Menilik Pengaruh Belanja Bantuan Sosial dan Belanja Daerah Dalam Mengatasi Dampak Kemiskinan di Kala Pandemi: Studi Kasus Provinsi Jawa Barat Tahun 2021-2023 

Add a comment

Abstrak 

Kemiskinan merupakan masalah yang kompleks dan memiliki banyak aspek sehingga harus menjadi prioritas utama pembangunan di Indonesia. Penelitian ini bertujuan untuk menganalisis pengaruh Belanja Bantuan Sosial, Belanja Daerah, Lama Sekolah, dan Tingkat Pengangguran terhadap Tingkat Kemiskinan di Provinsi Jawa Barat Tahun 2021-2023. Jenis data dalam penelitian ini berbasis data sekunder, dengan jenis penelitian kuantitatif deskriptif. Penelitian ini menggunakan teknik analisis regresi data panel dengan data yang diperoleh dari Badan Pusat Statistik (BPS), menggunakan data Cross Section dari 24 kabupaten/kota di Provinsi Jawa Barat dalam waktu 3 tahun dan Random Effect Model digunakan sebagai model terbaik dalam penelitian ini. Hasil penelitian menunjukan semua variabel bebas (independen) ketika diuji secara simultan memiliki pengaruh yang signifikan terhadap variabel terikat (dependen) yaitu kemiskinan. Sementara ketika di uji secara parsial, hanya terdapat tiga variabel independen, yaitu Belanja Bantuan Sosial, Lama Sekolah, dan Tingkat Pengangguran yang memiliki pengaruh signifikan terhadap variabel Tingkat Kemiskinan, sedangkan satu variabel lagi Belanja Daerah tidak signifikan.  

Kata kunci : Tingkat Kemiskinan, Belanja Bantuan Sosial, Belanja Daerah, Lama Sekolah, dan Tingkat Pengangguran

Bab 1 

Pendahuluan

Kemiskinan di Indonesia telah menjadi permasalahan kompleks yang memengaruhi jutaan penduduk. Dengan tingkat pengangguran yang tinggi dan akses terbatas terhadap pendidikan dan pelayanan kesehatan yang memadai, membuat banyak keluarga terjebak dalam lingkaran kemiskinan yang sulit untuk ditinggalkan. Kondisi ini semakin diperparah oleh pandemi COVID-19 yang melanda Indonesia pada tahun 2019-2021 dan membawa dampak luar biasa bagi aktivitas perekonomian sehingga akhirnya mempengaruhi pendapatan masyarakat. 

Pandemi COVID-19 secara signifikan memperburuk kondisi sosial-ekonomi di Indonesia. Pembatasan sosial dan ekonomi yang diterapkan untuk memperlambat penyebaran virus telah berdampak langsung pada pekerja harian, pedagang kecil, dan komunitas rentan lainnya yang bergantung pada pendapatan sehari-hari untuk memenuhi kebutuhan dasar mereka. Banyak di antara mereka kehilangan pekerjaan atau penghasilan secara drastis karena aktivitas ekonomi terhenti atau berkurang tajam selama masa lockdown. Hal ini sejalan dengan penelitian yang dilakukan oleh (Anser et al., 2020) bahwa pandemi COVID-19 membuat jutaan orang jatuh miskin. Selain itu, penyebaran wabah Covid-19 mengakibatkan efek domino bagi semua sektor yang berawal dari persoalan kesehatan ke persoalan sosial, ekonomi, hingga politik.

Grafik 1.1. Kemiskinan di Provinsi Jawa Barat Selama 5 Tahun

Sumber: Badan Pusat Statistik (diolah)

Dapat dilihat pada grafik di atas bahwa dalam lima tahun terakhir, masalah kemiskinan di Provinsi Jawa Barat menunjukkan tren yang cukup kompleks. Antara tahun 2019 hingga tahun 2021, tingkat pengangguran meningkat dan berdampak langsung pada peningkatan jumlah individu dan keluarga yang terjerat dalam kemiskinan sehingga persentase kemiskinan di Provinsi Jawa Barat mengalami peningkatan. Situasi ini memaksa pemerintah untuk merespons dengan kebijakan-kebijakan baru yang lebih proaktif dan terfokus untuk mengatasi tantangan ekonomi.

Untuk merespons permasalahan ini, pemerintah pusat dan pemerintah daerah telah mengambil langkah-langkah signifikan untuk mengatasi dampak kemiskinan akibat pandemi COVID-19. Dengan mengimplementasikan berbagai program bantuan sosial seperti bantuan langsung tunai dan bantuan sembako, pemerintah berupaya secara aktif untuk memberikan perlindungan ekonomi bagi masyarakat yang paling rentan. Strategi ini juga mencakup stimulasi ekonomi melalui program infrastruktur dan peningkatan akses terhadap pelayanan kesehatan dan pendidikan, dengan tujuan untuk memperkuat daya tahan sosial ekonomi masyarakat Indonesia di tengah pandemi. Menurut data dari Kementerian Sosial, tercatat bahwa jumlah penerima bantuan sosial dan anggaran belanja bantuan sosial di Provinsi Jawa Barat pada tahun 2021-2023 seperti tabel berikut:

Tabel 1.1. Jumlah Penerima Bantuan Sosial (Kepala Keluarga) dan Anggaran Belanja Bantuan Sosial (Satuan Juta Rupiah), 2021-2023



Lokasi Penerimaan Bansos		Jumlah Keluarga Penerima Manfaat (KPM) dan Anggaran Belanja Bantuan Sosial Provinsi Jawa Barat
Realisasi Jumlah Keluarga Penerima Manfaat (KPM) Bantuan Sosial Realisasi Anggaran Belanja Bantuan Sosial (Satuan Juta Rupiah)
202120222023202120222023
Provinsi Jawa Barat4.220.864 26.184.57222.178.797683.409 799.087626.088

Sumber: Kementerian Sosial dan Badan Pusat Statistik (diolah)

Pemerintah pusat perlu memiliki strategi yang terintegrasi dan berkelanjutan untuk memastikan keberhasilan dalam menanggulangi masalah kemiskinan di Indonesia melalui pemberian anggaran belanja untuk bantuan sosial kepada setiap provinsi yang ada, salah satunya adalah Provinsi Jawa Barat. Provinsi Jawa Barat telah berupaya mengoptimalkan alokasi bantuan sosial ini untuk memastikan bahwa bantuan sosial tersebut tepat sasaran dan efektif serta dapat mencapai target penerima yang membutuhkan. Selain itu, pemerintah Jawa Barat juga memastikan efektivitas dan efisiensi dari penggunaan anggaran dana bantuan sosial yang tersedia. 

Seperti yang diketahui, kemiskinan biasanya terjadi karena seseorang tidak memiliki pekerjaan sehingga tidak memiliki upah yang cukup untuk memenuhi kebutuhan. Hal ini dapat dicerminkan oleh tingkat pengangguran, yaitu orang yang berada di usia kerja dan sedang mencari pekerjaan ataupun tidak bekerja dalam jangka waktu yang lama. Pengangguran menjadi suatu permasalahan yang kompleks karena memengaruhi banyak faktor kehidupan, terutama berdampak kepada kemiskinan dengan berada pada kondisi standar hidup yang rendah hingga bisa berdampak pada kemiskinan yang lebih parah, seperti tidak mampunya memenuhi kebutuhan pangan maupun non-pangan. 

Grafik 1.2 Tingkat Pengangguran 

Sumber : Badan Pusat Statistik (BPS), diolah

Berdasarkan Portal Jabarprov, pengangguran terbuka di jabar paling banyak disebabkan oleh dampak COVID-19, dimana masih terdapat 1,02 juta penduduk usia kerja yang terdampak COVID-19. Namun dalam tahun 2021-2023 terjadi penurunan dari tahun ke tahun berdasarkan data Badan Pusat Statistik (BPS). Pada Agustus 2022, TPT di Jabar sebesar 8,31 persen mengindikasikan penurunan sebesar 1,51 persen dibandingkan pada agustus 2021 yang sebesar 9,82 persen. Penurunan ini lebih tinggi daripada penurunan pengangguran nasional yang hanya turun sebesar 0,63 persen. Menurut Kepala Dinas Tenaga Kerja dan Transmigrasi Jabar Rachmat Taufik, penurunan ini termasuk penurunan tertinggi kedua di tingkat nasional. 

Di sisi lain, jumlah tingkat partisipasi angkatan kerja (TPAK) juga meningkat dan hal ini perlu menjadi perhatian pemerintah dalam menyediakan lapangan kerja yang sesuai dengan permintaan, sehingga dapat terus mengurangi pengangguran dan berdampak juga pada penurunan kemiskinan. Dalam mengurangi pengangguran tentu perlu berbagai strategi mulai dari perbaikan industri lapangan kerja, pemanfaatan anggaran belanja daerah, hingga perencanaan investasi.

Selain permasalahan ekonomi, faktor lain yang dapat memengaruhi kemiskinan adalah pendidikan. Pendidikan memiliki peran penting dalam meningkatkan kualitas hidup, memperluas peluang kerja, dan membangun masyarakat yang lebih adil dan inklusif. Siapapun yang mengharapkan pekerjaan yang baik dan penghasilan yang tinggi harus memiliki standar pendidikan yang tinggi.  Namun, hanya orang kaya yang mampu mengenyam pendidikan tinggi, sedangkan orang miskin tidak memiliki cukup dana untuk meneruskan ke pendidikan yang lebih tinggi seperti perguruan tinggi. Dengan demikian, tingkat pendidikan memiliki pengaruh yang besar dalam mengatasi kemiskinan dan saling berkaitan satu sama lain sebagai faktor yang saling memengaruhi. 

Permasalahan pendidikan masih kerap ditemui dan belum ditemukan solusi yang tepat dalam penanganannya di Indonesia, salah satunya di Provinsi Jawa Barat. Masalah pendidikan di Jawa Barat dapat dibagi menjadi beberapa aspek utama yang mencakup infrastruktur, akses, kualitas pendidikan, dan faktor-faktor sosial-ekonomi. Menurut data dari BPS, tercatat bahwa Rata-Rata Lama Sekolah di Provinsi Jawa Barat pada tahun 2021-2023 seperti grafik berikut:

Grafik 1.3. Rata – Rata Lama Sekolah Kota dan Kabupaten 

 di Provinsi Jawa Barat Tahun 2021 – 2023

Sumber: Badan Pusat Statistik (diolah)

Dapat dilihat pada grafik di atas bahwa Rata-Rata Lama Sekolah di kota dan kabupaten yang ada di wilayah Jawa Barat masih terlihat ketimpangan yang cukup jauh. Secara umum, kota-kota besar seperti Bandung, Bogor, dan Cimahi cenderung memiliki akses terhadap pendidikan yang lebih baik dibandingkan dengan kabupaten-kabupaten di sekitarnya. Kota-kota besar biasanya memiliki infrastruktur yang lebih baik, seperti jaringan transportasi yang lebih lengkap, akses terhadap pelayanan kesehatan dan pendidikan yang lebih baik, serta teknologi informasi dan komunikasi yang canggih. Infrastruktur ini mendukung pertumbuhan ekonomi yang lebih tinggi (Glaeser et al., 2001). Sebaliknya, di tingkat kabupaten, faktor seperti kemiskinan, pengangguran, dan keterbatasan infrastruktur juga memengaruhi akses dan kualitas pendidikan. Upaya untuk mengurangi ketimpangan pendidikan antara kota dan kabupaten di Jawa Barat dapat dilakukan melalui Anggaran Belanja Daerah yang dikoordinasikan dengan pihak atau stakeholder terkait. 

Akan tetapi, banyak daerah di Jawa Barat yang menghadapi keterbatasan anggaran untuk membiayai berbagai program dan kegiatan, terutama dalam hal pembangunan infrastruktur dan pelayanan publik, salah satu contohnya adalah Kota Bandung. Pemerintah Kota Bandung menghadapi keterbatasan anggaran dalam pemeliharaan dan perbaikan jalan, di mana anggaran yang tersedia hanya cukup untuk 20-30% dari kebutuhan total. 

Kepala Dinas Bina Marga Kota Bandung telah mengonfirmasi terkait masih banyaknya jalan di Kota Bandung yang dikeluhkan masyarakat karena belum tersentuh perbaikan. Hal ini memaksa mereka untuk membuat skala prioritas dalam peningkatan dan pemeliharaan jalan sehingga dapat menghambat kemampuan daerah dalam meningkatkan kualitas hidup masyarakat dan infrastruktur dasar. Pemerintah Provinsi Jawa Barat bahkan harus menggunakan pola pembiayaan Kerja Sama Pemerintah dengan Badan Usaha (KPBU) untuk membiayai proyek infrastruktur strategis seperti TPAS Legok Nangka, Sistem Penyediaan Air Minum (SPAM) Jatigede, dan LRT Bandung Raya. Hal ini dilakukan karena anggaran APBD/APBN tidak cukup untuk memenuhi kebutuhan besar dalam pembangunan infrastruktur. Kondisi-kondisi ini menunjukkan bahwa pengelolaan anggaran daerah di Jawa Barat masih menghadapi berbagai tantangan yang perlu diatasi untuk meningkatkan efisiensi, transparansi, dan efektivitas penggunaan anggaran publik. Di samping itu, data menunjukkan anggaran belanja daerah kian meningkat setiap tahunnya. 

Grafik 1.4. Belanja Daerah Provinsi Jawa Barat 

Sumber: Badan Pusat Statistik (diolah)

Di dalam angka tingkat kemiskinan, selalu ada angka belanja daerah, Pendapatan Asli Daerah (PAD) dan pertumbuhan  ekonomi yang  sangat  berpengaruh  pada angka  tingkat  kemiskinan.  Pada prinsipnya, semakin besar sumbangan Anggaran Pendapatan dan Belanja Daerah (APBD) dan Pertumbuhan  Ekonomi  terhadap  suatu  daerah, maka  jumlah penduduk miskin di suatu daerah tersebut akan semakin  kecil.

Kemiskinan terjadi karena kemampuan masyarakat sebagai pelaku ekonomi tidak sama, sehingga terdapat masyarakat yang tidak dapat ikut serta dalam proses pembangunan. Permasalahan kemiskinan merupakan permasalahan yang kompleks dan bersifat multidimensional.  Oleh  karena  itu,  upaya  pengentasan  kemiskinan  harus  dilakukan  secara komprehensif  dan dilaksanakan secara terpadu dengan mencakup  berbagai  aspek  kehidupan  masyarakat. 

Berdasarkan kajian bahasan tersebut, penulis  tertarik  untuk  menulis  penelitian  untuk melihat dan mengidentifikasi beberapa faktor yang mungkin memengaruhi masih adanya kemiskinan di Jawa Barat dengan limitasi faktor yang diteliti. Adapun hipotesis pertanyaan yang ingin diketahui adalah sebagai berikut:

1. Apakah peningkatan belanja bantuan sosial di kala pandemi mampu mengurangi tingkat kemiskinan di Provinsi Jawa Barat pada tahun 2021-2023?

2. Apakah peningkatan belanja daerah di kala pandemi mampu mengurangi tingkat kemiskinan di Provinsi Jawa Barat pada tahun 2021-2023?

3. Bagaimana pengaruh dari variabel kontrol dari rata-rata lama sekolah dan tingkat pengangguran di kala pandemi mampu mengurangi tingkat kemiskinan di Provinsi Jawa Barat pada tahun 2021-2023?

Penelitian ini bertujuan untuk menjelajahi dinamika interaksi antara anggaran belanja daerah hingga belanja bantuan sosial sebagai tindakan dalam mengatasi kemiskinan di berbagai kabupaten dan kota pada Provinsi Jawa Barat. Selain itu, melibatkan variabel kontrol seperti lama sekolah dan tingkat pengangguran juga diperlukan untuk memastikan hasil estimasi benar-benar memang dipengaruhi oleh variabel yang diteliti dalam model. Dengan demikian, diharapkan penelitian ini dapat memberikan kontribusi yang berarti dalam menyusun strategi pembangunan yang inklusif dan berkelanjutan, guna mengatasi tantangan kemiskinan yang masih menghantui masyarakat di tingkat lokal maupun nasional.

Seperti yang telah diketahui, anggaran belanja daerah Provinsi Jawa Barat selalu meningkat setiap tahunnya. Sejauh ini, peningkatan anggaran daerah sejalan dengan penurunan kemiskinan di daerah Jawa Barat. Pengawasan terhadap anggaran belanja daerah harus selalu dilaksanakan, apabila akuntabilitas dan transparansi berkurang dalam pengelolaan anggaran, maka hal ini dapat menyebabkan alokasi dana menjadi tidak efisien dan tidak tepat sasaran. Tanpa mekanisme yang kuat dan jelas untuk memastikan bahwa anggaran tersebut digunakan secara efektif, efisiensi penggunaan dana untuk mengurangi kemiskinan perlu dipertanyakan karena bisa saja terjadi penyalahgunaan anggaran atau tindak pidana korupsi. Oleh karena itu, transparansi anggaran belanja daerah harus selalu dipantau supaya dana yang seharusnya digunakan untuk program-program anti-kemiskinan tidak dialokasikan secara tepat atau bahkan disalahgunakan oleh pejabat yang tidak bertanggung jawab.

Bab 2 

Tinjauan Pustaka

  • Tingkat Kemiskinan

Kemiskinan  adalah  kondisi  kehidupan  yang  mengacu  pada  kekurangan  atau  kesulitan dalam  memenuhi  kebutuhan  hidup (Chamsyah, 2006). Sedangkan menurut Badan Pusat Statistik kemiskinan merupakan sebuah kondisi yang berada dibawah garis nilai standar kebutuhan minimum, baik untuk makanan dan non makanan yang disebut garis kemiskinan (poverty line) atau disebut juga batas kemiskinan (poverty threshold). Permasalahan tingkat kemiskinan di Jawa Barat masih menjadi isu yang belum juga terselesaikan. Banyak faktor yang memengaruhi tingkat kemiskinan, seperti halnya pendidikan, faktor kesehatan, laju pertumbuhan penduduk yang tinggi, kualitas sumber daya manusia, dan faktor lainnya seperti indeks Pembangunan Manusia (IPM), inflasi, dan pengangguran.

  • Bansos (Bantuan Sosial)

Berdasarkan Perpres nomor 63 tahun 2017 bantuan sosial adalah bantuan yang diberikan kepada masyarakat miskin, masyarakat kurang mampu, ataupun masyarakat rentan terhadap resiko sosial, dimana bantuan yang diberikan berupa uang, barang, ataupun jasa dimana bantuan sosial ini merupakan program yang dilakukan pemerintah dalam pengentasan kemiskinan (JDIH, 2017). Bansos diperuntukan bagi masyarakat yang kurang mampu dalam memenuhi kebutuhan dasar seperti, pangan, kesehatan, pendidikan, dan lainnya. Tujuan dari pemberian bansos tidak lain untuk meningkatkan kesejahteraan kualitas hidup masyarakat dengan memenuhi kebutuhan hidup. Sementara itu, tujuan jangka panjang diberlakukan program bantuan sosial agar dapat mengentaskan permasalahan kemiskinan melalui peningkatan kualitas SDM melalui perbaikan kualitas pendidikan dan kesehatan (Habibullah et al., 2017). Sistematika bantuan sosial terbagi menjadi dua alur yang berbeda, yaitu alur DTKS dan Non-DTKS. Meskipun berbeda, kedua alur tersebut diawali dengan pemilihan data masyarakat yang kurang mampu, dilanjutkan dengan proses verifikasi dan validasi data, hingga akhirnya bantuan sosial disalurkan. Pendistribusian bantuan sosial dilaksanakan sesuai dengan jadwal yang telah ditentukan, tergantung pada jenis bantuan yang diberikan.

  • Belanja Daerah

Mankiw  (2006)  mengemukakan  bahwa  salah satu     komponen     PDB     adalah     pengeluaran pemerintah/ belanja pemerintah mencakup pembelanjaan  barang  dan  jasa  oleh  pemerintah daerah, negara bagian dan pusat (federal). Berdasarkan PP No. 58 tahun 2005 tentang Pengelolaan Keuangan, Belanja daerah meliputi semua pengeluaran dari rekening kas umum daerah yang mengurangi ekuitas dana lancar, yang merupakan kewajiban daerah dalam satu tahun anggaran yang tidak akan diperoleh pembayarannya kembali oleh Daerah.  Pengeluaran untuk belanja daerah terdiri dari belanja pegawai, belanja barang jasa, belanja modal dan belanja lainnya. Pada dasarnya belanja daerah diperuntukan untuk kepentingan umum dengan harapan dapat meningkatkan kesejahteraan masyarakat. 

  • Lama Waktu Pendidikan 

Ki Hajar Dewantara (dalam Yanuarti, 2017) menjelaskan bahwa pendidikan adalah suatu hal penting dalam tumbuh kembang anak, memberikan segala hal Pendidikan pada anak agar menjadi warga masyarakat yang dapat mencapai keselamatan dan kebahagiaan setinggi tingginya. Tingkat pendidikan berfungsi sebagai alat ukur untuk menilai tingkat kesejahteraan masyarakat. Semakin tinggi tingkat pendidikan seseorang, maka kualitas sumber daya manusianya akan lebih baik. Tobing (dalam Hastarini, 2005), mengemukakan bahwa orang yang memiliki tingkat pendidikan lebih tinggi yang diukur dengan lamanya waktu untuk sekolah akan memiliki pekerjaan dan upah yang lebih baik dibanding dengan orang yang pendidikannya lebih rendah. 

  • Pengangguran 

Pengangguran merupakan seseorang yang digolongkan dalam angkatan kerja yang secara aktif sedang mencari pekerjaan untuk mendapatkan upah tertentu, tetapi tidak kunjung mendapatkan pekerjaan. Pengangguran juga dibedakan menjadi 3 jenis berdasarkan pada penyebabnya yaitu, pengangguran friksional, struktural, dan konjungtur. Sementara pengangguran berdasarkan cirinya dibedakan menjadi 4, yaitu pengangguran terbuka, tersembunyi, musiman, dan setengah menganggur (Sadono Sukirno, 2000). Pengangguran dapat berdampak pada kemiskinan dengan berbagai cara. Ada dua asumsi mengatakan bahwa pengangguran dapat berpengaruh terhadap kemiskinan diukur dari sisi pendapatan (income poverty rate) dan sisi konsumsi (consumption poverty rate) (Retnowati, 2018).

  • Pengaruh Bantuan Sosial Terhadap Tingkat Kemiskinan

Todaro (2017) menyebutkan bahwa dimana pembiayaan konsumsi berupa barang maupun jasa bagi kelompok masyarakat yang sangat miskin merupakan suatu langkah penting lain dari suatu kebijakan yang menyeluruh untuk menanggulangi permasalahan kemiskinan. Berdasarkan hasil penelitian terdahulu yang berada di Provinsi Jawa Timur, dimana hasil penelitian Agustin L & Sumarsono pada tahun  2018-2020 menggunakan uji p-value secara parsial menunjukan bahwa belanja bantuan sosial memiliki hubungan positif dan tidak berpengaruh signifikan terhadap tingkat kemiskinan (Agustin L & Sumarsono, 2022). Serupa dengan hasil penelitian berikut dimana hasil penelitian Rival et al., pada tahun 2007-2019 menggunakan uji p-value secara parsial menunjukan bahwa belanja bantuan sosial memiliki hubungan positif dan tidak berpengaruh signifikan terhadap tingkat kemiskinan (Rival, Vinny et.al., 2021). 

Hasil kedua penelitian ini bertolak belakang dengan yang ditulis oleh Todaro (2017) dan juga tidak sesuai dengan hasil penelitian yang menyebutkan bahwa variabel bantuan sosial berpengaruh signifikan negatif terhadap kemiskinan (Lindiasari S & Ramadhani, 2019). Ini dapat terjadi karena pengamatan di lapangan menunjukkan bahwa banyak keluarga penerima manfaat yang belum memanfaatkan bantuan yang diberikan secara optimal untuk meningkatkan kesejahteraan mereka. (Gultom et al., 2020). Disisi lain, bantuan sosial dapat berpengaruh signifikan negatif terhadap tingkat kemiskinan dikarenakan beberapa faktor. Misalnya, sistem pendistribusian bansos yang sudah tepat sasaran dan penerima mampu mengoptimalkan bansos untuk membantu mengurangi beban ekonomi mereka.

  • Pengaruh Belanja Daerah Terhadap Tingkat Kemiskinan

Belanja daerah, yang merupakan bagian dari Anggaran Pendapatan dan Belanja Daerah (APBD), diperuntukkan untuk berbagai keperluan yang penting dalam pembangunan dan penyelenggaraan pemerintahan di tingkat daerah. Menurut  Iskarno, alokasi  belanja  regional  yang  tepat  dan efisien akan mampu menurunkan taraf kemiskinan (Seseliya, 2022). Sejalan  dengan  hasil  penelitian  Dewi  I, et al (2017) yang menyatakan bahwa belanja daerah berpengaruh negatif dan signifikan terhadap  tingkat  kemiskinan. Namun demikian, belanja daerah tidak selalu berpengaruh signifikan terhadap tingkat kemiskinan. Untuk menguji kesesuaian hasil penelitian Dewi I, et al. (2017), maka dibandingkan dengan kondisi di Provinsi Jambi, dimana hasil penelitian Putri R, et al., pada tahun 2015-2018 menggunakan uji t secara parsial menunjukan bahwa belanja daerah memiliki hubungan positif dan tidak signifikan terhadap tingkat kemiskinan (Putri R, et al., 2021). 

Bandingkan dengan penelitian pada Provinsi Sumatera Utara, dimana hasil penelitian Ramadhan pada tahun 2013-2017 menggunakan uji t secara parsial juga menunjukkan bahwa belanja daerah memiliki hubungan positif dan berpengaruh signifikan terhadap tingkat kemiskinan (Ramadhan, 2022). Berdasarkan Kedua hasil penelitian ini, dapat disimpulkan bahwa terdapat perbedaan dalam sistem pengalokasian belanja daerah di Provinsi Jambi, dan Sumatera Utara. Pemerintah Provinsi Jambi belum efektif dalam pengalokasian dana belanja daerahnya, sehingga besaran anggaran tidak memberikan dampak signifikan terhadap tingkat kemiskinan. Di sisi lain, Provinsi Sumatera Utara menunjukkan bahwa belanja daerah memiliki pengaruh yang signifikan terhadap tingkat kemiskinan, namun hasilnya menunjukkan belanja daerah tidak mampu mengurangi kemiskinan, justru malah menambah kemiskinan. 

  • Pengaruh Lamanya Sekolah Terhadap Tingkat Kemiskinan

Pendidikan merupakan salah satu faktor yang dapat menentukan kesejahteraan seseorang, dimana ketika seorang individu menempuh pendidikan yang lebih tinggi, maka akan mendapatkan pekerjaan yang lebih baik. Sesuai dengan teori yang dikemukakan oleh Mankiw (2012) yang  menyatakan  bahwa  pendidikan  merupakan  investasi  seseorang,  yang  apabila pendidikan seseorang tinggi maka kesejahteraan seseorang akan lebih baik. Berdasarkan hasil penelitian terdahulu pada Provinsi Jawa Tengah, dimana hasil penelitian Kevin, Arfa et al., pada tahun 2013-2021 menggunakan uji p-value secara parsial, menunjukkan bahwa rata-rata lama sekolah memiliki hubungan negatif dan berpengaruh signifikan terhadap tingkat kemiskinan (Kevin, Arfa et al., 2022).

.Kemudian pada penelitian di Provinsi Jawa Timur, dimana hasil penelitian Rukmana dan Imaningsih pada tahun 2002-2021 menggunakan uji t secara parsial menunjukkan bahwa rata-rata lama sekolah memiliki hubungan negatif dan berpengaruh signifikan terhadap tingkat kemiskinan (Rukmana & Imaningsih, 2023). Hasil dari kedua penelitian tersebut sesuai dengan teori yang diungkapkan oleh Hutabarat (2018) yaitu variabel Rata-Rata Lama Sekolah memiliki hubungan negatif dan signifikan terhadap kemiskinan. Dengan demikian, dapat disimpulkan bahwa kedua hasil penelitian pengaruh variabel Rata-Rata Lama Sekolah di Provinsi Jawa Tengah dan Jawa Timur mampu menjelaskan penurunan kemiskinan yang terjadi pada tahun penelitian tersebut

  • Pengaruh Pengangguran Terhadap Tingkat Kemiskinan

Pengangguran menurut ekonom makro populer, Greg Mankiw menyatakan dalam buku bahwa pengangguran adalah masalah makroekonomi yang memengaruhi manusia secara langsung dan merupakan masalah yang paling berat yang akan menyebabkan penurunan standar kehidupan dan tekanan psikologis (Mankiw, 2007). Menurut penelitian sebelumnya di Provinsi Jawa Tengah, dimana hasil penelitian Misdawati pada tahun 1999-2018 menggunakan uji p-value secara parsial menunjukkan bahwa tingkat pengangguran memiliki hubungan positif dan signifikan terhadap tingkat kemiskinan (Misdawati et al., 2020). Sejalan dengan penelitian lain dari retnowati yang meneliti tingkat pengangguran di jawa tengah terhadap tingkat kemiskinan. Dimana, hasil penelitian Retnowati pada tahun 2009-2014 menunjukkan bahwa tingkat pengangguran memiliki hubungan positif dan signifikan terhadap tingkat kemiskinan (Retnowati, 2018).

Dari hasil kedua penelitian yang ada di Jawa Tengah dapat ditarik kesimpulan bahwa variabel tingkat pengangguran memiliki hubungan yang positif dan berpengaruh signifikan terhadap kemiskinan. Hubungan positif ini mengindikasikan hubungan searah, dimana jika pengangguran bertambah maka kemiskinan juga bertambah, dan begitu juga sebaliknya jika pengangguran berkurang maka pengangguran berkurang.

Bab 3

Metodologi Penelitian

Sampel dan Sumber Data Penelitian 

Data yang digunakan dalam penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS). Penelitian ini menggunakan data panel tahun 2021 – 2023 dari 24 kabupaten/kota yang berada di provinsi Jawa Barat sebagai sampel yang diobservasi. Penelitian data panel dapat dilakukan menggunakan gabungan data cross section dan time series. Gabungan observasi yang didapatkan dari 24 kota/kabupaten sebagai data cross section dan diteliti dengan rincian 3 tahun pada 2021-2023 sebagai data time series, sehingga dihasilkan observasi data panel sebanyak 72 data.  

Tabel 3.1 Sampel dan Sumber Data Penelitian

Peran VariabelVariabelSpesifikasiSatuanSumber Data
Variabel Dependen (Y)Tingkat Kemiskinan (perpovert)Total Penduduk Miskin per Kabupaten/Kota di Jawa BaratPersenBadan Pusat Statistik (BPS)
Variabel Independen (X1)Belanja Bantuan Sosial (socspend)Total Belanja Bantuan Sosial per Kab/Kota di Jawa BaratJuta RupiahBadan Pusat Statistik (BPS)
Variabel Independen (X2)Belanja Daerah (regionspend)Total Belanja Daerah per Kab/Kota di Jawa BaratJuta RupiahBadan Pusat Statistik (BPS)
Variabel Independen (X3)Lama Sekolah (meanschool)Rata-rata Lama Sekolah per Kab/Kota di Jawa BaratTahunBadan Pusat Statistik (BPS)
Variabel Independen (X4)Tingkat Pengangguran (unemrate)Tingkat Pengangguran per Kab/Kota di Jawa BaratPersenBadan Pusat Statistik (BPS)

Sumber : Badan Pusat Statistik, diolah

Spesifikasi Model

Dalam model penelitian ini, penulis menggunakan model regresi linear berganda sebagai model estimasi data panel untuk mengukur bagaimana belanja bantuan sosial, belanja daerah, lama sekolah, tingkat pengangguran terhadap tingkat kemiskinan, sehingga dalam membangun model tersebut didapat hasil estimasi regresi data panel dengan bentuk persamaan sebagai berikut : 

perpovertit= 0- 1logsocspendit+ 2logregionspendit+ k=2kk∁kit+ t+it ;i=1,2,….24 ;t=1,2,….3

y  : total penduduk miskin yang diproksikan dengan tingkat kemiskinan

0 : konstanta atau nilai rata-rata estimasi tingkat kemiskinan jika tidak dipengaruhi oleh variabel lain

1 : koefisien total belanja bantuan sosial kab/kota yang diproksikan dengan belanja bantuan sosial

2 : koefisien total belanja daerah kabupaten/kota yang diproksikan dengan belanja daerah

log       : Penggunaan logaritma untuk variabel socspend dan regionspend

k  : jumlah variabel kontrol yang digunakan dalam model

βk : koefisien dari variabel-variabel kontrol

∁  : variabel kontrol

 ϑ : merupakan unobserved effect

∈ : merupakan idiosyncratic error

i : menunjukkan data cross section kabupaten dan kota

t : menunjukkan data tahun analisis 2021-2023

i x t : menunjukkan banyaknya jumlah data panel

Berdasarkan model tersebut, perpovert merupakan variabel terikat (dependen). Sementara itu, socspend dan regionspend merupakan variabel bebas (independen). Dalam persamaan tersebut juga transformasi log dilakukan pada variabel socspend dn regionspend untuk mempermudah interpretasi koefisien yang dikarenakan memiliki satuan jumlah nilai yang besar, sehingga log dilakukan dan nama variabel juga diubah menjadi logsocspend dan logregionspend. Adapun ϑi merupakan time-invariant effect yang menunjukan faktor unobserved tanpa dipengaruhi oleh perubahan waktu dan ∈it  merupakan time variant effect yang menunjukan faktor unobserved yang dipengaruhi oleh perubahan waktu.

Dalam model penelitian ini juga, penulis menggunakan variabel kontrol sebagai pengontrol dari estimasi pengaruh variabel belanja bantuan sosial dan belanja daerah terhadap tingkat kemiskinan agar mengurangi kemungkinan bias yang terjadi pada koefisien belanja bantuan sosial dan belanja daerah. Variabel kontrol merupakan variabel yang ikut disertakan karena memiliki pengaruh pasti terhadap variabel dependen dan alasan memasukannya untuk mengontrol variabel independen yang sedang diteliti benar-benar dapat menjelaskan pengaruh terhadap variabel dependen. .Dalam model ini, variabel lama sekolah dan tingkat pengangguran berperan sebagai variabel kontrol, sehingga dapat dibentuk ke dalam persamaan seperti berikut : 

∁it= γ1meanschoolit+ 2unemrateit

Dalam penelitian ini, penulis melakukan estimasi dengan menggunakan Random Effect Model (REM) sebagai model terbaik dalam panel data ini. REM  mengasumsikan bahwa ada perbedaan antar entitas adalah acak dan tidak berkorelasi pada variabel independen. Random Effect Model digunakan ketika Anda menganggap bahwa efek individual dari entitas tertentu bukanlah konstan tetapi acak dan menyebar di sekitar rata-rata populasi. 

Penulis juga menggunakan STATA 17 sebagai instrumen analisis yang presisi untuk mencegah terjadinya kesalahan estimasi. Kemudian, untuk memvalidasi hasil estimasi dalam model penelitian yang digunakan, maka penulis melakukan uji asumsi klasik, seperti Uji Normalitas, Multikolinearitas, dan Heteroskedasitas untuk memenuhi syarat estimasi yang baik dan tidak bias.

Bab 4 

Hasil Estimasi dan Interpretasi

Statistik Deskriptif

Tabel 4.1 Statistik Deskriptif

VariableObsMeanStd. dev.MinMax
perpovert728.2986112.7728912.3813.13
logsocspend729.4207321.2367626.54678512.02187
logregionspend7214.957960.588487413.4071516.07911
meanschool728.8546531.4286737.0611.905
unemrate728.2833332.4367911.5213.07

Sebelum penulis melakukan estimasi dengan permodelan yang telah dibuat, dipaparkan terlebih dahulu mengenai statistik deskriptif yang mencakup nilai rata-rata, nilai standar deviasi, nilai minimum dan nilai maksimum untuk melihat sebaran data yang terdapat di setiap variabel ditunjukan pada tabel (4.1). Dari data tersebut, terlihat bahwa standar deviasi yang merupakan ukuran untuk melihat sebaran nilai data terhadap nilai rata-rata pada suatu variabel cenderung memiliki nilai yang relatif rendah. Selain itu, nilai minimum dan nilai maksimum yang dimiliki oleh setiap variabel tidak menunjukan adanya outlier karena rentang nilai minimum dan nilai maksimum di setiap variabel cenderung memiliki nilai yang stabil. Hal tersebut menunjukan bahwa nilai sampel yang diobservasi di setiap provinsi di Jawa Barat memiliki tingkat fluktuasi yang rendah di tiap waktunya.

Pemilihan Model Regresi Data Panel 

Dalam menemukan model estimasi terbaik, maka diperlukan tahapan analisis yaitu dengan melakukan estimasi model Common Effect (CEM), Fixed Effect (FEM), dan Random   Effect   (REM).

  1. Uji Chow

Tabel 4.2 Uji Chow

F( 23,    44) =  120.93
            Prob > F =    0.0000

Pada tabel di atas menunjukan bahwa probabilitas F memiliki nilai 0.0000 lebih kecil dari tingkat signifikansi 5%. Dengan demikian, penggunaan model menggunakan Common Effect Model ditolak dan Fixed Effect Model lebih baik digunakan. 

  1. Uji Hausman

Tabel 4.3 Uji Hausman

  chi2(4) = (b-B)'[(V_b-V_B)^(-1)](b-B)
            =   8.34
Prob > chi2 = 0.0799

Dilakukan Uji Hausman untuk melakukan pengujian model regresi data panel mana yang sesuai di antara Fixed Effect Model atau Random Effect Model. Pada tabel (4.3), hasil yang didapat adalah bahwa Prob > Chi2 sebesar 0.0799 lebih besar daripada tingkat signifikan 5%. Hal tersebut berimplikasi bahwa model yang digunakan sebaiknya menggunakan model Random Effect.

  1. Uji LM

Tabel 4.4 Uji LM

      chibar2(01) =    64.35
Prob > chibar2 =   0.0000

Selain itu, dilakukan juga Uji LM untuk menguji model regresi data panel mana yang sesuai di antara Common Effect Model atau Random Effect Model. Berdasarkan tabel (4.4) ditampilkan hasil Uji LM. Pada tabel di atas menunjukan bahwa probabilitas > chibar2 memiliki nilai 0.0000 lebih kecil dari tingkat signifikansi 5%. Dengan demikian, penggunaan model menggunakan Common Effect Model ditolak dan Random Effect Model lebih baik digunakan. 

Dari Uji Chow, Uji Hausman, dan Uji LM yang telah dilakukan, Random Effect Model menjadi model yang paling terbaik untuk digunakan dalam mengestimasi model data panel yang sudah dibangun dalam penelitian ini.

Uji Asumsi Klasik

Dengan  terpilihnya Random Effect Model (REM) maka  pengujian  asumsi  klasik sangat  relevan  untuk  dilakukan.  Pengujian  asumsi  klasik  yang  akan  dilakukan  terdiri dari uji normalitas, uji multikolinearitas   dan uji heteroskedastisitas.

  1. Uji Normalitas

Tabel 4.5 Uji Normalitas

Shapiro–Wilk W test for normal data
VariableObsWVzProb>z
resid_re720.987670.777-0.5500.70889

Dalam uji klasik, dapat menggunakan uji normalitas untuk melihat apakah data sudah terdistribusi normal atau tidak. Pengujian normalitas data menggunakan Shapiro-Wilk dengan asumsi jika prob>z nya lebih besar daripada tingkat signifikansi 0,05 atau 5% maka H0 ditolak dan hasilnya data sudah terdistribusi normal. Dalam hasil pengujian Shapiro-Wilk menunjukkan nilai prob>z lebih kecil dari α (0.70889 > 0.05).  Hal  ini  menandakan bahwa H0 ditolak dan hasilnya datanya sudah terdistribusi normal. Setelah itu, penguji juga melakukan tahap selanjutnya dalam menguji apakah adanya masalah multikolinearitas. 

  1. Uji Multikolinearitas

Pengujian asumsi klasik menggunakan uji Multikolinearitas perlu dilakukan untuk melihat apakah ada masalah keterkaitan atau korelasi yang tinggi antar variabel independen, sehingga hasil bisa saja tidak bias. Maka dari itu Uji VIF dan Correlation pun turut dilakukan oleh penulis.

Tabel 4.6 Uji Multikolinearitas

VariableVIF1/VIF
logregions~d1.750.572183
logsocspend1.660.601300
unemrate1.240.806468
meanschool1.170.852492
Mean VIF1.46 

Data  dikatakan  terbebas  dari  masalah  multikolinearitas  apabila mean VIF lebih rendah dari 5. Dari hasil  pengujian terlihat  bahwa VIF dari masing-masing variabel bebas lebih rendah dari 5 dan setelah di uji Mean VIF atas model ini lebih rendah daripada 5, yang mana hasil menunjukkan bahwa model data ini terbebas dari  masalah multikolinearitas. Selain itu, uji multikolinearitas menggunakan correlation juga dilakukan untuk melihat apakah masih ada hubungan dari tiap variabel bebas.

Tabel 4.7 Uji Correlation Matrix

 perpov~tlogsoc~dlogreg~dmeansc~lunemrate
perpovert1.0000    
logsocspend-0.42071.0000   
logregions~d-0.17110.60151.0000  
meanschool-0.74200.1757-0.02721.0000 
unemrate-0.15920.25240.32250.29041.0000

Dari tabel data diatas menunjukkan bahwa tiap variabel bebas dikatakan terbebas dari multikolinearitas dikarenakan nilai korelasi antar variabel bebas lebih rendah dari 0,8 atau 80%. Tahap selanjutnya dapat dilakukan uji heteroskedastisitas. 

  1. Uji Heteroskedastisitas

Tabel 4.8 Uji Heterokedasitas

    chi2(1) =   2.96
Prob > chi2 = 0.0852

Adapun uji heteroskedastisitas dilakukan untuk mendeteksi apakah dalam model yang digunakan terdapat masalah heteroskedastisitas atau tidak. Heteroskedastisitas merupakan masalah yang terjadi ketika varian dari residual setiap pengamatan tidak konstan. Hal ini akan menyebabkan nilai koefisien menjadi bias atau tidak konsisten. Sehingga, peneliti melakukan pengujian heteroskedastisitas dengan metode Breusch–Pagan Test terhadap model yang digunakan untuk menghindari adanya koefisien yang biasa tabel (4.8).

Berdasarkan hasil yang didapat, nilai Prob > chi2 sebesar 0.0852. Hal tersebut menunjukan bahwa pada model yang digunakan penulis tidak memiliki masalah heteroskedastisitas karena nilai Prob > chi2 lebih besar daripada tingkat signifikan 5%. Secara  keseluruhan  penyimpangan  asumsi  klasik  tidak  ditemukan dalam data atau model. Oleh sebab itu, bisa dilakukan analisis selanjutnya. 

Analisis Regresi Data Panel

Penelitian  ini  dilakukan  untuk  melihat  pengaruh variabel  independen  terhadap variabel   dependen.   Analisis   regresi data   panel digunakan   untuk   melihat   apakah hipotesis  yang  telah  dibuat  akan  diterima  atau  ditolak.  Tingkat  signifikansi  yang  digunakan  adalah 5%.  Model  statistik  yang diestimasi merupakan  model  yang  terbaik dan terbebas dari penyimpangan asumsi klasik. Untuk Mengetahui hasil pengujian hipotesis dari analisis regresi data panel dapat dilihat pada Tabel (4.9) berikut ini : 

Tabel 4.9 Outreg Model Regresi

Hasil Regresi Determinan Kemiskinan
VARIABLESperpovert
  
logsocspend-0.177**
 (0.0814)
logregionspend0.354
 (0.446)
meanschool-1.410***
 (0.226)
unemrate0.145***
 (0.0359)
Constant15.96**
 -6.851
  
Observations72
Number of kabkota24
R-Squared Overall0.560
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1

Berdasarkan Tabel  di  atas,  maka  diperoleh  persamaan  regresi data  panel sebagai berikut:

perpovertit= 15,963- 0,177logsocspendit+ 0,359logregionspendit-1,410meanschoolit +0,144unemrateit+ t+it ;i=1,2,….24 ;t=1,2,….3

Dari hasil persamaan regresi linear berganda diatas, maka dapat diinterpretasikan sebagai berikut:

  1. Nilai Konstanta sebesar 15,963 menunjukkan besarnya nilai konstanta dari tingkat kemiskinan (perpovert). Dengan  asumsi  jika  variabel logsocspend, meanschool, dan city sama dengan nol atau konstan maka tingkat kemiskinan (perpoverty) akan bernilai konstan (tetap) sebesar 15,96%. 
  2. Koefisien Belanja Bantuan Sosial (logsocspend) sebesar – 0,177 menyatakan  bahwa setiap kenaikan belanja bantuan sosial sebesar  1% maka tingkat kemiskinan akan  cenderung mengalami penurunan sebesar 0,17%. Adanya  hubungan  yang negatif ini  menjelaskan bahwa perpovert dan logsocspend menunjukkan  hubungan  yang berlawanan, dimana setiap  kenaikan logsocspend akan cenderung diikuti oleh penurunan perpovert dan begitu pula sebaliknya.
  3. Koefisien Belanja Daerah (logregionspend) sebesar + 0,359 menyatakan  bahwa setiap kenaikan belanja daerah sebesar 1% maka tingkat kemiskinan akan cenderung mengalami kenaikan sebesar 0,35%.  Adanya  hubungan yang positif ini menjelaskan  bahwa perpoverty dan logregionspend menunjukkan hubungan yang searah, dimana setiap  kenaikan logregionspend akan cenderung diikuti oleh kenaikan perpovert dan begitu pula sebaliknya.
  4. Koefisien Rata-rata Lama Sekolah (meanschool) sebesar – 1,410 menyatakan  bahwa setiap kenaikan rata-rata lama sekolah sebesar 1 tahun maka tingkat kemiskinan akan cenderung mengalami penurunan sebesar 1,40%.  Adanya  hubungan yang negatif ini menjelaskan  bahwa perpoverty dan meanschool menunjukkan hubungan yang berlawanan, dimana setiap  kenaikan meanschool akan cenderung diikuti oleh penurunan perpovert dan begitu pula sebaliknya. 
  5. Koefisien Tingkat Pengangguran (unemrate) sebesar + 0,144 menyatakan  bahwa setiap kenaikan tingkat pengangguran sebesar 1% maka tingkat kemiskinan akan cenderung mengalami kenaikan sebesar 0,14%. Adanya  hubungan yang positif ini menjelaskan  bahwa perpovert dan unemrate menunjukkan hubungan yang searah, dimana setiap  kenaikan unemrate akan cenderung diikuti oleh kenaikan perpovert dan begitu pula sebaliknya. 

Uji Parsial Menggunakan P-Value

Tabel 4.10 Uji P-Value

perpovertCoefficientStd. err.zP>z
logsocspend-.1774622.081421-2.180.029
logregionspend.3539704.44552310.790.427
meanschool-1.410.241.225974-6.240.000
unemrate.1448312.03592834.030.000
_cons1.596.3276.850.7072.330.020

Uji statistik P>|z| menunjukan seberapa jauh pengaruh satu variabel independen secara individual atau parsial  dalam  menerangkan variabel  dependen.  Kriteria  pengujian menggunakan taraf signifikansi sebesar 0.05. Apabila nilai P>|z| < 5 %, maka H0 ditolak atau Ha diterima dan apabila nilai P>|z|  ≥ 5 %, maka H0 diterima atau Ha ditolak. Tabel (4.10) menunjukkan hasil  uji signifikansi antara logsocspend, logregionspend, meanschool, dan unemrate terhadap perpovert. Dari keempat variabel bebas yang ada di dalam model hanya tiga variabel yang secara parsial berpengaruh signifikan terhadap variabel Tingkat Kemiskinan (perpovert), yaitu variabel Belanja Bantuan Sosial (logsocspend), Rata-Rata Lama Sekolah (meanschool), dan Tingkat Penggangguran (unemrate). Hal ini digambarkan oleh nilai P>|z| yang lebih rendah daripada tingkat signifikansi 0,05 Sehingga H0 diterima. Sementara satu variabel lainnya, yaitu Belanja Daerah (logregionspend) yang secara parsial tidak berpengaruh signifikan terhadap Tingkat Kemiskinan (perpovert). Hal ini digambarkan oleh nilai P>|z| yang lebih besar daripada tingkat signifikansi 0,05 sehingga H0 ditolak.

Uji Simultan Menggunakan Uji F

Tabel 4.11 Uji Simultan (Uji F)

          chi2(  4) =  106.99
        Prob > chi2 =    0.0000
. display “f-crit:” invFtail(4,72,0.05)
f-crit:2.4989186

Pengujian ini dilakukan untuk mengetahui apakah variabel-variabel independen memiliki pengaruh signifikan secara simultan terhadap variabel dependen. Hipotesis nol (H0) menyatakan bahwa semua koefisien variabel independen (β1, β2, β3, …, βi) sama dengan nol, yang berarti tidak ada pengaruh signifikan dari variabel independen terhadap variabel dependen. Hipotesis alternatif (Ha) menyatakan bahwa setidaknya ada satu koefisien variabel independen (βi) yang tidak sama dengan nol, yang berarti setidaknya satu variabel independen memiliki pengaruh signifikan terhadap variabel dependen.

Kriteria pengujian menggunakan nilai F-statistik dibandingkan dengan nilai F-tabel. Jika F-statistik lebih kecil atau sama dengan F-tabel, maka H0 tidak dapat ditolak. Namun, jika F-statistik lebih besar dari F-tabel, maka H0 ditolak. Dalam pengujian ini, nilai F-statistik sebesar 106,99, sementara nilai F-tabel sebesar 2,49 pada tingkat signifikansi 5%. Oleh karena itu, F-statistik (106,99,) > F-tabel (2,49), maka H0 ditolak. Dengan demikian, dapat disimpulkan bahwa dengan tingkat signifikansi 5%, variabel independen yaitu logsocspend, logregionspend, meanschool, dan unemrate secara simultan berpengaruh signifikan terhadap variabel dependen perpovert.

Koefisien Determinasi 

Overall R-squared menunjukkan angka 55,99% yang berarti variabilitas yang ada didalam variabel dependen perpovert dapat dijelaskan oleh variabel independen logsocspend, logregionspend, meanschool, dan unemrate. Sementara 44,01% dapat dijelaskan oleh variabel di luar model. Hasil regresi linear berganda ini memberikan hasil yang cukup kuat dalam analisis pengaruh Tingkat Kemiskinan di Jawa Barat pada tahun 2021-2023.

Pembahasan 

Hasil analisis data untuk hipotesis pertama berdasarkan analisis regresi data panel menyatakan bahwa terdapat pengaruh belanja bantuan sosial terhadap tingkat kemiskinan membuktikan bahwa belanja bantuan sosial memiliki hubungan negatif dan secara parsial berpengaruh signifikan terhadap tingkat kemiskinan. Hal ini berarti pengeluaran pemerintah dalam bentuk bantuan sosial  mampu mengurangi angka kemiskinan yaitu jumlah penduduk miskin di Provinsi Jawa Barat di kala pandemi.  Hasil penelitian ini sesuai dengan penelitian terdahulu yang dilakukan oleh Todaro (2017) dan Lindiasari S & Ramadhani (2019). Oleh karena itu, signifikannya pengaruh belanja bantuan sosial terhadap tingkat kemiskinan dapat disebabkan oleh faktor-faktor yang memengaruhinya antara lain terealisasinya pengeluaran belanja bantuan sosial Provinsi Jawa Barat sehingga masyarakat memperoleh manfaat bantuan sosial tersebut dan alokasi bantuan sosial yang tepat sasaran dan efisien yang dilakukan pemerintah daerah.

Hipotesis kedua dari hasil penelitian yang penulis buat yaitu pengaruh belanja daerah terhadap tingkat kemiskinan yang menyatakan bahwa belanja daerah terdapat hubungan positif dan tidak berpengaruh signifikan terhadap tingkat kemiskinan.  Hasil tersebut menunjukan jika terdapat peningkatan belanja daerah akan meningkatkan angka kemiskinan di Jawa Barat. Hal ini juga mengindikasikan bahwa belanja daerah tidak memiliki bukti nyata atau dampak terhadap tingkat kemiskinan apabila terjadi peningkatan. Hubungan positif dan tidak berpengaruh signifikan terhadap kemiskinan, tidak sejalan  dengan  hasil  penelitian  Dewi  I, et al (2017) yang menyatakan bahwa belanja daerah berpengaruh negatif dan signifikan terhadap  tingkat  kemiskinan, tetapi hasil analisis sejalan dengan penelitian terdahulu (Putri R, et al., 2021) yang menyatakan hubungan positif dan tidak berpengaruh signifikan terhadap kemiskinan yang berarti belanja daerah belum mampu mengurangi kemiskinan secara nyata di Provinsi Jawa Barat dan Jambi. Idealnya, belanja daerah meningkat akan menurunkan angka kemiskinan yang di Provinsi Jawa Barat karena dengan alokasi dana untuk belanja diharapkan dapat meningkatkan pelayanan bagi masyarakat serta memberikan dampak yang positif bagi pertumbuhan ekonomi dan tingkat kemiskinan di Jawa Barat. Namun, hal tersebut tidak sejalan dengan hasil penelitian yang dilakukan dimana belanja daerah memiliki hubungan positif dan tidak signifikan yang artinya peningkatan belanja daerah belum tentu meningkatkan tingkat kemiskinan di Jawa Barat. Dengan demikian, pemerintah Provinsi Jawa Barat tidak memaksimalkan belanja daerah guna menurunkan angka kemiskinan. Oleh karena itu, pemerintah daerah Jawa Barat perlu melakukan upaya pengentasan kemiskinan antara lain melakukan program kredit usaha mikro, memperluas lapangan pekerjaan, memberantas korupsi untuk mencegah penyalahgunaan alokasi dana, dan lain sebagainya. 

Hipotesis Ketiga, yaitu pengaruh variabel kontrol dari lama sekolah dan tingkat pengangguran memiliki pengaruh yang signifikan terhadap kemiskinan. Hasil estimasi pada variabel rata-rata lama sekolah memiliki hubungan negatif yang berarti ketika rata-rata lama sekolah di kota dan kabupaten di Jawa Barat meningkat maka kemiskinan akan berkurang, dan begitu juga sebaliknya. Hubungan negatif ini tercerminkan oleh rata-rata lama sekolah di Jawa Barat pada tahun 2021-2023 yang meningkat dan kenyataannya pada tahun yang sama kemiskinan juga berkurang sesuai dengan hasil estimasi dan juga sesuai dengan penelitian terdahulu (Rukmana dkk, 2023). Begitu juga, dengan hasil estimasi pada variabel tingkat pengangguran yang memiliki hubungan positif yang berarti ketika tingkat pengangguran di kota dan kabupaten di Jawa Barat meningkat maka kemiskinan akan bertambah, dan begitu juga sebaliknya. Hubungan positif  ini tercerminkan oleh pengangguran di Jawa Barat pada tahun 2021-2023 yang menurun dan kenyataannya pada tahun yang sama kemiskinan juga berkurang sesuai dengan hasil estimasi dan juga sesuai dengan penelitian terdahulu (Misdawati dkk, 2020).

Bab 5 

   Kesimpulan

Adapun kesimpulan yang dapat diambil dari penelitian yang telah dilakukan adalah variabel Belanja Bantuan Sosial, Tingkat Pengangguran, dan Lama Sekolah di Provinsi Jawa Barat pada tahun 2021-2023 berpengaruh signifikan terhadap tingkat kemiskinan dan memiliki hubungan negatif yang berarti variabel tersebut mampu mengurangi kemiskinan, sementara variabel Belanja Daerah tidak berpengaruh signifikan terhadap kemiskinan dan memiliki hubungan positif yang berarti Belanja Daerah tidak mampu mengurangi kemiskinan, tetapi justru menambah kemiskinan. Dalam uji simultan, yaitu uji F menunjukan hasil semua variabel Belanja Bantuan Sosial, Belanja Daerah, Tingkat Pengangguran, dan Lama Sekolah secara bersama-sama berpengaruh signifikan terhadap kemiskinan. Kemudian hasil R-squared sebesar 55,99% yang berarti variabel independen dalam model mampu menjelaskan variabel dependen yaitu kemiskinan. Sementara sisanya 44,01% dijelaskan oleh variabel di luar model. Berdasarkan hasil analisis peningkatan anggaran belanja bantuan sosial di kala pandemi berhasil mengurangi kemiskinan di Jawa Barat, sementara peningkatan belanja daerah belum mampu mengatasi kemiskinan dan tidak memiliki bukti yang nyata berpengaruh terhadap kemiskinan, sehingga diperlukan pengelolaan anggaran belanja daerah yang baik dalam meningkatkan kesejahteraan di kabupaten maupun kota di Jawa Barat. Hal ini menunjukan bahwa penelitian yang dilakukan menghasilkan analisis yang cukup kuat untuk melihat kebijakan anggaran Belanja Bantuan Sosial dan Belanja Daerah dalam mengatasi kemiskinan di kala pandemi di Jawa Barat 2021-2023. 

Limitasi

Keterbatasan data dalam penelitian ini membuat hasil analisis yang dibuat tidak termasuk kategori penelitian populasi, tetapi hasil estimasi masih dapat merepresentasikan populasi dikarenakan data penelitian yang tidak tersedia hanya untuk 3 kabupaten/kota saja dari total populasi nya ada 27 kabupaten atau kota di Jawa Barat. Penyebab keterbatasan ini, disebabkan oleh satu variabel yang tidak lengkap yaitu, variabel Belanja Bantuan Sosial dimana jumlah observasi untuk 3 kabupaten/kota tersebut tidak tercatat dalam publikasi Badan Pusat Statistik (BPS), sehingga data yang digunakan dalam penelitian ini hanya 24 dari total 27 Kabupaten atau kota yang ada di Jawa Barat. Dengan kata lain, keterbatasan data tersebut tidak dijelaskan oleh BPS, apakah data tersebut memang tidak ada anggaran belanja bantuan sosial atau tidak tercatat. Jikalau, ada penelitian lain yang memang ingin meneliti kembali belanja bantuan sosial perlu mempertegas kembali data yang tidak tercatat tersebut sehingga hasil estimasi dapat menjadi penelitian populasi atas variabel belanja bantuan sosial terhadap kemiskinan.

Saran dan Rekomendasi 

  1. Dalam belanja bantuan sosial, Pemerintah Provinsi Jawa Barat sebaiknya mempertahankan atau bahkan meningkatkan alokasi belanja bantuan sosial karena memiliki dampak yang signifikan dalam mengurangi kemiskinan. Efisiensi dan transparansi pun perlu diperhatikan mengingat ini berkaitan dengan pemberian bantuan langsung kepada masyarakat sehingga tindakan efisiensi dan transparansi dapat menghindari penyalahgunaan dana dan memastikan bantuan tepat sasaran. Selain itu, program bantuan sosial ini juga perlu dipantau dan terus diberdayakan untuk menjangkau masyarakat yang benar-benar tidak mampu sehingga dapat terlepas dari kemiskinan.
  2. Dalam belanja daerah, Pemerintah Provinsi Jawa Barat sebaiknya melakukan evaluasi dan realokasi, karena seperti yang kita tahu bahwa belanja daerah terbagi oleh beberapa bagian belanja, sehingga perlu di evaluasi bagian belanja mana yang tidak efektif. Kemudian bagian belanja yang tidak efektif tersebut dapat dialokasikan ke belanja-belanja yang berdampak pada kemiskinan. Pengawasan dan akuntabilitas pengelolaan dana belanja daerah yang sangat besar harus benar-benar terpantau dan digunakan secara efektif dan efisien. Selain itu, fokus dari belanja daerah bisa diutamakan kepada belanja-belanja seperti pendidikan, kesehatan, dan sosial yang dapat mengurangi kemiskinan
  3. Rata-rata lama sekolah dan tingkat pengangguran menjadi variabel yang seringkali dilibatkan dan biasanya berpengaruh terhadap tingkat kemiskinan. Oleh karena itu, untuk pendidikan Pemerintah Provinsi Jawa Barat sebaiknya meningkatkan akses dan kualitas pendidikan, seperti melakukan program beasiswa, sekolah gratis, dan peningkatan fasilitas bisa menjadi langkah yang efektif dalam mengurangi kemiskinan. Sementara, untuk tingkat pengangguran pemerintah perlu menerbitkan kebijakan-kebijakan yang proaktif untuk mengurangi pengangguran, seperti pemberian insentif untuk perusahaan yang membuka lapangan kerja baru, program magang, dan dukungan usaha kecil dan menengah (UMKM) juga sebagai langkah yang efektif dalam mengurangi kemiskinan.

Daftar Pustaka

Agustin, Lisa., & Sumarsono, Hadi (2022). Pengaruh Pengangguran, IPM, Dan Bantuan Sosial Terhadap Kemiskinan Di Provinsi Jawa Timur. Jurnal Ekonomi Universitas Kadiri 7(2). http://ojs.unik-kediri.ac.id/index.php/ekonika

Anser, M. K., Yousaf, Z., Khan, M. A., Nassani, A. A., Alotaibi, S. M., Qazi Abro, M.M.,  Vo,  X.  V.,  &  Zaman,  K.  (2020).  Does  communicable  diseases  (includingCOVID-19)   may   increase   global   poverty   risk?   A   cloud   on   the   horizon.Environmental Research,187(April), 109668.https://doi.org/10.1016/j.envres.2020.109668

Kevin, Arfa V., Bhinadi, Ardhito., & Syari’udin, Akhmad (2022). Pengaruh Pdrb, Angka Harapan Hidup,Dan Rata Rata Lama Sekolah Terhadap Kemiskinan Di Kabupaten/Kota Provinsi Jawa Tengah Tahun 2013-2021. Sibatik Jurnal 1(12). https://publish.ojs-indonesia.com/index.php/SIBATIK

Madhotillah, Bunga., Syamsyida Rozi., & Edi Elisa. (2022). Implementasi Metode Faktor Ekstraksi dalam Manajemen Anggaran Pemerintah Daerah Di masa Pandemi Covid 19. Jurnal Statistika Universitas Jambi 1(1). https://doi.org/10.22437/multiproximity.v1i01.18134

Mankiw, 2007 Principles Of Economics. Edisi-3. Salemba Empat. Jakarta  

Misdawati, M., & Siregar, S. (2020). Pengaruh Penerimaan Remitansi terhadap Pengentasan Kemiskinan di Indonesia. Ecoplan, 3(1), 48-54.

Prasetyandari, Cici Widya. (2023). DAMPAK COVID-19 BAGI RODA PEREKONOMIAN BAGI MASYARAKAT INDONESIA.  https://doi.org/10.35886/imagine.v1i1.172

Putri, Rizky A., Zamzami, & Rahmadi, Selamet (2021). Pengaruh Belanja daerah terhadap pertumbuhan ekonomi dan kemiskinan Kabupaten/Kota Provinsi Jambi. E-Jurnal  Perspektif Ekonomi dan Pembangunan Daerah 10(2). https://mail.online-journal.unja.ac.id/pdpd/article/view/12858/11964

Ramadhan, Putra Alfi (2020). Pengaruh Belanja Daerah, Pendapatan Asli Daerah Dan Pertumbuhan Ekonomi Terhadap Kemiskinan Pada Pemerintah Kabupaten Dan Kota Di Sumatera Utara. Jurnal Akuntansi Bisnis & Publik 11(2)https://jurnal.pancabudi.ac.id/index.php/akuntansibisnisdanpublik/article/view/793/751

Retnowati, D. (2018). Pengaruh Pengangguran Terhadap Tingkat Kemiskinan di Jawa Tengah. Jurnal Fakultas Ekonomi Universitas Wijaya Kusuma Purwokerto, 614-615. 

Rilis Humas Jabar. 2023. Pengangguran Terbuka Jabar Terus Menurun Setiap Tahun. Online. https://jabarprov.go.id/berita/pengangguran-terbuka-jabar-terus-menurun-setiap-tahun-8489. 

Riva, Vinny A., Kornita, Sri E., & Maulida, Yusni (2021). Analisis Pengaruh Belanja Bantuan Sosial, Pendidikan Dan Pertumbuhan Ekonomi Terhadap Tingkat Kemiskinan Penduduk Di Provinsi Riau. PEKBIS, 13(3). 

Rizka Hadya, Begawati, N., & Irdha Yusra. (2017). Analisis Efektivitas Pengendalian Biaya, Perputaran Modal Kerja, dan Rentabilitas Ekonomi Menggunakan Regresi Data Panel. JURNAL PUNDI, 1(3). Retrieved from https://ojs.akbpstie.ac.id/index.php/jurnal-pundi/article/view/53/44

Rukmana, Siti H., & Imaningsih, Niniek (2023). Pengaruh Tingkat Pengangguran, Pendapatan Asli Daerah, Dan Rata-Rata Lama Sekolah Terhadap Tingkat Kemiskinan Tahun 2002-2021. Jurnal Pendidikan Sejarah dan Riset Sosial Humaniora (KAGANGA) 6(2). https://doi.org/10.31539/kaganga.v6i2.7342

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

Setyadi, S., & Lili Indriyani. (2021). DAMPAK PANDEMI COVID-19 TERHADAP   PENINGKATAN RESIKO KEMISKINAN DI INDONESIA. Jurnal Ekonomi dan Kebijakan Publik 4(1).  https://doi.org/10.32663/pareto.v4i1.1891

Siregar, Oktarina Khamilah., & Putra Alfi Ramadhan. (2020). PENGARUH BELANJA DAERAH, PENDAPATAN ASLI DAERAH DAN PERTUMBUHAN EKONOMI TERHADAP KEMISKINAN PADA PEMERINTAH KABUPATEN DAN KOTA DI SUMATERA UTARA. Jurnal Akuntansi Bisnis dan Publik 10(1).

‌

Leave a comment