Determinan Kemiskinan Penduduk Lanjut Usia dan Pola Sebarannya di Indonesia
FAUZIAH LESTARI, Dr. Sukamdi, M.Sc; Dr. Sri Rahayu Budiani, S.Si.,M.Si
2022 | Tesis | MAGISTER KEPENDUDUKANPertumbuhan penduduk saat ini mengarah pada proporsi jumlah penduduk lansia semakin meningkat yang menandai terjadinya fenomena penuaan penduduk (ageing population) di Indonesia. Salah satu permasalahan yang dialami para lansia dengan keterbatasan yang dimilikinya diantaranya adalah masalah kemiskinan. Tujuan penelitian ini adalah untuk mendeskripsikan karakteristik penduduk lanjut usia, mengidentifikasi faktor yang memengaruhi kemiskinan pada penduduk lanjut usia menurut provinsi, dan mengidentifikasi pola sebaran spasial kemiskinan lanjut usia di Indonesia tahun 2020. Analisis penelitian dilakukan dengan menggunakan metode statistik deskriptif untuk mendeskripsikan karakteristik penduduk lanjut usia, selanjutnya dengan metode GWR (Geographically Weighted Regression) untuk mengidentifikasi determinan kemiskinan penduduk lansia di masing-masing provinsi dengan sumber data Susenas Maret 2020. Tujuan ketiga untuk mengidentifikasi pola sebaran spasial kemiskinan penduduk lanjut usia adalah dengan Global Moran's I dan Local Moran's I. Dari penelitian ini diketahui bahwa karakteristik penduduk lanjut usia di Indonesia tahun 2020 didominasi oleh lansia perempuan (52,12 persen), sekitar 9,8 persen lansia tinggal sendiri, Angka Melek Huruf (AMH) lansia lebih dari 82 persen, dan mayoritas bekerja di sektor pertanian. Pada analisis inferensia, diperoleh hasil bahwa seluruh variabel bebas yang dimasukkan dalam model memengaruhi kemiskinan penduduk lanjut usia di Indonesia dan diperoleh model regresi untuk masing-masing provinsi di Indonesia. Adapun pola sebaran kemiskinan penduduk lanjut usia di Indonesia adalah pola sebaran mengelompok dengan nilai Indeks Global Moran's I adalah 0,225. Selanjutnya pada tahapan Local Indeks Moran's I diketahui bahwa provinsi yang berada pada wilayah kuadran I (high-high clustering) dengan kemiskinan tinggi dan wilayah di sekitarnya juga tinggi adalah Papua, kuadran II (low-high clustering) dengan kemiskinan rendah namun wilayah di sekitarnya tinggi adalah Maluku Utara, kuadran III (low-low clustering) dengan kemiskinan rendah dan wilayah sekitarnya juga rendah ada 2 provinsi yaitu Jambi dan Bengkulu, sedangkan pada kuadran IV (high-low clustering) dengan kemiskinan tinggi dan wilayah sekitarnya juga tinggi adalah Sumatera Selatan. Manfaat dari hasil penelitian dengan pola mengelompok sehingga realisasi program pengentasan kemiskinan penduduk lanjut usia di Indonesia antar wilayah yang berdekatan akan memiliki kemiripan dan dapat diterapkan secara bersama.
Current population growth leads to an increasing proportion of the elderly population which marks the occurrence of the aging population phenomenon in Indonesia. One of the problems experienced by the elderly with their limitations is the problem of poverty. The purpose of this study is to describe the characteristics of the elderly population, identify factors that influence poverty in the elderly population by province, and identify patterns of spatial diversity of elderly poverty in Indonesia in 2020. The research analysis was carried out using descriptive statistical methods to describe the characteristics of the elderly population, then using the GWR (Geographically Weighted Regression) method to identify the determinants of poverty in the elderly population in each province using the March 2020 Susenas data source. The third objective was to identify patterns of spatial diversity of poverty elderly population is with Global Moran's I. From this study, it is known that the characteristics of the elderly population in Indonesia in 2020 are dominated by elderly women (52.12 percent), around 9.8 percent of the elderly live alone, the elderly literacy rate (AMH) is more than 82 percent, and the majority work in the industrial sector. agriculture. In the inferential analysis, it is found that all independent variables included in the model affect the poverty of the elderly population in Indonesia and a regression model is obtained for each province in Indonesia. The distribution pattern of poverty in the elderly population in Indonesia is a clustered distribution pattern with the Global Moran's I Index value of 0.225. Furthermore, at the Local Moran's Index I stage, it is known that the provinces located in quadrant I (high-high clustering) with high poverty and the surrounding areas are also high are Papua, quadrant II (low-high clustering) with low poverty but high surrounding areas. is North Maluku, quadrant III (low-low clustering) with low poverty and the surrounding area is also low there are 2 provinces namely Jambi and Bengkulu, while in quadrant IV (high-low clustering) with high poverty and the surrounding area is also high is South Sumatra. The benefits of the research results are grouped so that the realization of poverty alleviation programs for the elderly population in Indonesia between adjacent areas will have similarities and can be applied together.
Kata Kunci : kemiskinan, lansia, GWR, pola sebaran spasial