Jurnal Nasional Holistic Science Vol.
No.
Agustus 2025, pp.
ISSN: 2721-3838.
DOI: 10.
30596/jcositte.
The Relationship Between the Human Development Index (HDI) and Poverty Rate in North Sumatra in 2023: Spearman Correlation Analysis Risca Octaviyani Hutapea1.
Gizka Triyunita2.
Sisti Nadia Amalia3 1,2,3Program Studi Statistika.
Universitas Negeri Medan.
Indonesia Email: riscaoctaviyanihutapea@gmail.
gizkatriyunita@gmail.
sistinadia@unimed.
ABSTRAK
Penelitian ini bertujuan untuk menganalisis hubungan antara Indeks Pembangunan Manusia (IPM) dan tingkat kemiskinan di 33 kabupaten/kota di Provinsi Sumatera Utara pada tahun 2023.
Latar belakang kajian ini didasarkan pada ketimpangan kesejahteraan antarwilayah dan pentingnya pembangunan manusia sebagai fondasi dalam pengentasan Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik (BPS), mencakup nilai IPM dan persentase penduduk miskin.
Metode analisis yang digunakan meliputi analisis deskriptif, uji normalitas Shapiro-Wilk, dan uji korelasi Spearman sebagai pendekatan nonparametrik yang sesuai dengan distribusi data.
Hasil penelitian menunjukkan bahwa terdapat hubungan negatif yang signifikan antara IPM dan tingkat kemiskinan dengan nilai koefisien korelasi Spearman sebesar -0.
5936 dan pvalue 0.
Artinya, semakin tinggi nilai IPM suatu daerah, semakin rendah tingkat kemiskinan yang terjadi di wilayah tersebut.
Temuan ini memperkuat pentingnya peningkatan kualitas pendidikan, layanan kesehatan, dan standar hidup sebagai strategi utama dalam upaya pengurangan kemiskinan.
Penelitian ini diharapkan dapat menjadi dasar pertimbangan dalam perumusan kebijakan pembangunan daerah yang lebih inklusif dan berorientasi pada kesejahteraan manusia secara menyeluruh.
Keyword: Indeks Pembangunan Manusia.
Kemiskinan.
Sumatera Utara.
Uji Spearman.
Pembangunan Daerah
ABSTRACT
This study aims to analyze the relationship between the Human Development Index (HDI) and poverty levels in 33 regencies/cities across North Sumatra Province in 2023.
The background of this research is rooted in the regional disparities in welfare and the strategic role of human development in poverty alleviation efforts.
The data used are secondary data sourced from Statistics Indonesia (BPS), comprising HDI scores and poverty rates.
The analytical methods applied include descriptive analysis, the ShapiroWilk normality test, and the Spearman rank correlation test, which is appropriate for non-normally distributed data.
The findings reveal a significant negative correlation between HDI and poverty with a Spearman correlation coefficient of -0.
5936 and a pvalue of 0.
This indicates that regions with higher HDI tend to have lower poverty The results highlight the importance of improving education quality, healthcare services, and living standards as key strategies in reducing poverty.
This study is expected to contribute to the formulation of inclusive regional development policies that prioritize human well-being.
Keyword: Human Development Index.
Poverty.
North Sumatra.
Spearman Test.
Regional Development Corresponding Author:
Risca Octaviyani Hutapea.
Universitas Negeri Medan.
Jl.
William Iskandar Ps.
Kenangan Baru.
Kec.
Percut Sei Tuan.
Kabupaten Deli Serdang.
Sumatera Utara 20221.
Indonesia Email: riscaoctaviyanihutapea@gmail.
INTRODUCTION
Kemiskinan masih menjadi salah satu masalah besar yang dihadapi oleh banyak negara, termasuk negara Indonesia.
Masalah ini tidak hanya soal rendahnya pendapatan, tetapi juga berkaitan dengan kurangnya Journal homepage: https://jurnal.
id/index.
php/HS A Jurnal Nasional Holistic Science akses terhadap pendidikan, layanan kesehatan, dan kebutuhan dasar lainnya.
Meskipun pemerintah sudah menjalankan berbagai program pengentasan kemiskinan, data menunjukkan bahwa angka kemiskinan di Indonesia masih cukup tinggi (Ferdiansa, 2.
Untuk mengukur kualitas hidup masyarakat, salah satu indikator yang sering digunakan adalah Indeks Pembangunan Manusia (IPM).
IPM mencakup tiga hal penting, yaitu umur harapan hidup, tingkat pendidikan, dan standar hidup masyarakat (Rusdi, 2023.
Kristin & Sukmawati, 2.
Berbagai kajian empiris menunjukkan bahwa IPM memiliki korelasi yang kuat terhadap tingkat Peningkatan IPM sebagai representasi kualitas manusia, dianggap mampu menurunkan angka kemiskinan melalui peningkatan daya saing, produktivitas, serta akses terhadap pekerjaan yang layak.
Sebagai contoh, penelitian di Sulawesi Tenggara menyatakan bahwa peningkatan IPM berkontribusi signifikan terhadap penurunan kemiskinan (Ferdiansa, 2.
Hal serupa ditemukan di Provinsi Banten dan Sulawesi Selatan di mana dimensi IPM seperti harapan lama sekolah dan pengeluaran per kapita memiliki korelasi negatif terhadap angka kemiskinan (Sayifullah & Gandasari, 2016.
Rusdi, 2.
Namun hubungan ini tidak selalu linear dan konsisten antar daerah.
Zanzibar et al.
mengidentifikasi bahwa di beberapa wilayah seperti Jawa Timur.
IPM justru menunjukkan hubungan positif terhadap tingkat kemiskinan.
Hal ini mengindikasikan adanya kemungkinan keterlambatan dalam transformasi IPM ke dalam bentuk peningkatan pendapatan masyarakat atau belum optimalnya pemanfaatan modal Perbedaan ini diperkuat oleh studi Pratiwi .
yang menunjukkan bahwa meskipun IPM tinggi, distribusi manfaat pembangunan cenderung tidak merata terutama di kawasan dengan akses infrastruktur Prasetyoningrum dan Sukmawati .
menekankan pentingnya mengkaji tidak hanya IPM secara agregat tetapi juga masing-masing komponennya karena ketimpangan dalam dimensi pendidikan atau kesehatan dapat melemahkan efek positif IPM terhadap pengurangan kemiskinan.
Selain itu, faktor lain seperti pengangguran, inflasi, dan pertumbuhan ekonomi turut memengaruhi efektivitas IPM dalam mengurangi kemiskinan (Susanto & Pangesti, 2021.
Sani et al.
, 2.
Dalam konteks Provinsi Sumatera Utara, dinamika ini menjadi sangat relevan untuk dianalisis.
Provinsi ini terdiri dari 33 kabupaten/kota yang memiliki keragaman geografis, ekonomi, dan sosial yang cukup Data BPS tahun 2023 mencatat adanya variasi nilai IPM dan tingkat kemiskinan antarwilayah.
Penelitian Harahap .
bahkan menyoroti adanya wilayah dengan IPM tinggi namun masih memiliki angka kemiskinan yang relatif rendah.
Hal ini mengindikasikan perlunya pendekatan yang lebih holistik dan kontekstual dalam memahami keterkaitan kedua variabel tersebut.
Sampai saat ini, masih terbatas studi yang secara spesifik menganalisis hubungan antara IPM dan kemiskinan di Provinsi Sumatera Utara menggunakan pendekatan statistik nonparametrik, seperti uji korelasi Spearman yang dianggap lebih sesuai dalam menangani data yang tidak berdistribusi normal (Sopian, 2020.
Simanjuntak et al.
, 2.
Oleh karena itu, penelitian ini bertujuan untuk mengisi celah literatur tersebut dengan fokus pada keterkaitan antara IPM dan tingkat kemiskinan di Provinsi Sumatera Utara tahun 2023.
Penelitian ini diharapkan dapat memberikan kontribusi empiris yang signifikan dalam memperkaya wacana akademik maupun praktik kebijakan publik.
Temuan ini nantinya dapat menjadi bahan pertimbangan bagi pemerintah daerah dalam merancang intervensi pembangunan yang tidak hanya berfokus pada pertumbuhan ekonomi semata, tetapi juga pada peningkatan kualitas hidup manusia secara menyeluruh.
RESEARCH METHOD
Sumber Data Data dalam penelitian ini bersumber dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara tahun 2023, yang menyediakan data kuantitatif terkait Indeks Pembangunan Manusia (IPM) dan Persentase Penduduk Miskin di 33 kabupaten/kota di wilayah Sumatera Utara.
Informasi mengenai IPM diperoleh melalui https://bps.
link/ipm-sumut2023, https://bps.
link/kemiskinan-sumut2023.
Kedua data tersebut merupakan sumber resmi dan bersifat sekunder, sehingga layak dijadikan dasar analisis ilmiah.
Pemilihan kedua variabel ini didasarkan pada fungsinya sebagai indikator utama dalam mengukur kesejahteraan masyarakat serta kualitas pembangunan daerah, sehingga penting untuk dianalisis hubungan statistiknya.
Variabel Penelitian Variabel Dependen: Indeks Pembangunan Manusia (%) Variabel Independen: Persentase Penduduk Miskin (%) Prosedur Analisis Data Langkah-langkah analisis data yang diterapkan dalam penelitian ini bertujuan untuk memperoleh pemahaman yang komprehensif mengenai hubungan antar variabel.
Analisis Deskriptif Jurnal Nasional Holistic Science Vol.
No.
Agustus 2025: 157 Ae 162 Jurnal Nasional Holistic Science Tahap awal ini bertujuan untuk memberikan gambaran menyeluruh tentang karakteristik variabel yang Pada proses ini, dilakukan perhitungan statistik dasar seperti nilai minimum, maksimum, rata-rata .
, median, kuartil, standar deviasi, skewness, serta kurtosis.
Analisis tersebut membantu dalam memahami pola distribusi serta kecenderungan data sebelum melanjutkan ke uji statistik berikutnya.
Uji Normalitas Uji normalitas dilakukan untuk menentukan apakah data mengikuti pola distribusi normal.
Dalam hal ini, digunakan metode Shapiro-Wilk Test karena jumlah sampel kurang dari 50.
Uji ini diterapkan pada kedua variabel, yaitu Indeks Pembangunan Manusia (IPM) dan Persentase Penduduk Miskin.
Hasil pengujian ini akan menjadi dasar pemilihan metode analisis selanjutnya, apakah menggunakan pendekatan parametrik atau Uji Korelasi Spearman Jika hasil uji normalitas menunjukkan bahwa salah satu atau kedua variabel tidak berdistribusi normal, maka analisis korelasi menggunakan metode nonparametrik, yaitu Spearman.
Uji ini bertujuan untuk mengukur tingkat kekuatan dan arah hubungan monotonik antara IPM dan tingkat kemiskinan.
Besarnya koefisien korelasi menggambarkan kekuatan hubungan, sementara nilai p-value digunakan untuk menilai signifikansi statistik dari hubungan tersebut.
Interpretasi Hasil Pada tahap ini, hasil uji korelasi Spearman dianalisis dengan memperhatikan dua aspek utama.
Pertama, arah hubungan yang ditunjukkan oleh tanda koefisien .
ositif atau negati.
tanda negatif mengindikasikan bahwa peningkatan IPM diikuti oleh penurunan tingkat kemiskinan.
Kedua, kekuatan hubungan yang diukur berdasarkan besar kecilnya nilai koefisien korelasi dan diklasifikasikan ke dalam kategori lemah, sedang, atau kuat.
Selain itu, nilai p-value dibandingkan dengan tingkat signifikansi .
untuk menentukan apakah hubungan tersebut signifikan secara statistik atau hanya kebetulan.
RESULTS AND DISCUSSION
Deskripsi Data Tabel 1.
Statistik Deskriptif Variabel IPM dan Tingkat Kemiskinan Statistik Jumlah Data .
Rata-rata (Mea.
Standar Deviasi
Nilai Minimum
Kuartil 1 (Q1 - 25%) Median (Q2 - 50%) Kuartil 3 (Q3 - 75%) Nilai Maksimum
IPM
Kemiskinan (%) Penelitian ini menggunakan 33 data pengamatan untuk variabel Indeks Pembangunan Manusia (IPM) dan tingkat kemiskinan.
Rata-rata nilai IPM sebesar 72,41 dengan rentang antara 63,70 hingga 82,19 mengindikasikan bahwa kualitas pembangunan manusia pada wilayah yang diteliti berada pada tingkat sedang hingga tinggi dengan variasi yang relatif kecil, sebagaimana didukung oleh standar deviasi sebesar 4,34.
Nilai median IPM adalah 72,08, dengan kuartil pertama dan ketiga masing-masing sebesar 70,59 dan 75,20, yang menunjukkan bahwa sebagian besar data IPM tersebar secara merata di sekitar nilai tengah tersebut.
Sementara itu, tingkat kemiskinan memiliki rata-rata sebesar 9,93%, dengan variasi yang lebih besar seperti tercermin dari nilai minimum 3,44% dan maksimum 22,81%, serta standar deviasi sebesar 4,19.
Median tingkat kemiskinan tercatat sebesar 8,54%, dengan rentang kuartil antara 7,87% dan 11,42%, menggambarkan variasi yang cukup signifikan antar wilayah.
Oleh karena itu, data IPM menunjukkan distribusi yang cukup homogen, sedangkan data tingkat kemiskinan memperlihatkan keragaman yang lebih tinggi di antara daerahdaerah yang dianalisis.
Tabel 2.
Statistik Bentuk Distribusi Variabel IPM dan Tingkat Kemiskinan Statistik Median Modus Skewness Kurtosis IPM Kemiskinan (%) Analisis tambahan memperlihatkan bahwa median Indeks Pembangunan Manusia (IPM) adalah 72,08, sementara median tingkat kemiskinan tercatat sebesar 8,54%.
Modus IPM berada di angka 63,70, yang merupakan nilai yang paling sering muncul, sedangkan modus kemiskinan adalah 3,44%.
Untuk distribusi data, skewness IPM sebesar -0,13 menunjukkan bahwa data cenderung simetris dengan sedikit kemiringan ke arah Sebaliknya, skewness tingkat kemiskinan yang mencapai 1,70 mengindikasikan distribusi yang cukup miring ke kanan, dengan sebagian besar nilai kemiskinan terkonsentrasi di angka rendah dan beberapa nilai (Risca Octaviyani Hutape.
A Jurnal Nasional Holistic Science ekstrem di sisi atas.
Nilai kurtosis IPM sebesar 0,30 menggambarkan distribusi yang mendekati normal dengan puncak yang agak datar, sementara kurtosis kemiskinan sebesar 3,21 menunjukkan distribusi leptokurtik, yang berarti data memiliki puncak yang lebih tajam dan ekor yang lebih berat dibanding distribusi normal.
Dengan demikian, distribusi data IPM relatif simetris dan mendekati normal, sementara data kemiskinan menunjukkan distribusi yang tidak simetris dan mengandung nilai-nilai ekstrem.
Uji Normalitas Tabel 3.
Hasil Uji Normalitas Shapiro-Wilk Variabel IPM dan Tingkat Kemiskinan Variabel
IPM
Kemiskinan Statistik Uji p-value Kesimpulan Data berdistribusi normal Data tidak berdistribusi normal Hasil uji normalitas Shapiro-Wilk menunjukkan bahwa data Indeks Pembangunan Manusia (IPM) berdistribusi normal dengan nilai p sebesar 0,3014.
Namun, data tingkat kemiskinan tidak memenuhi asumsi normalitas karena memiliki p-value sebesar 0,0001 .
< 0,.
Ketidaksesuaian distribusi normal pada salah satu variabel menyebabkan metode statistik parametrik seperti korelasi Pearson tidak dapat diterapkan secara Oleh karena itu, analisis hubungan antara IPM dan tingkat kemiskinan dalam penelitian ini dilanjutkan dengan menggunakan uji korelasi Spearman, yang lebih tepat untuk data dengan distribusi tidak normal.
Gambar 1.
Distribusi Frekuensi dan Pola Sebaran Variabel IPM dan Tingkat Kemiskinan Berdasarkan grafik histogram yang ditampilkan, distribusi Indeks Pembangunan Manusia (IPM) terlihat cukup simetris dan menyerupai distribusi normal, dengan mayoritas data terkumpul pada rentang nilai 70 hingga 75.
Hal ini menunjukkan bahwa sebaran IPM antar daerah relatif merata dan tidak menunjukkan penyimpangan yang signifikan.
Sementara itu, distribusi data tingkat kemiskinan tampak mencuat ke arah kanan .
kewness positi.
, dengan sebagian besar nilai berada pada kisaran 7% hingga 10%, disertai kemunculan beberapa nilai ekstrem di sisi kanan grafik.
Pola ini mengindikasikan bahwa sebagian besar daerah memiliki tingkat kemiskinan yang rendah, namun terdapat sejumlah wilayah dengan angka kemiskinan yang jauh lebih tinggi dari rata-rata.
Visualisasi ini sejalan dengan hasil uji normalitas sebelumnya, di mana data IPM memenuhi asumsi normalitas sedangkan data kemiskinan tidak.
Gambar 2.
Q-Q Plot untuk Uji Normalitas Variabel IPM dan Tingkat Kemiskinan QAeQ Plot menunjukkan bahwa data Indeks Pembangunan Manusia (IPM) cenderung mengikuti distribusi normal, terlihat dari sebagian besar titik yang berada dekat dengan garis diagonal merah yang merepresentasikan distribusi normal teoritis.
Hal ini mendukung hasil uji normalitas sebelumnya yang menyatakan bahwa data IPM memang berdistribusi normal.
Sedangkan.
QAeQ Plot untuk data tingkat kemiskinan menunjukkan adanya penyimpangan signifikan dari garis diagonal, terutama di bagian ekor kanan grafik.
Kondisi ini mengindikasikan bahwa data tingkat kemiskinan tidak mengikuti distribusi normal, kemungkinan karena adanya outlier atau nilai ekstrem di beberapa daerah.
Visualisasi ini sesuai dengan hasil uji ShapiroAeWilk yang menunjukkan data kemiskinan tidak berdistribusi normal.
Jurnal Nasional Holistic Science Vol.
No.
Agustus 2025: 157 Ae 162 Jurnal Nasional Holistic Science Uji Korelasi Spearman Tabel 4.
Uji Korelasi Spearman Indikator Koefisien Korelasi Spearman .
p-value Nilai Interpretasi Hubungan negatif dengan kekuatan sedang Signifikan secara statistik .
cy < 0.
Hipotesis Uji Korelasi Spearman HCA: Tidak ada hubungan yang signifikan antara Indeks Pembangunan Manusia (IPM) dengan tingkat HCA: Terdapat hubungan yang signifikan antara Indeks Pembangunan Manusia (IPM) dengan tingkat Berdasarkan hasil uji korelasi Spearman, diperoleh nilai koefisien sebesar -0,5936 dengan nilai pvalue sebesar 0,0003.
Hal ini menunjukkan adanya hubungan negatif yang signifikan antara IPM dan tingkat kemiskinan dengan kekuatan korelasi dalam kategori sedang.
Interpretasi Hasil Uji Korelasi Spearman A Koefisien Korelasi Spearman (A): -0,5936 Tanda negatif (A.
mengindikasikan hubungan yang berlawanan arah, yaitu semakin besar nilai Indeks Pembangunan Manusia (IPM), semakin kecil persentase penduduk miskin.
Nilai 0,5936 termasuk dalam rentang 0,40Ae0,69, yang tergolong dalam kategori kekuatan hubungan sedang hingga cukup A p-value: 0,0003 Karena nilai p-value kurang dari 0,05, maka hubungan antara IPM dan tingkat kemiskinan dapat dianggap signifikan secara statistik.
Ini berarti peluang bahwa hubungan tersebut terjadi secara kebetulan sangat rendah.
Oleh karena itu, hipotesis nol (HCA) ditolak, sehingga dapat disimpulkan bahwa terdapat hubungan negatif yang sedang dan signifikan antara Indeks Pembangunan Manusia (IPM) dengan persentase penduduk Dengan kata lain, "Semakin tinggi IPM suatu daerah, semakin rendah tingkat kemiskinannya, dan hubungan ini cukup kuat serta bermakna secara statistik.
Dengan demikian, upaya untuk menurunkan angka kemiskinan melalui kebijakan pembangunan manusia harus mempertimbangkan efisiensi program pendidikan, efektivitas pelayanan kesehatan, serta kemampuan masyarakat dalam mengakses peluang ekonomi produktif.
Korelasi ini juga mengisyaratkan bahwa peningkatan IPM harus dibarengi dengan pemerataan hasil pembangunan agar tidak menimbulkan paradoks kesejahteraan di wilayah yang sudah berkembang.
Temuan ini selaras dengan penelitian sebelumnya (Ferdiansa, 2022.
Rusdi, 2.
yang juga menemukan hubungan negatif antara IPM dan tingkat kemiskinan di beberapa provinsi lain.
Namun demikian, kekuatan korelasi yang tergolong sedang menunjukkan bahwa IPM bukanlah satu-satunya faktor penentu tingkat kemiskinan.
Ada kemungkinan bahwa variabel lain seperti ketimpangan distribusi pendapatan, akses terhadap lapangan kerja, dan ketahanan ekonomi lokal turut berperan penting.
Gambar 3.
Scatterplot hubungan antara IPM Tingkat Kemiskinan Scatterplot memperlihatkan adanya hubungan antara Indeks Pembangunan Manusia (IPM) dan persentase penduduk miskin di berbagai wilayah.
Terlihat bahwa hubungan keduanya bersifat negatif dan monotonik, yaitu semakin tinggi nilai IPM, maka persentase penduduk miskin cenderung semakin rendah.
Hal ini menunjukkan bahwa wilayah dengan tingkat pembangunan manusia yang lebih baikAiserta mencakup aspek pendidikan, kesehatan, dan standar hidupAicenderung memiliki angka kemiskinan yang lebih rendah.
Pola garis biru yang tampak menurun memperkuat alasan pemilihan uji korelasi Spearman, karena hubungan antar variabel tidak sepenuhnya linear, tetapi tetap menunjukkan kecenderungan arah yang konsisten.
Temuan ini juga sejalan dengan hasil uji Spearman yang menunjukkan korelasi negatif yang signifikan.
(Risca Octaviyani Hutape.
A Jurnal Nasional Holistic Science CONCLUSION Penelitian ini secara menyeluruh menunjukkan adanya korelasi negatif yang signifikan antara Indeks Pembangunan Manusia (IPM) dan tingkat kemiskinan pada 33 kabupaten/kota di Provinsi Sumatera Utara.
Dengan koefisien korelasi Spearman sebesar -0,5936 dan nilai signifikansi 0,0003, dapat disimpulkan bahwa peningkatan IPM di suatu daerah cenderung diikuti oleh penurunan tingkat kemiskinan.
Hubungan ini termasuk dalam kategori sedang, namun cukup kuat untuk menggambarkan keterkaitan mendasar antara kualitas pembangunan manusia dengan kondisi sosial dan ekonomi masyarakat.
Temuan ini memberikan dasar empiris bahwa pembangunan manusia memegang peranan krusial dalam mengatasi kemiskinan.
Peningkatan IPM, yang mencakup aspek pendidikan, kesehatan, dan standar hidup layak, tidak hanya meningkatkan kualitas individu tetapi juga berdampak langsung terhadap produktivitas dan pengurangan kerentanan ekonomi.
Dengan demikian, pembangunan manusia seharusnya tidak dianggap sebagai faktor pendukung semata, melainkan menjadi pusat dari strategi pembangunan daerah.
Selain itu, hasil ini menegaskan pentingnya pendekatan multidimensi dalam memahami dan mengatasi kemiskinan, yang mencakup aspek kualitas hidup secara menyeluruh dan tidak terbatas hanya pada ukuran REFERENCES