Analisis Pengaruh IPM dan TPAK terhadap Jumlah Penduduk Miskin di Jawa Timur
Salma Perbiana - 24050123140171
2026-03-09
Pendahuluan
Kemiskinan merupakan salah satu permasalahan utama dalam pembangunan ekonomi suatu wilayah. Tingkat kemiskinan sering dijadikan sebagai indikator untuk menilai tingkat kesejahteraan masyarakat serta keberhasilan pembangunan yang dilakukan oleh pemerintah. Oleh karena itu, upaya untuk menurunkan tingkat kemiskinan menjadi salah satu prioritas dalam pembangunan daerah.
Berbagai faktor dapat memengaruhi tingkat kemiskinan, di antaranya kualitas pembangunan manusia serta partisipasi masyarakat dalam kegiatan ekonomi. Kualitas pembangunan manusia dapat diukur melalui Indeks Pembangunan Manusia (IPM) yang menggambarkan capaian pembangunan manusia dari aspek kesehatan, pendidikan, dan standar hidup yang layak. Semakin tinggi nilai IPM suatu daerah, maka diharapkan kualitas hidup masyarakat semakin baik sehingga tingkat kemiskinan dapat berkurang.
Selain itu, Tingkat Partisipasi Angkatan Kerja (TPAK) juga menjadi indikator penting dalam melihat kondisi perekonomian suatu wilayah. TPAK menunjukkan persentase penduduk usia kerja yang aktif dalam kegiatan ekonomi. Semakin tinggi tingkat partisipasi angkatan kerja, maka semakin besar pula peluang masyarakat untuk memperoleh pendapatan sehingga dapat berkontribusi dalam mengurangi tingkat kemiskinan.
Berdasarkan hal tersebut, penelitian ini bertujuan untuk menganalisis pengaruh Indeks Pembangunan Manusia (IPM) dan Tingkat Partisipasi Angkatan Kerja (TPAK) terhadap jumlah penduduk miskin pada kabupaten/kota di Provinsi Jawa Timur.
Deskripsi Data
Data yang digunakan dalam penelitian ini merupakan data sekunder yang bersumber dari Badan Pusat Statistik tahun 2025. Data tersebut mencakup informasi mengenai jumlah penduduk miskin, Indeks Pembangunan Manusia (IPM), dan Tingkat Partisipasi Angkatan Kerja (TPAK) pada kabupaten/kota di Provinsi Jawa Timur. Jumlah observasi yang digunakan dalam penelitian ini adalah 38 kabupaten/kota di Provinsi Jawa Timur.
Variabel dependen dalam penelitian ini adalah Jumlah Penduduk Miskin (JPM). Variabel ini menunjukkan jumlah penduduk yang berada di bawah garis kemiskinan pada masing-masing kabupaten/kota di Provinsi Jawa Timur.
Sementara itu, variabel independen dalam penelitian ini terdiri dari Indeks Pembangunan Manusia (IPM) dan Tingkat Partisipasi Angkatan Kerja (TPAK). IPM merupakan indikator yang digunakan untuk mengukur kualitas pembangunan manusia berdasarkan dimensi kesehatan, pendidikan, dan standar hidup yang layak. Sedangkan TPAK merupakan persentase penduduk usia kerja yang aktif secara ekonomi, baik yang bekerja maupun yang sedang mencari pekerjaan.
Data tersebut kemudian digunakan untuk menganalisis pengaruh IPM dan TPAK terhadap jumlah penduduk miskin menggunakan metode regresi linear berganda.
head(data)## Kab.Kota JPM TPAK IPM
## 1 Pacitan 72470 80.82 72.26
## 2 Ponorogo 77930 79.91 74.65
## 3 Trenggalek 72350 77.67 73.39
## 4 Tulungagung 63170 74.72 75.88
## 5 Blitar 89040 75.82 74.43
## 6 Kediri 157470 69.65 76.09Struktur Data
str(data)## 'data.frame': 38 obs. of 4 variables:
## $ Kab.Kota: chr "Pacitan" "Ponorogo" "Trenggalek" "Tulungagung" ...
## $ JPM : int 72470 77930 72350 63170 89040 157470 235630 90640 216760 100130 ...
## $ TPAK : num 80.8 79.9 77.7 74.7 75.8 ...
## $ IPM : num 72.3 74.7 73.4 75.9 74.4 ...Ringkasan Data
summary(data)## Kab.Kota JPM TPAK IPM
## Length:38 Min. : 6220 Min. :67.99 Min. :67.23
## Class :character 1st Qu.: 65275 1st Qu.:70.79 1st Qu.:72.45
## Mode :character Median :101400 Median :74.64 Median :75.32
## Mean :101997 Mean :74.34 Mean :76.06
## 3rd Qu.:143313 3rd Qu.:77.14 3rd Qu.:79.27
## Max. :235630 Max. :80.82 Max. :85.65Pada analisis ini digunakan variabel JPM sebagai variabel dependen, sedangkan IPM dan TPAK sebagai variabel independen.
Rata-rata Jumlah Penduduk Miskin adalah 101997 jiwa.
Rata-rata Indeks Pembangunan Manusia adalah 76.064.
Rata-rata Tingkat Partisipasi Angkatan Kerja adalah 74.343 %.
Visualisasi Data
Scatter Plot
Histogram
Model Regresi
Persamaan model regresi: \[ y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \epsilon \]
summary(model)##
## Call:
## lm(formula = JPM ~ IPM + TPAK, data = data)
##
## Residuals:
## Min 1Q Median 3Q Max
## -89597 -35708 -8755 34548 114688
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1230036 275221 4.469 7.88e-05 ***
## IPM -10367 1870 -5.545 3.07e-06 ***
## TPAK -4566 2401 -1.902 0.0654 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 47940 on 35 degrees of freedom
## Multiple R-squared: 0.4723, Adjusted R-squared: 0.4422
## F-statistic: 15.66 on 2 and 35 DF, p-value: 1.385e-05Berdasarkan hasil estimasi model regresi diperoleh persamaan sebagai berikut:
\[ JPM = 1.2300357\times 10^{6} + (-1.036683\times 10^{4}) IPM + (-4566.525) TPAK \]
Interpretasi dari koefisien regresi adalah sebagai berikut:
Koefisien IPM sebesar -1.036683^{4} menunjukkan bahwa setiap peningkatan 1 satuan IPM akan mengubah jumlah penduduk miskin sebesar -1.036683^{4}, dengan asumsi variabel lain konstan.
Koefisien TPAK sebesar -4566.525 menunjukkan bahwa setiap peningkatan 1 persen TPAK akan mengubah jumlah penduduk miskin sebesar -4566.525, dengan asumsi variabel lain konstan.
Nilai p-value IPM adalah 0.0000030748, sedangkan p-value TPAK adalah 0.0654.
Nilai Multiple R-squared sebesar 0.4723 menunjukkan bahwa sekitar 47.23% variasi jumlah penduduk miskin dapat dijelaskan oleh variabel IPM dan TPAK dalam model regresi.
Uji Asumsi Model Regresi
Uji Normalitas
error = model$residuals
ks.test(error, "pnorm",mean(error),sqrt(var(error)))##
## Exact one-sample Kolmogorov-Smirnov test
##
## data: error
## D = 0.11235, p-value = 0.6819
## alternative hypothesis: two-sidedInterpretasi:
Nilai p-value > 0,05 → residual mengikuti distribusi normal, asumsi normalitas terpenuhi.
Nilai p-value ≤ 0,05 → residual tidak normal, asumsi normalitas tidak terpenuhi.
## Interpretasi: Residual mengikuti distribusi normal. Asumsi normalitas terpenuhi.Uji Homoskedatisitas
library(lmtest)
bptest(model)##
## studentized Breusch-Pagan test
##
## data: model
## BP = 2.4704, df = 2, p-value = 0.2908Interpretasi:
Nilai p-value > 0,05 → varians residual konstan (homoskedastisitas terpenuhi).
Nilai p-value ≤ 0,05 → terdapat heteroskedastisitas, asumsi homoskedastisitas dilanggar.
## Interpretasi: Varians residual konstan. Asumsi homoskedastisitas terpenuhi.Uji Non-Autokorelasi
dwtest(model)##
## Durbin-Watson test
##
## data: model
## DW = 2.0548, p-value = 0.5035
## alternative hypothesis: true autocorrelation is greater than 0Interpretasi:
Nilai DW (Durbin-Watson) sekitar 2 → tidak ada autokorelasi, asumsi terpenuhi.
Nilai DW jauh dari 2 → kemungkinan ada autokorelasi residual, perlu diperhatikan.
## Interpretasi: Tidak terdapat autokorelasi. Asumsi terpenuhi.Uji Non-Multikolinearitas
library(car)
vif(model)## IPM TPAK
## 1.275528 1.275528Interpretasi:
Nilai VIF < 10 → tidak ada multikolinearitas, variabel independen saling independen.
Nilai VIF ≥ 10 → terjadi multikolinearitas, perlu dilakukan koreksi atau transformasi variabel.
## IPM : Tidak terjadi multikolinearitas.
## TPAK : Tidak terjadi multikolinearitas.Uji Signifikansi
Uji-F
anova(model)## Analysis of Variance Table
##
## Response: JPM
## Df Sum Sq Mean Sq F value Pr(>F)
## IPM 1 6.3699e+10 6.3699e+10 27.711 7.212e-06 ***
## TPAK 1 8.3143e+09 8.3143e+09 3.617 0.06545 .
## Residuals 35 8.0455e+10 2.2987e+09
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Interpretasi:
Nilai p-value F < 0,05 → model secara keseluruhan signifikan mempengaruhi jumlah penduduk miskin.
Nilai p-value F ≥ 0,05 → model secara keseluruhan tidak signifikan.
## p-value F: 0.1195## Interpretasi: Model tidak signifikan secara keseluruhan.Uji-t
summary(model)$coefficients## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1230035.701 275220.866 4.469268 7.877359e-05
## IPM -10366.830 1869.614 -5.544905 3.074801e-06
## TPAK -4566.525 2401.121 -1.901831 6.544954e-02Interpretasi:
IPM: p-value < 0,05 → IPM berpengaruh signifikan terhadap jumlah penduduk miskin.
TPAK: p-value < 0,05 → TPAK berpengaruh signifikan terhadap jumlah penduduk miskin.
Jika p-value ≥ 0,05 → koefisien tidak signifikan.
## IPM -> t: -5.545 , p-value: 0 -> signifikan
## TPAK -> t: -1.902 , p-value: 0.0654 -> tidak signifikanKoefisien Determinasi
summary(model)$r.squared## [1] 0.4723163Interpretasi:
Nilai R² menunjukkan proporsi variasi jumlah penduduk miskin yang dapat dijelaskan oleh IPM dan TPAK.
## R²: 0.472## Interpretasi: Sekitar 47.23 % variasi JPM dijelaskan oleh IPM dan TPAK.Kesimpulan
Model regresi menunjukkan bahwa peningkatan kualitas pembangunan manusia (IPM) dapat menurunkan jumlah penduduk miskin di Jawa Timur, sedangkan TPAK tidak menunjukkan pengaruh yang signifikan. Model ini menjelaskan hampir setengah variasi jumlah penduduk miskin, dan asumsi klasik regresi linear telah terpenuhi. Namun, secara keseluruhan, model belum signifikan secara statistik sehingga perlu dipertimbangkan faktor tambahan atau variabel lain untuk meningkatkan kekuatan model.