Hubungan antara IPM dan jenis belanja pemerintah ditunjukkan dalam model VECM artinya adanya hubungan jangka panjang dan jangka pendek antara IPM dengan jenis belanja pemerintah, akan tetapi koefisien error correction term tidak signifikan. Kondisi tidak signifikan ini menunjukkan perlu waktu yang lama untuk penyesuaian dari jangka pendek ke jangka panjang. Belanja pegawai tidak signifikan berpengaruh terhadap IPM, sedangkan belanja lain, belanja barang dan belanja modal berpengaruh secara signifikan terhadap IPM. Hal ini disebabkan jenis belanja pegawai, yang manfaat terbesarnya adalah langsung ke pegawainya. Padahal jumlah pegawai itu relatif sedikit untuk tiap daerah, sehingga wajar jika jenis belanja ini tidak berpengaruh terhadap IPM dalam jangka pendek. Dalam persamaan jangka panjang, variabel belanja modal tidak signifikan mempengaruhi IPM, Belanja barang berpengaruh positif secara signifikan mempengaruhi IPM, sedangkan belanja pegawai dan belanja lain berpengaruh negatif terhadap IPM. Hal ini dapat dijelaskan, yang termasuk jenis belanja barang adalah jenis belanja jasa juga, antara lain barang-barang keperluan kantor yang habis kurang dalam satu tahun, untuk membiayai penyuluhan, kursus dan lain-lain.
Sebagaimana diketahui bahwa IPM itu dibentuk dari tiga komponen yaitu pendidikan, kesehatan maupun daya beli. Oleh karena itu untuk menjelaskan lebih jauh tentang alokasi APBD yang mempengaruhi IPM . maka perlu dilihat lebih detail alokasi belanja dalam APBD mempengaruhi tingkat pencapaian dari setiap komponen pembentuk IPM baik pendidikan, kesehatan maupun daya beli. Secara
rinci dapat dijelaskan faktor yang mempengaruhi pencapaian komponen IPM, diantaranya :
a. Rata-rata Lama Sekolah secara umum dipengaruhi oleh daya tampung kelas 1 SMP dan adalah tingkat kelulusan dari SD maupun SMP. Untuk itu, program pembangunan yang mengarah kepada upaya untuk menekan murid yang drop
out baik melalui pemberian beasiswa maupun sekolah SMP Terbuka, SMP
Satu Atap dan SMP Kelas Jauh akan mampu meningkatkan Rata-rata Lama Sekolah.
b. Angka Melek Huruf untuk penduduk usia 15 tahun ke atas secara umum dipengaruhi oleh kemampuan baca tulis huruf latin, bahasa indonesia dan kemampuan pengetahuan dasar. Oleh karena itu, adanya kegiatan yang berkenaan dengan keaksaraan fungsional, kejar paket dan Pusat Kegiatan Belajar Masyarakat yang mengarah kepada pemberantasan buta aksara, akan mendorong peningkatan angka melek huruf.
c. Angka Harapan Hidup untuk bayi yang berumur 1 tahun ke atas sangat ditentukan oleh pelayanan kesehatan kepada bayi terutama program Imunisasi. Hal ini disebabkan karena kegiatan imunisasi kepada bayi akan memberikan daya tahan tubuh mereka terhadap berbagai penyakit yang dapat dicegah dengan imunisasi. Korelasi antara Angka Harapan Hidup dengan jumlah imunisasi lengkap maupun jumlah cakupan desa yang telah terpenuhi imunisasi (UCI Desa) akan berpengaruh terhadap Umur Harapan Hidup (UHH) bagi bayi yang bersangkutan. Selain itu, pertolongan persalinan oleh tenaga kesehatan kepada ibu-ibu yang melahirkan, terutama ibu-ibu yang termasuk resiko tinggi (resti) sangat menentukan peluang hidup bagi seorang bayi. Untuk itu, berbagai program pembangunan yang mengarah pada kegiatan imunisasi, pelayanan KIA, dan kegiatan pendukung lainnya, seperti revitalisasi posyandu akan berpengaruh kepada pencapaian Angka Harapan Hidup. Faktor lainnya yang juga berpengaruh terhadap Angka Harapan Hidup yaitu prosentase balita gizi baik. Hal ini disebabkan karena balita dengan gizi yang baik sangat mungkin memiliki usia hidup yang lebih lama.
d. Kemampuan daya beli masyarakat, dipengaruhi oleh beberapa faktor namun salah satu faktornya adalah jumlah penduduk miskin. Keberadaan jumlah
penduduk miskin sangat berkorelasi dengan tingkat penghasilan yang rendah sehingga kemampuan daya belinya pun juga rendah. Oleh karena itu, program utama yang dapat meningkatkan kemampuan daya beli adalah program penanggulangan kemiskinan yang diupayakan dengan dua hal yaitu : (1) mengurangi beban orang miskin dan (2) meningkatkan pendapatan orang miskin. Untuk mengurangi beban orang miskin diantaranya dengan program BOS, PKH, Beasiswa Daerah dan program sejenis lainnya. Sedangkan yang meningkatkan pendapatan orang miskin yaitu : program Raskin, BLT, Padat Karya, dan program pemberian bantuan tunai lainnya. Jadi upaya untuk mengurangi beban orang miskin dan meningkatkan pendapatan orang miskin yaitu melalui program penanggulangan kemiskinan.
Kalau diperhatikan, program-program untuk mempengaruhi kinerja IPM melalui komponen pembentuknya, sebagian besar adalah berasal dari belanja pemerintah pusat, misalnya BOS, PKH, BLT, PNPM. Sedangkan untuk penyuluhan-penyuluhan, khususnya dalam bidang kesehatan, dana yang dikeluarkan termasuk dalam belanja barang. Sementara belanja modal dalam jangka panjang tidak signifikan berpengaruh terhadap IPM, karena walaupun sarana dan prasana sudah tersedia akan tetapi masyarakat tidak mau menggunakan, maka juga tidak akan menaikkkan IPM suatu daerah. Misalnya, fasilitas puskesmas, RS sudah tersedia, akan tetapi masyarakat kalau sakit cenderung berobat secara tradisional, hal ini tidak akan menaikkan IPM daerah tersebut.
5.4.3 Hasil Analisis Pengaruh Belanja Daerah terhadap Jumlah Penduduk Miskin
1. Indikator Model Panel VAR
Hubungan antara jumlah penduduk miskin dan jenis belanja pemerintah ditunjukkan dalam model VAR FD, karena setelah dilakukan uji kointegrasi ternyata tidak terdapat kointegrasi antara jumlah penduduk miskin dan jenis belanja pemerintah pada tingkat signifikansi pada taraf α=5% maupun α=10%. Hasil estimasi dengan model VAR FD dapat dijelaskan dalam Tabel 32. Belanja pegawai dan belanja lain berpengaruh secara signifikan pada taraf nyata α=10%.
Variabel VAR FD DLNMIS(-1) -0.518 ** -0.109 DLNMIS(-2) -0.130 -0.131 DLNBP(-1) 0.326 * -0.213 DLNBP(-2) 0.054 -0.130 DLNBB(-1) 0.015 -0.097 DLNBB(-2) 0.049 -0.087 DLNBL(-1) 0.079 * -0.063 DLNBL(-2) 0.098 ** -0.051 DLNBM(-1) -0.020 -0.058
Koefisien belanja pegawai dan belanja lain bertanda positif, artinya jika ada kenaikan belanja pegawai dan belanja lain maka jumlah penduduk miskin akan meningkat (Cateris paribus). Jenis belanja barang dan belanja modal tidak signifikan berpengaruh terhadap jumlah penduduk miskin baik pada taraf nyata α=5% maupun α=10%.
Tabel 36 Hasil Estimasi pengaruh belanja daerah terhadap jumlah penduduk miskin Jawa Timur
Keterangan :
** Signifikan pada taraf nyata 5% * Signifikan pada taraf nyata 10%
Angka dalam ( ) menyatakan simpangan baku
Hasil analisis impulse response dilakukan untuk melihat dampak saat ini dan masa depan dari variabel jumlah penduduk miskin akibat perubahan atau
shock variabel belanja barang, belanja pegawai, belanja modal dan belanja
lainnya. Adanya shock pada variabel belanja barang, belanja pegawai, belanja modal dan belanja lainnya pada periode pertama tidak memberi dampak apapun
Periode DLNMIS DLNBP DLNBB DLNBL DLNBM 1 0.402 0.000 0.000 0.000 0.000 2 -0.208 0.022 -0.001 0.041 0.009 3 0.054 -0.017 0.009 0.026 -0.012 4 -0.002 0.025 -0.012 -0.049 0.026 5 0.001 -0.020 0.007 0.031 0.003 6 -0.007 0.009 0.001 -0.020 -0.026 7 0.010 -0.003 -0.007 0.008 0.014 8 -0.011 0.000 0.006 0.002 -0.001 9 0.006 0.000 -0.001 -0.003 0.001 10 -0.001 0.000 -0.001 0.000 -0.001 Total 0.245 0.017 0.001 0.037 0.013
Cholesky Ordering : DLNMIS DLNBP DLNBB DLNBL DLNBM
pada jumlah penduduk miskin. Pada periode kedua shock belanja pegawai memberi dampak sebesar 0.022 pada jumlah penduduk miskin, shock belanja barang memberi dampak sebesar -0.001 pada jumlah penduduk miskin dan shock belanja lain memberi dampak sebesar 0.041 pada jumlah penduduk miskin dan shock belanja modal memberi dampak sebesar 0.009 (Tabel 37). Dalam kurun waktu 10 tahun, maka jenis belanja yang memberikan dampak paling besar terhadap kenaikan jumlah penduduk miskin adalah belanja lain sebesar 0.037 Jika dikaji lebih dalam lagi, kejutan-kejutan yang terjadi dengan datangnya informasi baru dalam jenis belanja daerah berpengaruh pada jumlah penduduk miskin.
Tabel 37 Hasil impulse response jumlah penduduk miskin karena shock masing-masing jenis belanja tiap tahun selama 10 tahun
Selain IRF, dalam VECM menyediakan analisis variance decomposition. Analisis ini memberikan motode yang berbeda di dalam menggambarkan sistem dinamis VAR, yaitu menggambarkan relatif pentingnya setiap variabel di dalam sistem VAR karena adanya shock. Selain itu digunakan juga untuk memprediksi kontribusi persentase varian setiap variabel karena adanya perubahan variabel tertentu di dalam sistem VAR. Tabel 38 menjelaskan prediksi kontribusi persentase varian jumlah penduduk miskin terhadap perubahan variabel jenis alokasi belanja. Periode pertama forecast error variance dari jumlah penduduk
Periode S.E. DLNMIS DLNBP DLNBB DLNBL DLNBM 1 0.402 100.000 0.000 0.000 0.000 0.000 2 0.455 98.896 0.237 0.000 0.824 0.043 3 0.459 98.364 0.364 0.039 1.121 0.111 4 0.463 96.622 0.639 0.111 2.216 0.412 5 0.465 95.981 0.820 0.134 2.652 0.413 6 0.466 95.482 0.856 0.134 2.814 0.714 7 0.467 95.351 0.857 0.158 2.836 0.798 8 0.467 95.336 0.857 0.173 2.836 0.798 9 0.467 95.332 0.856 0.173 2.840 0.798 10 0.467 95.332 0.856 0.174 2.840 0.798
Cholesky Ordering : DLNMIS DLNBP DLNBB DLNBL DLNBM
miskin dapat dijelaskan oleh jumlah penduduk miskin itu sendiri sebesar 100%, sedangkan yang dapat dijelaskan oleh variabel lainnya sebesar 0%. Pada periode kedua yang dapat dijelaskan oleh jumlah penduduk miskin sendiri sebesar 98.896%, belanja pegawai sebesar 0.237%, belanja barang sebesar 0.000%, belanja lain sebesar 0.824% dan belanja modal sebesar 0.043%. Sampai sepuluh periode mendatang forecast error variance yang dapat dijelaskan oleh jumlah penduduk miskin sendiri sebesar 95.332%, belanja pegawai sebesar 0.856%, belanja barang sebesar 0.174%, belanja lain sebesar 2.840% dan belanja modal sebesar 0.798%. Dari hasil ini dapat dikatakan bahwa belanja lain pada periode 10 memberikan kontribusi terbesar dibandingkan jenis belanja lain dan selalu meningkat setiap tahunnya.
Tabel 38 Hasil Variance Decomposition VAR-FD masing-masing jenis belanja terhadap jumlah penduduk miskin
2. Interpretasi Model Panel VAR : Pengaruh Belanja Daerah terhadap