Jurnal Muhammad Bahariansyah

PENGARUH INDEKS PEMBANGUNAN MANUSIA (IPM), INFLASI DAN ZAKAT, INFAQ, SHADAQAH (ZIS) TERHADAP PENGENTASAN KEMISKINAN DI PROVINSI JAWA BARAT (PERIODE TAHUN 2012-2015) Muhammad Bahariansyah Roikhan Mochammad Aziz [email protected], UIN Jakarta [email protected], UIN Jakarta Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta ABSTRACT This study aims to analyze the Influence of Human Development Index (HDI), Inflation, and Zakat Infaq, and Shadaqah (ZIS) toward Poverty Rate in West Java Province Year 2012-2015. The data used in this study is secondary data and the method used is panel data regression analysis using Fixed Effect Model with the help of Eviews 9 program to obtain a comprehensive view of the relationship between variables one with other variables. The sample in this study consisted of 26 cities/regencies in West Java Province for 4 years from 2012-2015. The results showed that the variable of Inflation has a significant influence on the poverty rate partially. While the HDI and ZIS don‟t have a significant effect on the poverty rate partially. The resul of regression analysis simultaneously obtained that HDI, Inflation and ZIS together influence Poverty rate. The prediction ability of the three variables to the Poverty Rate is 99,74% and the remaining 0,26% is influenced by other factors not included in the research model. Keywords: Poverty in West Java, Human Development Index (HDI), Inflation, Zakat, Infaq and Shadaqah (ZIS), Panel Data ABSTRAK Penelitian ini bertujuan untuk menganalisis Pengaruh Indeks Pembangunan Manusia (IPM), Inflasi dan Zakat, Infaq, Shadaqah (ZIS) terhadap Pengentasan Kemiskinan di Provinsi Jawa Barat (Periode Tahun 2012-2015). Data yang digunakan dalam penelitian ini adalah data sekunder dan metode yang digunakan yaitu analisis regresi data panel menggunakan Fixed Effect Model dengan bantuan program Eviews 9 untuk memperoleh gambaran yang menyeluruh mengenai hubungan antara variabel satu dengan variabel yang lain. Sampel dalam penelitian ini terdiri dari 26 kota/kabupaten di Provinsi Jawa Barat selama 4 tahun yaitu dari tahun 2012-2015. Hasil Penelitian menunjukkan bahwa variabel Inflasi memiliki pengaruh yang signifikan terhadap Pengentasan Kemiskinan secara parsial. Sedangkan IPM dan ZIS tidak memiliki pengaruh yang signifikan terhadap Pengentasan Kemiskinan secara parsial. Hasil analisis regresi secara simultan diperoleh bahwa IPM, Inflasi dan ZIS secara bersama-sama mempengaruhi Pengentasan Kemiskinan. Kemampuan prediksi dari ketiga variabel tersebut terhadap Pengentasan Kemiskinan sebesar 99,74% dan sisanya 0,26% dipengaruhi oleh faktor lain yang tidak dimasukkan ke dalam model penelitian. Kata Kunci : Kemiskinan Jawa Barat, Indeks Pembangunan Manusia (IPM), Inflasi, Zakat, Infaq dan Shadaqah (ZIS), Data Panel PENDAHULUAN Permasalahan kemiskinan adalah permasalahan yang masih dihadapi oleh seluruh bangsa di dunia, terutama di Negara-negara yang masih berkembang seperti Indonesia. Kemiskinan sendiri merupakan permasalahan sosial yang sangat kompleks dan banyak faktor yang menjadi aspek penyebab kemiskinan di suatu Negara. Salah satunya adalah kurangnya pendapatan karena sulit mendapatkan pekerjaan, pendidikan, kesehatan dan ketimpangan. Kemiskinan dapat diartikan dimana seseorang tidak mampu memenuhi kebutuhan kehidupan dasarnya seperti makanan, pakaian, tempat tinggal, tingkat kesehatan dan pendidikan. Permasalahan kemiskinan di Jawa Barat bukan hanya terjadi di daerah-daerah terpencil saja, faktanya banyak penduduk miskin juga tinggal di daerah perkotaan. Badan Pusat Statistik Jawa Barat mencatat bahwa angka kemiskinan di Jawa Barat sangat fluktuatif. Pada tahun 2015 angka kemiskinan di Provinsi Jawa Barat sebesar 4.485.650 orang. Secara keseluruhan angka kemiskinan di Indonesia pada tahun 2015 sebesar 28.513.570 jiwa dari total jumlah penduduk di Indonesia sebesar 255.461.700 jiwa (BPS: 2017) Salah satu indikator utama keberhasilan pembangunan nasional adalah laju penurunan jumlah penduduk miskin. Efektivitas dalam menurunkan jumlah penduduk miskin merupakan pertumbuhan utama dalam memilih strategi atau instrumen pembangunan. Hal ini menunjukkan salah satu kriteria utama pemilihan sektor titik berat atau sektor andalan pembangunan nasional adalah efektivitas dalam penurunan jumlah penduduk miskin (Hidayat, 2007). Pemerintah dalam menanggulangi kemiskinan telah menggulirkan berbagai bantuan atau insentif berupa dana maupun program, seperti program Penanggulangan Kemiskianan dan Perkotaan (P2KP), Bantuan Langsung Tunai (BLT), bantuan beras untuk rakyat miskin (Raskin), Program Nasional pemberdayaan Masyarakat Mandiri (PNPM) dan bantuan lain. Namun demikian, upaya tersebut tidak dapat memberikan dampak yang berarti, karena insentif seperti BLT hanya bersifat konsumtif dan sebagai kenikmatan sesaat sehingga akan mengakibatkan ketergantungan masyarakat miskin terhadap bantuan, padahal harapan dari adanya program tersebut tidaklah demikian. Indonesia merupakan negara berkembang yang memilki jumlah penduduk mayoritas Islam terbesar di dunia. (Al Anshori, 2017) Pembangunan manusia di Indonesia adalah identik dengan pengurangan kemiskinan. Investasi di bidang pendidikan dan kesehatan akan lebih berarti bagi penduduk miskin dibandingkan penduduk tidak miskin, karena bagi penduduk miskin aset utama adalah tenaga kasar mereka. Adanya fasilitas pendidikan dan kesehatan murah akan sangat membantu untuk meningkatkan produktifitas, dan pada gilirannya meningkatkan pendapatan. (Mulyaningsih, 2008) Indeks Pembangunan Manusia berperan penting dalam pembangunan perekonomian modern sebab pembangunan manusia yang baik akan menjadikan faktorfaktor produksi mampu dimaksimalkan. Mutu penduduk yang baik akan mampu untuk berinovasi mengembangkan faktor-faktor produksi yang ada. Selain dari pada itu pembangunan manusia yang tinggi mengakibatkan jumlah penduduk akan tinggi pula sehingga akan menaikkan tingkat konsumsi. Hal ini akan mempermudah untuk menggalakkan pertumbuhan ekonomi (Sukirno, 2003). Pendidikan merupakan modal dasar pembangunan sumber daya manusia. Salah satu indeks yang penting dalam perhitungan Indeks Pembangunan Manusia (IPM) adalah Indeks Pendidikan. Dengan pendidikan yang memadai, maka pembangunan nasional akan mudah dicapai sesuai dengan yang telah direncanakan. Diharapkan dengan pendidikan akan mampu menjawab persoalan kemiskinan, rendahnya produktifitas dan juga lambatnya pertumbuhan ekonomi. (Al Anshori, 2017) BPS mencatat angka kemiskinan di Provinsi Jawa Barat sejak tahun 2012 hingga 2015 mengalami trend yang fluktuatif. Walaupun secara garis besar mengalami penurunan, jumlah penduduk miskin tersebut masih dianggap tinggi karena melihat kenyataan bahwa masih banyaknya jumlah masyarakat yang masih menerima bantuan subsidi dari pemerintah. Inflasi merupakan salah satu indikator penting dalam pengendalian ekonomi makro yang berdampak luas terhadap berbagai sektor ekonomi. Dengan syarat dan batas-batas yang masih toleran. Dengan begitu, inflasi akan mendorong perekonomian. Laju inflasi yang terlalu tinggi dapat mengganggu usaha pemerintah meningkatkan taraf hidup masyarakat. Demikian pula dengan tingkat inflasi yang terlalu rendah, karena sektor produksi tidak memiliki dorongan untuk memacu produksinya. Upaya pemberdayaan ekonomi bagi masyarakat miskin merupakan hal penting yang dapat menjadi solusi permasalahan kemiskinan di Indonesia, khususnya bagi Provinsi Jawa Barat. Sebagai makhluk sosial manusia tidak bisa lepas untuk berhubungan dengan orang lain dalam rangka memenuhi kebutuhan hidupnya. Kebutuhan manusia sangat beragam, sehingga terkadang secara pribadi ia tidak mampu untuk memenuhinya, dan harus berhubungan dengan orang lain (Ichsan, 2016). Zakat memiliki peranan yang sangat strategis dalam upaya pengentasan kemiskinan atau pembangunan ekonomi. Dalam mekanisme zakat terdapat sistem kontrol dalam pengelolaannya. Nilai strategis zakat dapat dilihat melalui: Pertama, zakat merupakan panggilan agama. Ia merupakan cerminan dari keimanan seseorang. Kedua, sumber keuangan zakat tidak akan pernah berhenti. Artinya orang yang membayar zakat, tidak akan pernah habis dan bagi yang telah membayar zakat, akan berzakat kembali pada periode waktu yang akan datang. Ketiga, zakat secara empirik dapat menghapus kesenjangan sosial dan sebaliknya dapat menciptakan redistribusi aset dan pemerataan pembangunan (Ridwan, 2005). Penelitian ini merupakan pengembangan dari penelitian-penelitian sebelumnya. Variabel yang digunakan dalam penelitian ini yaitu Indeks Pembangunan Manusia (IPM), Inflasi dan Zakat, Infaq, Shadaqah (ZIS) terhadap Pengentasan Kemiskinan di Provinsi Jawa Barat (Periode Tahun 2012-2015). Permasalahan yang dirumuskan dalam penelitian ini yaitu untuk meneliti pengaruh indeks pembangunan manusia (IPM), inflasi dan zakat, infaq, shadaqah (ZIS) terhadap pengentasan kemiskinan di Provinsi Jawa Barat secara parsial dan secara simultan. TINJAUAN PUSTAKA Beberapa penelitian tentang kemiskinan telah dilakukan oleh sejumlah peneliti dengan daerah dan periode waktu yang berbeda pula, antara lain: Prima Sukmaraga (2011) melakukan penelitian mengenai “Analisis Pengaruh Indeks Pembangunan Manusia, Pdrb Per Kapita, Dan Jumlah Pengangguran Terhadap Jumlah Penduduk Miskin Di Provinsi Jawa Tengah”.Hasil dari penelitian ini menunjukkan bahwa variabel Indeks Pembangunan Manusia (IPM) berpengaruh negatif dan signifikan terhadap jumlah penduduk miskin di Provinsi Jawa Tengah, PDRB per kapita berpengaruh negatif dan signifikan terhadap jumlah penduduk miskin di Provinsi Jawa Tengah, dan jumlah pengangguran berpengaruh positif dan signifikan terhadap jumlah penduduk miskin di Provinsi Jawa Tengah. Selanjutnya Kholis Budiono (2009) melakukan penelitian mengenai “Pengaruh pembiayaan bank syariah, zakat, pdb dan inflasi terhadap jumlah penduduk miskin Indonesia”. Peran instumen perekonomian syariah telah menunjukkan kontribusi yang positif. Perbankan syariah sejak kelahirannya hingga hari ini telah terbukti memberi pengaruh terhadap pengentasan kemiskinan sehingga sudah sewajarnya agar embrio gerakan pengentasan kemiskinan lewat institusi perbankan menjadi alternatif selain instrumen yang dimiliki negara. Ria Marginingsih (2011), dalam skripsinya melakukan penelitian: “Pengaruh Pendayagunaan Dana ZIS, dan PDRB per Kapita Terhadap Jumlah Penduduk Miskin (Studi Kasus di Kabupaten/Kota Jawa Tengah Tahun 2006-2009)”. Penelitian ini menggunakan alat analisis Fixed Effect Model (FEM) atau Least Square Dummy Variable (LSDV). Hasil penelitian ini menunjukan bahwa realisasi pendayagunaan dana ZIS, realisasi pengeluaran pemerintah bidang kesra dan PDRB per kapita berpengaruh negatif dan signifikan terhadap jumlah penduduk miskin. Arah koefisien regresi negatif menunjukan bahwa peningkatan pendayagunaan dana ZIS dan PDRB per kapita akan menurunkan jumlah angka kemiskinan. Abie Ayub Al Anshori (2017), dalam skripsinya meneliti tentang ”Pengaruh Pembiayaan Bank Syariah, Produk Domestik Bruto, Inflasi, Indeks Pembangunan Manusia terhadap Jumlah Penduduk Miskin di Indonesia”. Hasil penelitian ini menunjukkan bahwa pembiayaan berpengaruh signifikan dan berhubungan negative terhadap jumlah penduduk miskin. Variabel PDRB berpengaruh signifikan dan berhubungan positif. Sedangkan inflasi tidak berpengaruh signifikan dan berhubungan positif. IPM tidak berpengaruh signifikan dan berhubungan negative dengan nilai koefisien. Lalu kemiskinan di Indonesia dipengaruhi signifikan oleh Pembiayaan Bank Syariah, dan PDRB secara simultan terhadap jumlah penduduk miskin. Hani Kurniawati Efendy (2017), dalam skripsinya meneliti tentang „Analisis Pengaruh Pendayagunaan Zakat, Infaq Dan Shadaqah (Zis), Produk Domestik Regional Bruto (Pdrb) Dan Upah Minimum Kabupaten/Kota (Umk) Terhadap Tingkat Kemiskinan Di Kabupaten/Kota Provinsi Banten Tahun 2011 – 2015.”. Data yang digunakan dalam penelitian ini adalah data sekunder dan metode yang digunakan yaitu analisis regresi data panel menggunakan Random Effect Model dengan bantuan program Eviews 9 untuk memperoleh gambaran yang menyeluruh mengenai hubungan antara variabel satu dengan variabel yang lain. Hasil penelitian ini menunjukan bahwa kemiskinan di Provinsi Banten mampu dijelaskan oleh ZIS, PDRB, dan UMK. Selanjutnya secara parsial koefisien regresi menunjukan ZIS berpengaruh signifikan dan berhubungan negatif dengan nilai koefisien. Variabel PDRB berpengaruh signifikan dan berhubungan negatif dengan nilai koefisien. Dan UMK berpengaruh signifikan dan berhubungan positif dengan nilai koefisien. Lalu kemiskinan di Provinsi Banten dipengaruhi signifikan oleh ZIS, PDRB dan UMK secara simultan terhadap Tingkat Kemiskinan. METODE PENELITIAN A. Ruang Lingkup Penelitian Luasnya objek penelitian sehingga ruang lingkup variabel yang akan digunakan berdasarkan pada data-data berikut ini : 1) Data statistik Puskasbaznas penerimaan Zakat Infaq dan Shadaqah periode 2012 - 2015. 2) Data statistik Badan Pusat Statistik berupa data tahunan Inflasi, Indeks Pembangunan Manusia dan Kemiskinan Provinsi Jawa Barat periode 2012-2015. B. Metode Pengumpulan Data Penelitian ini adalah penelitian statistik deskriptif dan menggunakan data sekunder yaitu data yang diperoleh melalui hasil pengolahan pihak kedua (data eksternal atau data yang sudah dipublikasi) untuk menjelaskan gejala dari suatu fenomena, seperti Puskasbaznas dan Badan Pusat Statistik (BPS). Selain itu Data yang digunakan dalam penelitian ini menggunakan data yang diperoleh dari membaca literatur, buku, artikel, jurnal, dan sejenisnya serta data dari internet research yang berhubungan dengan aspek yang diteliti sebagai upaya untuk memperoleh data yang valid. C. Teknik Pengolahan Data Data yang digunakan dalam penelitian ini akan diolah dengan menggunakan Microsoft Excel dan Eviews 9. D. Metode Analisis Data Untuk menjawab permasalahan yang telah ditetapkan, maka dalam menganalisis permasalahan (data) penulis akan menggunakan metode regresi Data Panel. Data panel (pool) yang merupakan gabungan antara data runtun waktu (time series) dengan data silang (cross section). Oleh karena itu, data panel memiliki gabungan karakteristik yaitu data yang terdiri atas beberapa obyek dan meliputi beberapa waktu (Winarno, 2011). Umumnya pendugaan parameter dalam analisis regresi dengan data cross section dilakukan menggunakan pendugaan metode kuadrat kecil atau disebut Ordinary Least Square (OLS). Uji regresi data panel ini digunakan untuk mengetahui hubungan antara variabel independen yang terdiri dari Indeks Pembangunan Manusia (IPM), Inflasi dan Zakat, Infaq, Shadaqah (ZIS) terhadap variabel dependen Pengentasan Kemiskinan di Jawa Barat. Menurut Wibisono (2005) keunggulan regresi data panel antara lain: pertama, panel data mampu memperhitungkan heterogenitas individu secara eksplisit dengan mengizinkan variabel spesifik individu. Kedua, kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku lebih kompleks. Ketiga, data panel mendasarkan diri pada observasi cross section yang berulang-ulang (time series) sehingga metode data panel cocok digunakan sebagai study of dynamic adjustment. Keempat, tingginya jumlah observasi memiliki implikasi pada data yang lebih informatif, lebih variatif, dan kolinearitas (multikol) antara data semakin berkurang dan derajat kebebasan (degree of freedom/df) lebih tinggi sehingga dapat diperoleh hasil estimasi yang lebih efisien. Kelima, data panel dapat digunakan untuk mempelajari model-model perilaku yang kompleks. Dan keenam, data panel dapat digunakan untuk meminimalkan bias yang mungkin ditimbulkan oleh agregasi data individu (Agus, 2015). Model regresi data panel dalam penelitian ini adalah: Kemiskinanit = α + β1IPMt + β2Inflasit + β3ZISt + εit Keterangan : α = Konstanta ε = error term i = wilayah t = waktu 1) Penentuan Model Estimasi Dalam metode estimasi model regresi dengan menggunakan data pabel dapat dilakukan melalui tiga pendekatan, antara lain (Dedi, 2012): a. Common Effect atau Pooled Least Square (PLS) Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Pada model ini tidak perhatikan dimensi waktu maupun individu sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat kecil untuk mengestimasi model data panel. Untuk model data panel, sering diasumsikan βit = β yakni pengaruh dari perubahan dalam X diasumsikan bersifat konstanta dalam waktu kategori cross section. Secara umum, bentuk model linear yang dapat digunakan untuk memodelkan data panel adalah : Yit = Xitβit + eit Dimana: Yit adalah observasi dari unit ke-i dan diamati pada periode waktu ke-t (yakni variabel dependen yang merupakan suatu data panel) Xit adalah variabel independen dari unit ke-i dan diamati pada periode waktu ke-t disini diasumsikan Xit memuat variabel konstanta eit adalah komponen error yang diasumsikan memiliki harga mean 0 dan variansi homogen dalam waktu serta independen dengan Xit. b. Fixed effect Model (FEM) Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Model Fixed effect adalah teknik mengestimasikan data panel dengan menggunakan variabel dummy untuk menangkap adanya perbedaan intercep. Intercep antar perusahaan, perbedaan intercep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Disamping itu, model ini juga mengasumsikan bahwa koefisien regresi tetap antara perusahaan dan waktu. Pendekatan dengan variabel dummy ini dikenal dengan sebutan least square dummy variabels (LSDV). Persamaan Fixed effect Model dapat ditulis sebagai berikut: Yit = Xitβ + Ci + ..... + εit Dimana: Ci = variabel dummy c. 2) Random effect Model (REM) Model ini mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model Random effect perbedaan intercep diakomodasi oleh error terms masing-masing perusahaan. Keuntungan menggunakan model Random effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan teknik Generalized Least Square (GLS). Sebagai estimastornya, berikut bentuk persamaannya adalah: Yit = Xitβ + Vit Dimana Vit = Ci + Di + εit Ci diasumsikan bersifat independent and identically distributed (iid) normal dengan mean 0 dan variansi Ϭ2 c (komponen cross section). Di diasumsikan bersifat iid normal dengan mean 0 dan variansi Ϭ2 d (komponen time series error). Εit diasumsikan bersifat iid dengan mean 0 dan variansi Ϭ2 e. Tahapan Analisis Data Untuk menganalisis data panel diperlukan uji spesifikasi model yang tepat untuk menggambarkan data. Uji tersebut yaitu: a. Uji Chow Uji chow adalah pengujian untuk menentukan model apa yang akan dipilih antara common effect model atau fixed effect model. Hipotesis uji chow adalah: H0 : common effect model (pooled OLS) H1 : fixed effect model (LSDV) Hipotesis nol pada uji ini adalah bahwa intersep sama atau dengan kata lain model yang tepat untuk regresi data panel adalah common effect dan hipotesis alternatifnya adalah intersep tidak sama atau model yang tepat untuk regresi data panel adalah fixed effect. Nilai Statistik F hitung akan mengikuti distribusi statistik F dengan derjat kebebasan (degree of freedom) sebanyak m untuk numeratordan sebanyak n-k untuk denumerator. M merupakan jumlah restriksi atau pembatasan di dalam model tanpa variabel dummy. Jumlah restriksi adalah jumlah individu dikurang satu. N merupakan jumlah observasi dan k merupakan jumlah parameter jumlah parameter dalam model fixed effect. Jumlah observasi (n) adalah jumlah individu dikali dengan jumlah periode, sedangkan jumlah parameter dalam model fixed effect (k) adalah jumlah variabel ditambah jumlah individu. Apabila nilai F hitung lebih besar dari F kritis maka hipotesis nol ditolak yang artinya model yang tepat untuk regresi data panel adalah model fixed effect. Dan sebaliknya, apabila nilai F hitung lebih kecil dari F kritis maka hipotesis nol diterima yang artinya model yang tepat untuk regresi data panel adalah model common effect. b. Uji Hausman Uji Hausman adalah uji yang digunakan untuk memilih model yang terbaik antara fixed effect model atau random effect model. Uji Hausman ini didasarkan pada ide bahwa Least Squares dummy Variabels (LSDV) dalam metode fixed effect dan Generalized Least Square (GLS) dalam metode Random effect adalah efisien sedangkan Ordinary Least Square (OLS) dalam metode Common Effect tidak efisien. Yaitu dengan menguji hipotesis berbentuk : H0 : E(Ci | X) = E (u) = 0 atau terdapat random effect model H1 : fixed effect model Statistik uji Hausman mengikuti distribusi statistik Chi-Square dengan derajat kebebasan (df) sebesar jumlah variabel bebas. Hipotesis nolnya adalah bahwa model yang tepat untuk regresi data panel adalah model Random effect dan hipotesis alternatifnya adalah model yang tepat untuk regresi data panel adalah model Fixed effect. Apabila nilai statistik Hausman lebih besar dari nilai kritis Chi-Square maka hipotesis no ditolak yang artinya model yang tepat untuk regresi data panel adalah model Fixed effect. Dan sebaliknya, apabila nilai statistik Hausman lebih kecil dari nilai kritis Chi-Squares maka hipotesis nol diterima yang artinya model yang tepat untuk regresi data panel adalah model Random effect. 3) Pengujian Signifikan a. Uji Signifikan Parameter Individual (Uji Statistik t) Pengujian hipotesis yang dilakukan secara parsial bertujuan untuk mengetahui pengaruh dan signifikansi dari masing-masing variabel independen terhadap variabel dependen. Pengujian parsial terhadap koefisien regresi secara parsial menggunakan uji-t pada tingkat keyakinan 95% dan tingkat kesalahan dalam analisis (α) 5% dengan ketentuan degree of freedom (df) = n-k, dimana n adalah besarnya sampel, k adalah jumlah variabel. Dasar pengembalian keputusan adalah: Jika t-hitung < probabilitas : H0 diterima dan H1 ditolak Jika t-hitung > probabilitas : H0 ditolak dan H1 diterima b. Uji Signifikan Simultan (Uji Statistik F) Pengujian ini untuk mengetahui apakah variabel independen yaitu Indeks Pembangunan Manusia (IPM), Inflasi dan Zakat, Infaq, Shadaqah (ZIS) secara simultan berpengaruh signifikan terhadap variabel dependen. Pengujian ini dilakukan dengan uji F pada tingkat keyakinan 95% dan tingkat kesalahan (α) 5% dengan degree of freedom (df1) = k-1, degree of freedom (df2) = n-k. dasar pengambilan keputusan adalah : Jika f-hitung < F-tabel : H0 diterima dan H1 ditolak Jika f-hitung > F-tabel : H0 ditolak dan H1 diterima c. Uji Koefisien Determinasi (R2 ) Koefisien determinasi R2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi diantara 0 dan 1 (0 < R2 < 1), nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel independen sangat terbatas. Nilai yang mendekati 1 berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi model dependen (Gujarati, 2003). Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Untuk mengatasi permasalahan tersebut, suatu pengukur kelayakan yang sesuai lainnya telah dikembangkan. Ukuran yang merupakan modifikasi dari R2 ini memberikan penalti bagi penambahan variabel penjelas yang tidak menurunkan residual secara signifikan. Ukuran ini disebut adjusted R2 (Doddy, 2012). 4) 1. a) b) c) 2. 3. 4. A. Operasional Variabel Penelitian Variabel penelitian pada dasarnya adalah segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya. Sugiyono (2012). Penelitian ini melibatkan empat variabel bebas (independen), satu variabel terikat (dependen). Variabel bebas dalam penelitian ini meliputi Kemiskinan Bank Dunia (2006) mendefinisikan kemiskinan adalah keadaan kelaparan,kurang tempat tinggal kurang sandang, dan kurang pendidikan. Ada banyak hal yang menyebabkan seseorang masuk dalam kategori miskin, diantaranya: Rendahnya pendapatan dan asset untuk memenuhi kebutuhan dasar,seperti makanan, tempat tinggal, pakain, kesehatan dan pendidikan. Ketidakmampuan untuk bersuara dan ketiadaan kekuatan di depan institusi dan masyarakat. Rentan terhadap guncangan ekonomi. Indeks Pembangunan Manusia Indeks Pembangunan Manusia atau Human Development Indeks (HDI) adalah pengukuran perbandingan dari harapan hidup, melek huruf, pendidikan dan standar hidup untuk semua negara seluruh dunia. HDI digunakan untuk mengklasifikasi apakah sebuah negara adalah negara maju, negara berkembang atau negara terbelakang dan juga untuk mengukur pengaruh dari kebijaksanaan ekonomi terhadap kualitas hidup. Inflasi Merupakan sebuah fenomena ekonomi berupa kenaikan harga secara umum dan terjadi secara terus menerus. Bahkan Milton Friedman, ekonom besar penerima Nobel di tahun 1976 pernah mengatakan “inflasi selalu dan dimanapun merupakan fenomena moneter”. Inflasi yang berbahaya ialah inflasi yang tidak dapat diprediksikan sehingga menimbulkan keterkejutan masyarakat akan kenaikan harga. Banyak ekonom yang berpendapat tingkat inflasi yang rendah merupakan hal yang baik apabila itu terjadi akibat dari adanya inovasi yang dilakukan. Demikian tingkat inflasi harus terus di pantau dan dikendalikan agar tetap berada di tingkat yang aman. Zakat Infaq dan Shadaqah Zakat adalah bagian dari harta yang telah memenuhi syarat tertentu, yang diwajibkan oleh Allah untuk diserahkan kepada yang berhak menerimanya dengan persyaratan tertentu pula (Hafidhuddin, 2002). Sedangkan pendayagunaan dana ZIS merupakan pemberian dana Zakat, Infak dan Sedekah (ZIS) yang telah terkumpul di Badan Amil Zakat Daerah (BAZDA) Provinsi Jawa Barat dan dikeluarkan dalam bentuk pendayagunaan dana. Satuan dari variabel pendayagunaan dana ZIS adalah dalam miliar rupiah . Data ZIS yang digunakan dalam penelitian ini adalah data periode tahun 20122015. Data tersebut diperoleh dari Puskasbaznas. HASIL PENELITIAN DAN PEMBAHASAN Analisis dan Pembahasan Pemilihan Model Regresi Data Panel Regresi yang menggunakan data panel disebut dengan regresi data panel. Data panel memiliki gabungan karakteristik yaitu data yang terdiri atas beberapa objek dan runtutan waktu (Winarno, 2011). Data semacam ini memiliki keunggulan terutama karena bersifat robust (kuat) terhadap beberapa tipe pelanggaran yakni heterokedastisitas dan normalitas. Di samping itu, dengan perlakuan tertentu struktur data seperti ini dapat diharapkan untuk memberikan informasi yang lebih banyak (high informational content) (Ariefianto, 2012). Regresi data panel dapat dilakukan dengan tiga model yaitu pooled effect, fixed effect, dan random effect. Masing-masing model memiliki kelebihan dan kekurangannya masing-masing. Pemilihan model tergantung pada asumsi yang dipakai peneliti dan pemenuhan syarat-syarat pengolahan data statistik yang benar, sehingga dapat dipertanggungjawabkan secara statistik. Oleh karena itu langkah pertama yang harus dilakukan adalah memiliki model yang tepat dari ketiga model. Hasil Regresi Data Panel Fixed Effect Model Dependent Variable: KEMISKINAN? Method: Pooled Least Squares Date: 12/29/17 Time: 20:11 Sample: 1 4 Included observations: 4 Cross-sections included: 26 Total pool (balanced) observations: 104 Variable Coefficient Std. Error t-Statistic Prob. C IPM? INFLASI? ZIS? Fixed (Cross) BBRT--C BDG--C BGR--C BKS--C CJR--C CMS--C CRB--C GRT--C IDR--C KBDG--C KBGR--C KBJR--C KBKS--C KCMH--C KCRB--C KDPK--C KNG--C KRW--C 13.25825 -0.031568 -0.025227 0.027980 13.93010 -1.582970 -3.889753 1.480927 0.0000 0.1176 0.0002 0.1428 Effects 0.345450 0.790647 1.280712 0.286039 0.550349 -0.026050 0.789264 0.723253 0.518098 0.228987 -0.296469 -2.265863 0.431564 -1.084700 -1.248161 -0.667520 0.039658 0.575364 0.951770 0.019942 0.006486 0.018894 KSBM--C KTMY--C MJL--C PWT--C SBG--C SKBM--C SMD--C TMY--C -1.515379 -0.092863 0.119983 -0.461260 0.285682 0.409035 0.009911 0.274270 Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.998137 0.997441 0.043668 0.143014 195.0690 1434.995 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 11.74878 0.863275 -3.193635 -2.456256 -2.894901 1.660369 B. Pengujian Hipotesis a. Model Penelitian Berdasarkan tabel, maka ditemukan hasil dari perhitungan IPM, Inflasi dan ZIS terhadap jumlah kemiskinan di Provinsi Jawa Barat sebagai berikut: Kemiskinan = 13.25825 - 0.031568 IPM - 0.025227 Inflasi + 0.027980 ZIS Dari model di atas dapat dibuat interpretasi sebagai berikut: 1) Konstanta sebesar 13.25825 menunjukkan bahwa jika variabel independen (ZIS, Inflasi, IPM) adalah nol, maka jumlah kemiskinan di Jawa Barat adalah sebesar 13.25825. 2) Nilai koefisien regresi IPM sebesar - 0.031568 yang berarti setiap kenaikan IPM naik 1 score maka jumlah kemiskinan mengalami penurunan sebesar 0.031568. 3) Nilai koefisien regresi Inflasi sebesar - 0.025227 yang berarti setiap kenaikan Inflasi naik 1% maka jumlah kemiskinan mengalami penurunan sebesar 0.025227 4) Nilai koefisien regresi jumlah ZIS sebesar 0.027980 yang berarti setiap kenaikan jumlah ZIS naik 1% maka jumlah kemiskinan mengalami kenaikan sebesar 0.027980. b. 1) Uji Signifikansi Parsial (Uji t) Berdasarkan Probabilitas Uji t bertujuan untuk mengetahui pengaruh variabel independen yaitu ZIS, Inflasi, IPM terhadap variabel dependen yaitu Kemiskinan Variable Coefficient Std. Error t-Statistic Prob. C IPM? INFLASI? ZIS? 13.25825 -0.031568 -0.025227 0.027980 13.93010 -1.582970 -3.889753 1.480927 0.0000 0.1176 0.0002 0.1428 0.951770 0.019942 0.006486 0.018894 Tabel diatas merupakan hasil dari pengujian variable independen yaitu IPM, Inflasi dan ZIS terhadap variabel dependen yaitu Kemiskinan di Provinsi Jawa Barat secara parsial. Dari output diatas dapat dilihat nilai probability dari masing-masing variabel bebas yang digunakan. Dari output diatas diperoleh hasil bahwa variabel ZIS (0.1428), dan IPM (0.1176), memiliki nilai probability yang lebih besar dari alfa (0,05), sehingga dapat dikatakan bahwa variabel tersebut tidak memiliki pengaruh terhadap variabel Y (Kemiskinan). Sedangkan variabel Inflasi (0.0002), memiliki nilai probability yang lebih kecil dari alfa (0,05), sehingga dapat dikatakan bahwa variabel inflasi memiliki pengaruh terhadap variabel Y (Kemiskinan). c. 1. Uji Signifikansi Simultan (Uji F) Berdasarkan F Tabel Untuk menguji apakah variabel independen berpengaruh secara simultan terhadap variabel dependen, pedoman yang digunakan dalam pengambilan kesimpulan uji F adalah sebagai berikut: Jika F-hitung < F-tabel, maka H0 diterima dan H1 ditolak Jika F-hitung > F-tabel, maka H0 ditolak dan H1 diterima Selain itu, dapat pula dilihat dari probabilitas F statistik. Apabila probabilitas (signifikansi) lebih kecil dari nilai α = 5%, maka dapat disimpulkan bahwa seluruh variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen. Adapun hipotesisnya adalah sebagai berikut: H0: ZIS, Inflasi, dan Indeks Pembangunan Manusia (IPM) tidak berpengaruh terhadap kemiskinan di Jawa Barat secara simultan. H1: ZIS, Inflasi, dan Indeks Pembangunan Manusia (IPM) berpengaruh terhadap kemiskinan di Provinsi Jawa Barat secara simultan. Berdasarkan tabel diperoleh hasil F-statistik atau F-hitung sebesar 1434.995 dengan nilai probabilitas sebesar 0.000000. Nilai probabilitas tersebut lebih kecil dari α = 5%. Selain itu dengan n = 104 dan k = 4, nilai pada F tabel diperoleh nilai pada F tabel diperoleh nilai 2,70 dengan df1 (k-1) dan df2 (n-k) sebesar 3 dan 100 dengan nilai probabilitas 5%. Karena F hitung > F tabel (1434.995> 2,70) maka H0 ditolak, artinya dapat disimpulkan bahwa variable ZIS, Inflasi, dan Indeks Pembangunan Manusia (IPM), berpengaruh terhadap kemiskinan di Provinsi Jawa Barat secara simultan. d. Uji Adjusted R2 Uji Adjusted R2 ditujukan untuk menilai seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Pada penelitian ini, koefisien yang digunakan adalah koefisien determinasi yang telah disesuaikan atau Adjusted R2. Hal ini dikarenakan Adjusted R2 merupakan koefisien yang telah dikoreksi sehingga dapat naik atau turun seiring penambahan variabel baru dalam model. Berdasarkan hasil regresi dengan fixed effect model sebagaimana yang tertera pada tabel, diketahui bahwa nilai koefisien determinasi sebesar 0.997441. Hal ini menunjukkan bahwa variasi variabel dependen (kemiskinan) secara simultan dapat dijelaskan oleh variabel independen (ZIS, Inflasi, IPM) sebesar 99,74 % sedangkan sisanya 0,26 % dijelaskan oleh faktor lain diluar variable yang diteliti. Interpretasi Hasil Penelitian 1) Hubungan Indeks Pembangunan Manusia terhadap Kemiskinan Dari hasil regresi yang dihasilkan dalam penelitian ini, menunjukan bahwa variable Indeks Pembangunan Manusia menunjukkan tanda negatif namun tidak berpengaruh signifikan terhadap kemiskinan Jawa Barat pada taraf nyata 5% dengan nilai probabilitas 0.1176. 2) Hubungan Inflasi terhadap Kemikinan Dari hasil regresi yang dihasilkan dalam penelitian ini, menunjukan bahwa variable inflasi menunjukkan tanda negative dan berpengaruh signifikan terhadap kemiskinan di Jawa Barat pada taraf nyata 5% dengan nilai probabilitas 0.0002 dan berhubungan negatif dengan nilai koefisien sebesar (-0.025227) yang berarti bahwa apabila inflasi naik sebesar 1 persen maka kemiskinan akan turun sebesar 0.025227 persen. Penelitian ini sejalan dengan penelitian Kholis Budiono (2009) yang berjudul “Pengaruh pembiayaan bank syariah, zakat, pdb dan inflasi terhadap jumlah penduduk miskin indonesia” 3) Hubungan Zakat, Infaq dan Shadaqah terhadap Kemiskinan Jumlah dana Zakat, Infaq, dan Shadaqah yang mengalami peningkatan pada setiap tahun nya dan itu menjadi salah satu pilihan atau alternative sumber dana bagi para pelaku ekonomi, zakat infaq dan shadaqah merupakan sumber dana yang potensial. Namun pada hasil penelitian ini diperoleh bahwa zakat infaq dan shadaqah tidak berpengaruh signifikan pada taraf nyata 5% dengan nilai probabilitas 0.1428. Kesimpulan Penelitian ini bertujuan untuk mengetahui apakah terjadi pengaruh antara Indeks Pembangunan Manusia, Inflasi dan Zakat, Infaq, Shadaqah terhadap pengentasan kemiskinan di Provinsi Jawa Barat periode tahun 2012 sampai dengan tahun 2015. Berdasarkan penelitian yang telah dilakukan dengan uji persamaan model dengan menggunakan common effect model, fixed effect model, dan random effect model, uji pemilihan persamaan model dengan uji chow dan uji hausman, uji regresi linier data panel dengan menggunakan fixed effect model, maka dapat diambil beberapa kesimpulan dari hasil penelitian ini, antara lain: 1. 2. Hasil regresi data panel menunjukkan bahwa secara parsial variabel Indeks Pembangunan Manusia (IPM) dan Zakat, Infaq dan Shadaqah (ZIS) tidak berpengaruh terhadap pengentasan kemiskinan di Provinsi Jawa Barat, sedangkan variabel Inflasi berpengaruh negatif dan signifikan terhadap pengentasan kemiskinan di Provinsi Jawa Barat. Variabel IPM, Inflasi dan ZIS secara bersama-sama berpengaruh signifikan terhadap pengentasan kemiskinan sehingga mampu menjelaskan variabel dependen sebesar 99,74 % dan sisanya 0,26% dijelaskan oleh variabel lain yang tidak disertakan dalam penelitian ini. DAFTAR PUSTAKA Abdul Manan, Muhammad (1993). “Islamic Economy: Theory and Practice”, terj. M. Nastangin, Teori dan Praktek Ekonomi Islam, Yogyakarta: Dana Bhakti Wakaf. Al Anshori, Abie Ayub (2017). ”Pengaruh Pembiayaan Bank Syariah, Produk Domestik Bruto, Inflasi, Indeks Pembangunan Manusia, Pendidikan, Upah Minimum Regional terhadap Jumlah Penduduk Miskin di Indonesia”. Skripsi, UIN Jakarta. Agus,T.B (2015). “Regresi Dalam Penelitian dan Bisnis”, Yogyakarta: Danisa Media. Ariefianto, Moch Doddy (2012). “Ekonometrika Esensi dan Aplikasi Dengan Menggunakan Eview”, Jakarta: Erlangga. Aziz, Mochamad Roikhan (2009). ”Pemodelan Institusi Keuangan Islam Berbasis Metode Sinlamim Kaffah (Studi kelayakan Pada Bofsa)”, Yogyakarta: Prosiding, UII. Dermawan, Wibisono (2005). “Metode Penelitian & Analisis Data”, Jakarta: Salemba Medika. Efendy, Hani Kurniawati (2017). “Analisis Pengaruh Pendayagunaan Zakat, Infaq Dan Shadaqah (Zis), Produk Domestik Regional Bruto (Pdrb) Dan Upah Minimum Kabupaten/Kota (Umk) Terhadap Tingkat Kemiskinan Di Kabupaten/Kota Provinsi Banten Tahun 2011 – 2015”. Skripsi, UIN Jakarta. Gujarati, Damodar (2003). “Ekonometrika Dasar”, Jakarta: Erlangga. Haris Kristanto dan Sumani. 2015. “Pengaruh Perubahan Arus Kas Operasi, Laba Akuntansi, Suku Bunga, Dan Inflasi Terhadap Return Saham”. Jurnal Banking and Management Review, Volume 4. No 2: 534. Hafidhuddin, Didin (2004). “Zakat Dalam Perekonomian Modern”, Jakarta: Gema Insani Press. Hamid, M. Abdul (2010). “Buku Pedoman Penulisan Skripsi”, Jakarta: FEB UIN Jakarta. Hidayat, Saeful & Arianto A. (2007). “Pertumbuhan Ekonomi, Ketidakmerataan Pendapatan, dan Kemiskinan : Estimasi Parameter Elastisitas Kemiskinan Tingkat Provinsi di Indonesia Tahun 1996-2005” MPKP FE UI. Ichsan, Nurul (2016). “Akad Bank Syariah”, Jurnal Ekonomi Islam, Volume 50. No. 2: 399. Inoed, Amiruddin, Dkk (2005). “Anatomi Fiqh Zakat: Potret dan Pemahaman Badan Amil Zakat Sumatera Selatan”, Yogyakarta: Pustaka Pelajar. Jhingan, M.L (2004). “Ekonomi Pembangunan dan Perencanaan”, Jakarta: PT. Raja Grafindo Persada. Karim, Adiwarman A (2011). “Bank Islam Analilsis Fiqih dan Keuangan”, edisi 4. Jakarta : PT. Rajawali Pers. K. Sitepu, Rasidin, dan Bonar M. Sinaga (2004). “Dampak Investasi Sumber Daya Manusia Terhadap Pertumbuhan Ekonomi Dan Kemiskinan di Indonesia”: Pendekatan Model. Manurung, Mandala, dan Pratama Rahardja (2004). “Uang, Perbankan, dan Ekonomi Moneter (Kajian Kontekstual Indonesia)”, Jakarta: Lembaga Penerbit FEUI. Marginingsih, Ria (2011). “Pengaruh Pendayagunaan Dana ZIS, dan PDRB per Kapita Terhadap Jumlah Penduduk Miskin (Studi Kasus di Kabupaten/Kota Jawa Tengah Tahun 2006-2009)”, Skripsi, Universitas Diponegoro. Mulyaningsih, Yani (2008). “Pengaruh pengeluaran pemerintah di sektor public terhadap peningkatan pembangunan manusia dan pengurangan kemiskinan. “, Tesis, Universitas Indonesia. Qardhawi, Yusuf (2002). “Musykilat al-Fakr”, (terj. Maimun Syam. Dkk), Yogyakarta : Mitra Pustaka. Ridwan, Muhammad (2005). “Manajemen Baitul Maal Wa Tamwil (BMT), cet 2”, Yogyakarta: UII Press. Rosadi, Dedi. (2012). “Diktat Kuliah Analisis Data Panel”. Jurusan Matematika, FMIPA UGM. Saputra, Whisnu Adhi (2011). “Analisis Pengaruh Jumlah Penduduk, PDRB, IPM, Pengangguran terhadap Tingkat Kemiskinan di Kabupaten/Kota Jawa Tengah”. Skripsi, Universitas Diponegoro. Sugiyono (2005). “Metode Penelitian Kuantitatif Kualitatif dan R&D”. Bandung: Alfabeta. Suharto, Edi (2005). “Membangun Masyarakat Memberdayakan Rakyat”, Bandung: PT Refika Aditama. Sukirno, Sadono (2003). “Makro Ekonomi Modern: Perkembangan Pemikiran dari Klasik hingga Keynesian Baru”, Jakarta: PT Raja Grafindo Persada. Sukmaraga, Prima (2011). “Analisis Pengaruh Indeks Pembangunan Manusia PDRB Per Kapita dan Jumlah Penduduk Miskin di Provinsi Jawa Tengah”.Skripsi, Universitas Diponegoro. Suryawati, Chriswardani (2005). “Memahami Kemiskinan Secara Multidimensional”, Jurnal Manajemen Pembangunan dan Kebijakan, Volume 08, No. 03: 121-129. Todaro, Michael P, Stephen C. Smith (2006). “Pembangunan Ekonomi (Edisi kesembilan, jilid I)”, Jakarta: Erlangga. Winarno, Wing Wahyu (2011). “Analisis Ekonometrika dan Statsitika dengan EVIEWS”, Yogyakarta: UPP STIM YKPN. Wulandari, Fransiska Hastin (2015). “Pengaruh Pertumbuhan Ekonomi, Inflasi, Pengangguran, Dan Pendidikan Terhadap Kemiskinan Provinsi Di Indonesia Tahun 2008-2012”. Skripsi, Universitas Atma Jaya Yogyakarta. Website: BPS.go.id Bappenas.go.id