Melola Discovery

← Melola Discovery

Jurnal

Determinan Kemiskinan di Provinsi Jawa Tengah Tahun 2011-2014

Economics Development Analysis Journal · Vol. 7 No. 3 (2018) · hlm. 235–242

DOI
10.15294/edaj.v7i3.25255
ISSN
2252-6560
Terbit
2018-08-29
Penerbit
Economics Development Department, Universitas Negeri Semarang, Indonesia
Bahasa
eng

Abstrak

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.

Jaringan kolaborasi para penulis

12 penulis · 13 tautan kepenulisan bersama · 5 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Bandung Islamic University
  • Universitas Syiah Kuala
  • The Open University
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Asnita Frida SebayangBandung Islamic University1
Cecep Fauzan Al RifahBandung Islamic University1
Maria FebridaState University of Semarang1
Adnan Muhammad FeisalState University of Semarang1
R BintiAfiliasi tidak diketahui1
Nikmatul LailiyahState University of Semarang1
Diana SaphaUniversitas Syiah Kuala1
Rokhmad HidayatThe Open University1
Athar Yaniar PratamaState University of Semarang1
Yulinar Rizky DamayantiState University of Semarang1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/edaj/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Determinan Kemiskinan di Provinsi Jawa Tengah Tahun 2011-2014</dc:title>
	<dc:creator>Megawati, Emi</dc:creator>
	<dc:creator>Sebayang, Lesta Karolina Br</dc:creator>
	<dc:description xml:lang="en-US">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.</dc:description>
	<dc:publisher xml:lang="en-US">Economics Development Department, Universitas Negeri Semarang, Indonesia</dc:publisher>
	<dc:date>2018-08-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/edaj/article/view/25255</dc:identifier>
	<dc:identifier>10.15294/edaj.v7i3.25255</dc:identifier>
	<dc:source xml:lang="en-US">Economics Development Analysis Journal; Vol 7 No 3 (2018): Economics Development Analysis Journal; 235-242</dc:source>
	<dc:source>2252-6560</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/edaj/article/view/25255/11434</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2018 Economics Development Analysis Journal</dc:rights>
</oai_dc:dc>