Analisis Faktor-Faktor Yang Mempengaruhi Indeks Kedalaman Dan Indeks Keparahan Kemiskinan Di Indonesia Dengan Pendekatan Multiple Regression.

Authors

  • Nusyrotus Saadah Program Studi Statistika UNY
  • Hadi Faisal Afif Program Studi Statistika UNY
  • Andriati Langiran Program Studi Statistika UNY

DOI:

https://doi.org/10.1234/pns.v9i.45

Keywords:

Kemiskinan, Ketimpangan, Multiple Regression

Abstract

Kemiskinan menjadi masalah multidimensi dan lintas sektor yang dipengaruhi oleh berbagai faktor yang saling berkaitan. Berdasarkan data BPS tahun 2019, presentase penduduk miskin di Indonesia sebesar 9.41%. Selain masalah kemiskinan, ketimpangan pengeluaran juga penting untuk dikaji. Kesenjangan dapat diukur menggunakan indeks kedalaman kemiskinan dan ketimpangan diukur menggunakan indeks keparahan kemiskinan. Tujuan penelitian ini untuk mengetahui faktor yang mempengaruhi indeks kedalaman dan keparahan kemiskinan di Indonesia menggunakan model multiple regression. Hasil yang diperoleh menunjukkan faktor partisipasi sekolah dan penggunaan laptop berpengaruh signifikan terhadap indeks kedalaman dan keparahan kemiskinan. Sehingga model terbaik yang terbentuk pada masing-masing variabel dependen adalah dan Dimana 49% keragaman dari indeks kedalaman kemiskinan dan 48% keragaman dari indeks keparahan kemiskinan yang dapat dijelaskan oleh angka partisipasi sekolah dan penggunaan laptop.

Downloads

Download data is not yet available.

References

Bappenas. “BAB 16 Penanggulangan Kemiskinan”. Diakses dari www.bappenas.go.id. Pada 18 Agustus 2020

BPS.2018.Statistik Penunjang Pendidikan Hasil Susenas Modul Sosial Budaya dan Pendidikan.Jakarta: Badan Pusat Statistik.

BPS.2017.Statistik Telekomunikasi Indonesia 2017.Jakarta:Badan Pusat Statistik.

BPS. 2019. Perkembangan Beberapa Indikator Utama Sosial-Ekonomi Indonesia. Jakarta: Badan Pusat Statistik.

BPS. 2019. Profil Kemiskinan di Indonesia Maret 2019 . Jakarta: Badan Pusat Statistik.

BPS. “Garis Kemiskinan”. Diakses dari https://www.bps.go.id/subject/23/kemiskinan-dan-ketimpangan.html pada

Maret 2020.

Haryono, Sigit. (2009). Analisis Brand Image Yogyakarta Sebagai Kota Pelajar. Jurnal Ilmu Komunikasi, 7(3). 301-109.

Hassan, S. A., Zaman, K., & Gul, S. (2015). The Relationship between GrowthInequality-Proverty Triangle and Enviromental Degradation: Unveiling the Reality. Arab Economic and Business Journal, 10(1), 57-71.

Hindun, et al. (2019). Pengaruh Pendidikan, Pengangguran, dan Kemiskinan terhadap Ketimpangan Pendapatan di Indonesia. Jurnal Ekonomi Bisnis dan Kwirausahaan. Vol.8.

Kismiantini. 2018. "Regresi Linear Ganda". Diakses dari besmart.uny.ac.id pada 2018.

Kusumawati, Rosita. 2018. “Analisis Regresi Ganda”. Diakses dari besmart.uny.ac.id pada 2019.

Mahardika, Reza Bangun. Pengentasan Kemiskinan Berbasis Teknologi dan Inovasi. Yogkarta: Forbil Institute.

Pratama, Yoghi Citra. (2014). Analisis Faktor-Faktor yang Mempengaruhi Kemiskinan di Indonesia. Jurnal Bisnis dan Manajemen, 4(2), 210-223.

Rahmatin, Ummy Zulfa & Ady Soejoto. (2017). Pengaruh Tingkat Kemiskinan dan Jumlah Sekolah Terhadap Angka Patisispasi Sekolah (APS) di Kota Surabaya. Jurnal Pendidikan Ekonomi Manajemen dan Keuangan, 1(2), 127-140.

Rini, Ayu Setyo dan Lilik Sugiharti. 2016. Faktor-Faktor Penentu Kemiskinan di Indonesia: Analisis Rumah Tangga. Jurnal Ilmu Ekonomi Terapan. 01(2), 17-33.

S., Juhar Monang, et al. 2018.Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Kedalaman Kemiskinan dan Indeks Keparahan Kemiskinan Kabupaten/Kota di Sumatra Utara Menggunakan Regresi Data Panel. Jurnal Administrasi Publik. 6 (1): 109.

Zuhdiyaty, Noor. 2017. Analisis Faktor-Faktor yang Mempengaruhi Kemiskinan di Indonesia Selama Lima Tahun Terakhir. Jurnal Ilmiah Bisnis dan Ekonomi Asia. 27-31

Downloads

Published

2020-12-30

How to Cite

Saadah, N. ., Faisal Afif, H. ., & Langiran, A. . (2020). Analisis Faktor-Faktor Yang Mempengaruhi Indeks Kedalaman Dan Indeks Keparahan Kemiskinan Di Indonesia Dengan Pendekatan Multiple Regression. Prosiding Seminar Nasional Statistika, 9, 2. https://doi.org/10.1234/pns.v9i.45