pengaruh kemiskinan, anggaran kesehatan dan...

PENGARUH KEMISKINAN, ANGGARAN KESEHATAN DAN

PENDIDIKAN TERHADAP PEMBANGUNAN MANUSIA DI

LIMA PROVINSI KAWASAN TIMUR INDONESIA (KTI)

TAHUN 2010-2018

Skripsi

Diajukan untuk Memenuhi Persyaratan Memperoleh

Gelar Sarjana Ekonomi (S.E.)

Oleh

Octavira Maretta

NIM. 11150840000059

PROGRAM STUDI EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1440 H / 2019 M

ii

LEMBAR PENGESAHAN PEMBIMBING

iii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF

iv

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH

v

LEMBAR PENGESAHAN UJIAN SKRIPSI

vi

DAFTAR RIWAYAT HIDUP

I. Identitas Pribadi

1. Nama Lengkap : Octavira Maretta

2. Tempat/ Tanggal Lahir : Sleman, 29 Oktober 1997

3. Alamat : Jl. Cendrawasih V No. 55A RT 003/RW 003

Sawah Baru, Ciputat, Tangerang Selatan

4. Telepon : 081310669312

5. Email : [email protected] /

[email protected]

II. Pendidikan Formal

1. SD Negeri Sawah Baru 2 Tahun 2003-2009

2. SMP Negeri 6 Tangerang Selatan Tahun 2009-2012

3. SMA Negeri 1 Tangerang Selatan Tahun 2012-2015

4. S1 UIN Syarif Hidayatullah Jakarta Tahun 2015-2019

III. Pengalaman Organisasi

1. Himpunan Mahasiswa Jurusan (HMJ) Ekonomi Pembangunan Fakultas

Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta, 2016-2017

IV. Pengalaman Professional

1. Direktorat Jenderal Perimbangan Keuangan (DJPK) Kementerian

Keuangan (Kemenkeu), Desember 2018 – Januari 2019.

V. Pengalaman Karya Tulis Ilmiah (KTI)

1. Economic Call For Paper National Championship (ECLASHIP), UIN

Syarif Hidayatullah Jakarta, 2016.

2. Incredible Research and National Competition (INSTINCT), Universitas

Riau, 2017.

3. Konferensi Internasional “Good Local Governance”, Selcuk Municipality

dan Social Sciences Research Society (SoSReS), Izmir Turki, 2018.

vii

ABSTRACT

Maretta, O. The Impacts of Poverty, Health and Education Budgets on

Human Development in the Five Provinces of Eastern Indonesia (KTI) for

Year 2010-2018.

Eastern Indonesia is an area which mainly consists of provinces with low levels of

human development and high levels of poverty. The role of the provincial

government in alleviating poverty and allocating budgets for health and education

sector that can support human development efforts is urgently needed. Therefore,

this study aims to analyze the extent of the impacts of Poverty Rate, Health and

Education Budgets on Human Development in the Five Provinces of Eastern

Indonesia (KTI) for year 2010-2018. The author used secondary data obtained

from the Statistics Indonesia (BPS) and Directorate General of Fiscal Balance of

the Ministry of Finance of the Republic of Indonesia. This study was conducted

using panel data analysis with the approach of Fixed Effect Model (FEM). The

results of this study indicate that poverty rate, health and education budgets

simultaneously have a significant effect on human development. Partially, an

increase in poverty rate will reduce human development. Then an increase in the

health budget will reduce human development. This can occur due to

inefficiencies in budget allocation. Meanwhile, increasing the education budget

will increase human development in the five provinces of Eastern Indonesia.

Keywords: Human Development, Poverty Rate, Health Budget, Education

Budget, Fixed Effect Model (FEM).

viii

ABSTRAK

Maretta, O. Pengaruh Kemiskinan, Anggaran Kesehatan dan Pendidikan

Terhadap Pembangunan Manusia di Lima Provinsi Kawasan Timur

Indonesia (KTI) Tahun 2010-2018

Indonesia Timur merupakan kawasan yang sebagian besar terdiri dari provinsi-

provinsi dengan tingkat pembangunan manusia rendah dan tingkat kemiskinan

yang cukup tinggi. Peran pemerintah provinsi dalam mengentaskan kemiskinan

serta mengalokasikan anggaran untuk kesehatan dan pendidikan yang dapat

mendukung upaya pembangunan manusia sangat dibutuhkan. Oleh karena itu,

penelitian ini bertujuan untuk menganalisis sejauh mana pengaruh Tingkat

Kemiskinan, Anggaran Kesehatan dan Pendidikan terhadap Pembangunan

Manusia di Lima Provinsi Kawasan Timur Indonesia (KTI) tahun 2010-2018.

Penulis menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik

(BPS) dan Direktorat Jenderal Perimbangan Keuangan (DJPK) Kementerian

Keuangan Republik Indonesia. Penelitian dilakukan menggunakan analisis data

panel dengan pendekatan Fixed Effect Model (FEM). Hasil penelitian ini

menunjukkan bahwa tingkat kemiskinan, anggaran kesehatan dan pendidikan

secara simultan berpengaruh signifikan terhadap pembangunan manusia. Secara

parsial, peningkatan tingkat kemiskinan akan menurunkan pembangunan manusia.

Kemudian peningkatan anggaran kesehatan akan menurunkan pembangunan

manusia. Hal ini dapat terjadi karena adanya inefisiensi dalam pengalokasian

anggaran. Sementara itu, peningkatan anggaran pendidikan akan meningkatkan

pembangunan manusia di lima provinsi Kawasan Timur Indonesia.

Kata Kunci: Pembangunan Manusia, Tingkat Kemiskinan, Anggaran

Kesehatan, Anggaran Pendidikan, Fixed Effect Model (FEM).

ix

KATA PENGANTAR

Assalamualaikum Wr. Wb.

Segala puji dan syukur senantiasa penulis panjatkan kehadirat Allah SWT

yang telah melimpahkan nikmat dan rahmat-Nya sehingga penulis dapat

menyelesaikan skripsi ini yang berjudul “PENGARUH KEMISKINAN,

ANGGARAN KESEHATAN DAN PENDIDIKAN TERHADAP

PEMBANGUNAN MANUSIA DI LIMA PROVINSI KAWASAN TIMUR

INDONESIA (KTI) TAHUN 2010-2018” dengan baik. Shalawat serta salam

senantiasa penulis curahkan kepada Baginda Nabi Muhammad SAW yang telah

memberikan syafa’at kepada umatnya dari zaman jahiliyah hingga zaman yang

penuh dengan ilmu pengetahuan.

Skripsi ini disusun dalam rangka memenuhi syarat-syarat untuk

memperoleh gelar Sarjana Ekonomi di Universitas Islam Negeri (UIN) Syarif

Hidayatullah Jakarta. Penulisan dan penyusunan skripsi ini dapat selesai dengan

bantuan serta dukungan dari pihak-pihak yang telah membantu penulis. Oleh

karena itu, penulis mengucapkan terima kasih kepada:

1. Orang tua penulis, Ibu Suwarni dan Bapak Ngadirin yang selalu memberikan

doa, restu, dukungan, dan motivasi yang tiada henti sehingga penulis

mendapatkan motivasi dan semangat dalam menyelesaikan skripsi ini. Serta

adik penulis, Resqita yang telah memberikan dukungan kepada penulis.

Terima kasih yang sebesar-besarnya atas segala dukungan dan motivasi yang

telah diberikan, semoga Allah SWT senantiasa selalu melindungi.

2. Bapak Dr. Amilin, SE., Ak., M.Si., CA, BKP., QIA selaku Dekan Fakultas

Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.

3. Bapak Dr. M. Hartana I. Putra, M.Si selaku ketua program studi dan Bapak

Deni Pandu Nugraha, SE., M.Sc selaku sekretaris program studi Ekonomi

Pembangunan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.

4. Bapak Arisman, M.Si selaku dosen pembimbing yang telah meluangkan

waktu, memberikan arahan, serta ilmu pengetahuan yang bermanfaat kepada

penulis selama menyelesaikan penulisan skripsi. Semoga Bapak selalu

diberikan keberkahan dan kesehatan oleh Allah SWT.

x

5. Ibu Utami Baroroh, M.Si selaku dosen pembimbing akademik yang selalu

memberikan bimbingan, motivasi, dan ilmu pengetahuan yang sangat

bermanfaat kepada penulis selama masa perkuliahan. Semoga Ibu selalu

dilindungi dan diberikan keberkahan serta kesehatan oleh Allah SWT.

6. Seluruh dosen Fakultas Ekonomi dan Bisnis yang telah memberikan ilmu

yang berguna dan bermanfaat selama perkuliahan, serta jajaran staf dan

karyawan UIN Syarif Hidayatullah Jakarta yang telah membantu dan

melayani penulis selama menyelesaikan masa perkuliahan.

7. Teman-teman satu perjuangan, dua belas orang yang telah bersedia

meluangkan waktu dan tenaga untuk membantu penulis dalam melewati

masa-masa perkuliahan. Semoga kalian selalu diberi kemudahan dan

kesehatan.

8. Teman-teman Kuliah Kerja Nyata (KKN) 186 yang telah memberikan

pengalaman berharga selama satu bulan menjalani KKN di desa. Semoga

kalian selalu diberi kemudahan dan kesehatan.

9. Teman-teman Ekonomi Pembangunan 2015.

Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan karena

masih adanya keterbatasan ilmu pengetahuan dan pengalaman yang dimiliki. Oleh

sebab itu, penulis mengharapkan segala bentuk kritik dan saran yang membangun

untuk tercapainya hasil yang lebih baik.

Wassalamualaikum Wr. Wb.

Jakarta, Juni 2019

Octavira Maretta

xi

DAFTAR ISI

LEMBAR PENGESAHAN PEMBIMBING ...................................................... ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF .................................. iii

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ........................... iv

LEMBAR PENGESAHAN UJIAN SKRIPSI .................................................... v

DAFTAR RIWAYAT HIDUP ............................................................................ vi

ABSTRACT .......................................................................................................... vii

ABSTRAK .......................................................................................................... viii

KATA PENGANTAR .......................................................................................... ix

DAFTAR ISI ......................................................................................................... xi

DAFTAR TABEL .............................................................................................. xiii

DAFTAR GAMBAR .......................................................................................... xiv

DAFTAR GRAFIK ............................................................................................. xv

DAFTAR LAMPIRAN ...................................................................................... xvi

BAB I PENDAHULUAN ...................................................................................... 1

A. Latar Belakang ............................................................................................. 1

B. Identifikasi Masalah ................................................................................... 10

C. Batasan Masalah......................................................................................... 10

D. Rumusan Masalah ...................................................................................... 11

E. Tujuan Penelitian dan Manfaat Penelitian ................................................. 12

F. Tinjauan Kajian Terdahulu ........................................................................ 13

G. Sistematika Penulisan ................................................................................ 19

BAB II TINJAUAN PUSTAKA ......................................................................... 20

A. Pembangunan Manusia .............................................................................. 20

B. Kemiskinan ................................................................................................ 24

C. Pengeluaran Pemerintah Sektor Kesehatan dan Pendidikan ...................... 29

D. Hubungan Antar Variabel .......................................................................... 32

1. Hubungan Kemiskinan dengan Pembangunan Manusia ........................ 32

2. Hubungan Anggaran Kesehatan dengan Pembangunan Manusia .......... 33

3. Hubungan Anggaran Pendidikan dengan Pembangunan Manusia ......... 33

xii

E. Kerangka Pemikiran ................................................................................... 34

F. Hipotesis ..................................................................................................... 35

BAB III METODE PENELITIAN .................................................................... 36

A. Populasi dan Sampel .................................................................................. 36

B. Tempat dan Waktu Penelitian .................................................................... 37

C. Sumber Data ............................................................................................... 37

D. Instrumen Penelitian................................................................................... 38

E. Teknik Pengumpulan Data ......................................................................... 39

F. Teknik Pengolahan Data ............................................................................ 39

BAB IV ANALISIS DAN PEMBAHASAN ...................................................... 46

A. Gambaran Umum Objek Penelitian ........................................................... 46

1. Nusa Tenggara Timur (NTT) ................................................................. 48

2. Gorontalo ................................................................................................ 51

3. Maluku .................................................................................................... 53

4. Papua Barat ............................................................................................. 56

5. Papua ...................................................................................................... 59

B. Temuan Hasil Penelitian ............................................................................ 62

1. Uji Asumsi Klasik .................................................................................. 62

2. Analisis Model Data Panel ..................................................................... 63

3. Uji Hipotesis ........................................................................................... 69

4. Analisis Ekonomi ................................................................................... 72

BAB V PENUTUP ............................................................................................... 76

A. Kesimpulan ................................................................................................ 76

B. Saran ........................................................................................................... 77

DAFTAR PUSTAKA .......................................................................................... 79

LAMPIRAN-LAMPIRAN ................................................................................. 82

xiii

DAFTAR TABEL

No Keterangan Halaman

1.1 Penelitian Sebelumnya ............................................................................... 13

3.1 Sampel Penelitian ....................................................................................... 36

4.1 Proyeksi Penduduk Kawasan Timur Indonesia (ribu jiwa)........................ 46

4.2 Jumlah Penduduk Miskin Kawasan Timur Indonesia (ribu jiwa) .............. 47

4.3 Anggaran Kesehatan dan Pendidikan (dalam Rupiah) NTT ...................... 49

4.4 Anggaran Kesehatan dan Pendidikan (dalam Rupiah) Gorontalo ............. 52

4.5 Anggaran Kesehatan dan Pendidikan (dalam Rupiah) Maluku ................. 55

4.6 Anggaran Kesehatan dan Pendidikan (dalam Rupiah) Papua Barat .......... 57

4.7 Anggaran Kesehatan dan Pendidikan (dalam Rupiah) Papua .................... 60

4.8 Hasil Uji Heteroskedastisitas ..................................................................... 62

4.9 Hasil Uji Multikolinearitas ......................................................................... 63

4.10 Hasil Uji Chow ........................................................................................... 64

4.11 Hasil Uji Hausman ..................................................................................... 64

4.12 Regresi Data Panel dengan Fixed Effect Model ......................................... 65

4.13 Interpretasi Fixed Effect Model .................................................................. 67

4.14 Koefisien Determinasi ................................................................................ 69

4.15 Hasil Uji F-Statistik ................................................................................... 70

4.16 Hasil Uji t-Statistik ..................................................................................... 71

xiv

DAFTAR GAMBAR


2.1 Kerangka Berpikir ...................................................................................... 34

3.1 Model Regresi Data Panel .......................................................................... 43

4.1 Hasil Uji Normalitas .................................................................................. 62

xv

DAFTAR GRAFIK


1.1 Indeks Pembangunan Manusia Lima Provinsi KTI Tahun 2018 ................. 2

1.2 Angka Harapan Hidup saat Lahir Lima Provinsi KTI Tahun 2018 ............. 3

1.3 Harapan Lama Sekolah dan Rata-rata Lama Sekolah

Lima Provinsi KTI Tahun 2018 (dalam tahun) ........................................... 4

1.4 Pengeluaran per Kapita (orang/tahun) Lima Provinsi KTI

Tahun 2018 (dalam Juta Rupiah) ................................................................. 5

1.5 Tingkat Kemiskinan Lima Provinsi KTI Tahun 2018 (dalam persen) ........ 6

1.6 Anggaran Kesehatan dan Pendidikan Indonesia (dalam Miliar Rupiah) ..... 8

1.7 Anggaran Kesehatan dan Pendidikan Lima Provinsi KTI

Tahun 2018 (dalam Miliar Rupiah) ............................................................. 9

4.1 Tingkat Kemiskinan (dalam persen) NTT ................................................. 48

4.2 Indeks Pembangunan Manusia NTT .......................................................... 50

4.3 Tingkat Kemiskinan (dalam persen) Gorontalo ......................................... 51

4.4 Indeks Pembangunan Manusia Gorontalo ................................................. 53

4.5 Tingkat Kemiskinan (dalam persen) Maluku ............................................. 54

4.6 Indeks Pembangunan Manusia Maluku ..................................................... 55

4.7 Tingkat Kemiskinan (dalam persen) Papua Barat ...................................... 56

4.8 Indeks Pembangunan Manusia Papua Barat .............................................. 58

4.9 Tingkat Kemiskinan (dalam persen) Papua ............................................... 59

4.10 Indeks Pembangunan Manusia Papua ........................................................ 61

xvi

DAFTAR LAMPIRAN


1 Uji Asumsi Klasik

A. Uji Normalitas ............................................................................... 82

B. Uji Heteroskedastisitas .................................................................. 82

C. Uji Multikolinearitas ...................................................................... 82

2 Hasil Olah Data Panel

A. Common Effect Model (Pooled Least Squares) ............................. 83

B. Fixed Effect Model (FEM) ............................................................. 84

C. Uji Chow ........................................................................................ 85

D. Random Effect Model (REM) ........................................................ 86

E. Uji Hausman .................................................................................. 87

3 Data Penelitian ........................................................................................ 88

1

BAB I

PENDAHULUAN

A. Latar Belakang

Pembangunan ekonomi adalah upaya atau proses untuk melakukan

perubahan ke arah yang lebih baik dengan tujuan untuk menyejahterakan

masyarakat. Pada awalnya, pembangunan ekonomi suatu negara dikatakan dapat

berhasil jika negara tersebut mampu menciptakan peningkatan produksi

semaksimal mungkin di mana dapat menghasilkan pertumbuhan ekonomi yang

tinggi. Kemudian pemahaman mengenai pembangunan yang berhasil dilakukan

oleh suatu negara mengalami pergeseran. Pembangunan suatu negara dianggap

berhasil tidak hanya diukur dari aspek perekonomian saja, melainkan juga dari

aspek kualitas masyarakat atau Sumber Daya Manusia (SDM) di negara tersebut.

Oleh karena itu, ukuran keberhasilan pembangunan suatu negara untuk mencapai

kesejahteraan selain dari peningkatan pendapatan juga dilihat dari adanya

peningkatan kualitas sumber daya manusia.

Sumber daya manusia memiliki peran yang penting bagi keberhasilan

pembangunan ekonomi suatu negara. Dalam melihat kemajuan perekonomian

negara, faktor kualitas pembangunan manusia menjadi determinan lain yang perlu

diperhatikan khususnya bagi negara dengan jumlah penduduk yang melimpah

seperti Indonesia. Sumber Daya Manusia (SDM) merupakan salah satu faktor

produksi selain sumber daya alam, modal, maupun teknologi yang berkontribusi

dalam pembangunan ekonomi. Tercapainya SDM yang dapat bersaing dalam

pasar internasional dilihat dari keberhasilan upaya suatu negara dalam

membangun kualitas manusianya. United Nations Development Programme

(UNDP) telah mengeluarkan indeks yang dapat menggambarkan tingkat

pembangunan manusia di seluruh negara termasuk Indonesia yaitu Indeks

Pembangunan Manusia (Human Development Index).

Menurut UNDP, Indeks Pembangunan Manusia (IPM) digunakan untuk

menggambarkan bahwa menilai pembangunan suatu negara tidak hanya dari

pertumbuhan ekonomi saja, melainkan juga menjadikan masyarakat dan

kemampuan mereka sebagai kriteria utama. IPM menggambarkan kunci

2

keberhasilan dari pembangunan manusia, yaitu hidup yang sehat dan berumur

panjang, berpengetahuan, serta memiliki standar kehidupan yang layak. Hal ini

berarti negara dengan tingkat pembangunan manusia yang tinggi menggambarkan

kondisi di mana tercapainya kesejahteraan bagi sebagian besar masyarakat, juga

tersedianya fasilitas yang layak bagi setiap individu untuk memperoleh akses

kesehatan, pendidikan, memperluas pengetahuan, kesempatan meningkatkan

kesejahteraan, dan mengembangkan potensi yang dimiliki.

Jika dilihat dari sekitar 189 negara (United Nations Development

Programme, 2018), peringkat Indeks Pembangunan Manusia yang dicapai oleh

Indonesia ini dapat dikatakan cukup baik. Sayangnya peningkatan yang dicapai

oleh Indonesia ini masih berada di kategori menengah. Hal ini dapat terlihat dari

sebagian besar daerah di Indonesia khususnya Kawasan Timur Indonesia (KTI)

yang masih berada pada kategori tingkat pembangunan manusia rendah dan

menengah. Indonesia seharusnya dapat memperbaiki tingkat pembangunan

manusia menjadi maju atau bahkan sangat maju melihat potensi SDM yang

melimpah. Namun, melimpahnya jumlah SDM yang dimiliki jika tidak diiringi

dengan adanya komitmen negara untuk melakukan pembangunan manusia yang

baik tentu saja akan menjadi sia-sia.

Sumber: Badan Pusat Statistik (BPS), April 2019 (diolah oleh penulis)

Sebagian besar provinsi dengan tingkat pembangunan manusia yang masih

rendah berada di Kawasan Timur Indonesia. Terdapat sepuluh provinsi dari tiga

belas provinsi di Indonesia Timur yang masih memiliki indeks pembangunan

manusia rendah hingga menengah. Sementara tiga provinsi lainnya, yaitu Bali,

Sulawesi Utara, dan Sulawesi Selatan sudah memiliki indeks pembangunan

64,39

67,71 68,87

63,74

60,06

56

61

66

71

NTT Gorontalo Maluku Papua Barat Papua

Grafik 1.1. Indeks Pembangunan Manusia Lima Provinsi

KTI Tahun 2018

3

manusia maju. Grafik 1.1 di atas menggambarkan lima provinsi di Kawasan

Timur Indonesia dengan nilai IPM yang masih rendah di antara provinsi lainnya.

Dari lima provinsi tersebut, Provinsi Papua memiliki nilai IPM yang terendah

yaitu sebesar 60,06. Sedangkan empat provinsi lainnya memiliki nilai IPM yang

sudah berada di atas 60. Papua merupakan provinsi satu-satunya di Indonesia

dengan tingkat pembangunan manusia yang masih rendah. Sedangkan Nusa

Tenggara Timur, Gorontalo, Maluku, dan Papua Barat termasuk ke dalam

beberapa provinsi dengan tingkat pembangunan manusia menengah di Indonesia.

Dalam perhitungan IPM menurut BPS, terdapat tiga dimensi dasar yaitu

umur panjang dan hidup sehat dari sisi kesehatan, pengetahuan dari sisi

pendidikan, serta standar hidup yang layak dari sisi kesejahteraan masyarakat.

Terdapat empat aspek yang perlu diperhatikan dalam IPM, di antaranya adalah

Angka Harapan Hidup (AHH) saat lahir, harapan lama sekolah, rata-rata lama

sekolah, dan pengeluaran per kapita. Oleh karena itu, empat aspek ini perlu

diperhatikan untuk melihat bagaimana kondisi pembangunan manusia di lima

provinsi Kawasan Timur Indonesia.


Angka Harapan Hidup merupakan rata-rata tahun hidup yang akan dijalani

oleh setiap bayi yang baru lahir. Menurut BPS, AHH dapat digunakan sebagai alat

evaluasi kinerja pemerintah dalam meningkatkan kesehatan masyarakat.

Berdasarkan grafik 1.2 di atas, Gorontalo memiliki AHH yang tertinggi di antara

provinsi lainnya, yaitu 67,45 tahun. Hal ini berarti bayi-bayi yang dilahirkan

menjelang tahun 2018 di Gorontalo akan dapat hidup sampai 67 hingga 67,5

tahun. Sedangkan Papua memiliki AHH yang paling rendah, yaitu 65,36 tahun.

66,38

67,45

65,59 65,55 65,36

64,00

65,00

66,00

67,00

68,00


Grafik 1.2. Angka Harapan Hidup saat Lahir

Lima Provinsi KTI Tahun 2018 (dalam tahun)

4

Hal ini berarti bayi-bayi yang dilahirkan menjelang tahun 2018 di Papua akan

dapat hidup sampai 65 hingga 65,5 tahun.


Menurut BPS, Harapan Lama Sekolah didefinisikan sebagai lamanya

sekolah yang akan dicapai oleh anak-anak pada umur tertentu di masa mendatang

di mana dihitung untuk penduduk berusia 7 tahun ke atas. Berdasarkan grafik 1.3

di atas, Maluku memiliki angka HLS yang tertinggi dan Papua adalah yang

terendah. Secara rata-rata anak usia 7 tahun di Maluku yang memasuki jenjang

pendidikan formal pada tahun 2018 memiliki peluang untuk bersekolah selama

13,92 tahun atau setara dengan diploma II, sedangkan anak usia 7 tahun di Papua

memiliki peluang untuk bersekolah selama 10,83 tahun atau setara dengan kelas

dua pada tingkat Sekolah Menengah Atas (SMA) atau yang sederajat.

Menurut BPS, Rata-rata Lama Sekolah didefinisikan sebagai jumlah tahun

penduduk usia 15 tahun ke atas yang telah digunakan untuk menyelesaikan

pendidikan formal tanpa menghitung tahun mengulang. Berdasarkan grafik 1.3 di

atas, Maluku memiliki angka rata-rata lama sekolah yang tertinggi sedangkan

Papua adalah yang terendah. Hal ini menunjukkan bahwa penduduk usia 15 tahun

ke atas di Maluku rata-rata telah menyelesaikan pendidikan formal selama 9,58

hingga 10 tahun atau sampai kelas satu SMA/sederajat. Sementara itu, penduduk

usia 15 tahun ke atas di Papua rata-rata telah bersekolah selama 6,52 hingga 7

tahun atau hanya sampai kelas satu Sekolah Menengah Pertama/sederajat.

13,10 13,03 13,92

12,53

10,83

7,3 7,46

9,58

7,27 6,52

0

5

10

15


Grafik 1.3. Harapan Lama Sekolah dan Rata-rata Lama

Sekolah Lima Provinsi KTI Tahun 2018 (dalam tahun)

Harapan Lama Sekolah Rata-rata Lama Sekolah

5


Menurut BPS, pengeluaran per kapita adalah biaya yang dikeluarkan oleh

rumah tangga yang digunakan untuk konsumsi selama periode tertentu dibagi

dengan jumlah anggota rumah tangga. Pengeluaran rumah tangga dapat digunakan

sebagai salah satu alat untuk mengukur tingkat kesejahteraan masyarakat.

Berdasarkan grafik 1.4 di atas, pengeluaran per kapita Gorontalo pada tahun 2018

sebesar 9,84 juta rupiah artinya secara rata-rata setiap orang mengeluarkan 9,84

juta rupiah dalam setahun untuk konsumsi. Sementara itu, pengeluaran per kapita

Papua adalah yang terendah yakni 7,16 juta rupiah. Hal ini berarti secara rata-rata

setiap orang mengeluarkan 7,16 juta rupiah dalam setahun untuk konsumsi.

Berdasarkan hasil penelitian Adelfina & Jember (2016) yang dilakukan

untuk melihat pembangunan manusia di Provinsi Bali, terdapat hubungan yang

negatif dan signifikan antara tingkat kemiskinan dan pembangunan manusia.

Pernyataan ini juga didukung oleh penelitian yang dilakukan oleh Muliza,

Zulham, & Seftarita (2017) dengan studi kasus Provinsi Aceh. Menurut hasil

penelitian Adelfina & Jember (2016) serta Muliza et al. (2017), tingkat

kemiskinan yang tinggi dapat berdampak pada penurunan indeks pembangunan

manusia. Upaya pengentasan kemiskinan yang menjadi target dalam Tujuan

Pembangunan Berkelanjutan (Sustainable Development Goals) merupakan salah

satu fokus bagi pemerintah Indonesia. Hal ini dikarenakan kemiskinan masih

dianggap sebagai permasalahan utama yang menghambat pembangunan manusia

7,57

9,84 8,72

7,82 7,16

-

2

4

6

8

10

12


Grafik 1.4. Pengeluaran per Kapita (orang/tahun) Lima

Provinsi KTI Tahun 2018 (dalam Juta Rupiah)

6

Indonesia. Kualitas Sumber Daya Manusia (SDM) yang rendah dapat

mencerminkan masih rendahnya tingkat produktivitas masyarakat.

Sumber: Badan Pusat Statistik (BPS), Januari 2019 (diolah oleh penulis)

Grafik 1.5 di atas menggambarkan tingkat kemiskinan pada lima provinsi

dengan nilai indeks pembangunan manusia yang masih rendah di Kawasan Timur

Indonesia. Lima provinsi tersebut merupakan provinsi dengan tingkat kemiskinan

yang tertinggi di antara sepuluh provinsi Kawasan Timur Indonesia yang memiliki

indeks pembangunan manusia rendah hingga menengah. Berdasarkan data dari

Badan Pusat Statistik (BPS), Papua merupakan provinsi dengan tingkat

kemiskinan yang paling tinggi di antara lima provinsi tersebut. Provinsi Papua

memiliki tingkat kemiskinan pada tahun 2018 sebesar 27,43 persen dengan

jumlah penduduk miskin sebanyak 915,22 ribu jiwa. Sementara itu, tingkat

kemiskinan Provinsi Papua Barat berada di bawah Papua dengan persentase

sebesar 22,66 persen dan jumlah penduduk miskin sebanyak 213,67 ribu jiwa.

Dari lima provinsi tersebut, Gorontalo merupakan provinsi dengan tingkat

kemiskinan terendah yakni sebesar 15,83 persen dan jumlah penduduk miskin

sebanyak 188,30 ribu jiwa.

Dalam Pancasila dan Undang-Undang Dasar Negara Republik Indonesia

Tahun 1945, telah diamanatkan bahwa negara bertanggung jawab melindungi

segenap bangsa Indonesia dan memajukan kesejahteraan umum untuk

mewujudkan keadilan sosial. Oleh karena itu, diperlukan adanya upaya yang

terarah, terpadu, serta berkelanjutan antara pemerintah pada tingkat pusat maupun

21,03

15,83 17,85

22,66

27,43

0

5

10

15

20

25

30


Grafik 1.5. Tingkat Kemiskinan Lima Provinsi KTI

Tahun 2018 (dalam persen)

7

daerah dalam rangka mewujudkan kesejahteraan masyarakat. Peningkatan kualitas

SDM tidak sepenuhnya diserahkan kepada pasar melainkan diperlukan adanya

intervensi dari pemerintah melalui pengeluaran pemerintah. Peran pengeluaran

pemerintah sangat penting karena menunjukkan komitmen pemerintah dalam

pembangunan ekonomi khususnya pembangunan manusia.

Menurut hasil penelitian Adelfina & Jember (2016), terdapat hubungan

yang signifikan antara pengeluaran pemerintah dalam hal ini belanja daerah

dengan tingkat pembangunan manusia. Penelitian yang dilakukan oleh Dianaputra

& Aswitari (2017), Kusumaningrum (2018), serta Zulyanto (2018) juga

mendukung pernyataan ini di mana pengeluaran pemerintah khususnya pada

sektor kesehatan dan pendidikan memiliki hubungan yang signifikan terhadap

pembangunan manusia. Dengan demikian, dapat dikatakan bahwa pengeluaran

pemerintah berkontribusi dalam peningkatan pembangunan manusia. Pengeluaran

pemerintah merupakan salah satu instrumen dalam kebijakan fiskal yang

mencerminkan peran pemerintah dalam mengatur perekonomian di suatu wilayah.

Dalam hal pembangunan manusia, pengeluaran pemerintah khususnya di

sektor kesehatan dan pendidikan berperan penting untuk meningkatkan

produktivitas serta kualitas sumber daya masyarakat di daerah-daerah.

Berdasarkan penelitian Dianaputra & Aswitari (2017) serta Zulyanto (2018),

ditemukan hasil bahwa pengeluaran pemerintah di suatu wilayah pada sektor

kesehatan dan pendidikan dapat meningkatkan pembangunan manusia sehingga

meningkatkan kualitas sumber daya manusia di wilayah tersebut. Menurut

Suparno (2014), kesehatan adalah inti dari kesejahteraan dan pendidikan adalah

hal yang pokok untuk mencapai kehidupan yang layak. Kedua sektor ini berperan

penting dalam meningkatkan produktivitas dan memperbaiki tingkat kesejahteraan

masyarakat. Oleh karena itu, pemerintah Indonesia mengalokasikan anggaran

belanja dalam jumlah tertentu pada sektor kesehatan dan pendidikan.

Berdasarkan data The World Bank (2019), Indonesia memiliki

pengeluaran pemerintah untuk sektor kesehatan sebesar 3,12% dari PDB, dan

untuk sektor pendidikan sebesar 3,6% dari PDB (The World Bank, 2019b).

Anggaran sektor kesehatan dan pendidikan di Indonesia bersifat mandatory yakni

pemenuhan belanja yang diamanatkan oleh peraturan undang-undang (mandatory

8

spending). Sesuai dengan Undang-Undang (UU) Nomor 36 tahun 2009 tentang

Kesehatan, pemerintah Indonesia telah mengalokasikan anggaran untuk sektor

kesehatan sebesar 5% dari Anggaran Pendapatan dan Belanja Negara (APBN) di

luar gaji. Sementara untuk sektor pendidikan, pemerintah Indonesia

mengalokasikan anggaran minimal sebesar 20% dari APBN di luar gaji pendidik

dan biaya pendidikan kedinasan. Hal ini sesuai dengan amanat UU Nomor 20

tahun 2003 tentang Sistem Pendidikan Nasional.

Sumber: Kementerian Keuangan Republik Indonesia (Kemenkeu RI), 2018

(diolah oleh penulis)

Sesuai amanat UU Nomor 36 tahun 2009 tentang Kesehatan, pemerintah

daerah provinsi mengalokasikan anggaran kesehatan minimal sebesar 10% dari

Anggaran Pendapatan dan Belanja Daerah (APBD) di luar gaji. Sementara untuk

sektor pendidikan sesuai dengan amanat UU Nomor 20 tahun 2003 tentang Sistem

Pendidikan Nasional, pemerintah daerah mengalokasikan anggaran minimal

sebesar 20% dari APBD di luar gaji pendidik dan biaya pendidikan kedinasan.

Dengan demikian, pemerintah pada tingkat daerah pun berkewajiban

meningkatkan kesejahteraan masyarakat Indonesia melalui besaran anggaran

kesehatan dan pendidikan yang dialokasikan dari APBD. Hal ini juga sesuai

dengan adanya sistem otonomi daerah di Indonesia.

28,8 39,4 41,5 48,2 61,0

74,8 104,1 104,0

225,2

266,9

310,8

345,3 375,4

408,5 416,6 416,1

0

50

100

150

200

250

300

350

400

450

2010 2011 2012 2013 2014 2015 2016 2017

Grafik 1.6. Anggaran Kesehatan dan Pendidikan Indonesia

(dalam Miliar Rupiah)

Anggaran Kesehatan Anggaran Pendidikan

9

Sumber: Drektorat Jenderal Perimbangan Keuangan (DJPK) Kemenkeu RI, 2018

(diolah oleh penulis)

Dari grafik di atas, pemerintah provinsi Papua Barat mengalokasikan

anggaran kesehatan dengan jumlah yang terendah di antara provinsi lainnya yaitu

sebesar 110 miliar rupiah. Sementara pada sektor pendidikan, pemerintah provinsi

Gorontalo juga mengalokasikan besaran dengan jumlah yang terendah sebesar 434

miliar rupiah. Papua memiliki anggaran kesehatan dan pendidikan yang cukup

tinggi meskipun memiliki Indeks Pembangunan Manusia yang paling rendah dan

tingkat kemiskinan yang paling tinggi dibandingkan provinsi lainnya. Anggaran

kesehatan Papua pada tahun 2018 adalah sebesar 903 miliar rupiah sedangkan

anggaran pendidikan sebesar 1,5 triliun rupiah. Bahkan besaran alokasi anggaran

pemerintah provinsi Papua untuk kedua sektor ini dapat dikatakan lebih tinggi

dari beberapa provinsi yang memiliki indeks pembangunan manusia dan tingkat

kemiskinan yang lebih baik.

Indonesia merupakan salah satu negara dengan jumlah SDM yang banyak.

Bahkan negara ini termasuk dalam negara dengan jumlah penduduk terbanyak di

dunia. Sayangnya aset SDM yang dimiliki oleh Indonesia belum dimanfaatkan

secara optimal. Berdasarkan data UNDP, Indonesia memiliki tingkat

pembangunan manusia yang masih berada di kategori menengah. Kondisi ini juga

tercermin dari sebagian besar provinsi di Indonesia yang masih termasuk dalam

kategori tingkat pembangunan manusia menengah. Bahkan masih terdapat

provinsi di Indonesia yang berada dalam tingkat pembangunan manusia rendah.

306 131

285 110

903

1.191

434

761 603

1.540

0

500

1.000

1.500

2.000


Grafik 1.7. Anggaran Kesehatan dan Pendidikan Lima

Provinsi KTI Tahun 2018 (dalam Miliar Rupiah)

Kesehatan Pendidikan

10

Sebagian besar provinsi ini berada di Kawasan Timur Indonesia yang berdasarkan

letak wilayahnya dapat dikatakan sangat jauh dari pusat ibu kota negara DKI

(Daerah Khusus Ibu kota) Jakarta. Masih rendahnya tingkat pembangunan

manusia pada beberapa provinsi di Indonesia ini juga diiringi dengan masih

tingginya tingkat kemiskinan. Selain pemerintah pusat yang telah mengalokasikan

pengeluaran untuk sektor kesehatan dan pendidikan dari APBN, pemerintah

daerah dalam hal ini tingkat provinsi pun telah mengalokasikan anggaran untuk

kedua sektor tersebut. Hal ini dilakukan sebagai bentuk investasi publik dengan

harapan dapat meningkatkan kualitas dan produktivitas SDM. Maka dari itu,

upaya pengentasan kemiskinan serta pengalokasian anggaran kesehatan dan

pendidikan yang efektif perlu dilakukan sehingga peningkatan pembangunan

manusia di Kawasan Timur Indonesia dapat dengan mudah tercapai.

B. Identifikasi Masalah

Berdasarkan latar belakang yang telah dipaparkan di atas, identifikasi

masalah yang akan dijadikan sebagai pembahasan dalam penelitian ini adalah

sebagai berikut:

a. Masih rendahnya tingkat pembangunan manusia pada beberapa provinsi di

Kawasan Timur Indonesia (KTI).

b. Masih tingginya tingkat kemiskinan pada beberapa provinsi di Kawasan

Timur Indonesia (KTI), khususnya provinsi-provinsi dengan tingkat

pembangunan manusia yang rendah di antara provinsi lainnya.

c. Signifikansi peran pemerintah daerah dalam hal ini tingkat provinsi di

Kawasan Timur Indonesia (KTI) melalui anggaran daerah fungsi kesehatan

dan pendidikan dalam upaya peningkatan pembangunan manusia.

C. Batasan Masalah

Penulis membatasi penelitian pada provinsi-provinsi di Kawasan Timur

Indonesia dengan nilai indeks pembangunan manusia yang rendah dan tingkat

kemiskinan yang tertinggi. Provinsi tersebut di antaranya adalah Nusa Tenggara

Timur, Gorontalo, Maluku, Papua Barat, dan Papua. Tahun penelitian dari 2010

hingga 2018 dipilih karena menyesuaikan dengan perhitungan Indeks

Pembangunan Manusia menggunakan metode baru. Tingkat kemiskinan pada

11

provinsi-provinsi tersebut digunakan untuk melihat bagaimana dampaknya

terhadap upaya pembangunan manusia. Anggaran belanja daerah fungsi kesehatan

dan pendidikan dipilih karena penulis bermaksud melihat sejauh mana peran atau

kontribusi dari pemerintah daerah dalam hal ini provinsi dari sisi kesehatan dan

pendidikan dalam upaya pembangunan manusia pada wilayah tersebut.

D. Rumusan Masalah

Selama periode 2010 hingga 2018, masih terdapat tingkat pembangunan

manusia yang belum merata serta masih tingginya tingkat kemiskinan pada

beberapa provinsi di Indonesia. Selain itu, pengalokasian anggaran belanja daerah

pada beberapa provinsi untuk sektor kesehatan dan pendidikan yang belum

mencapai rasio minimal terhadap APBD sesuai undang-undang serta masih belum

tepat sasaran. Dengan demikian, hal ini dikhawatirkan dapat menghambat upaya

pemerintah dalam hal ini pemerintah provinsi untuk meningkatkan produktivitas

masyarakat khususnya bagi daerah-daerah dengan tingkat pembangunan manusia

yang terbilang masih rendah dibandingkan daerah lainnya di Indonesia, seperti

halnya beberapa provinsi di Indonesia Timur.

Berdasarkan perumusan masalah yang telah dipaparkan, maka dapat

dirumuskan dalam pertanyaan penelitian sebagai berikut:

1. Bagaimana pengaruh tingkat kemiskinan secara parsial terhadap pembangunan

manusia di lima provinsi Kawasan Timur Indonesia (KTI) tahun 2010-2018?

2. Bagaimana pengaruh anggaran belanja daerah fungsi kesehatan secara parsial

terhadap pembangunan manusia di lima provinsi Kawasan Timur Indonesia

(KTI) tahun 2010-2018?

3. Bagaimana pengaruh anggaran belanja daerah fungsi pendidikan secara parsial


(KTI) tahun 2010-2018?

4. Bagaimana pengaruh tingkat kemiskinan, anggaran belanja daerah fungsi

kesehatan dan pendidikan secara simultan terhadap pembangunan manusia di

lima provinsi Kawasan Timur Indonesia (KTI) tahun 2010-2018?

12

E. Tujuan Penelitian dan Manfaat Penelitian

Berdasarkan rumusan masalah yang telah dijelaskan di atas, tujuan

penelitian ini adalah sebagai berikut:

1. Mengetahui pengaruh tingkat kemiskinan secara parsial terhadap pembangunan

manusia di lima provinsi Kawasan Timur Indonesia (KTI) tahun 2010-2018.

2. Mengetahui pengaruh anggaran belanja daerah fungsi kesehatan secara parsial


(KTI) tahun 2010-2018.

3. Mengetahui pengaruh anggaran belanja daerah fungsi pendidikan secara parsial


(KTI) tahun 2010-2018.

4. Mengetahui pengaruh tingkat kemiskinan, anggaran belanja daerah fungsi

kesehatan dan pendidikan secara simultan terhadap pembangunan manusia di

lima provinsi Kawasan Timur Indonesia (KTI) tahun 2010-2018.

Kemudian, manfaat dari penelitian ini adalah sebagai berikut:

a. Bagi Pemerintah Terkait

Hasil penelitian ini diharapkan dapat menjadi kontribusi serta acuan bagi

pembuat kebijakan khususnya pemerintah terkait baik pemerintah pusat

maupun provinsi dalam merencanakan pembangunan selanjutnya untuk

Indonesia sebagai negara yang memiliki sumber daya manusia melimpah

namun masih termasuk dalam kategori tingkat pembangunan manusia

menengah (medium human development).

b. Bagi Civitas Akademika

Hasil penelitian ini diharapkan dapat memberikan dan menambah wawasan

civitas akademika terkait pengaruh tingkat kemiskinan, anggaran belanja

daerah fungsi kesehatan dan pendidikan terhadap pembangunan manusia di

lima provinsi Kawasan Timur Indonesia (KTI) tahun 2010-2018 serta sebagai

bahan literatur tambahan bagi penelitian selanjutnya.

13

F. Tinjauan Kajian Terdahulu

Tabel 1.1. Penelitian Sebelumnya

No. Penulis dan

Tahun Judul Metode Hasil

1.

(Zulyanto,

2018)

Pengeluaran

Pemerintah dan

Indeks

Pembangunan

Manusia (IPM)

di Provinsi

Bengkulu

Variabel:

pengeluaran

pemerintah

sektor

infrastruktur,

kesehatan, dan

pendidikan, IPM

Analisis:

GLS

(Generalized

Least Squares)

dengan REM.

Pengeluaran pemerintah

pada sektor pendidikan

berpengaruh positif

signifikan terhadap

IPM.


pada sektor kesehatan

dan infrastruktur

berpengaruh negatif

tidak signifikan

terhadap IPM.

2.

(Hakim &

Sukmana,

2017)

Pengaruh

Pengeluaran

Pemerintah di

Sektor

Pendidikan dan

Kesehatan

Terhadap Indeks

Pembangunan

Manusia di 16

Negara

Organisasi

Konferensi Islam

(OKI)

Variabel:

pengeluaran

pemerintah

sektor kesehatan

dan pendidikan,

serta IPM

Analisis:

analisis regresi

linear berganda


sektor pendidikan dan

kesehatan berpengaruh

negatif tidak signifikan

terhadap IPM di 16

negara-negara OKI.

Hal ini disebabkan oleh

beberapa faktor yang

salah satunya adalah

permasalahan di sektor

pendidikan dan

kesehatan yang masih

terjadi akibat tingginya

angka korupsi.

3.

(Muliza et al.,

2017)

Analisis

Pengaruh

Belanja

Pendidikan,

Belanja

Kesehatan,

Tingkat

Variabel:

belanja

pemerintah

daerah sektor

kesehatan dan

pendidikan,

tingkat


di sektor kesehatan dan

pendidikan tidak

berpengaruh signifikan

terhadap IPM.

Tingkat kemiskinan

berpengaruh negatif dan

14

No. Penulis dan


Kemiskinan dan

PDRB Terhadap

IPM di Provinsi

Aceh

kemiskinan,

PDRB, dan IPM

Analisis:

regresi data

panel dengan

Random Effect

Model

signifikan terhadap

IPM.

PDRB berpengaruh

positif dan signifikan

terhadap IPM.

4.

(Tarumingkeng,

Rumate, &

Rotinsulu,

2018)

Pengaruh

Belanja Modal

dan Tingkat

Kemiskinan

Terhadap Indeks

Pembangunan

Manusia (IPM)

di Provinsi

Sulawesi Utara

Variabel:

belanja modal,

tingkat

kemiskinan, dan

IPM

Analisis:

Ordinary Least

Square (OLS)

Semakin besar belanja

modal akan

meningkatkan IPM.

Tingkat kemiskinan

dapat mempengaruhi

naik atau turunnya IPM.

Secara simultan, belanja

modal dan tingkat

kemiskinan


terhadap IPM.

5.

(Syofya, 2018) Pengaruh

Tingkat

Kemiskinan dan

Pertumbuhan

Ekonomi

Terhadap Indeks

Pembangunan

Manusia

Indonesia

Variabel:

tingkat

kemiskinan,

pertumbuhan

ekonomi, IPM

Analisis:

regresi linear

OLS

Secara parsial, tingkat

kemiskinan dan

pertumbuhan ekonomi


terhadap IPM.

Secara simultan, tingkat

kemiskinan dan

pertumbuhan ekonomi


terhadap IPM.

6.

(Dianaputra &

Aswitari, 2017)

Pengaruh

Pembiayaan

Pemerintah di

Sektor

Pendidikan dan

Kesehatan

Variabel:

pembiayaan

pemerintah

sektor kesehatan

dan pendidikan,

Pembiayaan pemerintah

di sektor pendidikan

dan kesehatan

berpengaruh positif dan

signifikan terhadap

indeks kualitas

manusia.

15

No. Penulis dan


Terhadap Indeks

Kualitas

Manusia serta

Pertumbuhan

Ekonomi pada

Kabupaten/Kota

Provinsi Bali

Tahun 2011-

2015

indeks kualitas

manusia, dan

pertumbuhan

ekonomi

Analisis:

analisis jalur

(path analysis)

Pembiayaan pemerintah

di sektor pendidikan

dan kesehatan

berpengaruh tidak

langsung terhadap

pertumbuhan ekonomi

melalui indeks kualitas

manusia yang berperan

sebagai variabel

intervening.

7.

(Çağlayan-

Akay & Van,

2017)

Determinants of

the Levels of

Development

Based on the

Human

Development

Index: Bayesian

Ordered Probit

Model

Variabel:

populasi

penduduk desa,

anggaran

kesehatan, PDB,

jumlah

pengguna

internet, Angka

Harapan Hidup

(AHH), bagian

dari tahun yang

diharapkan dari

kursi sekolah di

parlemen, dan

IPM

Analisis:

Bayesian

Ordered Probit

Model

Berdasarkan hasil

pengujian, penulis

mendapatkan hasil

penelitian bahwa

variabel populasi

penduduk desa,

pengeluaran sektor

kesehatan, PDB, jumlah

pengguna internet,

AHH, dan bagian dari

tahun yang diharapkan

dari kursi sekolah di

parlemen memilliki

hubungan positif

dengan IPM dalam

jangka pendek.

Dalam jangka panjang,

variabel pengeluaran

sektor kesehatan, PDB,

jumlah pengguna

internet, dan bagian dari

tahun yang diharapkan

dari kursi sekolah di

parlemen memiliki

hubungan positif

dengan IPM.

16

No. Penulis dan


8.

(Mittal, 2016) Social Sector

Expenditure and

Human

Development of

Indian States

Variabel:

anggaran sektor

sosial dan IPM

Analisis:

metode korelasi

dan regresi

sederhana

Hasil penelitian ini

menunjukkan bahwa

terdapat hubungan

positif antara

pengeluaran pemerintah

pada sektor sosial dan

IPM di India.

9.

(Arisman,

2018)

Determinant of

Human

Development

Index in ASEAN

Countries

Variabel:

jumlah

penduduk,

tingkat inflasi,

tingkat

pengangguran,

pertumbuhan

pendapatan per

kapita, dan IPM

Analisis:

regresi data

panel dengan

model Fixed

Effect (FEM)

Jumlah penduduk dan

tingkat pertumbuhan

pendapatan per kapita

berpengaruh terhadap

IPM pada negara-

negara di ASEAN.

Tingkat inflasi dan

tingkat pengangguran

tidak berpengaruh

terhadap IPM.

Berdasarkan hasil

penelitian ini,

didapatkan implikasi

bahwa pemerintah

penting untuk

mengendalikan jumlah

penduduk dan

meningkatkan

pertumbuhan ekonomi.

10.

(Nortje, 2017) The Effect of

Poverty on

Education in

South Africa

Variabel:

tingkat

kemiskinan dan

pendidikan

Kemiskinan berdampak

terhadap pendidikan,

maka meningkatkan

pendidikan masyarakat

menjadi upaya yang

harus dilakukan untuk

meningkatkan

kesejahteraan.

17

No. Penulis dan


Analisis:

penelitian

kualitatif dengan

review

Terkait hal tersebut,

pemerintah dapat

berupaya dengan

membantu sekolah-

sekolah untuk

mendapatkan kebutuhan

yang penting dalam

menyediakan

pendidikan yang

berkualitas.

11.

(Lubis, 2015) Regional

Government

Budgets and

Human

Development

Outcomes

Across

Indonesia’s

Provinces (Study

Case of

Provinces in

Indonesia)

Variabel:

pengeluaran

pemerintah

sektor kesehatan

dan pendidikan,

serta IPM

Analisis:

regresi data

panel

Pengeluaran di sektor

kesehatan memiliki

pengaruh positif

terhadap indeks

pembangunan manusia.

Sementara itu,

pengeluaran di sektor

pendidikan memiliki

pengaruh positif

terhadap IPM namun

tidak signifikan.

12.

(Fadilah,

Ananda, &

Kaluge, 2018)

A Panel

Approach: How

Does

Government

Expenditure

Influence

Human

Development

Index

Variabel:

IPM yang

diukur

berdasarkan

komponen

indeks

pendidikan,

indeks

kesehatan, serta

indeks

pendapatan,


pada sektor pendidikan,

kesehatan, dan ekonomi

memiliki pengaruh

positif dan signifikan

terhadap indeks

pendidikan, indeks

kesehatan, dan indeks

pendapatan.

18

No. Penulis dan


pengeluaran

pemerintah

sektor

pendidikan,

kesehatan,

ekonomi, dan

infrastruktur.

Analisis:

regresi data

panel dengan

Fixed Effect

Model (FEM)

dan Random

Effect Model

(REM).


pada sektor

infrastruktur memiliki

pengaruh positif

signifikan terhadap

indeks pendidikan dan

indeks pendapatan,

sedangkan pengaruhnya

tidak signifikan

terhadap indeks

kesehatan.

13.

(Palenewen,

Walewangko,

& Sumual,

2018)

Pengaruh

Pengeluaran

Pemerintah

Sektor

Pendidikan dan

Sektor

Kesehatan

Terhadap IPM

dan Dampaknya

Terhadap

Kemiskinan di

Sulawesi Utara

Variabel:

Pengeluaran

pemerintah

sektor

pendidikan dan

kesehatan, IPM,

serta

kemiskinan.

Analisis:

Analisis regresi

sederhana dan

regresi berganda


sektor pendidikan

berpengaruh positif dan

tidak signifikan

terhadap IPM di

Sumatera Utara,

sedangkan sektor

kesehatan memiliki

pengaruh yang negatif

dan signifikan terhadap

IPM. Secara simultan,

kedua variabel ini tidak


terhadap IPM.

Kemudian, variabel

IPM memiliki pengaruh

positif dan tidak

signifikan terhadap

kemiskinan.

19

G. Sistematika Penulisan

Berikut adalah urutan-urutan penyajian hasil penelitian penulis:

BAB I. PENDAHULUAN

A. Latar Belakang

B. Identifikasi Masalah

C. Batasan Masalah

D. Rumusan Masalah

E. Tujuan Penelitian dan Manfaat Penelitian

F. Tinjauan Kajian Terdahulu

G. Sistematika Penulisan

BAB II. TINJAUAN PUSTAKA

A. Pembangunan Manusia

B. Kemiskinan

C. Pengeluaran Pemerintah Sektor Kesehatan dan Pendidikan

D. Hubungan Antar Variabel

E. Kerangka Pemikiran

F. Hipotesis

BAB III. METODOLOGI PENELITIAN

A. Populasi dan Sampel

B. Waktu Penelitian

C. Sumber Data

D. Instrumen Penelitian

E. Teknik Pengumpulan Data

F. Teknik Pengolahan Data

BAB IV. ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

B. Temuan Hasil Penelitian

BAB V. PENUTUP

A. Kesimpulan

B. Saran

20

BAB II

TINJAUAN PUSTAKA

A. Pembangunan Manusia

Pembentukan modal manusia adalah proses memperoleh dan

meningkatkkan jumlah orang yang mempunyai keahlian, pendidikan dan

pengalaman yang menentukan bagi pembangunan ekonomi dan politik suatu

negara (Jhingan, 2012). Pembentukan modal manusia berkaitan erat dengan

investasi pada manusia. Menurut Schultz, terdapat lima cara pengembangan

sumber daya manusia, yaitu sebagai berikut:

1. Fasilitas dan pelayanan kesehatan yang pada umumnya diartikan

mencakup semua pengeluaran yang mempengaruhi harapan hidup,

kekuatan dan stamina, tenaga serta vitalitas rakyat

2. Latihan jabatan, termasuk magang model lama yang diorganisasikan oleh

perusahaan

3. Pendidikan yang diorganisasikan secara formal pada tingkat dasar,

menengah, dan tinggi

4. Program studi bagi orang dewasa yang tidak diorganisasikan oleh

perusahaan, termasuk program ekstension khsusunya pada pertanian

5. Migrasi perorangan dan keluarga untuk menyesuaikan diri dengan

kesempatan kerja yang selalu berubah.

Modal manusia merupakan investasi produktif mencakup pengetahuan,

keterampilan, kemampuan, gagasan, kesehatan dan lokasi yang dihasilkan dari

pengeluaran di bidang pendidikan, program pelatihan dalam pekerjaan, dan

perawatan kesehatan (Todaro & Smith, 2009). Upaya pembangunan manusia kait

eratannya dengan istilah investasi SDM. Dalam Todaro & Smith (2009), investasi

pada SDM dianalogikan seperti investasi konvensional dalam modal fisik. Setelah

dilakukan investasi awal, aliran pendapatan yang lebih tinggi di masa yang akan

datang dapat diperoleh dari perluasan pendidikan dan peningkatan kesehatan.

Pada akhirnya, kesehatan dan pendidikan ini akan berkontribusi langsung

terhadap kesejahteraan. Menurut Jhingan (2012), investasi pada modal manusia

21

dalam pengertian luas adalah pengeluaran di bidang pelayanan kesehatan,

pendidikan, dan sosial pada umumnya.

Menurut Todaro & Smith (2009), kesehatan dan pendidikan berkaitan erat

dalam pembangunan ekonomi. Peningkatan modal kesehatan berkontribusi dalam

meningkatkan pengembalian atas investasi di bidang pendidikan, sebagian karena

kesehatan merupakan salah satu faktor penting dalam kehadiran di sekolah atau

lembaga pendidikan lainnya dan dalam proses pembelajaran. Usia lebih panjang

akan meningkatkan pengembalian atas investasi di bidang pendidikan; kesehatan

yang lebih baik dalam masa kerja seseorang akan berpengaruh terhadap

penurunan tingkat penyusutan modal pendidikan. Kemudian, peningkatan modal

pendidikan berkontribusi dalam meningkatkan pengembalian atas investasi di

bidang kesehatan karena sebagian besar program di bidang kesehatan bergantung

pada keterampilan yang dipelajari selama berada di sekolah, misalnya kesehatan

dan kebersihan pribadi, serta pembentukan dan pelatihan bagi petugas kesehatan.

Selanjutnya, peningkatan efisiensi produktif dari investasi di bidang pendidikan

akan meningkatkan pengembalian atas investasi di bidang kesehatan yang

berkontribusi dalam meningkatkan angka harapan hidup.

Kondisi pembangunan manusia di suatu wilayah apakah berada pada

tingkat sangat tinggi, tinggi, menengah, atau rendah dapat diukur melalui IPM.

Menurut Todaro & Smith (2009), IPM adalah indeks yang mengukur pencapaian

pembangunan sosio-ekonomi suatu negara yang mengombinasikan pencapaian di

bidang pendidikan, kesehatan, dan pendapatan riil per kapita yang disesuaikan.

IPM menunjukkan bahwa perbedaan dalam pendapatan lebih besar dibandingkan

dengan perbedaan dalam indikator pembangunan lainnya, setidaknya di bidang

kesehatan dan pendidikan. Melalui IPM, kita dapat melihat bahwa pembangunan

yang sesungguhnya merupakan pembangunan manusia dalam arti luas, yakni

tidak hanya sekadar pendapatan yang tinggi. IPM memiliki kecenderungan kuat

meningkat sejalan dengan peningkatan pendapatan per kapita, karena negara-

negara atau wilayah-wilayah yang lebih kaya dapat berinvestasi lebih banyak

dalam bidang kesehatan dan pendidikan yang berarti tambahan sumber daya

manusia ini meningkatkan produktivitas.

22

Indeks Pembangunan Manusia digunakan sebagai indikator untuk

mengukur status komparatif pembangunan sosio-ekonomi (Todaro & Smith,

2009). IPM disajikan dalam laporan tahunan yaitu Human Development Report

yang dipublikasikan oleh United Nations Development Programme (UNDP).

Human Development Report pertama kali dipublikasikan pada tahun 1990. Dalam

IPM, semua negara diurutkan menjadi peringkat dengan skala 0 (tingkat

pembangunan manusia terendah) hingga 100 (tingkat pembangunan manusia

tertinggi). Pemeringkatan ini didasarkan atas tiga tujuan atau produk akhir

pembangunan, yaitu: masa hidup (longevity) yang diukur melalui harapan hidup

setelah lahir, pengetahuan yang diukur dengan bobot rata-rata tingkat melek

aksara orang dewasa dengan bobot dua per tiga dan rasio partisipasi sekolah bruto

(gross school enrollment ratio) dengan bobot satu per tiga, serta standar hidup

yang diukur berdasarkan produk domestik bruto per kapita yang disesuaikan

dengan paritas daya beli mata uang setiap negara yang nilainya berbeda-beda

untuk mencerminkan biaya hidup dengan asumsi utilitas marginal yang semakin

menurun (diminishing marginal utility) pendapatan.

Menurut Badan Pusat Statistik Indonesia, Indeks Pembangunan Manusia

(IPM) merupakan indikator penting untuk mengukur keberhasilan dalam upaya

membangun kualitas hidup masyarakat. Pembangunan manusia adalah segala

sesuatu yang berkaitan dengan kebebasan manusia, termasuk kebebasan untuk

mewujudkan potensi penuh setiap kehidupan manusia tidak hanya sedikit atau

sebagian besar, namun seluruh kehidupan di dunia saat ini dan masa depan.

Menurut definisi dari UNDP, IPM juga dapat digunakan untuk menganalisis

pilihan kebijakan nasional. Dalam hal ini, IPM digunakan untuk melihat

perbandingan di antara dua negara dengan tingkat GNI per kapita yang sama

namun memiliki hasil pembangunan manusia yang berbeda. Indeks Pembangunan

Manusia adalah ukuran ringkasan pencapaian rata-rata dalam kunci pembangunan

manusia yaitu, kehidupan yang panjang dan sehat, berpengetahuan, dan memiliki

standar kehidupan yang layak. IPM hanya menyederhanakan sebagian dari hal

yang dibutuhkan dalam upaya pembangunan manusia. IPM tidak mencerminkan

ketimpangan, kemiskinan, keamanan manusia, pemberdayaan, dan lain-lain.

23

Berdasarkan UNDP, Indeks Pembangunan Manusia terdiri dari beberapa

komponen yaitu sebagai berikut:

1. Angka Harapan Hidup (AHH) Saat Lahir

Angka harapan hidup yang dapat dicapai oleh bayi yang baru lahir jika pola

angka kematian usia tertentu yang berlaku saat kelahiran tetap sama selama

masa hidupnya.

2. Angka Harapan Lama Sekolah

Angka harapan lama sekolah yang dapat dicapai oleh anak usia sekolah jika

pola angka pendaftaran usia tertentu yang berlaku tetap sama sepanjang

hidup anak tersebut.

3. Rata-rata Lama Sekolah

Rata-rata tahun pendidikan yang dapat dicapai oleh penduduk berusia 25

tahun dan lebih dari 25 tahun, yang telah diubah dari pencapaian tingkat

pendidikan menggunakan lama waktu yang resmi dari setiap jenjang.

4. Gross National Income (GNI) per Kapita

Pendapatan agregat yang dapat dihasilkan dari proses produksi dan

kepemilikan faktor produksi, dikurangi pendapatan yang dibayarkan untuk

penggunaan faktor produksi yang dimiliki oleh negara-negara lain di dunia,

telah dikonversi ke dolar internasional dengan menggunakan suku bunga

Paritas Daya Beli (Purchasing Power Parity) dibagi dengan populasi

pertengahan tahun.

Manusia merupakan sumber daya paling utama dalam menentukan

keberhasilan suatu pembangunan ekonomi. Pembangunan manusia sendiri

memiliki dua sisi, yaitu pembentukan kapabilitas manusia dan penggunaan

kapabilitas yang mereka miliki. Hal ini dikarenakan pertumbuhan ekonomi tidak

semata-mata tergantung pada jumlah sumber daya manusia saja, tetapi lebih

menekankan pada efisiensi mereka (Jhingan, 2012). Penggunaan secara tepat

sumber daya manusia untuk pembangunan ekonomi dapat dilakukan dengan cara

sebagai berikut (Jhingan, 2012):

1. Pertama, harus ada pengendalian atas perkembangan penduduk. Sumber daya

manusia dapat dimanfaatkan dengan baik apabila jumlah penduduk dapat

24

dikendalikan dan diturunkan, misalnya melalui Program Keluarga Berencana

dan memerlukan penelitian untuk menurunkan angka kelahiran.

2. Kedua, harus ada perubahan dalam pandangan tenaga kerja. Perilaku sosial

dari tenaga kerja merupakan hal yang penting dalam proses pembangunan

ekonomi. Untuk meningkatkan produktivitas dan mobilitas tenaga kerja

(dalam hal ini buruh), pandangan masyarakat harus diubah agar mereka

bersedia menerima arti penting dan martabat buruh.

Dalam Mittal (2016), konsep pembangunan manusia membahas tentang

perkembangan manusia dengan mempertimbangkan peningkatan pada beberapa

sektor seperti kondisi ekonomi, sosial, budaya, pendidikan, kesehatan, dan

kewarganegaraan dari masyarakat yang berada di wilayah tertentu.Menurut Mittal

(2016), peningkatan IPM dipengaruhi oleh peningkatan pengeluaran pemerintah

pada sektor sosial. Kemudian dalam Çağlayan-Akay & Van (2017), IPM

merupakan indikator untuk menekankan bahwa masyarakat dan kemampuan

mereka harus menjadi kriteria utama selain melihat pertumbuhan ekonomi dalam

penilaian pembangunan di suatu negara. IPM adalah indeks yang membahas dan

mengukur kemajuan jangka panjang dalam ruang lingkup tiga dimensi dasar

pembangunan manusia, yaitu kehidupan yang panjang umur dan sehat, akses

terhadap informasi, dan kondisi kehidupan yang layak. Menurut Çağlayan-Akay

& Van (2017), peningkatan PDB akan meningkatkan IPM dalam jangka panjang.

Menurut Zulyanto (2018), IPM merupakan salah satu indikator yang bisa

digunakan untuk mengevaluasi kinerja pemerintah. Peningkatan IPM dipengaruhi

secara signifikan oleh beberapa faktor, seperti pengeluaran pemerintah pada

sektor kesehatan dan pendidikan, pertumbuhan ekonomi, serta pengentasan

kemiskinan (Adelfina & Jember, 2016; Dianaputra & Aswitari, 2017; Muliza et

al., 2017; Tarumingkeng et al., 2018; Zulyanto, 2018).

B. Kemiskinan

Bank Dunia mendefinisikan kemiskinan secara absolut yakni orang yang

memiliki pendapatan kurang dari 1,9 USD per hari. Sementara itu menurut

seorang ekonom Inggris bernama Thomas Malthus (1766-1834) menyatakan

bahwa pertumbuhan populasi yang tinggi akan menyebabkan kemiskinan. Ketika

populasi meningkat yang tidak diimbangi dengan jumlah persediaan makanan

25

maka hal ini akan meningkatkan jumlah penduduk miskin. Ekonom Amerika

Serikat yaitu David Dollar dan Aart Kraay menyatakan bahwa dengan

perdagangan dapat meningkatkan pertumbuhan ekonomi dan menurunkan

kemiskinan di negara berkembang. Berdasarkan pengamatan mereka, negara-

negara yang memotong tarif dapat berkembang dengan pesat dan memiliki tingkat

kemiskinan yang menurun.

Seorang ekonom India bernama Amartya Sen berpendapat bahwa

kemiskinan adalah keterbatasan dalam kemampuan dan fungsi yakni hal-hal yang

bisa dilakukan oleh seseorang, bukan terkait dengan barang atau jasa yang bisa

mereka dapatkan. Dalam buku The Economics (Kishtainy et al., 2012), sebagian

besar faktor-faktor kemiskinan seseorang adalah di luar dari kendali orang

tersebut, di antaranya adalah masyarakat miskin tidak memiliki kekayaan atau

barang-barang berharga, masyarakat miskin tidak bisa mengakses pendidikan

karena pada beberapa negara mereka harus membayar untuk mendapatkan akses

serta fasilitas pendidikan, dan kondisi tersebut menyebabkan mereka memiliki

prospek pekerjaan yang kurang baik dan kesehatan yang memburuk. Seorang

penggiat kampanye sosial di Inggris bernama Beatrice Webb pada tahun 1990

menyatakan bahwa penyebab kemiskinan adalah faktor yang struktural dan tidak

bisa langsung menyalahkan kepada masyarakat miskin itu sendiri.

Dalam Chambers (1983), seorang profesor ekonomi bernama C. T. Kurien

dalam bukunya berjudul Poverty, Planning, and Social Transformation

mendefinisikan kemiskinan sebagai fenomena sosial-ekonomi di mana

ketersediaan sumber daya hanya untuk memenuhi kebutuhan beberapa orang saja

sementara masih banyak orang yang tidak mampu untuk memenuhi kebutuhan

mereka termasuk kebutuhan pokok. Konsep ini menyatakan bahwa kemiskinan

pada dasarnya merupakan fenomena sosial dan hanya merupakan fenomena fisik.

Chambers (1983) menyatakan terdapat lima karakteristik dari ketidak beruntungan

(disadvantage) yang dialami rumah tangga, yaitu sebagai berikut:

1. Poverty. Memiliki aset yang jumlahnya sedikit, seperti rumah tempat tinggal

yang kurang layak, tidak memiliki tanah atau hanya menyewa, dan anggota

keluarga yang bekerja memiliki tingkat produktivitas yang rendah.

26

2. Physical Weakness. Ada rasio yang tinggi dari orang tanggungan terhadap

orang dewasa yang sehat. Orang tanggungan ini termasuk anak-anak, orang

tua, orang yang menderita penyakit, dan disabilitas.

3. Vulnerability. Cenderung rentan terhadap kondisi-kondisi yang tidak

menguntungkan misalnya ketika terjadi musim hujan, kekurangan makanan,

dan gagal panen sehingga mereka rentan terhadap penyakit dan kematian.

4. Isolation. Pada umumnya terisolasi dari dunia luar, bertempat tinggal jauh

dari kota, dan tidak mendapatkan sumber informasi yang cukup. Mereka

terikat dengan tetangga hanya karena utang atau karena kebutuhan mendesak

yang harus dipenuhi.

5. Powerlessness. Mereka tidak berdaya atau memiliki posisi yang lemah karena

tidak terlalu memahami hukum sehingga dapat secara mudah menjadi korban

dari predasi yang lebih kuat. Mereka cenderung lebih mudah dieksploitasi

oleh rentenir, pedagang, tuan tanah, pejabat yang licik, dan polisi.

Dalam Isdijoso, Suryahadi, & Akhmadi (2016), kemiskinan merupakan

kondisi keterbatasan kemampuan masyarakat untuk memenuhi kebutuhan hidup

dengan layak seperti keterbatasan dalam pendapatan, keterampilan, kondisi

kesehatan, penguasaan aset ekonomi, maupun akses informasi. Pengukuran

kemiskinan dapat dilakukan dari pendekatan moneter melalui pendekatan

pendapatan rumah tangga dengan melihat data pengeluaran. Selain itu,

pengukuran kemiskinan juga dapat dilihat dari aspek lainnya, seperti akses

terhadap layanan pendidikan, kesehatan, serta informasi publik, kepemilikan

barang berharga, kesempatan berpartisipasi dalam kegiatan masyarakat, dan

kebebasan berpendapat. Isdijoso et al. (2016) melakukan penelitian Moving Out

Poverty (MOP) di tiga provinsi, yaitu Jawa Timur, Maluku Utara, dan Nusa

Tenggara Timur. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang

mempengaruhi mengapa keluarga kaya tetap kaya (always rich), keluarga kaya

bisa jatuh miskin (faller), keluarga miskin dapat keluar dari kemiskinan (mover),

dan keluarga miskin tetap miskin (chronic poor). Isdijoso et al. (2016)

mendapatkan hasil bahwa terdapat beberapa faktor yang mempengaruhi dinamika

kemiskinan, yaitu sebagai berikut:

27

1. Faktor struktur sosial, yakni di mana adanya kelompok-kelompok bangsawan

atau kelompok elit yang memiliki hak istimewa secara turun-temurun

mempengaruhi dinamika kemiskinan.

2. Faktor agensi, yakni dinamika kemiskinan dipengaruhi oleh kapasitas

masyarakat dalam mencapai tujuan ditunjukkan dengan adanya kepemilikan

aset materi, kemampuan individu dari kondisi kesehatan dan tingkat

pendidikan, serta kemampuan sosial-politik-psikologis.

3. Faktor gender, sistem kekuasaan dalam keluarga yang pada umumnya

dimiliki oleh laki-laki sehingga perempuan memiliki kesempatan dan peran

yang lebih kecil dalam proses pengambilan keputusan di masyarakat.

Keluarga yang dikepalai oleh laki-laki maupun perempuan memiliki akses

yang relatif sama terhadap kredit dan informasi. Namun, jumlah keluarga

miskin yang dikepalai oleh perempuan lebih besar daripada jumlah keluarga

miskin yang dikepalai oleh laki-laki.

Zuhdiyaty & Kaluge (2017) melakukan penelitian untuk menganalisis

faktor-faktor apa saja yang dapat mempengaruhi tingkat kemiskinan di Indonesia

dalam kurun waktu 2011-2015. Penelitian ini mendapatkan hasil bahwa Indeks

Pembangunan Manusia berpengaruh signifikan terhadap penurunan kemiskinan.

Sementara itu, Tingkat Pengangguran Terbuka (TPT) dan pertumbuhan ekonomi

tidak berpengaruh terhadap kemiskinan. Menurut Zuhdiyaty & Kaluge (2017),

pertumbuhan ekonomi selama ini dinilai kurang berkualitas sehingga tidak

berkontribusi dalam penurunan angka kemiskinan. Penelitian lainnya mengenai

faktor-faktor yang berpengaruh terhadap kemiskinan dilakukan oleh Jacobus,

Kindangen, & Walewangko (2018) dengan studi kasus kemiskinan rumah tangga

di Sulawesi Utara. Menurut Jacobus et al., (2018), kemiskinan merupakan kondisi

di mana masyarakat tertentu tidak mampu memenuhi tuntutan kebutuhan yang

paling minimum yaitu aspek konsumsi dan pendapatan. Hasil penelitian ini

menunjukkan bahwa kesehatan dan pendidikan berpengaruh signifikan dalam

menurunkan kemiskinan.

Badan Pusat Statistik (BPS) Indonesia dalam mengukur kemiskinan

menggunakan konsep kemampuan memenuhi kebutuhan dasar (basic needs

approach) di mana kemiskinan dipandang sebagai ketidakmampuan secara

28

ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang

diukur dari sisi pengeluaran. Maka dari itu, Badan Pusat Statistik mendefinisikan

penduduk miskin sebagai penduduk yang memiliki rata-rata pengeluaran per

kapita per bulan di bawah dari garis kemiskinan yang ditetapkan. Garis

Kemiskinan (GK) dihitung berdasarkan dua konsep, yaitu sebagai berikut:

1. Garis Kemiskinan (GK) adalah penjumlahan dari Garis Kemiskinan Makanan

(GKM) dan Garis Kemiskinan Non Makanan (GKNM) di mana penduduk

yang memiliki pengeluaran rata-rata per kapita per bulan di bawah garis

kemiskinan dikategorikan sebagai penduduk miskin.

2. Garis Kemiskinan Makanan (GKM) adalah nilai pengeluaran kebutuhan

minimum makanan yang disetarakan dengan 2100 kilokalori per kapita dalam

sehari, yang terdiri dari 52 jenis komoditi (padi-padian, umbi-umbian, ikan,

daging, telur dan susu, sayur-sayuran, kacang-kacangan, buah-buahan,

minyak, lemak, dan lain-lain).

3. Garis Kemiskinan Non Makanan (GKNM) adalah kebutuhan minimum

berupa perumahan, sandang, pendidikan, dan kesehatan yang terdiri dari 51

jenis komoditi di perkotaan dan 47 jenis komoditi di pedesaan.

Sedangkan untuk persentase penduduk miskin, perhitungan menurut BPS

dilakukan dengan menggunakan konsep Head Count Index (HCI-P0) yang

merupakan persentase penduduk yang berada di bawah garis kemiskinan. Rumus

perhitungan persentase penduduk miskin menurut BPS adalah sebagai berikut:

∑[

]

Di mana:

α : 0

z : garis kemiskinan

yi : pengeluaran rata-rata per kapita sebulan penduduk yang berada di bawah

garis kemiskinan (i = 1, 2, 3, …., q), yi < z

q : banyaknya penduduk yang berada di bawah garis kemiskinan

n : jumlah penduduk

Menurut Adelfina & Jember (2016) yang melakukan penelitian dengan

studi kasus Provinsi Bali, penurunan tingkat kemiskinan dapat berpengaruh secara

29

signifikan dalam meningkatkan indeks pembangunan manusia di suatu wilayah.

Penelitian yang dilakukan oleh Muliza et al. (2017) dengan studi kasus Provinsi

Aceh juga mendapatkan hasil yang sama. Oleh karena itu, upaya pengentasan

kemiskinan adalah hal penting yang harus dilakukan oleh setiap pemerintahan di

tingkat provinsi termasuk kota/kabupaten untuk meningkatkan indeks

pembangunan manusia. Tidak hanya pada tingkat provinsi, penurunan tingkat

kemiskinan juga berpengaruh secara signifikan terhadap peningkatan indeks

pembangunan manusia pada tingkat nasional (Syofya, 2018).

C. Pengeluaran Pemerintah Sektor Kesehatan dan Pendidikan

Pengeluaran pemerintah (government expenditure) adalah salah satu

instrumen dari kebijakan fiskal yaitu kebijakan pemerintah dalam mengatur

perekonomian. Pengeluaran pemerintah berperan dalam pembentukan modal

melalui pengeluaran pemerintah di berbagai bidang seperti sarana dan prasarana

di mana hal ini sangat penting dalam pertumbuhan ekonomi (Suparno, 2014).

Menurut Dumairy (1999) dalam Suparno (2014), pemerintah melakukan

pengeluaran belanja pembangunan sebagai langkah untuk menjalankan fungsi

alokatif, distributif, stabilitatif, dan dinamisatif. Belanja pembangunan ini

merupakan upaya pemerintah dalam kegiatan pembangunan ekonomi. Menurut

Pujoalwanto (2014), pengeluaran pemerintah menjadi bagian penting dari

perekonomian makro suatu negara karena menentukan ke mana kondisi negara

akan dibawa. Terdapat beberapa teori pengeluaran pemerintah dari beberapa ahli,

yaitu sebagai berikut:

1. Teori Pengeluaran Pemerintah Menurut Wagner (1912)

Menurut Wagner (1912), terdapat lima faktor yang menyebabkan pengeluaran

pemerintah selalu meningkat. Faktor tersebut adalah: tuntutan peningkatan

perlindungan keamanan dan pertahanan, kenaikan tingkat pendapatan

masyarakat, urbanisasi yang mengiringi pertumbuhan ekonomi,

perkembangan demokrasi dan ketidakefisienan birokrasi yang mengiringi

perkembangan pemerintahan. Wagner menamakan hal ini sebagai hukum

aktivitas pemerintah yang selalu meningkat.

2. Teori Pengeluaran Pemerintah Menurut Peacok dan Wiseman (1961)

30

Peacock dan Wiseman (1961) mendasarkan teori mereka pada suatu analisis

dialektika penerimaan-pengeluaran pemerintah. Dalam hal ini, pemerintah

selalu berusaha memperbesar pengeluarannya dengan mengandalkan

penerimaan dari pajak sementara masyarakat tidak menyukai peningkatan

pada pembayaran pajak. Berdasarkan teori pemungutan suara (voting),

Peacok dan Wiseman (1961) berpendapat bahwa masyarakat memiliki batas

toleransi pajak yakni di mana masyarakat dapat memahami besarnya

pungutan pajak yang dibutuhkan pemerintah untuk membiayai pengeluaran.

Perkembangan ekonomi menyebabkan pungutan pajak meningkat meskipun

tarif pajak tidak berubah sehingga meningkatkan pengeluaran pemerintah.

3. Teori Pengeluaran Pemerintah Menurut Rostow dan Musgrave (1971)

Teori ini menghubungkan pengeluaran pemerintah dengan tahap

pembangunan ekonomi. Pada tahap awal pembangunan ekonomi, rasio

pengeluaran pemerintah terhadap pendapatan nasional relatif besar karena

membutuhkan prasarana. Pada tahap menengah, pemerintah tetap

mengupayakan investasi baik dari investasi pemerintah maupun swasta untuk

memacu pertumbuhan sehingga dapat lepas landas. Pada tahap ini, peranan

pemerintah besar karena banyak terjadinya kegagalan pasar dari

pembangunan ekonomi. Kemudian menurut Musgrave, rasio investasi total

terhadap pendapatan nasional semakin besar namun rasio investasi

pemerintah terhadap pendapatan nasional semakain kecil dalam proses

pembangunan ekonomi. Sedangkan menurut Rostow, akan terjadi peralihan

aktivitas pemerintah dari penyediaan prasarana ekonomi ke pengeluaran

untuk layanan sosial seperti kesehatan dan pendidikan pada tahap lanjut

proses pembangunan ekonomi.

Pengeluaran pemerintah pada sektor sosial khususnya kesehatan dan

pendidikan pada dasarnya merupakan bentuk pelayanan publik pemerintah kepada

masyarakat. Menurut Mahmudi (2007) dalam Widodo, Waridin, & K. (2011),

pelayanan publik adalah segala kegiatan pelayanan yang diselenggarakan oleh

penyelenggara pelayanan publik sebagai upaya pemenuhan kebutuhan publik dan

pelaksanaan ketentuan peraturan perundang-undangan. Dalam hal ini,

penyelenggara pelayanan publik yang dimaksud adalah pemerintah baik

31

pemerintah pada tingkat pusat maupun tingkat daerah. Pemenuhan kebutuhan

dasar oleh pemerintah pada sektor ini akan berkontribusi dalam melahirkan

sumber daya manusia yang berkualitas.

Kebutuhan dasar masyarakat yang wajib dipenuhi oleh pemerintah adalah

kesehatan dan pendidikan. Kesehatan merupakan inti dari kesejahteraan,

sedangkan pendidikan merupakan hal yang pokok untuk mencapai kehidupan

yang layak (Suparno, 2014). Anggaran sektor kesehatan dan pendidikan

merupakan upaya pemerintah untuk melahirkan SDM yang berkualitas sehingga

nantinya tercipta tenaga kerja yang produktif. Anggaran pendidikan adalah hal

penting yang harus dilakukan oleh pemerintah karena pendidikan merupakan

salah satu faktor pendorong pertumbuhan ekonomi (Suparno, 2014). Menurut

Dianaputra & Aswitari (2017) serta Zulyanto (2018), pengeluaran pemerintah

pada sektor kesehatan dan pendidikan berdampak positif dan signifikan terhadap

IPM. Maka dari itu, peningkatan jumlah anggaran yang dialokasikan untuk kedua

sektor ini akan berkontribusi dalam meningkatkan IPM di wilayah tersebut.

Sebagai bentuk peningkatan kesejahteraan masyarakat, pemerintah

Indonesia telah mengalokasikan anggaran untuk sektor kesehatan dan pendidikan

baik pada tingkat pusat maupun daerah. Hal ini sesuai dengan amanat UU Nomor

36 tahun 2009 tentang Kesehatan dan UU Nomor 20 tahun 2003 tentang Sistem

Pendidikan Nasional. Besar anggaran kesehatan yang dialokasikan adalah

minimal sebesar 5% dari APBN di luar gaji pada tingkat pusat dan minimal

sebesar 10% dari APBD di luar gaji pada tingkat daerah. Sedangkan besar

anggaran pendidikan yang dialokasikan adalah minimal sebesar 20% dari APBN

pada tingkat pusat dan minimal sebesar 20% dari APBD pada tingkat daerah di

luar gaji pendidik dan biaya pendidikan kedinasan. Jika melihat dari tahun 2010

hingga 2017, maka dapat dikatakan besaran anggaran pendidikan pemerintah

Indonesia menunjukkan trend yang cenderung meningkat. Pada tahun 2017,

anggaran pendidikan Indonesia menyentuh angka sekitar 400 miliar rupiah.

Meskipun demikian, besaran alokasi anggaran pendidikan pada tingkat daerah

masih berbeda-beda di antara satu provinsi dengan provinsi lainnya. Misalnya

pada beberapa provinsi di Indonesia Timur, terdapat perbedaan yang cukup jauh

antara jumlah anggaran pendidikan pemerintah Papua dan pemerintah Gorontalo.

32

D. Hubungan Antar Variabel

Berdasarkan rumusan masalah yang telah dijelaskan, penulis bertujuan

untuk meneliti pengaruh dari tingkat kemiskinan, anggaran kesehatan dan

pendidikan terhadap pembangunan manusia di lima provinsi Kawasan Timur

Indonesia (KTI) tahun 2010-2018. Menurut hasil penelitian yang dilakukan oleh

Syofya (2018) tentang Pengaruh Tingkat Kemiskinan dan Pertumbuhan Ekonomi

Terhadap Indeks Pembangunan Manusia Indonesia, terdapat hubungan negatif dan

signifikan antara tingkat kemiskinan dan pembangunan manusia. Hal ini berarti

ketika tingkat kemiskinan meningkat maka akan menurunkan pembangunan

manusia. Kemudian Fadilah et al. (2018) yang meneliti tentang A Panel

Approach: How Does Government Expenditure Influence Human Development

Index, mendapatkan hasil bahwa anggaran kesehatan dan pendidikan memiliki

pengaruh yang positif dan signifikan terhadap Indeks Pembangunan Manusia

yang diukur berdasarkan tiga komponen yaitu indeks pendidikan, indeks

kesehatan, dan indeks pendapatan. Hal ini menjadi pertimbangan penulis untuk

menggunakan variabel tingkat kemiskinan, anggaran kesehatan dan pendidikan

sebagai variabel bebas untuk melihat sejauh mana pengaruhnya terhadap

pembangunan manusia sehingga dapat dibuat persamaan sebagai berikut:

HDI = f (POV_rate, Health_Budget, Edu_Budget)

Keterangan:

HDI : Human Development Index (Indeks Pembangunan Manusia)

POV_rate : Poverty rate (Tingkat Kemiskinan)

Health_Budget : Anggaran Belanja Daerah Fungsi Kesehatan

Edu_Budget : Anggaran Belanja Daerah Fungsi Pendidikan

1. Hubungan Kemiskinan dengan Pembangunan Manusia

Dalam Kishtainy et al. (2012), sebagian besar faktor-faktor kemiskinan

berada di luar kendali seseorang di antaranya adalah masyarakat miskin tidak

memiliki kekayaan atau barang-barang berharga, masyarakat miskin tidak bisa

mengakses pendidikan karena pada beberapa negara mereka harus membayar

untuk mendapatkan akses serta fasilitas pendidikan, serta kondisi tersebut

menyebabkan mereka memiliki prospek pekerjaan yang kurang baik dan

kesehatan yang memburuk. Kemiskinan merupakan kondisi keterbatasan

33

kemampuan masyarakat untuk memenuhi kebutuhan hidup dengan layak seperti

keterbatasan dalam pendapatan, keterampilan, kondisi kesehatan, penguasaan

aset ekonomi, maupun akses informasi (Isdijoso et al., 2016). Oleh karena itu,

upaya pengentasan kemiskinan perlu dilakukan untuk meningkatkan

pembangunan manusia yang dapat dilihat dari peningkatan pada aspek

kesehatan, pendidikan, dan kesejahteraan masyarakat.

2. Hubungan Anggaran Kesehatan dengan Pembangunan Manusia

Berdasarkan UU Nomor 36 tahun 2009 tentang Kesehatan, pemerintah

daerah dalam hal ini provinsi diamanatkan untuk mengalokasikan anggaran bagi

sektor kesehatan dengan besaran minimal 10% dari APBD di luar gaji.

Anggaran untuk sektor kesehatan merupakan salah satu mandatory spending di

Indonesia yang alokasi belanjanya sudah diatur dalam undang-undang dan

ditujukan untuk meningkatkan sarana dan prasarana fasilitas kesehatan,

meningkatkan kualitas pelayanan kesehatan, penguatan penanganan dan

pencegahan gizi buruk (stunting), serta penguatan program dari pemerintah

dalam rangka peningkatan kesehatan masyarakat. Maka dari itu, diharapkan

alokasi anggaran kesehatan dari pemerintah provinsi dapat meningkatkan

pembangunan manusia dari sisi kesehatan.

3. Hubungan Anggaran Pendidikan dengan Pembangunan Manusia

Sesuai amanat UU Nomor 20 tahun 2003 tentang Sistem Pendidikan

Nasional, maka pemerintah daerah dalam hal ini provinsi diwajibkan

mengalokasikan anggaran untuk sektor pendidikan dengan besaran minimal 20%

dari APBD di luar gaji pendidik dan biaya pendidikan kedinasan. Anggaran

untuk sektor pendidikan juga merupakan mandatory spending selain anggaran

kesehatan. Pengalokasian anggaran untuk sektor pendidikan ditujukan untuk

memperbaiki sarana dan prasarana fasilitas pendidikan, beasiswa bidik misi,

penguatan program pemerintah untuk meningkatkan kualitas pendidikan

masyarakat, serta penguatan program pendidikan vokasi untuk meningkatkan

adanya link and match dengan kebutuhan industri. Dengan demikian, alokasi

anggaran untuk sektor pendidikan dapat menjadi salah satu faktor untuk

meningkatkan pembangunan manusia dari sisi pendidikan.

34

E. Kerangka Pemikiran

Berdasarkan penjelasan teori dan hasil penelitian sebelumnya, kerangka

pemikiran penulis dalam penelitian ini dapat digambarkan sebagai berikut:

Gambar 2.1. Kerangka Berpikir

Penulis melakukan penelitian yang dilatar belakangi dengan data kondisi

pembangunan manusia di Indonesia yang menggambarkan bahwa tingkat

pembangunan manusia di beberapa provinsi masih cukup rendah disertai tingkat

kemiskinan yang masih tinggi. Maka dari itu, penulis bertujuan untuk melihat

sejauh mana pengaruh dari tingkat kemiskinan, alokasi anggaran belanja daerah

fungsi kesehatan dan pendidikan terhadap upaya pembangunan manusia pada lima

provinsi di Kawasan Timur Indonesia tahun 2010-2018. Setelah melakukan

tinjauan pustaka dari beberapa literatur baik yang bersumber dari buku maupun

penelitian sebelumnya serta ketersediaan data-data yang diperoleh, kemudian

penulis menentukan judul dan variabel-variabel dalam penelitian. Selanjutnya,

penulis menentukan model dan metode analisis yang dipilih sesuai dengan tujuan

penelitian. Dengan menggunakan metode analisis data yang telah disebutkan serta

35

tinjauan pustaka yang telah dilakukan, diharapkan penulis dapat menarik

kesimpulan dan memberikan saran melalui penelitian ini.

F. Hipotesis

Dengan mengacu pada kerangka pemikiran dan studi empiris yang telah

dilakukan dalam penelitian-penelitian sebelumnya, maka penulis dapat

merumuskan hipotesis sebagai berikut:

1. H0 : Diduga tidak terdapat pengaruh yang signifikan dari tingkat

kemiskinan secara parsial terhadap pembangunan manusia di lima provinsi

Kawasan Timur Indonesia (KTI) tahun 2010-2018.

Ha : Diduga terdapat pengaruh yang signifikan dari tingkat kemiskinan

secara parsial terhadap pembangunan manusia di lima provinsi Kawasan

Timur Indonesia (KTI) tahun 2010-2018.

2. H0 : Diduga tidak terdapat pengaruh yang signifikan dari anggaran

belanja daerah fungsi kesehatan secara parsial terhadap pembangunan


Ha : Diduga terdapat pengaruh yang signifikan dari anggaran belanja

daerah fungsi kesehatan secara parsial terhadap pembangunan manusia di


3. H0 : Diduga tidak terdapat pengaruh yang signifikan dari anggaran

belanja daerah fungsi pendidikan secara parsial terhadap pembangunan



daerah fungsi pendidikan secara parsial terhadap pembangunan manusia di


4. H0 : Diduga tidak terdapat pengaruh yang signifikan dari tingkat

kemiskinan, anggaran belanja daerah fungsi kesehatan dan pendidikan

secara simultan terhadap pembangunan manusia di lima provinsi Kawasan


Ha : Diduga terdapat pengaruh yang signifikan dari tingkat kemiskinan,

anggaran belanja daerah fungsi kesehatan dan pendidikan secara simultan


(KTI) tahun 2010-2018.

36

BAB III

METODE PENELITIAN

A. Populasi dan Sampel

Menurut Teguh (2005), populasi menunjukkan keadaan dan jumlah obyek

penelitian secara keseluruhan yang memiliki karakteristik tertentu. Populasi dalam

penelitian ini adalah provinsi-provinsi di Kawasan Timur Indonesia dengan nilai

IPM yang termasuk pada kategori menengah untuk tahun 2018. Sedangkan

sampel menunjukkan obyek-obyek penelitian yang memiliki karakteristik tertentu,

yang merupakan fraksi atau kelompok-kelompok tertentu dari suatu populasi

(Teguh, 2005). Dalam penelitian ini, metode penentuan sampel yang digunakan

adalah teknik purposive sampling yaitu metode penentuan sampel berdasarkan

atas pertimbangan atau karakteristik tertentu dari penulis sesuai dengan maksud

dan tujuan tertentu. Penulis menggunakan sampel lima provinsi di Kawasan

Timur Indonesia (KTI) sebagai provinsi dengan tingkat pembangunan manusia

yang masih rendah dan tingkat kemiskinan yang tertinggi di antara provinsi

lainnya. Lima provinsi dengan tingkat pembangunan manusia rendah dan tingkat

kemiskinan tertinggi di Kawasan Timur Indonesia (KTI) dipilih sebagai sampel

oleh penulis dengan maksud untuk melihat sejauh mana pengaruh serta

signifikansi dari tingkat kemiskinan, alokasi anggaran belanja pemerintah daerah

pada sektor kesehatan dan pendidikan terhadap upaya pembangunan manusia pada

masing-masing wilayah tersebut.

Tabel 3.1. Sampel Penelitian

Provinsi IPM (2018) Tingkat Kemiskinan (2018)

Nusa Tenggara Timur 64,39 21,03%

Gorontalo 67,71 15,83%

Maluku 68,87 17,85%

Papua Barat 63,74 22,66%

Papua 60,06 27,43%

Sumber: Badan Pusat Statistik (BPS), April 2019

37

B. Tempat dan Waktu Penelitian

Penelitian ini dilakukan pada lima provinsi di Kawasan Timur Indonesia

(KTI), yaitu: Nusa Tenggara Timur (NTT), Gorontalo, Maluku, Papua Barat, dan

Papua. Lima provinsi tersebut merupakan daerah dengan tingkat pembangunan

manusia yang masih rendah dan tingkat kemiskinan yang tertinggi di antara

provinsi lainnya. Waktu penelitian yang digunakan adalah dari tahun 2010 sampai

2018 karena menyesuaikan dengan perhitungan IPM metode baru menurut BPS.

Penelitian dilakukan dari Januari 2019 hingga Mei 2019. Dalam jangka waktu

tesebut, penelitian dilakukan dari tahap penyusunan proposal, pengumpulan data

penelitian, pengolahan data, hingga penyelesaian hasil penelitian. Pengumpulan

data dilakukan oleh penulis dalam waktu tiga bulan.

C. Sumber Data

Data yang digunakan dalam penelitian ini adalah data kuantitatif yakni

data-data yang disajikan dalam bentuk angka atau bilangan. Jenis data yang

digunakan dalam penelitian ini adalah data sekunder yakni jenis data yang

diperoleh melalui hasil pengolahan pihak kedua dari hasil penelitian lapangannya,

baik berupa data kualitatif maupun kuantitatif (Teguh, 2005). Jenis data ini

diperoleh melalui monografi yang diterbitkan oleh masing-masing lembaga,

laporan baik mingguan, bulanan, triwulan, maupun tahunan, buku-buku profil,

literatur, majalah-majalah, dan publikasi data dari media surat kabar. Data

sekunder diperoleh penulis dari beberapa lembaga resmi terkait sebagai berikut:

1. Data Indeks Pembangunan Manusia

Untuk melihat hasil pembangunan sumber daya manusia pada masing-masing

provinsi, penulis memproksikan dengan menggunakan data Indeks

Pembangunan Manusia (Human Development Index). Data ini diperoleh dari

Badan Pusat Statistik Indonesia yang sesuai dengan Human Development

Report yang dipublikasikan setiap tahun oleh United Nations Development

Programme (UNDP). Indeks Pembangunan Manusia adalah gabungan indeks

yang berfokus pada tiga dimensi penting dalam pembangunan manusia, yaitu:

kemampuan untuk menjalani hidup yang panjang dan sehat yang diukur dari

harapan hidup saat lahir; kemampuan untuk memperoleh pengetahuan yang

diukur dari rata-rata tahun sekolah dan tahun sekolah yang diharapkan; dan

38

kemampuan untuk mencapai standar hidup yang layak yang diukur dari

pengeluaran per kapita.

2. Data Kemiskinan

Data Kemiskinan digunakan oleh penulis untuk melihat bagaimana tingkat

kemiskinan pada masing-masing provinsi. Data kemiskinan ini diperoleh dari

Badan Pusat Statistik (BPS) Indonesia.

3. Data Anggaran Kesehatan dan Pendidikan

Sumber data yang penulis gunakan untuk variabel anggaran belanja fungsi

kesehatan dan pendidikan pada tingkat pemerintah pusat diperoleh dari

Kementerian Keuangan Republik Indonesia. Sedangkan data anggaran

belanja fungsi kesehatan dan pendidikan pada tingkat pemerintah daerah

diperoleh dari Direktorat Jenderal Perimbangan Keuangan (DJPK)

Kementerian Keuangan Republik Indonesia.

D. Instrumen Penelitian

Instrumen penelitian merupakan alat atau fasilitas yang digunakan untuk

membantu peneliti dalam mengumpulkan data. Instrumen penelitian yang

digunakan adalah dokumen-dokumen berisi data dari lembaga terkait. Data

tersebut dapat menunjang penelitian dalam mengukur fenomena yang sedang

diamati. Fenomena ini secara spesifik disebut sebagai variabel. Oleh karena itu,

keberhasilan suatu penelitian salah satunya ditentukan oleh pemilihan instrumen

penelitian yang tepat dan sesuai. Penelitian ini menggunakan tiga variabel bebas

(independent variable) dan satu variabel terikat (dependent variable). Variabel

bebas yang digunakan adalah tingkat kemiskinan, anggaran belanja daerah fungsi

kesehatan dan pendidikan. Variabel tingkat kemiskinan digunakan untuk melihat

pengaruhnya dari kesejahteraan masyarakat terhadap pembangunan manusia.

Variabel anggaran belanja daerah fungsi kesehatan dan pendidikan untuk melihat

pengaruhnya dari sisi pemerintah yang terkait dengan upaya pembangunan

manusia. Variabel terikat yang digunakan adalah IPM karena untuk melihat sejauh

mana dampak tingkat kemiskinan serta alokasi anggaran daerah untuk sektor

kesehatan dan pendidikan dapat mempengaruhi tingkat pembangunan manusia

yang masih rendah di Kawasan Timur Indonesia.

39

E. Teknik Pengumpulan Data

Untuk memperoleh hasil penelitian yang sesuai dengan tujuan, maka

pengumpulan data merupakan hal penting yang harus dilakukan dalam

penyusunan sebuah hasil penelitian. Dalam hal ini, penulis menggunakan metode

tertentu yang sesuai untuk memperoleh data yang menunjang penelitian. Metode

yang digunakan penulis dalam penelitian ini adalah metode dokumentasi. Metode

dokumentasi adalah metode yang digunakan untuk memperoleh data-data tertulis

dari dokumen-dokumen atau catatan-catatan yang tersimpan.

F. Teknik Pengolahan Data

1. Pendekatan Penelitian

Pendekatan yang sesuai dengan data dalam penelitian ini adalah pendekatan

kuantitatif. Pendekatan ini menekankan pada angka-angka di mana dari data

yang diperoleh kemudian penulis melakukan analisis dan diharapkan dapat

memberikan kesimpulan yang tepat.

2. Uji Asumsi Klasik

Dalam penelitian ini, dilakukan uji asumsi klasik sebagai syarat-syarat

yang harus dipenuhi oleh model regresi linier sehingga model tersebut

menjadi valid. Adapun uji asumsi klasik yang dilakukan oleh penulis, yaitu

uji normalitas, uji heteroskedastisitas, dan uji multikolinearitas.

a. Uji Normalitas

Pengujian ini dilakukan untuk melihat sebaran data (residual) dalam

sebuah model regresi apakah terdistribusi normal atau tidak. Uji

normalitas dalam penelitian ini dilakukan menggunakan histogram

dengan melihat nilai probabilitas. Bila nilai probabilitas yang didapatkan

lebih besar dari taraf signifikansi 5%, maka hasil menunjukkan tidak

signifikan dan dapat dikatakan data berdistribusi normal.

b. Uji Heteroskedastisitas

Pengujian ini dilakukan untuk melihat apakah terjadi ketidaksamaan

varian dari residu pada model regresi linier. Terdapat beberapa cara

untuk melakukan uji heteroskedastisitas, yaitu: Uji Glejser, Uji Park, Uji

40

Spearman, atau dengan grafik (Scatterplot). Dalam penelitian ini, uji

heteroskedastisitas dilakukan dengan menggunakan Uji Glejser. Uji

Glejser dilakukan dengan melihat nilai signifikansi (Sig.) dan taraf

signifikansi. Jika nilai signifikansi lebih besar dari taraf signifikansi 5%,

maka tidak terjadi masalah heteroskedastisitas.

c. Uji Multikolinearitas

Multikolinearitas terjadi jika antar variabel bebas dalam sebuah model

memiliki hubungan atau korelasi yang sempurna atau mendekati

sempurna. Ketika dilakukan penambahan atau pengurangan variabel

bebas dalam sebuah model kemudian koefisien beta variabel bebas

mengalami perubahan yang cukup drastis, maka model tersebut terdapat

gejala multikolinearitas. Uji multikolinearitas dalam penelitian ini

dilakukan dengan melihat nilai koefisien korelasi Pearson yang

ditunjukkan dalam tabel korelasi. Jika nilai korelasi antar variabel bebas

bernilai kurang dari 0,8, maka tidak terindikasi adanya multikolinearitas.

3. Analisis Data Panel

Penelitian ini menggunakan metode analisis data panel. Data panel

atau pooled data merupakan data yang terdiri dari gabungan data cross-

section (beberapa objek) dan time-series (berdasarkan waktu). Menurut

Gujarati (2005) dalam Suliyanto (2011), data panel atau pool data merupakan

kombinasi data time series dan cross section, micropanel data, longitudinal

data, analisis even history dan analisis cohort. Analisis data panel ini sesuai

dengan penelitian penulis yang menganalisis pengaruh kemiskinan, anggaran

kesehatan dan pendidikan terhadap pembangunan manusia menggunakan

studi kasus lima provinsi di Kawasan Timur Indonesia yang termasuk

kategori tingkat pembangunan manusia rendah dan menengah dengan tahun

yang akan diteliti dari tahun 2010 hingga 2018.

Model dengan data cross-section digambarkan sebagai berikut:

Yi = α + βXi + εi ; i = 1, 2,… N.

Di mana:

N = banyaknya data cross-section

41

Model dengan data time-series digambarkan sebagai berikut:

Yt = α + βXt + εt ; t = 1, 2,…T.

Di mana:

T = banyaknya data time-series

Data panel merupakan gabungan antara data cross-section dan data

time-series, maka model persamaan dapat digambarkan sebagai berikut:

Yit = α + βXit + εit ; i = 1, 2,…. ,N; t = 1, 2,…., T

Di mana:

N = Banyaknya data cross-section

T = Banyaknya data time-series

N T = Banyaknya data panel

Menurut Suliyanto (2011), terdapat beberapa alasan data panel lebih

baik digunakan dalam model-model regresi dibandingkan data time series

maupun cross section yaitu sebagai berikut:

a. Data panel memiliki tingkat heterogenitas yang tinggi karena melibatkan

beberapa individu dalam beberapa waktu. Maka dari itu, dapat diestimasi

karakteristik pada masing-masing individu berdasarkan heterogenitasnya.

b. Data panel memberikan data yang lebih informatif, bervariasi, serta

memiliki tingkat kolinieritas yang rendah karena menggabungkan data

time series dan cross section.

c. Data panel cocok untuk studi perubahan dinamis karena merupakan data

cross section yang diulang-ulang (series).

d. Data panel mampu mendeteksi dan mengukur pengaruh yang tidak dapat

diobservasi dengan data time series murni atau cross section murni.

e. Data panel mampu memelajari model perilaku yang lebih kompleks.

Dalam Suliyanto (2011), data panel dikelompokkan menjadi dua

berdasarkan keseimbangan datanya yaitu sebagai berikut:

a. Data panel seimbang (balanced panel)

Data panel seimbang jika setiap unit cross section-nya memiliki jumlah

observasi time series yang sama.

42

b. Data panel tidak seimbang (unbalanced panel)

Data panel tidak seimbang jika setiap unit cross section tidak memiliki

jumlah observasi time series yang sama.

4. Estimasi Model Data Panel

Terdapat tiga pendekatan yang dapat digunakan dalam mengestimasi

model data panel, yaitu sebagai berikut:

a. Pendekatan Pooled Least Square (PLS) atau Common Effect

Model pendekatan PLS ini adalah pendekatan model data panel yang paling

sederhana karena tidak memperhatikan dimensi antar individu maupun waktu.

Maka dari itu, model ini dapat disebut sebagai model OLS (Ordinary Least

Square) dengan data panel yang menggunakan kuadrat terkecil.

b. Pendekatan Efek Tetap (Fixed Effect Model)

Model efek tetap menyatakan bahwa suatu objek memiliki konstanta

(intercept) dan koefisien regresi yang besarnya tetap untuk berbagai periode

waktu. FEM dapat melihat pengaruh dari masing-masing individu dan waktu.

c. Pendekatan Efek Acak (Random Effect Model)

Pendekatan ini digunakan untuk mengatasi kekurangan FEM yang tidak pasti

akibat penggunaan variabel semu. REM melibatkan adanya residual (error

term) yang diduga memiliki korelasi antar waktu dan objek.

5. Pemilihan Model Data Panel

Dalam pemilihan model data panel, terdapat beberapa pengujian yang

harus dilakukan.

a. Uji Chow

Pengujian ini dilakukan untuk melihat model mana antara PLS dan FEM yang

lebih cocok dalam suatu penelitian. Jika hasil menunjukkan model PLS yang

diterima, maka penelitian tersebut menggunakan model PLS. Sebaliknya, jika

FEM diterima, maka pengujian tahap kedua dilakukan. Uji Chow ini

menggunakan F-Restricted.

H0 : Model PLS atau Common Effect

Ha : Model Fixed Effect

43

Uji F-Restricted dapat dirumuskan sebagai berikut:

F =

( )

Di mana:

R2

UNRESTRICTED : R2

Model Fixed Effect

R2

RESTRICTED : R2 Model PLS

K : jumlah individu

N : jumlah data/total observasi

Jika nilai p-value lebih kecil dari taraf signifikansi (α = 5%), maka tolak

H0. Hasil ini menandakan bahwa model Fixed Effect lebih cocok untuk

digunakan. Sebaliknya jika tidak tolak H0, maka model PLS lebih cocok

digunakan dalam estimasi.

b. Uji Hausman

Pengujian ini digunakan untuk membandingkan antara model Fixed Effect

dan Random Effect. Uji Hausman ini menggunakan Chi-square statistic.

H0 : Model Random Effect


Jika nilai statistik uji Hausman yang diperoleh lebih besar dari Chi-

square statistic, maka hasilnya adalah tolak H0 yang artinya model Fixed

Effect lebih cocok.

6. Model Empiris

Gambar 3.1. Model Regresi Data Panel

44

Dalam penelitian ini, persamaan yang menunjukkan hubungan antar variabel

yang dihipotesiskan adalah sebagai berikut:

LN_HDIit = β0 + β1 (POV_rateit) + β2 (LN_Healthit) + β3 (LN_Eduit) + eit

Di mana:

LN_HDIit = Indeks Pembangunan Manusia di provinsi i pada periode t

POV_rateit = Tingkat kemiskinan di provinsi i pada periode t

LN_Healthit = Anggaran belanja daerah fungsi kesehatan di provinsi i

pada periode t

LN_Eduit = Anggaran belanja daerah fungsi pendidikan di provinsi i

pada periode t

β0 = Intersep/konstanta

β1, β2, β3, β4 = Koefisien regresi

eit = error term

7. Uji Hipotesis

a. Koefisien Determinasi (Goodness of Fit)

Koefisien determinasi (R2) digunakan untuk melihat bagaimana pengaruh

variabel bebas terhadap variabel terikat. Nilai koefisien determinasi dapat

dilihat dari R-square (jika variabel bebas hanya satu) atau Adjusted R-

square (jika variabel bebas lebih dari satu). Pengujian ini dilakukan untuk

melihat apakah sebuah model regresi tepat atau tidak digunakan sebagai

alat analisis. Jika nilai R2

semakin besar (mendekati 1) maka model

semakin tepat karena variansi dari regressand (Y) dapat dijelaskan oleh

regressor (X) dan sebaliknya.

b. Uji Simultan (Uji F-Statistik)

Uji F dilakukan dengan membandingkan hasil F-hitung dan F-tabel untuk

melihat apakah terdapat pengaruh dari semua variabel bebas (secara

simultan) terhadap variabel terikat.

H0 β = 0, di mana tidak ada pengaruh signifikan dari variabel bebas

terhadap variabel terikat secara simultan

Variabel Terikat (Y2)

Kemiskinan

45

H0 β > 0, di mana ada pengaruh signifikan dari variabel bebas

terhadap variabel terikat secara simultan

Dengan taraf signifikansi sebesar 5% (α = 0,05), maka kriteria

penilaiannya adalah sebagai berikut:

1) Jika F-hitung > F-tabel, maka tolak H0 berarti ada pengaruh signifikan

dari variabel bebas terhadap variabel terikat secara simultan.

Jika t-hitung < t-tabel, maka terima H0 berarti tidak ada pengaruh

signifikan dari variabel bebas terhadap variabel terikat secara simultan.

c. Uji Parsial (Uji t-Statistik)

Uji t dilakukan dengan membandingkan hasil t-hitung dan t-tabel untuk

melihat apakah terdapat pengaruh dari masing-masing variabel bebas

(secara parsial) terhadap variabel terikat.

H0 β = 0, di mana tidak ada pengaruh signifikan dari variabel bebas

terhadap variabel terikat secara individu/parsial

H0 β > 0, di mana ada pengaruh signifikan dari variabel bebas

terhadap variabel terikat secara individu/parsial

Dengan taraf signifikansi sebesar 5% (α = 0,05), maka kriteria

penilaiannya adalah sebagai berikut:

1) Jika t-hitung > t-tabel, maka tolak H0 berarti ada pengaruh signifikan

dari variabel bebas terhadap variabel terikat secara individu/parsial.

2) Jika t-hitung < t-tabel, maka terima H0 berarti tidak ada pengaruh

signifikan dari variabel bebas terhadap variabel terikat secara

individu/parsial.

46

BAB IV

ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

Indonesia Timur atau Kawasan Timur Indonesia (KTI) merupakan sebuah

kawasan yang berada di bagian timur Indonesia meliputi Sulawesi, Bali,

Kepulauan Nusa Tenggara, Kepulauan Maluku, dan Papua. Sebelumnya kawasan

ini disebut sebagai Timur Raya pada masa Hindia Belanda dan disebut sebagai

Negara Indonesia Timur (kecuali Papua) pada masa Republik Indonesia Serikat

(RIS). Pada saat ini, Kawasan Timur Indonesia terdiri dari 13 provinsi, yaitu: Bali,

Nusa Tenggara Barat, Nusa Tenggara Timur, Sulawesi Barat, Sulawesi Selatan,

Sulawesi Tengah, Sulawesi Tenggara, Sulawesi Utara, Gorontalo, Maluku,

Maluku Utara, Papua Barat, dan Papua.

Tabel 4.1. Proyeksi Penduduk Kawasan Timur Indonesia (ribu jiwa)

PROVINSI TAHUN

2015 2020 2025 2030

Nusa Tenggara Timur 5.120,10 5.541,40 5.970,80 6.402,20

Gorontalo 1.133,20 1.219,60 1.299,70 1.370,20

Maluku 1.686,50 1.831,90 1.972,70 2.104,20

Papua Barat 871,50 981,80 1.092,20 1.200,10

Papua 3.149,40 3.435,40 3.701,70 3.939,40

Sumber: Badan Pusat Statistik (BPS), 2014

Berdasarkan data Badan Pusat Statistik tahun 2014 yang digambarkan

pada tabel 4.1 di atas, dapat kita lihat proyeksi jumlah penduduk beberapa

provinsi di Kawasan Timur Indonesia yang menjadi objek dalam penelitian ini.

Menurut data proyeksi penduduk tersebut, pertumbuhan jumlah penduduk di

Kawasan Timur Indonesia tidak terlalu tinggi. Pada tahun 2020, provinsi Nusa

Tenggara Timur akan memiliki jumlah penduduk yang paling banyak yakni

5.541.400 jiwa di antara lima provinsi lainnya. Sedangkan provinsi Papua Barat

memiliki jumlah penduduk yang paling sedikit dari empat provinsi lainnya yakni

sebanyak 981.800 jiwa. Meskipun terjadi peningkatan jumlah penduduk, namun

dapat dikatakan bahwa proyeksi penduduk dari lima provinsi tersebut hingga

tahun 2030 bahkan tidak sampai 30%.

47

Tabel 4.2. Jumlah Penduduk Miskin Kawasan Timur Indonesia (ribu jiwa)

PROVINSI TAHUN

2015 2016 2017 2018

Nusa Tenggara Timur 1.160,53 1.150,08 1.134,74 1.134,11

Gorontalo 206,51 203,69 200,91 188,30

Maluku 327,78 331,79 320,42 317,84

Papua Barat 225,54 223,6 212,86 213,67

Papua 898,21 914,87 910,42 915,22

Sumber: Badan Pusat Statistik (BPS), Januari 2019

Ketimpangan dan kemiskinan yang terjadi di Indonesia selama ini

terkonsentrasi pada wilayah-wilayah di Indonesia Timur, khususnya di wilayah

pedesaan. Berdasarkan data Badan Pusat Statistik tahun 2019, pada tahun 2018

Nusa Tenggara Timur merupakan provinsi yang memiliki jumlah penduduk

miskin terbanyak yaitu sebesar 1.134.110 jiwa di antara lima provinsi tersebut.

Sementara itu, Gorontalo merupakan provinsi dengan jumlah penduduk miskin

paling sedikit yaitu sebanyak 188.300 jiwa. Kondisi ini yang menjadi salah satu

alasan pemerintah kini juga memfokuskan pembangunan di Kawasan Timur

Indonesia untuk mengurangi kesenjangan antar-wilayah.

Menurut Bappenas (Badan Perencanaan Pembangunan Nasional), kondisi-

kondisi riil wilayah Kawasan Timur Indonesia adalah sebagai berikut :

1. Keterbatasan penyediaan sarana dasar

2. Keterbatasan prasarana pendukung perekonomian, misalnya persediaan air

minum, air bersih, listrik, dan energi

3. Keterbatasan sarana dan prasarana transportasi untuk meningkatkan

aksesibilitas ekonomi

4. Masih rendahnya kualitas sumber daya manusia

5. Rawan terhadap ancaman separatisme (memisahkan diri dari Indonesia)

Untuk meningkatkan keseimbangan serta pemerataan pembangunan antara

Kawasan Indonesia Barat dan Kawasan Indonesia Timur, pemerintah

mempercepat pembangunan baik dari sisi fisik berupa infrastruktur maupun dari

sisi sosial yakni kualitas sumber daya manusia. Pembangunan yang dilakukan

oleh pemerintah juga disesuaikan dengan keunggulan kompetitif wilayah masing-

masing. Berdasarkan Kementerian Pekerjaan Umum dan Perumahan Rakyat

48

(PUPR), Kawasan Timur Indonesia kini menjadi fokus pembangunan

infrastruktur dan konektivitas untuk mengurangi disparitas antara kawasan timur

dan barat Indonesia. Sementara itu, salah satu upaya untuk menurunkan disparitas

pembangunan di Kawasan Timur Indonesia adalah dengan perbaikan pelayanan

dasar. Hal ini dapat dilakukan dengan pemenuhan akses masyarakat terhadap

kesehatan dan pendidikan yang dapat meningkatkan kualitas sumber daya

manusia dan akan berdampak langsung pada indeks pembangunan manusia.

1. Nusa Tenggara Timur (NTT)

Nusa Tenggara Timur merupakan salah satu provinsi dengan tingkat

kemiskinan tertinggi di Indonesia berada di urutan ketiga setelah Papua dan

Papua Barat (BPS Indonesia, 2019). Jika melihat berdasarkan wilayahnya,

tingkat kemiskinan di NTT lebih tinggi di kawasan perdesaan (24,74%)

dibanding kawasan perkotaan (9,09%). Kemiskinan di NTT selalu menjadi fokus

pembangunan bagi pemerintah baik pusat maupun daerah melihat masih

banyaknya jumlah penduduk miskin serta letak wilayahnya yang berada di

perbatasan antara Indonesia dan Timor Leste.


Berdasarkan data BPS, dapat dikatakan bahwa tingkat kemiskinan di

Provinsi NTT mengalami fluktuasi dan cenderung menurun dari tahun 2010

hingga 2018. Tingkat kemiskinan tertinggi yakni pada tahun 2010 sebesar

23,03%. Sedangkan tingkat kemiskinan terendah dicapai oleh Provinsi NTT

pada tahun 2014 yaitu sebesar 19,60%. Pada tahun 2015, tingkat kemiskinan

Provinsi NTT mengalami peningkatan yang cukup signifikan menjadi 22,58%.

23,03

21,23

20,41 20,24

19,60

22,58

22,01

21,38 21,03

19

20

21

22

23

24

2010 2011 2012 2013 2014 2015 2016 2017 2018

Grafik 4.1. Tingkat Kemiskinan (dalam persen)

49

Meskipun demikian, kemiskinan di NTT kembali mengalami penurunan hingga

mencapai 21,03% pada tahun terakhir. Berdasarkan laporan Bappenas dan

UNICEF (United Nations Children’s Fund), pada tahun 2015 lebih dari

seperempat anak-anak di NTT hidup di bawah garis kemiskinan internasional

US$ 1,90 (PPP) per orang dalam satu hari (Bappenas dan UNICEF, 2019).

Menurut Matondang (2017), kemiskinan di NTT dapat disebabkan oleh

beberapa faktor, yakni tanahnya yang kering dan kurang subur serta

permasalahan sosial yang sering terjadi di masyarakat.

Berdasarkan Program Pangan Dunia Perserikatan Bangsa-Bangsa (WFP),

NTT merupakan provinsi selain Papua yang mayoritas kabupatennya memiliki

tingkat kerawanan pangan tinggi (Bank Dunia Indonesia, 2017). Hal ini tentu

saja dapat berdampak buruk bagi keluarga miskin. Oleh karena itu, pemerintah

pusat maupun daerah telah memberikan beberapa program untuk mengentaskan

kemiskinan di NTT. Program tersebut di antaranya adalah PKH (Program

Keluarga Harapan), Subsidi Rastra (Beras Sejahtera), dan program Dana Desa

yang telah dialokasikan sejak tahun 2015. Namun menurut Bappenas (2017),

PKH dan Rastra dianggap belum efektif di NTT karena masih kurangnya sinergi

antara pemerintah pusat dan daerah.

Tabel 4.3. Anggaran Kesehatan dan Pendidikan (dalam Rupiah)

Tahun Kesehatan Pendidikan

2010 83.979.309.250 55.872.712.111

2011 142.068.878.326 82.903.236.761

2012 165.695.156.349 91.083.795.500

2013 574.035.036.408 248.605.077.141

2014 198.569.827.000 65.216.268.000

2015 46.621.066.071 50.340.148.922

2016 259.928.934.497 92.805.528.096

2017 45.134.588.871 50.575.368.555

2018 305.991.588.680 1.190.841.423.000 Sumber: Direktorat Jenderal Perimbangan Keuangan Kemenkeu RI, 2018

Berdasarkan data dari DJPK (Direktorat Jenderal Perimbangan

Keuangan) pada tabel 4.3 di atas, dapat dikatakan bahwa jumlah anggaran

pemerintah daerah NTT yang dialokasikan untuk sektor kesehatan dan

pendidikan mengalami fluktuasi. Jumlah anggaran kesehatan yang terbesar

adalah pada tahun 2013 yaitu sebesar 574 miliar rupiah dialokasikan untuk

50

meningkatkan kesehatan masyarakat. Sementara jumlah anggaran pendidikan

yang terbesar adalah pada tahun 2018 yaitu mencapai 1,19 triliun rupiah.

Peningkatan anggaran pendidikan ini dapat dikatakan cukup signifikan.

Diharapkan dengan alokasi anggaran kesehatan dan pendidikan ini dapat

meningkatkan kualitas SDM di provinsi NTT.


Berdasarkan data Badan Pusat Statistik pada grafik 4.2 di atas, dapat

dikatakan bahwa tingkat pembangunan manusia yang dicapai oleh Provinsi NTT

selalu meningkat dari tahun 2010 hingga tahun 2018 meskipun peningkatan ini

tidak terlalu besar. Pencapaian IPM yang tertinggi adalah pada tahun 2018 yaitu

64,39. Sementara itu, indeks pembangunan manusia yang dicapai oleh provinsi

ini memiliki nilai terendah pada tahun 2010 yaitu 59,21 di mana nilai ini

merupakan tingkat pembangunan manusia rendah. Jika dilihat secara

keseluruhan dari tahun 2010 hingga 2018, nilai IPM Provinsi NTT masih berada

di kisaran 60 hingga 64 sehingga provinsi ini masih termasuk kategori tingkat

pembangunan manusia menengah. Kota Kupang memiliki nilai IPM tertinggi

sebesar 78,25 sedangkan Sabu Raijua merupakan kabupaten dengan nilai IPM

terendah sebesar 55,22 (BPS Indonesia, 2018). Meskipun terjadi peningkatan

nilai IPM dari tahun 2010 hingga 2018, sayangnya belum terdapat pemerataan

tingkat pembangunan pada kabupaten-kabupaten di NTT. Hal ini dapat dilihat

dari mayoritas kabupaten yang masih berada di kategori rendah dan menengah

sedangkan hanya satu daerah yaitu Kota Kupang sebagai ibu kota provinsi NTT

yang sudah berada di kategori tinggi.

59,21

60,24 60,81

61,68 62,26

62,67 63,13

63,73 64,39

58

59

60

61

62

63

64

65

2010 2011 2012 2013 2014 2015 2016 2017 2018

Grafik 4.2. Indeks Pembangunan Manusia

51

2. Gorontalo

Gorontalo merupakan provinsi dengan tingkat kemiskinan tertinggi di

antara provinsi lainnya di Pulau Sulawesi (BPS Indonesia, 2019). Jika melihat

berdasarkan wilayahnya, tingkat kemiskinan di Gorontalo lebih tinggi di

kawasan perdesaan (23,86%) dibanding kawasan perkotaan (4,45%). Menurut

Badan Perencanaan, Penelitian, dan Pengembangan Daerah (Bappeda)

Gorontalo, pembangunan di Gorontalo telah cukup meningkatkan kesejahteraan

masyarakat namun masih menghadapi beberapa permasalahan, yaitu masih

lambatnya pertumbuhan ekonomi, tingginya angka kemiskinan, serta masih

tingginya ketimpangan antar masyarakat dan kesenjangan antar daerah (Bappeda

dan BPS Gorontalo, 2017). Berdasarkan laporan Bappenas dan UNICEF, selain

NTT pada tahun 2015 lebih dari seperempat anak-anak di Gorontalo juga hidup

di bawah garis kemiskinan internasional US$ 1,90 (PPP) per orang dalam satu

hari (Bappenas dan UNICEF, 2019). Oleh karena itu, salah satu tujuan penting

dalam Rencana Pembangunan Jangka Menengah Daerah (RPJMD) Gorontalo

tahun 2010-2017 adalah pengentasan kemiskinan.



Gorontalo cenderung mengalami penurunan dari tahun 2010 hingga 2018.

Tingkat kemiskinan tertinggi yakni pada tahun 2010 sebesar 23,19%. Sedangkan

tingkat kemiskinan terendah dicapai oleh Gorontalo pada tahun 2018 yaitu

sebesar 15,83%. Meskipun demikian, tingkat kemiskinan Gorontalo sedikit

mengalami fluktuasi. Pada tahun 2011 hingga 2012 mengalami penurunan

hingga mencapai 17,22%. Namun kemudian di tahun selanjutnya yaitu pada

23,19

18,75 17,22

18,01 17,41

18,16 17,63 17,14 15,83

13

15

17

19

21

23

25

2010 2011 2012 2013 2014 2015 2016 2017 2018


52

tahun 2013, tingkat kemiskinan Gorontalo mengalami peningkatan menjadi

18,01% lalu kembali menurun di tahun 2014 dan meningkat di tahun 2015

menjadi 18,16%. Meskipun demikian, kemiskinan di Gorontalo kembali

mengalami penurunan hingga mencapai 15,83% pada tahun terakhir.

Jika membandingkan dengan empat provinsi lainnya di Kawasan Timur

Indonesia yaitu NTT, Maluku, Papua Barat, dan Papua, maka Gorontalo

memiliki tingkat kemiskinan yang paling rendah. Menurut data Bank Indonesia

Gorontalo (2018), perbaikan tingkat kemiskinan Gorontalo terjadi karena adanya

penurunan jumlah penduduk miskin dan perbaikan ketimpangan pendapatan

antar masyarakat. Jumlah penduduk miskin di Gorontalo mengalami penurunan

yang cukup signifikan dari 1.150.080 jiwa pada tahun 2016 menjadi 1.134.740

jiwa pada tahun 2017. Oleh karena itu, dalam upaya pengentasan kemiskinan

maka sektor pertanian, kehutanan, dan perikanan berperan penting bagi

perekonomian Gorontalo (Bappeda dan BPS Gorontalo, 2017). Sektor pertanian,

kehutanan, dan perikanan merupakan sektor yang mendominasi perekonomian

Gorontalo. Dengan demikian, diharapkan peningkatan pada sektor ini akan

berkontribusi dalam menurunkan angka kemiskinan di Gorontalo.



2010 22.207.276.336 48.422.442.269

2011 25.808.639.647 66.836.783.302

2012 35.620.621.365 54.866.882.859

2013 61.653.398.122 63.864.303.406

2014 84.579.441.957 83.797.397.579

2015 24.600.779.660 52.497.993.005

2016 167.085.856.255 117.107.913.756

2017 21.143.050.367 74.510.509.686

201 131.453.779.736 434.486.076.568 Sumber: Direktorat Jenderal Perimbangan Keuangan Kemenkeu RI, 2018

Berdasarkan data dari DJPK di atas, dapat dikatakan bahwa jumlah

anggaran pemerintah daerah Gorontalo yang dialokasikan untuk sektor

kesehatan dan pendidikan mengalami fluktuasi. Jumlah anggaran kesehatan yang

terbesar adalah pada tahun 2016 yaitu sebesar 167 miliar rupiah. Sementara itu,

jumlah anggaran pendidikan yang terbesar adalah pada tahun 2018 yaitu sebesar

53

434 miliar rupiah. Diharapkan dengan alokasi anggaran kesehatan dan

pendidikan ini dapat meningkatkan kualitas SDM di provinsi Gorontalo.


Berdasarkan data pada grafik 4.4 di atas, dapat dikatakan bahwa tingkat

pembangunan manusia yang dicapai oleh Gorontalo selalu meningkat dari tahun

2010 hingga tahun 2018. Pencapaian IPM yang tertinggi adalah pada tahun 2018

yaitu 67,71. Sementara itu, indeks pembangunan manusia yang dicapai oleh

provinsi ini memiliki nilai terendah pada tahun 2010 yaitu 62,65. Jika dilihat

secara keseluruhan dari tahun 2010 hingga 2018, nilai IPM Provinsi Gorontalo

masih berada di kisaran 62 hingga 68 sehingga provinsi ini masih termasuk

kategori tingkat pembangunan manusia menengah. Kota Gorontalo merupakan

wilayah di Provinsi Gorontalo yang memiliki IPM tertinggi yaitu sebesar 76,09

sedangkan Kabupaten Gorontalo Utara menjadi wilayah dengan nilai IPM

terendah yakni sebesar 63,52 (BPS Indonesia, 2018). Gorontalo memiliki nilai

IPM yang selalu meningkat dari tahun 2010 hingga 2018. Sayangnya, masih

terdapat ketimpangan dalam tingkat pembangunan manusia pada kabupaten-

kabupaten di Gorontalo dilihat dari mayoritas kabupaten masih berada pada

kategori menengah sedangkan hanya Kota Gorontalo yang sudah tinggi.

3. Maluku

Maluku merupakan provinsi dengan tingkat kemiskinan tertinggi baik di

Indonesia maupun di Kawasan Timur Indonesia setelah Nusa Tenggara Timur

(BPS Indonesia, 2019). Jika melihat berdasarkan wilayahnya, tingkat

kemiskinan di Maluku lebih tinggi di kawasan perdesaan (26,61%) dibanding

62,65

63,48 64,16

64,70 65,17

65,86 66,29

67,01 67,71

61

62

63

64

65

66

67

68

69

2010 2011 2012 2013 2014 2015 2016 2017 2018


54

kawasan perkotaan (6,15%). Sebanyak 40% penduduk di Maluku adalah anak-

anak dan data tahun 2015 menunjukkan bahwa sekitar 24% atau sebanyak

160.000 anak hidup di bawah garis kemiskinan provinsi yaitu sebesar Rp 13.139

per orang per hari (Bappenas dan UNICEF, 2019).



Provinsi Maluku cenderung mengalami penurunan dari tahun 2010 hingga 2018.

Tingkat kemiskinan tertinggi yakni pada tahun 2010 sebesar 27,74%. Sedangkan

tingkat kemiskinan terendah dicapai oleh Provinsi Maluku pada tahun 2018

yaitu sebesar 17,85%. Secara keseluruhan dari tahun 2010 ke 2018, terjadi

penurunan tingkat kemiskinan yang cukup signifikan di Maluku.

Menurut Bank Indonesia Maluku (2018), terjadi peningkatan

kesejahteraan penduduk yang dapat dilihat dari menurunnya jumlah penduduk

miskin di Maluku. Pada tahun 2017, penduduk miskin Maluku sebanyak

320.420 jiwa dan menurun menjadi 317.840 jiwa pada tahun 2018. Meskipun

demikian, terjadi peningkatan jumlah penduduk miskin di kawasan perdesaan

dikarenakan terjadi penurunan pendapatan masyarakat desa akibat penurunan

harga komoditas perkebunan dan pertanian (Bank Indonesia Maluku, 2018).

Hasil penelitian Satyakti, Pamungkas, Rum, Sihaloloho, & Rijoly (2018)

menunjukkan bahwa penurunan kemiskinan di kawasan perdesaan Maluku dapat

dilakukan dengan menerapkan kebijakan langsung yang berkaitan dengan

pemberdayaan masyarakat desa. Upaya pemberdayaan masyarakat ini salah

27,74

23,00

20,76

19,27 18,44

19,36 19,26 18,29 17,85

15

17

19

21

23

25

27

29

2010 2011 2012 2013 2014 2015 2016 2017 2018


55

satunya dapat dilakukan dengan kebijakan langsung transfer pemerintah untuk

pemberdayaan perekonomian lokal.



2010 86.331.379.197 147.242.071.296

2011 113.984.123.580 142.332.875.789

2012 117.980.407.791,88 104.266.220.752,11

2013 170.803.401.282 91.881.312.068

2014 81.510.352.157 43.068.964.652

2015 68.519.503.263 73.237.730.282

2016 255.669.820.943 179.704.755.892

2017 70.318.878.888 80.896.939.805



anggaran pemerintah daerah Maluku yang dialokasikan untuk sektor kesehatan

dan pendidikan mengalami fluktuasi. Jumlah anggaran kesehatan yang terbesar

adalah pada tahun 2018 yaitu sebesar 285 miliar rupiah. Begitu juga dengan

sektor pendidikan, jumlah anggaran pendidikan yang terbesar adalah pada tahun

2018 yaitu sebesar 761 miliar rupiah. Pengalokasian anggaran belanja daerah

Provinsi Maluku untuk sektor kesehatan dan pendidikan ini diharapkan

berkontribusi terhadap peningkatan kualitas SDM dan perbaikan IPM.


Berdasarkan data pada grafik 4.6 di atas, dapat dikatakan bahwa IPM

yang dicapai oleh Provinsi Maluku selalu meningkat dari tahun 2010 hingga

64,27 64,75

65,43 66,09

66,74 67,05

67,60 68,19

68,87

63

64

65

66

67

68

69

70

2010 2011 2012 2013 2014 2015 2016 2017 2018


56

tahun 2018. Pencapaian IPM yang tertinggi adalah pada tahun 2018 yaitu 68,87

dan terendah pada tahun 2010 yaitu 64,27. Jika dilihat secara keseluruhan dari

tahun 2010 hingga 2018, nilai IPM Provinsi Maluku masih berada di kisaran 64

hingga 69 sehingga provinsi ini masih termasuk kategori tingkat pembangunan

manusia menengah. Capaian IPM Maluku di tahun 2018 ini merupakan yang

tertinggi di antara lima provinsi tersebut. Kota Ambon sebagai ibu kota provinsi

merupakan daerah di Maluku dengan IPM tertinggi yaitu sebesar 70,82,

sedangkan Maluku Barat Daya merupakan kabupaten dengan IPM terendah

yaitu sebesar 60,16 (BPS Indonesia, 2018). Jika membandingkan dengan

provinsi NTT, Gorontalo, Papua Barat, maupun Papua, maka provinsi Maluku

memiliki pemerataan IPM yang lebih baik. Hal ini dapat dilihat dari IPM yang

dicapai oleh kabupaten-kabupaten memiliki perbedaan tidak terlalu jauh.

4. Papua Barat

Papua Barat memiliki tingkat kemiskinan tertinggi baik di Kawasan

Timur Indonesia maupun di Indonesia (BPS Indonesia, 2019). Tingkat

kemiskinan Papua Barat berada di urutan kedua tertinggi setelah Papua. Jika

melihat berdasarkan wilayah, kemiskinan di Papua Barat lebih tinggi berada di

kawasan perdesaan yaitu sebesar 34,29% sedangkan di kawasan perkotaan

hanya sebesar 5,57%. Berdasarkan data Bappenas dan UNICEF, pada tahun

2015 sebesar 31% atau sebanyak 104.000 anak-anak di Papua Barat hidup di

bawah garis kemiskinan provinsi yaitu sebesar Rp14.517 per orang per hari.


34,88

31,92

27,04 27,14 26,26 25,73

24,88

23,12 22,66

20

22

24

26

28

30

32

34

36

2010 2011 2012 2013 2014 2015 2016 2017 2018


57


Papua Barat cenderung mengalami penurunan dari tahun 2010 hingga 2018.

Meskipun sedikit terjadi kenaikan dari tahun 2012 sebesar 27,04% ke tahun

2013 menjadi sebesar 27,14%. Tingkat kemiskinan tertinggi yakni pada tahun

2010 sebesar 34,88%. Sedangkan tingkat kemiskinan terendah dicapai oleh

Papua Barat pada tahun 2018 yaitu sebesar 22,66%. Dari tahun 2010 hingga

2018, secara keseluruhan terjadi penurunan tingkat kemiskinan di Papua Barat

dan penurunan ini cukup signifikan.

Menurut Bank Indonesia Papua Barat (2019), tingkat kemiskinan di

Papua Barat masih berada di atas tingkat kemiskinan nasional. Meskipun

demikian, Papua Barat hanya menyumbang 0,83% dari total jumlah penduduk

miskin nasional pada September 2018. Tingkat kemiskinan Papua Barat lebih

tinggi pada kawasan perdesaan daripada perkotaan. Hal ini berarti akses

masyarakat terhadap sumber pendapatan dan pemenuhan kebutuhan di perkotaan

jauh lebih mudah daripada di perdesaan (Bank Indonesia Papua Barat, 2019).

Keterbatasan akses masyarakat di desa akan berdampak pada keterbatasan akses

pemenuhan kebutuhan dan meningkatkan biaya sehingga menjadi faktor masih

tingginya angka kemiskinan di perdesaan. Maka dari itu, upaya peningkatan

aksesibilitas dan konektivitas melalui pembangunan infrastruktur antar wilayah

perdesaan dan perkotaan perlu dilakukan seperti halnya pembangunan Trans

Papua yang diharapkan dapat berkontribusi dalam pengentasan kemiskinan

khususnya di perdesaan (Bank Indonesia Papua Barat, 2019).



2010 82.190.589.876 113.631.195.939

2011 73.578.875.526 127.202.550.210

2012 67.328.957.694 132.557.799.122

2013 73.194.956.061 126.340.776.840

2014 682.850.044.956 1.280.719.000.638

2015 63.752.890.963 77.389.944.506

2016 186.944.309.297 182.989.027.421

2017 33.240.030.960 86.902.567.110


58


anggaran pemerintah daerah Papua Barat yang dialokasikan untuk sektor

kesehatan dan pendidikan mengalami fluktuasi. Jumlah anggaran kesehatan yang

terbesar adalah pada tahun 2014 yaitu sebesar 682 miliar rupiah. Begitu juga

dengan sektor pendidikan, jumlah anggaran pendidikan yang terbesar adalah

pada tahun 2014 yaitu mencapai 1,28 triliun rupiah. Dengan adanya alokasi

anggaran daerah untuk sektor kesehatan dan pendidikan ini, diharapkan dapat

meningkatkan upaya pembangunan manusia di Papua Barat.



pembangunan manusia yang dicapai oleh Papua Barat selalu meningkat dari

tahun 2010 hingga tahun 2018. Indeks pembangunan manusia yang tertinggi

adalah pada tahun 2018 yaitu 63,74 sedangkan IPM yang dicapai oleh provinsi

ini memiliki nilai terendah pada tahun 2010 yaitu 59,60. Jika dilihat secara

keseluruhan dari tahun 2010 hingga 2018, nilai IPM Papua Barat masih berada

di kisaran 59 hingga 64 sehingga provinsi ini masih termasuk kategori tingkat

pembangunan manusia menengah. Kota Sorong merupakan daerah di Papua

Barat dengan IPM tertinggi yakni sebesar 76,73 dan Tambrauw merupakan

kabupaten dengan IPM terendah yakni sebesar 51,01. Menariknya, ibu kota

provinsi yaitu Manokwari memiliki IPM yang lebih rendah daripada Kota

Sorong yakni hanya sebesar 70,67 (BPS Indonesia, 2018). Jika melihat secara

wilayah, masih terdapat perbedaan yang cukup jauh pada tingkat pembangunan

manusia di Papua Barat antara daerah dengan IPM tertinggi dan terendah.

59,60 59,90

60,30 60,91

61,28 61,73

62,21

62,99

63,74

58

59

60

61

62

63

64

65

2010 2011 2012 2013 2014 2015 2016 2017 2018


59

5. Papua

Papua merupakan provinsi dengan tingkat kemiskinan tertinggi baik di

Kawasan Timur Indonesia maupun di Indonesia (BPS Indonesia, 2019). Jika

melihat berdasarkan wilayah, tingkat kemiskinan Papua lebih tinggi di wilayah

perdesaan yakni sebesar 36,55% daripada wilayah perkotaan yang hanya sebesar

4,01%. Maka dari itu, dapat dikatakan terdapat perbedaan yang cukup jauh

antara kawasan perdesaan dan perkotaan di Papua. Berdasarkan data Bappenas

dan UNICEF, Papua merupakan provinsi dengan jumlah penduduk muda yang

cukup signifikan di mana sekitar 38% dari total penduduk atau sebanyak 1,2 juta

orang adalah anak-anak yang mayoritasnya tinggal di perdesaan. Pada tahun

2015, sekitar 35% dari penduduk anak-anak atau sebanyak 412.000 anak-anak

hidup di bawah garis kemiskinan provinsi yakni sebesar Rp13.217 per orang per

hari (Bappenas dan UNICEF, 2019).



Provinsi Papua cenderung mengalami penurunan dari tahun 2010 hingga 2018.

Meskipun sedikit terjadi kenaikan dari tahun 2012 sebesar 30,66% ke tahun

2013 menjadi sebesar 31,53%. Tingkat kemiskinan tertinggi yakni pada tahun

2010 sebesar 36,80%. Sedangkan tingkat kemiskinan terendah dicapai oleh

Provinsi Papua pada tahun 2018 yaitu sebesar 27,43%. Tingkat kemiskinan

Papua ini merupakan yang tertinggi dibandingkan dengan NTT, Gorontalo,

36,80

31,98

30,66 31,53

27,80 28,40 28,40 27,76 27,43

25

27

29

31

33

35

37

39

2010 2011 2012 2013 2014 2015 2016 2017 2018


60

Maluku, dan Papua Barat. Jika dilihat dari tahun 2010 hingga 2018, maka terjadi

penurunan angka kemiskinan yang cukup signifikan di Papua.

Terjadi peningkatan kesejahteraan masyarakat di Papua yang dapat

dilihat dari penurunan kesenjangan antar masyarakat (Bappenas dan UNICEF,

2019). Beberapa tahun terakhir, Papua menjadi salah satu fokus pembangunan

pemerintah. Peningkatan pembangunan infrastruktur di Papua terus diupayakan

untuk meningkatkan konektivitas antar wilayah dan menurunkan kesenjangan

antar masyarakat. Dengan demikian, masyarakat Papua khususnya yang tinggal

di daerah terpencil mendapatkan akses terhadap pelayanan pemerintah. Terdapat

beberapa program yang telah dilakukan pemerintah untuk mengentaskan

kemiskinan di Papua, misalnya adalah Program Keluarga Harapan (PKH) dan

Program Pembangunan Generasi dan Keluarga (Bangga) Papua sejak 2018

ditargetkan untuk kabupaten-kabupaten dengan tingkat kemiskinan tinggi dan

IPM yang masih rendah. Selain itu juga terdapat program Dana Desa yang telah

dialokasikan sejak tahun 2015 ke setiap desa termasuk Papua.



2010 448.560.005.262 248.118.355.355

2011 475.363.886.398 270.682.515.290

2012 578.870.773.655 291.779.213.007

2013 672.966.034.000 218.340.884.000

2014 649.772.365.282 154.490.959.100

2015 156.785.871.335 80.972.960.775

2016 682.509.511.628 531.588.191.604

2017 146.910.165.961 125.888.297.437

2018 903.231.039.555 1.539.750.827.595 Sumber: Direktorat Jenderal Perimbangan Keuangan Kemenkeu RI, 2018


anggaran pemerintah daerah Papua yang dialokasikan untuk sektor kesehatan

dan pendidikan mengalami fluktuasi. Jumlah anggaran kesehatan yang terbesar

adalah pada tahun 2018 yaitu sebesar 903 miliar rupiah. Begitu juga dengan

sektor pendidikan, jumlah anggaran pendidikan yang terbesar adalah pada tahun

2018 yaitu mencapai 1,54 triliun rupiah. Sebagai provinsi dengan IPM yang

paling rendah di antara provinsi lainnya, peningkatan alokasi anggaran

61

kesehatan dan pendidikan pemerintah Papua diharapkan dapat berkontribusi

meningkatkan kualitas SDM Papua.



pembangunan manusia yang dicapai oleh Provinsi Papua selalu meningkat dari

tahun 2010 hingga tahun 2018 dan peningkatan ini juga cukup besar. Pencapaian

IPM yang tertinggi adalah pada tahun 2018 yaitu 60,06 sedangkan nilai terendah

pada tahun 2010 yaitu 54,45. Jika dilihat secara keseluruhan dari tahun 2010

hingga 2018, nilai IPM Provinsi Papua masih berada di kisaran 54 hingga 60

sehingga provinsi ini masih termasuk kategori tingkat pembangunan manusia

rendah. Kota Jayapura sebagai ibu kota provinsi Papua memiliki IPM yang

tertinggi yakni sebesar 79,23 sementara itu Nduga merupakan kabupaten dengan

IPM terendah yakni hanya sebesar 27,87 dan nilai ini adalah yang terendah di

antara kabupaten/kota lainnya di Indonesia (BPS Indonesia, 2018). Masih

terdapat perbedaan yang cukup jauh antara daerah dengan IPM tertinggi dan

IPM terendah di Papua. Oleh karena itu, diperlukan upaya dan koordinasi yang

tepat sasaran dari semua pihak untuk memperkecil perbedaan ini serta

meningkatkan kualitas pembangunan manusia di Papua sebagai provinsi yang

menjadi aset berharga bagi Indonesia.

54,45 55,01

55,55

56,25 56,75

57,25

58,05

59,09

60,06

53

54

55

56

57

58

59

60

61

2010 2011 2012 2013 2014 2015 2016 2017 2018


62

B. Temuan Hasil Penelitian

1. Uji Asumsi Klasik

a. Uji Normalitas

Uji normalitas dilakukan untuk melihat apakah data berdistribusi

normal atau tidak dengan melihat nilai probabilitas pada grafik.

Gambar 4.1. Hasil Uji Normalitas

Jarque-Bera 2.157951

Probabilitas 0.339944

Sumber: Hasil pengolahan data dengan Eviews 8.0

Berdasarkan grafik di atas, didapatkan nilai probabilitas sebesar

0,339944 yang berada di atas taraf signifikansi (α = 5%) sehingga data

tersebut terdistribusi normal.

b. Uji Heteroskedastisitas

Pengujian ini dilakukan untuk melihat apakah terjadi

ketidaksamaan varian dari residu pada model regresi linier yang dilakukan

dengan membandingkan nilai probabilitas masing-masing variabel bebas

dari hasil Uji Glejser dan taraf signifikansi (α = 5%).

Tabel 4.8. Hasil Uji Heteroskedastisitas

Variabel Koefisien Probabilitas

C 0.027992 0.6946

POV_rate 0.135490 0.1646

LN_Health 0.001120 0.7551

LN_Edu -0.002572 0.2398


63

Variabel tingkat kemiskinan (POV_rate), anggaran kesehatan

provinsi (LN_Health), dan anggaran pendidikan provinsi (LN_Edu)

memiliki nilai probabilitas di atas taraf signifikansi (α = 5%) sehingga

dapat dikatakan tidak terindikasi adanya heteroskedastisitas.

c. Uji Multikolinearitas

Pengujian ini dilakukan untuk melihat apakah terdapat korelasi

antara variabel bebas. Multikolinearitas terjadi jika nilai korelasi antar

variabel bebas lebih besar dari 0,8.

Tabel 4.9. Hasil Uji Multikolinearitas

POV_rate LN_Health LN_Edu

POV_rate 1.000000 0.413437 0.283415

LN_Health 0.413437 1.000000 0.720511

LN_Edu 0.283415 0.720511 1.000000


Berdasarkan tabel 4.9 di atas, hasil ini menunjukkan bahwa nilai

koefisien korelasi masing-masing variabel bebas dengan variabel bebas

lainnya tidak lebih dari 0,8 sehingga model ini tidak terindikasi adanya

permasalahan multikolinearitas.

2. Analisis Model Data Panel

a. Uji Chow

Pengujian ini dilakukan untuk melihat apakah Pooled Least Square

(PLS) atau Fixed Effect Model yang lebih cocok untuk digunakan dalam suatu

penelitian. Jika nilai probabilitas F-statistik yang diperoleh lebih kecil dari

taraf signifikansi α = 5%, maka model yang lebih cocok adalah Fixed Effect.

Sementara itu, jika nilai probabilitas F-statistik yang diperoleh lebih besar

dari taraf signifikansi α = 5%, maka model PLS atau Common Effect lebih

cocok untuk digunakan dalam penelitian. Perumusan hipotesis penelitian

adalah sebagai berikut:

H0 : Model PLS atau Common Effect


64

Berdasarkan hasil uji Chow yang telah dilakukan, diperoleh hasil

sebagai berikut:

Tabel 4.10. Hasil Uji Chow

Effects Test Statistic d.f. Prob.

Cross-section F 22.089568 (4,37) 0.0000

Cross-section Chi-square 54.911606 4 0.0000


Berdasarkan hasil uji Chow yang digambarkan pada tabel 4.10 di atas,

diperoleh nilai Cross-section F-statistik sebesar 22,089568 dengan nilai

degree of freedom sebesar 4,37 dan nilai probabilitas sebesar 0,0000. Nilai

probabilitas Cross-section F ini lebih kecil dari taraf signifikansi 0,05 (α =

5%), maka hasil uji Chow menyatakan tolak H0 dan terima Ha sehingga

model yang dipilih adalah Fixed Effect Model (FEM).

b. Uji Hausman

Setelah uji Chow dilakukan dan mendapatkan model Fixed Effect, uji

Hausman ini dilakukan untuk melihat model mana yang lebih cocok dalam

suatu penelitian antara Fixed Effect Model atau Random Effect Model. Jika

nilai probabilitas yang diperoleh lebih kecil dari taraf signifikansi α = 5%,

maka model yang lebih cocok adalah Fixed Effect. Sementara itu, jika nilai

probabilitas yang diperoleh lebih besar dari taraf signifikansi α = 5%, maka

model Random Effect lebih cocok untuk digunakan dalam penelitian.

Perumusan hipotesis penelitian adalah sebagai berikut:

H0 : Model Random Effect


Berdasarkan hasil uji Hausman yang telah dilakukan, diperoleh hasil

sebagai berikut:

Tabel 4.11. Hasil Uji Hausman

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

Cross-section random 7.923857 3 0.0476


65

Berdasarkan hasil uji Hausman pada tabel 4.11 di atas, diperoleh nilai

Chi-square statistik sebesar 7,923857 dengan nilai degree of freedom sebesar

3 dan nilai probabilitas sebesar 0,0476. Nilai probabilitas ini lebih kecil dari

taraf signifikansi 0,05 (α = 5%), maka hasil uji Hausman menyatakan tolak

H0 sehingga model yang lebih cocok adalah Fixed Effect Model (FEM).

c. Model Efek Tetap (Fixed Effect Model)

Berdasarkan pengujian pemilihan model yang telah dilakukan, maka

model dalam penelitian ini adalah Fixed Effect Model (FEM) yang dapat

digambarkan melalui persamaan regresi sebagai berikut:

LN_HDIit = 4,196114 – 0,633927 (POV_rateit) – 0,013483 (LN_Healthit) +

0,016742 (LN_Eduit) + eit

Di mana:

LN_HDIit = Indeks Pembangunan Manusia di provinsi i pada periode t

POV_rateit = Tingkat kemiskinan di provinsi i pada periode t

LN_Healthit = Anggaran belanja daerah fungsi kesehatan di provinsi i pada

periode t

LN_Eduit = Anggaran belanja daerah fungsi pendidikan di provinsi i pada

periode t

eit = error term

Tabel 4.12. Hasil Regresi Data Panel dengan Fixed Effect Model

Variabel Koefisien t-Statistik Prob.

C 4.196114 43.06491 0.0000

POV_rate -0.633927 -6.851178 0.0000

LN_Health -0.013483 -2.626550 0.0125

LN_Edu 0.016742 3.760326 0.0006

R2 0.938799

Adj. R2 0.927221

F-statistik 81.08145

Prob(F-statistik) 0.000000


66

Berdasarkan hasil regresi dengan model Fixed Effect yang digambarkan

pada tabel 4.12 di atas, variabel tingkat kemiskinan memiliki pengaruh yang

negatif terhadap variabel IPM dengan koefisien sebesar 0,633927. Hal ini

berarti ketika tingkat kemiskinan pada lima provinsi di Kawasan Timur

Indonesia meningkat sebesar 1%, maka akan menurunkan IPM sebesar

0,633927% atau 0,63%. Dengan demikian, hipotesis yang menyatakan bahwa

tingkat kemiskinan berpengaruh terhadap pembangunan manusia di lima

provinsi Kawasan Timur Indonesia dapat diterima.

Begitu juga dengan variabel anggaran kesehatan yang memiliki

pengaruh negatif terhadap variabel IPM dengan koefisien sebesar 0,013483.

Hal ini berarti ketika anggaran kesehatan pada lima provinsi di Kawasan

Timur Indonesia meningkat sebesar 1% yang berarti terjadi peningkatan

alokasi anggaran belanja provinsi untuk sektor kesehatan, maka akan

menurunkan IPM sebesar 0,013483% atau 0,013%. Oleh karena itu, hipotesis

yang menyatakan bahwa anggaran kesehatan berpengaruh terhadap

pembangunan manusia di lima provinsi Kawasan Timur Indonesia dapat

diterima. Meskipun demikian, hasil ini berbeda dengan beberapa penelitian

sebelumnya yang menyatakan anggaran kesehatan dapat meningkatkan

pembangunan manusia sehingga diperlukan analisis lebih lanjut.

Berbeda dengan tingkat kemiskinan dan anggaran kesehatan, variabel

anggaran pendidikan memiliki pengaruh positif terhadap variabel IPM

dengan koefisien sebesar 0,016742. Hal ini berarti ketika anggaran

pendidikan pada lima provinsi di Kawasan Timur Indonesia meningkat

sebesar 1% yang berarti terjadi peningkatan alokasi anggaran belanja provinsi

untuk sektor pendidikan, maka akan meningkatkan IPM sebesar 0,016742%

atau 0,017%. Dengan demikian, hipotesis yang menyatakan bahwa anggaran

pendidikan berpengaruh terhadap pembangunan manusia pada lima provinsi

di Kawasan Timur Indonesia dapat diterima.

67

Tabel 4.13. Interpretasi Fixed Effect Model

Variabel Koefisien Efek Individu Prob.

C 4.196114 0.0000

POV_rate? -0.633927 0.0000

LN_Health? -0.013483 0.0125

LN_Edu? 0.016742 0.0006

Fixed Effects (Cross)

_NTT--C -0.012515 4.183599

_GORONTALO--C 0.007010 4.203124

_MALUKU--C 0.047692 4.243806

_PAPUABARAT--C -0.0000469 4.1960671

_PAPUA--C -0.042140 4.153974


1) Provinsi Nusa Tenggara Timur (NTT)

Berdasarkan tabel 4.13 di atas, maka model persamaan untuk

Provinsi NTT dapat digambarkan sebagai berikut:

LN_HDI = 4,183599 – 0,633927 (POV_rate) – 0,013483 (LN_Health) +

0,016742 (LN_Edu) + e

Berdasarkan persamaan di atas, dapat dijelaskan bahwa ketika terjadi

perubahan sebesar 1% pada variabel tingkat kemiskinan, anggaran

kesehatan, dan anggaran pendidikan, maka Provinsi NTT akan

mendapatkan pengaruh individu terhadap IPM sebesar 4,18%.

2) Provinsi Gorontalo


Provinsi Gorontalo dapat digambarkan sebagai berikut:


0,016742 (LN_Edu) + e

68



kesehatan, dan anggaran pendidikan, maka Provinsi Gorontalo akan


3) Provinsi Maluku


Provinsi Maluku dapat digambarkan sebagai berikut:


0,016742 (LN_Edu) + e



kesehatan, dan anggaran pendidikan, maka Provinsi Maluku akan


4) Provinsi Papua Barat


Provinsi Papua Barat dapat digambarkan sebagai berikut:

LN_HDI = 4,1960671 – 0,633927 (POV_rate) – 0,013483 (LN_Health)

+ 0,016742 (LN_Edu) + e



kesehatan, dan anggaran pendidikan, maka Provinsi Papua Barat akan


5) Provinsi Papua


Provinsi Papua dapat digambarkan sebagai berikut:


0,016742 (LN_Edu) + e

69



kesehatan, dan anggaran pendidikan, maka Provinsi Papua akan


3. Uji Hipotesis

a. Koefisien Determinasi

Koefisien determinasi (R2) digunakan untuk melihat bagaimana

pengaruh variabel bebas terhadap variabel terikat. Nilai koefisien determinasi

dapat dilihat dari R-square (jika variabel bebas hanya satu) atau Adjusted R-

square (jika variabel bebas lebih dari satu).

Berdasarkan hasil analisis regresi data panel dengan model Fixed Effect,

maka didapatkan nilai koefisien determinasi sebagai berikut:

Tabel 4.14. Koefisien Determinasi

R-squared (R2) 0.938799

Adjusted R-squared (Adj. R2) 0.927221


Berdasarkan tabel 4.16 di atas, maka didapatkan nilai adjusted R-

squared sebesar 0,927221 atau sebesar 92,7221%. Maka dari itu, dapat

dikatakan bahwa 92,7221% variabel IPM pada lima provinsi di Kawasan

Timur Indonesia dapat dijelaskan oleh variabel tingkat kemiskinan, anggaran

kesehatan dan pendidikan sedangkan sisanya yaitu sebesar 7,2779% (100% -

92,7221%) dijelaskan oleh variabel lainnya di luar model penelitian ini.

b. Uji F-statistik dan Interpretasi Hasil Analisis

Uji F digunakan untuk melihat pengaruh dari semua variabel bebas

yaitu tingkat kemiskinan, anggaran kesehatan dan pendidikan secara simultan

terhadap variabel terikat yaitu IPM. Pengujian dilakukan dengan

membandingkan nilai F-statistik hasil regresi dengan F-tabel atau melihat

nilai probabilitas F-statistik dengan taraf signifikansi α = 5%.

70

Uji F dapat juga digunakan untuk menolak atau menerima hipotesis

yang telah disusun. Hipotesis penelitian ini adalah sebagai berikut:

H0 : Diduga tidak terdapat pengaruh yang signifikan dari tingkat

kemiskinan, anggaran belanja daerah fungsi kesehatan dan pendidikan

secara simultan terhadap pembangunan manusia di lima provinsi Kawasan


Ha : Diduga terdapat pengaruh yang signifikan dari tingkat kemiskinan,

anggaran belanja daerah fungsi kesehatan dan pendidikan secara simultan


(KTI) tahun 2010-2018.


maka didapatkan hasil uji F sebagai berikut:

Tabel 4.15. Hasil Uji F-Statistik

F-statistik Prob(F-statistik)

81.08145 0.000000


Berdasarkan hasil uji F yang digambarkan pada tabel 4.15 di atas,

didapatkan nilai probabilitas sebesar 0,000000 yang berada di bawah taraf

signifikansi 5%. Maka dari itu, hasil ini menolak H0 dan menerima Ha

sehingga dapat dikatakan bahwa terdapat pengaruh yang signifikan dari

tingkat kemiskinan, anggaran kesehatan dan pendidikan secara simultan


(KTI) pada tahun 2010-2018 dengan tingkat kepercayaan sebesar 95%.

c. Uji t-Statistik dan Interpretasi Hasil Analisis

Uji t digunakan untuk melihat pengaruh dari masing-masing variabel

bebas yaitu tingkat kemiskinan, anggaran kesehatan, dan anggaran

pendidikan secara parsial terhadap variabel terikat yaitu IPM. Pengujian

dilakukan dengan membandingkan nilai t-statistik hasil regresi dengan t-tabel

atau melihat nilai probabilitas masing-masing variabel dengan taraf

signifikansi.

Uji t dapat juga digunakan untuk menolak atau menerima hipotesis

yang telah disusun. Hipotesis penelitian ini adalah sebagai berikut:

71

1) H0 : Diduga tidak terdapat pengaruh yang signifikan dari tingkat

kemiskinan secara parsial terhadap pembangunan manusia di lima provinsi

Kawasan Timur Indonesia (KTI) tahun 2010-2018.

Ha : Diduga terdapat pengaruh yang signifikan dari tingkat kemiskinan

secara parsial terhadap pembangunan manusia di lima provinsi Kawasan


2) H0 : Diduga tidak terdapat pengaruh yang signifikan dari anggaran

belanja daerah fungsi kesehatan secara parsial terhadap pembangunan

manusia di lima provinsi Kawasan Timur Indonesia (KTI) tahun 2010-

2018.


daerah fungsi kesehatan secara parsial terhadap pembangunan manusia di


3) H0 : Diduga tidak terdapat pengaruh yang signifikan dari anggaran

belanja daerah fungsi pendidikan secara parsial terhadap pembangunan

manusia di lima provinsi Kawasan Timur Indonesia (KTI) tahun 2010-

2018.


daerah fungsi pendidikan secara parsial terhadap pembangunan manusia di



maka didapatkan hasil uji t sebagai berikut:

Tabel 4.16. Hasil Uji t-Statistik

Variabel Koefisien t-Statistik Probabilitas

C 4.196114 43.06491 0.0000

POV_rate -0.633927 -6.851178 0.0000

LN_Health -0.013483 -2.626550 0.0125

LN_Edu 0.016742 3.760326 0.0006


Berdasarkan hasil uji t pada tabel 4.14 di atas, maka dalam penelitian

ini semua variabel bebas, yaitu tingkat kemiskinan, anggaran kesehatan dan

72

pendidikan secara parsial berpengaruh signifikan terhadap pembangunan

manusia. Dengan demikian, hipotesis dapat dibuktikan sebagai berikut:

1) Tingkat kemiskinan memiliki nilai probabilitas sebesar 0,0000 yang

berada di bawah taraf signifikansi 5%. Maka dari itu, hasil ini menolak H0

dan menerima Ha sehingga dapat dikatakan bahwa terdapat pengaruh yang

signifikan dari tingkat kemiskinan terhadap pembangunan manusia di lima

provinsi Kawasan Timur Indonesia (KTI) pada tahun 2010-2018 dengan

tingkat kepercayaan sebesar 95%.

2) Anggaran kesehatan memiliki nilai probabilitas sebesar 0,0125 yang



signifikan dari anggaran kesehatan terhadap pembangunan manusia di lima

provinsi Kawasan Timur Indonesia (KTI) pada tahun 2010-2018 dengan

tingkat kepercayaan sebesar 95%.

3) Anggaran pendidikan memiliki nilai probabilitas sebesar 0,0006 yang



signifikan dari anggaran pendidikan terhadap pembangunan manusia di

lima provinsi Kawasan Timur Indonesia (KTI) pada tahun 2010-2018

dengan tingkat kepercayaan sebesar 95%.

4. Analisis Ekonomi

a. Tingkat Kemiskinan Terhadap Pembangunan Manusia

Kemiskinan mengukur kemampuan masyarakat untuk bisa memenuhi

kebutuhan-kebutuhannya, terutama kebutuhan dasar seperti sandang, pangan,

dan papan. Kemiskinan dilihat sebagai ketidakmampuan masyarakat untuk

memenuhi kebutuhan dasar karena memiliki sumber daya yang terbatas.

Pengentasan kemiskinan merupakan tujuan yang pertama dalam

Pembangunan Berkelanjutan (Sustainable Development Goals). Sebagai salah

satu strategi untuk mengetaskan kemiskinan, pemerintah kini menerapkan

strategi pembangunan ekonomi inklusif yakni pembangunan ekonomi yang

tidak hanya meningkatkan pertumbuhan ekonomi tapi juga meningkatkan

73

jumlah lapangan pekerjaan dan dapat menurunkan kemiskinan. Hal ini

dikarenakan salah satu ukuran keberhasilan pembangunan ekonomi adalah

tingkat kemiskinan. Kemiskinan juga dapat menggambarkan

ketidakmampuan masyarakat untuk mengakses fasilitas kesehatan maupun

pendidikan. Oleh karena itu, terdapat beberapa program dari pemerintah yang

berkaitan dengan pengentasan kemiskinan serta untuk meningkatkan akses

masyarakat terhadap fasilitas kesehatan dan pendidikan, seperti BOS

(Bantuan Operasional Sekolah), KIP (Kartu Indonesia Pintar), KIS (Kartu

Indonesia Sehat), maupun PKH (Program Keluarga Harapan).

Dalam penelitian ini, variabel tingkat kemiskinan dan indeks

pembangunan manusia memiliki hubungan negatif. Hal ini berarti penurunan

tingkat kemiskinan yang ditandai dengan peningkatan kemampuan

masyarakat miskin untuk dapat memenuhi kebutuhan sehari-hari, mengakses

kesehatan dan pendidikan, maka akan meningkatkan indeks pembangunan

manusia yang terdiri dari komponen kesehatan, pendidikan, dan standar hidup

yang layak. Hasil penelitian ini didukung oleh penellitian-penelitian

sebelumnya yang dilakukan oleh Adelfina & Jember (2016) yang

menganalisis tentang Pengaruh Pertumbuhan Ekonomi, Kemiskinan, dan

Belanja Daerah Terhadap Indeks Pembangunan Manusia di Kabupaten Kota

Provinsi Bali Periode 2005-2013 serta Syofya (2018) yang menganalisis

tentang Pengaruh Tingkat Kemiskinan dan Pertumbuhan Ekonomi Terhadap

Indeks Pembangunan Manusia Indonesia.

b. Anggaran Kesehatan Terhadap Pembangunan Manusia

Sebagai bentuk pelayanan publik, pemerintah mengalokasikan sejumlah

besaran anggaran untuk meningkatkan kemampuan masyarakat dalam

menikmati hasil pembangunan ekonomi. Pemerintah telah mengalokasikan

anggaran untuk sektor kesehatan sebagai upaya untuk meningkatkan kualitas

kesehatan masyarakat karena seperti yang kita ketahui bahwa kesehatan

merupakan kebutuhan pokok yang harus disediakan oleh pemerintah.

Anggaran kesehatan yang merupakan mandatory spending ini juga

dialokasikan untuk memenuhi undang-undang. Sesuai amanat UU Nomor 36

74

tahun 2009 tentang Kesehatan, pemerintah daerah diamanatkan untuk

mengalokasikan anggaran kesehatan sebesar 10% dari APBD di luar gaji. Hal

ini dilakukan untuk meningkatkan sarana dan prasarana di bidang kesehatan

yang akan berkontribusi dalam peningkatan produktivitas masyarakat.

Dalam penelitian ini, variabel anggaran kesehatan memiliki hubungan

negatif dengan IPM. Hal ini berarti peningkatan jumlah anggaran yang

dialokasikan pemerintah daerah untuk sektor kesehatan tidak dapat

berkontribusi dalam meningkatkan IPM. Penemuan ini berbeda dengan

beberapa penelitian sebelumnya di mana semakin tinggi anggaran yang

dialokasikan untuk sektor kesehatan maka akan meningkatkan kualitas

kesehatan masyarakat dan meningkatkan IPM. Seperti penelitian yang

dilakukan oleh Dianaputra & Aswitari (2017) yang menganalisis tentang

Pengaruh Pembiayaan Pemerintah di Sektor Pendidikan dan Kesehatan

Terhadap Indeks Kualitas Manusia serta Pertumbuhan Ekonomi pada

Kabupaten/Kota Provinsi Bali Tahun 2011-2015 dan Çağlayan-Akay & Van

(2017) yang menganalisis tentang Determinants of the Levels of Development

Based on the Human Development Index: Bayesian Ordered Probit Model.

Sementara itu, hasil penelitian yang didapatkan oleh penulis ini

didukung oleh penelitian-penelitian sebelumnya yang dilakukan oleh Hakim

& Sukmana (2017) yang menganalisis tentang Pengaruh Pengeluaran

Pemerintah di Sektor Pendidikan dan Kesehatan Terhadap Indeks

Pembangunan Manusia di 16 Negara Organisasi Konferensi Islam (OKI) dan

Zulyanto (2018) yang menganalisis tentang Pengeluaran Pemerintah dan

Indeks Pembangunan Manusia (IPM) di Provinsi Bengkulu. Hasil penelitian

yang menunjukkan hubungan negatif antara anggaran kesehatan dan IPM ini

dapat disebabkan oleh adanya faktor inefisiensi dalam pengalokasian

anggaran sehingga besarnya jumlah anggaran tidak mampu mencapai target

pembangunan. Kemudian dikarenakan oleh belum berjalannya program

kesehatan secara menyeluruh dan tepat sasaran sehingga besarnya jumlah

alokasi anggaran menjadi sia-sia. Selain itu kondisi ini juga dapat disebabkan

oleh indikasi masih tingginya angka korupsi sehingga pengalokasian

75

anggaran menjadi tidak efisien dan tepat sasaran karena tidak dapat

berdampak langsung bagi pembangunan kualitas kesehatan masyarakat.

c. Anggaran Pendidikan Terhadap Pembangunan Manusia

Selain sektor kesehatan, bentuk pelayanan publik lainnya yang

disediakan oleh pemerintah juga terdapat pada sektor pendidikan. Pemerintah

telah mengalokasikan anggaran pendidikan dalam jumlah tertentu untuk

meningkatkan akses masyarakat terhadap fasilitas pendidikan. Anggaran

pendidikan juga merupakan mandatory spending yang harus dipenuhi oleh

pemerintah. Sesuai dengan amanat dalam UU Nomor 20 tahun 2003 tentang

Sistem Pendidikan Nasional, pemerintah daerah dalam hal ini tingkat provinsi

diamanatkan untuk mengalokasikan anggaran pendidikan minimal sebesar

20% dari APBD di luar gaji pendidik dan biaya pendidikan kedinasan. Hal ini

dilakukan sebagai upaya untuk meningkatkan kualitas dan produktivitas

masyarakat melalui sektor pendidikan yang pada nantinya akan berkontribusi

dalam meningkatkan pembangunan manusia.

Dalam penelitian ini, variabel anggaran pendidikan memiliki hubungan

positif dengan IPM. Peningkatan jumlah anggaran yang dialokasikan untuk

sektor pendidikan maka akan meningkatkan indeks pembangunan manusia

karena kualitas pendidikan masyarakat menjadi lebih baik. Peningkatan

alokasi anggaran pendidikan oleh pemerintah provinsi yang digunakan untuk

program-program yang tepat dan sesuai dengan target akan mendukung

terciptanya peningkatan kualitas pendidikan di setiap daerah. Maka dari itu,

hal ini dapat melahirkan sumber daya manusia yang berpengetahuan dan

berdaya saing sehingga dapat berkontribusi terhadap pembangunan ekonomi

Indonesia. Hasil penelitian ini didukung oleh penelitian-penelitian

sebelumnya yang dilakukan oleh Dianaputra & Aswitari (2017) yang

menganalisis tentang Pengaruh Pembiayaan Pemerintah di Sektor

Pendidikan dan Kesehatan Terhadap Indeks Kualitas Manusia serta

Pertumbuhan Ekonomi pada Kabupaten/Kota Provinsi Bali Tahun 2011-

2015 dan Zulyanto (2018) yang menganalisis tentang Pengeluaran

Pemerintah dan Indeks Pembangunan Manusia (IPM) di Provinsi Bengkulu.

76

BAB V

PENUTUP

A. Kesimpulan

Penelitian ini membahas tentang pengaruh kemiskinan, anggaran

kesehatan dan pendidikan terhadap pembangunan manusia di lima provinsi

Kawasan Timur Indonesia (KTI) tahun 2010-2018. Berdasarkan hasil analisis dan

pembahasan yang telah dijelaskan sebelumnya, penulis memperoleh kesimpulan

yang dapat dijelaskan sebagai berikut:

1. Tingkat kemiskinan berpengaruh negatif dan signifikan terhadap

pembangunan manusia di Provinsi Nusa Tenggara Timur, Gorontalo, Maluku,

Papua Barat, dan Papua. Hal ini berarti peningkatan angka kemiskinan akan

menurunkan IPM di lima provinsi tersebut. Semakin banyak jumlah

penduduk miskin di wilayah tersebut maka semakin banyak masyarakat yang

memiliki tingkat kesejahteraan rendah serta tidak mampu mengakses

kesehatan dan pendidikan sehingga dapat menurunkan kualitas SDM.

2. Anggaran kesehatan berpengaruh negatif dan signifikan terhadap


Papua Barat, dan Papua. Peningkatan alokasi anggaran belanja daerah untuk

sektor kesehatan tidak dapat berkontribusi dalam meningkatkan IPM di lima

provinsi tersebut. Kondisi ini dapat disebabkan oleh pengalokasian anggaran

yang inefisien dan tidak tepat sasaran sehingga besarnya jumlah anggaran

kesehatan tidak berkontribusi signifikan terhadap upaya pembangunan

manusia. Oleh karena itu, diperlukan penelitian lebih lanjut mengenai faktor

yang menyebabkan adanya inefisiensi dalam pengalokasian anggaran

kesehatan terhadap upaya pembangunan manusia di wilayah tersebut.

3. Anggaran pendidikan berpengaruh positif dan signifikan terhadap


Papua Barat, dan Papua. Hasil penelitian ini mengindikasikan bahwa semakin

77

besar alokasi anggaran belanja daerah untuk sektor pendidikan dapat

berkontribusi dalam peningkatan upaya pembangunan manusia yang

digambarkan dengan peningkatan IPM di lima provinsi tersebut.

4. Tingkat kemiskinan, anggaran kesehatan dan pendidikan berpengaruh

signifikan terhadap pembangunan manusia di Provinsi Nusa Tenggara Timur,

Gorontalo, Maluku, Papua Barat, dan Papua. Maka dari itu, peningkatan atau

penurunan tingkat kemiskinan, anggaran kesehatan dan pendidikan secara

bersamaan akan berpengaruh terhadap pembangunan manusia yang

digambarkan dengan peningkatan atau penurunan IPM di wilayah tersebut.

B. Saran

Berdasarkan kesimpulan yang telah dijelaskan di atas, maka penulis

memberikan beberapa saran sebagai berikut:

1. Bagi Pemerintah Terkait

a. Tingginya angka kemiskinan di Provinsi Nusa Tenggara Timur, Gorontalo,

Maluku, Papua Barat, dan Papua masih menjadi permasalahan yang harus

diselesaikan baik bagi pemerintah pusat maupun daerah. Oleh karena itu,

perlunya penguatan program pengentasan kemiskinan dari pemerintah

khususnya dalam hal peningkatan akses terhadap kesehatan dan

pendidikan bagi masyarakat sehingga selain dapat meningkatkan

kesejahteraan masyarakat, maka diharapkan upaya ini dapat meningkatkan

kualitas pembangunan manusia di lima provinsi tersebut.

b. Anggaran belanja daerah untuk sektor kesehatan dan pendidikan

merupakan salah satu upaya pemerintah provinsi untuk mendukung

peningkatan kualitas pembangunan manusia di daerah. Sayangnya, alokasi

anggaran kesehatan di Provinsi Nusa Tenggara Timur, Gorontalo, Maluku,

Papua Barat, dan Papua masih belum efektif. Oleh karena itu, pemerintah

provinsi terkait diharapkan dapat mengalokasikan anggaran untuk sektor

kesehatan maupun pendidikan sesuai dengan rasio yang telah ditetapkan

oleh undang-undang serta digunakan dengan tepat guna sehingga dapat

78

mendukung upaya pemerintah pusat dalam melahirkan SDM Indonesia

yang berkualitas dan berdaya saing.

2. Bagi Civitas Akademika

a. Menambahkan atau menggunakan variabel bebas lainnya untuk

mengetahui faktor-faktor selain variabel determinan dalam penelitian ini

yang dapat mempengaruhi upaya pembangunan manusia.

b. Menggunakan alat analisis lainnya yang dapat mengetahui apa saja

variabel bebas yang dapat berpengaruh terhadap upaya pembangunan

manusia baik dalam jangka pendek maupun panjang.

c. Menganalisis apa saja faktor-faktor yang dapat berpengaruh terhadap

adanya inefisiensi dalam pengalokasian anggaran kesehatan maupun

pendidikan di tingkat provinsi.

79

DAFTAR PUSTAKA

Adelfina, & Jember, I. M. (2016). Pengaruh Pertumbuhan Ekonomi, Kemiskinan,

dan Belanja Daerah Terhadap Indeks Pembangunan Manusia di Kabupaten

Kota Provinsi Bali Periode 2005 - 2013. E-Jurnal Ekonomi Pembangunan

Universitas Udayana, 5, 1011–1025.

Arisman. (2018). Determinant of Human Development Index in ASEAN

Countries. Signifikan: Jurnal Ilmu Ekonomi, 7 (1), 113–122.

Bank Dunia Indonesia. (2017). Menuju Sistem Bantuan Sosial yang Menyeluruh,

Terintegrasi, dan Efektif di Indonesia.

Bank Indonesia Gorontalo. (2018). Kajian Ekonomi dan Keuangan Regional

Provinsi Gorontalo.

Bank Indonesia Maluku. (2018). Kajian Ekonomi dan Keuangan Regional

Provinsi Maluku.

Bank Indonesia Papua Barat. (2019). Kajian Ekonomi dan Keuangan Regional

Provinsi Papua Barat.

Bappeda dan BPS Gorontalo. (2017). Analisis Tabel Input-Output Provinsi

Gorontalo.

Bappenas. (2017). Profil dan Analisis Daerah (Provinsi: Nusa Tenggara Timur,

2017).

Bappenas dan UNICEF. (2019). SDG untuk Anak-Anak Indonesia (Profil singkat

provinsi). Retrieved May 1, 2019, from https://sdg4children.or.id/resources/

BPS Indonesia. (2018). Indeks Pembangunan Manusia Menurut Kabupaten/Kota,

2017 (Metode Baru).

BPS Indonesia. (2019). Persentase Penduduk Miskin Menurut Provinsi 2007 -

2018.

Çağlayan-Akay, E., & Van, M. H. (2017). Determinants of the Levels of

Development Based on the Human Development Index: Bayesian Orderes

Probit Model. International Journal of Economics and Financial Issues,

7(5), 425–431.

Chambers, R. (1983). Rural Development: Putting the Last First. New York:

Routledge.

Dianaputra, I. G. K. A., & Aswitari, L. P. (2017). Pengaruh Pembiayaan

Pemerintah di Sektor Pendidikan dan Kesehatan Terhadap Indeks Kualitas

Manusia serta Pertumbuhan Ekonomi pada Kabupaten/Kota Provinsi Bali

Tahun 2011-2015. E-Jurnal Ekonomi Pembangunan Universitas Udayana, 6

Nomor 3.

Fadilah, A., Ananda, C. F., & Kaluge, D. (2018). A Panel Approach: How Does

80

Government Expenditure Influence Human Development Index? Jurnal

Ekonomi Dan Studi Pembangunan, 10(2).

Hakim, A. A. A. A., & Sukmana, R. (2017). Pengaruh Pengeluaran Pemerintah di

Sektor Pendidikan dan Kesehatan Terhadap Indeks Pembangunan Manusia di

16 Negara Organisasi Konfrensi Islam (OKI). Li Falah Jurnal Studi Ekonomi

Dan Bisnis Islam, 2 Nomor 1.

Isdijoso, W., Suryahadi, A., & Akhmadi. (2016). Penetapan Kriteria dan Variabel

Pendataan Penduduk Miskin yang Komprehensif dalam Rangka

Perlindungan Penduduk Miskin di Kabupaten/Kota.

Jacobus, E. H., Kindangen, P., & Walewangko, E. N. (2018). Analisis Faktor-

faktor yang Mempengaruhi Kemiskinan Rumah Tangga di Sulawesi Utara.

Jurnal Pembangunan Ekonomi Dan Keuangan Daerah, 19 Nomor 7.

Jhingan, M. L. (2012). Ekonomi Pembangunan dan Perencanaan. Jakarta: PT.

RajaGrafindo Persada.

Kishtainy, N., Abbot, G., Farndon, J., Kennedy, F., Meadway, J., Wallace, C., &

Weeks, M. (2012). The Economics Book: Big Ideas Simply Explained. New

York: DK Publishing.

Kusumaningrum, R. A. (2018). Analisis Faktor-faktor yang Mempengaruhi

Indeks Pembangunan Manusia di Provinsi Jawa Tengah Periode Tahun

2006-2016. Jurnal Universitas Islam Indonesia.

Lubis, I. H. (2015). Regional Government Budgets and Human Development

Outcomes Across Indonesia’s Provinces (Study Case of Provinces in

Indonesia).

Matondang, E. (2017). Finding Out the Potential of Nusa Tenggara Timur in

Poverty Alleviation: The Effect of Local Government’s Policies. Jurnal Bina

Praja, 9 (2), 231–242. https://doi.org/10.21787/jbp.09.2017.231-242

Mittal, P. (2016). Social Sector Expenditure and Human Development of Indian

States (No. 75804).

Muliza, Zulham, T., & Seftarita, C. (2017). Analisis Pengaruh Belanja

Pendidikan, Belanja Kesehatan, Tingkat Kemiskinan dan PDRB Terhadap

IPM di Provinsi Aceh. Jurnal Perspektif Ekonomi Darussalam, 3 Nomor 1.

Nortje, M. J. (2017). The Effect of Poverty on Education in South Africa. Educor

Multidisciplinary Journal, 1 No. 1.

Palenewen, T. O. M., Walewangko, E. N., & Sumual, J. I. (2018). Pengaruh

Pengeluaran Pemerintah Sektor Pendidikan dan Sektor Kesehatan Terhadap

IPM dan Dampaknya Terhadap Kemiskinan di Sulawesi Utara. Jurnal

Berkala Ilmiah Efisiensi, 18 No. 04.

Pujoalwanto, B. (2014). Perekonomian Indonesia: Tinjauan Historis, Teoritis,

dan Empiris. Yogyakarta: Graha Ilmu.

81

Satyakti, Y., Pamungkas, E., Rum, I. A., Sihaloloho, E., & Rijoly, J. D. (2018).

Analyzing the Island Province Policy on Poverty Alleviation in Maluku

Province. Advances in Social Science, Education and Humanities Research

(ASSEHR), 126.

Suliyanto. (2011). Ekonometrika Terapan - Teori dan Aplikasi dengan SPSS.

Yogyakarta: ANDI.

Suparno, H. (2014). Pengaruh Pengeluaran Pemerintah Sektor Pendidikan,

Kesehatan, dan Infrastruktur Terhadap Pertumbuhan Ekonomi dan

Peningkatan Pembangunan Manusia di Provinsi Kalimantan Timur.

Ekonomika-Bisnis, 5 Nomor 1, 1–22.

Syofya, H. (2018). Pengaruh Tingkat Kemiskinan dan Pertumbuhan Ekonomi

Terhadap Indeks Pembangunan Manusia Indonesia. Jurnal Ilmiah Ekonomi

Dan Bisnis, 15 Nomor 2.

Tarumingkeng, W. A., Rumate, V. A., & Rotinsulu, T. O. (2018). Pengaruh

Belanja Modal dan Tingkat Kemiskinan Terhadap Indeks Pembangunan

Manusia (IPM) di Provinsi Sulawesi Utara. Jurnal Pembangunan Ekonomi

Dan Keuangan Daerah, 19 Nomor 6.

Teguh, M. (2005). Metodologi Penelitian Ekonomi: Teori dan Aplikasi. Jakarta:

PT. RajaGrafindo Persada.

The World Bank. (2019a). Current health expenditure (% of GDP).

The World Bank. (2019b). Government expenditure on education, total (% of

GDP).

Todaro, M. P., & Smith, S. C. (2009). Pembangunan Ekonomi (Edisi Kesebelas

Jilid 1). Jakarta: Erlangga.

Undang-Undang (UU) Nomor 36 tahun 2009 tentang Kesehatan

Undang-Undang (UU) Nomor 20 tahun 2003 tentang Sistem Pendidikan Nasional

United Nations Development Programme. (2018). Human Development

Indicators and Indices: 2018 Statistical Update.

Widodo, A., Waridin, & K., J. M. (2011). Analisis Pengaruh Pengeluaran

Pemerintah di Sektor Pendidikan dan Kesehatan Terhadap Pengentasan

Kemiskinan Melalui Peningkatan Pembangunan Manusia di Provinsi Jawa

Tengah. Jurnal Dinamika Ekonomi Pembangunan, 1 Nomor 1.

Zuhdiyaty, N., & Kaluge, D. (2017). Analisis Faktor-faktor yang Mempengaruhi

Kemiskinan di Indonesia Selama Lima Tahun Terakhir (Studi Kasus pada 33

Provinsi). JIBEKA, 11 Nomor 2, 27–31.

Zulyanto, A. (2018). Pengeluaran Pemerintah dan Indeks Pembangunan Manusia

(IPM) di Provinsi Bengkulu. PARETO: Jurnal Ekonomi Dan Kebijakan

Publik, 1 Nomor 1.

82

LAMPIRAN-LAMPIRAN

Lampiran I: Uji Asumsi Klasik

A. Uji Normalitas

0

1

2

3

4

5

6

7

-0.04 -0.02 0.00 0.02 0.04 0.06

Series: Standardized Residuals

Sample 2010 2018

Observations 45

Mean 6.51e-16

Median -0.008434

Maximum 0.059029

Minimum -0.045526

Std. Dev. 0.027609

Skewness 0.416931

Kurtosis 2.325033

Jarque-Bera 2.157951

Probability 0.339944

B. Uji Heteroskedastisitas

Dependent Variable: RESABS

Method: Panel Least Squares

Date: 05/26/19 Time: 21:01

Sample: 2010 2018

Periods included: 9

Cross-sections included: 5

Total panel (balanced) observations: 45

White diagonal standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.027992 0.070741 0.395703 0.6946

POV_RATE 0.135490 0.095549 1.418021 0.1646

LN_HEALTH 0.001120 0.003564 0.314215 0.7551

LN_EDU -0.002572 0.002153 -1.194721 0.2398

C. Uji Multikolinearitas

POV_RATE LN_HEALTH LN_EDU

POV_RATE 1.000000 0.413437 0.283415

LN_HEALTH 0.413437 1.000000 0.720511

LN_EDU 0.283415 0.720511 1.000000

83

Lampiran II: Hasil Olah Data Panel

A. Common Effect Model (Pooled Least Squares)

Dependent Variable: LN_HDI


Date: 05/26/19 Time: 20:51

Sample: 2010 2018

Periods included: 9




C 4.395579 0.126371 34.78316 0.0000

POV_RATE -0.897873 0.090133 -9.961617 0.0000

LN_HEALTH -0.023158 0.006370 -3.635527 0.0008

LN_EDU 0.021027 0.006732 3.123477 0.0033

R-squared 0.792649 Mean dependent var 4.132233

Adjusted R-squared 0.777477 S.D. dependent var 0.060632

S.E. of regression 0.028601 Akaike info criterion -4.186038

Sum squared resid 0.033540 Schwarz criterion -4.025445

Log likelihood 98.18584 Hannan-Quinn criter. -4.126170

F-statistic 52.24409 Durbin-Watson stat 0.426541

Prob(F-statistic) 0.000000

84

B. Fixed Effect Model (FEM)

Dependent Variable: LN_HDI?

Method: Pooled Least Squares

Date: 05/26/19 Time: 21:07

Sample: 2010 2018

Included observations: 9


Total pool (balanced) observations: 45


C 4.196114 0.097437 43.06491 0.0000

POV_RATE? -0.633927 0.092528 -6.851178 0.0000

LN_HEALTH? -0.013483 0.005133 -2.626550 0.0125

LN_EDU? 0.016742 0.004452 3.760326 0.0006

Fixed Effects (Cross)

_NTT--C -0.012515

_GORONTALO--C 0.007010

_MALUKU--C 0.047692

_PAPUABARAT--C -4.69E-05

_PAPUA--C -0.042140

Effects Specification

Cross-section fixed (dummy variables)








85

C. Uji Chow

Redundant Fixed Effects Tests

Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 22.089568 (4,37) 0.0000

Cross-section Chi-square 54.911606 4 0.0000

Cross-section fixed effects test equation:



Date: 05/26/19 Time: 20:52

Sample: 2010 2018

Periods included: 9




C 4.395579 0.126371 34.78316 0.0000

POV_RATE -0.897873 0.090133 -9.961617 0.0000

LN_HEALTH -0.023158 0.006370 -3.635527 0.0008

LN_EDU 0.021027 0.006732 3.123477 0.0033








86

D. Random Effect Model (REM)


Method: Panel EGLS (Cross-section random effects)

Date: 05/26/19 Time: 20:53

Sample: 2010 2018

Periods included: 9



Swamy and Arora estimator of component variances


C 4.258077 0.091835 46.36665 0.0000

POV_RATE -0.706100 0.083862 -8.419764 0.0000

LN_HEALTH -0.015795 0.004916 -3.212846 0.0026

LN_EDU 0.017292 0.004387 3.941723 0.0003


S.D. Rho

Cross-section random 0.019936 0.5977

Idiosyncratic random 0.016357 0.4023

Weighted Statistics



S.E. of regression 0.017311 Sum squared resid 0.012287



Unweighted Statistics


Sum squared resid 0.041307 Durbin-Watson stat 0.195077

87

E. Uji Hausman

Correlated Random Effects - Hausman Test

Equation: Untitled

Test cross-section random effects

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

Cross-section random 7.923857 3 0.0476

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob.

POV_RATE -0.633927 -0.706100 0.001529 0.0649

LN_HEALTH -0.013483 -0.015795 0.000002 0.1175

LN_EDU 0.016742 0.017292 0.000001 0.4693

Cross-section random effects test equation:



Date: 05/26/19 Time: 20:53

Sample: 2010 2018

Periods included: 9




C 4.196114 0.097437 43.06491 0.0000

POV_RATE -0.633927 0.092528 -6.851178 0.0000

LN_HEALTH -0.013483 0.005133 -2.626550 0.0125

LN_EDU 0.016742 0.004452 3.760326 0.0006


Cross-section fixed (dummy variables)








88

Lampiran III: Data Penelitian

DATA PENELITIAN

Tahun Provinsi POV_RATE HEALTH EDU HDI

2010 NTT 0.2303 83,979,309,250 55,872,712,111 59.21

2011 NTT 0.2123 142,068,878,326 82,903,236,761 60.24

2012 NTT 0.2041 165,695,156,349 91,083,795,500 60.81

2013 NTT 0.2024 574,035,036,408 248,605,077,141 61.68

2014 NTT 0.196 198,569,827,000 65,216,268,000 62.26

2015 NTT 0.2258 46,621,066,071 50,340,148,922 62.67

2016 NTT 0.2201 259,928,934,497 92,805,528,096 63.13

2017 NTT 0.2138 45,134,588,871 50,575,368,555 63.73

2018 NTT 0.2103 305,991,588,680 1,190,841,423,000 64.39

2010 Gorontalo 0.2319 22,207,276,336 48,422,442,269 62.65

2011 Gorontalo 0.1875 25,808,639,647 66,836,783,302 63.48

2012 Gorontalo 0.1722 35,620,621,365 54,866,882,859 64.16

2013 Gorontalo 0.1801 61,653,398,122 63,864,303,406 64.70

2014 Gorontalo 0.1741 84,579,441,957 83,797,397,579 65.17

2015 Gorontalo 0.1816 24,600,779,660 52,497,993,005 65.86

2016 Gorontalo 0.1763 167,085,856,255 117,107,913,756 66.29

2017 Gorontalo 0.1714 21,143,050,367 74,510,509,686 67.01

2018 Gorontalo 0.1583 131,453,779,736 434,486,076,568 67.71

2010 Maluku 0.2774 86,331,379,197 147,242,071,296 64.27

2011 Maluku 0.23 113,984,123,580 142,332,875,789 64.75

2012 Maluku 0.2076 117,980,407,791.88 104,266,220,752.11 65.43

2013 Maluku 0.1927 170,803,401,282 91,881,312,068 66.09

2014 Maluku 0.1844 81,510,352,157 43,068,964,652 66.74

2015 Maluku 0.1936 68,519,503,263 73,237,730,282 67.05

2016 Maluku 0.1926 255,669,820,943 179,704,755,892 67.60

2017 Maluku 0.1829 70,318,878,888 80,896,939,805 68.19

2018 Maluku 0.1785 285,234,771,463 761,408,494,771 68.87

2010 Papua Barat 0.3488 82,190,589,876 113,631,195,939 59.60

2011 Papua Barat 0.3192 73,578,875,526 127,202,550,210 59.90

2012 Papua Barat 0.2704 67,328,957,694 132,557,799,122 60.30

2013 Papua Barat 0.2714 73,194,956,061 126,340,776,840 60.91

2014 Papua Barat 0.2626 682,850,044,956 1,280,719,000,638 61.28

2015 Papua Barat 0.2573 63,752,890,963 77,389,944,506 61.73

2016 Papua Barat 0.2488 186,944,309,297 182,989,027,421 62.21

2017 Papua Barat 0.2312 33,240,030,960 86,902,567,110 62.99

2018 Papua Barat 0.2266 110,058,654,612 602,627,012,184 63.74

89

2010 Papua 0.368 448,560,005,262 248,118,355,355 54.45

2011 Papua 0.3198 475,363,886,398 270,682,515,290 55.01

2012 Papua 0.3066 578,870,773,655 291,779,213,007 55.55

2013 Papua 0.3153 672,966,034,000 218,340,884,000 56.25

2014 Papua 0.278 649,772,365,282 154,490,959,100 56.75

2015 Papua 0.284 156,785,871,335 80,972,960,775 57.25

2016 Papua 0.284 682,509,511,628 531,588,191,604 58.05

2017 Papua 0.2776 146,910,165,961 125,888,297,437 59.09

2018 Papua 0.2743 903,231,039,555 1,539,750,827,595 60.06

DATA PENELITIAN (LN)

Tahun Provinsi POV_RATE LN_HEALTH LN_EDU LN_HDI

2010 NTT 0.2303 25.15384 24.74634 4.08109

2011 NTT 0.2123 25.67958 25.14094 4.09834

2012 NTT 0.2041 25.83342 25.23505 4.10775

2013 NTT 0.2024 27.07596 26.23913 4.12196

2014 NTT 0.196 26.01441 24.90097 4.13132

2015 NTT 0.2258 24.56532 24.64207 4.13788

2016 NTT 0.2201 26.28367 25.25377 4.14520

2017 NTT 0.2138 24.53291 24.64673 4.15466

2018 NTT 0.2103 26.44682 27.80568 4.16496

2010 Gorontalo 0.2319 23.82369 24.60323 4.13756

2011 Gorontalo 0.1875 23.97398 24.92552 4.15072

2012 Gorontalo 0.1722 24.29619 24.72818 4.16138

2013 Gorontalo 0.1801 24.84479 24.88003 4.16976

2014 Gorontalo 0.1741 25.16096 25.15167 4.17700

2015 Gorontalo 0.1816 23.92604 24.68404 4.18753

2016 Gorontalo 0.1763 25.84177 25.48636 4.19404

2017 Gorontalo 0.1714 23.77458 25.03421 4.20484

2018 Gorontalo 0.1583 25.60192 26.79743 4.21523

2010 Maluku 0.2774 25.18146 25.71534 4.16309

2011 Maluku 0.23 25.45933 25.68143 4.17053

2012 Maluku 0.2076 25.49378 25.37021 4.18098

2013 Maluku 0.1927 25.86378 25.24376 4.19102

2014 Maluku 0.1844 25.12400 24.48607 4.20080

2015 Maluku 0.1936 24.95038 25.01698 4.20544

2016 Maluku 0.1926 26.26715 25.91458 4.21361

2017 Maluku 0.1829 24.97631 25.11644 4.22230

90

2018 Maluku 0.1785 26.37658 27.35844 4.23222

2010 Papua Barat 0.3488 25.13231 25.45622 4.08766

2011 Papua Barat 0.3192 25.02162 25.56905 4.09268

2012 Papua Barat 0.2704 24.93286 25.61028 4.09933

2013 Papua Barat 0.2714 25.01639 25.56225 4.10940

2014 Papua Barat 0.2626 27.24954 27.87844 4.11545

2015 Papua Barat 0.2573 24.87828 25.07212 4.12277

2016 Papua Barat 0.2488 25.95408 25.93269 4.13052

2017 Papua Barat 0.2312 24.22702 25.18805 4.14298

2018 Papua Barat 0.2266 25.42428 27.12456 4.15481

2010 Papua 0.368 26.82931 26.23717 3.99728

2011 Papua 0.3198 26.88735 26.32421 4.00751

2012 Papua 0.3066 27.08435 26.39926 4.01728

2013 Papua 0.3153 27.23496 26.10932 4.02981

2014 Papua 0.278 27.19989 25.76340 4.03866

2015 Papua 0.284 25.77815 25.11738 4.04743

2016 Papua 0.284 27.24904 26.99913 4.06130

2017 Papua 0.2776 25.71309 25.55866 4.07906

2018 Papua 0.2743 27.52924 28.06264 4.09534

pengaruh kemiskinan, anggaran kesehatan dan...

Documents