Pengaruh Pembiayaan Bank Syariah PDRB In
PENGARUH PEMBIYAAN BANK SYARIAH, PRODUK DOMESTIK REGIONAL
BRUTO, INFLASI, INDEKS PEMBANGUNAN MANUSIA TERHADAP JUMLAH
PENDUDUK MISKIN DI INDONESIA PERIODE 2010-2015
Abie Ayub Al Anshori
Ali Rama
Abieayub95@gmail.com, UIN Jakarta
rama@uinjkt.ac.id, UIN Jakarta
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta
ABSTRAK
Penelitian ini bertujuan untuk menganalisis Pengaruh Pembiayaan Bank Syariah, Produk
Domestik Regional Bruto (PDRB), Inflasi dan Indeks Pembangunan Manusia (IPM) Terhadap
Tingkat Kemiskinan di Indonesia Tahun 2010-2015. Data yang digunakan dalam penelitian ini
adalah data sekunder dan metode yang digunakan yaitu analisis regresi data panel menggunakan
Random Effect Model dengan bantuan program Eviews 9 untuk memperoleh gambaran yang
menyeluruh mengenai hubungan antara variabel satu dengan variabel yang lain.
Hasil penelitian ini menunjukkan bahwa kemiskinan di Indonesia mampu dijelaskan oleh
Pembiayaan Bank Syariah, PDRB, Inflasi dan IPM sebesar 11,47% (R2). Selanjutnya secara
parsial koefisien regresi menunjukkan (1) Pembiayaan berpengaruh signifikan pada taraf nyata
5% dengan nilai probabilitas 0.0140 dan berhubungan negative dengan nilai koefisien yang
diperoleh sebesar -0.0000453, (2) Variabel PDRB berpengaruh signifikan pada taraf nyata 5%
dengan nilai probabilitas 0.0035 dan berhubungan positif sebesar 0,000000211, (3) Inflasi tidak
berpengaruh signifikan pada taraf nyata 5% dengan nilai probabilitas 0,1606 dan berhubungan
positif dengan nilai koefisien yang diperoleh sebesar 0.032137, dan (4) IPM tidak berpengaruh
signifikan pada taraf nyata 5% dengan nilai probabilitas 0.3900 dan berhubungan negative
dengan nilai koefisien yang diperoleh sebesar 0.000715. Lalu kemiskinan di Indonesia
dipengaruhi signifikan oleh Pembiayaan Bank Syariah, dan PDRB secara simultan sebesar
6.21% (F-statistik).
Kata Kunci : Kemiskinan di Indonesia, Pembiayaan Bank Syariah, Produk Domestik
Regional Bruto (PDRB), Inflasi, Indeks Pembangunan Manusia (IPM),
Data Panel.
ABSTRACT
This study aims to analyze the Influence of Bank Syariah Financing, Gross Regional
Domestic Product (GRDP), Inflation and Human Development Index (HDI) Against Poverty
Rate in Indonesia Year 2010-2015. The data used in this study is secondary data and the method
used is panel data regression analysis using Random Effect Model with the help of Eviews 9
program to obtain a comprehensive picture of the relationship between variables one with other
variables.
The results of this study indicate that poverty in Indonesia can be explained by Bank
Syariah Financing, GRDP, Inflation and HDI of 11.47% (R2). Furthermore, partially the
regression coefficient shows (1) Financing has significant effect on the real level of 5% with
probability value 0.0140 and negatively related with the coefficient value obtained at 0.0000453, (2) The variable of GRDP has significant effect on the 5% real level with probability
value 0.0035 and (3) Inflation has no significant effect on the real level of 5% with probability
value 0,1606 and positively correlated with coefficient value obtained at 0.032137, and (4) HDI
has no significant effect on 5% real level probability value 0.3900 and negatively related to the
value obtained coefficient of 0.000715. Then poverty in Indonesia is significantly influenced by
Bank Syariah Financing, and GRDP simultaneously equal to 6.21% (F-statistic).
KeyWords: Poverty in Indonesia, Bank Syariah Financing, Gross Regional Domestic Product
(GRDP), Inflation, Human Development Index (HDI), Panel Data.
PENDAHULUAN
Kemiskinan merupakan masalah yang sampai saat ini masih dihadapi oleh negara-negara
di seluruh dunia. Masalah kemiskinan yang dihadapi negara-negara ini biasanya ditandai dengan
adanya pengangguran, keterbelakangan dan pada akhirnya meningkat menjadi ketimpangan.
Dalam banyak kasus kemiskinan diawali dari kurangnya akses tenaga kerja produktif terhadap
lapangan pekerjaan yang tersedia. Di Indonesia kemiskinan merupakan suatu ancaman yang
telah ada sejak Negara Kesatuan Republik Indonesia (NKRI) ini berdiri.
Terjadinya krisis moneter pada tahun 1997 semakin memperparah kondisi kemiskinan
yang telah ada sebelumnya. Sejak tahun ini krisis menjadi pintu gerbang dari segala
permasalahan. Dalam perkembangannya krisis yang terjadi akhirnya membawa dampak buruk
terhadap perekonomian Indonesia. Inflansi yang melonjak ke tingkat yang lebih tinggi,
pengaruhnya adalah harga-harga kebutuhan pokok menjadi proporsional terhadap inflasi yang
sedang terjadi. Pada akhirnya harga tersebut melebihi batas kemampuan daya beli sebagian
masyarakat Indonesia. Dari sinilah angka kemiskinan di Indonesia semakin membengkak.
Pada saat krisis moneter tahun 1997/1998 penduduk miskin Indonesia mencapai 24%.
Tahun 2002 mengalami penurunan menjadi 18% dari total penduduk, angka kemiskinan pada
tahun 2003 sebesar 17,4%, pada tahun 2004 mengalami penurunan menjadi 14%. Akan tetapi
angka resmi BPS berdasarkan sensus kemiskinan tahun 2005 mencapai 35,1 juta jiwa atau 14,6%
dari jumlah penduduk.
Susenas BPS 2006 mencatat penduduk miskin Indonesia mencapai 39,05 juta jiwa.
Sementara itu bank dunia (World Bank) menyatakan bahwa, angka kemiskinan di Indonesia
pada tahun 2004 mencapai 120 juta jiwa dengan asumsi penduduk yang hidup di bawah dua
dolar sehari (Casmi, 2008).
Badan Pusat Statistik (BPS) mencatat bahwa angka kemiskinan Provinsi di Indonesia
sangat fluktuatif. Pada tahun 2013 angka kemiskinan Provinsi-provinsi di Indonesia seperti
Provinsi Aceh sebesar 855.710 jiwa atau 17,72% dari jumlah penduduk Provinsi Aceh pada
tahun 2013, lalu juga ada Provinsi Jawa Barat yang memiliki jumlah penduduk miskin sebesar
4.382.650 penduduk tahun 2013 atau sebesar 9,61% dari total jumlah penduduk Provinsi Jawa
Barat pada tahun 2013, ada pula Provinsi Papua yang memiliki jumlah penduduk miskin sebesar
1.057.980 jiwa atau sebesar 31,53% (BPS : 2017).
Secara keseluruhan angka kemiskinan di Indonesia pada tahun 2015 sebesar 28.513.570
jiwa dari total jumlah penduduk di Indonesia sebesar 255.461.700 jiwa dengan laju pertumbuhan
ekonomi sebesar 4,79% atau yang terendah dalam 6 tahun terakhir.
Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk
mengetahui peranan dan potensi ekonomi di suatu wilayah dalam periode tertentu. PDRB per
kapita sering digunakan sebagai indikator pembangunan. PDRB digunakan untuk mengetahui
pertumbuhan ekonomi dari tahun ke tahun, sehingga arah perekonomian daerah akan lebih jelas.
PDRB merupakan indikator untuk mengatur sampai sejauh mana keberhasilan pemerintah dalam
memanfaatkan sumber daya yang ada dan dapat digunakan sebagai perencanaan dan
pengambilan keputusan yang salah satunya untuk mengurangi jumlah kemiskinan.
Kemiskinan di Indonesia disebabkan oleh berbagai faktor, yaitu tingkat upah yang masih
dibawah standar, tingkat pendidikan yang rendah, dan pertumbuhan ekonomi yang lambat.
seseorang dikatakan miskin bila dia belum bisa mencukupi kebutuhanya atau belum
berpenghasilan. Menurut (M. Kuncoro dalam Ravi Dwi, 2010: 33) semua ukuran kemiskinan
didasarkan pada konsumsi terdiri dari dua elemen yaitu:
1) Pengeluaran yang diperlukan untuk membeli standar gizi minimum dan kebutuhan mendasar
lainnya.
2) Jumlah kebutuhan lain yang sangat bervariasi, yang mencerminkan biaya partisipasi dalam
kehidupan masyarakat sehari-hari (dalam Ravi Dwijayanto 2010:17).
TINJAUAN PUSTAKA
1. Pengertian Pembiayaan
Kasmir mendefinisikan pembiayaan adalah penyediaan uang atau tagihan yang dapat
dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan antara bank dengan pihak
lain yang mewajibkan pihak yang dibiayai untuk mengembalikan uang atau tagihan tersebut
setelah jangka waktu tertentu dengan imbalan atau bagi hasil (Kasmir, 2001 : 92).
Menurut Muhammad pembiayaan secara luas berarti finansial atau pembelanjaan, yaitu
pendanaan yang dikeluarkan untuk mendukung investasi yang telah direncanakan, baik
dilakukan sendiri maupun dijalankan oleh orang lain. Sedangkan, dalam arti sempit pembiayaan
dipakai untuk mendefinisikan pendanaan yang dilakukan oleh lembaga pembiayaan. Namun,
dalam perbankan pembiayaan dikaitkan dengan bisnis di mana pembiayaan merupakan
pendanaan baik aktif maupun pasif yang dilakukan oleh lembaga pembiayaan kepada nasabah
dan bisnis merupakan aktivitas berupa jasa, perdagangan dan industri guna memaksimalkan nilai
keuntungan (Muhammad, 2002 : 260).
Pengertian pembiayaan (pada bank syari’ah) menurut undang-undang No.
10/1998 tentang perbankan : pembiayaan berdasarkan prinsip syari’ah adalah berdasarkan
persetujuan atau kesepakatan antara bank dengan mengembalikan uang atau tagihan tersebut
setelah jangka waktu tertentu dengan imbalan atau bagi hasil.
Berdasarkan Undang-Undang Perbankan syariah UU No 21 tahun 2008 pasal 25 :
pembiayaan adalah penyediaan dana atau tagihan yang disamakan dengan itu berupa trnasaksi
bagi hasil dalam bentuk mudharabah dan musyarakah, transaksi sewa menyewa dalam bentuk
ijarah dan sewa beli atau ijarah muntahiyah bit tamlik, transaksi jual beli dalam bentuk utang
piutang Murabahah,Salam dan Istisna, transaksi pinjam meminjam dalam bentuk qard,dan
transaksi sewa menyewa jasa dalam bentuk Ijarah.
Sistem pembiayaan berdasarkan prinsip syariah menurut sudut pandang yuridis adalah
sebagai berikut:
1. Pembiayaan bagi hasil berdasarkan prinsip mudharabah dan prinsip musyarakah.
2. Pembiayaan jual beli berdasarkan prinsip murabahah, prinsip istishna, dan prinsip as-salam.
3. Pembiayaan sewa-menyewa berdasarkan prinsip ijarah (sewa murni) dan
bit-tamlik (sewa beli atau sewa dengan hak opsi).
ijarah al-muntahia
2. Pengertian Produk Domestik Regional Bruto (PDRB)
Salah satu indikator penting untuk mengetahui kondisi ekonomi disuatu daerah/provinsi
dalam suatu periode tertentu ditunjukkan oleh data Produk Domestik Regional Bruto (PDRB).
Badan Pusat Statistik mendefinisikan Produk Domestik Regional Bruto (PDRB) sebagai
jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu wilayah, atau
merupakan jumlah seluruh nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi
di suatu wilayah. PDRB atas dasar harga berlaku menggambarkan nilai tambah barang dan jasa
yang dihitung menggunakan harga pada setiap tahun, sedang PDRB atas dasar harga konstan
menunjukkan nilai tambah barang dan jasa yang dihitung menggunakan harga pada tahun
tertentu sebagai dasar. PDRB atas dasar harga konstan digunakan untuk mengetahui
pertumbuhan ekonomi dari tahun ke tahun (Sadono Sukirno, 2000), sedangkan menurut BPS,
PDRB atas dasar harga berlaku digunakan untuk menunjukkan besarnya struktur perekonomian
dan peranan sektor ekonomi. Total PDRB menunjukkan jumlah seluruh nilai tambah yang
dihasilkan oleh penduduk dalam periode tertentu.
PDRB dapat menggambarkan kemampuan suatu daerah dalam mengelola sumber daya
yang dimilikinya. Oleh karena itu, besaran PDRB yang dihasilkan oleh masing-masing daerah
sangat bergantung kepada potensi faktor-faktor produksi di daerah tersebut (Permana, 2012).
Adanya keterbatasan dalam penyediaan faktor-faktor tersebut menyebabkan besaran PDRB
bervariasi antar daerah. Dalam bukunya, Hadi Sasana menulis bahwa PDRB adalah nilai bersih
barang dan jasa-jasa akhir yang dihasilkan oleh berbagai kegiatan ekonomi di suatu daerah
dalam satu periode (Hadi Sasana, 2006).
3. Inflasi
a. Pengertian Inflasi
Inflasi didefinisikan dengan banyak ragam yang berbeda, tetapi semua definisi itu
mencakup pokok-pokok yang sama. Samuelson (2001) memberikan definisi bahwa inflasi
sebagai suatu keadaan dimana terjadi kenaikan tingkat harga umum, baik barang-barang, jasajasa maupun faktor-faktor produksi. Dari definisi tersebut mengindikasikan keadaan
melemahnya daya beli yang diikuti dengan semakin merosotnya nilai riil (intrinsik) mata uang
suatu negara.
Pada awalnya inflasi diartikan sebagai kenaikan jumlah uang beredar atau kenaikan
likuiditas dalam suatu perekonomian. Dalam perkembangan lebih lanjut, inflasi secara singkat
dapat diartikan sebagai suatu kecenderungan meningkatnya harga-harga barang dan jasa secara
umum dan terus menerus (Suseno dan Aisyah, 2009 : 3).
4. Indeks Pembangunan Manusia
a. Pengertian Indeks Pembangunan Manusia
Dalam UNDP (United Nations Development Programme), pembangunan manusia adalah
suatu proses untuk memperbesar pilihan-pilihan bagi manusia (“a process of enlarging people’s
choices”). Konsep atau definisi pembangunan manusia tersebut pada dasarnya mencakup
dimensi pembangunan yang sangat luas. Dalam konsep pembangunan manusia, pembangunan
seharusnya dianalisis serta dipahami dari sudut manusianya, bukan hanya dari pertumbuhan
ekonominya. Sebagaimana dikutip dari UNDP (Human Development Report, 1995:103),
sejumlah premis penting dalam pembangunan manusia adalah:
a) Pembangunan harus mengutamakan penduduk sebagai pusat perhatian.
b) Pembangunan dimaksudkan untuk memperbesar pilihan-pilihan bagi penduduk, tidak hanya
untuk meningkatkan pendapatan mereka. Oleh karena itu konsep pembangunan manusia harus
terpusat pada penduduk secara keseluruhan, dan bukan hanya pada aspek ekonomi saja.
c) Pembangunan manusia memperhatikan bukan hanya pada upaya meningkatkan kemampuan
(kapabilitas) manusia tetapi juga dalam upayaupaya memanfaatkan kemampuan manusia
tersebut secara optimal.
d) Pembangunan manusia didukung oleh empat pilar pokok, yaitu: produktifitas, pemerataan,
kesinambingan, dan pemberdayaan.
e) Pembangunan manusia menjadi dasar dalam penentuan tujuan pembangunan dan dalam
menganalisis pilihan-pilihan untuk mencapainya.
METODELOGI PENELITIAN
A. Metode Analisis Data
Untuk menjawab permasalahan yang telah ditetapkan, maka dalam menganalisis
permasalahan (data) penulis akan menggunakan metode regresi Data Panel. Data panel (pool)
yang merupakan gabungan antara data runtun waktu (time series) dengan data silang (cross
section). Oleh karena itu, data panel memiliki gabungan karakteristik yaitu data yang terdiri atas
beberapa obyek dan meliputi beberapa waktu (Winarno, 2011). Umumnya pendugaan parameter
dalam analisis regresi dengan data cross section dilakukan menggunakan pendugaan metode
kuadrat kecil atau disebut Ordinary Least Square (OLS).
Uji regresi data panel ini digunakan untuk mengetahui hubungan antara variabel
independen yang terdiri dari Pengaruh Pembiayaan Bank Syariah, Produk Domestik Regional
Bruto, Inflasi, Indeks Pembangunan Manusia terhadap variabel dependen Jumlah Penduduk
Miskin di Indonesia
Menurut Wibisono (2005) keunggulan regresi data panel antara lain: pertama, panel data
mampu memperhitungkan heterogenitas individu secara eksplisit dengan mengizinkan variabel
spesifik individu. Kedua, kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data
panel dapat digunakan untuk menguji dan membangun model perilaku lebih kompleks. Ketiga,
data panel mendasarkan diri pada observasi cross section yang berulang-ulang (time series)
sehingga metode data panel cocok digunakan sebagai study of dynamic adjustment. Keempat,
tingginya jumlah observasi memiliki implikasi pada data yang lebih informatif, lebih variatif,
dan kolinearitas (multikol) antara data semakin berkurang dan derajat kebebasan (degree of
freedom/df) lebih tinggi sehingga dapat diperoleh hasil estimasi yang lebih efisien. Kelima, data
panel dapat digunakan untuk mempelajari model-model perilaku yang kompleks. Dan keenam,
data panel dapat digunakan untuk meminimalkan bias yang mungkin ditimbulkan oleh agregasi
data individu (Agus T.B dan Imammudin Y, 2015).
Model regresi data panel dalam penelitian ini adalah:
Yit = α + b1X1t + b2X2t + b3X3t + b4X4t + e
Keterangan :
Y
= Variabel dependen (Jumlah Penduduk Miskin di Indonesia)
α
= Konstanta
X1
= Variabel Independen 1 (Pembiayaan Bank Syariah)
X2
= Variabel Independen 2 (Produk Domestik Regional Bruto)
X3
= Variabel Independen 3 (Inflasi)
X4
= Variabel Independen 4 (Indeks Pembangunan Manusia)
e
= Error term
i
= Provinsi
t
= Waktu
1) Penentuan Model Estimasi
Dalam metode estimasi model regresi dengan menggunakan data pabel dapat dilakukan
melalui tiga pendekatan, antara lain (Dedi, 2012):
a. Common Effect atau Pooled Least Square (PLS)
Merupakan pendekatan model data panel yang paling sederhana karena hanya
mengkombinasikan data time series dan cross section. Pada model ini tidak perhatikan dimensi
waktu maupun individu sehingga diasumsikan bahwa perilaku data perusahaan sama dalam
berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS)
atau teknik kuadrat kecil untuk mengestimasi model data panel.
Untuk model data panel, sering diasumsikan βit = β yakni pengaruh dari perubahan
dalam X diasumsikan bersifat konstanta dalam waktu kategori cross section.
Secara umum, bentuk model linear yang dapat digunakan untuk memodelkan data panel
adalah :
Yit = Xitβit + eit
Dimana:
Yit adalah observasi dari unit ke-i dan diamati pada periode waktu ke-t (yakni variabel
dependen yang merupakan suatu data panel) Xit adalah variabel independen dari unit ke-i dan
diamati pada periode waktu ke-t disini diasumsikan Xit memuat variabel konstanta eit adalah
komponen error yang diasumsikan memiliki harga mean 0 dan variansi homogen dalam waktu
serta independen dengan Xit.
b. Fixed effect Model (FEM)
Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari
perbedaan intersepnya. Model Fixed effect adalah teknik mengestimasikan data panel dengan
menggunakan variabel dummy untuk menangkap adanya perbedaan intercep. Intercep antar
provinsi, perbedaan intercep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif.
Disamping itu, model ini juga mengasumsikan bahwa koefisien regresi tetap antara provinsi dan
waktu.
Pendekatan dengan variabel dummy ini dikenal dengan sebutan least square dummy
variabels (LSDV). Persamaan Fixed effect Model dapat ditulis sebagai berikut :
Yit = Xitβ + Ci + ..... + εit
Dimana:
Ci = variabel dummy
c. Random effect Model (REM)
Model ini mengestimasi data panel dimana variabel gangguan mungking saling
berhubungan antar waktu dan antar individu. Pada model Random effect perbedaan intercep
diakomodasi oleh error terms masing-masing provinsi. Keuntungan menggunakan model
Random effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan teknik
Generalized Least Square (GLS). Sebagai estimastornya, berikut bentuk persamaannya adalah:
Yit = Xitβ + Vit
Dimana Vit = Ci + Di + εit
Ci diasumsikan bersifat independent and identically distributed (iid) normal dengan mean
0 dan variansi Ϭ2 c (komponen cross section).
Di diasusikan bersifat iid normal dengan mean 0 dan variansi Ϭ2 d (komponen time
series error).
Εit diasumsikan bersifat iid dengan mean 0 dan variansi Ϭ2 e.
2) Tahapan Analisis Data
Untuk menganalisis data panel diperlukan uji spesifikasi model yang tepat untuk
menggambarkan data. Uji tersebut yaitu:
a. Uji Chow
Uji chow adalah pengujian untuk menentukan model apa yang akan dipilih antara
common effect model atau fixed effect model. Hipotesis uji chow adalah:
H0 : common effect model (pooled OLS)
H1 : fixed effect model (LSDV)
Hipotesis nol pada uji ini adalah bahwa intersep sama atau dengan kata lain model yang
tepat untuk regresi data panel adalah common effect dan hipotesis alternatifnya adalah intersep
tidak sama atau model yang tepat untuk regresi data panel adalah fixed effect.
Nilai Statistik F hitung akan mengikuti distribusi statistik F dengan derjat kebebasan
(degree of freedom) sebanyak m untuk numeratordan sebanyak n-k untuk denumerator. M
merupakan jumkah restriksi atau pembatasan di dalam model tanpa variabel dummy. Jumlah
restriksi adalah jumlah individu dikurang satu. N merupakan jumlah observasi dan k merupakan
jumlah parameter jumlah parameter dalam model fixed effect.
Jumlah observasi (n) adalah jumlah individu dikali dengan jumlah periode, sedangkan
jumlah parameter dalam model fixed effect (k) adalah jumlah variabel ditambah jumlah individu.
Apabila nilai F hitung lebih besar dari F kritis maka hipotesis nol ditolak yang artinya model
yang tepat untuk regresi data panel adalah model fixed effect. Dan sebaliknya, apabila nilai F
hitung lebih kecil dari F kritis maka hipotesis nul diterima yang artinya model yang tepat untuk
regresi data panel adalah model common effect.
b. Uji Hausman
Uji Hausman adalah uji yang digunakan untuk memilih model yang terbaik antara fixed
effect model atau random effect model. Uji Hausman ini didasarkan pada ide bahwa Least
Squares dummy Variabels (LSDV) dalam metode fixed effect dan Generalized Least Square
(GLS) dalam metode Random effect adalah efisien sedangkan Ordinary Least Square (OLS)
dalam metode Common Effect tidak efisien. Yaitu dengan menguji hipotesis berbentuk :
H0 : E(Ci | X) = E (u) = 0 atau terdapat random effect model
H1 : fixed effect model
Statistik uji Hausman mengikuti distribusi statistik Chi-Square dengan derajat kebebasan
(df) sebesar jumlah variabel bebas. Hipotesis nolnya adalah bahwa model yang tepat untuk
regresi data panel adalah model Random effect dan hipotesis alternatifnya adalah model yang
tepat untuk regresi data panel adalah model Fixed effect. Apabila nilai statistik Hausman lebih
besar dari nilai kritis Chi-Square maka hipotesis no ditolak yang artinya model yang tepat untuk
regresi data panel adalah model Fixed effect. Dan sebaliknya, apabila nilai statistik Hausman
lebih kecil dari nilai kritis Chi-Squares maka hipotesis nol diterima yang artinya model yang
tepat untuk regresi data panel adalah model Random effect.
3) Uji Asumsi Klasik
Dengan pemakaian metode Ordinary Least Squared (OLS), untuk menghasilkan nilai
parameter model penduga yang lebih tepat, maka diperlukan pendekteksian apakah model
tersebut menyimpang dari asumsi klasik atau tidak, deteksi tersebut terdiri dari:
a. Uji Multikolinearitas
Multikolinearitas dapat diartikan sebagai suatu keadaan dimana satu atau lebih variabel
bebas dapat dinyatakan sebagai kombinasi kolinier dari variabel yang lainnya. Uji ini bertujuan
untuk mengetahui apakah dalam regresi ini ditemukan adanya korelasi antar variabel
independen. Jika terjadi korelasi maka dinamakan terdapat problem multikolinieritas. Cara
mendeteksi adanya multikolineritas dilakukan dengan uji Variance Inflation Factor (VIF) yang
dihitung dengan rumus sebagai berikut:
Jika VIF > dari 10, maka antar variabel bebas (independent variabel) terjadi persoalan
multikolinearitas (Gujarati, 1993).
Menurut Rosadi (2011) cara untuk mengetahui multikolinearitas dalam suatu model.
Salah satunya adalah dengan melihat koefisien korelasi hasil output komputer. Jika terdapat
keofisien korelasi yang lebih besar dari 0,9 makan terdapat gejala multikolinearitas.
Untuk mengatasi masalah multikolinearitas, satu variabel independen yang memiliki
korelasi dengan variabel independen lain harus dihapus. Dalam hal metode GLS, model ini
sudah diantisipasi dari multikolinearitas.
b. Uji Heteroskedastisitas
Suatu model regresi dikatakan terkena heterokedastisitas apabila terjadi ketidaksamaan
varians dari residual dari suatu pengamatan ke pengamatan lain. Jika varians dari residual dan
satu pengamatan ke pengamatan yang lain tetap maka disebut homokedastisitas. Jika varians
berbeda disebut heterokedastisitas
Adanya sifat heterokedastisitas ini dapat membuat penaksiran dalam model bersifat tidak
efisien. Umumnya masalah heterokedastisitas lebih biasa terjadi pada data cross section
dibandingkan dengan time series (Gujarati, 1978).
Untuk mengetahui ada tidaknya heterokedastisitas, dalam hal ini akan dilakukan dengan
cara melihat grafik scatterplot. Jika dalam grafik terlihat ada pola tertentu seperti titik-titik yang
ada membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka
mengindikasi telah terjadi heterokedastisitas. Jika tidak ada pola yang jelas, serta titik-titik
menyebar diatas dan dibawah angka 0 pada sumbuh Y, maka tidak terjadi heterokedastisitas
(Ghozali, 2001:69).
4) Pengujian Signifikan
a. Uji Signifikan Parameter Individual (Uji Statistik t)
Pengujian hipotesis yang dilakukan secara parsial bertujuan untuk mengetahui pengaruh
dan signifikansi dari masing-masing variabel independen terhadap variabel dependen. Pengujian
parsial terhadap koefisien regresi secara parsial menggunakan uji-t pada tingkat keyakinan 95%
dan tingkat kesalahan dalam analisis (α) 5% dengan ketentuan degree of freedom (df) = n-k,
dimana n adalah besarnya sampel, k adalah jumlah variabel. Dasar pengembalian keputusan
adalah:
Jika t-hitung < t-tabel
: H0 diterima dan H1 ditolak
Jika t-hitung > t-tabel
: H0 ditolak dan H1 diterima
b. Uji Signifikan Simultan (Uji Statistik F)
Pengujian ini untuk mengetahui apakah variabel independen yaitu Pengaruh Pembiayaan
Bank Syariah, Produk Domestik Bruto, Inflasi, Indeks Pembangunan Manusia, Pendidikan
secara simultan berpengaruh signifikan terhadap variabel dependen. Pengujian ini dilakukan
dengan uji F pada tingkat keyakinan 95% dan tingkat kesalahan (α) 5% dengan degree of
freedom (df1) = k-1, degree of freedom (df2) = n-k. dasar pengambilan keputusan adalah :
Jika f-hitung < F-tabel
: H0 diterima dan H1 ditolak
Jika f-hitung > F-tabel
: H0 ditolak dan H1 diterima
c. Uji Koefisien Determinasi (R2 )
Koefisien determinasi R2 pada intinya mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel independen. Nilai koefisien determinasi diantara 0 dan 1 (0 < R2 <
1), nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel independen sangat terbatas. Nilai yang mendekati 1 berarti variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi model
dependen (Gujarati, 2003).
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap julah
variabel independen yang dimasukkan ke dalam model. Untuk mengatasi permasalahan tersebut,
suatu pengukur kelayakan yang sesuai lainnya telah dikembangkan. Ukuran yang merupakan
modifikasi dari R2 ini memberikan penalti bagi penambahan variabel penjelas yang tidak
menurunkan residual secara signifikan. Ukuran ini diesbut adjusted R2 (Doddy, 2012).
UJI MULTIKOLINEARITAS
KEMISKINAN INFLASI
IPM
PDRB
PEMBIAYAAN
KEMISKINAN
1.000000
-0.000698 -0.015058 -0.155433
-0.017490
INFLASI
-0.000698
1.000000 -0.009498 0.000781
0.365900
IPM
-0.015058
-0.009498 1.000000 0.170825
0.810678
PDRB
-0.155433
0.000781 0.170825 1.000000
0.141852
PEMBIAYAAN
-0.017490
0.365900 0.810678 0.141852
1.000000
Berdasarkan hasil pengujian multikolinieritas pada tabel di atas, dapat dilihat bahwa nilai
koefisien korelasi antar variabel independen dalam penelitian ini berada pada kisaran angka
dibawah 0,85 sehingga dapat disimpulkan bahwa data yang digunakan dalam penelitian ini
terbebas dari masalah multikolinieritas.
UJI HETEROSKEDASTISITAS
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS
0.717416
7.315513
6.236537
Prob. F(10,187)
Prob. Chi-Square(10)
Prob. Chi-Square(10)
0.7075
0.6954
0.7950
Hasil output pada tabel menunjukan nilai Prob. F-statistic adalah sebesar 0,6954 >
α=0,05. Dengan demikian dapat disimpulkan bahwa data tidak mengandung heteroskedastisitas.
Tabel Hasil Penelitian
Method: Pooled EGLS (Cross-section random effects)
Date: 08/22/17 Time: 11:40
Sample: 1 6
Included observations: 6
Cross-sections included: 33
Total pool (balanced) observations: 198
Swamy and Arora estimator of component variances
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
PDRB?
PEMBIAYAAN?
INFLASI?
IPM?
Random Effects (Cross)
_ACH--C
_BABEL--C
_BALI--C
_BKL--C
_BTN--C
2.609685
2.11E-07
-4.53E-05
0.032137
-0.000715
0.055741
7.14E-08
1.83E-05
0.022815
0.000830
46.81785
2.955275
-2.479642
1.408613
-0.861564
0.0000
0.0035
0.0140
0.1606
0.3900
0.053464
-0.153320
-0.068703
-0.022187
0.034788
_DIY--C
_DKI--C
_GOR--C
_JABAR--C
_JATENG--C
_JATIM--C
_JMB--C
_KALBAR--C
_KALSEL--C
_KALTENG--C
_KALTIM--C
_KEPRI--C
_LPG--C
_MALUT--C
_MLK--C
_NTB--C
_NTT--C
_PABAR--C
_PAPUA--C
_RIAU--C
_SULBAR--C
_SULSEL--C
_SULTARA--C
_SULTENG--C
_SULUT--C
_SUMBAR--C
_SUMSEL--C
_SUMUT--C
0.019027
-0.038039
-0.058799
0.166736
0.172175
0.172536
-0.036511
-0.006444
-0.065794
-0.085815
-0.069433
-0.111054
0.081093
-0.129725
-0.015809
0.054443
0.068867
-0.052195
0.053939
-0.000892
-0.080025
0.050756
-0.019056
-0.002101
-0.061299
-0.007002
0.068370
0.088009
Effects Specification
S.D.
Cross-section random
Idiosyncratic random
0.081433
0.005226
Rho
0.9959
0.0041
Weighted Statistics
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)
0.114093
0.095732
0.005239
6.213953
0.000101
Mean dependent var
S.D. dependent var
Sum squared resid
Durbin-Watson stat
0.067174
0.005509
0.005298
1.242450
Unweighted Statistics
R-squared
Sum squared resid
-0.033706
1.314555
Mean dependent var
Durbin-Watson stat
2.564761
0.005007
Sumber: Output Eviews
Berdasarkan tabel, maka ditemukan hasil dari perhitungan Pembiayaan Bank Syariah,
PDRB, Inflasi dan IPM terhadap jumlah kemiskinan di Indonesia sebagai berikut:
Kemiskinan = 2.609685 + 0.000000211 PDRB – 0.0000453 Pembiayaan + 0.032137 Inflasi –
0.000715 IPM
Dari model di atas dapat dibuat interpretasi sebagai berikut:
1) Konstanta sebesar 2.609685 menunjukkan bahwa jika variabel independen (Pembiayaan,
PDRB, Inflasi, IPM) adalah nol, maka jumlah kemiskinan di Indonesia adalah sebesar
2.609685.
2) Nilai koefisien regresi jumlah PDRB sebesar 0.000000211 yang berarti setiap kenaikan
tingkat PDRB naik 1% maka jumlah kemiskinan mengalami kenaikan sebesar
0.000000211.
3) Nilai koefisien regresi jumlah Pembiayaan Bank Syariah sebesar -0.0000453 yang berarti
setiap kenaikan jumlah Pembiayaan Bank Syariah naik 1% maka jumlah kemiskinan
mengalami penurunan sebesar 0.0000453.
4) Nilai koefisien regresi Inflasi sebesar 0.032137 yang berarti setiap kenaikan Inflasi naik
1% maka jumlah kemiskinan mengalami kenaikan sebesar 0.032137.
5) Nilai koefisien regresi IPM sebesar -0.000715 yang berarti setiap kenaikan IPM naik 1
score maka jumlah kemiskinan mengalami penurunan sebesar 0.000715.
Uji Signifikansi Parsial (Uji t)
Uji t bertujuan untuk mengetahui pengaruh variabel independen yaitu Pembiayaan,
PDRB, Inflasi, dan IPM terhadap variabel dependen yaitu Kemiskinan.
Tabel 4.14
UJI T
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
PDRB?
PEMBIAYAAN?
INFLASI?
IPM?
2.609685
2.11E-07
-4.53E-05
0.032137
-0.000715
0.055741
7.14E-08
1.83E-05
0.022815
0.000830
46.81785
2.955275
-2.479642
1.408613
-0.861564
0.0000
0.0035
0.0140
0.1606
0.3900
.
Tabel diatas merupakan hasil dari pengujian variable independen yaitu Pembiayaan Bank
Syariah, PDRB, Inflasi, dan IPM terhadap kemiskinan di Indonesia secara parsial. Dari output
diatas dapat dilihat nilai probability dari masing-masing variabel bebas yang digunakan. Dari
output diatas diperoleh hasil bahwa variabel PDRB (0,0035) dan variable Pembiayaan (0,0140)
memeliki nilai probability yang lebih kecil dari alfa (0,05), sehingga dapat dikatakan bahwa
variabel pembiayaan memiliki pengaruh terhadap variabel Y (Kemiskinan). Sedangkan sisanya
variabel Inflasi (0.1606), dan IPM (0.3900) tidak memiliki pengaruh terhadap variabel Y karena
memiliki nilai probability lebih besar dari alfa (0,05). Atau bisa juga dilihat dari nilai t-statistik
yang lebih besar dari t-tabel, untuk bisa melihat pengaruh variabel bebas terhadap variabel
terikat.
Uji Signifikansi Simultan (Uji F)
Dilihat dari output prob F statistic diperoleh hasil 0,0000 lebih kecil dari 0,05 sehingga
dapat dikatakan bahwa simultan, ada pengaruh secara bersama-sama seluruh variabel bebas
(PDRB, Pembiayaan, Inflasi, IPM) terhadap jumlah kemiskinan.
Atau bisa dilihat juga dari F statistic yang dibandingkan dengan F table. Jika nilai F statistic > F
table, maka dapat dikatakan secara simultan seluruh variabel bebas (PDRB, pembiayaan, Inflasi,
IPM) terhadap jumlah kemiskinan.
Uji Adjusted R2
Uji Adjusted R2 ditujukan untuk menilai seberapa besar kemampuan variabel independen
menjelaskan variabel dependen. Pada penelitian ini, koefisien yang digunakan adalah koefisien
determinasi yang telah disesuaikan atau Adjusted R2. Hal ini dikarenakan Adjusted R2
merupakan koefisien yang telah dikoreksi sehingga dapat naik atau turun seiring penambahan
variabel baru dalam model.
Berdasarkan hasil regresi dengan random effect model sebagaimana yang tertera pada
tabel, diketahui bahwa nilai koefisien determinasi sebesar 0.095732 Hal ini menunjukkan bahwa
variasi variabel dependen (kemiskinan) secara simultan dapat dijelaskan oleh variabel
independen (Pembiayaan, PDRB, Inflasi, IPM) sebesar 9,57% sedangkan sisanya 90,43%
dijelaskan oleh faktor lain diluar variable yang diteliti.
KESIMPULAN
1. Pembiayaan Bank Syariah memiliki pengaruh negative dan signifikan terhadap
kemiskinan di Indonesia.
2. PDRB memiliki pengaruh positif dan signifikan terhadap kemiskinan di Indonesia.
3. Inflasi memiliki pengaruh positif namun tidak berpengaruh terhadap kemiskinan di
Indonesia.
4. Indeks Pembangunan Manusia memiliki pengaruh negative namun tidak berpengaruh
terhadap kemiskinan di Indonesia
DAFTAR PUSTAKA
Antonio, Moh. Syafi’i. “Bank Syariah dari Teori ke Praktek”, Jakarta: Gema Insani Press, 2001.
Arsyad, Lincoln. “Ekonomi Pembangunan, Edisi keempat”, Yogyakarta: BP STIE YKPN, 1999.
Budiono,Kholis. ”Pengaruh Pembiayaan Bank Syariah Zakat PDB dan Inflasi terhadap jumlah
penduduk miskin di Indonesia”.Jurnal.2009.
Dama, Himawan Yudistira. “Pengaruh Produk Domestik Regional Bruto (PDRB) Terhadap
Tingkat Kemiskinan di Kota Manado (Tahun 2005-2014)”, Jurnal, 2016.
Ghozali, Imam “Analisis Multivariat dan Ekonometrika”, UNDIP,2013.
Gujarati, Damodar. “Ekonometrika Dasar”, Jakarta: Erlangga, 2003.
Hamid, Abdul. “Buku Pedoman Penulisan Skripsi”, Jakarta: FEB UIN Jakarta, 2010.
Islami, Amalia “Analisis Pengaruh Produk Domestik Regional Bruto (PDRB) Indeks
Pembangunan Manusia (IPM) Upah Minimum Provinsi (UMP) Terhadap Kemiskinan Periode
2005-2014 (Studi Kasus Provinsi dengan Tingkat Kemiskinan Tertinggi di Indonesia)”.
Skripsi.2016.
Jhingan, M. L “Ekonomi Pembangunan dan Perencanaan”, Jakarta: Raja Grafindo Persada,
2007.
Kasmir, 2001. Manajemen Perbankan. PT Raja Grafindo Persada, Jakarta. Hal. 92.
Muhammad, 2002. Lembaga-Lembaga Keuangan Umat Kontemporer. UII Press, Yogyakarta.
Hal. 260.
Rama, Ali. “Analisis Deskriptif Perkembangan Perbankan Syariah Di Asia Tenggara”.Jurnal.
UIN, Jakarta.
Rama, Ali. “AnalisisPerilaku Deposan Perbankan di Indonesia (Studi Kasus Bank Syariah dan
Konvensional)”.Jurnal. UIN, Jakarta.
Riyani, Lupi. ”Analisis Faktor-Faktor Yang Mempengaruhi Kemiskinan di Jawa Tengah Tahun
1991-2011”. Skripsi.2014
Sasana, Hadi. “Produk Domestik Bruto dan Strukturnya”, Semarang: Diklat Teknis Perencanaan
Pembangunan Ekonomi Daerah Provinsi Jawa Tengah, Oktober-November, 2001.
Sukirno, Sadono. “Makro Ekonomi Modern: Perkembangan Pemikiran dari Klasik hingga
Keynesian Baru”, Jakarta: PT Raja Grafindo Persada, 2000.
Sukmaraga, Prima. “Analisis Pengaruh Indeks Pembangunan Manusia PDRB Per Kapita dan
Jumlah Penduduk Miskin di Provinsi Jawa Tengah”.Skrpsi.2011.
Suliyanto. “Ekonometrika Terapan, Teori dan Aplikasi dengan SPSS”, Yogyakarta: Penerbit
Andi, 2011.
Suliswanto, Muhammad Sri Wahyudi. “Pengaruh Domestik Bruto (PDB) dan Indeks
Pembangunan Manusia (IPM) Terhadap Angka Kemiskinan di Indonesia”. Skripsi. 2010.
Todaro, Michael P, Stephen C. Smith. “Pembangunan Ekonomi (Edisi kesembilan, jilid I)”,
Jakarta: Erlangga, 2006.
Undang-Undang Nomor 10 Tahun 1998 Tentang Perbankan
Winarno, Wing Wahyu. “Analisis Ekonometrika dan Statsitika dengan EVIEWS”, Yogyakarta:
UPP STIM YKPN, 2011.
Website:
http://www.BI.go.id
http://www.bps.go.id
http://www.ojk.go.id
BRUTO, INFLASI, INDEKS PEMBANGUNAN MANUSIA TERHADAP JUMLAH
PENDUDUK MISKIN DI INDONESIA PERIODE 2010-2015
Abie Ayub Al Anshori
Ali Rama
Abieayub95@gmail.com, UIN Jakarta
rama@uinjkt.ac.id, UIN Jakarta
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta
ABSTRAK
Penelitian ini bertujuan untuk menganalisis Pengaruh Pembiayaan Bank Syariah, Produk
Domestik Regional Bruto (PDRB), Inflasi dan Indeks Pembangunan Manusia (IPM) Terhadap
Tingkat Kemiskinan di Indonesia Tahun 2010-2015. Data yang digunakan dalam penelitian ini
adalah data sekunder dan metode yang digunakan yaitu analisis regresi data panel menggunakan
Random Effect Model dengan bantuan program Eviews 9 untuk memperoleh gambaran yang
menyeluruh mengenai hubungan antara variabel satu dengan variabel yang lain.
Hasil penelitian ini menunjukkan bahwa kemiskinan di Indonesia mampu dijelaskan oleh
Pembiayaan Bank Syariah, PDRB, Inflasi dan IPM sebesar 11,47% (R2). Selanjutnya secara
parsial koefisien regresi menunjukkan (1) Pembiayaan berpengaruh signifikan pada taraf nyata
5% dengan nilai probabilitas 0.0140 dan berhubungan negative dengan nilai koefisien yang
diperoleh sebesar -0.0000453, (2) Variabel PDRB berpengaruh signifikan pada taraf nyata 5%
dengan nilai probabilitas 0.0035 dan berhubungan positif sebesar 0,000000211, (3) Inflasi tidak
berpengaruh signifikan pada taraf nyata 5% dengan nilai probabilitas 0,1606 dan berhubungan
positif dengan nilai koefisien yang diperoleh sebesar 0.032137, dan (4) IPM tidak berpengaruh
signifikan pada taraf nyata 5% dengan nilai probabilitas 0.3900 dan berhubungan negative
dengan nilai koefisien yang diperoleh sebesar 0.000715. Lalu kemiskinan di Indonesia
dipengaruhi signifikan oleh Pembiayaan Bank Syariah, dan PDRB secara simultan sebesar
6.21% (F-statistik).
Kata Kunci : Kemiskinan di Indonesia, Pembiayaan Bank Syariah, Produk Domestik
Regional Bruto (PDRB), Inflasi, Indeks Pembangunan Manusia (IPM),
Data Panel.
ABSTRACT
This study aims to analyze the Influence of Bank Syariah Financing, Gross Regional
Domestic Product (GRDP), Inflation and Human Development Index (HDI) Against Poverty
Rate in Indonesia Year 2010-2015. The data used in this study is secondary data and the method
used is panel data regression analysis using Random Effect Model with the help of Eviews 9
program to obtain a comprehensive picture of the relationship between variables one with other
variables.
The results of this study indicate that poverty in Indonesia can be explained by Bank
Syariah Financing, GRDP, Inflation and HDI of 11.47% (R2). Furthermore, partially the
regression coefficient shows (1) Financing has significant effect on the real level of 5% with
probability value 0.0140 and negatively related with the coefficient value obtained at 0.0000453, (2) The variable of GRDP has significant effect on the 5% real level with probability
value 0.0035 and (3) Inflation has no significant effect on the real level of 5% with probability
value 0,1606 and positively correlated with coefficient value obtained at 0.032137, and (4) HDI
has no significant effect on 5% real level probability value 0.3900 and negatively related to the
value obtained coefficient of 0.000715. Then poverty in Indonesia is significantly influenced by
Bank Syariah Financing, and GRDP simultaneously equal to 6.21% (F-statistic).
KeyWords: Poverty in Indonesia, Bank Syariah Financing, Gross Regional Domestic Product
(GRDP), Inflation, Human Development Index (HDI), Panel Data.
PENDAHULUAN
Kemiskinan merupakan masalah yang sampai saat ini masih dihadapi oleh negara-negara
di seluruh dunia. Masalah kemiskinan yang dihadapi negara-negara ini biasanya ditandai dengan
adanya pengangguran, keterbelakangan dan pada akhirnya meningkat menjadi ketimpangan.
Dalam banyak kasus kemiskinan diawali dari kurangnya akses tenaga kerja produktif terhadap
lapangan pekerjaan yang tersedia. Di Indonesia kemiskinan merupakan suatu ancaman yang
telah ada sejak Negara Kesatuan Republik Indonesia (NKRI) ini berdiri.
Terjadinya krisis moneter pada tahun 1997 semakin memperparah kondisi kemiskinan
yang telah ada sebelumnya. Sejak tahun ini krisis menjadi pintu gerbang dari segala
permasalahan. Dalam perkembangannya krisis yang terjadi akhirnya membawa dampak buruk
terhadap perekonomian Indonesia. Inflansi yang melonjak ke tingkat yang lebih tinggi,
pengaruhnya adalah harga-harga kebutuhan pokok menjadi proporsional terhadap inflasi yang
sedang terjadi. Pada akhirnya harga tersebut melebihi batas kemampuan daya beli sebagian
masyarakat Indonesia. Dari sinilah angka kemiskinan di Indonesia semakin membengkak.
Pada saat krisis moneter tahun 1997/1998 penduduk miskin Indonesia mencapai 24%.
Tahun 2002 mengalami penurunan menjadi 18% dari total penduduk, angka kemiskinan pada
tahun 2003 sebesar 17,4%, pada tahun 2004 mengalami penurunan menjadi 14%. Akan tetapi
angka resmi BPS berdasarkan sensus kemiskinan tahun 2005 mencapai 35,1 juta jiwa atau 14,6%
dari jumlah penduduk.
Susenas BPS 2006 mencatat penduduk miskin Indonesia mencapai 39,05 juta jiwa.
Sementara itu bank dunia (World Bank) menyatakan bahwa, angka kemiskinan di Indonesia
pada tahun 2004 mencapai 120 juta jiwa dengan asumsi penduduk yang hidup di bawah dua
dolar sehari (Casmi, 2008).
Badan Pusat Statistik (BPS) mencatat bahwa angka kemiskinan Provinsi di Indonesia
sangat fluktuatif. Pada tahun 2013 angka kemiskinan Provinsi-provinsi di Indonesia seperti
Provinsi Aceh sebesar 855.710 jiwa atau 17,72% dari jumlah penduduk Provinsi Aceh pada
tahun 2013, lalu juga ada Provinsi Jawa Barat yang memiliki jumlah penduduk miskin sebesar
4.382.650 penduduk tahun 2013 atau sebesar 9,61% dari total jumlah penduduk Provinsi Jawa
Barat pada tahun 2013, ada pula Provinsi Papua yang memiliki jumlah penduduk miskin sebesar
1.057.980 jiwa atau sebesar 31,53% (BPS : 2017).
Secara keseluruhan angka kemiskinan di Indonesia pada tahun 2015 sebesar 28.513.570
jiwa dari total jumlah penduduk di Indonesia sebesar 255.461.700 jiwa dengan laju pertumbuhan
ekonomi sebesar 4,79% atau yang terendah dalam 6 tahun terakhir.
Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator penting untuk
mengetahui peranan dan potensi ekonomi di suatu wilayah dalam periode tertentu. PDRB per
kapita sering digunakan sebagai indikator pembangunan. PDRB digunakan untuk mengetahui
pertumbuhan ekonomi dari tahun ke tahun, sehingga arah perekonomian daerah akan lebih jelas.
PDRB merupakan indikator untuk mengatur sampai sejauh mana keberhasilan pemerintah dalam
memanfaatkan sumber daya yang ada dan dapat digunakan sebagai perencanaan dan
pengambilan keputusan yang salah satunya untuk mengurangi jumlah kemiskinan.
Kemiskinan di Indonesia disebabkan oleh berbagai faktor, yaitu tingkat upah yang masih
dibawah standar, tingkat pendidikan yang rendah, dan pertumbuhan ekonomi yang lambat.
seseorang dikatakan miskin bila dia belum bisa mencukupi kebutuhanya atau belum
berpenghasilan. Menurut (M. Kuncoro dalam Ravi Dwi, 2010: 33) semua ukuran kemiskinan
didasarkan pada konsumsi terdiri dari dua elemen yaitu:
1) Pengeluaran yang diperlukan untuk membeli standar gizi minimum dan kebutuhan mendasar
lainnya.
2) Jumlah kebutuhan lain yang sangat bervariasi, yang mencerminkan biaya partisipasi dalam
kehidupan masyarakat sehari-hari (dalam Ravi Dwijayanto 2010:17).
TINJAUAN PUSTAKA
1. Pengertian Pembiayaan
Kasmir mendefinisikan pembiayaan adalah penyediaan uang atau tagihan yang dapat
dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan antara bank dengan pihak
lain yang mewajibkan pihak yang dibiayai untuk mengembalikan uang atau tagihan tersebut
setelah jangka waktu tertentu dengan imbalan atau bagi hasil (Kasmir, 2001 : 92).
Menurut Muhammad pembiayaan secara luas berarti finansial atau pembelanjaan, yaitu
pendanaan yang dikeluarkan untuk mendukung investasi yang telah direncanakan, baik
dilakukan sendiri maupun dijalankan oleh orang lain. Sedangkan, dalam arti sempit pembiayaan
dipakai untuk mendefinisikan pendanaan yang dilakukan oleh lembaga pembiayaan. Namun,
dalam perbankan pembiayaan dikaitkan dengan bisnis di mana pembiayaan merupakan
pendanaan baik aktif maupun pasif yang dilakukan oleh lembaga pembiayaan kepada nasabah
dan bisnis merupakan aktivitas berupa jasa, perdagangan dan industri guna memaksimalkan nilai
keuntungan (Muhammad, 2002 : 260).
Pengertian pembiayaan (pada bank syari’ah) menurut undang-undang No.
10/1998 tentang perbankan : pembiayaan berdasarkan prinsip syari’ah adalah berdasarkan
persetujuan atau kesepakatan antara bank dengan mengembalikan uang atau tagihan tersebut
setelah jangka waktu tertentu dengan imbalan atau bagi hasil.
Berdasarkan Undang-Undang Perbankan syariah UU No 21 tahun 2008 pasal 25 :
pembiayaan adalah penyediaan dana atau tagihan yang disamakan dengan itu berupa trnasaksi
bagi hasil dalam bentuk mudharabah dan musyarakah, transaksi sewa menyewa dalam bentuk
ijarah dan sewa beli atau ijarah muntahiyah bit tamlik, transaksi jual beli dalam bentuk utang
piutang Murabahah,Salam dan Istisna, transaksi pinjam meminjam dalam bentuk qard,dan
transaksi sewa menyewa jasa dalam bentuk Ijarah.
Sistem pembiayaan berdasarkan prinsip syariah menurut sudut pandang yuridis adalah
sebagai berikut:
1. Pembiayaan bagi hasil berdasarkan prinsip mudharabah dan prinsip musyarakah.
2. Pembiayaan jual beli berdasarkan prinsip murabahah, prinsip istishna, dan prinsip as-salam.
3. Pembiayaan sewa-menyewa berdasarkan prinsip ijarah (sewa murni) dan
bit-tamlik (sewa beli atau sewa dengan hak opsi).
ijarah al-muntahia
2. Pengertian Produk Domestik Regional Bruto (PDRB)
Salah satu indikator penting untuk mengetahui kondisi ekonomi disuatu daerah/provinsi
dalam suatu periode tertentu ditunjukkan oleh data Produk Domestik Regional Bruto (PDRB).
Badan Pusat Statistik mendefinisikan Produk Domestik Regional Bruto (PDRB) sebagai
jumlah nilai tambah yang dihasilkan oleh seluruh unit usaha dalam suatu wilayah, atau
merupakan jumlah seluruh nilai barang dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi
di suatu wilayah. PDRB atas dasar harga berlaku menggambarkan nilai tambah barang dan jasa
yang dihitung menggunakan harga pada setiap tahun, sedang PDRB atas dasar harga konstan
menunjukkan nilai tambah barang dan jasa yang dihitung menggunakan harga pada tahun
tertentu sebagai dasar. PDRB atas dasar harga konstan digunakan untuk mengetahui
pertumbuhan ekonomi dari tahun ke tahun (Sadono Sukirno, 2000), sedangkan menurut BPS,
PDRB atas dasar harga berlaku digunakan untuk menunjukkan besarnya struktur perekonomian
dan peranan sektor ekonomi. Total PDRB menunjukkan jumlah seluruh nilai tambah yang
dihasilkan oleh penduduk dalam periode tertentu.
PDRB dapat menggambarkan kemampuan suatu daerah dalam mengelola sumber daya
yang dimilikinya. Oleh karena itu, besaran PDRB yang dihasilkan oleh masing-masing daerah
sangat bergantung kepada potensi faktor-faktor produksi di daerah tersebut (Permana, 2012).
Adanya keterbatasan dalam penyediaan faktor-faktor tersebut menyebabkan besaran PDRB
bervariasi antar daerah. Dalam bukunya, Hadi Sasana menulis bahwa PDRB adalah nilai bersih
barang dan jasa-jasa akhir yang dihasilkan oleh berbagai kegiatan ekonomi di suatu daerah
dalam satu periode (Hadi Sasana, 2006).
3. Inflasi
a. Pengertian Inflasi
Inflasi didefinisikan dengan banyak ragam yang berbeda, tetapi semua definisi itu
mencakup pokok-pokok yang sama. Samuelson (2001) memberikan definisi bahwa inflasi
sebagai suatu keadaan dimana terjadi kenaikan tingkat harga umum, baik barang-barang, jasajasa maupun faktor-faktor produksi. Dari definisi tersebut mengindikasikan keadaan
melemahnya daya beli yang diikuti dengan semakin merosotnya nilai riil (intrinsik) mata uang
suatu negara.
Pada awalnya inflasi diartikan sebagai kenaikan jumlah uang beredar atau kenaikan
likuiditas dalam suatu perekonomian. Dalam perkembangan lebih lanjut, inflasi secara singkat
dapat diartikan sebagai suatu kecenderungan meningkatnya harga-harga barang dan jasa secara
umum dan terus menerus (Suseno dan Aisyah, 2009 : 3).
4. Indeks Pembangunan Manusia
a. Pengertian Indeks Pembangunan Manusia
Dalam UNDP (United Nations Development Programme), pembangunan manusia adalah
suatu proses untuk memperbesar pilihan-pilihan bagi manusia (“a process of enlarging people’s
choices”). Konsep atau definisi pembangunan manusia tersebut pada dasarnya mencakup
dimensi pembangunan yang sangat luas. Dalam konsep pembangunan manusia, pembangunan
seharusnya dianalisis serta dipahami dari sudut manusianya, bukan hanya dari pertumbuhan
ekonominya. Sebagaimana dikutip dari UNDP (Human Development Report, 1995:103),
sejumlah premis penting dalam pembangunan manusia adalah:
a) Pembangunan harus mengutamakan penduduk sebagai pusat perhatian.
b) Pembangunan dimaksudkan untuk memperbesar pilihan-pilihan bagi penduduk, tidak hanya
untuk meningkatkan pendapatan mereka. Oleh karena itu konsep pembangunan manusia harus
terpusat pada penduduk secara keseluruhan, dan bukan hanya pada aspek ekonomi saja.
c) Pembangunan manusia memperhatikan bukan hanya pada upaya meningkatkan kemampuan
(kapabilitas) manusia tetapi juga dalam upayaupaya memanfaatkan kemampuan manusia
tersebut secara optimal.
d) Pembangunan manusia didukung oleh empat pilar pokok, yaitu: produktifitas, pemerataan,
kesinambingan, dan pemberdayaan.
e) Pembangunan manusia menjadi dasar dalam penentuan tujuan pembangunan dan dalam
menganalisis pilihan-pilihan untuk mencapainya.
METODELOGI PENELITIAN
A. Metode Analisis Data
Untuk menjawab permasalahan yang telah ditetapkan, maka dalam menganalisis
permasalahan (data) penulis akan menggunakan metode regresi Data Panel. Data panel (pool)
yang merupakan gabungan antara data runtun waktu (time series) dengan data silang (cross
section). Oleh karena itu, data panel memiliki gabungan karakteristik yaitu data yang terdiri atas
beberapa obyek dan meliputi beberapa waktu (Winarno, 2011). Umumnya pendugaan parameter
dalam analisis regresi dengan data cross section dilakukan menggunakan pendugaan metode
kuadrat kecil atau disebut Ordinary Least Square (OLS).
Uji regresi data panel ini digunakan untuk mengetahui hubungan antara variabel
independen yang terdiri dari Pengaruh Pembiayaan Bank Syariah, Produk Domestik Regional
Bruto, Inflasi, Indeks Pembangunan Manusia terhadap variabel dependen Jumlah Penduduk
Miskin di Indonesia
Menurut Wibisono (2005) keunggulan regresi data panel antara lain: pertama, panel data
mampu memperhitungkan heterogenitas individu secara eksplisit dengan mengizinkan variabel
spesifik individu. Kedua, kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data
panel dapat digunakan untuk menguji dan membangun model perilaku lebih kompleks. Ketiga,
data panel mendasarkan diri pada observasi cross section yang berulang-ulang (time series)
sehingga metode data panel cocok digunakan sebagai study of dynamic adjustment. Keempat,
tingginya jumlah observasi memiliki implikasi pada data yang lebih informatif, lebih variatif,
dan kolinearitas (multikol) antara data semakin berkurang dan derajat kebebasan (degree of
freedom/df) lebih tinggi sehingga dapat diperoleh hasil estimasi yang lebih efisien. Kelima, data
panel dapat digunakan untuk mempelajari model-model perilaku yang kompleks. Dan keenam,
data panel dapat digunakan untuk meminimalkan bias yang mungkin ditimbulkan oleh agregasi
data individu (Agus T.B dan Imammudin Y, 2015).
Model regresi data panel dalam penelitian ini adalah:
Yit = α + b1X1t + b2X2t + b3X3t + b4X4t + e
Keterangan :
Y
= Variabel dependen (Jumlah Penduduk Miskin di Indonesia)
α
= Konstanta
X1
= Variabel Independen 1 (Pembiayaan Bank Syariah)
X2
= Variabel Independen 2 (Produk Domestik Regional Bruto)
X3
= Variabel Independen 3 (Inflasi)
X4
= Variabel Independen 4 (Indeks Pembangunan Manusia)
e
= Error term
i
= Provinsi
t
= Waktu
1) Penentuan Model Estimasi
Dalam metode estimasi model regresi dengan menggunakan data pabel dapat dilakukan
melalui tiga pendekatan, antara lain (Dedi, 2012):
a. Common Effect atau Pooled Least Square (PLS)
Merupakan pendekatan model data panel yang paling sederhana karena hanya
mengkombinasikan data time series dan cross section. Pada model ini tidak perhatikan dimensi
waktu maupun individu sehingga diasumsikan bahwa perilaku data perusahaan sama dalam
berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS)
atau teknik kuadrat kecil untuk mengestimasi model data panel.
Untuk model data panel, sering diasumsikan βit = β yakni pengaruh dari perubahan
dalam X diasumsikan bersifat konstanta dalam waktu kategori cross section.
Secara umum, bentuk model linear yang dapat digunakan untuk memodelkan data panel
adalah :
Yit = Xitβit + eit
Dimana:
Yit adalah observasi dari unit ke-i dan diamati pada periode waktu ke-t (yakni variabel
dependen yang merupakan suatu data panel) Xit adalah variabel independen dari unit ke-i dan
diamati pada periode waktu ke-t disini diasumsikan Xit memuat variabel konstanta eit adalah
komponen error yang diasumsikan memiliki harga mean 0 dan variansi homogen dalam waktu
serta independen dengan Xit.
b. Fixed effect Model (FEM)
Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari
perbedaan intersepnya. Model Fixed effect adalah teknik mengestimasikan data panel dengan
menggunakan variabel dummy untuk menangkap adanya perbedaan intercep. Intercep antar
provinsi, perbedaan intercep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif.
Disamping itu, model ini juga mengasumsikan bahwa koefisien regresi tetap antara provinsi dan
waktu.
Pendekatan dengan variabel dummy ini dikenal dengan sebutan least square dummy
variabels (LSDV). Persamaan Fixed effect Model dapat ditulis sebagai berikut :
Yit = Xitβ + Ci + ..... + εit
Dimana:
Ci = variabel dummy
c. Random effect Model (REM)
Model ini mengestimasi data panel dimana variabel gangguan mungking saling
berhubungan antar waktu dan antar individu. Pada model Random effect perbedaan intercep
diakomodasi oleh error terms masing-masing provinsi. Keuntungan menggunakan model
Random effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan teknik
Generalized Least Square (GLS). Sebagai estimastornya, berikut bentuk persamaannya adalah:
Yit = Xitβ + Vit
Dimana Vit = Ci + Di + εit
Ci diasumsikan bersifat independent and identically distributed (iid) normal dengan mean
0 dan variansi Ϭ2 c (komponen cross section).
Di diasusikan bersifat iid normal dengan mean 0 dan variansi Ϭ2 d (komponen time
series error).
Εit diasumsikan bersifat iid dengan mean 0 dan variansi Ϭ2 e.
2) Tahapan Analisis Data
Untuk menganalisis data panel diperlukan uji spesifikasi model yang tepat untuk
menggambarkan data. Uji tersebut yaitu:
a. Uji Chow
Uji chow adalah pengujian untuk menentukan model apa yang akan dipilih antara
common effect model atau fixed effect model. Hipotesis uji chow adalah:
H0 : common effect model (pooled OLS)
H1 : fixed effect model (LSDV)
Hipotesis nol pada uji ini adalah bahwa intersep sama atau dengan kata lain model yang
tepat untuk regresi data panel adalah common effect dan hipotesis alternatifnya adalah intersep
tidak sama atau model yang tepat untuk regresi data panel adalah fixed effect.
Nilai Statistik F hitung akan mengikuti distribusi statistik F dengan derjat kebebasan
(degree of freedom) sebanyak m untuk numeratordan sebanyak n-k untuk denumerator. M
merupakan jumkah restriksi atau pembatasan di dalam model tanpa variabel dummy. Jumlah
restriksi adalah jumlah individu dikurang satu. N merupakan jumlah observasi dan k merupakan
jumlah parameter jumlah parameter dalam model fixed effect.
Jumlah observasi (n) adalah jumlah individu dikali dengan jumlah periode, sedangkan
jumlah parameter dalam model fixed effect (k) adalah jumlah variabel ditambah jumlah individu.
Apabila nilai F hitung lebih besar dari F kritis maka hipotesis nol ditolak yang artinya model
yang tepat untuk regresi data panel adalah model fixed effect. Dan sebaliknya, apabila nilai F
hitung lebih kecil dari F kritis maka hipotesis nul diterima yang artinya model yang tepat untuk
regresi data panel adalah model common effect.
b. Uji Hausman
Uji Hausman adalah uji yang digunakan untuk memilih model yang terbaik antara fixed
effect model atau random effect model. Uji Hausman ini didasarkan pada ide bahwa Least
Squares dummy Variabels (LSDV) dalam metode fixed effect dan Generalized Least Square
(GLS) dalam metode Random effect adalah efisien sedangkan Ordinary Least Square (OLS)
dalam metode Common Effect tidak efisien. Yaitu dengan menguji hipotesis berbentuk :
H0 : E(Ci | X) = E (u) = 0 atau terdapat random effect model
H1 : fixed effect model
Statistik uji Hausman mengikuti distribusi statistik Chi-Square dengan derajat kebebasan
(df) sebesar jumlah variabel bebas. Hipotesis nolnya adalah bahwa model yang tepat untuk
regresi data panel adalah model Random effect dan hipotesis alternatifnya adalah model yang
tepat untuk regresi data panel adalah model Fixed effect. Apabila nilai statistik Hausman lebih
besar dari nilai kritis Chi-Square maka hipotesis no ditolak yang artinya model yang tepat untuk
regresi data panel adalah model Fixed effect. Dan sebaliknya, apabila nilai statistik Hausman
lebih kecil dari nilai kritis Chi-Squares maka hipotesis nol diterima yang artinya model yang
tepat untuk regresi data panel adalah model Random effect.
3) Uji Asumsi Klasik
Dengan pemakaian metode Ordinary Least Squared (OLS), untuk menghasilkan nilai
parameter model penduga yang lebih tepat, maka diperlukan pendekteksian apakah model
tersebut menyimpang dari asumsi klasik atau tidak, deteksi tersebut terdiri dari:
a. Uji Multikolinearitas
Multikolinearitas dapat diartikan sebagai suatu keadaan dimana satu atau lebih variabel
bebas dapat dinyatakan sebagai kombinasi kolinier dari variabel yang lainnya. Uji ini bertujuan
untuk mengetahui apakah dalam regresi ini ditemukan adanya korelasi antar variabel
independen. Jika terjadi korelasi maka dinamakan terdapat problem multikolinieritas. Cara
mendeteksi adanya multikolineritas dilakukan dengan uji Variance Inflation Factor (VIF) yang
dihitung dengan rumus sebagai berikut:
Jika VIF > dari 10, maka antar variabel bebas (independent variabel) terjadi persoalan
multikolinearitas (Gujarati, 1993).
Menurut Rosadi (2011) cara untuk mengetahui multikolinearitas dalam suatu model.
Salah satunya adalah dengan melihat koefisien korelasi hasil output komputer. Jika terdapat
keofisien korelasi yang lebih besar dari 0,9 makan terdapat gejala multikolinearitas.
Untuk mengatasi masalah multikolinearitas, satu variabel independen yang memiliki
korelasi dengan variabel independen lain harus dihapus. Dalam hal metode GLS, model ini
sudah diantisipasi dari multikolinearitas.
b. Uji Heteroskedastisitas
Suatu model regresi dikatakan terkena heterokedastisitas apabila terjadi ketidaksamaan
varians dari residual dari suatu pengamatan ke pengamatan lain. Jika varians dari residual dan
satu pengamatan ke pengamatan yang lain tetap maka disebut homokedastisitas. Jika varians
berbeda disebut heterokedastisitas
Adanya sifat heterokedastisitas ini dapat membuat penaksiran dalam model bersifat tidak
efisien. Umumnya masalah heterokedastisitas lebih biasa terjadi pada data cross section
dibandingkan dengan time series (Gujarati, 1978).
Untuk mengetahui ada tidaknya heterokedastisitas, dalam hal ini akan dilakukan dengan
cara melihat grafik scatterplot. Jika dalam grafik terlihat ada pola tertentu seperti titik-titik yang
ada membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka
mengindikasi telah terjadi heterokedastisitas. Jika tidak ada pola yang jelas, serta titik-titik
menyebar diatas dan dibawah angka 0 pada sumbuh Y, maka tidak terjadi heterokedastisitas
(Ghozali, 2001:69).
4) Pengujian Signifikan
a. Uji Signifikan Parameter Individual (Uji Statistik t)
Pengujian hipotesis yang dilakukan secara parsial bertujuan untuk mengetahui pengaruh
dan signifikansi dari masing-masing variabel independen terhadap variabel dependen. Pengujian
parsial terhadap koefisien regresi secara parsial menggunakan uji-t pada tingkat keyakinan 95%
dan tingkat kesalahan dalam analisis (α) 5% dengan ketentuan degree of freedom (df) = n-k,
dimana n adalah besarnya sampel, k adalah jumlah variabel. Dasar pengembalian keputusan
adalah:
Jika t-hitung < t-tabel
: H0 diterima dan H1 ditolak
Jika t-hitung > t-tabel
: H0 ditolak dan H1 diterima
b. Uji Signifikan Simultan (Uji Statistik F)
Pengujian ini untuk mengetahui apakah variabel independen yaitu Pengaruh Pembiayaan
Bank Syariah, Produk Domestik Bruto, Inflasi, Indeks Pembangunan Manusia, Pendidikan
secara simultan berpengaruh signifikan terhadap variabel dependen. Pengujian ini dilakukan
dengan uji F pada tingkat keyakinan 95% dan tingkat kesalahan (α) 5% dengan degree of
freedom (df1) = k-1, degree of freedom (df2) = n-k. dasar pengambilan keputusan adalah :
Jika f-hitung < F-tabel
: H0 diterima dan H1 ditolak
Jika f-hitung > F-tabel
: H0 ditolak dan H1 diterima
c. Uji Koefisien Determinasi (R2 )
Koefisien determinasi R2 pada intinya mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel independen. Nilai koefisien determinasi diantara 0 dan 1 (0 < R2 <
1), nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel independen sangat terbatas. Nilai yang mendekati 1 berarti variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi model
dependen (Gujarati, 2003).
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap julah
variabel independen yang dimasukkan ke dalam model. Untuk mengatasi permasalahan tersebut,
suatu pengukur kelayakan yang sesuai lainnya telah dikembangkan. Ukuran yang merupakan
modifikasi dari R2 ini memberikan penalti bagi penambahan variabel penjelas yang tidak
menurunkan residual secara signifikan. Ukuran ini diesbut adjusted R2 (Doddy, 2012).
UJI MULTIKOLINEARITAS
KEMISKINAN INFLASI
IPM
PDRB
PEMBIAYAAN
KEMISKINAN
1.000000
-0.000698 -0.015058 -0.155433
-0.017490
INFLASI
-0.000698
1.000000 -0.009498 0.000781
0.365900
IPM
-0.015058
-0.009498 1.000000 0.170825
0.810678
PDRB
-0.155433
0.000781 0.170825 1.000000
0.141852
PEMBIAYAAN
-0.017490
0.365900 0.810678 0.141852
1.000000
Berdasarkan hasil pengujian multikolinieritas pada tabel di atas, dapat dilihat bahwa nilai
koefisien korelasi antar variabel independen dalam penelitian ini berada pada kisaran angka
dibawah 0,85 sehingga dapat disimpulkan bahwa data yang digunakan dalam penelitian ini
terbebas dari masalah multikolinieritas.
UJI HETEROSKEDASTISITAS
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS
0.717416
7.315513
6.236537
Prob. F(10,187)
Prob. Chi-Square(10)
Prob. Chi-Square(10)
0.7075
0.6954
0.7950
Hasil output pada tabel menunjukan nilai Prob. F-statistic adalah sebesar 0,6954 >
α=0,05. Dengan demikian dapat disimpulkan bahwa data tidak mengandung heteroskedastisitas.
Tabel Hasil Penelitian
Method: Pooled EGLS (Cross-section random effects)
Date: 08/22/17 Time: 11:40
Sample: 1 6
Included observations: 6
Cross-sections included: 33
Total pool (balanced) observations: 198
Swamy and Arora estimator of component variances
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
PDRB?
PEMBIAYAAN?
INFLASI?
IPM?
Random Effects (Cross)
_ACH--C
_BABEL--C
_BALI--C
_BKL--C
_BTN--C
2.609685
2.11E-07
-4.53E-05
0.032137
-0.000715
0.055741
7.14E-08
1.83E-05
0.022815
0.000830
46.81785
2.955275
-2.479642
1.408613
-0.861564
0.0000
0.0035
0.0140
0.1606
0.3900
0.053464
-0.153320
-0.068703
-0.022187
0.034788
_DIY--C
_DKI--C
_GOR--C
_JABAR--C
_JATENG--C
_JATIM--C
_JMB--C
_KALBAR--C
_KALSEL--C
_KALTENG--C
_KALTIM--C
_KEPRI--C
_LPG--C
_MALUT--C
_MLK--C
_NTB--C
_NTT--C
_PABAR--C
_PAPUA--C
_RIAU--C
_SULBAR--C
_SULSEL--C
_SULTARA--C
_SULTENG--C
_SULUT--C
_SUMBAR--C
_SUMSEL--C
_SUMUT--C
0.019027
-0.038039
-0.058799
0.166736
0.172175
0.172536
-0.036511
-0.006444
-0.065794
-0.085815
-0.069433
-0.111054
0.081093
-0.129725
-0.015809
0.054443
0.068867
-0.052195
0.053939
-0.000892
-0.080025
0.050756
-0.019056
-0.002101
-0.061299
-0.007002
0.068370
0.088009
Effects Specification
S.D.
Cross-section random
Idiosyncratic random
0.081433
0.005226
Rho
0.9959
0.0041
Weighted Statistics
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)
0.114093
0.095732
0.005239
6.213953
0.000101
Mean dependent var
S.D. dependent var
Sum squared resid
Durbin-Watson stat
0.067174
0.005509
0.005298
1.242450
Unweighted Statistics
R-squared
Sum squared resid
-0.033706
1.314555
Mean dependent var
Durbin-Watson stat
2.564761
0.005007
Sumber: Output Eviews
Berdasarkan tabel, maka ditemukan hasil dari perhitungan Pembiayaan Bank Syariah,
PDRB, Inflasi dan IPM terhadap jumlah kemiskinan di Indonesia sebagai berikut:
Kemiskinan = 2.609685 + 0.000000211 PDRB – 0.0000453 Pembiayaan + 0.032137 Inflasi –
0.000715 IPM
Dari model di atas dapat dibuat interpretasi sebagai berikut:
1) Konstanta sebesar 2.609685 menunjukkan bahwa jika variabel independen (Pembiayaan,
PDRB, Inflasi, IPM) adalah nol, maka jumlah kemiskinan di Indonesia adalah sebesar
2.609685.
2) Nilai koefisien regresi jumlah PDRB sebesar 0.000000211 yang berarti setiap kenaikan
tingkat PDRB naik 1% maka jumlah kemiskinan mengalami kenaikan sebesar
0.000000211.
3) Nilai koefisien regresi jumlah Pembiayaan Bank Syariah sebesar -0.0000453 yang berarti
setiap kenaikan jumlah Pembiayaan Bank Syariah naik 1% maka jumlah kemiskinan
mengalami penurunan sebesar 0.0000453.
4) Nilai koefisien regresi Inflasi sebesar 0.032137 yang berarti setiap kenaikan Inflasi naik
1% maka jumlah kemiskinan mengalami kenaikan sebesar 0.032137.
5) Nilai koefisien regresi IPM sebesar -0.000715 yang berarti setiap kenaikan IPM naik 1
score maka jumlah kemiskinan mengalami penurunan sebesar 0.000715.
Uji Signifikansi Parsial (Uji t)
Uji t bertujuan untuk mengetahui pengaruh variabel independen yaitu Pembiayaan,
PDRB, Inflasi, dan IPM terhadap variabel dependen yaitu Kemiskinan.
Tabel 4.14
UJI T
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
PDRB?
PEMBIAYAAN?
INFLASI?
IPM?
2.609685
2.11E-07
-4.53E-05
0.032137
-0.000715
0.055741
7.14E-08
1.83E-05
0.022815
0.000830
46.81785
2.955275
-2.479642
1.408613
-0.861564
0.0000
0.0035
0.0140
0.1606
0.3900
.
Tabel diatas merupakan hasil dari pengujian variable independen yaitu Pembiayaan Bank
Syariah, PDRB, Inflasi, dan IPM terhadap kemiskinan di Indonesia secara parsial. Dari output
diatas dapat dilihat nilai probability dari masing-masing variabel bebas yang digunakan. Dari
output diatas diperoleh hasil bahwa variabel PDRB (0,0035) dan variable Pembiayaan (0,0140)
memeliki nilai probability yang lebih kecil dari alfa (0,05), sehingga dapat dikatakan bahwa
variabel pembiayaan memiliki pengaruh terhadap variabel Y (Kemiskinan). Sedangkan sisanya
variabel Inflasi (0.1606), dan IPM (0.3900) tidak memiliki pengaruh terhadap variabel Y karena
memiliki nilai probability lebih besar dari alfa (0,05). Atau bisa juga dilihat dari nilai t-statistik
yang lebih besar dari t-tabel, untuk bisa melihat pengaruh variabel bebas terhadap variabel
terikat.
Uji Signifikansi Simultan (Uji F)
Dilihat dari output prob F statistic diperoleh hasil 0,0000 lebih kecil dari 0,05 sehingga
dapat dikatakan bahwa simultan, ada pengaruh secara bersama-sama seluruh variabel bebas
(PDRB, Pembiayaan, Inflasi, IPM) terhadap jumlah kemiskinan.
Atau bisa dilihat juga dari F statistic yang dibandingkan dengan F table. Jika nilai F statistic > F
table, maka dapat dikatakan secara simultan seluruh variabel bebas (PDRB, pembiayaan, Inflasi,
IPM) terhadap jumlah kemiskinan.
Uji Adjusted R2
Uji Adjusted R2 ditujukan untuk menilai seberapa besar kemampuan variabel independen
menjelaskan variabel dependen. Pada penelitian ini, koefisien yang digunakan adalah koefisien
determinasi yang telah disesuaikan atau Adjusted R2. Hal ini dikarenakan Adjusted R2
merupakan koefisien yang telah dikoreksi sehingga dapat naik atau turun seiring penambahan
variabel baru dalam model.
Berdasarkan hasil regresi dengan random effect model sebagaimana yang tertera pada
tabel, diketahui bahwa nilai koefisien determinasi sebesar 0.095732 Hal ini menunjukkan bahwa
variasi variabel dependen (kemiskinan) secara simultan dapat dijelaskan oleh variabel
independen (Pembiayaan, PDRB, Inflasi, IPM) sebesar 9,57% sedangkan sisanya 90,43%
dijelaskan oleh faktor lain diluar variable yang diteliti.
KESIMPULAN
1. Pembiayaan Bank Syariah memiliki pengaruh negative dan signifikan terhadap
kemiskinan di Indonesia.
2. PDRB memiliki pengaruh positif dan signifikan terhadap kemiskinan di Indonesia.
3. Inflasi memiliki pengaruh positif namun tidak berpengaruh terhadap kemiskinan di
Indonesia.
4. Indeks Pembangunan Manusia memiliki pengaruh negative namun tidak berpengaruh
terhadap kemiskinan di Indonesia
DAFTAR PUSTAKA
Antonio, Moh. Syafi’i. “Bank Syariah dari Teori ke Praktek”, Jakarta: Gema Insani Press, 2001.
Arsyad, Lincoln. “Ekonomi Pembangunan, Edisi keempat”, Yogyakarta: BP STIE YKPN, 1999.
Budiono,Kholis. ”Pengaruh Pembiayaan Bank Syariah Zakat PDB dan Inflasi terhadap jumlah
penduduk miskin di Indonesia”.Jurnal.2009.
Dama, Himawan Yudistira. “Pengaruh Produk Domestik Regional Bruto (PDRB) Terhadap
Tingkat Kemiskinan di Kota Manado (Tahun 2005-2014)”, Jurnal, 2016.
Ghozali, Imam “Analisis Multivariat dan Ekonometrika”, UNDIP,2013.
Gujarati, Damodar. “Ekonometrika Dasar”, Jakarta: Erlangga, 2003.
Hamid, Abdul. “Buku Pedoman Penulisan Skripsi”, Jakarta: FEB UIN Jakarta, 2010.
Islami, Amalia “Analisis Pengaruh Produk Domestik Regional Bruto (PDRB) Indeks
Pembangunan Manusia (IPM) Upah Minimum Provinsi (UMP) Terhadap Kemiskinan Periode
2005-2014 (Studi Kasus Provinsi dengan Tingkat Kemiskinan Tertinggi di Indonesia)”.
Skripsi.2016.
Jhingan, M. L “Ekonomi Pembangunan dan Perencanaan”, Jakarta: Raja Grafindo Persada,
2007.
Kasmir, 2001. Manajemen Perbankan. PT Raja Grafindo Persada, Jakarta. Hal. 92.
Muhammad, 2002. Lembaga-Lembaga Keuangan Umat Kontemporer. UII Press, Yogyakarta.
Hal. 260.
Rama, Ali. “Analisis Deskriptif Perkembangan Perbankan Syariah Di Asia Tenggara”.Jurnal.
UIN, Jakarta.
Rama, Ali. “AnalisisPerilaku Deposan Perbankan di Indonesia (Studi Kasus Bank Syariah dan
Konvensional)”.Jurnal. UIN, Jakarta.
Riyani, Lupi. ”Analisis Faktor-Faktor Yang Mempengaruhi Kemiskinan di Jawa Tengah Tahun
1991-2011”. Skripsi.2014
Sasana, Hadi. “Produk Domestik Bruto dan Strukturnya”, Semarang: Diklat Teknis Perencanaan
Pembangunan Ekonomi Daerah Provinsi Jawa Tengah, Oktober-November, 2001.
Sukirno, Sadono. “Makro Ekonomi Modern: Perkembangan Pemikiran dari Klasik hingga
Keynesian Baru”, Jakarta: PT Raja Grafindo Persada, 2000.
Sukmaraga, Prima. “Analisis Pengaruh Indeks Pembangunan Manusia PDRB Per Kapita dan
Jumlah Penduduk Miskin di Provinsi Jawa Tengah”.Skrpsi.2011.
Suliyanto. “Ekonometrika Terapan, Teori dan Aplikasi dengan SPSS”, Yogyakarta: Penerbit
Andi, 2011.
Suliswanto, Muhammad Sri Wahyudi. “Pengaruh Domestik Bruto (PDB) dan Indeks
Pembangunan Manusia (IPM) Terhadap Angka Kemiskinan di Indonesia”. Skripsi. 2010.
Todaro, Michael P, Stephen C. Smith. “Pembangunan Ekonomi (Edisi kesembilan, jilid I)”,
Jakarta: Erlangga, 2006.
Undang-Undang Nomor 10 Tahun 1998 Tentang Perbankan
Winarno, Wing Wahyu. “Analisis Ekonometrika dan Statsitika dengan EVIEWS”, Yogyakarta:
UPP STIM YKPN, 2011.
Website:
http://www.BI.go.id
http://www.bps.go.id
http://www.ojk.go.id