Skripsi
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat Meraih Gelar Sarjana Ekonomi (S.E)
Disusun Oleh :
Hari Senin, 24 Mei 2021 telah dilakukan Ujiam Komprehensif atas mahasiswa :
Nama : Rr. Yuliana Intan Suryaningtyas
NIM : 11170840000006
Jurusan : Ekonomi Pembangunan
3
LEMBAR PERNYATAAN KEASLIAAN KARYA ILMIAH
NIM : 11170840000006
Jurusan : Ekonomi Pembangunan
Jikalau dikemudian hari ada tuntutan dari pihak lain atas karya saya, dan telah
melalui pembuktian yang dapat dipertanggung jawabkan, ternyata memang
ditemukan bukti bahwa saya telah melanggar pernyataan ini, maka saya siap
dikenai sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan Bisnis
UIN Syarif Hidayatullah Jakarta.
4
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini Senin, 27 Desember 2021 telah melakukan ujian skripsi atas nama :
5
DAFTAR RIWAYAT HIDUP
I. Identitas Pribadi
1. Nama : Rr. Yuliana Intan Suryaningtyas
2. Tempat Tanggal Lahir : Tangerang, 12 Juli 1999
3. Alamat : Jl. Reni Jaya Lama Blok H 10 No.3
Rt.002/002 Pndok Petir, Bojongsari, Depok.
4. Telpon : 089626716096
5. E-mail : yulaianintan18@gmail.com
6
ABSTRAK
7
ABSTRACT
This study aims to analyze the effect of the human development index and
the open unemployment rate on poverty in the 5 poorest provinces in Indonesia.
The samples in this study were the 5 poorest provinces in Indonesia, namely
Maluku, NTT, Papua, West Papua and Gorontalo. The data in this study are
secondary data taken from the Central Statistics Agency (BPS) in the form of HDI,
UR and poverty data in the 2010-2020 range. The method used is panel data
regression analysis with Fixed Effect Model. The results showed that the HDI and
UR variables were able to explain their effect on poverty as indicated by the R2
value of 0.922129. So it can be concluded that the independent variables (HDI and
UR) are able to explain their influence on the dependent variable (Poverty) with a
percentage of 92.2%. The Human Development Index has a negative and significant
effect, so that every increase in the index is able to reduce poverty in the 5 poorest
provinces in Indonesia. While the unemployment rate has a positive but not
significant effect, which means that unemployment decreases, poverty also
decreases.
.
Keywords: Human Development Index, Unemployment Rate, Poverty
8
KATA PENGANTAR
1. Keluarga Penulis, kedua orang tua yang amat saya sayangi dan saya cintai Papa
R. Rudy Suryowidodo (Alm.) dan Mama Ningrum yang senantiasa selalu
memberi semangat dan doa disetiap harinya serta kasih sayang yang tak
terhingga sehingga penulis dapat menyelesaikan skripsi ini dengan baik.
Kakak-kakak dan adik saya yang juga selalu memberi saya semangat dan doa,
saya ucapkan terimakasih kepada kalian
2. Pembimbing terbaik Bapak Dr.Sofyan Rizal, M.Si. Telah banyak memberikan
pelajaran berharga selama prpses penulisan, juga telah senantiasa meluangkan
waktu untuk penulis dikala kesibukan pekerjaan.
3. Bapak Prof. Dr. Amilin, SE., Ak., M.Si., CA., QIA., BKP., CRMP selaku
Dekan Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif
Hidayatullah Jakarta, beserta jajarannya.
4. Bapak Dr. Muhammad Hartana Iswandi Putra, SE., M.Si selaku Ketua Jurusan
Ekonomi Pembangunan Universitas Islam Negeri Syarif Hidayatullah Jakarta.
5. Ibu Fitri Amelia, M.Si selaku Sekretaris Jurusan Ekonomi Pembangunan
Universitas Islam Negeri Syarif Hidayatullah Jakarta, beserta jajarannya.
9
6. Seluruh Bapak/Ibu Dosen yang telah mencurahkan dan mengamalkan ilmu
yang tak ternilai hingga penulis menyelesaikan studi di Fakultas Ekonomi dan
Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
7. Terkhusus teman – teman seperjuangan Ekonomi Pembangunan angkatan
2017, yang telah saling bahu membahu memberikan semangat. Saya ucapkan
terimaksih serta doa semoga kalian lulus tepat pada waktunya.
8. Teman-teman tercinta semasa SMA yang membuat kehidupan di putih abu-abu
menjadi ceria setiap harinya makasih teruntuk Nyai, Adel, Mala, Muti, Aisyah,
Dita dan Koda Gengs yaitu Conyta, Umi Luisa, Rany, Childra, Rara, Taniela,
Laelan, Vira, Sonia.
9. Teman-teman perkulihan saya yang selalu menemani kala suka maupun duka
dikerasnya dunia perkulihan. Saya benar-benar bersyukur dan berterimakasih
telah di takdirkan untuk bertemu dan menjadi teman dekat kalian teruntuk
Indira, Arbi, Vefy, Dinay, Rahayu, Dila, Aini, Wiwi, Ibun, Abang Ardha, Nuy,
dan yang merasa dekat dengan saya. Sekali lagi saya ucapkan terimakasih
untuk kalian yang telah mengisi tempat khusus dalam ingatan masa muda saya
saat ini.
Penulisan skripsi ini masih terdapat kekurangan, penulis meminta maaf atas
kekurangan tersebut. Kritik dan saran atas penulisan skripsi ini sangat
diharapkan agar menjadi bekal untuk penulis nantinya. Akhir kata semoga
10
DAFTAR ISI
12
DAFTAR TABEL
13
DAFTAR GAMBAR
14
BAB I
PENDAHULUAN
A. Latar Belakang
dilaksanakan secara terpadu (M Nasir, dkk, dalam Adit Agus Prasetyo, 2010).
kapitanya kurang dari sepertiga rata-rata nasional yaitu sebesar $2 per orang per
hari. Selain itu, menurut BPS (2010), keputusan untuk menghitung garis
Rp. 7.057 per orang per hari. Pendapatan sebesar Rp7.057 per orang per hari berasal
dari perhitungan garis kemiskinan yang meliputi kebutuhan pangan dan non
pangan. Nilai pedoman 2.100 kg per orang per hari digunakan untuk kebutuhan
15
World Bank (2018), Negara Indonesia termasuk dalam daftar 100 negara
termiskin di dunia yaitu urutan ke-88 dengan PDB sebesar 11,612. Sebagai wujud
(TPB) atau Sustainable Development Goals (SDGs), khususnya tujuan 1 yaitu tanpa
kemiskinan.
disetiap daerah juga akan berbeda-beda, untuk itu perlu dicari masalah yang
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Aceh 14,65 13,69 18,58 17,72 16,98 17,11 16,43 15,92 15,68 15,01 15,43
Sumatra Utara 11,34 10,75 10,41 10,39 9,85 10,79 10,27 9,28 8,94 8,63 9,14
Sumatra Barat 6,84 7,42 8 7,56 6,89 6,71 7,14 6,75 6,55 6,29 6,56
Riau 7,17 6,37 8,05 8,42 7,99 8,82 7,67 7,41 7,21 6,9 7,04
Jambi 11,8 11,19 8,28 8,42 8,39 9,12 8,37 7,9 7,85 7,51 7,97
Sumatra Selatan 16,73 15,15 13,48 14,06 13,62 13,77 13,39 13,1 12,82 12,56 12,98
Bengkulu 18,75 17,74 17,51 17,75 17,09 17,16 17,03 15,59 15,41 14,91 15,3
Lampung 14,3 12,27 15,65 14,39 14,21 13,53 13,86 13,04 13,01 12,3 12,76
16
Kep. Bangka Belitung 4,39 4,11 5,37 5,25 4,97 4,83 5,04 5,3 4,77 4,5 4,89
Kep Riau 7,87 7,35 6,83 6,35 6,4 5,78 5,84 6,13 5,83 5,8 6,13
DKI Jakarta 3,48 3,75 3,7 3,72 4,09 3,61 3,75 3,78 3,55 3,42 4,69
Jawa Barat 9,43 9,26 9,89 9,61 9,18 9,57 8,77 7,83 7,25 6,82 8,43
Jawa Tengah 14.33 14,12 14,98 14,44 13,58 13,32 13,19 12,23 11,19 10,58 11,84
DI Yogyakarta 13,98 13,16 15,88 15,03 14,55 13,16 13,1 12,36 11,81 11,44 12,8
Jawa Timur 10,58 9,87 13,08 12,73 12,28 12,28 11,85 11,2 10,85 10,2 11,46
Banten 4,99 4,61 5,71 5,89 5,51 5,75 5,36 5,59 5,25 4,94 6,63
Bali 4,04 3,91 3,95 4,49 4,76 5,25 4,15 4,14 3,91 3,61 4,45
NTB 28,16 23,67 18,02 17,25 17,05 16,54 16,02 15,05 14,63 13,88 14,23
NTT 13,98 12,5 20,41 20,24 19,6 22,58 22,01 21,38 21,03 20,62 21,21
Kalimantan Barat 6,31 6,33 7,96 8,74 8,07 8,44 8 7,86 7,37 7,28 7,24
Kalimantan Tengah 4,03 3,91 6,19 6,23 6,07 5,91 5,36 5,26 5,1 4,81 5,26
Kalimantan Selatan 4,54 3,84 5,01 4,76 4,81 4,72 4,52 4,7 4,65 4,47 4,83
Kalimantan Timur 4,02 4,06 6,38 6,38 6,31 6,1 6 6,08 6,06 5,91 6,64
Kalimantan Utara - - - - - 6,32 6,99 6,96 6,86 6,49 7,41
Sulawesi Utara 7,75 7,46 7,64 8,5 8,26 8,98 8,2 7,9 7,59 7,51 7,78
Sulawesi Tengah 9,82 9,46 14,94 14,32 13,61 14,07 14,09 14,22 13,69 13,18 13,06
Selawesi Selatan 4,7 4,61 9,82 10,32 9,54 10,12 9,24 9,48 8,87 8,56 8,99
Sulawesi Tenggara 4,1 4,8 13,06 13,73 12,77 13,74 12,77 11,97 11,32 11,04 11,69
Gorontalo 6,29 5,37 17,22 18,01 17,41 18,16 17,63 17,14 15,83 15,31 15,59
Sulbar 9,7 10,77 13,01 12,23 12,05 11,9 11,19 11,18 11,22 10,95 11,5
Maluku 10,2 10,24 20,76 19,27 18,44 19,36 19,26 18,29 17,85 17,65 17,99
Maluku Utara 2,66 2,8 8,06 7,64 7,41 6,22 6,41 6,44 6,62 6,91 6,97
Papua Barat 5,73 6,05 27,04 27,14 26,26 25,73 24,88 23,12 22,66 21,51 21,7
Papua 5,55 4,6 30,66 31,53 27,8 28,4 28,4 27,76 27,43 26,55 26,8
Indonesia 9,87 9,23 11,56 11,47 10,96 11,1 10,7 10,12 9,66 9,22 10,19
bertambah 2,76 juta jiwa pada periode tahun terkahir, dikarenakan faktor pandemi
Covid-19, jumlah penduduk miskin di Indonesia pada Maret 2020 mencapai 26,42
17
sebanyak 1,28 juta orang. Persentase penduduk miskin pada Maret 2020 tercatat
sebesar 9,78 persen, meningkat 0,56 persen poin terhadap September 2019 dan
meningkat 0,37 persen poin terhadap Maret 2019. Adapun peningkatan penduduk
miskin 2,76 juta jiwa tersebut, paling banyak dari perkotaan di mana kemiskinan di
perkotaan selama pandemi naik dari September 2019 6,56 persen menjadi 7,,88
tipis, dari September 2019 12,60 persen menjadi 13,20 persen di September 2020.
dengan perkotaan jika dilihat berdasarkan tahun 2010 hingga 2020. Yang dimana
tahun yaitu tahun 2012 dan 2013 memiliki angka persentase yang tinggi yaitu
sebesar 11,56 dan 11,47 yang disebabkan karna adanya kenaikan inflasi yang tinggi
akibat kenaikan Bahan Bakar Minyak (BBM), karna hal tersebut membuat harga
bahan pokok mengalami kenaikan cukup tinggi yaitu sebesar 17,59%. Angka
Maka dari itu, berdasarkan Badan Pusat Statistik bahwa untuk mengukur
(basic needs approach) konsep ini mengacu pada Handbook on Poverty Inequality
makanan dan bukan makanan yang diukur dari sisi pengeluaran. Penduduk
18
dikategorikan sebagai penduduk miskin jika memiliki rata-rata pengeluaran per
kapita per bulan dibawah garis kemiskinan. Data diatas tercatat bahwa Provinsi
Papua, Papua Barat, Nusa Tenggara Timur, Maluku, dan Gorontalo memiliki
persentase penduduk miskin tertinggi pada tahun disetiap tahunnya, dimana data
menunjukan bahwa peringkat pertama masih di duduki oleh Papua yaitu sebesar
26,64 persen sama dengan 911,37 ribu jumlah penduduk miskin yang ada, lalu
peringkat kedua ada Provinsi Papua yaitu sebesar 21,37 persen dengan jumlah
prnduduk miskin 208,58 ribu jiwa, yang ketiga ada Provinsi Nusa Tenggara Timur
dengan jumlah penduduk miskin 1,153,76 dengan persentase 20,90 yang keempat
di duduki oleh Provinsi Maluku dengan total persentase 17,44 dan peringkat
terakhir ada Provinsi Gorontalo yaitu sebesar 15,22 jika dibandingkan dengan tahun
beberapa kebijakan. Pada tahun 2009 lahir peraturan Presiden Nomor 13 Tahun
sebelumnya.
19
Tabel 1. 2 Garis Kemiskinan Menurut 5 Provinsi Termiskin Di Indonesia
Tahun 2010-2020 (Rupiah)
PROVINSI 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Papua 284.755 - 297.502 339.096 358.204 402.031 427.176 457.541 499.463 540.099 562.992
Papua 336.999 - 354.625 397.003 428.608 441.569 472.967 499.778 516.362 573.313 610.888
Barat
NTT 193.298 203.602 222.507 251.080 265..955 297.864 322.947 343.396 354.898 373.922 403.005
Maluku 257.630 268.701 295.904 346.599 361.022 399.632 414.302 436.865 456.457 508.727 573.685
Gorontalo 212.397 195.685 212.476 233.942 247.611 263.652 284.232 296.730 316.296 333.070 368.990
Dilihat dari Tabel 1.2 menunjukan hal yang positf dimana baik dari sisi garis
kemiskinan maupun jumlah penduduk miskin dari tahun 2010 hingga 2020 selalu
mengalami penurunan yang cukup baik. Pada tahun 2010 Papua, Papua Barat, Nusa
Tenggara Timur, Maluku, dan Gorontalo memiliki garis kemiskinan yang cukup
pokok setiap bulannya hannya sedikit, yaitu Papua sebesar 284.755 Papua Barat
336.999 Nusa Tenggara Timur sebesar 193.298 Maluku 257.630 dan Gorontalo
212.397. Dari data BPS, Nusa Tenggara Timur dan Gorontalo memmiliki garis
kemiskinan yang rendah diantara provinsi Papua, Papua Barat, dan Maluku.
20
adat sudah lama hidup di pinggir proses perkembangan ekonomi dan jauh dari
kemiskinan, hal itu juga menunjukan bahwa adanya ketimpangan yang dialami
terjadinya penduduk miskin. Kualitas sumber daya manusia dapat dilihat dari
bidang pendidikan dan kesehatan akan lebih bermakna bagi penduduk miskin
dibandingkan penduduk tidak miskin, karena bagi penduduk miskin aset utama
adalah pekerjaan fisik mereka. Keberadaan fasilitas pendidikan dan kesehatan yang
(2013) dan Ady Soejoto dkk (2015). Oleh karna itu, dalam upaya pembangunan
21
ekonomi tidak lagi hanya berorientasi pada pendapatan ekonomi yang setinggi-
PROVINSI 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Papua 54,45 55,01 55,55 56,25 56,75 57,25 58,05 59,09 60,06 60,84 60,44
Papua Barat 59,60 59,90 60,30 60,91 61,28 61,73 62,21 62,99 63,74 64,70 65,09
NTT 59,21 60,24 60,81 61,68 62,26 62,67 63,13 63,73 64,39 65,23 65,19
Maluku 64,27 64,75 65,43 66,09 66,74 67,05 67,60 68,19 68,87 69,45 69,49
Gorontalo 62,65 63,48 64,16 64,70 65,17 65,86 66,29 67,01 67,71 68,49 68,68
Jika dilihat dari Tabel 1.3 berdasarkan hasil Badan Pusat Statistik (BPS)
setiap daerah yang merilis secara umum, pembangunan manusia Papua, Papua
selama periode 2010 hingga 2019, akan tetapi pada tahun 2020 mengalami
60,84 pada tahun 2019 menjadi 60,44 pada tahun 2020. Pertumbuhan pada periode
2019-2020 turun sebesar 0,66 persen. IPM Provinsi Papua Barat meningkat dari
59,60 pada tahun 2010 menjadi 64,70 pada tahun 2019. Selama dekade tersebut,
22
IPM Indonesia rata-rata tumbuh sebesar 0,92 persen per tahun dan meningkat dari
level “rendah” menjadi “sedang” sejak tahun 2012. Begitu pula Pandemi Covid-19
manusia Papua Barat. IPM Provinsi Papua Barat tahun 2020 tercatat sebesar 65,09
sebelumnya. Dengan capaian ini, rata-rata pertumbuhan IPM Provinsi Papua Barat
selama periode 2011-2020. Selama periode tersebut, IPM NTT rata-rata tumbuh
sebesar 0,88 persen per tahun. Namun pada periode 2019-2020, IPM NTT menurun
sebesar 0,06 persen. Selama periode 2010 hingga 2020, pada periode 2020, tiga
(UHH), Harapan Lama Sekolah (HLS), dan Rata-rata Lama Sekolah (RLS),
pengeluaran per kapita. Pengeluaran per kapita (harga konstan 2012) masyarakat
sebesar Rp. 7,598 juta pada tahun 2020, menurun Rp. 171 ribu dibandingkan tahun
sebelumnya. IPM Maluku meningkat dari 64,27 pada tahun 2010 menjadi 69,45
pada tahun 2019. Selama periode tersebut, IPM Maluku rata-rata tumbuh 0,87
persen per tahun, namun masih stagnan pada level “sedang”. Pandemi Covid-19
IPM tahun 2020 tercatat sebesar 69,49 atau tumbuh 0,06 persen, melambat
23
pertumbuhan IPM tahun 2010-2020 menjadi sebesar 0,78 persen per tahun. IPM
Provinsi Gorontalo meningkat dari 62,65 pada tahun 2010 menjadi 68,49 pada
tahun 2019. Selama periode tersebut, IPM Provinsi Gorontalo rata-rata tumbuh
sebesar 1,00 persen per tahun, lebih cepat dibandingkan rata-rata pertumbuhan IPM
nasional yang sebesar 0,87 persen per tahun. Pada periode 2018-2019, IPM Provinsi
(1997) menyatakan bahwa ada hubungan yang erat sekali antara tingginya tingkat
tenaga kerja yang tidak terserap oleh pasar kerja. Pengangguran Terbuka
merupakan penduduk yang telah masuk dalam angkatan kerja tetapi tidak memiliki
memiliki pekerjaan tetapi belum mulai bekerja. Menurut Octaviani (2001), jumlah
memiliki ketergantungan yang sangat besar atas pendapatan gaji atau upah yang
kemiskinan.
2010, dan hingga Agustus 2019 TPT mengalami peningkatan. Namun pada setahun
terakhir, pengangguran bertambah 60 ribu orang, berbeda dengan TPT yang turun
masih yang paling tinggi diantara tingkat pendidikan lain, yaitu sebesar 8,49 persen.
Penduduk yang bekerja sebanyak 131,03 juta orang, bertambah 1,67 juta orang dari
terutama Jasa Pendidikan (0,24 persen poin), Konstruksi (0,19 persen poin), dan
Jasa Kesehatan (0,13 persen poin). Sementara lapangan pekerjaan yang mengalami
penurunan terutama pada Pertanian (0,42 persen poin), Perdagangan (0,29 persen
Persentase tertinggi pekerja pada Februari 2020 adalah pekerja penuh (jam
kerja minimal 35 jam per minggu) sebesar 69,90 persen. Sementara, pekerja tidak
penuh terbagi menjadi dua, yaitu pekerja paruh waktu (23,74 persen) dan pekerja
25
setengah penganggur turun sebesar 1,01 persen poin, sedangkan persentase pekerja
Pengangguran Terbuka yang dimiliki Papua, Papua Barat, Nusa Tenggara Timur,
Maluku, dan Gorontalo memiliki angka persentase yang tidak stabil dibandingkan
dengan provinsi lain, karena jika semakin kecil persentase TPT hal ini juga
menunjukan semakin besarnya tenaga kerja yang terserap dalam lapangan usaha
atau sektor, hal ini juga mencerminkan kestabilan suatu daerah di bidang
lapangan usaha atau sektor maka sangat terbatas untuk menyerap tenaga kerja yang
terindikasi melalui TPT yang tinggi, maka akan berpotensi menimbulkan masalah
sumber daya manusia dimana hal tersebut membuktikan bahwa semakin tinggi
27
diri. Dimana hal tersebut juga mempengaruhi tingkat pengangguran. Maka dari itu
B. Rumusan masalah
28
C. Tujuan Penelitian
D. Manfaat Penelitian
Gorontalo.
dan Gorontalo.
29
3. Bagi Peneliti, Menambah pengetahuan baru dan memberikan motivasi serta
30
BAB II
TINJAUAN PUSTAKA
A. Landasan Teori
1. Kemiskinan
ini menjadi masalah pembangunan yang dapat terjadi dimana saja, baik di
negara maju maupun negara berkembang dan ini sudah menjadi suatu hal
sendiri.
kekurangan dalam kesejahteraan, dan terdiri dari banyak dimensi. Hal ini
barang dasar dan layanan yang diperlukan untuk bertahan hidup. Kemiskinan
31
pengangguran, ketimpangan, dan pengentasan kemiskinan Sumodiningrat
masyarakat miskin untuk mengatasi masalah mereka sendiri dan tidak untuk
a. Penyebab Kemiskinan
keimpang.
keturunan.
32
b. Teori Lingkaran Kemiskinan
mempengaruhi suatu keadaaan dimana suatu negara akan tetap miskin dan
c. Ukuran Kemiskinan
33
minimum, maka orang dapat dikatakan miskin. Kesulitan utama
lainnya.
d. Indikator Kemiskinan
1.) Head Count Index (HCI – P0) adalah presentase penduduk yang
34
indeks, maka semakin jauh rata-rata pengeluaran penduduk dari garis
kemiskinan.
manusia adalah suatu proses untuk memperbesar pilihan-pilihan bagi manusia (“a
kualitas hidup yang dapat mempengaruhi tingkat produktivitas yang dihasilkan oleh
seseorang. Namun pada semua tingkatan pembangunan, terdapat tiga pilihan paling
mendasar yaitu umur panjang dan hidup sehat, memperoleh pendidikan dan
secara hidup layak. Apabila ketiga hal mendasar tersebut terpenuhi maka pilihan
merupakan ukuran dari harapan untuk hidup, kemampuan membaca dan menulis,
pendidikan dan standar atau kualitas hidup untuk semua negara di dunia. IPM
35
berguna untuk proses klasifikasi apakah sebuah negara merupakan negara maju,
IPM dikembangkan oleh Amartya Sen pemenang nobel India dan Mahbub ul
Haq ekonom Pakistan, serta dibantu oleh Gustav Ranis (Universitas Yale) dan Lord
Meghnad Desai (London School of Economics) tahun 1990. Sejak itu, IPM gunakan
oleh PBB dalam laporan IPM tahunannya. IPM difokuskan untuk hal-hal yang lebih
peka dan berguna dari pada hanya sekadar melihat pendapatan perkapita yang
selama ini digunakan. IPM juga digunakan para peneliti yang serius sebagai media
untuk mengetahui hal-hal yang lebih terinci dalam membuat laporan pembangunan
manusianya.
(a.) Umur panjang dan hidup sehat pengukurannya dengan angka harapan hidup
banyaknya tahun yang dapat dijalan oleh seseorang selama hidup sejak
(indirect estimation). Jenis data yang digunakan adalah Anak Lahir Hidup
(ALH) dan Anak Masih Hidup (AMH). Program Mortpack digunakan untuk
menghitung angka harapan hidup dalam menginput data ALH dan AMH.
36
kependudukan dan kondisi Indonesia dan negara-negara Asia Tenggara
dihitung dengan angka tertinggi sebagai batas maksimum dipakai 85 tahun dan
(b.) Angka Harapan Sekolah (AHS) dan Angka Rata-rata Lama Sekolah (ARRLS)
melalui indeks tingkat pendidikan. Indikator yang digunakan adalah Rata - rata
Lama Sekolah (mean years of schooling) dan Harapan Lama Sekolah (expected
years of schooling), dua indikator ini diberi bobot yang sama, kemudian
diharapkan mampu dilalui oleh anak atau penduduk berusia 7 tahun ke atas
dalam bentuk lamanya pendidikan (tahun) yang diharapkan dapat dicapai oleh
37
oleh UNDP. Rata-rata lama sekolah memiliki batas maksimumnya 15 tahun
(c.) Standar kehidupan layak yang diturunkan dari Produk Domestik Bruto/PDB
(kemampuan belanja per kapita). Dimensi lain IPM adalah standar hidup layak.
paritas daya beli (purcashing power parity) dengan basis Formula Rao.
𝑚
1⁄
𝑃𝑖𝑗 𝑚
𝑃𝑃𝑃𝑗 = ∏ ( )
𝑃𝑖𝑘
𝑖=1
m : Jumlah komoditas
b. Manfaat IPM
38
kualitas hidup masyarakat atau penduduk, (b) Menentukan peringkat pembangunan
pada suatu wilayah atau negara, dan (c) Bagi Indonesia, digunakan sebagai ukuran
kinerja pemerintah dan salah satu alokator penentuan besaran Dana Alokasi Umum
(DAU).
c. Penyusunan IPM
In(pengeluaranmax) – In(pengeluaranmin)
39
Tabel 2. 1 Perhitungan Indeks Komponen IPM
𝟑
𝑰𝑷𝑴 = √𝑰𝒏𝒅ⅇ𝒌𝒔Kesehatan x IndeksPendidikan x Indekspengeluaran
manusia.
40
3. Tingkat Pengangguran
perkerjaan tetapi mereka melakukan upaya aktif dalam empat minggu terakhir
untuk mencari pekerjaan (Kaufman & Hotchkiss, 1999). Secara umum pengertian
pengangguran adalah orang yang belum memiliki pekerjaan tetap atau Angkatan
kerja yang sedang mencari pekerjaan. Kebutuhan manusia banyak dan beragam,
karena itu mereka berusaha untuk memenuhi kebutuhannya, hal yang biasa mereka
dengan baik, kondisi ini dapat membawa dampak bagi terciptanya dan
sangat tergantung pada proses adaptasi yang diterapkan untuk merespon ekonomi
penduduk yang telah masuk dalam angkatan kerja tetapi tidak memiliki
bekerja kurang dari 35 jam dalam seminggu, tidak termasuk yang bekerja
sementara.
a. Jenis Pengangguran
sebagai berikut:
Ada musim giat sehingga banyak permintaan tenaga kerja dan masa-masa
42
Pengangguran siklikal yaitu pengangguran yang terjadi karena suatu
pengangguran.
adanya pergantian negara manusia oleh mesin dan bahan kimia. Perubahan
b. Dampak Pengangguran
43
a.) Pengangguran menyebabkan pendapatan pajak pemerintah berkurang.
pendapatan.
B. Penelitian Terdahulu
pendekatan yang dilakukan orang lain dalam penelitian, penulis harus belajar
atau kesalahan yang sama seperti yang dibuat oleh peneliti sebelumnya
(Zainuddin,2008).
44
Tabel 2. 3 Penelitian Terdahulu
46
4. Pengaruh Kualitas Reni Mustika Kualitas Pendidikan Meneliti Tidak meneliti
Sumber Daya kualitas kesehatan, Pengaruh Kualitas Tingkat
Manusia, pertumbuhan ekonomi dan Sumber Daya Pengangguran
Pertumbuhan rasio gender secara Manusia, dan Terbuka.
Ekonomi, dan bersama-sama Tingkat
Rasio Gender mempunyai pengaruh Kemiskikan
Terhadap Tingkat yang signifikan terhadap
Kemisikinan di tingkat kemiskinan di
Provinsi Sumatera provinsi Sumatera Barat.
Barat. Artinya semakin tinggi
kualitas Pendidikan dan
kualitas kesehatan maka
akan berkurang tingkat
kemiskinan di Provinsi
Sumatera Barat.
8. The Role Of The Sudarian Berdasarkan hasil yang Variabel Tidak meneliti
Natural Resource Omar Dhanny telah dibahas Dependen : Imdeks
Sector And (2017) sebelumnya maka dapat Meneliti Pembangunan
Government Kemiskina, Manusia dan
disimpulkan bawa,
Spending For Tingkat
variabel sektor sumber
Education Pengangguran
daya alam dan
Towards Poverty Terbuka.
pengeluaran pemerintah
Reduction In East
untuk pendidikan tidak
Kalimantan
berpengaruh pada
49
pertumbuhan
pendapatan kapita
Kabupaten/Kota di
Provinsi Kalimantan
Timur.
9. Special autonomy Purwoko Aji Berdasarkan hasil bahwa Variabel Tidak meneliti,
policy evaluation Bambang. S Evaluasi kebijakan Independen: Tingkat
to improve Irwan Noor otonomi khusus meneliti Pengangguran
community M. Khairul. M berpengaruh siognifikan Kesejahteraan Terbuka, dan
welfare in Papua (2019) untuk meningkatkan Masyarakat di Kemiskinan.
province Kesejahteraan Masyarakat Provinsi Papua.
Indonesia di Provinsi Papua.
12. Economic Sodik Dwi Hasil penelitian Meneliti tentang Tidak meneliti
Growth and Purnomo, menunjukan bahwa efek yang indeks
13. Winning the War John Paolo R. Hasilnya yaitu adanya Variabrl Tidakm
on Poverty: Rivera ketidaksetaraan dan Dependen : meneliti
14. Poverty and Lena Morgon Berdasarkan hasil yang Variabel Tidak meeliti
disability in low Banks, Hanna diteliti menemukan Dependen : Indeks
15. Global Poverty : Michel M.O Meskipun terdapat Meneliti variabel Variabel
No longer an Seipel kemajuan yang belum Dependen yaitu Independen:
berdasarkan hasil
menunjukan pentingnya
pendidikan, kesehatan,
dan
55
peluang ekonomi berperan
dalam menentukan
kemiskinan serta
dari kemiskinan.
pengurangan kemiskinan
periode MDG1
tentang ketidakpastian
penerapan undang-undang
terhadap pengurangan
kemiskinan, tingkat
56
kepercayaan yang lebih
indeks kemiskinan
pengangguran secara
negatif mempengaruhi
kontras, indeks
signifikan, sedangkan
57
positif dengan produk
variabel-variabel yang
tersebut terintegrasi.
19. Poverty and Sulki Chung, Berdasarkan hasil Variabel Tidak meneliti
perceived SooBi Lee Dependen : Variabel
penelitian, sebagian besar
income meneliti tentang Independen :
penelitian tentang masalah
kemiskinan. Yaitu Indeks
inequality and
minum di Korea berfokus Pembangunan
changes in
Manusia dan
growth pada faktor individu dan
Tingkat
trajectory of keluarga, dan tidak banyak
Pengangguran
problem penelitian yang didekati Terbuka.
drinking
dari sudut pandang yang
relatif makroskopik.Ini
untuk menjawab
pertanyaan apakah
ketimpangan dalam
58
faktor sosial ekonomi dan
ketimpangan kesehatan
perspektif manusia.
Signifikansi dapat
ditemukan dalam
menganalisis pengaruh
dalam mengeksplorasi
secara longitudinal
masyarakat. kemiskinan
dan ketimpangan.
dalam mempengaruhi
59
kelompok, dan status
perkawinan.
C. Model Penelitian
Keterangan :
Secara Parsial
Kemiskinan
60
Indeks pembangunan manusia saat ini dipandang
sendiri.
62
karena semakin berkurang pula masyarakat yang
menganggur.
E. Hipotesis Penelitian
63
Secara etimologis, hipotesis dibentuk dari dua kata, yaitu kata
hypo dan kata thesis. Hypo berarti kurang dan thesis adalah pendapat.
64
Indonesia (Studi Kasus : Provinsi Papua, Papua Barat, NTT,
Tahun 2010-2020).
65
BAB III
METODE PENELITIAN
66
Data yang digunakan dalam penelitian ini adalah data tahunan yang
1) Populasi
populasi dengan beberapa ciri dan keadaan tertentu untuk diteliti. Nazir
maupun objek yang ada pada sebuah wilayah. Adapun populasi dalam
penelitian ini yaitu wilayah atau regional yang mencakup 5 Provinsi yaitu
Provinsi Papua, Papua Barat, NTT, Maluku, dan Gorontalo tahun 2010-
2020.
2) Sample
67
teknik pengambilan sampel yang memberikan peluang yang sama bagi
bagian dari populasi itu sendiri. Oleh karena itu, sampel dalam penelitian
digunakan untuk menentukan sampel bila objek yang akan diteliti atau
sumber data sangat luas, sebagaimana data yang digunakan yaitu jumlah
sampel (n) dari data time series sesuai dengan periode yang dilakukan
penelitian.
dokumentasi, dan lain-lain yang masih relevan dengan penelitian ini. Data
yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh
dari lembaga resmi yang terkait. Informasi yang digunakan dalam penelitian
ini untuk melihat pengaruh Indeks Pembangunan Manusia (IPM) dan Tingkat
Pengangguran Terbuka (TPT), yang dirilis oleh Badan Pusat Statistik dan
Badan Pusat Statistik Papua, Papua Barat, NTT, Maluku, dan Gorontalo. Lalu
68
terdapat di Indonesia yang diperoleh dari Badan Pusat Statistik dan Badan
yaitu data yang berwujud dalam kumpulan angka-angka. Penelitian ini fokus
kepada provinsi yang jumlah persentase penduduk miskin nya paling rendah
untuk menjawab masalah penelitian yang berkaitan dengan data berupa angka
yaitu metode data panel yakni gabungan antara data antar tempat atau
ruang (cross section) dan data antar waktu (time series). Adapun data
time series yang digunakan adalah data tahunan yaitu tahun 2010-2020
Indonesia.
69
(dependen) dan variable bebas (independen). Hal ini sesuai dengan
Papua Barat, NTT, Maluku, Gorontalo dengan tahun yang diteliti 2010-
2020.
Yi = α + β Xi + ℇi ; i = 1,2, … , N
Yt = α + β Xi + ℇi ; t = 1,2, … , T
dan data time series maka model yang dapat disimpulkan adalah
sebagai berikut:
Di mana:
digunakan yaitu data panel dan alat dalam pengolahan datanyan yaitu
70
menggunakan program E-Views. Terdapat sepuluh asumsi yang harus
meliputi (Widarjini,2007):
1.) Linear Regression Model, yang berarti model harus linear dalam
parameter.
5.) Tidak ada autokorelasi anta rei (error term) namun biasanya
bebas).
7.) Jumlah Observasi (n) harus lebih besar dari pada jumlah
bebas).
71
data panel mempunyai beberapa keuntungan jika dibandingkan dengan
1. Data panel yang merupakan gabungan dua data time series dan
72
Metode ini mengasumsikan bahwa koefisien regresi (slope) tetap
efisiensi parameter.
mungkin saja akan muncul pada hubungan antar waktu dan antar
model yang paling tepat untuk digunakan. Terdapat tiga uji spesifikasi
model antara lain Uji Chow, Uji Hausman, Uji Langrage Multiplier.
73
H0 : Model Common Effect Model
sehingga model yang harus digunakan adalah Fixed Effect Model. Saat
Hausman.
74
diterima sehingga model yang harus digunakan untuk mengestimasi
sebagai berikut:
berarti estimasi yang lebih tepat dari regresi data panel adalah model
random effect. Sebaliknya jika nilai LM statistik lebih kecil dari nilai
75
Uji Asumsi Klasik digunakan untuk data penelitian yang
ditentukan sebelum uji hipotesis melalui uji t dan uji F maka perlu
a) Uji Normalitas
normal.
normal.
b) Uji Multikolinearitas
76
Uji Multikolinearitas betujuan untuk mengetahui apakah ada
multikolinearitas.
c) Uji Autokolerasi
durbin watson dari batas atas (dU) dan batas bawah (dL).
77
2.) Jika d > dU, maka tidak terdapat autokorelasi positif.
3.) Jika dL < d < dU, maka pengujian tidak ada kesimpulan pasti.
2.) Jika (4-d) > dU, maka tidak terdapat autokorelasi negatif.
3.) Jika dL < (4-d) < dU, maka pengujian tidak ada kesimpulan pasti.
d) Uji Heteroskedastisitas
78
E. Uji Hipotesis
regresi yang sudah didapat pada penelitian ini signifikan atau tidak.
Terdapat tiga uji hipotesis yang dilakukan dalam penelitian ini antara
lain:
a) Koefisien Determinasi (𝑅 2 )
79
dengan tingkat signifikansi α = 5% atau 0.05. Hipotesis pada uji
variabel dependen.
c) Uji Wald
Dalam uji Wald, statistik yang di uji adalah statistik Wald (Wald
80
ditolak. Sedangkan, jika nilai probabilitas (sig) < 0.05, H0 ditolak
H1 diterima.
suatu hal yang berbentuk apa saja yang ditetapkan oleh peneliti untuk
(Noor,2011).
yang diperoleh dari Badan Pusat Statistik (BPS) dan BPS Papua, Papua
81
produktivitas yang dicapai oleh seseorang. Rendahnya nilai suatu IPM
kesehatan, dan tingkat pendapatan yang tinggi juga akan tercermin pada
82
Efek buruk yang disebabkan oleh pengangguran adalah mengurangi
di suatu negara sangat buruk, kekacauan polotik dan sosial selalu terjadi
83
BAB IV
PEMBAHASAN
Data kemiskinan diambil dari data BPS dengan rentang waktu dari
tinggal dan makanan. Kurangnya asset tersebut disebabkan pula oleh faktor
termiskin di Indonesia. Dari grafik tersebut dapat dilihat bahwa dari tahun
84
2010 hingga tahun 2020 terjadi penurunan kemiskinan yang ditunjukkan
dengan grafik yang menurun. Pada provinsi Papua Barat, NTT dan
Gorontalo terjadi penurunan yang signifikan dilihat dari tahun 2010 angka
tahun 2020 yaitu sebesar 36,18 walaupun tidak signifikan, lalu ada Papua
yaitu sebesar 21,7 pada tahun 2020, lalu ada NTT yang cenderung memiliki
angka yang stabil yaitu pada tahun 2010 23,03 dan saat tahun 2020 menurun
kemiskinan pada tahun 2010 sebesar 27,74 dan di tahun 2020 sebesar 17,99.
Dan yang terakhir ada dari daerah Gorontalo yang memiliki angka
selisih kemiskinan yang besar antara tahun 2010 dengan tahun 2020.
30
20
10
0
Papua Papua Barat NTT Maluku Gorontalo
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
dalam CBMS ini adalah status kawin, kondisi kepala keluarga (jenis
86
2. Gambaran Indeks Pembangunan Manusia Pada 5 Provinsi Termiskin
di Indonesia
penelitian ini diambil dari data sekunder yang dirilis Badan Pusat Statistik.
Van Delsen, 2020). Berikut disajikan grafik IPM pada subjek dalam
penelitian ini:
70
60
50
40
30
20
10
0
Papua Papua Barat NTT Maluku Gorontalo
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Papua terjadi penurunan dari tahun 2019 sebsar yaitu dari 60.84 menjadi
Papua Barat, NTT, Maluku dan Gorontalo, nilai IPM tertinggi berada pada
tahun 2020 yaitu dari Papua Barat sebesar 65,09 NTT menempati di angka
69,49 dan yang terakhir Gorontalo mencapai pada angka 68,8 di tahun 2020
bukan pertumbuhan ekonomi saja. IPM ini juga digunakan pada saat
dapat dengan cara membandingkan GNI per kapita dengan negara lain yang
sama. Dapat dilihat bahwa negara yang memiliki GNI per kapita yang sama,
88
hasil pembangunan manusianya berbeda. Maka hal tersebut juga dapat
2018).
kesehatan dinilai dari angka harapan hidup saat lahir. Dimensi pendidikan
diukur dengan rata-rata lama sekolah untuk orang dewasa berusia 25 tahun
ke atas dan masa sekolah yang diharapkan untuk anak usia masuk sekolah.
89
karena memasukkan faktor-faktor sosial dan ekonomi. Selain itu, IPM dapat
2018).
Indonesia
mengambil data dari BPS sebagai data utama. Sama dengan data IPM dan
Kemiskinan, pada tingkat pengangguran ini diambil data dari tahun 2010
dengan adanya efek spasial atau kewilayahan. Efek spasial dapat menjadi
Indonesia:
90
Gambar 4. 3 Grafik Tingkat Pengangguran 5 Provinsi Termiskin di Indonesia
10
0
Papua Papua Barat NTT Maluku Gorontalo
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
tidak memiliki kecenderungan yang berarti. Nilai dari tahun ke tahun bisa
naik maupun turun dan berbeda pada tiap provinsi. Pada Provinsi Papua,
tingkat pengangguran tertinggi berada pada tahun 2011 yaitu sebesar 5,02
dan mencapai titik terendahnya sebesar 3,00 pada tahun 2018. Namun pada
91
tahun 2020 tingkat pengangguran kembali naik menjadi 4,28 meskipun
tidak setinggi pada tahun 2011 lalu. Sementara pada Provinsi Papua Barat,
sangatlah tinggi yaitu 7,68 namun angka tersebut terus menurun hingga
tahun 2013 yang menjadi 4,4 selanjutnya mulai meningkat kembali pada
2014 hingga mencapai puncak di angka 8,08 persen pada tahun 2015. Pada
2016, tingkat pengangguran di Papua Barat mulai menurun dan stabil dari
persen.
pada tahun 2020 yaitu sebesar 4,28 persen. Sedangkan Provinsi Maluku
dan penurunan. Angka tertinggi berada pada tahun 2011 sebesar 10,81
persen dan angka terendah yaitu 6,69 berada pada tahun 2019. Dan yang
tinggi pada tahun 2011 mencapai pada angka 6,74 dan cenderung menurun
92
B. Uji Asumsi Klasik
1. Uji Multikolienaritas
antara dua atau lebih variabel perediktor . Dengan kata lain, satu variabel
dapat digunakan untuk memprediksi variabel yang lain. Hal ini menciptakan
pengumpulan data dari studi observasional murni dan tidak ada kesalahan
di pihak peneliti. Untuk alasan ini, peneliti harus melakukan eksperimen bila
(Daoud, 2017).
Dalam uji multikolinearitas, dapat dilihat nilai VIF. Jika VIF lebih
93
Variance Inflation Factors
Date: 10/26/21 Time: 21:11
Sample: 1 55
Included observations: 55
Dari hasil pengolahan data tersebut dapat dilihat bahwa nilai VIF
tersebut menunjukkan bahwa nilai VIF 1,189 < 10 maka tidak terjadi
2. Uji Normalitas
ditentukan oleh mean dan standar deviasi data. Terlepas dari mean dan
94
standar deviasi, bentuk distribusi normal akan selalu sama. Karakteristik
data berdistribusi normal jika nilai Probability nya lebih besar dari 0,05.
8 Mean 5.54e-15
Median -0.361454
6 Maximum 9.111018
Minimum -6.732504
4
Std. Dev. 3.438607
Skewness 0.393401
Kurtosis 3.558710
2
Jarque-Bera 2.134032
0 Probability 0.344034
-6 -4 -2 0 2 4 6 8 10
Dari hasil uji tersebut dapat dilihat bahwa nilai Probability sebesar
0,344034. Dimana nilai tersebut lebih besar dari 0,05 sehingga dapat
95
3. Uji Heterokedastisitas
deviasi dari variabel yang diprediksi, dipantau pada nilai yang berbeda dari
96
heteroskedastisitas pada saat nilai Prob.chi-squared kurang dari 0,05.
Dapat dilihat dari hasil uji bahwa nilai Prob.chi-squared > 0,05. Maka
penelitian.
4. Uji Autokorelasi
korelasi variabel yang sama antara interval waktu yang berurutan. Uji ini
mengukur bagaimana versi tertinggal dari nilai variabel terkait dengan versi
aslinya dalam deret waktu. Dalam banyak kasus, nilai variabel pada suatu
titik waktu terkait dengan nilainya pada titik waktu sebelumnya. Analisis
berbeda, dan dengan demikian mencari pola atau tren selama deret waktu.
atau > (4-dL). Kedua, tidak terdapat autokorelasi jika nilai d terletak antara
Dari hasil uji yang tertera pada Tabel 4.4 diatas, dapat dilihat bahwa
menunjukkan jumlah sampel atau data yang dalam penelitian ini berjumlah
2,014694, dimana nilai tersebut berada diantara dU (1,6406) dan 4-dU (4-
melakukan uji tersebut, ditentukan terlebih dahulu model yang cocok untuk
digunakan melalui uji Chow dan uji Hausman. Jika kedua uji tersebut belum
99
mampu menentukan model yang cocok, maka akan dilakukan uji tambahan
1. Uji Chow
dan Fixed Effect Model. Uji Chow digunakan untuk menguji apakah dalam
dua model regresi yang berbeda pada dataset yang berbeda memiliki
dengan data deret waktu untuk menentukan apakah ada jeda struktural
independen dan identik dari distribusi normal dengan varians yang tidak
diketahui. Sehingga, Uji Chow ini hanya dapat digunakan ketika jeda
struktural yang ingin diuji berada pada waktu yang diketahui. Dengan kata
lain, Uji Chow tidak dapat digunakan berulang kali untuk menentukan
apakah ada titik waktu yang dapat dianggap sebagai pemutusan struktural
section F. Jika nilai Prob Cross-section F lebih kecil dari 0,05 maka model
yang cocok adalah Fixed Effect Model. Sebaliknya, jika nilai Prob Cross-
100
section F lebih besar dari 0,05 maka model yang cocok adalah Common
Effect Model.
Dari hasil Uj Chow tersebut dapat dilihat bahwa nilai Prob Cross-section
F berada pada angka 0,000 yang berarti nilai tersebut lebih kecil dari 0,05.
Maka dapat diinterpretasikan bahwa model yang terpilih adalah Fixed Effect
2. Uji Hausman
antara Random Effect Model dan Fixed Effect Model. Sebuah statistik
samplingnya, dan menolak hipotesis nol dari spesifikasi yang benar jika
statistik Hausman melebihi nilai kritisnya. Distribusi sampel yang besar dari
pada nilai Prob pada Cross-section random. Jika nilai Prob < 0,05 maka
model yang terpilih adalah Fixed Effect Model. Dan jika nilai Prob > 0,05
maka Random Effect Model terpilih. Berikut disajikan hasil uji Hausman
menggunakan Eviews :
Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.
Dari Tabel 4.6 tersebut dapat dilihat bahwa nilai Prob pada Cross-section
random adalah sebesar 0,0006. Nilai tersebut lebih kecil dibanding 0,05 dan
dapat diartikan bahwa model yang terpilih adalah Fixed Effect Model.
102
Karena hasil Uji Chow dan Hausman menunjukkan model yang sama, maka
tidak lagi diperlukan Uji LM dan Fixed Effect Model terpilih menjadi model
Model mendukung prediksi hanya pada level atau kategori fitur yang
tetap merupakan tujuan utama. Jika Fixed Effect Model digunakan pada
sampel acak, model tersebut tidak dapat digunakan untuk membuat prediksi
atau inferensi pada data di luar kumpulan data sampel. Fixed Effect Model
independen.
Dependent Variable: Y
Method: Panel Least Squares
Date: 10/27/21 Time: 10:38
Sample: 2010 2020
Periods included: 11
Cross-sections included: 5
Total panel (balanced) observations: 55
Effects Specification
Dari Tabel 4.7 diatas dapat kita lihat nilai koefisien masing-masing
faktor/variabel lain. Dalam hal ini, variabel lain baik X1 (IPM) maupun
0,329534.
0,0000 nilai tersebut lebih kecil dari 0,05 sehingga dapat diinterpretasikan
105
Sedangkan X2 (TPT) menunjukkan nilai Prob 0,2582 yang berarti TPT
C 70.18179
X1? -0.756780
X2? 0.329534
Fixed Effect (Cross)
MALUKU–C 8.47057 78.65236
NTT–C 0.720087 70.901877
PAPUA—C -2.695824 67.485966
GORONTALO—C -2.336631 67.845159
PAPUABARAT–C -4.158202 66.023588
masing provinsi yang ditunjukkan dengan nilai Individual Effect. Nilai tersebut
Pada perubahan satu persen di Provinsi Papua, maka akan terjadi penurunan
2. Papua Barat
3. NTT
4. Maluku
107
5. Gorontalo
Pada saat variabel X1 dan X2 konstan, dan terjadi perubahan tiap 1% maka
D. Uji Hipotesis
dari nilai Adjusted R-Squared dimana nilai tersebut berkisar dari 0 hingga
1. Semakin mendekati nol maka variabel IPM dan TPT tidak dapat
variabel independent yang terdiri dari TPT dan IPM mampu menjelaskan
R-squared 0.930781
Adjusted R-squared 0.922129
108
Sumber : Data Diolah Eviews (2021)
R- Adjusted
No Provinsi Nilai F Nilai P
Squared R-Squared
1 Maluku 0,516668 0,395836 4,275892 0,054573
2 NTT 0,856364 0,820455 23,84819 0,000426
3 Papua 0,194940 0,006325 0,968576 0,420061
4 Gorontalo 0,698411 0,623014 9,263092 0,008273
Papua 0,699133 0,623916 9,294893 0,008194
5
Barat
Pada provinsi Maluku, nilai R2 sebesar 0,516668 yakni lebih besar dari 0,05
kemiskinan, namun nilai tersebut tidak signifikan karena nilai p > 0,05.
Maluku yakni sebesar 51,7% dan sisanya sebesar 48,3% dipengaruhi oleh
faktor lainnya.
109
Pada provinsi NTT variabel TPT dan IPM mampu mempengaruhi
dapat dilihat nilai p sebesar 0,000426 dimana nilai tersebut lebih kecil dari
kemiskinan.
Squared sebesar 0,69913 yang menunjukkan bahwa TPT dan IPM mampu
angka 0,008273 dimana nilai tersebut kurang dari 0,05 sehingga dapat
110
rangka mengetahui adanya pengaruh atau tidak variabel independen secara
parsial (artinya berdiri sendiri tidak terkait dengan variabel lainnya dalam
penelitian). Keputusan atau kesimpulan uji ini dapat dilihat dari nilai Prob
dengan dasar keputusan terdapat pengaruh signifikan jika nilai Prob kurang
dari 0,05. Berikut disajikan hasil Uji t parsial dengan menggunakan aplikasi
Eviews 10 :
Tabel 4. 11 Uji T
variabel Y (Kemiskinan).
variabel Y (Kemiskinan).
111
Hasil menunjukkan bahwa H1 diterima dan otomatis H0 ditolak berarti
variabel Y. Pada nilai Prob ditunjukkan dengan nilai kurang dari 0,05
signifikan.
variabel Y (Kemiskinan).
variabel Y (Kemiskinan).
112
3. Uji Wald
dependen. Terdapat pengaruh secara simultan jika nilai P lebih kecil dari
0,05 maka tidak ada pengaruh secara simultan variabel independen terhadap
Dari hasil uji wald dapat diinterpretasikan bahwa pada 2 dari 5 provinsi
(0,3475) lebih besar dari 0,05, sehingga variabel independen (TPT dan IPM)
113
NTT (p=0,0001), Gorontalo (p=0,0072), dan Papua Barat (p=0,0073)
memiliki nilai p kurang dari 0,005. Hasil tersebut menunjukkan bahwa TPT
E. Pembahasan
Termiskin di Indonesia
Hal tersebut ditunjukkan dengan nilai minus atau negatif pada persamaan
Sukmawati (2018) juga menunjukkan hal yang sama bahwa IPM dan
114
Sementara hasil uji hipotesis menunjukkan bahwa IPM memiliki
dilakukan oleh Zuhdiyaty & Kaluge (2017) bahwa IPM berpengaruh negatif
kemiskinan dan tingkat IPM, kebutuhan dan priorotas antar satu dan lainnya
pemerintah daerah.
Termiskin di Indonesia
115
merupakan unsur utama dapat mengukur kemiskinan. Menurut Zuhdiyaty
paling dasarnya seperti makanan dan tempat tinggal yang pada akhirnya
harta dan kepemilikan yang ia punya semakin lama akan habis. Dalam
rangka penurunan harta kekayaan atau jumlah uang yang dimilikinya, maka
pekerjaan yang ada tidak dapat memenuhi jumlah penduduk tersebut. Pada
terpencil.
satu cara yang dapat dilakukan adalah membuat lapangan pekerjaan baru
pembangunan wilayahnya.
116
BAB V
KESIMPULAN
A. Kesimpulan
Dari hasil analisis data penelitian, maka dapat disimpulkan bahwa Indeks
menurun.
B. Saran
117
pekerjaan yang layak sehingga pemerataan dapat terjadi dan pertumbuhan
dapat meningkat.
meningkatkan kualitas pendidikan dengan akses yang layak bagi anak usia
di desa tertinggal dengan memfasilitasi dalam hal tempat tinggal yang layak
dan air bersih dengan mereka dapat hidup layak. Dapat meningkatkan
Gorontalo.
118
DAFTAR PUSTAKA
Amini, S., Delgado, M. S., Henderson, D. J., & Parmeter, C. F. (2012). Fixed vs random:
Badan Pusat Statistik Provinsi Nusa Tenggara Timur. “Berita Resmi Statistik.”
119
Badan Pusat Statistik Provinsi Papua. 2020. “Berita Resmi Statistik.” Bps.Go.Id
(27):1–8.
California at Berkeley .
Bisai, Charley M., Maria K., dan Achmad R. .. 2019. “Analisa Pembangunan
Binkley, J. K., & Young, J. (2018). Use of the Chow Test With Time-Series Cross-
Dhanny, Omar. 2017. “The Role Of The Natural Resource Sector And Government
Drezner, Z., Turel, O., & Zerom, D. (2010). A modified Kolmogorov–Smirnov test
39(4), 693-704.
Kummu, M., Taka, M., & Guillaume, J. H. (2018). Gridded global datasets for gross
3(2):86.
Lena Morgon Banks*, H. K. (2017). Poverty and disability in low- and middle-
income countries: A systematic review. International Centre for Evidence
121
in Disability, Department of Clinical Research, London School of Hygiene
&.
Lestari, Wiji Septiana, Karim, Abdul. 2019. “Model Regresi Spasial Dalam
(September).
Martono, S., and Vini Wiratno Putri. 2018. “HRM Practices in Indonesia: The
Manajemen 9(2):206–17.
Mukhtar, S., Saptono, A., & Arifin, A. S. (2019). Analisis Pengaruh Indeks
122
Kemiskinan Di Indonesia. Ecoplan : Journal of Economics and Development
Pembangunan 15(2):184.
Prabowo, Purwoko Aji, Bambang Supriyono, Irwan Noor, and M. Khairul Muluk.
Government ahead-of-p(ahead-of-print).
Putra, I. Komang Agus Adi, and Sudarsana Arka. 2018. “Analisis Pengaruh Tingkat
Unud 7(3):416–44.
Riani, Ida Ayu Purba, and M. Pudjihardjo. 2012. “Analisis Dampak Pemekaran
Space.
Sodik Dwi Purnomo1, I. (2019). Economic Growth and Poverty: The Mediating
1–12.
Sulki Chung, S. L. (2015). Poverty and perceived income inequality and changes
Vol.32, No.5 .
124
Usuka, K. (2019). An Analysis of the Determinants of Poverty in India and South
Africa. Global Majority E-Journal, Vol. 10, No. 2 (December 2019), pp.
100–115.
125
Lampiran
Kemiskinan
PROVINSI TAHUN IPM (X1) TPT (X2)
(Y)
2010 59,21 3,34 23,03
2011 60,24 3,11 21,23
2012 60,81 3,04 20,41
2013 61,68 3,25 20,24
2014 62,26 3,26 19,6
PAPUA 2015 62,67 3,83 22,58
2016 63,13 3,25 22,01
2017 63,73 3,27 21,38
2018 64,39 2,85 21,03
2019 65,23 3,14 20,62
2020 65,19 4,28 21,21
2010 62,65 5,16 23,19
2011 63,48 6,74 18,75
2012 64,16 4,47 17,22
PAPUA 2013 64,7 4,15 18,01
BARAT 2014 65,17 4,18 17,41
2015 65,86 4,65 18,16
2016 66,29 2,76 17,63
2017 67,01 4,28 17,14
126
2018 67,71 3,7 15,83
2019 68,49 3,76 15,13
2020 68,68 4,28 15,59
2010 59,6 7,68 34,88
2011 59,9 6,73 31,92
2012 60,3 5,42 27,04
2013 60,91 4,4 27,14
2014 61,28 5,02 26,26
NTT 2015 61,73 8,08 25,73
2016 62,21 7,46 24,88
2017 62,99 6,49 23,12
2018 63,74 6,45 22,66
2019 64,7 6,43 21,51
2020 65,09 6,8 21,7
2010 54,45 3,55 36,8
2011 55,01 5,02 36,9
2012 55,55 3,71 36,1
2013 56,25 3,15 36,11
2014 56,75 3,44 36,12
MALUKU 2015 57,25 3,99 36,13
2016 58,05 3,35 36,14
2017 59,09 3,62 36,15
2018 60,06 3 36,16
2019 60,84 3,51 36,17
2020 60,44 4,28 36,18
2010 64,27 9,97 27,74
2011 64,75 10,81 23
2012 65,43 7,71 20,76
2013 66,09 9,91 19,27
2014 66,74 10,51 18,44
GORONTALO 2015 67,05 9,93 19,36
2016 67,6 7,05 19,26
2017 68,19 9,29 18,29
2018 68,87 6,95 17,85
2019 69,45 6,69 17,65
2020 69,49 7,57 17,99
127
B. Lampiran 2 : Hasil Estimasi Regresi
a. Uji Normalitas
12
Series: Residuals
10
Sample 1 55
Observations 55
8 Mean 5.54e-15
Median -0.361454
6 Maximum 9.111018
Minimum -6.732504
4
Std. Dev. 3.438607
Skewness 0.393401
Kurtosis 3.558710
2
Jarque-Bera 2.134032
0 Probability 0.344034
-6 -4 -2 0 2 4 6 8 10
b. Uji Multikolinieritas
128
Coefficient Uncentered Centered
Variable Variance VIF VIF
c. Uji Heterokedastisitas
d. Uji Autokorelasi
129
2. Uji Spesifikasi Model
a. Uji Chow
b. Uji Hausmant
Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.
5. Hasil
Dependent Variable: Y
Method: Panel Least Squares
Date: 10/27/21 Time: 10:38
Sample: 2010 2020
Periods included: 11
Cross-sections included: 5
Total panel (balanced) observations: 55
Effects Specification
130
Cross-section fixed (dummy variables)
C 70.18179
X1? -0.756780
X2? 0.329534
Fixed Effect (Cross)
MALUKU--C 8.47057 78.65236
NTT--C 0.720087 70.901877
PAPUA—C -2.695824 67.485966
GORONTALO—C -2.336631 67.845159
PAPUABARAT--C -4.158202 66.023588
NTT
Papua
Gorontalo
Papua Barat
Papua
Wald Test:
Equation: Untitled
Papua Barat
Wald Test:
Equation: Untitled
NTT
Wald Test:
Equation: Untitled
Maluku
Wald Test:
Equation: Untitled
Gorontalo
Wald Test:
Equation: Untitled
136