LAPORAN TUGAS KELOMPOK

Pro-Poor Growth: Analisis Pertumbuhan Ekonomi melalui Ketimpangan

Ekonomi berupa Kemiskinan dan Tingkat Upah Masyarakat
Mata Kuliah Perekonomian Indonesia

Disusun oleh :
1. 7111420190 Muhammad Haikal
2. 7111420199 Alvithra Ainal Ikram
3. 7111420229 Andika Candra Wijaya

STUDI EKONOMI PEMBANGUNAN FAKULTAS EKONOMI

UNIVERSITAS NEGERI SEMARANG SEMARANG
2022
 KATA PENGANTAR

Daerah Istimewa Yogyakarta merupakan salah satu daerah di Indonesia yang memiliki
penduduk miskin cukup banyak. Berbagai program pengentasan kemiskinan telah dilaksanakan
oleh Pemda DIY. Realisasi jumlah anggaran pro-poor cenderung meningkat setiap tahunnya. Di
sisi lain, kondisi menunjukkan bahwa angka kemiskinan belum turun secara signifikan sehingga
harus dicari solusinya. Penelitian ini bertujuan untuk mengetahui efektivitas belanja langsung
pro-poor Pemda DIY selama tahun 2015 – 2021 serta faktor-faktor yang mempengaruhi tingkat
efektivitas belanja langsung pro-poor Pemda DIY tahun 2015-2021 tersebut.

Penelitian dilakukan pada Pemda DIY khususnya Bappeda dan DPPKAD serta Satuan Kerja
Perangkat Daerah yang melaksanakan kegiatan pro poor. Metode yang digunakan adalah
analisis deskriptif. Analisis dilakukan melalui 3 tahapan yaitu pertama dengan menghitung
efektivitas kegiatan-kegiatan yang termasuk dalam belanja pro-poor. Kedua, membandingkan
capaian efektivitas menggunakan logika rasio Duclos (2009). Langkah terakhir adalah
melakukan analisis deskriptif
 DAFTAR ISI

KATA PENGANTAR .................................................................................................................... 2

Daftar Tabel .................................................................................................................................... 4
DAFTAR GAMBAR .................................................................................................................... 10
DAFTAR LAMPIRAN ................................................................................................................. 11
BAB I ............................................................................................................................................ 12
1.1 Latar Belakang .................................................................................................................... 12
BAB II........................................................................................................................................... 16
2.1 Pertumbuhan Ekonomi ................................................................................................... 16
2.2 Kemiskinan.......................................................................................................................... 17
2.3 Distribusi Pendapatan .......................................................................................................... 17
2.4 Pro-Poor Growth ................................................................................................................. 18
2.5 Faktor-Faktor Yang Memengaruhi...................................................................................... 20
BAB III ......................................................................................................................................... 23
3.1 Faktor yang Mempengaruhi Pertumbuhan Ekonomi ..................................................... 23
3.2 Uji Regresi Data Panel ................................................................................................... 26
BAB IV ......................................................................................................................................... 31
4.1 Kesimpulan..................................................................................................................... 31
4.2 Rekomendasi .................................................................................................................. 32
DAFTAR PUSTAKA ................................................................................................................... 33
LAMPIRAN .................................................................................................................................. 36
 Daftar Tabel

Gini Rasio
Gini Rasio (%)
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
Sleman 0,45 0,39 0,41 0,42 0,42 0,42
Kulonprogo 0,37 0,37 0,39 0,37 0,36 0,38
Bantul 0,38 0,4 0,41 0,45 0,42 0,44
Gunungkidul 0,33 0,34 0,34 0,34 0,33 0,35
Yogyakarta 0,44 0,43 0,45 0,42 0,37 0,42
D.I. Yogyakarta 0,394 0,386 0,4 0,4 0,38 0,402

Persentase Penduduk Miskin

Persentase Penduduk Miskin (%)
Kabupaten /Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 14,91 13,34 13,02 12,13 11,7 12,28
Kulonprogo 21,4 20,3 20,03 18,3 17,39 18,01
Bantul 16,33 14,55 14,07 13,43 12,92 13,5
Gunungkidul 21,73 19,34 18,65 17,12 16,61 17,07
Sleman 9,46 8,21 8,13 7,65 7,41 8,12
Yogyakarta 8,75 7,7 7,64 6,98 6,84 7,27

Jumlah Penduduk Miskin

Jumlah Penduduk Miskin (%)
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 550,23 494,94 488,53 460,1 448,47 475,72
Kulonprogo 88,13 84,34 84,17 77,72 74,62 78,06
Bantul 160,15 142,76 139,67 134,84 131,15 138,66
 Gunungkidul 155 139,15 135,74 125,76 123,08 127,61
Sleman 110,96 96,63 96,75 92,04 90,17 99,78
Yogyakarta 35,98 32,06 32,2 29,75 29,45 31,62

Laju PDRB
Laju PDRB (%)
Kabupaten/Kota
2015 2016 2017 2018 2019 2020
Kulon Progo 4,62 4,76 5,97 10,84 13,49 -4,06
Bantul 4,97 5,06 5,10 5,47 5,53 -1,66
Gunung Kidul 4,82 4,89 5,00 5,16 5,33 -0,68
Sleman 5,18 5,25 5,35 6,42 6,49 -3,91
Yogyakarta 5,09 5,11 5,24 5,49 5,96 -2,42
D.I. Yogyakarta 4,95 5,05 5,26 6,20 6,59 -2,69

Tingkat Pengangguran
Tingkat Pengangguran (%)
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 4,07 2,72 3,02 3,35 3,14 4,57
Kulonprogo 3,72 1,99 1,49 1,80 3,71
Bantul 3,00 3,12 2,72 3,06 4,06
Gunungkidul 2,90 1,65 2,07 1,92 2,16
Sleman 5,37 3,51 4,40 3,93 5,09
Yogyakarta 5,52 5,08 6,22 4,80 9,16
 Rata-Rata Pendapatan
Rata-Rata Pendapatan (Rp)
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
Kulon Progo Rp670.192 Rp719.189 Rp720.906 Rp805.608 Rp904.900 Rp940.501
Bantul Rp855.399 Rp975.242 Rp1.024.607 Rp1.210.743 Rp1.262.103 Rp1.366.416
Gunungkidul Rp541.114 Rp671.115 Rp763.446 Rp840.575 Rp823.899 Rp878.379
Sleman Rp1.177.082 Rp1.379.839 Rp1.514.460 Rp1.659.707 Rp1.728.444 Rp1.792.911
Kota Yogyakarta Rp1.325.612 Rp1.465.403 Rp1.423.537 Rp1.802.459 Rp1.745.570 Rp1.829.863
Prov. D.I.Y Rp928.602 Rp1.070.962 Rp1.140.167 Rp1.302.661 Rp1.339.726 Rp1.411.971

Pendapatan Per Kapita

Pendapatan Per Kapita (%)
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 22.76 23.59 24.51 25.68 27.01 25.94
Kulonprogo 15.28 15.80 16.54 18.10 20.29 19.23

Bantul 16.08 16.65 17.28 17.98 18.72 18.17

Gunung Kidul 15.63 16.19 16.79 17.44 18.15 17.81
Sleman 24.13 25.03 26.00 27.28 36.52 27.16
Yogyakarta 54.40 56.44 58.64 61.07 63.89 61.56

Indeks Keparahan Kemiskinan

Indeks Keparahan Kemiskinan (%)
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 0.83 0.59 0.55 0.50 0.38 0.46
Kulonprogo 1.24 1.00 0.64 0.56 0.61 0.86
Bantul 0.89 0.41 0.56 0.46 0.43 0.43
Gunungkidul 1.33 1.30 0.79 1.16 0.53 0.63
 Indeks Keparahan Kemiskinan (%)
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
Sleman 0.37 0.34 0.28 0.20 0.23 0.33
Yogyakarta 0.23 0.19 0.48 0.34 0.20 0.28

Indeks Kedalaman Kemiskinan

Indeks Kedalaman Kemiskinan (%)
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 2.93 2.30 2.19 2.07 1.74 1.94
Kulonprogo 4.16 3.55 2.79 2.47 2.72 3.22
Bantul 3.16 2.02 2.21 2.17 1.87 1.85
Gunungkidul 4.55 4.16 3.36 3.84 2.58 2.68
Sleman 1.46 1.36 1.23 0.98 1.13 1.37
Yogyakarta 1.06 1.05 1.58 1.38 0.85 1.19

Angka Partisipasi Sekolah

Angka Partisipas Sekolah (%)
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 86.78 87.20 87.61 88.39 88.97 88.53
Kulonprogo 90.33 91.81 85.80 86.51 87.92 87.60
Bantul 85.77 88.48 91.15 86.81 87.02 82.92
Gunungkidul 77.18 76.81 82.31 82.45 81.63 90.81
Sleman 89.91 90.56 86.38 89.50 90.77 96.26
Yogyakarta 92.16 86.17 92.82 98.32 97.72 88.95

Estimasi Fixed Effect

Variable Coefficient Std. Error t-Statistic Prob.

 C 745.4538 489.4143 1.523155 0.1403
LNAPS 2.865225 3.002995 0.954122 0.3492
LNBD 1.864468 1.621094 1.150130 0.2610
LNIK -180.0769 113.8176 -1.582153 0.1262
TPT 0.071542 0.148221 0.482673 0.6335
TK -0.097958 0.196040 -0.499685 0.6217

Estimasi Common Effect

Variable Coefficient Std. Error t-Statistic Prob.

C 19.11931 46.50419 0.411131 0.6839

LNAPS 2.257548 2.646080 0.853167 0.4003
LNBD 0.061154 0.280485 0.218030 0.8289
LNIK -6.845815 11.70807 -0.584709 0.5631
TPT -0.060807 0.089054 -0.682815 0.5000
TK 0.003659 0.034449 0.106201 0.9161

Uji Chow

Effects Test Statistic d.f. Prob.

Cross-section F 0.552023 (5,25) 0.7353

Cross-section Chi-square 3.770079 5 0.5830
 Estimasi Random Effect

Variable Coefficient Std. Error t-Statistic Prob.

C 19.11931 48.31349 0.395734 0.6951

LNAPS 2.257548 2.749029 0.821217 0.4180
LNBD 0.061154 0.291397 0.209865 0.8352
LNIK -6.845815 12.16358 -0.562812 0.5777
TPT -0.060807 0.092519 -0.657244 0.5160
TK 0.003659 0.035789 0.102224 0.9193

Uji Hausman

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 2.795120 5 0.7315

Uji Multikolinearitas
LNAPS LNBD LNIK TPT TK
LNAPS 1.000000 0.081025 0.394375 0.485706 -0.592520
LNBD 0.081025 1.000000 0.205627 0.042949 -0.330229
LNIK 0.394375 0.205627 1.000000 0.159719 -0.103506
TPT 0.485706 0.042949 0.159719 1.000000 -0.634914
TK -0.592520 -0.330229 -0.103506 -0.634914 1.000000
 DAFTAR GAMBAR

Gambar 1 1 Provinsi Daerah Istimewa Yogyakarta ..................................................................... 12

Gambar 1 2Grafik Pertumbuhan Ekonomi DIY ........................................................................... 13

Gambar 1 3Tingkat Kemiskinan Kabupaten/ Kota di Provinsi DIY ............................................ 14

Gambar 1 4 Indeks Gini Kabupaten/ Kota di Provinsi DIY ......................................................... 14

Gambar 2 1 Indeks Gini ................................................................................................................ 18

Gambar 3 1 Uji Normalitas ........................................................................................................... 29

 DAFTAR LAMPIRAN

Lampiran 1 Hasil PPGI .................................................................................................................36

Lampiran 2 Hasil PEGR ...............................................................................................................36
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Daerah Istimewa Yogyakarta (DIY) merupakan provinsi yang paling tua nomor dua di
negara merah putih ini, Indonesia setelah provinsi Jawa Timur yang berada di posisi pertama.
DIY dikenal memiliki status istimewa atau otonomi khusus. Status ini ialah sebuah warisan
nenek moyang yang sudah ada sejah zaman dahulu sebelum Indonesia merdeka. Kesultanan di
Yogyakarta dan juga Kadipaten Paku Alaman, sebagai asal muasal provinsi DIY. Kota
Yogyakarta dikenal sebagai ibukota Provinsi DIY yang perekonomiannya berpacu pada sektor
sekunder dan tersier seperti industri pengolahan, restoran, perdagangan, keuangan, hotel,
telekomunikasi, perusahaan jasa, tranportasi, dan lain sebagainya. Dari waktu ke waktu,
berjalannya perkembangan kota Yogyakarta selalu bergandengan dengan laju struktur
perekonomian.

Gambar 1. Provinsi Daerah Istimewa Yogyakarta

Gambar 1 1 Provinsi Daerah Istimewa Yogyakarta

Sumber: Wordpress

Kemudian, Provinsi DIY mempunyai beragam potensi budaya, baik budaya yang
tangible (fisik) maupun yang intangible (non-fisik). Potensi budaya yang tangible antara lain
kawasan cagar budaya, dan benda cagar budaya sedangkan potensi budaya yang intangible
seperti gagasan, sistem nilai atau norma, karya seni, sistem sosial atau perilaku sosial yang ada
dalam masyarakat. Budaya-budaya tersebut lah yang meningkatkan daya tarik Provinsi DIY
pada sektor pariwsita. Tidak hanya itu, tingkat pendidikan di daerah Provinsi DIY termasuk
salah satu yang terbaik di Indonesia, sehingga Yogyakarta di kenal sebagai kota pelajar. Hal-
hal diatas, seperti tingkat pendidikan, kemiskinan, pariwisata, kesejahteraan, dan kesehatan
yang melatarbelakangi kelompok kami untuk menggunakan data pada Provinsi DIY sebagai
bahan analisis kami untuk mengetahui hasil dari PPGI (Pro-Poor Growth Index) dan PEGR
(Poverty-Equivalent Growth Rate). Berikut adalah data pertumbuhan ekonomi kabupaten/kota
di provinsi DIY pada tahun 2015-2020:

Gambar 2. Grafik Pertumbuhan Ekonomi DIY

Gambar 1 2Grafik Pertumbuhan Ekonomi DIY

Sumber: BPS, 2015-2020.
Berdasarkan data di atas, laju pertumbuhan ekonomi kabupaten/ kota, Bantul, Gunung
Kidul, Sleman, Yogyakarta cukup stabil pada tahun 2015-2019, sedangkan Kulon Progo
mengalami kenaikan yang signifikan pada tahun 2017-2019. Namun pada tahun 2020,
pertumbuhaan ekonomi kabupaten/ kota di Provinsi DIY mengalami penurunan yang drastis
hingga minus. Hal ini disebabkan dari adanya pandemi Covid-19 yang melanda.
Dengan adanya aktivitas laju perekonomian di Provinsi DIY, pastinya lekat dengan
adanya berbagai faktor yang mempengaruhi tingkat pertumbuhan ekonomi. Faktornya seperti
tingkat penduduk miskin yang ada di Provinsi DIY. Tingkat kemiskinan tak bisa lepas dari laju
pertumbuhan perekonomian yang mengakibatkan kemorosotan perekonomian. Untuk
menangani permasalahan kemiskinan, maka pemerintah harus melakukan berbagai program
untuk mengentaskan kemiskinan agar perekonomian di Provinsi DIY agar dapat stabil dan
baik. Penduduk miskin sendiri merupakan penduduk yang biasanya mempunyai rata-rata
pengeluaran per kapita perbulan dibawah Rp. 482.855 menurut angka garis kemiskinan di
Provinsi Daerah Istimewa Yogyakarta.
 Gambar 3. Tingkat Kemiskinan Kabupaten/ Kota di Provinsi DIY

Gambar 1 3Tingkat Kemiskinan Kabupaten/ Kota di Provinsi DIY

Sumber: BPS, 2015-2020.

Gambar 4. Indeks Gini Kabupaten/ Kota di Provinsi DIY

Gambar 1 4 Indeks Gini Kabupaten/ Kota di Provinsi DIY

Sumber: BPS, 2015-2020.

Jika dilihat pada Gambar 3, pada tahun 2015, persentase tertinggi dipegang oleh
Kabupaten Gunung Kidul sebesar 21,73% dan persentase terendah dipegang oleh Kota
Yogyakarta sebesar 8.75%. Untuk tahun 2016, persentase tertinggi dipegang oleh Kabupaten
Kulonprogo sebesar 20.30% dan presentase terendah dipegang oleh Kota Yogyakarta sebesar
7.70%. Untuk tahun 2017, persentase tertinggi dipegang oleh Kulonprogo sebesar 20.03% dan
persentase terendah dipegang oleh Kota Yogyakarta sebesar 7.64%. Untuk tahun 2018,
persentase tertinggi dipegang oleh Kabupaten Kulonprogo sebesar 18.30% dan persentase
terendah dipegang oleh Kota Yogyakarta sebesar 6.98%. Untuk tahun 2019, persentase
tertinggi dipegang oleh Kabupaten Kulonprogo sebesar 17.39% dan persentase terendah
dipegang oleh Kota Yogyakarta sebesar 6.84%. Lalu untuk tahun 2020, persentase tertinggi
dipegang oleh Kabupaten Kulonprogo sebesar 18.01% dan persentase terendah dipegang oleh
Kota Yogyakarta sebesar 7.27%. Jika dilihat kembali di gambar 3, dari tahun 2015-2019 selalu
mengalami penurunan tingkat kemiskinan, akan tetapi di tahun 2020 mengalami peningkatan
tingkat kemiskinan yang disebabkan oleh adanya pandemi Covid-19 yang berimbas pada
perekonomian di seluruh kabupaten maupun kota yang ada di Provinsi Daerah Istimewa
Yogyakarta. Adanya Covid-19, banyak sekali sektor-sektor yang mengalami krisis ekonomi
karena adanya kebijakan PSBB (Pembatasan Sosial Berskala Besar) dan kebijakan PPKM
(Pemberlakuan Pembatasan Kegiatan Masyarakat). Dengan berbagai kebijakan untuk menjaga
jarak sosial, maka sangat menghambat aktivitas perekonomian di masyarakat yang akhirnya
perekonomian di Provinsi Daerah Istimewa Yogyakarta mengalami gangguan dan
kemerosotan.
 BAB II
LANDASAN TEORI DAN KAJIAN PUSTAKA PEMBAHASAN

2.1 Pertumbuhan Ekonomi

Kuznet (2012), mendefinisikan pertumbuhan ekonomi sebagai kenaikan jangka
panjang dalam kemampuan suatu negara untuk menyediakan semakin banyak jenis barang-
barang ekonomi kepada penduduknya, kemampuan ini tumbuh sesuai dengan kemajuan
teknologi dan penyesuaian kelembagaan dan ideologis yang diperlukannya. Derfinisi ini
memiliki 3 komponen utama yaitu pertama, pertumbuhan ekonomi suatu bangsa terlihat dari
meningkatnya secara terus-menerus persediaan barang. Kedua, teknologi maju merupakan
faktor dalam pertumbuhan ekonomi yang menentukan derajat pertumbuhan ekonomi dalam
penyediaan aneka macam barang kepada penduduk. Ketiga, penggunaan teknologi secara luas
dan efisien memerlukan adanya penyesuaian dibidang kelembagaan dan ideologi sehingga
inovasi yang dihasilkan oleh ilmu pengetahuan umat manusia dapat dimanfaatkan secara tepat.
Pertumbuhan ekonomi yang tinggi dan prosesnya yang berkelanjutan merupakan
kondisi utama bagi kelangsungan pembangunan ekonomi (Tambunan, 2001). Pertumbuhan
ekonomi menunjukkan sejauh mana aktivitas perekonomian akan menghasilkan tambahan
pendapatan masyarakat pada suatu periode tertentu. Dengan kata lain, perekonomian dikatakan
mengalami pertumbuhan bila pendapatan riil masyarakat pada tahun tertentu lebih besar dari
pada pendapatan riil masyarakat pada tahun sebelumnya. Dalam pengertian ekonomi makro,
pertumbuhan ekonomi adalah penambahan Produk Domestik Bruto (PDB), yang berarti
peningkatan Pendapatan Nasional/ PN (Taambunan. 2001).
Pertumbuhan ekonomi, ketimpangan distribusi pendapatan, dan kemiskinan memiliki
hubungan saling ketergantungan antara satu dengan yang lain. Todaro & Smith, menyatakan
bahwa setinggi apapun pendapatan nasional per kapita dan pertumbuhan yang dicapai suatu
negara selama distribusi pendapatan tidak berjalan merata maka tingkat kemiskinan akan
tinggi. Sebaliknya, meskipun distribusi pendapatan telah berjalan merata jika pendapatan
nasional per kapita dan pertumbuhan rendah maka kemiskinan juga akan meluas. Bourguignon,
juga menyatakan bahwa pengurangan kemiskinan akan mampu berjalan lebih efektif jika
pertumbuhan yang dihasilkan diimbangi dengan distribusi pendapatan yang lebih merata.
Permasalahan yang terjadi bukan hanya bagaimana menumbuhkan perekonomian, namun juga
bagaimana memaksimalkan kualitas dari pertumbuhan yang dihasilkan. Konsep dasar
pertumbuhan ekonomi adalah peningkatan hasil kegiatan ekonomi seluruh unit ekonomi dalam
suatu wilayah atau bisa juga dikatakan pertumbuhan ekonomi suatu wilayah adalah
peningkatan Produk Domestik Regional Bruto (PDRB) dimana produk atau hasil kegiatan
ekonomi dari seluruh unit ekonomi domestik adalah dalam wilayah kekuasaan atau
administratif seperti negara, provinsi, atau kabupaten.

2.2 Kemiskinan
Fenomena kemiskinan merupakan sesuatu yang kompleks, dalam arti tidak hanya
berkaitan dengan dimensi ekonomi saja tetapi juga dengan dimensi-dimensi lain diluar
ekonomi. Namun selama ini kemiskinan lebih sering dikonsepsikan dalam konteks
ketidakcukupan pendapatan dan harta (lack of income and assets) untuk memenuhi kebutuhan-
kebutuhan dasar seperti pangan, sandang, perumahan, pendidikan dan kesehatan, yang mana
semuanya berada dalam lingkup dimensi ekonomi. Menurut Sen, kemiskinan adalah kegagalan
untuk berfungsinya beberapa kapabilitas dasar atau dengan kata lain seseorang dikatakan
miskin jika kekurangan kesempatan untuk mencapai/mendapatkan kapabilitas dasar ini. Sen
menyatakan bahwa kemiskinan jangan dianggap hanya sebagai pendapatan rendah (low
income), tetapi harus dianggap sebagai ketidakmampuan kapabilitas (capability handicap).
Kemiskinan dapat di definisiaakan secara konseptual, yaitu kemiskinan absolut dan
kemiskinan relatif. Kemiskinan absolut adalah sejumlah penduduk yang tidak mampu
mendapatkan sumber daya yang cukup untuk memenuhi kebutuhan dasar (Todaro & Smith,
2006). Kemiskinan secara absolut ditentukan berdasarkan ketidakmampuan seseorang untuk
mendapatkan sumber daya yang cukup untuk memenuhi kebutuhan pokok minimum seperti
pangan, sandang, kesehatan, perumahan dan pendidikan yang diperlukan untuk bisa hidup dan
bekerja. Kebutuhan pokok minimum diterjemahkan sebagai ukuran finansial dalam bentuk
uang. Nilai kebutuhan minimum kebutuhan dasar tersebut dikenal dengan istilah garis
kemiskinan. Dengan demikian, maka penduduk dikatakan miskin secara absolut jika
pendapatannya di bawah garis kemiskinan. Garis kemiskinan absolut "tetap (tidak berubah)"
dalam hal standar hidup, garis kemiskinan absolut mampu membandingkan kemiskinan secara
umum. Namun demikian, antara negara yang satu dengan lainnya memiliki garis kemiskinan
yang berbeda. Berdasarkan hal tersebut, World Bank menetapkan garis kemiskinan
internasional agar dapat membandingkan angka kemiskinan antar negara.

2.3 Distribusi Pendapatan

Menurut Sukirno (2006), pada dasarnya distribusi pendapatan merupakan suatu konsep
yang membahas tentang penyebaran pendapatan setiap orang atau rumah tangga dalam
masyarakat. Terdapat dua konsep pokok mengenai pengukuran distribusi pendapatan, yaitu
konsep ketimpangan absolut dan konsep ketimpangan relatif. Konsep ketimpangan absolut
merupakan konsep pengukuran ketimpangan yang menggunakan parameter dengan suatu nilai
mutlak (Sukirno, 2006). Sedangkan konsep ketimpangan relatif merupakan konsep pengukuran
ketimpangan distribusi pendapatan yang membandingkan besarnya pendapatan yang diterima
oleh seseorang atau sekelompok anggota masyarakat dengan besarnya total pendapatan yang
diterima oleh masyarakat secara keseluruhan (Sukirno, 2006). Alesina & Rodrik, dalam Hajiji
menyatakan bahwa ketimpangan pendapatan akan menghambat pertumbuhan. Hal ini karena
ketimpangan menyebabkan kebijakan redistribusi pendapatan yang tentunya akan mahal.

Gambar 5. Indeks Gini

Gambar 2 1 Indeks Gini

Indeks Gini adalah murni ukuran statistik untuk variabilitas dan ukuran normatif untuk
mengukur ketimpangan. Wodon & Yitzhaki, mengungkapkan kelebihan utama indeks Gini,
yaitu:
a. Sebagai ukuran statistik untuk variabilitas, Indeks Gini bisa digunakan untuk menghitung
pendapatan negatif, ini adalah salah satu sifat yang tidak dimiliki oleh sebagian ukuran
ketimpangan.
b. Indeks Gini juga bisa digambarkan secara geometris sehingga lebih mudah untuk diamati
dan dianalisis.
c. Indeks Gini memiliki dasar teori yang kuat. Sebagai indeks normatif, indeks Gini bisa
merepresentasikan teori kemiskinan relatif. Indeks Gini juga bisa diturunkan sebagai
ukuran ketimpangan berdasarkan aksioma-aksioma keadilan sosial.

2.4 Pro-Poor Growth

Konsep pro-poor growth berkaitan dengan hubungan tiga elemen; kemiskinan,
pertumbuhan dan ketimpangan oleh Kakwani & Son (2006), yang digambarkan dalam bentuk
“Poverty Growth-Inequality Triangle” (Bourguignon, 2004). Perubahan kemiskinan
merupakan fungsi dari pertumbuhan, distribusi dan perubahan distribusi dengan asumsi
distribusi pendapatan per kapita mengikuti distribusi log normal. Lopez (2011), merangkum
setidaknya ada dua definisi umum tentang pro-poor growth. Definisi kelompok pertama
dikemukakan oleh White & Anderson (2000), pertumbuhan disebut pro-poor jika tingkat
pertumbuhan pendapatan kaum miskin lebih besar dari rata- rata tingkat pertumbuhan yang
terjadi, sehingga ketimpangan relatif akan turun seiring dengan adanya pertumbuhan yang
propoor. Definisi kelompok kedua dikemukakan oleh Ravallion & Chen (2003), pertumbuhan
adalah pro-poor jika menurunkan tingkat kemiskinan. Selama terjadi penurunan kemiskinan,
pertumbuhan tetap disebut pro-poor meskipun faktanya kaum miskin hanya mendapatkan
sebagian kecil dari manfaat pertumbuhan secara proporsional (Kakwani & Son, 2006). Di
Indonesia, kajian pro-poor growth pernah dilakukan oleh (La Ksani, 2010); Pafrida, 2010).
Dengan menggunakan model persamaan regresi simultan yang dikembangkan oleh Wodon
(1999), mereka berkesimpulan bahwa pertumbuhan secara signifikan telah mempengaruhi
pengurangan kemiskinan, akan tetapi nilai elastisitas kemiskinan terhadap pertumbuhan
ekonomi tergolong rendah.
a. Pro-poor Growth Index (PPGI)
Kakwani dan Pernia menyatakan bahwa konsep pro poor growth pertama kali
diperkenalkan pada era 1950-an dan kemudian dipertegas oleh Chenery (1974). Konsep
pro poor growth juga secara implisit dijelaskan dalam World Development Report 1990.
Indeks ini memiliki beberapa kelebihan, antara lain:
i. Data yang diperlukan tidak terlalu sulit, sehingga mudah dihitung.
ii. Indeks ini dapat digunakan untuk memformulasikan kebijakan-kebijakan pro-poor
pada tingkat makro dan mikro.
iii. Indeks ini bisa dihitung menurut sektor ekonomi ataupun wilayah.
Identifikasi pro-poor growth di Indonesia akan dilakukan menggunakan analisis
pengaruh pertumbuhan ekonomi terhadap ketimpangan pendapatan dan tingkat
kemiskinan. Dalam menganalisis mengenai keterkaitan pertumbuhan ekonomi dan
ketimpangan pendapatan terhadap kemiskinan, penulis menggunakan konsep PPGI. Untuk
mendapatkan PPGI penulis menganalisis terlebih dahulu pengaruh pertumbuhan ekonomi
terhadap ketimpangan, pengaruh pertumbuhan ekonomi terhadap kemiskinan. Identifikasi
melalui analisa data panel melalui perhitungan pengaruh pada kemiskinan
b. Poverty Equivalent Growth Rate (PEGR)
 Salah satu metode dalam mengukur pertumbuhan inklusif, dikembangkan oleh
(Klasen, 2010). Metode tersebut diadaptasi dari metode penelitian pro-poor growth yang
pernah dilakukan oleh Kakwani & Son (2008), yaitu konsep Poverty Equivalent Growth
Rate (PEGR). Dalam metode PEGR, ukuran kemiskinan dimisalkan sebagai fungsi dari
garis kemiskinan (z), rata-rata pendapatan (μ), dan kurva Lorenz (L(p)) inklusif sebagai
pertumbuhan untuk kelompok kurang beruntung. Dalam penghitungan PEGR sendiri
terdapat 2 metode, yaitu dengan menggunakan teknik analisis secara ex-ante dan postante.
Menggunakan teknik analisis secara ex-ante diterapkan berdasarkan asumsi bahwa
perubahan ketidakmerataan pendapatan hanya berlangsung dengan cara terjadi pergeseran
secara proporsional dan konstan di semua titik pada kurva Lorenz. Padahal pergeseran
kurva Lorenz dapat disebabkan banyak hal, sehingga metode penghitungan PEGR secara
ex-ante ini tidak mungkin untuk dilakukan. Metode penghitungan PEGR dengan
menggunakan teknik analisis ex-post dilakukan untuk mengatasi permasalahan
penghitungan secara ex-ante, yaitu dengan cara membandingkan keadaan kemiskinan,
distribusi pendapatan (kurva Lorenz) dan rata-rata pendapatan penduduk pada awal periode
dengan keadaan pada akhir periode.

2.5 Faktor-Faktor Yang Memengaruhi

Ada beberapa faktor yang memengaruhi dalam penelitian ini, yaitu jumlah penduduk,
laju PDRB, rata-rata pendapatan, angka partisipasi sekolah, dan belanja daerah.
a. Jumlah penduduk
Penduduk adalah sejumlah manusia baik secara individu maupun kelompok yang
menempati wilayah atau negara tertentu minimal dalam jangka waktu satu tahun pada saat
dilaksanakan pendataan atau sensus penduduk. Menurut adam smith menganggap bahwa
jumlah penduduk merupakan input yang poensial yang dapat di gunakan sebagai faktor
produksi untuk meningkatkan produksi suatu rumah tangga perusahaan. Semakin banyak
penduduk maka semakin banyak pula tenaga kerja yang dapat di gunakan. Sedangkan
menurut David Ricardo pertumbuhan penduduk yang terlalu besar hingga 2 kali lipat bisa
menyebabkan melimpahnya tenaga kerja. Tenaga kerja yang melimpah menyebabkan upah
yang diterima menurun, di mana upah tersebut hanya bisa untuk membiayai tingkat hidup
minimum (subsistence level). Pada taraf ini, perekonomian mengalami stagnas
(kemandekan) yang disebut Stationary State. Penduduk merupakan unsur penting dalam
kegiatan ekonomi serta tenaga kerja, tenaga ahli, pimpinan perusahaan tenaga kerja
usahawan dalam menciptakan kegiatan ekonomi.
b. PDRB
Produk Domestik Regional Bruto adalah jumlah nilai tambah bruto yang timbul dari
seluruh sektor perekonomian di daerah tersebut. Menghitung PDRB bertujuan untuk
membantu membuat kebijakan daerah atau perencanaan, evaluasi hasil pembangunan,
memberikan informasi yang dapat menggambarkan kinerja perekonomian daerah. Menurut
Todaro (2002), PDRB adalah nilai total atas segenap output akhir yang dihasilkan oleh
suatu perekonomian di tingkat daerah (baik itu yang dilakukan oleh penduduk daerah
maupun penduduk dari daerah lain yang bermukim di daerah tersebut). Angka PDRB
sangat diperlukan dan perlu disajikan, karena selain dapat dipakai sebagai bahan analisa
perencanaan pembangunan juga merupakan barometer untuk mengukur hasil-hasil
pembangunan yang telah dilaksanakan.
c. Angka Partisipasi Sekolah
APS sebagai salah satu indikator keberhasilan pembangunan layanan pendidikan di
suatu wilayah baik Provinsi, Kabupaten atau Kota di Indonesia. Semakin tinggi nilai APS,
maka daerah tersebut dianggap berhasil menyelenggarakan layanan akses pendidikan.
Angka Partisipasi Sekolah merupakan ukuran daya serap sistem pendidikan terhadap
penduduk usia sekolah (BPS, 2014). Menurut Todaro dan Smith (2012), pendidikan
merupakan hal mendasar untuk meningkatkan kualitas hidup manusia dan menjamin
kemajuan sosial dan ekonomi. Kemiskinan memiliki kaitan erat dengan pendidikan yang
tidak memadai. Capaian jenjang pendidikan yang lebih tinggi berkaitan dengan konsumsi
rumah tangga yang lebih tinggi. Koefisien korelasi parsial pada umumnya lebih tinggi di
daerah perkotaan dibandingkan dengan daerah pedesaan, baik bagi kepala rumah tangga
maupun anggota keluarga lainnya. Hal ini menunjukkan bahwa rumah tangga di daerah
perkotaan memperoleh manfaat yang jauh lebih besar dibandingkan dengan rumah tangga
di daerah pedesaan untuk setiap tambahan tahun pendidikan.
d. Belanja Daerah
Pengeluaran dan penerimaan daerah disebut Anggaran Pendapatan dan Belanja
Daerah (APBD) yang merupakan rencana keuangan tahunan pemerintah daerah yang
dibahas dan disetujui bersama oleh pemerintah daerah dan Dewan Perwakilan Rakyat
Daerah (DPRD), dan ditetapkan dengan peraturan daerah. Tujuan dan fungsi APBD pada
prinsipnya, sama dengan tujuan dan fungsi APBN. APBD terdiri dari pendapatan daerah,
belanja daerah dan pembiayaan daerah. Belanja daerah biasanya direalisasikan digunakan
untuk belanja pegawai, barang dan jasa, dan untuk belanja modal. Tiga komponen APBD
yaitu belanja daerah, pendapatan daerah dan pembiayaan daerah, sangat mempengaruhi
keberhasilan perekonomian suatu daerah, Jika ketiganya diolah dengan baik maka akan
memberikan dampak yang baik pula bagi perekonomian daerah.
Belanja daerah dikelompokkan menjadi dua jenis yaitu belanja tidak langsng dan
belanja langsung belnja tidak langsung belanja pegawai, belanja bunga, belanja subsidi,
belanja hibah, belanja bantuan sosial belanja bagi hasi kepada provinsi/ kabupaten dan
pemerintah desa, belanja bantuan keuangan kepada propinsi/kabupaten dan pemerintah
desa. Sedangkan Belanja Langsung meliputi belanja pegawai barang dan jasa, Belanja
Modal. Untuk meningkatkan belanja daerah, jumlah Produk Domestik Reginal Bruto
(PDRB) harus besar. Karena smakin besar PDRB, maka akan semakin besar pula
pendapatan yang diterima oleh kabupaten/ kota dengan semakin besar pendapatan yang
diperoleh daerah, maka pengalokasian belanja oleh pemerintah pusat akna lebih besar
untuk meningkatkan berbagai potensi lokal di daerah tersebut untuk kepentingan pelayanan
publik (Lin & Lun 2000).
 BAB III
PEMBAHASAN

3.1 Faktor yang Mempengaruhi Pertumbuhan Ekonomi

Dengan adanya aktivitas laju perekonomian di Daerah Istimewa Yogyakarta (D.I.Y),
pastinya lekat dengan adanya berbagai faktor yang mempengaruhi tingkat pertumbuhan
ekonomi. Faktornya seperti tingkat penduduk miskin yang ada di wilayah Daerah Istimewa
Yogyakarta. Tingkat kemiskinan tak bisa lepas dari laju pertumbuhan perekonomian yang
mengakibatkan kemorosotan perekonomian.
Untuk menangani permasalahan kemiskinan, maka pemerintah harus melakukan
berbagai program untuk mengentaskan kemiskinan agar perekonomian di Daerah Istimewa
Yogyakarta agar dapat stabil dan baik. Penduduk miskin sendiri merupakan penduduk yang
biasanya mempunyai rata-rata pengeluaran per kapita perbulan dibawah Rp. 482.855 menurut
angka garis kemiskinan di Provinsi Daerah Istimewa Yogyakarta.

Pendapatan Per Kapita (%)

Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 22.76 23.59 24.51 25.68 27.01 25.94
Kulonprogo 15.28 15.80 16.54 18.10 20.29 19.23
Bantul 16.08 16.65 17.28 17.98 18.72 18.17
Gunung Kidul 15.63 16.19 16.79 17.44 18.15 17.81
Sleman 24.13 25.03 26.00 27.28 36.52 27.16
Yogyakarta 54.40 56.44 58.64 61.07 63.89 61.56
Sumber: BPS PDRB ADHK, BPS Jumlah Penduduk
Tabel 1. Pendapatan Per Kapita di Provinsi Daerah Istimewa Yogyakarta

Untuk mendapatkan hasil dari pendapatan per kapita, dengan cara PDRB atas dasar
harga konstan dibagi dengan jumlah penduduk di tiap kota dan kabupaten yang ada di Provinsi
Daerah Istimewa Yogyakarta.
Pendapatan per kapita = PDRB : Jumlah Penduduk
(1)
Jika dilihat dari tabel 1, pendapatan per kapita di tiap kabupaten dan kota di Provinsi
Daerah Istimewa Yogyakarta mengalami peningkatan dari tahun 2015 hingga tahun 2019. Akan
tetapi mengalami penurunan pada tahun 2020 yang disebabkan oleh pandemi Covid-19. Jika
dilihat dari tabel 2 dan tabel 3, pasti selalu mengalami penurunan, dikarenakan ditahun 2020
adalah tahun dimana pandemi Covid-19 mulai menyebar dan mengacaukan aktivitas
perekonomian nasional bahkan global.
 Gini Rasio (%)
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
Sleman 0.45 0.39 0.41 0.42 0.42 0.42
Kulonprogo 0.37 0.37 0.39 0.37 0.36 0.38
Bantul 0.38 0.4 0.41 0.45 0.42 0.44
Gunungkidul 0.33 0.34 0.34 0.34 0.33 0.35
Yogyakarta 0.44 0.43 0.45 0.42 0.37 0.42
Sumber: BPS, Rasio Gini
Tabel 2. Rasio Gini Wilayah di Provinsi Daerah Istimewa Yogyakarta

Data rasio gini pada tabel 2, berfungsi untuk mengetahui apakah distribusi penduduk
rata atau tidaknya. Manfaat dari rasio gini sendiri untuk mengkalkulasi tingkat ketimpangan
pendapat secara universal (menyeluruh).

Tingkat Pengangguran (%)

Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 4.07 2.72 3.02 3.35 3.14 4.57
Kulonprogo 3.72 1.99 1.49 1.80 3.71
Bantul 3.00 3.12 2.72 3.06 4.06
Gunungkidul 2.90 1.65 2.07 1.92 2.16
Sleman 5.37 3.51 4.40 3.93 5.09
Yogyakarta 5.52 5.08 6.22 4.80 9.16
Sumber: BPS
Tabel 3. Persentase Tingkat Pengangguran di Provinsi Daerah Istimewa Yogyakarta

Pada tabel 3, untuk mengetahui tingkat kemiskinan di tiap kabupaten atau kota di
Provinsi Daerah Istimewa Yogyakarta di setiap tahunnya. Untuk mengetahui apakah
pengangguran itu mengalami kenaikan atau penurunan. Tingkat pengangguran sendiri juga
dapat diketahui jika lapangan pekerjaan di wilayah tersebut masih terbilang masih sempit
sehingga masih muncul pengangguran. Oleh karena itu, pemerintah harus membuat program
atau menciptakan lapangan pekerjaan agar mengentaskan tingkat pengangguran.

Indeks Keparahan Kemiskinan (%)

Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 0.83 0.59 0.55 0.50 0.38 0.46
Kulonprogo 1.24 1.00 0.64 0.56 0.61 0.86
Bantul 0.89 0.41 0.56 0.46 0.43 0.43
Gunungkidul 1.33 1.30 0.79 1.16 0.53 0.63
Sleman 0.37 0.34 0.28 0.20 0.23 0.33
Yogyakarta 0.23 0.19 0.48 0.34 0.20 0.28
Sumber: BPS
 Tabel 4. Indeks Keparahan Kemiskinan di Provinsi Daerah Istimewa Yogyakarta

Pada tabel 4, menunjukan seberaapa parah tingkat kemiskinan yang ada di kota maupun
kabupaten di Provinsi Yogyakarta. Setiap kota maupun kabupaten pastinya mengalami naik-
turun tingkat keparahan di tahun-tahun yang berbeda. Misalkan di Kabupaten Kulonprogo pada
tahun 2018-2019 mengalami kenaikan dari 0.56 naik menjadi 0.61, sedangkan di Kabupaten
Bantul pada tahun 2018-2019 mengalami penurunan dari 0.46 turun menjadi 0.43.

Indeks Kedalaman Kemiskinan (%)

Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 2.93 2.30 2.19 2.07 1.74 1.94
Kulonprogo 4.16 3.55 2.79 2.47 2.72 3.22
Bantul 3.16 2.02 2.21 2.17 1.87 1.85
Gunungkidul 4.55 4.16 3.36 3.84 2.58 2.68
Sleman 1.46 1.36 1.23 0.98 1.13 1.37
Yogyakarta 1.06 1.05 1.58 1.38 0.85 1.19
Sumber: BPS
Tabel 5. Indeks Kedalaman Kemiskinan di Provinsi Daerah Istimewa Yogyakarta

Indeks keparahan kemiskinan untuk mengetahui distribusi pengeluaran didalam

penduduk miskin. Semakin tinggi indeksnya maka semakin tinggi pula ketimpangan
pengeluaran pada penduduk miskin. Sedangkan indeks kedalaman kemiskinan untuk
mengukur raa-rata kesenjangan pengeluaran tiap penduduk miskin pada garis kemiskinan.
Semakin tinggi nilai indeksnya maka semakin jauh pula rata-rata pengeluaran penduduk dari
garis kemiskinan.

Angka Partisipas Sekolah (%)

Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
D.I. Yogyakarta 86.78 87.20 87.61 88.39 88.97 88.53
Kulonprogo 90.33 91.81 85.80 86.51 87.92 87.60
Bantul 85.77 88.48 91.15 86.81 87.02 82.92
Gunungkidul 77.18 76.81 82.31 82.45 81.63 90.81
Sleman 89.91 90.56 86.38 89.50 90.77 96.26
Yogyakarta 92.16 86.17 92.82 98.32 97.72 88.95
Sumber: BPS
Tabel 6. Angka Partisipas Sekolah (16-18 Tahun) di Provinsi Daerah Istimewa
Yogyakarta

Pada tabel 6, dapat di Analisa jika pertumbuhan Angka Partisipasi Sekolah (APS) dari
tahun 2015 hingga 2019 selalu mengalami naik-turun yang tidak terlalu signifikan. Semakin
 tinggi angkanya maka semakin tinggi pula siswa-siswi yang bersekolah pada jenjang SMA
(Sekolah Menengah Atas).

Rata-rata Pendapatan
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
Kulon Progo Rp.670.192 Rp.719.189 Rp.720.906 Rp.805.608 Rp.904.900 Rp.940.501
Bantul Rp.855.399 Rp.975.242 Rp.1.024.607 Rp.1.210.743 Rp.1.262.103 Rp.1.366.416
Gunungkidul Rp.541.114 Rp.671.115 Rp.763.446 Rp.840.575 Rp.823.899 Rp.878.379
Sleman Rp.1.177.082 Rp.1.379.839 Rp.1.514.460 Rp.1.659.707 Rp.1.728.444 Rp.1.792.911
Kota Yogyakarta Rp.1.325.612 Rp.1.465.403 Rp.1.423.537 Rp.1.802.459 Rp.1.745.570 Rp.1.829.863
Prov. D.I.
Yogyakarta Rp.928.602 Rp.1.070.962 Rp.1.140.167 Rp.1.302.661 Rp.1.339.726 Rp.1.411.971
Sumber: BPS
Tabel 7. Rata-rata Pendapatan di Provinsi Daerah Istimewa Yogyakarta
Pada tabel 7, dapat terlihat bahwa rata-rata pendapatan di kota maupun kabupaten di
Provinsi Yogyakarta pada tiap tahun selalu berbeda. Ada yang selalu naik dan ada juga yang
turun lalu naik lagi. Faktornya dapat berupa kontraksi atau berubahnya jumlah penduduk.

3.2 Uji Regresi Data Panel

Dalam analisis regresi data panel, ada beberapa langkah yang dapat dilakukan dalam
uji pemilihan model. Pertama, berikut adalah hasil dari estimasi Common Effect, Random
effect atau Fixed Effect. Hasil Analisa yang didapat PEGR (Provety Equivalent Growth Rate)
pada kota dan kabupaten yang ada di Provinsi DIY dapat dilihat pada tabel berikut ini:

Variable Coefficient Std. Error t-Statistic Prob.

C 745.4538 489.4143 1.523155 0.1403

LNAPS 2.865225 3.002995 0.954122 0.3492
LNBD 1.864468 1.621094 1.150130 0.2610
LNIK -180.0769 113.8176 -1.582153 0.1262
TPT 0.071542 0.148221 0.482673 0.6335
TK -0.097958 0.196040 -0.499685 0.6217

Sumber: Data diolah oleh Eviews

Table 8. Hasil Estimasi Fixed Effect
Pada tabel 8, yang merupakan hasil dari pendekatan fixed effect Provinsi DIY.
Pendekatan fixed effect ialah bahwa suatu objek pasti memiliki konstanta yang tetap
besarannya untuk berbagai periode waktu. Fixed effect berasumsi bahwa perbedaan antar
individu (cross section) mampu diakomodasi dari perbedaan intersepnya.

Variable Coefficient Std. Error t-Statistic Prob.

C 19.11931 46.50419 0.411131 0.6839

LNAPS 2.257548 2.646080 0.853167 0.4003
LNBD 0.061154 0.280485 0.218030 0.8289
LNIK -6.845815 11.70807 -0.584709 0.5631
TPT -0.060807 0.089054 -0.682815 0.5000
TK 0.003659 0.034449 0.106201 0.9161

Sumber: Data diolah oleh Eviews

Tabel 9. Hasil Estimasi Common Effect
Pada tabel 9, common effect merupakan salah satu model data panel yang
menggabungkan data time serries dan cross-effect. Model gabungan ini dianggap sebagai suatu
kesatuan pengamatan sehingga untuk mengestimasi parameter model ini dapat digunakan
Ordinary Least Square (OLS) Common effect juga dapat disebut sebagai pooled least square
model atau pooled regression yang merupakan salah satu model dalam regresi data panel yang
menggabungkan data time series dan cross-section. hasil uji Chow dengan menggunakan
Redundant Fixed Effects Tests untuk menentukan model yang digunakan apakah Common
Effect atau Fixed Effect sebagaimana tampak pada tabel di bawah:

Effects Test Statistic d.f. Prob.

Cross-section F 0.552023 (5,25) 0.7353

Cross-section Chi-square 3.770079 5 0.5830

Sumber: Data diolah oleh Eviews

Tabel 10. Hasil Uji Chow
Pada tabel 10, uji Chow berfungsi untuk mengetahui apakah model FEM lebih baik dari
model CEM. Uji ini untuk menguji signifikasi intersep αi apakah berbeda-beda pada masing-
masing sektor (FEM) ataukah tidak berbeda (CEM). Dengan membandingkan model Common
Effect dan Fixed Effect, dengan asumsi bahwa tingkat probabilitas di atas 0,05, maka dapat
dikatakan bahwa uji tersebut masuk ke dalam model Fixed Effect, akan tetapi jika tingkat
probabilitas di bawah 0,05, maka dapat dikatakan bahwa model uji tersebut masuk ke dalam
model common effect. Berdasarkan tingkat probabilitas di atas, dapat disimpulkan bahwa uji
tersebut termasuk ke dalam model fixed effect. Kemudian estimasi dilanjutkan dengan
membandingkan antara Fixed effect dan random effect.

Variable Coefficient Std. Error t-Statistic Prob.

C 19.11931 48.31349 0.395734 0.6951

LNAPS 2.257548 2.749029 0.821217 0.4180
LNBD 0.061154 0.291397 0.209865 0.8352
LNIK -6.845815 12.16358 -0.562812 0.5777
TPT -0.060807 0.092519 -0.657244 0.5160
TK 0.003659 0.035789 0.102224 0.9193

Sumber: Data diolah oleh Eviews

Tabel 11. Hasil Estimasi Random Effect
Pada tabel 11, fungsi dari model random effect sendiri dapat mengatasi kelemahan dari
model fixed effect yang menggunakan perubahan semu, sehingga model mengalami
ketidakpastian. Model ini menggunakan residual, yang dianggap dapat memiliki hubungan
antar time series dan cross-section. Tabel di atas adalah hasil estimasi random effect yang
nantinya akan digunakan untuk menentukan bahwa model yang di pakai apakah Fixed effect
atau random effect dengan melakukan uji Hausman.

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 2.795120 5 0.7315

Sumber: Data diolah oleh Eviews

Tabel 12. Hasil Uji Hausman
Kemudian tahap yang terakhir, dengan asumsi bahwa jika nilai probabilitas lebih besar
dari alpha 0,05, maka termasuk ke dalam model Random effect, begitupun sebaliknya apabila
kurang dari –0,05, maka termasuk ke dalam model fixed effect. Berdasarkan hasil olah data
diperoleh prob. Cross-section random sebesar 0,7315, maka dapat disimpulkan bahwa nilai
prob. lebih besar dibandingkan alpha 0,05 yang artinya uji tersebut masuk ke dalam model
random effect.
 Pada tabel 12, uji Hausman dapat dimaknai sebagai pengujian untuk memilih model
yang terbaik yaitu antara fixed effect model dengan random effect model. Uji ini disebut juga
Hausman Test yang merupakan uji yang digunakan untuk menentukan metode yang terbaik
antara fixed effect atau random effect.

LNAPS LNBD LNIK TPT TK

LNAPS 1.000000 0.081025 0.394375 0.485706 -0.592520

LNBD 0.081025 1.000000 0.205627 0.042949 -0.330229

LNIK 0.394375 0.205627 1.000000 0.159719 -0.103506

TPT 0.485706 0.042949 0.159719 1.000000 -0.634914

TK -0.592520 -0.330229 -0.103506 -0.634914 1.000000

Sumber: Data diolah oleh Eviews

Tabel 13. Uji Multikolinearitas

Pada tabel 13, uji Multikolinearitas biasa dilakukan untuk menguji apakah terdapat
korelasi antar variabel bebas dalam model regresi. Multikolinearitas berarti adanya hubungan
linier yang sempurna antara beberapa atau semua variabel yang menjelaskan model regresi
(Ajija, 2011).

Gambar 2. Uji Normalitas

Gambar 3 1 Uji Normalitas

Pada gambar 2, uji normalitas merupakan sebuah uji yang dilakukan dengan tujuan
menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut
berdistribusi normal atau tidak. Uji ini berguna untuk menentukan data yang telah
dikumpulkan berdistribusi normal atau diambil dari populasi normal.
 BAB IV
PENUTUP

4.1 Kesimpulan
Provinsi DIY (Daerah Istimewa Yogyakarta merupakan provinsi paling tua nomor 2 di
Indonesia setelah Provinsi Jawa Timur. Provinsi DIY memiliki banyak sekali daya Tarik yang
pastinya akan menarik banyak turis lokal maupun asing yang pastinya akan menyebabkan
terjadinya pertumbuhan perekonomian di Provinsi DIY.
Ada beberapa faktor dari naik turunnya tingkat pertumbuhan ekonomi, diantaranya
adalah tingkat kemiskinan, distribusi pendapatan, jumlah penduduk, tingkat PDRB (Produk
Domestik Regional Bruto), APS (Angka Partisipas Sekolah), besaran belanja daerah, tingkat
pengangguran, dan lain-lain.
Pertumbuhan ekonomi di Provinsi DIY dari tahun 2015 hingga tahun 2019 selalu
mengalami peningkatan. Akan tetapi di tahun 2020 mengalami kemorosotan yang sangat tajam
hingga mencapai angka dibawah 0 (mencapai titik minus). Sedangkan tingkat kemiskinan dari
tahun 2015 hingga 2019 mengalami penurunan. Ini menunjukan keberhasilan pemerintah
dalam menanggulangi tingkat kemiskinan. Akan tetapi di tahun 2020 terjadi lonjakan
kemiskinan. Pendapatan per kapita juga selalu mengalami peningkatan dari tahun 2015 hingga
2019 akan tetapi pada tahun 2020 mengalami penurunan.
Tahun 2020 adalah tahun dimana perekonomian negara mengalami kemerosotan yang
terbilang lumayan tajam. Alasannya adalah karena di tahun 2020 adalah tahun dimana pandemi
Covid-19 mulai meradang. Banyak berbagai sektor di setiap negara mengalami hambatan,
salah satunya adalah sektor ekonomi. Karena berbagai kebijakan pemerintah dalam
menganggulangi penyebaran Covid-19, maka pemerintah memberi aturan untuk menjaga jarak
seperti PSBB (Pembatasan Sosial Berskala Besar) dan PPKM (Pemberlakuan Pembatasan
Kegiatan Masyarakat). Dengan adanya kebijakan tersebut, maka sektor ekonomi mengalami
tersendat yang berimbas pada kemerosotan tingkat perekonomian dan meningkatnya
kemiskinan serta pengangguran.
Dalam melakukan uji regresi data panel, dengan melakukan perkiraan terhadap fixed effect.
Jika telah mendapatkan perkiraan, maka Langkah selanjutnya melakukan perkiraan terhadap
common effect yang diikuti dengan Uji Chow, perkiraan random effect, dan Uji Hausman. Lalu
melakukan Uji Multikolinearitas guna menguji apakah terdapat korelasi antar variabel bebas
dalam mode regresinya. Setelah itu tahap selanjutnya adalah Uji Normalitas untuk menentukan
data yang telah dikumpulkan berdistribusi normal atau diambil dari populasi normal.
 4.2 Rekomendasi
Menurut kami agar dapat menstabilkan perekonomian di Provinsi DIY, ialah
pemerintah dan swasta bisa bekerja sama untuk mengentaskan tingkat pengangguran dan
kemiskinan dengan berbagai macam kegiatan atau dengan membuka lapangan pekerjaan baru.
Dengan itu maka dapat menurunkan tingkat pengangguran dan kemiskinan.
Masyarakat juga dapat dengan bebas untuk melakukan berbagai macam kegiatan
ekonomi agar dapat meningkatkan perekonomiannya. Walaupun masyarakat dapat bebas
melakukan aktivitas ekonomi, pemerintah juga harus turun tangan untuk mengawasi jalannya
perekonomian di masyarakat agar tidak terjadi perilaku monopoli didalamnya.
Selain untuk masyarakat internal dari Provinsi DIY, pemerintah juga harus memberikan
inovasi menarik, baik sarana maupun prasarana agar dapat menarik banyak turis lokal maupun
asing. Ini juga dapat mampu memberikan dampak yang positif bagi perekonomian Provinsi
DIY agar bisa kembali seperti semula dan tidak mengalami krisis ekonomi.
 DAFTAR PUSTAKA

BPKP. (Tanpa Tahun). Sejarah Keistimewaan Yogyakarta. Badan Pengawasan Keuangan Dan
Pembangunan. https://www.bpkp.go.id/diy/konten/815/sejarah-keistimewaan-
yogyakarta
DPMP. (2015). Perekonomian Di Jogja. Kesempatan Berinvestasi Di Yogyakarta.
http://investasi.jogjakota.go.id/id/more/page/84/Perekonomian-di-Jogja
BAPPEDA DIY. (2022). Pengentasan Kemiskinan Daerah Istimewa Yogyakarta. Dataku.
http://bappeda.jogjaprov.go.id/dataku/infografik/kemiskinan
BPS. (2022). Persentase Penduduk Miskin Menurut Kabupaten/Kota, 2004-2021. Badan Pusat
Statistika Provinsi D.I. Yogyakarta.
https://yogyakarta.bps.go.id/indicator/23/142/1/persentase-penduduk-miskin-menurut-
kabupaten-kota.html
BPS. (2021). Laju Pertumbuhan PDRB Kota Yogyakarta Atas Dasar Harga Konstan 2010
Menurut Lapangan Usaha, 2010-2020. Badan Pusat Statistika Kota Yogyakarta.
https://jogjakota.bps.go.id/indicator/52/77/1/laju-pertumbuhan-pdrb-kota-yogyakarta-
atas-dasar-harga-konstan-2010-menurut-lapangan-usaha.html
BPS. (2022). Laju Pertumbuhan PDRB Kabupaten Sleman Atas Dasar Harga Konstan 2010
Menurut Lapangan Usaha, 2011-2021. Badan Pusat Statistika Kabupaten Sleman.
https://slemankab.bps.go.id/indicator/52/33/1/laju-pertumbuhan-pdrb-kabupaten-
sleman-atas-dasar-harga-konstan-2010-menurut-lapangan-usaha.html
BPS. (2022). [Seri 2010] Laju Pertumbuhan PDRB Atas Dasar Harga Konstan Menurut
Lapangan Usaha, 2010-2021. Badan Pusat Statistika Kabupaten Gunungkidul.
https://gunungkidulkab.bps.go.id/indicator/52/47/1/-seri-2010-laju-pertumbuhan-
pdrb-atas-dasar-harga-konstan-menurut-lapangan-usaha.html
BPS. (2022). Laju Pertumbuhan PDRB Kabupaten Bantul Atas Dasar Harga Konstan 2010
Menurut Lapangan Usaha, 2011-2021. Badan Pusat Statistik Kabupaten Bantul.
https://bantulkab.bps.go.id/indicator/52/40/1/laju-pertumbuhan-pdrb-kabupaten-
bantul-atas-dasar-harga-konstan-2010-menurut-lapangan-usaha.html
BPS. (2022). Laju Prtumbuhan PDRB Kabupaten Kulon Progo Atas Dasar Harga Konstan
Menurut Lapangan Usaha, 2011-2021. Badan Pusat Statistika Kabupaten Kulon Progo.
https://kulonprogokab.bps.go.id/indicator/52/319/1/laju-pertumbuhan-pdrb-
kabupaten-kulon-progo-atas-dasar-harga-konstan-menurut-lapangan-usaha.html
BPS. (2022). Gini Ratio Menurut Kabupaten/ Kota. Badan Pusat Statistika Provinsi D.I.
Yogyakarta. https://yogyakarta.bps.go.id/indicator/23/333/1/gini-ratio-menurut-
kabupaten-kota.html
BPS. (2021). Angka Partisipasi Sekolah (APS) 16-18 Tahun, 2010-2020. Badan Pusat Statistik
Kabupaten Gunung Kidul. https://gunungkidulkab.bps.go.id/indicator/28/149/1/angka-
partisipasi-sekolah-aps-16-18-tahun.html
Shintia, C. (2010). Analisis Pro-Poor Growth Di Indonesia Melalui Indentifikasi Pengaruh
Pertumbuhan Ekonomi Terhadap Ketimpangan Pendapatan Dan Kemiskinan. Depok.
Fakultas Ekonomi Dan Bisnis, Universitas Indonesia.
http://lontar.ui.ac.id/detail?id=131336&lokasi=lokal
Muthia, A. (2019). Analisis Pro-Poor Growth Melalui Identifikasi Pengaruh Pertumbuhan
Ekonomi Terhadap Ketimpangan Pendapatan Dan Kemiskinan Di Indonesia Tahun
2010-2015. Indonesian Journal Of Applied Statistic, 2(2), 67-79.
Wirfiana, N. (2021). Analisis Pertumbuhan Inklusif Dan Kemiskinan Di Indonesia. Skripsi, 1-
25. http://repository.unhas.ac.id/id/eprint/11933/2/A011171501_skripsi.pdf%201-
2.pdf
Susanto & Eno. (2022). Pengaruh Jumlah Penduduk Terhadap Konsumsi Rumah Tangga di
Provinsi Banten tahun 2016-2018.UIN SMH Banten.
http://repository.uinbanten.ac.id/id/eprint/7944
Pertiwi, D. (2017). Partisipasi Sekolah Jenjang Pendidikan Sekolah Menengah (SMA/ SMK)
Pada Rumah Tangga Petani Di Desa Karangmalang Kecamatan Kedungbanteng
Kabupaten Tegal Tahun 2016. Skripsi, 1-113.
http://lib.unnes.ac.id/31723/1/3201412002.pdf
Meiryani. (2021). Memahami Model Fixed Effect Dalam Software Pengolahan Data Eviews.
Artikel. https://accounting.binus.ac.id/2021/08/13/memahami-model-fixed-effect-
dalam-dalam-software-pengolahan-data-eviews/
Aulia, N. (2011). Estimasi Parameter Model Regresi Data Panel Random Effect Dengan
Metode Generalized Least Squares (GLS). Skripsi, 1-56.
https://core.ac.uk/download/pdf/83645233.pdf
Gurajarati, Damodar N & Dawn C Porter. (2009). Basic Econometrics, 5th ed. New York:
McGraw-Hill Companies, Inc. https://jagostat.com/ekonometrika/common-effect-
model
Zidni, B., Mustafid, & Sudarno. (2016). Model Regresi Data Panel Simultan Dengan Variabel
Indeks Harga Yang Diterima Dan Yang Dibayar Petani. Jurnal Gaussian, 5(4), 611-621.
n 611-621. http://ejournal-s1.undip.ac.id/index.php/gaussian
Azwar. (2016). Pertumbuhan Inklusif Di Provinsi Sulawesi Selatann Dan Faktor-Faktor Yang
Mempengaruhinya. Jurnal BPPK, 9(2), 1-30.
BPS. (2020). Realisasi Belanja Pemerintah D.i. Yogyakarta Menurut Jenis Belaanja (Ribu
Rupiah), 2016-2019. Badan Pusat Statistika Provinsi D.I. Yogyakarta.
https://yogyakarta.bps.go.id/statictable/2020/06/26/113/realisasi-belanja-pemerintah-
d-i-yogyakarta-menurut-jenis-belanja-ribu-rupiah-2016-2019.html
BPS. (2022). Provinsi Daerah Istimewa Yogyakarta Dalam Angka 2022. Badan Pusat Statistika
Provinsi D.I. Yogyakarta.
https://yogyakarta.bps.go.id/publication/2022/02/25/05661ba4fe09161192c3fc42/prov
insi-daerah-istimewa-yogyakarta-dalam-angka-2022.html
BPS. (2020). Provinsi DI Yogyakarta Dalam Angka 2020. Badan Pusat Statistika Provinsi D.I.
Yogyakarta.
https://yogyakarta.bps.go.id/publication/2020/04/27/f05ad6d5e9b43de46673d003/pro
vinsi-di-yogyakarta-dalam-angka-2020.html
BPS. (2021). Provinsi DI Yogyakarta Dalam Angka 2021. Badan Pusat Statistika Provinsi D.I.
Yogyakarta.
https://yogyakarta.bps.go.id/publication/2021/02/26/3a501d00eaa097f65efc96f9/provi
nsi-di-yogyakarta-dalam-angka-2021.html
BPS. (2019). Provinsi DI Yogyakarta Dalam Angka 2019. Badan Pusat Statistika Provinsi D.I.
Yogyakarta.
https://yogyakarta.bps.go.id/publication/2019/08/16/fe0f0460b0cdd1bcd76a4314/prov
insi-di-yogyakarta-dalam-angka-2019.html
 LAMPIRAN
A. Hasil PPGI
Dekomposisi Pengaruh Pertumbuhan Ekonomi Netto Terhadap Kemiskinan

Elastisitas Netto
Kemiskinan
Kabupaten Efek Pertumbuhan Efek Ketimpangan
Terhadap Ppgi Kategori
/Kota Ekonomi Pendpatan
Pertumbuhan
Ekonomi
Kulonprogo -0.10214 -0.014423122 -0.116563122 1.141209336 Sangat Pro Poor
Bantul -0.573711 -0.318406182 -0.892117182 1.554994034 Sangat Pro Poor
Gunung Kidul -2.163424 -0.108614359 -2.272038359 1.050204841 Sangat Pro Poor
Sleman -0.435032 0.000316349 -0.434715651 0.999272814 Pro Poor
Yogya -0.636235 -0.021932184 -0.658167184 1.03447183 Sangat Pro Poor
Lampiran 1 Hasil PPGI
B. Hasil PEGR

Jumlah Penduduk Miskin Menurut Kabupaten/ Kota (Ribuan Jiwa)

Tahun
Kabupaten / Kota
2015 2016 2017 2018 2019 2020
Kulon Progo 88.13 84.34 84.17 77.72 74.62 78.06
Bantul 160.15 142.76 139.67 134.84 131.15 138.66
Gunung Kidul 155 139.15 135.74 125.76 123.08 127.61
Sleman 110.96 96.63 96.75 92.04 90.17 99.78
Yogyakarta 35.98 32.06 32.2 29.75 29.45 31.62
D.I. Yogyakarta 550.23 494.94 488.53 460.1 448.47 475.72
 PDRB Provinsi DIY

Tahun
Kabupaten/ Kota
2015 2016 2017 2018 2019 2020
Kulon Progo 6281795.76 6580676.97 6973405.56 7728409.13 8770750.46 8414316.11
Bantul 15588520.43 16375513.15 17209871.5 18150877.01 19154769.07 18837869.29
Gunung Kidul 11152363.12 11696155.83 12281557.86 12914940.78 13605074.83 13511288.92
Sleman 28098006.90 29563375.20 31140590.60 33139204.90 35289808.4 33906373.82
Yogyakarta 22393012.2 23536288.1 24768426.1 26127217.13 27685286.45 27014491.16
D.I. Yogyakarta 83474451.5 87685809.6 92300243.9 98024014.3 104485458.8 101683520.2

Pendapatan Rata-Rata

Tahun
Kabupaten/ Kota
2015 2016 2017 2018 2019
Kulon Progo 670192 719189 720906 805608 904900
Bantul 855399 975242 1024607 1210743 1262103
Gunung Kidul 541114 671115 763446 840575 823899
Sleman 1177082 1379839 1514460 1659707 1728444
Yogyakarta 1325612 1465403 1423537 1802459 1745570
D.I. Yogyakarta 928602 1070962 1140167 1302661 1339726

Delta Pendapatan Rata-Rata

Tahun
Kabupaten/ Kota
2015 2016 2017 2018 2019
Kulon Progo 0.07056 0.002385 0.111089 0.116227 0.038588
Bantul 0.131118 0.049379 0.166925 0.041545 2.382162
Gunung Kidul 0.215311 0.128902 0.096244 -0.02004 0.06403
 Tahun
Kabupaten/ Kota
2015 2016 2017 2018 2019
Sleman 0.158928 0.093092 0.091582 0.040581 0.036619
Yogyakarta 0.100256 -0.02899 0.236007 -0.03207 0.04716
D.I. Yogyakarta 0.142632 0.062617 0.133234 0.028056 0.052521

Delta P

Delta P
Kabupateb / Kota
2015 2016 2017 2018 2019
Kulon Progo -3.79 -0.17 -6.45 -3.1 3.44
Bantul -17.39 -3.09 -4.83 -3.69 7.51
Gunung Kidul -15.85 -3.41 -9.98 -2.68 4.53
Sleman -14.33 0.12 -4.71 -1.87 9.61
Yogyakarta -3.92 0.14 -2.45 -0.3 2.17
D.I. Yogyakarta -55.29 -6.41 -28.43 -11.63 27.25

EPG (Elastis Kemiskinan Terhadap Pertumbuhan Ekonomi)

Delta P
Kabupateb / Kota
2015 2016 2017 2018 2019
Kulon Progo -81.5374 -2.93275 -62.7436 -24.5022 -82.9159
Bantul -353.08 -62.178 -90.7285 -68.5455 -450.171
Gunung Kidul -332.922 -69.8219 -198.465 -51.481 -654.878
Sleman -281.878 2.308764 -75.7175 -29.7405 -240.303
Yogyakarta -78.7236 2.743683 -45.8734 -5.17924 -88.4715
D.I. Yogyakarta -1123.34 -124.984 -472.528 -182.187 -1002.48
EP (Elatisitas KemiskinanTerhadap Pendapatan Rata-Rata)

Delta P
Kabupateb / Kota
2015 2016 2017 2018 2019
Kulon Progo 0.046482 0.057966 0.102799 0.126519 -0.04149
Bantul 0.049252 0.049696 0.053236 0.053833 -0.01668
Gunung Kidul 0.047609 0.048839 0.050286 0.052058 -0.00692
Sleman 0.050838 0.051976 0.062205 0.062877 -0.03999
Yogyakarta 0.049794 0.051026 0.053408 0.057924 -0.02453
D.I. Yogyakarta 0.049219 0.051287 0.060166 0.063835 -0.02718

Analisa TK, TPT, APS, BD, IK, dan IGP

Kabupaten/Kota Tahun TK TPT APS BD IK Igp

Kulonprogo 2015 21.40 3.72 90.33 1243069960 84.62 0.07055995
Kulonprogo 2016 20.30 2.72 91.81 1388596506 84.66 2.38E-03
Kulonprogo 2017 20.03 1.99 85.80 1440263093 84.71 0.111088518
Kulonprogo 2018 18.30 1.49 86.51 1481008000 84.80 0.116227169
Kulonprogo 2019 17.39 1.80 87.92 1771951991 84.92 0.038588272
Kulonprogo 2020 18.01 3.71 87.60 1702946244 84.98 -
0.064575594
Bantul 2015 16.33 3.00 85.77 1933302510 82.22 0.131117619
Bantul 2016 14.55 2.72 88.48 2016543979 82.31 0.049378758
Bantul 2017 14.07 3.12 91.15 2161336558 82.40 0.166925096
Bantul 2018 13.43 2.72 86.81 2165652000 82.55 0.041545157
Bantul 2019 12.92 3.06 87.02 2495603087 82.72 2.382162059
Bantul 2020 13.50 4.06 82.92 2277235871 82.86 -2.2653612
Gunungkidul 2015 21.73 2.90 77.18 1586001080 82.60 0.215310531
Gunungkidul 2016 19.34 2.72 76.81 1651553579 82.71 0.128901887
Kabupaten/Kota Tahun TK TPT APS BD IK Igp
Gunungkidul 2017 18.65 1.65 82.31 1837111037 82.80 0.096243786
Gunungkidul 2018 17.12 2.07 82.45 1772887000 82.95 -
0.020038232
Gunungkidul 2019 16.61 1.92 81.63 2129100247 83.12 0.064030214
Gunungkidul 2020 17.07 2.16 90.81 2068086249 83.26 0.001686914
Sleman 2015 9.46 5.37 89.91 2328751930 83.95 0.158928331
Sleman 2016 8.21 2.72 90.56 2455446949 84.00 0.093092114
Sleman 2017 8.13 3.51 86.38 2615343534 84.05 0.091582141
Sleman 2018 7.65 4.40 89.50 2580094000 84.14 0.040580501
Sleman 2019 7.41 3.93 90.77 3099429838 84.26 0.036618974
Sleman 2020 8.12 5.09 96.26 2852628964 84.32 0.00857648
Yogyakarta 2015 8.75 5.52 92.16 1539699320 83.46 0.10025605
Yogyakarta 2016 7.70 2.72 86.17 1665420970 83.54 -0.02898567
Yogyakarta 2017 7.64 5.08 92.82 1644123792 83.62 0.236007224
Yogyakarta 2018 6.98 6.22 98.32 1652728000 83.77 -
0.032070694
Yogyakarta 2019 6.84 4.80 97.72 1933398837 83.94 0.047159951
Yogyakarta 2020 7.27 9.16 88.95 1798756801 84.08 -
0.034167049
D.I. Yogyakarta 2015 14.91 4.07 86.78 3496425510 84.12 0.14263236
D.I. Yogyakarta 2016 13.34 2.72 87.20 3847962966 84.17 0.062617433
D.I. Yogyakarta 2017 13.02 3.02 87.61 4920626777 84.22 0.133234353
D.I. Yogyakarta 2018 12.13 3.35 88.39 5303451000 84.34 0.02805602
D.I. Yogyakarta 2019 11.70 3.14 88.97 5978131574 84.49 0.052521485
D.I. Yogyakarta 2020 12.28 4.57 88.53 5776925248 84.60 0.004169145
Lampiran 2 Hasil PEGR