Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 01-14 http://journal.
Pengaruh Pengangguran.
IPM, dan Pertumbuhan Sektor Industri terhadap Kemiskinan di 9 Kota di Provinsi Jawa Timur Fitri Elmawati Universitas 17 Agustus 1945 Surabaya I Made Suparta Universitas 17 Agustus 1945 Surabaya Universitas 17 Agustus 1945 Surabaya Korespondensi penulis: fitrielmawati4@gmail.
com, madesuparta@untag-sby.
Abstract.
A recent study analyzed the factors influencing poverty rates in nine cities in East Java from 2020 to 2024, with a specific focus on the unemployment rate.
Human Development Index (HDI), and industrial sector growth.
Utilizing secondary panel data and a Random Effect Model (REM) for analysis, the research yielded significant insights: higher unemployment positively and significantly correlates with increased poverty, whereas improved HDI levels lead to a significant reduction in poverty.
Interestingly, despite growth, the industrial sector's impact on poverty reduction was found to be insignificant.
Therefore, policy recommendations stemming from this study highlight the crucial need for proactive measures to curb unemployment, continuous efforts to enhance human resource quality through HDI initiatives, and strategies to ensure industrial growth more directly translate into job creation and improved community well-being.
Keywords: Poverty.
Unemployment.
Human Development Index.
Industrial Sector Growth.
Abstrak.
Penelitian ini bertujuan untuk menganalisis pengaruh tingkat pengangguran.
Indeks Pembangunan Manusia, dan pertumbuhan sektor industri terhadap tingkat kemiskinan di sembilan kota di Provinsi Jawa Timur selama periode 2020Ae2024.
Jenis data yang digunakan adalah data sekunder berbentuk panel, yang diperoleh dari Badan Pusat Statistik (BPS) dan instansi terkait.
Metode analisis yang digunakan adalah regresi data panel dengan pendekatan model Random Effect Model (REM), setelah dilakukan uji Chow dan uji Hausman.
Hasil penelitian menunjukkan bahwa secara parsial variabel pengangguran berpengaruh positif dan signifikan terhadap kemiskinan, yang berarti peningkatan tingkat pengangguran cenderung meningkatkan angka Sebaliknya, variabel IPM berpengaruh negatif dan signifikan terhadap kemiskinan, menunjukkan bahwa peningkatan kualitas pembangunan manusia mampu menurunkan tingkat kemiskinan.
Sementara itu, pertumbuhan sektor industri berpengaruh positif tetapi tidak signifikan terhadap kemiskinan, yang mengindikasikan bahwa pertumbuhan industri belum mampu secara signifikan mengurangi kemiskinan di 9 kota Provinsi Jawa Timur.
Implikasi dari hasil penelitian ini adalah perlunya kebijakan yang lebih efektif dalam menekan angka pengangguran dan meningkatkan kualitas SDM melalui IPM, serta optimalisasi peran sektor industri dalam menciptakan lapangan kerja dan meningkatkan kesejahteraan masyarakat.
1 Jurnal lmu Pendidikan dan Ekonomi - Vol.
10 No.
1 Juni 2025 Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
Kata kunci: Kemiskinan.
Pengangguran.
IPM.
Pertumbuhan Sektor Industri.
LATAR BELAKANG
Kemiskinan adalah masalah mendasar di negara -negara di seluruh dunia, terutama negara-negara berkembang, dan Indonesia memiliki tingkat kemiskinan yang sangat tinggi.
Di Indonesia, kemiskinan adalah masalah yang sangat sentral, dan salah satu efeknya melibatkan masalah ekonomi.
Saat memerangi kemiskinan, ada dua strategi yang perlu diterapkan untuk mengurangi kemiskinan.
Pertama, kami melindungi keluarga kami dan orang miskin dengan memenuhi kebutuhan dari berbagai bidang.
Kedua, mereka akan menerapkan pelatihan yang disediakan untuk mencegah kemiskinan baru.
Dengan demikian, manajemen kemiskinan dapat diprioritaskan dalam kegiatan pembangunan ekonomi.
Tingkat pengangguran yang tinggi, pendapatan nasional, dan PDB adalah aspek yang mempengaruhi kemiskinan Indonesia.
Kemiskinan penelitian ini berdasarkan 9 Kota di Provinsi Jawa Timur yang terdiri dari Kota Surabaya.
Kota Marang.
Kota Kediri.
Kota Blitar.
Kota Madiun.
Kota Pasuruan.
Kota Probolinggo.
Kota Mojokerto dan Kota Batu.
Banyaknya pekerja dan kurangnya lapangan pekerjaan menyebabkan masalah pengangguran di Provinsi Jawa Timur khusnya di wilayah perkotaan yang menjadi lebih Tingkat pengangguran dapat meningkatkan kemiskinan karena mempengaruhi peningkatan kemiskinan.
Selain itu, tingkat pengangguran juga memperburuk ketidaksetaraan sosial, karena dapat dipengaruhi oleh tingkat pengangguran masalah pengangguran dapat memiliki dampak negatif besar pada ekonomi dan masyarakat secara keseluruhan.
Kemiskinan dapat dipengaruhi oleh laju pertumbuhan penduduk dan faktor pendukung lainnya.
Perkembangan teknologi yang meningkatkan produktivitas dan inovasi, serta pertumbuhan penduduk melalui IPM.
Pertumbuhan sektor industri juga menjadi salah satu faktor dalam permasalahan kemiskinan ini.
Sektor industri berpotensi besar untuk menyerap tenaga kerja, menciptakan lapangan pekerjaan, serta meningkatkan pendapatan masyarakat.
Namun, pertumbuhan sektor industri yang tidak merata atau tidak inklusif pada akhirnya juga dapat memengaruhi tingkat kemiskinan.
Oleh karena itu, penelitian dilakukan untuk Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
memahami faktor-faktor yang mempengaruhi tingkat kemiskinan pada 9 kota di Provinsi Jawa Timur.
Pemilihan perkotaan sebagai fokus penelitian dibandingkan dengan kabupaten di Jawa Timur berbeda dalam dinamika ekonomi dan sosial.
Kota biasanya merupakan pusat pertumbuhan ekonomi di sektor industri dan jasa yang dominan, yang memungkinkan untuk lebih berkonsentrasi pada sektor industri.
Fokus penelitian faktor-faktor mempengaruhi kemiskinan, diharapkan dapat ditemukan pola dan determinan utama yang memengaruhi tingkat kemiskinan di 9 kota di Provinsi Jawa Timur, serta upaya dalam mengatasi kemiskinan yang ada di tingkat kota.
Dengan tujuan untuk mengetahui pengaruh dari Pengangguran.
Indeks Pembangunan Manusia (IPM) dan Pertumbuhan Sektor Industri secara simultan terhadap Kemiskinan di Jawa Timur, sehingga penelitian ini dapat menjadi dasar bagi pemerintah dalam merumuskan kebijakan yang lebih tepat sasaran dalam mengurangi kemiskinan di Jawa Timur.
Berdasarkan penjelasan diatas adapun penelitian terdahulu yang dilakukan oleh Nugroho .
menujukkan bahwa pengangguran berpengaruh positif dan signifikan terhadap kemiskinan.
Hasil penelitian tersebut serupa dengan hasil penelitian yaang dilakukan oleh Aini & Nugroho .
dan Estrada & Wenagama .
Kemudian penelitian Suparta .
menjelaskan bahwa Pengangguran hasil penelitian berpengaruh positif dan tidak signifikan terhadap kemiskinan.
Dari hasil penelitian tersebut dapat disimpulkan bahwa meningkatnya tingkat pengangguran dapat pula meningkatkan kemiskinan.
Pada variabel Indeks Pembangunan Manusia berdasarkan penelitian yang dilakukan oleh penelitian terdahulu Nugroho .
menunjukkan bahwa Indeks Pembangunan Manusia (IPM) berprngaruh negatif dan signifikan terhadap kemiskinan.
Serupa dengan hasil penelitian yang dilakukan oleh Ristika et al.
Estrada & Wenagama .
dan Muhammad & Aji .
Sehingga dapat disumpulkan bahwa peningkatan Indeks Pembangunan Manusia (IPM) dapat mengurangi kemiskinan.
Pada variabel Pertumbuhan Sektor Industri menunjukkan hasil penelitian terdahulu yang dilakukan oleh Pham & Riedel .
menyatakan bahwa pertumbuhan sektor industri berpengaruh negatif dan signifikan terhadap kemiskinan.
Namun Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
penelitian tersebut tidak sejalan dengan penelitian yang dilakukan oleh Rose et al.
yang menunjukkan bahwa pertumbuhan sektor industri berpengaruh positif dan signifikan terhadap kemiskinan.
Dari hasil penelitian tersebut, dapat disimpulkan bawah pertumbuhan sektor industri, belum tentu berpengaruh negatif dan signifikan terhadap KAJIAN TEORITIS Kemiskinan Kemiskinan merupakan kondisi ketidakmampuan individu dalam memenuhi kebutuhan dasar hidupnya, seperti pangan, tempat tinggal, pendidikan, dan kesehatan.
Menurut Kuncoro .
, kemiskinan dapat disebabkan oleh faktor individu, keluarga, budaya, dan struktural.
Dalam pendekatan kemampuan kebutuhan dasar .
asic needs approac.
, kemiskinan diukur berdasarkan persentase penduduk yang hidup di bawah garis kemiskinan, mencerminkan kesenjangan akses terhadap sumber daya ekonomi dan Oleh karena itu, kemiskinan menjadi indikator utama dalam menilai keberhasilan pembangunan dan kesejahteraan masyarakat.
Pengangguran Pengangguran adalah situasi ketika sebagian angkatan kerja tidak terserap dalam kegiatan ekonomi produktif.
Sukirno .
menyatakan bahwa pengangguran berdampak langsung pada menurunnya pendapatan masyarakat dan menimbulkan berbagai masalah sosial seperti ketimpangan dan kemiskinan.
Tingginya angka pengangguran menunjukkan ketidakseimbangan antara pertumbuhan angkatan kerja dan penciptaan lapangan kerja, yang pada akhirnya memperburuk kondisi sosial-ekonomi.
Dalam konteks ini, pengangguran dipandang sebagai salah satu penyebab utama peningkatan angka kemiskinan di wilayah perkotaan.
Indeks Pembangunan Manusia (IPM) Indeks Pembangunan Manusia (IPM) merupakan indikator komposit yang digunakan untuk mengukur kualitas pembangunan manusia berdasarkan tiga dimensi utama: umur panjang dan hidup sehat, pendidikan, serta standar hidup layak.
Menurut Nugroho .
IPM yang tinggi mencerminkan kualitas sumber daya manusia yang Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
baik dan berkontribusi pada peningkatan produktivitas dan pendapatan masyarakat.
Peningkatan IPM dapat mengurangi kemiskinan melalui akses yang lebih baik terhadap pendidikan dan kesehatan, sehingga individu memiliki peluang yang lebih besar untuk keluar dari lingkaran kemiskinan.
Pertumbuhan Sektor Industri Pertumbuhan sektor industri menggambarkan peningkatan kontribusi sektor industri terhadap perekonomian, yang diukur melalui Produk Domestik Regional Bruto (PDRB).
Menurut teori pertumbuhan ekonomi klasik (Adam Smit.
dan neoklasik (Robert Solo.
, pertumbuhan industri dapat menciptakan lapangan kerja, meningkatkan pendapatan masyarakat, dan mendorong pengentasan kemiskinan.
Namun.
Pham & Riedel .
mengingatkan bahwa pertumbuhan industri harus bersifat inklusif agar manfaat ekonominya dapat dirasakan secara merata.
Tanpa pemerataan, pertumbuhan industri berisiko meningkatkan ketimpangan dan tidak secara signifikan menurunkan tingkat kemiskinan.
METODE PENELITIAN
Penelitian ini menggunakan data sekunder dari tahun 2020 hingga 2024 yang diperoleh dari Badan Pusat Statistik dan instansi pemerintah daerah.
Populasi dan sampel dalam penelitian ini adalah 9 kota di Provinsi Jawa Timur.
Teknik analisis yang digunakan adalah regresi data panel dengan tiga pendekatan: Common Effect Model (CEM).
Fixed Effect Model (FEM), dan Random Effect Model (REM).
Pemilihan model terbaik ditentukan melalui uji Chow dan Hausman, yang kemudian menetapkan REM sebagai model yang paling sesuai.
Analisis Regresi Data Panel Analisis regresi data panel adalah salah satu metode statistik yang digunakan untuk melihat pengaruh beberapa peubah prediktor terhadap satu peubah respon dengan struktur data berupa data panel.
Secara umum, persamaan model regtesi data panel sebagai berikut:
Y = CA CACA c CECE t Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
Keterangan:
Y = Kemiskinan CA = Konstanta CA = Koefisien CA CC = Koefisien CC CE = Koefisien CE CA =Variabel Pengangguran CC =Variabel Indeks Pembangunan Manusia (IPM) CE =Variabel Pertumbuhan Sektor Industri e = Error term .
i = Kota ke-i t = Tahun ke-t Estimasi Model Regresi Data Panel Terdapat tiga pendekatan yang digunakan dalam mengestimasi parameter model regresi data panel, yaitu pendekatan Common effects.
Fixed effects dan Random effects.
Common Effect Model Common effect model seluruh data digabungkan baik data cross section maupun data time series, tanpa memperdulikan waktu dan tempat penelitian.
Pada metode ini diasumsikan bahwa nilai intercept masing-masing variabel adalah sama, begitu pula slope koefisien untuk semua unit cross section dan time series.
Fixed effect Model
Metode FEM
CEM
FEM
mengasumsikan bahwa setiap objek memiliki sifatnya masing-masing.
Pendekatan metode FEM melibatkan pembedaan intersep setiap objek sambil mempertahankan kemiringan yang tepat saat memproses data.
Variabel dummy yang sering dikenal sebagai teknik model fixed effect merupakan variabel pelengkap yang diperlukan untuk memisahkan intersep setiap objek.
Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
Random Effect Model Random effect model akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu atau antar individu.
Pada fixed effect model bisa menimbulkan masalah, salah satunya adalah berkurangnya nilai derajat kebebasan .
egree of freedo.
yang berakibat pada pengurangan efisiensi parameter, sehingga muncul random effect model yang bertujuan untuk mengatasi masalah yang ditimbulkan oleh fixed effect model.
Pemilihan Model Regresi Data Panel Pemilihan model estimasi regresi data panel ini bertujuan untuk memilih model terbaik yang tepat dan sesuai dari ketiga model regresi antara lain Common effect Model.
Fixed Effect Model.
Random effect Model.
Dalam pemilihan model estimasi regresi data panel terbaik maka selanjutnya dilakukan uji sebagai berikut:
Uji Chow (Chow Tes.
Untuk menentukan model mana yang terbaik digunakan uji chow untuk membandingkan model common effect dengan model fixed effect (Widarjono,2.
Adapun hipotesis yang digunakan dalam uji chow, yaitu:
HCA: Menerima CEM apabila nilai probabilitas > 0,05 Ha: Menerima FEM apabila nilai probabilitas < 0,05 Uji Hausman (Hausman Tes.
Untuk menentukan model mana yang terbaik digunakan uji Hausman untuk membandingkan model random effect dan model fixed effect (Widarjono, 2.
Adapun hipotesis yang digunakan dalam uji hausman, yaitu:
HCA: Menerima CEM apabila nilai probabilitas > 0,05 Ha: Menerima FEM apabila nilai probabilitas < 0,05 Uji Lagrange Multiplier (LM) Uji Lagrange Multiplier (LM) merupakan pengujian yang dilakukan apabila Uji Chow dan Uji Hausman muncul di masing-masing model yang telah di uji, dengan kata lain uji LM dilakukan untuk mengetahui model terbaik antara Common Effect Model Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
(CEM) dan Random Effect Model (REM).
Uji Lagrange Multiplier (LM) dikembangkan oleh Bruesch-Pagan oleh sebab itu uji LM disebut juga dengan uji Bruesch-Pagan.
Uji LM dilakukan dengan membandingkan nilai LM hitung dengan nilai Chi-Square pada df .
egree of freedo.
dan alpha tertentu.
Uji Lagrange Multiplier dilakukan dengan hipotesis sebagai berikut:
HCA: Menerima CEM apabila nilai probabilitas > 0,05 Ha: Menerima FEM apabila nilai probabilitas < 0,05 Teknik Pengujian Hipotesis Uji F Uji F dilakukan untuk mengetahui pengaruh variabel bebas (X) secara keseluruhan terhadap variabel terikat (Y), selanjutnya kesimpulan uji F diperoleh dengan membandingkan nilai F probabilitas dengan nilai F pada tingkat keyakinan tertentu (Adiningtiah et al.
, 2.
Jika menggunakan taraf signifikansi 5% .
, maka kriteria pengujian sebagai Jika nilai probabilitas F-stat > 0.
05 maka HCA diterima, sehingga tidak terdapat pengaruh signifikan secara simultan antara variabel bebas terhadap variabel Jika nilai probabilitas F-stat < 0.
05 maka HCA ditolak, sehingga terdapat pengaruh signifikan secara simultan antara variabel bebas terhadap variabel terikat Uji T Uji t digunakan untuk mengukur sejauh mana pengaruh individu dari setiap variabel bebas dalam menjelaskan variasi variabel terikat, dan digunakan untuk menentukan apakah setiap variabel bebas secara individual memiliki pengaruh yang signifikan terhadap variabel terikat pada tingkat signifikansi 5% (Safira & Juliansyah, 2.
Dengan menggunakan tingkat signifikansi sebesar 5% ( = 0,.
, nilai t-hitung untuk setiap koefisien regresi dibandingkan dengan nilai t-tabel dengan kriteria pengujian sebagai berikut:
Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
Jika nilai probabilitas < 0,05 dengan tingkat keyakinan tertentu maka HCA diterima, berarti setiap variabel bebas tidak berpengaruh signifikan terhadap variabel terikat.
Jika nilai probabilitas > 0,05 dengan tingkat keyakinan tertentu maka HCA ditolak, berarti setiap variabel bebas berpengaruh signifikan terhadap variabel terikat.
HASIL DAN PEMBAHASAN
Dalam penelitian ini data yang digunakan merupakan data sekunder.
Data sekunder penelitian ini diperoleh dari data Badan Pusat statistik (BPS) Jawa Timur.
Untuk mendapatkan model regresi data panel yang terbaik pada data jumlah tingkat kemiskinan di 9 kota di Provinsi Jawa Timur, terlebih dahulu dilakukan uji penentuan model.
Uji Penentuan Model Uji Chow Uji Chow digunakan dalam pemilihan model Common Effectt atau dengan model Fixed Effect.
Uji Chow digunakan dalam memilih model antara Common Effect atau dengan model Fixed Effect.
Apabila nilai probabilitas F statistik lebih dari 5% menggunakan model Common Effect sedangkan apabila nilai probabilitas kurang dari 5% menggunakan Fixed Effect.
Tabel 1.
Hasil Uji Chow Berdasarkan hasil Uji Chow dengan Redundant Test diperoleh nilai probabilitas chi-square sebesar 0,0000 < 0,05 maka Ha diterima dan HCA ditolak.
Jadi model yang tepat dalam pengujian ini adalah menggunakan Fixed Effect Model.
Dari hasil uji chow, maka dilanjtkan dengan melakukan uji Hausman untuk memilih antara Fixed Effect Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
atau Random Effect yang akan dibandingkan dengan Fixed Effect Model (FEM) dengan mengunakan uji Hausman Test.
Uji Hausman Uji Hausman digunakan untuk menentukan pilihan antara model Fixed Effect dan Random Effect dalam analisis data panel.
Jika nilai probabilitas F-statistic lebih dari 5% .
idak signifika.
, maka model Random Effect dipilih.
Sebaliknya, jika nilai probabilitas kurang dari 5% .
, model Fixed Effect akan digunakan.
Tabel 2.
Hasil Uji Hausman Berdasarkan hasil uji Hausman diperoleh nilai probabilitas chi square sebesar 0,4499 > 0,05 maka model yang tepat adalah menggunakan Random Effect Model (REM).
Dari hasil uji chow dan uji hausman, menyatakan bahwa Random Effect Model (REM) adalah model yang tepat digunakan sesuai hasil uji tersebut oleh karena itu tidak perlu dilakukannya lagi Uji Langrange Multiplier (LM).
Hasil Rregresi Data Panel Berdasarkan hasil analisis penentuan model.
REM merupakan model yang terabaik pada penelitin ini, sehingga didapatkan hasil dari regresi data panel, dengan persamaan sebagai berikut:
Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
Tabel 3.
Hasil Penentuan Model REM Y = 29,03 0,07*XCA Ae 0,30*XCC 0,01*XCE Berdasarkan hasil regresi pada Tabel 3 nilai 29,03% menunjukkan bahwa variabel Pengangguran (XCA).
Indeks Pembangunan Manusia (XCC), dan Pertumbuhan Sektor Industri (XCE) adalah konstan .
idak mengalami perubaha.
maka nilai Kemiskinan (Y) sebesar 29,03%.
Variabel Pengangguran (XCA) sebesar 0,07% menunjukkan bahwa variabel pengangguran berpengaruh positif terhadap kemiskinan.
Variabel Indeks Pembangunan Manusia (XCC) sebesar -0,30 menunjukkan bahwa variabel indeks pembangunan manusia mempunyai pengaruh negatif terhadap kemiskinan.
Serta variabel Pertumbuhan Sektor Industri (XCE) sebesar 0,01%, menunjukkan bahwa variabel pertumbuhan sektor industri berpengaruh positif terhadap kemiskinan.
Pengujian Hipotesis Hasil Uji F Tabel 4.
Hasil Uji Simultan Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
Berdasarkan Tabel 4 diketahui bahwa hasil uji F diperoleh nilai F-hitung sebesar 64,031 dengan nilai probabilitas sebesar 0,000 < 0,05, maka HCA ditolak.
Artinya variabel Pengangguran.
Indeks Pembangunan Manusia, dan Pertumbuhan Sektor Industri secara simultan berpengaruh signifikan terhadap Kemiskinan.
Hasil Uji T Bedasarkan Tabel 3 hasil dari variabel independen terhadap variabel dependen secara parsial adalah nilai variabel pengangguran (XCA) diperoleh nilai nilai signifikan 0,043 < 0,05, maka Ha diterima dan H0 ditolak.
Hasil penelitian ini sejalan dengan hasil penelitian Nugroho .
yang menyatakan bahwa pengangguran berpengaruh positif dan signifikan terhadap kemiskinan.
Hal ini berarti bahwa meningkatnya pengangguran akan menyebabkan meningkatnya tingkat kemiskinan.
Dengan demikian untuk menurunkan tingkat kemiskiann, maka pemerintah harus mampu untuk menurunkan tingkat pengangguran.
Variabel indeks pembangunan manusia (XCC) diperoleh nilai signifikan 0,000 < 0,05, maka Ha diterima dan H0 ditolak.
Hasil penelitian ini sejalan dengan Muhammad & Aji .
yang menyatakan bahwa indeks pembangunan manusia berpengaruh negatif dan signifikan terhadap kemiskinan.
Hal ini berarti bahwa dengan meningkatnya indeks pembangunan manusia mampu menurunkan tingkat kemiskinan.
Dengan demikian untuk menurunkan tingkat kemiskinan pemerintah harus mampu meningkatkan indeks pembangunan manusia.
Variabel pertumbuhan sektor industri (XCE) diperoleh nilai signifikan 0,056 > 0,05, maka H0 diterima dan Ha ditolak.
Hasil penelitian ini tidak sejalan dengan hasil Rose et al.
yang menyatakan bahwa pertumbuhan sektor industri berpengaruh positif dan tidak signifikan.
Hal ini berarti bahwa dengan melambatnya pertumbuhan sektor industri tetapi mampu menurunkan tingkat kemiskinan.
Koefisien Determinasi (RA) Di peroleh dari hasil uji pada Tabel 4 diperoleh nilai adjusted R-square sebesar 0,811, artinya bahwa sebesar 81,12% variabel Kemiskinan dipengaruhi oleh variabel Pengangguran.
Indeks Pembangunan manusia dan Pertumbuhan Sektor Industri, sedangkan sisanya 18,88% dipengaruhi variabel lain diluar model penelitian ini.
Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
KESIMPULAN DAN SARAN
Berdasarkan hasil analisis data panel pada 9 kota di Provinsi Jawa Timur selama periode 2020Ae2024, hasil dari uji Chow dan uji Hausman menunjukkan bahwa model yang tepat untuk menganalisis tingkat kemiskinan adalah model random effects.
Hasil dari RA (R Square.
menunjukkan nilai sebesar 0,811, artinya bahwa sebesar 81,12% variabel Kemiskinan dipengaruhi oleh variabel Pengangguran.
Indeks Pembangunan manusia dan Pertumbuhan Sektor Industri, sedangkan sisanya 18,88% dipengaruhi variabel lain diluar model penelitian ini dapat sehingga disimpulkan bahwa Pengangguran.
Indeks Pembangunan Manusia (IPM), dan Pertumbuhan Sektor Industri secara simultan berpengaruh signifikan terhadap tingkat kemiskinan.
Artinya, ketiga variabel tersebut secara simultan dapat menjelaskan perubahan tingkat kemiskinan di 9 kota Provinsi Jawa Timur.
DAFTAR REFERENSI
Adiningtiah.
Astuti.
Puwanto.
, & .
Pengaruh Bahan Baku Dan Proses Pembuatan Terhadap Kualitas Produk Pastry Di Sotis Hotel Kupang.
Wisata (Jurnal Tesl.
, 2.
, 31Ae43.
https://jurnal.
id/index.
php/jt/article/view/8437 Aini.
, & Nugroho.
yuwono Y.
Pengaruh Pertumbuhan Ekonomi.
Pendidikan.
Pengangguran.
Dan Ketimpangan Pendapatan Terhadap Kemiskinan.
Buletin Ekonomika Pembangunan, 4.
https://doi.
org/10.
21107/bep.
Estrada.
, & Wenagama.
(Fakultas E.
dan B.
(Unu.
Pengaruh Laju Pertumbuhan Ekonomi .
Indeks Terhadap Tingkat Kemiskinan.
EJURNAL EKONOMI PEMBANGUNAN UNIVERSITAS UDAYANA, 9.
, 233Ae261.
Kuncoro.
Ekonomika Pembangunan Teori.
Masalah, dan Kebijakan.
Yogyakarta:STIM YKPN.
Muhammad.
, & Aji.
Jurnal_Pengaruh Ipm Tpt Pdrdb Terhadap Kemiskinan.
Journal Of Economics, 2, 34Ae46.
Nugroho.
Analisis Pengaruh Pengeluaran Pemerintah Terhadap Pertumbuhan Ekonomi dan Indeks Pembangunan Manusia di Indonesia.
Jurnal Ekonomi Syariah, 6, 39Ae50.
https://doi.
org/10.
33105/itr.
Pham.
, & Riedel.
Impacts of the sectoral composition of growth on poverty reduction in Vietnam.
Journal of Economics and Development, 21.
, 213Ae222.
https://doi.
org/10.
1108/jed-10-2019-0046 Ristika.
Primandhana.
, & Wahed.
Analisis Pengaruh Jumlah Penduduk.
Tingkat Pengangguran Terbuka Dan Indeks Pembangunan Manusia Jurnal Ilmu Pendidikan dan Ekonomi Vol.
10 No.
1 Juni 2025 P-ISSN : 2477-6491.
E-ISSN : 2656-873X.
Hal 00-00 http://journal.
Terhadap Tingkat Kemiskinan Di Provinsi Jawa Timur.
Eksis: Jurnal Ilmiah Ekonomi dan Bisnis, 12.
, 129.
https://doi.
org/10.
33087/eksis.
Rose.
Abbas.
Ali.
, & Azeem.
Growth-poverty linkages:
Does sectoral composition matter for Pakistan? World Applied Sciences Journal, 21.
, 915Ae919.
https://doi.
org/10.
5829/idosi.
Safira.
, & Juliansyah.
Pengaruh Modal Dan Tenaga Kerja Terhadap Produksi Air Minum Dalam Kemasan (Amd.
Pada Pt.
Ima Montaz Sejahtera Kota Lhokseumawe.
Jurnal Ekonomi Pertanian Unimal, 2.
, 65.
https://doi.
org/10.
29103/jepu.
Sukirno.
Makroekonomi Teori Pengantar .
rd ed.
PT RajaGrafindo Persada.
Suparta.
& I.
Pengaruh Pertumbuhan Ekonomi.
Jumlah Angkatan Kerja, dan Inflasi Terhadap Tingkat Pengangguran di Provinsi Jawa Timur .
Jurnal Ekonomi & Bisnis, 3.
, 165Ae175.
http://jurnal.
id/index.
php/JEB17/article/view/2129