Pendahuluan
Kemiskinan adalah suatu keadaan dimana
seseorang tidak mampu untuk memenuhi kebutuhan hidupnya sehari-hari, salah satu
penyebabnya adalah karena tidak semua sektor ekonomi dapat berkembang atau
menjadi sektor basis sehingga menyebabkan distribusi pendapatan masih rendah,
selain itu persoalan kemiskinan juga disebabkan oleh masih rendahnya kualitas
hidup manusia dan tingkat pengangguran yang masih terbilang tinggi. Menurut
M.Nasir 2008 (Ayu, 2018), Permasalahn
kemiskinan merupakan permasalahan yang kompleks dan multidemensi, sehingga
untuk menyelesaikan masalah kemiskinan harus dilakukan dengan komprehensif yang
mencakup berbagai aspek kehidupan masyarakat dan dilaksankan dengan terpadu.
Produk Domestik Regional Bruto (PDRB)
merupakan nilai bersih barang dan jasa akhir yang dihasilkan dari
kegiatan-kegiatan ekonomi dalah suatu wilayah daerah dalam periode tertentu (Sigalingging,
2019). PDRB
menggambarkan kemampuan suatu daerah dalam mengelola potensi sumber daya alam
yang dimiliki, besaran dari PDRB yang dihasilkan dari masing-masing daerah
bergantung pada potensi sumber daya alam dan faktor produksi yang dimiliki
daerah tersebut. Total PDRB menunjukkan jumlah seluruh nilai tambah yang
dihasilkan oleh penduduk dalam periode tertentu (Susanti, 2016). Menurut (Badan Pusat Statistik), PDRB dihitung
berdasarkan atas dasar harga berlaku� dan
atas dasar harga konstan. PDRB atas dasar harga berlaku menggambarkan nilai
tambah barang dan jasa yang dihitung menggunakan harga pada tahun berjalan
untuk mengetahui kemampuan sumber daya ekonomi, pergeseran, dan struktur
ekonomi suatu daerah. Sedangkan PDRB atas dasar harga konstan menggambarkan
nilai barang dan jasa yang dihitung menggunakan harga yang berlaku pada satu
tahun tertentu sebagai tahun dasar untuk mengetahui pertumbuhan ekonomi secara
riil dari tahun ke tahun atau pertumbuhan ekonomi yang tidak dipengaruhi oleh faktor
harga.
Indeks
Pembangunan Manusia (IPM) merupakan indikator strategis yang banyak digunakan
untuk melihat upaya dan kinerja program pembangunan secara menyeluruh di suatu
wilayah (Susanti,
2016). United Nations Development Programme (UNDP) sejak
tahun 1990 menggunakan IPM untuk mengukur pencapaian pembangunan manusia suatu
negara dan mempublikasikan dalam laporan tahunan Human Development Report (HDR) (Faqihudin, 2012). Menurut (Badan Pusat
Statistik) , IPM
mencakup tiga bidang pembangunan manusia yang dianggap sangat mendasar yaitu :
(1) Bidang Kesehatan : Usia Hidup (logetivity),
umur panjang dan kehidupan yang sehat dengan indikator angaka harapan
hidup. (2) Bidang Pendidikan: Pengetahua (Knowledge),
dengan indikator angka melek huruf dan kombinasi dari angka partisipasi
sekolah untuk tingkat dasar, menengah dan tinggi. (3) Bidang Ekonomi: Standar
Hidup Layak (Decent Living), dengan
indikator PDRB per kapita dalam bentuk Purchasing
Power Parity (PPP) atau keseimbangan kemampuan belanja.
Pengangguran
selalu dikaitkan dengan angkatan kerja (labor
force). Angkatan kerja adalah bagian dari penduduk : (1) berusia 15 s/d 65
tahun (2) mempunyai kemauan dan kemampuan untuk bekerja (3) serta sedang
mencari pekerjaan (Murni,
2009). Semakin tinggi
angka pengangguran akan menunjukkan bahwa penduduk dalam kondisi yang kurang
baik karena tidak semua angkatan kerja telah memperoleh pekerjaan. Bagi
angkatan kerja yang tidak memiliki pekerjaan tetap atau hanya kerja part time �akan berada dalam kelompok masyarakat miskin (dalam Widodo, 2018).
Menurut (Badan Pusat
Statistik),
pengangguran dibagi menjadi dua klasifikasi yaitu: (1) Pengangguran Terbuka,
yaitu penduduk yang telah masuk dalam angkatan kerja tetapi tidak memiliki
pekerjaan dan sedang mencari pekerjaan, mempersiapkan usaha, serta sudah
memiliki pekerjaan tetapi belum bekerja. (2) Pekerja tidak penuh, yaitu
penduduk yang bekerja dibawah jam kerja nirmal (35 jam dalam seminggu).
Menurut
Witjaksono 2009 (Kurniawan, 2013) berpendapat
bahwa Pembangunan ekonomi sebagai proses pembangunan yang dilaksanakan oleh
suatu daerah atau negara dalam rangka memakmurkan warga negara nya atau
penduduk daerah setempat. Pembangunan ekonomi dapat dilihat dan diukur dengan
cara membandingkan jumlah produksi barang dan jasa dengan tahun sebelumnya,
terdapat beberapa hal yang perlu dimiliki dalam proses pembangunan ekonomi
tersebut seperti Sumber Daya Manusia (SDM), Sumber Daya Alam (SDA), dan
Teknologi.
Salah satu
sasaran dari adanya pembangunan ekonomi adalah untuk menurunkan tingkat kemiskinan.
Pembangunan ekonomi Indonesia cenderung berpusat di Pulau Jawa, tetapi pada
kenyataannya masalah kemiskinan muncul di Pulau Jawa. Pulau Jawa masih
menempati posisi sebagai pulau dengan Jumlah Penduduk Miskin terbanyak yaitu
sebesar 12,56 juta jiwa dari 150,4 juta jiwa penduduk di tahun 2019 (Databoks,
2020). Dari data
Publikasi Statistik yang dirilis BPS, sebaran Jumlah Penduduk Miskin yang
terbanyak berada di Provinsi Jawa Timur, Jumlah Penduduk Miskin Provinsi Jawa
Timur pada tahun 2017 sebesar 4,40 juta jiwa dengan presentase penduduk miskin
11,20%, pada tahun 2018 Jumlah Penduduk Miskin di Provinsi Jawa Timur sebesar
4,33 juta jiwa dengan presentase penduduk miskin 10,85% dan pada tahun 2019
Jumlah Penduduk Miskin Provinsi Jawa timur sebesar 4,29 juta jiwa dengan
presentase penduduk miskin 10,20% (Badan Pusat Statistik
Jawa Timur, 2020).
Presentase Jumlah Penduduk Miskin Provinsi Jawa timur masih relatif tinggi,
dimana dalam tiga tahun terakhir presentase nya masih diatas 10%, hal ini
menunjukkan bahwa kemiskinan disetiap Kabupaten/Kota di Provinsi Jawa Timur
juga masih relatif tinggi.
Kabupaten Gresik
sebagai salah satu Kabupaten di Provinsi Jawa Timur yang dikenal dengan daerah
industri dengan memiliki ratusan industri dari skala besar hingga home industry tentunya mampu membuka
lapangan pekerjaan bagi warga di Kabupaten Gresik, sehingga dengan banyaknya
lapangan pekerjaan diharapkan mampu menurunkan Jumlah Penduduk Miskin di
Kabupaten Gresik, tetapi pada kenyataannya Jumlah Penduduk Miskin di Kabupaten
Gresik masih tinggi. Tercatat dalam tiga tahun terakhir yaitu pada tahun 2017
Jumlah Penduduk Miskin di Kabupaten Gresik mencapai 164 ribu jiwa dengan
presentase penduduk miskin 12,80%, pada tahun 2018 Jumlah Penduduk Miskin
sebanyak 154 ribu jiwa dengan presentase penduduk miskin 11,89% dan pada tahun
2019 tercatat Jumlah Penduduk Miskin sebesar 148 ribu jiwa dengan presentase
penduduk miskin 11,35% (Badan Pusat Statistik
Kabupaten Gresik, 2020). Jika
dilihat dari Jumlah Penduduk Miskinya, Kabupaten Gresik memang mengalami
penurunan meskipun tidak signifikan dimana Jumlah Penduduk Miskin pada tahun
2017 ke 2018 menurun sebesar 0,06% dan pada tahun 2018 ke 2019 menurun sebesar
0,04%. Akan tetapi jika dibandingkan dengan presentase Jumlah Penduduk Miskin
Provinsi maka Kabupaten Gresik tergolong memiliki kemiskinan yang masih relatif
tinggi, dimana presentase penduduk miskin Kabupaten Gresik dalam tiga tahun
terakhir masih diatas presentase provinsi. Belum berhasilnya usaha pemerintah
dalam mengatasi masalah Kemiskinan menjadi salah satu penyebab Kabupaten Gresik
masih tergolong memiliki kemikinan yang relatif tinggi dibandingkan dengan
Kabupaten/Kota lain yang ada di Provinsi Jawa Timur.
Tujuan dari penelitian ini
adalah : (1) Untuk mengetahui dan menganalisis apakah Produk Domestik Regional
Bruto (PDRB) berpengaruh terhadap Jumlah Penduduk Miskin di Kabupaten Gresik.
(2) Untuk mengetahui dan menganalisis apakah Indeks Pembangunan Manusia (IPM) berpengaruh
terhadap Jumlah Penduduk Miskin di Kabupaten Gresik. (3) Untuk mengetahui dan
menganalisis apakah Tingkat Pengangguran Terbuka (TPT) berpengaruh terhadap
Jumlah Penduduk Miskin di Kabupaten Gresik.
Penelitian terdahulu yang menjadi pendukung� dalam penelitian ini semua menggunakan data
panel yang merupakan data gabungan dari data Cross Section dan Time Series
dan menggunakan model Fixed Effects sebagai
model terbaik yang terpilih dari dua model data panel lainya yaitu Common Effects dan Random Effects. Sedangkan penelitian ini menggunakan data Time Series yang merupakan data yang
memiliki runtun waktu lebih dari satu tahun pada suatu objek. Data Time Series dipilih karena lebih mudah
tanpa menggabungkan dua data yaitu data Cross
Section dan Time Series dan tanpa
harus menentukan model yang terbaik yang akan digunakan dalam menganalisis
hasil penelitian.� Sehingga data dan
metode yang digunakan dalam penelitian ini lebih mudah dan tepat dalam menjawab
tujuan dari penelitian ini.
Metode Penelitian
Metode
penelitian ini menggunakan metode pendekatan penelitian kuantitatif. Penelitian
kuantitatif adalah suatu cara yang digunakan untuk menjawab masalah �penelitian yang berkaitan dengan data berupa
angka dan program statistik (Wahid, murni 2017). Penelitian kuantitatif berawal dari
suatu kerangka teori, gagasan para ahli, ataupun pemahaman peneliti yang
kemudian dikembangkan menjadi suatu permasalahan dan pemecahan yang diajukan
untuk mendapatkan pembenaran dalam bentuk dukungan data empiris di lapangan.
Penelitian ini dilakukan di Kabupaten Gresik, populasi
dalam penelitian ini adalah Jumlah Penduduk Miskin di Kabupaten Gresik dan
sampel yang digunakan adalah Jumlah Penduduk Miskin Kabupaten Gresik tahun
2000-2019. Jenis data yang digunakan adalah data sekunder yang merupakan data
yang sudah tersedia yang dikumpulkan oleh pihak lain atau data yang bukan
diusahakan sendiri pengumpulanya oleh peneliti. Data sekunder yang digunakan
dalam penelitian ini adalah data Time
Series dari tahun 2000-2019 yang dikumupulkan oleh peneliti melalui metode
dokumentasi, peneliti mengumpulkan data dari data-data yang dipublikasikan oleh
Badan Pusat Statistik (BPS) Kabupaten Gresik dalam berbagai tahun publikasi.
Penelitian ini menggunakan empat variabel, yang terdiri
dari tiga variabel independen atau bebas yaitu Produk Domestik Regional Bruto
(PDRB), Indeks Pembangunan Manusia (IPM) dan Tingkat Pengangguran Terbuka
(TPT). dan satu variabel dependen atau terikat yaitu Jumlah Penduduk Miskin.
Keempat variabel tersebut di analisis menggunakan Analisis Regresi Linier
berganda untuk mengetahui hubungan antar variabel sehingga dapat diketahui
hipotesis yang diajukan tepat atau tidak. Menurut (Sugiyono, 2016)
persamaan regresi linier berganda dirumuskan sebagai berikut :
Y = α + β1X1
+ β2X2 + β3X3 + e
Keterangan :
Y �= Jumlah
Penduduk Miskin
ɑ�� = Konstanta
X1 = Produk Domestik
Regional Bruto (PDRB)
X2 = Indeks Pembangunan Manusia (IPM)
X3 = Tingkat Pengangguran Terbuka
(TPT)
β..3 = Koefisien
Regresi
e = standart
error (variabel penganggu)
Keempat variabel tersebut �harus bersifat BLUE (Best Linier Unbiased
Estimator) dalam hal ini harus memenuhi Analisis Asumsi Klasik dengan beberapa
uji antara lain yaitu : Uji Normalitas, Uji Multikolinieritas, Uji
Heterokedastisitas dan Uji Autokerelasi. Metode pengujian hipotesis dilakukan
dengan Uji Statistik F dan Uji Statistik t dan untuk mengukur kemampuan model
regresi dalam menjelaskan variasi variabel terikat dalam penelitian ini
menggunakan Analisis Koefisien Determinasi (R2).
Hasil dan Pembahasan
A. Hasil Pengujian
Agar dapat diperoleh hasil estimasi yang
BLUE (Best Linier Unbiased Estimator)
maka estimasi tersebut harus memenuhi beberapa asumsi yang saling berkaitan.
Apabila salah satu asumsi tersebur di langgar maka persamaan regresi yang
diperoleh tidak lagi bersifat BLUE, sehingga pengambilan keputusan melalui uji
F dan uji t menjadi bias. Dalam hal ini harus dihindarkan terjadinya
kasus-kasus sebagai berikut :
Uji Normalitas digunakan untuk
mendeteksi apakah dalam model regresi variabel-variabel nya berdistribusi
normal atau tidak. Dalam hal ini uji normalitas data dilakukan dengan
menggunakan pendekatan Kolmogorov Smirnov.
Tabel 1
Hasil Uji Normalitas
|
One-Sample
Kolmogorov-Smirnov Test |
|
|
Unstandardized Residual |
|
|
N���������������������
����������������������������������������20 |
df |
|
Parametersa,b� ��Std.�������������������� ,91766294 ������������������������
Deviation���� |
|
|
Most Extreme� Absoute����������������������� ,179��
������������������������ Negative��������������������� -,179 |
|
|
Kolmogorov Smirnov Z����������������������� ,800 |
|
|
Asymp. Sig. (2-tailed)�� ������������������������,544 |
|
Sumber : Olah data SPSS, 2020
Hasil Uji normalitas diatas menunjukkan
bahwa data berdistribusi normal karena nilai dari Asymp. Sig. (2-tailed) 0,544 lebih
besar dari 0,05.
Uji
Multikolinieritas digunakan untuk mendeteksi apakah model regresi ditemukan
adanya korelasi antar variabel bebas. Indikator model regresi yang baik adalah
tidak adanya korelasi di antara variabel independen. Untuk menguji
multikolinieritas digunakan dengan cara melihat nilai Variance Inflation
Factor (VIF), suatu model regresi tidak terjadi multikolinieritas jika
nilai VIF lebih kecil dari 10 dan nilai tolerance diatas 0,1.
Tabel 2
Hasil Uji
Multikolinieritas
|
Constant��������������������� |
Collinearity Statistic Tolerance�������������� VIF |
|
PDRB� IPM TPT |
,407����������������������� 2,457 ,492����������������������� 2,032 ,695����������������������� 1,438 |
Sumber : Olah data SPSS, 2020
Berdasarkan tabel di atas menunjukkan
bahwa tidak terjadi Multikolinieritas karena nilai dari VIF lebih kecil dari 10
dan nilai tolerance diatas 0,1.
Uji Heterokedastisitas digunakan untuk
mendeteksi apakah dalam model regresi yang digunakan terjadi ketidaksamaan
antar varians dari residual satu ke pengamatan lainya. Uji heterokedastisitas
dalam penelitian ini� menggunakan metode
Rank Spearman, dalam hal ini suatu model regresi tidak terjadi
heterokedastisitas jika nilai signifikan lebih besar dari 0,05.
Tabel 3
Hasil Uji
Heterokedastisitas�
|
�Variabel X Variabel Y |
|
Sig2-tailed (IPM) |
Sig2-tailed (TPT) |
|
Jumlah Penduduk Miskin |
0,531 |
0,431 |
0,980 |
Sumber : Olah data SPSS, 2020
Berdasarkan tabel di atas menunjukkan
bahwa tidak terjadi Heterokedastisitas karena nilai signifikan lebih besar dari
0,05.
Uji
Autokorelasi digunakan untuk mendeteksi ada atau tidaknya korelasi yang terjadi
antara residual pada satu pengamatan dengan pengamatan lain pada model regresi.
Uji autokorelasi dalam penelitian ini menggunakan Durbin Watson. Suatu model
regresi tidak terjadi Autokorelasi jika nilai du < d < 4-du.
Tabel 4
Hasil Uji Autokorelasi
|
Variabel Bebas |
3 (k=3) |
|
N |
��������������������������� 20 |
|
Durbin Watson�
tabel |
dL�������������� ��0,9976 �dU��������������� 1,6763 4-dU������������ 2,3237 4-dL������������� 3,0024 |
|
Durbin Watson test |
�� �������������������2,224 |
Sumber : Olah data SPSS, 2020
�
Gambar 1
Kurva Statistik Durbin Watson
Sumber : Olah
data SPSS, 2020
Berdasarkan tabel dan gambar diatas
menunjukkan bahwa tidak terjadi Autokorelasi karena nilai du (1,6763) < d
(2,224) < 4-du (2,3237).
Tabel 5
Hasil Uji Statistik F
|
Model |
F hitung |
Sig |
F tabel |
|
1 |
27,992 |
0,000 |
�3,24 |
Sumber : Olah data SPSS, 2020
Berdasarkan tabel di atas menunjukkan
bahwa� nilai F hitung sebesar 27,992
dengan nilai signifikan 0,000 dan nilai F tabel untuk residual 16 dan
regression 3 sebesar 3,24. Dari hasil tersebut terlihat bahwa F hitung lebih
besar dari F tabel yaitu 27,992 > 3,24 maka Ho ditolak dan Ha diterima,
artinya menerima dugaan bahwa variabel bebas (PDRB, IPM dan TPT) berpengaruh
terhadap variabel terikat (Jumlah Penduduk Miskin). Dengan demikian PDRB, IPM,
dan TPT berpengaruh secara simultan terhadap Jumlah Penduduk Miskin.
Tabel 6
Hasil Uji Statistik t
|
Unstandardized Coefficients������ |
||||
|
Model |
B |
Std. Error |
t �t hitung |
Sig. |
|
Constant |
-194,48 |
159954,3 |
|
|
|
PDRB |
-,001 |
,000 |
-5,787 |
0,000 |
|
IPM |
-5642,50 |
2401,86 |
-2,349 |
0,032 |
|
TPT |
7413,44 |
3136,76 |
2,363 |
0,031 |
Sumber
: Olah data SPSS,
2020
Berdasarkan tabel diatas menunjukkan
bahwa nilai t hitung variabel PDRB sebesar = -5,787 dan nilai t tabel = 2,093
dari hasil tersebut maka t hitung lebih besar dari t tabel. Artinya Ho ditolak
dan Ha diterima, sehingga secara parsial variabel PDRB berpengaruh negatif
terhadap Jumlah Penduduk Miskin, hal ini juga didukung dengan nilai
signifikansi nya yaitu sebesar 0,000 lebih kecil dari 0,05. Nilai t hitung
variabel IPM sebesar = -2,349 dan nilai t tabel = 2,093 dari hasil tersebut
maka t hitung lebih besar dari t tabel. Artinya Ho ditolak dan Ha diterima,
sehingga secara parsial variabel IPM berpengaruh negatif terhadap Jumlah
Penduduk Miskin, hal ini juga didukung dengan nilai signifikansi nya yaitu
sebesar 0,032 lebih kecil dari 0,05. Nilai t hitung variabel TPT sebesar = 2,363 dan nilai t
tabel sebesar = 2,093
dari hasil tersebut maka t hitung lebih besar dari t tabel. Artinya Ho ditolak
dan Ha diterima,sehingga secara parsial variabel TPT berpengaruh positif
terhadap Jumlah Penduduk Miskin, hal ini juga didukung dengan nilai
signifikansi nya yaitu 0,031 lebih kecil dari 0,05.
Dari tabel diatas juga dapat diperoleh
persamaan regresi sebagai berikut :
Y = -194,48 -0,001X1 -5,642X2 +7,413X3
Nilai konstanta positif menunjukkan bahwa pengaruh
positif variabel bebas (PDRB, IPM, dan TPT). Jika variabel bebas naik atau
berpengaruh dalam satu satuan, maka variabel terikat (Jumlah Penduduk Miskin)
akan naik atau terpenuhi.
Tabel 7
Hasil Koefisien
Determinasi
|
Model |
R Square |
Adjusted R Square |
|
�1 |
,840 |
,810 |
Sumber : Olah data SPSS, 2020
Berdasarkan tabel diatas menunjukkan
bahwa nilai sebesar artinya 81% variabel bebas (PDRB, IPM, dan TPT) dapat
menjelaskan variabel terikat (Jumlah Penduduk Miskin) dan sisanya yaitu sebesar
19% dijelaskan oleh Variabel lain.
B.
Pembahasan
Berdasarkan
hasil pengujian diatas maka diperoleh pemahaman sebagai berikut :
1.
Pengaruh
Produk Domestik Regional Bruto (PDRB) terhadap Jumlah Penduduk Miskin di
Kabupaten Gresik
Dari perhitungan
uji t (parsial) pada model regresi, diperoleh nilai signifikan dari variabel
Produk Domestik Regional Bruto (PDRB) sebesar 0,000 < 0,05. Dan dari hasil
perbandingan antara t hitung dengan t tabel menunjukkan bahwa nilai t hitung
sebesar -5,787 dan nilai t
tabel sebesar 2,093. Dari hasil nilai tersebut maka nilai t hitung -5,787 > nilai t tabel 2,093, sehingga
dapat disimpulkan bahwa Ho ditolak dan Ha diterima, yang artinya Produk
Domestik Regional Bruto (PDRB) berpengaruh negatif dan signifikan terhadap
Jumlah Penduduk Miskin di Kabupaten Gresik. Hasil penelitian ini menunjukkan
bahwa ketika nilai dari� Produk Domestik
Regional Bruto (PDRB) di Kabupaten Gresik meningkat maka dapat menurunkan
Jumlah Penduduk Miskin yang ada di Kabupaten Gresik. Hasil penelitian ini
didukung dan sejalan dengan penelitian (Alhudhori, 2017) yang
menunjukkan bahwa Produk Domestik Regional Bruto (PDRB) berpengaruh dan
mempunyai hubungan negatif terhadap Jumlah Penduduk Miskin.
2.
Pengaruh
Indeks Pembangunan Manusia (IPM) terhadap Jumlah Penduduk Miskin di Kabupaten
Gresik
Dari perhitungan
uji t (parsial) pada model regresi, diperoleh nilai signifikan dari variabel
Indeks Pembangunan Manusia (IPM) sebesar 0,032 < 0,05. Dan dari hasil
perbandingan antara t hitung dengan t tabel menunjukkan bahwa nilai t hitung
sebesar -2,349 dan nilai t tabel sebesar 2,093. Dari hasil nilai tersebut maka
t hitung -2,349 > nilai t tabel 2,093. Sehingga dapat disimpulkan bahwa Ho
ditolak dan Ha diterima yang artinya Indeks Pembangunan Manusia (IPM)
berpengaruh negatif dan signifikan�
terhadap Jumlah Penduduk Miskin di Kabupaten Gresik. Hasil penelitian
ini menunjukkan bahwa ketika nilai dari Indeks Pembangunan Manusia di Kabupaten
Gresik meningkat maka dapat menurunkan Jumlah Penduduk Miskin yang ada di
Kabupaten Gresik, karena dengan kualitas Human Capital yang baik, maka kinerja
ekonomi akan menjadi lebih baik dan dapat mengurangi pengangguran, meningkatkan
tenaga kerja ahli dan meningkatkan upah yang tinggi sehingga dapat mengurangi
jumlah penduduk miskin. Hasil penelitian ini didukung dan sejalan dengan
penelitian (Ningrum, 2017) yang
menunjukkan bahwa Indeks Pembangunan Manusia berpengaruh dan mempunyai hubungan
negatif terhadap Jumlah Penduduk Miskin.
3.
Pengaruh
Tingkat Pengangguran Terbuka (TPT) terhadap Jumlah Penduduk Miskin di Kabupaten
Gresik
Dari hasil uji t
(parsial) pada model regresi, diperoleh nilai signifikan dari variabel Tingkat
Pengangguran Terbuka (TPT) 0,031 < 0,05. Dan dari hasil perbandingan antara
nilai t hitung dan nilai t tabel menunjukkan bahwa nilai t hitung sebesar 2,363 dan nilai t tabel sebesar 2,093. Dari
hasil tersebut maka nilai t hitung 2,363 > nilai t tabel 2,09. Sehingga dapat disimpulkan bahwa
Ho ditolak dan Ha diterimayang artinya Tingkat Pengangguran Terbuka (TPT)
berpengaruh positif dan signifikan terhadap Jumlah Penduduk Miskin di Kabupaten
Gresik. Hasil penelitian ini menunjukkan bahwa ketika nilai dari Tingkat
Pengangguran Terbuka (TPT) di Kabupaten Gresik menurun maka Jumlah Penduduk
Miskin yang ada di Kabupaten Gresik juga akan menurun. Hasil penelitian ini
didukung dan sejalan dengan penelitian (Redha,
2018) yang
menunjukkan bahwa Tingkat Pengangguran Terbuka berpengaruh dan mempunyai
hubungan positif terhadap Jumlah Penduduk Miskin.
Kesimpulan
Berdasarkan hasil pengujian dengan
menggunakan Analisis Regresi Linier Berganda untuk menguji pengaruh Produk Domestik
Regional Bruto (PDRB), Indeks Pembangunan Manusia (IPM), dan Tingkat
Pengangguran Terbuka (TPT) terhadap Jumlah Penduduk Miskin di Kabupaten Gresik,
maka dapat diambil kesimpulan sebagai berikut : (1) Produk Domestik Regional
Bruto (PDRB) berpengaruh negatif dan signifikan terhadap Jumlah Penduduk Miskin
di Kabupaten Gresik. (2) Indeks Pembangunan Manusia (IPM) berpengaruh negatif
dan signifikan terhadap Jumlah Penduduk Miskin di Kabupaten Gresik. (3) Tingkat
Pengangguran Terbuka (TPT) berpengaruh positif dan signifikan terhadap Jumlah
Penduduk Miskin di Kabupaten Gresik.
Alhudhori, M. (2017). Pengaruh
Ipm, Pdrb Dan Jumlah Pengangguran Terhadap Penduduk Miskin Di Provinsi Jambi. Ekonomis:
Journal of Economics and Business, 1(1), 113�124. Google Scholar
Ayu, D. S. (2018). Analisis
Pengaruh Produk Domestik Regional Bruto, Tingkat Pengangguran Terbuka, IPM,
Jumlah Penduduk dan Upah Minimum Terhadap Kemiskinan Di Provinsi Jawa Timur.
10(2), 1�15. Google Scholar
Badan Pusat Statistik.
(2019). Metodologi PDRB.
https://www.bps.go.id/subject/52/produk-domestik-regional-bruto--lapangan-usaha-.html#subjekViewTab2
Badan Pusat Statistik.
(2020). Metodologi Indeks Pembangunan Manusia.
https://www.bps.go.id/subject/26/indeks-pembangunan-manusia.html#subjekViewTab1
Badan Pusat Statistik.
(2020). Metodologi Pengangguran Terbuka.
https://www.bps.go.id/subject/6/tenaga-kerja.html#subjekViewTab1
Badan Pusat Statistik Jawa
Timur. (2020). Jumlah Penduduk Miskin Provinsi Jawa Timur.
https://www.bps.go.id/
Badan Pusat Statistik
Kabupaten Gresik. (2020). Jumlah Penduduk Miskin Kabupaten Gresik. https://gresikkab.bps.go.id/subject/23/kemiskinan.html#subjekViewTab3
Databoks. (2020). Berapa
Jumlah Penduduk di Pulau Jawa pada 2019? |Databoks.
https://databoks.katadata.co.id/datapublish/2019/05/14/berapa-jumlah-penduduk-di-pulau-jawa-2019. Google Scholar
Faqihudin, M. (2012). Human
Development Index ( HDI ) Salah Satu Indikator Yang Populer Untuk Mengukur
Kinerja Pembangunan Manusia.
http://id.wikipedia.org/wiki/Indeks_Pembangunan_Manusia. Google Scholar
Kurniawan, A. B. (2013).
Analisis Pengaruh Pertumbuhan Ekonomi, Upah Minimum, dan Investasi Terhadap
Jumlah Pengangguran di Kabupaten Gresik. In Jurnal Ilmiah Mahasiswa FEB
(Vol. 2, Issue 2). https://jimfeb.ub.ac.id/index.php/jimfeb/article/view/1176. Google Scholar
Murni, A. (2009). Ekonomika
Makro (A. Mifka (ed.)). PT Refika Aditama.
Ningrum, S. S. (2017).
Analisis Pengaruh Tingkat Pengangguran Terbuka, Indeks Pembangunan Manusia, Dan
Upah Minimum Terhadap Jumlah Penduduk Miskin Di Indonesia Tahun 2011-2015. Jurnal
Ekonomi Pembangunan, 15(2), 184-192. Google Scholar
Redha, F. I. (2018). Analisis
Faktor-Faktor Yang Mempengaruhi Terhadap Jumlah Penduduk Miskin Di Provinsi
Kalimantan Selatan (2010-2015). Universitas Islam Indonesia.
https://dspace.uii.ac.id/handle/123456789/5442.Google Scholar
Sigalingging, W. S.
(2019). Analisis Pengaruh PDRB Per Kapita, Indeks Pembangunan Manusia dan
Tingkat Pengangguran Terbuka Terhadap Jumlah�
Penduduk Miskin� di Tujuh
Kabupaten Kawasan Danau Toba.
http://repository.uhn.ac.id/handle/123456789/2562. Google Scholar
Sugiyono. (2016). Metode
Penelitian Kuantitatif, Kualitatif dan R&D. Alfabeta. Google Scholar
Susanti, S. (2016).
Pengaruh Produk Domestik Regional Bruto, Pengangguran dan Indeks Pembangunan
Manusia terhadap Kemiskinan di Jawa Barat dengan Menggunakan Analisis Data
Panel. Jurnal Matematika Integratif, 9(1), 1..1-18. Google Scholar
Wahidmurni. (2017).
Pemaparan Metode Penelitian Kuantitatif. Http://Repository.Uin-Malang.Ac.Id/1985/2/1985.Pdf,
6, 5�9.
Widodo, S. (2018). Analisis
Faktor-Faktor Yang Mempengaruhi Jumlah Penduduk Miskin Di Provinsi Bengkulu
Tahun 2011-2015. Universitas Islam Indonesia.
https://dspace.uii.ac.id/handle/123456789/7334.113-124. Google Scholar
