This is our slide presentation on a data analyst competition

1. 1
Faktor Sosial Ekonomi yang Mempengaruhi
Kondisi Kemiskinan Wilayah Jawa di Tengah
Pandemi
Rekomendasi Mewujudkan SDGs Tujuan 1:
-Tim Ina-
Yogi Ramadhan
Syaikhul ‘Ibad

2. 2
LATAR BELAKANG
Pandemi Covid-19 tak hanya mempengaruhi
pertumbuhan ekonomi Indonesia, tetapi juga
berdampak terhadap pencapaian Tujuan
Pembangunan Berkelanjutan/Sustainable
Development Goals (TPB/SDGs).
Langkah antisipatif terus dilakukan sebagai
mitigasi atas terdampaknya sejumlah target
TPB/SDGs akibat pandemi Covid-19, seperti
Tujuan 1: Tanpa Kemiskinan, karena pandemi
menurunkan pendapatan kelompok rentan
miskin dan miskin.
Pendahuluan
pinterest

3. 3
LATAR BELAKANG
Oleh karena itu, upaya pengentasan
kemiskinan harus dilakukan secara
komprehensif, mencakup berbagai aspek
kehidupan masyarakat, dan dilaksanakan
secara terpadu (Nasir et al, 2008).
Sehingga peneliti tertarik melakukan
penelitian dengan judul analisis faktor-faktor
sosial ekonomi yang mempengaruhi
kemiskinan dalam mewujudkan Sustainable
Development Goals (SDGs) di tengah
pandemic covid-19 Wilayah Jawa .
Time jabar

4. 4
Metodologi
ANALISIS DESKRIPTIF
ANALISIS INFERENSIA
Grafik, Minimum, Maksimum, Rata-rata,
dan Prosentase
Selang Kepercayaan, Uji beda rata-rata,
dan Estimasi Regresi Linier Berganda
Variabel Data Analisis
TIDAK BEBAS
BEBAS
Jumlah Penduduk Miskin
Jumlah Penduduk
PDRB ADHK
Tingkat Pengangguran Terbuka
Indeks Pembangunan Manusia
Analisis hanya mencakup provinsi
di pulau Jawa.
Data yang digunakan adalah data
sekunder yang didapatkan dari
website Badan Pusat Statistik
nasional maupun daerah,

5. 5
Tinjauan Pustaka
Pemilihan Variabel Bebas
Menurut (Mudrajad Kuncoro, 1997),
jumlah penduduk dalam pembangunan
ekonomi suatu daerah merupakan
permasalahan mendasar. Karena
pertumbuhan penduduk yang tidak
terkendali dapat mengakibatkan tidak
tercapainya tujuan pembangunan
ekonomi yaitu kesejahteraan rakyat
serta menekan angka kemiskinan.
Jumlah Penduduk PDRB ADHK
Nugroho (2015), menyebutkan bahwa variabel pengangguran menunjukkan hubungan yang
positif dan berpengaruh signifikan terhadap kemiskinan, menurutnya efek buruk dari
pengangguran adalah mengurangi pendapatan masyarakat yang pada akhirnya mengurangi
tingkat kemakmuran yang telah dicapai seseorang.
IPM
Salah satu indikator tingkat
pertumbuhan ekonomi di suatu wilayah
adalah tingkat Produk Domestik
Regional Bruto (PDRB) yang merupakan
nilai bersih barang dan jasajasa akhir
yang dihasilkan oleh berbagai kegiatan
ekonomi di suatu daerah dalam suatu
periode (Hadi Sasana, 2006).
Beberapa riset telah banyak
membuktikan bahwa IPM
memengaruhi tingkat kemiskinan
diantaranya: penelitian Sofilda dkk
(2013) menunjukkan bahwa IPM
berpengaruh negatif dan signifikan
terhadap tingkat kemiskinan di
Kabupaten/kota Provinsi Papua
(Sofilda, 2016).
Tingkat Pengangguran Terbuka

6. Analisis Deskriptif
12,72 Juta 14,05 Juta
10,45%
2019 2020
Jumlah Penduduk
Miskin di Pulau Jawa
6

7. DI Yogyakarta
Banten
Jawa Barat
Jawa Timur
Jawa Tengah
DKI Jakarta
3,46%  4,55%
11,67%  12,25%
5,06%  6,52%
6,89%  7,85%
10,78%  10,90%
10,36%  10,87%
7

8. 8

9. 9

10. % Perubahan Karakteristik
2019 ke 2020 Provinsi Kabupaten/Kota
Jumlah Penduduk Miskin
PDRB ADHK
Jumlah Penduduk
TPT
IPM
+6,07%
(DI Yogyakarta)
+31,54%
(DKI Jakarta)
-2,36%
(DKI Jakarta)
-3,38%
(Banten)
+0,04%
(DKI Jakarta)
-7,91%
(Banten)
+30,09%
(Jawa Barat)
+67,43%
(DKI Jakarta)
+0,01%
(DKI Jakarta)
+0,29%
(Jawa Timur)
+2,19%
(Magelang)
+40,57%
(Kota Tanggerang
Selatan)
ooo
ooo
+0,055%
(Cianjur)
-22,52%
(Kota Tanggerang
Selatan)
+3,96%
(Tegal)
+135,51%
(Jakarta Barat)
+0%
(Bantul, Magelang,
Pemalang, dan
Probolinggo)
+1,23%
(Sampang)
10

11. Analisis Inferensia
Uji Normalitas Data Jumlah Penduduk Miskin
Dengan tingikat signifikansi 5% data berdistribusi Normal.
Namun karena jumlah observasi besar dan lebih dari 30 maka
bisa menggunakan pendekatan normal untuk melakukan
estimasi confidence interval dan uji hipotesis.
𝒑 − 𝒗𝒂𝒍𝒖𝒆 = 𝟒, 𝟑𝟐𝟑𝒆 − 𝟏𝟐
𝐻0: 𝐷𝑎𝑡𝑎 𝑏𝑒𝑟𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑁𝑜𝑟𝑚𝑎𝑙
𝐻1: 𝐷𝑎𝑡𝑎 𝑡𝑖𝑑𝑎𝑘 𝑏𝑒𝑟𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑁𝑜𝑟𝑚𝑎𝑙
𝜶 = 𝟏%
Uji Beda Rata-rata paired (JPM 2020 dan JPM 2019) dan Selang Kepercayaan
Dengan tingkat kepercayaan 95% dan berdasarkan data yang
ada diperoleh perbedaan Rata-Rata Jumlah Penduduk Miskin
Sebelum & Saat Pandemi Covid-19 berada pada interval
𝟕, 𝟗𝟑𝟓𝟒𝟐𝟔 < 𝝁𝒅 < 𝟏𝟑, 𝟎𝟒𝟑𝟕𝟑𝟒.
𝒑 − 𝒗𝒂𝒍𝒖𝒆 = 𝟒, 𝟕𝟔𝟖𝒆 − 𝟏𝟑
𝐻0: 𝜇𝑑 = 0
𝐻1: 𝜇𝑑 ≠ 0
𝜶 = 𝟏%
11

12. Analisis Regresi Linier Berganda
Variabel:
𝑋1 = 𝑃𝐷𝑅𝐵 𝐴𝐷𝐻𝐾 𝑇𝑎ℎ𝑢𝑛 2020
𝑋2 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑇𝑎ℎ𝑢𝑛 2020
𝑋3 = 𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝑃𝑒𝑛𝑔𝑎𝑛𝑔𝑔𝑢𝑟𝑎𝑛 𝑇𝑒𝑟𝑏𝑢𝑘𝑎 2020
𝑋4 = 𝐼𝑛𝑑𝑒𝑘𝑠 𝑃𝑒𝑚𝑏𝑎𝑛𝑔𝑢𝑛𝑎𝑛 𝑀𝑎𝑛𝑢𝑠𝑖𝑎 2020
𝑌 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑀𝑖𝑠𝑘𝑖𝑛 2020
Model Regresi Linier berganda
𝒀𝒊 = 𝜷𝟎 + 𝜷𝟏𝑿𝒊𝟏 + 𝜷𝟐𝑿𝒊𝟐 + 𝜷𝟑𝑿𝒊𝟑 + 𝜷𝟒𝑿𝒊𝟒 + 𝜺𝒊
12

13. Check Multikolinearitas:
Kriteria VIF
PDRB_ADHK_2020
1.173608
Jumlah_Penduduk_2020
1.118961
Indeks_Pembangunan_Manusia_2020
1.061690
Kesimpulan …………………..
13

14. Seleksi Model Terbaik (Metode Stepwise)
Didapatkan model terbaik sebagai berikut:
Variabel Estimasi Koefisien t value p-value
(intercept)
PDRB ADHK 2020
JP 2020
TPT 2020
IPM 2020
𝒀 = 𝟏𝟏𝟐 + 𝟏𝟐𝟐𝑿𝟏 + 𝟏𝟐𝟐𝑿𝟐 + 𝟏𝟐𝟐𝑿𝟑 + 𝟏𝟐𝟐𝑿𝟒
14

15. Validasi Model
Uji Simultan:
Variabel t value p-value Keputusan & Kesimpulan
(intercept)
PDRB ADHK 2020
JP 2020
TPT 2020
IPM 2020
Uji Parsial:
Kesimpulann ……………………..
𝒑 − 𝒗𝒂𝒍𝒖𝒆 = 𝟒, 𝟑𝟐𝟑𝒆 − 𝟏𝟐
𝐻0: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 0
𝐻1: 𝑀𝑖𝑛𝑖𝑚𝑎𝑙 𝑠𝑎𝑡𝑢 𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑡𝑖𝑑𝑎𝑘 0
𝜶 = 𝟏%
𝐻0: 𝛽𝑖 = 0
𝐻1: 𝛽𝑖 ≠ 0 𝜶 = 𝟏%
R-Square: 90%
15

16. Uji Asumsi Model
Normalitas Residual:
Homoskedastisitas:
Linearitas:
Autokorelasi:
𝒑 − 𝒗𝒂𝒍𝒖𝒆 = 𝟎, 𝟎𝟗𝟒𝟑
𝒑 − 𝒗𝒂𝒍𝒖𝒆 = 𝟎, 𝟎𝟏𝟐𝟑
𝒑 − 𝒗𝒂𝒍𝒖𝒆 = 𝟎, 𝟎𝟗𝟒𝟑
16

17. Interpretasi Model
Interpretasi di sini
𝒀 = 𝟏𝟏𝟐 + 𝟏𝟐𝟐𝑿𝟏 + 𝟏𝟐𝟐𝑿𝟐 + 𝟏𝟐𝟐𝑿𝟑 + 𝟏𝟐𝟐𝑿𝟒
17

18. Interpretasi Model
18

19. 19
Kesimpulan dan Saran