Redirigiendo al acceso original de articulo en 15 segundos...
ARTÍCULO
TITULO

Determinan Kemiskinan di Provinsi Jawa Tengah Tahun 2011-2014

Emi Megawati    
Lesta Karolina Br Sebayang    

Resumen

Berdasarkan data dari BPS, kemiskinan di Provinsi Jawa Tengah pada tahun 2011-2014 masih berada di peringkat kedua setelah DI Yogyakarta di Pulau Jawa-Bali. Penelitian ini menggunakan data panel dengan pendekatan Fixed Effect Model (FEM) dengan metode Generalized Least Square (GLS). Sumber data yang diperoleh dari Badan Pusat Statistik (BPS) dan Direktorat Jendral Perimbangan Keuangan Indonesia. Hasil penelitian menunjukan bahwa variabel IPM berpengaruh negatif dan signifikan terhadap kemiskinan di Provinsi Jawa Tengah. Sedangkan variabel PDRB dan pembiayaan pendidikan berpengaruh tidak signifikan terhadap kemiskinan di Provinsi Jawa Tengah. Hasil uji secara bersama-sama menunjukan bahwa secara keseluruhan variabel bebas secara bersama-sama dapat menunjukan pengaruhnya terhadap kemiskinan. nilai dari Adjusted R2 sebesar 0,995 yang berarti 99,5 persen kemiskinan dapat dijelaskan oleh variabel bebas. Sedangkan sisanya 0,50 persen dijelaskan oleh variabel di luar model.Based on data from BPS, during years 2011-2014 Central Java Province are in number 2 after DI Yogyakarta in Java-Bali. This research use panel data with Fixed Effect Model (FEM) approach and by using Geberalized Square (GLS) method. The data source is secondary data are obtained from the Central Statistics Agency and the Directorate General of Financial Balance Indonesia. The result of this research show that HDI variable give the negative and significant influence to the poverty in Central Java province. GDRP and financing of education not significant influence to the poverty in Central Java province. Simultaneous test results showed that, overall, the independent variable (HDI, GDRP and financing of education) together can show its effect on poverty. the value of Adjusted R2 of 0,995, which means 99,5 percent of poverty can be explained by the independent variable. While the remaining 0,50 percent is explained by variables outside the model.

 Artículos similares