IV. METODOLOGI PENELITIAN. dan dalam skala besar dengan variabel yang banyak. Data sekunder yang

Transkripsi

1 IV. METODOLOGI PENELITIAN Penelitian ini ditujukan sebagai riset kebijakan yang bersifat menyeluruh dan dalam skala besar dengan variabel yang banyak. Data sekunder yang digunakan pada penelitian ini dikeluarkan oleh instansi resmi. Data sekunder tersebut yaitu data Susenas dan Podes yang dikeluarkan oleh Badan Pusat Statistik Indonesia. Penelitian difokuskan pada agroekosistem dengan kriteria dan unit analisis mengikuti Susenas dan Podes. Terminologi yang digunakan dalam penentuan tipe biofisik agroekosistem ini mengacu pada terminologi yang digunakan BPS dalam Susenas dan Podes. Suatu lahan dikatagorikan sebagai lahan basah bila berpengairan lebih dari 75 persen, sedangkan katagori lahan campuran dan lahan kering berpengairan berturut-turut persen dan kurang dari 25 persen. Penentuan dataran tinggi adalah dengan pendekatan topografi, yakni berada lebih dari 500 meter di atas permukaan laut. Agroekosistem dengan biofisik pantai/pesisir adalah desa yang memiliki wilayah yang berbatasan langsung dengan garis pantai/laut atau merupakan desa pulau dengan corak kehidupan rakyatnya tergantung pada potensi laut atau tidak bergantung pada potensi laut. Pada Susenas dan Podes, yang dimaksud dengan desa di dalam dan di tepi hutan yaitu desa yang termasuk di dalam hutan dan desa-desa yang berbatasan dengan hutan menurut undang-undang. Desa di dalam hutan adalah desa yang letaknya di tengah atau dikelilingi hutan. Sedangkan desa yang letaknya di tepi hutan atau di pinggir hutan atau berbatasan dengan hutan. Suatu kawasan disebut sebagai hutan adalah merujuk pada Undang-undang Nomor 41 Tahun Pada Undang-undang ini disebutkan bahwa kawasan hutan adalah wilayah tertentu yang ditunjuk dan atau ditetapkan oleh Pemerintah 61

2 untuk dipertahankan keberadaannya sebagai hutan tetap. Kerangka kerja penelitian dapat dilihat pada Gambar 4. Mulai Data PODES N = Data SUSENAS N = Proses Penggabungan data Berdasarkan domisili Data karakteristik Rumah Tangga per desa Logistik Regresion FGT Model Rumah tangga Miskin dan Tidak Miskin Regresi Analisis RT Miskin per Agroekosistem Penciri Kemiskinan per Agroekosistem Simulasi Kenaikan GK 110% dan GK 120% Uji proporsi Indikator Kemiskinan (P 0,P 1, dan P 2) per Agroekosistem Simulasi Kenaikan GK 110% dan GK 120% Kerentanan Kemiskinan Elastisitas Perubahan Penciri Kemiskinan Peluang Jatuh Miskin Pembahasan Tipologi, Kerentanan dan Penciri Kemiskinan per Agroekosistem Analisis Kebijakan Penanggulangan Kemiskinan Implikasi Kebijakan STOP Gambar 4. Kerangka Kerja Penelitian 62

3 Analisis tipologi kemiskinan menurut agroekosistem ini tidak bersifat eksklusif bagi hutan, pantai/pesisir dan dataran tinggi; dalam pengertian suatu desa dapat masuk dalam lebih dari satu katagori; misalnya masuk pada kategori dataran tinggi, saat yang lain masuk pada katagori kawasan sekitar hutan. Dalam hal ini yang ingin dianalisis adalah karakteristik, kontribusi dan magnitut kondisi masing-masing tipologi kemiskinan terhadap tipologi kemiskinan secara keseluruhan. Kondisi tersebut dilakukan sesuai dengan keterbatasan yang ada pada data Podes. Agroekosistem dalam Podes yang bersifat eksklusif adalah lahan basah, lahan kering dan lahan campuran; sehingga terhadap ketiga agroekosistem ini dapat dilakukan uji beda dan dapat diperbandingkan Metoda Analisis Data 1. Menganalisis, menguji variabel-variabel yang menjadi penciri kondisi kemiskinan menggunakan metoda regresi logit. Menurut Agresti dan Finlay (1997), regresi logit dapat digunakan bila sebagian ataupun semua variabel penjelas bersifat katagorik. Model logistik dirancang untuk melakukan prediksi keanggotaan grup. Regresi logistik digunakan bila variabel-variabel prediktor merupakan campuran antara variabel diskrit dan kontinyu serta distribusi data yang digunakan tidak normal. Regresi logistik tidak memiliki asumsi normalitas atas variabel bebas yang digunakan dalam model. Maksudnya, variabel penjelas tidak harus memiliki distribusi normal, linear, memiliki varian yang sama dalam setiap grup. 2. Variabel-variabel prediktor dalam regresi logistik bisa merupakan campuran dari variabel kontinyu, diskrit dan dikotomis. 3. Regresi logistik bermanfaat digunakan bila distribusi respon atas variabel hasil diharapkan non linear dengan satu atau lebih prediktor. 63

4 Variabel-variabel prediktor pada penelitian ini digolongkan menjadi empat yaitu variabel sumberdaya manusia dan sosial (human and social capital), variabel modal fisik produktif (physical productive capital) dan variabel atau dimensi spasial serta variabel infrastruktur. Alasan pemilihan variabel ini sudah diuraikan pada bab terdahulu. Variabel independen disusun dalam bentuk nilai diskret, dimana semakin tinggi nilai diskret yang diberikan pada kategori suatu variabel menunjukan kualitas atau kondisi yang semakin baik. Variabel dependen adalah status kemiskinan rumahtangga Indonesia menurut metoda baku menggunakan pendekatan kebutuhan dasar. Variabel-variabel yang diduga menjadi penciri kemiskinan rumahtangga dapat dilihat secara rinci pada Tabel 1, sedangkan penciri kemiskinan infrastruktur fisik dan sosial dapat dilihat pada Tabel 2. Variabel ini disusun dalam bentuk diskret; untuk rumahtangga miskin diberikan nilai 0 dan untuk rumahtangga tidak miskin diberikan nilai 1. Data yang digunakan adalah Susenas 2004 dan PODES Data Susenas dan Podes ini merupakan data terbaru yang dikeluarkan BPS ketika penelitian ini dimulai. Sama halnya dengan analisis penciri kemiskinan rumahtangga, kondisi kemiskinan dari sisi infrastruktur disusun dalam bentuk discrete tiap pilihan dari masing-masing variabel. Hubungan antara variabel-variabel dependen dengan variabel independen menggunakan analisis regresi Logit yang disebutkan oleh Ikhsan 1999) dan LPEM-UI (2001) sebagai metoda yang memberikan misclasification yang lebih rendah daripada metoda lain. Pengolahan data dilakukan dalam dua tahap yaitu pengolahan data awal yakni proses pemilihan variabel prediktor dan tahap lanjutan yakni proses pembentukan model dengan regresi. 64

5 Tabel 1. Variabel Rumahtangga No. Variabel Indikator A Profil Umum Kepala Rumahtangga 1 Jenis kelamin kepala keluarga 1= Perempuan; 2=Laki-laki 2 Usia kepala keluarga 1= 50 th; 2 = th 3 Ratio ketergantungan (dependency ratio) 1= 5; 2 = 2-4; 3 = 0-1 (jml anggota keluarga 0-14 th + usia 65+ Th/Usia, tahun) B Kondisi Fisik Rumahtangga 4 Jenis atap terluas 1= Sirap/ijuk; 2= Beton/genteng/ seng/asbes/lainnya 5 Jenis dinding 1= Bambu; 2= Tembok/kayu/lainnya Tembok/kayu/lainnya 6 Janis lantai 1= Tanah; 2=Bukan tanah 7 Luas lantai per kapita 1= 10 m2; (2) >10M2 8 Akses air minum 1= Tidak aman (lawan dari kode 2) 2= Aman (air kemasan/leding/ Pompa/sumur dan mata air Terlindung dan jarak terhadap tempat pembuangan >10m 9 Tempat pembuangan air besar 1= Tidak punya ; 2= bersama/umum 3= Sendiri 10 Jenis kloset 1=Tidak pakai/tidak punya 2= Plengsengan/cemplung 3= Leher angsa 11 Tempat pembuangan akhir tinja 1= Kolam/sawah/sungai/danau/ Lobang Kebun; 2= Tangki 12 Sumber penerangan 1= Non-listrik, 2= Listrik C Kondisi Kesehatan Rumahtangga 13 Ketersediaan jaminan pembiayaan untuk 1=Tidak punya kesehatan untuk berobat jalan/inap 2=JPKM/Dana Sehat/Kartu sehat Askes/astek/jamsostek/kantor 14 Penggunaan alat kontrasepsi bagi wanita 1=Tidak pakai/cara tradisional berstatus kawin di rumah tangga 2= Pakai dengan cara modern 15 Akses ke fasilitas kesehatan bagi 1= Tidak berobat jalan; 2= Pengobatan anggota keluarga sewaktu sakit tradisional; 3= Tenaga/ fasilitas Modern (Dokter, RS, Puskesmas, Poliklinik, Petugas Kesehatan D Kondisi Pendidikan Rumahtangga 16 Rata-rata lama sekolah kepala keluarga 1= <6; 2= 6-8; 3= Jenjang pendidikan tertinggi kepala 1= Tidak pernah sekolah; 2=SD Keluarga 3=SMP; 4 = SMU + 18 Angka melek huruf latin kepala 1=Tidak Bisa; 2=Bisa Keluarga 65

6 Tabel 1. Lanjutan No. Variabel Indikator E Kondisi Ekonomi Rumahtangga 19 Kegiatan bekerja kepala keluarga 1= Tidak bekerja; 2 = Bekerja 20 Persentase anggota keluarga yang bekerja 1= 0%; 2 = 0.1%-20% 3= 20.1%-50%; 4 = 50%+ 21 Persen anggota keluarga dengan status 1= 50%; 2 = <50% pengangguran terbuka 22 Jumlah jam kerja seminggu kepala keluarga 1= Tidak bekerja atau 35 jam; 2= >35jam 23 Kepala keluarga bekerja di sektor pertanian 1=Ya (termasuk yang tidak kerja) 2=Tidak 24 Kepala keluarga bekerja sebagai pekerja 1=Ya (termasuk yang tidak kerja) bebas pertanian 2=Tidak 25 Kepala keluarga bekerja sebagai pekerja 1=Ya (termasuk yang tidak kerja) tidak dibayar 2=Tidak 26 Kepala keluarga bekerja di sektor informal 1=Ya; 2=Tidak (self employed + unpaid family worker) 27 Pendapatan per kapita anggota keluarga 1= 50%*PovLine yang bekerja 2= 50.1%-75%*PovLine 3= 75.1%-125%*PovLine 4= >125%*PovLine 28 Persen pengeluaran untuk makanan 1= 75%; 2= 50-75% 3= 25-50%; 4= 25% 29 Persen pengeluaran untuk pendidikan 1= <10%; 2= 10-20%; 3= 20%+ 30 Persen pengeluaran untuk kesehatan 1= <10%; 2= 10-20%; 3= 20%+ F Faktor Spasial 31 Tinggal didaerah pantai/pesisir (PANTAI) 1= Ya; 2 = Tdk 32 Tinggal didaerah dataran tinggi (DTRNTG) 1= Ya; 2 = Tdk 33 Tinggal didaerah dataran lahan basah / 1= Ya; 2 = Tdk dataran + pengairan di atas 75% (LHNBSH) 34 Tinggal di daerah dataran lahan kering / 1= Ya; 2 = Tdk dataran + pengairan kurang dari 25 % (LHNKRG) 35 Tinggal di daerah campuran / dataran + 1= Ya; 2 = Tdk pengairan antara 25% sampai 75% (LHNCPR) 36 Tinggal di kawasan sekitar hutan 1= Ya; 2 = Tdk 37 Tinggal di Daerah Aliran Sungai/lembah 1= Ya; 2 = Tdk Pengolahan Data Awal Pertama, memilih beberapa variabel dari Susenas yang akan dimasukkan ke analisis lanjutan. Membuat beberapa katagori baru untuk masing-masing 66

7 variabel sesuai dengan daftar variabel yang sudah dibuat sebelumnya. Satuan pengolahan data adalah rumahtangga, jadi segala informasi mengenai individu ditransfer ke data rumahtangga, seperti umur kepala keluarga, akses ke fasilitas kesehatan untuk anggota rumahtangga, jenjang pendidikan kepala rumahtangga dan sebagainya. Sedangkan informasi rumahtangga tidak perlu ditransfer karena satuan pengolahan adalah rumahtangga, misalnya jenis atap, dinding, lantai rumahtangga, persen pengeluaran pendidikan, kesehatan, pengeluaran per kapita dan sebagainya. Kedua, memilih beberapa variabel dari Podes yang akan dimasukkan ke analisis lanjutan. Membuat beberapa katagori baru untuk variabel Podes yang terpilih. Variabel-variabel Podes satuannya adalah desa. Ketiga, menggabungkan variabel-variabel terpilih dari data Susenas dan Podes. Satuan pengamatan Podes adalah desa, jadi diasumsikan bahwa satu informasi dari satu desa di Podes akan berlaku untuk semua rumahtangga di Susenas yang tinggal di desa tersebut. Misalkan, jenis permukaan jalan di satu desa adalah aspal, maka diasumsikan bahwa rumahtangga tersebut mempunyai akses jalan aspal Pengolahan Data Lanjutan Pengolahan data lanjutan berhubungan dengan metode komputasi statistika seperti yang diterangkan dalam metode penelitian. Ada dua tahap penghitungan yaitu: Pertama, memilih beberapa variabel yang digunakan dalam pembuatan model dengan menggunakan metode Regresi Logistik, dengan pemilihan variabel-variabel independen menggunakan prosedur stepwise. 67

8 Tabel 2. Variabel Infrastruktur Fisik dan Sosial No Variabel Indikator A. Sumber penghasilan sebagian besar penduduk Kehutanan; pertanian tanaman pangan; hortikultura; peternakan; perkebunan; perikanan; pertanian lain-lain; pertambangan; industri; perdagangan; sektor lain-lainnya B C D E Bahan Bakar Yang digunakan sebagian besar Rumahtangga Tempat Buang Sampah Sebagian Besar Rumahtangga Tempat Buang Air Besar Sebagian Besar Rumahtangga Saluran Pembuangan Limbah Cair/Air Kotor Gas Kota/LPG=3; Minyak Tanah=2; Kayu Bakar=1 Tempat Pembuangan sampah=3; Dalam Lubang/bakar=2; Sungai=1 Jamban sendiri milik rumah tangga=4; jamban bersama=3; Jamban umum=2; tidak ada jamban/non jamban=1 Saluran lancar = 4; saluran tidak lancar=3; Saluran menggenang=2; tidak ada saluran =1 F Sumber Air Minum/Memasak Sebagian Besar Rumahtangga Pam=1, pompa=2; sumur=3; mata air =4; sungai=5; lainnya: embung, waduk=6 G Sumber Air Mandi/Cuci Sebagian Besar Rumah Tangga Pam=1, pompa=2; sumur=3; mata air =4; sungai=5; lainnya: embung, waduk=6 H Lalu Lintas Sebagian Besar Rumahtangga Melalui air/sungai=3; melalui darat =2; melalui udara=1 I Jenis Permukaan Jalan Terluas Aspal=4; Batu=3; Tanah=2; Jalan lainlain =1 J Fasilitas Pendidikan SD Negeri dan sederajat=4; SD Swasta dan sederajat=3; SLTP Negeri Sederajat=2; SLTP swasta dan sederajat=1 K Fasilitas Kesehatan Puskesmas=2; posyandu=1 L Transportasi dan Komunikasi RT sbgn besar mempunyai kendaraan mesin roda 4 ; RT sbgn besar mempunyai kendaraan mesin roda 2atau 3; RT sbgn besar mempunyai telepon rumah tangga; RT sbgn besar mempunyai TV M Sosial Kemasyarakatan PKK=1; arisan, jumpitan=2; perkumpulan organisasi petani (P3A, Klp Tani, Klp usaha=3) N Faktor Resiko Bencana Alam Gempa bumi=1, Tanah longsor=2; Banjir=3 O Faktor Gangguan Lingkungan Hidup Pencemaran air=1; pencemaran udara dan bau =2; pencemaran suara=3 P Faktor Penyakit/Wabah Penyakit Kasus busung lapar/ho/kurang gizi/marasmus; Muntaber/diare; Demam Berdarah; Infeksi Saluran Pernafasan; Lainnya 68

9 Kedua, adalah menggunakan variabel terpilih untuk membuat fungsi regresi konsumsi per kapita dengan variabel-variabel terpilih hasil regresi logistik. Untuk tahap kedua ini, peubah bebas yang terpilih harus dibuat dummy karena semua peubah bebas bersifat kategorik Penghitungan indikator kemiskinan menggunakan FGT index; yang diukur adalah headcount index, poverty gap index dan poverty severity index yaitu: P α 1 q = n i= 1 α z yi z dimana: α = 0,1,2; adalah parameter yang menyatakan ukuran sensitivitas kedalaman dan keparahan kemiskinan. Semakin besar α semakin besar pula timbangan yang diterapkan untuk mengukur keparahan dari insiden kemiskinan y i = nilai rata-rata pengeluaran konsumsi per kapita/bulan dari penduduk yang berada di bawah garis kemiskinan; dimana i = (1,2,...q) untuk semua y i <z z = garis kemiskinan n = total jumlah penduduk q = jumlah penduduk miskin z-y i merupakan kedalaman kemiskinan untuk penduduk ke i; berurutan menurut besarnya pendapatan; dengan ketentuan: α=0 adalah head-count index; yang mengindikasikan proporsi penduduk yang hidup di bawah garis kemiskinan, maka Po = q/n, Jadi, bila 20 persen penduduk dari total penduduk diklasifikasikan miskin, maka Po =0,2 69

10 α=1 adalah rata-rata kedalaman kemiskinan (yang dinyatakan sebagai proporsi terhadap garis kemiskinan); jika α=1 maka P 1 = (1/n)Σ(zy i /z) 1. Misalkan P 1 =0,15; ini berarti bahwa gap (kesenjangan)antara total penduduk miskin terhadap Garis Kemiskinan, jika dirataratakan terhadap seluruh rumahtangga (baik miskin maupun tidak miskin), adalah 15 pesen. P1/Po = 1/q Σ(z-y i /z) adalah rata-rata kedalaman kemiskinan sebagai proporsi dari garis kemiskinan. α=2 adalah suatu ukuran yang dalam beberapa hal sensitif terhadap perubahan distribusi pendapatan/pengeluaran diantara penduduk miskin. Kerentanan penduduk miskin jatuh ke bawah garis kemiskinan dihitung dengan melihat laju perubahan dengan simulasi kenaikan garis kemiskinan 10 persen dan 20 persen dari garis kemiskinan versi BPS. Elastisitas indikator kemiskinan meliputi insiden, kedalaman dan keparahan kemiskinan terhadap garis kemiskinan dilakukan untuk tiap agroekosistem. Elastisitas indikator kemiskinan (P 0,1,2 ) terhadap Garis Kemiskinan didefinisikan sebagai perubahan indikator kemiskinan dibandingkan dengan perubahan garis kemiskinan. Dengan mengadopsi rumus elastisitas dalam Pindyck dan Rubinfeld (2001), maka : E p = (% P i ) / (% GK) atau ( P i /P i ) / ( G k /G k ) dimana: E p = elastisitas indikator kemiskinan P i = indikator kemiskinan; dengan i = 0,1,2 berturut-turut adalah indsiden, kedalaman dan keparahan kemiskinan. G k = Garis Kemiskinan 70

11 Insiden, kedalaman dan keparahan kemiskinan dikatakan elastis bila nilainya lebih besar daripada satu (>1) dan disebut tidak elastis bila nilainya 1. Estimasi kerentanan terhadap variabel kemiskinan berdasarkan garis kemiskinan menghasilkan kemiskinan kronis dan tidak kronis. Kemiskinan kronis merupakan kondisi dibawah garis kemiskinan yang mempunyai peluang lebih kecil daripada 0,5 untuk meningkatkan pendapatannya melampaui garis kemiskinan; sementara yang mempunyai peluang lebih besar dari 0,5 disebut sebagai kemiskinan tidak kronis. Pendekatan yang digunakan yaitu batas atau garis kemiskinan versi BPS. Parameter variabel bebas merupakan probabilitas penduduk jatuh pada garis kemiskinan akibat pengaruh masing-masing variabel bebas terhadap pengeluaran konsumsi. Metode estimasi kemiskinan diadopsi dari Chaudhuri (2001) dengan model sebagai berikut: Ln C h = β X h + є h dimana: C h = pengeluaran konsumsi rumahtangga h X h = bundel karakteristik rumahtangga yang dapat diamati, mencakup variabel-variabel independen sebagaimana telah diterapkan di atas. β є h = vektor parameter = faktor pengganggu yang berkontribusi terhadap konsumsi rumahtangga. Probabilitas rumahtangga dengan karakteristik X h menjadi miskin dapat diketahui dari besaran vektor parameter untuk masing-masing karakteristik. Pengeluaran konsumsi rumahtangga diukur per kapita dengan membagi pengeluaran rumahtangga dengan dependen atau jumlah anggota keluarga yang 71

12 ditanggung oleh kepala keluarga. Hal ini untuk menghindari bias pengeluaran antara rumahtangga dengan perbedaan jumlah tertanggung. Karena garis kemiskinan dihitung per kapita, maka kembali dilakukan transfer dengan mengalikan jumlah anggota keluarga dalam rumahtangga. Logaritma terhadap pengeluaran digunakan karena rentang pengeluaran rumahtangga sangat besar yakni berkisar antara Rp sampai dengan Rp Asumsi yang digunakan adalah bahwa penduduk membelanjakan semua pendapatannya pada bundel yang tercakup dalam batas miskin, dan multidimensi kemiskinan dikonversikan dalam pengeluaran penduduk; baik untuk kesehatan, maupun untuk pendidikan dan perbaikan lingkungannya. Parameter-parameter persamaan tersebut di atas akan diestimasi dengan pendekatan Logit dengan menggunakan metoda Maximum Likelihood Estimation. Dengan demikian, model yang akan dikembangkan adalah model kemiskinan menurut agroekosistem. Uji proporsi untuk menguji perbedaan insiden kemiskinan antar agroekosistem (yang bersifat eksklusif) dilakukan dengan menggunakan rumus sebagai berikut: χ 2 = i ο i e e i 2 i dimana: O i = frekwensi pengamatan. e i = frekwensi harapan 4.2. Jenis dan Sumber Data Data yang diolah adalah pengeluaran konsumsi rumahtangga dan karakteristiknya bersumber dari data hasil Susenas yang dikeluarkan oleh Badan 72

13 Pusat Statistik. Data karakteristik desa menggunakan data pada Potensi Desa yang dikeluarkan oleh Badan Pusat Statistik sebagai berikut: 1. Susenas Kor Tahun 2004 Informasi yang diperoleh dari Susenas adalah informasi karakteristik rumah tangga antara lain: kondisi fisik, kondisi kesehatan, kondisi pendidikan, dan keadaan ekonomi rumah tangga. Data Susenas 2004 dipilih karena data ini adalah data terbaru pada saat pengolahan data ini berlangsung. 2. Potensi Desa Tahun 2003 Informasi yang diperoleh dari Podes 2003 adalah informasi karakteristik desa di mana rumah tangga tinggal. Informasi tersebut antara lain: informasi berbagai fasilitas desa, kegiatan sosial-ekonomi desa, dan sejarah desa terhadap bencana alam. 3. Garis Kemiskinan Tahun 2004 Garis Kemiskinan menggunakan Garis Kemiskinan tahun