Statistik Sosial

Mata Kuliah: Statistik Sosial
Judul: Resume Thesis Pengaruh Inflasi dan Pengangguran terhadap Kemiskinan di Perkotaan

Masalah kemiskinan adalah salah satu masalah utama untuk sebagian besar negara sedang berkembang, termasuk Indonesia. Berdasarkan data empiris dari berbagai negara sedang berkembang selama periode 1960 hingga akhir 1980 menunjukkan semakin melemahnya mekanisme trickle-down effect; pertumbuhan ekonomi yang pesat tidak selalu secara otomatis diikuti dengan semakin berkurangnya jumlah kemiskinan di suatu negara.
Berbagai studi yang membahas tentang masalah kemiskinan telah dilakukan oleh para ahli ekonomi.  Para ahli ekonomi tersebut mencoba menganalisa dan meramalkan tentang pengaruh dari variabel-variabel ekonomi makro tertentu terhadap tingkat kemiskinan.  Sejumlah penelitian empiris yang telah dilakukan menghasilkan temuan tentang adanya hubungan yang kuat antara tingkat kemiskinan dengan berbagai variabel ekonomi makro.  Penelitian-penelitian tersebut juga membuktikan bahwa tingkat pengangguran dan inflasi keduanya berhubungan positif dengan jumlah penduduk yang berada dibawah garis kemiskinan.
Untuk melihat pengaruh variabel-variabel ekonomi makro tersebut terhadap tingkat kemiskinan di Indonesia dapat digunakan metode estimasi secara statistik dan ekonometrik dengan menggunakan modifikasi model ekonometrik yang dikemukakan oleh Cutler and Kats (1991), yaitu:
P_t^α=β_0+ β_1 (P⁄Y)_t+β_2 ρ_t+β_3 μ_t+β_4 G_t+β_5 P_(t-1)-β_6 〖Ed〗_t+β_7 〖EP〗_t+
β_8 〖(I⁄GNP)〗_t+β_9 D_t+ε_t
dimana:
P_t^α    =    tingkat kemiskinan agregat pada tahun ke t yang dihitung dengan menggunakan indeks FGT (untuk α=0,1 dan 2)
〖(P⁄Y)〗_t     =    rasio garis kemiskinan terhadap pendapatan rata-rata
ρ_t     =    tingkat inflasi
μ_t     =    tingkat pengangguran
G_t     =    rasio Gini
P_(t-1)    =    tingkat kemiskinan agregat pada periode sebelumnya
〖Ed〗_t    =    persentase penduduk dengan tingkat pendidikan minimum SLTA pada tahun ke t
〖EP〗_t    =    persentase penduduk usia lanjut (berusia 65 tahun ke atas) pada tahun ke t
〖(I⁄GNP)〗_t     =    share industri manufaktur terhadap PDRB setiap propinsi pada tahun ke t
D    =    Dummy variabel untuk lokasi (Jawa dan luar Jawa)
ε_t     =    error term
β_0     =    konstanta
    Penelitian ini menggunakan data sekunder tahun 1993 dan 1996 yang bersifat kuantitatif yang diterbitkan oleh Badan Pusat Statistik (BPS) dan data pembanding dari LPEM.  Data-data yang digunakan adalah data tentang tingkat kemiskinan, pendapatan rata-rata (yang diformulasi dari data tingkat konsumsi rata-rata), garis kemiskinan, tingkat inflasi, tingkat pengangguran, dan rasio Gini. 
Secara keseluruhan data-data yang yang digunakan sebanyak 27 observasi yang selanjutnya akan diestimasi untuk menganalisis pengaruh dari variabel-variabel bebas (tingkat inflasi, pengangguran, rata-rata konsumsi masyarakat, distribusi pendapatan serta variabel-variabel demografi) terhadap variabel tak bebas yang secara spesifik dapat dibedakan menjadi tiga jenis yaitu:
α=0 menunjukkan Head count Index
α=1 menunjukkan Poverty gap index
α=2 menunjukkan Squared poverty gap index
Estimasi ini dilakukan dengan menggunakan dua model yaitu single equation model dan fixed effect model atau dummy variabel model untuk menganalisis adanya kemungkinan perbedaan karakteristik antar wilayah yang mempengaruhi tingkat kemiskinan.
    Estimasi data Head Count Poverty
    Model persamaan tunggal
Estimasi dengan model ini menganggap masing-masing observasi antar individu pada setiap propinsi memiliki karakteristik yang sama.  Persamaan yang digunakan adalah:
P_t^0=β_0+ β_1 (P⁄Y)_t+β_2 ρ_t+β_3 μ_t+β_4 G_t+β_5 P_(t-1)-β_6 〖Ed〗_t+β_7 〖EP〗_t+
β_8 〖(I⁄GNP)〗_t+ε_t
dimana P_t^0 adalah head-count poverty dari data kemiskinan BPS maupun data alternatif LPEM. 
Berdasarkan hasil pengolahan data didapatkan:
    Nilai koefisien determinasi yang disesuaikan (adjusted R2) yang cukup besar.  Hal ini menunjukkan bahwa secara umum model persamaan yang digunakan dapat menjelaskan pengaruh variabel bebas secara bersama-sama terhadap jumlah penduduk yang berada di bawah garis kemiskinan di Indonesia.
    Hasil regresi memperlihatkan bahwa hanya variabel pengangguran dan tingkat kemiskinan periode sebelumnya yang memberikan pengaruh yang konsisten dan signifikan terhadap tingkat kemiskinan saat ini, diperlihatkan oleh nilai t-test yang cukup tinggi pada dua jenis data yang digunakan.
    Variabel-variabel yang lainnya menunjukkan inkonsistensi terhadap dua jenis data yang digunakan.

    Dummy variabel model.
Persamaan yang digunakan adalah:
P_t^0=β_0+ β_1 (P⁄Y)_t+β_2 ρ_t+β_3 μ_t+β_4 G_t+β_5 P_(t-1)-β_6 〖Ed〗_t+β_7 〖EP〗_t+
β_8 〖(I⁄GNP)〗_t+β_9 D_t+ε_t
    Dari hasil pengolahan data diperoleh:
    Secara umum model persamaan yang digunakan telah dapat menjelaskan pengaruh antara variabel bebas secara bersama-sama dengan variabel terikat.  Hal ini diperlihatkan dengan nilai koefisien determinasi yang disesuaikan (adjusted R2) yang cukup besar.
    Hasil regresi memperlihatkan pengaruh yang konsisten dan signifikan dari variabel-variabel tertentu seperti rasio antara garis kemiskinan dengan konsumsi rata-rata, tingkat pengangguran, serta tingkat kemiskinan periode sebelumnya terhadap tingkat kemiskinan saat ini, diperlihatkan oleh nilai t-test yang relatif besar dan tanda sesuai dengan yang diharapkan.
    Secara umum perbedaan karakteristik antar daerah di Indonesia tidak cukup signifikan dalam mengubah kekuatan model.

    Estimasi data Poverty Gap Index
Hasil pengukuran pengaruh inflasi dan pengangguran terhadap kemiskinan dengan menggunakan tingkat kemiskinan rata-rata menunjukkan hasil yang relatif sejalan dengan pengukuran yang menggunakan head count index sebagai variabel terikat yaitu:
    Secara umum model persamaan yang digunakan telah dapat menjelaskan pengaruh antara variabel bebas secara bersama-sama dalam mempengaruhi variabel terikat.  Hal ini diperlihatkan dengan nilai koefisien determinasi yang disesuaikan (adjusted R2) yang cukup besar.
    Hasil regresi memperlihatkan pengaruh yang konsisten dan signifikan dari variabel-variabel tertentu seperti rasio antara garis kemiskinan dengan konsumsi rata-rata, tingkat pengangguran terhadap tingkat kemiskinan saat ini, diperlihatkan oleh nilai t-test yang relatif besar dan tanda sesuai dengan yang diharapkan. Hal ini menunjukkan bahwa variabel-variabel tersebut memiliki pebgaruh yang signifikan dalam mengubah keberartian model untuk menjelaskan hubungan antara variabel dalam model.
    Pengujian dengan model variabel dummy memperlihatkan bahwa perbedaan karakteristik antara daerah-daerah di Jawa dan di luar Jawa tidak memiliki pengaruh yang signifikan dalam model.

    Estimasi data Squared Poverty Gap
Model persamaan yang digunakan adalah:
P_t^2=β_0+ β_1 (P⁄Y)_t+β_2 ρ_t+β_3 μ_t+β_4 G_t+β_5 P_(t-1)-β_6 〖Ed〗_t+β_7 〖EP〗_t+
β_8 〖(I⁄GNP)〗_t+β_9 D_t+ε_t
Berdasarkan hasil pengujian baik menggunakan data kemiskinan BPS maupun data alternatif terlihat bahwa model persamaan tersebut tidak dapat menerangkan secara memuaskan pengaruh dari variabel-variabel bebas secara bersama-sama terhadap variabel terikat, diperlihatkan oleh nilai koefisien determinasi yang disesuaikan (adjusted R2) yang kecil.  Hal ini menunjukkan bahwa terdapat variabel lain yang lebih dapat menjelaskan tentang squared poverty gap index tetapi tidak dimasukkan dalam model.
    Berdasarkan hasil estimasi diatas dapat ditarik beberapa kesimpulan:
    Hasil pengujian atas data empiris yang tersedia memperlihatkan bahwa:
    Secara umum seluruh daerah di Indonesia mempunyai karakteristik yang sama sehingga metode yang tepat untuk menganalisis pengaruh variabel inflasi dan pengangguran terhadap kemiskinan di Indonesia adalah metode persamaan tunggal (single equation method).
    Model persamaan yang dapat menjelaskan secara memuaskan pengaruh antara variabel bebas secara bersama-sama terhadap variabel terikat adalah model yang menggunakan data head count poverty dan data poverty gap index sebagai variabel terikat;
Dengan demikian persamaan yang terbaik untuk menguji pengaruh variabel inflasi dan pengangguran terhadap kemiskinan di Indonesia adalah:
P_t^α=β_0+ β_1 (P⁄Y)_t+β_2 ρ_t+β_3 μ_t+β_4 G_t+β_5 P_(t-1)-β_6 〖Ed〗_t+β_7 〖EP〗_t+
β_8 〖(I⁄GNP)〗_t+ε_t
    dengan  α=0,1
    Variabel pengangguran memberikan pengaruh yang signifikan dan positif terhadap kemiskinan dimana kenaikan angka pengangguran mengakibatkan peningkatan atas angka kemiskinan begitu pula sebaliknya.

    Variabel inflasi memberikan pengaruh tidak konsisten terhadap kemiskinan.  Hal ini membuktikan bahwa variabel inflasi tidak terlalu kuat mempengaruhi angka kemiskinan di Indonesia setidak-tidaknya dalam jangka pendek.

    Variabel tingkat kemiskinan periode sebelumnya juga memiliki pengaruh yang cukup signifikan dan positif sedangkan variabel rasio antara garis kemiskinan dengan pendapatan dan variabel distribusi pendapatan antar penduduk memberikan pengaruh yang tidak konsisten.

Daftarkan email mu disini untuk mengikuti update KabarPajak:

0 Response to "Statistik Sosial"

Post a Comment