulawesi Selatan 52.89 43.54 44.30 50.98 55.96
Sulawesi Tenggara 59.44 61.75 67.89 67.97 62.77
Gorontalo 37.42 40.43 43.37 48.40 45.33
Sulawesi Barat 57.77 55.12 56.12 56.21 57.99
Maluku 54.57 50.17 52.44 47.65 37.77
Maluku Utara 66.98 67.66 67.37 68.07 67.13
Sumber : Hasil perhitungan I-HDI
Berdasarkan hasil perhitungan I-HDI provinsi di Indonesia periode
2016-2020 tersebut dapat diketahui bahwa status pencapaian I-HDI
didominasi oleh kategori rendah, namun tidak sedikit juga provinsi yang

56
sudah berada pada kategori sedang. Lebih lanjut, hanya provinsi Banten
dan Kalimantan Utara yang nilai I-HDI-nya pernah mencapai kategori
tinggi (70,00 ≤ nilai I-HDI ≤ 79,99). Provinsi di Indonesia yang
pencapaian I-HDI-nya secara konsisten dari tahun 2016-2020 berada pada
kategori sedang (60,00 ≤ nilai I-HDI ≤ 69,99) yaitu Riau, Kepulauan
Bangka Belitung, Jawa Barat, Jawa Tengah, Kalimantan Tengah, dan
Maluku Utara. Kemudian provinsi yang mengalami peningkatan
signifikan dari tahun 2016-2020 dan telah memasuki kategori sedang
setelah sebelumnya berada pada kategori rendah yaitu Kepulauan Riau,
DKI Jakarta, Jawa Timur, Kalimantan Barat, Kalimantan Timur, dan
Sulawesi Tenggara. Adapun I-HDI provinsi yang dari tahun 2016-2020
masih berada pada kategori rendah (00,00 ≤ nilai I-HDI ≤ 59,99) yaitu
Aceh, Sumatera Utara, Sumatera Barat, Jambi, Sumatera Selatan,
Bengkulu, Lampung, DI Yogyakarta, Nusa Tenggara Barat, Kalimantan
Selatan, Sulawesi Tengah, Sulawesi Selatan, Gorontalo, Sulawesi Barat,
dan Maluku. Sementara itu, untuk kategori I-HDI sangat tinggi (80,00 ≤
nilai I-HDI ≤ 100.00) dari tahun 2016-2020 belum ada provinsi yang
mencapainya.
Hasil perhitungan I-HDI provinsi yang status pencapaiannya
didominasi kategori rendah tersebut berbanding terbalik dengan Human
Delopment Index (HDI) provinsi yang statusnya didominasi kategori
tinggi. Adapun tinggi rendahnya nilai I-HDI tidak didominasi oleh daerah-
daerah tertentu yang berada di wilayah barat atau timur Indonesia.
Misalnya I-HDI status kategori sedang untuk beberapa provinsi di wilayah
timur Indonesia tidak sedikit juga yang sudah masuk pada kategori
tersebut. Berbeda dengan HDI yang status kategori tinggi masih
didominasi oleh wilayah barat Indonesia, sementara wilayah timur status
kategori sedang masih yang mendominasi. Pencapaian I-HDI yang
berbeda dengan HDI tersebut disebabkan karena indikator I-HDI
memasukkan unsur spiritual dan moral sehingga dapat menjadi lebih

57
 komprehensif dan kompatibel dibandingkan dengan indikator yang
digunakan dalam HDI.
2. Perkembangan Pertumbuhan Ekonomi di Indonesia periode 2016-
2020
Pertumbuhan ekonomi yang diproksikan dengan PDRB perkapita
merupakan salah satu komponen penting bagi suatu daerah yang dapat
menjadi acuan pemerintah dalam mengukur kinerja pembangunan.
Perkembangan PDRB perkapita provinsi di Indonesia dari tahun 2016-
2020 terhadap 29 provinsi yang menjadi objek penelitian ini dapat dilihat
pada Gambar 4.1.
Gambar 4. 1 Rata-Rata PDRB perkapita Periode 2016-2020

Sumber: BPS Indonesia (data diolah)

Berdasarkan Gambar 4.1 dapat diketahui bahwa selama tahun 2016-
2020 rata-rata pertumbuhan ekonomi yang diproksikan dengan PDRB
perkapita dalam lima tahun terakhir, provinsi yang memiliki rata-rata
PDRB perkapita tertinggi masih dipimpin oleh DKI Jakarta dengan rata-
rata PDRB perkapita sebesar Rp.163,629,94 (dalam ribu rupiah) disusul
provinsi Kalimantan Timur sebesar Rp.127,916.59 (dalam ribu rupiah),
sedangkan PDRB perkapita terendah adalah provinsi Maluku dengan rata-
rata sebesar Rp.16,423.06 (dalam ribu rupiah). Adapun menurut laporan
Badan Pusat Statistik Indonesia untuk struktur perekonomian Indonesia
selama tahun 2016-2020 masih didominasi oleh provinsi yang berada di

58
 wilayah barat Indonesia khususnya Pulau Jawa yang menyumbang
kontribusi terbesar terhadap PDB melebihi 50%.
3. Perkembangan Upah Minimum di Indonesia periode 2016-2020
Kenaikan upah minum provinsi ditentukan berdasarkan data inflasi
dan pertumbuhan ekonomi nasional / pertumbuhan produk domestik bruto,
serta kewenangannya dipegang oleh Gubernur dan harus berdasarkan
Peraturan Pemerintah (PP) No. 78 tahun 2015 tentang pengupahan.
Adapun perkembangan upah minimum provinsi di Indonesia selama tahun
2016-2020 pada 29 provinsi yang menjadi objek penelitian dapat dilihat
pada Gambar 4.2.
Gambar 4. 2 Rata-Rata Upah Minimum Provinsi Periode 2016-2020

Sumber: BPS Indonesia (data diolah)

Berdasarkan Gambar 4.2 dapat diketahui bahwa rata-rata upah
minimum dari tahun 2016-2020 pada 29 provinsi yang menjadi objek
penelitian terus mengalami peningkatan setiap tahunnya. Di antara
provinsi-provinsi tersebut terdapat 3 provinsi yang mengalami
peningkatan tinggi selama tahun 2016-2020 yaitu DKI Jakarta, Kepulauan
Bangka Belitung, dan Aceh, dan dari kelima provinsi tersebut yang
memiliki upah minimum tertinggi adalah provinsi DKI Jakarta yaitu
sebesar Rp.4,276,350 pada tahun 2020, sedangkan yang terendah adalah
provinsi DI Yogyakarta yaitu sebesar Rp.1,704,608 pada tahun 2020.
4. Perkembangan Pengeluaran Pemerintah Bidang Pendidikan di
Indonesia periode 2016-2020

59
 Kebijakan bidang anggaran pendidikan masuk dalam ranah
pelayanan publik dan besarannya selalu diusahakan minimal 20 persen
dari total anggaran belanja negara, baik anggaran pemerintah pusat
maupun anggaran daerah. Adapun perkembangan pengeluaran pemerintah
bidang pendidikan pada 29 provinsi yang menjadi objek penelitian dapat
dilihat pada Gambar 4.3.
Gambar 4. 3 Rata-Rata Pengeluaran Bidang Pendidikan Periode 2016-2020

Sumber: Direktorat Jenderal Perimbangan Keuangan Kemenkeu (data diolah)

Berdasarkan Gambar 4.3 dapat dilihat bahwa dari 29 provinsi yang
menjadi objek penelitian terdapat 4 provinsi dengan rata-rata pengeluaran
pemerintah bidang pendidikan tertinggi dibandingkan dengan provinsi
lainnya, diantaranya yaitu DKI Jakarta, Jawa Barat, Jawa Tengah, dan
Jawa Timur. Adapun provinsi dengan pengeluaran pemerintah bidang
pendidikan yang mempunyai rata-rata tertinggi selama periode 2016-2020
yaitu provinsi Jawa Timur sebesar 15,4 trilyun rupiah, berselisih tipis
dengan DKI Jakarta yang sebesar 15,3 trilyun rupiah. Sementara rata-rata
terendah yaitu provinsi Kalimantan Utara sebesar 483,5 milyar rupiah.
Tinggi rendahnya pengeluaran pemerintah bidang pendidikan pada tiap
provinsi bergantung pada kemampuan pemerintah setempat khususnya
dinas pendidikan dalam mengelola anggaran tersebut.
5. Perkembangan Pengeluaran Pemerintah Bidang Kesehatan di
Indonesia periode 2016-2020

60
 Anggaran kesehatan masyarakat diatur dan diamanatkan dalam
Undang-Undang No. 36 tahun 2009 tentang Kesehatan pasal 171 ayat 1 &
2, amanat dalam undang-undang tersebut adalah pemerintah daerah dapat
memenuhi anggaran kesehatan minimal sebesar 5 persen dari total
anggaran pemerintah pusat dan 10 persen dari total belanja daerah. Adapun
perkembangan pengeluaran pemerintah bidang kesehatan pada 29 provinsi
yang menjadi objek penelitian dapat dilihat pada Gambar 4.4.
Gambar 4. 4 Rata-Rata Pengeluaran Bidang Kesehatan Periode 2016-2020

Sumber: Direktorat Jenderal Perimbangan Keuangan Kemenkeu (data diolah)

Berdasarkan Gambar 4.4 dapat diketahui bahwa dari 29 provinsi
yang menjadi objek penelitian, terdapat 2 provinsi yang memiliki
pengeluaran bidang kesehatan terbesar dan jauh gapnya dibandingkan
dengan provinsi lainnya, yaitu DKI Jakarta dan Jawa Timur. Adapun
provinsi yang memiliki rata-rata pengeluaran pemerintah bidang kesehatan
tertinggi selama periode 2016-2020 yaitu provinsi DKI Jakarta sebesar 9,4
trilyun rupiah. Sementara rata-rata terendah yaitu provinsi Gorontalo
sebesar 153 milyar rupiah. Penyerapan anggaran tersebut berkaitan dengan
kemampuan tiap provinsi atau daerah dalam melaksanakan semua
program pembangunan yang dituangkan dalam Rencana Pembangunan
Jangka Menengah tiap provinsi dan kedepannya dapat berimbas pada
pencapaian pembangunan bidang kesehatan dalam jangka panjang.

B. Analisis Data

61
1. Pemilihan Model Regresi Data Panel
Data panel merupakan kumpulan dari data time series dan data cross
section. Terdapat tiga teknik model regresi pada data panel, yaitu Common
Effect Model, Fixed Effect Model, dan Random Effect Model. Dalam
memilih model regresi terbaik diantara ketiga model tersebut dilakukan
dengan pengujian Chow Test dan Hausman Test. Langkah pertama yang
dapat dilakukan yaitu dengan mengumpulkan data dari masing-masing
variabel yang telah diolah dengan tiap model regresi. Setelah itu dilakukan
Chow Test dan Hausman Test untuk memilih model regresi terbaik yang
akan digunakan. Adapun hasil dari pengujian Chow Test dan Hausman
Test ditunjukkan pada Tabel 4.3 dan Tabel 4.4.
a. Chow Test
Tabel 4. 3 Hasil Uji Chow
Redundant Fixed Effects Tests
Pool: Untitled
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 25.444829 (28,112) 0.0000

Cross-section Chi-square 289.452475 28 0.0000
Sumber: Output EViews 9 (data diolah)
Chow Test ditujukan untuk memilih model terbaik antara
Common Effect atau Fixed Effect dengan melihat nilai probabilitas
cross-section F. Jika nilai probabilitas cross-section F menunjukkan
lebih besar dari alpha 5%, maka H0 diterima artinya model yang
terbaik adalah Common Effect. Sebaliknya, jika nilai probabilitas
cross-section F menunjukkan lebih kecil dari alpha 5%, maka H0
ditolak artinya model terbaik yang dipilih adalah Fixed Effect.
Adapun dari hasil olah data diketahui bahwa nilai probabilitas cross-
section F sebesar 0.0000 menunjukkan lebih kecil dari alpha 5%
(0.0000<0.05), maka hipotesis H0 ditolak dan model terbaik yang
dipilih yaitu Fixed Effect. Langkah selanjutnya yaitu melakukan
pengujian Hausman Test.

62
 b. Hausman Test
Tabel 4. 4 Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Pool: Untitled
Test cross-section random effects

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

Cross-section random 6.552773 4 0.1615

Sumber: Output EViews 9 (data diolah)
Hausman Test ditujukan untuk memilih antara model Fixed
Effect atau Random Effect yang terbaik digunakan dengan cara
melihat nilai probabilitas chi-square. Jika nilai probabilitas chi-
square menunjukkan hasil yang lebih besar dari alpha 5%, maka H0
diterima artinya model terbaik yang digunakan adalah Random
Effect. Sebaliknya, jika nilai probabilitas chi-square menunjukkan
hasil yang lebih kecil dari alpha 5%, maka H0 ditolak artinya model
terbaik untuk digunakan adalah Fixed Effect. Adapun berdasarkan
hasil olah data dapat diketahui bahwa nilai probabilitas chi-square
sebesar 0.1614 menunjukkan hasil yang lebih kecil dari alpha 5%
(0.1615>0.05), maka hipotesis H0 diterima dan model terbaik akhir
yang dipilih yaitu Random Effect (lihat Tabel 4.4).
2. Hasil Analisis Regresi Data Panel
Setelah dilakukan pemilihan model regresi data panel yang tepat
hasilnya menunjukkan bahwa Random Effect Model adalah model yang
terbaik untuk digunakan dalam penelitian ini. Random Effect Model
menggunakan pendekatan Generalized Least Squared (GLS) atau disebut
dengan Error Component Model (ECM) dalam mengestimasikan
modelnya dan memiliki kelebihan dibandingkan dengan model lainnya
yaitu dapat mengatasi gejala heteroskedastisitas (Gujarati, 2012). Adapun
hasil pengujian ketiga model regresi data panel pada penelitian ini dapat
dilihat pada Tabel 4.5.

63
 Tabel 4. 5 Hasil Empiris Data Panel
Variable Model 1 : CEM Model 2 : FEM Model 3 : REM
C 0.075306 -1. 722709 -0. 973585
(0.8827) (0.0101) (0.0212)
LN_PE 0. 059753 0. 171302 0. 066941
(0. 0001) (0.0262) (0.0191)
LN_UPAHMIN -0. 007358 0. 062485 0. 078310
(0. 6125) (0.0657) (0.0034)
LN_PPPEND 0. 002663 -0. 005264 -0. 001207
(0. 7801) (0.4816) (0.8629)
LN_PPKES -0. 000711 -0. 009541 -0. 009632
(0. 9490) (0.4389) (0.3705)
R-squared 0.135004 0. 882493 0. 173639
Adj R-squared 0.110290 0. 848919 0. 150029
F-stat 5.462636 26. 28536 7. 354369
Sumber: Output EViews 9 (data diolah)
I-HDI = -0.0973585 + 0.066941LN_PE + 0.078310LN_UPAHMIN
+ -0.001207LN_PPPEND + -0.009632LN_PPKES ... (4.1)
Berdasarkan persamaan model regresi data panel pada Tabel 4.5,
maka dapat diketahui sebagai berikut:
a. Nilai koefisien konstanta (C) sebesar -0.0973585 adalah nilai dari
variabel dependen berupa Islamic-human development index (I-
HDI) jika seluruh variabel independen yang terdiri dari pertumbuhan
ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan bernilai
0 atau konstan.
b. Variabel pertumbuhan ekonomi menunjukkan nilai koefisien yang
positif sebesar 0.066941, maka dapat diketahui bahwa setiap
kenaikan 1% dari pertumbuhan ekonomi maka dapat meningkatkan
Islamic-human development index (I-HDI) sebesar 0.066941 dengan
asumsi variabel lain bernilai 0 atau konstan.
c. Variabel upah minimum menunjukkan nilai koefisien positif sebesar
0.078310, maka dapat diketahui bahwa setiap kenaikan 1% dari upah
minimum maka dapat meningkatkan Islamic-human development
index (I-HDI) sebesar 0.078310 dengan asumsi variabel lain bernilai
0 atau konstan.

64
 d. Variabel pengeluaran pemerintah bidang pendidikan menunjukkan
nilai koefisien negatif sebesar -0.001207, maka dapat diketahui
bahwa setiap kenaikan 1% dari pengeluaran pemerintah bidang
pendidikan maka dapat menurunkan Islamic-human development
index (I-HDI) sebesar -0.001207 dengan asumsi variabel lain
bernilai 0 atau konstan.
e. Variabel pengeluaran pemerintah bidang kesehatan menunjukkan
nilai koefisien negatif sebesar -0.009632, maka dapat diketahui
bahwa setiap kenaikan 1% dari pengeluaran pemerintah bidang
kesehatan maka dapat menurunkan Islamic-human development
index (I-HDI) sebesar -0.009632 dengan asumsi variabel lain
bernilai 0 atau konstan.
3. Koefisien Masing-Masing Provinsi
Adapun nilai koefisien Islamic-human development index (I-HDI)
yang diperoleh pada masing-masing provinsi jika variabel pertumbuhan
ekonomi, upah minimum, pengeluaran pemerintah bidang pendidikan, dan
pengeluaran pemerintah bidang kesehatan bersifat konstan atau ceteris
paribus dapat dilihat pada Tabel 4.6.
Tabel 4. 6 Pengaruh Pada Masing-Masing Provinsi
_ACEH--C -0.02614 _BANTEN--C 0.120036
_SUMUT--C -0.10221 _NTB--C -0.00221
_SUMBAR--C -0.05783 _KALBAR--C 0.055797
_RIAU--C 0.031957 _KALTENG--C 0.065573
_JAMBI--C -0.06379 _KALSEL--C 0.015885
_SUMSEL--C -0.07898 _KALTIM--C -0.04877
_BENGKULU--C -0.02823 _KALUT--C 0.052312
_LAMPUNG--C 0.01379 _SULTENG--C -0.15357
_BABEL--C 0.013239 _SULSEL--C -0.08862
_KEPRI--C -0.01922 _SULTRA--C 0.061923
_DKI--C -0.06054 _GORONTALO--C -0.12697
_JABAR--C 0.13251 _SULBAR--C 0.008772
_JATENG--C 0.129226 _MALUKU--C -0.04374
_DIY--C 0.002546 _MALUT--C 0.121848
_JATIM--C 0.075381
Sumber: Output EViews 9 (data diolah)

65
a. Provinsi Aceh
Provinsi Aceh memiliki koefisien sebesar -0.02614. Artinya,
Provinsi Aceh memiliki potensi I-HDI sebesar -0.02614 jika tidak
dipengaruhi oleh variabel pertumbuhan ekonomi, upah minimum,
pengeluaran pemerintah bidang pendidikan, dan pengeluaran
pemerintah bidang kesehatan. Dengan demikian, seluruh variabel
independen sangat menentukan nilai I-HDI yang mampu dihasilkan
oleh Provinsi Aceh supaya menghasilkan nilai I-HDI yang positif.
b. Provinsi Sumatera Utara
Provinsi Sumatera Utara memiliki koefisien sebesar -0.10221.
Artinya, Provinsi Sumatera Utara memiliki potensi I-HDI sebesar -
0.10221 jika tidak dipengaruhi oleh variabel pertumbuhan ekonomi,
upah minimum, pengeluaran pemerintah bidang pendidikan, dan
pengeluaran pemerintah bidang kesehatan. Dengan demikian,
seluruh variabel independen sangat menentukan nilai I-HDI yang
mampu dihasilkan oleh Provinsi Sumatera Utara supaya
menghasilkan nilai I-HDI yang positif.
c. Provinsi Sumatera Barat
Provinsi Sumatera Barat memiliki koefisien sebesar -0.05783.
Artinya, Provinsi Sumatera Barat memiliki potensi I-HDI sebesar -
0.05783 jika tidak dipengaruhi oleh variabel pertumbuhan ekonomi,
upah minimum, pengeluaran pemerintah bidang pendidikan, dan
pengeluaran pemerintah bidang kesehatan. Dengan demikian,
seluruh variabel independen sangat menentukan nilai I-HDI yang
mampu dihasilkan oleh Provinsi Sumatera Barat supaya
menghasilkan nilai I-HDI yang positif.
d. Provinsi Riau
Provinsi Riau memiliki koefisien sebesar 0.031957. Artinya,
Provinsi Riau memiliki potensi I-HDI sebesar 0.031957 jika tidak
dipengaruhi oleh variabel pertumbuhan ekonomi, upah minimum,

66
 pengeluaran pemerintah bidang pendidikan, dan pengeluaran
pemerintah bidang kesehatan. Dengan demikian, seluruh variabel
independen sangat menentukan nilai I-HDI yang mampu dihasilkan
oleh Provinsi Riau.
e. Provinsi Jambi
Provinsi Jambi memiliki koefisien sebesar -0.06379. Artinya,
Provinsi Jambi memiliki potensi I-HDI sebesar -0.06379 jika tidak
dipengaruhi oleh variabel pertumbuhan ekonomi, upah minimum,
pengeluaran pemerintah bidang pendidikan, dan pengeluaran
pemerintah bidang kesehatan. Dengan demikian, seluruh variabel
independen sangat menentukan nilai I-HDI yang mampu dihasilkan
oleh Provinsi Jambi supaya menghasilkan nilai I-HDI yang positif.
f. Provinsi Sumatera Selatan
Provinsi Sumatera Selatan memiliki koefisien sebesar -
0.078981. Artinya, Provinsi Sumatera Selatan memiliki potensi I-
HDI sebesar -0.078981 jika tidak dipengaruhi oleh variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah
bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan.
Dengan demikian, seluruh variabel independen sangat menentukan
nilai I-HDI yang mampu dihasilkan oleh Provinsi Sumatera Selatan
supaya menghasilkan nilai I-HDI yang positif.
g. Provinsi Bengkulu
Provinsi Bengkulu memiliki koefisien sebesar -0.02823.
Artinya, Provinsi Bengkulu memiliki potensi I-HDI sebesar -
0.02823 jika tidak dipengaruhi oleh variabel pertumbuhan ekonomi,
upah minimum, pengeluaran pemerintah bidang pendidikan, dan
pengeluaran pemerintah bidang kesehatan. Dengan demikian,
seluruh variabel independen sangat menentukan nilai I-HDI yang
mampu dihasilkan oleh Provinsi Bengkulu supaya menghasilkan
nilai I-HDI yang positif.
h. Provinsi Lampung

67
 Provinsi Lampung memiliki koefisien sebesar 0.01379.
Artinya, Provinsi Lampung memiliki potensi I-HDI sebesar 0.01379
jika tidak dipengaruhi oleh variabel pertumbuhan ekonomi, upah
minimum, pengeluaran pemerintah bidang pendidikan, dan
pengeluaran pemerintah bidang kesehatan. Dengan demikian,
seluruh variabel independen sangat menentukan nilai I-HDI yang
mampu dihasilkan oleh Provinsi Lampung.
i. Provinsi Kepulauan Bangka Belitung
Provinsi Kepulauan Bangka Belitung memiliki koefisien
sebesar 0.013239. Artinya, Provinsi Kepulauan Bangka Belitung
memiliki potensi I-HDI sebesar 0.013239 jika tidak dipengaruhi oleh
variabel pertumbuhan ekonomi, upah minimum, pengeluaran
pemerintah bidang pendidikan, dan pengeluaran pemerintah bidang
kesehatan. Dengan demikian, seluruh variabel independen sangat
menentukan nilai I-HDI yang mampu dihasilkan oleh Provinsi
Kepulauan Bangka Belitung.
j. Provinsi Kepulauan Riau
Provinsi Kepulauan Riau memiliki koefisien sebesar -
0.019219. Artinya, Provinsi Kepulauan Riau memiliki potensi I-HDI
sebesar -0.019219 jika tidak dipengaruhi oleh variabel pertumbuhan
ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan. Dengan
demikian, seluruh variabel independen sangat menentukan nilai I-
HDI yang mampu dihasilkan oleh Provinsi Kepulauan Riau supaya
menghasilkan nilai I-HDI yang positif.
k. Provinsi DKI Jakarta
Provinsi DKI Jakarta memiliki koefisien sebesar -0.060536.
Artinya, Provinsi DKI Jakarta potensi I-HDI sebesar -0.060536 jika
tidak dipengaruhi oleh variabel pertumbuhan ekonomi, upah
minimum, pengeluaran pemerintah bidang pendidikan, dan
pengeluaran pemerintah bidang kesehatan. Dengan demikian,

68
 seluruh variabel independen sangat menentukan nilai I-HDI yang
mampu dihasilkan oleh Provinsi DKI Jakarta supaya menghasilkan
nilai I-HDI yang positif.
l. Provinsi Jawa Barat
Provinsi Jawa Barat memiliki koefisien sebesar 0.13251.
Artinya, Provinsi Jawa Barat memiliki potensi I-HDI sebesar
0.13251 jika tidak dipengaruhi oleh variabel pertumbuhan ekonomi,
upah minimum, pengeluaran pemerintah bidang pendidikan, dan
pengeluaran pemerintah bidang kesehatan. Dengan demikian,
seluruh variabel independen sangat menentukan nilai I-HDI yang
mampu dihasilkan oleh Provinsi Jawa Barat.
m. Provinsi Jawa Tengah
Provinsi Jawa Tengah memiliki koefisien sebesar 0.129226.
Artinya, Provinsi Jawa Tengah memiliki potensi I-HDI sebesar
0.129226 jika tidak dipengaruhi oleh variabel pertumbuhan
ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan. Dengan
demikian, seluruh variabel independen sangat menentukan nilai I-
HDI yang mampu dihasilkan oleh Provinsi Jawa Tengah.
n. Provinsi DI Yogyakarta
Provinsi DI Yogyakarta memiliki koefisien sebesar 0.002546.
Artinya, Provinsi DI Yogyakarta memiliki potensi I-HDI sebesar
0.002546 jika tidak dipengaruhi oleh variabel pertumbuhan
ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan. Dengan
demikian, seluruh variabel independen sangat menentukan nilai I-
HDI yang mampu dihasilkan oleh Provinsi DI Yogyakarta.
o. Provinsi Jawa Timur
Provinsi Jawa Timur memiliki koefisien sebesar 0.075381.
Artinya, Provinsi Jawa Timur memiliki potensi I-HDI sebesar
0.075381 jika tidak dipengaruhi oleh variabel pertumbuhan

69
 ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan. Dengan
demikian, seluruh variabel independen sangat menentukan nilai I-
HDI yang mampu dihasilkan oleh Provinsi Jawa Timur.
p. Provinsi Banten
Provinsi Banten memiliki koefisien sebesar 0.120036.
Artinya, Provinsi Banten memiliki potensi I-HDI sebesar 0.120036
jika tidak dipengaruhi oleh variabel pertumbuhan ekonomi, upah
minimum, pengeluaran pemerintah bidang pendidikan, dan
pengeluaran pemerintah bidang kesehatan. Dengan demikian,
seluruh variabel independen sangat menentukan nilai I-HDI yang
mampu dihasilkan oleh Provinsi Banten.
q. Provinsi Nusa Tenggara Barat
Provinsi Nusa Tenggara Barat memiliki koefisien sebesar -
0.002206. Artinya, Provinsi Nusa Tenggara Barat memiliki potensi
I-HDI sebesar -0.002206 jika tidak dipengaruhi oleh variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah
bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan.
Dengan demikian, seluruh variabel independen sangat menentukan
nilai I-HDI yang mampu dihasilkan oleh Provinsi Nusa Tenggara
Barat supaya menghasilkan nilai I-HDI yang positif.
r. Provinsi Kalimantan Barat
Provinsi Kalimantan Barat memiliki koefisien sebesar
0.055797Artinya, Provinsi Kalimantan Barat memiliki potensi I-
HDI sebesar 0.055797 jika tidak dipengaruhi oleh variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah
bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan.
Dengan demikian, seluruh variabel independen sangat menentukan
nilai I-HDI yang mampu dihasilkan oleh Provinsi Kalimantan Barat.
s. Provinsi Kalimantan Tengah

70
 Provinsi Kalimantan Tengah memiliki koefisien sebesar
0.065573. Artinya, Provinsi Kalimantan Tengah memiliki potensi I-
HDI sebesar 0.065573 jika tidak dipengaruhi oleh variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah
bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan.
Dengan demikian, seluruh variabel independen sangat menentukan
nilai I-HDI yang mampu dihasilkan oleh Provinsi Kalimantan
Tengah.
t. Provinsi Kalimantan Selatan
Provinsi Kalimantan Selatan memiliki koefisien sebesar
0.015885. Artinya, Provinsi Kalimantan Selatan memiliki potensi I-
HDI sebesar 0.015885 jika tidak dipengaruhi oleh variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah
bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan.
Dengan demikian, seluruh variabel independen sangat menentukan
nilai I-HDI yang mampu dihasilkan oleh Provinsi Kalimantan
Selatan.
u. Provinsi Kalimantan Timur
Provinsi Kalimantan Timur memiliki koefisien sebesar -
0.048772. Artinya, Provinsi Kalimantan Timur memiliki potensi I-
HDI sebesar -0.048772 jika tidak dipengaruhi oleh variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah
bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan.
Dengan demikian, seluruh variabel independen sangat menentukan
nilai I-HDI yang mampu dihasilkan oleh Provinsi Kalimantan Timur
supaya menghasilkan nilai I-HDI yang positif.
v. Provinsi Kalimantan Utara
Provinsi Kalimantan Utara memiliki koefisien sebesar
0.052312. Artinya, Provinsi Kalimantan Utara memiliki potensi I-
HDI sebesar 0.052312 jika tidak dipengaruhi oleh variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah

71
 bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan.
Dengan demikian, seluruh variabel independen sangat menentukan
nilai I-HDI yang mampu dihasilkan oleh Provinsi Kalimantan Utara.
w. Provinsi Sulawesi Tengah
Provinsi Sulawesi Tengah memiliki koefisien sebesar -
0.0153565. Artinya, Provinsi Sulawesi Tengah memiliki potensi I-
HDI sebesar -0.0153565 jika tidak dipengaruhi oleh variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah
bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan.
Dengan demikian, seluruh variabel independen sangat menentukan
nilai I-HDI yang mampu dihasilkan oleh Provinsi Sulawesi Tengah
supaya menghasilkan nilai I-HDI yang positif.
x. Provinsi Sulawesi Selatan
Provinsi Sulawesi Selatan memiliki koefisien sebesar -
0.088616. Artinya, Provinsi Sulawesi Selatan memiliki potensi I-
HDI sebesar -0.088616 jika tidak dipengaruhi oleh variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah
bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan.
Dengan demikian, seluruh variabel independen sangat menentukan
nilai I-HDI yang mampu dihasilkan oleh Provinsi Sulawesi Selatan
supaya menghasilkan nilai I-HDI yang positif.
y. Provinsi Sulawesi Tenggara
Provinsi Sulawesi Tenggara memiliki koefisien sebesar
0.061923. Artinya, Provinsi Sulawesi Tenggara memiliki potensi I-
HDI sebesar 0.061923 jika tidak dipengaruhi oleh variabel
pertumbuhan ekonomi, upah minimum, pengeluaran pemerintah
bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan.
Dengan demikian, seluruh variabel independen sangat menentukan
nilai I-HDI yang mampu dihasilkan oleh Provinsi Sulawesi
Tenggara.
z. Provinsi Gorontalo

72
 Provinsi Gorontalo memiliki koefisien sebesar -0.0126973.
Artinya, Provinsi Gorontalo memiliki potensi I-HDI sebesar -
0.0126973 jika tidak dipengaruhi oleh variabel pertumbuhan
ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan. Dengan
demikian, seluruh variabel independen sangat menentukan nilai I-
HDI yang mampu dihasilkan oleh Provinsi Gorontalo supaya
menghasilkan nilai I-HDI yang positif.
aa. Provinsi Sulawesi Barat
Provinsi Sulawesi Barat memiliki koefisien sebesar 0.008772.
Artinya, Provinsi Sulawesi Barat memiliki potensi I-HDI sebesar
0.008772 jika tidak dipengaruhi oleh variabel pertumbuhan
ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan. Dengan
demikian, seluruh variabel independen sangat menentukan nilai I-
HDI yang mampu dihasilkan oleh Provinsi Sulawesi Barat.
bb. Provinsi Maluku
Provinsi Maluku memiliki koefisien sebesar -0.04374.
Artinya, Provinsi Maluku memiliki potensi I-HDI sebesar -0.04374
jika tidak dipengaruhi oleh variabel pertumbuhan ekonomi, upah
minimum, pengeluaran pemerintah bidang pendidikan, dan
pengeluaran pemerintah bidang kesehatan. Dengan demikian,
seluruh variabel independen sangat menentukan nilai I-HDI yang
mampu dihasilkan oleh Provinsi Maluku supaya menghasilkan nilai
I-HDI yang positif.
cc. Provinsi Maluku Utara
Provinsi Maluku Utara memiliki koefisien sebesar 0.121848.
Artinya, Provinsi Maluku Utara memiliki potensi I-HDI sebesar
0.121848 jika tidak dipengaruhi oleh variabel pertumbuhan
ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan. Dengan

73
 demikian, seluruh variabel independen sangat menentukan nilai I-
HDI yang mampu dihasilkan oleh Provinsi Maluku Utara.
4. Hasil Uji Hipotesis
a. Uji Signifikansi Parsial (Uji t)
Tabel 4. 7 Hasil Uji Signifikansi Parsial
Variable Coefficient Std. Error t-Statistic Prob.

C -0.973585 0.417846 -2.330144 0.0212

LN_PE 0.066941 0.028223 2.371926 0.0191
LN_UPAHMIN 0.078310 0.026275 2.980561 0.0034
LN_PPPEND -0.001207 0.006982 -0.172981 0.8630
LN_PPKES -0.009632 0.010721 -0.898424 0.3705
Sumber: Output EViews 9 (data diolah)
Uji signifikansi parsial bertujuan untuk melihat pengaruh
masing-masing variabel secara parsial terhadap variabel dependen.
Berdasarkan hasil olah data diatas dengan menggunakan model
Random Effect dapat diketahui probabilitas dari masing-masing
variabel independen sebagaimana yang dijelaskan sebagai berikut:
1) Pada variabel pertumbuhan ekonomi memiliki nilai
probabilitas sebesar 0.0191 menunjukkan lebih kecil dari
alpha 5% (0.0191<0.05). Artinya, variabel pertumbuhan
ekonomi secara parsial dapat berpengaruh signifikan terhadap
variabel Islamic-human development index (I-HDI).
2) Pada variabel upah minimum memiliki nilai probabilitas
sebesar 0. 0034 menunjukkan lebih kecil dari alpha 5% (0.
0034<0.05). Artinya, variabel upah minimum secara parsial
dapat berpengaruh signifikan terhadap variabel Islamic-human
development index (I-HDI).
3) Pada variabel pengeluaran pemerintah bidang pendidikan
memiliki nilai probabilitas sebesar 0.8630 menunjukkan lebih
besar dari alpha 5% (0.8630>0.05). Artinya, variabel
pengeluaran pemerintah bidang pendidikan secara parsial
tidak dapat berpengaruh signifikan terhadap variabel Islamic-
human development index (I-HDI).

74
 4) Pada variabel pengeluaran pemerintah bidang kesehatan
memiliki nilai probabilitas sebesar 0.3705 menunjukkan lebih
besar dari alpha 5% (0.3705>0.05). Artinya, variabel
pengeluaran pemerintah bidang kesehatan secara parsial tidak
dapat berpengaruh signifikan terhadap variabel Islamic-human
development index (I-HDI).
b. Uji Signifikansi Simultan (Uji F)
Tabel 4. 8 Hasil Uji Signifikansi Simultan
F-statistic 7.354369
Prob(F-statistic) 0.000021
Sumber: Output EViews 9 (data diolah)
Uji signifikansi simultan bertujuan untuk melihat pengaruh
seluruh variabel independen secara simultan terhadap variabel
dependen. Berdasarkan hasil olah data diatas dapat diketahui bahwa
hasil F-stat adalah sebesar 7.354369, sedangkan nilai prob (F-stat)
adalah sebesar 0.000021 berada dibawah alpha 5% (0.000021<0.05)
maka dapat diketahui bahwa seluruh variabel yaitu pertumbuhan
ekonomi, upah minimum, pengeluaran pemerintah bidang
pendidikan, dan pengeluaran pemerintah bidang kesehatan secara
simultan memiliki pengaruh terhadap variabel Islamic-human
development index (I-HDI) sehingga dapat disimpulkan bahwa
model regresi yang diestimasikan layak digunakan.
c. Uji Koefisien Determinasi (Uji R2)
Tabel 4. 9 Hasil Uji Koefisien Determinasi
R-squared 0.173639
Adjusted R-squared 0.150029
Sumber: Output EViews 9 (data diolah)
Uji koefisien determinasi bertujuan untuk mengetahui
seberapa besar variabel independen dalam menjelaskan
pengaruhnya terhadap variabel dependen. Berdasarkan hasil olah
data diatas menunjukkan nilai R-squared sebesar 0.173639 dan
Adjusted R-squared sebesar 0.150029. Adapun pada penelitian ini
menggunakan lebih dari dua variabel, maka dalam pengujian ini

75
 dilakukan dengan melihat Adjusted R-squared yaitu sebesar
0.150029. Hasil tersebut menunjukkan bahwa variabel independen
berupa pertumbuhan ekonomi, upah minimum, pengeluaran
pemerintah bidang pendidikan, dan pengeluaran pemerintah bidang
kesehatan dapat menjelaskan pengaruhnya sebesar 15.0029%
terhadap variabel dependen yaitu Islamic-human development index
(I-HDI). Sedangkan sisanya sebesar 84.9971% dijelaskan
pengaruhnya oleh variabel lain yang tidak diteliti dalam penelitian
ini.
C. Pembahasan Hasil Penelitian
1. Pengaruh Pertumbuhan Ekonomi terhadap Islamic-Human
Development Index (I-HDI)
Berdasarkan hasil penelitian dapat diketahui bahwa variabel
pertumbuhan ekonomi secara parsial memiliki pengaruh positif terhadap
Islamic-human development index (I-HDI), maka dapat diketahui bahwa
hipotesis H0a diterima. Hasil penelitian ini sejalan dengan penelitian yang
dilakukan oleh Putri & Mintaroem (2019) yang menemukan bahwa
pertumbuhan ekonomi dapat memberikan pengaruh positif terhadap
pencapaian pembangunan manusia dalam perspektif Islam, karena dalam
hal ini pertumbuhan ekonomi berkaitan dengan pemenuhan kebutuhan
masyarakat yang merupakan salah satu bentuk dari indeks dimensi I-HDI
yaitu indeks harta.
Hasil penelitian ini juga didukung oleh teori yang dikemukakan oleh
Professor Kuznet yang menyatakan bahwa tingginya pertumbuhan output
perkapita adalah salah satu dari karakteristik pertumbuhan ekonomi
modern. Tingginya pertumbuhan output menghasilkan perubahan pada
pola konsumsi dalam pemenuhan kebutuhan, sehingga dapat dikatakan
bahwa semakin meningkatnya pertumbuhan ekonomi, maka akan semakin
meningkat pula pertumbuhan output perkapita dan akan mengubah pola
konsumsi dalam hal ini tingkat daya beli masyarakat yang akan semakin
meningkat (Todaro, 1997). Tingginya daya beli masyarakat tentunya akan

76
 meningkatkan pencapaian pembangunan manusia, karena daya beli
masyarakat adalah salah satu bentuk dari indikator komposit dalam
pengukuran pencapaian pembangunan manusia yaitu indikator
pengeluaran perkapita (Mirza, 2011).
Beberapa penelitian lain yang juga memiliki kesamaan dengan hasil
penelitian ini yaitu penelitian Fretes (2017), Fahmi & Dalimunthe, (2018),
Handalani (2018), dan Sania et, al., (2021). Oleh karena itu, dapat
diketahui bahwa variabel pertumbuhan ekonomi yang diproksikan dengan
PDRB perkapita pada penelitian ini dapat berpengaruh positif terhadap
peningkatan pencapaian pembangunan manusia atau dalam penelitian ini
yaitu Islamic-Human Development Index (I-HDI) di Indonesia periode
2016-2020.
2. Pengaruh Upah Minimum terhadap Islamic-Human Development
Index (I-HDI)
Berdasarkan hasil penelitian dapat diketahui bahwa variabel upah
minimum secara parsial memiliki pengaruh positif terhadap Islamic-
human development index (I-HDI), maka dapat diketahui bahwa hipotesis
H0b diterima. Hasil penelitian ini sejalan dengan penelitian yang dilakukan
oleh Sari & Yusniar (2019) yang mengungkapkan bahwa variabel upah
minimum berpengaruh positif terhadap peningkatan pencapaian
pembangunan manusia. Perkembangan upah minimum yang positif dari
waktu ke waktu akan memberikan pengaruh terhadap peningkatan
pendapatan yang berakibat pada kemampuan para pekerja dalam
meningkatkan konsumsinya, sehingga mengakibatkan terjadinya
peningkatan ekonomi secara agregat. Dengan demikian dapat diketahui
bahwa upah minimum yang positif pada penelitian ini dapat berdampak
pada peningkatan pencapaian I-HDI di Indonesia.
Jika upah tenaga kerja mengalami peningkatan, maka kesejahteraan
tenaga kerja tersebut juga akan meningkat sebagai akibat dari adanya
peningkatan kualitas standar hidup layak, sehingga salah satu indikator
indeks pembangunan manusia dalam hal ini adalah standar hidup layak

77
 akan dapat terpenuhi. Selain itu, dengan adanya peningkatan upah
minimum maka dapat meningkatkan kinerja dan produktifitas tenaga kerja
pula (Kiha et, al., 2021). Beberapa penelitian lain yang memiliki kesamaan
dengan hasil penelitian ini yaitu penelitian Chalid & Yusuf (2014),
Cahyanti (2020), Herjunadhi (2020), dan Faizin (2021). Oleh karena itu,
dapat diketahui bahwa dengan meningkatnya upah minimum maka akan
meningkatkan pencapaian pembangunan manusia atau dalam penelitian ini
yaitu Islamic-Human Development Index (I-HDI) di Indonesia periode
2016-2020.
3. Pengaruh Pengeluaran Pemerintah Bidang Pendidikan terhadap
Islamic-Human Development Index (I-HDI)
Berdasarkan hasil penelitian dapat diketahui bahwa variabel
pengeluaran pemerintah bidang pendidikan secara parsial tidak memiliki
pengaruh terhadap Islamic-human development index (I-HDI), maka dapat
diketahui bahwa hipotesis H0c ditolak. Hasil penelitian ini sejalan dengan
penelitian yang dilakukan oleh Rukiah (2019) yang mengungkapkan
bahwa faktor pengeluaran pemerintah di bidang pendidikan bukan
merupakan faktor dominan yang dapat menentukan peningkatan I-HDI di
Indonesia. Kondisi ini dapat dimaknai bahwa masih terdapat sasaran dan
strategi yang belum tepat terhadap pembangunan dalam bidang pendidikan
apabila dikaitkan dengan pencapaian I-HDI di Indonesia.
Dalam penelitian Astri & Winarti (2014) menjelaskan bahwa tidak
berpengaruhnya anggaran pendidikan disebabkan karena anggaran
pendidikan yang sebesar 20 persen dari anggaran belanja negara tersebut
semuanya tidak dialokasikan dengan tepat untuk pendidikan melainkan
juga dialokasikan untuk gaji pegawai dan biaya lainnya. Sehingga besaran
pengeluaran pemerintah dari tahun ke tahun belum menunjukkan pengaruh
yang signifikan terhadap pencapaian pembangunan manusia.
Hasil penelitian ini juga didukung oleh temuan World Bank dalam
Laporan Kemenkeu Ditjen Anggaran yang menunjukkan bahwa terdapat
empat masalah rendahnya kualitas pendidikan di Indonesia diantaranya

78
 yaitu kinerja antara pemerintah pusat dan daerah yang masih belum
sinergis, kualitas guru yang belum memadai, akuntabilitas yang masih
rendah, dan kinerja monitoring evaluasi yang masih belum optimal
sehingga menyebabkan alokasi anggaran masih belum efisien dan tidak
berdampak pada pencapaian I-HDI di Indonesia. Beberapa penelitian lain
yang juga memiliki kesamaan dengan hasil penelitian ini yaitu penelitian
Siregar et, al., (2018), Nor & Nasruddin (2019), dan Ginting (2021).
Namun, temuan dalam penelitian ini juga bertentangan dengan teori
yang dikemukakan oleh Todaro (2003) yang menyatakan bahwa
pengeluaran pemerintah bidang pendidikan dapat berkontribusi terhadap
indeks pembangunan manusia yaitu modal manusia, dalam artian modal
yang dimaksud ialah hasil dari investasi yang diberikan oleh pemerintah
pada bidang pendidikan. Dalam penelitian Palupi (2020) menjelaskan
bahwa seharusnya pengeluaran pemerintah di bidang pendidikan memiliki
korelasi positif terhadap pembangunan manusia dalam perspektif Islam.
Anggaran pendidikan merupakan implementasi dari indeks akal yang
diukur menggunakan angka harapan lama sekolah dan rata-rata lama
sekolah karena dapat menopang kelancaran kegiatan pendidikan. Selain
itu juga berhubungan dengan indeks agama karena anggaran pendidikan
memiliki peran sebagai fasilitator kegiatan yang berkaitan dengan
pendidikan seperti mempelajari ilmu-ilmu agama.
Adapun beberapa penelitian lain yang juga bertentangan dengan
penelitian ini yaitu penelitian Bintang, et al., (2015), Septiana, et al.,
(2015), dan Fahmi & Dalimunthe (2018).
4. Pengaruh Pengeluaran Pemerintah Bidang Kesehatan terhadap
Islamic-Human Development Index (I-HDI)
Berdasarkan hasil penelitian dapat diketahui bahwa variabel
pengeluaran pemerintah bidang kesehatan secara parsial tidak memiliki
pengaruh terhadap Islamic-human development index (I-HDI), maka dapat
diketahui bahwa hipotesis H0d ditolak. Temuan ini sejalan dengan
penelitian yang dilakukan oleh Septiana et, al., (2015) yang menyatakan

79
bahwa pengeluaran pemerintah bidang kesehatan tidak berpengaruh
terhadap indeks pembangunan manusia.
Dalam laporan publikasi Profil Kesehatan Indonesia Tahun 2020
menemukan bahwa hal ini dapat terjadi dikarenakan peningkatan belanja
fungsi kesehatan masih belum tepat sasaran dan besarannya masih
dibawah angka 5% dari PDB, artinya alokasi belanja fungsi kesehatan
tidak sesuai dengan ketetapan amanat undang-undang minimal 5% dari
PDB. Selain itu, jumlah penduduk Indonesia dari tahun ke tahun yang terus
mengalami kenaikan menjadikannya tidak sebanding dengan besaran
alokasi belanja fungsi kesehatan sehingga membutuhkan biaya yang lebih
banyak lagi.
Selain itu, secara teknis pengeluaran pemerintah pada sektor
kesehatan di tingkat provinsi hanya memiliki batas ruang dan andil yang
kecil. Karena penggunaan dana kesehatan lebih dominan pada tingkat
kabupaten/kota (Astri, 2013). Data dari laporan Pusat Kajian Anggaran
DPR RI menunjukkan bahwa selama tahun 2016-2020 realisasi dari
beberapa indikator kesehatan masih mengalami tren perlambatan bahkan
masih terdapat angka realisasi yang masih jauh dari target yang ditetapkan.
Selain itu, jika dilihat dari alokasi anggaran pemerintah di setiap provinsi,
anggaran pemerintah bidang kesehatan masih jauh dibawah jika
dibandingkan dengan alokasi pengeluaran ataupun belanja bidang lainnya.
Hal inilah yang dapat menyebabkan anggaran pemerintah bidang
kesehatan pada penelitian ini masih belum berpengaruh terhadap
pencapaian I-HDI di Indonesia. Beberapa penelitian lain yang memiliki
kesamaan dengan hasil penelitian ini yaitu penelitian Santoso (2015),
Hakim & Sukmana (2017), dan Fahmi & Dalimunthe (2018).
Namun, temuan dalam penelitian ini juga bertentangan dengan
penelitian-penelitian sebelumnya. Dalam penelitian Palupi (2020)
menjelaskan bahwa seharusnya pengeluaran pemerintah di bidang
kesehatan memiliki korelasi positif terhadap pembangunan manusia dalam
perspektif Islam yang merupakan implementasi dari indeks jiwa dan

80
indeks keturunan. Indikator dari indeks jiwa diukur menggunakan data
angka harapan hidup karena berhubungan dengan pentingnya menjaga
kesehatan mental untuk keberlangsungan hidup, sehingga antara indeks
jiwa dan anggaran kesehatan memiki keterkaitan yang erat. Sedangkan
pada indeks keturunan berkaitan dengan pentingnya menjaga generasi,
baik dari segi kualitas dan kuantitas. Hal ini juga sejalan dengan temuan
yang dilakukan oleh Aini (2016), Baeti (2013), dan Putri & Mintaroem
(2019). Hubungan positifnya yaitu investasi publik di sektor kesehatan
dapat memberikan kesempatan dan pelayanan kesehatan yang lebih merata
kepada masyarakat sehingga kedepannya dapat meningkatkan sumber
daya manusia (SDM) yang handal dan sehat (Widodo, et al., 2011).

81
 BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan
Berdasarkan analisis dan pembahasan yang telah dipaparkan pada bab
sebelumnya, maka dapat diketahui kesimpulan dalam penelitian ini bahwa
model regresi data panel yang tepat digunakan adalah Random Effect Model.
Hasil regresi menunjukkan variabel pertumbuhan ekonomi, upah minimum,
pengeluaran pemerintah bidang pendidikan, dan pengeluaran pemerintah bidang
kesehatan secara simultan berpengaruh terhadap Islamic-human development
index (I-HDI) di Indonesia periode 2016-2020. Adapun secara parsial variabel
pertumbuhan ekonomi dan upah minimum berpengaruh positif terhadap
peningkatan Islamic-human development index (I-HDI) di Indonesia periode
2016-2020. Sedangkan variabel pengeluaran pemerintah bidang pendidikan dan
pengeluaran pemerintah bidang kesehatan secara parsial tidak memiliki
pengaruh terhadap peningkatan Islamic-human development index (I-HDI) di
Indonesia periode 2016-2020.

B. Saran
Berdasarkan hasil penelitian, maka saran yang dapat diajukan pada
penelitian ini diantaranya sebagai berikut:
1. Diharapkan bagi pemerintah agar dapat meningkatkan pengawasan
terhadap alokasi anggaran khususnya bidang pendidikan dan kesehatan
dengan cara pengoptimalisasian fungsi KPK dan BPK dari pusat, provinsi
hingga ke daerah-daerah agar pengalokasian anggaran pendidikan dan
kesehatan dapat lebih efisien dan tepat sasaran, karena pada penelitian ini
anggaran pendidikan dan kesehatan masih belum berdampak pada
peningkatan pencapaian pembangunan manusia di Indonesia, serta besaran
realisasi anggarannya masih menunjukkan gap yang jauh antara provinsi
di Pulau Jawa dan luar Jawa.

82
2. Diharapkan bagi peneliti selanjutnya agar dapat menggunakan indikator I-
HDI yang lebih luas lagi agar didapat hasil I-HDI yang lebih komprehensif
lagi mengingat I-HDI ini masih baru dan diperlukan pengembangan serta
penyesuaian konsep pada I-HDI. Serta, bagi peneliti yang akan mengambil
tema sama kedepannya untuk dapat menambah variabel penelitian yang
dapat berpengaruh baik secara parsial maupun simultan dan dengan
rentang waktu yang lebih lama agar dapat memberikan gambaran yang
lebih baik dan akurat terhadap I-HDI di Indonesia.

83
 DAFTAR PUSTAKA

Buku
Amir, Junaidi, & Yulmardi. (2009). Metodologi Penelitian Ekonomi Dan
Penerapannya (Cetakan Pertama). IPB Press.
Azis, & Hasan. (2018). Pembangunan Ekonomi & Pemberdayaan Masyarakat.
Pustaka Taman Ilmu.
Bawono, & Shina. (2018). Terapan Untuk Ekonomi Dan Bisnis Islam. Lembaga
Penelitian dan Pengabdian Kepada Masyarakat (LP2M) IAIN Salatiga.
Caraka & Yasin. (2017). Spatial Data Panel. Wade Group.
Husein. (2014). Metode Penelitian Untuk Skripsi Dan Tesis Bisnis. PT. Raja
Grafindo Persada.
Mahri, et al. (2021). Ekonomi Pembangunan Islam (1st Ed.). Departemen Ekonomi
Dan Keuangan Syariah - Bank Indonesia.
Widarjono. (2018). Ekonometrika. Universitas Terbuka.

Jurnal
Ariza. (2016). Ekonomi dan Belanja Modal Terhadap Indeks Pembangunan
Manusia ( IPM ) dalam Perspektif Islam. Jurnal Ilmu Syariah, Al-Maslahah.
Artaningtyas, et al. (2011). Analisis Indeks Pembangunan Manusia di Provinsi
Jawa Tengah. Buletin Ekonomi, 9(1), 1–8.
Astri et, al., (2013). Pengaruh Pengeluaran Pemerintah Daerah pada Sektor
Pendidikan dan Kesehatan terhadap Indeks Pembangunan Manusia di
Indonesia. Jurnal Pendidikan Ekonomi dan Bisnis, Vol. 1, No. 1. 2013.
Auwalin, M. &. (2020). Analysis of Bootstrapping Dea Efficiency and Malmquist
Index In Government Expenditure on Islamic Human Development Index In
Regencies/Cities of East Java Province. Jurnal Ekonomi Syariah Teori Dan
Terapan, 7(1), 132–140. https://doi.org/10.20473/vol7iss20201pp132-140
Baeti (2013). Pengaruh Pengangguran, Pertumbuhan Ekonomi, dan Pengeluaran
Pemerintah terhadap Pembangunan Manusia Kabupaten/Kota di Provinsi
Jawa Tengah tahun 2007-2011. Economics Development Analysis Journal,
2(3).
Cahyanti (2020). The Effect of Regional Minimum Wage and Inflation on HDI in
Central Java. Jurnal Ekonomi Pembangunan, Vol. 18, No. 02.
Chalid & Yusuf (2014). Pengaruh Tingkat Kemiskinan, Tingkat Pengangguran,
Upah Minimum Kabupaten/kota dan laju Pertumbuhan Ekonomi terhadap
Indeks Pembangunan Manusia di Provinsi Riau. Jurnal Ekonomi, Vol. 22, No.
2.
Dewantari, & Indraswarawati. (2021). Analisis Kinerja Pengelolaan Anggaran

84
 Pendapatan Dan Belanja Daerah Pada Pemerintah Kota Denpasar Tahun
Anggaran 2014-2018. Jurnal Hita Akuntansi Dan Keuangan Universitas
Hindu Indonesia Edisi Januari 2021, 32, 20–41.
Fahmi & Dalimunthe (2018). Pengaruh Good Governance, Belanja Fungsi
Pendidikan dan Kesehatan, dan PDRB Perkapita terhadap IPM. Jurnal
Manajemen Keuangan Publik, Vol. 2, No. 1. 2018.
Faizin (2021). The Influence of Minimum Wages, Poverty and Unemployment on
HDI in Regency/City of East Java Province. Jurnal Samudra Ekonomi &
Bisnis, Vol. 12, No. 2.
Fretes. (2017). Pengaruh Dana Perimbangan, Pendapatan Asli Daerah, Dan
Pertumbuhan Ekonomi Terhadap Indeks Pembangunan Manusia Di
Kabupaten Kepulauan Yapen Pieter. Jurnal Akuntansi & Ekonomi FE. UN
PGRI Kediri, 2(2), 2005–2025.
Handalani (2018). Determinant of Human Development Index in Southeast Asia.
Jurnal Kebijakan Pembangunan Daerah, Vol. 2, No.2.
Herjunadhi (2020). Pengaruh Belanja Pendidikan, Belanja Kesehatan, dan UMP
terhadap IPM Indonesia tahun 2014-2018. Jurnal Inovasi, 16(2).
Kiha et, al., (2021). The Effect of Inflation, Gross Domestic Products and Regional
Minimum Wage on Human Development Index Province of East Nusa
Tenggara. Jurnal Inovasi Bisnis dan Akuntansi, Vol. 2, No.1.
Ma’ruf, A., & Wihastuti, L. (2008). Pertumbuhan Ekonomi Indonesia : Determinan
Dan Prospeknya. Jurnal Ekonomi dan Studi Pembangunan, 9(April), 44–55.
Makhlani & Rama (2013). Pembangunan Ekonomi Dalam Tinjauan Maqashid
Syari’ah. Jurnal Dialog, 36(1).
Malihah (2021). IHDI Indonesia tahun 2010-2017: Pengaruh Pertumbuhan
Ekonomi, Kemiskinan, Pengangguran, dan Belanja Daerah. Tesis. UII
Yogyakarta.
Matondang, Zulaikha. (2018). Pengaruh Pertumbuhan Ekonomi, Realisasi
Pengeluaran Pendidikan, dan Realisasi Pengeluaran Kesehatan terhadap
Indeks Pembangunan Manusia dalam Pandangan Islam di Provinsi Sumatera
Utara. Al-Masharif: Jurnal Ilmu Ekonomi Dan Keislaman, 6(1), 130–144.
Mirza. (2012). Pengaruh Kemiskinan, Pertumbuhan Ekonomi, dan Belanja Modal
Terhadap Indeks Pembangunan Manusia Di Jawa Tengah Tahun 2006-2009.
Economics Development Analysis Journal, 1(1).
Munandar. (2017). Analisis Regresi Data Panel Pada Pertumbuhan Ekonomi Di
Negara-Negara Asia. Jurnal Ilmiah Ekonomi Global Masa Kini, 8(01).
Purbaningsih. (2021). The Effect Of Poverty And Economic Growth On Human
Development. Journal Of Education And Social Sciences, 17(1), 1–15.
Putri, & Mintaroem. (2019). Determinan Islamic Human Development Index
(IHDI) Provinsi Jawa Timur Tahun 2001-2016. Jurnal Ekonomi Syariah Teori

85
 Dan Terapan, 6(7), 1410–1420.
Rochmawati, Tiara (2018). Analisis Islamic Human Development Index (I-HDI) di
Kota Yogyakarta tahun 2015-2016 dalam Perspektif Maqashid Syari'ah.
Tesis. UII Yogyakarta.
Rukiah, et al. (2019). Islamic Human Development Index Di Indonesia (Suatu
Pendekatan Maqhasid Syariah ). Istinbath: Jurnal Hukum Dan Ekonomi Islam,
18(2), 307–327.
Sania et, al., (2021). Pengaruh PDRB, Tingkat Pengangguran Terbuka dan UMR
terhadap Indeks Pembangunan Manusia di Kabupaten dan Kota Provinsi
Jawa Timur. Jurnal Bharanomics, Vol. 2, No. 1.
Seonjoto, H. &. (N.D.). Perspektif Dan Kontribusi Ekonomi Islam Terhadap
Pembangunan Ekonomi Nasional. AMAL: Journal Of Islamic Economic And
Business (JIEB), 02(02), 58–73.
Septiana et. al., (2015). Pengaruh Pengeluaran Pemerintah di Sektor Pendidikan
dan Kesehatan terhadap Indeks Pembangunan Manusia di Sulawesi Utara.
Jurnal Berkala Ilmiah Efisiensi, Vol. 15, No. 02. 2015
Siregar et, al., (2018). Pengaruh Pengeluaran Pemerintah Bidang Kesehatan dan
Pengeluaran Pemerintah Bidang Pendidikan terhadap Indeks Pembangunan
Manusia (IPM) di Provinsi Sumatera Utara. Al-Masharif: Jurnal Ilmu
Ekonomi dan Keislaman, Vol. 6, No.1.
Suharno (2019). Analisis Islamic Human Development Index (I-HDI) Indonesia
(Analisis Simultan Data Panel 33 Provinsi di Indonesia Periode tahun 2010-
2018). Tesis. IAIN Salatiga.
Sukmana & Hakim (2017). Pengaruh Pengeluaran Pemerintah Di Sektor
Pendidikan Dan Kesehatan Terhadap Indeks Pembangunan Manusia Di 16
Negara Organisasi Konfrensi Islam (OKI). Al. Li Falah: Jurnal Studi Ekonomi
Dan Bisnis Islam, 2(1), 67–91.
Sukmana & Rochmah (2019). Pengaruh Faktor-Faktor Makroekonomi Terhadap
Islamic Human Development Index (IHDI) Di Indonesia Tahun 2013-2017.
Jurnal Ekonomi Syariah Teori Dan Terapan, 6(4), 819–829.
Syahputra, R. (2017). Analisis Faktor-Faktor Yang Mempengaruhi Pertumbuhan
Ekonomi Di Indonesia. Jurnal Samudera Ekonomika, 1(2), 183–191.
Umiyati, Amril, & Zulfanetti. (2013). Pengaruh Belanja Modal, Pertumbuhan
Ekonomi Dan Jumlah Penduduk Miskin Terhadap Indeks Pembangunan
Manusia Di Kabupaten/Kota Provinsi Jambi. Jurnal Sains Sosiohumaniora,
1996, 29–37.
Wardana. (2016). Pengaruh Pembangunan Ekonomi Terhadap Pembangunan
Manusia Di Kalimantan Timur. Jurnal Ekonomi Keuangan, 12(2), 179–191.
Widiastuti, K. &. (2016). Pengaruh Belanja Daerah Terhadap Indeks
Pembangunan Manusia di Provinsi Papua Periode 2011 Hingga 2013 Dalam

86
 Perspektif Ekonomi Islam. Jurnal Ekonomi Syariah Teori dan Terapan, 3(5),
359–374.
Widodo, Waridin, & Maria. (2011). Analisis Pengeluaran Pemerintah di Sektor
Pendidikan dan Kesehatan terhadap Pengentasan Kemiskinan melalui
Peningkatan Pembangunan Manusia di Provinsi Jawa Tengah. Jurnal
Dinamika Ekonomi Pembangunan, 1(1).

Website
www.bps.go.id
www.cnbcindonesia.com
www.djpk.kemenkeu.go.id
www.katadata.co.id
www.kominfo.go.id
www.quran.kemenag.go.id

87
 LAMPIRAN

A. Lampiran Data I-HDI

Provinsi Tahun ID INF IA INS IM I-HDI

ACEH 2016 0.4377 0.7418 0.6812 0.3775 0.2693 0.4909

ACEH 2017 0.5043 0.7420 0.6918 0.3675 0.2905 0.5168
ACEH 2018 0.5101 0.7440 0.6994 0.3575 0.3100 0.5219
ACEH 2019 0.5826 0.7478 0.7032 0.3475 0.3456 0.5516
ACEH 2020 0.5681 0.7488 0.7085 0.3375 0.3097 0.5401
SUMUT 2016 0.2522 0.7222 0.6651 0.3325 0.4259 0.4417
SUMUT 2017 0.1884 0.7228 0.6722 0.3250 0.4891 0.4310
SUMUT 2018 0.3304 0.7268 0.6763 0.3175 0.5010 0.4804
SUMUT 2019 0.3739 0.7325 0.6803 0.3100 0.5036 0.4957
SUMUT 2020 0.3304 0.7350 0.6855 0.3200 0.4841 0.4809
SUMBAR 2016 0.1797 0.7288 0.6694 0.3275 0.5383 0.4372
SUMBAR 2017 0.2812 0.7297 0.6779 0.3225 0.5581 0.4751
SUMBAR 2018 0.2957 0.7335 0.6795 0.3175 0.5684 0.4817
SUMBAR 2019 0.3971 0.7385 0.6865 0.3125 0.5965 0.5214
SUMBAR 2020 0.5652 0.7412 0.6891 0.3225 0.5665 0.5749
RIAU 2016 0.6406 0.7662 0.6436 0.6475 0.5150 0.6422
RIAU 2017 0.7014 0.7665 0.6539 0.6425 0.5691 0.6725
RIAU 2018 0.6841 0.7698 0.6615 0.6350 0.5636 0.6663
RIAU 2019 0.7130 0.7747 0.6660 0.6300 0.5617 0.6764
RIAU 2020 0.6435 0.7767 0.6713 0.6000 0.5241 0.6432
JAMBI 2016 0.2058 0.7618 0.6223 0.4500 0.4944 0.4567
JAMBI 2017 0.2145 0.7627 0.6292 0.4450 0.5498 0.4693
JAMBI 2018 0.4783 0.7648 0.6327 0.4375 0.5254 0.5528
JAMBI 2019 0.4348 0.7677 0.6408 0.4300 0.5412 0.5415
JAMBI 2020 0.6116 0.7693 0.6456 0.3350 0.5360 0.5849
SUMSEL 2016 0.2754 0.7360 0.6007 0.3650 0.4296 0.4470
SUMSEL 2017 0.4493 0.7363 0.6094 0.3600 0.3802 0.4974
SUMSEL 2018 0.5246 0.7402 0.6100 0.3525 0.4311 0.5305
SUMSEL 2019 0.5478 0.7442 0.6168 0.3475 0.4267 0.5385
SUMSEL 2020 0.5739 0.7480 0.6205 0.3125 0.4061 0.5392
BENGKULU 2016 0.1362 0.7260 0.6507 0.4225 0.3172 0.3981
BENGKULU 2017 0.5594 0.7265 0.6593 0.4175 0.3265 0.5414
BENGKULU 2018 0.4928 0.7307 0.6642 0.4125 0.3853 0.5297
BENGKULU 2019 0.4812 0.7368 0.6685 0.4075 0.4326 0.5346
BENGKULU 2020 0.5014 0.7392 0.6727 0.3875 0.3696 0.5286

88
LAMPUNG 2016 0.6203 0.7490 0.5974 0.3025 0.4194 0.5515
LAMPUNG 2017 0.6116 0.7492 0.6058 0.2950 0.4006 0.5456
LAMPUNG 2018 0.6870 0.7530 0.6109 0.2900 0.4156 0.5739
LAMPUNG 2019 0.7014 0.7585 0.6148 0.2825 0.4294 0.5813
LAMPUNG 2020 0.7333 0.7608 0.6197 0.2175 0.4118 0.5794
BABEL 2016 0.5971 0.7487 0.5653 0.5500 0.6205 0.6131
BABEL 2017 0.6087 0.7492 0.5879 0.5450 0.6450 0.6241
BABEL 2018 0.5855 0.7530 0.5911 0.5400 0.6368 0.6153
BABEL 2019 0.6058 0.7583 0.5977 0.5350 0.6625 0.6275
BABEL 2020 0.6145 0.7607 0.6034 0.4375 0.6343 0.6108
KEPRI 2016 0.3159 0.7408 0.6740 0.7650 0.6528 0.5774
KEPRI 2017 0.4899 0.7413 0.6822 0.7525 0.5981 0.6256
KEPRI 2018 0.5246 0.7440 0.6831 0.7375 0.6799 0.6490
KEPRI 2019 0.5594 0.7467 0.6894 0.7250 0.6507 0.6551
KEPRI 2020 0.6319 0.7493 0.6948 0.5225 0.6069 0.6396
DKI 2016 0.5101 0.7915 0.7163 0.2675 0.7682 0.5940
DKI 2017 0.6000 0.7925 0.7246 0.2625 0.7504 0.6217
DKI 2018 0.6029 0.7945 0.7281 0.2575 0.7723 0.6264
DKI 2019 0.6319 0.7932 0.7270 0.2525 0.7887 0.6375
DKI 2020 0.6957 0.7985 0.7316 0.2300 0.7540 0.6509
JABAR 2016 0.8029 0.7907 0.6067 0.3850 0.5166 0.6508
JABAR 2017 0.8116 0.7912 0.6163 0.3800 0.5077 0.6531
JABAR 2018 0.8783 0.7943 0.6175 0.3750 0.5501 0.6822
JABAR 2019 0.9014 0.7975 0.6257 0.3700 0.5659 0.6937
JABAR 2020 0.9159 0.8007 0.6322 0.2750 0.5324 0.6787
JATENG 2016 0.8870 0.8170 0.5842 0.1975 0.4139 0.6311
JATENG 2017 0.8986 0.8180 0.5915 0.1950 0.4183 0.6366
JATENG 2018 0.9217 0.8197 0.5958 0.1925 0.4873 0.6565
JATENG 2019 0.9130 0.8205 0.6032 0.1900 0.5187 0.6597
JATENG 2020 0.9101 0.8228 0.6091 0.2100 0.4628 0.6542
DIY 2016 0.3159 0.8285 0.7271 0.2950 0.5203 0.5005
DIY 2017 0.4406 0.8290 0.7347 0.2925 0.4835 0.5368
DIY 2018 0.4812 0.8303 0.7429 0.2900 0.5468 0.5621
DIY 2019 0.4870 0.8320 0.7454 0.2875 0.5693 0.5680
DIY 2020 0.4203 0.8332 0.7514 0.1475 0.4944 0.5112
JATIM 2016 0.8493 0.7623 0.6016 0.1650 0.4461 0.6123
JATIM 2017 0.7449 0.7633 0.6083 0.1600 0.4337 0.5759
JATIM 2018 0.8058 0.7662 0.6102 0.1575 0.4441 0.5983
JATIM 2019 0.8000 0.7697 0.6186 0.1550 0.5086 0.6086
JATIM 2020 0.8725 0.7717 0.6257 0.1975 0.4609 0.6335
BANTEN 2016 0.7478 0.7410 0.6318 0.5575 0.6096 0.6726
BANTEN 2017 0.8406 0.7415 0.6393 0.5500 0.6108 0.7038

89
BANTEN 2018 0.8435 0.7440 0.6443 0.5425 0.6011 0.7031
BANTEN 2019 0.8580 0.7473 0.6491 0.5350 0.6202 0.7113
BANTEN 2020 0.8174 0.7493 0.6544 0.5225 0.5718 0.6888
NTB 2016 0.5188 0.6747 0.5956 0.3400 0.3388 0.4978
NTB 2017 0.5246 0.6758 0.6039 0.3350 0.3447 0.5015
NTB 2018 0.6232 0.6812 0.6085 0.3300 0.3839 0.5417
NTB 2019 0.5217 0.6880 0.6168 0.3225 0.4234 0.5157
NTB 2020 0.5159 0.6918 0.6242 0.3575 0.3402 0.5076
KALBAR 2016 0.5739 0.7483 0.5763 0.4075 0.5023 0.5637
KALBAR 2017 0.6464 0.7487 0.5822 0.4025 0.5185 0.5908
KALBAR 2018 0.6580 0.7530 0.5859 0.3950 0.5023 0.5920
KALBAR 2019 0.7217 0.7593 0.5931 0.3900 0.5299 0.6193
KALBAR 2020 0.7797 0.7615 0.5957 0.5100 0.5572 0.6640
KALTENG 2016 0.6580 0.7428 0.6135 0.5825 0.5977 0.6421
KALTENG 2017 0.6986 0.7432 0.6222 0.5775 0.5805 0.6534
KALTENG 2018 0.6000 0.7440 0.6276 0.5700 0.5916 0.6222
KALTENG 2019 0.7275 0.7448 0.6348 0.5650 0.6051 0.6675
KALTENG 2020 0.8203 0.7457 0.6380 0.5000 0.5884 0.6854
KALSEL 2016 0.5188 0.7153 0.6044 0.4525 0.6152 0.5708
KALSEL 2017 0.5362 0.7170 0.6124 0.4425 0.6147 0.5765
KALSEL 2018 0.7043 0.7205 0.6139 0.4350 0.6225 0.6334
KALSEL 2019 0.6232 0.7248 0.6211 0.4275 0.6374 0.6095
KALSEL 2020 0.4319 0.7277 0.6286 0.2825 0.6194 0.5203
KALTIM 2016 0.2696 0.8113 0.6788 0.6450 0.6011 0.5459
KALTIM 2017 0.3797 0.8117 0.6867 0.5775 0.5987 0.5723
KALTIM 2018 0.4899 0.8160 0.6957 0.5700 0.6184 0.6133
KALTIM 2019 0.6406 0.8203 0.7036 0.5600 0.5983 0.6606
KALTIM 2020 0.7101 0.8222 0.7068 0.5325 0.5809 0.6771
KALUT 2016 0.6638 0.7905 0.6327 0.9275 0.5352 0.7023
KALUT 2017 0.6725 0.7912 0.6426 0.9750 0.4843 0.7063
KALUT 2018 0.8348 0.7917 0.6518 0.9650 0.5415 0.7699
KALUT 2019 0.6319 0.7923 0.6547 0.9600 0.5230 0.6990
KALUT 2020 0.5768 0.7932 0.6592 0.7150 0.5440 0.6442
SULTENG 2016 0.0551 0.7052 0.6296 0.4175 0.3720 0.3724
SULTENG 2017 0.0000 0.7053 0.6386 0.4125 0.3124 0.3448
SULTENG 2018 0.0841 0.7130 0.6487 0.4075 0.3809 0.3864
SULTENG 2019 0.3884 0.7205 0.6567 0.4025 0.2694 0.4710
SULTENG 2020 0.4812 0.7282 0.6602 0.3050 0.3154 0.4952
SULSEL 2016 0.5188 0.7470 0.6239 0.2750 0.4901 0.5289
SULSEL 2017 0.2580 0.7473 0.6339 0.2700 0.4454 0.4354
SULSEL 2018 0.2609 0.7513 0.6379 0.2650 0.4818 0.4430
SULSEL 2019 0.4493 0.7572 0.6464 0.2625 0.4940 0.5098

90
 SULSEL 2020 0.5797 0.7595 0.6529 0.2950 0.4907 0.5596
SULTRA 2016 0.6087 0.7577 0.6451 0.5400 0.4063 0.5944
SULTRA 2017 0.6812 0.7578 0.6531 0.5350 0.3969 0.6175
SULTRA 2018 0.8580 0.7620 0.6655 0.5300 0.4002 0.6789
SULTRA 2019 0.8638 0.7662 0.6734 0.5250 0.3861 0.6797
SULTRA 2020 0.7681 0.7703 0.6805 0.3950 0.3840 0.6277
GORONTALO 2016 0.1159 0.7022 0.5951 0.4050 0.3110 0.3742
GORONTALO 2017 0.2319 0.7023 0.6041 0.4025 0.2530 0.4043
GORONTALO 2018 0.2957 0.7075 0.6106 0.3975 0.2952 0.4337
GORONTALO 2019 0.4116 0.7155 0.6191 0.3950 0.3511 0.4840
GORONTALO 2020 0.3797 0.7178 0.6240 0.3000 0.3188 0.4533
SULBAR 2016 0.6667 0.6552 0.5808 0.4825 0.4143 0.5777
SULBAR 2017 0.5768 0.6557 0.5903 0.4825 0.4249 0.5512
SULBAR 2018 0.5826 0.6597 0.5997 0.4800 0.4623 0.5612
SULBAR 2019 0.5710 0.6637 0.6082 0.4775 0.4809 0.5621
SULBAR 2020 0.6348 0.6677 0.6177 0.4950 0.4296 0.5799
MALUKU 2016 0.6464 0.6725 0.6904 0.4475 0.1710 0.5457
MALUKU 2017 0.4870 0.6733 0.6991 0.4450 0.2190 0.5017
MALUKU 2018 0.5420 0.6765 0.7060 0.4425 0.2371 0.5244
MALUKU 2019 0.4203 0.6803 0.7142 0.4375 0.1866 0.4765
MALUKU 2020 0.1217 0.6830 0.7188 0.4325 0.1886 0.3777
MALUT 2016 0.8000 0.7085 0.6576 0.5400 0.5129 0.6698
MALUT 2017 0.8116 0.7090 0.6637 0.5325 0.5314 0.6766
MALUT 2018 0.8261 0.7133 0.6690 0.5275 0.4801 0.6737
MALUT 2019 0.8290 0.7197 0.6786 0.5200 0.5078 0.6807
MALUT 2020 0.8029 0.7222 0.6811 0.5175 0.5011 0.6713

B. Lampiran Data Variabel Penelitian

Provinsi Tahun I-HDI PE Upah_Min PP_Pendidikan PP_Kesehatan

ACEH 2016 0.4909 22835.29 2118500

2,658,726,467,938 1,806,010,911,058
ACEH 2017 0.5168 23362.9 2500000
4,188,321,772,119 2,272,770,175,698
ACEH 2018 0.5219 24013.79 2700000
4,514,838,504,802 2,482,431,875,993
ACEH 2019 0.5516 24842.3 2916810
4,387,079,891,196 2,369,494,957,209
ACEH 2020 0.5401 25018.28 3165031
3,909,952,437,146 2,019,099,252,946
SUMUT 2016 0.4417 32885.09 1811875 495,482,409,286
6,090,407,786,050
SUMUT 2017 0.4310 34183.58 1961354 576,751,697,994
8,288,298,535,953

91
SUMUT 2018 0.4804 35570.5 2132189 628,137,407,238
8,250,704,650,060
SUMUT 2019 0.4957 36853.59 2303403 540,117,396,199
5,784,899,908,257
SUMUT 2020 0.4809 36175.16 2499423 543,841,149,495
6,253,454,267,709
SUMBAR 2016 0.4372 28164.93 1800725 915,900,181,593
2,236,682,859,895
SUMBAR 2017 0.4751 29312.17 1949284 923,338,127,263
3,761,712,446,077
SUMBAR 2018 0.4817 30470.8 2119067 964,044,650,065
3,944,995,623,032
SUMBAR 2019 0.5214 31427.29 2289220 711,589,677,736
3,185,362,546,599
SUMBAR 2020 0.5749 30694.42 2484041 653,547,259,295
3,029,424,275,392
RIAU 2016 0.6422 70569.36 2095000 948,703,878,480
3,087,115,674,113
RIAU 2017 0.6725 70740.43 2266722
3,052,200,449,578 1,110,683,147,129
RIAU 2018 0.6663 70736.77 2464154
2,873,951,093,270 1,038,028,727,854
RIAU 2019 0.6764 72509.14 2662026 919,415,812,874
3,071,277,916,874
RIAU 2020 0.6432 76882.94 2888564 935,082,061,642
3,345,644,848,658
JAMBI 2016 0.4567 37728.8 1906650 493,867,231,572
1,423,869,842,630
JAMBI 2017 0.4693 38833.87 2063000 540,175,547,937
1,971,999,764,204
JAMBI 2018 0.5528 40025.52 2243719 605,208,109,796
2,129,537,416,032
JAMBI 2019 0.5415 41812.35 2423889 487,782,082,583
1,653,980,458,766
JAMBI 2020 0.5849 41952.77 2630162 436,253,687,982
1,681,741,407,008
SUMSEL 2016 0.4470 32699.5 2206000 245,883,060,634
3,150,957,094,846
SUMSEL 2017 0.4974 34059.71 2388000 442,351,428,828
3,092,854,440,149
SUMSEL 2018 0.5305 35659.82 2595995 511,771,207,217
4,391,020,311,508
SUMSEL 2019 0.5385 37125.75 2804453 349,042,361,463
3,024,481,333,676
SUMSEL 2020 0.5392 37323.24 3043111 378,897,258,263
3,293,576,426,130
BENGKULU 2016 0.3981 21039.84 1605000 869,331,744,589
1,365,233,417,066
BENGKULU 2017 0.5414 21751.64 1730000 467,989,828,881
1,292,761,200,871
BENGKULU 2018 0.5297 22494.84 1888741 465,401,930,155
1,403,205,637,329
BENGKULU 2019 0.5346 23504.53 2040407 375,498,860,482
1,070,755,069,118

92
BENGKULU 2020 0.5286 23105.92 2213604 329,098,236,811
1,152,607,778,108
LAMPUNG 2016 0.5515 25568.57 1763000 767,454,649,724
195,419,127,015
LAMPUNG 2017 0.5456 26614.88 1908447 784,742,744,298
1,358,772,922,277
LAMPUNG 2018 0.5739 27736.26 2074673 755,420,033,919
1,541,543,008,983
LAMPUNG 2019 0.5813 28894.5 2241270 550,208,465,493
2,757,056,389,564
LAMPUNG 2020 0.5794 26743.75 2432002 730,904,385,598
3,003,290,487,790
BABEL 2016 0.6131 34132.87 2341500 175,552,324,425
568,871,668,545
BABEL 2017 0.6241 34933.52 2534673 217,326,586,187
649,820,818,655
BABEL 2018 0.6153 35762.04 2755444 257,618,168,267
931,035,317,743
BABEL 2019 0.6275 37173.14 2976706 242,317,929,113
832,044,950,476
BABEL 2020 0.6108 36302.97 3230024 231,252,059,456
994,127,105,040
KEPRI 2016 0.5774 80295.6 2178710 302,261,702,849
985,081,254,371
KEPRI 2017 0.6256 79743.68 2358454 361,933,932,441
958,145,092,075
KEPRI 2018 0.6490 81206.2 2563875 381,095,714,960
979,620,002,600
KEPRI 2019 0.6551 81138.52 2769754 365,910,231,968
1,043,952,056,681
KEPRI 2020 0.6396 85012.58 3005460 382,975,956,994
1,031,111,058,860
DKI 2016 0.5940 149831.9 3100000
11,513,308,551,607 6,859,260,055,495
DKI 2017 0.6217 157636.6 3355750
13,267,834,039,428 10,628,840,346,399
DKI 2018 0.6264 165768.99 3648036
15,726,350,938,504 11,240,634,997,011
DKI 2019 0.6375 174812.51 3940973
21,778,832,536,245 8,894,088,762,561
DKI 2020 0.6509 170099.68 4276350
14,609,639,319,060 9,389,559,100,422
JABAR 2016 0.6508 26923.51 2250000
8,577,565,513,666 1,210,419,574,268
JABAR 2017 0.6531 27970.92 1420624
7,790,000,690,473 1,184,186,185,940
JABAR 2018 0.6822 29160.06 1544361
13,250,761,162,496 1,268,912,463,013
JABAR 2019 0.6937 30413.37 1668373
13,968,049,089,155 1,034,107,397,703
JABAR 2020 0.6787 30180.54 1810351
15,279,582,928,573 1,170,106,140,760
JATENG 2016 0.6311 24959.49 1265000
10,625,236,115,405 3,346,279,440,150

93
JATENG 2017 0.6366 26088.91 1367000
20,341,999,557,022 3,670,977,909,522
JATENG 2018 0.6565 27285.25 1486065 372,072,705,349
6,394,918,102,638
JATENG 2019 0.6597 28695.92 1605396
7,115,768,680,821 1,907,322,924,817
JATENG 2020 0.6542 26483.64 1742015
7,115,768,680,821 2,129,044,310,232
DIY 2016 0.5005 23565.68 1237700 228,417,718,542
892,205,499,589
DIY 2017 0.5368 24533.8 1337645 204,539,525,596
1,796,390,396,104
DIY 2018 0.5621 25776.31 1454154 186,045,419,366
1,843,048,755,535
DIY 2019 0.5680 27008.68 1570923 176,183,254,162
1,286,706,275,751
DIY 2020 0.5112 27750.38 1704608 177,229,164,975
1,749,091,858,303
JATIM 2016 0.6123 35970.78 1273490
10,945,908,049,694 6,513,499,183,876
JATIM 2017 0.5759 37724.29 1388000
29,521,587,048,465 12,036,040,526,943
JATIM 2018 0.5983 39579.95 1508895
14,919,612,131,909 6,057,070,148,904
JATIM 2019 0.6086 41512.2 1630059
10,668,364,475,358 4,145,424,042,437
JATIM 2020 0.6335 39689.02 1768777
11,013,785,349,688 4,352,441,798,183
BANTEN 2016 0.6726 31781.56 1784000 348,984,616,452
2,318,490,757,672
BANTEN 2017 0.7038 32947.6 1931180 436,680,705,491
3,233,753,533,791
BANTEN 2018 0.7031 34183.75 2099385 416,602,143,452
3,514,942,775,741
BANTEN 2019 0.7113 35913.9 2267990 595,943,852,472
3,922,491,950,607
BANTEN 2020 0.6888 37164.35 2460997 686,606,527,511
4,297,645,835,835
NTB 2016 0.4978 19305.79 1482950 593,536,327,844
1,759,030,179,967
NTB 2017 0.5015 19091.26 1631245 730,535,528,896
2,637,782,278,348
NTB 2018 0.5417 18020.5 1825000 810,470,428,944
2,675,871,268,085
NTB 2019 0.5157 18219.11 2012610 685,096,678,254
1,934,350,297,217
NTB 2020 0.5076 17583.11 2183883 746,862,130,123
2,016,609,717,685
KALBAR 2016 0.5637 24308.85 1739400
3,227,011,727,515 1,001,289,837,244
KALBAR 2017 0.5908 25198.01 1882900 593,699,804,609
1,754,983,820,559
KALBAR 2018 0.5920 26110.57 2046900 559,094,498,828
1,737,257,444,236

94
KALBAR 2019 0.6193 27199.78 2211500 446,382,124,494
2,094,661,591,681
KALBAR 2020 0.6640 24953.61 2399699 512,293,463,193
2,349,016,088,249
KALTENG 2016 0.6421 32899.58 2057558 445,746,662,708
1,093,759,459,003
KALTENG 2017 0.6534 34370.63 2222986 534,753,803,908
1,612,438,592,402
KALTENG 2018 0.6222 35548.43 2421305 584,326,095,196
1,699,212,953,034
KALTENG 2019 0.6675 37870.47 2663435 433,697,682,283
1,468,032,504,153
KALTENG 2020 0.6854 37148.73 2903145 519,262,873,023
1,604,309,982,942
KALSEL 2016 0.5708 28540.05 2085050
933,618,669,182 3,086,589,179,603
KALSEL 2017 0.5765 29578.79 2258000
2,544,127,791,610 1,382,107,583,558
KALSEL 2018 0.6334 30614.85 2454671
1,275,230,388,175 1,596,928,351,884
KALSEL 2019 0.6095 31611.46 2651782
1,459,459,538,302 1,089,009,245,619
KALSEL 2020 0.5203 32210.58 2877449
1,439,695,273,644 1,098,161,572,991
KALTIM 2016 0.5459 125385.5 2161253
349,885,553,051 1,634,928,629,557
KALTIM 2017 0.5723 126625.19 2339556
1,809,616,126,101 1,854,634,238,512
KALTIM 2018 0.6133 127354.19 2543332
1,827,161,044,663 1,763,377,025,078
KALTIM 2019 0.6606 134410.55 2747561
2,350,865,051,074 1,273,659,317,137
KALTIM 2020 0.6771 125807.52 2981379
1,855,301,426,763 1,241,711,645,699
KALUT 2016 0.7023 76635.46 2175340 337,979,030,052
295,011,944,986
KALUT 2017 0.7063 78918.57 2358800 405,825,996,515
565,281,080,784
KALUT 2018 0.7699 80204.84 2559903 450,338,016,537
617,241,247,727
KALUT 2019 0.6990 88299.52 2765463 319,423,251,295
428,742,656,758
KALUT 2020 0.6442 86823.59 3000804 381,266,170,456
511,259,379,048
SULTENG 2016 0.3724 31151.08 1670000 423,926,275,370
1,344,873,040,282
SULTENG 2017 0.3448 32860.48 1807775 492,648,470,339
1,852,435,341,116
SULTENG 2018 0.3864 39049.35 1965232 516,138,300,884
1,814,765,670,413
SULTENG 2019 0.4710 42054.5 2123040 503,775,510,742
1,392,631,315,361
SULTENG 2020 0.4952 45052.32 2303711 523,637,526,805
1,677,097,393,139

95
SULSEL 2016 0.5289 31302.53 2250000 187,861,225,911
64,559,314,687
SULSEL 2017 0.4354 33234.11 2500000
10,938,976,395,716 1,560,129,483,064
SULSEL 2018 0.4430 35243.64 2647767 803,522,517,122
5,543,665,329,310
SULSEL 2019 0.5098 37474.29 2860382 810,807,943,725
3,968,671,385,287
SULSEL 2020 0.5596 36246.26 3103800 991,172,406,433
4,112,630,085,641
SULTRA 2016 0.5944 30476.39 1850000 328,968,215,432
667,056,017,037
SULTRA 2017 0.6175 31894.42 2002625 368,304,286,154
1,339,370,357,984
SULTRA 2018 0.6789 33278.66 2177052 398,808,668,853
1,467,571,801,926
SULTRA 2019 0.6797 35309.9 2351870 404,458,135,536
1,599,395,644,974
SULTRA 2020 0.6277 35709.02 2552015 447,033,962,556
1,698,388,144,957
GORONTALO 2016 0.3742 20427.46 1875000 172,439,169,938
338,400,163,756
GORONTALO 2017 0.4043 21477.78 2030000 141,951,816,938
589,531,421,186
GORONTALO 2018 0.4337 22538.55 2206813 130,537,699,347
600,904,101,475
GORONTALO 2019 0.4840 24167.56 2384020 154,055,547,802
643,893,689,143
GORONTALO 2020 0.4533 24313.24 2788826 170,146,505,869
693,769,555,862
SULBAR 2016 0.5777 21067.91 1864000 379,584,511,694
818,844,613,054
SULBAR 2017 0.5512 22001.01 2017780 245,264,644,861
385,698,321,731
SULBAR 2018 0.5612 22953.08 2193530 170,561,670,639
608,509,454,360
SULBAR 2019 0.5621 24163.56 2381000 156,207,884,188
441,196,219,845
SULBAR 2020 0.5799 22652.43 2678863 187,481,640,776
783,221,406,767
MALUKU 2016 0.5457 15321.18 1775000 317,575,358,002
583,784,443,517
MALUKU 2017 0.5017 15942.45 1925000 331,434,274,288
1,605,767,713,403
MALUKU 2018 0.5244 16607.02 2222220 313,590,059,451
1,799,762,729,607
MALUKU 2019 0.4765 17556.86 2400664 262,799,125,640
838,775,199,018
MALUKU 2020 0.3777 16687.79 2604961 262,314,832,788
1,302,192,983,949
MALUT 2016 0.6698 18177.3 1681266 222,622,330,122
652,316,417,970
MALUT 2017 0.6766 19192.97 1975000 240,214,827,773
963,332,977,805

96
MALUT 2018 0.6737 20309.45 2320803 241,389,948,880
1,028,256,593,239
MALUT 2019 0.6807 21524.99 2508091 260,735,343,941
888,435,796,501
MALUT 2020 0.6713 21906.6 2721530 269,665,354,803
904,284,754,996

C. Lampiran Hasil Olah Data

1. Common Effect Model

Dependent Variable: I_HDI?

Method: Pooled Least Squares
Date: 07/07/22 Time: 23:51
Sample: 2016 2020
Included observations: 5
Cross-sections included: 29
Total pool (balanced) observations: 145

Variable Coefficient Std. Error t-Statistic Prob.

C 0.075306 0.509405 0.147830 0.8827

PE? 0.060557 0.016290 3.717444 0.0003
UPAH_MIN? -0.011992 0.034557 -0.347020 0.7291
PP_PEND? 0.002320 0.009831 0.236024 0.8138
PP_KES? -0.000943 0.011251 -0.083837 0.9333

R-squared 0.135004 Mean dependent var 0.574519

Adjusted R-squared 0.110290 S.D. dependent var 0.086624
S.E. of regression 0.081708 Akaike info criterion -2.137455
Sum squared resid 0.934668 Schwarz criterion -2.034809
Log likelihood 159.9655 Hannan-Quinn criter. -2.095746
F-statistic 5.462600 Durbin-Watson stat 0.206063
Prob(F-statistic) 0.000407

2. Fixed Effect Model

Dependent Variable: I_HDI?

Method: Pooled Least Squares
Date: 07/07/22 Time: 23:21
Sample: 2016 2020
Included observations: 5
Cross-sections included: 29
Total pool (balanced) observations: 145

Variable Coefficient Std. Error t-Statistic Prob.

C -1.722709 0.658661 -2.615469 0.0101

PE? 0.171302 0.076017 2.253472 0.0262
UPAH_MIN? 0.062485 0.033620 1.858579 0.0657
PP_PEND? -0.005264 0.007458 -0.705871 0.4817
PP_KES? -0.009541 0.012282 -0.776813 0.4389
Fixed Effects (Cross)

97
 _ACEH--C 0.018554
_SUMUT--C -0.101063
_SUMBAR--C -0.041877
_RIAU--C -0.038273
_JAMBI--C -0.079656
_SUMSEL--C -0.077388
_BENGKULU--C 0.013892
_LAMPUNG--C 0.038997
_BABEL--C 0.012363
_KEPRI--C -0.107713
_DKI--C -0.206909
_JABAR--C 0.161207
_JATENG--C 0.163010
_DIY--C 0.027953
_JATIM--C 0.069737
_BANTEN--C 0.128581
_NTB--C 0.062616
_KALBAR--C 0.090681
_KALTENG--C 0.067602
_KALSEL--C 0.031955
_KALTIM--C -0.184362
_KALUT--C -0.037394
_SULTENG--C -0.168821
_SULSEL--C -0.086497
_SULTRA--C 0.068301
_GORONTALO--C -0.089766
_SULBAR--C 0.050901
_MALUKU--C 0.031968
_MALUT--C 0.181404

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.882493 Mean dependent var 0.574519

Adjusted R-squared 0.848919 S.D. dependent var 0.086624
S.E. of regression 0.033670 Akaike info criterion -3.747472
Sum squared resid 0.126972 Schwarz criterion -3.070008
Log likelihood 304.6917 Hannan-Quinn criter. -3.472195
F-statistic 26.28536 Durbin-Watson stat 1.363608
Prob(F-statistic) 0.000000

3. Chow Test

Redundant Fixed Effects Tests

Pool: Untitled
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 25.444829 (28,112) 0.0000

Cross-section Chi-square 289.452475 28 0.0000

Cross-section fixed effects test equation:

98
 Dependent Variable: I_HDI?
Method: Panel Least Squares
Date: 07/07/22 Time: 23:21
Sample: 2016 2020
Included observations: 5
Cross-sections included: 29
Total pool (balanced) observations: 145

Variable Coefficient Std. Error t-Statistic Prob.

C 0.075306 0.509405 0.147830 0.8827

PE? 0.060557 0.016290 3.717444 0.0003
UPAH_MIN? -0.011992 0.034557 -0.347020 0.7291
PP_PEND? 0.002320 0.009831 0.236024 0.8138
PP_KES? -0.000943 0.011251 -0.083837 0.9333

R-squared 0.135004 Mean dependent var 0.574519

Adjusted R-squared 0.110290 S.D. dependent var 0.086624
S.E. of regression 0.081708 Akaike info criterion -2.137455
Sum squared resid 0.934668 Schwarz criterion -2.034809
Log likelihood 159.9655 Hannan-Quinn criter. -2.095746
F-statistic 5.462600 Durbin-Watson stat 0.206063
Prob(F-statistic) 0.000407

4. Random Effect Model

Dependent Variable: I_HDI?

Method: Pooled EGLS (Cross-section random effects)
Date: 07/07/22 Time: 23:18
Sample: 2016 2020
Included observations: 5
Cross-sections included: 29
Total pool (balanced) observations: 145
Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C -0.973585 0.417852 -2.329978 0.0212

PE? 0.066941 0.028223 2.371842 0.0191
UPAH_MIN? 0.078310 0.026275 2.980401 0.0034
PP_PEND? -0.001207 0.006982 -0.172840 0.8630
PP_KES? -0.009632 0.010721 -0.898420 0.3705
Random Effects (Cross)
_ACEH--C -0.026144
_SUMUT--C -0.102206
_SUMBAR--C -0.057827
_RIAU--C 0.031957
_JAMBI--C -0.063785
_SUMSEL--C -0.078981
_BENGKULU--C -0.028230
_LAMPUNG--C 0.013790
_BABEL--C 0.013239
_KEPRI--C -0.019219
_DKI--C -0.060536
_JABAR--C 0.132510

99
 _JATENG--C 0.129226
_DIY--C 0.002546
_JATIM--C 0.075381
_BANTEN--C 0.120036
_NTB--C -0.002206
_KALBAR--C 0.055797
_KALTENG--C 0.065573
_KALSEL--C 0.015885
_KALTIM--C -0.048772
_KALUT--C 0.052312
_SULTENG--C -0.153565
_SULSEL--C -0.088616
_SULTRA--C 0.061923
_GORONTALO--C -0.126973
_SULBAR--C 0.008772
_MALUKU--C -0.043735
_MALUT--C 0.121848

Effects Specification
S.D. Rho

Cross-section random 0.078359 0.8441

Idiosyncratic random 0.033670 0.1559

Weighted Statistics

R-squared 0.173639 Mean dependent var 0.108418

Adjusted R-squared 0.150029 S.D. dependent var 0.036852
S.E. of regression 0.033976 Sum squared resid 0.161609
F-statistic 7.354369 Durbin-Watson stat 1.084955
Prob(F-statistic) 0.000021

Unweighted Statistics

R-squared 0.052180 Mean dependent var 0.574519

Sum squared resid 1.024163 Durbin-Watson stat 0.171202

5. Hausman Test

Correlated Random Effects - Hausman Test

Pool: Untitled
Test cross-section random effects

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

Cross-section random 6.552773 4 0.1615

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob.

PE? 0.171302 0.066941 0.004982 0.1393

UPAH_MIN? 0.062485 0.078310 0.000440 0.4506

100
 PP_PEND? -0.005264 -0.001207 0.000007 0.1217
PP_KES? -0.009541 -0.009632 0.000036 0.9879

Cross-section random effects test equation:

Dependent Variable: I_HDI?
Method: Panel Least Squares
Date: 07/07/22 Time: 23:20
Sample: 2016 2020
Included observations: 5
Cross-sections included: 29
Total pool (balanced) observations: 145

Variable Coefficient Std. Error t-Statistic Prob.

C -1.722709 0.658661 -2.615469 0.0101

PE? 0.171302 0.076017 2.253472 0.0262
UPAH_MIN? 0.062485 0.033620 1.858579 0.0657
PP_PEND? -0.005264 0.007458 -0.705871 0.4817
PP_KES? -0.009541 0.012282 -0.776813 0.4389

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.882493 Mean dependent var 0.574519

Adjusted R-squared 0.848919 S.D. dependent var 0.086624
S.E. of regression 0.033670 Akaike info criterion -3.747472
Sum squared resid 0.126972 Schwarz criterion -3.070008
Log likelihood 304.6917 Hannan-Quinn criter. -3.472195
F-statistic 26.28536 Durbin-Watson stat 1.363608
Prob(F-statistic) 0.000000

101