Hindawi
Dinamika Diskrit dalam Alam dan
Masyarakat Volume 2020, ID Artikel
8851684, 13 halaman
https://doi.org/10.1155/2020/8851684
Artikel Penelitian
Pengukuran Indeks Pembangunan Keuangan Hijau dan
Dampaknya Terhadap Pengurangan Kemiskinan: Analisis Panel
Dinamis Berdasarkan Metode Entropi yang Disempurnakan
Korespondensi dapat ditujukan kepada Hui Wang; wanghui_0401@163.com dan Yifeng Wang; wyf870403@163.com
Diterima 7 September 2020; Direvisi 25 November 2020; Diterima 29 November 2020; Diterbitkan 16 Desember 2020 Editor
Hak Cipta © 2020 Lili Jiang dkk. Ini adalah artikel akses terbuka yang didistribusikan di bawah Lisensi Atribusi Creative
Commons, yang mengizinkan penggunaan, distribusi, dan reproduksi tanpa batas dalam media apa pun, asalkan karya aslinya
dikutip dengan benar.
Keuangan berkontribusi pada pengentasan kemiskinan melalui pertumbuhan ekonomi, dan pengembangan keuangan hijau
terkait dengan pembangunan ekonomi dan lingkungan hidup dunia yang berkelanjutan. Keuangan hijau tidak hanya
membantu mendorong pembangunan ekonomi yang berkelanjutan, tetapi juga membantu mengurangi kemiskinan. Berdasarkan
analisis teori-teori terkait tentang keuangan hijau dan pengentasan kemiskinan, makalah ini memilih 18 indikator dari tiga
dimensi yaitu pembangunan ekonomi, pembangunan keuangan, dan pembangunan lingkungan sosial dan menggunakan
metode entropi yang lebih baik untuk mengukur indeks pengembangan keuangan hijau dari 25 provinsi dan kotamadya di Cina
dari tahun 2004 hingga 2017. Hasil penelitian menunjukkan bahwa tingkat perkembangan keuangan hijau di 25 provinsi dan
kotamadya di China sangat berbeda. Atas dasar analisis di atas, dilakukan analisis empiris mengenai dampak indeks
pengembangan keuangan hijau terhadap pengentasan kemiskinan dengan menggunakan analisis regresi berganda dan metode
estimasi panel statis dan panel dinamis. Hasil penelitian menunjukkan bahwa terdapat hubungan positif yang signifikan antara
keuangan hijau dan pengentasan kemiskinan; semakin tinggi tingkat pengembangan keuangan hijau, semakin kondusif
pengentasan kemiskinan. Oleh karena itu, penelitian ini menunjukkan bahwa kemiskinan dapat dientaskan dengan lebih baik
dengan meningkatkan tingkat pengembangan keuangan hijau, tingkat aset keuangan, dan tingkat pembangunan ekonomi.
2.2.1. Keuntungan dari Model Evaluasi Bobot Entropi. zij - min zij , jika merupakan indikator yang
⎧⎪ z positif,
ij
Penelitian menunjukkan bahwa model evaluasi bobot ⎨ max zij - min zij
entropi memiliki manfaat akurasi perhitungan yang tinggi, ri,j � ⎪
jangkauan yang luas ⎪
jangkauan aplikasi, dan kerentanan yang terbatas terhadap ⎩
hijau adalah m urut hubungan
faktor subjektif. Alasan utama penggunaan model evaluasi ⎪
sebagai berikut. e antara indi- dasar.
bobot entropi untuk mengukur pengembangan keuangan Pertama, n
Dinamika Diskrit dalam Alam dan 7
max zij - zij
Masyarakat , jika zij adalah
max zij - min zij indikat
or
negatif.
(2)
kator dan keuangan hijau, indikator dasar dibagi (3) Menormalkan matriks sebagai berikut:
8 Dinamika Diskrit dalam Alam dan
Masyarakat
TABEL 1: Indikator-indikator yang relevan untuk pengembangan keuangan hijau.
Indikator DimensiDasar Metode perhitungan Kode Atribut
PDB per kapita PDB/populasi Z1 +
EkonomiPendapatan per Pendapatan/populasi yang dapat dibuang Z2 +
kapita
Tingkat pengangguran - Z3 -
Jumlah bank per area Jumlah bank/area Z4 +
Jumlah staf bank per area Jumlah staf bank/area Z5 +
Jumlah bank per kapita Jumlah bank/populasi Z6 +
Jumlah bank per kapita Jumlah staf/populasi bank Z7 +
Keuangan
Deposito Simpanan/PDB Z8 +
Pinjaman Pinjaman/PDB Z9 +
Kepadatan asuransi Premi/populasi Z10 +
Kedalaman asuransi Premi/Produk Domestik Bruto Z11 +
Laju air limbah Air limbah/(simpanan + pinjaman) Z12 -
Tingkat sulfur dioksida Jumlah sulfur dioksida/(simpanan + pinjaman) Z13 -
Tingkat limbah padat Jumlah limbah padat/(simpanan + pinjaman) Z14 -
Lingkungan
Tingkat konsumsi energi Jumlah konsumsi energi/(simpanan + pinjaman) Z15 -
Tingkat cagar alam Jumlah cagar alam/(simpanan + pinjaman) Z16 +
Laju hutan Jumlah hutan/(simpanan + pinjaman) Z17 +
m
1
Hj �- · pij ln pij, j � 1, 2, . . . , n, (6) v+j � max v ij|i � 1, 2, . . . , m , (10)
ln(m) i�1
3. Analisis Empiris
3.1. Data. Dalam pemilihan dan pengolahan data untuk
membangun GFI Tiongkok, data indikator yang relevan
dari tahun 2004 hingga 2017 digunakan. Pengolahan data
dilakukan sebagai berikut:
(1) setelah menghilangkan nilai yang hilang, kami
memilih data sampel dari 25 provinsi dan kota di
Tiongkok untuk analisis empiris;
(2) menggunakan pengeluaran konsumsi per kapita
sebagai variabel proksi untuk pengentasan kemiskinan di
Cina; dan (3) data berasal dari buku tahunan statistik
berbagai provinsi, serta laporan keuangan tahunan mereka.
TABEL 4: Matriks yang dinormalisasi untuk indeks pengembangan keuangan hijau pada tahun 2004.
c1 c2 c3 ... c15 c16 c17
Beijing 0.53 0.44 0.52 ... 0.53 0.00 0.03
Tianjin 0.39 0.24 0.18 ... 0.18 0.00 0.04
Hebei 0.16 0.16 0.17 ... 0.05 0.00 0.06
... ... ... ... ... ... ... ...
Shanxi 0.11 0.13 0.18 ... 0.10 0.01 0.22
Gansu 0.08 0.13 0.20 ... 0.08 0.07 0.07
Qinghai 0.11 0.13 0.17 ... 0.04 1.00 0.27
TABEL 5: Tingkat perkembangan keuangan hijau di setiap provinsi dan kota dari tahun 2004-2017.
Wilayah Provinsi 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Beijing 0.88 0.87 0.91 0.92 0.92 0.90 0.89 0.88 0.89 0.84 0.87 0.89 0.88 0.73
Tianjin
Cina Utara 0.88 0.81 0.79 0.73 0.76 0.74 0.75 0.79 0.79 0.63 0.58 0.65 0.60 0.58
Hebei 0.10 0.10 0.09 0.09 0.08 0.07 0.09 0.06 0.08 0.04 0.03 0.04 0.04 0.05
Shanxi 0.18 0.22 0.34 0.14 0.23 0.22 0.19 0.35 0.35 0.30 0.18 0.26 0.29 0.27
Liaoning 0.70 0.52 0.42 0.49 0.68 0.42 0.56 0.63 0.60 0.56 0.56 0.64 0.62 0.57
Cina Timur Laut Jilin 0.38 0.60 0.54 0.38 0.38 0.30 0.44 0.46 0.47 0.29 0.31 0.40 0.48 0.58
Heilongjiang 0.25 0.22 0.21 0.09 0.30 0.25 0.24 0.32 0.36 0.26 0.25 0.29 0.27 0.24
Shanghai 0.86 0.91 0.92 0.94 0.91 0.79 0.85 0.89 0.90 0.93 0.93 0.86 0.83 0.82
Jiangsu 0.08 0.13 0.09 0.08 0.15 0.09 0.10 0.15 0.20 0.17 0.14 0.23 0.19 0.24
Zhejiang 0.44 0.53 0.53 0.48 0.54 0.64 0.68 0.68 0.72 0.61 0.69 0.71 0.66 0.63
Cina Timur Anhui 0.00 0.01 0.01 0.00 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.02 0.01 0.00
Fujian 0.18 0.22 0.20 0.16 0.24 0.22 0.19 0.24 0.30 0.20 0.19 0.24 0.23 0.20
Jiangxi 0.03 0.02 0.03 0.02 0.03 0.02 0.02 0.03 0.04 0.02 0.02 0.03 0.04 0.03
Shandong 0.07 0.13 0.12 0.05 0.05 0.04 0.04 0.07 0.09 0.05 0.06 0.03 0.07 0.06
Henan 0.02 0.03 0.02 0.01 0.02 0.01 0.00 0.01 0.01 0.01 0.00 0.01 0.01 0.04
Hubei
Cina Selatan 0.01 0.07 0.05 0.04 0.04 0.03 0.02 0.03 0.05 0.02 0.02 0.03 0.02 0.02
Hunan 0.01 0.04 0.03 0.02 0.01 0.01 0.00 0.01 0.01 0.00 0.01 0.01 0.01 0.00
12 Guangdong 0.40 0.26 0.27 0.23 0.30 0.25 0.23 0.24Dinamika Diskrit0.25
0.38 0.19 dalam0.30
Alam0.23
dan 0.22
Masyarakat
Dinamika Diskrit dalam Alam dan 13
Masyarakat
TABEL 5: Lanjutan.
Wilayah Provinsi 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Chongqing 0.06 0.05 0.04 0.01 0.02 0.02 0.01 0.02 0.02 0.02 0.01 0.02 0.04 0.05
Sichuan
Cina Barat Daya 0.11 0.12 0.11 0.12 0.12 0.11 0.12 0.15 0.19 0.12 0.11 0.13 0.12 0.11
Guizhou 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.01 0.02
Yunnan 0.01 0.01 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Shaanxi 0.08 0.10 0.09 0.06 0.09 0.05 0.06 0.11 0.11 0.08 0.07 0.09 0.09 0.09
Cina Barat Laut Gansu 0.04 0.04 0.03 0.02 0.04 0.03 0.05 0.06 0.09 0.05 0.04 0.07 0.06 0.08
Qinghai 0.36 0.31 0.28 0.21 0.27 0.23 0.22 0.29 0.40 0.26 0.25 0.35 0.40 0.35
0.8
0.6
0.4
0.2
0
Beijing
Jilin
Tianjin
Hebei
Shanxi
Liaoning
Heilongjiang
Shanghai
Jiangsu
Zhejiang
Anhui Fujian
Jiangxi
Shandong
Henan
Hubei
Hunan
Guangdong
Chongqing
Sichuan
Guizhou
Yunnan
Shaanxi
Gansu
Qinghai
2004 2011
2005 2012
2006 2013
2007 2014
2008 2015
2009 2016
2010 2017
GAMBAR 1: GFI provinsi dan kota dari tahun 2004 hingga 2017.
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Beijing Hebei
Tianjin Shanxi
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Liaoning
Jilin
Heilongjiang
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Shanghai Zhejiang
Fujian Shandong
Jiangsu Anhui
Jiangxi
relatif rendah. Indeks pengembangan keuangan hijau Dari analisis di atas, kita dapat menemukan bahwa ada
Shanxi tidak tinggi di Cina utara. hubungan positif antara tingkat keuangan hijau dan
Karena tingkat tutupan hutan yang tinggi di tiga pembangunan ekonomi regional. GFI Beijing, Shanghai,
provinsi di timur laut, maka GFI secara keseluruhan di Tianjin, Zhejiang, dan Jiangsu relatif tinggi, sedangkan GFI
timur laut Cina lebih tinggi. Di wilayah timur dan selatan Anhui, Yunnan, dan wilayah lain dengan tingkat
Cina, GFI Shanghai, Zhejiang, dan Guangdong yang pembangunan ekonomi yang rendah relatif rendah. GFI
memiliki perkembangan ekonomi yang lebih baik memiliki Beijing, Shanghai, Shanxi, Qinghai, dan wilayah lainnya
GFI yang lebih tinggi, sementara GFI provinsi lainnya lebih menunjukkan tren yang stabil, sedangkan GFI Jiangsu,
rendah. Selain Provinsi Qinghai dan Sichuan, GFI di Cina Sichuan, Zhejiang, dan wilayah lainnya menunjukkan tren
Barat Laut dan Barat Daya relatif rendah. yang meningkat.
Dinamika Diskrit dalam Alam dan 15
Masyarakat
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Henan Hunan
Hubei Guangdong
GAMBAR 5: GFI di Cina selatan dari tahun 2004-2017.
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Chongqing Guizhou
Sichuan Yunnan
3.3. Pengaruh GFI terhadap Pengentasan Kemiskinan. Hasil analisis regresi berganda menunjukkan bahwa
Metode regresi berganda dan metode regresi panel statis GFI, inflasi, tingkat aset keuangan, dan tingkat
dan dinamis digunakan untuk menganalisis hubungan pembangunan ekonomi secara signifikan berpengaruh
antara GFI dan pengentasan kemiskinan. Untuk regresi positif terhadap pengentasan kemiskinan. Pembangunan
panel, regresi panel dengan efek acak ditetapkan. Statistik infrastruktur dan keterbukaan berpengaruh negatif
uji Hausman adalah 123,9259, dan nilai P yang sesuai signifikan terhadap pengentasan kemiskinan.
adalah 0. Kami menolak hipotesis nol yang menyatakan Hasil analisis efek tetap menunjukkan bahwa GFI,
bahwa tidak ada perbedaan sistematis antara model efek ukuran aset keuangan, dan tingkat pertumbuhan ekonomi
tetap dan model efek acak. Model efek tetap telah dibangun. memiliki pengaruh positif yang signifikan terhadap
Hasil estimasi parameter tampak pada Tabel 6. pengentasan kemiskinan. Pengeluaran pemerintah dan
Tabel 7 menunjukkan hasil estimasi model regresi keterbukaan berpengaruh negatif signifikan terhadap
berganda dan model panel statis (efek tetap) dan dinamis pengentasan kemiskinan.
(system GMM). Analisis GMM sistem menunjukkan bahwa GFI,
pembangunan infrastruktur, dan tingkat aset keuangan
memiliki pengaruh yang signifikan
16 Dinamika Diskrit dalam Alam dan
Masyarakat
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Shanxi
Gansu
Qinghai
TABEL 7: Analisis regresi dampak pembangunan keuangan hijau terhadap pengentasan kemiskinan.
Variabel Analisis regresi berganda Efek tetap Sistem GMM
LPK (-1) -0.4143∗∗∗ (-4.7012)
GFI0 .1274∗∗ (3.0157) 0.2127∗ (2.4668) 0.6370∗ (1.6604)
CPI0 .0135∗∗∗∗ (8.4430) 0.0023 (0.9541) 0.0081 (1.3223)
LROAD -0.2127∗∗∗ (-6.6589) 0.0027 (0.0450) 0.2304∗ (1.8444)
LGV0 .0230 (0.6828) -0.1373∗∗∗ (-4.5649) -0.1381 (-1.0336)
TERBUKA -0.1682∗∗∗ (-9.0565) -0.1603∗∗∗ (-3.6618) -0.4001∗∗∗ (-2.9249)
LEDU -0.0459 (-0.9926) -0.1130 (-1.3100) 0.2371 (0.7523)
LASSET0 .6461∗∗∗∗ (13.6912) 0.4365∗∗∗∗ (5.4059) 0.9961∗∗∗ (2.4700)
LPGDP0 .3081∗∗∗∗ (10.6054) 0.7648∗∗∗∗ (5.2025) 0.4174 (0.7346)
JANGKA WAKTU KONSTAN -0.3215 (-0.8474) -1.9514∗ (-1.8837)
N 350 350 325
R2 0.8815 0.9429
F 163.7293
AR (1) 0.4741
AR (2) 0.1292
Uji Hansen 0.1333
t: statistik dalam tanda kurung. ∗p < 0,1,∗∗ p < 0,05, dan∗∗∗ p < 0,01.
positif terhadap pengentasan kemiskinan, dan keterbukaan perbedaan dalam GFI di antara provinsi dan kota di Cina. GFI
berpengaruh negatif signifikan terhadap pengentasan Beijing dan Shanghai relatif tinggi. Berbagai metode
kemiskinan. estimasi regresi berganda dan panel statis serta panel
dinamis menunjukkan adanya hubungan positif yang
4. Kesimpulan dan Rekomendasi Kebijakan signifikan antara GFI dan pengentasan kemiskinan, yang
mengindikasikan bahwa pengembangan keuangan hijau
Makalah ini memilih 17 indikator dasar dan menggunakan dapat secara efektif mengurangi kemiskinan. Pengembangan
metode bobot entropi yang telah diperbaiki untuk keuangan hijau yang berkelanjutan dapat mendukung
mengukur GFI di berbagai provinsi dan kota di Cina. pelestarian lingkungan, menunjukkan optimalisasi manfaat
Hubungan antara GFI dan pengentasan kemiskinan dikaji ekonomi dan lingkungan, dan mewujudkan pengembangan
dengan menggunakan metode regresi panel dinamis. Hasil ekonomi hijau, yang pada akhirnya membantu mengentaskan
penelitian menunjukkan bahwa terdapat hubungan yang kemiskinan.
jelas antara GFI dan pengentasan kemiskinan.
Dinamika Diskrit dalam Alam dan 17
Masyarakat
harus dihilangkan. Pengentasan kemiskinan
Aset keuangan dan pembangunan ekonomi menunjukkan
membutuhkan penyesuaian aktif terhadap struktur
korelasi positif dengan pengentasan kemiskinan. Dengan
kredit lembaga keuangan, produk dan layanan
demikian, aset keuangan yang lebih besar dan pembangunan
keuangan yang sesuai, pengurangan biaya
ekonomi yang unggul lebih kondusif bagi pengentasan
pembiayaan perusahaan secara rasional, peningkatan
kemiskinan. Keterbukaan berpengaruh negatif terhadap
lingkungan bisnis regional, dukungan terhadap
pengentasan kemiskinan. Hal ini mungkin disebabkan karena
ekonomi riil, dan dukungan terhadap industri
Cina telah meningkatkan tingkat keterbukaannya dan
keuangan.
mendorong pertumbuhan ekonomi secara berkelanjutan,
tetapi juga mempercepat arus modal keluar, yang tidak
bermanfaat untuk mengentaskan kemiskinan. Koefisien
pengeluaran pemerintah adalah -0,1373, yang
mengindikasikan bahwa peningkatan pengeluaran
pemerintah menyebabkan kemiskinan. Alasan untuk
hubungan ini mungkin karena peningkatan pengeluaran
pemerintah memberikan efek crowding-out yang
menghambat kegiatan investasi sektor swasta sampai batas
tertentu, menyebabkan penurunan konsumsi dan investasi
swasta. Selain itu, penurunan tersebut tidak kondusif untuk
pengentasan kemiskinan. Berdasarkan kesimpulan
penelitian, makalah ini mengajukan beberapa rekomendasi
kebijakan sebagai berikut:
(1) Analisis empiris menunjukkan bahwa terdapat
korelasi positif yang signifikan antara tingkat
perkembangan keuangan hijau dan pengentasan
kemiskinan. Oleh karena itu, kita harus
meningkatkan indeks pengembangan keuangan
hijau di setiap daerah dan meningkatkan tingkat
pengembangan keuangan hijau. Setiap provinsi
harus memperhatikan inovasi pengembangan
keuangan hijau. Lembaga keuangan harus lebih
mengembangkan kredit hijau, obligasi keuangan
hijau, dan bisnis inovasi keuangan lainnya. Semua
provinsi dan kota harus mengembangkan energi
hijau, industri perlindungan lingkungan hijau, dan
industri konservasi energi dan perlindungan
lingkungan. Industri keuangan hijau memiliki
karakteristik rantai industri yang panjang, tingkat
relevansi yang tinggi, dan daya serap yang kuat, yang
memiliki efek tarikan yang komprehensif terhadap
pembangunan ekonomi dan secara efektif dapat
mengentaskan kemiskinan.
(2) Aset keuangan harus ditingkatkan. Analisis empiris
menunjukkan adanya korelasi positif antara aset
keuangan dan pengentasan kemiskinan. Semakin
besar aset keuangan, semakin besar pula
pengentasan kemiskinan. Oleh karena itu, berbagai
langkah harus diadopsi untuk meningkatkan aset
keuangan lembaga keuangan, terus memperdalam
reformasi sistem keuangan, memperbaiki situasi
pembiayaan industri, dan meningkatkan
pendapatan penduduk. Selain meningkatkan dan
memperkuat pengawasan mereka, lembaga
keuangan harus menghilangkan represi keuangan
pedesaan, persyaratan akses yang lebih longgar,
fokus pada peningkatan profesionalisme lembaga
keuangan, memperluas skala dana kredit, dan
meningkatkan penerbitan obligasi dan pembiayaan
pinjaman untuk industri ekonomi riil.
Kesimpulannya, kualitas layanan perusahaan
keuangan kepada ekonomi riil harus ditingkatkan,
dan masalah-masalah seperti kesulitan keuangan
18 Economics, vol. Dinamika
7, no. 2, hal.Diskrit
97-108,dalam
2002. Alam dan
pengembangan, dan integrasi keuangan dan Masyarakat
[2] P. Arestis dan A. Caner, "Liberalisasi keuangan dan
industri yang efisien. kemiskinan: saluran-saluran pengaruh," dalam Prosiding
(3) Tingkat pembangunan ekonomi harus dibuktikan Kertas Kerja Ekonomi, Nairobi, Kenya, Desember 2004.
di semua wilayah. Analisis empiris menunjukkan
adanya korelasi positif antara pembangunan
ekonomi dan pengentasan kemiskinan. Oleh
karena itu, pembangunan ekonomi di berbagai
daerah harus didorong dengan berbagai cara.
Untuk mengurangi kemiskinan, semua daerah
harus menggabungkan karakter masing-masing,
mengidentifikasi sumber daya yang paling
menguntungkan, mengeksploitasi keunggulan
komparatif mereka sepenuhnya, mengembangkan
industri yang menguntungkan, dan meningkatkan
pembangunan ekonomi mereka. Hal ini akan
membantu memfasilitasi pengentasan kemiskinan
secara lebih efektif.
(4) Meningkatkan investasi di bidang infrastruktur.
Dari analisis empiris di atas, kita dapat melihat
bahwa pembangunan infrastruktur memiliki peran
positif dalam mendorong pengentasan
kemiskinan. Pembangunan infrastruktur
memainkan peran yang sangat penting dalam
pembangunan ekonomi suatu negara.
Pembangunan infrastruktur adalah kekuatan
pendorong pembangunan ekonomi, yang
memainkan peran besar dalam mendorong
pertumbuhan ekonomi nasional. Peningkatan
investasi infrastruktur secara efektif dapat
meningkatkan lingkungan kerja dalam kegiatan
ekonomi dan mengurangi biaya transaksi,
sehingga dapat meningkatkan standar hidup
masyarakat dan mengentaskan kemiskinan.
Ketersediaan Data
Semua data yang digunakan untuk mendukung temuan
penelitian ini tersedia dari penulis yang bersangkutan
berdasarkan permintaan.
Konflik Kepentingan
Para penulis menyatakan bahwa mereka tidak memiliki
konflik kepentingan.
Referensi
[1] H. Jalilian dan C. Kirkpatrick, "Pembangunan keuangan
dan pengentasan kemiskinan di negara-negara
berkembang," International Journal of Finance &
Dinamika Diskrit dalam Alam dan 19
Masyarakat
pembangunan perkotaan yang berkelanjutan berdasarkan
[3] J. Shan, "Apakah pembangunan keuangan "memimpin"
teori struktur disipatif, metode entropi abu-abu dan kopling
pertumbuhan ekonomi? sebuah penilaian regresi otomatis
vektor," Applied Eco- nomics, vol. 37, no. 12, hal. 1353-1367,
2005.
[4] M. Sehrawat dan A. K. Giri, "Dampak perkembangan
keuangan terhadap pertumbuhan ekonomi," Jurnal
Internasional Emerging Markets, vol. 11, no. 4, pp. 569-583,
2016.
[5] Y. Bayar, "Pembangunan keuangan dan pengurangan
kemiskinan di negara berkembang," Panoeconomicus, vol. 64,
hal. 14, 2017.
[6] M. Csete dan L. Horva, "Keberlanjutan dan pembangunan
hijau dalam kebijakan dan strategi perkotaan," Ekologi
Terapan dan Penelitian Lingkungan, vol. 10, no. 2, hal. 185-
194, 2012.
[7] B. Edward, "Tantangan kebijakan untuk ekonomi hijau dan
pembangunan ekonomi berkelanjutan," Comparative
Economic & Social Systems, vol. 35, no. 3, hal. 233-245, 2013.
[8] Y. Wang dan Q. Zhi, "Peran keuangan hijau dalam
perlindungan lingkungan: dua aspek mekanisme pasar dan
kebijakan," Energy Procedia, vol. 104, hal. 311-316, 2016.
[9] L. Xiong dan S. Qi, "Pembangunan keuangan dan emisi
karbon di provinsi-provinsi di Tiongkok: analisis data panel
spasial," The Singapore Economic Review, vol. 63, no. 2, hal.
447-464, 2018.
[10] H. Sarah, J. Aled, A. Annela, dan P. Jan, "Menutup
kesenjangan keuangan hijau-Sebuah perspektif sistem,"
Environmental Innova- tion and Societal Transitions, vol. 34,
no. 3, hal. 26-60, 2020.
[11] Y. Song, M. Zhang, dan R. Sun, "Menggunakan indikator
agregat baru untuk mengevaluasi ketahanan energi Cina,"
Energy Policy, vol. 132, hlm. 167-174, 2019.
[12] H. Li, H. An, F. Wei dkk., "Struktur investasi energi global
dari perspektif pasar saham energi berdasarkan model
jaringan kompleks yang heterogen," Applied Energy, vol. 194,
hal. 648-657, 2016.
[13] X. Xi dan H. An, "Penelitian tentang struktur jaringan terkait
pasar saham energi berdasarkan indikator keuangan,"
Physica A Statistical Mechanics & its Applications, vol. 490,
hal. 1309- 1323, 2018.
[14] H. Li, Y. Yuan, dan N. Wang, "Evaluasi pengembangan
terkoordinasi keuangan hijau regional dan kopling
lingkungan ekologis," Statistik dan Keputusan, vol. 8, hlm.
161-164, 2019.
[15] H. Lei dan X. Wang, "Pencemaran lingkungan, keuangan
hijau dan pembangunan ekonomi berkualitas tinggi,"
Statistics and Development, vol. 15, pp. 18-22, 2020.
[16] F. Zhu, "Mengevaluasi tingkat koordinasi kopling antara
keuangan hijau dan lingkungan laut berdasarkan AHP dan
teori sistem abu-abu," Journal of Coastal Research, vol. 110,
no. sp1,
Hal. 277-281, 2020.
[17] Y. Liu, "Evaluasi komprehensif pengembangan keuangan
hijau di Provinsi Shandong," Financial Development
Research, vol. 7, hlm. 32-39, 2019.
[18] Y. N. Wang dan Y. R. Su, "Sistem evaluasi untuk
pengembangan sumber daya manusia yang berkelanjutan
berdasarkan metode entropi," dalam Prosiding Konferensi
Internasional IEEE tentang Otomasi & Logistik Qingdao,
IEEE, Qingdao, Cina, September 2008.
[19] Q. Wang, X. Yuan, J. Zhang dkk., "Penilaian kapasitas
pembangunan berkelanjutan dengan metode entropy weight
co-efficient," Sustainability, vol. 7 , no. 10,
pp. 13542-13563, 2015.
[20] L. Jin, "Evaluasi teknologi hemat energi bangunan hijau
berdasarkan metode bobot entropi," Applied Mechanics and
Materials, vol. 865, pp. 301-305, 2017.
[21] Q. Gong, M. Chen, X. Zhao, dan Z. Ji, "Pengukuran sistem
20 297-303, 2017. Dinamika Diskrit dalam Alam dan
teori: studi kasus di Chengdu, Tiongkok," Sustainability, Masyarakat
vol. 11, 2019.
[22] S. Dai dan D. Niu, "Evaluasi komprehensif pengembangan
perusahaan jaringan listrik yang berkelanjutan berdasarkan
model metode titik ideal grup fuzzy dan metode
pembobotan kombinasi dengan metode relasi orde grup
yang ditingkatkan dan metode bobot entropi,"
Keberlanjutan, vol. 9, no. 10, pp. 1900-1910, 2019.
[23] Y. Long, Y. Yang, X. Lei, Y. Tian, dan Y. Li, "Metode
penilaian terpadu untuk rencana darurat untuk kecelakaan
pencemaran air yang terjadi secara tiba-tiba berdasarkan
TOPSIS yang lebih baik, entropi shannon, dan model
tingkat perkembangan terkoordinasi," Sustainability, vol.
11, no. 2, hal. 510, 2019.
[24] B. Zhang dan Y. Wang, "Pengaruh keuangan hijau terhadap
pembangunan berkelanjutan energi: studi kasus di
Tiongkok," Emerging Markets Finance and Trade, 2019.
[25] L. Jiang, A. Tong, Z. Hu, dan Y. Wang, "Dampak indeks
pembangunan keuangan inklusif terhadap kewirausahaan
petani," PLoS One, vol. 14, no. 5, Artikel ID e0216466, 2019.
[26] T. Beck, A. Demirgu¨ç-Kunt, dan R. Levine, "Keuangan,
ketidaksetaraan, dan masyarakat miskin," Journal of
Economic Growth, vol. 12, no. 1, hal. 27-49, 2007.
[27] C. Y. Park dan R. V. Mercado, "Apakah inklusi keuangan
dapat mengurangi kemiskinan dan ketidaksetaraan
pendapatan di negara berkembang di Asia?", dalam
Financial Inclusion in Asia, Palgrave Macmillan UK,
London, UK, 2016.
[28] A. Rashid dan M. Intartaglia, "Pembangunan keuangan-
apakah dapat mengurangi kemiskinan?", Journal of
Economic Studies, vol. 44, no. 1,
pp. 69-86, 2017.
[29] V. Kappel, "Dampak pembangunan keuangan terhadap
ketimpangan pendapatan dan kemiskinan," dalam
Prosiding Konferensi Ekonomi Pembangunan Jerman,
Hannover, Jerman, Juli 2010.
[30] S. Perez-Moreno, "Pembangunan keuangan dan
kemiskinan di negara-negara berkembang: sebuah analisis
kausalitas," Empirical Economics, vol. 41, no. 1, hal. 57-80,
2011.
[31] M. Sehrawat dan A. K. Giri, "Pembangunan keuangan dan
pengentasan kemiskinan: analisis data panel Negara-negara
Asia Selatan," International Journal of Social Economics, vol.
43, no. 4, hal. 400-416, 2016.
[32] J. Greenwood dan B. Jovanovic, "Pembangunan keuangan,
pertumbuhan, dan distribusi pendapatan," Journal of
Political Economy, vol. 98, no. 5, Bagian 1, hal. 1076-1107,
1990.
[33] T. K. Ueda, "Pendalaman keuangan, ketidaksetaraan, dan
pertumbuhan: evaluasi kuantitatif berbasis model," The
Review of Eco- nomic Studies, vol. 73, no. 1, hal. 251-280,
2006.
[34] P. Zahonogo, "Pembangunan keuangan dan kemiskinan di
negara-negara berkembang: bukti dari Afrika Sub-Sahara,"
Jurnal Ekonomi dan Keuangan Antar Bangsa, vol. 9, no. 1,
hal. 211, 2017.
[35] S. Claessens dan E. Perotti, "Keuangan dan ketidaksetaraan:
jalur dan bukti," Journal of Comparative Economics, vol. 35,
no. 4, hal. 748-773, 2007.
[36] S. Pulvirenti, R. M. S. Costa, dan P. Pavone, "Francesco
Cupani: "jaringan ilmiah" pada masanya dan pembuatan
"sistem" Linnaean," Acta Botanica Gallica, vol. 162, no. 3,
pp. 215-223, 2015.
[37] G. Ferrauto, R. M. S. Costa, P. Pavone, dan G. L. Cantarella,
"Penilaian dampak manusia terhadap agroekosistem Sisilia
melalui evaluasi area melliferous," Annals of Bot- any, vol. 3,
hal. 237-244, 2013.
[38] A. Cuspilici, P. Monforte, dan MA Ragusa, "Studi pengaruh
debu Sahara terhadap pengukuran PM 10 di Sisilia dari
tahun 2013 hingga 2015," Ecological Indicators, vol. 76, hal.