R.R. Yuliana Intan-Feb

PENGARUH INDEKS PEMBANGUNAN MANUSIA DAN TINGKAT
PENGANGGURAN TERBUKA TERHADAP KEMISKINAN DI 5 PROVINSI

TERMISKIN DI INDONESIA TAHUN 2010-2020
Skripsi
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat Meraih Gelar Sarjana Ekonomi (S.E)
Disusun Oleh :
Rr. Yuliana Intan Suryaningtyas

NIM: 11170840000006
PROGRAM STUDI EKONOMI PEMBANGUNAN FAKULTAS

EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI JAKARTA SYARIF HIDAYATULLAH
JAKARTA
1442 H / 2021
2
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF
Hari Senin, 24 Mei 2021 telah dilakukan Ujiam Komprehensif atas mahasiswa :
Nama : Rr. Yuliana Intan Suryaningtyas
NIM : 11170840000006
Jurusan : Ekonomi Pembangunan
Judul Skripsi : Pengaruh Indeks Pembangunan Manusia dan Tingkat

Pengangguran Terbuka Terhadap Kemiskinan di 5 Provinsi
Termiskin di Indonesia Tahun 2010-2020.
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama proses ujian komprehensif, maka diputuskan bahwa
mahasiswa tersebut dunyatakan LULUS dan diberi kesempatan untuk melanjutkan
ke tahap ujian skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana
Ekonomi pada Jurusan Ekonomi Pembangunan Fakultas Ekonomi dan Bisnis
Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 24 Mei 2021
I. Zaenal Muttaqin, MPP

NIP : 197905032011011006 ( ___________ )
Penguji I
II. Najwa Khairina, S.E, M.A ( ___________ )

NIP : 198711132018012001 Penguji II
3
LEMBAR PERNYATAAN KEASLIAAN KARYA ILMIAH
Yang bertanda tangan dibawah ini :

NIM : 11170840000006
Fakultas : Ekonomi dan Bisnis

Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya :
1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan

dan mempertanggung jawabkan.
2. Tidak melakukan plagiasi terhadap naskah karya orang lain.
3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli
atau tanpa izin pemilik karya.
4. Tidak melakukan pemanipulasian dan pemalsuan data.
5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas
karya ini.
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.
Demikian Pernyataan ini saya buat dengan sesungguhnya.
Jakarta, 27 November 2021

NIM 11170840000006
4
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini Senin, 27 Desember 2021 telah melakukan ujian skripsi atas nama :

NIM : 1170840000006

Judul Skripsi :Pengaruh Indeks Pembangunan Manusia dan Tingkat
Pengangguran Terbuka Terhadap Kemiskinan di 5 Provinsi
Termiskin di Indonesia Tahun 2010-2020.
Setelah mencermati dan memperhtikan penampilan dan kemampuan yang

bersangkutan selama ujian skripsi, maka diputuskan bahwa mahasiswa di atas
dinyatakan dan skripsi ini diterima sebagai salah satu syarat untuk memperoleh
gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah
Jakarta.
Jakarta, 27 Desember 2021
1. Dr. Fitri Amalia, M.Si

NIP : 198207102009122002 (_______________)
Ketua
2. Dr. Sofyan Rizal, M.Si (_______________)

NIP : 197604302011011002 Pembimbing
3. Rizqon Halal Syah Aji, M.Si, Ph.D (_______________)

NIP : 19704052011011005 Penguji Ahli
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
II. Riwayat Pendidikan

1. SDN 01 Pondok Petir 2004-2010
2. SMPN 2 Tangerang Selatan 2010-2013
3. SMAN 8 Tangerang Selatan 2013-2016
4. S1 UIN Syarif Hidayatullah Jakarta 2017-2021
III. Pengalaman Organisasi

1. Anggota Departemen Kewirausahaan HMJ Ekonomi Pembangunan
Peiode 2018-2019
2. Anggota Biro Kestari PMII KOMFEIS Periode 2018-2020
3. Sekertaris Umum Project Economic Development Summit HMJ
Ekonomi Pembangunan Periode 2019-2020
6
ABSTRAK
Penelitian ini bertujuan untuk menganalisis pengaruh indeks pembangunan

manusia dan tingkat pengangguran terbuka terhadap kemiskinan pada 5 provinsi
termiskin di Indonesia. Sampel dalam penelitian ini adalah 5 provinsi termiskin di
Indonesia yaitu Maluku, NTT, Papua, Papua Barat dan Gorontalo. Data dalam
penelitian ini adalah data sekunder yang diambil dari Badan Pusat Statistik (BPS)
berupa data IPM, TPT dan kemiskinan dalam rentang tahun 2010-2020. Metode
yang digunakan adalah analisis regresi data panel dengan Fixed Effect Model. Hasil
penelitian menunjukkan bahwa variabel IPM dan TPT mampu menjelaskan
pengaruhnya terhadap kemiskinan yang ditunjukkan dengan nilai R2 sebesar
0,922129. Maka dapat disimpulkan bahwa variabel independen (IPM dan TPT)
mampu menjelaskan pengaruhnya terhadap variabel dependen (Kemiskinan)
dengan persentasi 92,2%. Indeks Pembangunan Manusia memiliki pengaruh
negatif dan signifikan, sehingga setiap kenaikan indeksnya mampu mengurangi
kemiskinan pada 5 provinsi termiskin di Indonesia. Sedangkan tingkat
pengangguran berpengaruh positif namun tidak signifikan yang artinya
pengangguran menurun maka kemiskinan juga menurun.
Kata Kunci : Indeks Pembangunan Manusia (IPM), Tingkat Pengangguran

Terbuka (TPT), Kemiskinan
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
Puji Syukur penulis panjatkan ke hadirat Allah Subhanahu Wata‘ala kerena

berkat Rahmat dan Karunia-Nyalah skripsi ini dapat terselesaikan dengan baik dan lancar.
Shalawat serta salam semoga selalu tercurahkan kepada baginda besar Nabi Muhammad
Shallallahu ‘Alaihi Wa Salam, yang telah memberikan tauladan kepada seluruh umat
manusia kepada jalan kebenaran. Penulisan skripsi ini di ajukan untuk memenuhi syarat
meraih gelar Sarjana Ekonomi (S.E). Skripsi ini berjudul “Analisis Pengaruh Indeks
Pembangunan Manusia dan Tingkat Pengangguran Terbuka terhadap Kemiskinan di 5
Provinsi Termiskin di Indonesia”. Pada kesempatan ini, dengan segala kerendahan hati
penulis menyampaikan terima kasih yang sebesar-besarnya atas bantuan, bimbingan, dan
doa, baik langsung maupun tidak langsung dalam menyelesaikan skripsi ini, kepada :
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
skripsi ini dapat bermanfaat untuk banyak pihak, Terima Kasih.
Jakarta, 6 November 2021
10
DAFTAR ISI
KATA PENGANTAR ........................................................................................ 9

DAFTAR TABEL ............................................................................................ 13
DAFTAR GAMBAR ........................................................................................ 14
BAB I PENDAHULUAN ................................................................................ 15
A. Latar Belakang ...................................................................................... 15
B. Rumusan masalah ........................................................................ 28
C. Tujuan Penelitian ......................................................................... 29
D. Manfaat Penelitian ................................................................................ 29
BAB II TINJAUAN PUSTAKA ..................................................................... 31
A. Landasan Teori ...................................................................................... 31
1.Kemiskinan .......................................................................................... 31
2. Indeks Pembangunan Manusia ............................................................. 35
3. Tingkat Pengangguran ......................................................................... 41
B. Penelitian Terdahulu ............................................................................. 44
C. Model Penelitian .................................................................................... 60
D. Keterkaitan antar Variabel dan Hipotesis ........................................... 60
BAB III METODE PENELITIAN ................................................................. 66
A. Ruang Lingkup Penelitian .................................................................... 66
B. Populasi dan Sampel ............................................................................. 67
C. Pengumpulan Data dan Sumber Data .................................................. 68
D. Metode Analisis Data ............................................................................ 69
a. Analisis Data Panel .............................................................................. 69
b. Pemilihan Model Data Panel ................................................................ 73
c. Uji Asumsi Klasik................................................................................ 75
E. Uji Hipotesis .......................................................................................... 79
F. Definisi Operasional Variabel ............................................................... 81
1.) Kemiskinan (Y) ................................................................................... 81
2.) IPM (X1) ............................................................................................. 81
BAB IV. PEMBAHASAN ............................................................................... 84
11
A. Gambaran Umum Objek Penelitian ..................................................... 84
1. Gambaran Kemiskinan Pada 5 Provinsi Termiskin di Indonesia ........... 84
2. Gambaran Indeks Pembangunan Manusia Pada 5 Provinsi Termiskin di
Indonesia .................................................................................................... 87
3. Gambaran Tingkat Pengangguran Pada 5 Provinsi Termiskin di
Indonesia .................................................................................................... 90
B. Uji Asumsi Klasik .................................................................................. 93
1. Uji Multikolienaritas ............................................................................... 93
2. Uji Normalitas ......................................................................................... 94
3. Uji Heterokedastisitas.............................................................................. 96
4. Uji Autokorelasi ...................................................................................... 97
C. Temuan Hasil Penelitian ....................................................................... 99
1. Uji Chow ........................................................................................... 100
2. Uji Hausman ...................................................................................... 101
3. Fixed Effect Model ............................................................................ 103
D. Uji Hipotesis ........................................................................................ 108
1. Uji Koefisien Determinasi (R2) .......................................................... 108
2. Uji T-Statistic (Uji Parsial) ................................................................ 110
3. Uji Wald ............................................................................................ 113
E. Pembahasan ......................................................................................... 114
1. Indeks Pembangunan Manusia Terhadap Kemiskinan Pada 5 Provinsi
Termiskin di Indonesia .............................................................................. 114
2. Tingkat Pengangguran Terhadap Kemiskinan Pada 5 Provinsi Termiskin
di Indonesia .............................................................................................. 115
V. Penutup ..................................................................................................... 117
A.Kesimpulan ................................................................................................. 117
B.Saran……………………………………………..…………………………..117
A. Lampiran 1 : Data Penelitian.............................................................. 126
B. Lampiran 2 : Hasil Estimasi Regresi .................................................. 128
12
DAFTAR TABEL
Tabel 1. 1 Persentase Penduduk Miskin Menurut Provinsi Di Indonesia 2010-202016

Tabel 1. 2 Capaian Garis Kemiskinan Menurut 5 Provinsi Termiskin Di Indonesia
Tahun 2010-2020 ......................................................................................................... 20
Tabel 1. 3 Capaian Indeks Pembangunan Manusia (IPM) Tahun 2010-2020. .......... 22
Tabel 1. 4 Tingkat Pengangguran Terbuka Menurut Provinsi di Indonesia Tahun
2010-2020. .................................................................................................................... 26
Tabel 2. 1 Perhitungan Indeks Komponen IPM......................................................... 40

Tabel 2. 2 Pengelompokan Capaian IPM ................................................................... 40
Tabel 2. 3 Penelitian Terdahulu.................................................................................. 45
Tabel 4. 1 Hasil Uji Multikolinearitas ........................................................................ 93

Tabel 4. 2 Hasil Uji Normalitas................................................................................... 95
Tabel 4. 3 Hasil Uji Heterokedastisitas ....................................................................... 97
Tabel 4. 4 Hasil Uji Autokorelasi ................................................................................ 98
Tabel 4. 5 Hasil Uji Chow ......................................................................................... 101
Tabel 4. 6 Hasil Uji Hausman ................................................................................... 102
Tabel 4. 7 Hasil Regresi Data Panel .......................................................................... 103
Tabel 4. 8 Individual Effect....................................................................................... 106
Tabel 4. 9 Uji Koefisien Determinasi ........................................................................ 108
Tabel 4. 10 Uji Koefisien Determinasi Setiap Provinsi ............................................ 109
Tabel 4. 11 Uji T ........................................................................................................ 111
Tabel 4. 12 Tabel Hasil Uji Wald .............................................................................. 113
13
DAFTAR GAMBAR
Gambar 2. 1 Model Penelitian .................................................................................... 60
Gambar 4. 1 Grafik Kemiskinan 5 Provinsi Termiskin di Indonesia ....................... 85

Gambar 4. 2 Grafik IPM 5 Provinsi Termiskin di Indonesia ................................... 87
Gambar 4. 3 Grafik Tingkat Pengangguran 5 Provinsi Termiskin di Indonesia ..... 91
14
BAB I
PENDAHULUAN
A. Latar Belakang
Setiap negara berkembang memiliki masalah yang sama dalam rangka
mencapai tujuan pembangunan yaitu kemiskinan. kemiskinan merupakan masalah
kompleks yang masih sulit diselesaikan hampir di seluruh wilayah Indonesia.
Permasalahan kemiskinan merupakan masalah yang kompleks dan bersifat
multidimensional oleh karena itu, upaya pengentasan kemiskinan harus dilakukan
secara komprehensif, mencakup berbagai aspek kehidupan masyarakat, dan
dilaksanakan secara terpadu (M Nasir, dkk, dalam Adit Agus Prasetyo, 2010).
Menurut Bank Dunia (2018), RUU tersebut menetapkan standar kemiskinan
berdasarkan pendapatan per kapita, atau orang-orang yang pendapatan per
kapitanya kurang dari sepertiga rata-rata nasional yaitu sebesar $2 per orang per
hari. Selain itu, menurut BPS (2010), keputusan untuk menghitung garis
kemiskinan masyarakat adalah untuk masyarakat yang pendapatannya kurang dari
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
makanan minimum. Sedangkan untuk pengeluaran kebutuhan minimum bukan
makanan meliputi pengeluaran untuk perumahan, pendidikan, dan kesehatan.
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
bentuk keseriusan negara-negara yang memiliki permasalahan kemiskinan,
pengentasan kemiskinan kedalam salah salah Tujuan Pembangunan Berkelanjutan
(TPB) atau Sustainable Development Goals (SDGs), khususnya tujuan 1 yaitu tanpa
kemiskinan.
Berdasarkan Badan Pusat Statistik (BPS) kemiskinan di Indonesia tersebar di
34 Provinsi di Indonesia, Sebagian besar tingkat kemiskinan masih tinggi di daerah-
daerah tertentu. Hal ini dikarenakan permasalahan kemiskinan dimasing-masing
daerah bervariasi, sehingga solusi untuk memecahkan persoalan kemiskinan
disetiap daerah juga akan berbeda-beda, untuk itu perlu dicari masalah yang
menyebabkan kemiskinan di setiap daerah. (Kuncoro, 1997:131) menyatakan
penduduk negara tresebut miskin karena menggantungkan diri pada sektor
pertanian yang subsistem, metode produksi yang tradisional yang seringkali
dibarengi dengan sikap apatis terhadap lingkungan.
Tabel 1. 1 Persentase Penduduk Miskin Menurut Provinsi Di Indonesia 2010-2020
Provinsi Persentase Kemiskinan Di Indonesia Tahun 2010-2020
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
Sumber : BPS 2020
Tabel 1.1 menunjukan jumlah dan persentase penduduk miskin di setiap
provinsi di Indonesia. Hal tersebut menunjukan penduduk miskin di Indonesia
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
juta orang. Dibandingkan September 2019, jumlah penduduk miskin meningkat1
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
persen di September 2020. Sedangkan, penduduk miskin di pedesaan meningkat
tipis, dari September 2019 12,60 persen menjadi 13,20 persen di September 2020.
Meski demikian, tingkat kemiskinan di pedesaan masih lebih tinggi dibandingkan
dengan perkotaan jika dilihat berdasarkan tahun 2010 hingga 2020. Yang dimana
angka persentase penduduk miskin cenderung sedikit stabil walaupu di beberapa
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
persentase penduduk miskin tercatat lebih besar di wilayah perdesaan dibandingkan
dengan perkotaan dari total penduduk miskin di Indonesia.
Maka dari itu, berdasarkan Badan Pusat Statistik bahwa untuk mengukur
kemiskinan BPS menggunakan konsep kemampuan memenuhi kebutuhan dasar
(basic needs approach) konsep ini mengacu pada Handbook on Poverty Inequality
yang diterbitkann oleh Worldbank. Denngan pendekatan ini kemiskinan dipandang
sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan dasar
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
sebelumnya, kelima provinsi tersebut menunjukan masalah kemiskinan yang cukup
tinggi di bandingkan provinsi-provinsi lainnya.
Dalam rangka penanggulangan kemiskinan, pemerintah mengeluarkan
beberapa kebijakan. Pada tahun 2009 lahir peraturan Presiden Nomor 13 Tahun
2009 tentang Koordinasi Penanggulangan Kemiskinan. Dalam peraturan ini
disebutkan bahwa arah kebijakam penanggulangan kemiskinan nasional
berpedoman pada Rencana Pembangunan Jangka Panjang (Pasal 2). Peraturan
lainnya yang dibuat untuk menanggulangi kemiskinan adalah Peraturan Presiden
Tahun 15 Tahun 2010 tentang Percepatan Penanggulangan Kemiskinan. Arah
kebijakan penanggulangan kemiskinan pada langkah ini berbeda dengan peraturan
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
Sumber: BPS 2020
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
tinggi dimaana hal tersebut menunjukan pengeluaran untuk memenuhi kenutuhan
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.
Dimana hal tersebut menunjukan bahwa sebagian besar penduduknya adalah
petani, kebanyakan ditemukan di wilayah pedesaan. Di daerah tersebut masyarakat
20
adat sudah lama hidup di pinggir proses perkembangan ekonomi dan jauh dari
program-program pembangunan (yang diselenggarakan pemerintah atau lembaga
internasional). Migrasi ke daerah perkotaan adalah satu-satunya cara untuk
mendapatkan pekerjaan dan dengan demikian menghindari kehidupan dalam
kemiskinan, hal itu juga menunjukan bahwa adanya ketimpangan yang dialami
anatara perdesaan dan perkotaan.
Kualitas sumber daya manusia merupakan salah satu faktor penyebab
terjadinya penduduk miskin. Kualitas sumber daya manusia dapat dilihat dari
indeks kualitas hidup atau indeks pembangunan manusia. Rendahnya Indeks
Pembangunan Manusia (IPM) akan berakibat pada rendahnya produktivitas kerja
dari penduduk. Produktivitas yang rendah berakibat pada rendahnya perolehan
pendapatan. Sehingga dengan rendahnya pendapatan menyebabkan tingginya
jumlah penduduk miskin.
(Lanjouw dkk dalam Yani Mulyaningsih, 2008) menyatakan pembangunan
manusia di Indonesia adalah identik dengan pengurangan kemiskinan. Investasi di
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
murah akan sangat membantu untuk meningkatkan produktivitas, dan pada
gilirannya meningkatkan pendapatan. Menurut penelitian sebelumnya oleh (Manik
(2013) dan Ady Soejoto dkk (2015). Oleh karna itu, dalam upaya pembangunan
21
ekonomi tidak lagi hanya berorientasi pada pendapatan ekonomi yang setinggi-
tingginya, tetapi juga mengarah pada kualitas dari pembangunan. Pembangunan
manusia dijadikan sebagai tujuan pembangunan, mengingat pentingnya peran
manusia dalam proses pembangunan ekonomi, maka peningkatan sumber daya
manusia perlu menjadi perhatian pemerintah.
Tabel 1. 3 Capaian Indeks Pembangunan Manusia (IPM) Tahun 2010-2020.
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
Sumber: BPS 2020
Jika dilihat dari Tabel 1.3 berdasarkan hasil Badan Pusat Statistik (BPS)
setiap daerah yang merilis secara umum, pembangunan manusia Papua, Papua
Barat, Nusa Tenggara Timur, Maluku, Gorontalo terus mengalami kemajuan
selama periode 2010 hingga 2019, akan tetapi pada tahun 2020 mengalami
penurunan dikarenakan Pandemi Covid-19. Berdasarkan IPM Papua menurun dari
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
telah membawa sedikit perubahan juga terhadap dalam pencapaian pembangunan
manusia Papua Barat. IPM Provinsi Papua Barat tahun 2020 tercatat sebesar 65,09
atau tumbuh 0,60 persen, melambat dibandingkan dengan pertumbuhan tahun
sebelumnya. Dengan capaian ini, rata-rata pertumbuhan IPM Provinsi Papua Barat
tahun 2010-2020 menjadi sebesar 0,89 persen per tahun.
Secara umum, pembangunan manusia NTT terus mengalami kemajuan
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
komponen pembentuk IPM mengalami peningkatan yaitu Umur Harapan Hidup
(UHH), Harapan Lama Sekolah (HLS), dan Rata-rata Lama Sekolah (RLS),
sementara satu komponen pembentuk IPM mengalami penurunan yaitu
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
telah membawa sedikit perubahan dalam capaian pembangunan manusia Maluku.
IPM tahun 2020 tercatat sebesar 69,49 atau tumbuh 0,06 persen, melambat
dibandingkan pertumbuhan tahun sebelumnya. Dengan capaian ini, rata
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
Gorontalo tumbuh 1,15 persen. Capaian pembangunan manusia Provinsi Gorontalo
yang sebesar 68,49 masuk dalam kategori IPM “sedang”.
Faktor lain penyebab terjadinya kemiskinan adalah pengangguran. Arsyad
(1997) menyatakan bahwa ada hubungan yang erat sekali antara tingginya tingkat
pengangguran dan kemiskinan. Berdasarkan Yesufu (2005) pengangguran
mengganggu kemajuan sosial, terutama pertumbuhan ekonomi di Nigeria,
meningkatkan secara umum hilangnya kesejahteraan dalam hal hilangnya
produktivitas, sehingga membawa pendapatan yang lebih rendah.
Tingkat Pengangguran Terbuka (TPT), merupakan indikator untuk mengukur
tenaga kerja yang tidak terserap oleh pasar kerja. Pengangguran Terbuka
merupakan penduduk yang telah masuk dalam angkatan kerja tetapi tidak memiliki
pekerjaan dan sedang mencari pekerjaan, mempersiapkan usaha, serta sudah
memiliki pekerjaan tetapi belum mulai bekerja. Menurut Octaviani (2001), jumlah
pengangguran erat kaitannya dengan kemiskinan di Indonesia yang penduduknya
memiliki ketergantungan yang sangat besar atas pendapatan gaji atau upah yang
diperoleh saat ini. Hiilangnya lapangan pekerjaan menyebabkan berkurangnya
sebagian besar penerimaan yang digunakan untuk membeli kebutuhan sehari-hari.

24
Yang artinya bahwa semakin tinggi pengangguran maka akan meningkatkan
kemiskinan.
Tingkat Pengangguran Terbuka (TPT), memperlihatkan persentase
pengangguran terhadap angkatan kerja. Tabel 1.4 menunjukkan angka Tingkat
Pengangguran Terbuka (TPT) secara keseluruhan di Indonesia dari Agustus tahun
2010, dan hingga Agustus 2019 TPT mengalami peningkatan. Namun pada setahun
terakhir, pengangguran bertambah 60 ribu orang, berbeda dengan TPT yang turun
menjadi 4,99 persen pada Februari 2020.
Dilihat dari tingkat pendidikan, TPT Sekolah Menengah Kejuruan (SMK)
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
Februari 2019. Lapangan pekerjaan yang mengalami peningkatan persentase
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
poin), dan Jasa Lainnya (0,21 persen poin).
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
setengah penganggur (6,36 persen). Dalam setahun terakhir, persentase pekerja
25
setengah penganggur turun sebesar 1,01 persen poin, sedangkan persentase pekerja
paruh waktu meningkat sebesar 1,07 persen poin
Tabel 1. 4 Tingkat Pengangguran Terbuka Menurut Provinsi di Indonesia

Tahun 2010-2020.
Tingkat Pengangguran Terbuka Menurut Provinsi (Persen)

PROVINSI 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
ACEH 8,37 9,00 9,06 10,12 9,02 9,93 7,57 6,57 6,34 6,17 6,59
SUMATERA UTARA 7,43 8,18 6,28 6,45 6,23 6,71 5,84 5,60 5,55 5,39 6,91
SUMATERA BARAT 6,95 8,02 6,65 7,02 6,50 6,89 5,09 5,58 5,66 5,38 6,88
RIAU 8,72 6,09 4,37 5,48 6,56 7,83 7,43 6,22 5,98 5,76 6,32
JAMBI 5,39 4,63 3,20 4,76 5,08 4,34 4,00 3,87 3,73 4,06 5,13
SUMATERA SELATAN 6,65 6,60 5,66 4,84 4,96 6,07 4,31 4,39 4,27 4,53 5,51
BENGKULU 4,59 3,46 3,62 4,61 3,47 4,91 3,30 3,74 3,35 3,26 4,07
LAMPUNG 5,57 6,38 5,20 5,69 4,79 5,14 4,62 4,33 4,04 4,03 4,67
KEP. BANGKA
BELITUNG 5,63 3,86 3,43 3,65 5,14 6,29 2,60 3,78 3,61 3,58 5,25
KEP. RIAU 6,90 5,38 5,08 5,63 6,69 6,20 7,69 7,16 8,04 7,50 10,34
DKI JAKARTA 11,05 11,69 9,67 8,63 8,47 7,23 6,12 7,14 6,65 6,54 10,95
JAWA BARAT 10,33 9,96 9,08 9,16 8,45 8,72 8,89 8,22 8,23 8,04 10,46
JAWA TENGAH 6,21 7,07 5,61 6,01 5,68 4,99 4,63 4,57 4,47 4,44 6,48
DI YOGYAKARTA 5,69 4,39 3,90 3,24 3,33 4,07 2,72 3,02 3,37 3,18 4,57
JAWA TIMUR 4,25 5,38 4,11 4,30 4,19 4,47 4,21 4,00 3,91 3,82 5,84
BANTEN 13,68 13,74 9,94 9,54 9,07 9,55 8,92 9,28 8,47 8,11 10,64
BALI 3,06 2,95 2,10 1,83 1,90 1,99 1,89 1,48 1,40 1,57 5,63
NUSA TENGGARA
BARAT 5,29 5,25 5,23 5,30 5,75 5,69 3,94 3,32 3,58 3,28 4,22
NUSA TENGGARA
TIMUR 3,34 3,11 3,04 3,25 3,26 3,83 3,25 3,27 2,85 3,14 4,28
KALIMANTAN BARAT 4,62 4,60 3,54 3,99 4,04 5,15 4,23 4,36 4,18 4,35 5,81
KALIMANTAN
TENGAH 4,14 3,54 3,14 3,00 3,24 4,54 4,82 4,23 3,91 4,04 4,58
KALIMANTAN
SELATAN 5,25 6,29 5,19 3,66 3,80 4,92 5,45 4,77 4,35 4,18 4,74
KALIMANTAN TIMUR 10,10 11,43 9,02 7,95 7,38 7,50 7,95 6,91 6,41 5,94 6,87
KALIMANTAN UTARA - - - - - 5,68 5,23 5,54 5,11 4,49 4,97
SULAWESI UTARA 9,61 10,10 7,98 6,79 7,54 9,03 6,18 7,18 6,61 6,01 7,37
SULAWESI TENGAH 4,61 6,78 3,95 4,19 3,68 4,10 3,29 3,81 3,37 3,11 3,77
SULAWESI SELATAN 8,37 8,13 6,01 5,10 5,08 5,95 4,80 5,61 4,94 4,62 6,31
26
SULAWESI TENGGARA 4,61 4,69 4,14 4,38 4,43 5,55 2,72 3,30 3,19 3,52 4,58
GORONTALO 5,16 6,74 4,47 4,15 4,18 4,65 2,76 4,28 3,70 3,76 4,28
SULAWESI BARAT 3,25 3,35 2,16 2,35 2,08 3,35 3,33 3,21 3,01 2,98 3,32
MALUKU 9,97 10,81 7,71 9,91 10,51 9,93 7,05 9,29 6,95 6,69 7,57
MALUKU UTARA 6,03 5,34 4,82 3,80 5,29 6,05 4,01 5,33 4,63 4,81 5,15
PAPUA BARAT 7,68 6,73 5,42 4,40 5,02 8,08 7,46 6,49 6,45 6,43 6,80
PAPUA 3,55 5,02 3,71 3,15 3,44 3,99 3,35 3,62 3,00 3,51 4,28
INDONESIA 7,14 7,48 6,13 6,17 5,94 6,18 5,61 5,50 5,30 5,23 7,07
Sumber: BPS 2020
Tingkat Pengangguran Terbuka, yaitu persentase pengangguran terhadap angkatan
kerja, berdasarkan tabel 1.4 menunjukan angka Tingkat Pengangguran Terbuka
secara keseluruhan disetiap provinsi di Indonesia dan diketahui bahwa Tingkat
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
ketenagakerjaan. Apabila terlalu banyak tenaga kerja yang tidak tertampung di
lapangan usaha atau sektor maka sangat terbatas untuk menyerap tenaga kerja yang
terindikasi melalui TPT yang tinggi, maka akan berpotensi menimbulkan masalah
sosial seperti kejahatan, demonstrasi, dan lainnya.
Berdasarkan dengan uraian tersebut dapat disimpulkan bahwa meningkatkan
Indeks Pembangunan Manusia dapat dilakukan dengan meningkatkan kualitas
sumber daya manusia dimana hal tersebut membuktikan bahwa semakin tinggi
kualitas diri maka semakin produktif masyarakat untuk melakukan pengembangan
27
diri. Dimana hal tersebut juga mempengaruhi tingkat pengangguran. Maka dari itu
peneltian dapat menyimpulkan untuk melakukan penelitian dengan judul “Analisi
Pengaruh Indeks Pembangunan Manusia (IPM) dan Tingkat Pengangguran
Terbuka (TPT) Terhadap Kemiskinan di 5 Provinsi Termiskin di Indonesia”.
B. Rumusan masalah
Berdasarkan uraian tersebut maka perumusan masalah dapat dikaji dan
dianalisis lebih lanjut dalam penelitian ini adalah:
1. Bagaimana pengaruh Indeks Pembangunan Manusia (IPM) terhadap
Kemiskinan di 5 Provinsi Termiskin di Indonesia (Studi Kasus : Provinsi
Papua, Papua Barat, NTT, Maluku, Gorontalo Tahun 2010-2020)?
2. Bagaimana pengaruh Tingkat Pengangguran Terbuka (TPT) terhadap
3. Bagaimana pengaruh Indeks Pembangunan Manusia (IPM) dan Tingkat
Pengangguran Terbuka (TPT), secara bersamaan terhadap terhadap
28
C. Tujuan Penelitian
Tujuan penelitian berdasarkan rumusan permasalahan dan latar belakang
yang telah diuraikan adalah:
1. Mengkaji pengaruh Indeks Pembangunan Manusia (IPM) terhadap
Kemiskinan di Provinsi Papua, Papua Barat, NTT, Maluku, dan Gorontalo.
2. Mengkaji pengaruh Tingkat Pengangguran Terbuka (TPT) terhadap terhadap
3. Mengkaji pengaruh Indeks Pembangunan Manusia (IPM) dan Tingkat
Pengangguran Terbuka (TPT) secara bersamaan terhadap terhadap
D. Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat kepada:
1. Bagi Masyarakat, Sarana untuk menambah ilmu pengetahuan tentang Indeks
Pembangunan Manusia (IPM) dan Tingkat Pengangguran Terbuka (TPT),
terhadap Kemiskinan di Provinsi Papua, Papua Barat, NTT, Maluku, dan
Gorontalo.
2. Bagi Pemerintah, Masukan bagi pemerintah berupa analisis pengaruh dari
Indeks Pembangunan Manusia (IPM) dan Tingkat Pengangguran Terbuka
(TPT), terhadap Kemiskinan di Provinsi Papua, Papua Barat, NTT, Maluku,
dan Gorontalo.
29
3. Bagi Peneliti, Menambah pengetahuan baru dan memberikan motivasi serta
sumbangsih pemikiran untuk menurunkan tingkat kemiskinan dan
meningkatkan kesejahteraan masyarakat di Provinsi Papua, Papua Barat,
NTT, Maluku, dan Gorontalo melalui efektivitas (Indeks Pembangunan
Manusia dan Tingkat Penganguran Terbuka.
30
BAB II
TINJAUAN PUSTAKA
A. Landasan Teori
1. Kemiskinan
Menurut (Grusky dan Kanbur, 2006), sejak perang dunia
mendefinisikan kemiskinan dalam istilah moneter, definisi arus utama
menggunakan tingkat pendapatan atau pola konsumsi dalam mengukur
kemiskinan dan memperkirakan jumlah orang miskin yang berada di bawah
garis kemiskinan dengan hormat ke tingkat pendapatan atau konsumsi. Hal
ini menjadi masalah pembangunan yang dapat terjadi dimana saja, baik di
negara maju maupun negara berkembang dan ini sudah menjadi suatu hal
yang fenomenal di negara berkembang khususnya Negara Indonesia,
dikarenakan rendahnya penghasilan kualitas sumber daya manusia (SDM) itu
sendiri.
Menurut World Bank (2010), mendefinisikan kemiskinan sebagai
kekurangan dalam kesejahteraan, dan terdiri dari banyak dimensi. Hal ini
termasuk penghasilan rendah dan keidak mampuannya untuk mendapatkan
barang dasar dan layanan yang diperlukan untuk bertahan hidup. Kemiskinan
menegaskan bahwa, program pemberdayaan masyarakat dirancangkan oleh
pemerintah untuk memecahkan tiga masalah utama pembangunan yakni
31
pengangguran, ketimpangan, dan pengentasan kemiskinan Sumodiningrat
(1999:202). Upaya pengentasan kemiskinan yang dianjurkan menurut
kebijaksanaan pemberdayaan masyarakat tak lain adalah kebijaksanaan
memberi ruang gerak, fasilitas publik dan kesempatan-kesempatan yang
kondusif bagi maraknya kemampuan dan kemungkinan kelompok
masyarakat miskin untuk mengatasi masalah mereka sendiri dan tidak untuk
menekan dan mendesak mereka ke pinggir-pinggir atau ke posisi
ketergantungan (Yulianto Kadji dalam Hikmat, 2004:6).
a. Penyebab Kemiskinan
Kuncoro (2010) adanya kemiskinan merupakan suatu masalah yang
sangat kompleks, adapun sebab-sebabnya :
1.) Secara mikro, kemiskinan muncul karena adanya ketidaksamaan pola
pemikiran sumber daya yang menimbulkan distribusi pendapatan yang
keimpang.
2.) Kemiskinan muncul akibat perbedaan dalam kualitas sumber daya
manusia (SDM) yang rendah berarti produktivitasnya rendah yang pada
akhirnya akan mengakibatkan perolehan uppah yang rendah juga.
Keadaan kualitas SDM ini diakibatkan oleh rendahnya Pendidikan di
kalangan penduduk miskin, selain itu ada faktor diskriminasi atau
keturunan.
3.) Kemiskinan muncul dikarenakan perbedaan akses dalam modal.
32
b. Teori Lingkaran Kemiskinan
Penyebab kemiskinan bermuara pada teori lingkaran kemiskinan dari
Nurkse. Lingkaran kemiskinan adalah suatu rangkaian kekuatan yang saling
mempengaruhi suatu keadaaan dimana suatu negara akan tetap miskin dan
akan banyak mengalami kesukaran untuk mencapai tingkat pembangunan
yang lebih baik. Adanya keterbelakangan dan ketertinggalan sumber daya
manusia (yang tercermin oleh tingkat pendidikan yang rendah),
ketidaksempurnaan pasar, dan kurangnya modal menyebabkan rendahnya
produktivitas. Rendahnya produktivitas mengakibatkan rendahnya
pendapatan yang mereka terima. Rendahnya pendapatan akan berimplikasi
pada rendahnya tabungan dan investasi. Rendahnya investasi berakibat pada
rendahnya akumulasi modal sehingga proses penciptaan lapangan kerja
rendah (tercemin oleh tingginya jumlah pengangguran). Rendahnya
akumulasi modal disebabkan oleh keterbelakangan dan seterusnya
(Kuncoro, 1997: 132).
c. Ukuran Kemiskinan
Arsyad (2004) dalam mengukur kemisikinan dibagi dua macam cara
yaitu kemiskinan absolute dan kemiskinan relaif :
1.) Kemiskinan Absolut
Yaitu ukuran yang mengaitkan kemiskinan dengan tingkat pendapatan
dan kebutuhan. Apabila pendapatan tidak mencapai kebutuhan
33
minimum, maka orang dapat dikatakan miskin. Kesulitan utama
dalam konsep pengukuran kemiskinan secara absolut yaitu
menentukan komposisi dan tingkat kebutuhan minimum karena
dengan keduanyan tidak hanya di pengaruhi oleh faktor adat istiadat
saja melainkan juga diakibatkan oleh iklim dan faktor ekonomi
lainnya.
2.) Kemiskinan Relatif
Kemiskinann ini disebabkan oleh ketimpangan distribusi pendapatan.
Menurut beberapa pakar berpendapat bahwa jika pendapatan
seseorang sudah mencapai tingkat kebutuhan dasar minimum, namun
ternyata pendapatan orang tersebut masih jauh lebih rendah jika
dibandingkan dengan pendapat lingkungan sekitarnya, maka orang
tersebut masuk dalam kategori orang miskin.
d. Indikator Kemiskinan
Menurut Badan Pusat Statistik, terdapat beberapa indikator dalam
mengukur kemiskinan antara lain:
1.) Head Count Index (HCI – P0) adalah presentase penduduk yang
berada dibawah Garis kemiskinan (GK).
2.) Indeks Kedalaman Kemiskinan (Poverty Gap Index, P1) yaitu
merupakan ukuran rata-rata kesenjangan pengeluaran masing-masing
penduduk miskin terhadap garis kemiskinan. Semakin tinggi nilai
34
indeks, maka semakin jauh rata-rata pengeluaran penduduk dari garis
kemiskinan.
3.) Indeks Keparahan Kemiskinan (Poverty Saverity Index, P2) yaitu
adalah gambaran mengenai penyebaran pengeluaran di antara
penduduk miskin. Semakin tinggi nilai indeks, maka akan semakin
tinggi ketimpangan pengeluaran di antara penduduk miskin.
2. Indeks Pembangunan Manusia
Dalam UNDP (United Nations Development Programme), Pembangunan
manusia adalah suatu proses untuk memperbesar pilihan-pilihan bagi manusia (“a
process of enlarging people’s choices”) (Marhoji dan Nurkhasanah, 2019:56)
Menyatakan bahwa Indeks Pembangunan Manusia (IPM) merupakan suatu angka
yang mengukur capaian pembangunan manusia berbasis sejumlah komponen dasar
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
memiliki kemampuan untuk mengakses berbagai sumber kebutuhan agar dapat
secara hidup layak. Apabila ketiga hal mendasar tersebut terpenuhi maka pilihan
lainnya juga tidak dapat dijangkau dengan baik.
Indeks Pembangunan Manusia (IPM) atau Human Development Index (HDI)
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,
negara berkembang atau negara terbelakang, atau mengukur pengaruh
kebijaksanaan ekonomi terhadap kualitas hidup manusia.
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. Dimensi Dasar IPM
Dalam menghitung Indeks Pembangunan Manusia (IPM) digunakan tiga dimensi
sebagai dasar pengukurannya :
(a.) Umur panjang dan hidup sehat pengukurannya dengan angka harapan hidup
saat kelahiran Umur Harapan Hidup (UHH) merupakan rata-rata perkiraan
banyaknya tahun yang dapat dijalan oleh seseorang selama hidup sejak
kelahirannya. Angka harapan hidup dihitung melalui pendekatan tak langsung
(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.
Pemilihan Metode Trussel dengan model West, sesuai dengan histori
36
kependudukan dan kondisi Indonesia dan negara-negara Asia Tenggara
umumnya (Preston, 2004). Sesuai standar UNDP, Indeks harapan hidup
dihitung dengan angka tertinggi sebagai batas maksimum dipakai 85 tahun dan
terendah adalah 20 tahun.
(b.) Angka Harapan Sekolah (AHS) dan Angka Rata-rata Lama Sekolah (ARRLS)
(Dimensi Pengetahuan). Dimensi pengetahuan sebagai pembentuk IPM diukur
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
digabung dan digunakan sebagai komponen pembentuk IPM.
Harapan lama sekolah adalah lamanya bersekolah (dalam tahun) yang
diharapkan mampu dilalui oleh anak atau penduduk berusia 7 tahun ke atas
pada yang akan mendatang. Harapan lama sekolah digunakan untuk
mengetahui kondisi pembangunan sistem pendidikan pada berbagai jenjang
dalam bentuk lamanya pendidikan (tahun) yang diharapkan dapat dicapai oleh
setiap anak (penduduk). Harapan lama sekolah menggunakan batasan yang
disepakati UNDP, batas maksimum adalah 18 tahun, sedangkan batas
minimumnya 0 (nol) tahun.
Rata-rata lama sekolah menggambarkan jumlah tahun yang digunakan oleh
penduduk usia 25 tahun ke atas selama atau dalam menjalani pendidikan
formal. Rata-rata lama sekolah dihitung menggunakan batasan yang disepakati
37
oleh UNDP. Rata-rata lama sekolah memiliki batas maksimumnya 15 tahun
dan batas minimum sebesar 0 tahun.
(c.) Standar kehidupan layak yang diturunkan dari Produk Domestik Bruto/PDB
(kemampuan belanja per kapita). Dimensi lain IPM adalah standar hidup layak.
Secara luas, standar hidup layak menunjukkan tingkat kesejahteraan yang
dapat dinikmati oleh penduduk sebagai dampak semakin membaiknya
perekonomian. UNDP menggunakan Produk Nasional Bruto (PNB) per kapita
yang disesuaikan untuk mengukur standar hidup layak, sedangkan BPS
menggunakan rata-rata pengeluaran per kapita riil yang disesuaikan dengan
paritas daya beli (purcashing power parity) dengan basis Formula Rao.
𝑚
1⁄
𝑃𝑖𝑗 𝑚
𝑃𝑃𝑃𝑗 = ∏ ( )
𝑃𝑖𝑘
𝑖=1
Pengukuran paritas daya beli berdasarkan 96 komoditas bahan Keterangan:
PPPj : Paritas Daya Beli di wilayah j
Pij : Harga komoditas I di kabupaten/kota j
Pik : Harga komodita I di provinsi k
m : Jumlah komoditas
b. Manfaat IPM
Menurut Badan Pusat Statisitik (BPS) pengukuran Indeks Pembangunan
Manusia (IPM) bermanfaat untuk : (a) Mengukur keberhasilan pembangunan
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
Sebelum perhitungan angka IPM, masing-masing komponen pembentuk harus
dihitung indeksnya, dengan menggunakan formulasi sebagai berikut :
IndeksAHH = AHH - AHHmin

AHHmax - AHHmin
IndeksHLS = HLS - HLSmin

HLSmax - HLSmin
IndeksHLS = RLS – RLSmin

RLSmax - RLSmin
Indekspengetahuan =IndeksHLS – IndeksRLS
Indekspengeluaran = In(pengeluaran) – In(pengeluaranmin)
In(pengeluaranmax) – In(pengeluaranmin)
Penghitungan indeks komponen IPM menggunakan batas maksimum dan
minimum sebagai berikut :
39
Tabel 2. 1 Perhitungan Indeks Komponen IPM
Komponen Satuan Minimun Maksimum
Angka Harapan Hidup (AHH) Tahun 20 85
Harapan Lama Sekolah (HLS) Tahun 0 18
Rata-Rata Lama Sekolah (RLS) Tahun 0 15
Pengeluaran per Kapita Rupiah 1.007.436 26.572.325
Sehingga nilai IPM dapat dihitung sebagai :
𝟑
𝑰𝑷𝑴 = √𝑰𝒏𝒅ⅇ𝒌𝒔Kesehatan x IndeksPendidikan x Indekspengeluaran
Capaian pembangunan manusia dalam suatu wilayah pada waktu tertentu
dikelompokkan ke dalam empat kelompok. Pengelompokkan dimaksudkan untuk
mengkluster wilayah tertentu dalam implementasi kebijakan pembangunan
manusia.
Tabel 2. 2 Pengelompokan Capaian IPM
Angka IPM Status
IPM ≥ 80 Sangat Tinggi
70 ≤ IPM < 80 Tinggi
60 ≤ IPM < 70 Sedang
IPM < 60 Rendah
40
3. Tingkat Pengangguran
Pengangguran adalah ukuran yang dilakukan jika seseorang tidak memiliki
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
lakukan adalah bekerja untuk mendapatkan penghasilan. Apabila mereka tidak
bekerja atau menganggur, konsekuensinya adalah tidak dapat memenuhi kebutuhan
dengan baik, kondisi ini dapat membawa dampak bagi terciptanya dan
membengkaknya jumlah penduduk miskin yang ada.
Menurut Sukirno (2004), efek buruk dari pengangguran adalah mengurangi
pendapatan masyarakat yang pada akhirnya mengurangi tingkat kemakmuran yang
telah dicapai seseorang. Berhasil atau tidaknya mengatasi masalah pengangguran
sangat tergantung pada proses adaptasi yang diterapkan untuk merespon ekonomi
global yang selalu berubah (Dutt, Mitra, & Ranjan, 2009).
Pengangguran dibagi menjadi dua klasifikasi yaitu:
a.) Penangguran Terbuka, menurut BPS 2020 pengangguran terbuka adalah
penduduk yang telah masuk dalam angkatan kerja tetapi tidak memiliki
pekerjaan dan sedang mencari pekerjaan, mempersiapkan usaha, serta sudah
memiliki pekerjaan tetapi belum mulai bekerja.
Rumus menghitung TPT : a = Jumlah Pengangguran

𝒂
TPT = x 100% b = Jumlah Angkatan Kerja
𝒃
41
b.) Setengah Menganggur, yaitu adalah penduduk atau angkatan kerja yang
bekerja kurang dari 35 jam dalam seminggu, tidak termasuk yang bekerja
sementara.
a. Jenis Pengangguran
Sumarsono (2003) pengangguran terjadi karena ketidaksesuaian antara
permintaan dan penyedian dalam pasar kerja. Adapun bentuk-bentuk pengangguran
sebagai berikut:
a.) Pengangguran Normal atau Friksional
Pengangguran normal atau friksional merupakan pengangguran yang terjadi
karena kesulitan dalam mempertemukan pencari kerja dengan lowongan
kerja yang ada.
b.) Pengangguran Musiman
Pengangguran musiman adalah pengangguran yang terjadi karena musim.
Kegiatan ekonomi masyarakat sering kali terpengaruh oleh irama musim.
Ada musim giat sehingga banyak permintaan tenaga kerja dan masa-masa
dimana kegiatan mengendur. Pergantian antara giat dan kendur secara
teratur setiap tahun. Selama kegiatan mengendur terjadi pengangguran yang
akan terpecahkan secara otomatis bila tiba masa giat kembali.
c.) Pengangguran Siklikal
42
Pengangguran siklikal yaitu pengangguran yang terjadi karena suatu
keadaan dimana pengusaha kehilangan kepercayaan terhadap peluang di
masa depan, sehingga sikap pesimisme yang timbul membawa dampak
negatif pada kesempatan kerja yang mengakibatkan naiknya tingkat
pengangguran.
d.) Pengangguran Struktural
Pengangguran struktural yaitu terjadi karena perubahan dalam struktur atau
komposisi perekonomian. Adanya perubahan dalam struktur yang
memerlukan perubahan keterampilan tenaga kerja yang dibutuhkan,
sedangkan pihak pencari kerja tidak mampu menyesuaikan diri dengan
keterampilan baru tersebut.
e.) Pengangguran Teknologi
Pengangguran teknologi yaitu pengangguran yang terjadi karena
penggunaan mesian dan kemajuan teknologi. Hal ini ditimbulkan dari
adanya pergantian negara manusia oleh mesin dan bahan kimia. Perubahan
ini dapat menyebabkan pekerja harus diganti untuk bisa menggunakan
teknologi yang diterapkan.
b. Dampak Pengangguran
Feriyanto (2014) ada beberapa dampak yang ditimbulkan akibat adanya
pengangguran antara lain:
1.) Dampak pengangguran terhadap perekonomian
43
a.) Pengangguran menyebabkan pendapatan pajak pemerintah berkurang.
b.) Pengangguran tidak menggalakan pertumbuhan ekonomi
c.) Pengangguran dapat menyebabkan masyarakat tidak dapat
memaksimumkan pendapatan nasional yang sebenarnya dicapai lebih
rendah dari pada pendapatan nasional potensional.
2.) Dampak pengangguran bagi individu masyarakat
a.) Pengangguran dapat menyebabkan kehilangan mata pencaharian dan
pendapatan.
b.) Pengangguran menyebabkan kehilangan keterampilan.
c.) Pengangguran dapat menyebabkan timbulnya penyakit sosial masyarakat.
B. Penelitian Terdahulu
Dalam penelitian ini, penulis menggunakan penelitian terdahulu
sebagai tolak ukur dan acuan untuk menyelesaikannya, penelitian terdahulu
memudahkan penulis dalam menentukan langkah-langkah yang sistematis
untuk penyusunan penelitian dari segi teori maupun konsep. Penelitian
terdahulu merupakan refrensi bagi peneliti dalam melakukan penelitian.
Teori, konsep-konsep, analisis, kesimpulan, kelemahan, dan keunggulan
pendekatan yang dilakukan orang lain dalam penelitian, penulis harus belajar
dari penelitian lain, untuk menghindari duplikasi dan pengulangan penelitian
atau kesalahan yang sama seperti yang dibuat oleh peneliti sebelumnya
(Zainuddin,2008).
44
Tabel 2. 3 Penelitian Terdahulu
No Judul Penulis Hasil Persamaan Perbedaan

(Tahun)
1. Determinan Fajrin Dapat disimpulkan bahwa Variabel Tidak meneliti
Kemiskinan Hardinandar hasil estimasi dan analisi s Dependen : Tingkat
(Studi kasus 29 (2019) yang dijelaskan Tenaga Meneliti Pengaruh Produktivitas
Kota/Kabupaten Kerja tidak berpengaruh Kemiskinan Sumber Daya
di Provinsi siginifikan terhadap Manusia dan
Papua). tingkat kemiskinan di IPM terhadap
Provinsi Papua, Tingkat Kesejahteraan
Pendidikan berpengaruh Masyarakat.
negative terhadap
kemisikinan di Provinsi
Papua, dan PDRB
berpengruh negative
terhadap kemiskinan di
Provinsi Papua.
2. Analisa Charley M. Hasil penelitian Variabel Tidak meneliti

Pembangunan Maria .K menunjukan bahwa semua Independen: Tingkat
Manusia dan Achmad. R. P komponen IPM memiliki Meneliti Analisa Pengangguran
Pengaruhnya (2019) hubungan yang positif dan IPM dan Terbuka, dan
Terhadap signifikan dengan IPM, Pengaruhnya Kemisknan.
Kesejahteraan IPM berpengaruh positif Kesejahteraan
Masyarakat Di dan signifikan terhadap Masyarakat.
Provinsi Papua. pendapatan perkapita di
Provinsi Papua, dan IPM
berpengaruh negatif dan
signifikan terhadap tingkat
45
kemiskinan di Provinsi
Papua.
3. Analisis Pengaruh Ari Kristin. P Berdasarkan hasil Meneliti Tidak meneliti

Indeks U. Sulia. S penelitian disimpulkan Pengangguran, secara spesifik
Pembangunan (2018) IPM berpengaruh dan Kemiskinan tentang
Manusia (IPM), signifikan negatif Meneliti Pengaruh Tingkat
Pertumbuhan terhadap tingkat IPM Pengangguran
Ekonomi dan kemiskinan, Pertumbuhan Terbuka.
Pengangguran ekonomi tidak
Terhadap berpengaruh signifikan
Kemiskinan di terhadap penurunan
Indonesia. tingkat kemiskinan.
Pengangguran
berpengaruh positif
terhadap kemiskinan dan
dapat memediasi antara
IPM dan kemiskinan. IPM
dapat mengurangi tingkat
kemiskinan melalui
penganguran.
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.
5. Analisis Pengaruh Saparuddin .M Dapat disimpulkan bahwa Variabel Populasi yang

Indeks Ari Saptono secara parsial indeks Independen : secara luas
Pembangunan As’ad Samsul pembangunan manusia Indeks yaitu diteliti
Manusia dan berpengaruh dan Pembangunan se-Indonesia.
Tingkat signifikan terhadap Manusia dan
Pengangguran kemiskinan di Indonesia. Tingkat
Terbuka Terhadap Kedua, Berdasarkan Pengangguran
Kemiskinan Di analisis dalam model Terbuka.
Indonesia random effect
menggunakan uji t dapat Variabel
disimpulkan bahwa secara Dependen :
parsial tingkat Kemsikinan
pengangguran terbuka
berpengaruh dan tidak
signifikan terhadap
kemiskinan di Indonesia.
47
Ketiga, Berdasarkan
analisis dalam model
random effect dan
menggunakan uji f dapat
disimpulkan bahwa indeks
pembangunan manusia
dan tingkat pengangguran
terbuka berpengaruh dan
signifikan secara bersama-
sama terhadap kemiskinan
di Indonesia
6. Perkembangan Ulah Tri. W Tingkat kesejahteraan Variabel Tidak meneliti

Kesejahteraan Tukiran yang ada di Papua Imdependen: Tingkat
Penduduk di (2003) memiliki perbedaan antar meneliti Pengangguran
Provinsi Papua wilayah, usaha dalam Kesejahteraan Terbuka, dan
peningkatan kesejahteraan Masyarakat / Kemiskinan.
menghadapi berbagai Indeks
kendala, baik dari kondisi Pembangunan
fisik maupun sosial Manusia
budaya masyarakat yang
ada pada ketiga wilayah
tersebut. pembangunan
wilayah yang pada
dasarnya berusaha
meningkatkan taraf
kesejahteraan rakyat
masih sangat perlu
mempertimbangkann
kondisi sosio-antropologis
masyarakat daerah
pegunungan, pedalaman,
48
dan pantai yang sangat
berbeda karakteristiknya.
7. HRM Practices in S. Martono Berdasarkan hasil Variabel Tidak meneliti

Indonesia : the Vini Wiranto tersebut, terdapat Independen : yaitu Tingkat
Contibuting (2018) pengaruh Praktek Human meneliti Pengangguran
Power of Resource Management Sumber Daya Terbuka, dan
Embeddness and (HRM) pada pelaksanaan Manusia Kemiskinan.
Support. tugas, yaitu praktek HRM
yang lebih baik, maka
semakin meningkat
kinerja tugas karyawan.
Kedekatan pekerjaan dan
dukungan organisasi juga
dipengaruhi oleh praktek
HRM. Hal ini juga
membuktikan keterikatan
pekerjaan itu dan
dukungan organisasi yang
juga bisa meningkatkan
kinerja tugas karyawan
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.
10. Effect of Hendricus. L Berdasarkan hasil analisis Variabel Tidak meneliti

Government (2019) dan pembahasan: Independen : Tingkat
Expenditures and 1. Belanja modal Meneliti tentang Pengangguran
Banking Loan berpengaruh langsung Pembangunan Terbuka.
Distribution on positif dan signifikan Sumber Daya
the Performance terhadap peningkatan Manusia.
of Human Investasi swasta, tingkat
Resource pendidikan, lapangan
Development in kerja dan IPM di Provinsi
Papua Province Papua.
2. Alokasi pinjaman
konsumen perbankan
memiliki pengaruh positif
dan
berpengaruh langsung
secara signifikan terhadap
50
investasi swasta, tingkat
pendidikan dan IPM tetapi
tidak signifikan secara
langsung
penyerapan tenaga kerja
tetapi melalui tingkat
pendidikan dan investasi
swasta,
3. Investasi swasta
berpengaruh positif tetapi
tidak signifikan terhadap
tingkat pendidikan.
Investasi swasta memiliki
pengaruh yang signifikan
dan positif
terhadap penyerapan
tenaga kerja dan IPM dan
secara tidak langsung
melalui penyerapan tenaga
kerja,
4. Tingkat pendidikan
positif dan signifikan
terhadap ketenagakerjaan
dan IPM serta tingkat
pendidikan memiliki
pengaruh
berpengaruh tidak
langsung dan signifikan
terhadap IPM melalui
51
penyerapan tenaga kerja,
dan
5. Penyerapan tenaga kerja
berpengaruh positif dan
pengaruh langsung yang
signifikan terhadap HDI
.
11. Unemployment, Tommy Andrian Implikasi kebijakan dari meneliti tentang Tidak meneliti
Education, (2020) hasil studi ini Pengangguran dan Tingkat
Poverty, and menunjukkan bahwa Kemiskinan. Produktivitas
Inclusive Growth: Sumber Daya
pertumbuhan inklusif
Evidence from Manusia,dan
masih belum merata
Provinces in Kesejahteraan
Indonesia di seluruh provinsi di Manusia .
Indonesia
12. Economic Sodik Dwi Hasil penelitian Meneliti tentang Tidak meneliti
Growth and Purnomo, menunjukan bahwa efek yang indeks
Poverty : The Istiqomah. kesempatan kerja secara mempengaruhi pembangunan

kemiskinan. manusia dan
Mediating Effect sempurna memediasi
pengangguran.
of Employment. hubungan antara
kemiskinan dan
pertumbuhan ekonomi.
Studi ini juga
menemukan bahwa
rasio ketergantungan
dan pendidikan
berpengaruh signifikan
terhadap kemiskinan,
sedangkan infrastruktur
52
berpengaruh negative
namun tidak signifikan.
Hal ini menyiratkan
bahwa pertumbuhan
ekonomi akan
mengurangi kemiskinan
hanya jika pertumbuhan
ekonomi mampu
menghasilkan
kesempatan kerja.
13. Winning the War John Paolo R. Hasilnya yaitu adanya Variabrl Tidakm
on Poverty: Rivera ketidaksetaraan dan Dependen : meneliti
Tracking Living kemiskinan yang Kemiskinan. Tingkat

Pengangguran
Standars In disebabkan karena
Terbuka dan
Philippines adanya oerbedaan
IPM.
Using a Class of pendapatan antara
Axiomatic masyarakat kota
Indices maupun desa.
14. Poverty and Lena Morgon Berdasarkan hasil yang Variabel Tidak meeliti
disability in low Banks, Hanna diteliti menemukan Dependen : Indeks
and middle Kuper, Sarah adanya hubungan positif meneliti Pembangunan

Polack Kemiskinan Manusia dan
income antara ketidakmampuan
Tingkat
countries: A (gangguan) dan
Pengangguran
systematic kemiskinan ekonomi
Terbuka.
review yang berfokus pada
situaai di negara-negara
berpenghasilan rendah
dan menengah.
53
Hubungan ini semakin
terlihat ketika hasil jenis
kelamin, ukuran
kemiskinan yang
digunakan dan jenis
gangguan. Oleh
kelompok pendapatan
negara pada saat
pengumpulan data,
proporsi analisis tingkat
negara dengan asosiasi
positif meningkat
dengan kenaikan
pendapatan, dengan
59% dari pendapatan
rendah, 67% dari
negara-negara yang
bepenghasilan
menengah ke atas
menemukan hubungna
yang positif.
15. Global Poverty : Michel M.O Meskipun terdapat Meneliti variabel Variabel
No longer an Seipel kemajuan yang belum Dependen yaitu Independen:
untouchable pernah terjadi Kemiskinan dan Tidak Meneliti
problem sebelumnya untuk meneliti variabel Tingkat

independent yaitu Pengangguran
mengurangi kemiskinan
Indeks Terbuka.
dalam 50 tahun terakhir,
Pembangunan
sekitar 1,3 miliar orang
Manusia.
didunia masih hidup
54
dalam kemiskina yang
parah. Hampir setengah
dari semua orang miskin
tinggal di Asia selatan,
Tingkat kemiskinan
meningkat dibagian
Afrika. Berdasarkan
hasil penelitian orang
miskin tidak hanya
menderita kesulitan
ekonomi tetapi juga
banyak juga yang
menderita malnutrisi,
buta huruf, kesehatan
yang buruk kematian
dini dan kurangnya
semangat hidup.
16. An Analysis of Karl Usuka Kemiskinan diperburuk Variabel Tidak meneliti

the Dependen : Tingkat
oleh ketidaksetaraan yang
Determinants of permasalahan Pengangguran
tinggi yang dialami di
Kemiskinan. Terbuka.
Poverty in India
kedua negara, dan yang
and South Africa
terjadi di daerah pedesaan,
berdasarkan hasil
menunjukan pentingnya
pendidikan, kesehatan,
dan
55
peluang ekonomi berperan
dalam menentukan
kemiskinan serta
membawa orang keluar
dari kemiskinan.
17. Global Poverty: Michail Moatsos, menyimpulkan bahwa

A First Achillefs ketidakmampuan metode
estimation of its Lazopoulos
(scenario dasar) untuk
uncertainty
mengidentifikasi
pengurangan kemiskinan
yang substansial dalam
periode MDG1
mengatakan lebih banyak
tentang ketidakpastian
metode ini per dollar, dari
pada tentang evolusi
aktual kemiskinan global.
karna pada tingkat
penerapan undang-undang
terhadap pengurangan
kemiskinan, tingkat
56
kepercayaan yang lebih
rendah dapat diterima.
18. An empirical KEJI Sunday Analisis keseluruhan Variabel Tidak meneliti

nexus between Anderu menunjukkan hubungan
Dependen: variabel Indeks
poverty and tentang Pembangunan

jangka pendek dan jangka
kemiskinan dan Manusia
unployment on
panjang antara dua Variabel (IPM).
economic
Independen:
growth variabel utama
pengangguran
(pengangguran
kemiskinan) dan produk
domestik Nigeria. Hal ini
juga menyimpulkan dari
hasil bahwa tingkat inflasi,
indeks kemiskinan
nasional, dan angka
pengangguran secara
negatif mempengaruhi
produk domestik bruto
yang sebenarnya. Sebagai
kontras, indeks
kemiskinan nasional tidak
signifikan, sedangkan
pembentukan modal bruto
memiliki hubungan yang
57
positif dengan produk
domestik nyata. Selain itu,
menyimpulkan bahwa tes
terikat menegaskan bahwa
variabel-variabel yang
diperkirakan dalam studi
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
adalah upaya eksplorasi
untuk menjawab
pertanyaan apakah
kemiskinan terkait dengan
minum dan persepsi
ketimpangan dalam
masyarakat dari perspektif
58
faktor sosial ekonomi dan
ketimpangan kesehatan
semakin jauh dari
perspektif manusia.
Signifikansi dapat
ditemukan dalam
menganalisis pengaruh
faktor, dan juga bermakna
dalam mengeksplorasi
secara longitudinal
perubahan pola masalah
minum menurut persepsi
masyarakat. kemiskinan
dan ketimpangan.
20. Pockets of Poverty Saidatulakmal Analisis probabilitas Variabel Tidak meneliti

in The Northern Mohd, dkk. Depneden : TPT dan
logistik menunjukan
States of Malaysia Kemiskinan. Indeks
bahwa variabel yang
Pembangunan
secara statistik signifikan Manusia.
dalam mempengaruhi
kemiskinan adalah usi,
jenis kelamin, lokasi,
tingkat pendidikan, etnis
59
kelompok, dan status
perkawinan.
C. Model Penelitian
Berdasarkan permasalahan yang telah dirumuskan, tujuan penelitian,
dan landasan teori yang menjelaskan “Pengaruh Indeks Pembangunan
Manusia (IPM) dan Tingkat Pengnangguran Terbuka (TPT) Terhadap
Papua, Provinsi Papua Barat, NTT, Maluku, Gorontalo Tahun 2010-2020)”.
Maka disusunlah model penelitian dalam gambar berikut:
Gambar 2. 1 Model Penelitian
Indeks Pembangunan Manusia

(X1)
Kemiskinan (Y)
Tingkat Pengangguran Terbuka (X2)
Keterangan :
Secara Parsial
D. Keterkaitan antar Variabel dan Hipotesis
1. Hubungan antara Indeks Pembangunana Manusia Terhadap
Kemiskinan
60
Indeks pembangunan manusia saat ini dipandang
sebagai variabel yang memiliki peranan menggerakan dan
mendorong Kemiskinan. Djaali dalam Abdullah (2010)
mengatakan pengembangan dan peningkatan serta
pembangunan sumber daya manusia sebagai insan yang
hidup berfikir, tidak terbatas pada kelompok umur tertentu,
tetapi berlangsung dalam seluruh kehidupan manusia itu
sendiri.
Sejalan dengan pendapat Sondang (2011), bahwa
keterpurukan kehidupan suatu masyarakat dan sifatnya
berkepanjangan, hal ini sebagai akibat rendahnya kualitas
sumber daya manusia itu sendiri. Sutrisno (2011) mengatakan
salah satu untuk meraih keuntungan kompetitif dalam
berbagai kehidupan adalah melalui pengelolaan sumber daya
manusia secara efektif.
Bahwa ada empat kegiatan yang harus dilakukan
berkaitan dengan perencanaan sumber daya manusia, yaitu :
a) inventarisasi persediaan sumber daya manusia, berkaitan
dengan pengumpulan dan analisis data yang dieskspektasikan
bagi perencaan kehidupan di masa depan, b) prediksi sumber
daya manusia, berkaitan pengembangan tujuan bagaimana
dan kemana sumber daya manusia itu didayagunakan, c)

61
penyusunan rencana-rencana berkaitan dengan rancangan
dan implementasi program secara sederhana untuk mencapai
tujuan, d) monitor dan evaluasi, berkaitan pengawasan dan
penilaian berbagai program yang sudah, sedang berlangsung
dan belum berlangsung.
Hal tersebut membuktikan bahwa dalam Kemiskinan
menjadi masalah dalam pembangunan yang dapat
mempengaruhi indeks pembangunan manusia. Kemiskinan
juga dapat efek yang cukup serius bagi pembangunan
manusia karena masalah kemiskinan merupakan sebuah
masalah yang kompleks yang sebenarnya bermula dari
kemampuan daya beli masyarakat yang tidak mampu untuk
mencakupi kebutuhan pokok sehingga kebutuhan yang lain
seperti pendidikan dan kesehatanpun terabaikan (Mirza,
2012). Maka menjadikan Gap pembangunan manusia
diantara keduanya pun menjadi besar dan pada akhirnya
target capaian IPM yang ditentukan oleh pemerintah menjadi
tidak terealisasikan dengan baik memiliki kaitan dengan
kesejahteraan masyarakat karena semakin banyak masyarakat
yang produktif dan efektif dalam kehidupannya, maka akan
bisa meningkatkan jumlah tingkat partisipasi angkatan kerja,
62
karena semakin berkurang pula masyarakat yang
menganggur.
2. Hubungan Tingkat Pengangguran Terbuka terhadap Kemiskinan
Pengaruh TPT dan kemiskinan ini juga sesuai dengan
penelitian oleh Mufid (2014) yang menunjukan bahwa
variabel TPT positif dan berpengaruh signifikan terhadap (Y).
Hal tersebut menyebabkan penduduk berusaha untuk
mempersiapkan membuka usaha sendiri, selain itu juga ada
yang sedang menunggu untuk memulai bekerja yang
termasuk dalam kategori pengangguran terbuka. Jika kita
tinjau dari perseorangan, pengangguran dapat menyebabkan
kekacauan pada bidang ekonomi dan sosial. Apabila
pengangguran di suatu negara buruk, akan menimbulkan
kekacauan politik dan sosial. Hal tersebut menyebabkan efek
buruk untuk kehidupan dan pembangunan ekonomi jangka
panjang dan ketika kebutuhan tidak terpenuhi secara baik,
dampaknya mereka akan menjadi miskin dan mengakibatkan
membengkaknya jumlah penduduk miskin.
E. Hipotesis Penelitian
63
Secara etimologis, hipotesis dibentuk dari dua kata, yaitu kata
hypo dan kata thesis. Hypo berarti kurang dan thesis adalah pendapat.
Kedua kata itu kemudian digunakan secara bersama menjadi
hypotehesis dan penyebutan dalam dialek Bahasa Indonesia menjadi
hipotesa kemudian berubah menjadi hipotesis yang maksudnya adalah
suatu kesimpulan yang masih kurang atau kesimpulan yang masih
belum sempurna. Dengan hipotesis, penelitian menjadi jelas arah
pengujiannya dengan kata lain hipotesis membimbing peneliti dalam
melaksanakan penelitian di lapangan baik sebagai objek pengujian
maupun pengumpulan data
1.) H0 : Bahwa Indeks Pembangunan Manusia tidak berpengaruh
signifikan terhadap Kemiskinan di 5 Provinsi Termiskin di
Indonesia (Studi Kasus : Provinsi Papua, Papua Barat, NTT,
Maluku, Gorontalo Tahun 2010-2020).
H1 : Bahwa Indeks Pembangunan Manusia berpengaruh
2.) H0 : Bahwa Tingkat Pengangguran Terbuka tidak berpengaruh
64
H1 : Bahwa Tingkat Pengangguran Terbuka berpengaruh
3.) H0 : Bahwa Indeks Pembangunan Manusia dan Tingkat
Penganguran Terbuka, secara bersamaan tidak berpengaruh
H1 : Bahwa Indeks Pembangunan Manusia dan Tingkat
Penganguran Terbuka, secara bersamaan berpengaruh signifikan
terhadap Kemiskinan di 5 Provinsi Termiskin di Indonesia (Studi
Kasus : Provinsi Papua, Papua Barat, NTT, Maluku, Gorontalo
Tahun 2010-2020).
65
BAB III
METODE PENELITIAN
A. Ruang Lingkup Penelitian
Penelitian ini atas dasar permasalahan tentang pengaruh Indeks
Pembangunan Manusia dan Tingkat Pengangguran Terbuka terhadap
Papua, Papua Barat, NTT, Maluku, Gorontalo Tahun (2010-2019)).pene
Dalam penelitian ini, menggunakan satu variable dependen dan 2 variabel
independen. Variabel dependen yang digunakan dalam penelitian ini adalah
kemiskinan, sedangkan variable independen yang digunakan yaitu Indeks
Pembangunan Manusia (IPM), Tingkat Pengangguran Terbuka (TPT).
66
Data yang digunakan dalam penelitian ini adalah data tahunan yang
mencakup data Indeks Pembangunan Manusia (IPM), Tingkat Pengangguran
Terbuka (TPT), dan jumlah dan persentase penduduk miskin di Indonesia.
B. Populasi dan Sampel
1) Populasi
Ridwan dan Kuncoro (2014) juga menjelaskan bahwa populasi ialah
sseluruh karakteristik maupun hasil pengukuran yang menjadi objek
penelitian, sedangkan sampel merupakan bagian yang ada di dalam
populasi dengan beberapa ciri dan keadaan tertentu untuk diteliti. Nazir
(2004) menjelaskan bahwa populasi merupakan sesuatu yang bukan
berkenaan orang atau benda namun dengan data.
Maka dari itu peneliti penyimpulan bahwa populasi ialah subjek
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
Soetriono dan Hanafie (2007:175) menjelaskan sampel adalah
anggota populasi yang dianggap dapat mewakili. Ukuran sampel harus
mencerminkan karakteristik populasi, sehingga data yang diperoleh
terwakilkan. Menurut Sugiyono (2015:82) Probability Sampling adalah
67
teknik pengambilan sampel yang memberikan peluang yang sama bagi
setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel.
bagian dari populasi itu sendiri. Oleh karena itu, sampel dalam penelitian
ini yang digunakan merupakan sampling area (Cluster) dimana teknik
pengambilan sampel ini digunakam bilamana populasi terdiri dari
kelompok-kelompok atau cluster. Teknik sampling daerah yang
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.
C. Pengumpulan Data dan Sumber Data
Pengumpulan data dilakukan untuk mendapatkan informasi yang
dibutuhkan dalam rangka mencapai sebuah tujuan dari sebuah penelitian.
Penelitian menggunakan metode pegumpulan data yaitu studi dokumen di
mana peneliti mengumpulkan informasi melalui literatur, publikasi, catatan,
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
untuk melihat pengaruh kemiskinan diukur dengan provinsi-provinsi yang
68
terdapat di Indonesia yang diperoleh dari Badan Pusat Statistik dan Badan
Pusat Statistik Papua, Papua Barat, NTT, Maluku, dan Gorontalo.
D. Metode Analisis Data
Penelitian menggunakan metode bentuk kuantitatif. Data kuantitatif
yaitu data yang berwujud dalam kumpulan angka-angka. Penelitian ini fokus
kepada provinsi yang jumlah persentase penduduk miskin nya paling rendah
di bandingkan dengan provinsi lainnya yang ada di Indonesia. Metode
penelitian dengan pendekatan kuantitatif merupakan cara yang digunakan
untuk menjawab masalah penelitian yang berkaitan dengan data berupa angka
dan program statistika.
a. Analisis Data Panel
Penelitian menggunakan data sekunder, metode yang digunakan
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
serta data cross section sebanyak jumlah 5 Provinsi yang ada di
Indonesia.
Analisis regresi data panel adalah analisis regresi yang didasarkan
pada data panel untuk mengamati hubungan antara variabel terikat
69
(dependen) dan variable bebas (independen). Hal ini sesuai dengan
penelitian yang akan dilakukan mengenai masalah Indeks
Pembangunan Manusia dan tingkat pengangguran terbuka, terhadap
kemiskinin di 5 provinsi termiskin di Indonesia yaitu Provinsi Papua,
Papua Barat, NTT, Maluku, Gorontalo dengan tahun yang diteliti 2010-
2020.
Model dengan data cross section:
Yi = α + β Xi + ℇi ; i = 1,2, … , N
N = Banyaknya data cross section
Model dengan data time series:
Yt = α + β Xi + ℇi ; t = 1,2, … , T
T = Banyaknya data time series
Melihat data panel merupakan gabungan antara data cross section
dan data time series maka model yang dapat disimpulkan adalah
sebagai berikut:
Yit = α + β Xit + ℇit ; I = 1,2, … , N; t = 1,2, … , T
Di mana:
N : Banyaknya data cross section
T : Banyaknya data time series
NT : Banyaknya data panel
Penelitian ini menggunakan data sekunder, metode yang
digunakan yaitu data panel dan alat dalam pengolahan datanyan yaitu
70
menggunakan program E-Views. Terdapat sepuluh asumsi yang harus
dipenuhi, yang dikenal dengan asumsi klasik. Asumsi-asumsi ini
meliputi (Widarjini,2007):
1.) Linear Regression Model, yang berarti model harus linear dalam
parameter.
2.) Nilai X (variable bebas) adalah tetap (nonstochastic).
3.) Nilai rata-rata ei (error term) adalah nol (0).
4.) Homoskedastisitas, yaitu varians masing-masing ei (error term)
adalah sama (konstan) untuk setiap X.
5.) Tidak ada autokorelasi anta rei (error term) namun biasanya
dalam data panel hal tersebut tidak dilakukan secara terperinci
seperti dalam regresi linear berganda.
6.) Tidak ada covarians antara ei (error term) dan X (variable
bebas).
7.) Jumlah Observasi (n) harus lebih besar dari pada jumlah
parameter untuk destimasi. Variabilitas dalam nilai X (variabel
bebas).
8.) Model regresi tidak bisa atau error.
9.) Tidak terdapat multikolinearitas yang sempurna.
Regresi data panel merupakan teknjk regresi yang
menggabungkan data time series dengan cross section. Metode regresi
71
data panel mempunyai beberapa keuntungan jika dibandingkan dengan
data time series atau cross sections, yaitu (Widarjono, 2007):
1. Data panel yang merupakan gabungan dua data time series dan
cross section mampu menyediakan data yang lebih banyak
sehingga akan menghasilkan degree of freedom yang lebih besar.
2. Menggabungkan informasi dari data time series dan cross section
dapat mengatasi maslaah yang timbul ketika ada masalah
penghilangan variabel (omitted-variabel).
Data panel juga memiliki beberapa kelemahan yang diantaranya
sebagai berikut (Widarjono, 2007):
1. Pada metode Common Effect teknik yang digunakan hanya
dengan mengkombinasikan data time series dan cross section.
Dengan hanya mengambungkan kedua jenis data tersebut maka
dapat digunakan metode OLS untuk mengestimasi model data
panel. Dalam pendekatan ini tidak memperlihatkan dimensi
maupun waktu. Dan dapat diasumsikan bahwa perilaku data antar
wilayah sama dalam berbagai rentan waktu. Asumsi ini jelas
sangat jauh dari realita sebenarnya, karena karakteristik antar
wilayah baik dari segi kewilayahan jelas sangat berbeda .
2. Pada metode Fixed Effect teknik yang digunakan adalah metode
variable dummy untuk mengungkap adanya perbedaan intersep.
72
Metode ini mengasumsikan bahwa koefisien regresi (slope) tetap
antar wilayah namun sama antar waktu (time invariant). Namun
metode ini membawa kelemahannya yaitu berkurangnya drajat
kebebasan (degree of freedom) yang pada akhirnya mengurangi
efisiensi parameter.
3. Pada metode Random Effect teknik yang digunakan adalah
dengan menambahkan variable gangguan (error terms) yang
mungkin saja akan muncul pada hubungan antar waktu dan antar
Kabupaten/Kota. Teknik OLS tidak dapat digunakan untuk
mendapatkan estimator yang efisien. Sehingga lebih tepat untuk
menggunakan Metode Generalized Least Square (GLS).
b. Pemilihan Model Data Panel
Sebelum melakukan regresi pada data panel, peneliti melakukan
beberapa pengujian spesifikasi model agar mendapatkan estimasi
model yang paling tepat untuk digunakan. Terdapat tiga uji spesifikasi
model antara lain Uji Chow, Uji Hausman, Uji Langrage Multiplier.
Ketiga uji tersebut dapat dijelaskan sebagai berikut:
a.) Uji Chow
Uji Chow bertujuan untuk menentukan Common Effect Model
atau Fixed Effect Model yang akan digunakan dalam mengestimasi
model. Dalam pengujian ini memiliki hipotesa sebagai berikut:
73
H0 : Model Common Effect Model
H1 : Model Fixed Effect Model
Jika hasil Uji Chow menunjukkan nilai probabilitas cross- section
F lebih besar dari tingkat signifikansi α = 5% (0.05) , maka H0 diterima
sehingga model yang digunakan adalah Common Effect Model. Namun
jika hasil Uji Chow menunjukkan nilai probabilitas cross-section F
lebih kecil dari tingkat signifikansi α = 5% (0.05) , maka H1 diterima
sehingga model yang harus digunakan adalah Fixed Effect Model. Saat
H1 diterima maka kita harus memastikan apakah Fixed Effect Model
yang terbaik untuk mengestimasi model dengan melakukan Uji
Hausman.
b.) Uji Hausman
Uji Hausman bertujuan untuk menentukan Random Effect
Model atau Fixed Effect Model yang akan digunakan. Dalam
pengujian ini memiliki hipotesa sebagai berikut:
H0: Model Random Effect Model
H1: Model Fixed Effect Model
Jika hasil menunjukkan nilai probabilitas cross-section random
lebih kecil dari tingkat signifikansi α = 5% (0.05) , maka H1 diterima
sehingga model yang digunakan adalah Fixed Effect Model. Namun
jika hasil Uji Hausman menunjukkan nilai probabilitas cross-section
random lebih besar dari tingkat signifikansi α = 5% (0.05) , maka H0
74
diterima sehingga model yang harus digunakan untuk mengestimasi
model adalah Random Effect Model.
c.) Uji Langrage Multiplier
Untuk mengetahui apakah model Random Effect lebih baik dari
pada Common Effect (OLS) maka Uji Langrage Multipiler digunakan
untuk pengujian Random Effect Model yang didasarkan pada nilai
residual dari model Common Effect yang dikembangkan oleh Breusch
Pagan. Untuk mengetahui model yang terbaik, dibuat hipotesis
sebagai berikut:
H0: Common Effect Model
H1: Random Effect Model
Uji LM ini didasarkan pada distribusi Chi-square dengan
Degree Of Freedom sebesar jumlah variabel independen. Jika nilai
LM lebih besar dari nilai kritis statistik Chi-Square maka H0 ditolak,
berarti estimasi yang lebih tepat dari regresi data panel adalah model
random effect. Sebaliknya jika nilai LM statistik lebih kecil dari nilai
kritis statistik Chi-square maka kita menerima hipotesis nol yang
berarti model common effect lebih baik digunakan dalam regresi.
c. Uji Asumsi Klasik
75
Uji Asumsi Klasik digunakan untuk data penelitian yang
menggunakan data sekunder, maka untuk memenuhi syarat yang
ditentukan sebelum uji hipotesis melalui uji t dan uji F maka perlu
dilakukan pengujian atas bebrapa asumsi klasik yang digunakan yaitu
normalitas, multikolinieritas, autokolerasi, dan heteroskedastisitas yang
secara rinci dapat dijelaskan sebagai berikut :
a) Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah sampel yang
digunakan oleh peneliti sudah terdistribusi normal atau tidak. Di
dalam model regresi linier, asumsi ini menunjukkan nilai yang
berdistribusi normal. Model regresi yang memenuhi syarat adalah
model regresi yang terdistribusi normal atau mendekati normal,
sehingga layak dilakukan pengujian secara statistik.
Pengujian normalitas menurut Echo (2016) dasar pengambilan
keputusan bisa dilakukan berdasarkan probabilitas yaitu:
a. Jika probabilitas > 0,05 maka model regresi terdistribusi
normal.
b. Jika probabilitas < 0,05 maka model regresi tidak terdistribusi
normal.
b) Uji Multikolinearitas
76
Uji Multikolinearitas betujuan untuk mengetahui apakah ada
keterkaitan antara hubungan yang sempurna antara variabel-
variabel independen. Jika di dalam pengujian ternyata didapatkan
sebuah kesimpulan bahwa antara variabel independen saling terikat
maka model regresi yang digunakan tidak baik. Untuk menguji
multikolinearitas peneliti menggunakan uji correlation. Jika nilai
dari ketiga variabel independen menunjukkan nilai lebih kecil dari
0.8 maka terbebas dari masalah multikolinearitas, sebaliknya
menunjukkan nilai lebih besar dari 0.8 maka terdapat masalah
multikolinearitas.
c) Uji Autokolerasi
Menurut Echo (2016) dalam bukunya menjelaskan uji autokorelasi
digunakan untuk mengetahui adanya korelasi antara kesalahan
pengganggu pada periode-t dengan kesalahan pada pengganggu pada
periode t-1 (sebelumnya) dalam model tersebut. Pengujian
autokorelasi dilakukan dengan uji statistik durbin watson dengan
membandingkan nilai hitung durbin watson (d) dengan nilai tabel
durbin watson dari batas atas (dU) dan batas bawah (dL).
Dengan pengujian sebagai berikut :
Deteksi autokorelasi positif :
1.) Jika 0 < d < dL, maka terjadi autokorelasi positif.
77
2.) Jika d > dU, maka tidak terdapat autokorelasi positif.
3.) Jika dL < d < dU, maka pengujian tidak ada kesimpulan pasti.
Deteksi autokorelasi negatif :
1.) Jika (4- d) < dL, maka terjadi autokorelasi negatif.
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
Uji heteroskedastisitas dilakukan untuk mengetahui apakah
dalam model regresi memiliki variansi residual atau tidak untuk
semua observasi. Apabila terdapat variansi, maka dalam model regresi
terdeteksi adanya heteroskedastisitas. Dalam model regresi, asumsi
yang dipenuhi adalah mempunyai nilai varian yang sama
(homoskedastisitas) atau dapat dikatakan residual tidak memiliki
variansi untuk semua observasi. Untuk menguji ada atau tidaknya
heteroskedastisitas dalam model regresi maka digunakan uji White-
heteroskedasticity. Prinsip yang digunakan adalah dengan meregresi
residual yang dikuadratkan dengan variabel independen pada model,
sehingga menghasilkan Obs*R-squared pada uji White-
heteroskedasticity. Jika nilai probabilitas Obs*Rsquared lebih besar
dari 0.05 maka tidak terjadi heteroskedastisitas.
78
E. Uji Hipotesis
Uji hipotesis dilakukan untuk mengetahui apakah koefisien
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 )
Uji koefisien determinasi merupakan uji yang menjelaskan
seberapa besar proporsi variabel independen dalam menjelaskan
variabel dependen yang digunakan dalam penelitian (uji goodness
of fit). Nilai koefisien determinasi berada diantara nol dan satu.
Semakin nilai koefisien determinasi mendekati angka satu maka
dapat diartikan bahwa variabel independen mampu menjelaskan
hampir semua perubahan pada variabel dependen. Sedangkan jika
nilai koefisien determinasi mendekati angka nol maka diartikan
bahwa variabel independen tidak memiliki kemampuan dalam
menjelaskan variabel dependen sangat terbatas.
b) Uji t-Statistic (Uji Parsial)
Uji t dilakukan untuk mengetahui signifikansi variabel
independen terhadap variabel dependen. Dalam menentukan
signifikansi atau tidaknya variabel independen terhadap variabel
dependen dapat dilihat dengan membandingkan nilai probabilitas
79
dengan tingkat signifikansi α = 5% atau 0.05. Hipotesis pada uji
ini sebagai berikut:
H0 : Tidak berpengaruh signifikan antara variabel independen
terhadap variabel dependen.
H1 : Berpengaruh signifikan antara variabel independen terhadap
variabel dependen.
Apabila nilai probabilitas nilai t-hitung > tingkat
signifikansi 5% atau 0.05 maka H0 diterima dan H1 ditolak,
sedangkan jika nilai probabilitas nilai t-hitung < tingkat
signifikansi 5% atau 0.05 maka H0 ditolak dan H1 diterima
c) Uji Wald
Pengujian ini bertujuan untuk mengetahui seberapa besar
pengaruh dari masing-masing variabel dependen terhadap
variabel independen. Uji wald merupakan pengujian ada tidaknya
pengaruh variabel bebas terhadap variabel terikat Ghozali (2016).
Dalam uji Wald, statistik yang di uji adalah statistik Wald (Wald
statistic). Nilai statistik dari uji Wald berdistribusi chi-kuadrat.
Pengambilan keputusan terhadap hipotesis dapat dilakukan
dengan menggunakan pendekatan nilai probabilitas dari uji Wald.
Sehingga jika nilai probabilitas (sig) > 0.05, H0 diterima H1
80
ditolak. Sedangkan, jika nilai probabilitas (sig) < 0.05, H0 ditolak
H1 diterima.
F. Definisi Operasional Variabel
Variabel adalah suatu sebutan yang dapat diberi nilai angka
(kuantitatif) atau nilai mutu (kualitatif). Sedangkan variabel penelitian adalah
suatu hal yang berbentuk apa saja yang ditetapkan oleh peneliti untuk
dipelajari sehingga diperoleh informasi, kemudian ditarik kesimpulan
(Noor,2011).
1.) Kemiskinan (Y)
Kemiskinan dalam penelitian ini digambarkan menggunakan
jumlah penduduk miskin yang penghasilannya berada dibawah garis
kemiskinan yang mencangkup kebutuhan makanan dan non makanan
dalam satuan jiwa. Variabel kemiskinan yang digunakan adalah data
yang diperoleh dari Badan Pusat Statistik (BPS) dan BPS Papua, Papua
Barat, NTT, Maluku, Gorontalo.
2.) IPM (X1)
Indeks Pembangunan Manusia (IPM) adalah angka yang
mengukur pencapaian pembangunan manusia berbasis sejumlah
indikator dasar kualitas hidup yang mampu mempengaruhi tingkat
81
produktivitas yang dicapai oleh seseorang. Rendahnya nilai suatu IPM
akan berakibat pada rendahnya produktivitas kerja seseorang,
produktivitas yang rendah juga berakibat pada rendahnya pendapatan
yang diperoleh, sehingga dengan rendahnya pendapatan menyebabkan
tingginya jumlah penduduk miskin. Apabila kualitas sumber daya
manusia yang dimiliki tinggi maka yang tercermin dari tingkat
pendidikan, kesehatan, dan kelayakan hidup yang tinggi akan
menyebabkan produktivitas manusia yang tinggi sehingga hal tersebut
dapat meningkatkan pendapatan. Tingkat pendidikan, tingkat
kesehatan, dan tingkat pendapatan yang tinggi juga akan tercermin pada
IPM yang tinggi. Oleh karena itu upaya meningkatkan kualitas
pembangunan manusia yang baik dari aspek pendidikan, kesehatan dan
ekonomi terus dilakukan untuk mengurangi tingkat kemiskinan.
3.) Tingkat Pengangguran Terbuka (X2)
Pengangguran terbuka merupakan penduduk usia kerja yang tidak
bekerja, sedang mencari pekerjaan, mempersiapkan suatu usaha,
mereka yang tidak mencari pekerjaan karena merasa tidak mungkin
mendapatkan pekerjaan, sudah punya pekerjaan tetapi belum mulai
bekerja, persentase jumlah pengangguran terhadap jumlah angkatan
kerja. Tingkat Pengangguran Terbuka dapat dihitung dengan cara
membandingkan jumlah pengangguran terhadap jumlah angkatan kerja.
82
Efek buruk yang disebabkan oleh pengangguran adalah mengurangi
pendapatan masyarakat yang pada akhirnya mengurangi tingkat
kemakmuran yang telah dicapai seseorang ( Sukirno, 2004;360).
Semakin turunnya kesejahteraan masyarakat karena menganggur
tentunya akan meningkatkan peluang bagi mereka terjebak dalam
kemiskinan karena tidak memiliki pendapatan. Apabila pengangguran
di suatu negara sangat buruk, kekacauan polotik dan sosial selalu terjadi
dalam prospek pembangunan ekonomi dalam jangka panjang.
83
BAB IV
PEMBAHASAN
A. Gambaran Umum Objek Penelitian
1. Gambaran Kemiskinan Pada 5 Provinsi Termiskin di Indonesia
Data kemiskinan diambil dari data BPS dengan rentang waktu dari
tahun 2010-2020. Provinsi-provinsi yang termasuk dalam 5 provinsi
termiskin di Indonesia adalah Papua, Papua Barat, NTT, Maluku dan
Gorontalo. Kemiskinan didominasi di daerah timur Indonesia. Menurut
Ferezagia (2018), kemiskinan di Indonesia diakibatkan kurangnya asset dan
pendapatan dalam rangka memenuhi kebutuhan primer seperti tempat
tinggal dan makanan. Kurangnya asset tersebut disebabkan pula oleh faktor
tingkat kesulitan mendapat pekerjaan, serta tingkat pendidikan dan
kesehatan yang tidak memadai.
Grafik 4.1 menunjukkan angka kemiskinan pada 5 provinsi
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
kemiskinan di Papua sebesar 36,8 terlihat mengalami peningkatan sampai
tahun 2020 yaitu sebesar 36,18 walaupun tidak signifikan, lalu ada Papua
Barat yang memiliki angka kemiskinan yang rendah dibandinggkan 2010,
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
menjadi 21,21, kemudian ada Maluku yang penurunan yaitu angka
kemiskinan pada tahun 2010 sebesar 27,74 dan di tahun 2020 sebesar 17,99.
Dan yang terakhir ada dari daerah Gorontalo yang memiliki angka
kemiskinan 23,19 di tahun 2010 kemudiaan jauh mengalami penurunan di
tahun 2020 yaitu menjadi sebesar 15,59. Secara keseluruhan memiliki
selisih kemiskinan yang besar antara tahun 2010 dengan tahun 2020.
Sementara pada provinsi Papua dan Maluku tetap terjadi penurunan
meskipun tidak sebesar 3 provinsi lainnya. Dalam jurnal milik Ferezagia
(2018) dijelaskan bahwa penurunan nilai kemiskinan dapat
diinterpretasikan sebagai bentuk menurunnya selisih rata-rata pengeluaran
penduduk terhadap garis kemiskinan dan ketimpangan.
Gambar 4. 1 Grafik Kemiskinan 5 Provinsi Termiskin di Indonesia

85
Grafik Kemiskinan 5 Provinsi Termiskin di
Indonesia
40
30
20
10
0
Papua Papua Barat NTT Maluku Gorontalo
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Sumber : Data BPS (Diolah) 2021
Indikator kemiskinan dan berbagai alat ukur kesejahteraan dibuat
oleh beberapa lembaga dan memiliki beberapa perbedaan. Berdasarkan data
BPS, kemiskinan memiliki 14 indikator dan dapat dikategorikan miskin jika
memenuhi 9 dari 14 indikator yang ada. Sedangkan menurut Kementerian
Sosial Republik Indonesia, indikator kemiskinan diatur dalam Keputusan
Menteri Sosial Republik Indonesia No.146/HUK/2013. Selanjutnya
menurut Lembaga Penelitian SMERU, kemiskinan dapat diukur dengan
Community-Based Monitoring System (CBMS). Indikator kemiskinan
dalam CBMS ini adalah status kawin, kondisi kepala keluarga (jenis
kelamin, pendidikan, pekerjaan), jumlah harta, kesehatan dan lain
sebagainya (Widjaja, 2019).
86
2. Gambaran Indeks Pembangunan Manusia Pada 5 Provinsi Termiskin
di Indonesia
Indeks Pembangunan Manusia atau biasa disingkat IPM dalam
penelitian ini diambil dari data sekunder yang dirilis Badan Pusat Statistik.
IPM kelima provinsi termiskin di Indonesia diambil dari tahun 2010-2020.
Nilai IPM sendiri digunakan sebagain indikator dalam mengukur kualitas
hasil pembangunan ekonomi yaitu derajat perkembangan manusia. Dalam
mengukur IPM, terdapat 3 unsur utama yaitu pendidikan, kesehatan dan
ekonomi. Unsur-unsur tersebut dianggap penting untuk menentukan tingkat
kemampuan suatu provinsi dalam meningkatkan angka IPM (Matdoan &
Van Delsen, 2020). Berikut disajikan grafik IPM pada subjek dalam
penelitian ini:
Gambar 4. 2 Grafik IPM 5 Provinsi Termiskin di Indonesia
Grafik IPM 5 Provinsi Termiskin di Indonesia

80
70
60
50
40
30
20
10
0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Sumber : Data BPS (Diolah) 2021

87
Grafik 4.2 menunjukkan bahwa pada kelima provinsi nilai IPM
meningkat dari tahun ke tahun tanpa terkecuali. Meskipun pada Provinsi
Papua terjadi penurunan dari tahun 2019 sebsar yaitu dari 60.84 menjadi
60,44 tahun 2020, namun angka tersebut masih meningkat jika
dibandingkan dengan tahun 2010. Pada keempat provinsi lainnya yaitu
Papua Barat, NTT, Maluku dan Gorontalo, nilai IPM tertinggi berada pada
tahun 2020 yaitu dari Papua Barat sebesar 65,09 NTT menempati di angka
65,19 lalu Maluku dengan angka Indeks Pembangunan Manusia sebesar
69,49 dan yang terakhir Gorontalo mencapai pada angka 68,8 di tahun 2020
meskipun kenaikan dari tahun sebelumnya tidaklah tinggi atau signifikan.
Nilai IPM mampu menetapkan minimum dan maksimum untuk
setiap unsur (pendidikan, kesehatan dan ekonomi), serta menunjukkan letak
masing-masing provinsi dalam kaitannya dengan letak tersebut. Nilai
tersebut dinyatakan dengan nilai antara 0 dan 1. Semakin tinggi
pembangunan manusia suatu provinsi, maka semakin tinggi nilai IPM-nya.
IPM dibuat untuk menekankan bahwa manusia dan kemampuan mereka
harus menjadi kriteria utama untuk menilai pembangunan suatu negara,
bukan pertumbuhan ekonomi saja. IPM ini juga digunakan pada saat
pemilihan kebijakan dalam rangka menentukan kebijakan mana yang cocok
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
dibandingkan untuk provinsi-provinsi di Indonesia. Dalam kaitannya
dengan menurunkan kemiskinan, provinsi-provinsi yang memiliki
pendapatan yang sama dapat dibandingkan dan provinsi dengan
pembangunan manusia yang bagus dapat dijadikan acuan (Kummu dkk,
2018).
Seperti yang sudah disebutkan sebelumnya bahwa IPM didasarkan
pada 3 unsur utama yaitu kesehatan, ekonomi dan Pendidikan. Dimensi
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.
Sedangkan dimensi ekonomi atau standar hidup diukur dengan pendapatan
nasional bruto per kapita. IPM menggunakan logaritma pendapatan untuk
mencerminkan semakin pentingnya pendapatan dengan meningkatnya GNI
(Pendapatan Nasional Bruto). Skor untuk ketiga indeks dimensi IPM
tersebut kemudian dijumlahkan menjadi indeks komposit menggunakan
rata-rata geometrik (Biggeri & Mauro, 2018).
IPM mampu menyederhanakan dan menangkap hanya sebagian dari
apa yang dibutuhkan oleh pembangunan manusia. Hal tersebut
menunjukkan bahwa IPM tidak mencerminkan ketidaksetaraan,
kemiskinan, keamanan manusia, pemberdayaan, dan lain sebagainya. IPM
memberikan gambaran yang lebih baik tentang pembangunan suatu provinsi
89
karena memasukkan faktor-faktor sosial dan ekonomi. Selain itu, IPM dapat
menekankan pentingnya kedudukan warga dalam suatu provinsi dan
kemampuan mereka untuk mengeluarkan potensi maksimal mereka. Selain
IPM standar, terdapat juga Indeks Pembangunan Manusia (IPM) yang
disesuaikan dengan Ketimpangan di suatu provinsi. (Biggeri & Mauro,
2018).
3. Gambaran Tingkat Pengangguran Pada 5 Provinsi Termiskin di
Indonesia
Tingkat pengangguran 5 Provinsi termiskin dalam penelitian ini
mengambil data dari BPS sebagai data utama. Sama dengan data IPM dan
Kemiskinan, pada tingkat pengangguran ini diambil data dari tahun 2010
hingga tahun 2020. Menurut Rizqi (2019), faktor utama yang
mempengaruhi tingkat pengangguran adalah pendidikan. Hal tersebut
dikarenakan pendidikan yang berdasarkan kompetensi mampu membahwa
sumber daya manusia mendapat pekerjaan lebih mudah dengan kualitas
yang mumpuni. Selain itu, tingkat pengangguran kadang dipengaruhi
dengan adanya efek spasial atau kewilayahan. Efek spasial dapat menjadi
salah satu faktor karena mampu menunjukkan adanya pengelompokkan
karakteristik pada wilayah yang bersinggungan termasuk provinsi tertentu.
Berikut disajikan grafik tingkat pengangguran 5 provinsi termiskin di
Indonesia:
90
Gambar 4. 3 Grafik Tingkat Pengangguran 5 Provinsi Termiskin di Indonesia
Grafik Tingkat Pengangguran 5 Provinsi Termiskin

di Indonesia
12
10
0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Sumber: Data BPS (Diolah) 2021
Data menunjukkan bahwa tingkat pengangguran di kelima provinsi
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,
tingkat pengangguran cukup tinggi. Tingkat pengangguran pada 2010 sudah
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
2017-2019. Kemudian di tahun 2020 kembali meningkat menjadi 6,8
persen.
Pada provinsi NTT, tingkat penagguran dapat dikategorikan rendah
jika dibandingkan dengan keempat provinsi termiskin lainnya. Angka
cenderung stabil dan sedikit meningkat dan menempati posisi puncaknya
pada tahun 2020 yaitu sebesar 4,28 persen. Sedangkan Provinsi Maluku
memiliki tingkat pengangguran yang berbanding terbalik dengan Provinsi
NTT. Angka yang ditunjukkan sangatlah tinggi meskipun terjadi kenaikan
dan penurunan. Angka tertinggi berada pada tahun 2011 sebesar 10,81
persen dan angka terendah yaitu 6,69 berada pada tahun 2019. Dan yang
terakhir, yaitu Provinsi Gorontalo memiliki tingkat pengangguran yang
tinggi pada tahun 2011 mencapai pada angka 6,74 dan cenderung menurun
hingga tahun 2020 menjadi 4,28 persen.
92
B. Uji Asumsi Klasik
1. Uji Multikolienaritas
Uji Multikolinearitas dalam penelitian ini ditujukan untuk mengukur
dan menentukan apakah antar negatif penelitian memiliki keterkaitan.
Multikolinearitas umumnya terjadi negatif terdapat korelasi yang tinggi
antara dua atau lebih variabel perediktor . Dengan kata lain, satu variabel
dapat digunakan untuk memprediksi variabel yang lain. Hal ini menciptakan
informasi yang berlebihan, mencondongkan hasil dalam sebuah model
penelitian. Terjadinya multikolinearitas dalam penelitian disebabkan oleh
eksperimen yang dirancang dengan buruk, data yang 100% observasional,
atau metode pengumpulan data yang tidak dapat dimanipulasi. Dalam
beberapa kasus, variabel mungkin sangat berkorelasi (biasanya karena
pengumpulan data dari studi observasional murni dan tidak ada kesalahan
di pihak peneliti. Untuk alasan ini, peneliti harus melakukan eksperimen bila
memungkinkan, mengatur tingkat variabel prediktor terlebih dahulu
(Daoud, 2017).
Dalam uji multikolinearitas, dapat dilihat nilai VIF. Jika VIF lebih
kecil dari 10 maka tidak terjadi multikolinearitas. Begitupun sebaliknya jika
VIF lebih besar dari 10 maka terjadi multikolinearitas. Berikut disajikan
hasil uji multikolinearitas menggunakan aplikasi E-Views 10:
Tabel 4. 1 Hasil Uji Multikolinearitas
93
Variance Inflation Factors
Date: 10/26/21 Time: 21:11
Sample: 1 55
Included observations: 55
Coefficient Uncentered Centered

Variable Variance VIF VIF
X1 0.018183 324.7984 1.188742

X2 0.052313 7.826106 1.188742
C 65.70553 294.3128 NA
Sumber : Data Diolah Eviews (2021)
Dari hasil pengolahan data tersebut dapat dilihat bahwa nilai VIF
sebesar 1,188742. Berdasarkan pedoman keputusan uji kolinearitas, hasil
tersebut menunjukkan bahwa nilai VIF 1,189 < 10 maka tidak terjadi
multikolinearitas dalam penelitian ini.
2. Uji Normalitas
Uji normalitas dilakukan untuk menguji data penelitian terdistribusi
normal atau tidak, menguji normalitas merupakan langkah pertama dalam
menganalisis data penelitian. Banyak alat statistik yang digunakan memiliki
normalitas sebagai asumsi yang mendasarinya. Jika asumsi gagal, maka
peneliti mungkin perlu menggunakan alat atau pendekatan statistik yang
berbeda. Normalitas mengacu pada distribusi statistik spesifik yang disebut
distribusi normal. Distribusi normal adalah distribusi kontinu simetris yang
ditentukan oleh mean dan standar deviasi data. Terlepas dari mean dan
94
standar deviasi, bentuk distribusi normal akan selalu sama. Karakteristik
kuncinya adalah distribusi data di bawah kurva (Drezner dkk, 2010).
Dalam penelitian ini digunakan uji normalitas menggunakan Jarque
Berra dengan dasar pengambilan keputusan nilai Probability. Dikatakan
data berdistribusi normal jika nilai Probability nya lebih besar dari 0,05.
Berikut disajikan hasil uji normalitas:
Tabel 4. 2 Hasil 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
Sumber : Data Diolah E-Views (2021)
Dari hasil uji tersebut dapat dilihat bahwa nilai Probability sebesar
0,344034. Dimana nilai tersebut lebih besar dari 0,05 sehingga dapat
diinterpretasikan bahwa data dalam penelitian ini berdistribusi normal.
95
3. Uji Heterokedastisitas
Uji heterokedastisitas dilakukan dalam penelitian ini untuk
menentukan apakah terjadi ketidaksamaan varians terhadap residual antar
pengamatan. Dalam statistik, heteroskedastisitas terjadi ketika standar
deviasi dari variabel yang diprediksi, dipantau pada nilai yang berbeda dari
variabel independen atau yang terkait dengan periode waktu sebelumnya,
atau tidak konstan. Dengan heteroskedastisitas, tanda pada pemeriksaan
visual dari kesalahan residual adalah bahwa kesalahan tersebut akan
cenderung menyebar dari waktu ke waktu (Cook & Weisberg, 1983).
Heteroskedastisitas sering muncul dalam dua bentuk yaitu bersyarat
dan tidak bersyarat. Heteroskedastisitas bersyarat mengidentifikasi
volatilitas nonkonstan yang terkait dengan volatilitas periode sebelumnya.
Sedangkan heteroskedastisitas tanpa syarat mengacu pada perubahan
struktural umum dalam volatilitas yang tidak terkait dengan volatilitas
periode sebelumnya. Heteroskedastisitas tanpa syarat digunakan ketika
periode masa depan volatilitas (baik tinggi maupun rendah) dapat
diidentifikasi. (Cook & Weisberg, 1983).
Dalam penelitian ini, digunakan uji glejser dalam mengidentifikasi
heterokedastisitas. Dasar keputusan uji hetrerokedastisitas didasarkan pada
nilai Prob.chi-squared. Jika Prob.chi-squared > 0,05 maka tidak terjadi
gejala heterokedastisitas. Begitupun sebaliknya, terjadi gejala
96
heteroskedastisitas pada saat nilai Prob.chi-squared kurang dari 0,05.
Berikut hasil uji menggunakan Eviews:
Tabel 4. 3 Hasil Uji Heterokedastisitas
Heteroskedasticity Test: Glejser
F-statistic 2.345880 Prob. F(2,52) 0.1058

Obs*R-squared 4.551751 Prob. Chi-Square(2) 0.1027
Scaled explained SS 5.280689 Prob. Chi-Square(2) 0.0713
Dapat dilihat dari hasil uji bahwa nilai Prob.chi-squared > 0,05. Maka
dapat diinterpretasikan bahwa tidak terjadi gejala heteroskedastisitas dalam
penelitian.
4. Uji Autokorelasi
Pada uji autokorelasi, digunakan dalam menentukan apakah terdapat
korelasi residual antar observasi. Autokorelasi mengacu pada derajat
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
autokorelasi mengukur hubungan pengamatan antara titik waktu yang
berbeda, dan dengan demikian mencari pola atau tren selama deret waktu.
Sejalan dengan korelasi, autokorelasi bisa bernilai positif maupun negatif.
Autokorelasi positif berarti bahwa peningkatan yang diamati dalam interval

97
waktu mengarah ke peningkatan proporsional dalam interval waktu
tertinggal. Pengamatan dengan autokorelasi positif dapat diplot ke dalam
kurva halus. Dengan menambahkan garis regresi, dapat diamati bahwa
kesalahan positif diikuti oleh kesalahan positif lainnya, dan kesalahan
negatif diikuti oleh kesalahan negatif lainnya (Akter, 2014).
Dalam penelitian ini, digunakan uji Durbin Watson dalam mengukur
autokorelasi. Terdapat 3 dasar pengambilan keputusan dalam uji
autokorelasi. Pertama, terdapat autokorelasi jika nilai d lebih kecil dari dL
atau > (4-dL). Kedua, tidak terdapat autokorelasi jika nilai d terletak antara
dU dan (4-dU). Ketigas, tidak menghasilkan kesimpulan pasti jika nilai d
terletak antara dL dan dU. Berikut disajikan hasil uji autokorelasi:
Tabel 4. 4 Hasil Uji Autokorelasi
Dependent Variable: D(Y)

Method: Least Squares
Date: 10/26/21 Time: 21:42
Sample (adjusted): 2 55
Included observations: 54 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C -0.204195 0.215187 -0.948921 0.3471

D(X1) -0.732207 0.159609 -4.587496 0.0000
D(X2) 0.323089 0.136650 2.364354 0.0219
R-squared 0.311107 Mean dependent var -0.392778

Adjusted R-squared 0.284092 S.D. dependent var 1.833461
S.E. of regression 1.551316 Akaike info criterion 3.770038
Sum squared resid 122.7357 Schwarz criterion 3.880537
Log likelihood -98.79101 Hannan-Quinn criter. 3.812653
F-statistic 11.51591 Durbin-Watson stat 2.014694
Prob(F-statistic) 0.000075

98
Autokorelasi Tidak dapat Tidak Tidak dapat Autokorelasi
Positif disimpulkan terdapat disimpulkan negatif
autokorelasi
1.4903 1.6406 2.014694 2.3594 2.5097
dL dU Nilai DW 4-dU 4-dL
stat.
Dari hasil uji yang tertera pada Tabel 4.4 diatas, dapat dilihat bahwa
nilai Durbin Watson adalah 2,014694. Nilai tersebut kemudian
dibandingkan dengan nilai Durbin Watson pada taraf signifikansi 5% atau
0,05 dengan rumus (k;n). k menunjukkan jumlah variabel independen yang
dalam penelitian ini berjumlah 2 (IPM dan TPT). Sedangkan n
menunjukkan jumlah sampel atau data yang dalam penelitian ini berjumlah
55. Berdasarkan tabel, didapatkan nilai dL=1,4903 dan dU=1,6406 untuk
k=2 dan n=55. Hasil menunjukkan bahwa nilai d (Durbin Watson)
2,014694, dimana nilai tersebut berada diantara dU (1,6406) dan 4-dU (4-
1,6406=2,3594). Maka, dapat disimpulkan bahwa tidak ada masalah
autokorelasi dalam penelitian ini.
C. Temuann Hasil Penelitian
Dalam penelitian ini, digunakan uji regresi data panel. Sebelum
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
yaitu uji LM (Lagrange Multiplier).
1. Uji Chow
Uji Chow dilakukan dalam menentukan antara Common Effect Model
dan Fixed Effect Model. Uji Chow digunakan untuk menguji apakah dalam
dua model regresi yang berbeda pada dataset yang berbeda memiliki
koefisien yang sama. Uji ini biasanya digunakan di bidang ekonometrika
dengan data deret waktu untuk menentukan apakah ada jeda struktural
dalam data di beberapa titik. Pengujian dengan menggunakan Uji Chow
mengasumsikan bahwa residual dari model regresi terdistribusi secara
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
(Binkley & Young, 2018).
Dasar pengambilan keputusan diambil dari nilai Prob dalam Cross-
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.
Tabel 4. 5 Hasil Uji Chow
Redundant Fixed Effects Tests

Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 28.491347 (4,48) 0.0000

Cross-section Chi-square 66.889990 4 0.0000
Sumber : Data Diolah E-Views (2021)
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
Model. Selanjutnya akan dilakukan Uji Hausman untuk menentukan antara
Fixed Effect Model dengan Random Effect Model.
2. Uji Hausman
Uji Hausman dalam penelitian ini dimaksudkan untuk menentukan
antara Random Effect Model dan Fixed Effect Model. Sebuah statistik
Hausman dibangun sebagai fungsi dari perbedaan antara dua estimator.
Distribusi sampling statistik Hausman menentukan seberapa besar
perbedaan yang terlalu besar untuk kompatibel dengan hipotesis nol

101
spesifikasi yang benar. Dalam melakukan uji Hausman, dibandingkan
statistik Hausman dengan nilai kritis yang diperoleh dari distribusi
samplingnya, dan menolak hipotesis nol dari spesifikasi yang benar jika
statistik Hausman melebihi nilai kritisnya. Distribusi sampel yang besar dari
statistik Hausman sangat mudah untuk diturunkan dan disebut sebagai
analisis tingkat tinggi (Amini dkk, 2012).
Pengambilan keputusan atau kesimpulan dalam Uji Hausman didasarkan
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 :
Tabel 4. 6 Hasil Uji Hausman
Correlated Random Effects – Hausman Test

Equation: Untitled
Test cross-section random effects
Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.
Cross-section random 14.999159 2 0.0006
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
yang cocok dalam penelitian ini.
3. Fixed Effect Model
Berdasarkan hasil uji, didapatkan model Fixed Effect Model untuk
diterapkan dalam analisis regresi data panel. Fixed Effect Model
mengasumsikan bahwa variabel penjelas memiliki hubungan tetap atau
konstan dengan variabel respons pada semua pengamatan. Fixed Effect
Model mendukung prediksi hanya pada level atau kategori fitur yang
digunakan untuk pelatihan. Model tersebut direkomendasikan ketika efek
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
mengasumsikan bahwa efek spesifik individu berkorelasi dengan variabel
independen.
Tabel 4. 7 Hasil Regresi Data Panel
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
C 70.18179 9.833909 7.136713 0.0000

X1 -0.756780 0.147050 -5.146409 0.0000
103
X2 0.329534 0.288023 1.144124 0.2582
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.930781 Mean dependent var 24.23291

Dari Tabel 4.7 diatas dapat kita lihat nilai koefisien masing-masing
variabel, dimana C adalah konstanta bernilai 70,18179. Sementara X1
adalah Indeks Pembangunan Manusia dengan koefisien -0,756780 dan X1
adalah Tingkat Pengangguran dengan koefisien 0,329534. Maka didapatkan
persamaan nilai Y (Kemiskinan) sebagai berikut :
𝒀 = 𝟕𝟎, 𝟏𝟖𝟏𝟕𝟗 – 𝟎, 𝟕𝟓𝟔𝟕𝟖𝟎 𝑿𝟏 + 𝟎, 𝟑𝟐𝟗𝟓𝟑𝟒 𝑿𝟐 + 𝛆𝒊𝒕
Dari persamaan tersebut dapat dilihat bahwa 70,18179 sebagai nilai
konstanta menunjukkan nilai Y (Kemiskinan) jika tidak dipengaruhi oleh
faktor/variabel lain. Dalam hal ini, variabel lain baik X1 (IPM) maupun
X2 (TPT) dianggap nol. Selanjutnya nilai -0,756780 sebagain koefisien
IPM menunjukkan hubungan yang negatif terhadap variabel Kemiskinan
ditunjukkan oleh tanda minus. Sementara nilai 0,329534 dengan nilai
positif menunjukkan hubungan yang positif terhadap variabel Kemiskinan.

104
Berdasarkan pada persamaan reegresi diatas, maka:
1. Jika variabel independen (bebas) dianggap konstan maka besarnya
nilai koefisien C di kawasan 5 provinsi termiskin di Indonesia yaitu
70,18179 . Merupakan nilai dari variabel dependen (kemiskinan)
kerika tidak dipengaruhi oleh variabel lain.
2. Nilai koefisien regresi variabel X1 (Indeks Pembangunan Manusia)
sebesar -0,756780 menandakan adanya hubungan negatif, IPM
terhadap Kemiskinan. Artinya setiap kenaikan besaran IPM sebesar
1% maka Kemiskinan di 5 Provinsi Termiskin di Indonesia akan
mengalami penurunan sebesar -0,756780.
3. Nilai koefisian regresi variabel X2 (Tingkat Pengangguran Terbuka)
sebesar 0,329534 menandakan adanya hubungan positif variabel
Tingkat Pengangguran Terbuka terhadap Kemiskinan . Artinya, setiap
kenaikan besaran TPT sebesar 1% maka Kemiskinan di 5 Provinsi
Termiskin di Indonesia akan mengalami peningkatan sebesar
0,329534.
Selanjutnya dapat dilihat pada Tabel 4.7 nilai probabilitas untuk
masing-masing variabel. Pada variabel X1 (IPM), nilai Prob sebesar
0,0000 nilai tersebut lebih kecil dari 0,05 sehingga dapat diinterpretasikan
bahwa IPM berpengaruh secara signifikan terhadap Kemiskinan.
105
Sedangkan X2 (TPT) menunjukkan nilai Prob 0,2582 yang berarti TPT
berpengaruh namun tidak signifikan terhadap Kemiskinan.
Tabel 4. 8 Individual Effect
Variable Coefficient Individual Effect
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
Selanjutnya dilakukan analisis untuk mendapatkan nilai konstanta pada masing-
masing provinsi yang ditunjukkan dengan nilai Individual Effect. Nilai tersebut
didapat dengan menjumlahkan nilai Coefficient C dengan nilai Coefficient tiap
provinsi. Berikut persamaan variabel Y (Kemiskinan) pada tiap provinsi yang
didasarkan pada nilai Individual Effect :

106
1. Papua
𝑌 = 67.485966 − 0,756780 𝑋1 + 0,329534 𝑋2 + ε𝑖𝑡
Pada perubahan satu persen di Provinsi Papua, maka akan terjadi penurunan
kemiskinan sebanyak 67,485966 persen pada saat nilai Indeks
Pembangunan Manusia dan Tingkat Pengangguran konstan.
2. Papua Barat
𝑌 = 66.023588 − 0,756780 𝑋1 + 0,329534 𝑋2 + ε𝑖𝑡
Dari persamaan Kemiskinan Provinsi Papua Barat diatas, akan terjadi
penurunan kemiskinan sebesar 66,023588% tiap perubahan 1% jika tingkat
pengangguran dan indeks pembangunan manusia nilainya konstan.
3. NTT
𝑌 = 70.901877 − 0,756780 𝑋1 + 0,329534 𝑋2 + ε𝑖
Pada provinsi NTT, akan terjadi penurunan kemiskinan sebesar
70,901877% jika dilakukan perubahan sebanyak 1% dengan kestabilan
nilai IPM dan pengangguran.
4. Maluku
𝑌 = 78.65236 − 0,756780 𝑋1 + 0,329534 𝑋2 + ε𝑖e
Prsamaan menunjukkan bahwa terdapat perubahan 1% jika variabel X1
(IPM) dan X2 (TPT) konstan maka akan menurunkan variabel Y
(Kemiskinan) di Provinsi Maluku sebesar 78,65236%.
107
5. Gorontalo
𝑌 = 67.845159 − 0,756780 𝑋1 + 0,329534 𝑋2 + ε𝑖𝑡
Pada saat variabel X1 dan X2 konstan, dan terjadi perubahan tiap 1% maka
akan terjadi penurunan variabel Y dengan persentase perubahaan sebanyak
67,845159% di Provinsi Gorontalo.
D. Uji Hipotesis
1. Uji Koefisien Determinasi (R2)
Dalam Uji Koefisien Determinasi atau biasa disebut R2, hasil
mampu menentukan apakah variabel IPM dan TPT mampu menjelaskan
pengaruhnya terhadap Kemiskinan. Dasar pengambilan keputusan dilihat
dari nilai Adjusted R-Squared dimana nilai tersebut berkisar dari 0 hingga
1. Semakin mendekati nol maka variabel IPM dan TPT tidak dapat
menjelaskan pengaruhnya kepada Kemiskinan. Berlaku sebaliknya,
variabel independent yang terdiri dari TPT dan IPM mampu menjelaskan
pengaruhnya terhadap variabel dependen yaitu kemiskinan jika nilai
Adjusted R-Squared mendekati nilai satu. Berikut hasil uji koefisien
determinasi dalam penelitian ini:
Tabel 4. 9 Uji Koefisien Determinasi
R-squared 0.930781
Adjusted R-squared 0.922129
108
Hasil tersebut menunjukkan bahwa nilai Adjusted R-squared sebesar
0,922129 dimana nilai tersebut cenderung lebih mendekati 1. Hal tersebut
dapat diinterpretasikan bahwa variabel independen (IPM dan TPT) mampu
menjelaskan pengaruhnya terhadap variabel dependen (Kemiskinan)
dengan persentasi 92,2% yang selanjutnya 7,8% sisanya dipengaruhi oleh
variabel atau faktor lainnya.
Selanjutnya akan diuji R2 pada setiap provinsi yakni Papua, Papua
Barat, NTT, Maluku, dan Gorontalo.
Tabel 4. 10 Uji Koefisien Determinasi Setiap Provinsi
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
yang berarti variabel TPT dan IPM mampu mempengaruhi variabel
kemiskinan, namun nilai tersebut tidak signifikan karena nilai p > 0,05.
Pengaruh variabel TPT dan IPM terhadap Kemiskinan pada provinsi
Maluku yakni sebesar 51,7% dan sisanya sebesar 48,3% dipengaruhi oleh
faktor lainnya.
109
Pada provinsi NTT variabel TPT dan IPM mampu mempengaruhi
kemiskinan sebesar 85,6% dengan nilai R2 sebesar 0,856364. Selanjutnya
dapat dilihat nilai p sebesar 0,000426 dimana nilai tersebut lebih kecil dari
0,05 sehingga pengaruh TPT dan IPM dikatakan signifikan terhadap
kemiskinan. Sisa 14,4% merupakan faktor lain yang mempengaruhi
kemiskinan.
Pada provinsi Papua, dapat diinterpretasikan bahwa TPT dan IPM
tidak memiliki pengaruh signifikan terhadap Kemiskinan dilihat dari nilai p
sebesar 0,420061. Nilai p tersebut < signifikani sebesar 0,05. Selanjutnya
nilai R-squared sebesar 0,194940 yang menunjukkan bahwa variabel
independen yakni TPT dan IPM mampu menjelaskan pengaruh terhadap
Kemiskinan sebesar 19,4% dan sisanya yakni sebesar 80,6% dipengaruhi
oleh faktor lainnya diluar penelitian ini.
Pada provinsi Gorontalo dapat dilihat hasil uji menunjukkan nilai R-
Squared sebesar 0,69913 yang menunjukkan bahwa TPT dan IPM mampu
mempengaruhi Kemiskinan sebesar 69,8% dan sisanya sebesar 30,2%
dipengaruhi oleh faktor lain. Nilai p pada provinsi Gorontalo menunjukkan
angka 0,008273 dimana nilai tersebut kurang dari 0,05 sehingga dapat
diinterpretasikan pengaruh TPT dan IPM signifikan terhadap kemiskinan.
2. Uji T-Statistic (Uji Parsial)
Uji T-Statistic atau parsial dalam penelitian ini dilakukan dalam
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
C 70.18179 9.833909 7.136713 0.0000

X1 -0.756780 0.147050 -5.146409 0.0000
X2 0.329534 0.288023 1.144124 0.2582
Dari hasil uji dalam Tabel 4.10, dapat diinterpretasikan pengaruh
variabel X1 (IPM) dan TPT (X2) terhadap Y (Kemiskinan) sebagai berikut:
a) Pengaruh X1 (IPM) terhadap Y (Kemiskinan)
Pengaruh variabel IPM terhadap variabel kemiskinan memiliki
hipotesis penelitian sebagai berikut:
H1 : Terdapat pengaruh variabel X1 (IPM) secara parsial terhadap
variabel Y (Kemiskinan).
H0 : Tidak terdapat pengaruh variabel X1 (IPM) secara parsial terhadap
111
Hasil menunjukkan bahwa H1 diterima dan otomatis H0 ditolak berarti
terdapat pengaruh antara X1 yaitu IPM terhadap Kemiskinan atau
variabel Y. Pada nilai Prob ditunjukkan dengan nilai kurang dari 0,05
yaitu sebesar 0,0000 yang berarti pengaruh IPM terhadap Kemiskinan
signifikan.
b) Pengaruh X2 (TPT) terhadap Y (Kemiskinan)
Dapat dijabarkan hipotesis pengaruh TPT terhadap Kemiskinan
adalah sebagai berikut:
H1 : Terdapat pengaruh variabel X1 (IPM) secara parsial terhadap
H0 : Tidak terdapat pengaruh variabel X1 (IPM) secara parsial terhadap
Hasil menunjukkan bahwa TPT memiliki pengaruh terhadap
Kemiskinan yang ditunjukkan dengan diterimanya H1 dan H0 ditolak.
Selanjutnya nilai Prob menunjukkan angka 0,2582 yang berarti
pengaruh TPT terhadap Kemiskinan tidak signifikan karena nilai
tersebut lebih besar dari 0,05.
Hasil uji t parsial menunjukkan bahwa IPM memiliki pengaruh
signifikan terhadap kemiskinan pada 5 provinsi termiskin di Indonesia.
Sedangkan TPT memiliki pengaruh tidak signifikan terhadap
kemiskinan di 5 provinsi termiskin Indonesia.
112
3. Uji Wald
Uji Wald dalam penelitian ini digunakan untuk melihat pengaruh
secara simultan variabel independen (IPM dan TPT) terhadap variabel
dependen (Kemiskinan). Keputusan diambil dari nilai P (Probabilitas). Nilai
P menunjukkan apakah terdapat pengaruh variabel independen terhadap
dependen. Terdapat pengaruh secara simultan jika nilai P lebih kecil dari
signifikansi 5% yakni 0,05. Sebaliknya, jika nilai P lebih besar daripada
0,05 maka tidak ada pengaruh secara simultan variabel independen terhadap
variabel dependen. Berikut disajikan hasil Uji Wald:
Tabel 4. 12 Tabel Hasil Uji Wald
No Provinsi Nilai F Nilai P

1 Maluku 3,151788 0,1138
2 NTT 46,88624 0,0001
3 Papua 0,995988 0,3475
4 Gorontalo 12,83251 0,0072
5 Papua Barat 12,72342 0,0073
Dari hasil uji wald dapat diinterpretasikan bahwa pada 2 dari 5 provinsi
termiskin di Indonesia, TPT dan IPM tidak berpengaruh secara simultan
terhadap Kemiskinan. Nilai P pada provinsi Maluku (0,1138) dan Papua
(0,3475) lebih besar dari 0,05, sehingga variabel independen (TPT dan IPM)
tidak berpengaruh secara signifikan terhadap variabel dependen
(Kemiskinan). Selanjutnya dapat dilihat pada 3 provinsi lainnya, yakni
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
dan IPM secara bersama-sama berpengaruh terhadap Kemiskinan pada
provinsi NTT, Gorontalo, dan Papua Barat.
E. Pembahasan
1. Indeks Pembangunan Manusia Terhadap Kemiskinan Pada 5 Provinsi
Termiskin di Indonesia
Hasil uji menunjukkan hubungan yang negatif atau berbanding
terbalik antara Indeks Pembangunan Manusia (IPM) dengan Kemiskinan.
Hal tersebut ditunjukkan dengan nilai minus atau negatif pada persamaan
regresi. Maka dapat dikatakan bahwa setiap kenaikan IPM mampu
menurunkan angka kemiskinan. Penelitian milik Prasetyoningrum &
Sukmawati (2018) juga menunjukkan hal yang sama bahwa IPM dan
Kemiskinan memiliki hubungan terbalik. IPM merupakan komponen
penting dalam memerangi kemiskinan karena pada dasarnya IPM mampu
meningkatkan kualitas dan kesejahteraan masyarakat. IPM yang terdiri dari
3 unsur utama yaitu kesehatan, pendidikan dan kelayakan hidup mampu
mengembangkan taraf hidup menjadi lebih baik. Pendidikan dan kesehatan
yang merupakan kebutuhan pokok, kualitasnya akan semakin baik jika
diperhatikan dan dinaikan levelnya. Selanjutnya kelayakan hidup mampu
mewujudkan pertumbuhan pembangunan.
114
Sementara hasil uji hipotesis menunjukkan bahwa IPM memiliki
pengaruh negatif dan signifikan terhadap kemiskinan pada 5 provinsi
termiskin di Indonesia. Hasil tersebut sesuai dengan penelitian lain yang
dilakukan oleh Zuhdiyaty & Kaluge (2017) bahwa IPM berpengaruh negatif
signifikan terhadap kemiskinan. Untuk meningkatkan IPM ini menurut
Mirza (2012) dapat dilakukan melalui realisasi belanja negara dalam
pelayanan publik. Dalam hal ini, pemerintah daerah harus mampu
melaksanakan kebijakan otonomi daerahnya masing-masing karena
merekalah yang lebih mengetahui kebutuhan daerahnya masing-masing.
Misalnya saja dalam penelitian ini digunakan 5 provinsi termiskin di
Indonesia. Walaupun kelimanya memiliki masalah yang sama terkait
kemiskinan dan tingkat IPM, kebutuhan dan priorotas antar satu dan lainnya
pasti berbeda. Sehingga tidak dapat disamaratakan, dan disitulah peran
pemerintah daerah.
2. Tingkat Pengangguran Terhadap Kemiskinan Pada 5 Provinsi
Termiskin di Indonesia
Hasil penelitian menunjukkan adanya hubungan positif dan
pengaruh namun tidak signifikan TPT terhadap Kemiskinan. Hasil tersebut
sejalan dengan penelitian yang dilakukan oleh Prasetyoningrum &
Sukmawati (2018) yang menunjukkan hubungan positif antara tingkat
pengangguran dengan kemiskinan. Hal ini dikarenakan pengangguran
memiliki kaitan yang erat dengan pendapatan. Sedangkan pendapatan
115
merupakan unsur utama dapat mengukur kemiskinan. Menurut Zuhdiyaty
& Kaluge (2017), SDM yang menganggur ataupun setengah menganggur
(dalam arti tidak produktif) akan kesulitan dalam memenuhi kebutuhan
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
SDM tersebut dapat dikategorikan sebagai masyarakat miskin.
Tingkat pengangguran yang tinggi juga menunjukkan bahwa
kualitas SDM kurang atau mungkin lapangan pekerjaan yang tidak
mencukupi. Hal ini terlihat dari banyaknya penduduk Indonesia namun
pekerjaan yang ada tidak dapat memenuhi jumlah penduduk tersebut. Pada
5 Provinsi Termiskin di Indonesia yaitu Maluku, NTT, Papua, Papua Barat
dan Gorontalo, pekerjaan semakin sulit dicari karena merupakan daerah
terpencil.
Menurut (Mirza, 2012), pada dasarnya dibutuhkan peran pemerintah
dalam menurunkan tingkat pengangguran ini dalam berbagai cara. Salah
satu cara yang dapat dilakukan adalah membuat lapangan pekerjaan baru
atau melakukan peningkatan kualitas SDM. Hal tersebut dapat dijadikan
strategi kebijakan pembangunan nasional karena kualitas SDM pada suatu
wilayah memiliki andil besar dalam menentukan keberhasilan pengelolaan
pembangunan wilayahnya.
116
BAB V
KESIMPULAN
A. Kesimpulan
Dari hasil analisis data penelitian, maka dapat disimpulkan bahwa Indeks
Pembangunan Manusia dan Tingkat Pengangguran berpengaruh terhadap
Kemiskinan pada 5 Provinsi Termiskin di Indonesia. Indeks Pembangunan
Manusia memiliki pengaruh negatif signifikan, yang berarti setiap kenaikan
indeksnya mampu mengurangi kemiskinan pada 5 Provinsi Termiskin di
Indonesia. Sedangkan Tingkat pengangguran berpengaruh positif namun tidak
signifikan yang artinya pengangguran menurun maka kemiskinan juga
menurun.
B. Saran
1. Bagi pemeeintah daerah setiap provinsi dan pusat harus bersama-sama
membanntu mengatasi kemiskinan dan pemerataan antara perkotaan dan
perdesaan agar tidak adanya lagi ketimpanngan, dengan cara memmberikan
bantuan kepada golongan masyarakat menengah kebawah dan menyediakan
117
pekerjaan yang layak sehingga pemerataan dapat terjadi dan pertumbuhan
ekonomi di Provinsi Papua, Papua Barat, NTT, Maluku, dan Gorontalo
dapat meningkat.
2. Bagi pemerintah daerah setiap provinsi dan pusat harus bersama-sama
membantu untuk meningkatkan sumber daya manusia di setiap provinsi,
dengan cara memperbaiki sarana prasarana disetiap daerah yang tertinggal,
meningkatkan kualitas pendidikan dengan akses yang layak bagi anak usia
sekolah dan meningkatkan kesehatan setiap penduduk terutama yang berada
di desa tertinggal dengan memfasilitasi dalam hal tempat tinggal yang layak
dan air bersih dengan mereka dapat hidup layak. Dapat meningkatkan
kualitas mereka sebagai sumber daya manusia sehingga meningkatkan
pembangunan manusia di Provinsi Papua, Papua Barat, NTT, Maluku, dan
Gorontalo.
3. Bagi pemerintah daerah setiap provinsi dan pusat harus bersama-sama
meningkatkan kualitas para pekerja, dengan cara memberikan sosialisasi
pembinaan bagi para pekerja/buruh. Sehingga dapat meningkatkan
penyerapan ketenagakerjaan, dan berkurangnya tingkat pengangguran yang
ada di perkotaan atau perdesaan disetiap provinsi.
4. Bagi peneliti selanjutnya diharapkan mampu menemukan faktor-faktor lain
yang menyebabkan kemiskinan dalam rangka membantu mencari solusi
dalam mengurangi kemiskinan. Dalam penelitian ini terdapat 17,8% faktor
kemiskinan selain IPM dan TPT.
118
DAFTAR PUSTAKA
Akter, J. (2014). Bootstrapped Durbin–Watson test of autocorrelation for small samples.
ABC Journal of Advanced Research, 3(2), 137-142.
Amini, S., Delgado, M. S., Henderson, D. J., & Parmeter, C. F. (2012). Fixed vs random:
The Hausman test four decades later. In Essays in honor of Jerry
Hausman. Emerald Group Publishing Limited.
Andrian, Tommy. 2020. “Unemployment, Education, Poverty, and Inclusive
Growth: Evidence from Provinces in Indonesia.” International Journal of
Psychosocial Rehabilitation 24(9):2674–81.
Anderu, K. S. (2021). An empirical nexus between poverty and unemployment on
economic growth. Department of Economics, Federal University Oye-Ekiti,
Ekiti State, Nigeria.
Badan Pusat Statistik Provinsi Gorontalo. (2020). Indeks Pembangunan Manusia
(IPM) Provinsi Gorontalo.Bps.Go.Id, 1–10.
Badan Pusat Statistik Provinsi Maluku.
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.
Badan Pusat Statistik Provinsi Papua Barat 2020
Bardhan, P. (2006). Globali zation, Inequality, and Poverty . University of
California at Berkeley .
Bisai, Charley M., Maria K., dan Achmad R. .. 2019. “Analisa Pembangunan
Manusia Dan Pengaruhnya Terhadap Kesejahteraan Masyarakat Di Provinsi
Papua.” Jurnal Kajian Ekonomi & Keuangan Daerah 4(3):184–219.
Biggeri, M., & Mauro, V. (2018). Towards a more ‘sustainable’human
development index: Integrating the environment and freedom. Ecological
indicators, 91, 220-231.
Binkley, J. K., & Young, J. (2018). Use of the Chow Test With Time-Series Cross-
Section Data. Available at SSRN 3212712.
BPS. 2012. Indeks Pembangunan Manusia Provinsi 2012.
Badan Pusat Statistik. 2020. “Indeks Pembangunan Manusia (IPM) Indonesia
Pada Tahun 2020 Mencapai 71,94.” Bps (97):4.
Cook, R. D., & Weisberg, S. (1983). Diagnostics for heteroscedasticity in
regression. Biometrika, 70(1), 1-10.
Daoud, J. I. (2017, December). Multicollinearity and regression analysis. In
Journal of Physics: Conference Series (Vol. 949, No. 1, p. 012009). IOP

120
Publishing.
Dhanny, Omar. 2017. “The Role Of The Natural Resource Sector And Government
Spending For Education Towards Poverty Reduction In East Kalimantan.”
International Journal of Scientific & Technology Research 6(10):323–30.
Drezner, Z., Turel, O., & Zerom, D. (2010). A modified Kolmogorov–Smirnov test
for normality. Communications in Statistics—Simulation and Computation®,
39(4), 693-704.
Ferezagia, D. V. (2018). Analisis Tingkat Kemiskinan di Indonesia. Jurnal Sosial
Humaniora Terapan, 1(1).
Hardinandar, Fajrin. 2019. “Determinan Kemiskinan (Studi Kasus 29
Kota/Kabupaten Di Provinsi Papua).” Jurnal REP (Riset Ekonomi
Pembangunan) 4(1):1–12. doi: 10.31002/rep.v4i1.1337.
Kummu, M., Taka, M., & Guillaume, J. H. (2018). Gridded global datasets for gross
domestic product and Human Development Index over 1990–2015. Scientific
data, 5(1), 1-15.
Lembang, Hendricus. 2019. “Effect of Government Expenditures and Banking
Loan Distribution on the Performance of Human Resource Development in
Papua Province.” International Journal of Social Science and Business
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
Menganalisis Hubungan Pertumbuhan Ekonomi, Indeks Pembangunan
Manusia Dan Pengangguran Terhadap Kemiskinan Provinsi Papua, Septiana.”
(September).
Martono, S., and Vini Wiratno Putri. 2018. “HRM Practices in Indonesia: The
Contributing Power of Embeddedness and Support.” Jurnal Dinamika
Manajemen 9(2):206–17.
Matdoan, M. Y., & Van Delsen, M. S. N. (2020). Penerapan Analisis Cluster
Dengan Metode Hierarki Untuk Klasifikasi Kabupaten/Kota Di Provinsi
Maluku Berdasarkan Indikator Indeks Pembangunan Manusia. Statmat: Jurnal
Statistika Dan Matematika, 2(2), 123-130.
Michail Moatsos, A. (2021). Global poverty: A first estimation of its uncertainty.
World Development Perspectives .
Mirza, D. S. (2012). Pengaruh kemiskinan, pertumbuhan ekonomi, dan belanja
modal terhadap indeks pembangunan manusia di Jawa Tengah tahun 2006-
2009. Economics Development Analysis Journal, 1(2).
Mukhtar, S., Saptono, A., & Arifin, A. S. (2019). Analisis Pengaruh Indeks
Pembangunan Manusia Dan Tingkat Pengangguran Terbuka Terhadap
122
Kemiskinan Di Indonesia. Ecoplan : Journal of Economics and Development
Studies, 2(2), 77–89.
Ningrum, Shinta Setya. 2017. “Analisis Pengaruh Tingkat Pengangguran Terbuka,
Indeks Pembangunan Manusia, Dan Upah Minimum Terhadap Jumlah
Penduduk Miskin Di Indonesia Tahun 2011-2015.” Jurnal Ekonomi
Pembangunan 15(2):184.
Prabowo, Purwoko Aji, Bambang Supriyono, Irwan Noor, and M. Khairul Muluk.
2019. “Special Autonomy Policy Evaluation to Improve Community Welfare
in Papua Province Indonesia.” International Journal of Excellence in
Government ahead-of-p(ahead-of-print).
Pogge, T. (2017). Fighting global poverty. International Journal of Law in Context.
Prasetyoningrum, Ari Kristin. 2018. “Analisis Pengaruh Indeks Pembangunan
Manusia (Ipm), Pertumbuhan Ekonomi, Dan Pengangguran Terhadap
Kemiskinan Di Indonesia.” Equilibrium: Jurnal Ekonomi Syariah 6(2):217.
Putra, I. Komang Agus Adi, and Sudarsana Arka. 2018. “Analisis Pengaruh Tingkat
Pengangguran Terbuka, Kesempatan Kerja, Dan Tingkat Pendidikan
Terhadap Tingkat Kemiskinan Pada Kabupaten / Kota Di Provinsi Bali.” EP
Unud 7(3):416–44.
Riani, Ida Ayu Purba, and M. Pudjihardjo. 2012. “Analisis Dampak Pemekaran
Wilayah Terhadap Pendapatan Per Kapita , Kemiskinan Dana Ketimpangan
Antar Wilayah Di Provinsi Papua.” Jurnal Bumi Lestari 12:137–48.

123
Rivera, J. P. (2020). Winning the War on Poverty: Tracking Living Standars In
Philippines using a class of axiometic indices . Asian Institute of
Management, Makati City, Philippines.
Rizqi, U. A. A. (2019). Aplikasi Regresi Spasial untuk Menganalisis Pengaruh
Indikator Pendidikan terhadap Tingkat Pengangguran Terbuka di Jawa Tengah
Tahun 2018. Jurnal Ilmu Ekonomi Dan Pembangunan, 19(2), 139-148.
Saidatulakmal Mohd1, N. A. (2018). Pockets of poverty in the northern states of
Malaysia. GEOGRAFIA OnlineTM Malaysian Journal of Society and
Space.
Seipel, M. M. (n.d.). Global Poverty . Sage Publication : London, Thousand
oaks,CA and New Delhi, International Social Works 46(2): 191-207.
Sodik Dwi Purnomo1, I. (2019). Economic Growth and Poverty: The Mediating
Effect of Employment. Journal of Economics and policy.
Statistik, B. P. (2019). Profil Kemiskinan di Indonesia. Berita Resmi Statistik, 56,
1–12.
Sulki Chung, S. L. (2015). Poverty and perceived income inequality and changes
in growth trajectory of problem drinking. Korean J Health Educ Promot,
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.
Wibowo, Ulah Tri, and Tukiran Tukiran. 2016. “Perkembangan Kesejahteraan
Penduduk Di Provinsi Papua.” Populasi 14(1):55–78.
Widjaja, A. R. (2019). Perumusan Indikator Kemiskinan dan Pengukuran Tingkat
Kesejahteraan Masyarakat Desa Pagedangan Ilir, Kronjo, Tangerang. Journal
of Entrepreneurship, Management and Industry (JEMI), 2(3), 148-159.
Yustie, Renta. 2017. “Analisis Pengaruh Indeks Pembangunan Manusia (Ipm)
Dan Tingkat Pengangguran Terbuka (Tpt) Terhadap Kemiskinan Kabupaten
Dan Kota Di Provinsi Jawa Timur.” Equilibrium 49–57.
Zuhdiyaty, N., & Kaluge, D. (2017). Analisis Faktor-Faktor Yang Mempengaruhi
Kemiskinan Di Indonesia Selama Lima Tahun Terakhir. Jurnal Ilmiah Bisnis
dan Ekonomi Asia, 11(2), 27-31
125
Lampiran
A. Lampiran 1 : Data Penelitian
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
1. Uji Asumsi Klasik
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
Variance Inflation Factors

Date: 10/26/21 Time: 21:11
Sample: 1 55
128
Coefficient Uncentered Centered
Variable Variance VIF VIF
X1 0.018183 324.7984 1.188742

X2 0.052313 7.826106 1.188742
C 65.70553 294.3128 NA
c. Uji Heterokedastisitas
Heteroskedasticity Test: Glejser
F-statistic 2.345880 Prob. F(2,52) 0.1058

Obs*R-squared 4.551751 Prob. Chi-Square(2) 0.1027
Scaled explained SS 5.280689 Prob. Chi-Square(2) 0.0713
d. Uji Autokorelasi
Dependent Variable: D(Y)

Date: 10/26/21 Time: 21:42
Sample (adjusted): 2 55
Included observations: 54 after adjustments
C -0.204195 0.215187 -0.948921 0.3471

D(X1) -0.732207 0.159609 -4.587496 0.0000
D(X2) 0.323089 0.136650 2.364354 0.0219
R-squared 0.311107 Mean dependent var -0.392778

129
2. Uji Spesifikasi Model
a. Uji Chow
Redundant Fixed Effects Tests

Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 28.491347 (4,48) 0.0000

Cross-section Chi-square 66.889990 4 0.0000
b. Uji Hausmant
Correlated Random Effects – Hausman Test

Equation: Untitled
Test cross-section random effects
Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.
Cross-section random 14.999159 2 0.0006
5. Hasil
a. Fixed Effect Model
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
C 70.18179 9.833909 7.136713 0.0000

X1 -0.756780 0.147050 -5.146409 0.0000
X2 0.329534 0.288023 1.144124 0.2582
Effects Specification
130
Cross-section fixed (dummy variables)

b. Uji Individual Effect
Variable Coefficient Individual Effect
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
c. Koefisien Determinasi Setiap Provinsi

Maluku
Dependent Variable: KEMISKINAN

Date: 01/07/22 Time: 11:27
Sample: 2010 2020
IPM -0.057828 0.032573 -1.775328 0.1138

TPT 0.236150 0.129242 1.827193 0.1051
131
C 38.72865 2.045951 18.92941 0.0000

Log likelihood 2.564803 Hannan-Quinn criter. 0.010722
NTT

Date: 01/07/22 Time: 11:28
Sample: 2010 2020
IPM -2.047335 0.298997 -6.847353 0.0001

TPT 0.821555 0.501356 1.638666 0.1399
C 147.7951 18.48822 7.994018 0.0000

Papua

Date: 01/07/22 Time: 11:28
Sample: 2010 2020
IPM -0.168537 0.168876 -0.997992 0.3475

TPT 1.019841 0.847562 1.203263 0.2633
C 28.36707 10.18406 2.785438 0.0237

Adjusted R-squared -0.006325 S.D. dependent var 1.020393
132
Gorontalo

Date: 01/07/22 Time: 11:28
Sample: 2010 2020
IPM -1.566568 0.437314 -3.582249 0.0072

TPT -0.351503 0.507531 -0.692574 0.5082
C 128.1371 32.53414 3.938544 0.0043

Papua Barat

Date: 01/07/22 Time: 11:29
Sample: 2010 2020
IPM -0.923504 0.258903 -3.566990 0.0073

133
TPT -0.088912 0.525001 -0.169356 0.8697
C 78.83103 18.50616 4.259717 0.0028

d. Hasil Uji Wald Setiap Provinsi
Papua
Wald Test:
Equation: Untitled
Test Statistic Value df Probability
t-statistic -0.997992 8 0.3475

F-statistic 0.995988 (1, 8) 0.3475
Chi-square 0.995988 1 0.3183
Null Hypothesis: C(1)=0

Null Hypothesis Summary:
Normalized Restriction (= 0) Value Std. Err.
C(1) -0.168537 0.168876
Restrictions are linear in coefficients.
Papua Barat
Wald Test:
Equation: Untitled
t-statistic -3.566990 8 0.0073

F-statistic 12.72342 (1, 8) 0.0073
Chi-square 12.72342 1 0.0004

C(1) -0.923504 0.258903

134
NTT
Wald Test:
Equation: Untitled
t-statistic -6.847353 8 0.0001

F-statistic 46.88624 (1, 8) 0.0001
Chi-square 46.88624 1 0.0000

C(1) -2.047335 0.298997
Maluku
Wald Test:
Equation: Untitled
t-statistic -1.775328 8 0.1138

F-statistic 3.151788 (1, 8) 0.1138
Chi-square 3.151788 1 0.0758

C(1) -0.057828 0.032573
Gorontalo
Wald Test:
Equation: Untitled
t-statistic -3.582249 8 0.0072

F-statistic 12.83251 (1, 8) 0.0072
Chi-square 12.83251 1 0.0003
135
C(1) -1.566568 0.437314
136

R.R. Yuliana Intan-Feb

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

R.R. Yuliana Intan-Feb

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGARUH INDEKS PEMBANGUNAN MANUSIA DAN TINGKAT

PENGANGGURAN TERBUKA TERHADAP KEMISKINAN DI 5 PROVINSI

Rr. Yuliana Intan Suryaningtyas

PROGRAM STUDI EKONOMI PEMBANGUNAN FAKULTAS

Judul Skripsi : Pengaruh Indeks Pembangunan Manusia dan Tingkat

I. Zaenal Muttaqin, MPP

II. Najwa Khairina, S.E, M.A ( ___________ )

Yang bertanda tangan dibawah ini :

Fakultas : Ekonomi dan Bisnis

1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan

Demikian Pernyataan ini saya buat dengan sesungguhnya.

Jakarta, 27 November 2021

Rr. Yuliana Intan Suryaningtyas

Nama : Rr. Yuliana Intan Suryaningtyas

Jurusan : Ekonomi Pembangunan

Setelah mencermati dan memperhtikan penampilan dan kemampuan yang

Jakarta, 27 Desember 2021

1. Dr. Fitri Amalia, M.Si

2. Dr. Sofyan Rizal, M.Si (_______________)

3. Rizqon Halal Syah Aji, M.Si, Ph.D (_______________)

II. Riwayat Pendidikan

III. Pengalaman Organisasi

Penelitian ini bertujuan untuk menganalisis pengaruh indeks pembangunan

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

Puji Syukur penulis panjatkan ke hadirat Allah Subhanahu Wata‘ala kerena

skripsi ini dapat bermanfaat untuk banyak pihak, Terima Kasih.

Jakarta, 6 November 2021

Rr. Yuliana Intan Suryaningtyas

KATA PENGANTAR ........................................................................................ 9

Tabel 1. 1 Persentase Penduduk Miskin Menurut Provinsi Di Indonesia 2010-202016

Tabel 2. 1 Perhitungan Indeks Komponen IPM......................................................... 40

Tabel 4. 1 Hasil Uji Multikolinearitas ........................................................................ 93

Gambar 2. 1 Model Penelitian .................................................................................... 60

Gambar 4. 1 Grafik Kemiskinan 5 Provinsi Termiskin di Indonesia ....................... 85

Setiap negara berkembang memiliki masalah yang sama dalam rangka

mencapai tujuan pembangunan yaitu kemiskinan. kemiskinan merupakan masalah

kompleks yang masih sulit diselesaikan hampir di seluruh wilayah Indonesia.

Permasalahan kemiskinan merupakan masalah yang kompleks dan bersifat

multidimensional oleh karena itu, upaya pengentasan kemiskinan harus dilakukan

secara komprehensif, mencakup berbagai aspek kehidupan masyarakat, dan

Menurut Bank Dunia (2018), RUU tersebut menetapkan standar kemiskinan

berdasarkan pendapatan per kapita, atau orang-orang yang pendapatan per

kemiskinan masyarakat adalah untuk masyarakat yang pendapatannya kurang dari

makanan minimum. Sedangkan untuk pengeluaran kebutuhan minimum bukan

makanan meliputi pengeluaran untuk perumahan, pendidikan, dan kesehatan.

bentuk keseriusan negara-negara yang memiliki permasalahan kemiskinan,

pengentasan kemiskinan kedalam salah salah Tujuan Pembangunan Berkelanjutan

Berdasarkan Badan Pusat Statistik (BPS) kemiskinan di Indonesia tersebar di

34 Provinsi di Indonesia, Sebagian besar tingkat kemiskinan masih tinggi di daerah-

daerah tertentu. Hal ini dikarenakan permasalahan kemiskinan dimasing-masing

daerah bervariasi, sehingga solusi untuk memecahkan persoalan kemiskinan

menyebabkan kemiskinan di setiap daerah. (Kuncoro, 1997:131) menyatakan

penduduk negara tresebut miskin karena menggantungkan diri pada sektor

pertanian yang subsistem, metode produksi yang tradisional yang seringkali

dibarengi dengan sikap apatis terhadap lingkungan.

Tabel 1. 1 Persentase Penduduk Miskin Menurut Provinsi Di Indonesia 2010-2020

Provinsi Persentase Kemiskinan Di Indonesia Tahun 2010-2020

Sumber : BPS 2020

Tabel 1.1 menunjukan jumlah dan persentase penduduk miskin di setiap

provinsi di Indonesia. Hal tersebut menunjukan penduduk miskin di Indonesia

juta orang. Dibandingkan September 2019, jumlah penduduk miskin meningkat1

persen di September 2020. Sedangkan, penduduk miskin di pedesaan meningkat

Meski demikian, tingkat kemiskinan di pedesaan masih lebih tinggi dibandingkan