Pendahuluan

  1. Latar Belakang Pengeluaran per kapita merupakan salah satu indikator kunci yang digunakan untuk mengukur taraf hidup dan tingkat kesejahteraan masyarakat di suatu wilayah. Secara makro, pola pengeluaran penduduk mencerminkan daya beli serta struktur ekonomi rumah tangga. Di Provinsi Banten, dinamika ekonomi yang beragam antar kabupaten/kota menuntut adanya pemantauan berkala terhadap bagaimana masyarakat mengalokasikan sumber daya finansial mereka, baik untuk kebutuhan pokok (makanan) maupun kebutuhan penunjang (bukan makanan).

  2. Masalah atau Fokus Kajian Kesenjangan ekonomi dan perbedaan karakteristik wilayah—seperti perbedaan antara wilayah industri di Tangerang Raya dengan wilayah agraris di Pandeglang atau Lebak—mempengaruhi pola konsumsi masyarakat. Analisis terhadap rata-rata pengeluaran ini penting untuk melihat sejauh mana pertumbuhan ekonomi telah terdistribusi secara merata di seluruh wilayah Provinsi Banten.

  3. Landasan Teori Sesuai dengan teori ekonomi, persentase pengeluaran untuk makanan cenderung menurun seiring dengan meningkatnya pendapatan (Hukum Engel). Oleh karena itu, perbandingan antara pengeluaran makanan dan bukan makanan dalam laporan ini dapat menjadi sinyal awal mengenai tingkat kemajuan ekonomi di masing-masing kabupaten/kota.

  4. Tujuan Laporan Mengidentifikasi rata-rata pengeluaran per kapita sebulan penduduk di Provinsi Banten menurut kabupaten/kota. Menganalisis proporsi pengeluaran kelompok makanan dan bukan makanan sebagai indikator kesejahteraan. Menyediakan basis data bagi pengambil kebijakan untuk menentukan prioritas pembangunan ekonomi daerah.

Dataset

Berikut adalah data rata-rata pengeluaran per kapita Provinsi Banten tahun 2023:

data_banten <- data.frame(
  Wilayah = c("Kab. Pandeglang", "Kab. Lebak", "Kab. Tangerang", "Kab. Serang", 
              "Kota Tangerang", "Kota Cilegon", "Kota Serang", "Kota Tangsel"),
  Makanan = c(565914, 697043, 789357, 751926, 1187989, 880286, 781625, 936011),
  Bukan_Makanan = c(379862, 395121, 716082, 544101, 1624327, 1068048, 660380, 1420005)
)
data_banten$Total <- data_banten$Makanan + data_banten$Bukan_Makanan
knitr::kable(data_banten)
Wilayah Makanan Bukan_Makanan Total
Kab. Pandeglang 565914 379862 945776
Kab. Lebak 697043 395121 1092164
Kab. Tangerang 789357 716082 1505439
Kab. Serang 751926 544101 1296027
Kota Tangerang 1187989 1624327 2812316
Kota Cilegon 880286 1068048 1948334
Kota Serang 781625 660380 1442005
Kota Tangsel 936011 1420005 2356016

Statistik Deskriptif

summary(data_banten[, 2:4])
##     Makanan        Bukan_Makanan         Total        
##  Min.   : 565914   Min.   : 379862   Min.   : 945776  
##  1st Qu.: 738205   1st Qu.: 506856   1st Qu.:1245061  
##  Median : 785491   Median : 688231   Median :1473722  
##  Mean   : 823769   Mean   : 850991   Mean   :1674760  
##  3rd Qu.: 894217   3rd Qu.:1156037   3rd Qu.:2050255  
##  Max.   :1187989   Max.   :1624327   Max.   :2812316

Visualisasi Data

1. Bar Chart (Total Pengeluaran)

ggplot(data_banten, aes(x = reorder(Wilayah, Total), y = Total, fill = Wilayah)) +
  geom_bar(stat = "identity") +
  coord_flip() +
  labs(title = "Total Pengeluaran per Kapita", x = "Wilayah", y = "Rupiah") +
  theme_minimal()

Interpretasi: Bar chart di atas menunjukkan perbandingan total pengeluaran per kapita di 8 kabupaten/kota Provinsi Banten. Terlihat jelas adanya ketimpangan yang cukup signifikan, di mana Kota Tangerang menempati urutan tertinggi dengan total pengeluaran yang jauh melampaui wilayah lainnya. Sebaliknya, Kabupaten Pandeglang berada di urutan paling bawah. Hal ini mengindikasikan bahwa perputaran ekonomi dan biaya hidup terkonsentrasi di wilayah kota (urban) dibandingkan wilayah kabupaten.

2. Pie Chart (Proporsi Makanan)

ggplot(data_banten, aes(x = "", y = Makanan, fill = Wilayah)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0) +
  theme_void() +
  labs(title = "Kontribusi Pengeluaran Makanan")

Interpretasi: Berdasarkan grafik pie chart di atas, distribusi pengeluaran makanan di Provinsi Banten menunjukkan bahwa Kota Tangerang memiliki kontribusi persentase terbesar, yaitu sebanyak 16%. Hal ini menunjukkan bahwa beban atau alokasi biaya untuk konsumsi makanan di wilayah tersebut adalah yang paling tinggi dibandingkan wilayah lainnya. Sebaliknya, Kabupaten Pandeglang mencatatkan persentase terendah sebesar 7,6%. Secara keseluruhan, kontribusi pengeluaran makanan antar kabupaten/kota cenderung memiliki rentang yang tidak terlalu jauh (berkisar antara 7% hingga 16%), yang menandakan bahwa kebutuhan pokok pangan merupakan kebutuhan mendasar yang distribusinya cukup merata di setiap wilayah.

3. Histogram

ggplot(data_banten, aes(x = Total)) +
  geom_histogram(bins = 5, fill = "skyblue", color = "white") +
  labs(title = "Distribusi Total Pengeluaran", x = "Total Pengeluaran", y = "Frekuensi")

Interpretasi: Histogram ini menggambarkan frekuensi atau persebaran data total pengeluaran. Dari grafik tersebut, terlihat bahwa sebagian besar kabupaten/kota di Banten memiliki rata-rata pengeluaran yang berkumpul di rentang angka yang lebih rendah (sisi kiri), sementara hanya ada sedikit wilayah (bar di sisi kanan) yang memiliki pengeluaran sangat tinggi. Ini menunjukkan bahwa standar pengeluaran tinggi belum merata di seluruh wilayah Banten.

4. Density Plot

ggplot(data_banten, aes(x = Total)) +
  geom_density(fill = "orange", alpha = 0.5) +
  labs(title = "Density Plot Total Pengeluaran")

Interpretasi: Density plot menunjukkan ‘kerapatan’ data pengeluaran. Puncak kurva yang berada di sisi kiri menunjukkan bahwa mayoritas wilayah di Banten memiliki rata-rata pengeluaran di bawah 2 juta rupiah. Bentuk kurva yang melandai ke arah kanan (right-skewed) menegaskan adanya wilayah-wilayah tertentu (seperti Tangerang Raya) yang menjadi outlier atau pengecualian karena memiliki nilai pengeluaran yang jauh lebih tinggi daripada rata-rata wilayah lainnya.

5. Boxplot

# Mengubah data ke format panjang untuk boxplot
data_long <- data_banten %>% gather(key = "Tipe", value = "Nilai", Makanan, Bukan_Makanan)

ggplot(data_long, aes(x = Tipe, y = Nilai, fill = Tipe)) +
  geom_boxplot() +
  labs(title = "Perbandingan Sebaran Makanan vs Bukan Makanan")

Interpretasi: Boxplot ini memberikan gambaran yang sangat menarik mengenai perbandingan antara pengeluaran Makanan dan Bukan Makanan.

Kotak (box) untuk pengeluaran Makanan terlihat lebih pendek dan rapat, artinya variasi harga makanan antar wilayah di Banten relatif stabil dan tidak jauh berbeda.

Sebaliknya, kotak untuk Bukan Makanan jauh lebih panjang dan memiliki rentang yang lebar. Ini menunjukkan adanya perbedaan gaya hidup dan biaya non-pokok (seperti sewa rumah, gaya hidup, dan jasa) yang sangat kontras antar daerah.

Garis tengah (median) pada pengeluaran Bukan Makanan juga menunjukkan bahwa di beberapa kota, biaya non-pokok sudah mulai menjadi beban pengeluaran yang lebih dominan daripada biaya makan.

Kesimpulan

Berdasarkan hasil analisis data pengeluaran per kapita Provinsi Banten tahun 2023, dapat diambil beberapa kesimpulan utama sebagai berikut:

Disparitas Ekonomi Wilayah: Terdapat ketimpangan ekonomi yang signifikan antara wilayah perkotaan (Tangerang Raya dan Kota Cilegon) dengan wilayah kabupaten (Pandeglang dan Lebak). Hal ini terlihat dari total pengeluaran Kota Tangerang yang hampir tiga kali lipat lebih besar dibandingkan Kabupaten Pandeglang.

Struktur Pengeluaran dan Kesejahteraan: Sesuai dengan Hukum Engel, wilayah-wilayah dengan tingkat ekonomi lebih maju seperti Kota Tangerang, Kota Tangerang Selatan, dan Kota Cilegon memiliki proporsi pengeluaran Bukan Makanan yang jauh lebih tinggi daripada pengeluaran makanan. Hal ini mengindikasikan tingkat kesejahteraan yang lebih baik karena masyarakat memiliki sisa pendapatan yang lebih besar untuk kebutuhan sekunder dan tersier.

Stabilitas Harga Pangan: Analisis melalui boxplot menunjukkan bahwa variasi pengeluaran makanan cenderung lebih stabil dan seragam di seluruh wilayah Banten. Hal ini menandakan bahwa kebutuhan pokok pangan merupakan kebutuhan mendasar yang distribusinya cukup merata, meskipun daya beli masyarakat antar daerah berbeda-beda.

Pemusatan Ekonomi: Data density plot dan histogram mengonfirmasi bahwa pertumbuhan ekonomi dan daya beli tinggi masih terkonsentrasi di beberapa titik urban saja (sebagai outlier), sementara mayoritas wilayah lainnya masih berada pada tingkat pengeluaran rata-rata menengah ke bawah.

Sebagai rekomendasi, pemerintah daerah perlu memberikan perhatian khusus pada percepatan ekonomi di wilayah Banten bagian selatan (Pandeglang dan Lebak) guna mengurangi kesenjangan pengeluaran dan meningkatkan daya beli masyarakat di wilayah tersebut.