Skripsi M Sowwam_0603000486

UNIVERSITAS INDONESIA FAKULTAS EKONOMI

SKRIPSI

PENGARUH INFRASTRUKTUR TERHADAP KEMISKINAN DI INDONESIA: ANALISIS DATA PANEL 1990-2004

Diajukan oleh: MUHAMAD SOWWAM 0603000486

UNTUK MEMENUHI SEBAGIAN DARI SYARAT-SYARAT GUNA MENCAPAI GELAR SARJANA EKONOMI DEPARTEMEN ILMU EKONOMI

2007

UNIVERSITAS INDONESIA FAKULTAS EKONOMI UNIVERSITAS INDONESIA

TANDA PERSETUJUAN SKRIPSI

Nama

: Muhamad Sowwam

Nomor Mahasiswa

: 0603000486

Departemen

: Ilmu Ekonomi

Konsentrasi

: Publik/Regional

Judul Karya Akhir: Pengaruh Infrastruktur Terhadap Kemiskinan di Indonesia: Analisis Data Panel 1990-2004

Tanggal………………………

Ketua Departemen Ilmu Ekonomi

( Robert A Simanjuntak, Ph.D)

Tanggal…………………….

Pembimbing Karya Akhir

(Jossy Prananta Moeis, Ph.D)

SURAT PERNYATAAN

Saya menyatakan dengan sesungguhnya bahwa skripsi dengan judul:

“Pengaruh Pembangunan Infrastruktur terhadap proses pengurangan kemiskinan di Indonesia: Analisis Data Panel 1990-2004”

yang disusun untuk melengkapi sebagian persyaratan menjadi Sarjana Ekonomi pada Departemen Ilmu Ekonomi Fakultas Ekonomi Universitas Indonesia bukan merupakan tiruan atau duplikasi dari skripsi yang sudah dipublikasikan dan atau pernah dipakai untuk mendapatkan gelar kesarjanaan ataupun jenjang pendidikan tinggi lainnya di lingkungan Universitas Indonesia maupun di Perguruan Tinggi atau instansi manapun, kecuali bagian yang sumber informasinya dicantumkan.

Depok, 10 Desember 2007

Muhamad Sowwam NPM: 0603000486

KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Allah SWT, Rabb semesta alam, dimana jiwa dan nasib penulis berada dalam genggaman-NYA. Rabb yang selalu memberikan yang terbaik kepada hamba-Nya, walaupun hamba-Nya itu telah banyak berbuat dosa dan khianat kepada-Nya. Selanjutnya ucapan terima kasih yang penghargaan yang setinggi – tingginya penulis sampaikan kepada: 1. Orang tua tercinta, Bapak, Alm H. Imam Mahdi dan Ibunda Hj. Nadiroh. Terima kasih atas dukungan yang diberikan kepada ananda. Terima Kasih telah mendoakan ananda dalam sujud panjang, dalam tiap heningnya malam, maupun dalam tiap detik ananda membutuhkan, sehingga Allah SWT berkenan menurunkan keajaiban– keajaiban untuk tiap langkah ananda. Terimakasih atas keridhaan yang diberikan kepada ananda sehingga mengundang keridhaan Allah SWT. 2. Terimakasih ananda ucapkan kepada kakanda Latifatun, Muhamad Fauzi, Titin Rohmatin S,Ag, Neneng Hasanah S.Ag, Agus Amin, dan Nunung Nurseha A.Md yang dengan caranya sendiri memberikan semangat kepada saya, terimakasih atas doa-doa nya. 3. Bapak Jossy P Moeis, Ph.D, pembimbing skripsi penulis, yang ditengah kesibukannya berkenan untuk mentransfer keahliannya dalam ilmu ekonomi kemiskinan, membimbing dan memberikan masukan serta saran yang sangat berarti. Dengan pemikiran dan hati yang ada pada Bapak, saya berharap agar bapak dapat ikut berperan besar dalam proses pembuatan kebijakan berkaitan dengan kemiskinan di negeri ini. 4. Bapak Ari Kuncoro Ph.D, dan Ibu Suyanti MSc selaku penguji penulis yang berkenan memberikan saran menyeluruh pada penulisan skripsi ini. Selain itu, memberikan insight yang luar biasa pada penulis mengenai skripsi ini saat sidang. Sungguh sangat mencerahkan. 5. Mas Dewa, dan Mba Ruri (di LDFEUI) atas pelatihan singkat interpolasi, dan data management dengan stata. Mas Abdi, terimakasih atas pengalaman kerja yang diberikan di LD-FEUI. 6. Teman-teman IE 2003, Yudhis (good co-worker), Kindy (calon gubernur Bekasi yang ekonom), Kiki (teman pertama di IE), Ikhsan (pak ustadz), Robby (pria rajin,

konkrit), Putri (thx atas hausman test-nya), Iqbal (catatan penuh gambar), Dani, Ibnu, Husna, Dinar, Yogi, Ira, Arik, Erwin, Andre, Meining, Tuti, Aryo, Ardi, Angga, Adi, Rika, Urfi, Fitri, Ria, Ira, Icha, Luvy, Oni, Firlana, Sandhi, Alex, Nanto, dody, Liano, Prita, Ester, Katrin, Agnes, dan yang lainnya (maaf kalo ada yang terlewat). 7. Temen-temen di Arista, tempat kos di tahun terakhir penulis di FEUI, (kos-kosan paling ’rimbun’ yang pernah ada), Seno, Domi, Iman, Tigor, owbie, aha, kholid, basori, susanto, dll. 8. Temen-temen part-timer di perpustakaan: UJ, Minang, Irvan, Sukma, Abdur, Oco, Eko, Rini, Happy, Triana, dll. 9. Temen-temen di asrama Etos Jakarta, temen-temen KSM ekaprasetya UI mulai dari zaman Sonny, Supri hingga Zakky, temen-temen BEM (Ai, Habibi, Ojan, Eka, Rimas, Aji, dkk) khususnya PUSGERAK BEM UI (bung Tyan, Faisal, Shofwan, Ivan, Giyanto, Iif, Apip), teman-teman pemenang LKTI G-trans, sungguh sarana diskusi yang menyenangkan, menyegarkan dan menggairahkan, tempat tukar pikiran, tempat perjuangan, terimakasih telah meningkatkan kapabilitas penulis. 10. Pegawai perpustakaan FEUI, tempat penulis ’bekerja’ dan menimba ilmu terimakasih atas ”akses tidak terbatas” pada buku yang digunakan sebagai bahanbahan belajar selama di FEUI dan untuk pembuatan skripsi ini. 11. Akhirnya pada embun surgaku. Diturunkan oleh Sang Khalik dengan cinta-Nya. Penawar atas kehausan, dampak kefanaan dunia. Entah di belahan dunia mana, entah kapan dapat menemukannya. Cawan hati ini akan selalu dibersihkan agar dapat menampung kesucian dan kemuliaanya. Membawanya kembali ke tempat asalnya, surga. Dan seluruh teman – teman lainnya, pihak – pihak yang tidak bisa disebutkan namanya di sini; keberadaan anda semua membuat segalanya jadi lebih mudah dan lebih indah. Semoga Allah SWT membalas kebaikan anda semua dengan pahala yang berlipat dan mengekalkan persaudaraan kita selamanya.

Wassalamu’alaikum wr.wb.

Jakarta, 10 Desember 2006, Penulis, Muhamad Sowwam

Karya ini kupersembahkan kepada kedua orang tuaku, kakakkakakku, dan kepada mereka yang selalu dan akan terus berjuang memerangi berbagai bentuk pemiskinan, penjajahan, pendudukan, pengusiran, penggusuran,…

ABSTRAKSI

Judul

: Pengaruh Infrastruktur Terhadap Kemiskinan di Indonesia: Analisis Data Panel 1990-2004

Nama

: Muhamad Sowwam

NPM

: 0603000486

Departemen

: Ilmu Ekonomi

viii halaman + 120 halaman + 12 Tabel + 6 gambar dan grafik

Kebijakan pemerintah, yang mengadopsi kebijakan New Deal, berfokus pada pembangunan infrastruktur guna tercapainya tiga tahap strategi (triple-track strategy). Triple-track strategy itu sendiri terdiri atas pro-growth, pro-job dan pro-poor. Namun sebenarnya pola hubungan antara infrastruktur dengan kemiskinan masih belum dapat disimpulkan. Studi ini bertujuan untuk melihat pengaruh infrastruktur terhadap kemiskinan tingkat propinsi di Indonesia. Pembagian infrastruktur pada studi ini merujuk pada definisi Bank Dunia, yaitu infrastruktur ekonomi (jalan, listrik, irigasi, telepon), dan infrastruktur sosial (pendidikan dan kesehatan). Dengan menggunakan data panel pada tingkat propinsi periode 1990-2004, dan metode effect tetap (fixed effect), serta berbagai lag, studi ini menghasilkan estimasi empiris. Pertama, dengan menggunakan lag 1 tahun didapat bahwa air, jalan, banyaknya sekolah SMP-SMA dan jumlah tempat tidur di rumah sakit tidak signifikan pada tingkat 5%. Sementara itu, terdapat tujuh variabel yang signifikan. Diantaranya adalah listrik dengan koefisien -0,2, kemudian banyaknya sekolah dasar dengan -0,11 , dan telepon dengan koefisien -0,08, dan irigasi sebesar -0,06. Penelitian ini juga menemukan bahwa krisis secara empiris meningkatkan penduduk miskin. Selain itu pada penelitian ini juga didapat bahwa kemiskinan periode sebelumnya berpengaruh secara positif pada jumlah kemiskinan saat ini.

Kata kunci: infrastruktur, kemiskinan, fixed-effect, pembangunan, pertumbuhan.

iii

DAFTAR ISI

Kata Pengantar ....................................................................................................................i Abstraksi .......................................................................................................................... iii Daftar Isi ..........................................................................................................................iv Daftar Tabel ......................................................................................................................vi Daftar Grafik....................................................................................................................vii BAB I PENDAHULUAN.....................................................................................................1 1.1. Latar Belakang ..........................................................................................................1 1.2. Perumusan Masalah ..................................................................................................6 1.3. Tujuan dan Manfaat Penelitian .................................................................................6 1.4. Hipotesis ...................................................................................................................7 1.5. Metode Penelitian .....................................................................................................7 1.6. Kerangka Penulisan ..................................................................................................8 BAB II LANDASAN TEORI ..............................................................................................9 2.1. Kemiskinan..............................................................................................................9 2.1.1. Perkembangan Konsep Kemiskinan ................................................................9 2.1.2. Garis Kemiskinan...........................................................................................12 2.1.2.1. Garis Kemiskinan Absolut......................................................................13 2.1.2.2. Garis Kemiskinan Relatif .......................................................................16 2.1.2.3. Garis Kemiskinan Subjektif....................................................................17 2.1.3. Aggregasi kemiskinan....................................................................................19 2.1.4. Faktor-Faktor Penyebab Kemiskinan ............................................................23 2.1.5. Kebijakan Kemiskinan...................................................................................29 2.2. Infrastruktur: Sebuah Kerangka Konseptual .........................................................35 2.2.1. Infrastruktur dan Kegagalan Pasar.................................................................39 2.3. Penelitian-Penelitian Sebelumnya.........................................................................41 2.3.1. Infrastruktur Irigasi ........................................................................................41 2.3.2. Infrastruktur Jalan ..........................................................................................46 2.3.3. Pendidikan......................................................................................................48 2.3.4. Infrastruktur Telepon .....................................................................................49 2.3.5. Infrastruktur Listrik........................................................................................50 2.3.6. Kesehatan.......................................................................................................51 2.4. Dasar Pembentukan Model ...................................................................................54 BAB III METODOLOGI PENELITIAN ........................................................................59 3.1. Spesifikasi Model......................................................................................................59 3.2. Data ...........................................................................................................................61 3.3. Metode Pengolahan Data ..........................................................................................62 3.3.1. Data Panel ..........................................................................................................62 iv

3.3.1.1. Pooled (Ordinary Least Square, OLS) ........................................................64 3.3.1.2. Fixed Effects Model (Least-Squared Dummy Variable/ LSDV) ...............65 3.3.1.3. Random Effects Model (Error Component Model) ....................................66 3.3.2. Pemilihan Metode Estimasi ...............................................................................67 3.4. Pengujian Model .......................................................................................................70 3.4.1. Kriteria Ekonomi ...............................................................................................70 3.4.2. Kriteria Statistik .................................................................................................70 3.4.3. Kriteria Ekonometrik .........................................................................................71 BAB IV ANALISIS DAN HASIL ESTIMASI ................................................................76 4.1. Deskripsi Data .......................................................................................................76 4.2. Pemilihan Model Estimasi ....................................................................................77 4.3. Uji Statistik dan Uji Ekonometrika........................................................................78 4.3.1. Kriteria Statistik .................................................................................................78 4.3.2. Kriteria Ekonometrika .......................................................................................79 4.4. Analisis Temuan Empiris ......................................................................................83 4.4.1. Variabel Irigasi...................................................................................................84 4.4.2. Air bersih ...........................................................................................................86 4.4.3. Variabel Jalan.....................................................................................................89 4.4.4. Variabel Kesehatan ............................................................................................90 4.4.5. Variabel Pendidikan...........................................................................................92 4.4.6. Variabel Telepon................................................................................................95 4.4.7. Variabel Krisis ...................................................................................................96 4.4.8. Variabel Listrik ..................................................................................................97 4.4.9. Variabel Kemiskinan Periode Sebelumnya .......................................................99 BAB V KESIMPULAN, SARAN, DAN KETERBATASAN STUDI .........................101 5.1. Kesimpulan .............................................................................................................101 5.2. Saran .......................................................................................................................102 5.3. Keterbatasan Studi ..................................................................................................103 DAFTAR PUSTAKA.......................................................................................................106 LAMPIRAN......................................................................................................................110

v

DAFTAR TABEL

Tabel 1-1 Kondisi Ketenagakerjaan

2

Tabel 1-2 Tingkat Kemiskinan: Target dan Kondisi Aktual

2

Tabel 1-3 Kinerja Infrastruktur di Indonesia, 2004

4

Tabel 4-1 Deskripsi Data

77

Tabel 4-2 Hasil Estimasi Persamaan

78

Tabel 4-3 Matriks Korelasi

80

Tabel 4-4 Variance Inflation Factors a

81

Tabel 4-5 Variance Inflation Factors b

81

Tabel 4-6 Hasil Estimasi Persamaan Akhir

83

Tabel 4-7 Rumah Tangga yang Memiliki Luas Tanam (Padi) Kurang dari 0.5 Ha

85

Berdasarkan kuintil, Indonesia, 2004 Tabel 4-8 Akses Sumber Air Minum Berdasarkan Kuintil, Indonesia, 2004

89

Tabel 4-10 Banyaknya Rumah Tangga yang Menggunakan Listrik PLN Sebagai

98

Sumber Penerangan, Indonesia, 2004

vi

DAFTAR GRAFIK

Gambar 2-1: Peta Konsep dari Teori-Teori Penyebab Kemiskinan

26

Gambar 2-2: Siklus Intergenarasi Pembentukan Modal Manusia

52

Gambar 3-1: Pengujian Pemilihan Metode Data Panel

68

Grafik 4-1: Akses Terhadap Air Bersih Berdasarkan Tingkat Penghasilan

87

Grafik 4-2: Persentase Jalan Kabupaten dengan Kondisi Baik terhadap Total Jalan

89

Kabupaten Di Setiap Provinsi, Indonesia, 2004 Grafik 4-3: Persentase Penduduk Miskin (dalam ribuan), Indonesia, 1976-2004

97

vii

BAB I PENDAHULUAN 1.1. Latar Belakang Pada pidato peresmian pembukaan kongres ke 16 ISEI di Manado tahun 2006, Presiden Soesilo Bambang Yudhoyono menyampaikan dua istilah penting. Pertama, istilah triple-track strategy, yaitu pro-growth, pro-job dan pro-poor. Trek pertama adalah meningkatkan pertumbuhan dengan mengutamakan ekspor dan investasi. Trek kedua adalah menggerakkan sektor riil untuk menciptakan lapangan kerja. Terakhir, trek yang ketiga, yaitu merevitalisasi pertanian, kehutanan, kelautan dan ekonomi perdesaan untuk mengurangi kemiskinan. Dengan demikian, pertumbuhan yang akan dihasilkan itu mendatangkan kebaikan. Pertumbuhan yang (sekaligus) dapat menciptakan lapangan kerja, dan mengurangi kemiskinan. Kedua, Presiden Soesilo Bambang Yudhoyono melontarkan pemikiran dan proposal mengenai arah kebijakan pembangunan yang akan dilakukan pemerintahannya pada beberapa tahun mendatang. Proposal program itu adalah, sebagaimana yang Presiden SBY katakan dalam pidatonya: "Program khusus ini, katakanlah new deal, prosperative new deal, mestilah lebih bersifat jangka pendek, tentu merupakan targeted action plan...Dan mengapa new deal ini harus kita pikirkan...kita boleh mengatakan the hungry can not wait. Bentuk program yang saya maksudkan tadi ...lebih fokus pada dua hal. Satu adalah employment creation, penciptaan lapangan kerja….”(Biro Per dan Media Rumah Tangga Kepresidenan, 2006)

Pemikiran dan proposal itu dilatarbelakangi oleh kondisi akibat krisis ekonomi yang memiliki magnitudo yang luar biasa dalam dan luasnya. Berdasar data BPS pada Februari 2006 diketahui bahwa pengangguran terbuka sebesar 11,1 juta orang, setengah menganggur 29,9 juta orang.

1

Tabel 1-1 Kondisi Ketenagakerjaan Rincian Penduduk usia >15 tahun (juta jiwa) Angkatan kerja (juta jiwa) • bekerja • tidak bekerja (penganggur terbuka) Setengah menganggur (juta jiwa) • sukarela • terpaksa Bukan angkatan kerja (juta jiwa) Jumlah penganggur (juta jiwa) Tingkat pengangguran terbuka (%)

2004 Agustus 153,9 104 93,7 10,3 27,9 14,5 13,4 50 38,2 9,9

2005 Februari 155,5 105,8 94,9 10,9 29,6 15,3 14,3 49,7 40,5 10,3

November 158,5 105,9 94 11,9 28,9 15,0 13,9 52,6 40,8 11,2

2006 Februari 159,3 106,3 95,2 11,1 29,9 15,7 14,2 53 41,0 10,4

Sumber: Badan Pusat Statistik

Selanjutnya, karena tidak ada pekerjaan, maka pendapatan (personal income) pada kelompok marginal tidak tinggi. Akibatnya, 39,05 juta (17,75%) rakyat pada prinsipnya masih miskin, dan sebanyak 13,02% yang hampir miskin (BPS, 2006). Tabel 1-2 Tingkat Kemiskinan: Target dan Kondisi Aktual Deskripsi

Awal

RPJM dan RKP

MDG

2004

2005

2006

2007

2008

2009

2015

15,0

13,3

14,4

--

8,2

7,2

16,6

15,8

17,75

16,5

Target

--

--

--

--

--

18,8

--

Aktual

36,1

35,2

39,30

37,17

Tk Kemiskinan (%) Target Aktual Jumlah Penduduk miskin (Juta)

Sumber RPJM 2004-2009, RKP 2006, RKP 2007, dan publikasi BPS

Secara teoretis proposal New Deal itu didasarkan dari adanya preseden sejarah sebelumnya. Sejarah dari adanya great depression yang sangat terkenal dalam sejarah perekonomian dunia. Di Amerika fenomena tersebut menyebabkan pergantian Presiden, dari Hoover ke Roosevelt. Akibat depresi, standar hidup menurun pada 1929-1933, di Amerika Serikat output industri turun sampai 30%. Tingkat pengangguran naik lebih dari 25%. (Skousen, 2005) Roosevelt mengusulkan banyak program untuk keluar dari kondisi tersebut. Program-program tersebut kemudian dikenal dengan istilah New Deal atau 2

Alphabet Soup (Schultz, 2006). Inti dari program new deal ini salah satunya adalah pembangunan infrastruktur. Program-program tersebut diantaranya adalah: CCC (civilian conservation corps) yang lebih merupakan proyek pekerjaan umum, didisain untuk konservasi lingkungan. Kemudian TVA (Tennesse valley authorithy), membangun bendungan; pembangkit tenaga listrik di sepanjang sungai Tennese. Selanjutnya WPA, dilakukan dengan melakukan pekerjaan berupa mengaspal jalan, membangun jembatan, lapangan udara, kantor pos. SSA (social security act) merupakan sistem kerjasama negara bagian yang menyediakan kompensasi untuk pengangguran dan asuransi untuk lanjut usia dan juga wealth tax act. Dengan adanya program-program tersebut, Roosevelt berhasil menggerakkan kembali roda perekonomian dan berhasil menanggulangi depresi tersebut. Dengan demikian, infrastruktur merupakan salah satu faktor penting dalam pembangunan ekonomi. Didukung dengan adanya preseden sejarah dan latar belakang pemikiran ekonomi yang ada, maka pemerintah tampaknya serius untuk mengimplementasikan strategi pembangunan ala Roosevelt itu ke Indonesia. Hal ini secara kasat mata dapat dilihat dari adanya kegiatan atau program-program seperti infrastructure summit, infrastructure exhibition and conference, kemudian pendirian komite kebijakan percepatan penyediaan infrastruktur (KKPPI), pelaksanaan proyek pembangunan 10.000 tower rumah susun, proyek pembangunan jalan tol trans-jawa yang sepanjang 913 Km dengan investasi total sebesar Rp42,46 triliun (NK dan RAPBN 2008), jalan tol Jakarta (JORR II) yang membutuhkan dana sebesar Rp 9,2 Triliun, proyek-proyek transportasi seperti pembangunan bandara, pelabuhan. Kemudian program listrik 10.000 MW dengan nilai investasi sebesar Rp105,4 triliun (NK dan RAPBN 2008), proyek energi bio-diesel, dan upaya lainnya dalam rangka menggenjot proyek infrastruktur.

3

Upaya-upaya tersebut dilakukan, juga, karena fakta bahwa kondisi infrastruktur yang semakin terpuruk semenjak krisis ekonomi. Sejak saat itu terlihat bahwa perhatian pemerintah pada kondisi infrastruktur di Indonesia sangat kurang, terutama pada penyedian infrastruktur khususnya di luar Jawa atau di Indonesia kawasan timur. Indonesia termasuk salah satu negara dengan kualitas atau mutu kinerja infrastruktur yang terburuk dalam satu kawasan (Tambunan, 2007). Hal ini dapat dilihat pada tabel di bawah ini bahwa dalam hal kelistrikan masih banyak penduduk Indonesia yang belum menikmati listrik (43%). Hanya empat dari 1000 orang yang memiliki jaringan telepon. Hampir setengah dari penduduk belum dapat mengakses ke sanitasi yang baik. Tabel 1-3 Kinerja Infrastruktur di Indonesia, 2004 No 1

klasifikasi Listrik Tingkat elektrifikasi (%) Kualitas listrik (skala 1-7) 2 Telekomunikasi Transmisi dan distribusi yang putus Jaringan telepon per 1000 orang Pemilik mobile phone per 1000 orang Pemilik telepon per 1000 orang 3 Air dan sanitasi %pop mengakses ke sanitasi yang baik %pop akses ke air bersih 4 Jalan Jaringan jalan raya (km/1000 penduduk) Jalan aspal perjumlah tanah Fatalitas jalan/100.000 orang Fatalitas jalan/100.000 kendaraan Sumber: World Bank, 2004

Kinerja

Urutan/ranking 11 dari 12

53 3,4 12 dari 12 11 4 6 9 7 dari 11 55 78 8 dari 12 1,7 0,8 4,6 4,5

Di tengah urgensitas untuk memperbaiki kondisi infrastruktur yang semakin buruk, sebenarnya masih terjadi perdebatan mengenai pola hubungan antara infrastruktur dengan kemiskinan. Oleh karena itu, perlu kiranya diteliti masalah ini. Hal ini dianggap penting karena berkaitan dengan pengambilan kebijakan publik. Ada dua pemikiran (mazhab) dalam melihat hubungan infrastruktur, pertumbuhan ekonomi dan pengurangan kemiskinan (Masika dan Baden, 1997). Pada satu sisi (kelompok pemikiran pertama), memandang pentingnya infrastruktur dalam pertumbuhan 4

ekonomi, dan upaya pengurangan kemiskinan di negara berkembang. Sementara kelompok pemikiran kedua melihat bahwa infrastruktur belum tentu berperan pada pengurangan kemiskinan. Kalaupun infrastruktur berperan dalam pertumbuhan ekonomi namun belum tentu terhadap kemiskinan. ‘Benang merah’ dari kedua pemikiran tersebut berkaitan dengan masalah akses, pembiayaan, lokasi, dan jenis infrastruktur. Dengan demikian, hubungan antara infrastruktur dan kemiskinan masih belum jelas (belum dapat disimpulkan). Mengenai perbedaan jenis infrastruktur. Bank Dunia membagi infrastruktur menjadi tiga komponen, yaitu infrastruktur ekonomi, infrastruktur sosial dan infrastruktur administrasi. Pertama, infrastruktur ekonomi adalah infrastruktur yang ditujukan untuk menunjang aktivitas ekonomi. Infrastruktur ini meliputi: public utilities (listrik, telekomunikasi, air, sanitasi, dan gas). Public work (jalan, bendungan, kanal, dan irigasi dan drainase) dan sektor transportasi (jalan rel, pelabuhan, lapangan terbang). Kedua, infrastruktur sosial yang diantaranya ialah pendidikan, kesehatan, perumahan. Ketiga, infrastruktur administrasi, misalnya penegakan hukum, kontrol administrasi dan koordinasi. Kecenderungan yang terjadi di Indonesia saat ini, secara sekilas, pembangunan infrastruktur lebih terkonsentrasi pada jenis infrastruktur (jalan tol, komunikasi, serta energi). Investasi pada infrastruktur ini memiliki porsi lebih besar dibandingkan dengan jenis infrastruktur lainnya seperti infrastruktur sosial (pendidikan, dan kesehatan). Selama ini

masih

belum

dapat

diketahui

infrastruktur

jenis

apa

yang

akan

lebih

berpengaruh/berperan pada pengurangan kemiskinan, apakah ekonomi atau sosial. Mengingat masih belum adanya kesimpulan umum, serta terbatasnya, dan pentingnya studi yang berkaitan dengan topik ini –berkaitan dengan masalah pengambilan kebijakan— maka penulis akan mencoba menganalisis pola hubungan antara dua variabel tersebut.

5

1.2. Perumusan Masalah Berdasar dari latar belakang di atas dapat diketahui bahwa, dari sisi pemikiran, terdapat dua pemikiran yang saling bertentangan mengenai bagaimana hubungan antara infrastruktur dengan kemiskinan sebenarnya. Sehingga pola hubungan diantara dua variabel tersebut masih belum dapat disimpulkan. Studi ini ingin mencari pemikiran mana yang lebih bekerja jika dihadapkan pada beberapa kondisi yang ada di Indonesia. Berkaitan dengan jenis infrastruktur yang berbeda-beda tersebut, jenis infrastruktur manakah yang lebih berperan dalam pengurangan kemiskinan, apakah infrastruktur ekonomi lebih berperan dalam proses pengurangan kemiskinan jika dibandingkan dengan infrastrukturinfrastruktur sosial? 1.3. Tujuan dan Manfaat Penelitian Dari uraian diatas maka tujuan penelitian ini menjawab beberapa hal-hal yang ingin diketahui seputar infrastruktur dan kemiskinan diantaranya ialah: 1. Mencari tahu apakah infrastruktur mempengaruhi proses pengurangan kemiskinan di Indonesia kemudian, jika terdapat pengaruh, seberapa besar pengaruh dari variabel infrastruktur dalam proses pengurangan kemiskinan di Indonesia. 2. Membandingkan perbedaan pengaruh dari dampak jenis infrastruktur (sosial atau ekonomi) terhadap kemiskinan. Manfaat dari penelitian ini adalah dapat menambah referensi mengenai analisis infrastruktur serta hubungannya dengan kemiskinan. Selain itu hasil penelitian ini diharapkan dapat dijadikan pedoman bagi pembuat kebijakan infrastruktur (pemerintah) dalam upaya mengurangi kemiskinan di Indonesia.

6

1.4. Hipotesis Ada beberapa hipotesa yang akan diuji pada studi ini, yaitu: Hipotesis pertama, berkaitan dengan apakah terdapat pengaruh infrastruktur terhadap kemiskinan. H0

: Tidak terdapat hubungan antara infrastruktur dengan kemiskinan

H1

: Terdapat hubungan negatif antara infrastruktur terhadap kemiskinan.

Hipotesis kedua, mengenai perbedaan jenis infrastruktur, apakah jenis infrastruktur memiliki dampak yang berbeda terhadap kemiskinan dan pengangguran. H0

: Jenis infrastruktur ekonomi tidak lebih berpengaruh dibandingkan jenis

infrastruktur sosial terhadap kemiskinan. H1

: Infrastruktur sosial lebih berpengaruh terhadap kemiskinan jika dibandingkan

dengan infrastruktur ekonomi. 1.5. Metode Penelitian Data yang digunakan dalam penelitian ini adalah data panel. Data panel merupakan gabungan antara data time series dengan data cross-sectional. Data ini mencakup 26 propinsi sepanjang periode 1990 hingga 2004. Sebelumnya akan dilakukan beberapa penyesuaian terlebih dahulu pada data berkaitan dengan beberapa hal. Pertama, setelah era reformasi banyak sekali terjadi perubahan dalam jumlah propinsi di Indonesia, baik dikarenakan oleh propinsi yang memerdekakan (melepaskan) diri dari NKRI maupun karena pemekaran wilayah. Kedua, mengingat data kemiskinan sebelum tahun 1999 adalah data per tiga tahun, maka untuk kemiskinan akan dilakukan interpolasi data. Data yang digunakan didapat dari berbagai institusi mulai dari BPS, Dep PU, PT PLN, Depdiknas, Depkes, dan dari penelitian-penelitian sebelumnya. Terdapat tiga kemungkinan berkaitan dengan model apa yang akan digunakan pada penelitian ini. Pertama, model dengan metode pooled least square (PLS), kedua metode 7

efek tetap (Fixed Effect) dan terakhir metode efek acak (Random effect). Melalui beberapa uji ekonometrika, maka akan ditetapkan model apa yang akan digunakan. 1.6. Kerangka Penulisan Analisis pengaruh infrastruktur dan institusi pada kemiskinan dan ketenagakerjaan di Indonesia ini disusun dalam lima bab. •

Bab I Pendahuluan. Memuat gambaran umum yang mendasari dilakukannya penelitian ini. Bab ini terdiri atas latar belakang, perumusan maslah, tujuan dan manfaat penelitian serta hipotesis. Kemudian juga mendeskripsikan sekilas mengenai metodologi penelitian dan kerangka penulisan.

•

Bab II Landasan Teoretis. Berisi mengenai tinjauan literatur yang memaparkan berbagai teori dan bukti-bukti empiris dari studi-studi sebelumnya yang berkaitan dengan topik penelitian ini.

•

Bab III Metodologi Penelitian. Pada bab ini dijelaskan dasar pemilihan model, data dan sumbernya serta metode yang digunakan dalam mengestimasi model. Bab ini dibagi dalam beberapa sub-bab yang diantaranya ialah spesifikasi model, jenis, dan sumber data serta definisi operasional dari masing-masing variabel, dan prosedur estimasi.

•

Bab IV Hasil Penelitian dan Analisis berisi hasil estimasi dan analisis yang memaparkan berbagai temuan empiris yang diperoleh pada penelitian ini.

•

Bab V Kesimpulan. Bab ini berisi kesimpulan dan implikasi kebijakan serta keterbatasan studi dan peluang untuk studi lebih lanjut pada topik studi ini. Pada bab ini dirangkum hasil penelitian dan implikasi kebijakan yang dapat diambil pemerintah.

8

BAB II LANDASAN TEORI Bab ini akan dibagi menjadi beberapa bagian. Bagian pertama akan membahas perkembangan konsep kemiskinan, kemudian penjelasan mengenai garis kemiskinan, struktur kemiskinan serta kebijakan-kebijakan yang ada berkaitan dengan upaya pengurangan kemiskinan. Bagian selanjutnya akan menjelaskan konsep infrastruktur. Pada bagian terakhir bab ini akan dideskripsikan beberapa temuan pada penelitian-penelitian sebelumnya yang tentunya berkaitan dengan infrastruktur dan kemiskinan. 2.1.

Kemiskinan

2.1.1. Perkembangan Konsep Kemiskinan Memperoleh definisi atas permasalahan kemiskinan yang lebih baik dan melakukan komparasi berbagai pendekatan pengukuran kemiskinan yang digunakan adalah elemen yang terpenting sebelum berbicara mengenai kebijakan mereduksi kemiskinan. Hal ini tentunya akan berguna dalam membangun suatu kebijakan yang lebih efektif. Oleh karena itu, pada bagian berikut akan dibahas mengenai konsep-konsep kemiskinan. Pada awalnya kemiskinan dihubungkan dengan pendapatan. Pendapatan telah dijadikan sebagai inti dari konsep kemiskinan. Namun ‘pendapatan’ itu sendiri tidak kurang bermasalahnya dari konsep ‘kemiskinan’, sehingga harus secara hati-hati dan tepat dalam mengelaborasinya. Jika pendapatan ekuivalen dengan asset, maka jasa-jasa layanan publik serta subsidi dari pemerintah harus ditambahkan kedalam pendapatan dengan ukuran yang akurat. Ukuran akurat tersebutlah yang sukar untuk diperoleh atau diukur secara agregatif.

9

Ketika seseorang kekurangan pendapatan atau sumberdaya lainnya, termasuk penggunaan asset serta barang dan jasa yang diterima yang ekuivalen dengan pendapatan untuk memenuhi kebutuhan –yaitu, makanan, barang-barang material, jasa-jasa, kenyamanan— sehingga seseorang tersebut mampu memegang peranan dalam masyarakat, seseorang tersebut dapat dikatakan berada dalam kemiskinan. Kemudian berbagai konsepsi alternatif berkenaan dengan kemiskinan terus mengalami perkembangan. Konsepsikonsepsi alternatif tersebut sangat bergantung pada gagasan-gagasan mengenai subsisten (subsistence), kebutuhan dasar (basic needs), serta deprivasi relatif (relative deprivation). Penggunaan konsep subsisten untuk mendefinisikan kemiskinan kemudian banyak dikritik (M Rein, 1970). Pendekatan tersebut lebih menginterpretasikan kebutuhan manusia (human needs) secara dominan sebagai kebutuhan fisik dari pada sebagai kebutuhan sosial. Manusia tidak hanya dilihat sebagai individu organisme yang membutuhkan sumberdaya energi fisik melainkan juga makhluk sosial yang memiliki peranan di masyarakat sebagai pekerja, warga, tetangga, orang tua, dan lain sebagainya (R Lister, 1990). Barang-barang material pada akhirnya bukanlah suatu hal yang tetap melainkan berubah. Bahkan jumlah, jenis, serta biaya makanan seseorangpun, sekarang, bergantung pada peranannya serta kebiasaan makan yang terdapat pada masyarakat tertentu. Dengan demikian, kebutuhan material menjadi sesuatu yang ditentukan, dalam berbagai cara, secara sosial. Gagasan kedua adalah ‘kebutuhan dasar’ (basic needs). Kebutuhan dasar terdiri dari dua komponen, yang pertama adalah kebutuhan minimum tertentu dari konsumsi keluarga seperti makanan yang cukup, tempat berlindung, dan pakaian. Kedua, pelayanan dasar yang disediakan oleh dan untuk komunitas dalam ukuran yang besar seperti sanitasi, angkutan umum, layanan kesehatan, pendidikan, fasilitas rekreasi, dan lain sebagainya (ILO, 1977). Secara khusus di daerah perdesaan, konsep kebutuhan dasar diperluas dengan memasukkan lahan, peralatan pertanian serta akses pada bertani.

10

Sebenarnya terlihat dengan jelas bahwa konsep kebutuhan dasar adalah perluasan dari konsep subsisten. Selain terdapat kebutuhan material agar seseorang bertahan hidup, terdapat juga fasilitas serta pelayanan –untuk layanan kesehatan, sanitasi, dan pendidikan – yang dibutuhkan oleh komunitas lokal atau penduduk secara keseluruhan. Gagasan ketiga dalam memahami kemiskinan ialah deprivasi relatif (J Scott, 1994). Konsep relatifitas berlaku baik pada sumber daya maupun pada kondisi material dan sosial. Seringkali terjadi perubahan (dari waktu ke waktu) dalam menentukan suatu kondisi untuk menyatakan seseorang atau keluarga tertentu berada dalam keadaan miskin. Hal ini menyebabkan gambaran kemiskinan sebagai suatu keadaan ketika seseorang memiliki pendapatan disposibelnya relatif lebih rendah dari yang lain (kesenjangan) menjadi tidak memuaskan. Dengan demikian, telah terjadi kegagalan secara konseptual dalam membedakan kesenjangan dengan kemiskinan. Kemiskinan sebaiknya dipahami tidak hanya sebagai seseorang yang menjadi korban dari distribusi sumberdaya yang tidak merata (maldistribution), lebih tepatnya, seseorang yang dengan sumberdaya yang dimilikinya tidak mampu memenuhi permintaan sosial dan kebiasaan yang ada di masyarakat. Ini adalah kriteria yang digunakan untuk observasi mengenai deprivasi. Motivasi atas penggunaan gagasan deprivasi relatif ini karena beberapa konsep sebelumnya masih belum dapat menggambarkan secara tepat apa yang dimaksud dengan kemiskinan. Terutama karena konsep subsisten yang mengecilkan esensi kebutuhan manusia, sebagaimana konsep kebutuhan dasar yang dibatasi pada fasilitas fisik. Karena banyak formulasi atau konsep, terdapat masalah dalam mendefinisikan kemiskinan secara operasional. Saat ini ukuran kemiskinan tidak berjalan bersamaan dengan perkembangan konsep seperti yang telah dijelaskan di atas. Kritik-kritik terhadap pendekatan tertentu tidak harus selalu diterjemahkan dalam ukuran operasional. Garis

11

kemiskinan absolut menjadi metode yang sangat luas untuk mengukur kecukupan sumber daya, dan penggunaannya telah berubah dari ide ‘subsisten’ menjadi pada kebutuhan yang ditentukan secara sosial. Pendekatan kebutuhan dasar juga telah lebih dekat pada kebutuhan sosial (Gordon, 2001). 2.1.2. Garis Kemiskinan Proses pengukuran kemiskinan secara umum meliputi, paling tidak, dua langkah yaitu, identifikasi siapa yang dianggap miskin dan tidak miskin, dan agregasi kemiskinan yang mensintesakan informasi menjadi satu jumlah/bilangan tertentu. Identifikasi siapa yang miskin atau tidak dapat digunakan dengan garis kemiskinan. Pendekatan ini merupakan metode yang paling luas digunakan untuk mendapat suatu perkiraan kuantitatif kemiskinan. Dengan pendekatan ini, sebuah rumah tangga akan diklasifikasikan sebagai rumah tangga miskin jika pendapatan atau pengeluarannya kurang dari nilai garis kemiskinan. Garis kemiskinan mewakili nilai aggregat dari seluruh barang dan jasa yang dibutuhkan untuk memenuhi kebutuhan dasar. Pada pembentukan garis kemiskinan, terdapat tiga pendekatan dasar, yaitu: garis kemiskinan absolut (the absolute poverty line), garis kemiskinan relatif (the relative poverty line), dan garis kemiskinan subjektif (the subjective poverty line) (Martin Ravalion, 1994). Garis kemiskinan absolut mengidentifikasi jumlah uang yang dibutuhkan untuk mendapatkan barang dan jasa yang memuaskan standar minimum atas setiap kebutuhan dasar. Sementara itu, garis kemiskinan relatif mengadopsi pemikiran bahwa garis kemiskinan harus secara eksplisit merujuk pada kondisi umum masyarakat. Seseorang dikatakan miskin ketika dia memuaskan kebutuhannya itu pada tingkat yang lebih rendah, secara relatif, dari yang biasa dilakukan oleh masyarakatnya. Dengan demikian, garis kemiskinan

relatif

merupakan

proporsi

dari

rata-rata

atau

nilai

tengah

atas 12

pendapatan/pengeluaran masyarakat. Perbedaan yang penting antara garis kemiskinan absolut dan relatif berada pada bagaimana mereka menilai perubahan sebagai akibat perubahan distribusi pendapatan atau pengeluaran (Foster, 1998). Garis kemiskinan subjektif, berbeda dari dua pendekatan sebelumnya dalam memandang kebutuhan minimum anggaran rumah tangga, adalah pembanding terbaik untuk pendapatan dan pengeluaran. Pada pendekatan ini digunakan survei dari sampel yang mewakili untuk mengukur pendapat masyarakat. Di sini masyarakat mendefinisikan garis kemiskinannya sendiri. 2.1.2.1.

Garis Kemiskinan Absolut

A. Membuat garis kemiskinan absolut Garis kemiskinan absolut merepresentasikan biaya untuk membeli sekeranjang barang yang dihadapkan pada ambang batas absolut dalam memenuhi kebutuhan dasar tertentu. Untuk membuat garis kemiskinan diperlukan beberapa tahapan, pertama, menentukan ambang batas untuk setiap kebutuhan dasar; kedua, mendefinisikan jenis dan kuantitas barang/jasa; ketiga, memberikan harga pada barang dan jasa tersebut. Nilai dari satuan barang dapat ditentukan baik secara langsung maupun secara tidak langsung. Secara langsung jika hanya sedikit kebutuhan dasar. Untuk semua kebutuhan lainnya, nilai agregat dihitung secara tidak langsung. Dalam banyak kasus, perkiraan langsung terbatas pada makanan saja. Pada kasus ini, kecukupan makanan dijadikan sebagai ambang batas. 1. Garis kemiskinan makanan (food povety line) Makanan merupakan kategori yang paling umum digunakan untuk mengukur kemiskinan. Kecukupan gizi adalah salah satu kebutuhan dasar manusia. Oleh karena itu, ia merupakan pusat dari pembuatan garis kemiskinan. Misalnya berdasarkan pendapat ahli

13

gizi, seseorang dikatakan miskin ketika pendapatan mereka tidak cukup untuk memperoleh kebutuhan hidup minimum untuk merawat (kerja) fisiknya/bertahan hidup. Garis kemiskinan makanan dapat dibagi menjadi dua kelompok, yaitu garis kemiskinan makanan normatif yang merepresentasikan biaya sekeranjang makanan yang menyediakan kecukupan gizi. Namun garis kemiskinan ini bukan diperuntukkan dalam pengukuran kemiskinan, dan juga tidak merepresentasikan kebiasaan konsumen. kemudian garis kemiskinan makanan semi-normatif yang merepresentasikan biaya dari sekeranjang makanan yang dipatok pada pedoman gizi tertentu yang disesuaikan dengan kebiasaan konsumsi, serta harga pasar. Ada beberapa tahapan dalam pembuatan garis kemiskinan makanan yang mengikutsertakan kebiasaan masyarakat dalam penghitungan (semi-normatif), yaitu: a) Menentukan energi yang dibutuhkan. Memperkirakan energi (kalori) yang diperlukan untuk menopang hidup individu (FAO, 2004). Kebutuhan kalori berbeda-beda dari setiap jenis orang, misalnya berdasarkan umur, jenis kelamin atau aktivitasnya. Setelah hal itu diketahui, kebutuhan kalori secara keseluruhan untuk suatu rumah tangga dapat ditentukan. Kemudian, dengan pembobotan rata-rata diketahui rata-rata kebutuhan kalori per orang. b) Memilih kelompok yang dijadikan rujukan (reference groups). Hal ini dilakukan agar ukuran dapat merepresentasikan pola konsumsi masyarakat. Dengan demikian, tidak seluruh populasi dijadikan sebagai rujukan, karena jika hal tersebut dilakukan hanya akan menimbulkan variasi yang sangat besar dalam struktur keranjang makanan. Biasanya kelompok rujukan yang dipilih adalah kelompok yang memenuhi, secara rata-rata, kebutuhan kalori dengan pendapatan terendah. Metode alternatifnya adalah dengan menentukan konsumsi

14

kalori kelompok berdasar pada dua desil pertama pada distribusi pendapatan, atau dengan menentukan kelompok yang didasarkan pada penghitungan kemiskinan sebelumnya. c) Isi dan biaya sekeranjang makanan. Menentukan biaya dapat dilakukan dengan cara, pertama, membentuk sekeranjang makanan secara eksplisit kemudian memberikan harga padanya. Misalnya dengan cara memilih barang yang paling merepresentasikan dan kemudian menyesuaikan dengan kuantitas yang telah disesuaikan dengan struktur konsumsi dari kelompok rujukan tersebut. Kelompok makanan biasanya terdiri dari: biji-bijian, umbi, gula, tumbuhan polong, sayur-sayuran, buah, daging, ikan, susu dan produk olahannya, telur, minuman, minyak dan lemak. Dalam beberapa kasus, beberapa tahapan dilakukan dalam menetapkan jenis makanan yang akan dimasukkan dalam suatu keranjang makanan. Misalnya jika tujuan yang diinginkan adalah memperoleh kelompok barang yang sedikit, maka barang-barang yang jarang digunakan atau paling memakan biaya dapat diganti dengan barang yang lebih umum digunakan atau lebih murah dalam kelompok yang sama. Kedua, memperkirakan biaya makanan tanpa membuat daftar dari isi keranjang makanan tersebut yaitu menentukan biaya secara langsung dari kelompok yang dijadikan rujukan. Garis kemiskinan yang diperoleh adalah hasil dari perkalian kebutuhan kalori dengan biaya perkalori pada kelompok rujukan yang dipilih. 2. Garis kemiskinan bukan makanan (Non-Food Poverty Line) Berbeda dengan jenis garis kemiskinan makanan yang memiliki kriteria objektif mengenai berapa tingkatan minimum. Garis kemiskinan bukan makanan biasanya tidak memiliki kriteria tersebut. Oleh karena itu, bukan suatu hal yang umum untuk menentukan

15

kuantitas dan harga dari masing-masing barang dalam sekeranjang barang, karena tentunya akan dibatasi oleh perdebatan yang ada. Untuk Indonesia, dalam suatu keranjang secara eksplisit dimasukkan pakaian, tempat

tinggal,

dan

transportasi

(Maksum,

2004).

Untuk

kelompok

pakaian,

diformulasikan dengan bentuk persediaan pakaian dasar dengan membagi rata setiap pakaian yang biasanya lebih dari satu tahun. Sementara itu, pada kasus tempat tinggal, kelompok barang tersebut terdiri atas sewa akomodasi –termasuk listrik, dan air— serta fasilitas-fasilitas seperti lemari es, mesin cuci, dan pengering. Satuan sewa biasanya dirataratakan untuk dua hingga tiga kamar tidur. Sewa yang disubsidi dimasukkan dalam penghitungan, namun mereka yang tidak membayar sewa

tidak dimasukkan dalam

penghitungan. Terakhir, kelompok transportasi yang barang-barangnya digunakan untuk bekerja, kesekolah, belanja atau aktivitas lainnya. Pada wilayah yang dilayani oleh jasa angkutan umum, kelompok barang ini memasukkan biaya angkut/tarif, jika tidak, memasukkan biaya membeli mobil bekas untuk lima tahun sekali ditambah pengeluaran mengoperasikan kendaraan. 2.1.2.2.

Garis Kemiskinan Relatif Penggunaan garis kemiskinan relatif didasarkan pada pemikiran bahwa kemiskinan

yang diperkirakan telah dihadapkan dengan standar hidup masyarakat. Dari perspektif ini, kemiskinan merepresentasikan ketidakmampuan untuk berpartisipasi dalam kehidupan di suatu masyarakat karena kekurangan sumberdaya. Jika garis kemiskinan absolut banyak digunakan di negara berkembang, maka garis kemiskinan relatif ini lebih relevan untuk digunakan di beberapa negara-negara maju misalnya Uni Eropa (Ravalion, 1994). Ada dua alasan penting mengapa kemiskinan absolut menjadi kurang relevan di negara maju. Pertama, tantangan utama Uni Eropa adalah untuk memastikan bahwa keseluruhan populasi mendapat bagian manfaat dari 16

tingginya rata-rata kemakmuran. Tujuan untuk mengurangi kemiskinan relatif lebih banyak diminta dari pada kemiskinan absolut, karena pertumbuhan ekonomi tidak akan berguna jika ia tidak diikuti oleh perbaikan dalam distibusi pendapatan. Kedua, apa yang dipandang sebagai standar kehidupan minimal yang dapat diterima sangat bergantung pada tingkatan pembangunan sosial dan ekonomi secara umum, yang cenderung bervariasi di setiap anggota Uni Eropa. Contoh ukuran relatif dalam satuan moneter dapat dilihat pada peragaan berikut ini. Misalnya seseorang diberi kesempatan sekali untuk memilih salah satu dari dua kondisi. Kondisi A memiliki pendapatan absolut yang lebih besar untuk individu. Sedangkan kondisi B memiliki pendapatan relatif lebih besar dibandingkan yang lain. Pilihan ekonomi rasional mungkin akan jatuh pada kondisi A, namun penelitian mengenai perilaku manusia menyatakan bahwa banyak orang yang akan memilih kondisi B. Ukuran relatif murni mungkin akan menghasilkan sesuatu yang sifatnya paradoksal. Bahkan jika, pertama dengan pertumbuhan ekonomi yang cepat dan ketidakmerataan yang konstan, kemiskinan absolut mungkin akan menurun secara drastis karena standar hidup setiap orang meningkat, namun ukuran relatif akan menunjukkan tidak ada perubahan atau bahkan lebih buruk jika pertumbuhan tidak didistribusikan secara merata. kedua, pengertian relatif membuat upaya untuk menghilangkan atau bahkan mereduksi kemiskinan menjadi sangat sulit. Namun bukan berarti bahwa menggunakan garis kemiskinan relatif mengimplikasikan bahwa kemiskinan ‘selalu ada bersama kita’ (Foster, 1998). 2.1.2.3.

Garis Kemiskinan Subjektif Ciri utama dari pendekatan ini adalah ambang batas antara yang miskin dan tidak

miskin ditentukan atas dasar persepsi orang mengenai standar kehidupan yang baik menurut dirinya sendiri. Dalam pengukuran kemiskinan, pendekatan subjektif dapat 17

digunakan dalam konteks moneter (misal untuk menentukan nilai dari garis kemiskinan) atau non-moneter. Terdapat berbagai metode yang telah dibuat untuk menganalisa serta mendapatkan informasi mengenai persepsi masyarakat. Pada bagian selanjutnya akan dibahas mengenai salah satu metode tersebut. 1. Pertanyaan pendapatan minimum Metode ini dipelopori oleh Goedhart dan kemudian telah banyak diaplikasikan dalam konteks yang berbeda (Garner, 2003). Metode ini didasarkan pada pertanyaan pendapatan minimum, seperti ‘apakah anda menganggap, pada kondisi keuangan sekarang ini, anda berada pada pendapatan minimum?’. Jawaban dari pertanyaan ini merepresentasikan nilai dari garis kemiskinan untuk responden. Nilai dari pendapatan minimum tersebut tergantung dari besaran pendapatannya di antara faktor-faktor lainnya. Misalnya kondisi rumah tangga seperti kehadiran anggota baru yang menjadi pencari nafkah baru, suami atau istri. Secara rata-rata, responden pada suatu kondisi ekonomi yang baik akan cenderung berpikir bahwa pendapatan minimum akan berada di bawah pendapatannya sekarang. 2. Pertanyaan kecukupan konsumsi. Terdapat beberapa kekurangan dari metode sebelumnya, diantaranya adalah bahwa setiap rumah tangga mungkin memiliki konsep yang berbeda mengenai pendapatan. Beberapa rumah tangga mungkin melihat pendapatan mereka dari sisi moneter saja, sementara yang lainnya memasukkan sumber pendapatan yang lain. Selanjutnya adalah kemungkinan perbedaan interpretasi mengenai pendapatan minimum (Pradhan and Ravalion, 2000). Untuk menghindari keterbatasan tersebut, Pradhan dan Ravalion (2000) mengusulkan untuk menggunakan hanya pertanyaan-pertanyaan kualitatif. Rumah tangga

18

akan ditanya apakah standar hidup dari keluarganya adalah ‘ kurang dari cukup’, ‘cukup’, atau ‘lebih dari cukup’ untuk kebutuhan-kebutuhan keluarganya. Pertanyaan yang serupa juga ditanyakan untuk kategori konsumsi khusus lainnya seperti makanan, pakaian, perumahan, pelayanan kesehatan dan sekolah. Garis kemiskinan subjektif didefinisikan sebagai ‘the level of total spending above which respondent say (on average) that their expenditures are adequate for their needs’ (Pradhan and Ravallion, 2000). Jawaban-jawaban dari pertanyaan-pertanyan tersebut dapat memperkirakan garis kemiskinan yang berbeda. Satu didasarkan dari respon atas pertanyaan yang berhubungan dengan konsumsi makanan. Hal ini konsisten dengan ide garis kemiskinan makanan. Tingkat pengeluaran minimum pada satu kategori tertentu yang memiliki kekurangan infomasi langsung dapat diestimasi oleh kurva Engel (Pradhan and Ravallion, 2000). Metode ini didasarkan pada asumsi bahwa individu dapat memperkirakan secara kualitatif tingkat kepuasan yang disediakan oleh tingkat konsumsi yang berbeda, dan perkiraan yang dibuat oleh individu yang berbeda dapat dibandingkan satu sama lain. 2.1.3. Aggregasi kemiskinan Seperti telah disinggung pada bagian sebelumnya bahwa dalam proses pengukuran kemiskinan terdapat dua langkah yang salah satunya adalah agregasi kemiskinan. Ada banyak indeks yang tersedia dan dapat digunakan untuk mengagregasi informasi dari pendekatan garis kemiskinan, namun hanya beberapa yang secara umum digunakan yaitu, indeks jumlah orang miskin (headcount index), indeks kesenjangan kemiskinan (poverty gap index), dan indeks keparahan kemiskinan (severity of poverty index). Semuanya itu dikenal dengan penghitungan FGT (Foster, Greer, and Thorbecke, 1984). Bagian ini akan, terlebih dahulu, menjelaskan persyaratan teoretis untuk pengukuran kemiskinan yang ‘baik’ dan beberapa indeks yang sering digunakan. A. Aksioma-aksioma untuk indeks kemiskinan 19

Analisis aksioma dari indeks kemiskinan diperkenalkan dan kemudian diperbaiki lagi oleh Amartya Sen (Sen, 1976). Analisis ini menyatakan bahwa perhitungan kemiskinan yang ‘baik’ harus memiliki beberapa karakteristik seperti di bawah ini: a) Aksioma fokus (focal axiom): ukuran kemiskinan harus mengabaikan informasi yang berhubungan dengan pendapatan individu yang tidak miskin. b) Aksioma kesamaan (Monotonicity axiom): sebuah ukuran kemiskinan akan meningkat ketika pendapatan dari individu miskin menurun. Hal ini berarti bahwa seharusnya ada korelasi antara indeks dengan jarak orang miskin ke garis kemiskinan. c) Aksioma transfer (Transfer axiom): transfer pendapatan kepada mereka yang ’kurang miskin’ akan menaikkan indeks kemiskinan. Aksioma ini berarti bahwa ukuran

kemiskinan

seharusnya

merefleksikan

bagaimana

pendapatan

didistribusikan diantara orang miskin. d) Kesamaan bagian (subgroup monotonicity): jika sebuah ukuran kemiskinan dari bagian populasi meningkat, ceteris paribus, ukuran kemiskinan untuk keseluruhan populasi akan meningkat. B. Indeks-indeks kemiskinan. 1) Headcount index Headcount index (H) mengukur proporsi orang miskin pada suatu populasi. Ditulis dengan

H=

q n

LLLLL (1)

Di mana n adalah besaran populasi dan q adalah jumlah individu dengan pendapatan di bawah garis kemiskinan. Ukuran ini adalah indeks kemiskinan yang paling dikenal, dan sangat mudah diinterpretasikan. Indeks ini memenuhi aksioma fokus namun menyediakan pandangan 20

mengenai kemiskinan yang sangat terbatas karena tidak ada informasi ‘seberapa miskin orang miskin itu’ (aksioma kesamaan) dan tidak memperhatikan aspek distribusi (aksioma transfer). 2) Kesenjangan kemiskinan (Poverty Gap/PG) Kesenjangan kemiskinan mengukur defisit pendapatan relatif dari orang miskin dengan melihat pada nilai dari garis kemiskinan, dibobotkan oleh jumlah orang miskin. Dapat ditulis dengan:

PG = H .I

LLLLL (2)

Di mana I adalah ‘rasio kesenjangan pendapatan’, didefinisikan sebagai

I=

z−y z

LLLL (3)

Di mana z merepresentasikan garis kemiskinan dan

adalah rata-rata pendapatan

orang miskin. Rasio kesenjangan pendapatan ini mengindikasikasn jarak rata-rata antara pendapatan mereka yang miskin dengan garis kemiskinan. Rasio ini bukan ukuran kemiskinan yang baik jika, misalnya, orang terkaya dari orang miskin menaikan pendapatannya di atas garis kemiskinan, indikator ini akan menunjukkan kenaikan dalam kemiskinan karena rata-rata yang baru dari pendapatan orang miskin akan lebih rendah, meskipun jumlah orang miskin menurun. Penyakit ini dapat dipecahkan ketika rasio kesenjangan pendapatan tersebut dikalikan dengan headcount index (H). Indeks PG juga dapat ditulis sebagai berikut:

1 q ⎡ z − yi ⎤ PG = ∑ ⎢ ………….(4) n i =1 ⎣ z ⎥⎦ Indeks kesenjangan kemiskinan ini memenuhi aksioma fokus dan kesamaan, namun ia tidak memenuhi aksioma transfer. 3) Indeks keparahan kemiskinan. 21

Foster, Greer dan Thorbecke (1984) mengemukakan parameter pengukuran kemiskinan:

Pα

1 = n

q

∑

i =1

⎡ z − yi ⎤ ⎢ z ⎥ ⎣ ⎦

α

…………….(5)

Di mana α ≥ 0 dapat diinterpretasikan sebagai parameter ‘penghindaran kesenjangan’, yang memberikan bermacam pembobotan pada perbedaan antara pendapatan disetiap individu yang miskin dan garis kemiskinan. Ketika α = 0, ukuran ini sama dengan headcount index; ketika α = 1, sama dengan indeks kesenjangan kemiskinan. Jika α naik diluar nilai 2, pembobotan lebih secara progresif diberikan kepada pendapatan yang jauh dari garis kemiskinan. Pada kenyataannya, jika α → ∞, ukuran kemiskinan akan bergantung secara keseluruhan pada jarak pendapatan orang termiskin dari garis kemiskinan. Sebuah ukuran tentang keparahan kemiskinan yang telah digunakan secara luas adalah Pα dengan α = 2 (FGT2). Indeks ini memenuhi aksioma transfer, fokus dan kesamaan. Indeks dapat ditulis sebagai berikut:

FGT

2

1 = n

q

∑

i =1

⎡ z − yi ⎤ ⎢ ⎥ z ⎣ ⎦

2

……………..(6)

Indeks ini sangat berguna untuk analisa kemiskinan, namun tidak semudah mengartikan/menginterpretasikan ukuran headcount index, dan kesenjangan kemiskinan. 4) Indeks Sen. Sebelum indeks Foster, Greer dan Thorbecke (FGT) dikenal, Amartya Sen mengemukanan pengukuran kemiskinan yang lain yang memenuhi aksioma transfer. S = H [I + (1 − I )G P ] ……………..(7)

22

Di mana Gp adalah keofisien gini untuk distribusi pendapatan orang miskin. Harus diketahui bahwa ketika pendapatan dari orang miskin adalah sama, Gp = 0, dengan begitu ukuran Sen menjadi S = H.I. Ukuran ini memiliki dua kerugian dibandingkan dengan indeks FGT. Pertama, penjumlahan kontribusi dari setiap bagian populasi pada kemiskinan total mungkin tidak sampai 100 persen. Kedua, kemiskinan total mungkin akan turun bahkan ketika kemiskinan di setiap bagian populasi meningkat. 2.1.4. Faktor-Faktor Penyebab Kemiskinan

Setelah memahami apa itu kemiskinan, ukuran-ukurannya. Pada bagian ini, penulis akan memaparkan apa saja yang menyebabkan kemiskinan itu ‘selalu ada’. Dengan menggunakan pendekatan ekonomi kemiskinan, Blank (2003) mengidentifikasi enam perspektif untuk memahami penyebab-penyebab dari kemiskinan. Blank memasukkan isuisu dari ekonomi yang belum berkembang, modal manusia, kontradiksi atas kapitalisme, dan penyebab-penyebab struktural. Perspektif pertama adalah ekonomi yang belum berkembang dan ketidakefektifan fungsi pasar. Dengan mengambil contoh kemiskinan di dunia ketiga, ia berpendapat bahwa kemiskinan akan dapat dikurangi dengan perluasan pasar ke daerah-daerah miskin. Misalnya adalah dengan meningkatkan agar akses masyarakat kepada mekanisme pasar. Soto (2002), dengan tesisnya yang sangat berpengaruh, menjawab mengapa faktor modal berhasil di barat namun gagal di daerah yang lain. Ia berpendapat bahwa kegagalan di daerah lain itu karena kurangnya faktor modal yang formal atau legal. Dengan memiliki sertifikat atau dokumen tertentu atas modal yang dimiliki, individu tersebut dapat menggunakannya sebagai jaminan untuk mendapatkan pinjaman sebagai upaya meningkatkan usahanya.

23

Selain itu, Kwon (2001) menyatakan bahwa penduduk miskin itu pada umumnya berlokasi di perdesaan yang lokasinya terisolasi dari daerah sekitarnya. Hal ini berakibat pada kurangnya berbagai opportunity baik itu dalam hal kesempatan kerja atau dalam hal bagaimana mereka menjual hasil produksinya. Karena kurangnya akses ke pasar maka cara untuk menanggulangi kemiskinan adalah dengan membuka daerah yang terisolasi tersebut dengan pembangunan jalan. Perspektif kedua, kekurangan pembangunan modal manusia di mana individu tidak siap atau tidak mampu untuk ikut serta di dalam angkatan kerja. Seperti yang diungkapkan dalam endogenous growth theory, bahwa pertumbuhan ekonomi banyak ditentukan oleh stok human capital bukan oleh jumlah penduduk. Ketika individu dengan modal manusia yang tinggi ini menjadi salah satu faktor produksi (tenaga kerja), maka akan menimbulkan situasi increasing return to scale karena bisa berdampingan dengan kemajuan teknologi. Dengan demikian, pendapatan secara umum juga akan meningkat. Perspektif ketiga, bahwa pasar tidak berfungsi sehingga menciptakan kemiskinan. Dalam pandangan Marxist, masyarakat kapitalis membuat biaya buruh lebih rendah dengan ancaman pengangguran. Proses eksploitasi dalam sistem kapitalis ini diiringi pula dengan proses korupsi dan ketidakadilan dalam setiap struktur pemerintahan yang mengabdi kepada kepentingan pemilik modal (Baran, 1970). Struktur yang superekspolitatif ini menyebabkan konsumsi mereka relatif terbatas dan tidak dapat menimbulkan permintaan efektif yang berarti (Dos Santos, 1976). Dengan begitu, kemiskinan akan dapat dikurangi dengan membuat regulasi di pasar tenaga kerja. Perspektif keempat menerangkan adanya kekuatan-kekuatan sosial dan politik yang terjadi di luar sistem pasar. Baran (1970) berpendapat mengenai keterbelakangan negaranegara miskin dikarenakan faktor modal bergerak dari negara maju ke negara miskin. Pergerakan ini hanya bertujuan untuk menyedot keuntungan dari negara miskin tersebut.

24

Pergerakan modal ini mampu menggeser kebiasaan yang ada pada masyarakat di negaranegara miskin. Kontrak transaksi berdasarkan faktor pasar menggeser hubungan paternalistik. Namun permasalahannya adalah pergeseran ini meningkatkan proses eksploitasi. Ketika kelas-kelas sosial (khususnya kelas menengah) tidak mampu melakukan perlawanan terhadap proses eksploitasi, maka kelas sosial tersebut akhirnya melakukan kerjasama dengan golongan feodal (pemilik modal dan penguasa lokal). Golongan elit penguasa ini merupakan golongan ’compradore’ yang bertanggung jawab untuk melindungi kepentingan pemilik modal. Selanjutnya, perspektif kelima, kemiskinan dikaitkan dengan perilaku individu, karakteristik, dan pilihan-pilihannya, seperti pernikahan, ukuran keluarga, dan kekerasan. Nilai dari kerja dan pendidikan yang mendasari perspektif ini menyatakan bahwa masalah kemiskinan itu berada pada kontrol orang miskin, yaitu pada diri mereka sendiri. Dengan demikian, kebijakan atau program yang dibutuhkan adalah program yang dapat mempengaruhi pilihan-pilihan mereka dengan berbagai insentif atau larangan. Perspektif keenam menyatakan bahwa kemiskinan disebabkan oleh upaya untuk mengurangi kemiskinan itu sendiri, merujuk pada apa yang dinamakan dengan ketergantungan pada program-program kesejahteraan yang ada (welfare dependency) atau poverty traps. Blank mengelompokkan perspektif-perspektif tersebut ke dalam beberapa pemikiran ekonomi yang utama. Dua perspektif pertama (ekonomi tidak berkembang dan kekurangan modal manusia) adalah pendekatan umum yang digunakan dalam ekonomi liberal. Kemudian dua berikutnya adalah teori Marxist, kapitalisme menyebabkan kemiskinan atau ekonomi politik, kekuatan sosial dan politik penyebab kemiskinan. Kemudian, kedua terakhir adalah pandangan dari ekonomi klasik, perilaku individu, dan kebergantungan penyebab kemiskinan. Ahli ekonomi klasik beranggapan bahwa intervensi

25

pemerintah untuk mengurangi kemiskinan hanya akan menghasilkan perilaku buruk dari orang miskin, sehingga harus dihentikan. Gambar 2-1 Peta Konsep dari Teori-Teori Penyebab Kemiskinan 1. makro: ekonomi tidak berkembang atau inefisien

Ekonomi klasik 6. mikro: Orang miskin membuat pilihanpilihan

Ekonomi liberal dan neoliberal

2. mikro: orang miskin kurang terampil dan tidak mampu

Teori Kemiskinan

5. makro: Program-program kesejahteraan sosial menyebabkan kemiskinan

3. makro: kapitalisme menyebabkan kemiskinan

4. makro: kekuatan sosial dan politik penyebab kemiskinan

Ekonomi politik

Sumber: Blank, 2003.

Mengambil perspektif yang lebih luas mengenai dampak lingkungan sosial pada perilaku manusia, Moreira (2003) melihat globalisasi (penyebaran kapitalisme) sebagai penyebab utama dari kekayaan dan sekaligus kemiskinan. Ia menjelaskan bahwa globalisasi bekerja memilih-milih, memasukkan atau mengeluarkan bagian dari perekonomian dan masyarakat dari jaringan informasi, sehingga menimbulkan kantongkantong orang kaya dan orang miskin. Moreira menyalahkan globalisasi karena menyebarkan kerakusan budaya barat atas barang-barang material, yang mana bertanggung jawab atas timbulnya salah satu jenis kemiskinan yang dinamakan “konsumerisme kemiskinan”.

26

Mengingat bahwa definisi tradisional dari kemiskinan adalah “pendapatan yang rendah atau tidak berpendapatan” sebagai satu-satunya kriteria, Sen berpendapat bahwa kemiskinan bukan hanya sekadar pendapatan yang rendah, kemiskinan merupakan kekurangan dalam kekuatan politik dan juga karena aspek psikologi. Lebih khusus lagi, Sen berpendapat bahwa masyarakat modern mengurangi kekuatan dan kontrol warga masyarakat tertentu, yang kemudian membuat kemiskinan menghinggapi warga tersebut. Dalam upaya mengurangi kemiskinan, Sen percaya bahwa masyarakat harus menyediakan tiga hal pada semua warganya, yaitu: 1) kebebasan ekonomi, sosial, dan politik, 2) keamanan dan perlindungan, dan 3) aktivitas pemerintah yang transparan (Sen, 1999). Laporan pembangunan Bank Dunia tahun 2000/2001 mengembangkan teori Sen tersebut untuk membangun tiga pilar teori kemiskinan dikaitkan dengan ketiadaan keamanan, pemberdayaan, dan kesempatan (World Bank, 2001). Konsep keamanan yang didefinisikan Bank Dunia memasukkan faktor-faktor seperti air bersih, kecukupan makanan dan rumah, dan pengurangan kerentanan atas bencana alam. Kemudian, konsep pemberdayaan, senada dengan definisi Sen, memberikan alat untuk masyarakat miskin agar mendapat lebih banyak suara (dalam pengambilan keputusan) dalam masyarakatnya. Berikutnya, konsep ketiga dari Bank Dunia adalah kesempatan. Kemiskinan itu ada, pada beberapa bagian, karena orang miskin dikurangi kesempatannya untuk berpartisipasi secara independen dalam ekonomi global. Kesempatan itu berbentuk mulai dari pencapaian pendidikan hingga kekurangan upah untuk biaya hidup, dan tingkat-masuk tenaga kerja. Berdasarkan pada konsep Blank di atas timbul sebuah pertanyaan lebih lanjut. Pertanyaan yang berkaitan dengan apakah kemiskinan itu lebih disebabkan oleh perilaku penduduk miskin tersebut atau karena lingkungan sosialnya. Terdapat dua pandangan atas

27

debat ini. Pertama mereka yang melihat dari sisi perilaku manusia, dan kedua yang berfokus pada sisi sosiologi. Pada pendahuluan di poverty and psychology: from global perspective to local practice, Carr dan Sloan memberikan catatan bahwa ahli psikologi mengidentifikasi penyebab kemiskinan yang pada umumnya berasal dari sisi individu. Sehingga interfensi yang dikembangkan sebaiknya yang berfokus pada merubah perilaku manusia daripada lingkungan sosialnya. Namun kesimpulan yang berbeda digambarkan oleh Rank dalam one nation, underprivileged (2005) yang berpendapat bahwa akar dari penyebab kemiskinan bukanlah berasal dari kegagalan individual melainkan kegagalan struktural yang ada di masyarakat. Penelitiannya ini dilakukan di Amerika. Ia berpendapat bahwa ada asumsi implisit di dalam etika orang Amerika yang individualis, yaitu, bahwa yang kaya adalah pekerja keras dan berhak atas usahanya itu sementara yang miskin akan jatuh miskin karena ketidakcakapan diri mereka sendiri. Rank berpendapat sebaliknya, ia menyuguhkan bukti-bukti bahwa kemiskinan disebabkan oleh ketidakcukupan struktur ekonomi dan politik untuk menyediakan kesempatan yang cukup untuk semua kelompok. Hal ini senada dengan apa yang dikatakan oleh Hutchinson (2003) berkenaan dengan kemiskinan. Menurutnya kemiskinan itu dikarekterisasikan dalam bentuk kesenjangan sosial yang meliputi sistem sosial yang berbeda. Dari dua pendapat ini dapat diambil kesimpulan, dikaitkan dengan pengambilan kebijakan untuk mereduksi kemiskinan, bahwa perilaku manusia berkontribusi untuk menimbulkan dan mengakhiri kemiskinan. Hal ini memberikan beberapa dukungan teoretis pada program-program kerja sosial. Namun, upaya dari sisi individu ini akan gagal tanpa restrukturisasi lingkungan sosial secara menyeluruh.

28

2.1.5. Kebijakan Kemiskinan

Kejelasan identifikasi (ukuran) kemiskinan, yang telah dijelaskan di atas, merupakan modal mendasar dalam pembuatan kebijakan pengentasan kemiskinan (Rao,1995). Kemudian perlunya pemahaman atas alasan-alasan dan penyebab timbulnya kemiskinan, kejelasan atas suatu desain kebijakan, dan mengimplementasikan serta mengawasi kebijakan tersebut adalah tiga faktor penting lainnya. Namun, sebelum membahas kebijakan yang ada berkaitan dengan kemiskinan, terlebih dahulu akan dibahas mengenai struktur kemiskinan yang ada. Hingga saat ini, di negara-negara berkembang, kemiskinan lebih merupakan fenomena perdesaan. Bagian terbesar dari mereka yang miskin berada pada sektor pertanian. Penduduk yang mendekati atau tidak memiliki lahan adalah golongan termiskin dari orang miskin perdesaan. Sementara itu, untuk di perkotaan, mayoritas penduduk miskin adalah para pekerja tidak terampil yang berada di sektor jasa. Untuk Indonesia sendiri, terdapat paling tidak tiga karakteristik yang menonjol dari kemiskinan. Pertama, banyaknya rumah tangga yang berada di sekitar garis kemiskinan nasional dari segi pendapatan. Hal ini membuat banyak rumah tangga tidak miskin retan terhadap kemiskinan (high vulnerability). Kedua, perhitungan angka kemiskinan dari segi pendapatan tidak dapat mencerminkan kemiskinan di Indonesia secara sepenuhnya, banyak penduduk Indonesia yang ’tidak miskin dari segi pendapatan’ dapat tergolong miskin berdasarkan kurangnya akses mereka terhadap layanan publik dan buruknya indikatorindikator pembangunan manusia mereka. Ketiga, dengan kondisi geografis Indonesia yang sangat luas dan alam yang sangat berbeda, profil kemiskinan antara satu daerah dengan daerah lainnya sangat berbeda, dan ini menjadi satu karakteristik dari kemiskinan di Indonesia.

29

Kemiskinan, selama ini, ditentukan oleh tingkat pertumbuhan dari total pendapatan, dan perubahan dari bagian orang miskin pada pendapatan tersebut. Jika bagian orang miskin atas pendapatan turun lebih cepat dibandingkan kenaikan pendapatan secara umum, maka orang miskin menerima dampak negatif dari pertumbuhan, sebaliknya, mereka akan memperoleh keuntungan dari pertumbuhan (Adelman, 1986). Dengan demikian, permasalahannya adalah bagaimana merubah bagian pendapatan atas orang miskin dengan pembangunan ekonomi. Menurut Irma Adelman (1961) terdapat beberapa tahapan dalam pembangunan ekonomi. Tahap pertama adalah ekonomi agraria yang sedang memulai tahapan industrialisasi. Pada tahapan ini ditandai dengan tingginya ketidakmerataan distribusi pendapatan. Tahapan selanjutnya ditandai dengan semakin banyaknya penduduk yang berada pada sektor modern, kemudian meningkatnya gap antara sektor berpendapatan rendah dengan sektor berpendapatan tinggi, selain itu gap pada masing-masing sektor juga meningkat. Perpindahan dari sektor berpendapatan rendah ke berpendapatan tinggi sebenarnya akan mereduksi kesenjangan pendapatan, namun efek tersebut dinegasikan dengan meluasnya kesenjangan pendapatan diantara sektor dan di dalam masing-masing sektor. Dengan demikian, secara keseluruhan ketidakmerataan akan meningkat pula. Seberapa besar biaya yang ditanggung oleh orang miskin selama pembangunan ekonomi itu terjadi sangat tergantung pada distribusi asset, institusi untuk akumulasi asset, serta institusi-institusi untuk akses ke pasar. Asset yang memiliki dampak (paling) signifikan dalam distribusi pendapatan dan kemiskinan adalah tanah dan pendidikan (Adelman, 1986). Dampak dari perubahan ekonomi terhadap kemiskinan akan sangat bergantung pada besaran distribusi kepemilikan tanah. Tingkat kemiskinan akan tinggi ketika tanah dibagi dalam banyak sekali penduduk yang memiliki luas lahan yang kecil. Lalu terjadi konsentrasi kepemilikan lahan luas dan

30

dihadapkan dengan pekerja yang tentunya tidak memiliki lahan atau masyarakat yang masih berpola subsisten. Peningkatan produktivitas lahan ketika petani subsisten dan tidak memiliki lahan tidak dapat memanfaatkan hal tersebut karena terbatasnya akses atas kredit atau faktor produksi akan cenderung menimbulkan marginalisasi atas mereka. Hasil yang berbeda terjadi jika peningkatan produktivitas tersebut meningkatkan permintaan atas tenaga kerja yang mampu menutupi tingginya biaya sewa lahan, dan menurunnya pendapatan bersih dari penurunan harga. Selanjutnya, berkaitan dengan pendidikan, meningkatnya pendidikan akan memperluas kepemilikan atas modal manusia dan akan menurunkan ketidakmerataan dalam pendapatan. Kelembagaan dalam pasar input dan komoditas sangat berpengaruh atas tingkat kemiskinan. Pembangunan akan mempengaruhi secara simultan atas penyerapan tenaga kerja dan input produksi, perpindahan tenaga kerja dan input produksi lainnya serta realokasi tenaga kerja serta input lainnya. Seberapa besar penyerapan, perpindahan dan realokasi itu memberikan keuntungan kepada orang miskin sangat bergantung dari struktur atas pasar input dan komoditas. Sebagai contoh, kekakuan, kurangnya keterampilan yang relevan, atau ketiadaan modal dan informasi dalam jangka pendek, menengah atau panjang akan mencegah mereka untuk melepaskan diri dari kemiskinan. Secara sederhana, berdasar penjelasan di atas, kemiskinan adalah salah satu kondisi dari terlampau kecilnya kuantitas asset yang dimiliki, terlalu rendahnya volume penjualan, dan atau terlalu rendahnya harga pasar atas komoditas yang diproduksi oleh seseorang. Oleh karena itu, ada beberapa strategi pembangunan yang dapat diambil. Strategi pembangunan (menggabungkan antara target kebijakan dengan instrument kebijakan) adalah titik tolak dalam pembuatan kebijakan ekonomi. Target dari kebijakan tersebut misalnya adalah menaikkan kuantitas asset yang dimiliki oleh orang miskin, menaikkan penjualan, atau menaikkan harga dari barang/jasa yang mereka jual.

31

1. Pendekatan yang Berorientasi pada Asset (Asset-orriented approaches) Penyebab nomor satu timpangnya distribusi pendapatan di hampir semua negara berkembang adalah sangat tidak meratanya kepemilikan asset. (Todaro, 2000); lebih jauh, kepemilikan itu bukan hanya tidak merata namun didominasi oleh sekelompok kecil masyarakat saja. Oleh karena itu, strategi kebijakan yang dapat digunakan untuk memperbaiki distribusi pendapatan dan mengurangi kemiskinan adalah pengurangan pada kepemilikan terpusat tersebut. Redistribusi asset (semacam land reform) atau menciptakan suatu lembaga yang memberikan orang miskin lebih mudah dalam mengakses kesempatan untuk akumulasi asset mereka lebih jauh (kemudahan untuk mengakses pendidikan) merupakan cara yang dapat dilakukan untuk meningkatkan asset yang dimiliki oleh orang miskin. Kedua hal ini dilakukan sebelum adanya implementasi kebijakan berupa peningkatan produktivitas serta industrialisasi. Meminjam istilah Irma Adelman (1978) ‘redistribution before growth’, ada beberapa alasan mengapa hal ini diperlukan, diantaranya, adalah distribusi yang lebih baik atas asset yang akan ditingkatkan produktivitasnya tentunya akan menurunkan efek samping berupa “back-wash effect” dari ketidakmerataan distribusi aset terhadap ketidakmerataan distribusi pendapatan. Dengan demikian, kebijakan pembangunan yang ada untuk mengurangi kesenjangan dan kemiskinan haruslah memperbaiki struktur sosial yang ada terlebih dahulu (Myrdal, 1973). Sebagai contohnya, adanya kesenjangan sosial mengakibatkan mobilitas sosial rendah. Terdapat situasi free competition yang kejam dan mematikan golongan penduduk yang lemah. Chenery (1974) dengan pendekatannya yang dikenal dengan ‘redistribution with growth’ merekomendasikan sesuatu yang sederhana yaitu memberikan bagian yang lebih besar dari ‘kue’ pembangunan berupa pertumbuhan ekonomi kepada akumulasi asset orang

32

miskin. Misalnya jika pertumbuhan ekonomi sebesar 6%/tahun, sepertiga dari pertumbuhan tersebut (2% dari GNP) harus dicurahkan kepada investasi dalam berbagai asset yang dimiliki oleh orang miskin atau dalam berbagai asset yang sifatnya komplemen terhadap asset yang dimiliki oleh orang miskin (Todaro, 2000). Sebagai contohnya adalah investasi pada program-program gizi, kesehatan, atau pendidikan yang ditujukan untuk orang miskin; investasi pada irigasi untuk tanah yang dimiliki oleh orang miskin. Dreeze (1990) menunjukkan bahwa akses kepada layanan publik yang lebih baik (pendidikan, dan kesehatan) dengan fokus strategi pada penduduk miskin, akan meningkatkan kualitas hidup penduduk miskin. 2. Kebijakan menciptakan permintaan (Demand-generating strategies) Institusi untuk mengakses pasar faktor oleh orang miskin, dan strategi pembangunan yang dipilih berpengaruh pada seberapa besar asset yang dimiliki oleh orang miskin itu dapat dimonetisasi (Soto, 2002). Karena salah satu asset yang dimiliki oleh orang miskin adalah pekerja tidak terampil, maka strategi yang paling dapat menguntungkan orang miskin adalah yang meningkatkan permintaan atas tenaga kerja tersebut serta membuat suatu institusi yang dapat mempermudah mobilitas tenaga kerja serta, tentunya, akses terhadap pekerjaan. Salah satu strategi yang dapat dilakukan adalah agricultural-development-ledindustrialization (Arief, 1998). Terdapat beberapa persyaratan yang harus ada dalam realokasi tenaga kerja miskin kepada produktivitas yang lebih tinggi. Persyaratan itu adalah pendidikan, upaya penghapusan atas hambatan dalam bermigrasi, serta pertumbuhan yang lebih merata. Dengan demikian, strategi pengurangan kemiskinan yang efektif adalah meningkatkan pertumbuhan dari produktivitas-tinggi, sektor yang padat karya, serta jaminan atas akses orang miskin pada pekerjaan.

33

Diketahui bersama bahwa sektor yang paling padat karya dalam suatu perekonomian adalah pertanian, sektor pengolahan ringan, dan beberapa sektor jasa khususnya konstruksi. Ada beberapa strategi yang dapat dilakukan, diantaranya adalah meningkatkan permintaan atas output (untuk sektor pengolahan), dan meningkatkan produktivitas tenaga kerja (sektor pertanian). 3. Kebijakan menaikkan harga (Price-increasing policies) Kebijakan ini dapat dilakukan baik dalam pasar faktor, barang dan meningkatkan produktivitas asset yang dimiliki oleh orang miskin. Kebijakan menaikkan harga lewat pasar faktor akan berdampak pada menaiknya pendapatan. Kemudian kebijakan kenaikan harga lewat pasar barang (misalnya output pertanian) akan menaikkan harga barang yang diproduksi oleh pekerja miskin. Hal ini cenderung akan menguntungkan orang miskin (karena mayoritas berada di desa), walaupun akan menurunkan pendapatan riil kaum miskin di kota yang secara umum lebih kaya dibandingkan orang miskin di desa. Orang miskin yang tidak memiliki lahan juga akan cenderung diuntungkan oleh kenaikan permintaan atas tenaga kerja mereka, walaupun golongan ini adalah net-consumer. Namun satu hal yang perlu diperhatikan, terutama pada harga output pertanian adalah akses petani pada bidang pemasaran. Hal ini menjadi prakondisi atas kebijakan ini. Karena walaupun harga output pertanian tersebut tinggi, tetapi jika sisi pemasaran dimonopoli oleh kelompok lain, katakan tengkulak, maka surplus ekonomi itu akan diambil sepenuhnya oleh para tengkulak. Dengan demikian, kebijakan menaikkan harga ini akan membuat petani semakin marjinal. 4. Kebijakan menaikkan produktivitas (Productivity-increasing policies). Kebijakan ini merupakan cara lain untuk menaikkan harga dari asset (umumnya tenaga kerja) yang dimiliki orang miskin. Biasanya dilakukan dengan meningkatkan kualitas dari asset tersebut, kemudian meningkatkan asset lain yang komplemen dengan

34

asset orang miskin. Peningkatan kualitas asset dapat dilakukan dengan investasi pada modal manusia –seperti nutrisi, pendidikan, dan kesehatan walaupun ada yang bersifat tidak langsung –akan meningkatkan kapabilitas asset (tenaga kerja). Untuk asset lain yang komplementatif investasi yang dapat dilakukan diantaranya adalah menambah jumlah tanah dalam arti kuantitas dan kualitasnya. Penyebab utama kemiskinan di pedesaan adalah kecilnya jumlah tanah yang dimiliki untuk ditanami, kemudian rendahnya permintaan atas tenaga kerja oleh petani besar. Contoh investasinya dapat berupa fasilitas irigasi dan drainase, yang dapat memungkinkan terjadinya peningkatan panen/hektar. Hal ini tentunya mempunyai efek negatif seperti yang telah dijelaskan pada bagian sebelumnya. Namun dampak itu dapat dihindari dengan menyediakan akses kepada sumberdaya alternatif yang dapat menggeser mereka pada teknologi yang lebih produktif kepada para petani pekerja (yang tidak memiliki tanah). 2.2.

Infrastruktur: Sebuah Kerangka Konseptual

Hingga saat ini masih sedikit kesepakatan atas apa yang dimaksud dengan infrastruktur sebenarnya, baik dalam konteks negara atau antar negara, atau lintas disiplin ilmu. Menurut Prude’ Homme (2004) ada beberapa karakteristik dari infrastruktur ekonomi, diantaranya adalah: barang modal yang memproduksi layanan-layanan dengan kombinasi input lainnya. Kemudian infrastruktur lebih bersifat jangka panjang, hal ini berkaitan dengan pembiayaan dan pemeliharaan. Sifatnya yang khusus pada lokasi di mana jasa itu disediakan, dan khusus pada penggunaan di mana tidak dapat digeser pada fungsi lainnya. Hal inilah yang menyebabkan sebagian besar struktur biayanya adalah sunk cost. Infrastruktur yang didefinisikan sebagai pelayanan publik dan fasilitas-fasilitas produksi, termasuk fasilitas-fasilitas publik yang disyaratkan untuk menyediakan pelayanan sosial dan mendukung aktivitas ekonomi sektor swasta. Kemudian Fox ( 2004) mendefinisikan infrastruktur sebagai, “those services derived from the set of public works 35

traditionally supported by the public sector to enhance private sector production and to allow for household consumption”. Bahkan di Amerika, (Executive Order 13010, 1996) infrastruktur tidak hanya terbatas pada sudut pandang ekonomi melainkan juga pertahanan dan keberlanjutan pemerintah (Moteff, 2003). Berdasarkan pengertian ini, infrastruktur secara umum meliputi jalan, jembatan, air dan sistem pembuangan, bandara udara, pelabuhan, bangunan umum, dan mungkin juga termasuk sekolah-sekolah, fasilitasfasilitas kesehatan, penjara, fasilitas rekreasi, pembangkit listrik, keamanan kebakaran, tempat pembuangan sampah, dan telekomunikasi (Vaughn and Pollard, 2003). Selanjutnya para ahli keuangan cenderung untuk mendefinisikan infrastruktur dengan melihat kapasitasnya untuk menaikkan penerimaan serta pada tingkat di mana infrastruktur itu akan menguntungkan (profit-making), merugi (loss-making) sehingga membutuhkan subsidi atau di antara keduannya. Dengan demikian, ahli keuangan melihat infrastruktur berdasar ciri potensi komersialisasi. Berbeda dari dua disiplin di atas, ahli administrasi publik dan politik biasanya melihat infrastruktur dari segi kepemilikan/pelaku. Hal ini cenderung untuk melihat infrastruktur sebagai infrastruktur ‘publik’, ‘swasta’ atau kerja sama antara publik dan swasta (public-private partnership). Selain itu juga mengarah pada tingkatan pemerintah yang berkaitan erat dengan penyediaan infrastruktur, misalnya infrastruktur nasional (pemerintah pusat), atau regional (pemerintah daerah). Berbeda dengan penyedia infrastruktur yang sangat memperhatikan definisi, pengguna –rumah tangga dan pengusaha– memiliki kepentingan kecil mengenai definisi. Kepentingan mereka hanya ingin memiliki kemungkinan terbaik atas komoditas yang tersedia ketika mereka membutuhkannya, pada kuantitas yang diinginkan, serta pada tingkat harga berapa yang mampu mereka raih.

36

Definisi-definisi tersebut menjadi beragam ketika dihadapkan dengan lingkup wilayah, negara. Hal ini karena terdapatnya perbedaan dalam hal tingkat pembangunan ekonomi, kapasitas fiskal serta sistem tata kelolanya. Apa yang disebut infrastruktur ‘sosial’

pada

suatu

negara/wilayah

dapat

menjadi

infrastruktur

‘ekonomi’

di

negara/wilayah lainnya. Sebagai contohnya adalah akses pelayanan telekomunikasi dasar. Apa yang menjadi tanggung jawab publik di satu negara, dapat menjadi fungsi swasta di negara lainnya, atau ada kerjasama diantara keduanya. Juga, infrastruktur dapat saja diartikan sebagai ‘profit-making’ pada satu negara, dan ‘loss-making’ pada yang lainnya. Berdasar konsep infrastruktur di atas, manfaat dari pengadaan infrastruktur sudah jelas. Namun besar-kecilnya manfaat itu bergantung dari kualitas investasi pada infrastruktur. Kualitas dari investasi infrastruktur itu sendiri sangat bergantung pada keputusan yang dibuat mengenai apa yang seharusnya dibangun (atau tidak), siapa yang seharusnya diuntungkan dari infrastruktur (atau tidak), kapan dan di mana infrastruktur tersebut harus dibangun, berapa besar biaya untuk membangun dan mengoperasikannya, siapa yang harus membangun atau mengoperasikannya (atau tidak), siapa yang harus membayar (atau tidak), dan berapa banyak mereka harus membayarnya. Jawaban atas pertanyaan-pertanyaan tersebut merupakan sebuah keputusan yang sangat rumit dengan potensi dampak yang akan ditimbulkannya pada kebijakan pembangunan, kapasitas fiskal dan moneter, manajemen dan tata-kelola, dan konsumsi. Hal yang menjadi perhatian utama dalam pembuatan keputusan berkaitan dengan investasi ialah bagaimana menggunakan sumber daya fiskal yang terbatas dihadapkan dengan pertumbuhan/meningkatnya permintaan atasnya. Investasi berlebih pada infrastruktur akan melencengkan sumberdaya fiskal dari permintaan tersebut, begitu pula jika kekurangan investasi pada infrastruktur tertentu yang akan merugikan pengguna. Oleh karena itu,

37

diperlukan ketepatan dalam mendefinisikan infrastruktur sehingga dapat menangkap kompleksitas pelayanan infrasttruktur. Pada bagian berikut akan dibahas mengenai inti dari definisi-definisi infrastruktur yang menggambarkan bermacam-macam fungsi, fisik, dan ciri-ciri lainnya yang harus diketahui dalam merumuskan kebijakan. a) Infrastruktur pelayanan dan infrastruktur fasilitas. Pada umumnya hanya sedikit yang membedakan kedua jenis infrastruktur ini. Walaupun sebenarnya terdapat perbedaan penting antara fasilitas dan pelayanan yang akan mempengaruhi pendekatan pemerintah dalam melakukan investasi. Tujuan utamanya adalah memberikan infrastruktur pelayanan yang dibutuhkan oleh konsumen untuk konsumsi, oleh pengusaha sebagai input antara dalam produksi, dan oleh masyarakat untuk mengurangi eksternalitas negatif pada lingkungan seperti polusi air, banjir, dan sebagainya. Infrastruktur pelayanan didefinisikan sebagai penyedia komoditas –seperti listrik, air bersih, informasi, alat pengangkutan– ke rumah tangga dan pengusaha. Infrastruktur fasilitas secara umum terdiri dari jaringan dan hubungan dua jenis asset, yaitu asset tetap, dan perlengkapan. Proses pengiriman infrastruktur pelayanan secara tidak langsung menyatakan bahwa ada permintaan atas pelayanan tersebut. Jenis dari permintaan memiliki implikasi atas siapa yang seharusnya menyediakan permintaan tersebut dan bagaimana menyediakannya. b) Ciri lain dari infrastruktur. Selain karakteristik ekonomi yang telah dijelaskan di atas. Infrastruktur juga dapat diklasifikasikan berdasarkan dua ciri konsumsi, yaitu mencegah orang lain untuk mengkonsumsi (excludable), dan persaingan dengan orang lain maksudnya ialah konsumsi oleh seseorang akan mengurangi konsumsi orang lain (rivalry). Konsep ini telah

38

dinyatakan oleh Bank Dunia pada tahun 1994 dalam laporan pembangunan dunia (World Development Report). Hal tersebut digunakan untuk mendefinisikan barang prifat dan barang publik. Barang prifat dapat didefinisikan sebagai barang yang memiliki baik rivalry (konsumsi oleh seorang pengguna mengurangi ketersediaan penawaran pada pengguna yang lainnya) dan excludable (seorang pengguna dapat dicegah untuk mengkonsumsi barang tersebut). Sebaliknya barang publik murni tidak ada persaingan dalam konsumsi dan tidak pula excludable. Konsep publik dan prifat di sini tidak merujuk pada kepemilikan. Konsep ini digunakan untuk mendefinisikan ciri konsumsi infrastruktur pelayanan. Dengan demikian, tidak masalah siapa yang memiliki, pada akhirnya infrastruktur pelayanan akan dikonsumsi oleh seseorang. Bagaimana masyarakat mengkonsumsi dan tingkatan mereka memberikan kompensasi kepada penyedia merupakan hal yang harus diperhatikan dalam membuat keputusan investasi. Sifat eksludabilitas dari suatu pelayanan mempengaruhi siapa yang bertanggung jawab dalam penyediaan jasa. Tingkat eksludabilitas yang tinggi berarti bahwa pengenaan biaya pemakaian menentukan siapa yang memiliki akses terhadap pelayanan tersebut. Sementara itu jika tingkat rivalitas tinggi berarti terdapat kompetisi yang lebih besar untuk mendapatkan hak atas suatu pelayanan. Secara teoretis, pemisahan dua jenis barang atau jasa ini sangat kentara/tegas, namun dalam praktiknya garis pembeda antara barang prifat, barang publik, barang bebas, dan lainnya cenderung tidak jelas. 2.2.1. Infrastruktur dan Kegagalan Pasar

Berdasarkan dari berbagai penjelasan mengenai karakteristik infrastruktur di atas, dapat dikatakan bahwa infrastruktur memiliki kemungkinan untuk mengarah pada kegagalan pasar. Kegagalan pasar merupakan suatu istilah untuk menyatakan kondisi di

39

mana tidak menghasilkan output yang efisien (pareto). Terdapat dua bentuk dasar dari kegagalan pasar jika dikaitkan dengan infrastruktur, yaitu underconsumption dan undersupply. (Stiglitz, 2000) Underconsumption biasanya terjadi pada barang yang sifatnya non-rivalry. Mengenakan tarif atau harga pada infrastruktur jenis ini akan mencegah orang lain untuk menikmati infrastruktur tersebut, walaupun konsumsi mereka itu tidak menambah tambahan biaya, mengingat marginal cost-nya adalah nol. Dengan demikian, mengenakan tarif pada infrastruktur yang non-rivalry adalah suatu yang tidak efisien karena hal ini menghasilkan underconsumption. Namun, jika tidak ada pengenaan tarif atau harga pada infrastruktur maka tidak ada insentif untuk menyediakannya. Pada bagian ini, inefisiensi (kegagalan pasar) berbentuk undersupply karena tidak adanya pengecualian (exclusion). Selain itu, karena sifatnya yang jangka panjang, tidak dapat diubah (irreversible), infrastruktur dibatasi oleh keputusan politik dan risiko. Sebagai contoh, karena sifatnya yang tidak dapat diubah (pabrik untuk memproduksi suatu barang dapat direlokasi atau ditutup ketika peralatan berupa mesin sudah usang, namun hal ini tidak dapat terjadi pada jalan kereta api atau sistem penyediaan air bersih), maka sekali infrastruktur itu di bangun, akan dihadapakan pada berbagai macam gangguan baik itu karena adanya tekanan sosial untuk menjaga agar harga dari pelayanan dasar itu tetap rendah atau dari adanya rentseeker. Kemudian, contoh lainnya adalah karena struktur pasar yang cenderung tidak kompetitif. Ada kemungkinan besar bahwa akan terjadi natural monopoly pada suatu wilayah tertentu. Dengan demikian, akan tidak mungkin untuk bersaing, bagi pihak lain, pada pengadaan pelayanan infrastruktur pada wilayah tersebut.

40

2.3.

Penelitian-Penelitian Sebelumnya

Banyak sekali penelitian-penelitian yang menganalisa hubungan antara infrastruktur terhadap kemiskinan dan ketenagakerjaan. Dari penelitian-penelitian tersebut ada yang berupa studi kasus pada suatu wilayah tertentu dan atau jenis infrastruktur tertentu. Kemudian ada pula yang berbentuk komparasi antar wilayah dan atau dampak perbedaan jenis infrastruktur. Untuk memudahkan penjelasan, berikut ini akan dibahas perjenis infrastruktur. 2.3.1. Infrastruktur Irigasi

Hussain, Trikhawala, dan Marikar (2002) melakukan penelitian berupa studi kasus atas perbandingan dampak irigasi atas kemiskinan di pakisatan dan sri langka. Studi in dilakukan selama periode 2001-2002 di Sri Lanka’s Uda Wale Left Bank Irrigation System dan di Pakistan’s Mandi Bahaudin. Keduanya merupakan system irigasi skala besar. Pendekatan dengan membuat komparasi atas wilayah sampel yang memiliki infrastruktur irigasi baik, kurang baik, serta tanpa irigasi. Studi ini menggunakan data primer yang diambil sebanyak tiga kali selama periode tersebut. Sampel yang digunakan sebanyak 858 rumah tangga di Sri lanka dan 720 di Pakistan. Kuesioner yang digunakan bersifat multi topik, misalnya kemiskinan diukur berdasarkan konsep moneter (pendapatan dan pengeluaran) dan non-moneter (kematian bayi, dependensi rasio, kualitas perumahan, indeks berat badan, kinerja pertanian), konsep kemiskinan kronis dan permanen serta transien (Hussain, Trikhawala, dan Marikar, 2002). Hasil penelitian menunjukkan bahwa di Sri Lanka, rumah tangga yang memiliki akses terhadap irigasi memiliki tingkat pendapatan dan pengeluaran yang lebih tinggi dibandingkan dengan daerah tanpa irigasi. Pengeluaran rata-rata bulanan rumah tangga di daerah dengan irigasi adalah 24% lebih tinggi dibanding daerah tanpa irigasi. Studi ini juga mengindikasikan bahwa produksi di area dengan irigasi mampu menopang area terdekat 41

yang tidak memiliki irigasi, degan demikian mengurangi tingkat kemiskinan kronik. Pada studi ini ditemukan pula bahwa rumah tangga di daerah dengan irigasi dapat menghaluskan pengeluaran mereka, dari pendapatan yang lebih tinggi. Demikian juga di Pakistan, studi mengindikasikan bahwa irigasi mengurangi kemiskinan kronik. Namun, dampak yang ditemukan atas irigasi tersebut hanya bersifat marginal. Hal ini disebabkan oleh dua faktor utama yaitu pertama, ketidakmerataan dalam kepemilikan sumberdaya, khususnya tanah, mereka yang memiliki lahan lebih luas menerima keuntungan lebih besar dari mereka yang memiliki lahan lebih kecil. Kedua, tata kelola yang buruk (buruknya kondisi infrastruktur irigasi, kurangnya upaya dalam pemeliharaan, serta adanya pencurian air). Penelitian ini berkesimpulan bahwa akses terhadap irigasi secara signifikan mengurangi kemiskinan kronis. Kemudian dampak dari irigasi akan semakin besar jika rumah tangga, dalam hal kepemilikan lahan, lebih merata dalam distribusinya. Selanjutnya, dalam program pengurangan kemiskinan, sebaiknya irigasi lebih ditargetkan untuk rumah tangga atau daerah yag miskin. Terakhir, dalam kasus daerah yang memiliki distribusi lahan tidak merata (Pakistan), dampak dari irigasi akan semakin tidak merata untuk dirasakan kecuali diambil kebijakan untuk meredistribusi kepemilikan lahan. Penelitian selanjutnya dilakukan oleh Japan Bank for International Cooperation Institute (JBICI) yang bekerja sama dengan International Water Management Institute (IWMI) (JBICI, 2007). Hasilnya memiliki kesimpulan yang sama. Terdapat bukti kuantitatif yang kuat antara pembangunan infrastruktur irigasi dengan pengurangan kemiskinan. Tingkat kejadian, kedalaman dan keparahan kemiskinan memiliki angka tertinggi di daerah yang tidak memiliki irigasi, dan terendah di daerah yang memiliki irigasi dengan ketersediaan air yang berlimpah. Kemudian mengenai indikator-indikator sosial dan demografi menunjukkan bahwa jumlah tenaga kerja per rumah tangga semakin

42

kecil jika berada pada daerah tanpa irigasi sehingga pada daerah ini juga memiliki tingkat dependensi yang tinggi pula. Kemudian, jumlah tahun sekolah di daerah yang memiliki irigasi tersebut jauh lebih tinggi di daerah yang memiliki irigasi. Selanjutnya intensifikasi penanaman (membuat panen mampu dilakukan pada musim hujan dan kering), diversifikasi tanaman, serta produktifitas tanah menjadi lebih tinggi dengan adanya irigasi. Mundlak, Larson, dan Butzer (2002) menganalisa efek dari variabel-variabel infrastruktur, input, dan insentif harga pada pertumbuhan pertanian di Indonesia (19711998), Filipina (1961-1998) dan di Thailand (1971-1995). Infrastruktur fisik terdiri dari jalan, kemudian pendidikan dan kesehatan yang menggambarkan modal manusia. Pendidikan di gambarkan dengan persentase dari pekerja pada sektor pertanian yang tidak sekolah untuk Indonesia dan Thailand. Untuk Filipina yang digunakan adalah persentase rata-rata pekerja yang sekolah dibandingkan dengan angkatan kerja. Sementara itu, yang termasuk faktor input adalah lahan irigasi, lahan tadah hujan, pupuk, tenaga kerja serta modal. Terakhir, variabel insentif adalah harga dan harga bayangan. Semua variabel tersebut adalah variabel independen, pada penelitian ini yang menjadi variabel dependen adalah log dari nilai tambah. Hasil dari penelitian ini mengindikasikan bahwa infrastruktur fisik berperan 11-15% pada pertumbuhan output di Thailand dan di Indonesia. Infrastruktur menyubangkan proporsi yang besar terhadap meningkatnya pertumbuhan produktivitas faktor total yang akan memiliki pengaruh negative terhadap kemiskinan.

Yang sangat menarik adalah

kontribusi lahan irigasi terhadap pertumbuhan output di Indonesia yang cukup besar, yaitu 10-16 persen. Lahan irigasi di Indonesia memiliki elastisitas 0,46, besaran yang tinggi. Kemudian produktivitas marginal dari lahan irigasi di Indonesia mengalami peningkatan yang tajam. Hal ini mengindikasikan bahwa terjadinya intensifikasi dalam penanaman (berkaitan dengan diversifikasi tanaman), serta memobilisasi sumberdaya yang terbatas ke

43

daerah yang memiliki irigasi, sementara di daerah tadah hujan akan menerima dampak buruk. Namun berbeda dengan pendapat dari peneliti sebelumnya, Mundak, Larson, dan Butzer berpendapat bahwa pengurangan kemiskinan tidak berkembang dengan baik karena teknologi pertanian yang modern mengurangi kebutuhan akan tenaga kerja, kemudian tingkat upah tetap rendah. Dengan begitu kesejahteraan mereka yang tidak memiliki lahan tidak meningkat. Namun pada sisi lainya, para pemilik lahan akan menerima keuntungan, berupa peningkatan hasil pertanian, tingkat upah yang lebih tinggi, pada tahap selanjutnya akan meningkatkan modal manusianya. Dengan demikian, pengurangan kemiskinan di perdesaan sangat bergantung pada peningkatan kesempatan kerja di aktivitas bukan pertanian (off-farm) (Mundak, Larson dan Butzer, 2002) Datt dan Ravalion (1998b) menunjukkan bahwa negara yang memiliki stok awal atas infrastruktur dan irigasi yang bagus akan memiliki tingkat produktivitas yang lebih tinggi, hal ini tentunya akan mengurangi kemiskinan. Kemudian pada penelitiannya yang lain, Datt dan Ravalion (1998) juga menunjukkan bahwa negara-negara yang memiliki investasi awal yang lebih tinggi pada infrastruktur fisik dan bukan fisik telah mendorong pada kinerja yang lebih baik dalam mendukung pertumbuhan dan pengurangan kemiskinan dibandingkan negara-negara yang ‘miskin’ dalam investasi pada infrastruktur. Canning (1999) memberikan penekanan pada perbedaan dimensi kuantitas dan kualitas dari stok infrastruktur dari negara-negara di dunia. Kuantitas infrastruktur terdiri atas, panjang jalan, jalan beraspal, jalan kereta api, jumlah dari sambungan telepon, dan kapasitas listrik. Sementara itu kualitas dari infrastruktur diantaranya adalah persentase jalan dengan kondisi buruk (rusak), persentase dari panggilan telepon yang gagal, kemudian persentase listrik yang hilang dari sistem distribusi. Ia menunjukkan bahwa terdapat hubungan jangka panjang yang stabil antara infrastruktur dengan pertumbuhan ekonomi. Penemuan ini menyatakan secara tidak langsung bahwa pembangunan

44

infrastruktur fisik akan menaikkan pendapatan permanen dalam jangka panjang, dan akhirnya akan menurunkan tingkat kemiskinan kronis secara global. Perbedaan besaran dampak irigasi terhadap pengurangan kemiskinan disebabkan oleh beberapa kondisi, diantaranya ialah: ketidakmerataan dalam kepemilikan lahan, kondisi dan pengelolaan irigasi, jenis teknologi irigasi, kualitas air, teknologi pertanian, dan ukuran-ukuran lainnya seperti informasi, pemasaran input dan output (Husain, Giordano, dan Harnja, 2003). Ketika tingkat ketidakmerataan distribusi tanah sangat tidak merata, maka keuntungan hanya didapat oleh beberapa kelompok pemilik tanah. Irigasi akan berdampak kecil terhadap kemiskinan. Kurangnya kepemilikan lahan menyebabkan terjadinya self-exclusion bagi penduduk miskin. Manfaat irigasi akan dimonopoli oleh si pemilik lahan (Husain, Giordano dan Harnja, 2003). Hal yang senada juga terdapat pada penelitian Sampath (1990). Ia menemukan bahwa irigasi akan mengarah pada ketidakmerataan tergantung pada faktor-faktor spesifik diantaranya adalah struktur dari irigasi. Irigasi yang berbentuk sistem permukaan (kanal) akan menyebabkan ketidakmerataan lebih tinggi jika dibandingkan dengan irigasi dengan sistem air bawah tanah. Ketidakmerataan ini diperparah jika kepemilikan lahan juga tidak merata. Sebagai contohnya adalah petani kecil di India yang berjumlah sekitar 46% dari total rumah tangga perdesaan, namun hanya dapat mengakses 14% dari lahan yang teririgasi. Akan tetapi, petani besar (lahan lebih dari 4 ha) yang hanya 12,5% dari rumah tangga mampu mengakses 38% lahan yang diairi oleh irigasi (Sampath, 1990). Namun ketika kepemilikan lahan sudah terdistribusi secara merata, namun pengelolaan dan akses terhadap input seperti pupuk sangat buruk maka dampak pembangunan irigasi ini juga minim. Atau bahkan ketika kedua kondisi pertama itu bagus, namun air tidak terdistribusi dengan baik, maka manfaat irigasi juga minimal. Kemudian,

45

ketika semua hal di atas itu dalam kondisi yang baik, namun petani tidak mampu menjual hasil panen karena ketidaksempurnaan pasar, atau tingginya biaya transaksi, akan membuat manfaat irigasi hilang.

2.3.2. Infrastruktur Jalan

Berbeda dengan studi-studi kontribusi jalan terhadap pertumbuhan ekonomi, studistudi yang melihat bagaimana peran kontribusi jalan terhadap kemiskinan dan distribusi pendapatan lebih menunjukkan bukti-bukti pada tingkatan yang lebih mikro. Biasanya melihat dari data survey. Seperti Dercon dan Krishnan yang mengumpulkan data rumah tangga di Ethiopia tahun 1989, 1994 dan 1995 untuk melihat perubahan pada tingkat kemiskinan dan menemukan faktor-faktor apa yang menyebabkan perubahan tersebut. Dengan melakukan dekomposisi perubahan pada kemiskinan terhadap subkelompok populasi, mereka menemukan bahwa rumah tangga dengan modal manusia dan fisik yang lebih besar, serta akses jalan yang lebih baik memiliki tingkat kemiskinan yang lebih rendah (Dercon and Krishnan, 1998). Investasi pada jalan dapat mengurangi kemiskinan dari beberapa jalur, salah satu yang terpenting adalah peranannya pada aktivitas non-farm di desa. Penelitian yang dilakukan Khandker menemukan bahwa

investasi pemerintah di jalan memiliki efek

positif atas hasil panen, pekerja bukan pertanian di desa, dan upah petani. Semuanya itu menguntungkan penduduk miskin (Khandker, 1989). kemudian Malmberg et all. (1997) menemukan bahwa infrastruktur jalan memiliki dampak pada pertumbuhan ekonomi baik di sektor pertanian maupun bukan, dan menciptakan kesempatan ekonomi bagi penduduk desa secara keseluruhan, termasuk yang miskin. Kemudian Khandker, Levy dan Filmer menyimpulkan bahwa proyek pembangunan jalan di Maroko berdampak pada meningkatnya produksi pertanian, produktivitas lahan, dan input pertanian lainnya. Proyek ini juga mengarah pada produksi hasil pertanian bernilai tinggi, dan meningkatkan 46

kesempatan kerja bukan pertanian. Pada sisi dampak sosial, manfaat dari proyek pembangunan jalan ini juga meningkatkan akses kepada pelayanan kesehatan, dan meningkatkan kehadiran anak didik di sekolah. Fan dan Chan-Kang (2005) meneliti dampak pembangunan jalan terhadap pertumbuhan dan pengurangan kemiskinan di China. Dengan menggunakan data tingkat propinsi periode 1982-1999, mereka menemukan bahwa pembangunan jalan, bersama penelitian di pertanian, irigasi, pendidikan, listrik, telekomunikasi berdampak secara signifikan pada pertumbuhan ekonomi dan kemiskinan. Penemuan terpenting dari studi ini adalah jalan dengan kualitas rendah (kebanyakan di perdesaan) memiliki rasio biayamanfaat terhadap GDP nasional yang lebih besar dibandingkan dengan jalan kualitas bagus. Jika melihat pada GDP sektor pertanian, jalan berkualitas bagus tidak berpengaruh signifikan sementara jalan dengan kualitas rendah berpengaruh signifikan, dan setiap 1 yuan investasi akan menciptakan 1,57 yuan GDP sektor pertanian. Dalam bentuk pengurangan kemiskinan, investasi pada jalan dengan kualitas buruk lebih besar dampaknya pada jalan dengan kualitas yang bagus (Fan and Kang, 2005). Untuk kasus di Indonesia, studi akan hal ini pernah dilakukan oleh Kwon. Ia meneliti mengenai peran infrastruktur jalan desa dalam pengurangan kemiskinan. Menurutnya penduduk miskin pada umumnya terkonsentrasi di pedesaan dan cenderung terisolasi dengan daerah lainnya. Dengan demikian mobilitas mereka terbatas. Keterbatasan ini menyebabkan mereka tidak dapat mengambil keuntungan dari berbagai kesempatan tenaga kerja yang timbul dari proses pertumbuhan. Kemudian bagi pertanian, hal ini akan meningkatkan biaya produksi dan akibatnya menurunkan keuntungan mereka. Transportasi pedesaan yang lebih baik menyebabkan petani mampu meningkatkan kegiatannya (dengan biaya input yang lebih rendah), pertanian bergeser dari pola subsisten ke ‘pasar’, dan meningkatkan kesempatan dari adanya pendapatan off-farm. Lebih jauh

47

lagi, dengan menghubungkan daerah pedesaan dengan pusat ekonomi dapat menjadikan akses pada pendidikan dan kesehatan menjadi lebih mudah bagi penduduk pedesaan tersebut. Menurutnya ada dua cara, infrastruktur jalan mengurangi kemiskinan, yaitu dengan dampak langsung (its own effect), dan dari dampak pada peningkatan kinerja variabel lainnya (the through-effect). Dampak langsung dari infrastruktur jalan ini adalah tambahan dari lapangan pekerjaan ketika pembangunan jalan ini berlangsung, meningkatkan hubungan antara produsen dan konsumen, pencari kerja dengan yang mempekerjakan. Singkatnya, jalan dapat menyebabkan pasar input dan pasar barang bekerja lebih baik, yang secara tidak langsung mengurangi kemiskinan (Kwon, 2001). Meskipun dampak positif pembangunan infrastruktur jalan tersebut dalam mendorong aktivitas bukan pertanian di desa, meningkatnya aktivitas tersebut merupakan sumber yang signifikan atas terjadinya ketidakmerataan dalam pendapatan di desa (Benjamin and Brandt, 1999). Dengan demikian, dampak positif yang dimiliki oleh aktivitas bukan pertanian terhadap pertumbuhan pendapatan dan pengurangan kemiskinan mungkin dinegasikan oleh meningkatnya kesenjangan pada distribusi pendapatan. 2.3.3. Pendidikan

Pendidikan secara mikroekonomi mempengaruhi pertumbuhan ekonomi dengan meningkatkan produktivitas. Secara teoretis paling tidak terdapat tiga mekanisme bagaimana pendidikan mempengaruhi pertumbuhan ekonomi (Hanushek, 2007). Pertama, seperti dalam perspektif mikroekonomi, pendidikan meningkatkan modal manusia yang melekat pada angkatan kerja, yang akan meningkatkan produktivitas tenaga kerja. Kedua, pendidikan akan meningkatkan kapasitas inovasi dari suatu perekonomian, pengetahuan baru atas teknologi akan mendorong pertumbuhan. Ketiga, pendidikan memfasilitasi dan

48

menyebarkan pengetahuan yang dibutuhkan untuk memahami dan mengimplementasikan informasi baru yang ditemukan oleh orang lain, hal ini mendorong pertumbuhan. Duflo (2000) meneliti mengenai dampak pembangunan sekolah dasar yang melebihi 61.000 sekolah di Indonesia pada tahun 1973-1978 terhadap upah dan pendidikan. Hasil estimasi memperlihatkan bahwa pembangunan sekolah meningkatkan pendidikan dan pendapatan. Kemudian hasil ekonomi berkisar dari 6,8% ke 10,6%. Ketersediaan infrastruktur sekolah telah ditunjukkan memiliki korelasi positif dengan penyelesaian sekolah (lulus), atau tingkat partisipasi (Nancy Birdsal, 1985). Permasalahannya ialah bahwa sekolah-sekolah yang ada pada umumnya tidak terlokasi secara acak. Pada sistem pendidikan yang mengandalkan pada keuangan pemerintah daerah, semakin makmur masyarakatnya semakin banyak sekolah yang dapat dibangun. Sementara itu, pada sistem yang tersentralisasi, pembangunan sekolah akan terjadi/banyak pada daerah-daerah yang terbelakang. Hal ini menyebabkan upah akan lebih rendah pada daerah yang memiliki lebih banyak sekolah negeri (Duflo, 2000). 2.3.4. Infrastruktur Telepon

Abdul Bayes (2001) meneliti peran telekomunikasi pada pembangunan desa dan khususnya pengurangan kemiskinan dengan studi kasus Bangladesh. Lebih tepatnya pada program telepon desa berbayar yang dibuat oleh Bank Grameen. Ia berkesimpulan bahwa telepon akan mempengaruhi produksi barang-barang yaitu dengan menurunkan biaya transaksi. Profit yang ditimbulkan dari telepon ini sekitar seperlima atau seperempat dari total pendapatan penduduk desa. Kemudian, layanan yang berasal dari telepon di desa-desa memberikan keuntungan kepada mereka yang miskin daripada yang tidak, dan mengurangi ketidakmerataan. Secara keseluruhan, para rumah tangga yang memilki telepon (86% rumah tangga) menyatakan bahwa kondisi makanan mereka meningkat. Selain itu dampak

49

non-ekonomi lainnya yang positif adalah peningkatan penegakan hukum, dan memperkuat hubungan kekerabatan. (Bayes, 2001) Cronin et all, (1995) ingin melihat manfaat ekonomi dari telekomunikasi secara kuantitatif, kemudian studinya ingin mengetahui dampak pembangunan telekomunikasi pada masyarakat perdesaan di Pensylvania. Mereka menemukan bahwa pola pembangunan (diukur dari pertumbuhan pekerjaan dan pendapatan) di perdesaan lebih lambat dari di perkotaan. Hal ini karena mata pencaharian penduduk di perdesaan berada pada tiga jenis sektor tradisional, yaitu pertanian, SDA, dan pengolahan. Telekomunikasi mendorong pembangunan di perdesaan melalui substitusi biaya-efektif untuk modal dalam proses produksi, meningkatkan kualitas dan meraih obat modern ke perdesaan, dan mampu memperkenalkan pola pembelajaran jarak jauh yang mana dapat meningkatkan pendidikan di perdesaan. Kemudian, dalam hal pertumbuhan pekerjaan, telekomunikasi yang menurunkan biaya akan meningkatkan permintaan atas tenaga kerja. Namun yang perlu diperhatikan adalah terjadinya disparitas antara pengguna telekomunikasi di perkotaan dan di perdesaan (Hudson dan Parker, 1991). 2.3.5. Infrastruktur Listrik

Listrik secara signifikan berkontribusi pada pertumbuhan sektor non-farm di perdesaan di China yang mengarah pada penurunan kemiskinan dengan elatisitas sebesar 0,42 (Fan et al, 2002). Listrik memiliki peranan yang besar pada upaya pengurangan kemiskinan. Setiap 10.000 Yuan yang digunakan untuk pembangunan listrik, maka mampu mengangkat orang miskin keluar dari kemiskinannya sebesar 2,3 orang. Di Indonesia, listrik merefleksikan akses terhadap teknologi yang berkontribusi secara langsung terhadap kemiskinan dengan meningkatnya lapangan kerja dan pendapatan dari penduduk miskin (Baliscanan, et al., 2002). Namun di Indonesia, dalam laporan evaluasi Bank Dunia, banyak rumah tangga yang memilih untuk tidak menggunakan 50

jaringan listrik yang tersedia. Hal ini pastinya disebabkan dari tingkat kemiskinan yang ekstrim dan kurangnya kesempatan untuk mendapatkan kredit sehingga penduduk miskin tersebut tidak dapat memanfaatkan faedah dari listrik di perdesaan (Ali dan Pernia, 2003). Studi mengenai infrastruktur kelistrikan pernah dilakukan oleh Lembaga Penyelidikan Ekonomi dan Masyarakat Fakultas Ekonomi Universitas Indonesia (LPEMFEUI) tahun 2003. Hasil simulasi menunjukkan, tanpa perbaikan apa-apa dalam peningkatan daya terpasang listrik, rata-rata pertumbuhan ekonomi diperkirakan hanya akan mencapai 4,4 persen sampai tahun 2005. Bila pemerintah meningkatkan pertumbuhan daya terpasang listrik 15 persen, misalnya, pertumbuhan ekspor akan dapat meningkat dari rata-rata 7 persen menjadi 8,8 persen dan pertumbuhan ekonomi akan dapat mencapai ratarata 4,6 persen. Jika peningkatan daya terpasang listrik dinaikkan sampai 30 persen, ratarata pertumbuhan ekonomi dapat didorong sampai 4,8 persen sepanjang tahun 2003-2005 (LPEM, 2003). Kebutuhan investasi di sektor listrik hingga 2015 diperkirakan akan mencapai 41 miliar dolar AS. Kebutuhan investasi itu tidak hanya pembangunan pembangkit, namun juga pembangunan sarana transmisi dan distribusi listrik. Kebutuhan investasi itu akan dibiayai oleh pemerintah dan swasta, namun peran swasta hanya pada pembangunan pembangkit saja, sedangkan untuk transmisi dan distribusi akan dipenuhi oleh pemerintah dan PLN. Penelitian secara umum menunjukkan bahwa modal infrastruktur memiliki dampak positif terhadap pertumbuhan ekonomi di negara-negara berkembang (Fox, 1994). 2.3.6. Kesehatan

Kesehatan adalah modal manusia yang mempengaruhi pembangunan ekonomi melalui, contohnya, produktivitas tenaga kerja, dan hambatan ekonomi ketika sakit. Kesehatan memiliki dampak tidak langsung, misalnya kesehatan anak mempengaruhi pendapatan di masa mendatang. Karena kesehatan juga memiliki dampak pada pencapaian 51

di bidang pendidikan, seperti partisipasi, kehadiran dan kemampuan kognitif (Galor dan Foulkes, 2004). Hal ini dapat digambarkan pada grafik di bawah ini. Gambar 2-2 Siklus Intergenarasi Pembentukan Modal Manusia

Sumber: Galor and Foulkes, 2004

Selain itu, kesehatan juga menjadi salah satu faktor penentu pertama kemiskinan (temporer) dan jebakan kemiskinan (kronis) melalui dampak langsung dan tidak langsung yang dimilikinya. Probabilitas anak-anak dari keluarga miskin yang akan berada pada kemiskinan kronis sangat besar. Mereka dihadapkan pada masalah kesehatan yang berulang terus sehingga mempengaruhi kemampuan kognitif mereka dan akhirnya mereka tidak dapat sekolah. Tahap selanjutnya adalah pendapatan mereka saat dewasa akan kecil. Orang tua dengan tingkat pendidikan dan pendapatan yang rendah akan rendah pula berinvestasi pada peningkatan modal manusia anak mereka. Dengan demikian, siklus kemiskinan akan terus berulang (Lustig, 2006). Secara umum, dari hasil penelitian-penelitian sebelumnya didapat bahwa infrastruktur memiliki hubungan negatif terhadap kemiskinan. Walaupun juga telah dijelaskan secara sekilas bahwa terdapat suatu prakondisi tertentu agar infrastruktur secara efektif dapat mengurangi kemiskinan.

52

Hal tersebutlah yang membuat beberapa kalangan skeptis mengenai peranan infrastruktur terhadap pengurangan kemiskinan karena beberapa hal yang mendasar, yaitu: pertama, walaupun penting untuk pertumbuhan ekonomi, investasi infrastruktur hanya memiliki keterkaitan yang kecil dengan pengurangan kemiskinan. Kedua, actual benefit dari infrastruktur secara signifikan lebih rendah dari yang diharapkan. Ketiga, lemahnya tata-kelola dan institusi, proses kebijakan infrastruktur yang berkecenderungan selalu topdown (tidak partisipatif) memberikan jalan untuk korupsi, mendistorsi pilihan investasi masyarakat, dan tidak menghiraukan pemeliharaan infrastruktur yang ada. Ada tiga aspek yang menjadi fokus perdebatan pada kebijakan infrastruktur, yaitu: 1. Akses dan ketepatan/kecocokkan. Analisis mengenai infrastruktur dan kemiskinan menunjukkan bahwa, secara umum di banyak negara berkembang, akses masyarakat miskin kepada layanan infrastruktur dibatasi, misal pada infrastruktur yang disediakan sendiri, membeli air pada penjual keliling. Menurut Devas, ada beberapa faktor penyebab utamanya diantaranya: ketidakcukupan dari skala kebutuhan yang besar; mengadopsi standar yang relatif tinggi sehingga masyarakat miskin tidak bisa menikmatinya, subsidi banyak yang diberikan kepada penduduk dengan pendapatan tinggi dsb.(Devas, 1991) 2. Pembiayaan dan mekanisme cost-recovery. Siapa yang harus menanggung biaya pengadaan infrastruktur tersebut, dengan perkataan lain apakah pemerintah mengenakan harga tertentu kepada masyarakat yang menggunakan infrastruktur tersebut. 3. Partisipasi masyarakat, dan institusi. Partisipasi semakin dibutuhkan didalam mendesain dan mengimplementasikan infrastruktur. Kemungkinan-kemungkinan intervensi pro-poor secara umum difokuskan pada ketentuan yang didasarkan pada aspek komunitas, dengan aspek biaya teknologi yang rendah dan sederhana. Cotam

53

menyatakan bahwa blueprint mengenai teknologi infrastruktur (sering dihubungkan dengan pembiayaan eksternal dan prosedur tender internasional) saat ini mengabaikan realitas lokal. Ia menerangkan pentingnya pemahaman atas ketentuan infrastruktur yang berdasar pada perspektif historis, dan sosial-budaya, keberagaman bentuk organisasi lokal, inisiatif dan resistensi. 2.4.

Dasar Pembentukan Model

Model persamaan pada studi ini didasarkan dari beberapa studi-studi yang telah dilakukan sebelumnya, diantaranya adalah Kwon (2001), dan Lutfi (2006). 2.4.1 Penelitian Kwon Dalam studinya, Kwon mencoba menganalisa hubungan antara infrastruktur jalan, dan pengurangan kemiskinan. Data yang digunakan dalam studinya adalah data crosssectional. Ia menganalisa data panel tingkat provinsi di Indonesia dari tahun 1976-1996 untuk melihat hubungan antara infrastruktur dan pengurangan kemiskinan. Provinsi diklasifikasikan terlebih dahulu dengan melihat akses ke jalan dengan menggunakan informasi pre-sample, merujuk pada rata-rata kepadatan jalan pada tahun 1976. Akses yang bagus didefinisikan sebagai kepadatan jalan yang melebihi rata-rata. Sementara itu, akses yang buruk ketika ia lebih rendah dari rata-rata. Pelayanan infrastruktur jalan dianggap cukup jika akses pada jalan adalah bagus. Dengan demikian, terdapat enam provinsi yang dikategorikan sebagai provinsi yang memiliki akses yang baik –Bali, Jawa Tengah, Jawa Barat, Jawa Timur, Sulawesi Utara, dan Yogjakarta – dan sejumlah 19 provinsi lainnya memiliki akses yang buruk. Analisa pada studi ini mengandalkan pada pemecahan sampel, karena peranan infrastruktur jalan dalam pembangunan ekonomi dan pengurangan kemiskinan mungkin berbeda diantara provinsi-provinsi yang memiliki jalan yang cukup dan provinsi-provinsi yang tidak memilikinya. Oleh karena itu, analisa perbedaan cross-sectional akan 54

memperoleh pengetahuan yang mendalam mengenai peranan infrastruktur jalan dalam pengurangan kemiskinan. 1) Bagaimana kemiskinan bereaksi pada investasi jalan. Untuk mengukur sensitifitas kemiskinan digunakan persamaan sederhana untuk kemiskinan yang memasukkan konstanta, log kemiskinan periode sebelumnya dan periode tertentu, dan sepuluh periode sebelumnya. Dummy duapuluh lima provinsi juga dimasukkan sebagai kontrol atas efek spesifik-provinsi pada kemiskinan. Investasi pemerintah meliputi irigasi, jalan, kesehatan, ilmu pengetahuan dan teknologi, pertanian dan kehutanan, dan pendidikan. Variabel makro ekonomi meliputi produksi regional, pekerja di pertanian dan bukan pertanian, produksi pertanian, dan upah riil. Karena semua variabel dalam bentuk log, koefisien harus diinterpretasikan sebagai sensitifitas kemiskinan pada setiap variabel. Seluruh variabel yang digunakan adalah nilai riil yang dinormalisasi dengan penduduk pada setiap provinsi. Persamaan yang digunakan adalah sebagai berikut Lpov t = α 0 + α 1 y t −1 + β 1 x t + β 2 x t −1 + ...β 11 x t −10 + ∑

j = t , 25

δ j D j + ut

...........(1)

Di mana: Lpov

: proporsi penduduk miskin yang berada di bawah garis kemiskinan

X

:variabel bebas yang terdiri dari variabel jumlah pengeluaran pembangunan, irigasi, transportasi, kesehatan, ilmu pengetahuan dan teknologi, pertanian dan kehutanan serta pendidikan, pekerja di pertanian dan bukan pertanian, GDP regional, upah riil.

2) Dampak infrastruktur jalan pada kemiskinan. Studi ini ingin mengetahui apakah ketersediaan jalan mempengaruhi kemiskinan secara langsung atau tidak. Untuk itu dibuat beberapa persamaan. Pada persamaan pertama diasumsikan bahwa kemiskinan merupakan fungsi dari produksi regional. Sementara itu 55

pada persamaan kedua, kemiskinan merupakan fungsi dari jalan. Seperti pada persamaan sebelumnya, dummy provinsi dimasukkan sebagai kontrol atas dampak spesifik-provinsi. Semua variabel dalam bentuk log.

LPOVt = α0 + α1LPOVt −1 + β1LGDP .............................(2) t + ∑ j δ j Dj + ut

LPOV= α0 + α1LPOVt −1 + β1LGDP .......(3) t + β2 LROAD t −1 + ∑ j δ j Dj + ut Untuk menguji perbedaan cross-sectional, apakah hasil berbeda diantara provinsi dengan akses bagus atau buruk, persamaan kedua di regresi kembali secara terpisah untuk dua klasifikasi. Akan tetapi, perbedaan cross-sectional ini membutuhkan pengujian khusus karena hasil yang didapat mungkin hanya berasal dari sampel yang berbeda daripada dari perbedaan struktural. Persamaan kedua kemudian diestimasi dengan sampel penuh, dan memperbolehkan setiap koefisien dari subsample jadi berbeda. Dengan mengatur IG = 1 untuk propinsi dengan akses bagus, dan IG = 0 untuk provinsi dengan akses buruk, sehingga persamaan kedua yang diubah menjadi:

LPOVt = α 0 + α1 LPOVt −1 + β1 LGDPt I G + (β1 − β1 )LGDPt I G + β 2 LROADt −1 I G B

G

B

+ (β 2 − β 2 )LROADt −1 I G + ∑ j δ j D j + ut .............................................(4) G

B

Di mana: LPOV

: proporsi penduduk yang berada di bawah garis kemiskinan

Superscript G : untuk provinsi dengan akses yang bagus Superscript B : untuk provinsi dengan akses yang buruk LGDP

: produksi regional

LROAD

: jalan

D

: variabel dummy untuk setiap propinsi

Hasil dari studi ini menunjukkan bahwa jalan mempengaruhi kemiskinan. Kemiskinan memiliki sensitivitas yang lebih besar di provinsi yang memiliki akses bagus dibandingkan dengan provinsi dengan akses buruk. Studi ini menyimpulkan bahwa 56

infrastruktur jalan berpengaruh pada pengurangan kemiskinan dengan dua jalan: secara langsung (its own effect) dan dengan secara tidak langsung melalui pengaruhnya pada kinerja variabel yang lain (the through-effect). 2.4.2 Penelitian Lutfi Lutfi (2006) meneliti mengenai pengaruh infrastruktur dan institusi terhadap pertumbuhan ekonomi. Model yang digunakan pada penelitiannya itu mengadopsi model Canning mengenai infrastruktur dan dampaknya terhadap output aggregat. α

β

γ

δ

Yit = Ait Kit Hit Xit Iit Lit

1−α −β −γ −δ

Uit .....................(1)

Di mana: Yit

: PDRB daerah i pada periode t

Ait

: Total Faktor Produksi

K it

: Modal fisik

H it

: Human capital

X it

: Infrastruktur

I it

: Institusi

Lit

: Jumlah penduduk

U it

: Error term

Pada studi ini ada sedikit perubahan dan penyesuaian pada model Canning di mana jumlah penduduk (L) tidak secara eksplisit di masukkan dalam sebuah fungsi. Jumlah penduduk implisit ada di dalam model dengan, membagi masing- masing suku dengan jumlah penduduk. Selanjutnya model dibuat dalam bentuk log.

G it = a it + α k it + β h it + γ x it + δ i it + u it .......... .......... .( 2 ) G it = a it + α k it + β h it +

∑γx

it

+

∑δi

it

+ u it .......... ...( 3)

Di mana: Git

: Pertumbuhan ekonomi pada propinsi i pada periode t

xit

: Infrastruktur pada propinsi i pada periode t 57

iit

: Institusi pada propinsi i pada periode t Infrastruktur dan institusi didisagregasi menjadi empat jenis infrastruktur dan tiga

jenis indikator institusi. Jenis infrastruktur yang dimasukkan dalam modelnya itu adalah jalan, telepon, air, dan listrik (persamaan 4). Kemudian, institusi dilihat dari jumlah pegawai negeri sipil, besaran anggaran pembangunan, dan biaya rutin (persamaan 5):

Git = ait + α kit + β hit + γ 1 jlit + γ 2telit + γ 3 airit + γ 4listit + ∑δiit +uit ...............(4)

Git = ait + α kit + β hit + ∑γxit +δ1 pnsit + δ 2 pendit + δ 3bpit + δ 4brit + uit ..........(5) Berbeda dengan Kwon (2001), Lutfi (2006) menggunakan ukuran fisik dalam

model. Hal ini lebih baik karena dapat mengurangi pengaruh biaya investasi per satuan unit yang berbeda-beda untuk setiap daerah akibat adanya perbedaan tingkat efisiensi dalam penggunaan dana. Berdasar pada dua penelitian tersebut, penulis memodifikasi model sehingga dapat digunakan sebagai model untuk melihat pengaruh infrastruktur terhadap kemiskinan. Kedua model menggunakan jumlah penduduk untuk melakukan normalisasi. Pada penelitian ini penulis menggunakan istilah yang sedikit berbeda yaitu menggunakan seribu (1000) penduduk sebagai upaya normalisasi. Hal ini karena ukuran ini lebih sering digunakan untuk mengukur kinerja infrastruktur (World Bank, 2004). (lihat tabel 1-3) Kemudian mengganti analisis data cross-section yang digunakan oleh Kwon menjadi analisis data panel, mengikuti penelitian yang dilakukan oleh Lutfi (2006).

58

BAB III METODOLOGI PENELITIAN Bab ini menjelaskan tahapan penulis dalam melakukan pengolahan data hingga didapat hasil estimasi yang digunakan sebagai dasar analisis pengaruh infrastruktur terhadap kemiskinan. Tahapan-tahapan tersebut berisi berbagai pengujian untuk memenuhi kriteria yang ada (ekonomi, statistika, dan ekonometrika). Hal ini dilakukan guna mendapatkan hasil estimasi yang dapat dipercaya karena sudah sesuai dengan metode pengolahan data yang ada. 3.1. Spesifikasi Model

Seperti telah disinggung pada bab sebelumnya. Studi ini ada sedikit perubahan dan penyesuaian pada model Kwon yang lebih menggunakan data cross-section untuk menganalisis pola hubungan infrastruktur dengan kemiskinan. Studi ini menggabungkan (memodifikasi) penelitian yang dilakukan oleh Kwon dan Lutfi. Jumlah penduduk implisit ada di dalam model dengan, membagi masing-masing suku dengan jumlah penduduk (per 1000 penduduk). Kemudian terjadi perubahan dalam variabel terutama mengenai jenis infrastruktur. Infrastruktur di bagi menjadi beberapa jenis infrastruktur yaitu infrastruktur ekonomi, dan sosial. Semua variabel diubah menjadi dalam bentuk log untuk melihat sensitivitas kemiskinan terhadap variabel-variabel infrasttruktur (Kwon, 2001). Selain itu, pada penelitian ini juga ditambah beberapa variabel lainnya yaitu dummy krisis dan kemiskinan satu periode sebelumnya. Dengan demikian model persamaan pada studi ini adalah sebagai berikut.

pov it = α it + ∑ x γ x Infraekonomiit −1 + ∑ j δ j Infrasosial it −1 + ρ1 Dkrisis it + ρ 2 pov it −1 +u it .....(1)

pov it = α it + ∑ x γ x Infraekonomiit − 2 + ∑ j δ j Infrasosial it − 2 + ρ 1 Dkrisis it + ρ 2 pov it −1 +u it .....(2) 59

pov it = α it + ∑ x γ x Infraekonomiit −3 + ∑ j δ j Infrasosial it −3 + ρ 1 Dkrisis it + ρ 2 pov it −1 +u it .....(3) Infrastruktur ekonomi terdiri atas jalan negara dan propinsi, listrik, telekomunikasi, dan pengadaan jaringan air bersih (piped water), irigasi, dan jalan kabupaten. Selanjutnya, infrastruktur sosial pada penelitian ini terdiri dari dua jenis yaitu pendidikan dan kesehatan. Sesuai dengan persamaan 1, 2 dan 3, maka bentuk persamaan di bawah ini juga dibuat menjadi tiga macam lag.

pov it = a it + γ 1 jlkab it + γ 2 jlegprop it + γ 3 tel it + γ 4 airit + λ1irigasi it + λ 2 list it + δ 1 pendmngah it + δ 2 kes1it + δ 2 kes 4 it + ρ 1 Dkrisis it + ρ 2 pov it −1 + u it .....( 4)

Di mana: Â Povit

: Jumlah penduduk miskin per 1000 penduduk di propinsi i pada

periode t  telit

: Jumlah sambungan telepon di propinsi i pada periode t

(telepon/1000 penduduk) Â airit

: Jumlah Air bersih yang disalurkan ke masyarakat di propinsi i pada

periode t (m3/1000 penduduk) Â Jlkabit

: Panjang jalan kabupaten di propinsi i pada periode t (km/1000

penduduk) Â Jlnegpropit : Panjang jalan negara dan propinsi di propinsi i pada periode t

(km/1000 penduduk) Â irigasiit

: Luas lahan (sawah) yang terairi irigasi di propinsi i pada periode t

(ha/1000 penduduk) Â listrkit

: Kapasitas terpasang listrik di propinsi i pada periode t (MW/1000

penduduk)

60

 pendit

: Jumlah gedung SMP-SMA di propinsi i pada periode t

(sekolah/1000 penduduk) Â Kes4it

: Banyaknya tempat tidur di rumah sakit di propinsi i pada periode t

(tempat tidur/1000 penduduk) Â Kes1it

:

Banyaknya

Puskesmas

di

propinsi

i

pada

periode

t

(puskesmas/1000 penduduk) Â Dkrisis

: Dummy krisis.

 Pov(-1) it : jumlah penduduk miskin per 1000 penduduk satu periode

sebelumnya. 3.2. Data

Data yang digunakan pada penelitian ini adalah data panel yang merupakan penggabungan antara data kerat lintang (cross section); 26 propinsi yang ada di Indonesia, dengan data deret waktu (time series); berbentuk periode tahunan dari tahun 1990 hingga tahun 2004. Adapun data yang digunakan bersumber dari berbagai instansi pemerintah yang ada seperti BPS, Departemen Pendidikan Nasional, Departemen Kesehatan, Departemen Pekerjaan Umum, Departemen pertanian, serta instansi lainnya seperti PT. PLN. Sementara itu data juga didapat dari disertasi Riyana Miranti yang berjudul “The Determinants of Regional Poverty in Indonesia : 1984-2002”. Setelah krisis yang terjadi di Indonesia, perkembangan pesat terjadi dalam bidang desentralisasi seperti pemekaran daerah. Pemekaran tersebut menyebabkan banyaknya propinsi-propinsi baru yang terbentuk. Propinsi Banten, Bangka Belitung, Gorontalo, adalah salah satu dari beberapa propinsi baru yang terbentuk. Oleh karena itu penyesuaian data adalah suatu tahapan yang harus dilakukan. Propinsi-propinsi yang digunakan adalah propinsi awal sebelum terjadinya fenomena pemekaran daerah, dengan mengeluarkan Timor Timur tentunya, karena sudah merdeka. Dengan demikian, Propinsi Banten, 61

misalnya, dimasukkan ke dalam propinsi awalnya yaitu Jawa Barat. Begitu juga dengan beberapa propinsi baru lainnya. Angka kemiskinan per propinsi di Indonesia yang diterbitkan oleh BPS perlu dibuat penyesuaian. Kemudian berkaitan dengan perubahan metode pengukuran kemiskinan yang dilakukan oleh BPS. Data kemiskinan pada studi ini menggunakan data kemiskinan periode 1990-1999 yang terdapat pada disertasi Riyana Miranti (2007). Untuk tahun setelah itu, digunakan data dari BPS. Riyana Miranti telah menghitung ulang data yang ada dengan metode terbaru yang dikeluarkan oleh BPS. Dengan demikian, data yang digunakan sudah memiliki metode penghitungan yang sama. Walaupun data yang didapat dari studi Miranti merupakan hasil penghitungan, namun karena metode yang digunakan sama dengan metode yang dipakai BPS, maka data kemiskinan setelah periode tersebut dapat diikutsertakan dalam proses penghitungan berikutnya (dijadikan sebagai timeseries). 1 Mengingat bahwa data yang didapat tersebut bukan merupakan data tahunan, melainkan tiga tahunan, maka akan dilakukan metode interpolasi data dengan menggunakan software Stata 8.0. Metode interpolasi yang terdapat di program stata 8.0 adalah interpolasi linear. Interpolasi ini untuk mencari intermediate data dari data tiga tahunan. Dengan demikian, data tahunan dapat diketahui dari hasil estimasi tersebut. Semenjak tahun 1999, BPS mengeluarkan data kemiskinan dengan periode tahunan. 3.3. Metode Pengolahan Data

Pada penelitian ini pengolahan data dilakukan dengan menggunakan program Eviews 4 dan Stata 8.0. Metode pengolahan data yang digunakan adalah metode data panel. Dengan demikian pada bagian berikutnya dalam bab ini akan dibahas mengenai metode data panel. 1

Hasil wawancara dengan Riyana Miranti melalui fasilitas email, Oktober 2007.

62

3.3.1. Data Panel

Seperti telah disinggung di atas, data panel (pooled data) adalah sebuah set data yang berisi data sampel individu (propinsi) pada sebuah periode waktu tertentu. Dengan kata lain, data panel merupakan gabungan antara data deret waktu (time-series) dengan data kerat lintang (cross-section). Simbol yang digunakan adalah t untuk periode observasi, sedangkan n adalah unit cross-section yang diobservasi. Proses pembentukan data panel adalah dengan cara mengkombinasikan unit-unit deret waktu dengan kerat-lintang sehingga terbentuklah suatu kumpulan data. Proses itu sendiri disebut pooling. Data panel dapat diolah jika memiliki kriteria t > 1 dan n > 1. Jika t = 1dan n ≥ 1 maka disebut deret-waktu murni, sedangkan jika t ≥ 1 dan n = 1 disebut kerat-lintang murni. Jika jumlah periode observasi sama banyaknya untuk tiap-tiap unit cross section maka dinamakan balanced panel. Sebaliknya jika jumlah periode observasi tidak sama untuk tiap-tiap unit cross section maka disebut unbalanced panel. Terdapat beberapa keuntungan yang didapat jika menggunakan data panel ini, pertama

dapat mendalami efek-efek ekonomi yang tidak dapat diperoleh jika

menggunakan data deret waktu ataupun data kerat lintang saja. Kedua, karena jumlah data dan observasi yang meningkat, menghasilkan kenaikan pada derajat kebebasan (degree of freedom) sehingga variasi koefisien menjadi efisien dan koefisien nilai menjadi lebih stabil (Hsiao, 1986). Ketiga, dengan mengakomodasi semua informasi yang terkait dengan variabel-variabel kerat-lintang maupun deret-waktu, data panel secara substansial mampu menurunkan masalah omitted-variables; jika menghilangkan variabel yang relevan. Bersamaan dengan itu, masalah kesalahan spesifikasipun dapat dieliminir. Beberapa hal di atas sesuai dengan apa yang dikemukakan oleh Baltagi (2001). Baltagi menyatakan beberapa manfaat yang didapat ketika menggunakan data panel, diantaranya adalah:

63

1. Mampu mengontrol heterogenitas individu. 2. Memberikan lebih banyak informasi & lebih bervariasi daripada hanya data deret waktu atau kerat lintang. Data panel juga mengurangi kolinearitas antar variabel, meningkatkan degree of freedom, dan meningkatkan efisiensi. 3. Sangat baik untuk digunakan dalam studi perubahan yang dinamik (study of dynamics adjustment). 4. Dapat mendeteksi dan mengukur efek dengan lebih baik dibandingkan data deretwaktu murni dan kerat-lintang murni. 5. Memungkinkan untuk mempelajari model perilaku (behavioral model) yang lebih kompleks. Terdapat tiga cara dalam mengestimasi data panel, pertama Pooled (Ordinary least square, OLS). Kedua, fixed effect (dummy variable model, DMV). Ketiga, random effect (error component model, ECM). 3.3.1.1. Pooled (Ordinary Least Square, OLS)

Proses estimasi dilakukan dengan menggunakan metode kuadrat terkecil biasa (OLS) yaitu:

Y it = α + β X it + ε it .......... ........( 1) Untuk I = 1, 2, …, N dan t = 1, 2, …, T N

: jumlah unit kerat-lintang

T

: jumlah periode deret-waktu

Metode ini merupakan metode yang paling sederhana, namun hasilnya tidak memadai dikarenakan setiap observasi diperlakukan seperti observasi yang berdiri sendiri. Proses estimasi yang dapat dilakukan untuk setiap unit kerat-lintang dikarenakan terdapatnya asumsi yang menyatakan bahwa komponen error pada data panel ini sama dengan komponen error dalam pengolahan kuadrat terkecil biasa (OLS). 64

Untuk periode t =1, akan diperoleh persamaan regresi kerat-lintang sebagai berikut:

Yi1 = α + β X i1 + ε i1 .......... ........( 2 ) Persamaan di atas akan berimplikasi diperolehnya persamaan sebanyak T persamaan yang sama. Begitu juga sebaliknya, kita dapat memperoleh persamaan deret waktu sebanyak N persamaan untuk setiap T observasi. Namun, untuk mendapatkan parameter α dan β yang konstan dan efisien, akan dapat diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak NT observasi. Metode ini tidak memperhatikan perbedaan-perbedaan yang mungkin timbul akibat dimensi ruang dan waktu. Model ini mengasumsikan bahwa intercept dan slope koefisien dari dua variabel adalah identik untuk semua unit kerat-lintang. Karena terdapat kemungkinan atas “ketidakbenaran” asumsi ini maka model ini mungkin akan mendistorsi deskripsi dari hubungan Y dan X yang sebenarnya. 3.3.1.2. Fixed Effects Model (Least-Squared Dummy Variable/ LSDV)

Untuk memungkinkan terjadinya perubahan-perubahan dalam intercept-intercept dari unit kerat-lintang dan deret-waktu, maka digunakanlah peubah boneka (dummy variable) sehingga akan terjadi perbedaan nilai parameter, baik atas unit kerat-lintang maupun deret-waktu. Pendekatan yang paling sering dilakukan adalah dengan mengizinkan intercept bervariasi antar unit kerat-lintang namun tetap mengasumsikan bahwa slope koefisien adalah konstan antar unit kerat-lintang. Pendekatan ini dikenal dengan sebutan model efek tetap (fixed effect model/FEM). Pendekatan ini dapat ditulis dengan persamaan sebagai berikut

Yit = a + bX it + g 2W2t + g 3W3t + ... + g N W Nt + d 2 Z i 2 + d 3 Z i 3 + ... + d T Z iT + eit .......(3) Di mana,

65

=1,

untuk individu ke-i, i=2,…, N

Wit =0 untuk sebaliknya =1, untuk periode ke-t, t = 2, …, N Zit =0, untuk sebaliknya

Dari persamaan di atas, dapat disimpulkan bahwa telah ditambahkan sebanyak (N– 1) + (T– 1) variabel boneka ke dalam model dan menghilangkan dua sisanya untuk menghindari kolinearitas sempurna antar variabel independen. Dengan menggunakan pendekatan ini akan terjadi degree of freedom sebesar NT– 2– (N–1) – (T– 1), atau sebesar NT– N– T. Penggunaan model LSDV di atas dapat dilakukan jika dimiliki sedikit unit keratlintang.

Namun jika unit

kerat-lintang ini besar, penggunaan

model LSDV akan

mengurangi derajat kebebasan yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. 3.3.1.3. Random Effects Model (Error Component Model)

Metode ini mengasumsikan bahwa komponen error (galat individu) tidak berkorelasi satu sama lain dan komponen error (galat antar waktu dan kerat lintang) juga tidak berkorelasi (no autocorelation) (Pyndick, 1998). Dalam model ini, parameterparameter yang berbeda antar daerah maupun antar waktu dimasukkan ke dalam error. Hal ini dilakukan untuk meningkatkan efisiensi proses pendugaan OLS. Bentuk model ini dapat dilihat pada persamaan di bawah ini

66

Yit = α + βX it + ε it .................(4)

ε it = ui + vt + wit ....................(5) Di mana, ui

: komponen error kerat-lintang

vt

: komponen error deret-waktu

wit

: komponen error kombinasi

3.3.2. Pemilihan Metode Estimasi

Dari penjelasan di atas diketahui bahwa terdapat tiga pendekatan dalam metode data panel. Pada bagian ini akan dijelaskan bagaimana memilih satu dari tiga pendekatan yang ada. Pemilihan ini bertujuan agar pendekatan yang dipilih cocok dengan tujuan penelitian dan karakteristik data sehingga proses estimasi memberikan hasil yang lebih tepat. Metode OLS terlalu sederhana untuk mendeskripsikan fenomena yang ada, sehingga pilihan selanjutnya adalah memilih diantara fixed effect model atau random effect model. Penentuan atas dua model tersebut dapat ditentukan secara teoretis. Jika diasumsikan bahwa error kerat-lintang tidak berkorelasi dengan regresor X, maka random effect yang dipilih. Kemudian, jika diasumsikan bahwa error kerat-lintang berkorelasi dengan X (error mempunyai pengaruh tetap/ dianggap sebagai bagian dari intercept), maka fixed effect yang dipilih. Jika secara teoretis tidak dapat ditentukan model mana yang akan dipilih, maka dasar pemilihan model selanjutnya dapat didasarkan pada sampel penelitian. Jika data diambil dari sampel individu atas suatu populasi yang besar secara acak, maka random effect yang dipilih. Namun jika sampel merupakan seluruh populasi yang dipilih, maka fixed effect merupakan metode yang lebih tepat (Hsiao, 1986).

67

Pengujian secara formal untuk menentukan model yang lebih baik untuk digunakan dilakukan berdasar keputusan statistik. Serangkaian pengujian statistik yang dapat dilakukan terdiri dari beberapa langkah. Hal ini dijelaskan pada gambar di bawah ini.

Gambar 3-1 Pengujian Pemilihan Metode Data Panel

Fixed Effect Haussman test

Chow Test

Random Effect

LM Test Pooled

Dari gambar di atas dapat dilihat bahwa secara statistik terdapat tiga pengujian yang dapat digunakan untuk menentukan metode apa yang akan dipilih. Ketiga pengujian itu adalah: 1) Chow Test Chow test (pengujian F Statistics) berfungsi untuk menentukan apakah model yang digunakan Pooled Least Square atau Fixed Effect. Dalam pengujian ini dilakukan dengan hipotesis sebagai berikut:

68

H0

: Model Pooled Least Square (restricted)

H1

: Model Fixed effect (unrestricted)

Tolak H0 jika nilai Chow statistik (F statistic) lebih besar dari F tabel. Dengan demikian, model yang dipilih adalah model fixed effect, dan sebaliknya. Besaran nilai Chow itu sendiri didapat dari perhitungan di bawah ini. Chow =

( RRSS − URSS ) /( N − 1) .......................(6) URSS /( NT − N − K )

Di mana: RRSS

: restricted residual sum square

URSS

: unrestricted residual sum square

N

: jumlah data kerat-lintang

T

: jumlah data deret-waktu

K

: jumlah peubah bebas

2) Haussman Test Pengujian ini dilakukan untuk menentukan apakah model fixed effect atau random effect yang dipilih. Pengujian ini dilakukan dengan hipotesa sebagai berikut: H0

: model random effect

H1

: model fixed effect

Dasar penolakan H0 adalah dengan menggunakan pertimbangan statistik chi square. Jika chi square statistic > chi square table (p-value < α) maka H0 ditolak (model yang digunakan adalah fixed effect), dan sebaliknya. Namun ada pula cara yang lebih sederhana untuk menentukan apakah model yang digunakan fixed effect atau random effect, diantaranya: 1. Bila T (banyaknya unit time series) besar sedangkan N (jumlah unit cross section) kecil, maka hasil fixed effect dan random effect tidak jauh berbeda sehingga dapat dipilih pendekatan yang lebih mudah untuk dihitung yaitu fixed effect model.

69

2. Bila N besar dan T kecil, maka hasil estimasi yang digunakan adalah random effect. (Nachrowi D Nachrowi, 2006) 3.4. Pengujian Model

Upaya menguji model dapat dilakukan dengan melihat beberapa kriteria. Kriteriakriteria tersebut diantaranya adalah kriteria ekonomi, statistik dan ekonometrika. Pada penjelasan analisis di bab berikutnya secara eksplisit hanya mencakup kriteria statistik dan ekonometrika, sementara kriteria ekonomi dimasukkan pada analisis hasil estimasi. 3.4.1. Kriteria Ekonomi

Pengujian hasil estimasi dengan menggunakan pendekatan ekonomi yang menitikberatkan pada bagaimana perubahan variabel dependen sebagai akibat dari perubahan variabel-variabel independennya. Kriteria ini berupaya menguji suatu model mengenai hubungan logis antara kedua variabel tersebut. Hubungan antar variabel dikatakan logis ketika didasarkan pada hukum ekonomi yang ada atau berdasar teori-teori atau penelitian-penelitian sebelumnya. Jika terdapat perbedaan hasil, katakan berkaitan dengan tanda besaran koefisien, apakah positif atau negatif, maka perlu dicarikan jawaban berupa alasan atau argumentasi atas penemuan tersebut. 3.4.2. Kriteria Statistik

a. Pengujian R Squared ( R2 ) Pengujian ini dilakukan untuk mengukur tingkat keberhasilan model regresi yang digunakan dalam memprediksi nilai variabel dependen. Nilai ini merupakan fraksi dari variasi yang mampu dijelaskan dengan baik oleh model. Nilai R2 berkisar antara nol dan satu. b. Pengujian Adjusted R Squared ( Adj R2 )

70

Salah satu permasalahan jika kita menggunakan ukuran R2 untuk menilai baik buruknya suatu model adalah kita akan selalu mendapatkan nilai yang terus naik seiring dengan penambahan variabel bebas ke dalam model. Adjusted R2 secara umum memberikan penalti atau hukuman terhadap penambahan variabel bebas yang tidak mampu menambah daya prediksi suatu model. Nilai Adj R2 tidak akan pernah melebihi R2, bahkan dapat turun jika kita memasukkan suatu variabel yang tidak perlu ke dalam model. Pada model yang memiliki kecocokan yang rendah (goodness of fit), nilai Adj R2-nya dapat memiliki nilai negatif. c. Uji signifikansi untuk masing-masing variabel bebas Dilakukan dengan menggunakan uji t-statistik pada tingkat kepercayaan 1%, 5% dan 10%. Uji ini dilakukan untuk melihat apakah nilai koefisien yang dihasilkan berbeda signifikan dengan nol. d. Pengujian Keabsahan Koefisien Regresi secara Keseluruhan Pengujian jenis ini dilakukan dengan menggunakan distribusi F. Nilai F akan mengikuti distribusi F dengan degree of freedom. Nilai F statistik yang besar lebih baik dibandingkan dengan nilai F statistik yang rendah. Sedangkan nilai probabilitas F merupakan tingkat signifikansi marginal dari F statistik. Pengujian dengan menggunakan F-statistik disebut pula dengan tes keseluruhan (overall test). 3.4.3. Kriteria Ekonometrik

Setiap estimasi ekonometri harus dibersihkan dari penyimpangan terhadap asumsi dasar yang diharapkan. (Gujarati, 2003) Ada tiga masalah utama yang seringkali muncul yang dapat mengakibatkan tidak terpenuhinya asumsi dasar yaitu heteroscedasticity, autocorelation

dan multicolinearity. Dalam studi ini, ketiga masalah tersebut akan

dideteksi dalam persamaan yang digunakan. Dalam melakukan estimasi persamaan linear

71

maka asumsi-asumsi harus dipenuhi, jika asumsi tidak terpenuhi maka tidak menghasilkan nilai parameter yang BLUE (Best Linear Unbiased Estimator). a. Uji Multicollinearity Multicolinearity terjadi ketika variabel bebas memiliki interdependensi yang signifikan. Hal ini dapat menghasilkan suatu koefisien estimasi yang tidak stabil secara numerik. Uji multicolinearity dilakukan dengan beberapa cara yaitu, pertama, dengan melihat apakah F statistik signifikansi namun t statistik tidak ada yang signifikan. Kedua, apabila R² relatif besar tapi statistik t tidak ada yang signifikan. Multicolinearity dapat ditentukan dengan melihat matriks korelasi dari variabel bebas. Jika terjadi korelasi lebih dari 0,8 atau 0,9 antar variabel bebas maka terdapat masalah yang serius dengan colinearity. Namun matriks korelasi tidak mengungkapkan tingkatan yang lebih tinggi dari colinearity. Ada cara lain yang dapat mengungkapkan hal tersebut, yaitu variance inflation factors (VIF). VIF merupakan suatu ukuran multicolinearity dalam suatu regresi (variabel bebas). VIF adalah versi skala dari koefisien korelasi berganda antara variabel j dengan variabel independen yang lainnya.

VIFj =

1 2

(1 − R j )

...................(7)

Di mana Rj adalah koefisien korelasi berganda. Jika Rj sama dengan nol (tidak ada korelasi antara Xj dengan variabel bebas yang lainnya), maka VIFj sama dengan 1. Ini adalah nilai terkecil. Neter, Wasserman dan Kutner (1990) merekomendasikan untuk melihat pada nilai VIF yang terbesar. Jika nilainya lebih besar dari 10 maka terdapat masalah multicolinearity. 2 b. Uji Autocorrelation 2

http://www.itl.nist.gov/div898/software/dataplot/refman2/auxillar/vif.htm 72

Uji ini dilakukan dengan menggunakan statistik Durbin-Watson. DW Statistic mengukur tingkat korelasi serial pada error persamaan regresi. Di mana angka DW yang kurang dari dua mengindikasikan adanya korelasi serial. Implikasi dari adanya korelasi serial pada error adalah model menjadi tidak konsisten untuk jumlah sampel yang lebih besar, di mana errornya akan terbaca lebih besar. Statistik DW dihitung dengan formula:

DW =

n

∑

i=2

n

2 ( εˆ i − εˆ i − 1 ) 2 / ∑ εˆ i .......... ......( 8 ) i =1

Jadi, DW itu tak lain hanya rasio jumlah kuadrat perbedaan dalam residual yang berturut-turut terhadap RSS, dan ini merupakan keuntungan besar dari statistik DW yang didasarkan pada residual yang ditaksir. Prosedur test yang digunakan adalah dengan

∑ e + ∑ e − 2∑ e e mengembangkan persamaan 1 tersebut menjadi: DW = ∑e 2 t

2 t −1

t t −1

2 t

karena

∑e

2 t

dan

∑e

2 t −1

jadi dengan menetapkan

hanya berbeda satu periode observasi, keduanya kira-kira sama,

∑e =∑e

2 t −1

2 t

⎛ ∑ et et −1 ⎞ ⎟ bisa di tulis sebagai: DW ≈ 2⎜1 − ⎜ ∑ et2 ⎟⎠ ⎝

sekarang akan didefinisikan koefisien autokolerasi derajat pertama dari sampel, suatu ^

penaksir dari ρ di mana ρ =

∑e e ∑e

t t −1 2 t

^

sehingga DW = 2(1 − ρ ) . Dengan demikian, akan ^

tidak ada korelasi ketika DW adalah atau mendekati 2, karena ρ adalah 0. Untuk data panel statistik Durbin Watson dapat diketahui dari perhitungan berikut:

∑ ∑ (e = ∑ ∑ N

D pd

i =1

T

it

t=2 N

T

i =1

t=2

− e it −1 ) 2 e

2

.......... .......( 9 )

it

Di mana: T

: periode waktu dari data panel

73

N

: jumlah individu pada data panel

eit

: residu dari observasi data panel individu i pada periode t,

Apabila DW mendekati 2 maka menunjukkan tidak terjadi ( autokorelasi). Namun ada yang perlu diperhatikan lebih lanjut, yaitu jika model estimasi yang digunakan adalah model autoregresif. Pengujian DW seharusnya tidak digunakan untuk menguji autocorelation karena akan cenderung untuk mendekati nilai 2. Dengan demikian, terdapat bias pada nilai pengujian tersebut. Oleh karena itu, dikembangkan suatu pengukuran untuk menguji autocorrelation dalam model seperti itu, yaitu statistik h (Gujarati, 2004). N ⎛ 1 ⎞ ………………(10) h = ⎜1 − d ⎟ 2 ⎠ 1 − N (var α ) ⎝

Di mana: d

: statistitik Durbin-Watson yang biasa.

N

: jumlah observasi

Varα : varians koefisien dari lag variabel dependen. H0

: tidak ada autocorrelations

H1

: ada autocorrelations

Jika h yang dihitung lebih kecil dari nilai h kritis, maka terima H0. Namun untuk melihat tingkat autokorelasi lebih lanjut digunakan test Breusch-Gofrey Langrange Multiplier (LM) test. Jika probabilita Obs*R-squared statistic lebih kecil dari alpha ( α = 0,05), maka kita tolak hipotesa Ho yang berarti bahwa ada masalah autokorelasi. H0

: tidak ada serial correlations.

H1

: ada serial correlations

c. Uji Heteroscedasticity Dilakukan dengan menggunakan Heteroscedasticity no cross term option. Di mana Ho adalah homoscedsticity, dan jika probabilita dari R-squared statistic lebih kecil dari

74

alpha ( α = 0,05), maka kita tolak H0 yang berarti bahwa ada masalah heteroscedasticity. Cara mengatasinya ialah dengan men-treatment model tersebut dengan menggunakan metode White. Berbagai metode pengolahan data di atas dilakukan agar hasil estimasi model, paling tidak, memenuhi berbagai persyaratan (BLUE) sehingga interpretasi atas hasil estimasi dapat dipercaya. Bab selanjutnya akan memperlihatkan hasil pengolahan data berdasarkan urutan langkah yang sudah dijelaskan sebelumnya dan interpretasi atas hasil temuan empiris tersebut.

75

BAB IV ANALISIS DAN HASIL ESTIMASI

Pada bab ini penulis akan memperlihatkan hasil estimasi dan menterjemahkan hasil tersebut berdasar pada teori atau penelitian-penelitian sebelumnya. Urutan pada bab ini kurang lebih akan mengikuti alur tahapan metodologi penelitian seperti yang terdapat pada bab sebelumnya. Sementara untuk analisis hasil temuan empiris, penulis akan membahasnya per jenis infrastruktur, sesuai pada bab studi literatur di atas.

4.1.

Deskripsi Data

Dalam deskripsi data ada beberapa ukuran yang penting yaitu mengenai ukuran terpusat

(central

tendency),

penyebaran

(dispersion/variability),

dan

distribusi

(distribution). Ukuran terpusat yang akan disajikan pada bagian ini adalah mean. Sementara itu untuk ukuran penyebaran variasi pada data yang digunakan adalah standar deviasi (ukuran penyebaran pada mean), dan nilai terkecil dan terbesar dari data numerik (minimum dan maximum). Namun, untuk ukuran yang melihat bentuk distribusi seperti skewness dan kurtosis tidak di tampilkan pada tabel di bawah ini, karena beberapa keterbatasan. Di bawah ini adalah tabel mengenai deskripsi data.

76

Tabel 4-1 Deskripsi Data Variabel

Obs

Pov

390

0,238

0,198

0,239

1,339

Air

390

7,588

7,741

1,005

76,013

Irigasi

360

26,885

15,869

0,239

99,096

Pkmas

390

0,228

0,114

0,344

0,555

Kes4

390

0,668

0,363

0,160

1,993

KesRS

390

0,007

0,003

0,002

0,019

Jlnneg

390

0,296

0,272

0,000

1,587

Jlprop

388

0,478

0,318

0,394

1,411

Jlkab

390

2,336

1,297

0,000

7,938

Pend1

390

0,915

0,251

0,331

1,823

Pend2

390

0,132

0,379

0,551

0,243

Pend3

390

0,694

0,021

0,214

0,130

pendmngah

390

0,201

0,530

0,083

0,351

Tel

390

20,576

31,128

0,752

226,772

Listrik

390

220,051

322,621

18,634

2325,937

4.2.

Mean

Std. Dev

Min

Max

Pemilihan Model Estimasi

Pengujian yang pertama adalah menentukan apakah model estimasi menggunakan metode biasa (Pooled Least Square ) atau menggunakan metode efek tetap (Fixed effect). Besaran nilai Chow itu sendiri, didapat dari perhitungan di bawah ini. Chow =

0 ,1185 = 6 ,309092 0 , 00188

F tabel (27, 325, 0.05) adalah 1,46. Dengan demikian, F statistik > F tabel, pada tahap ini model yang dipilih bukan metode biasa melainkan metode efek tetap (fixed effect). Tahap berikutnya adalah menentukan apakah metode estimasi yang digunakan adalah metode efek tetap (fixed effect) dengan metode efek acak (random effect) dengan menggunakan uji Hausmann. Pengujian ini dilakukan dengan hipotesa sebagai berikut: H0

: Random Effect Model

H1

: Fixed Effect Model 77

Berdasarkan hasil penghitungan, didapat nilai Chi-Square sebesar 137,2272 dan nilai p-value sebesar 0,000. Dengan demikian, karena nilai probabilita dari hausman < 0,05 maka H0 di tolak, artinya fixed effect model yang digunakan. 4.3. Uji Statistik dan Uji Ekonometrika 4.3.1. Kriteria Statistik

Sesuai dengan apa yang terdapat pada bab metodologi penelitian, sebelum melakukan analisis atas temuan empiris pada penelitian ini, maka model yang ada perlu dilakukan berbagai macam pengujian dengan berbagai kriteria yang ada sehingga tidak melanggar berbagai asumsi yang ada. Tabel 4-2 Hasil Estimasi Persamaan Variable

Coefficient

t-Statistic

Prob.

LOG(IRIGASI?(-1)) LOG(AIR?(-1)) LOG(JLKAB?(-1)) LOG(JLNEG?(-1)) LOG(JLPROP?(-1)) LOG(KESRS?(-1)) LOG(PKMAS?(-1)) LOG(TEL?(-1)) LOG(PENDMNGAH?(-1)) LOG(PEND1?(-1)) DKRISIS? LOG(LISTRK?(-1)) LOG(POV?(-1)) R-squared Adjusted R-squared F-statistic Prob(F-statistic) Durbin-Watson stat

-0.061154 -0.004567 -0.015629 0.024247 0.015970 -0.009667 0.100252 -0.090548 -0.046005 -0.130313 0.227723 -0.204153 0.656329 0.991129 0.990053 921.7198 0.000000 2.012943

-3.525608 -0.365185 -0.642195 1.837799 1.069948 -0.846307 2.677892 -7.214039 -1.256266 -2.909882 21.27047 -10.08593 18.29062

0.0005 0.7152 0.5212 0.0671 0.2855 0.3981 0.0078 0.0000 0.2100 0.0039 0.0000 0.0000 0.0000

*Level of significance α = 5% Berdasarkan tabel di atas dapat diketahui bahwa terdapat tujuh variabel bebas yang signifikan pada α 5%. Variabel-variabel tersebut ialah irigasi periode sebelumnya, puskemas periode sebelumnya, telepon periode sebelumnya, gedung/sekolah dasar periode sebelumnya, krisis, listrik periode sebelumnya, dan kemiskinan periode sebelumnya.. 78

Sementara untuk variabel seperti jalan negara signifikan pada α = 10%. Variabel bebas lainya seperti jalan kabupaten, jalan propinsi, jumlah RS, dan jumlah sekolah SMP-SMA tidak signifikan. Analisis secara keseluruhan, terlihat bahwa adjusted R2 dari model memiliki besaran yang cukup tinggi yaitu 0,9911. artinya adalah bahwa model ini mampu menjelaskan hingga 99,11% variasi yang terjadi pada tingkat kemiskinan propinsi di Indonesia. Nilai adjusted R2 ini berguna untuk melihat apakah penambahan variabel bebas mampu menambah daya prediksi suatu model. 4.3.2. Kriteria Ekonometrika

Seperti yang telah dijelaskan pada bab sebelumnya, kriteria ekonometrika terdiri atas: pertama, apakah terdapat masalah autokorelasi atau tidak. Berdasarkan tabel 4-2 dapat dilihat bahwa nilai Durbin-Watson mendekati nilai dua (2.0129). Seperti yang telah dijelaskan pada bab sebelumnya, model autoregresif akan menghasilkan nilai DW yang bias. Oleh karena itu, akan dilakukan penghitungan statistik yang sesuai dengan model tersebut yaitu statistik h. 1 334 ⎛ ⎞ h = ⎜1 − 2,0129 ⎟ = −0.121 2 ⎝ ⎠ 1 − 334(0,000171)

Dari hasil perhitungan didapat bahwa nilai h adalah -0.121. Karena h hitung lebih kecil dari h kritis (1,645) maka H0 diterima. Hal ini berarti bahwa tidak terdapat masalah autocorrelation. Kriteria ekonometrika yang kedua adalah apakah dalam model terdapat masalah multicolinearity atau tidak. Ada beberapa cara yang dapat digunakan untuk melihat apakah terdapat masalah multicolinearity atau tidak, yaitu dengan melakukan komparasi antara besaran R2 dengan signifikansi dari variabel bebas. Dari ringkasan hasil estimasi di atas terlihat bahwa nilai R2 besar, kemudian cukup banyak variabel bebas yang signifikan. Hal 79

ini mengindikasikan bahwa tidak terdapat multicolinearity. Cara berikutnya adalah dengan menggunakan matriks korelasi. Bila besaran matriks korelasi menunjukkan besaran 0,8-0,9 maka di indikasikan bahwa variabel bebas tersebut berkorelasi dengan variabel bebas lainnya. Berikut adalah matriks korelasi dengan menggunakan stata.

Tabel 4-3 Matriks Korelasi Logirigasi (-1)

Logair (-1)

Logjlneg (-1)

Logjlprop (-1)

Logjlkab (-1)

Logkesrs (-1)

Logpkmas (-1)

Logtel (-1)

Logpendmngah (-1)

Logpend (-1)

Logirigasi(-1)

1

logair(-1)

-0,5397

1

logjlneg(-1)

0,4223

-0,2094

1

logjlprop(-1)

0,2284

-0,1618

0,8241

1

logjlkab(-1)

0,4072

-0,1561

0,7824

0,7497

1

logkesrs(-1)

-0,2273

0,4597

0,1854

0,2946

0,3438

1

logpkmas(-1)

0,5402

-0,2082

0,9327

0,8000

0,8472

0,2244

1

logtel(-1) logpendmngah(1)

-0,4024

0,6421

-0,1609

-0,1265

-0,1431

0,2553

-0,1960

1

-0,1329

0,1982

0,4804

0,5279

0,5680

0,4355

0,4932

0,1514

1

0,5974

-0,3458

0,8199

0,6218

0,7686

0,1536

0,8816

-0,4214

0,3622

1

-0,6364

0,7376

-0,5783

-0,5684

-0,5132

0,1755

-0,6060

0,6990

-0,0519

-0,6894

logpend(-1) Loglistrk(-1)

Loglistrk (-1)

1

Tabel di atas menunjukkan bahwa terdapat nilai yang melebihi 0,8 yaitu pada variabel jalan negara dan jalan propinsi, jalan negara dengan puskesmas (pkmas), jalan kabupaten dengan puskemas, dan sekolah dasar dengan jalan negara, dan sekolah dasar (pend1) dengan puskesmas. Namun hal ini belum memastikan bahwa memang benar telah terjadi multicolinearity. Oleh karena itu, akan dilakukan uji yang lain, yaitu dengan menggunakan variance Inflation Factors (VIF). Di bawah ini adalah hasil perhitungan VIF.

80

Tabel 4-4 Variance Inflation Factors a Variable Logpkmas(-1) logjlneg(-1) Logpend1(-1) loglistrk(-1) Logjlprop(-1) Logjlkab(-1) Logair(-1) Logirigasi(-1) Logtel(-1) Logpendmngah(-1) Logkesrs(-1) Mean VIF

VIF 18,93 10,26 8,18 7,80 6,24 4,61 3,43 3,34 2,92 2,19 1,83 6,34

1/VIF 0,053 0,098 0,122 0,128 0,160 0,217 0,292 0,300 0,343 0,457 0,546

Ternyata nilai VIF variabel-variabel bebas ada yang melebihi nilai sepuluh (10), yaitu puskesmas dan jalan negara maka dapat disimpulkan bahwa, berdasarkan tabel di atas, multicolinearity terdapat pada estimasi model ini. Oleh karena itu, pada variabel puskesmas (pkmas) dilakukan modifikasi, yaitu mengeluarkan puskesmas pembantu dari puskesmas utama. Variabel baru yang telah dimodifikasi menjadi (kes1). Kemudian penggabungan

variabel

jalan

negara

dengan

jalan

propinsi

(jlnegprop)

untuk

menghilangkan korelasi yang tinggi pada jalan negara. Setelah dilakukan modifikasi maka masalah multicolinearity tidak terlihat lagi. Hal ini dapat dilihat dari hasil Penghitungan VIF di bawah ini. Tabel 4-5 Variance Inflation Factors Variable Loglistrk(-1) Logpend1(-1) logjlnegprop(-1) Logkes1(-1) logjlkab(-1) logtel(-1) logair(-1) logirigasi(-1) logpendmngah(1) Logkes4(-1)

VIF 7,23 6,04 5,81 4,52 4,20 3,49 3,28 2,86

1/VIF 0,1383 0,1656 0,1721 0,2213 0,2384 0,2868 0,3046 0,3499

2,28 1,61

0,4395 0,6229

81

Mean VIF

4,13

Berkaitan dengan masalah heteroscedasticity, masalah ini dapat dilihat dengan membandingkan nilai sum square of residual error (SSRE) antara estimasi yang di bobot dengan yang tidak. Dari hasil estimasi (dapat dilihat di bagian lampiran) terlihat adanya potensi heteroscedasticity. Namun oleh karena sudah dilakukan pembobotan (white heteroscedasticity) maka masalah heteroscedasticity ini terselesaikan. Ada satu hal yang perlu diperhatikan. Karena dalam proses uji multicolinearity telah terjadi perubahan satu variabel maka model persamaan juga berubah secara otomatis. Di bawah ini adalah hasil akhir model persamaan yang sudah melalui beberapa tahap pengujian seperti yang telah dilakukan pada persamaan sebelumnya (hasil pengujian dapat dilihat pada lampiran). Tabel di bawah ini terdiri dari tiga persamaan, persamaan dengan lag 1, 2, dan tiga secara terpisah. Khusus untuk kemiskinan, karena beberapa alasan tertentu dan untuk tujuan studi maka lag yang akan digunakan adalah hanya lag 1. Dari berbagai tahapan pengujian tersebut, disimpulkan bahwa model persamaan ini (tabel 4-6) sudah tidak terjadi pelanggaran asumsi ekonometrika.

82

Tabel 4-6 Hasil Estimasi Persamaan Lags 1 Lags 2 lags 3 Variabel Koefisien Prob. Koefisien Prob. Koefisien Prob. LOG(IRIGASI) -0,05833 0,0010 -0,01433 0,4711 -0,03954 0,0872 LOG(AIR) -0,01003 0,4259 -0,03142 0,0015 -0,05394 0,0003 LOG(JLKAB) -0,00087 0,9721 0,03137 0,1655 0,04269 0,0892 LOG(JLNEGPROP) 0,01593 0,4778 0,02484 0,2044 0,01461 0,5104 LOG(KES4) -0,00364 0,7208 -0,03748 0,0001 -0,02162 0,0633 LOG(KES1) 0,10927 0,0021 0,17819 0,0000 0,07095 0,0942 LOG(TEL) -0,08209 0,0000 -0,02898 0,0115 -0,06567 0,0000 LOG(PENDMNGAH) -0,05030 0,1670 0,17349 0,0000 0,18927 0,0000 LOG(PEND1) -0,11185 0,0134 -0,04288 0,3033 -0,10223 0,0779 DKRISIS 0,22715 0,0000 0,20628 0,0000 0,23266 0,0000 LOG(LISTRK) -0,20228 0,0000 -0,21178 0,0000 -0,16463 0,0000 LOG(POV)(-1)

0,66232 0,0000

R-squared 0,99103 Adjusted R-squared 0,98998 F-statistic 940,68090 Prob(F-statistic) 0,00000 Durbin-Watson stat 2,00412

4.4.

0,63052 0,0000 0,99034 0,98911 802,81350 0,00000 2,15345

0,59054 0,0000 0,98945 0,98798 670,01740 0,00000 2,16908

Analisis Temuan Empiris

Pada bagian ini, analisis akan dilakukan per variabel bebas. Analisis akan dilakukan baik melalui pendekatan deskriptif maupun pendekatan teoretis (dikaitkan dengan penelitian-penelitian sebelumnya). Hasil estimasi yang akan di analisis adalah hasil estimasi pada tabel 4-6. Dari tabel tersebut dapat diketahui bahwa terdapat delapan variabel yang signifikan pada α = 5%. Sementara itu ada lima variabel yang tidak signifikan yaitu air, jalan negarapropinsi, jalan kabupaten dan jumlah sekolah SMP dan SMA.

83

4.4.1. Variabel Irigasi

Hasil estimasi model pada penelitian ini menunjukkan hubungan negatif antara variabel irigasi dengan kemiskinan. Pada kolom satu, setiap kenaikan 1% pada irigasi satu tahun sebelumnya maka akan terjadi penurunan pada kemiskinan sebesar 0,058%, ceteris paribus. Hasil ini sesuai dengan mainstream penelitian sebelumnya. Hasil-hasil penelitian sebelumnya

menyatakan

bahwa

irigasi

akan

meningkatkan

pendapatan

akibat

berkurangnya biaya produksi. Selain itu dalam proses pembangunannya irigasi merupakan bentuk public works public works yang relatif labor intensif, hal ini pada tahap selanjutnya adalah penyerapan banyak tenaga kerja, dengan begitu kemiskinan akan berkurang (Reddy, Reddy and Sousan, 2003; Intizar Husain, Giardano and Harnja, 2003; JBIC, 2007). Namun bila dilihat dari besaran dampaknya, irigasi ternyata tidak memberikan hasil yang besar. Hal ini terlihat dari tingkat elastisitas/sensitivitas yang kurang dari 1. Hal ini mungkin disebabkan oleh beberapa faktor seperti akses, pengelolaan, dan kondisi ketidakmerataan lahan yang ada pada sektor pertanian. Hasil studi ini mirip dengan hasil penelitian Husain, Triwakhala, dan Marikar (2002) khususnya untuk wilayah Pakistan. Walaupun banyak perdedaan dalam metodologi penelitian, mungkin hasil penelitian mereka tersebut juga dapat terjadi di Indonesia. Penelitian mereka menunjukkan bahwa ketidakmerataan kepemilikan asset (tanah) akan menegasikan dampak pembangunan irigasi terhadap kemiskinan. Masyarakat yang memiliki tanah yang luas akan lebih diuntungkan daripada masyarakat yang memiliki lahan yang kecil. Selanjutnya mereka juga menunjukkan bahwa tata kelola yang buruk (buruknya kondisi infrastruktur irigasi, kurangnya upaya dalam pemeliharaan, serta adanya pencurian air) akan menghilangkan dampak pembangunan irigasi terhadap kemiskinan. Mengenai kepemilikan lahan, berdasarkan data hasil Sensus Pertanian 2003 (ST03) dapat dilihat bahwa kepemilikan lahan petani di Indonesia semakin sedikit. Persentase

84

rumah tangga petani gurem terhadap rumah tangga pertanian pengguna lahan meningkat menjadi 56,5 persen pada tahun 2003. Padahal dalam Sensus Pertanian 1993 (ST93) masih sebesar 52,7 persen. Petani gurem yang tadi berjumlah 10.804.000 rumah tangga pada 1993 menjadi 13.663.000 tahun 2003. Terjadi penambahan 3,8 persen petani atau 2.859.000 juta rumah tangga yang menguasai lahan kurang dari 0,5 ha. Selama 10 tahun terakhir, jumlah rumah tangga petani gurem meningkat 2,6 persen/ tahun. Berdasar pada data BPS, persentase petani gurem di Jawa adalah 69,8 persen pada 1993, namun angka ini melaju cepat menjadi 74,9 persen atau bertambah sebanyak 1.922.000 rumah tangga. Di luar Jawa, ST93 persentasenya sebesar 30,6 persen, sementara itu ST03 mencatat 33,9 persen ekuivalen dengan 937.000 rumah tangga. Hal ini menunjukkan laju pertumbuhan rumah tangga petani gurem di Jawa lebih cepat dari pada di luar Jawa. Di bawah ini adalah tabel mengenai rumah tangga yang memiliki luas tanam kurang dari 0,5 ha berdasarkan quantiles di Indonesia pada tahun 2004. Tabel 4-9 Rumah Tangga yang Memiliki Luas Tanam (Padi) Kurang dari 0,5 Ha Berdasarkan Kuintil, Indonesia, 2004 quantiles of b7r28 Freq. 1 4,285 2 4,862 3 4,523 4 4,086 5 3,475 6 3,029 7 2,442 8 1,863 9 1,160 10 592 Total 30,317

Percent 14,13 16,04 14,92 13,48 11,46 9,99 8,05 6,15 3,83 1,95 100,00

Cum. 14,13 30,17 45,09 58,57 70,03 80,02 88,08 94,22 98,05 100,00

Sumber: Susenas 2004, diolah

Selain itu data yang didapat dari Dirjen Bina Produksi Tanaman Pangan Departemen pertanian, memperlihatkan bahwa selama kurun waktu 2001-2003 sebanyak 85

610.596 Ha lahan sawah berganti menjadi kawasan permukiman dan kegiatan usaha lainnya. Hal-hal tersebutlah yang menegasikan dampak pembangunan irigasi terhadap kemiskinan. 4.4.2. Air bersih

Volume banyaknya air bersih yang disalurkan ke masyarakat ternyata tidak mampu mengurangi kemiskinan pada periode awal. Hal ini ditunjukkan dari tidak signifikannya (pada α = 5%) pengaruh variabel air bersih terhadap penduduk miskin. Namun, air bersih baru mampu mengurangi kemiskinan dengan membutuhkan rentang waktu yang lebih lama, yaitu dua sampai tiga tahun. Terlihat bahwa pada lag 2, ketika terjadi 1% kenaikan pada air yang diditribusikan ke masyarakat maka kemiskinan akan berkurang sebesar 0.0314%, ceteris paribus. Air termasuk dalam kebutuhan dasar –merupakan salah satu konsep dalam kemiskinan. Ketika kebutuhan dasar dari suatu individu (rumah tangga) itu dapat terpenuhi maka individu (rumah tangga) tidak tergolong dalam orang (rumah tangga) miskin. Air bersih juga terbukti dapat meningkatkan kondisi kesehatan penduduk. Ketika penduduk sehat, maka probabilitas hilangnya potensi penghasilan akibat tidak bekerja karena sakit akan kecil. Dengan demikian, air bersih tentunya akan diekspektasikan mempunyai korelasi negatif yang signifikan terhadap jumlah penduduk miskin.

Namun, ternyata

temuan empiris ini menunjukkan bahwa air besih masih relatif kecil mempengaruhi proses pengurangan kemiskinan di Indonesia. Ada beberapa hal yang dapat menjelaskan mengapa hal ini terjadi. Pertama, karena volume air bersih yang didistribusikan selama ini masih terlalu kecil untuk memberikan dampak bagi pengurangan kemiskinan. Kedua, berkaitan dengan masalah akses penduduk miskin terhadap air bersih. Berdasarkan data SUSENAS dapat diketahui bahwa 40%

86

penduduk termiskin masih memiliki akses yang sangat kecil, secara relatif, dibandingkan dengan 20% penduduk terkaya. Grafik 4-1 Akses Terhadap Air Bersih Berdasarkan Tingkat Penghasilan

Berdasarkan grafik di atas, dapat diambil suatu kesimpulan bahwa karena akses penduduk termiskin terhadap air bersih relatif kecil, maka penambahan volume air bersih yang disalurkan hanya memberikan manfaat yang relatif kecil. Kualitas hidup mereka tidak meningkat sebagaimana yang diharapkan jika mereka memiliki akses terhadap air bersih tersebut. Kemudian, di bawah ini adalah tabel mengenai sumber air minum berdasarkan kuintil. Ukuran sumber air minum yang sehat adalah dari 1-4, sementara untuk sumber air minum yang lainnya (sumur tak terlindungi, air sungai, air hujan, mata air tak terlindungi, dan lainnya) dinilai relatif kurang sehat.

87

Tabel 4-9 Akses Sumber Air Minum Berdasarkan Kuintil, Indonesia, 2004 quantiles 1 2 3 4 5 6 7 8 9 10 Total

1

2 1,43 3,17 3,75 3,98 6,08 6,64 8,82 11,82 16,53 37,77 100,00

3 3,80 4,55 5,07 6,29 7,70 8,90 10,82 11,73 18,05 23,08 100,00

4 5,89 7,01 7,71 8,13 9,53 10,29 11,57 12,25 13,40 14,23 100,00

11,38 11,12 11,13 11,09 10,76 10,71 10,12 9,44 8,15 6,10 100,00

lainnya 13,83 13,23 12,69 11,91 11,62 10,04 9,02 8,80 5,91 3,67 100,00

Keterangan: 1) air dalam kemasan, 2) ledeng 3) pompa 4) sumur terlindungi Sumber: Susenas 2004, diolah

Tabel di atas mengindikasikan bahwa akses terhadap sumber air minum yang sehat relatif kecil bagi masyarakat miskin (kuintil dasar, 1-2), sebaliknya untuk mereka yang kaya (kuintil atas) akses terhadap sumber air minum yang sehat lebih besar. berlawanan dengan hal itu, sumber air minum penduduk miskin relatif kurang sehat. Hal ini terlihat pada kolom terakhir yang berisi sumber air minum lainnya, kuintil 1-2 berkisar 13,23 hingga 13,83%. Selanjutnya, secara umum 22% dari total penduduk Indonesia tidak memiliki akses air bersih. Hanya 14% yang secara formal tersambung ke PDAM. PDAM mensuplai air ke 50% rumah tangga (36% lewat jaringan pipa dan sisanya lewat vendor) di daerah perkotaan, di mana 40-42% dari total rumah tangga disediakan masyarakat dan sistem yang dikelola rumah tangga. Di daerah pedesaan, PDAM hanya melayani sekitar 8% rumah tangga, dan sekitar 88% rumah tangga tersebut dilayani oleh mekanisme penyediaan sendiri (self-supply) yang disediakan oleh masyarakat maupun rumah tangga itu sendiri (Indonesia, Averting an Infrastructure Crisis: A Framework for Policy and Action; 2004). Berkaitan dengan suplai air bersih di perkotaan, masyarakat perkotaan di Indonesia yang menikmati air bersih dengan sistem perpipaan baru mencapai 39% (KAI, 2003). 88

Kualitas air yang baik baru 68%. Lamanya jam operasi (pelayanan) adalah 18 jam. Terdapat kebocoran yang cukup besar yaitu 38% (Alizar Anwar, 2004). Selain masalah akses, masalah kondisi infrastruktur juga telah menghilangkan dampak air bersih terhadap kemiskinan. Berdasarkan data Direktorat Jenderal Cipta Karya Departemen Pekerjaan umum, dinyatakan bahwa hampir 80% infrastruktur untuk penyediaan air bersih dalam kondisi memprihatinkan. Kemudian melihat kondisi PDAM, hanya 5% yang sehat, kurang sehat 31%, tidak sehat 32%, dan kritis 28% (Alizar Anwar, 2004). 4.4.3. Variabel Jalan

Panjang jalan kabupaten dan jalan negara serta propinsi ternyata tidak berpengaruh pada kemiskinan. Hal ini dapat dilihat pada tabel 4-6, di mana panjang jalan tidak mampu mengurangi kemiskinan. Hal ini karena berbagai keterbatasan yang ada, penelitian ini belum melihat kualitas jalan, apakah baik, rusak parah atau tidak. Di bawah ini adalah grafik persentase jalan kabupaten kondisi baik dengan total jalan kabupaten pada tahun 2004. Grafik 4-2 Persentase Jalan Kabupaten dengan Kondisi Baik terhadap Total Jalan kabupaten di setiap Provinsi, Indonesia, 2004

Sumber: BPS, diolah

89

Dari Grafik tersebut terlihat bahwa hanya ada beberapa provinsi (tiga) saja di mana persentase kondisi jalan Kabupaten yang baik melebihi besaran 50%. Provinsi-provinsi tersebut adalah Sumatera Selatan, Jakarta dan Jogyakarta. Namun bila dilihat dari tanda koefisiennya, diketahui bahwa jalan kabupaten bertanda negatif sementara itu jalan propinsi dan negara bertanda positif. Hal ini mengindikasikan bahwa pembukaan isolasi atas daerah miskin sehingga bisa berinteraksi dengan daerah yang lain, belum memerlukan lingkup wilayah yang relatif luas, melainkan hanya untuk wilayah-wilayah sekitarnya saja. Transaksi ekonomi yang diciptakan oleh jalan masih dalam lingkup wilayah yang tidak terlalu luas. 4.4.4. Variabel Kesehatan

Variabel kesehatan pada model estimasi ini terdiri dari dua macam, yang pertama adalah jumlah tempat tidur di rumah sakit dan jumlah puskesmas (tidak termasuk puskesmas pembantu) yang terdapat di setiap provinsi. Hasil estimasi menunjukkan bahwa jumlah tempat tidur di rumah sakit berpengaruh secara signifikan terhadap pengurangan penduduk miskin. Namun pengaruhnya itu baru dirasakan pada 2-3 tahun berikutnya. Setiap tambahan 1% tempat tidur di Rumah Sakit pada dua periode sebelumnya, maka kemiskinan akan berkurang sebesar 0,03%, ceteris paribus. Dengan adanya sarana kesehatan, dalam hal ini sarana di rumah sakit. Ketika seseorang sakit, maka sarana kesehatan ini mampu mengurangi lamanya seseorang itu sakit sehingga biaya opportunitas yang timbul menjadi lebih kecil. Sementara itu, jumlah puskesmas berpengaruh secara signifikan terhadap jumlah penduduk miskin namun memiliki besara positif. Hal ini sepertinya mengikuti pola kesimpulan yang dihasilkan pada studi Duflo (2000). Ia menyatakan bahwa pembangunan sekolah dasar yang melebihi 61.000 sekolah di Indonesia pada tahun 1973-1978 dilakukan tidak secara acak. pada sistem yang tersentralisasi, pembangunan sekolah akan 90

terjadi/banyak pada daerah-daerah yang terbelakang. Hal ini menyebabkan upah akan lebih rendah pada daerah yang memiliki lebih banyak sekolah negeri. Sehingga di sini terlihat bahwa puskesmas memiliki hubungan yang positif dengan kemiskinan. Hal ini mungkin karena penurunan kinerja puskesmas. Setelah krisis penurunan kinerja puskemas dapat dibedakan menjadi dua macam (Juanita, 2002). Pertama, penurunan kemampuan puskesmas, diantaranya ialah: a. Menurunnya persediaan obat karena sebagian besar obat masih di impor. b. Menurunnya persediaan alat kesehatan dan reagensia. c. Menurunnya kemampuan pembiayaan program/pelayanan kesehatan, contohnya kunjungan ke rumah dan surveilance menurun tajam. Kedua, meningkatnya beban kerja puskesmas seperti meningkatnya jumlah program/ pelayanan. Kemudian, dalam rangka mengatasi masalah kesehatan yang banyak dihadapi keluarga miskin, puskesmas harus mengaktifkan kembali beberapa kegiatan program yang sebelumnya tidak dilaksanakan secara intensif, misalnya, penimbangan balita, pemberian makanan tambahan, surveilan gizi penyakit menular. Selain itu, puskesmas harus melaksanakan beberapa kegiatan baru seperti identifikasi keluarga miskin. Terakhir, meningkatnya masalah kesehatan secara umum di wilayah kerjanya (Juanita, 2002). Penurunan kemampuan serta meningkatnya beban kerja menyebabkan menurunya mutu kualitas pelayanan puskesmas serta kondisi kesehatan secara keseluruhan. Selain itu, di Indonesia, dalam kondisi normal, pola pembiayaan langsung (biaya diberikan langsung kepada provider) tidak cocok. Karena pola pembiayaan tersebut akan menimbulkan inefisiensi, penyalahgunaan, tidak dapat diaudit oleh tim (Rubi, 2005). Dengan demikian, opportunity cost-nya relatif besar. Thabrany dan Mayanda (2005) berpendapat bahwa meskipun fasilitas kesehatan sudah tersebar luas, namun utilisasi atas

91

fasilitas tersebut masih belum optimal. Subsidi pemerintah pada puskesmas dan rumah sakit tidak tepat sasaran. Hal ini karena proporsi RT berpendapatan tinggi yang menerima subsidi relatif besar, sekitar setengah dari RT pendapatan terendah. Penduduk miskin tidak memiliki akses yang sama karena kendala budaya, geografis, dan finansial. 4.4.5. Variabel Pendidikan

Banyaknya bangunan sekolah dasar mampu mengurangi kemiskinan pada periode satu dan tiga tahun sebelumnya. Setiap kenaikan 1% sekolah dasar pada periode sebelumnya maka kemiskinan akan berkurang sebesar 0,111%, ceteris paribus. Sekolah dasar terbukti mampu memberikan manfaat pada penduduk miskin, terutama mereka yang tinggal di perdesaan. Beberapa penelitian sebelumnya mengungkapkan bahwa penduduk/petani yang lulus sekolah dasar akan lebih produktif dibandingkan yang tidak bersekolah. Karena dengan pendidikan dasar penduduk sangat dibantu oleh keterampilan dasar seperti berhitung, membaca, dan tulis. Keterampilanketerampilan tersebut adalah dasar untuk dapat bertahan hidup, misalnya penduduk akan mampu mengatur keuangannya sendiri sehingga lebih efisien, dan lain sebagainya. Namun, dampak tersebut hanya sampai pada tingkat sekolah dasar saja, tidak pada jenjang yang lebih tinggi. Foster dan Rosenzweig (1995) meneliti mengenai dampak dari pendidikan terhadap petani di India. Studi ini sangat relevan jika digunakan sebagai pelajaran untuk Indonesia. Bagi petani, pergi ke sekolah selain tidak banyak bermanfaat, juga membuat mereka kehilangan sekian tahun pengalaman bekerja di sawah. Mengingat bagi petani pengalaman lebih dibutuhkan daripada pendidikan (lanjutan bukan dasar). Dengan demikian, dapat dikatakan bahwa opportunity cost untuk ke sekolah sangat besar. Hal inilah yang mungkin menyebabkan permintaan terhadap pendidikan menengah masih relatif kecil.

92

Berlainan dengan hasil banyaknya sekolah dasar, banyaknya SMP dan SMA ternyata memiliki dampak yang sebaliknya. Banyaknya SMP dan SMA dua dan tiga periode sebelumnya berhubungan positif dengan kemiskinan. Ada beberapa alasan yang dapat digunakan untuk menjelaskan hal ini. Pertama, dikaitkan dengan ketenagakerjaan antar sektor, maka ketika probabilita partisipasi penduduk pada pendidikan menengah ini tinggi akan terjadi pergeseran penawaran tenaga kerja dari sektor pertanian ke sektor modern. Pergeseran penawaran ini pada umumnya mensyaratkan terjadinya perpindahan penduduk dalam ranah geografi. Kemudian terdapat dua kemungkinan yang akan terjadi yaitu pertama, perpindahan penduduk tersebut akan menyebabkan berkurangnya sumber daya di desa (brain drain effects). Ketika penawaran ini dapat diakomodasi oleh permintaan tenaga kerja di sektor modern, penduduk dengan years of schooling lebih lama akan menerima pendapatan yang lebih tinggi. Hal ini sesuai dengan pendapat Paul Schultz (1988) yang menyatakan bahwa ada hubungan positif antara pekerja yang sekolah dengan pendapatan mereka. Namun, hal ini memiliki potensi dampak negatif yaitu terciptanya suatu kesenjangan diantara kedua sektor tersebut. Sebaliknya, ketika penawaran tersebut tidak terakomodasi maka yang terjadi adalah shared poverty. Sebagai buktinya adalah meningkatnya proporsi penduduk miskin di daerah perkotaan yang lebih dikarenakan proses urbanisasi. Kemudian, meningkatnya penduduk yang bermatapencaharian di sektor jasa. Peningkatan sektor jasa ini bukan karena tingginya permintaan pada sektor tersebut melainkan karena tidak terserapnya penawaran tenaga kerja di sektor modern (manufaktur). Sektor jasa ini lebih merupakan sektor infomal. Sektor ini sangat rentan jika terjadi guncangan. Dengan demikian, Pendidikan dapat berdampak negatif pada pemerataan. Berbagai studi komparatif antar negara menunjukkan ketika pendidikan tinggi maka terdapat

93

kecenderungan ketidakmerataan yang tinggi pula. Seperti yang ditunjukkan oleh Pritchett (2003). Ia menunjukkan terjadinya konvergensi tingkat pendidikan antarnegara di dunia. Sepanjang 1960-1995, deviasi standar dalam tingkat pendidikan turun dari 0,94 menjadi 0,56. Tapi, di saat yang sama, deviasi standar untuk pendapatan per kapita antarnegara meningkat dari 0,93 menjadi 1,13. Di Indonesia pada 1980-1990-an, subsidi pemerintah yang terlalu besar bagi pendidikan tinggi menyebabkan koefisien Gini yang meningkat. Alasannya, lulusan perguruan tinggi adalah yang paling diuntungkan dari boom selama ekonomi periode itu (Booth, 2000). Data menujukkan bahwa terdapat masalah serius pada sektor pendidikan, terutama di tingkat menengah pertama dan selanjutnya. Data mengenai tingkat partisipasi murni pada tahun 1999 menyatakan bahwa persentase untuk anak usia 13-17 tahun adalah 79%, dan untuk usia 16-18 tahun adalah 51%. Selanjutnya jika melihat dari latar belakang sosioekonomi, tingkat partisipasi sekolah mereka yang masuk ke SMP dari golongan kuintil terkaya adalah 93%, sementara untuk kuintil termiskin hanya 66%. Ditingkat selanjutnya (SMA) kondisi semakin parah, angka partisipasi untuk kedua kuintil ini adalah masingmasing 75% dan 29%. Hal ini menunjukkan bahwa anak dari keluarga miskin menghadapi maslah serius dalam meneruskan pendidikan mereka, terutama untuk tingkat pendidikan lanjutan setelah sekolah dasar (SMERU, 2001). Pendidikan yang meningkatkan produktivitas pekerja merupakan asumsi dasar dalam menilai kontribusi pendidikan terhadap pertumbuhan ekonomi dan pengurangan kesenjangan. Jika produktivitas pekerja meningkat, pertumbuhan ekonomi akan meningkat. Di sisi lain kenaikan produktivitas berarti kenaikan penghasilan. Selalu diasumsikan bahwa manfaat dari kenaikan pendidikan secara agregat akan lebih besar bagi kelompok miskin. Dengan demikian, jika tingkat pendidikan meningkat, penghasilan

94

kelompok miskin juga akan tumbuh lebih cepat dan pada akhirnya ketimpangan akan mengecil. Namun, asumsi demikian tidak selalu bisa menjadi generalisasi. Manfaat dari pendidikan dalam hal kenaikan produktivitas dan penghasilan pekerja hanya berlaku untuk jenis-jenis pekerjaan tertentu. 4.4.6. Variabel Telepon

Sesuai dengan hasil penelitian sebelumnya, Pada penelitian ini didapat bahwa telepon berkorelasi negatif dan signifikan terhadap jumlah penduduk miskin. Artinya setiap kenaikan 1%, ceteris paribus, sambungan telepon pada satu periode sebelumnya maka kemiskinan akan berkurang sebesar 0,082%. Hal ini karena telepon mampu menurunkan biaya dalam proses produksi. Kemudian telepon dapat meningkatkan opportunitas penduduk baik itu dalam bidang ketenagakerjaan maupun usaha. Berdasarkan data yang ada, pengguna telepon bagi penduduk miskin masih sangat kecil. Kemudian secara umum juga menunjukkan hal yang sama, dari 72.000 jumlah desa, desa yang belum terjangkau telepon adalah 43.000. Sementara itu jumlah SST telkom 2002 adalah 7,8 juta, dan jumlah pelanggan telkom 2002 adalah 7,4 Juta (Bisnis Indonesia, 14/05/2003). Pertanyaannya, mengapa variabel telepon masih mampu mengurangi kemiskinan? Adalah suatu fenomena yang sangat umum yang terjadi di masyarakat bahwa penduduk yang tidak mempunyai telepon fixed-line sering meminta bantuan kepada tetangga atau saudaranya yang memiliki telepon. Sehingga walaupun mereka itu tidak memiliki sambungan telepon namun masih bisa menerima manfaat dari para pemilik telepon. Dengan demikian, ada suatu spillover effect dari si pemilik telepon kepada rumah tangga lain yang tidak memiliki sambungan telepon.

95

4.4.7. Variabel Krisis

Krisis moneter di Indonesia terbukti menimbulkan berbagai biaya yang sangat merugikan masyarakat. Hal ini dapat dilihat dari pengaruh krisis terhadap jumlah penduduk miskin. Krisis terbukti secara empiris meningkatkan penduduk miskin di Indonesia. Krisis menambah penduduk miskin Indonesia sebesar 0,22 orang miskin per seribu penduduk. Thomas dan Frankenberg (2005) meneliti respon rumah tangga terhadap krisis. Dengan menggunakan data survey rumah tangga longitudinal (IFLS berbagai tahun), menemukan bahwa secara keseluruhan terjadi penurunan pengeluaran rumah tangga sebesar 10%. Kemudian dihubungkan antara perdesaan dan perkotaan, maka penduduk perkotaan memperoleh dampak yang lebih besar dibandingkan dengan mereka yang ada di perdesaan. Total pengeluaran rumah tangga di perkotaan menurun sebesar 25%, pengeluaran perkapita turun sebesar 34%, sementara untuk di perdesaan total pengeluaran rumah tangga tidak mengalami penurunan, tetapi pengeluaran perkapita menurun 18%. Pada kedua region tersebut kemiskinan meningkat dengan besaran yang sama, yaitu 30%. Selain itu mereka juga menemukan bahwa krisis berdampak pada penurunan investasi modal manusia, yaitu sekolah dan kesehatan. Untuk penduduk miskin, krisis menyebabkan penurunan yang cukup substansial pada porsi pengeluaran untuk sekolah pada tahun 1997-1998. Hal ini disebabkan oleh menurunnya pendapatan penduduk. Berdasarkan hasil penelitian tersebut, secara rata-rata, pendapatan rumah tangga menurun sebesar 40% untuk di perkotaan, sementara di perdesaan penurunan jauh lebih kecil yaitu sebesar 20% (Thomas dan Frankenberg, 2005). Hal tersebut dapat terlihat dari grafik penduduk miskin Indonesia dari tahun 1976 hingga 2004. Secara umum kemiskinan dari tahun 1976 hingga periode awal 90-an mengalami penurunan yang drastis. Namun sejak tahun 1996 hingga 1999 mengalami

96

kenaikan yang drastis pula. Pada tahun 1998 jumlah penduduk miskin terus meningkat hingga 49,5 juta jiwa. Dibanding dengan tahun 1996, angka penduduk miskin meningkat sekitar 30,3%. Tingginya penduduk miskin pada tahun 1998 ini merupakan dampak kumulatif dari krisis ekonomi yang terjadi di Indonesia. Tingginya inflasi ketika krisis dan banyaknya pengangguran merupakan salah satu faktor utama penentu peningkatan kemiskinan pada periode ini. Kenaikan inflasi menyebabkan biaya hidup semakin tinggi, semakin banyak penduduk yang berada di bawah garis kemiskinan. Grafik 4-3 Persentase Penduduk Miskin, Indonesia, 1976-2006

Sumber: BPS

4.4.8. Variabel Listrik

Semakin besar kapasitas listrik di Indonesia, maka besaran listrik yang didistribusikan kepada masyarakat akan semakin besar. Hal ini secara empiris akan menurunkan tingkat kemiskinan. Setiap kenaikan 1% kapasitas listrik pada satu periode sebelumnya, ceteris paribus, maka penduduk miskin akan berkurang sebesar 0,202%. Variabel ini memiliki dampak secara langsung dan tidak langsung bagi penduduk miskin di Indonesia. Dampak langsung dari keberadaan infrastruktur ini diantaranya adalah listrik sebagian besar digunakan untuk penerangan, TV, dan radio pada tingkat pendapatan 97

yang rendah. Kemudian digunakan sebagai pemanas, alat untuk memasak dan sebagai alatalat rumah tangga untuk usaha rumah tangga pada tingkat pendapatan yang lebih tinggi. Dampak tidak langsung untuk penduduk miskin diantaranya adalah, listrik mampu menurunkan biaya energi untuk perusahaan. Hal ini akan meningkatkan proses penciptaan tenaga kerja dalam lingkup aktivitas yang luas. Kemudian listrik juga mampu meningkatkan tingkat kesehatan dan jasa pelayanan lainnya (contohnya, pendingin, penerangan, penghangat, dan lain sebagainya). Selain itu, listrik juga meningkatkan akses masyarakat pada informasi, komunikasi dan teknologi (ICT). Akses komunikasi yang lebih baik mampu membantu proses migrasi, memberikan informasi atas kesempatan yang ada, dan akses pada pengetahuan dalam komunitas yang lebih luas. Semua hal tersebut berpotensi untuk meningkatkan pendapatan masyarakat. Di bawah ini adalah jumlah rumah tangga yang menggunakan sumber penerangan dari listrik PLN pada tahun 2004 di Indonesia. Terlihat bahwa desil pertama hingga keempat persentase rumah tangga yang menggunakan listrik PLN sebagai sumber penerangannya berkisar 61-74%. Sementara itu desil ke sembilan dan kesepuluh masingmasing sebesar 90,5% dan 94%. Namun walaupun begitu, sudah lebih dari 50% penduduk termiskin menikmati listrik. Tabel 4-10 Banyaknya Rumah Tangga yang Menggunakan Listrik PLN Sebagai Sumber Penerangan, Indonesia, 2004 quantiles PLN 1 15.456 2 17.039 3 17.989 4 18.742 5 19.651 6 20.394 7 21.048 8 21.851 9 22.891 10 23.761 Total 198.816 Sumber: susenas 2004, diolah

persentase 61.1 67,4 71,1 74,1 75,8 80,6 83,2 86,4 90,5 94,0 78,6

lainnya 9.836 8.252 7.303 6.549 6.270 4.900 4.241 3.440 2.400 1.530 54.097

persentase 38,9 32.6 28,9 25,9 24,2 19,4 16,8 13,6 9,5 6,0 21,4

total 25.292 25.291 25.292 25.291 25.921 25.294 25.289 25.291 25.291 25.291 252.913

98

4.4.9. Variabel Kemiskinan Periode Sebelumnya

Variabel ini untuk melihat apakah kemiskinan di Indonesia termasuk kemiskinan yang sifatnya temporer atau tidak. Temuan pada penelitian ini menyatakan bahwa ketika kemiskinan pada periode sebelumnya naik sebesar 1%, maka kemiskinan pada saat ini akan meningkat sebesar 0,66%, ceteris paribus.

Hal ini menunjukkan bahwa pada

perubahan penduduk miskin dari tahun ke tahun, seperti yang ditujukan pada grafik di atas, bahwa ada sebagian penduduk Indonesia yang selalu miskin (tidak mampu keluar dari kemiskinan). Namun dalam skripsi ini, karena keterbatasan yang ada, tidak lebih lanjut mengenai kemiskinan dinamis. Sumanta menunjukkan bahwa terdapat lingkaran kemiskinan di Indonesia dengan pola hubungan tidak langsung (Sumanta, 2005). Dasar teori yang digunakan adalah Nurkse (1953) yang menyatakan bahwa tingkat kemiskinana yang tinggi disuatu daerah terjadi karena rendahnya pendapatan perkapita daerah tersebut. Pendapatan perkapita yang rednah karena investasi perkapita yang rendah. Investasi perkapita yang rendah terjadi karena permintaan domestik perkapita yang rendah. Permintaan domestik yang rendah terjadi karena tingkat kemiskinan yang tinggi, begitu seterusnya sehingga daerah terbelakang akan terus terbelakang. Menurut sumanta ada peluang bagi daerah-daerah terbelakang untuk keluar dari jebakan kemiskinan bila berhasil melakukan kebijakan sebagai berikut: meningkatkan kualitas SDM melalui pendidikan dan kesehatan masyarakat; mengembangkan sektor industri jasa sehingga peranannya meningkat dalam perekonommian; meningkatkan ketersediaan infrastruktur untuk mendukung perekonomian daerah; meningkatkan upah riil; dan meningkatkan kualitas tata pemerintahan daerah dan meningkatkan alokasi anggaran pembangunan daerah yang pro terhadap masyarakat miskin.

99

Berdasar pada hasil analisis di atas, dapat diambil sebuah ‘benang merah’ bahwa pada umumnya infrastruktur ekonomi lebih efektif dalam mengurangi kemiskinan tingkat propinsi di Indonesia, walaupun ada juga variabel yang berpengaruh positif terhadap kemiskinan seperti luas lahan sawah dengan pengairan (irigasi). Hal ini terbukti dari pengaruh negatif dari jalan kabupaten, listrik, dan telepon terhadap kemiskinan. Sementara itu, infrastruktur sosial cenderung untuk tidak berpengaruh (seperti jumlah tempat tidur di rumah sakit) bahkan ada yang berhubungan positif dengan kemiskinan (jumlah gedung sekolah SMP dan SMA). Walaupun sensitifitas kemiskinan terhadap infrastruktur relatif kecil. Tetap saja diperlukan suatu penelitian lebih lanjut yang sifatnya lebih mikro. Secara umum penjelasan dari temuan di atas (variabel-variabel yang tidak sesuai dengan teori) didekati dari argumentasi struktur sosial masyarakat yang ada di Indonesia dan akses penduduk miskin pada infrastruktur tersebut. Sebagai contoh, penambahan luas lahan sawah yang diairi irigasi akan menambah penduduk miskin, karena diduga terdapat struktur sosial yang eksploitatif antara petani dengan lahan luas dengan petani gurem atau buruh tani. Hal ini berakibat pada dimonopolinya manfaat irigasi oleh mereka yang punya lahan sawah lebih luas. Dari sini dapat terlihat bahwa akses masyarakat miskin (petani) terhadap asset (lahan) sangat minim.

100

BAB V KESIMPULAN, SARAN, DAN KETERBATASAN STUDI Penelitian ini mencoba melihat hubungan antara ketersediaan infrastruktur dengan tingkat kemiskinan. Infrastruktur yang di uji pada studi ini meliputi jalan kabupaten, jalan propinsi-negara, listrik, telepon, air, irigasi, puskemas, tempat tidur di rumah sakit, dan sekolah SD, dan SMP-SMA. Pemilihan infrastruktur ini didasarkan pada definisi Bank Dunia dalam membagi infrastruktur dalam tiga kelompok besar, yaitu infrastruktur ekonomi, sosial dan administrasi. 5.1. Kesimpulan

a) Hasil estimasi dengan menggunakan fixed-effect dan lags 1 menunjukkan bahwa terdapat tujuh variabel yang signifikan pada α sebesar 5%. Variabel-variabel tersebut adalah irigasi, puskesmas, telepon, jumlah sekolah dasar, listrik, krisis, dan kemiskinan satu periode sebelumnya. Sementara itu ada empat variabel yang tidak signifikan yaitu air, jalan, banyaknya sekolah SMP-SMA dan jumlah tempat tidur di rumah sakit sebagai salah satu indikator infrastruktur kesehatan. b) Mengenai arah dan besaran hubungan antara masing-masing jenis infrastruktur, hasil studi ini menunjukkan bahwa: pertama, untuk variabel yang berkorelasi negatif terhadap kemiskinan, kontribusi terbesar dalam proses pengurangan kemiskinan adalah infrastruktur ekonomi (Listrik) dengan koefisien -0,2, sekolah dasar dengan -0.11, kemudian telepon dengan koefisien -0,08, dan irigasi dengan -0.06. Kemudian untuk variabel yang berkorelasi positif dan signifikan meliputi puskesmas, krisis, dan kemiskinan periode sebelumnya. c) Banyaknya sekolah dasar mampu mengurangi kemiskinan karena manfaat pendidikan hanya berlaku pada jenis-jenis pekerjaan tertentu. Kemiskinan didominasi di 101

perdesaan, dan pada sektor pertanian. Foster dan Rosenweig (1995) menyimpulkan bahwa petani yang memiliki pendidikan dasar memang jauh lebih produktif daripada yang tidak pernah sekolah. Namun, tak ada perbedaan signifikan antara memiliki pendidikan menengah dan hanya pendidikan dasar. Namun, karena berbagai keterbatasan yang ada, studi ini tidak bermaksud untuk menyimpulkan bahwa pendidikan dan kebijakan pendidikan pemerintah tidak bermanfaat bagi orang miskin. Namun, studi ini mengindikasikan bahwa ada hal-hal lain yang menjadi penyebab mengapa banyaknya sekolah SMP-SMA menyebabkan kemiskinan bertambah parah adalah terjadinya brain drain dari masyarakat perdesaan ke perkotaan. Mengingat hasil estimasi ini relatif bertentangan dengan penelitian pada umumnya dan berada pada tataran agregat, maka perlu dilakukan studi dengan lingkup yang lebih mikro. d) Selain variabel infrastruktur, peneliti juga menggunakan beberapa variabel kontrol yaitu krisis ekonomi, dan kemiskinan satu periode sebelumnya. Kedua variabel ini memiliki kontribusi yang besar dan signifikan pada kemiskinan. e) Relatif kecilnya dampak infrastruktur terhadap proses pengurangan kemiskinan di Indonesia mungkin dikarenakan kualitas dan kondisi infrastruktur tersebut, selain itu juga masalah akses pada layanan infrastruktur tersebut. 5.2. Saran

a) Dalam bidang listrik dan telekomunikasi, penting kiranya bagi pemerintah berupaya untuk menggeser pola berpikir dari sekedar subsidi pemakai yang sudah ada kepada peningkatan akses kepada rumah tangga yang belum menikmati manfaat infrastruktur listrik dan telekomunikasi. b) Pada sektor pertanian, mengingat kecilnya dampak irigasi maka perlu kiranya meneliti lebih jauh apa yang menjadi penyebabnya. Mungkin saja disebabkan oleh kualitas, pengelolaan atau kondisi-kondisi di masyarakat seperti ketidakmerataan distribusi 102

lahan. Selain itu, perlu kiranya untuk juga memperhatikan pola perubahan konversi lahan pertanian menjadi usaha lainnya. Akses yang minim terhadap asset (tanah) itulah yang menyebabkan petani yang miskin di desa tidak mampu keluar dari jeratan kemiskinan.Dengan demikian, ketika penyebab-penyebab itu diperbaiki maka manfaat dari adanya irigasi tidak mengalami maldistribution. c) Pada infrastruktur air, perlu kiranya meningkatkan kualitas air bersih yang mampu diakses oleh masyarakat kota. Karena studi ini menggunakan data air yang disalurkan PDAM, maka dalam hal ini ranah yang lebih relevan adalah wilayah perkotaan. PDAM lebih dapat meningkatkan kapasitasnya sehingga suplai dapat dikuatkan. Untuk menambahkan, pemerintah daerah dapat memberikan mandat dan insentif kepada PDAM untuk meningkatkan skala layanan kepada daerah-daerah yang menjadi “kantong-kantong” kemiskinan. Hal ini dapat dilakukan dengan mendisain struktur tarif yang sesuai untuk mereka yang miskin. d) Kebijakan infrastruktur ini merupakan salah satu saran dari beberapa organisasi internasional (Bank Dunia, ADB, dan lain sebagainya). Saran dari beberapa lembaga internasional itu diberikan kepada seluruh negara. Studi ini mengindikasikan bahwa tidak ada kebijakan pemerintah yang bisa diterapkan secara universal di semua negara. Dan studi ini juga mengkritik dengan tidak ada kebijakan populis yang berlaku secara universal. Tidak semua hal bisa diselesaikan dengan anggaran pemerintah yang lebih besar. Hal ini dapat dilihat pada infrastruktur pendidikan (gedung sekolah SMP dan SMA) dan kesehatan yang ternyata tidak begitu berperan dalam proses pengurangan kemiskinan di Indonesia. 5.3. Keterbatasan Studi

a) Karena berbagai keterbatasan yang ada, seperti kesulitan dalam pencarian data, studi ini belum melihat segi kualitas infrastruktur. Oleh karena itu, saran untuk studi lebih 103

lanjut

adalah

memasukkan

sisi

kualitas

infrastruktur

ke

dalam

proses

penghitungan/estimasi. b) Pada era otonomi daerah saat ini kewenangan terbesar ada pada tingkat pemerintahan yang lebih kecil, seperti tingkat kabupaten. Studi ini terlalu melihat secara agregatif, yaitu pada tingkat propinsi. Padahal kewenangan dalam bidang-bidang tertentu sudah menjadi tanggung jawab pada tingkat kabupaten. Untuk itu, studi lebih lanjut seharusnya dapat menjadikan kabupaten sebagai entitas subjek penelitiannya. c) Definisi infrastruktur pada studi ini mendasarkan pada definisi bank dunia. Bank dunia membagi jenis infrastruktur menjadi 3 macam. Studi ini hanya mencakup dua dari tiga definisi

tersebut,

yaitu

ekonomi

dan

sosial.

Sementara

infrastruktur

administrasi/institusi belum dimasukkan dalam perhitungan. Padahal berdasarkan teori yang ada faktor administrasi/institusi juga mempunyai peranan

yang signifikan

terhadap proses pengurangan kemiskinan. Tata kelola yang lemah akan merugikan kaum miskin secara tidak adil. Ketidakefisienan sektor publik, korupsi dan pemborosan menyebabkan tidak memadainya sumberdaya-sumberdaya yang diperlukan dan yang ada untuk jasa-jasa layanan publik dan berbagai program anti kemiskinan. d) Untuk melihat dampak infrastruktur terhadap kemiskinan, studi ini mengasumsikan dampak yang terjadi berbentuk dampak langsung. Sementara untuk dampak tidak langsungnya masih belum terjelaskan pada studi ini. Oleh karena itu, saran untuk studi selanjutnya adalah agar dapat menggunakan berbagai metodologi penelitian yang ada yang memungkinkan melihat atau memasukkan dampak tidak langsung infrastruktur terhadap kemiskinan. Walaupun dengan berbagai keterbatasan di atas, studi ini telah berhasil menemukan bahwa pada umumnya infrastruktur yang lebih efektif untuk mengurangi kemiskinan di Indonesia sepanjang periode 1990-2004 adalah infrastruktur ekonomi. Sementara

104

infrastruktur sosial secara umum masih kurang efektif untuk mereduksi kemiskinan pada tingkat aggregat. Secara umum sensitivitas dari infrastruktur terhadap kemiskinan masih relatif kecil. Tentunya diperlukan penelitian yang lebih dalam untuk menemukan penjelasan lebih jauh atas berbagai temuan tersebut.

105

DAFTAR PUSTAKA

Adelman, Irma. Redistribution Before Growth: A Strategy for Developing Countries. The Hague: Martinus Nijhof, 1978. Ali, Ifzal dan Ernesto Pernia. Infrastructure and Poverty Reduction: What Is The Connection? ERD Policy Brief no 13. Januari 2003. Anwar, Alizar. Pelayanan Air Minum Wilayah Perkotaan di Indonesia. Journalist Workshop on Water Issue. Novotel Coralia, Bogor. 5-8 Desember, 2004. Arief, Sritua. Teori dan Kebijaksanaan pembangunan. Jakarta: CIDES. 1998. Aziz, Iwan Jaya. Ilmu Ekonomi Regional Dan Beberapa Implikasinya Di Indonesia. Jakarta: Lembaga Penerbit FEUI. 1994. Bayes, Abdul. Infrastructure And Ruraldevelopment: Insights From A Grameen Bank Village Phone Initiative In Bangladesh. Agricultural Economics 25 261–272. 2001. Benjamin, D., dan L. Brandt. 1999. Markets and Inequality In Rural China: Parallels with the past. American Economic Review 89 (2): 292–295. Biro Pers dan Media Rumah Tangga KePresidenan. Sambutan Presiden RI pada Acara Peresmian Pembukaan Kongres ke-16 ISEI di Manado. Tanggal 18 Juni 2006. Blank, M. Selecting Among Anti-Poverty Policies: Can An Economist Be Both Critical And Caring? Review of Social Economy, 61 (4) 447-469 BPS. Berita resmi Tingkat kemiskinan di Indonesia 2005-2006. No 47/IX/1 September 2006 CGI. Investing for Growth: The world bank brief for CGI. Executive Summary. 2006. Cronin, Francis J et al. The Rural Economic Development Implication Of Telecomunications: Evidence From Pennsylvania. Telecomunications Policy, V01. 19, N0.7, pp. 545-559, 1995. Chenery, Hollis, et al. Redistribution With Growth. Cambridge: oxford university press. 1974 dalam Irma Adelman. A Poverty-Focused Approach To Development Policy. D, Canning. Infrastructure Contibution To Aggregate Output. The World Bank. Policy Reseach Working Paper no 1929 dalam Lutfi. Pengaruh Infrastruktur Dan Institusi Terhadap Pertumbuhan Ekonomi. Tesis Program Pasca Sarjana Ilmu Ekonomi FEUI. Tidak diterbitkan. 2006. Dercon, S., dan P. Krishnan. Changes In Poverty In Rural Ethiopia 1989–1995: Measurement, Robustness Tests And Decomposition. WPS/98-7. Oxford: Center for the Study of African Economics. 1998. Devas, C. Financing mechanisms, in ADB/EDI, The Urban Poor And Basic Infrastructure Services In Asia And The Pacific: A Regional Seminar. January 22-28 1991, Manila, Philippines.

106

Duflo, Esther. Schooling And Labor Market Consequences Of School Construction In Indonesia: Evidence Of An Unusual Policy Experiment. NBER Working Paper 7860. Cambridge. 2000. Excecutive Order 13010—Critical Infrastructure Protection. Federal Register, July 17 1996. Vol 61, No 138. Pp 37347-37350. Fan, Shengen dan Connie Chan Kang. Road Development, Economic Growth And Poverty Reduction In China. IFPRI Research Report No 138. 2005. FAO/WHO/UNU. Human Energy Requirements. Report of a Joint FAO/WHO/UNU Expert Consultation, FAO Food and Nutrition Technical Report Series, No 1. 2004. Feres, J.C. Notes on the Measurement of Poverty by the Income Method. Cepal Review, No 61. 1997. Foster, J. Absolute Versus Relative Poverty. American Economic Review, Vol.88 No 2, 1998. Fox, W. Strategic options for urban infrastructure management. Urban Management Programme Policy Paper 17. Washington D.C: World Bank. 1994 dalam Rachel Mashika and Sally Barden. Infrastructure An Poverty: A Gender Analysis. UK: Bridge, SIDA report no 15. June 1997. Garner and K, Short. Personal Assessments of minimum income and Expenses: What Do They Tell Us About ‘Minimum Living’ Thresholds And Equivalence Scales?. Elsevier Science. 2003. Gordon, dan P Townsend (ed). Breadline Europe: The Measurement of Poverty. Bristol: Policy Press. 2001. Gujarati, Damodar. Basic Econometric. 4th ed, Singapore: Mc Graw Hill, 2003. Hanushek, Eric. The Role of School Improvement In Economic Development. Nber Working Paper no 12832. 2007. Hussain, Intizar, Fuard Marikar and Sunil Thrikawala. Assessment Of Impacts Of Irrigation Infrastructure Development On Poverty Alleviation. Sri Lanka: Final Research Report, International Water Management Institute (IWMI) Colombo. 2002. Hussain, Intizar., Mark Giordano dan Munir A. Hanjra. Agricultural Water and Poverty Linkages: Case Studies on Large and Small Systems. IWMI. 2003. J, Foster, J.Greer, dan E. Thorbeke. A Class Of Decomposable Poverty Measures. Econometrica, 1984 vol. 52 J, Foster. Absolute Versus Relative Poverty. American Economic Review, vol.88, No.2, 1998. JBICI. Impact of Irrigation Infrastructure Development on Dynamics of Incomes and Poverty: Econometric Evidence Using Panel Data from Sri Lanka. JBICI Research Paper No. 32. March 2007. Jones, Stephen. Background Paper: Contribution Infrastructure To Growth And Poverty Reduction In East Asia And The Pacific. Oxford Policy Management. 2004. Juanita. Pengaruh Krisis Ekonomi Terhadap Pelayanan Kesehatan Masyarakat. Medan: USU. 2002. 107

Khandker, S. Improving Rural Wages In India. Policy, Planning, and Research Working Paper 276. Washington, D.C: World Bank. 1989. Kwon, Eunkyung. Infrastructure, Growth And Poverty Reduction In Indonesia: A Crosssectional Analysis. Asian Development Bank Institute. 2001. Lister, R. The Exclusive Society: Citizenship and the Poor. London: Child Poverty Action Group. 1990. Lustig, Nora. Investing in Health for Economic Development. UNU-WIDER Research Paper No. 2006/30 Malmberg, C. C., A. Ryan, and L. Pouliquen. Rural Infrastructure Services For Development And Poverty Reduction. Washington D.C: World Bank. 1997. Masika, Rachel dan Sally Baden. Infrastructure and Poverty: A Gender Analysis. Institue of Development Studies. Report No. 51. June 1997. Moteff, John, Claudia Copeland dan John Fischer. Critical Infrastructure: What Makes An Infrastructure Critical? Congressional Research Service. 2003. P, Streeten. Poverty: Concepts and Measurement. Discussion Paper, No.6. Institute for Economic Development. 1989. Perdana, Ari A. Pendidikan, Pertumbuhan Ekonomi dan Pemerataan. Kompas, Jumat 18 Maret 2005. Pradhan dan Martin Ravalion. Measuring Poverty Using Qualitative Perceptions of Consumption Adequacy. Review of Economics and Statistics, Vol.82, No.3. 2000. Quibria, M.G. Growth and Poverty: Lesson From The East Asian Miracle Revisited. Adb Institute Research Paper Series. No 33. Februari 2002. Ravalion, Martin. Poverty Comparisons. Chur, Switzerland: Harwood Academic Publisher. 1994 Ravalion, Martin. Poverty Lines in Theory and Practice. LSMS Working Paper, No 133. Washington DC: World Bank. 1998. Rein, M. Problems in the Definition and Measurement of Poverty. in Townsend (ed.). The Concept of Poverty. London: Heinneman, 1970. Schultz, Paul. Education Investment and Returns. In Handbook Of Development Economics, vol 1, edited by H Chenery and TN Srinivasan. Elsevier Science Publisher. 1988. Scott, J. Poverty and Wealth: Citizenship, Deprivation, and Priveledge. London: Longmann. 1994. Sen, Amartya K. Poor, Relatively Speaking. Oxford Economic papers, July No.35. 1983. Sida. Promoting Sustainable Livelihoods, Stockholm: Swedish International Co-operation Development Agency. 1996. Skousen, Mark. Sang Maestro Teori-Teori Ekonomi Modern. Jakarta: Prenada. 2005. SMERU. Seri Debat Pembangunan: Studi Kasus Indonesia. Laporan Lokakarya. Jakarta, Juli 2001. Sumanta. Fenomena Lingkaran Kemiskinan Indonesia: Analisis Ekonomi Regional Data Panel Provinsi Tahun 1999-2002. unpublished. Tesis Pasca Sarjana FEUI. 2005. 108

Todaro, Michael P. Economic Development. Harlow: Addison Wesley. 2000. Townsend, P. The International Analysis Of Poverty. New York: Harvester Wheatshef, 1993. Vaughn, Roger dan Robert Pollard. Rebuilding America, Vol.I, planning and managing public works in the 1980s. Council of State Planning Agencies. Washington DC, 1984: 1-2, in Mohn Moteff, Claudia Copeland dan John Fischer. Critical Infrastructure: What Makes An Infrastructure Critical? Congressional Research Service. 2003. Vidyaratne, D.B.P.S. Methhodology for Computation of Poverty Line and Poverty Statistics for Sri Lanka. Manila, 2004.

109

LAMPIRAN 1. Persamaan Pertama Chow =

0 ,1185 = 6 ,309092 0 , 00188

F tabel (27, 325, 0.05) adalah 1,46.

(fixed versus random effects) H0: random effects Chi-square (13 d.f.)

137.22722

p-value

0.0000000

Dependent Variable: LOG(POV?) Method: GLS (Cross Section Weights) Sample: 1991 2004 Included observations: 14 Number of cross-sections used: 24 Total panel (unbalanced) observations: 334 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped Variable

Coefficient

Std. Error

t-Statistic

Prob.

LOG(IRIGASI?(-1)) LOG(AIR?(-1)) LOG(JLKAB?(-1)) LOG(JLNEG?(-1)) LOG(JLPROP?(-1)) LOG(KESRS?(-1)) LOG(PKMAS?(-1)) LOG(TEL?(-1)) LOG(PENDMNGAH?( -1)) LOG(PEND1?(-1)) DKRISIS? LOG(LISTRK?(-1)) LOG(POV?(-1)) Fixed Effects _ACEH--C _SUMUT--C _SUMBAR--C _RIAU--C _JAMBI--C _SUMSEL--C _BENGKULU--C _LAMPUNG--C _JAKARTA--C _JABAR--C _JATENG--C _YOGYA--C _JATIM--C _BALI--C _NTB--C _NTT--C

-0.061154 -0.004567 -0.015629 0.024247 0.015970 -0.009667 0.100252 -0.090548 -0.046005

0.017346 0.012506 0.024336 0.013193 0.014926 0.011422 0.037437 0.012552 0.036621

-3.525608 -0.365185 -0.642195 1.837799 1.069948 -0.846307 2.677892 -7.214039 -1.256266

0.0005 0.7152 0.5212 0.0671 0.2855 0.3981 0.0078 0.0000 0.2100

-0.130313 0.227723 -0.204153 0.656329

0.044783 0.010706 0.020241 0.035883

-2.909882 21.27047 -10.08593 18.29062

0.0039 0.0000 0.0000 0.0000

0.701634 0.878204 0.712576 0.666565 0.585666 1.454258 -0.047548 0.788778 0.769404 0.928485 0.997127 0.991109 1.136223 0.806447 0.730158 0.659909

110

_KALBAR--C _KALTENG--C _KALSEL--C _KALTIM--C _SULUT--C _SULTENG--C _SULSEL--C _SULTRA--C

0.762620 0.550411 0.594797 0.778945 0.733435 0.724575 0.783183 0.674713

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.991129 0.990053 0.143382 921.7198 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

-2.594010 1.437666 6.105841 2.012943

0.954711 0.949221 0.155669 2.558943

Mean dependent var S.D. dependent var Sum squared resid

-1.760457 0.690813 7.197116

Unweighted Statistics R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

Dependent Variable: LOG(POV?) Method: GLS (Cross Section Weights) Sample: 1991 2004 Included observations: 14 Number of cross-sections used: 24 Total panel (unbalanced) observations: 334 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped Variable

Coefficient

Std. Error

t-Statistic

Prob.

C LOG(IRIGASI?(-1)) LOG(AIR?(-1)) LOG(JLKAB?(-1)) LOG(JLNEG?(-1)) LOG(JLPROP?(-1)) LOG(KESRS?(-1)) LOG(PKMAS?(-1)) LOG(TEL?(-1)) LOG(PENDMNGAH?( -1)) LOG(PEND1?(-1)) DKRISIS? LOG(LISTRK?(-1)) LOG(POV?(-1))

0.388766 -0.010873 -0.021377 -0.015884 -0.056206 -0.026054 -0.006865 0.052715 0.040476 0.069481

0.075517 0.008237 0.010003 0.015260 0.012066 0.010612 0.005773 0.025623 0.013499 0.020442

5.148061 -1.320050 -2.137070 -1.040841 -4.658291 -2.455151 -1.188994 2.057351 2.998502 3.398850

0.0000 0.1878 0.0334 0.2987 0.0000 0.0146 0.2353 0.0405 0.0029 0.0008

0.005272 0.097124 -0.116177 0.929303

0.036670 0.008594 0.016851 0.013096

0.143759 11.30126 -6.894219 70.96092

0.8858 0.0000 0.0000 0.0000

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.980960 0.980187 0.168348 1268.220 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

-2.600306 1.195992 9.069096 1.897344

0.938964 0.936484 0.174101

Mean dependent var S.D. dependent var Sum squared resid

-1.760457 0.690813 9.699534

Unweighted Statistics R-squared Adjusted R-squared S.E. of regression

111

Durbin-Watson stat

2.635431

Autocorelation test 1 334 ⎛ ⎞ h = ⎜1 − 2,0129 ⎟ = −0.121 2 ⎝ ⎠ 1 − 334(0,000171) h hitung < h kritis (1,645) maka H0 diterima. Hal ini berarti bahwa tidak terdapat masalah

autocorrelation. Multicorelation Logirigasi (-1)

Logair (-1)

Logjlneg (-1)

Logjlprop (-1)

Logjlkab (-1)

Logkesrs (-1)

Logpkmas (-1)

Logtel (-1)

Logpendmngah (-1)

Logpend (-1)

Logirigasi(-1)

1

logair(-1)

-0,5397

1

logjlneg(-1)

0,4223

-0,2094

1

logjlprop(-1)

0,2284

-0,1618

0,8241

1

logjlkab(-1)

0,4072

-0,1561

0,7824

0,7497

1

logkesrs(-1)

-0,2273

0,4597

0,1854

0,2946

0,3438

1

logpkmas(-1)

0,5402

-0,2082

0,9327

0,8000

0,8472

0,2244

1

logtel(-1) logpendmngah(1)

-0,4024

0,6421

-0,1609

-0,1265

-0,1431

0,2553

-0,1960

1

-0,1329

0,1982

0,4804

0,5279

0,5680

0,4355

0,4932

0,1514

1

0,5974

-0,3458

0,8199

0,6218

0,7686

0,1536

0,8816

-0,4214

0,3622

1

-0,6364

0,7376

-0,5783

-0,5684

-0,5132

0,1755

-0,6060

0,6990

-0,0519

-0,6894

logpend(-1) Loglistrk(-1)

Loglistrk (-1)

1

Variable Logpkmas(-1) logjlneg(-1) Logpend1(-1) loglistrk(-1) Logjlprop(-1) Logjlkab(-1) Logair(-1) Logirigasi(-1) Logtel(-1) Logpendmngah(-1) Logkesrs(-1) Mean VIF

VIF 18,93 10,26 8,18 7,80 6,24 4,61 3,43 3,34 2,92 2,19 1,83 6,34

1/VIF 0,053 0,098 0,122 0,128 0,160 0,217 0,292 0,300 0,343 0,457 0,546

VIF > 10 Æ terdapat multicorelation. 2. Persamaan kedua (lag 1)

112

chow test =

0.1118 = 5.919 0.0189

Hausman Test (fixed versus random effects) H0: random effects Chi-square (12 d.f.) p-value

141.96543 0.0000000

Dependent Variable: LOG(POV?) Method: GLS (Cross Section Weights) Sample: 1991 2004 Included observations: 14 Number of cross-sections used: 24 Total panel (unbalanced) observations: 334 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped Variable

Coefficient

Std. Error

t-Statistic

Prob.

LOG(IRIGASI?(-1)) LOG(AIR?(-1)) LOG(JLKAB?(-1)) LOG(JLNEGPROP?(1)) LOG(KES4?(-1)) LOG(KES1?(-1)) LOG(TEL?(-1)) LOG(PENDMNGAH?( -1)) LOG(PEND1?(-1)) DKRISIS? LOG(LISTRK?(-1)) LOG(POV?(-1)) Fixed Effects _ACEH--C _SUMUT--C _SUMBAR--C _RIAU--C _JAMBI--C _SUMSEL--C _BENGKULU--C _LAMPUNG--C _JAKARTA--C _JABAR--C _JATENG--C _YOGYA--C _JATIM--C _BALI--C _NTB--C _NTT--C _KALBAR--C _KALTENG--C _KALSEL--C _KALTIM--C _SULUT--C _SULTENG--C _SULSEL--C

-0.058331 -0.010030 -0.000869 0.015928

0.017542 0.012579 0.024857 0.022412

-3.325244 -0.797351 -0.034944 0.710691

0.0010 0.4259 0.9721 0.4778

-0.003639 0.109267 -0.082086 -0.050295

0.010173 0.035196 0.011544 0.036304

-0.357684 3.104527 -7.110498 -1.385382

0.7208 0.0021 0.0000 0.1670

-0.111849 0.227149 -0.202281 0.662323

0.044955 0.011022 0.020517 0.035725

-2.487993 20.60811 -9.859228 18.53967

0.0134 0.0000 0.0000 0.0000

0.851549 1.038225 0.856720 0.833751 0.761453 1.589684 0.147755 0.935371 0.755690 1.004041 1.087918 1.081111 1.234390 0.957893 0.883964 0.809906 0.922278 0.734662 0.723770 0.937326 0.918371 0.914376 0.907133

113

_SULTRA--C

0.822955

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.991030 0.989976 0.143527 940.6809 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

-2.596161 1.433584 6.138795 2.004123

0.954789 0.949479 0.155274 2.574276

Mean dependent var S.D. dependent var Sum squared resid

-1.760457 0.690813 7.184739

Unweighted Statistics R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

Dependent Variable: LOG(POV?) Method: GLS (Cross Section Weights) Sample: 1991 2004 Included observations: 14 Number of cross-sections used: 24 Total panel (unbalanced) observations: 334 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped Variable

Coefficient

Std. Error

t-Statistic

Prob.

C LOG(IRIGASI?(-1)) LOG(AIR?(-1)) LOG(JLKAB?(-1)) LOG(JLNEGPROP?(1)) LOG(KES4?(-1)) LOG(KES1?(-1)) LOG(TEL?(-1)) LOG(PENDMNGAH?( -1)) LOG(PEND1?(-1)) DKRISIS? LOG(LISTRK?(-1)) LOG(POV?(-1))

0.375412 -0.009678 -0.029127 0.000761 -0.063314

0.104982 0.008470 0.010829 0.016244 0.013814

3.575951 -1.142615 -2.689647 0.046848 -4.583446

0.0004 0.2540 0.0075 0.9627 0.0000

0.019944 -0.021775 0.032756 0.079138

0.007000 0.026854 0.013533 0.019859

2.849350 -0.810881 2.420387 3.984975

0.0047 0.4180 0.0161 0.0001

0.012423 0.111817 -0.113788 0.927633

0.029957 0.009881 0.017851 0.013289

0.414689 11.31639 -6.374149 69.80584

0.6786 0.0000 0.0000 0.0000

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.980236 0.979497 0.166829 1326.729 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

-2.574685 1.165106 8.934031 1.891008

0.938984 0.936703 0.173801 2.623036

Mean dependent var S.D. dependent var Sum squared resid

-1.760457 0.690813 9.696377

Unweighted Statistics R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

Test Multicorelation Variable Loglistrk(-1) Logpend1(-1)

VIF 7,23 6,04

1/VIF 0,1383 0,1656

114

logjlnegprop(-1) Logkes1(-1) logjlkab(-1) logtel(-1) logair(-1) logirigasi(-1) logpendmngah(1) Logkes4(-1) Mean VIF

5,81 4,52 4,20 3,49 3,28 2,86

0,1721 0,2213 0,2384 0,2868 0,3046 0,3499

2,28 1,61 4,13

0,4395 0,6229

3. Persamaan ketiga (Lag 2)

chow test =

0,0952 = 4,78207 0,0199

Hausman: Hausman Test (fixed versus random effects) H0: random effects Chi-square (12 d.f.) 122,59881 p-value 0.0000000 Dependent Variable: LOG(POV?) Method: GLS (Cross Section Weights) Sample: 1992 2004 Included observations: 13 Number of cross-sections used: 24 Total panel (unbalanced) observations: 310 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped Variable

Coefficient

Std. Error

t-Statistic

Prob.

LOG(IRIGASI?(-2)) LOG(AIR?(-2)) LOG(JLKAB?(-2)) LOG(JLNEGPROP?(2)) LOG(KES4?(-2)) LOG(KES1?(-2)) LOG(TEL?(-2)) LOG(PENDMNGAH?( -2)) LOG(PEND1?(-2)) DKRISIS? LOG(LISTRK?(-2)) LOG(POV?(-1)) Fixed Effects _ACEH--C _SUMUT--C _SUMBAR--C _RIAU--C _JAMBI--C

-0.014334 -0.031419 0.031366 0.024836

0.019862 0.009793 0.022560 0.019523

-0.721676 -3.208481 1.390360 1.272177

0.4711 0.0015 0.1655 0.2044

-0.037484 0.178186 -0.028979 0.173485

0.009556 0.041618 0.011392 0.040290

-3.922710 4.281474 -2.543798 4.305849

0.0001 0.0000 0.0115 0.0000

-0.042876 0.206278 -0.211782 0.630521

0.041570 0.010255 0.016648 0.040095

-1.031419 20.11448 -12.72149 15.72580

0.3033 0.0000 0.0000 0.0000

1.100110 1.331540 1.153227 1.201516 1.050357

115

_SUMSEL--C _BENGKULU--C _LAMPUNG--C _JAKARTA--C _JABAR--C _JATENG--C _YOGYA--C _JATIM--C _BALI--C _NTB--C _NTT--C _KALBAR--C _KALTENG--C _KALSEL--C _KALTIM--C _SULUT--C _SULTENG--C _SULSEL--C _SULTRA--C

1.963650 0.360722 1.291206 1.253206 1.589100 1.592551 1.366712 1.712124 1.227069 1.363589 1.104044 1.209939 0.834042 1.042792 1.215363 1.113796 1.099984 1.160172 1.056259

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.990343 0.989109 0.153735 802.8135 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

-2.782133 1.473135 6.475856 2.153452

0.950940 0.944673 0.162692 2.602426

Mean dependent var S.D. dependent var Sum squared resid

-1.776423 0.691670 7.252441

Unweighted Statistics R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

Dependent Variable: LOG(POV?) Method: GLS (Cross Section Weights) Sample: 1992 2004 Included observations: 13 Number of cross-sections used: 24 Total panel (unbalanced) observations: 310 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped Variable

Coefficient

Std. Error

t-Statistic

Prob.

C LOG(IRIGASI?(-2)) LOG(AIR?(-2)) LOG(JLKAB?(-2)) LOG(JLNEGPROP?(2)) LOG(KES4?(-2)) LOG(KES1?(-2)) LOG(TEL?(-2)) LOG(PENDMNGAH?( -2)) LOG(PEND1?(-2)) DKRISIS? LOG(LISTRK?(-2)) LOG(POV?(-1))

0.437645 -0.004255 -0.025872 0.007520 -0.082201

0.099499 0.009239 0.010872 0.016996 0.013313

4.398475 -0.460475 -2.379697 0.442467 -6.174306

0.0000 0.6455 0.0180 0.6585 0.0000

-0.002608 0.004293 0.056718 0.091981

0.006935 0.026355 0.014120 0.021316

-0.376140 0.162886 4.016878 4.315138

0.7071 0.8707 0.0001 0.0000

0.019476 0.103075 -0.131237 0.917926

0.033978 0.009949 0.017553 0.013919

0.573193 10.36017 -7.476733 65.94617

0.5669 0.0000 0.0000 0.0000

Weighted Statistics

116

R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.980012 0.979204 0.172699 1213.468 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

-2.632866 1.197567 8.858010 1.953463

0.934809 0.932175 0.180133 2.659470

Mean dependent var S.D. dependent var Sum squared resid

-1.776423 0.691670 9.636988

Unweighted Statistics R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

Matriks Korelasi

VIF

4. Persamaan ketiga (Lag 3) chow test =

0,101184 = 5,479399 0,01846

Hausman Test (fixed versus random effects) H0: random effects Chi-square (12 d.f.)

129.93816

p-value

0.0000000

117

Dependent Variable: LOG(POV?) Method: GLS (Cross Section Weights) Sample: 1993 2004 Included observations: 12 Number of cross-sections used: 24 Total panel (unbalanced) observations: 286 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped Variable

Coefficient

Std. Error

t-Statistic

Prob.

LOG(IRIGASI?(-3)) LOG(AIR?(-3)) LOG(JLKAB?(-3)) LOG(JLNEGPROP?(3)) LOG(KES4?(-3)) LOG(KES1?(-3)) LOG(TEL?(-3)) LOG(PENDMNGAH?( -3)) LOG(PEND1?(-3)) DKRISIS? LOG(LISTRK?(-3)) LOG(POV?(-1)) Fixed Effects _ACEH--C _SUMUT--C _SUMBAR--C _RIAU--C _JAMBI--C _SUMSEL--C _BENGKULU--C _LAMPUNG--C _JAKARTA--C _JABAR--C _JATENG--C _YOGYA--C _JATIM--C _BALI--C _NTB--C _NTT--C _KALBAR--C _KALTENG--C _KALSEL--C _KALTIM--C _SULUT--C _SULTENG--C _SULSEL--C _SULTRA--C

-0.039543 -0.053942 0.042689 0.014612

0.023030 0.014626 0.025016 0.022167

-1.717044 -3.688063 1.706441 0.659165

0.0872 0.0003 0.0892 0.5104

-0.021615 0.070949 -0.065672 0.189265

0.011587 0.042232 0.011727 0.044432

-1.865373 1.679988 -5.599956 4.259643

0.0633 0.0942 0.0000 0.0000

-0.102230 0.232656 -0.164632 0.590537

0.057744 0.010018 0.022239 0.048682

-1.770380 23.22482 -7.402744 12.13040

0.0779 0.0000 0.0000 0.0000

0.705579 0.815707 0.696378 0.699909 0.624642 1.604419 -0.101478 0.783474 0.532513 1.006190 1.060605 0.849033 1.183306 0.717299 0.927051 0.733106 0.783741 0.455999 0.601861 0.772822 0.682850 0.751323 0.702005 0.711162

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.989452 0.987975 0.154940 670.0174 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

-2.736240 1.412928 6.001579 2.169076

0.949014

Mean dependent var

-1.788476

Unweighted Statistics R-squared

118

Adjusted R-squared S.E. of regression Durbin-Watson stat

0.941876 0.167111 2.576006

S.D. dependent var Sum squared resid

0.693149 6.981509

Dependent Variable: LOG(POV?) Method: GLS (Cross Section Weights) Sample: 1993 2004 Included observations: 12 Number of cross-sections used: 24 Total panel (unbalanced) observations: 286 One-step weighting matrix White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped Variable

Coefficient

Std. Error

t-Statistic

Prob.

C LOG(IRIGASI?(-3)) LOG(AIR?(-3)) LOG(JLKAB?(-3)) LOG(JLNEGPROP?(3)) LOG(KES4?(-3)) LOG(KES1?(-3)) LOG(TEL?(-3)) LOG(PENDMNGAH?( -3)) LOG(PEND1?(-3)) DKRISIS? LOG(LISTRK?(-3)) LOG(POV?(-1))

0.323481 -0.020688 -0.039337 0.015127 -0.065280

0.116886 0.009664 0.012856 0.016482 0.015636

2.767493 -2.140853 -3.059931 0.917816 -4.175021

0.0060 0.0332 0.0024 0.3595 0.0000

0.011749 -0.008700 0.034307 0.040762

0.010597 0.031948 0.016545 0.024069

1.108728 -0.272325 2.073536 1.693541

0.2685 0.7856 0.0391 0.0915

0.040447 0.115490 -0.104374 0.925874

0.040478 0.010636 0.020723 0.015742

0.999232 10.85870 -5.036665 58.81458

0.3186 0.0000 0.0000 0.0000

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.978938 0.978013 0.176776 1057.413 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

-2.613822 1.192165 8.531198 1.994969

0.930979 0.927945 0.186063 2.703205

Mean dependent var S.D. dependent var Sum squared resid

-1.788476 0.693149 9.451100

Unweighted Statistics R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

Test multicorelation

119

120