Download - ANALISIS PENGARUH PDRB, AGRISHARE , RATA-RATA …eprints.undip.ac.id/33045/1/JURNAL.pdf · penduduk miskin yang ada di Indonesia karena langsung mengarah pada sektor sentral yang

ANALISIS PENGARUH PDRB, AGRISHARE, RATA-RATA LAMA SEKOLAH,

DAN ANGKA MELEK HURUF TERHADAP JUMLAH

PENDUDUK MISKIN DI INDONESIA

Widiatma Nugroho

Evi Yulia Purwanti, SE., MSi,

ABSTRACT

Poverty is a problem faced by all countries in the world, especially the developing countries like Indonesia. Poverty is welfare measures of a country, because it measured by one’s powerlessness to meet minimum needs. In Indonesia poverty is an unresolved problem for the reason that almost all Indonesia province had more than 10 percent poverty rate.

Based on this problem, this research aims to analyze the influence of gross regional domestic product (PDRB), agrishare (AG), mean years school (RLS), literacy rates (AMH) to the number of poor people in Indonesia. This research uses panel linier regression analysis with Fixed Effect Model (FEM), in 2006-2009.

The results shows that the variables of gross regional domestic product (PDRB), agrishare (AG), mean years school (RLS) influence significantly the number of poor people, even literacy rates (AMH) variable are not significant to the number of poor people.

Keyword: the number of poor people, Fixed Effect Model (FEM), gross regional domestic product, agrishare, mean years school, literacy rates

PENDAHULUAN

Pembangunan pada prinsipnya merupakan usaha pertumbuhan dan perubahan yang

berencana yang dilakukan secara sadar oleh suatu bangsa, negara, dan pemerintah untuk menuju

modernisasi dalam rangka mensejahterakan rakyat baik secara lahir maupun batin. Dalam

pembangunan terjadi suatu proses perubahan yang berlangsung secara terus menerus dan

berkelanjutan. Disinilah peran pemerintah harus lebih jeli menggerakkan masyarakat agar

berpartisipasi dalam pembangunan serta mampu mengembangkan potensi yang dimiliki negara

itu, untuk mencapai tujuan dan cita-cita bangsa, karena pada dasarnya pembangunan

diselenggarakan oleh rakyat bersama pemerintah. Suatu pembangunan dapat diukur dari laju

pertumbuhan Produk Domestik Bruto (PDB) di tingkat nasional atau Produk Domestik Regional

Bruto (PDRB) di tingkat daerah.

Menurut Badan Pusat Statistik (2010), penduduk miskin adalah penduduk yang memiliki

rata-rata pengeluaran per kapita per bulan dibawah garis kemiskinan. Penetapan perhitungan

garis kemiskinan dalam masyarakat adalah masyarakat yang berpenghasilan dibawah Rp 7.057

per orang per hari. Penetapan angka Rp 7.057 per orang per hari tersebut berasal dari

perhitungan garis kemiskinan yang mencakup kebutuhan makanan dan non makanan. Untuk

kebutuhan minimum makanan disetarakan dengan 2.100 kilokalori per kapita per hari. Garis

kemiskinan non makanan adalah kebutuhan minimum untuk perumahan (luas lantai bangunan,

penggunaan air bersih, dan fasilitas tempat pembuangan air besar); pendidikan (angka melek

huruf, wajib belajar 9 tahun, dan angka putus sekolah); dan kesehatan (rendahnya konsumsi

makanan bergizi, kurangnya sarana kesehatan serta keadaan sanitasi dan lingkungan yang tidak

memadai).

Sebelum masa krisis pada tahun 1997, Indonesia menjadi salah satu model pembangunan

yang diakui karena berhasil menurunkan angka kemiskinan secara signifikan. Berdasarkan data

Survei Sosial Ekonomi Nasional (Susenas) dari BPS, dalam kurun waktu 1976-1996 jumlah

penduduk miskin di Indonesia menurun dari 54,2 juta jiwa atau sekitar 40% dari total penduduk

menjadi 34,01 juta jiwa atau sekitar 17%. Dengan terjadinya krisis moneter pada tahun 1997

telah mengakibatkan jumlah penduduk miskin kembali naik dan kondisi tersebut diikuti pula

dengan menurunnya pertumbuhan ekonomi. Pada tahun 1998 jumlah penduduk miskin tercatat

menjadi 49,5 juta jiwa atau sebsesar 24,23% dari jumlah penduduk dan sedikit menurun pada

tahun 1999 menjadi 47,9 juta jiwa atau mencapai 23,4 % dari total jumlah penduduk.

Setelah puncak krisis dilalui dan ekonomi mulai pulih, angka kemiskinan dan jumlah

penduduk miskin kembali turun. Di awal milenium tingkat kemiskinan masih sebesar 19 persen

atau 38, 70 juta jiwa. Dalam sepuluh tahun, terjadi penurunan penduduk miskin sebanyak 7 juta

jiwa, dan angka kemiskinan berhasil diturunkan menjadi 13% di tahun 2010. Ada satu

pengecualian, di tahun 2006 angka kemiskinan naik dari 16% menjadi 17,8%. Kenaikan tingkat

kemiskinan saat itu sangat dipengaruhi oleh tingginya inflasi yang disebabkan kombinasi

kenaikan bahan bakar minyak (BBM) dan gejolak harga pangan, terutama beras (TNP2K, 2010).

Tabel 1 Jumlah Penduduk Miskin dan Persentase Penduduk Miskin

di Indonesia Tahun 1976-2010

Tahun Jumlah Penduduk Miskin (juta)

Persentase Penduduk Miskin

Tahun Jumlah Penduduk

Miskin (juta)

Persentase Penduduk

Miskin (%) (%)

1976 54.2 40.1 2000 38.7 19.14

1978 47.2 33.3 2001 37.9 18.41

1980 42.3 28.6 2002 38.4 18.2

1981 40.6 26.9 2003 37.3 17.42

1984 35 21.6 2004 36.1 16.66

1987 30 17.4 2005 35.1 15.97

1990 27.2 15.1 2006 39.3 17.75

1993 25.9 13.7 2007 37.17 16.58

1996 34.01 17.47 2008 34.96 15.42

1998 49.5 24.23 2009 32.53 14.15

1999 47.97 23.43 2010 31.02 13.33 Sumber: BPS,Statistika Indonesia,diolah

Salah satu indikator penurunan jumlah penduduk miskin adalah pertumbuhan ekonomi.

Menurut Balisacan (dalam Hermanto S. dan Dwi W., 2007) menyatakan bahwa Indonesia

memiliki catatan yang mengesankan mengenai pertumbuhan ekonomi dan pengurangan

kemiskinan selama dua dekade. Pertumbuhan dan kemiskinan menunjukan hubungan yang kuat

dalam tingkat agregat.

Sektor pertanian merupakan sektor yang paling strategis di Indonesia karena sebagian

besar penduduk miskin di Indonesia berada di pedesaan yang bermata pencaharian sebagai

petani. Pertumbuhan ekonomi di sektor pertanian akan mempercepat penurunan jumlah

penduduk miskin yang ada di Indonesia karena langsung mengarah pada sektor sentral yang

menjadi mata pencaharian penduduk miskin.

Tabel 2 menunjukkan bahwa jumlah penduduk miskin mengalami naik dan turun. Pada

tahun 2006 jumlah penduduk miskin mengalami kenaikan dari 15,97 persen pada tahun 2005

menjadi 17,75 persen pada tahun 2006. Pencapaian tingkat kemiskinan sebesar 14,15 persen di

tahun 2009 ini masih berada di bawah target kemiskinan RPJM 2005-2009, yaitu sebesar 8,2

persen. Pertumbuhan ekonomi (pertumbuhan PDB) juga mengalami penurunan menjadi 5,51

persen pada tahun 2006 dari 5,69 persen di tahun 2005 dan terus menurun lagi menjadi 5,01

persen pada tahun 2007. Hal ini tidak langsung terlihat apabila melihat tabel 2 karena PDB dari

tahun 2004-2009 selalu mengalami pertumbuhan. Akan tetapi, pertumbuhannya tidak menjadi

lebih rendah bila dibandingkan denga tahun-tahun sebelumnya. Dari tabel 2 dapat dilihat dalam

rentang tahun 2004-2009 laju pertumbuhan agrishare mengalami dua kali penurunan, yaitu pada

tahun 2005 dan 2009. Akan tetapi, secara garis besar agrishare terus mengalami pertumbuhan.

Tabel 2 Perbandingan PDB, Pertumbuhan Ekonomi, dan Agrishare dengan

Tingkat Kemiskinan di Indonesia Tahun 2004-2009

Tahun PDB Pertumbuhan Ekonomi

Tahun Agrishare Tingkat Kemiskinan

(miliar rupiah)

(%) (%) (%)

2004 1.656.516,8 5.03 2004 2.82 16.66

2005 1.750.815,2 5.69 2005 2.66 15.97

2006 1.847.126,7 5.51 2006 3.36 17.75

2007 1.964.327,3 5.01 2007 3.43 16.58

2008 2.082.315,9 5.03 2008 4.83 15.42

2009 2.176.975,5 4.85 2009 4.13 14.15

Sumber : BPS,Statistika Indonesia 2004-2009,diolah

Pendidikan merupakan pionir dalam pembangunan masa depan suatu bangsa. Jika dunia

pendidikan suatu bangsa tidak dapat berkembang dengan baik maka pembangunan bangsa

tersebut akan terganggu. Sebab, pendidikan menyangkut pembangunan karakter dan sekaligus

mempertahankan jati diri manusia suatu bangsa. Selain indikator rata-rata lama sekolah,

indikator lain untuk mengukur pendidikan penduduk di suatu wilayah adalah dengan

menggunakan angka melek huruf. Wongdesmiwati (2009) menyebutkan bahwa peningkatan

jumlah dan kualitas SDM akan menurunkan tingkat kemiskinan. Kualitas sumber daya manusia

dapat dilihat berdasarkan tingkat pendidikannya. Todaro menyebutkan bahwa peningkatan

kemampuan tidak langsung akan berpengaruh terhadap meningkatnya utilitas sehingga

meningkatkan pendapatan (Todaro, 2000).

Tabel 3 Perkembangan Rata-Rata Lama Sekolah dan Angka Melek Huruf

Penduduk Usia 15 Tahun Ke Atas di Indonesia Tahun 2004-2009

Tahun Angka Melek Huruf Rata-Rata Lama Sekolah

(%) (tahun)

2004 90.4 7.2

2005 90.9 7.3

2006 91.5 7.4

2007 91.87 7.5

2008 92.2 7.5

2009 92.93 7.9

Sumber : BPS,Perkembangan Beberapa Indikator Utama Sosial-Ekonomi Indonesia, aaaaaaaaadiolah

Pendidikan merupakan sarana untuk meningkatkan kualitas Sumberdaya Manusia

sehingga menjadikan diri sebagai kaum yang berdaya. Banyak orang miskin yang tidak

mendapatkan pendidikan dan mengalami kebodohan sehingga tidak bisa terlepas dari lingkaran

kemiskinan. Karena itu, menjadi penting bagi kita untuk memahami bahwa kemiskinan bisa

mengakibatkan kebodohan,dan kebodohan jelas identik dengan kemiskinan. Tabel 3

memperlihatkan bahwa Angka Melek Huruf di Indonesia terus meningkat dari tahun ke tahun.

Melihat peningkatan angka melek huruf hanya 2,5 persen selama 6 tahun. Rata-Rata Lama

Sekolah di Indonesia selalu meningkat tiap tahunnya, tetapi kenaikan tersebut masih sangat kecil

karena hanya berkisar 0,7 tahun. Hal ini menunjukkan bahwa tidak mudah bagi pemerintah

untuk meningkatkan angka melek huruf dan rata-rata lama sekolah di Indonesia..

Kemiskinan merupakan salah satu tolok ukur kondisi sosial ekonomi dalam menilai

keberhasilan pembangunan yang dilakukan pemerintah di suatu daerah. Banyak sekali masalah-

masalah sosial yang bersifat negatif timbul akibat meningkatnya kemiskinan.

Dari masalah tersebut, muncul pertanyaan sebagai berikut:

1. Bagaimana pengaruh PDRB terhadap perubahan jumlah penduduk miskin?

2. Bagaimana pengaruh agrishare terhadap perubahan jumlah penduduk miskin?

3. Bagaimana pengaruh rata-rata lama sekolah terhadap perubahan jumlah penduduk

miskin?

4. Bagaimana pengaruh angka melek huruf terhadap perubahan jumlah penduduk

miskin?

5. Bagaimana pengaruh PDRB, agrishare, angka melek huruf, dan rata-rata lama

sekolah terhadap perubahan jumlah penduduk miskin?

Tujuan yang ingin dicapai dalam penelitian ini antara lain :

1) Menganalisis pengaruh PDRB terhadap perubahan jumlah penduduk miskin.

2) Menganalisis pengaruh agrishare terhadap perubahan jumlah penduduk miskin.

3) Menganalisis pengaruh rata-rata lama sekolah terhadap perubahan jumlah

penduduk miskin.

4) Menganalisis pengaruh angka melek huruf terhadap perubahan jumlah penduduk

miskin.

5) Menganalisis pengaruh PDRB, agrishare, rata-rata lama sekolah, dan angka melek

huruf terhadap perubahan jumlah penduduk miskin.

TELAAH TEORI

Teori Kemiskinan

Menurut Todaro (2000) menyatakan bahwa variasi kemiskinan di negara berkembang

disebabkan oleh beberapa faktor, yaitu: (1) perbedaan geografis, jumlah penduduk dan tingkat

pendapatan, (2) perbedaan sejarah, sebagian dijajah oleh negara yang berlainan, (3) perbedaan

kekayaan sumber daya alam dan kualitas sumber daya manusianya, (4) perbedaan peranan

sektor swasta dan negara, (5) perbedaan struktur industri, (6) perbedaan derajat ketergantungan

pada kekuatan ekonomi dan politik negara lain dan, (7) perbedaan pembagian kekuasaan,

struktur politik dan kelembagaan dalam negeri.

Sedangkan menurut Jhingan (

yang menjadi penyebab dan sekaligus a

prasarana dan sarana pendidik

penduduk buta huruf dan tidak memiliki keterampilan

kesehatan dan pola konsumsi buruk sehing

tenaga kerja produktif. Ketiga,

dengan metode produksi yang telah usang dan ketinggalam zaman.

Lingkaran Kemiskinan

Sumber : Jhingan (1992)

Lingkaran setan Nurkse (dalam Jhingan, 1992), menjelaskan tentang deretan kekuatan

yang melingkar yang saling bereaksi satu sama lain sehingga menempatkan suatu negara miskin

tetap berada dalam keadaan melarat. Ling

produktivitas total di negara terbelakang sangat rendah sebagai akibat kekurangan modal,

menyebabkan produktivitas yang rendah. Produktivitas yang rendah tercermin di dalam

pendapatan nyata yang rendah. Re

menjadi rendah, sehingga pada gilirannya tingkat investasi pun rendah. Tingkat investasi yang

rendah kembali menyebabkan modal kurang dan produktivitas rendah. Ini lah yang ditunjukkan

pada gambar 1.

Produktivitas

Rendah

Pendapatan

Rendah

Permintaan

Rendah

Investasi

Rendah

Kurang

Modal

Sedangkan menurut Jhingan (1992), mengemukaan tiga ciri utama negara berkembang

yang menjadi penyebab dan sekaligus akibat yang saling terkait pada

prasarana dan sarana pendidikan yang tidak memadai sehingga menyebabkan tingginya jumlah

dan tidak memiliki keterampilan ataupun keahlian.

konsumsi buruk sehingga hanya sebagian kecil penduduk yang bisa

tenaga kerja produktif. Ketiga, penduduk terkonsentrasi di sektor pertanian

produksi yang telah usang dan ketinggalam zaman.

Gambar 1 Lingkaran Kemiskinan (Vicious Circle Nurkse)

Sumber : Jhingan (1992)



tetap berada dalam keadaan melarat. Lingkaran setan pada pokoknya berasal dari fakta bahwa



pendapatan nyata yang rendah. Rendahnya tingkat pendapatan menyebabkan tingkat permintaan



), mengemukaan tiga ciri utama negara berkembang

g saling terkait pada kemiskinan. Pertama,

menyebabkan tingginya jumlah

ataupun keahlian. Kedua, sarana

sebagian kecil penduduk yang bisa menjadi

penduduk terkonsentrasi di sektor pertanian dan pertambangan



karan setan pada pokoknya berasal dari fakta bahwa



ndahnya tingkat pendapatan menyebabkan tingkat permintaan



Produk Domestik Regional Bruto

Produk Domestik Regional Bruto (PDRB) menurut Badan Pusat Statistik (BPS)

didefinisikan sebagai jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu

wilayah, atau merupakan jumlah seluruh nilai barang dan jasa akhir yang dihasilkan oleh seluruh

unit ekonomi di suatu wilayah. PDRB dapat menggambarkan kemampuan suatu daerah

mengelola sumber saya alam yang dimilikinya. Oleh karena itu besaran PDRB yang dihasilkan

oleh masing-masing daerah sangat bergantung kepada potensi sumber daya alam dan faktor

produksi Daerah tersebut. Adanya keterbatasan dalam penyediaan faktor-faktor tersebut

menyebabkan besaran PDRB bervariasi antar daerah.

Kuncoro (2001) menyatakan bahwa pendekatan pembangunan tradisional lebih dimaknai

sebagai pembangunan yang lebih memfokuskan pada peningkatan PDRB suatu provinsi,

Kabupaten, atau kota. Sedangkan pertumbuhan ekonomi dapat dilihat dari pertumbuhan angka

PDRB (Produk Domestik Regional Bruto). Saat ini umumnya PDRB baru dihitung berdasarkan

dua pendekatan, yaitu dari sisi sektoral/lapangan usaha dan dari sisi penggunaan. Selanjutnya

PDRB juga dihitung berdasarkan harga berlaku dan harga konstan. Total PDRB menunjukkan

jumlah seluruh nilai tambah yang dihasilkan oleh penduduk dalam periode tertentu.

Agriculture

Agriculture merupakan salah satu sektor dari sembilan sektor di dalam PDRB dengan

menggunakan pendekatan produksi yang dilakukan oleh Badan Pusat Statistik (BPS, 2011).

Sektor ini berperan di dalam perekonomian nasional melalui pembentukan Produk Regional

Domestik Bruto (PRDB), penyediaan pangan dan bahan baku industri, pengentasan kemiskinan,

penyedia lapangan kerja dan peningkatan pendapatan masyarakat. Selain kontribusi langsung,

sektor pertanian juga memiliki kontribusi yang tidak langsung berupa efek pengganda (multiplier

effect), yaitu keterkaitan input-output antar industri, konsumsi dan investasi. Dampak pengganda

tersebut relatif besar sehingga sektor pertanian layak dijadikan sebagai sektor andalan dalam

pembangunan ekonomi nasional.

Perekonomian negara terbelakang seperti biasanya ditandai oleh luasnya sektor primer,

dan sempitnya sektor sekunder serta tersier. Pertumbuhan di sektor pertanian akan memberikan

dampak pada pertumbuhan pada sektor industri. Jhingan (1992) mengatakan pada waktu

produksi pertanian naik, kenaikan ini akan meningkatkan pendapatan di sektor pertanian, yang

pada gilirannya menaikkan permintaan di pedesaan akan barang konsumen dan input pertanian.

Naiknya permintaan di bidang ini merupakan rangsangan bagi ekspansi di sektor industri

(Jhingan, 1992).

Rata-Rata Lama Sekolah

Rata-rata lama sekolah mengindikasikan makin tingginya pendidikan formal yang dicapai

oleh masyarakat suatu daerah. Semakin tinggi rata-rata lama sekolah berarti semakin tinggi

jenjang pendidikan yang dijalani. Rata-rata lama sekolah yaitu rata-rata jumlah tahun yang

dihabiskan oleh penduduk usia 15 tahun ke atas di seluruh jenjang pendidikan formal yang

diikuti. Untuk meningkatkan rata-rata lama sekolah, pemerintah telah mencanangkan program

wajib belajar 9 tahun atau pendidikan dasar hingga tingkat SLTP.

Untuk memperoleh pekerjaan yang ditawarkan di sektor modern didasarkan kepada tingkat

pendidikan seseorang dan tingkat penghasilan yang dimiliki selama hidup berkorelasi positif

terhadap tingkat pendidikannya. Tingkat penghasilan ini sangat dipengaruhi oleh lamanya

seseorang memperoleh pendidikan (Todaro, 2000). Rata-rata lama sekolah merupakan indikator

tingkat pendidikan di suatu daerah. Pendidikan merupakan salah satu bentuk modal manusia

(human capital) yang menunjukkan kualitas Sumber Daya Manusia (SDM).

Angka Melek Huruf

Menurut UNESCO (n.d.) definisi dari melek huruf adalah kemampuan untuk

mengidentifikasi, mengerti, menerjemahkan, mengkomunikasikan, membuat, dan mengolah isi

dari rangkaian teks yang terdapat pada bahan-bahan cetak dan tulisan yang berkaitan dengan

berbagai situasi. Kemampuan baca tulis dianggap penting karena melibatkan pembelajaran

berkelanjutan oleh seseorang sehingga orang tersebut dapat mencapai tujuannya. Kemampuan

baca tulis ini juga berkaitan langsung dengan cara seseorang untuk memperoleh pengetahuan,

menggali potensi, dan berpartisipasi penuh dalam masyarakat yang luas.

Salah satu indikator terlaksananya dengan baik pendidikan untuk masyarakat dapat

diketahui dengan meningkatnya angka melek huruf atau kemampuan baca tulis dalam

masyarakat tersebut. Indikator ini juga dapat menggambarkan mutu dari SDM yang ada di suatu

wilayah yang diukur dalam aspek pendidikan, karena semakin tinggi angka kecakapan baca tulis

maka semakin tinggi pula mutu dan kualitas SDM (BPS, 2011).

Penelitian Terdahulu

Beberapa penelitian mengenai kemiskinan telah banyak dilakukan dan digunakan sebagai

referensi oleh peneliti dalam melaksanakan ini, antara lain:

a. Dampak Pertumbuhan Ekonomi Terhadap Penurunan Jumlah Penduduk Miskin (Herwanto

Siregar dan Dwi Wahyuniarti, 2007)

Penelitian ini menganalisis tentang pengaruh pertumbuhan ekonomi terhadap tingkat

kemiskinan di Indonesia. Analisis yang dilakukan adalah dengan menggunakan metode

Panel Data. Hasil penelitiannya menyimpulkan bahwa kenaikan PDRB mengakibatkan

penurunan atas angka kemiskinan, kenaikan jumlah penduduk mengakibatkan peningkatan

atas angka kemiskinan, kenaikan inflasi mengakibatkan peningkatan atas angka kemiskinan,

kenaikan share pertanian dan industri mengakibatkan penurunan atas angka kemiskinan,

dimana pengaruh tingkat pendidikan SMP lebih besar dari pada pengaruh share pertanian.

Sedangkan kenaikan Dummy krisis mengakibatkan peningkatan atas angka kemiskinan.

b. Pertumbuhan Ekonomi dan Pengentasan Kemiskinan di Indonesia (Analisis Ekonometri)

(Wongdesmiwati, 2009).

Tujuan dari penelitian ini adalah untuk mengetahui faktor-faktor apa saja yang

mempengaruhi tinggi rendahnya tingkat kemiskinan di Indonesia. dalam melakukan analisis

faktor-faktor yang mempengaruhi tingkat kemiskinan data-data yang digunakan adalah data

sekunder mengenai jumlah penduduk, produk domestik bruto, angka melek huruf, angka

harapan hidup, penggunaan listrik dan konsumsi makanan. Metode analisis yang digunakan

yaitu analisis regresi berganda (multiple regression) dengan menggunakan alat analisis

eviews 4.1. Hasil penelitian menunjukkan hanya ada tiga variabel yang terbukti signifikan

mempengaruhi jumlah penduduk miskin, yaitu jumlah penduduk, Produk Domestik Bruto

(PDB), dan Angka Melek Huruf.

c. Pengaruh Pengeluaran Pemerintah di Sektor Publik terhadap Peningkatan Pembangunan

Manusia dan Pengurangan Kemiskinan (Yani Mulyaningsih, 2008).

Penelitian ini bertujuan untuk menganalisis tentang pengaruh pengeluaran pemerintah di

sektor publik terhadap pembangunan manusia di Indonesia dan kemiskinan dan juga

menganalisis pengaruh pembangunan manusia terhadap kemiskinan di Indonesia

menggunakan analisis data panel. Hasil penelitian ini menyimpulkan bahwa pengeluaran

pemerintah di sketor publik tidak berpengaruh terhadap peningkatan pembangunan manusia

di Indonesia dan tidak terbukti mempengaruhi kemiskinan sementara pembangunan manusia

terbukti signifikan mempengaruhi kemiskinan

d. Pro Poor Growth Tingkat Provinsi di Indonesia (Atik Mar’atis Suhartini, 2011).

Penelitian ini menganalisis tentang derajat dan faktor-faktor yang mempengaruhi Pro

Poor Growth di tingkat provinsi di Indonesia. Untuk menganalisis derajat manfaat

pertumbuhan terhadap penduduk miskin menggunakan Poverty Equivalent Growth Rate

(PEGR) sedangkan faktor-faktor yang mempengaruhi pro poor growth dianalisis dengan

menggunakan regresi data panel.

Hipotesis

Berdasarkan teori dan permasalahan yang ada, maka hipotesis yang diajukan dalam

penelitian ini adalah :

1. Diduga variabel PDRB berpengaruh negatif terhadap jumlah penduduk miskin.

2. Diduga variabel agrishare berpengaruh negatif terhadap jumlah penduduk miskin.

3. Diduga variabel rata-rata lama sekolah berpengaruh negatif terhadap jumlah

penduduk miskin.

4. Diduga variabel angka melek huruf berpengaruh negatif terhadap jumlah penduduk

miskin.

5. Diduga variabel PDRB, agrishare, rata-rata lama sekolah, dan angka melek huruf

secara bersama-sama mempengaruhi jumlah penduduk miskin.

METODE PENELITIAN

Variabel Penelitian

Dalam penelitian ini terdapat satu variabel endogen (dependen) dan empat variabel

eksogen (independen) variabel endogen dalam penelitian ini adalah jumlah penduduk miskin.

Variabel eksogen untuk penelitian ini adalah PDRB, agrishare, rata-rata lama sekolah, dan

angka melek huruf.

Definisi Operasional

� Jumlah Penduduk Miskin

Jumlah penduduk miskin adalah jumlah penduduk yang memiliki rata-rata pengeluaran

perkapita perbulan dibawah garis kemiskinan.

� PDRB

Produk Domestik Regional Bruto (PDRB) menunjukkan jumlah nilai tambah yang

dihasilkan oleh seluruh unit usaha dalam suatu wilayah, atau secara umum PDRB

memberikan gambaran kinerja ekonomi makro suatu wilayah dari waktu ke waktu. Nilai

PDRB yang digunakan dalam penelitian ini adalah PDRB 33 Provinsi di Indonesia atas

dasar harga konstan 2000 selama tahun 2006-2009. Satuan dari variabel PDRB ini adalah

miliar rupiah (BPS).

� Agrishare

Agrishare adalah kontribusi sektor pertanian di dalam PDRB yang dihitung berdasarkan

pendekatan produksi. Satuan dari variabel agrishare ini adalah persen.

� Angka Melek Huruf

Angka Melek Huruf adalah proporsi penduduk berusia 15 tahun ke atas yang dapat

membaca dan menulis dalam huruf latin atau lainnya di 33 Provinsi di Indonesia (BPS).

Adapun satuan dari variabel pendidikan ini adalah persen.

� Rata-Rata Lama Sekolah

Rata-rata lama sekolah adalah nilai rata-rata bagi tiap penduduk usia lebih dari 15 tahun

dalam menempuh pendidikan formal. Satuan yang digunakan dalam menghitung rata-rata

lama sekolah adalah tahun.

Metode Analisis

Studi ini menggunakan analisis data panel sebagai pengolahan data dengan menggunakan

program Eviews 6. Analisis dengan menggunakan panel data adalah kombinasi antara deret

waktu (time-series data) dan kerat lintang (cross-section data). Model yang digunakan adalah

dengan menggunakan Fixed Effect Model sehingga model yang ada akan dimasukkan variabel

dummy. Penggunaan dummy wilayah dalam penelitian ini adalah untuk melihat perbedaan yang

terjadi antar wilayah (provinsi) dalam rentang tahun 2006-2009 , dimana Provinsi Jawa Timur

digunakan sebagai wilayah acuan (benchmark). Alasan penggunaan Provinsi Jawa Timur sebagai

benchmark adalah karena Provinsi Jawa Timur memiliki jumlah penduduk miskin yang paling

tinggi.

LOG(KM)it = α1 + β1 LOG(PDRB)it + β1 LOG(AG)it + β2 LOG(AMH)it +β3

LOG(RLS)it + +α2 D2i+ α3 D3i+ α4 D4i+ α5 D5i+ α6D6i+ α7 D7i+ α8 D8i+ α9

D9i+ α10 D10i+ α11 D11i+α12 D12i+ α13 D13i+ α14 D14i+ α15 D15i+ α16 D16i+ α17

D17i+ α18 D18i+ α19 D19i+ α20 D20i+ α21 D21i+ α22 D22i+ α23 D23i+ α24

D24i+α25 D25i+ α26 D26i+ α27 D27i+ α28 D28i+ α29 D29i+ α30 D30i+ α31

D31i+α32 D32i+ α33 D33i+ Eit

Keterangan :

LOG = logaritma natural

KM = jumlah penduduk miskin dalam ribu jiwa.

PDRB = PDRB dalam miliar rupiah

AG = agrishare dalam persen

AMH = angka melek huruf dalam persen

RLS = rata-rata lama sekolah dalam tahun

D2 = 1 untuk Prov. NAD D2 = 0 untuk Prov. Lainnya

D3 = 1 untuk Prov. Sumut D3 = 0 untuk Prov. Lainnya

D4 = 1 untuk Prov. Sumbar D4 = 0 untuk Prov. Lainnya

D5 = 1 untuk Prov. Riau D5 = 0 untuk Prov. Lainnya

D6 = 1 untuk Prov. Jambi D6 = 0 untuk Prov. Lainnya

D7 = 1 untuk Prov. Sumsel D7 = 0 untuk Prov. Lainnya

D8 = 1 untuk Prov. Bengkulu D8 = 0 untuk Prov. Lainnya

D9 = 1 untuk Prov. Lampung D9 = 0 untuk Prov. Lainnya

D10 = 1 untuk Prov. Kep. Babel D10 = 0 untuk Prov. Lainnya

D11 = 1 untuk Prov. Kep. Riau D11 = 0 untuk Prov. Lainnya

D12 = 1 untuk Prov. DKI Jakarta D12 = 0 untuk Prov. Lainnya

D13 = 1 untuk Prov. Jabar D13 = 0 untuk Prov. Lainnya

D14 = 1 untuk Prov. Jateng D14 = 0 untuk Prov. Lainnya

D15 = 1 untuk Prov. DIY D15 = 0 untuk Prov. Lainnya

D16 = 1 untuk Prov. Banten D16 = 0 untuk Prov. Lainnya

D17 = 1 untuk Prov. Bali D17 = 0 untuk Prov. Lainnya

D18 = 1 untuk Prov. NTB D18 = 0 untuk Prov. Lainnya

D20 = 1 untuk Prov. NTT D19 = 0 untuk Prov. Lainnya

D21 = 1 untuk Prov. Kalbar D20 = 0 untuk Prov. Lainnya

D19 = 1 untuk Prov. Kalteng D21= 0 untuk Prov. Lainnya

D22 = 1 untuk Prov. Kalsel D22 = 0 untuk Prov. Lainnya

D23 = 1 untuk Prov. Kaltim D23 = 0 untuk Prov. Lainnya

D24 = 1 untuk Prov. Sulut D24 = 0 untuk Prov. Lainnya

D25 = 1 untuk Prov. Sulteng D25 = 0 untuk Prov. Lainnya

D26 = 1 untuk Prov. Sulsel D26 = 0 untuk Prov. Lainnya

D27 = 1 untuk Prov. Sultara D27 = 0 untuk Prov. Lainnya

D28 = 1 untuk Prov. Gorontalo D28 = 0 untuk Prov. Lainnya

D29 =1 untuk Prov. Sulbar D29 = 0 untuk Prov. Lainnya

D30 = 1 untuk Prov. Maluku D30 = 0 untuk Prov. Lainnya

D31 = 1 untuk Prov. Malut D31 = 0 untuk Prov. Lainnya

D32 = 1 untuk Prov Papua Barat D32 = 0 untuk Prov. Lainnya

D33 = 1 untuk Prov Papua D33 = 0 untuk Prov. Lainnya

α1 = intercept benchmark (acuan)

α2- α32 = diferential intercept koefisien

β1- β3 = koefisien regresi

E = error

HASIL PENELITIAN DAN PEMBAHASAN

Berdasarkan pemilihan model yang dilakukan, menghasilkan model Fixed Effect Model

(FEM) yang terpilih. Dalam analisis data panel untuk model FEM, jika asumsi yang dipakai

adalah slope koefisien konstan tetapi bervariasi antar wilayah. Bentuk model FEM adalah

dengan memasukkan variabel dummy untuk menyatakan perbedaan intersep. Penggunaan dummy

wilayah dalam penelitian ini adalah untuk melihat perbedaan yang terjadi antar wilayah

(provinsi) dalam rentang tahun 2006-2009 , dimana Provinsi Jawa Timur digunakan sebagai

wilayah acuan (benchmark). Alasan penggunaan Provinsi Jawa Timur sebagai benchmark

adalah karena Provinsi Jawa Timur memiliki jumlah penduduk miskin yang paling tinggi.

Tabel 4 Hasil Regresi Fixed Effect Model

Variabel Koefisien t-Statistik Prob.

C 27.31602 8.250842 0

LOG(AG) -1.03774 -4.06189 0.0001

LOG(PDRB) -1.45359 -11.6096 0

LOG(RLS) -0.65264 -2.37231 0.0197

LOG(AMH) -0.00314 -0.00368 0.9971

R2 0.99782

F - Statistik 1208.014

Prob. F - Statistik 0

Jumlah Observasi 132

Signifikansi pada α = 5% Sumber : Output Eviews 6, Lampiran B

Deteksi Normalitas

Berdasarkan hasil uji normalitas, menunjukkan nilai Jarque-Bera 0,405950 < nilai χ2

Tabel (α = 0,05, df = 4) adalah 9,48773 sehingga H0 diterima berarti data berdistribusi normal

sedangkan apabila dilihat dari probabilitas Jarque-Bera sebesar 0,816299 > α = 5% berarti data

berdistribusi normal.

Uji Asumsi Klasik

Deteksi Multikolinearitas

Dari rangkuman regresi parsial pada Tabel 4.13 , dapat dilihat bahwa nilai R2 pada

persamaan regresi utama (KM) lebih besar dari nilai R2 auxilary pada regresi parsial independen

yitu: PDRB (R2= 0,433051), AG (R2= 0,425099), AMH (R2= 0,456835), RLS (R2= 0,574987).

Artinya, model estimasi regresi KM tidak terkena gejala multikolinearitas.

Tabel 5 Hasil Koefisien Determinasi (R2) Parsial

Persamaan KM

KM

Regresi Parsial Variabel Independen

PDRB AG AMH RLS R2= 0,997820

R2= 0,433051

R2= 0,425099

R2= 0,456835 R2= 0,574987

Sumber : Pengolahan data Eviews 6 (2011)

Deteksi Heterokedastisitas

Dalam penelitian ini digunakan uji Breusch-Pagan-Godfrey (BPG) untuk melihat apakah

di dalam penelitian tersebut terdapat masalah heterokedastisitas. Penelitian dikatakan memiliki

masalah heterokedastisitas apabila error atau residual model yang diamati tidak memiliki varian

yang konstan dari satu observasi ke observasi lainnya.

Tabel 6 Hasil Uji BPG

S.E. of regression 0.002759

Sum squared resid 0.000723


Berdasarkan Tabel 6 dapat dihitung χ2hitung = ESS/2 = 0,000723/2 = 0,000361,5. Sehingga

χ2hitung (0,000361,5)< lebih kecil dari nilai χ2Tabel (α = 0,05, df = 4) adalah 9,48773 sehingga H0

diterima, maka dapat disimpulkan bahwa persamaan kemiskinan tersebut bebas dari

heterokedastisitas.

Deteksi Autokolerasi

Dalam penelitian ini, untuk mendeteksi ada tidaknya masalah autokolerasi yakni dengan

menggunkan uji Breusch-Godfrey (BG). Jika nilai Probability Obs*R-square > α = 5%, berarti

H0 diterima atau dengan kata lain bebas autokolerasi dan jika nilai Probability Obs*R-square < α

= 5%, berarti H0 ditolak atau dengan kata lain terkena autokolerasi.

Tabel 7 Hasil Uji Breusch-Godfrey

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.043966 Prob. F(1,94) 0.8344

Obs*R-squared 0.06171 Prob. Chi-Square(1) 0.8038


Berdasarkan Tabel 4.15, menunjukkan hasil nilai Probability Obs*R-square (prob. Chi-

Square) sebesar 0,8038 > α = 5%, berarti H0 diterima atau dengan kata lain bebas autokolerasi.

Koefisien Determinasi (R2)

Dari hasil estimasi, R2 yang diperoleh untuk KM adalah sebesar 0,997820. Artinya model

persamaan regresi mampu menjelaskan hubungan variabel dependen (KM) dan variabel

independen (PDRB, AG, AMH, dan RLS) sebesar 99,78%. Sementara 0,22 persen sisanya

dijelaskan oleh variabel-variabel lain yang tidak terdapat dalam model ini dan faktor-faktor

lainnya sehingga dapat disimpulkan model ini baik dan dapat menjelaskan permasalahan

penelitian ini.

Pengujian Signifikansi Simultan (Uji F)

Uji F dilakukan dengan tujuan untuk melihat pengaruh-pengaruh dari variabel-variabel

independen secara bersama-sama atau keseluruhan. Parameternya adalah bila nilai F hitung lebih

besar dibandingkan dengan F tabel atau nilai probabilitas F-stats lebih kecil dari nilai alpha (α) 1

persen, 5 persen, atau 10 persen, maka dapat dikatakan bahwa secara keseluruhan variabel-

variabel independen dalam model berpengaruh signifikan terhadap variabel dependennya.

Tabel 8 Hasil Uji F (α=5%) Persamaan KM Variabel F-Statistic F-Tabel

KM 1208.01 2,68 Sumber : Pengolahan data Eviews 6 (2011)

Berdasarkan Tabel 8, dapat disimpulkan bahwa secara keseluruhan variabel-variabel

independen yaitu PDRB, AG, AMH, dan RLS dalam model berpengaruh signifikan terhadap

variabel dependen yaitu KM. hal ini dikarenakan F-Statistik (1208,014) > F-tabel α = 5% (2,68).

Pengujian Signifikansi Parameter Individual (Uji t)

Uji t bermaksud untuk melihat signifikansi pengaruh variabel independen secara individu

terhadap variabel dependen. Parameter yang digunakan adalah suatu variabel independen

dikatakan secara signifikan berpengaruh terhadap variabel dependen bila nilai t–statistik lebih

besar dari nilai t tabel atau juga dapat diketahui dari nilai probabilitas t-statistik yang lebih kecil

dari nilai alpha (α) 1 persen, 5 persen, atau 10 persen.

Berdasarkan Tabel 9, dapat diketahui bahwa tidak semua variabel independen signifikan

dalam model, dimana ada variabel independen yang memiliki nilai probabilitas dari t-statistik

yang lebih besar dari taraf nyata yang digunakan (α=0,5%). Adapun variabel independen yang

berpengaruh secara signifikan yaitu PDRB, AG, dan RLS. Sedangkan variabel independen yang

tidak signifikan berpengaruh yaitu AMH.

Tabel 9 Hasil Uji t (α = 0,05)

Variabel Koefisien t-statistik t-Tabel Probabilitas Kesimpulan

LOG(PDRB) -1.45359 -11.6096 1.65685 0 Signifikan LOG(AG) -1.03774 -4.06189 1.65685 0.0001 Signifikan LOG(RLS) -0.65264 -2.37231 1.65685 0.0197 Signifikan

LOG(AMH) -0.00314 -0.00368 1.65685 0.9971 Tidak Signifikan Sumber : Pengolahan data Eviews 6 (2011)

Interpretasi Hasil Analisis

Dari data yang diperoleh dilakukan pengolahan data menggunakan Fixed Effect Model

(FEM). Adapun variabel dependen yang digunakan dalam model penelitian ini yaitu Jumlah

Penduduk Miskin (KM), sedangkan variabel independen yang digunkan yaitu Produk Domestik

Regional Bruto (PDRB), Agrishare (AG), rata-rata lama sekolah (RLS), dan Angka Melek

Hururf (AMH).

Dari empat variabel yang digunakan, ada tiga variabel independen yang signifikan dan

satu variabel independen yang tidak signifikan. Variabel independen yang signifikan yaitu

PDRB, AG, dan RLS. Sedangkan variabel independen yang tidak signiofikan yaitu AMH.

Berdasarkan hasil regresi linear berganda di atas, maka dapat dibentuk model persamaan

regresi berganda sebagai berikut :

Log (KM) = 23,59257 –1,453586 * Log (PDRB) - 1,037743 * Log (AG) – 0,652644 * Log

(RLS) – 0,003139 * Log (AMH) – 0512122D2 + 1,593069D3 – 1,246923D4 –

0,077228D5 – 1,570692D6 - 1,760907D7 - 0,392598D8 - 1,412742D9 -

5,345307D10 - 4,218007D11 - 3,723451D12 + 3,503996D13 + 1,972009D14 +

0,995157D15 + 1,255480D16 - 2,811065D17 - 1,592239D18 - 1,681451D19 -

1,615284D20 - 2,932121D21 - 2,452742D22 - 1,507493D23 - 3,335827D24 -

4,474883D25 - 1,652618D26 - 0,685216D27 - 5,195875D28 - 3,482346D29 -

4,375396D30 - 6,133682D31 - 2,576790D32 - 3,846954D33

PDRB terhadap Jumlah Penduduk Miskin

Tanda parameter variabel PDRB adalah negatif yaitu -1,453586 yang menunjukan

apabila PDRB naik 1 persen maka akan menurunkan jumlah penduduk miskin (KM) sebesar

1,453 persen. Apabila PDRB turun sebesar 1 triliun akan menaikkan jumlah penduduk miskin

(KM) sebesar 1,453 persen. Hasil penelitian empiris yang pernah dilakukan sebelumnya pun

memperkuat hasil penelitian ini. Penelitian yang dilakukan oleh Hermanto Siregar dan Dwi

Wahyuniarti (2007) menunjukkan bahwa kenaikan dari PDRB berpengaruh negatif terhadap

jumlah penduduk miskin. Selanjutnya diungkapkan bahwa pentingnya mempercepat

pertumbuhan ekonomi untuk menurunkan jumlah penduduk miskin. Karena dengan

pertumbuhan ekonomi yang cepat maka kemiskinan di daerah dapat ditekan jumlahya. Hasil

penelitian mereka menyebutkan bahwa Hal ini sejalan dengan hasil penelitian Wongdesmiwati

(2009) yang meneliti kemiskinan di Indonesia, PDB berpengaruh negatif terhadap jumlah

penduduk miskin.

Agrishare terhadap Jumlah Penduduk Miskin

Hasil estimasi yang diperlihatkan persamaan 4.1 diperoleh variabel Agrishare (AG)

berepengaruh negatif terhadap variabel jumlah penduduk miskin (KM). Tanda parameter

Agrishare (AG) adalah negatif yaitu 1,037743 yang menunjukkan apabila Agrishare (AG) naik

sebesar 1% maka akan menurunkan jumlah penduduk miskin (KM) sebesar 1.037 jiwa. Apabila

Agrishare (AG) turun sebesar 1% maka akan menaikkan jumlah penduduk miskin (KM) sebesar

1.037 jiwa.

Hal tersebut sesuai dengan hasil penelitian yang dilakukan oleh Suhartini (2011) yang

melakukan penelitian tentang produktivitas sektor pertanian tingkat provinsi di Indonesia.

Menurut Suhartini peningkatan produktivitas sektor pertanian setidaknya berpengaruh terhadap

peningkatan pendapatan rumah tangga miskin yang memiliki sumber penghasilan utama sektor

ini. Demikian juga dengan hasil penelitian dari Hermanto S. dan Dwi W. (2007) bahwa program-

program pengentasan kemiskinan sebaiknya difokuskan di sektor pertanian di perdesaan.

Rata-Rata Lama Sekolah dan Jumlah Penduduk Miskin

Berdasarkan hasil studi empiris, diperoleh variabel Rata-Rata Lama Sekolah (RLS)

berpengaruh negatif terhadap Jumlah Penduduk Miskin (KM) di Indonesia. Tanda parameter

Rata-Rata Lama Sekolah (RLS) adalah negatif 0,652644 yang menunjukkan apabila Rata-Rata

Lama Sekolah (RLS) naik 1 % maka akan menurunkan jumlah penduduk miskin (KM) sebesar

0,652644 %. Apabila Rata-Rata Lama Sekolah (RLS) turun sebesar 1 % maka akan menaikkan

jumlah penduduk miskin (KM) sebesar 0,652644 %. Hal ini sejalan dengan penelitian yang

dilakukan Atik Mar’atis Suhartini (2011).

Hasil tersebut sesuai dengan teori dan penelitian terdahulu yang menjadi landasan teori

dalam penelitian ini. Menurut Simmons (dalam Todaro, 2000), pendidikan di banyak negara

merupakan cara untuk menyelamatkan diri dan kemiskinan. Dimana digambarkan dengan

seorang miskin yang diharapkan pekerjaan baik serta penghasilan yang tinggi maka harus

mempunyai tingkat pendidikan yang tinggi. Tetapi pendidikan tinggi hanya mampu dicapai oleh

orang kaya. Sedangkan orang miskin tidak mempunyai cukup uang untuk membiayai pendidikan

hingga ke tingkat yang lebih tinggi seperti sekolah lanjutan dan universitas. Hal ini sejalan

dengan penelitian yang dilakukan Atik Mar’atis Suhartini (2011).

Interpretasi Variabel Dummy pada Model FEM

Provinsi Jawa Timur dipilih menjadi benchmark karena Provinsi Jawa Timur merupakan

Provinsi di Indonesia yang memiliki jumlah penduduk miskin terbanyak. Terdapat 30 variabel

dummy signifikan dan 2 variabel dummy tidak signifikan. Variabel dummy yang tidak signifikan

adalah Provinsi Riau dan Provinsi Bengkulu. Signifikan dan tidak signifikan variabel dummy

menandakan perbandingan kondisi yang dimiliki variabel dummy dengan benchmark. Apabila

variabel dummy tersebut signifikan, artinya kondisi kemiskinan di dalam provinsi dummy tidak

sama dibandingkan dengan Provinsi Jawa Timur sebagai benchmark. Sedangkan apabila

memiliki tidak signifikan, artinya kondisi kemiskinan di dalam provinsi-provinsi yang menjadi

dummy sama dibandingkan dengan Provinsi Jawa Timur yang dijadikan benchmark.

Dari persamaan di atas dapat diinterpretasikan karakteristik variabel dummy ada. Hal ini

dilihat berdasarkan tanda di dalam koefisien yang terdapat pada variabel dummy. Apabila

koefisiennya memiliki tanda positif hal ini menandakan variabel dummy tersebut memiliki

tingkat karakteristik yang lebih baik dibandingkan dengan karakteristik dari benchmark. Ada

lima variabel dummy yang bertanda positif yaitu Prov. Sumatera Utara, Prov. Jawa Barat, Prov.

Jawa Tengah, Prov D.I. Yogyakarta, dan Provinsi Banten. Hal ini menandakan kelima provinsi

ini memiliki karakteristik yang lebih baik dibandingkan Provinsi Jawa Timur sebagai

benchmark. Provinsi Jawa Barat merupakan provinsi yang memiliki nilai koefisien tertinggi

dibandingkan empat variabel dummy yang lain, nilai 3,503996 pada koefisien dummy Provinsi

Jawa Barat menunjukkan apabila ada perubahan Produk Domestik Regional Bruto (PDRB),

Agrishare (AG), Rata-Rata Lama Sekolah (RLS), dan Angka Melek Huruf (AMH) baik antar

daerah maupun antar waktu untuk Provinsi Jawa Barat akan memiliki rata-rata jumlah penduduk

miskin yang lebih baik 3,503996 dibanding Provinsi Jawa Timur.

Di dalam variabel dummy yang di teliti terdapata 27 variabel yang memiliki tanda

negatif. Koefisien yang memiliki tanda negatif menandakan variabel dummy tersebut memiliki

tingkat karakteristik yang lebih rendah dibandingkan dengan karakteristik dari benchmark

Provinsi-provinsi yang bertanda negatif ada 27 provinsi, hal ini menandakan provinsi-provinsi

ini memiliki karakteristik yang lebih rendah dibandingkan dengan benchmark. Provinsi yang

memiliki koefisien terendah adalah Provinsi Maluku Utara dengan nilai koefisien -6,133682. Hal

ini menunjukkan apabila ada perubahan Produk Domestik Regional Bruto (PDRB), Agrishare

(AG), Rata-Rata Lama Sekolah (RLS), dan Angka Melek Huruf (AMH) baik antar daerah

maupun antar waktu untuk Provinsi Maluku Utara akan memiliki rata-rata jumlah penduduk

miskin yang lebih rendah 6,133682 dibanding Provinsi Jawa Timur.

Variabel dummy yang memiliki karakteristik lebih rendah dibandingkan dengan Provinsi

Jawa Timur sebaiknya perlu meningkatkan kembali PDRB yang ada. Ada 27 Provinsi yang

memiliki karakteristik yang lebih rendah dibandingkan dengan Provinsi Jawa Timur. Di dalam

penelitian ini menunjukkan bahwa PDRB memiliki signifikansi yang sempurna dengan demikian

PDRB memiliki pengaruh yang sangat kuat dibandingkan dengan variabel yang lain. Jadi, untuk

mempercepat penurunan jumlah penduduk miskin perlu ditingkatkan kembali PDRB di dalam 27

provinsi tersebut.

SIMPULAN, KETERBATASAN, DAN SARAN

Simpulan

Berdasarkan analisis yang dilakukan dapat disimpulkan sebagai berikut :

1. Hasil penelitian menunjukkan bahwa variasi kemiskinan dapat dijelaskan oleh variabel

independen sebesar 99,78 persen. Secara parsial seluruh variabel independen yakni

PDRB, Agrishare, Rata-Rata Lama Sekolah, dan Angka Melek Huruf berpengaruh

signifikan terhadap variabel dependen. Sedangkan 0,22 persen sisanya dijelaskan oleh

faktor-faktor lain yang tidak terdapat dalam model ini

2. Variabel PDRB mempunyai pengaruh negatif dan signifikan mempengaruhi kemiskinan,

artinya peningkatan PDRB akan mengurangi kemiskinan di di Indonesia.

3. Variabel Agrishare mempunyai pengaruh negatif dan signifikan mempengaruhi

kemiskinan, artinya peningkatan Agrishare akan mengurangi kemiskinan di Indonesia.

4. Variabel Rata-Rata Lama Sekolah mempunyai pengaruh negatif dan signifikan

mempengaruhi kemiskinan, artinya peningkatan Rata-Rata lama Sekolah akan

mengurangi kemiskinan di Indonesia.

5. Variabel Angka Melek Huruf mempunyai pengaruh negatif dan tidak signifikan

mempengaruhi kemiskinan. Hal ini dikarenakan nilai Angka Melek Huruf tidak terlalu

bervariasi dan kecenderungan nilai Angka Melek Huruf sudah mendekati angka 100

persen. Hal ini dapat dilihat dari data Angka Melek Huruf di Provinsi-Provinsi di

Indonesia tahun 2006-2009.

Keterbatasan

Penelitian ini memiliki keterbatasan yang memerlukan perbaikan dan pengembangan

dalam penelitian berikutnya. Keterbatasan-keterbatasan penelitian ini adalah:

1. Jumlah variabel yang diteliti di dalam penelitian ini hanya berjumlah empat variabel

yaitu Produk Domestik regional Bruto (PDRB), Agrishare (AG), Rata-Rata Lama

Sekolah (RLS), dan Angka Melek Huruf (AMH). Padahal masih terdapat faktor yang

berhubungan dengan kemiskinan, seperti: Indeks Gini, Jumlah Penduduk,

Industrishare, Krisis Ekonomi, dan lain-lain.

2. Rentang waktu yang digunakan dalam penelitian ini, yaitu selama empat tahun, masih

terlalu singkat. Hal ini dikarenakan sumber data yang terbatas.

Saran

Berdasarkan kesimpulan dalam penelitian ini, ada beberapa saran yang disampaikan

untuk menurunkan kemiskinan di Indonesia, yaitu:

1. PDRB akan selalu menjadi landasan untuk pengentasan kemiskinan, oleh karena itu perlu

terus diupayakan kenaikan PDRB. Untuk dapat mengurangi jumlah penduduk miskin

yang ada di Indonesia sebaiknya pemerintah lebih memacu kembali PDRB yang ada

karena berdasarkan hasil penelitian pengaruh PDRB terhadap jumlah penduduk miskin

signifikan sempurna.

2. Agrishare memiliki pengaruh negatif dan signifikan terhadap kemiskinan, sehingga

diharapkan pemerintah Indonesia mengeluarkan kebijakan revitalisasi pertanian. Program

pemerintah dalam rangka peningkatan Agrishare perlu diintensifkan lagi, seperti berbagai

riset dan pengembangan di bidang pertanian melalui revitalisasi pertanian.

3. Rata-Rata Lama Sekolah berdasarkan penelitian memiliki pengaruh negatif dan

signifikan terhadap kemiskinan. Penelitian ini menemukan semakin tinggi tingkat

pendidikan seseorang semakin tinggi kemungkinan seseorang tersebut untuk terhindar

dari kemiskinan. Hal ini seharusnya perlu dibantu oleh kebijakan pemerintah agar orang-

orang miskin mampu terlepas dari kemiskinan. Sehingga program wajib belajar yang

telah dicanangkan hingga 9 tahun perlu ditingkatkan kembali hingga 12 tahun.

4. Model yang dikembangkan dalam penelitian ini masih terbatas karena hanya melihat

pengaruh variabel PDRB, Agrishare, Rata-Rata Lama Sekolah, dan Angka Melek Huruf

terhadap Kemiskinan di Indonesia. Oleh karenanya diperlukan studi lanjutan yang lebih

mendalam dengan data dan metode yang lebih lengkap sehingga dapat melengkapi hasil

penelitian yang telah ada dan hasilnya dapat dipergunakan sebagai bahan pertimbangan

berbagai pihak yang berkaitan dengan pembangunan ekonomi dalam hal penekanan

kemiskinan.

REFERENSI

Atik Mar’atis. 2011. Pro Poor Growth Tingkat Provinsi di Indonesia. Tesis. S2 IE-IPB. Bogor.

Badan Pusat Statistika, berbagai tahun. Data dan Informasi Kemiskinan. Jakarta : Badan Pusat Statisitik.

__________________, berbagai tahun. Perkembangan Beberapa Indikator Utama Sosial Ekonomi Indonesia. Jakarta : Badan Pusat Statisitik.

__________________, berbagai tahun. Produk Domestik Regional Bruto Provinsi-Provinsi di Indonesia menurut Lapangan Usaha. Jakarta : Badan Pusat Statisitik.

__________________, berbagai tahun. Statistika Indonesia. Jakarta : Badan Pusat Statisitik.

__________________, berbagai tahun. Statistika Kesejahteraan Rakyat. Jakarta : Badan Pusat Statisitik.

__________________, berbagai tahun. Statistik Pendidikan. Jakarta : Badan Pusat Statisitik.

Baltagi, Badi H. 2005. Econometric Analysis of Panel; Data 3rd Edition. John Wiley & Sons Ltd, The Atrium, Southern Gate, Chichester, West Sussex PO19 8SQ, England.

BKKBN, 2009. Profil Hasil Pendataan Keluarga Tahun 2009, BKKBN, Jakarta : Badan Kependudukan dan Keluarga Berencana Nasional.

Damodar Gujarati, 2003. Ekonometrika Dasar. Jakarta: Erlangga. Terjemahan : Sumarno Zain.

Departemen Pertanian, 2006. Rencana Pembangunan Pertanian 2005-2009. Jakarta : Departemen Pertanian.

Firmansyah, 2009, Modul Praktek regresi Data Panel dengan Eviews 6. Semarang : Laboratorium Studi Kebijakan Ekonomi Fakultas Ekonomi Undip.

Gidion Mbilijora, 2007, Upaya Pemerintah Kabupaten Sumba Timur dalam Menjawab MDGs. Lokakarya Nasional seri ke II di Wonosobo-Jateng: Sumba Timur.

Hermanto S., Dwi W., 2007, Dampak Pertumbuhan Ekonomi Terhadap Penurunan Penduduk Miskin di Indonesia : Proses Pemerataan dan Pemiskinan, Direktur Kajian Ekonomi, Institusi Pertanian Bogor.

Jhingan, ML. 1992. Ekonomi Pembangunan dan Perencanaan. Jakarta : CV. Rajawali.

Lincolin Arsyad, 1997, Ekonomi Pembangunan, Edisi Ketiga, Penerbit BP STIE YKPN, Yogyakarta.

Mankiew, Gregory, 2000, Teori Makro Ekonomi, Erlangga , Jakarta.

Mudrajad Kuncoro, 2001, Metode Kuantitatif, Penerbit UPP AMP YKPN, Yogyakarta.

Rasiden Karo, K., S., dkk., 2009, Dampak Investasi Sumber Daya Manusia Terhadap Distribusi Pendapatan dan Kemiskinan di Indonesia, Fakultas Ekonomi : Institut Pertanian Bogor.

Sadono Sukirno, 2000, Makro Ekonomi Modern, Penerbit PT Raja Grafindo Persada, Jakarta.

Suparno, 2010, Analisis Pertumbuhan Ekonomi dan Pengurangan Kemiskinan: Studi Pro Poor Growth Policy di Indonesia. Tesis. S2 IE-IPB. Bogor.

TNP2K, 2010, Penanggulangan Kemiskinan: Situasi Terkini, Target Pemerintah, dan Program Percepatan, Edisi Kedua. Jakarta: TNP2K, available: http://www.tnp2k.wapresri.go.id.

Todaro, Michael P, 2000, Pembangunan Ekonomi di Dunia Ketiga, Edisi Kedua, Terjemahan Haris Munandar, Penerbit Erlangga, Jakarta.

Tulus H. Tambunan, 2001, Perekonomian Indonesia, Penerbit Ghalia Indonesia, Jakarta.

Usman, dkk., 2009, Analisis Determinan Kemiskinan Sebelum dan Sesudah Desentralisasi Fiskal, Fakultas Ekonomi : Institut Pertanian Bogor.

Wing Wahyu.W, 2009. Analisis Ekonometrika dan Statistika dengan Eviews : Edisi Kedua. Yogyakarta : Unit Penerbit dan Percetakan Sekolah Tinggi Ilmu Manajemen YKPN.

Wongdesmiwati, 2009, Pertumbuhan Ekonomi dan Pengentasan Kemiskinan di Indonesia, available: http://www.wordpress,com.

Yani Mulyaningsih. 2008. Pengaruh Pengeluaran Pemerintah di sektor Publik Terhadap Peningkatan Pembangunan Manusia dan Pengurangan Kemiskinan. Tesis. S2 Program Pasca Studi Kajian Timur Tengah dan Islam. Univesitas Indonesia. Jakarta.