PENGARUH KEMISKINAN, PENGELUARAN PEMERINTAH BIDANG PENDIDIKAN DAN KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI SULAWESI TENGAH TAHUN 2011-2015 (Studi Kasus 8 Kabupaten/Kota di Provinsi Sulawesi Tengah)

PENGARUH KEMISKINAN, PENGELUARAN PEMERINTAH BIDANG PENDIDIKAN DAN KESEHATAN TERHADAP INDEKS

PEMBANGUNAN MANUSIA (IPM) DI PROVINSI SULAWESI TENGAH TAHUN 2011-2015

(Studi Kasus 8 Kabupaten/Kota di Provinsi Sulawesi Tengah) THE EFFECTS OF POVERTY, GOVERMENT EXPENDITURE ON EDUCATION AND HEALTH TO HUMAN DEVELOPMENT INDEKS

(HDI) AT PROVINSI SULAWESI TENGAH 2011-2015 (A Case Study on 8 Regiencies/Cities at Provinsi Sulawesi Tengah)

Oleh

NURUL AZIZAH 20130430068

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MUHAMMADIYAH YOGYAKARTA 2017

i

PENGARUH KEMISKINAN, PENGELUARAN PEMERINTAH BIDANG PENDIDIKAN DAN KESEHATAN TERHADAP INDEKS

PEMBANGUNAN MANUSIA (IPM) DI PROVINSI SULAWESI TENGAH TAHUN 2011-2015

(Studi Kasus 8 Kabupaten/Kota di Provinsi Sulawesi Tengah) THE EFFECTS OF POVERTY, GOVERMENT EXPENDITURE ON EDUCATION AND HEALTH TO HUMAN DEVELOPMENT INDEKS

(HDI) AT PROVINSI SULAWESI TENGAH 2011-2015 (A Case Study on 8 Regiencies/Cities at Provinsi Sulawesi Tengah)

SKRIPSI

Diajukan Guna Memenuhi Persyaratan untuk Memperoleh

Gelar Sarjana pada Fakultas Ekonomi dan Bisnis Program Studi Ilmu Ekonomi Universitas Muhammadiyah Yogyakarta

Oleh

NURUL AZIZAH 20130430068

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MUHAMMADIYAH YOGYAKARTA 2017

v

MOTTO

“Sesungguhnya setelah kesulitan itu ada kemudahan, maka apabila kamu telah selesai (dari suatu urusan), kerjakanlah dengan sungguh-sungguh (urusan) yang

lain, dan hanya kepada Tuhan mu lah hendaknya kamu berharap”. (Qs. Alam Nasyrah : 6-8)

“Boleh jadi kamu membenci sesuatu padahal ia amat baik bagimu dan boleh jadi pula kamu menyukai sesuatu padahal ia amat buruk bagimu, Allah mengetahui

sedang kamu tidak mengetahui”. (Al-Imran : 39)

“Kebanggaan kita yang terbesar adalah bukan tidak pernah gagal, tetapi bangkit kembali setiap kita jatuh”

(Muhammad Ali)

“Apabila anda berbuat kebaikan kepada orang lain, maka anda telah berbuat baik kepada diri sendiri”

vi

PERSEMBAHAN

Untuk tiap tawa yang tak ternilai..

Untuk tiap tangis yang tak terhapus...

Untuk tiap jatuh dan bangunnya...

Untuk tiap peluang ditengah putus asa..

Untuk tiap doa dan dukungan...

Saya persembahkan karya sederhana ini untuk :

Kedua orang tua-ku tercinta, Bapak Abusamad dan Ibu Ratnawaty, ini anakmu mencoba memberikan yang terbaik untuk. Betapa diri ini ingin melihat kalian bangga pada putrimu ini. Betapa tak ternilai kasih sayang dan pengorbanan kalian selama ini untukku, yang mungkin takan bisa aku membalasnya.Terimakasih atas doa, kasih sayang, kesabaran,dan dorongan baik moril maupun materil sehingga

putrimu ini bisa melangkah untuk meraih cita-cita.

Ketiga adik-ku Ainayah Safitri, Adifa Azzahra, dan Husnul Khatimah. Terimakasih atas atas doa dan motivasi yang kalian berikan.

xii

DAFTAR ISI

HALAMAN JUDUL ………... i

HALAMAN PENGESAHAN DOSEN PEMBIMBING ……….. ii

HALAMAN PENGESAHAN DOSEN PENGUJI ………... iii

HALAMAN PERNYATAAN ……….. iv

HALAMAN MOTTO ………... v

HALAMAN PERSEMBAHAN ………... vi

INTISARI ……….. vii

ABSTRAK ……….... viii

KATA PENGANTAR ……….. ix

DAFTAR ISI ………. xii

DAFTAR TABEL ………. xvi

DAFTAR GAMBAR ……….... xvii

BAB I PENDAHULUAN ………. 1

A. Latar Belakang Penelitian ………. 1

B. Batasan Masalah Penelitian ……….. 8

C. Rumusan Masalah Penelitian ……….... 9

xiii

E. Manfaat Penelitian ……….... 10

BAB II TINJAUAN PUSTAKA ………... 12

A. Landasan Teori ……….. 12

1. Teori Indeks Pembangunan Manusia...……….... 12

2. Komponen Indeks Pembangunan Manusia………. 15

3. Pengukuran Indeks Pembangunan Manusia………...………….... 20

4. Hubungan Antar Variabel ……….. 22

B. Penelitian Terdahulu ...……….... 26

C. Kerangka Pemikiran………... 34

D. Hipotesis...………... 34

BAB III METODE PENELITIAN ………... 36

A. Obyek Penelitian ………... 36

B. Subjek Penelitian………...….. 36

C. Jenis dan Sumber Data ………... 36

D. Teknik Pengumpulan Data ……….... 37

E. Definisi Operasional Variabel Penelitian ……….. 37

F. Metode Analisis Data ……….... 40

xiv

A. Gambaran Umum Wilayah Penelitian ……….. 55

1. Batas Administrasi ...……….... 55

2. Kependudukan ...………. 57

3. Anggaran Pendapatan dan Belanaja Daerah (APBD)………….... 58

B. Gambaran Umum Variabel Penelitian ……….. 60

1. Indeks Pembangunan Manusia ...……….... 60

2. Kemiskinan ...………. 62

3. Pengeluaran Pemerintah Bidang Pendidikan…...………….... 64

4. Pengeluaran Pemerintah Bidang Kesehatan ……….. 66

BAB V HASIL ANALISIS DAN PEMBAHASAN ………... 69

A. Uji Asumsi Klasik …..………. 69

B. Pemilihan Model ...……….. 73

C. Hasil Estimasi Regresi Data Panel ………... 77

D. Uji Statistik …...……….... 82

E. Uji Teori ...……….. 87

F. Implikasi ...……….. 94

BAB VI KESIMPULAN, SARAN & KETERBATASAN PENELITIAN…. 98 A. Kesimpulan …...………. 98

xv

B. Saran ...……….. 100 C. Keterbatasan Penelitian ...………... 101 DAFTAR PUSTAKA

xvi

DAFTAR TABEL

1.1. Perbandingan IPM Per Provinsi di Pulau Sulawesi Tengah... 2

1.2. Perkembangan IPM Nasional & Provinsi Sulteng Tahun 2011-2015... 3

1.3. Belanja Pendidikan & Kesehatan Sulteng Tahun 2011-2015... 7

2.1. Perbedaan Indikator Metode Lama dan Metode Baru ………. 18

2.2. Persamaan Indeks Komponen IPM ……….. 21

2.3. Penelitian Terdahulu ...……… 29

4.1. IPM per Kabupaten/Kota Provinsi Sulteng tahun 2011-2015 ... 61

4.2. Penduduk Miskin Kabupaten/Kota Provinsi Sulteng………... 63

4.3. Pengeluaran Pemerintah Bidang Pendidikan & Kesehatan Sulteng … 65 4.4. Pengeluaran Pemerintah Bidang Kesehatan Provinsi Sulteng……….. 67

5.1. Hasil Uji Heteroskedastisitas ...………... 70

5.2. Hasil uji Multikolinearitas ………... 5.3. Hasil Uji Chow ...………... 72 74 5.4. Hasil Uji Hausman ... 75

5.5. Hasil Estimasi Model Fixed effect dan Random Effect ...….... 76

5.6. Hasil Estimasi Fixed Effect ...……….... 77 5.7. Uji Statistik ... 5.8 Uji Koefisien Determinasi ………...

82 86

xvii

DAFTAR GAMBAR

1.1. Jumlah Penduduk Miskin di Provinsi Sulteng Tahun 2011-2015 ….... 6

2.1. Perubahan Metode Perhitungan IPM …………... 16

2.2. Kerangka Pemikiran Teoritis ....……...……….... 34

3.1 Kerangka Pemikiran Regresi ...….... 42

4.1. Peta Wilayah Provinsi Sulawesi Tengah …………... 55 5.1. Pengeluaran Pemerintah Bidang Pendidikan dan Kesehatan Sulteng …. 92

vii

pengeluaran pemerintah bidang pendidikan dan kesehatan terhadap Indeks Pembangunan Manusia di Provinsi Sulawesi Tengah. Penelitian ini dilakukan pada 8 kabupaten/kota di Provinsi Sulawesi Tengah, jangka waktu pengamatan selama 5 tahun yaitu dari tahun 2011-2015. Alat analisis yang digunakan adalah analisis regresi data panel dengan menggunakan pendekatan Fixed Effect Model (FEM).

Berdasarkan analisis yang telah dilakukan diperoleh hasil bahwa variabel kemiskinan berpengaruh negatif dan signifikan terhadap Indeks Pembangunan Manusia, pengeluaran pemerintah bidang pendidikan berpengaruh postif dan signifikan terhadap Indeks Pembangunan Manusia, dan pengeluaran pemerintah bidang kesehatan berpengaruh positif dan tidak signifikan terhadap Indeks Pembangunan Manusia.

Kata Kunci : Indeks Pembangunan Manusia, Kemiskinan, Pengeluaran Pemerintah Bidang Pendidikan, dan Pengeluaran Pemerintah Bidang Kesehatan.

viii

ABSTRACT

This study aimed to figure out the influence of poverty, goverment expenditure on education and health to Human Development Index (HDI) at

Central Sulawesi Province. This research was conducted at 8 regencies/cities in Central Sulawesi Province during 5 years that was 2011-2015. Panel data regression with Fixed Effect Model (FEM) approach was used as the analysis tool. Based on analysis, it was obtained poverty variable was negative and significant to Human Development Index, goverment expenditure on education was positive and significant to Human Develpment Index, and goverment expenditure on health was positive and insignificant to Human Develpment Index.

Keywors : Human Develpment Index, poverty, goverment expenditure on education, goverment expenditure on health

1

BAB I

PENDAHULUAN

A. LATAR BELAKANG

Pembangunan merupakan suatu proses atau upaya untuk meningkatkan kualitas hidup yang lebih baik lagi. Pembangunan merupakan suatu kenyataan fisik sekaligus tekad suatu masyarakat untuk berupaya sekeras mungkin melalui serangkaian kombinasi proses sosial, ekonomi dan institusional demi mencapai suatu kehidupan yang serba lebih baik lagi (Todaro, 2000).

Menurut Todaro (2000) terdapat tiga tujuan inti dari proses pembangunan, antara lain yaitu meningkatkan ketersediaan dan memperluas distribusi berbagai barang kebutuhan pokok. Dalam komponen ini, kebutuhan hidup yang pokok seperti pangan, sandang, papan dan lain sebagainya merupakan suatu kebutuhan pokok yang harus dimiliki oleh setiap individu; Meningkatkan standar hidup. Artinya, selain peningkatan pendapatan juga diperlukan peningkatan dalam hal pendidikan, kesehatan, dan juga penyediaan lapangan kerja; Memperluas pilihan-pilihan ekonomis dan sosial. Singkatnya, setiap individu atau bangsa dapat terbebas dari ketergantungan terhadap orang maupun bangsa lain yang berpotensi untuk merendahkan nilai-nilai kemanusiaan mereka.

Dalam proses pembangunan manusia merupakan objek yang paling penting dalam mencapai tujuan suatu negara. Pembangunan manusia dilakukan dengan meningkatkan kapasitas manusia itu sendiri yang dimana peningkatan

2

kapasitas manusia tersebut berawal dan bertitik tolak dari manusia, dilakukan oleh manusia dan hasilnya ditujukan untuk manusia pula (Kuncoro, 2003).

Kesejahteraan masyarakat dapat dilihat dari seberapa besar pembangunan yang dilaksanakan. Salah satu indikator pembangunan yaitu Sumber Daya Manusia (SDM). Sumber Daya Manusia yang berkualitas akan menjadi potensi bagi suatu wilayah, sehingga sangat diperlukan peningkatan tersedianya Sumber Daya Manusia yang dapat menunjang keberhasilan suatu pembangunan.

Tabel 1.1

Perbandingan Indeks Pembangunan Manusia (IPM) Per Provinsi di Pulau Sulawesi Tahun 2011-2015

Provinsi 2011 2012 2013 2014 2015

Sulawesi Utara 68.31 69.04 69.49 69.96 70.39 Sulawesi Tengah 64.27 65 65.79 66.43 66.76 Sulawesi Selatan 66.65 67.26 67.92 68.49 69.15 Sulawesi Tenggara 66.52 67.07 67.55 68.07 68.75 Gorontalo 63.48 64.16 64.70 65.17 65.86 Sulawesi Barat 60.63 61.01 61.53 62.24 62.96 Sumber : BPS Indonesia (Berbagai Terbitan)

Berdasarkan Tabel 1.1 dapat dilihat bahwa Provinsi Sulawesi Utara menempati peringkat tertinggi dengan capaian nilai IPM 70.39 (tahun 2015), sedangkan Provinsi Sulawesi Barat menempati peringkat terendah dengan capaian nilai IPM 62.96 (tahun 2015). Provinsi Sulawesi Tengah berada pada peringkat keempat dengan capaian nilai IPM 66.76 (tahun 2015). Dengan melihat kenyataan bahwa capaian Indeks Pembangunan Manusia di Provinsi

Sulawesi Tengah yang masih cukup tertinggal dan kesulitan untuk bisa bersaing dengan Provinsi lainnya khususnya Provinsi Sulawesi Utara yang mempunyai Indeks Pembangunan Manusia mencapai angka 7.

Tabel 1.2

Perkembangan Indeks Pembangunan Manusia (IPM) Nasional dan Provinsi Sulawesi Tahun 2011-2015

Sumber : BPS Indonesia (Berbagai Terbitan)

Tabel 1.2 menunjukan bahwa meskipun mengalami kenaikan, namun Indeks Pembangunan Manusia Provinsi Sulawesi Tengah masih dibawah rata-rata Indeks Pembangunan Manusia di Indonesia. Rata-rata-rata Indeks Pembangunan Manusia di Indonesia pada tahun 2015 mencapai 69,55 sedangkan Indeks Pembangunan Manusia di Provinsi Sulawesi Tengah pada tahun 2015 hanya sebesar 66.76. Berdasarkan data Badan Pusat Statistik (2015) Indeks Pembangunan Manusia di Provinsi Sulawesi Tengah berada pada peringkat 26 dari 34 Provinsi di Indonesia.

Kabupaten/Kota Indeks Pembangunan Manusia

2011 2012 2013 2014 2015

Morowali 66.03 66.48 66.86 67.91 69.12

Poso 65.59 66.20 66.94 67.65 68.13

Donggala 60.15 61.33 63.38 63.55 63.82

Buol 63.03 63.98 64.50 65.41 65.61

Parigi Moutong 60.36 61.13 61.98 62.20 62.79 Tojo Una-una 58.87 59.55 60.32 61.15 61.33

Sigi 61.76 62.88 64.10 64.64 65.35

Palu 78.10 78.36 78.65 79.12 79.63

Sulawesi Tengah 64.27 65 65.79 66.43 66.76

4

Untuk melihat kecepatan perkembangan Indeks Pembangunan Manusia selama kurun waktu tertentu dapat dilakukan dengan membandingkan laju pertumbuhan per tahun. Capaian Indeks Pembangunan Manusia di Provinsi Sulawesi Tengah dari tahun 2011 hingga 2015 secara umum memang mengalami peningkatan. Namun apabila dilihat selama kurun waktu lima tahun terakhir pertumbuhannya cenderung melambat. Pada periode 2011-2013 pertumbuhan Indeks Pembangunan Manusia mencapai level 1,52 %, akan tetapi pada periode 2013-2015 hanya sebesar 0,97%.

Berdasarkan skala internasional, capaian IPM dikategorikan menjadi kategori rendah (IPM<50), kategori sedang/menengah (50≤IPM<80), dan kategori tinggi (IPM≥80). Berdasarkan kategori tersebut, maka IPM di Provinsi Sulawesi Tengah berada pada level IPM sedang/menengah, yang menunjukan bahwa tingkat kesejahteraan masyarakat di Provinsi Sulawesi Tengah harus ditingkatkan. Hal tersebut dikarenakan masih kurangnya perhatian pemerintah pada aspek pembangunan manusia.

Sumber daya manusia yang berkualitas sangat penting dalam mendukung percepatan pertumbuhan dan perluasan pembangunan ekonomi daerah. Semakin tinggi kualitas sumber daya manusia di suatu daerah, semakin produktif angkatan kerja, dan semakin tinggi peluang melahirkan inovasi yang menjadi kunci pertumbuhan secara berkelanjutan (Sari, 2016). Salah satu faktor yang mungkin menghambat pertumbuhan dan pembangunan ekonomi daerah Provinsi Sulawesi Tengah adalah kualitas sumber daya manusianya yang relatif rendah.

Menurut Mirza (2012) masalah kemiskinan merupakan masalah yang kompleks yang berawal dari ketidakmampuan daya beli masyaratakat untuk memenuhi kebutuhan pokok sehingga kebutuhan yang lain terabaikan seperti pendidikan, kesehatan dan lain-lain. Rendahnya kemampuan daya beli yang diakibatkan oleh kemiskinan dapat menjadikan efek yang cukup serius bagi pembangunan manusia.

Kemiskinan merupakan salah satu permasalahan utama dalam meningkatkan Indeks Pembangunan Manusia. Tingginya tingkat kemiskinan akan menyebabkan individu tidak mempunyai alokasi dana untuk memenuhi kebutuhan dasarnya. Kemiskinan akan menyebabkan terhambatnya individu untuk mengonsumsi nutrisi bergizi, mendapatkan pendidikan yang layak serta meninikmati lingkungan yang dapat menunjang bagi hidup sehat sehingga akan menghasilkan sumber daya manusia yang kurang berkualitas. Sumber daya manusia yang kurang berkualitas akan mengakibatkan produktivitas yang rendah dan akan berimbas pada terbatasnya upah/pendapatan yang diperoleh. Hal tersebut akan mengakibatkan gap pembangunan manusia diantara keduanya dan pada akhirnya capaian IPM yang diharapkan oleh pemerintah tidak terealisasi dengan baik.

Berdasarkan Gambar 1.1 dapat diketahui bahwa kemiskinan yang terjadi di Provinsi Sulawesi Tengah bersifat fluktuatif sehingga berpengaruh terhadap Indeks Pembangunan Manusia. Pada tahun 2014 kemiskinan di Provinsi Sulawesi Tengah sebesar 13,61 % meningkat menjadi 14,66 % pada tahun 2015. Hal tersebut berpengaruh terhadap Indeks Pembangunan manusia

6

walaupun Indeks Pembangunan manusia meningkat pada tahun 2015, namun peningkatannya sangat rendah.

Sumber : Badan Pusat Statistik Sulteng, 2016 Gambar 1.1

Jumalah Penduduk Miskin di Provinsi Sulawesi Tengah Tahun 2011-2015 (%)

Selain kemiskinan, indikator yang dapat mempengaruhi Indeks Pembangunan manusia yaitu pengeluaran pemerintah pada bidang pendidikan dan kesehatan. Salah satu cara untuk meningkatkan Indeks Pembangunan Manusia yaitu dengan memberikan porsi belanja yang besar pada bidang pendidikan dan kesehatan. Meningkatnya alokasi pengeluaran pemerintah pada bidang tersebut maka akan meningkatkan produktivitas penduduk yang kemudian akan disusul dengan peningkatan Indeks Pembangunan Manusia.

15,83

14,94 _14,32

13,61

14,66

0% 2% 4% 6% 8% 10% 12% 14% 16%

2011 2012 2013 2014 2015

Jumlah Penduduk Miskin (%)

Menurut Mirza (2012), investasi pada bidang pendidikan dan kesehatan akan lebih berarti pada penduduk miskin dibandingkan penduduk tidak miskin karena aset utama penduduk miskin adalah tenaga kasar. Peningkatan belanja pemerintah pada sektor pendidikan dan kesehatan diharapkan dapat memudahkan penduduk miskin dalam mengakses pendidikan dan kesehatan yang murah untuk kemudian nantinya akan meningkatkan taraf hidup penduduk miskin.

Tabel 1.3

Belanja Pendidikan dan Kesehatan Provinsi Sulawesi Tengah Tahun 2011-2015

Tahun Belanja Pendidikan (Juta Rupiah)

Belanja Kesehatan (Juta Rupiah) 2011 91.968 142.971 2012 105.714 166.022 2013 135.804 179.235

2014 140.426 203.524

2015 157.136 236.930

Sumber : DJPK Kementrian Keuangan (Berbagai Terbitan)

Berdasarkan Tabel 1.3 dapat dilihat bahwa alokasi belanja pendidikan dan kesehatan di Provinsi Sulawesi Tengah mengalami peningkatan setiap tahunnya. Porsi belanja di bidang pendidikan masih lebih rendah, berbeda dengan porsi alokasi belanja pada bidang kesehatan. Pembangunan manusia melalui sektor pendidikan sangat penting untuk diperhatikan, karena melalui pendidikan manusia dapat meningkatkan pengetahuan, kemampuan, keahlian, dan inovasi yang dimana dengan indikator tersebut dapat memperbaiki kualitas hidup manusia.

8

Selain bidang pendidikan, alokasi belanja kesehatan juga perlu mendapatkan perhatian oleh pemerintah. Peningkatan fasilitas kesehatan sangat dibutuhkan oleh masyarakat terutama masyarakat kalangan menengah kebawah. Sulitnya akses kesehatan bagi masyarakat menengah kebawah mengakibatkan rendahnya kualitas hidup masyarakat sehingga akan mengakibatkan rendahnya produktivitas.

Kualitas Sumber Daya manusia dapat dilihat dari seberapa besar tingkat pendidikan dan kesehatan disuatu daerah. Tinggi rendahnya kualitas hidup masyarakat sangat dipengaruhi oleh besar kecilnya porsi belanja pemerintah bidang pendidikan dan kesehatan. Sehingga untuk meningkatkan kualitas sumber daya manusia diperlukan alokasi belanja pemerintah yang besar dan tepat sasaran pada kedua bidang tersebut.

Berdasarkan latar belakang diatas, maka penulis tertarik untuk mengajukan penelitian yang berjudul “PENGARUH KEMISKINAN, PENGELUARAN PEMERINTAH BIDANG PENDIDIKAN DAN KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA DI PROVINSI SULAWESI TENGAH TAHUN 2011-2015”

B. Batasan Masalah

Sehubungan dengan faktor keterbatasan yang ada dan mengingat banyaknya faktor yang mempengaruhi Indeks Pembangunan Manusia (IPM), maka penulis hanya membahas pada :

1. Indeks Pembangunan Manusia (IPM) di Provinsi Sulawei Tengah dengan studi kasus 8 (delapan) Kabupaten/Kota, yaitu : Kab. Morowali, Kab. Poso, Kab. Donggala, Kab. Buol, Kab. Parigimoutong, Kab. Tojo Una-una, Kab. Sigi, dan Kota Palu. Variabel yang dianggap berpengaruh terhadap besar kecilnya Indeks Pembangunan Manusia (IPM) di Provinsi Sulawesi Tengah yaitu kemiskinan, pengeluaran pemerintah bidang Pendidikan dan Kesehatan.

2. Data yang digunakan adalah data tahunan yaitu tahun 2011-2015 terdiri atas:

a. Indeks Pembangunan Manusia (IPM) b. Kemiskinan

c. Belanja pemerintah bidang pendidikan d. Belanja pemerintah bidang kesehatan C. Rumusan Masalah

Berdasarkan latar belakang yang telah dipaparkan sebelumnya maka permasalahan yang akan dibahas dalam penelitian ini adalah :

1. Seberapa besar pengaruh kemiskinan terhadap Indeks Pembangunan Manusi (IPM) di Provinsi Sulawesi Tengah?

2. Seberapa besar pengaruh pengeluaran pemerintah bidang pendidikan terhadap Indeks Pembangunan Manusi (IPM) di Provinsi Sulawesi Tengah?

10

3. Seberapa besar pengaruh pengeluaran pemerintah bidang kesehatan terhadap Indeks Pembangunan Manusi (IPM) di Provinsi Sulawesi Tengah?

D. Tujuan Penelitian

Berdasarkan latar belakang dan rumusan masalah maka tujuan yang akan dicapai dalam penelitian ini adalah :

1. Untuk mengetahui seberapa besar pengaruh kemiskinan terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Sulawesi Tengah.

2. Untuk mengetahui seberapa besar pengaruh pengeluaran pemerintah bidang pendidikan terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Sulawesi Tengah.

3. Untuk mengetahui seberapa besar pengaruh pengeluaran pemerintah bidang kesehatan terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Sulawesi Tengah.

E. Manfaat Penelitian

Hasil yang diperoleh dari penelitian ini diharapkan dapat bermanfaat bagi beberapa pihak, yaitu :

1. Bagi penulis

Dapat bermanfaat memperdalam pengetahuan penulis tentang Indeks Pembangunan Manusia (IPM), kemiskinan, pengeluaran pemerintah bidang pendidikan dan kesehatan sehingga mampu membandingkan antara teori yang diterima dibangku perkuliahan dan praktek dilapangan.

2. Bagi mahasiswa

Hasil penelitian ini menjadi bahan masukan dan pengetahuan bagi pembaca mengenai peranan kemikinan, pengeluaran pemerintah bidang pendidikan dan kesehatan terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Sulawesi Tengah.

3. Bagi Masyarakat

Hasil penelitian ini dapat memberikan informasi kepada masyarakat mengenai perkembangan Indeks Pembangunan Manusia di Provinsi Sulawesi Tengah.

4. Bagi Pemerintah

Hasil penelitian ini diharapkan dapat menjadi bahan pertimbangan dalam pengambilan keputusan untuk meningkatkan Indeks Pembangunan Manusia di Provinsi Sulawesi Tengah.

12

BAB II

TINJAUAN PUSTAKA

A. Landasan Teori

1. Teori Indeks Pembangunan Manusia

United Nation for Development Programme (UNDP) pada tahun 1990 telah menerbitkan suatu indikator yaitu Human Development Indeks (HDI)

atau yang dikenal dengan istilah Indeks Pembangunan Manusia (IPM).

Human Development Indeks ini digunakan untuk melihat sejauh mana keberhasilan pembangunan dan kesejahteraan disuatu negara. Human Development Indeks (HDI) diterbitkan dalam bentuk laporan tahunan mengenai kinerja HDI pada negara-negara di dunia.

Human Development Report (1990) menyebutkan bahwa pembangunan manusia adalah suatu proses untuk memperluas pilihan-pilihan yang dimiliki oleh manusia (“a process of enlarging people’s

choices”). Berdasarkan pengertian tersebut, penduduk merupakan tujuan akhir dari pembangunan, untuk mencapai tujuan pembangunan tersebut dibutuhkan sarana (principal means) sebagai upaya untuk mewujudkan pembangunan. Sehingga, definisi dari pembangunan harus dianalisis serta dipahami dari sisi manusianya, tidak hanya menekankan pada pertumbukan ekonomi saja.

Menurut Pambudi dalam Kacabiru (2013) terdapat enam alasan pentingnya paradigma pembangunan manusia, yaitu : (1) Peningkatan

harkat dan martabat manusia merupakan tujuan akhir dari pembangunan; (2) Pemberantasan masalah kemiskinan; (3) Peningkatan produktivitas dan peningkatan kontrol atas barang dan jasa secara maksimal; (4) Pemeliharaan konservasi alam (lingkungan) dan menjaga keseimbangan ekosistem; (5) Peningkatan basis civil society untuk pengembangan demokrasi; dan (6) Merawat stabilitas politik yang kondusif bagi implimentasi pembangunan.

Menurut UNDP dalam HDR (2015) Indeks pembangunan manusia merupakan indeks komposit yang digunakan untuk mengukur pencapaian rata-rata suatu negara dalam tiga hal mendasar pembangunan manusia, yaitu: umur panjang dan hidup sehat (a long and healthy life), pengetahuan (knowledge), dan standar hidup layak (decent standard of living).

Berdasarkan skala Internasional angka IPM berkisar antara 0 hingga 100. Semakin mendekati 100, menunjukan bahwa pembangunan manusia di suatu negara atau wilayah semakin baik. Status pembangunan manusia tersebut dibagi dalam tiga golongan, yaitu :

a) IPM < 50 (rendah)

b) 50 = IPM < 80 (sedang/menengah) c) IPM = 80 (tinggi)

Menurut UNDP dalam Sari (2016), pambangunan manusia memiliki premis-premis penting, yaitu :

1) Penduduk harus diutamakan sebagai pusat perhatian dalam pembangunan.

14

2) Pembangunan bukan hanya untuk meningkatkan pendapatan manusia, akan tetapi dimaksudkan untuk mempebesar piihan-pilihan manusia. Oleh kerana itu, konsep pembangunan manusia bukan hanya terpusat pada aspek ekonomi saja tetapi pada penduduk secara keseluruhan. 3) Pembangunan manusia memperhatikan upaya-upaya memanfaatkan

kemampuan manusia secara optimal, bukan hanya upaya meningkatkan kemampuan (kapabilitas) manusia.

4) Empat pilar pokok yang mendukung pembangunan manusia, yaitu : produktifitas, pemerataan, kesinambungan, dan pemberdayaan.

5) Pembangunan manusia menjadi dasar dalam menentukan tujuan pembangunan serta dalam menganalisis pilihan-pilihan untuk mencapainya.

Berdasarkan penjelasan diatas, UNDP menjelaskan lebih dalam mengenai empat pilar pokok yang mendukung pembangunan manusia, yaitu:

1) Produktifitas

Masyarakat harus dapat meningkatkan produktifitasnya dan ikut berpartisipasi dalam proses peningkatan pendapatan. Oleh karena itu, pertumbuhan ekonomi merupakan salah satu bagian dari jenis pembangunan manusia.

2) Pemerataan

Seluruh masyarakat harus mendapatkan kesempatan yang sama. Semua hambatan tehadap peluang ekonomi dan politik harus dihapus.

Sehingga masyarkat dapat berpartisipasi dan memperoleh kesempatan yang ada agar dapat meningkatkan kualitas hidup.

3) Kesinambungan

Akses terhadap sumberdaya ekonomi dan sosial harus dipastikan tidak hanya untuk generasi sekarang akan tetapi juga generasi mendatang. Semua bentuk sumberdaya fisik manusia dan lingkungan harus selalu diperbaharui.

4) Pemberdayaan

Pembangunan harus dilakukan oleh seluruh masyarakat. Masyarakat harus ikut berpartisipasi penuh dalam mengambil keputusan dan proses-proses yang akan menentukan (bentuk/arah) kehidupan mereka.

Pembangunan tidak hanya untuk meningkatkan pendapatan masyarakat, tetapi pembangunan dimaksudkan untuk memperluas pilihan-pilihan bagi masyarakat. Sehingga, masyarakat merupakan pusat perhatian dalam proses pembangunan. Oleh karena itu, konsep pembangunan manusia bukan hanya pada aspek ekonomi saja tetapi harus terpusat pada masyarakat secara keseluruhan. Pembangunan manusia harus memperhatikan upaya-upaya memanfaatkan kemempuan manusia secara optimal bukan hanya pada upaya meningkatkan kemampuan (capability) manusia saja.

2. Komponen Indeks Pembangunan Manusia

Menurut UNDP dalam Badan Pusat Statistik (2015) Indeks Pembangunan Manusia (IPM) mengukur capaian pembangunan manusia

16

berbasis sejumlah komponen dasar kualitas hidup. Sebagai ukuran kualitas hidup, terdapat tiga dimensi dasar dalam perhitungan IPM, yaitu :

1) Umur panjang dan hidup sehat (a long and healthy life) 2) Pengetahuan (knowledge)

3) Standar hidup layak (decent standard of living).

Sumber : BPS, 2014

Gambar 2.1

Sejak awal diterbitkannya Indeks Pembangunan Manusia(IPM) yaitu pada tahun 1990 sampai tahun 2014, metode perhitungan HDI telah mengalami beberapa kali perubahan. Pada tahun 1990 Indeks Pembangunan Manusia (IPM) dihitung melalui pendekatan Angka Harapan Hidup saat Lahir (AHH) untuk menghitung dimensi umur panjang dan sehat, Angka Melek Huruf (AMH) untuk menghitung dimensi standar hidup layak, dan Produk Domestik Regional Bruto (PDB) per kapita untuk menghitung dimensi standar hidup layak, dengan metode agregasi menggunakan rata-rata aritmatik. Perubahan-perubahan metode perhitungan secara lengkap dapat dilihat pada gambar 2.1.

Setelah mengalami perubahan dan penyempurnaan metode perhitungan IPM yang dapat dilihat pada gambar 2.1 maka dapat disimpulkan bahwa metode perhitungan IPM yang digunakan pada saat ini yaitu : umur panjang dan hidup sehat yang diukur oleh komponen Angka Harapan Hidup (AHH); pengetahuan yang diukur oleh komponen Rata-rata Lama Sekolah (RLS) dan Harapan Lama Sekolah (HLS); dan standar hidup layak yang diukur oleh Produk Nasional Bruto (PNB) setelah disesuakan dengan paritas daya beli (Purchasing Power Parity/PPP). Perbedaan indikator metode lama dan metode baru dapat dilihat pada tabel berikut :

18

Tabel 2.1

Perbedaan Indikator Metode Lama dan Metode Baru

DIMENSI METODE LAMA METODE BARU

Indeks Harapan Hidup Angka Harapan Hidup saat Lahir (AHH)

Angka Harapan Hidup saat Lahir (AHH)

Indeks Pendidikan

Angka Melek Huruf (AMH)

Harapan Lama Sekolah (HLS)

Kombinasi Angka Partisipasi Kasar (APK)

Rata-rata Lama Sekolah (RLS)

Indeks Standar Hidup Layak

PDB Per Kapita PNB Per Kapita Agregasi Rata-rata Aritmatik Rata-rata Geometrik Sumber : BPS,2014

1) Indeks Harapan Hidup

Jumlah tahun hidup yang diharapkan dapat dinikmati penduduk suatu wilayah ditunjukan oleh Indeks harapan hidup. Rata-rata lama hidup serta hidup sehat masyarakat dicerminkan dengan memasukkan informasi mengenai angka kelahiran dan kematian per tahun. Perhitungan angka harapan hidup menggunakan metode tidak langsung karena sulitnya mendapatkan informasi orang yang meninggal pada kurun waktu tertentu. Data dasar yang dibutuhkan dalam metode ini adalah rata- rata anak lahir hidup dan rata-rata anak masih hidup dari wanita pernah kawin. Untuk mendapatkan Indeks Harapan Hidup dengan cara menstandarkan angka harapan hidup terhadap nilai maksimum dan minimumnya (UNDP dalam Sari, 2016).

2) Indeks Pendidikan

Penghitungan Indeks Pendidikan (IP) mencakup dua indikator yaitu Rata-rata Lama Sekolah (RLS) dan Harapan Lama Sekolah (HLS). Setelah mengalami perubahan dan penyempurnaan, UNDP memperkenalkan indikator baru pada indeks pendidikan yaitu Harapan Lama Sekolah (HLM) atau Expected Years of Schooling (EYS). Indikator HLM menggantikan indikator sebelumnya yaitu Angka Melek Huruf (AMH) dikarenakan indikator AMH sudah tidak relevan lagi karena capaian di banyak negara sudah sangat tinggi. Cerminan dari indikator RLS merupakan gambaran dari terhadap keterampilan yang dimiliki oleh masyarakat. Sedangkan HLS merupakan gambaran dari lamanya sekolah yang diharapkan akan dirasakan oleh anak umur tertentu pada masa yang akan datang. Pada metode IPM lama populasi yang digunakan untuk mengukur IPM yaitu penduduk dengan rentan usia 15 tahun keatas, alasannya penduduk dengan usia tersebut sudah berhenti bersekolah. Sedangkan pada metode IPM baru populasi yang digunakan yaitu penduduk dengan usia 25 tahun ke atas, hal tesebut dikarenakan penduduk usia 25 tahun ke atas hanya sebagian kecil yang masih bersekolah. Padahal penduduk dengan usia 25 tahun merupakan stok pendidikan yang dimiliki suatu daerah.

3) Indeks Hidup layak

Untuk mengukur dimensi standar hidup layak (daya beli), UNDP mengganti indikator Produk Domestik Bruto (PDB) menjadi Produk

20

Nasional Bruto (PNB). PDB per kapita dianggap kurang dapat menggambarkan pendapatan disuatu daerah, karena dalam perhitungan PDB didapatkan dari hasil perhitungan seluruh faktor produksi dan juga investasi asing yang masuk, padahal tidak seluruh pendapatan faktor produksi dinikmati oleh seluruh masyarakat lokal. Pada metode baru terdapat 96 komoditas yang digunakan sedangkan pada metode lama terdapat 27 komoditas yang digunakan untuk menghitung paritas daya beli, alasan perlunya pembaharuan pada komoditas perhitungan paritas daya beli yaitu sejak diterbitkannya IPM pada tahun 1990 sampai sekarang telah terjadi perubahan pola konsumsi masyarakat.

3. Pengukuran Indeks Pembangunan Manusia

Pada tahun 2010, UNDP melakukan perubahan pada metodologi perhitungan IPM. Selain pada indikator IPM, perubahan terjadi juga pada cara perhitungan IPM. Perhitungan menggunakan metode aritmatik diubah menjadi metode geometrik. Perhitungan IPM dengan rumus rata-rata aritmatik menggambarkan bahwa capaian yang rendah dari suatu dimensi akan ditutupi capaian pada dimensi lain. Metode perhitungan aritmatik dapat menutupi ketimpangan pembangunan manusia disuatu daerah, hal ini tidak sesuai dengan konsep yang diusung dalam pembangunan manusia. Konsep dalam pembangunan manusia adalah pemerataan pembangunan bukan ketimpangan pembangunan. Dengan alasan tersebut maka

perhitungan dengan menggunakan metode aritmatik dianggap belum optimal dam menghitung IPM.

Berdasarkan Tabel 2.1 terdapat tiga indikator dalam menghitung Indeks Pembangunan Manusia dengan menggunakan metode baru dalam suatu negara. Setiap komponen IPM distandardisasi dengan nilai minimum dan maksimum sebelum digunakan untuk menghitung IPM. Rumus yang digunakan dapat dilihat pada tabel 2.2.

Tabel 2.2

Persamaan Indeks Komponen IPM

DIMENSI INDIKATOR PERSAMAAN

Indeks Harapan Hidup

Angka Harapan Hidup saat Lahir (AHH)

�Kesehatan =_AHHAHH - AHHmin maks− AHHmin

Indeks Pendidikan

Angka Melek

Huruf (AMH) �HLS =

HLS - HLSmin

HLSmaks− HLSmin

Kombinasi Angka

Partisipasi Kasar (APK)

�RLS =_RLSRLS - RLSmin maks− RLSmin

Indeks Standar Hidup Layak

PNB Per Kapita* �Pengeluaran

=_{In (Pengeluaran)}In (Pengeluaran) - In (Pengeluaran)min maks−In (Pengeluaran)min Sumber : BPS, 2014

Keterangan :

 PNB per kapita tidak tersedia pada tingkat provinsi dan kabupaten/kota, sehingga diproksi dengan pengeluaran per kapita disesuaikan menggunakan data Survei Sosial Ekonomi Nasional (SUSENAS).

22

Berdasarakan perhitungan Indeks Komponen diatas maka IPM dihitung sebagai rata-rata geometrik dari indeks kesehatan, pendidikan, dan pengeluaran dengan rumus sebagai berikut :

IPM = √�3 � ℎ� ��+ �� � � � ��+ �� �� �� �� � Dimana :

IPM = Indeks Pembangunan Manusia IKesehatan = Indeks Kesehatan

IPendidikan = Indeks Pendidikan

IPengeluaran = Indeks Pengeluaran

4. Hubungan Antar Variabel

a) Hubungan antara Kemiskinan terhadap Indeks Pembangunan Manusia Napitupulu dalam Trunajaya (2015) mengatakan bahwa dalam perhitungan Indeks Pembangunan Manusia terdapat tiga indikator komposit yaitu angka harapan hidup, angka melek huruf, dan konsumsi per kapita. Sektor kesehatan, pendidikan serta pendapatan per kapita yang meningkat dapat memberikan kontribusi bagi pembangunan manusia, sehingga kualitas manusia yang semakin tinggi pada suatu daerah akan mengurangi jumlah penduduk miskin di daerah tersebut.

Tingkat kemiskinan sangat mempengaruhi pembangunan manusia. Dalam suatu lingkar setan kemiskinan terdapat tiga indikator pembangunan manusia yang tidak dapat dicapai oleh masyarakat miskin

yaitu kesehatan, pendidikan dan daya beli. Ketidakmampuan untuk memenuhi kebutuhan-kebutuhan tersebut maka akan berpengaruh pada rendahnya kualitas manusia.

Semakin tinggi jumlah penduduk miskin menyebabkan akses terhadap kegiatan ekonomi mengalami hambatan, hal tersebut dikarenakan penduduk miskin memiliki keterbatasan pada faktor produksi. Produktivitas yang rendah akan menyebabkan pendapatan yang rendah pula. Dampak dari pendapatan yang rendah yaitu sulitnya penduduk miskin dalam memenuhi kebutuhan dasarnya, seperti kebutuhan pangan, sandang dan papan. Apalagi untuk kebutuhan lain seperti pendidikan, kesehatan dan lainnya juga akan mengalami keterhambatan. Sehingga, keberhasilan pembangunan manusia disuatu daerah akan terhambat apabila pada daerah tersebut terdapat cukup banyak penduduk miskin.

b) Hubungan antara Pengeluaran Pemerintah pada bidang pendidikan terhadap Indeks Pembangunan Manusia (IPM)

Dalam Undang-undang No. 20 Tahun 2003 Tentang Sistem Pendidikan Nasional Pasal 49 mengamanatkan bahwa dana pendidikan selain gaji pendidik dan biaya pendidikan kedinasan dialokasikan minimal 20% dari Anggaran Pendapatan dan Belanja Negara (APBN) pada sektor pendidikan dan minimal 20% dari Anggaran Pendapatan dan Belanja Daerah (APBD). Berdasarkan undang-undang tersebut dapat dilihat bahwa dalam menunjang pembangunan nasional pemerintah

24

menempatkan pendidikan sebagai salah satu faktor penting (Winarti, 2014).

Pengeluaran pemerintah pada bidang pendidikan yang dilakukan oleh pemerintah merupakan suatu investasi sumber daya manusia. Salah satu faktor yang dapat meningkatkan kualitas sumber daya manusia adalah pendidikan. Pengeluaran pemerintah pada bidang pendidikan dapat membantu masyarakat terutama masyarakat miskin untuk memperoleh pendidikan yang layak. Investasi ini dapat memberikan kesempatan pendidikan yang lebih merata kepada masyarakat sehingga akan meningkatkan kualitas sumber daya manusia melalui bidang pendidikan.

Pendidikan merupakan salah satu faktor utama dalam menunjang peningkatan modal manusia karena dengan adanya pendidikan manusia dapat meningkatkan ilmu, pengetahuan, keterampilan, inovasi maupun kreativitas. Sehingga dapat mendorong kualitas sumber daya manusia. Apabila kualitas sumber daya manusia tinggi akan berpengaruh terhadap peningkatan produktivitas sehingga tujuan dari pembangunan manusia dapat tercapai.

c) Hubungan antara Pengeluaran Pemerintah pada sektor kesehatan terhadap Indeks Pembangunan Manusia (IPM)

Pengeluaran pemerindah pada bidang kesehatan merupakan salah satu upaya pemerintah untuk memenuhi salah satu hak dasar rakyat, yaitu hak untuk memperoleh pelayanan kesehatan yang baik, hal tesebut sesuai

dengan Undang-Undang Dasar 1945 pasal 28 H ayat (1) dan Undang Undang Nomor 23 tahun 1992 tentang kesehatan. Untuk meningkatkan kualitas sumber daya manusia masalah kesehatan harus diprioritaskan (Astri dkk, 2013).

Salah satu indikator penunjang pembangunan manusia adalah kesehatan, karena bila daya tahan tubuh baik maka akan berpengaruh terhadap produktivitas manusia yang dapat dioptimalkan. Pada saat sehat orang dapat menjalankan aktivitas lainnya seperti bersekolah, bekerja, berolahraga, mengurus rumah tangga maupun aktivitas lainnya dapat dikerjakan lebih baik dibandingkan saat kondisi tubuh sedang sakit.

Menurut Dewi Kacabiru (2013) kesehatan merupakan salah satu faktor penting dan menjadi dasar dalam pembangunan manusia. Manusia yang sehat menjadi prasyarat dalam mewujudkan pembangunan manusia. Pendanaan serta sumber daya yang terbatas mengakibatkan penanganan masalah kesehatan tidak dapat dilakukan secara bersamaan. Oleh karena itu, prioritas program dan kegiatan perlu dilakukan. Selain itu, penanganan masalah kesehatan merupakan tanggung jawab bersama antara pemerintah dan masyarakat.

Pengeluaran pemerintah pada bidang kesehatan merupakan suatu investasi publik. Kesehatan yang baik bagi setiap manusia dapat terwujud melalui alokasi pengeluaran pemerintah bidang pendidikan Semakin besar pengeluran pemerintah pada bidang kesehatan kemungkinan masayarakat yang sehat akan semakin banyak, sehingga akan

26

meningkatkan produktivitas masyarakat. produktivitas yang tinggi juga akan diikuti dengan peningkatan Indeks Pembangunan manusia di suatu daerah.

Menurut Arifin (2015) kesehatan turut serta dalam membantu peningkatan pembangunan manusia, karena manusia yang sehat akan jauh lebih baik daripada manusia yang kurang sehat. Perubahan yang baik dipengaruhi oleh kesehatan yang baik, sebaliknya perubahan yang buruk atau kurang baik dipengaruhi oleh kesehatan yang buruk pula. Karena tanpa kesehatan manusia tidak memiliki semangat produktivitas. B. Penelitian Terdahulu

1. Penelitian yang dilakukan oleh Ilza Putra Tunajaya (2015) dengan judul penelitian Faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia di Seluruh Provinsi Indonesia dengan menggunakan regresi data panel menunjukan bahwa terdapat lima dari tujuh variabel yang berpengaruh positif terhadap Indeks Pembangunan Manusia (IPM). Variabel infrastruktur pendidikan, kesehatan, APBD, ketimpangan dan PDRB berpengaruh positif terhadap IPM sedangkan variabel buta huruf dan kemiskinan berpengaruh negatif terhadap IPM.

2. Penelitian yang dilakukan oleh Rosinta Dewi Kacabiru (2013) dengan judul penelitian Analisis Indeks Pembangunan Manusia dan Faktor-faktor yang Mempengaruhinya. Analisis yang digunakan adalah analisis deskriptif dan data panel dengan pendekatan fixed effect model

Produk Domestik Regional Bruto (PDRB), pengeluaran pemerintah menurut fungsi pendidikan, rasio kemiskinan terhadap jumlah penduduk, rasio jumlah penduduk terhadap jumlah dokter, rasio jumlah penduduk terhadap jumlah bidan, rasio murid SMA terhadap guru berpengaruh positif terhadap Indeks Pembangunan Manusia (IPM), kecuali dua variabel

independent yaitu rasio murid SD terhadap guru dan rasio murid SMP terhadap guru tidak mempengaruhi IPM di Papua. Hal ini tidak sesuai dengan teori yang dibuat sebelumnya karena masih banyak fasilitas pendidikan dan kesehatan di Papua yang belum memadai.

3. Penelitian yang dilakukan oleh Septiana M. M. Sanggelorang dkk (2015) yang berjudul Pengaruh Pengeluaran Pemerintah Sektor Pendidikan dan Kesehatan terhadap Pembangunan Manusia di Provinsi Sulawesi Utara menggunakan analisis regresi berganda menunjukan bahwa variabel pengeluaran pemerintah sektor pendidikan berpengaruh positif signifikan terhadap Indeks Pembangunan Manusia sedangkan variabel pengeluaran pemerintah bidang kesehatan berpengaruh negatif dan tidak signifikan terhadap Indeks Pembangunan Manusia.

4. Penelitian yang dilakukan oleh Intan Safitri (2016) dengan judul Pengaruh Pengeluaran Pemerintah Sektor Kesehatan, Pendidikan dan Infrastruktur Terhadap Indeks Pembangunan Manusia di Provinsi Aceh menggunakan analisis regresi data panel dengan pendekatan Random Effect. Hasil penelitian menunjukan bahwa pengeluaran pemerintah sektor kesehatan, pendidikan dan infrastruktur memiliki pengaruh positif terhadap Indeks

28

Pembangunan Manusia dengan tingkat signifikansi berbeda-beda. Variabel pengeluaran pemerintah sektor kesehatan berpengaruh signifikan terhadap Indeks Pembangunan Manusia, sedangkan pengeluaran pemerintah sektor pendidikan dan infrastruktur tidak berpengaruh signifikan terhadap Indeks Pembangunan Manusia.

5. Penelitian yang dilakukan oleh Nurbaeti (2013) dengan judul penelitian Pengaruh Pengangguran, Pertumbuhan Ekonomi, dan Pengeluaran Pemerintah terhadap Pembangunan Manusia Kabupaten/Kota Provinsi Jawa Tengah Tahun 2007-2013 menggunakan analisis regresi data panel model efek tetap (FEM) dengan metode Generalized Least Square (GLS). Hasil penelitian ini menunjukan bahwa variabel pengangguran, pertumbuhan ekonomi, dan pengeluran pemerintah terhadap pembangunan manusia baik secara parsial maupun bersama-sama mempunyai pengaruh yang signifikan terhadap Indeks Pembangunan Manusia (IPM).

6. Penelitian yang dilakukan oleh Denni Sulistio Mirza (2008) dengan judul Pengaruh Kemiskinan, Pertumbuhan Ekonomi dan Belanja Modal terhadap Indeks Pembangunan Manusia di Jawa Tengah menggunakan analisis data panel dengan model Pooled Least Square (Common Effect), model Pendekatan Efek Tetap (Fixed Effect), Model Pendekatan Efek Acak (Random Effect). Hasil penelitian menunjukan perkembangan IPM mengalami peningkatan dengan kategori IPM menengah selama periode 2006-2009 hingga mampu mencapai target IPM yang telah ditetapkan

pemerintah. Variabel pertumbuhan ekonomi dan belanja modal berpengaruh positif dan signifikan terhadap IPM, sedangkan variabel kemiskinan berpengaruh negatif dan signifikan terhadap IPM di Jawa Tengah.

7. Penelitian yang dilakukan Mochammad Yuli Arifin (2015) dengan judul Pengaruh Pengeluaran Pemerintah Sektor Kesehatan, Pengeluaran Pemerintah Sektor Pendidikan dan Pertumbuhan Ekonomi terhadap Indeks Pembangunan Manusia di Jawa Timur 2006-2013 menggunakan analisis data panel dengan Pendekatan Efek Tetap (Fixed Effect), Model Pendekatan Efek Acak (Random Effect). Hasil penelitian menunjukan. Pengeluaran pemerintah sektor kesehatan dan pengeluaran pemerintah sektor pendidikan berpengaruh positif dan signifikan terhadap Indeks Pembangunan Manusia di Jawa Timur, sedangkan pertumbuhan ekonomi berpengaruh postif dan tidak signifikan terhadap Indeks Pembangunan Manusia di Jawa Timur.

Tabel 2.3 Penelitian Terdahulu

No. Judul Penelitian Metode Analisis Variabel Kesimpulan 1. Faktor-faktor yang

mempengaruhi Indeks Pembangunan Manusia di Seluruh Provinsi Indonesia. Penelitian ini dilakukan oleh Ilza Putra Trunajaya (2015)

Analisis Data Panel

1. Indeks

Pembangunan Manusia (IPM) 2. Pendidikan 3. Kesehatan 4. Anggaran

Pendapatan dan Belanja Daerah (APB) 5. Ketimpangan

1. IPM di suluruh Provinsi di Indonesia berada pada daerah berkembang yaitu berkisar antara 0,50-0,79 2. Variabel

infrastruktur pendidikan, kesehatan,

30

6. Produk Domestik Regional Bruto (PDRB) 7. Buta huruf 8. Kemiskinan

APBD,

ketimpangan dan PDRB

berpengaruh positif terhadap IPM.

3. Variabel buta huruf dan kemiskinan berpengaruh negatif terhadap IPM

2. Analisis Indeks Pembangunan Manusia dan Faktor-faktor yang Mempengaruhinya. Penelitian ini dilakukan oleh Rosinta Dewi Kacabiru (2013)

Analisis data panel dengan pendekatan fixed effect model

1. Indeks

Pembangunan Manusia (IPM) 2. Produk

Domestik Regional Bruto (PDRB) 3. Pengeluaran

pemerintah menurut fungsi pendidikan 4. Rasio

kemiskinan terhadap jumlah penduduk 5. Rasio jumlah

penduduk terhadap jumlah dokter 6. Rasio jumlah

penduduk terhadap jumlah bidan 7. Rasio murid

SMA

terhadap guru 8. Rasio murid

SD terhadap guru

1. Provinsi Papua dari tahun 2004-2010 memiliki IPM yang paling kecil diantara provinsi-provinsi yang lain.

2. Produk Domesti Regional Bruto (PDRB),

pengeluaran pemerintah menurut fungsi pendidikan, rasio kemiskinan terhadap jumlah penduduk, rasio jumlah penduduk terhadap jumlah dokter, rasio jumlah penduduk terhadap jumlah bidan, rasio murid SMA terhadap guru berpengaruh positif terhadap Indeks

Pembangunan Manusia (IPM) di Papua.

3. Rasio murid SD terhadap guru

9. Rasio murid SMP terhadap guru

dan rasio murid SMP terhadap guru tidak mempengaruhi IPM di Papua 3. Pengaruh Pengeluaran

Pemerintah Sektor Pendidikan dan Kesehatan terhadap Indeks Pembangunan Manusia di Provinsi Sulawesi Utara. Penelitian ini dilakukan oleh Septiana M.M. Sanggelorang, Vekie A. Rumate, dan Hanly F. DJ. Siwu (2016)

Analisis regresi berganda

1. Indeks

Pembangunan Manusia (IPM) 2. Pengeluaran

pemerintah sektor pendidikan 3. Pengeluaran

pemerintah sektor kesehatan

1. Pengeluaran pemerintah sektor pendidikan berpengaruh positif dan signifikan

terhadap Indeks Pembangunan Manusia. 2. Pengeluaran

pemerintah sektor kesehatan berpengaruh negatif dan tidak signifikan

terhadap Indeks Pembangunan Manusia. 4. Pengaruh Pengeluaran

Pemerintah Sektor Kesehatan, Pendidikan dan Infrastruktur Terhadap Indeks Pembangunan Manusia di Provinsi Aceh oleh Intan Safitri (2016)

Analisis regresi data panel

1. Indeks

Pembangunan Manusia (IPM) 2. Pengeluaran

Pemerintah Sektor Kesehatan 3. Pengeluaran

Pemerintah Sektor Pendidikan. 4. Pengeluaran

Pemerintah Sektor Infrastruktur

1. Pengeluaran Pemerintah Sektor Kesehatan berpengaruh positif dan signifikan

terhadap Indeks Pembangunan Manusia 2. Pengeluaran

Pemerintah Sektor

Pendidikan dan Infrastruktur berpengaruh positif dan tidak signifikan

terhadap Indeks Pembangunan Manusia

32

5. Pengaruh Pengangguran,

Pertumbuhan Ekonomi, dan Pengeluaran Pemerintah terhadap Pembangunan Manusia Kabupaten/Kota

Provinsi Jawa Tengah Tahun 2007-2013. Penelitian ini dilakukan oleh Nurbaeti (2013)

Analisis regresi data panel model efek tetap (FEM) dengan metode

Generalized Least Square

(GLS) 1. _Indeks Pembangunan Manusia (IPM) 2. _Pengangguran 3. _Pertumbuhan ekonomi 4. _Pengeluaran Pemerintah

1. Pengangguran mempunyai pengaruh negatif dan signifikan terhadap IPM di Provinsi Jawa Tengah.

2. Pertumbuhan ekonomi mempunyai pengaruh positif dan signifikan terhadap IPM di Provinsi Jawa Tengah

3. Alokasi pengeluran pemerintah khususnya sektor pendidikan dan kesehatan

berpengaruh positif dan singnifikan terhadap IPM di Provinsi Jawa Tengah.

6. Pengaruh Kemiskinan, Pertumbuhan Ekonomi dan Belanja Modal terhadap Indeks Pembangunan Manusia di Jawa Tengah . Penelitian ini dilakukan oleh Denni Sulistio Mirza (2008)

Analisis data panel dengan model :

 Pooled Least Square

(Common Effect)

 Pendekatan Efek Tetap (Fixed Effect)

 Pendekatan Efek Acak (Random Effect)

1. Indeks

Pembangunan Manusia (IPM) 2. Kemiskinan 3. Pertumbuhan

Ekonomi 4. Belanja Modal

1. Perkembangan IPM mengalami peningkatan dengan kategori IPM menengah selama periode 2006-2009

hingga mampu mencapai target IPM yang telah ditetapkan

pemerintah. 2. Kemiskinan

mempunyai pengaruh negatif

dan signifikan

terhadap IPM di

Provinsi Jawa

Tengah.

3. Pertumbuhan

ekonomi mempunyai pengaruh positif

dan signifikan

pada taraf 5% terhadap IPM di

Provinsi Jawa

Tengah.

4. Belanja modal

mempunyai pengaruh positif

dan signifikan

pada taraf 5% terhadap IPM di

Provinsi Jawa

Tengah. 7. Pengaruh Pengeluaran

Pemerintah Sektor Kesehatan, Pengeluaran Pemerintah Sektor Pendidikan dan Pertumbuhan Ekonomi terhadap Indeks Pembangunan Manusia di Jawa Timur 2006-2013 oleh Mochammad Yuli Arifin (2015)

Analisis regresi data panel

1. Indeks

Pembangunan Manusia 2. Pengeluaran

Pemerintah Sektor Kesehatan 3. Pengeluaran

Pemerintah Sektor Pendidikan 4. Pertumbuhan

Ekonomi

1. Pengeluaran pemerintah sektor kesehatan dan pengeluaran pemerintah sektor pendidikan

berpengaruh positif dan signifikan

terhadap Indeks Pembangunan Manusia di Jawa Timur

2. Pertumbuhan ekonomi berpengaruh postif dan tidak signifikan

terhadap Indeks Pembangunan Manusia di Jawa Timur

34

C. Kerangka Pemikiran

Untuk memudahkan kegiatan penelitian yang akan dilakukan serta untuk memperjelas akar pemikiran dalam penelitian ini, berikut ini gambar kerangka pemikiran yang skematis :

Gambar 2.2

Kerangka Pemikiran Teoritis

D. Hipotesis

Berdasarkan uraian pada pembahasan sebelumnya mulai dari pemaparan latar belakang hingga kerangka pemikiran teoritis, maka penulis membangun hipotesis sebagai berikut :

Pengeluaran Pemerintah Bidang Pendidikan

Indeks Pembangunan Manusia

(IPM)

Pengeluaran Pemerintah Bidang Kesehatan

Kemiskinan

+

+

-

1) Diduga Kemiskinan berpengaruh negatif dan signifikan terhadap Indeks Pembangunan Manusia (IPM) di Kabupaten/kota Provinsi Sulawesi Tengah tahun 2011-2015.

2) Diduga Pengeluaran pemerintah pada bidang pendidikan berpengaruh positif dan signifikan terhadap Indeks Pembangunan Manusia (IPM) di Kabupaten/Kota Provinsi Sulawesi Tengah tahun 2011-2015.

3) Diduga Pengeluaran pemerintah pada bidang kesehatan berpengaruh positif dan signifikan terhadap Indeks Pembangunan Manusia (IPM) di Kabupaten/Kota Provinsi Sulawesi Tengah tahun 2011-2015.

36

BAB III

METODOLOGI PENELITIAN

A. Objek Penelitian

Obyek penelitian yang dilakukan oleh peneliti pada penelitian ini adalah Kabupaten yang berada di Provinsi Sulawesi Tengah, namun karena tidak tersedianya data yang dibutuhkan pada beberapa kabupaten maka penelitian ini hanya di lakukan di delapan kabupaten. Berikut daftar delapan kabupaten di Provinsi Sulawesi Tengah yang menjadi obyek penelitian ini : Kabupaten Morowali, Kabupaten Poso, Kabupaten Donggala, Kabupaten Buol, Kabupaten Parigi Moutong, Kabupaten Tojo Una-una, Kabupaten Sigi, dan Kota Palu.

B. Subjek Penelitian

Dalam penelitian ini terdiri dari variabel dependen (Y) dan variabel independen (Y). Variabel dependen yang digunakan pada penelitian ini adalah Indeks Pembangunan Manusia (Y) sedangkan variabel independen yang digunakan dalam penelitian ini adalah kemiskinan (X1), pengeluaran pemerintah bidang pendidikan (Y2), dan pengeluaran pemerintah bidang kesehatan(Y3).

C. Jenis dan Sumber Data

Dalam penelitian ini penulis menggunakan analisis kuantitatif dan data sekunder berupa data time series dan cross section dalam bentuk data tahunan selama periode 2011 sampai dengan 2015. Data sekunder merupakan data yang

diperoleh dari lembaga yang dianggap kompeten yang diperoleh dari buku-buku, majalah dan lain sebagainya berupa data Indeks Pembangunan Manusia (IPM), kemiskinan, pengeluaran pemerintah bidang pendidikan dan pengeluaran pemerintah bidang kesehatan. Sumber data dalam penelitian ini diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sulawesi Tengah dan Direktorat Jendral Perimbangan Keuangan Kementrian Keuangan (DJPK KEMENKEU), United Nation for Development Programme (UNDP) dan berbagai sumber lain.

D. Teknik Pengumpulan Data

Teknik pengumpulan data yang dilakukan dalam penelitian ini adalah teknik dokumentasi. Teknik dokumentasi merupakan suatu cara untuk memperoleh data atau informasi dengan mempelajari dokumen yang berkaitan dengan seluruh data yang diperlukan. Pada penelitian ini teknik dokumentasi dipakai untuk mengetahui data Indeks Pembangunan Manusia (IPM), kemiskinan, pengeluaran pemerintah bidang pendidikan dan pengeluaran pemerintah bidang kesehatan. Selain dokumentasi penulis juga menggunakan beberapa literatur, studi pustaka, data statistik Provinsi Sulawesi Tengah dalam angka, internet dan lain-lain yang masih relevan dengan penelitian ini.

E. Definisi Operasioal Variabel Penelitian

Dalam penelitian ini terdiri dari variabel dependen (Y) dan variabel independen. Variabel dependen merupakan variabel yang mempengaruhi variabel independen, sedangkan variabel independen merupakan variabel yang

38

dipengaruhi oleh variabel dependen. Varibel dependen (Y) yang digunakan dalam penelitian ini adalah Indeks Pembangunan Manusia (IPM), variabel independen (X1) Kemiskinan, variabel independen (X2) pengeluaran pemerintah bidang pendidikan, variabel independen (X3) pengeluaran pemerintah bidang kesehatan (X3).

Definisi operasional dari masing-masing variabel dalam penelitian ini adalah : 1. Indeks Pembangunan Manusia (IPM)

Indeks Pembangunan Manusia menurut UNDP (1990) adalah suatu proses untuk memperluas pilihan-pilihan yang dimiliki oleh manusia (“a process of enlarging people’s choices”). Diantara pilihan-pilihan tersebut, pilihan yang terpenting adalah umur panjang dan hidup sehat (a long and healthy life), pengetahuan (knowledge), dan standar hidup layak (decent standard of living). Data diambil dari Badan Pusat Statistik (BPS) Provinsi Sulawesi Tengah tahun 2011-2015.

2. Kemiskinan

Kemiskinan adalah ketidakmampuan memenuhi standar minimum kebutuhan dasar yang meliputi kebutuhan makanan maupun non makanan yang mendasar. Kemiskinan juga dapat didefinisikan sebagai standar hidup yang rendah, yaitu adanya suatu tingkat kekurangan materi dibandingkan dengan standar kehidupan yang umum berlaku dalam masyarakat. Kemiskinan memberikan gambaran situasi serba kekurangan, seperti rendahnya produktivitas, rendahnya pendapatan, terbatasnya modal yang dimiliki, rendahnya pengetahuan dan keterampilan, lemahnya nilai

tukar hasil produksi orang miskin dan terbatasnya kesempatan berperan serta dalam pembangunan. Data diambil dari Badan Pusat Statistik (BPS) Provinsi Sulawesi Tengah tahun 2011-2015.

3. Pengeluaran pemerintah bidang pendidikan

Pengeluaran pemerintah bidang pendidikan yaitu besarnya pengeluaran pemerintah daerah Provinsi Sulawesi Tengah yang mencerminkan pengeluaran pemerintah dari total Anggaran Pendapatan dan Belanja Daerah (APBD) yang dialokasikan untuk sektor pendidikan. Dalam penelitian ini data yang digunakan adalah alokasi belanja pemerintah daerah Provinsi Sulawesi tengah pada sektor pendidikan tahun 2011-2015. Data diambil dari Direktorat Jendral Perimbangan Keuangan Kementrian Keuangan (DJPK KEMENKEU).

4. Pengeluaran pemerintah bidang kesehatan

Pengeluaran pemerintah bidang kesehatan yaitu besarnya pengeluaran pemerintah daerah Provinsi Sulawesi Tengah yang mencerminkan pengeluaran pemerintah dari total Anggaran Pendapatan dan Belanja Daerah (APBD) yang dialokasikan untuk sektor kesehatan. Dalam penelitian ini data yang digunakan adalah alokasi belanja pemerintah daerah Provinsi Sulawesi tengah pada sektor kesehatan tahun 2011-2015. Data diambil dari Direktorat Jendral Perimbangan Keuangan Kementrian Keuangan (DJPK KEMENKEU).

40

F. Metode Analisis Data

Metode analisis yang dipilih penulis dalam penelitian ini adalah metode analisis regresi data panel. Analisis regresi data panel digunakan untuk melihat sejauh mana pengaruh variabel independen (kemiskinan, pengeluaran pemerintah bidang pendidikan, dan pengeluaran pemerintah bidang kesehatan) yang digunakan untuk meneliti variabel dependen (Indeks Pembangunan Manusia ).

Analisis regresi data panel adalah gabungan data runtut waktu (time series) dan data silang (cross section). Menurut Agus Widarjono dalam Basuki dan Yuliadi (2015) terdapat beberapa keuntungan penggunaan data panel dalam sebuah observasi, yaitu : Pertama, data panel merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan lebih menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (omitted-variable).

Keunggulan regresi data panel Menurut Wibisono (2005) dalam Basuki dan Yuliadi (2015), antara lain :

a) Data panel mampu memperhitungkan heterogenitas individu secara eksplisit dengan mengizinkan variabel spesifik individu. Dalam metode data panel setiap observasi seperti individu, perusahaan, negara adalah heterogen (berbeda).

b) Kemampuan data panel untuk mengontrol heterogenitas dapat digunakan untuk menguji dan membangun model perilaku yang lebih kompleks. c) Data panel cocok digunakan sebagai study of dynamic adjusment

dikarenakan data panel berdasarkan pada observasi cross section yang berulang-ulang (time series).

d) Dengan menggunakan data panel jumlah observasi yang disediakan lebih banyak sehingga memiliki implikasi pada data yang lebih informatif, variatif, dan kolinearitas (multiko) antara data semakin berkurang. Selain itu, tingginya derajat kebebasan (degree of freedom/df) dalam model data panel mengakibatkan estimasi yang dihasilkan akan efisien dan lebih baik lagi.

e) Data panel digunakan untuk mempelajari model-model perilaku yang lebih kompleks.

f) Data panel dapat digunakan untuk mengurangi bias yang mungkin ditimbulkan oleh agregasi data individu.

Model regresi data panel dalam penelitian ini adalah sebagai berikut :

Y = α + b1X1it + b2X2it + e

Keterangan :

Y = Variabel dependen

α = Konstanta

X1 = Variabel independen 1 X2 = Variabel indopenden 2

42

e = Error term t = Waktu i = Perusahaan

Dari penjelasan mengenai metode analisis regresi data panel diatas, dapat digambarkan kerangka pemikiran reresi data panel sebagai berikut :

Sumber : Basuki dan Yuliadi, 2015

Gambar 3.1

1. Pengujian Asumsi Klasik (Multikolinearitas dan Heteroskedastisitas) a. Multikolinearitas

Multikolinearitas merupakan suatu keadaan dimana satu atau lebih variabel bebas dapat dinyatakan sebagai kombinasi sebagai kolinear dari variabel yang lainnya. Tujuan daru uji multikolinearitas yaitu untuk mengetahui apakah dalam regresi ini ditemukan adanya korelasi antar variabel independen. Salah satu cara mendeteksi adanya multikolinearitas yaitu :

 Meregresikan variabel independen X dengan varibel-variabel independen yang lain, kemudian dihitung R2 nya dengan uji F;  Jika F* > F tabel berarti H0 ditolak , ada multikolinearitas

 Jika F* < F tabel berarti H0 di terima, tidak ada multikolinearitas

R2 cukup tinggi (0,7 - 0,1), tetapi uji-t untuk masing-masing koefisien regresinya tidak signifikan. Tingginya R2 merupakan syarat yang cukup (nacessary) untuk kejadianya multikolinearitas, sebab pada R2 yang rendah < 0,5 bisa juga terjadi multikolinearitas.

Ada beberapa cara untuk mengetahui multikolinearitas dalam satu model. Salah satunya dengan melihat koefisien korelasi hasil output komputer. Gejala multikolinearitas terjadi apabila koefisien korelasi lebih besar dari (0,85).

Untuk mengatasi masalah multikolinearitas, satu variabel independen yang memiliki korelasi dengan varibael independen yang

44

lain harus dihapus. Dalam hal metode GLS, model ini sudah diantisipasi dari multikolinearitas.

b. Uji Heterokedastisitas

Suatu model regresi dikatakan terkena heteroskedastisitas apabila terjadi ketidaksamaan varians dari residual dari suatu pengamatan ke pengamatan yang lain. Jika varians dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas. Adanya sifat heteroskedastisitas ini dapat membuat penaksiran model bersifat tidak efisien. Umumnya masalah heteroskedastisitas lebih bisa terjadi pada

cross section dibandingkan dengan time series (Gujarati dalam Sari, 2016).

Untuk mendeteksi masalah heterokedastisitas dalam model, penulisan menggunakan uji park yang sering digunakan dalam beberapa referensi. Dalam metodenya, park menyatakan suatu bentuk funsi spesifik diantara varian kesalahan �_��2 dan variabel bebas yang dinyatakan sebagai berikut:

�_��2 _{= ��}

��...(1) Persamaan dijadikan linier dalam bentuk persamaan log sehingga menjadi :

�� ���2 = � + �� ��+ �� ...(2)

karena varian kesalahan (�_��2) tidak teramati, maka digunakan �_�2sebagai penggatinya. Sehingga persamaan menjadi:

�� ��2 = � + �� �� + ��...(3) Apabila koefisien parameter dari persamaan regresi tersebut signifikan secara statistik, berarti didalam data terdapat masalah heterokedastisitas. Sebaliknya, jika tidak signifikan, maka asumsi heterokedastisitas pada data dapat diterima (Sari, 2016).

Masalah asumsi klasik heterokedastisitas dapat dideteksi dengan melihat Garfik Plot. Mendeteksi ada tidaknya heterokeadastisitas dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Jika terdapat pola tertentu, seperti titik-titik yang membentuk pola tertentu dan teratur (bergelombang, melebar kemudian menyempit), maka hal tersebut mengidentifikasikan telah terjadi heterokedastisitas. Jika tidak ada pola tertentu yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi heterokedastisitas (Agus Tri Basuki, 2014).

2. Penentuan Model Estimasi

Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan, yaitu :

a) Common Effect Model

Metode common effect merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series

dan data cross section. Pada model ini diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu hal tersebut dikarenakan

46

metode common effect hanya menggabungkan data tanpa melihat dimensi waktu maupun individu. Model common effect sama halnya dengan metode Ordinary Least Square (OLS) karena menggunakan kuadrat terkecil (Basuki dan Yuliadi, 2015)

Adapun persamaan regresi dalam model common effect dapat dituliskan sebagai berikut :

YR= α + Xitβ + εit

Keterangan :

i = Kabupaten Morowali, Kabupaten Poso, Kabupaten Donggala, Kabupaten Buol, Kabupaten Parigi Moutong, Kabupaten Tojo Una-una, Kabupaten Sigi, Kota Palu. t = 2011, 2012, 2013, 2014, 2015

Dimana i menunjukan cross section (individu) dan t menunjukan periode waktunya. Dengan asumsi komponen error dalam pengolahan kuadrat terkecil biasa, untuk setiap unit cross section dilakukan proses estimasi secara terpisah.

b) Model Pendekatan Efek tetap (Fixed Effect Model)

Metode fixed effect adalah metode yang menggunakan variabel dummy atau variabel boneka dalam mengestimasi data panel untuk menangkap adanya perbedaan intersep. Perbedaan intersep dalam model ini dapat mengakomodasi perbedaan antar individu. Pada metode fixed

effect estimasi dapat dilakukan dengan tanpa pembobot (no weight) atau

Least Square Dummy Variable (LSDV) dan dengan pembobot (cross section weight) atau General Least Square (GLS). Tujuan dilakukannya pembobotan adalah untuk mengurangi heterogenitas antar unit cross section. Model efek tetap (fixed effect) digunakan untuk melihat perilaku data dari masing-masing variabel sehingga dalam mengintepretasi data lebih dinamis.

Pemilihan model antara common effect dengan fixed effect dapat dilakukan dengan pengujian likelihood test radio. Penggunaan model

fixed effect dapat dilakukan dengan ketentuan apabila nilai probabilitas yang dihasilkan signifikan dengan alpha.

c) Model Pendekatan Efek Acak (Random Effect)

Model data panel pendekatan ketiga yaitu model efek acak (random effect). Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Dalam model efek acak, parameter-parameter yang berbeda antar daerah maupun antar waktu dimasukan kedalam eror. Karena hal inilah, model ini juga disebut Error Component Model (ECM) atau teknik Generalized Least Square (GLS).

Penggunaan model efek acak dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi jumlahnya, hal tersebut sama halnya dengan penggunaan model efek tetap. Hal ini akan mengakibatkan parameter yang merupakan hasil estiamasi akan jadi semakin efisien.

48

Keuntungan menggunakan model pendekatan efek acak yakni menghilangkan heterokedastisitas.

Keputusan penggunaan model efek tetap ataupun model efek acak ditentukan menggunakan uji hausman. Dengan ketentuan apabila probabilitas yang dihasilkan signifikan dengan alpha maka metode yang digunakan yaiu metode efek tetap (fixed effect) namun apabila probabilitas yang dihasilkan tidak signifikan dengan alpha maka dapat memilih salah satu metode terbaik antara model efek tetap dengan model efek acak.

Perbedaan antara model common effect, fixed effect dan random effect

(Sari, 2016) :

a. Model common effect

 Menggunakan metode OLS biasa.

 Diasumsikan setiap unit individu memiliki intersep dan slope yang sama (tidak ada perbedaan pada dimensi karet waktu)

 Regresi panel data yang yang dihasilkan berlaku untuk setiap individu.

b. Model fixed effect

 Intersep dibedakan antar individu.

 Digunakan peubah dummy dalam membedakan intersepnya.  Metode fixed effect dikenal dengan model Least Squre Dummy

c. Model random effect

 Intersep tidak dianggap konstan, namun dianggap sebagai peubah

random dengan suatu nilai rata-rata.

 Metode random dikenal dengan sebutan Error Component Model

(ECM).

3. Pemilihan Model

Untuk menganalisis Indeks Pembangunan Manusia (IPM) digunakan regresi data panel untuk menggabungkan antara data time series dengan data

cross section. Untuk memilih model yang paling tepat terdapat beberapa pengujian yang dapat dilakukan, antara lain (Basuki dan Yuliadi, 2015) : a. Uji Chow

Uji chow merupakan pengujian untuk menentukan model Fixed Effect

atau Random Effect yang paling tepat digunakan. b. Uji Hausman

Pengujian statistik untuk memilih apakah model Fixed Effect atau

Random Effect yang paling tepat digunakan Uji hausman. c. Uji Lagrange Multiplier

Uji Lagrange Multiplier (LM) digunakan untuk mengetahui apakah model Random Effect lebih baik daripada Common Effect (OLS). Setelah didapatkan model yang tepat maka hasil regresi dari model tersebut membuktikan hipotesis ada atau tidaknya pengaruh yang signifikan maka dilakukan uji signifikansi dengan uji t, uji F dan adjusted R2_.

50

4. Teknik Penaksir Model

Baltagi mengungkapkan terdapat beberapa kelebihan penggunaan data panel, diantaranya yaitu (Irawan dalam Sari, 2012) :

a) Estimasi data panel menunjukan adanya heterogenitas dalam tiap unit. b) Penggunaan data panel lebih informatif, mengurangi kolinearitas antar

variabel, meningkatkan derajat kebebasan dan lebih efisien.

c) Data panel lebih tepat digunakan kerena manggambarkan adanya dinamika perubahan.

d) Data panel dapat meminimalkan bias yang mungkin dihasilkan dalam agregasi.

Untuk menguji estimasi pengaruh kemiskinan, pengeluaran pemerintah bidang pendidikan dan pengeluaran pemerintah bidang kesehatan terhadap Indeks Pembangunan Manusia (IPM) digunakan alat regresi dengan model data panel. Ada dua pendekatan yang digunakan dalam menganalisis data panel, pendekatan Fixed Effect dan Random Effect. Sebelum model estimasi dengan model yang tepat, terlebih dahulu dilakukan uji spesifikasi apakah Fixed Effect dan Random Effect atau keduanya memberikan hasil yang sama.

Dari beberapa variabel yang digunakan dalam penelitian ini maka dibuat model penelitian sebagai berikut :

Yit= β0+ β1 X1it+ β2X2it + β3X3it+ β4X4it + ε

Log Yit= β0+ Log β1 X1it+ Log β2X2it + Log β3X3it+ β4X4it + ε

Keterangan :

Log Yit = Indeks Pembangunan Manusia (IPM)

β0 = Konstanta

Log β1234 = Koefisien Variabel 1,2,3,4

Log X1 = Jumlah Penduduk Miskin

Log X2 = Pengeluaran Pemerintah Bidang Pendidikan

Log X3 = Pengeluaran Pemerintah Bidang Kesehatan

i = Kabupaten / Kota t = Periode Waktu ke-t

ε = Error Term

Untuk memilih model yang paling tepat digunakan dalam mengelola data panel, terdapat beberapa pengujian yang dapat dilakukan yakni : 1. Uji Chow

Uji Chow merupakan pengujian untuk menentukan model Fixed Effect atau Random Effect yang paling tepat digunakan dalam mengestimasi data panel. Hipotesis yang digunakan dalam uji chow adalah sebagai berikut :

H0 : Common Effect Model

H1 : Fixed Effect Model

H0 ditolak jika P-value lebih kecil dari nilai a. Sebaliknya, H1

diterima jiak P-value lebih besar dari nilai a. Nilai a yang digunakan adalah sebesar 5 %.

52

2. Uji Hauman

Uji spesifikasi Hausman digunakan untuk membandingkan model terbaik antara Fixed Effect Model atau Random Effect Model, sehingga uji Hausman dilakukan ketika model Fixed Effect terpilih pada uji chow. Hipotesis yang digunakan pada uji hausman, yaitu :

H0 : Random Effect Model

H1 : Fixed Effect Model

H0 diterima dan H1 ditolak jika uji hausman menunjukan

probabilitas lebih dari 0,05 yang artinya model terbaik pada penelitian ini adalah random effect. Sebaliknya, jika probabilitas kurang dari 0,05 maka H0 ditolak dan H1 diterima, model terbaik yang digunakan adalah

fixed effect. Fixed Efect konsisten jika C1 dan Xit berkorelasi, sedangkan

random effect tidak konsisten jika C1 dan Xit berkorelasi (Worldrige

dalam Fatimah, 2016).

5. Uji Statistik Koefiien Regresi a. Uji T-Statistik (Uji Parsial)

Uji T digunakan untuk melihat signifikasi dari pengaruh variabel bebas secara inividual terhadap variabel terikat dengan menganggap variabel bebas lainnya adalah konstan. Uji T dilakukan dengan membandingkan signifikansi t-hitung dan signifikansi t-tabel dengan tingkat kepercayaan 95% (α =5%). Uji T dapat dinotasikan sebagai berikut :

t = � � −_{− �}

Nilai dari t adalah dengan menggunakan tabel t dimasa n-2 sebagai

degree of freedom. N adalah jumlah sampel dan r adalah koefisien korelasi berdaarkan sampel historis. Nilai kritis dari t dicari dengan menggunakan tabel t dengan n-2 sebagai degree of freedom. Hipotesis yang digunakan dalam penelitian ini adalah sebagai berikut :

1) Jika p < 0,01 artinya variabel independen tersebut berpengaruh sangat signifikansi terhadap variabel dependen (Indeks Pembangunan Manusia)

2) Jika p < 0,005 artinya variabel independen tersebut berpengaruh terhadap variabel dependen (Indeks Pembangunan Manusia)

3) Jika p > 0,005 berarti variabel independen tersebut tidak berpengaruh terhadap variabel dependen (Indeks Pembangunan Mnausia)

b. Uji F-Statistik

Uji F digunakan untuk mengetahui seberapa besar pengaruh variabel independen secara keseluruhan ata bersama-sama terhadap variabel dependen. Pengujian ini dilakukan untuk membandingkan nilai F-hitung dengan nilai F-tabel. Jika F-hitung lebih besar daripada F-tabel maka H0

ditolak, yang berarti variabel independen secara keseluruhan mempengearuhi variabel dependen (Ags Tri Basuki, 2014). Hipotesis yang digunakan dalam pengujian ini adalah sebagai berikut :

54

1) H0 : β1 = β2 = 0, artinya secara keseluruhan tidak ada pengaruh

variabel independen terhadap dependen.

2) H0 : β1 ≠ β2 ≠ 0, artinya secara keseluruhan ada pengaruh variabel

independen terhadap dependen. c. Uji Keofisien Determinasi (R-Square)

Koefisien determinasi R2 digunakan untuk melihat seberapa besar kemampuan model untuk menerangkan variasi variabel independen. Nilai R2terletak pada 0 ≤ R2≤ 1. Nilai R2 ini berkisar antara 0 sampai 1. Jika nilai R2 semakin mendekati 1 maka modelnya semakin baik. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati 1 berarti variabel indepeden memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi model dependen (Gujarati, 2003).

Kelemahan mendasar penggunaan koefisien determinasi yaitu bias terhadap jumlah variabel dependen, (R2) pasti meningkat meskipun variabel tersebut berpengaruh signifikan terhadap variabel dependen. Sehingga, banyak peneliti menganjurkan untuk menggunakan nilai

adjusted R2 _{pada saat mengevaluasi model regresi terbaik. Berbeda}

dengan R2, nilai adjusted R2 dapat naik maupun turun apanila salah satu variabel independen ditambahkan dalam model. Inti dari pengujian ini adalah untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen.

55

A. Gambaran Umum Wilayah Penelitian 1. Batas Admistrasi

Sumber : Provinsi Sulawesi Tengah Dalam Angka, 2016 Gambar 4.1

Peta wilayah Provinsi Sulawesi Tengah

Provinsi Sulawesi Tengah terletak di Pulau Sulawesi bagian tengah, dibagian utara berbatasan dengan laut Sulawesi dan Provinsi Gorontalo, dibagian selatan berbatasan dengan Provinsi Sulawesi Barat dan Provinsi Sulawesi Selatan, bagian barat berbatasan dengan Selat Makassar, dan bagian Timur berbatasan dengan Provinsi Maluku.

Uji Heteroskedastisitas

Dependent Variable: RESID? Method: Pooled Least Squares Date: 12/20/16 Time: 14:20 Sample: 2011 2015

Included observations: 5 Cross-sections included: 8

Total pool (balanced) observations: 40

Variable Coefficient Std. Error t-Statistic Prob.

C -8.241316 7.003891 -1.176677 0.2489 LOG(KM?) 0.844576 0.521670 1.618985 0.1163 LOG(PPP?) 0.237171 0.395157 0.600194 0.5530 LOG(PPK?) -0.274670 0.153767 -1.786271 0.0845 Fixed Effects (Cross)

_MOROWALI--C 0.343329 _POSO--C -0.339241 _DONGGALA--C 0.054339 _BUOL--C 0.293784 _PARIGIMOUTONG--C -0.737590 _TOJOUNAUNA--C -0.072875 _SIGI--C 0.145011 _PALU--C 0.313243

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.351996 Mean dependent var 0.469083 Adjusted R-squared 0.128547 S.D. dependent var 0.402800 S.E. of regression 0.376020 Akaike info criterion 1.110068 Sum squared resid 4.100341 Schwarz criterion 1.574510 Log likelihood -11.20135 Hannan-Quinn criter. 1.277995 F-statistic 1.575284 Durbin-Watson stat 1.959088 Prob(F-statistic) 0.163978

Uji Multikolinearitas

Covariance Analysis: Ordinary Date: 01/16/17 Time: 11:35 Sample: 2011 2015

Included observations: 40

Correlation IPM KM PPP PPK

IPM 1.000000

KM -0.341052 1.000000

PPP 0.639454 0.146444 1.000000

Fixed Effect Model

Dependent Variable: IPM? Method: Pooled Least Squares Date: 12/20/16 Time: 14:14 Sample: 2011 2015

Included observations: 5 Cross-sections included: 8

Total pool (balanced) observations: 40

Variable Coefficient Std. Error t-Statistic Prob.

C 64.27337 13.45357 4.777420 0.0000 LOG(KM?) -3.808305 1.002060 -3.800474 0.0007 LOG(PPP?) 2.911272 0.759046 3.835435 0.0006 LOG(PPK?) 0.458145 0.295367 1.551106 0.1317 Fixed Effects (Cross)

_MOROWALI--C 1.769319 _POSO--C 1.240046 _DONGGALA--C -2.675190 _BUOL--C -1.888577 _PARIGIMOUTONG--C -1.191755 _TOJOUNAUNA--C -5.256780 _SIGI--C -2.525143 _PALU--C 10.52808

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.987655 Mean dependent var 65.69850 Adjusted R-squared 0.983398 S.D. dependent var 5.605726 S.E. of regression 0.722286 Akaike info criterion 2.415626 Sum squared resid 15.12922 Schwarz criterion 2.880067 Log likelihood -37.31251 Hannan-Quinn criter. 2.583553 F-statistic 232.0145 Durbin-Watson stat 1.930763 Prob(F-statistic) 0.000000

Random Effect Model

Dependent Variable: IPM?

Method: Pooled EGLS (Cross-section random effects) Date: 12/20/16 Time: 14:14

Sample: 2011 2015 Included observations: 5 Cross-sections included: 8

Total pool (balanced) observations: 40

Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob. C 63.23663 12.97768 4.872722 0.0000 LOG(KM?) -3.955835 0.955323 -4.140836 0.0002 LOG(PPP?) 3.127133 0.752800 4.154002 0.0002 LOG(PPK?) 0.449254 0.294932 1.523244 0.1364 Random Effects (Cross)

_MOROWALI--C 1.777680 _POSO--C 1.210313 _DONGGALA--C -2.642207 _BUOL--C -1.875745 _PARIGIMOUTONG--C -1.070937 _TOJOUNAUNA--C -5.173338 _SIGI--C -2.529739 _PALU--C 10.30397

Effects Specification

S.D. Rho

Cross-section random 3.335335 0.9552

Idiosyncratic random 0.722286 0.0448

Weighted Statistics

R-squared 0.582993 Mean dependent var 6.333051 Adjusted R-squared 0.548242 S.D. dependent var 1.177963 S.E. of regression 0.791743 Sum squared resid 22.56687 F-statistic 16.77648 Durbin-Watson stat 1.379900 Prob(F-statistic) 0.000001

Unweighted Statistics

R-squared 0.340785 Mean dependent var 65.69850 Sum squared resid 807.8965 Durbin-Watson stat 0.038545

Uji Chow

Redundant Fixed Effects Tests Pool: PANEL

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 134.854210 (7,29) 0.0000

Cross-section Chi-square 140.522686 7 0.0000

Cross-section fixed effects test equation: Dependent Variable: IPM?

Method: Panel Least Squares Date: 12/20/16 Time: 14:16 Sample: 2011 2015

Included observations: 5 Cross-sections included: 8

Total pool (balanced) observations: 40

Variable Coefficient Std. Error t-Statistic Prob.

C -10.22659 26.46341 -0.386443 0.7014 LOG(KM?) -7.126752 1.569435 -4.540967 0.0001 LOG(PPP?) 11.31703 2.573537 4.397460 0.0001 LOG(PPK?) 0.883230 1.379467 0.640269 0.5261

R-squared 0.585815 Mean dependent var 65.69850 Adjusted R-squared 0.551300 S.D. dependent var 5.605726 S.E. of regression 3.754999 Akaike info criterion 5.578693 Sum squared resid 507.6007 Schwarz criterion 5.747581 Log likelihood -107.5739 Hannan-Quinn criter. 5.639757 F-statistic 16.97259 Durbin-Watson stat 0.473122 Prob(F-statistic) 0.000000

Uji Hausman

Correlated Random Effects - Hausman Test Pool: PANEL

Test cross-section random effects

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

Cross-section random 10.256638 3 0.0165

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob. LOG(KM?) -3.808305 -3.955835 0.091483 0.6257 LOG(PPP?) 2.911272 3.127133 0.009443 0.0263 LOG(PPK?) 0.458145 0.449254 0.000257 0.5789

Cross-section random effects test equation: Dependent Variable: IPM?

Method: Panel Least Squares Date: 12/20/16 Time: 14:15 Sample: 2011 2015

Included observations: 5 Cross-sections included: 8

Total pool (balanced) observations: 40

Variable Coefficient Std. Error t-Statistic Prob.

C 64.27337 13.45357 4.777420 0.0000

LOG(KM?) -3.808305 1.002060 -3.800474 0.0007 LOG(PPP?) 2.911272 0.759046 3.835435 0.0006 LOG(PPK?) 0.458145 0.295367 1.551106 0.1317

Effects Specification Cross-section fixed (dummy variables)

R-squared 0.987655 Mean dependent var 65.69850 Adjusted R-squared 0.983398 S.D. dependent var 5.605726 S.E. of regression 0.722286 Akaike info criterion 2.415626 Sum squared resid 15.12922 Schwarz criterion 2.880067 Log likelihood -37.31251 Hannan-Quinn criter. 2.583553 F-statistic 232.0145 Durbin-Watson stat 1.930763 Prob(F-statistic) 0.000000