Tabel 8. Jumlah Provinsi menurut Kriteria Pro Poor Growth Periode 2005-2009
Kriteria Pro Poor growth
2005-2006 2006-2007
2007-2008 2008-2009
Pro Poor Growth PEGRGrowth
2 provinsi Keulauan Riau,
Kalimantan Timur
5 provinsi Kepulauan Riau,
NTB, Sulawesi Utara, Sulawesi
Selatan, Maluku
15 provinsi 30 provinsi
lainnya
Belum Pro Poor growth
0PEGRGrowth
- 15 Provinsi
lainnya 16 provinsi
termasuk Kalimantan Timur
3 provinsi Sulawesi Utara,
Sulawesi Tenggara, Papua
Barat
Anti Pro Poor Growth
PEGR0
28 Provinsi Semua provinsi
selain Kepulauan Riau
dan Kalimantan Timur
10 Provinsi Sumatera Barat,
Riau, Jambi, Jawa Barat, Jawa
Tengah, DIY, Kalimantan Barat,
Kalimantan Timur, Maluku Utara,
Papua 2 provinsi
Kepulauan Riau, Papua Barat
-
Keterangan: Provinsi yang ditulis tebal dan diberi garis bawah merupakan provinsi yang memiliki kriteria pertumbuhan sudah pro poor growth.
Halaman ini sengaja dikosongkan
VI. FAKTOR YANG MEMENGARUHI KEMISKINAN
6.1 Analisis Model Regresi Data Panel
Penelitian ini menggunakan model regresi data panel yang digunakan untuk mengetahui faktor-faktor yang berpengaruh terhadap pro poor growth, yang berarti
pula mempengaruhi poverty reduction. Model ini menggunakan data sekunder BPS dan data sekunder Departemen Keuangan, menurut provinsi sebanyak 33 provinsi
selama tahun 2005-2009. Terdapat keterbatasan data pada provinsi baru hasil pemekaran provinsi Sulawesi Barat dan Provinsi Papua Barat, yaitu data Rata-rata
Lama Sekolah Perempuan RLSP, Rata-rata Lama Sekolah Laki-laki RLSL, Rata- rata Lama Sekolah Laki-laki RLSL dan Produktifitas sektor Pertanian TANI tahun
2005. Adapun data tersebut pada tahun 2005 diasumsikan sama dengan data yang digunakan pada provinsi induknya, yaitu data di provinsi Sulawesi Barat sama
dengan data di provinsi Sulawesi Selatan dan data di provinsi Papua Barat sama dengan data di provinsi Papua. Selain itu, penelitian ini menggunakan tiga persamaan
yang memisahkan variabel Rata-rata Lama Sekolah RLS menurut jenis kelaminnya. Sehingga yang membedakan diantara ketiga persamaan yaitu persamaan pertama
menggunakan variabel RLS, persamaan kedua menggunakan variabel RLSP dan persamaan ketiga menggunakan RLSL.
Pemilihan Model
Pemilihan diantara dua model regresi data panel, yaitu Fixed Effect Model FEM dan Random Effect Model REM, dilakukan dengan menggunakan Hausman
Test. Hasil penghitungan menunjukkan bahwa baik persamaan pertama, kedua maupun ketiga menunjukkan bahwa REM lebih baik dibandingkan dengan FEM. Hal
ini terlihat dari nilai peluang statistik Hausman yang lebih besar dari 5 persen, yaitu sebesar 16 persen untuk persamaan pertama, 7,53 persen untuk persamaan kedua dan
5,86 persen untuk persamaan ketiga. Nilai peluang ini memiliki arti bahwa data pengamatan belum cukup untuk menolak hipotesis tidak adanya korelasi antara
peubah penjelas dengan komponen error, sehingga memenuhi asumsi dasar model
REM. Oleh karena itu model REM lebih baik digunakan dalam mengestimasi ketiga persamaan dibandingkan model FEM.
Pada model REM, pengujian efek random dilakukan dengan Breusch-Pagan Langrange Multiplier Test LM Test. Nilai peluang yang lebih kecil dari 5 persen
probability 0,0000 di ketiga persamaan menunjukkan bahwa cukup bukti untuk menolak hipotesis bahwa antar individu memiliki varian nol, atau dengan kata lain
tidak ada perbedaan yang berarti antar unit. Hal ini berimplikasi pada pentingnya pengunaan REM sebagai perkiraan model, dimana terdapat perbedaan yang
signifikan antar unit. Sedangkan pengujian kesesuaian REM goodness of fit test dapat dilihat dari nilai statistik uji F 213,55 untuk persamaan pertama, 169,16 untuk
persamaan kedua dan 179,10 untuk persamaan ketiga yang ketiganya signifikan menolak hipotesis semua koefisien bernilai nol, dengan nilai peluang sebesar 0,0000.
Sehingga REM merupakan model yang lebih baik dibandingkan dengan metode Pooled Ordinary Least Square Pooled OLS. Hasil output stata secara lengkap ada di
Lampiran 21-23.
Uji Asumsi Outokorelasi dan Heteroskedastisitas
Pengujian ada tidaknya autokorelasi pada model terpilih REM dilakukan dengan Wooldridge Test for Serial Correlation in Panel Data Models Drukker,
2003. Ketiga persamaan menunjukkan nilai peluang yang sama, yaitu 0,0000 yang berarti menolak hipotesis tidak terdapat autokorelasi pada order pertama. Hal ini
berarti bahwa REM yang terpilih sebagai model terbaik di ketiga persamaan melanggar asumsi terbebas dari autokoreasi. Demikian juga dengan uji
heteroskedastisitas di ketiga model terpilih dengan menggunakan Modified Wald Statistic Greene, 2002. Nilai peluang sebesar 0,0000 di ketiga persamaan berarti
menolak hipotesis adanya varian yang sama antar individu homoskedastisitas. Sehingga dapat disimpulkan bahwa model REM yang terpilih sebagai model terbaik
untuk ketiga persamaan tersebut melanggar asumsi homoskedastisitas atau dengan kata lain model REM tersebut mengandung heteroskedastisitas.
Permasalahan heteroskedastisitas dan autokorelasi pada model mempengaruhi perkiraan nilai parameter yang tidak akan memenuhi sifat BLUE Best Linear
Unbiased Estimate. Oleh karena itu, agar nilai parameter dari model terpilih memenuhi sifat BLUE, maka dilakukan modifikasi model dengan menggunakan
pendekatan Panel-Corrected Standard Error PCSE Greene, 2002 dan Hardin, 1995. Berdasarkan model PCSE ini berarti telah dilakukan koreksi atas
permasalahan heteroskedastisitas, contemporaneously correlated across panel, and first order autokorelasi ar1. Hasil perkiraan model dengan PCSE dari ketiga
persamaan dapat dilihat pada Tabel 9 berikut. Tabel 9. Hasil Regresi Data Panel Faktor yang Memengaruhi Pro Poor Growth
dengan pendekatan Jumlah Penduduk Miskin dengan Tiga Persamaan
Variabel Persamaan Satu
RLS Persamaan Dua
RLSP Persamaan Tiga
RLSL Koefisian
P- value
Koefisian P-
value Koefisian
P- value
C 9,8840
0,000 8,3170
0,000 8,4871
0,000 LnTANI
-0,2652 0,000
-0,3096 0,000
-0,2637 0,000
LnINV_PEM -0,0405
0,269 -0,0503
0,205 -0,0509
0,208 LnRLSLnRLSPLnRLSL
-2,2716 0,000
- -
- -
LnRLSP -
- -1,1129
0,020 -
- LnRLSL
- -
- -
-1,5828 0,006
GINI 0,2326
0,224 0,2093
0,444 0,1171
0,592 LnPDDK
0,8786 0,000
0,8828 0,000
0,8991 0,000
F-Test 331,7900
0,000 182,2900
0,000 143,5700
0,000 R-Square
0,9892 0,9881
0,9886 Hausman Test
7,93 0,1600 10,00 0,0753
10,66 0,0586 Breusch and Pagan LM
Test 212,52 0,0000
210,48 0,0000 205,78 0,0000
Berdasarkan hasil perkiraan regresi data panel pada Tabel 6., tidak semua faktor berpengaruh terhadap jumlah penduduk miskin, yang berarti pula tidak semua
faktor berpengaruh terhadap pro poor growth. Walaupun tidak semua faktor berpengaruh secara signifikan terhadap jumlah penduduk miskin, akan tetapi tanda
pada koefisien dapat menunjukkan arah hubungannya terhadap jumlah penduduk miskin. Peningkatan produktifitas sektor pertanian, investasi pemerintah, rata-rata