You are on page 1of 14

Pengaruh Tingkat Pengangguran Terbuka, Sanitasi dan Inflasi Terhadap

Kemiskinan di di Lima Provinsi di Sumatera
Tahun 2011-2015
(Data Panel)

Disusun Sebagai Tugas Pengganti Ujian Akhir Semester
Mata Kuliah: Ekonometrika Terapan
Dosen: Nurkholis, M.SE.

Disusun Oleh:

Nathania Riris Michico NPM: 1706130582
Ni Putu Akira Maharian NPM: 1706130595

MAGISTER PERENCANAAN DAN KEBIJAKAN PUBLIK
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS INDONESIA
2018
i

M.” Nama / NPM : Nathania Riris Michico / NPM 1706130582 Ni Putu Akira Maharani / NPM 1706130595 Mata Kuliah : Ekonometrika Terapan Judul : Pengaruh Tingkat Pengangguran Terbuka. Sanitasi dan Inflasi Terhadap Kemiskinan di di Lima Provinsi di Sumatera Tahun 2011-2015 Tanggal : 6 Juni 2018 Dosen : Nurkholis. Kami memahami bahwa tugas yang kami kumpulkan ini dapat diperbanyak dan atau dikomunikasikan untuk tujuan mendeteksi adanya plagiarisme. . Tidak ada pekerjaan orang lain yang kami gunakan tanpa menyebut sumbernya. Materi ini tidak/belum pernah disajikan/digunakan sebagai bahan untuk makalah/tugas pada mata ajaran lain kecuali kami menyatakan dengan jelas bahwa kami menyatakan menggunakannya. PROGRAM MAGISTER PERENCANAAN DAN KEBIJAKAN PUBLIK HALAMAN PERNYATAAN ORISINALITAS “Kami yang bertandatangan di bawah ini menyatakan bahwa makalah/tugas terlampir adalah murni hasil pekerjaan kami sendiri.SE.

sanitasi dan inflasi terhadap kemiskinan di lima Provinsi di Sumatera. sanitasi. Analisis yang tepat untuk permasalahan ini adalah analisis data panel. Proses estimasi dan analisis dilakukan dengan bantuan software EViews 10. Penulisan ini diharapkan dapat menganalisis bagaimana dan seberapa besar pengangguran. Selain faktor-faktor tersebut. Pengaruh Tingkat Pengangguran Terbuka. Sanitasi dan Inflasi Terhadap Kemiskinan di di Lima Provinsi di Sumatera Tahun 2011-2015 ABSTRAK Tingkat kemiskinan dapat dipengaruhi oleh beberapa faktor diantaranya pengangguran. Kata kunci: inflasi. dan presentase inflasi di lima provinsi di Sumatera dari tahun 2011 sampai 2015. Metode yang digunakan dalam penulisan ini adalah penggunaan data panel di 5 (lima) provinsi di Sulawesi dengan variabel bebas yaitu pengaruh tingkat pengangguran terbuka di lima provinsi di Sumatera dari tahun 2011 sampai 2015. sehingga nantinya diharapkan dapat digunakan sebagai salah satu dasar dalam penentuan kebijakan dalam mengatasi kemiskinan di Sumatera. Sedangkan sanitasi tidak signifikan terhadap tingkat kemiskinan di lima provinsi Jawa Barat pada tahun 2011-2015. Riau. presentase sanitasi di lima provinsi di Sumatera dari tahun 2011 sampai 2015. Sumatera Utara dan Sumatera Selatan tahun 2011-2015. tingkat kemiskinan. penganggurtan terbuka. sanitasi dan inflasi berpengaruh terhadap kemiskinan di lima Provinsi di Sumatera Utara. Hasil penelitian menunjukkan bahwa pengangguran dan inflasi berpengaruh signifikan terhadap tingkat kemiskinan di lima provinsi Jawa Barat pada tahun 2011-2015. Random Effect Model . Sedangkan metode analisis yang digunakan dalam penelitian ini adalah metode analisis regresi linier panel data. Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS). yaitu Aceh. Studi ini meneliti tentang pengaruh pengangguran. Jambi. sanitasi dan inflasi. masalah kemiskinan tidak bisa terlepas dari masalah waktu (periode) sehingga analisis kemiskinan ini memerlukan pendekatan analisis yang tidak hanya mempertimbangkan data cross section namun juga menggunakan data time series.

Bagaimana pengaruh tingkat pengangguran terbuka terhadap kemiskinan di Sumatera tahun 2011 -2015? 2. Mengetahui kontribusi faktor inflasi terhadap kemiskinan di Sumatera tahun 2011-2015. tunawisma dan perumahan yang tidak memadai. Dalam makalah ini fokus utama permasalahan adalah bagaimana pengaruh tingkat pengangguran. Dengan struktur dua dimensi ini memungkinkan peneliti untuk mengamati pengaruh beberapa variabel suatu individu/observasi dari waktu ke waktu terhadap kemiskinan. dan diskriminasi sosial dan pengucilan (BPS. RUANG LINGKUP Analisis faktor determinan yang mempengaruhi indeks kemiskinan di Sumatera dalam penulisan ini antara lain adalah tingkat pengangguran. Struktur data yang memasukkan dimensi cross section (individual) dan time series disebut data panel. Aceh. analisis trend sekuler) mensyaratkan penggunaan data hanya untuk data cross section atau data time series saja. maksudnya adalah penggunaan . dan inflasi. Mengetahui kontribusi faktor sanitasi terhadap kemiskinan di Sumatera tahun 2011-2015. Kemiskinan juga merupakan salah satu tolak ukur kondisi sosial ekonomi dalam menilai keberhasilan pembangunan yang dilakukan pemerintah di suatu daerah. RUMUSAN MASALAH Berdasarkan latar belakang penelitian diatas. Jambi. Banyak sekali masalah-masalah sosial yang bersifat negatif timbul akibat meningkatnya kemiskinan. 2. yaitu Provinsi Riau. Data yang digunakan merupakan pooled data karena tidak menggunakan sample yang sama. sanitasi. dan kekurangan gizi. Mengetahui kontribusi faktor tingkat pengangguran terbuka terhadap kemiskinan di Sumatera tahun 2011 -2015. Sumatera Utara. IV. masalah yang diteliti dalam penulisan ini antara lain sebagai berikut: 1. kelaparan. Garis kemiskinan merupakan penjumlahan dari garis kemiskinan makanan dan garis kemiskinan non makanan. keterbatasan akses pendidikan dan pelayanan dasar lainnya. Wilayah analisis dari penulisan ini adalah hanya mencakup 5 provinsi yang berada di wilayah Pulau Sumatera. 2011). Terdapat hubungan positif antara tingkat pengangguran terbuka dan inflasi terhadap kemiskinan di Sumatera 2. lingkungan yang tidak aman. dan Sumatera Selatan. Analisis untuk mengetahui keterkaitan antara kemiskinan dengan faktor-faktor lain harus juga mempertimbangkan perubahan dari waktu ke waktu yang tidak bisa diselesaikan dengan analisis statistik biasa. Terdapat hubungan negatif antara sanitasi terhadap kemiskinan di Sumatera V. peningkatan morbiditas dan peningkaan kematian akibat penyakit. tujuan penelitian ini adalah sebagai berikut: 1. dan inflasi terhadap kemiskinan di lima Provinsi di Sumatera pada tahun 2011-2015. TUJUAN PENELITIAN Sesuai dengan rumusan masalah. sanitasi. HIPOTESA Hipotesis dalam penulisan ini adalah sebagai berikut: 1. 3. Masyarakat digolongkan ke dalam penduduk miskin apabila memiliki rata-rata pengeluaran perkapita perbulan di bawah garis kemiskinan. kesehatan yang buruk.I. LATAR BELAKANG Kemiskinan merupakan masalah yang menyangkut banyak aspek karena berkaitan dengan kurangnya pendapatan dan sumber daya produktif yang memadai untuk menjamin kelangsungan hidup. Bagaimana pengaruh sanitasi terhadap kemiskinan di Sumatera tahun 2011-2015? 3. II. Bagaimana pengaruh inflasi terhadap kemiskinan di Sumatera tahun 2011-2015? III. Analisis statistik konvensional (analisis regresi.

peneliti menggunakan metode analisis regresi linier panel data dengan bantuan STATA 9. Hasil penelitian menunjukkan bahwa PDRB. Penelitian Sebelumnya Dalam penelitian Pengaruh Produk Domestik Regional Bruto. Inflasi Inflasi dapat didefinisikan sebagai kenaikan harga-harga yang berlaku dalam suatu peerekonomian. tetapi tidak dapat memperoleh pekerjaan yang diinginkannya. Pengangguran terbuka (open unemployment). adalah mereka yang secara nominal bekerja penuh namun produktivitasnya rendah sehingga pengurangan dalam jam kerjanya tidak mempunyai arti atas produksi secara keseluruhan. d. Kemiskinan Kemiskinan menurut World Bank didefinisikan sebagai The denial of choice and opportunities most basic for human development to lead a long healthy. 4. Data didapatkan dari Badan Pusat Statistik untuk Provinsi di Pulau Sumatera tahun 2011 sampai dengan tahun 2015. inflasi moderat yaitu mencapai antara 4 sampai 10 persen. Pengangguran dan Indeks Pembangunan Manusia terhadap Kemiskinan di Jawa Barat oleh Sussy Susanti (2013). Tenaga kerja yang tidak produktif. 2004:14). Setengah pengangguran (under unemployment). dan tingkat inflasi berbeda antara satu Negara dengan Negara yang lain. self esteem and the respect of other. Tingkat inflasi berbeda dari satu periode ke periode lain. 2. (Sukirno. Diuraikan secara empiris mengungkap faktor-faktor dan variabel-variabel yang signifikan mempengaruhi kemiskinan. creative life and enjoy a decent standard of living freedom. Ukuran kemiskinan disebut garis kemiskinan. sehingga tidak ada satu garis kemiskinan yang berlaku umum. sample/individu yang mungkin berubah. Sedangkan bentuk-bentuk pengangguran adalah: 1. . sanitasi. dan selanjutnya dapat dijadikan sebagai pertimbangan dalam menyusun kebijakan pengentasan kemiskinan oleh pengambil kebijakan yang terkait. TINJAUAN LITERATUR a. serta inflasi serius yang dapat mencapai beberapa puluh atau beberapa ratus persen dalam setahun. Hal ini disebabkan karena adanya perbedaan lokasi dan standar kebutuhan hidup. Garis kemiskinan yang digunakan setiap negara berbeda-beda. Garis kemiskinan adalah suatu ukuran yang menyatakan besarnya pengeluaran untuk memenuhi kebutuhan dasar minimum makanan dan kebutuhan non-makanan atau standar yang menyatakan batas seseorang dikatakan miskin bila dipandang dari sudut konsumsi. MANFAAT Hasil penelitian ini diharapkan mampu memberikan informasi di dalam memahami pengaruh laju tingkat pengangguran. Pengangguran Menurut standar pengertian yang sudah ditentukan secara internasional. Tenaga kerja yang lemah (impaired) adalah mereka yang mungkin bekerja penuh tetapi intensitasnya lemah karena kurang gizi atau penyakitan. VII. adalah mereka yang mampu dan seringkali sangat ingin bekerja tetapi tidak tersedia pekerjaan yang cocok untuk mereka. dan inflasi terhadap kemiskinan di lima provinsi di Sumatera. adalah mereka yang mampu bekerja secara produktif tetapi tidak bisa menghasilkan sesuatu yang baik. Tingkat inflasi dibagi menjadi tiga yaitu tingkat nflasi rendah yang mencapai di bawa 2 atau 3 persen. VI. c. 3. pngangguran adalah seseorang yang sudah digolongkan dalam angkatan kerja yang secara aktif sedang mencari pekerjaan pada suatu tingkat upah tertentu. Pengangguran dan IPM berpengaruh signifikan terhadap tingkat kemiskinan di Jawa Barat pada tahun 2009-2011. b.

METODOLOGI a. dan Kesehatan Terhadap Kemiskinan di Jawa Tengah Tahun 2004-2009 (2012) menggunakan Regresi Panel. tingkat inflasi dari lima provinsi di Sumatera (Aceh. Jenis dan Sumber Data Penelitian ini menggunakan data sekunder dari BPS meliputi data persentase kemiskinan. Kerangka Pikir b. α3 = koefisien regresi variabel bebas ε = Error Term i = subjek ke-i (Provinsi di Sumatera) t = Tahun ke-t c. Hasil penelitian menunjukkan bahwa variabel tingkat pertumbuhan PDB. Pendidikan. kesehatan memiliki dampak negatif dan signifikan terhadap kemiskinan. α2. pendidikan. Anggit Yoga Permana dalam penelitian berjudul Analisis Pengaruh PDRB. Sementara itu. akses sanitasi layak. tingkat pengagguran terbuka. Model Ekonometrika Fungsi model Ekonometrika dalam penulisan ini adalah sebagai berikut: KEMSIKINANit = αo + α1TPTit + α2SANITASIit + α3INFLASIit + εit Dimana : KEMISKINAN = Persentase Kemiskinan (Persen) TPT = Tingkat Pengangguran Terbuka (Persen) SANITASI = Akses Sanitasi Layak (Persen) INFLASI = Tingkat Inflasi (Persen α0 = intersep α1. Pengangguran. tingkat pengangguran memiliki variabel memiliki pengaruh positif dan tidak signifikan terhadap kemiskinan. . VIII.

Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV). H1: Pilih FE b. Sumut. c. Apabila Hasil -> H0: Pilih RE. Apabila Hasil -> H0: Pilih PLS. manajerial. • Penentuan Metode Estimasi Regresi Data Panel Untuk memilih model yang paling tepat terdapat beberapa pengujian yang dapat dilakukan. antara lain: a. antara lain: a. sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. dan insentif. Jambi. Sumatera Utara. Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas. Sumsel) dengan rentang waktu tahunan 2011 . Uji Chow : Chow test adalah pengujian untuk menentukan model apakah Common Effect (CE) ataukah Fixed Effect (FE) yang paling tepat digunakan dalam mengestimasi data panel. Metode Analisis Metode Regresi Data Panel akan memberikan hasil pendugaan yang bersifat Best Linear Unbiased Estimation (BLUE) jika semua asumsi Gauss Markov terpenuhi diantaranya adalah non-autcorrelation. Uji Hausman: Hausman test adalah pengujian viitatistic untuk memilih apakah model Fixed Effect atau Random Effect yang paling tepat digunakan. Common Effect Model atau Pooled Least Square (PLS) : Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. perbedaan intersep bisa terjadi karena perbedaan budaya kerja. Pada model Random Effect perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan. Riau. Sehingga jenis data yang digunakan adalah data panel dengan jumlah observasi sebanyak 25. • Penentuan Model Estimasi Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan. Pada model ini tidak diperhatikan dimensi waktu maupun individu. Uji Lagrange Multiplier: Uji Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model Random Effect lebih baik daripada metode Common Effect (PLS) digunakan.2015. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS) . H1: Pilih RE Ketiga uji untuk menentukan Metode Estimasi di atas digambarkan dalam grafik di bawah ini: . Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel. Fixed Effect Model (FE): Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model Fixed Effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan. Random Effect Model (RE): Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Apabila Hasil -> H0: Pilih PLS (CE). Namun demikian slopnya sama antar perusahaan. d. b. H1: Pilih FE c.

05 maka kita akan memilih fixed effect dari pada common effect.0000. .05 maka kita akan memilih common effect daripada fixed effect. Di mana nilainya adalah 0. Dan sebaliknya jika nilainya > 0. yaitu pada baris “Cross-section Chi-square” kolom Prob. Cara interprestasi Chow Test berdasarkan nilai tersebut yaitu jika nilai Prob. Berikut ini merupakan tahapan Analisa data panel: • Analisis Common Efect dengan E-Views • Analisis Fixed Effect dengan E-Views • Chow Test dengan E-Views Jika dilihat pada output di atas. IX. (highlight biru). Analisa Hasil Proses Analisis kali ini menggunakan model analisis data panel menggunakan software E-Views 10. Cross-section Chi-square < 0.

Nilai P Value 0.05 maka tolak H1 terima H0.05 maka chow test memilih fixed effect.4823. maka dalam tutorial ini nilai prob sebesar 0. .000 < 0.Berdasarkan gambar di atas. Oleh karena analisis telah sampai pada tahap pasca chow test dan hasilnya adalah memilih fixed effect. Apabila chow test memilih fixed effect.4823 LEBIH dari 0. • Analisis REM Pasca Chow Test • Hausman Test dengan Eviews Jika dilihat nilai p value dari uji hausman. maka kita tinggal melakukan random effect saja. berarti metode terbaik yang harus digunakan adalah rem. dimana dalam analisis ini nilainya sebesar 0. maka langkah selanjutnya adalah melakukan random effect kemudian melakukan Hausman Test untuk memilih fixed effect ataukah random effects. Uji Hausman atau yang sering disebut dengan istilah Hausman Test adalah uji yang digunakan untuk menentukan metode yang terbaik antara fixed effect ataukah random effect.

Hausman Test menerima H0 atau p value > 0. Uji Lagrange Multiplier Test atau biasa disebut dengan istilah Lagrangian Multiplier Test adalah analisis yang dilakukan dengan tujuan untuk menentukan metode yang terbaik dalam regresi data panel. apakah akan menggunakan common effect atau random effect.05 maka metode yang kita pilih adalah random effect.05. Kemudian dilanjutkan dengan uji Lagrangian Multiplier untuk menentukan apakah kita tetap memilih Random effect ataukah Common effect. • Lagrange Multiplier Test dengan E-Views Berikut di bawah ini dipaparkan Hasil Uji Breusch-Pagan Lagrange Multiplier pada REM Nilai P Value ditunjukkan oleh angka yang berada dibawah yaitu sebesar 0.000 dimana nilainya kurang dari 0. Sehingga Lagrange Multiplier Test ini menunjukkan bahwa menerima H1 yang berarti metode estimasi terbaik adalah Random Effect. Evaluasi Umum . • Interpretasi Regresi Terpilih (Model REM) a.

ceteris paribus. o Dependent variabel: Kemiskinan.8 persen dijelaskan oleh variabel lain di luar model. ❖ Akses Sanitasi Layak memiliki pengaruh negative terhadap Kemiskinan dimana setiap penurunan Akses Sanitasi Layak sebesar 1 persen. • Nilai probabilitas Uji Simultan (Prob. Evaluasi Ekonomi: Hasil evaluasi ekonomi terhadap kemiskinan pada lima provinsi di Sumatera Tahun 2011 – 2015 adalah sebagai berikut: ❖ TPT memiliki pengaruh positif terhadap kemiskinan dimana setiap kenaikan persentase TPT sebesar 1% dalam setahun. Menjelaskan jumlah objek yang digunakan dalam penelitian. d. Hasil analisis di atas dilakukan menggunakan program Eviews dengan menghasilkan model estimasi fixed effect.80. o Periods included: 5.582 artinya bahwa sebesar 58. F-Statistic) kurang dari α = 5% (yaitu 0. ❖ Inflasi memiliki pengaruh negatif terhadap persentase kemiskinan dimana setiap penurunan Inflasi sebesar 1 persen. . • Variabel Akses Sanitasi Layak secara individual tidak signifikan mempengaruhi variabel IPM yang ditunjukkan dengan Prob. t-Statistic > α = 5%. o Cross-section included: 5. • Variabel independen yang secara individual signifikan mempengaruhi variabel dependen dalam model ini (Kemiskinan) yaitu TPT dan Inflasi yang ditunjukkan dengan nilai Prob. maka beberapa evaluasi statistik yang dapat diperoleh adalah sebagai berikut: • Nilai Koefisien Determinasi (Adjusted R-Squared) sebesar 0. menyebabkan kenaikan kemiskinan sebesar 0. Terlihat dari hasil analisis fixed effect di atas. t-Statistic < α = 5%. Yaitu 5 provinsi di Sumatera o Total Panel (balanced) observations: 25.2 persen varians variabel dependen (Kemiskinan) dapat dijelaskan oleh variabel independen dalam model ini (TPT. maka dalam model regresi terjadi multikolinearitas. Akses Sanitasi Layak dan Inflasi) dan sebesar 41. ceteris paribus. terdapat beberapa hal dari hasil analisis yang saya rincikan sebagai berikut. yang mana panel least square adalah random effect model.000079) artinya bahwa seluruh variabel independen di dalam model secara bersama – sama signifikan mempengaruhi variabel dependennya. menyebabkan kenaikan Kemiskinan sebesar 1. tidak ada data yang kosong / tidak tersedia b. Untuk mengukur terjadinya multikolinearitas pada model regresi dilihat dari koefisien korelasi antara masing-masing variabel bebas. Evaluasi Ekonometrika / Uji Asumsi Klasik • MULTIKOLINEARITAS Multikolinearitas adalah adanya hubungan linear yang sempurna di antara variabel yang menjelaskan model regresi. Evaluasi Statistik Berdasarkan informasi yang diperoleh dari Tabel diatas. Menjelaskan bahwa dalam penelitian ini menggunakan Kemiskinan sebagai variabel dependenpen atau terikat.25 persen.1 persen. Apabila koefisien > 0.000. Menjelaskan bahwa data yang digunakan seimbang. menyebabkan kenaikan kemiskinan sebesar 0. Menunjukkan series waktu yang digunakan dalam kajian. yaitu 0. o Sample: 2011 – 2015. c. o Method: Panel Least Square. Menjelaskan metode yang digunakan untuk analisis.48 persen. ceteris paribus. Merupakan banyaknya/lamanya/series tahun dalam penelitian.

511247 > 0. Heteroskedastisitas tidak menghilangkan sifat ketidakbiasan dan konsistensi estimator. Dari hasil pengujian tersebut terlihat bahwa tidak adanya multikolinearitas dalam model regresi. Uji glejaser meregresikan variabel-variabel bebas terhadap residual abasolut. Residual adalah selisih selisih antara nilai observasi dengan nilai prediksi. Karena koefisien korelasi antara variabel independen < 0. Proses melakukan pengujian heteroskedastisitas pada analisis data panel dalam artikel ini adalah menggunakan uji glejser. data penelitian berdistribusi normal. . Hipotesis yang digunakan adalah: H0 : Data berdistribusi normal H1 : Data tidak berdistribusi normal Jika hasil dari JB hitung > Chi Square tabel. fokus pada Jerque-Bera dan Probability. metode REM yang menggunakan metode Generalized Least Square (GLS) dapat mengabaikan persoalan pelanggaran asumsi klasik (multikolinearitas. proses pengolahan data dan model yang dipilih adalah random efffect model (REM). maka data berdistribusi normal. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. maka H0 ditolak Jika hasil dari JB hitung < Chi Square tabel. maka data tidak berdistribusi normal. sementara absolut adalah nilai mutlaknya. Dalam software EViews normalitas sebuah data dapat diketahui dengan membandingkan nilai Jarque-Bera (JB) dan nilai Chi Square tabel. dan autokorelasi) (Sedyadi. Maka H0 diterima. heteroskedastisitas.80. 2014). karena 0.05. Jika probability > α. Disebabkan. Pada tutorial kali ini. • UJI NORMALITAS Uji normalitas bertujuan untuk menguji apakah dalam model regresi panel variabel- variabelnya berdistribusi normal atau tidak. maka pengujian dapat dikatakan selesai. Jika probability< α. maka H0 diterima Untuk mengambil keputusan. H a • UJI HETEROSKEDASTISITAS Heteroskedastisitas terjadi ketika nilai varians dari setiap eror berbeda atau bervariasi. Uji JB didapat dari histogram normality yang akan kita bahas dibawah ini. akan tetapi menyebabkan estimator tidak memiliki varians yang minimum dan efisien.

Pengangguran berdasarkan hasil penelitian berpengaruh positif dan signifikan terhadap kemiskinan. sehingga jumlah uang beredar bisa kembali seimbang. yaitu Riau. Dengan melibatkan lima provinsi di Sumatera dalam estimasi pemodelan menunjukkan bahwa secara parsial pengangguran mempunyai pengaruh positif yang signifikan terhadap kemiskinan. Rekomendasi Kebijakan a. b. Sumatera Utara. Artinya semakin tinggi sanitasi di suatu provinsi maka akan menurunkan kemiskinan. Simpulan dan Saran a. Dengan melibatkan lima provinsi di Sumatera dalam estimasi pemodelan menunjukkan bahwa secara parsial sanitasi mempunyai pengaruh negatif yang signifikan terhadap kemiskinan. Sumatera Selatan. Inflasi berdasarkan hasil penelitian berpengaruh positif dan signifikan terhadap kemiskinan. dengan hasil tersebut diharapkan Pemerintah di 5 provinsi Sumatera. Artinya semakin pengangguran di provinsi tersebut maka akan meningkatkan kemiskinan. akan ada banyak barang yang bisa dibeli masyarakat. Selain itu pemerintah juga bisa mengatasi inflasi dengan menentukan harga maksimum agar harga-harga barang tidak terlalu tinggi dan melakukan pengawasan dan distribusi barang. Artinya semakin tinggi inflasi di suatu provinsi tersebut maka akan meningkatkan kemiskinan. Dengan melibatkan lima provinsi di Sumatera dalam estimasi pemodelan menunjukkan bahwa secara parsial inflasi mempunyai pengaruh positif yang signifikan terhadap kemiskinan. dengan hasil tersebut pemerintah diharapkan bisa memberikan subsidi atau membuat peraturan yang mendorong pengusaha-pengusaha menjadi lebih produktif sehingga hasil produksinya bisa bertambah. b. misalkan dengan menggerakan sektor informal dan membuka kesempatan yang luas dalam kewirausahaan. c.X. c. Dengan adanya hasil produksi yang lebih banyak. Sanitasi berdasarkan hasil penelitian berpengaruh negative yang signifikan terhadap kemiskinan. dan Aceh dapat mencari pendekatan yang terbaik dalam menekan angka pengangguran sehingga dampaknya dapat menurunkan tingkat kemiskinan. Dengan hasil tersebut diharapkan Pemerintah di provinsi di Sumatera bisa lebih baik dalam mengentaskan kemiskinan dengan membuat program-program bagi masyarakat yang bisa meningkatkan sanitasi. Jambu. . XI.

Nurkholis. Makro Ekonomi Modern: Perkembangan Pemikiran dari Klasik sampai Keynesian. Saktyanu K. Gujarati. Harga dan Kemiskinan. 2003. Inc. MA: MIT Press. Wooldridge. 2012. 2017. 2nd ed. Yogyakarta: UPP AMP YKPN. Produksi Domestik Bruto. Pengaruh Produk Domestik Regional Bruto. 9 No. New York. . Simatupang. 2017. Serang. 1-18. McGraw Hill. Jakarta: Lembaga Penerbit FE-UI. 2001.N. Modul Dasar Ekonometrika dengan Software EViews. Pengangguran dan Indeks Pembangunan Manusia terhadap Kemiskinan di Jawa Barat dengan Menggunakan Analisis Data Panel. dan Kesehatan Terhadap Kemiskinan di Jawa Tengah Tahun 2004-2009. Cambridge. Anggit Yoga. 2010. Kuncoro. Edisi I. 2000. Mudrajad. Skripsi Analisis Pengaruh PDRB. D. 2003. Nurkholis. Pantjar dan Dermoredjo. Modul Ekonometrika Data Panel. Jurnal Matematika Integratif ISSN 1412-6184 Vol. Permana. Pengangguran. 2017. Penelitian Jurnal Susanti. Sadono Sukirno. Metode Kuantitatif: Teori dan Aplikasi untuk Bisnis dan Ekonomi.DAFTAR PUSTAKA Badan Pusat Statistik (BPS). Sussy (2013). Pendidikan. Basic Econometrics. April 2013 pp. Econometric Analysis of Cross section and Panel Data. Serang. Jeffrey M. 1.