| dc.contributor.advisor | Firdaus, Muhammad | |
| dc.contributor.advisor | Findi, Muhammad | |
| dc.contributor.author | Ramahurmuzi, Muhammad | |
| dc.date.accessioned | 2022-08-08T13:15:54Z | |
| dc.date.available | 2022-08-08T13:15:54Z | |
| dc.date.issued | 2022-08-08 | |
| dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/113313 | |
| dc.description | Mohon segera diterbitkan mengingat batas waktu SKL | id |
| dc.description.abstract | Pertumbuhan ekonomi yang mampu mengentaskan kemiskinan (pro-poor) dan menciptakan lapangan pekerjaan (pro-job) merupakan salah satu tujuan utama Rencana Pembangunan Jangka Menengah Nasional 2020-2025. Provinsi Jawa Tengah dengan pertumbuhan ekonomi diatas rerata nasional (5,4%) masih menjadi provinsi dengan tingkat kemiskinan tertinggi di Pulau Jawa (10,6%) pada tahun 2019, dengan 15 dari 34 kota/kabupatennya mencatat kemiskinan diatas rata-rata provinsi. Hal tersebut terlihat kontras dengan Provinsi Jawa Barat yang mencatat pertumbuhan ekonomi 5,2% namun berhasil mencatat tingkat kemiskinan sebesar 6,8%. Tujuan penelitian ini adalah memetakan kemiskinan dengan klasterisasi kemiskinan dan pertumbuhan ekonomi menggunakan tipologi klassen, menganalisis faktor yang memengaruhi kemiskinan di Provinsi Jawa Tengah dan Jawa Barat Tahun 2015-2019 menggunakan model Panel Dinamis System Generalized Method of Moment (SYS-GMM), serta menyusun alternatif strategi pengentasan kemiskinan prioritas Provinsi Jawa Tengah menggunakan model Analytical Hierarchy Process (AHP). Hasil penelitian menunjukkan bahwa Klaster kemiskinan dan pertumbuhan ekonomi Provinsi Jawa Tengah mencatat sebagian besar kota/kabupaten masih termasuk kategori tingkat kemiskinan tinggi dan klaster daerah berkembang pesat (klaster 3), namun Kabupaten Blora menjadi satu-satunya daerah perekonomian tertinggal (klaster 4) yang juga termasuk daerah kemiskinan tinggi. Disisi lain, Kota Surakarta dan Kabupaten Batang berhasil menekan kemiskinan sehingga bergeser dari klaster kemiskinan sedang menjadi klaster kemiskinan rendah. Klaster kemiskinan kota/kabupaten di Provinsi Jawa Barat sebagian besar termasuk kategori rendah, selain itu Kabupaten Subang, Kabupaten Cianjur, Kabupaten Tasikmalaya, Kabupaten Bandung Barat, dan Kabupaten Garut berhasil keluar dari klaster kemiskinan tinggi menjadi klaster kemiskinan sedang. Klaster pertumbuhan ekonomi kota/kabupaten di Provinsi Jawa Barat sebagian besar termasuk daerah berkembang pesat (klaster 3), namun Kabupaten Subang dan Kabupaten Garut masih termasuk daerah perekonomian tertinggal (klaster 4). Determinan yang signifikan memengaruhi tingkat kemiskinan pada kedua provinsi yakni kemiskinan tahun sebelumnya, Indeks Pembangunan Manusia (IPM), Tingkat Pengangguran Terbuka (TPT), pertumbuhan ekonomi, inflasi, dan jumlah penduduk. Adapun Jumlah tabungan hanya berpengaruh di Provinsi Jawa Tengah, dan ketimpangan (gini rasio) hanya berpengaruh di Provinsi Jawa Barat. Sementara itu, berdasarkan pendapat 7 pakar dari instansi berbeda yang dianalisis menggunakan AHP, sasaran paling prioritas untuk mengentaskan kemiskinan di Provinsi Jawa Tengah adalah mengurangi tingkat pengangguran, dengan strategi paling prioritas menciptakan lapangan pekerjaan. | id |
| dc.description.abstract | Economic growth that is able to eradicate poverty (pro-poor) and create jobs (pro-jobs) is one of the main objectives of the 2020-2025 National Medium Term Development Plan. Central Java Province with economic growth above the national average (5.4%) was still the province with the highest poverty rate in Java (10.6%) in 2019, with 15 of its 34 cities/districts recording poverty above the provincial average. This is in contrast to West Java Province which recorded an economic growth of 5.2% but managed to record a poverty rate of 6.8%. The purpose of this study is to map poverty by clustering poverty and economic growth using the Klassen typology, to analyze the factors that influence poverty in the Provinces of Central Java and West Java in 2015-2019 using the Dynamic Panel System Generalized Method of Moment (SYS-GMM) model, and to develop alternatives. The priority poverty alleviation strategy of Central Java Province uses the Analytical Hierarchy Process (AHP) model. The results showed that the poverty and economic growth cluster of Central Java Province recorded that most cities/regencies were still in the category of high poverty rates and rapidly developing regional clusters (cluster 3), but Blora Regency was the only economically disadvantaged area (cluster 4) which also including high poverty areas. On the other hand, the City of Surakarta and Batang Regency succeeded in reducing poverty so that they shifted from the middle poverty cluster to the low poverty cluster. Most of the urban/district poverty clusters in West Java Province are in the low category, besides that Subang Regency, Cianjur Regency, Tasikmalaya Regency, West Bandung Regency, and Garut Regency managed to get out of the high poverty cluster to become a medium poverty cluster. Clusters of economic growth in cities/regencies in West Java Province are mostly fast developing areas (cluster 3), but Subang Regency and Garut Regency are still economically disadvantaged areas (cluster 4). Significant determinants affect the poverty rate in the two provinces, namely poverty in the previous year, economic growth, inflation, Human Development Index (HDI), and the Open Unemployment Rate (TPT). The amount of savings only affects Central Java Province, and inequality (gini ratio) only affects West Java Province. Meanwhile, based on the opinions of 7 experts from different agencies analyzed using AHP, the most priority target for alleviating poverty in Central Java Province is reducing the unemployment rate, with the most priority strategy being to create jobs. | id |
| dc.language.iso | id | id |
| dc.publisher | IPB University | id |
| dc.title | Determinan Kemiskinan di Provinsi Jawa Tengah dan Jawa Barat serta Strategi Pengentasannya | id |
| dc.title.alternative | Determinants of Poverty in the Provinces of Central Java and West Java, with its Alleviation Strategy | id |
| dc.type | Thesis | id |
| dc.subject.keyword | AHP | id |
| dc.subject.keyword | dynamic panel data SYS GMM | id |
| dc.subject.keyword | klassen typology | id |
| dc.subject.keyword | poverty | id |