Analisis Pengaruh Sektor Industri Pengolahan terhadap Kemiskinan di Jawa Tengah

FIRMAN PARADISI, Prof. Catur Sugiyanto,M.A., Ph.D.

2018 | Tesis | Magister Ekonomika Pembangunan

Penelitian ini bertujuan untuk menganalisis pengaruh sektor industri pengolahan terhadap tingkat kemiskinan di Jawa Tengah. Data yang digunakan dalam penelitian ini bersumber pada data BPS yaitu data persentase penduduk miskin, PDRB sektor industri, PDRB sektor nonindustri, jumlah tenaga kerja sektor industri, jumlah tenaga kerja sektor nonindustri, upah tenaga kerja sektor industri dan inflasi serta data dari Kementerian Keuangan berupa data pengeluaran pemerintah urusan perindustrian di 35 kabupaten/kota di Jawa Tengah periode tahun 2010 sampai 2016. Penelitian ini bersifat kuantitatif dengan menggunakan alat analisis regresi data panel, Random Effect Model. Hasil estimasi menunjukkan bahwa PDRB sektor industri, PDRB sektor nonindustri, upah tenaga kerja sektor industri, pengeluaran pemerintah urusan perindustrian dan inflasi berpengaruh secara signifikan terhadap persentase jumlah penduduk miskin di kabupaten/kota di Jawa Tengah pada tahun 2010 sampai 2016. Setiap kenaikan 1% PDRB sektor industri per jumlah tenaga kerja sektor industri dapat menurunkan persentase kemiskinan sebesar 0,065%. Demikian juga dengan PDRB sektor nonindustri berpengaruh secara signifikan terhadap pengurangan persentase penduduk miskin. Setiap kenaikan 1% PDRB sektor nonindustri per jumlah tenaga kerja sektor nonindustri dapat menurunkan persentase kemiskinan sebesar 0,40%. Setiap kenaikan 1% upah tenaga kerja sektor industri dapat menurunkan persentase kemiskinan sebesar 0,12%. Setiap kenaikan 1% pengeluaran pemerintah urusan perindustrian dapat menurunkan persentase kemiskinan sebesar 0,008%. Daerah dengan sektor industri sebagai penyumbang terbesar PDRB mempunyai persentase kemiskinan lebih rendah sebesar 4,78% daripada daerah dengan PDRB terbesar bukan dari sektor industri. Dengan kata lain, sektor industri mempunyai pengaruh yang lebih baik dalam menanggulangi kemiskinan bila dibandingkan dengan sektor lainnya pada kabupaten/kota di Jawa Tengah periode 2010 sampai dengan 2016.

This research's goal is to analyze the influence of the manufacturing sector on the level of poverty in Central Java. The data used in this study are based on BPS data, namely data on the percentage of the poor, the GRDP of the industrial sector, the non-industrial sector GRDP, the number of industrial sector workers, the number of workers in the industrial sector and inflation and data from the Ministry of Finance in the form of data government expenditure on industrial affairs in 35 districts / cities in Central Java for the period of 2010 to 2016. This research is quantitative by using panel data regression analysis, Random Effect Model. Estimated results show that the GRDP of the industrial sector, non-industrial sector GRDP, industrial sector labor costs, government expenditure on industrial affairs and inflation have a significant effect on the percentage of poor people in regencies / cities in Central Java in 2010 to 2016. Every 1% increase in GDP the industrial sector per number of workers in the industrial sector can reduce the poverty percentage by 0.065%. Likewise, the GRDP of the non-industrial sector has a significant effect on reducing the percentage of poor people. Every 1% increase in GRDP in the non-industrial sector per number of non-industrial sector workers can reduce the percentage of poverty by 0.40%. Every 1% increase in wages in the industrial sector can reduce the poverty percentage by 0.12%. Every 1% increase in government expenditure on industrial affairs can reduce the percentage of poverty by 0.008%. Regions with the industrial sector as the largest contributor to GDP have a lower percentage of poverty of 4.78% than the regions with the largest GRDP not from the industrial sector. In other words, the industrial sector has a better influence in tackling poverty when compared to other sectors in districts / cities in Central Java from 2010 to 2016.

Kata Kunci : Kemiskinan, Sektor Industri, Sektor Nonindustri, Random Effect Model