No Nama Pengarang

Judul Variabel Alat Analisis Kesimpulan

1 Muhammad Sri Wahyudi Suliswanto

Pengaruh Produk Domestik Bruto (PDB) dan Indeks Pembangunan Manusia (IPM) Terhadap Angka Kemiskinan di Indonesia

1. PDRB2. IPM3. Kemiskinan

Teknik analisis dalam penelitian ini yaitu analisis regresi data panel, adapun model regresinya dalam bentuk log dapat ditulis sebagai berikut: ln Yit = β0 + β1 ln X1it + β2 ln X2it + eit dimana: Y = Kemiskinan ; X1 = PDRB; X2 = IPM; i = daerah; dan t = waktu.

1. Dari hasil regresi data panel tersebut dapat disimpulkan bahwa secara parsial PDRB (X1) dan IPM (X2) berpengaruh negatif dan signifikan terhadap variabel terkait (Kemiskinan), hanya saja berbeda tingkat signifikansinya yaitu untuk PDRB signifikan pada α 20% dan untuk IPM signifikan pada α 5%. Sedangkan secara simultan, nilai F hitung sebesar 136,47 Sedangkan F tabel (α = 0.05 ; db regresi = 2 : db residual = 60) adalah sebesar 4,00. Karena F hitung > F tabel yaitu 136,47 > 4,00 maka analisis regresi adalah signifikan. Sehingga secara simultan pengaruh PDRB (X1) dan IPM (X2) terhadap Kemiskinan (Y) adalah besar.

2. Adapun nilai koefisien determinasi R2 sebesar 0,9928 Artinya bahwa 99,28% variabel kemiskinan akan dijelaskan oleh variabel bebasnya, yaitu PDRB dan IPM. Sedangkan sisanya sebesar 0,72% variabel kemiskinan akan dijelaskan oleh variabel-variabel yang lain yang

tidak dibahas dalam penelitian ini. Model ini juga telah lolos uji autokorelasi dan multikolinieritas

3. PDRB signifikan berpengaruh negative terhadap kemiskinan,

4. IPM signifikan berpengaruh negative terhadap kemiskinan

2 Ignatia Martha Hendrati dan Hera Aprilianti

Analisis Faktor Ekonomi Yang Mempengaruhi Tingkat Kemiskinan Pada Saat Krisis Di Kota Surabaya

1. Pertumbuhan Penduduk

2. Investasi3. Subsidi

Pendidikan4. Tingkat

Pendidikan

1. Analisis Asumsi Klasika. Autokorelasib. Multikolinieritasc. Heteroskedastisitas

2. Analisis Regresi Linier Berganda

3. Uji Kecocokan Model4. Uji Hipotesis Secara

Parsial (Uji t)

1. Pengaruh Pertumbuhan Penduduk (X1) terhadap Tingkat Kemiskinan di Kota Surabaya (Y) Berdasarkan perhitungan diperoleh t hitung sebesar –1,434 < t tabel sebesar 2,365 maka Ho diterima dan H1 ditolak pada tingkat signifikansi 5% sehingga Pertumbuhan Penduduk (X1) tidak signifikan berpengaruh negatif terhadap Tingkat Kemiskinan di Kota Surabaya (Y). Hal ini didukung juga dengan nilai signifikasi dari Pertumbuhan Penduduk (X1) sebesar 0,194 > 0,05. Nilai R² parsial untuk variabel Pertumbuhan Penduduk sebesar 0,228 yang artinya bahwa Pertumbuhan Penduduk (X1) mampu menjelaskan Tingkat Kemiskinan di Kota Surabaya (Y) sebesar 22,8% sedangkan sisanya 77,2% tidak mampu dijelaskan variabel tersebut.

2. Pengaruh Investasi (X2) terhadap

Tingkat Kemiskinan di Kota Surabaya (Y)Berdasarkan perhitungan diperoleh t hitung sebesar ∞ > t tabel sebesar 2,365 maka Ho ditolak dan H1 diterima pada tingkat signifikansi 5% sehingga Investasi (X2) tidak signifikan berpengaruh positif terhadap Tingkat Kemiskinan di Kota Surabaya (Y). Hal ini didukung juga dengan nilai signifikasi dari Investasi (X2) sebesar 0,172 yang lebih besar dari 0,05. Nilai R² parsial untuk variabel Investasi sebesar 0,248 yang artinya bahwa Investasi (X2) mampu menjelaskan Tingkat Kemiskinan di Kota Surabaya (Y) sebesar 24,8% sedangkan sisanya 75,2% tidak mampu dijelaskan variabel tersebut

3. Pengaruh Subsidi Pendidikan (X3) terhadap Tingkat Kemiskinan di Kota Surabaya (Y) Berdasarkan perhitungan diperoleh t hitung sebesar 3,595 > t tabel sebesar 2,365 maka Ho ditolak dan H1 diterima pada tingkat signifikansi 5% sehingga Subsidi Pendidikan (X3) signifikan berpengaruh positif terhadap Tingkat Kemiskinan di Kota Surabaya (Y). Hal ini didukung

juga dengan nilai signifikasi dari Subsidi Pendidikan (X3) sebesar 0,009 yang lebih kecil dari 0,05. Nilai R² parsial untuk variabel Subsidi Pendidikan sebesar 0,642 yang artinya bahwa Subsidi Pendidikan (X3) mampu menjelaskan Tingkat Kemiskinan di Kota Surabaya (Y) sebesar 64,2% sedangkan sisanya 35,8% tidak mampu dijelaskan variabel tersebut.

4. Pengaruh Tingkat Pendidikan (X4) terhadap Tingkat Kemiskinan di Kota Surabaya (Y) Berdasarkan perhitungan diperoleh t hitung sebesar -1,373 < t tabel sebesar 2,365 maka Ho diterima dan H1 ditolak, pada tingkat signifikansi 5% sehingga Tingkat Pendidikan (X4) tidak signifikan berpengaruh negatif terhadap Tingkat Kemiskinan di Kota Surabaya (Y). Hal ini didukung juga dengan nilai signifikasi dari Tingkat Pendidikan (X4) sebesar 0,211 yang lebih besar dari 0,05. Nilai R² parsial untuk variabel Tingkat Pendidikan sebesar 0,213 yang artinya bahwa Tingkat Pendidikan (X4) mampu menjelaskan Tingkat Kemiskinan di Kota Surabaya (Y) sebesar

21,3% sedangkan sisanya 78,7% tidak mampu dijelaskan variabel tersebut.

3 Candra Mustika Pengaruh PDB Dan Jumlah Penduduk Terhadap Kemiskinan Di Indonesia Periode 1990-2008

1. PDB2. Jumlah

pertumbuhan penduduk

3. Tingkat Kemiskinan

Alat analisis yang digunakan adalah Regresi Linier Berganda dengan rumusan persamaan regresi sebagai berikut : Y = α + β1X1 + β2X2 +e dimana : Y = Tingkat Kemiskinan X1= Produk Domestik Bruto X2= Jumlah pertumbuhan penduduk dan mengunakan metode Odinary Lesat Square (OLS), Dengan menggunakan eviews5, maka d peroleh hasil regresi sebagai berikut : Y= -24.228 + -0.065x1 + 2.926x2

1. Dari hasil estimasi diperoleh, variabel jumlah penduduk dan variabel PDB memperlihatkan angka yang signifikan mempengaruhi tingkat Kemiskinan di Indonesia. Hal tersebut ditunjukkan oleh nilai t- statistik untuk variabel PDB sebesar 2,239 ( lebih besar dari t-tabel pada alfa 0,05). Sedangkan untuk variabel jumlah penduduk pada t-statistik sebesar 4,227 (lebih besar dari t-tabel pada alfa 0,01).

2. Jika dilakukan uji F (secara keseluruhan), maka terlihat bahwa kedua variabel tersebut yaitu : Jumlah Penduduk dan PDB, secara bersama –sama mempengaruhi variabel dependen (tingkat kemiskinan). pada alfa 0,01.

3. Nilai R2 sebesar 0,597526 atau sekitar 59,75% mengandung arti bahwa kemampuan model dalam menjelaskan variasi variabel dependent adalah sebesar 59,75% sedangkan sisanya sebesar 40,25 %, dijelaskan oleh variabel lain yang tidak dimasukkan kedalam

model.4. Koefisien regresi untuk PDB (X1)

sebesar – 0.065404 mengandung arti bahwa jika PDB naik sebesar 1 persen maka tingkat kemiskinan akan menurun sebesar 0,0654. Artinya PDB berpengaruh negative terhadap kemiskinan

5. regresi untuk penduduk (X2) sebesar 2.926852 mengandung arti jika penduduk bertambah sebesar 1 persen maka kemiskinan akan meningkat sebesar 2.926852. Artinya Pertumbuhan Penduduk berpengaruh positif terhadap kemiskinan

4 Desak Ayu Mahaprajna Paramita dan A.A Ayu Suresmiathi. D

Sektor Informal, Pengangguran Dan Kemiskinan DiProvinsi Bali Tahun 2004 - 2012

1. Tenaga Kerja Sektor Informal

2. Pengangguran3. Kemiskinan

Teknik analisis data yang akan digunakan dalam penelitian iniadalah teknik analisis regresi linear berganda. Teknis analisis regresi lineardigunakan untuk mengetahui pengaruh sektor informal dan pengangguranterhadap kemiskinan di Provinsi Bali tahun 2004 – 2010. Persamaan regresi linearberganda dapat

1. Berdasarkan hasil perhitungn uji t diperoleh hasil - thitung < -ttabel (-5,581 < -2,015) maka Ho ditolak dan Hi diterima. Berarti sektor informal berpengaruh negatif dan signifikan secara parsial terhadap kemiskinan di Provinsi Bali tahun 2004 – 2010

2. Dari hasil regresi yang dihasilkan dalam penelitian menunjukan bahwa thitung <ttabel (0,351<2,015) maka Ho diterima. Berarti pengangguran tidak berpengaruh signifikan secara parsial terhadap kemiskinan. Hasil ini tidak sesuai dengan

dinyatakan sebagai berikut:

Y=βο+β1X1+β2X2 + μiKeterangan:Y = KemiskinanX1 = Tenaga Kerja Sektor InformalX2 = Pengangguranβ1X1, β2X2 = Koefisien Regresiμi = Perkiraan kesalahan

teori – teori yang ada, karena tidak semua orang yang miskin itu adalah pengangguran dan belum tentu orang yang menganggur itu miskin

5 Merna Kumalasari dan Dr. Dwisetia Poerwono, Msc

Analisis Pertumbuhan Ekonomi, Angka Harapan Hidup, Angka Melek Huruf, Rata – Rata Lama Sekolah, Pengeluaran Per Kapita, dan Jumlah Penduduk terhadap Tingkat Kemiskinan di Jawa Tengah

1. Kemiskinan2. Laju

Pertumbuhan Ekonomi

3. Angka Harapan Hidup

4. Angka Melek Huruf

5. Rata-rata Lama Sekolah

6. Pengeluaran Perkapita

7. Jumlah Penduduk

Alat analisis yang digunakan adalah regresi linier berganda dengan persamaan sebagai berikutTKit = β0 + β1LPit + β2HHit + β3MHit + β4LSit + β5PPit + β6JPit + α1D1 + α2D2 + α3D3 + α4D4 + α5D5 + α7D7 + α8D8 + α9D9 + α10D10 + α11D11 + α12D12 + α13D13 + α14D14 + α15D15 + α16D16 + α17D17 + α18D18 + α19D19 + α20D20 + α21D21 + α22D22 + α23D23 + α24D24 + α25D25 + α26D26 + α27D27 + α28D28 + α29D29 + α30D30 + α31D31 + α32D32 + α33D33 + α34D34 + uitDimana

1. laju pertumbuhan ekonomi (LP) bertanda negatif namun tidak berpengaruh signifikan secara statistik terhadap tingkat kemiskinan di Jawa Tengah

2. Dari hasi regresi diperoleh hasil bahwa koefisien dari Angka Harapan Hidup (HH) sebesar -1,6880 signifikan berpengaruh negatif secara statistik terhadap tingkat kemiskinan. Hal ini berarti kenaikan angka harapan hidup sebesar 1 tahun akan menyebabkan penurunan tingkat kemiskinan sebesar 1,6880 persen.

3. Dari hasil regresi, diperoleh hasil bahwa koefisien dari Angka Melek Huruf (MH) bertanda positif dan tidak berpengaruh signifikan secara statistik terhadap tingkat kemiskinan di Jawa Tengah.

TK : tingkat kemiskinan/tahun LP : laju pertumbuhan ekonomi/tahun HH : angka harapan hidup/tahun MH : angka melek huruf/tahun LS : rata-rata lama sekolah/tahun PP : pengeluaran perkapita/tahun JP : jumlah penduduk/tahun D1 : dummy Kabupaten Cilacap D2 : dummy Kabupaten Banyumas D3 : dummy Kabupaten Purbalingga D4 : dummy Kabupaten Banjarnegara D5 : dummy Kabupaten Kebumen D6 : dummy Kabupaten Purworejo D7 : dummy Kabupaten Wonosobo D8 : dummy Kabupaten Magelang D9 : dummy Kabupaten Boyolali D10 : dummy Kabupaten Klaten

4. Dari hasil regresi, diperoleh hasil bahwa koefisien dari Rata-rata Lama Sekolah (LS) bertanda positif dan tidak berpengaruh signifikan secara statistik terhadap tingkat kemiskinan di Jawa Tengah.

5. Dari hasi regresi diperoleh hasil bahwa koefisien dari pengeluaran perkapita yang disesuaikan (PP) sebesar -0,1982 signifikan berpengaruh negatif secara statistik terhadap tingkat kemiskinan. Hal ini berarti kenaikan pengeluaran perkapita sebesar 1000 rupiah per tahun akan menyebabkan penurunan tingkat kemiskinan sebesar 0,1982 persen.

6. Dari hasi regresi diperoleh hasil bahwa koefisien dari Jumlah Penduduk (JP) sebesar -0,000023 signifikan berpengaruh negatif secara statistik terhadap tingkat kemiskinan. Hal ini berarti setiap terjadi penambahan 1 orang penduduk akan mengurangi tingkat kemiskinan sebesar 0,000023 persen.

D11 : dummy Kabupaten Sukoharjo D12 : dummy Kabupaten Wonogiri D13 : dummy Kabupaten Karanganyar D14 : dummy Kabupaten SragenD15 : dummy Kabupaten Grobogan D16 : dummy Kabupaten Blora D17 : dummy Kabupaten Rembang D18 : dummy Kabupaten Pati D19 : dummy Kabupaten Kudus D20 : dummy Kabupaten Jepara D21 : dummy Kabupaten Demak D22 : dummy Kabupaten Semarang D23 : dummy Kabupaten Temanggung D24 : dummy Kabupaten Kendal D25 : dummy Kabupaten Batang D26 : dummy Kabupaten Pekalongan D27 : dummy Kabupaten Pemalang

D28 : dummy Kabupaten Tegal D29 : dummy Kabupaten Brebes D30 : dummy Kota Magelang D31 : dummy Kota Surakarta D32 : dummy Kota Salatiga D33 : dummy Kota Pekalongan D34 : dummy Kota Tegal β0 :intersepβ1, β2, β3 : koefisien regresi variabel bebas α1 – α34 : koefisien dummy wilayah uit : gangguan waktu t untuk unit cross section i i : 1, 2, 3, ..., 34 (data cross section kabupaten/kota di Jawa Tengah)t : 1, 2, 3, ..., 34 (data time series, tahun 2005-2009)dan setelah di olah persamaannya sebagai berikutTK = 278,4221 - 0,0304LP - 1,6880HH + 0,01357MH + 0,8400LS - 0,1982PP - 0,000023JP + 17,19D1 + 13,11D2 + 4,22D3 + 1,26D4 + 12,74D5 - 6,48D6 + 4,12D7 + 0,14D8 –

3,89D9 + 8,69D10 – 8,74D11 + 9,49D12 – 1,08D13 + 2,25D14 + 9,80D15 - 0,01D16 + 1,32D17 + 10,26D18 – 14,73D19 – 7,03D20 + 4,20D21 – 5,93D22 – 6,73D23 – 5,89D24 – 9,01D25 – 4,20D26 + 7,92D27 + 5,45D28 + 21,57D29 – 28,29D30 – 12,47D31 – 28,54D32 – 30,07D33 – 28,03D34

6 Darma Rika S, Munawaroh, dan Dita Puruwita

Pengaruh Tingkat Pendidikan, Pendapatan Per Kapita dan Pengangguran terhadap Kemiskinan di DKI Jakarta

1. Kemiskinan2. Tingkat

Pendidikan3. Pengangguran

Alat analisis yang digunakan adalah regresi linier berganda dengan persamaan sebagai berikut

Pov t=β t+ β1 Edut+β2Ycap t

+ β3Unt+ε t

Berdasarkan hasil pengolahan, didapat persamaan regresi ganda sebagai berikut

Pov t=−1243.771−0.019569 Edu−0.004594 ( Ycap )+1321452Un

Dari uji F-statistik yang signifikan sampai dengan tingkat kepercayaan 0.00000 dan nilai Adj.R2 yang sebesar 91,9% dapat dinyatakan bahwa persamaan model yang terbentuk cukup baik. Persamaan tersebut juga menghasilkan tanda -/+ sebagaimana yang diharapkan, yakni kenaikan tingkat pendidikan dan pendapatan perkapita akan berakibat kemiskinan menurun. Adapun kenaikan pengangguran yang bertanda positif akan mengakibatkan kemiskinan meningkat.

7 Yarlina Yacoub Pengaruh Tingkat Pengangguran terhadap Tingkat Kemiskinan Kabupaten/Kota di Provinsi Kalimantan Barat

1. Kemiskinan2. Pengangguran

Terdapat 2 (dua) variabel yang akan diteliti yaitu : tingkat pengangguran dan tingkat kemiskinan, dengan teknik analisis regresi melalui bantuan

Hasil estimasi pengaruh tingkat pengangguran (X) terhadap tingkat kemiskinan (Y) kabupaten/kota di Provinsi Kalimantan Barat signifikan. Hal ini terlihat dari nilai probabilita signifikansi sebesar

SPSS for windows versi 18.0. Data dalam penelitian ini merupakan data skunder yang berasal dari BPS, merupakan pooled the data yaitu gabungan antara time series (tahun 2005 - tahun 2010, selama 6 (enam) tahun dengan cross section 12 (duabelas) kabupaten/kota di Provinsi Kalimantan Barat.

0,002 lebih kecil daripada taraf signifikansi yang ditentukan sebesar (α) 0,05 atau 0,002 < 0.05. Koefisien betha sebesar -0,405 yang bertanda negatif bermakna bahwa pengaruh tingkat pengangguran terhadap tingkat kemiskinan tidak searah, yaitu apabila tingkat pengangguran meningkat berpotensi untuk menurunkan tingkat kemiskinan. Sebaliknya apabila tingkat pengangguran menurun maka tingkat kemiskinan berpotensi untuk naik, dan pengaruh tersebut signifikan.

8 Fitri Amalia Pengaruh Pendidikan, Pengangguran Dan Inflasi Terhadap Tingkat Kemiskina Di Kawasan Timur Indonesia (KTI) Periode 2001-2010

1. Tingkat Kemiskinan

2. Pendidikan3. Pengangguran4. Inflasi

Metode Estimasi yang diginakan dalam penelitian ini adalah regresi linear berganda Pooled Least Square (PLS) dengan spesifikasi model sebagai berikutJPM t=β+β1EDU t+β2UN t+β3 INFt+ it

1. Nilai Probabilitas pendidikan sebesar 0.048 < 0.05 maka

hasilnya signifikan pendidikan berpengaruh positif terhadap kemiskinan

2. Inflasi nilai probabilitasnay sebesar 0.035 < 0.05 maka hasilnya signifikan. Inflasi berpengaruh negative terhadap kemiskinan

3. Nilai Probabilitas pengangguran sebesar 0.168 > 0.05 maka

Hasilnya tidak signifikan9 Muhammad

Irfan Chani, Zahid Pervaiz, Sajjad Ahmad Jan, Amjad Ali and Amatul R.

Poverty, Inflation and Economic Growth:Empirical Evidence from Pakistan

1. Kemiskinan2. Inflasi3. Pertumbuhan

ekonomi4. Investasi5. Perdagangan

Alat analisis yang digunakan adalah Unrestricted VectorError Correction Mechanism (UECM).

1. Pertumbuhan ekonomi dan investasi berpengaruh negative terhadap kemiskinan dan signifikan

2. Inflasi berpengaruh positif dan signifikan terhadap kemiskinan

Chaudhary terbuka 3. Perdagangan terbuka tidak signifikan dan berpangaruh positif terhadap kemiskinan

10 Sinnathurai Vijayakumar, Březinová Olga

Poverty Incidence and its Determinants in theEstate Sector of Sri Lanka

1. Poverty (Kemiskinan)

2. Edu (Pendidikan)

3. Agre (Tenaga Kerja di sector pertanian)

4. Ind (Tenaga Kerja di sector industry)

5. Mar (Akses ke pasar)

6. Rod (Fasilitas Jalan)

Model regresi dari faktor-faktor tersebut sebagai berikut :

1. Variabel seperti MAR, ROD, EDU, IND, signifikan berpengaruh negatif terhadap kemiskinan di Sri Lanka. Khususnya, ROD, MAR dan EDU memiliki dampak signifikan terhadap kemiskinan

2. Selanjutnya, R2 dari 0,82 dan p-value (F-statistik) jelas menunjukkan kesesuaian model yang digunakan dalam penelitian ini

11 Misbah Nosheen, Dr Javed Iqbal, Shabana parveen, Tasawer Aslam

DETERMINANTS OF POVERTY (CROSS COUNTRY EVIDENCE)

1. INF (inflasi)2. SUB_GDP

(rasio total subsidi dan transfer berjalan lainnya selama PDB)

3. ILL (Persentase banyaknya orang yang buta huruf usia 15-24 tahun)

4. HOS (banyaknya tempat tidur rumah sakit

Metode estimasi adalah cross-section, time-series OLS sederhana model regresi dengan fixed effects

1. Inflasi memiliki tanda yang tidak sesuai dengan teori, dalam penelitian ini inflasi berpengaruh negative dan tidak signifikan

2. Tingkat buta huruf, tempat tidur rumah sakit dan volatilitas nilai tukar tidak hanya tidak signifikan, mereka juga memiliki tanda yang salah,

3. Tingkat GDP riil per kapita dan tingkat pertumbuhan PDB berpengaruh negative terhadap kemiskinan , GDP riil per kapita dan tingkat pertumbuhan PDB adalah signifikan semua regresi

4. transfer publik dan subsidi tidak

per 1.000 orang

5. GDP (GDP per kapita pada tingkat nilai tukar PPP)

6. GDPGR (tingkat pertumbuhan tahunan PDB per kapita)

7. EXC (tingkat tahunan perubahan nilai tukar riil)

8. Urb (Urbanisasi)

9. TOT (log of the terms of trade)VEXC, VINF and VGDP (ukuran volatilitas makroekonomi, yang terdiri dari standar deviasi dari nilai tukar riil, inflasi, dan PDB riil)

10. IMEX (rasio jumlah impor dan ekspor barang

signifikan dalam regresi5. Tingkat depresiasi nilai tukar riil

juga juga memiliki efek positif pada kemiskinan

6. Urbanisasi memiliki tanda positif dan signifikan dalam beberapa regresi

7. Peningkatan volatilitas makroekonomi, perubahan inflasi, atau fluktuasi nilai tukar riil berpengaruh positif dan diperkirakan akan meningkatkan kemiskinan, kemungkinan besar melalui efek menguntungkan pada pertumbuhan. Ketidakstabilan inflasi dan volatilitas GDP riil tandanya seperti yang diharapkan tetapi mereka tidak signifikan. Volatilitas nilai tukar memiliki tanda yang salah

dan jasa dalam persen dari PDB)