Populasi dan Sampel - ANALISIS PENGARUH PENDAPATAN PER KAPITA, TINGKAT PENDIDIKAN, JUMLAH PENDU

Populasi merupakan wilayah yang tergeneralisasi terdiri atas subjek atau objek dengan kualitas dan karakteristik yang ditetapkan oleh peneliti untuk dipelajari dan kemudian dilakukan penarikan kesimpulan (Kuncoro, 2003). Populasi yang digunakan pada penelitian ini adalah Provinsi-provinsi yang ada di Indonesia.

Sampel merupakan bagian dari populasi. Jika populasi besar, dan peneliti tidak dapat mempelajari semua yang ada pada populasi, misalnya karena adanya keterbatasan dana, tenaga, dan waktu maka peneliti dapat menggunakan sampel yang telah diambil dari populasi (Kuncoro, 2003).

Metode pengumpulan sampel dalam penelitian ini menggunakan purposive sampling. Purposive sampling merupakan pengambilan data yang disesuaikan dengan kriteria-kriteria yang telah ditentukan sebelumnya oleh peneliti (Asnawi & Wijaya, 2005).

Kriteria yang digunakan dalam pemilihan sampel penelitian ini adalah sebagai berikut:

1. Masyarakat berusia 15 – 18 Tahun pada seluruh Provinsi di Indonesia

2. Masyarakat yang berada pada usia produktif pada seluruh Provinsi di Indonesia

3. Masyarakat pada tingkat Pendidikan Sekolah Menengah Atas (SMA) pada seluruh Provinsi di Indonesia

Selengkapnya mengenai rincian pemilihan sampel penelitian dapat dilihat sebagai berikut:

Tabel 3.1 Daftar Provinsi di Indonesia

No. Nama Provinsi

1 Aceh

2 Sumatera Utara

3 Sumatera Barat

4 Riau

5 Kepulauan Riau

6 Jambi

7 Sumatera Selatan

8 Kepulauan Bangka Belitung

9 Bengkulu

10 Lampung

11 DKI Jakarta

12 Banten

13 Jawa Barat

14 Jawa Tengah

15 DI Yogyakarta

16 Jawa Timur

No. Nama Provinsi

17 Bali

18 Nusa Tenggara Barat

19 Nusa Tenggara Timur

20 Kalimantan Barat

21 Kalimantan Tengah

22 Kalimantan Selatan

23 Kalimantan Timur

24 Kalimantan Utara

25 Sulawesi Utara

26 Gorontalo

27 Sulawesi Tengah

28 Sulawesi Barat

29 Sulawesi Selatan

30 Sulawesi Tenggara

31 Maluku

32 Maluku Utara

33 Papua Barat

34 Papua

Sumber: Badan Pusat Statistik

41 B. Tempat dan Waktu Penelitian

Lokasi penelitian adalah tempat peneliti melakukan penelitian, terutama tempat ditangkapnya fenomena atau peristiwa yang sebenarnya terjadi dari objek yang diteliti guna mendapatkan data penelitian yang akurat. Dalam menentukan lokasi penelitian, menentukan metode penelitian terbaik dengan mempertimbangkan teori substantif dan mendalami lapangan serta mencari jalan yang sesuai dengan keadaan aktual di lapangan (Moleong, 2007). Pada saat yang sama, kendala geografis dan praktis seperti waktu, biaya, dan tenaga kerja perlu dipertimbangkan saat menentukan lokasi penelitian. Tujuan dari penelitian ini adalah bertujuan.

Lokasi dan waktu penelitian merupakan rangkaian deskripsi rutin yang menggambarkan letak teknologi pengumpulan data dalam penelitian.

Bagian ini menjelaskan bahwa penelitian sebenarnya sedang berlangsung.

Tempat yang diambil untuk penelitian ini berlokasi di 34 Provinsi yang ada di Indonesia, sementara untuk penelitian dilakukan pada periode 2015 – 2019.

C. Data dan Sumber Data

Data yang digunakan dalam penelitian ini merupakan data sekunder.

Data sekunder merupakan data yang bersumber secara tidak langsung yang memberikan data kepada peneliti, misalnya lewat orang lain atau lewat dokumen-dokumen (Sugiyono, 2007).

Sumber data sekunder yang digunakan dalam penelitian ini sebagai berikut:

1. Data-data penduduk yang didapat melalui Badan Pusat Statistik dan berbagai media resmi yang dikeluarkan pemerintah.

2. Data mengenai tingkat Pendidikan dan Indeks Pembangunan Manusia (IPM) yang didapat melalui Badan Pusat Statistik dan berbagai media resmi yang dikeluarkan pemerintah.

3. Data mengenai tingkat Kemiskinan yang didapat melalui Badan Pusat Statistik dan berbagai media resmi yang dikeluarkan pemerintah.

D. Metode Pengumpulan Data

Metode pengumpulan data merupakan tahapan proses penelitian dimana peneliti menerapkan metode dan teknik ilmiah tertentu untuk mengumpulkan data secara sistematis untuk dianalisis.

Terlihat bahwa cara mengumpulkan data penelitian secara ilmiah harus dilakukan secara ilmiah dan sistematis. Data yang dikumpulkan secara acak akan menghasilkan penelitian yang berkualitas rendah, bias, dan tidak efektif. Bahkan bisa dikatakan tidak ilmiah.

Data yang digunakan dalam penelitian ini adalah data sekunder.

Data sekunder merupakan sumber yang tidak secara langsung memberikan data kepada pengumpul data melalui orang atau dokumen lain.

Proses pengumpulan data dalam penelitian ini menggunakan metode studi kepustakaan (Library Research). Studi kepustakaan merupakan teknik pengambilan data yang dilakukan dengan membaca dan mempelajari serta menganalisis literatur-literatur yang bersumber dari buku maupun jurnal yang berhubungan dengan penelitian yang dilakukan.

E. Metode Analisis Data

Metode yang digunakan dalam penelitian ini adalah menggunakan metode kuantitatif. Metode analisis data kuantitatif adalah metode yang mengandalkan kemampuan menghitung data secara akurat. Selain itu, metode ini membutuhkan kemampuan untuk menginterpretasikan data yang kompleks. Beberapa contoh metode analisis kuantitatif, seperti analisis deskriptif, regresi dan faktor. Metode analisis data kuantitatif memiliki berbagai jenis analisis, seperti teknik terkait, regresi, perbandingan, deskriptif, dan yang lainnya.

Metode ini merupakan metode pengolahan data melalui metode statistik atau matematis yang dikumpulkan dari data sekunder. Keuntungan dari metode ini adalah dapat ditarik kesimpulan yang lebih komprehensif.

Metode lain yang dapat digunakan dalam proses analisis data adalah analisis teks, statistik, diagnosis, prediksi, dan deskriptif.

Penelitian ini memiliki satu variabel dependen dan empat variabel independen, diantaranya:

44 a. Variabel Dependen

Menurut Sugiyono (2007), variabel terikat atau variabel dependen adalah variabel yang dipengaruhi oleh atau menjadi hasil dari suatu variabel bebas. Penelitian ini menggunakan tingkat Kemiskinan sebagai variabel dependennya.

b. Variabel Independen

Menurut Sugiyono (2007), Variabel independen atau variabel bebas adalah variabel yang mempengaruhi atau menyebabkan variabel dependen atau variabel terikat berubah.

Dalam penelitian ini digunakan Pendapatan Per Kapita, Tingkat Pendidikan, Jumlah Penduduk Usia Produktif dan Indeks Pembangunan Manusia (IPM) sebagai variabel independennya.

Teknik analisis data dalam penelitian ini adalah menggunakan analisis regresi data panel dengan alat analisis pengolah data Eviews 10.

Metode tersebut digunakan untuk mengetahui seberapa besar hubungan antara masing-masing variabel independen terhadap variabel dependen.

Analisis regresi data panel merupakan analisis regresi yang berstruktur data sebagai data panel. Umumnya metode kuadrat terkecil atau metode estimasi yang disebut dengan ordinary least squares (OLS) digunakan untuk mengestimasi parameter dalam analisis regresi dengan data cross-sectional. Data panel atau data gabungan merupakan gabungan dari data time series dan cross-sectional. Dengan menampung informasi

yang baik tentang variabel cross-sectional dan time series. Data panel dapat sangat mengurangi masalah pengabaian variabel, dan model mengabaikan variabel terkait.

Regresi data panel merupakan kombinasi data cross-sectional dan data time series, dimana unit penampang yang sama diukur pada waktu yang berbeda. Dengan kata lain, data panel adalah data dari beberapa individu identik yang diamati dalam kurun waktu tertentu. Jika kita memiliki periode waktu T (t = 1,2, ..., N) dan N adalah jumlah individu (i = 1,2, ..., N), maka dengan menggunakan data panel, kita akan mendapatkan total dari unit observasi NT. Jika setiap orang memiliki jumlah unit waktu yang sama, data tersebut disebut panel seimbang. Di sisi lain, setiap orang memiliki jumlah satuan waktu yang berbeda, yang disebut panel tak seimbang.

Ada dua jenis persamaan regresi data panel, model satu arah dan model dua arah. Model satu arah adalah model one-way karena hanya mempertimbangkan efek individual (αi) dalam model. Berikut persamaannya:

Dimana:

α = Konstanta

β = Vektor berukuran P x 1 merupakan parameter hasil estimasi Xit = Observasi ke-it dari P variabel bebas

αi = efek individu yang berbeda-beda untuk setiap individu ke-i

ε

it = error regresi seperti halnya pada model regresi klasik.

Sebuah "model dua arah" adalah model yang mempertimbangkan efek waktu atau menyertakan variabel waktu. Berikut persamaannya:

Persamaan di atas menunjukkan dimana efek waktu tambahan yang diwakili oleh deltha berada. Efek waktu ini dapat diperbaiki atau acak selama beberapa tahun.

Berbeda dengan regresi biasa, regresi data panel harus melalui berbagai tahapan dalam menentukan model estimasi yang sesuai. Berikut tahapan regresi data panel:

1. Penentuan Model Estimasi

Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan dengan tiga metode sebagai berikut:

a. Common Effect Model atau Pooled Least Square (PLS)

Ini merupakan metode model data panel yang paling sederhana karena hanya menggabungkan data time series dan cross-sectional. Dalam model ini, baik waktu maupun dimensi tunggal tidak diperhitungkan, sehingga dapat diasumsikan bahwa perilaku data perusahaan pada periode waktu yang berbeda adalah

sama. Metode ini dapat menggunakan metode kuadrat terkecil (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel.

Teknik ini mirip dengan menggunakan data cross-sectional atau time series untuk regresi. Namun, untuk data panel, kita harus menggabungkan data cross-sectional dengan data deret waktu (pool data) sebelum dilakukan regresi. Kemudian, perlakukan data gabungan ini sebagai kumpulan observasi yang digunakan untuk memperkirakan model menggunakan metode PLS.

b. Fixed Effect Model (FE)

Model tersebut mengasumsikan bahwa perbedaan antar individu dapat disesuaikan dengan perbedaan intersep. Untuk mengestimasi data panel, model fixed effect menggunakan teknologi variabel dummy untuk menangkap perbedaan intersep antar perusahaan, yang mungkin terjadi karena perbedaan dalam budaya kerja, manajemen dan ukuran insentif.

Namun, perbedaan antar perusahaan sama. Model estimasi ini biasa disebut dengan teknik least squares dummy variable (LSDV).

Adanya tidak semua variabel yang dimasukkan ke dalam persamaan model memungkinkan intersep

menjadi tidak konstan. Atau dengan kata lain, intersepsi ini dapat berubah untuk setiap orang dan waktu. Ide ini adalah alasan untuk model tersebut.

c. Random Effect Model (RE)

Model tersebut akan memperkirakan data panel dimana variabel yang mengganggu dapat berkorelasi dari waktu ke waktu dan antar individu. Dalam model efek acak, perbedaan intersep diperhitungkan dengan istilah kesalahan masing-masing perusahaan. Keuntungan menggunakan model efek acak adalah menghilangkan heteroskedastisitas. Model ini juga disebut teknik Error Component Model (ECM) atau Generalized Least Squares (GLS).

2. Penentuan Metode Regresi Data Panel

Untuk memilih model yang paling sesuai, beberapa pengujian dapat dilakukan, antara lain:

a. Uji Chow

Uji Chow adalah pengujian yang digunakan untuk menentukan model efek umum (CE) atau efek tetap (FE) yang paling sesuai untuk memperkirakan data panel. Uji Chow digunakan untuk menentukan model mana yang lebih tepat digunakan, apakah CEM atau FEM yang lebih tepat digunakan dalam penelitian. Jika

diperoleh probabilitas < 0.05 (taraf signifikansi) maka FEM lebih tepat digunakan. Begitupula sebaliknya, jika probabilitas > 0.05 (taraf signifikansi), maka CEM lebih tepat digunakan.

Apabila:

H0: Pilih Common Effect Model atau Pooled Least Square

H1: Pilih Fixed Effect Model

b. Uji Hausman

Uji Hausman adalah uji statistik yang digunakan untuk menentukan apakah model fixed effect atau random effect adalah yang paling sesuai. Uji Hausman digunakan untuk melihat apakah FEM atau REM yang lebih tepat digunakan pada penelitian ini. Jika diperoleh probabilitas < 0.05 (taraf signifikansi), maka FEM lebih tepat untuk digunakan. Sebaliknya, jika probabilitas >

0.05 (taraf signifikansi), maka REM lebih tepat untuk digunakan.

Apabila:

H0: Pilih Random Effect Model H1: Pilih Fixed Effect Model

c. Uji Lagrange Multiplier

Uji Lagrangian Multiplier (LM) merupakan pengujian untuk mengetahui apakah model random effect lebih baik dari pada metode general effect (PLS) yang digunakan.

Apabila:

H0: Pilih Common Effect Model atau Pooled Least Square

H1: Pilih Random Effect Model

3. Uji Asumsi Klasik

Sebelum dilakukan uji regresi, peneliti melakukan uji hipotesis klasik untuk memastikan bahwa model memenuhi hipotesis BLUE (Best, Linear, and Unbiased Estimator).

a. Uji Normalitas

Menurut laporan (Gultom, 2014), uji normalitas bertujuan untuk menguji apakah variabel perancu atau variabel residual dalam model regresi berdistribusi normal. Apakah suatu data normal atau tidak, biasanya dari histogram residual berbentuk lonceng dan tidak berbentuk lonceng, Juga dapat menggunakan scatter plot untuk melihat nilai residu yang membentuk pola tertentu. Namun, jika tidak hati-hati, hanya

mengandalkan pengamatan grafik untuk melakukan uji normalitas dapat menyebabkan kesalahan.

Sebenarnya selain grafik, kita juga dapat menguji normalitas dengan berbagai cara, seperti menggunakan rasio skewness dan kurtosis, dan menggunakan uji Kolmogorof-Smirnov. Atau juga dapat menggunakan Lilliefors, Shapiro Wilk dan Shapiro Francia, Jarque-Bera, dll.

Jika rasio skewness terhadap kurtosis antara -2 dan +2, data terdistribusi normal, dan data di luar rentang ini dianggap tidak normal. Penggunaan Kolmogorof-Smirnov atau uji KS termasuk dalam non parametrik, karena peneliti tidak mengetahui apakah data yang digunakan berisi data parametrik, jika nilai Sign > 0,05 (H0 diterima), maka disebut berdistribusi normal (H1

ditolak). Dengan menggunakan Jaque-Bera, jika p-value Jaque-Bera > 0,05 (H0 diterima, H1 ditolak), data dianggap berdistribusi normal.

b. Uji Multikolinearitas

Uji multikolinearitas dirancang untuk menguji regresi yang menemukan korelasi kuat atau tinggi antara variabel independen. (Noor 2014) diterbitkan di Gultom (2014).

Pendeteksian multikolinearitas dapat dilihat dari nilai VIF (Variance Inflation Factor). Hasil perhitungan model yang baik adalah VIF < 10. Jika VIF > 10, muncul multikolinearitas. Selain itu, kita juga bisa menggunakan nilai-nilai toleransi. Diantaranya, jika nilai tolerance >

0,01, maka model tidak memiliki masalah multikolinearitas. Jika nilai tolerance < 0,01, maka dapat disimpulkan terjadi masalah multikolinearitas.

Dalam Gujarati (2004), multikolinearitas dapat dideteksi dengan banyak cara, selain melihat nilai VIF juga dapat dilakukan pemeriksaan multikolinearitas dengan melihat nilai korelasi antar variabel independen.

Artinya, jika nilai korelasi antar variabel bebas lebih besar dari 0,8 maka dapat dikatakan model tersebut memiliki masalah multikolinearitas. Namun jika nilai korelasi antar variabel independen kurang dari 0,8 maka model tersebut dapat dikatakan tidak memiliki masalah multikolinearitas.

c. Uji Heteroskedastisitas

Menurut Gultom (2014), uji heteroskedastisitas dirancang untuk menguji apakah residual dari satu observasi ke observasi lainnya dalam model regresi memiliki kemiripan.

Pengujian ini dirancang untuk menguji apakah ada perbedaan ketidaknyamanan dari satu residual yang diamati ke residual yang diamati lainnya dalam model regresi. Jika variansnya berbeda, maka disebut heteroskedastisitas. Cara untuk mengetahui ada tidaknya heteroskedastisitas pada model regresi linier berganda adalah dengan melihat scatter plot atau nilai prediksi dari variabel terikat yaitu SRESID dengan residual yaitu ZPRED. Jika tidak ada pola yang pasti, dan tidak menyebar di atas atau di bawah nol pada sumbu y, maka dapat disimpulkan tidak terjadi heteroskedastisitas.

Untuk model penelitian yang baik tidak terjadi heteroskedastisitas (Imam Ghozali, 2016).

Selain itu, terdapat uji glejser, uji statistik yang paling umum digunakan. Menurut Gujarati (2003) dalam Ghozali (2011), uji glejser merekomendasikan regresi nilai absolut residual ke variabel independen. Jika probabilitas signifikansi lebih besar dari tingkat kepercayaan 5% atau > 0,05, dikatakan model regresi tidak termasuk heteroskedastisitas, dan sebaliknya.

d. Uji Autokorelasi

Menurut laporan Gultom (2014), uji autokorelasi bertujuan untuk melihat apakah terdapat korelasi antara

kesalahan perancu pada periode t dengan kesalahan perancu pada periode t-1 pada model regresi linier.

Uji autokorelasi berkaitan dengan pengaruh data terhadap variabel-variabel yang saling berhubungan.

Ukuran nilai data dapat dipengaruhi atau terkait dengan data lain (atau data sebelumnya). Misalnya untuk data time series, data investasi tahun ini sangat bergantung pada data investasi tahun sebelumnya. Situasi ini disebut autokorelasi. Uji asumsi klasik mensyaratkan bahwa variabel tidak boleh menunjukkan autokorelasi. Jika terdapat gejala autokorelasi, maka model regresi akan buruk, karena akan menghasilkan parameter yang tidak logis yang berada di luar akal sehat.

Ada banyak metode untuk mendeteksi gejala autokorelasi, yaitu uji Durbin Watson (uji DW), uji Lagrange Multiplier (uji LM), uji statistik Q, dan uji Run.

Di antara beberapa uji autokorelasi, uji Durbin Watson (uji DW) digunakan dalam penelitian ini.

Tabel 3.2 Pengambilan Keputusan Uji Durbin-Watson

Hipotesis Nol Keputusan Jika Tidak ada

autokorelasi positif Tolak 0 < d < dL

Hipotesis Nol Keputusan Jika Tidak ada

autokorelasi positif No Decision

dL ≤ d

≤ dU Tidak ada korelasi

negatif Tolak 4–dL < d < 4 Tidak ada korelasi

negatif No Decision 4–dU ≤ d ≤ 4–

dL Tidak ada

autokorelasi, positif atau negatif

Tidak

Ditolak dU < d < 4–dU Sumber: Imam Ghazali, 2011

4. Uji Hipotesis

Pengujian hipotesis merupakan suatu metode pengambilan keputusan berdasarkan analisis data yang bersumber dari eksperimen dan observasi terkontrol (tidak terkontrol). Tingkat signifikansi dari tes ini adalah 0,05.

a. Uji Statistik F

Menurut Gultom (2014), uji statistik F merupakan pengujian yang menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh yang sama terhadap variabel terikat. Sedangkan hipotesis uji signifikansi (uji F) dapat dijelaskan sebagai berikut:

Diduga variabel independen Pendapatan Per Kapita, Tingkat Pendidikan, Jumlah Penduduk

Usia Produktif, dan Indeks Pembangunan Manusia (IPM) berpengaruh signifikan secara simultan (bersama-sama) terhadap Tingkat Kemiskinan.

b. Uji Statistik t

Uji statistik t adalah uji yang menggunakan seberapa jauh pengaruh satu varibel penjelas secara individual dalam menerangkan variabel-varibel terikat (Kuncoro, 2001) dalam jurnal Gultom (2014). Hipotesis uji signifikansi secara parsial (uji t) dapat dijelaskan sebagai berikut:

1) Diduga Pendapatan Per Kapita berpengaruh secara signifikan terhadap Tingkat Kemiskinan.

2) Diduga Tingkat Pendidikan berpengaruh secara signifikan terhadap Tingkat Kemiskinan.

3) Diduga Jumlah Penduduk Usia Produktif berpengaruh secara signifikan terhadap Tingkat Kemiskinan.

4) Diduga Indeks Pembangunan Manusia (IPM) berpengaruh secara signifikan terhadap Tingkat Kemiskinan.

c. Koefisien Determinasi (RSquared)

Koefisien determinasi adalah untuk menguji kemampuan model dalam menjelaskan perubahan variabel terikat. Jika nilai R² mendekati 1, variabel bebas menyediakan hampir semua informasi yang diperlukan untuk mengestimasi variasi variabel terikat. Jika R² bernilai 1 berarti terdapat hubungan yang sempurna, dan jika bernilai 0, berarti variabel terikat tidak sesuai dengan variabel penjelas. Jika R² lebih besar, pengaruh model dalam menjelaskan variabel terikat lebih besar.

5.

Operasional Variabel Penelitian

Tabel 3.3 Operasional Variabel Penelitian

No. Variabel Definisi Pengukuran Sumber

1. Kemiskinan

kondisi dimana seseorang atau sekelompok orang tidak mampu

memenuhi hak- hak dasarnya untuk

mempertahankan

Satuan Jiwa

Badan Pusat Statistik

No. Variabel Definisi Pengukuran Sumber

dan

No. Variabel Definisi Pengukuran Sumber

persentase dari

No. Variabel Definisi Pengukuran Sumber

pendidikan, dan sebagainya.

61 BAB IV

TEMUAN PENELITIAN DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

1. Gambaran Umum Provinsi-provinsi di Indonesia

Indonesia merupakan negara kepulauan terbesar di dunia. Ada lebih dari 17.000 pulau di Indonesia, yang hanya sekitar 7.000 yang berpenghuni. Kalimantan, Jawa, Sulawesi, Sumatera dan Papua adalah pulau utama Indonesia. Selain itu, Indonesia memiliki pulau-pulau kecil seperti Bali, Karimunjawa, Gili dan Lombok yang menjadi destinasi wisata lokal dan internasional. Ibukota negara Indonesia adalah Jakarta yang terletak di pulau Jawa.

Secara geografis kepulauan Indonesia terletak antara 5°54′08″

Bujur Utara sampai dengan 11°08′20″ Bujur Selatan dan 95°00′38″

sampai dengan 141°01′12″ Bujur Timur. Beberapa pulau terletak di garis khatulistiwa. Oleh karena itu, waktu siang dan malam hampir sama, yaitu 12 jam. Menurut letak geografisnya yang luas, wilayah Indonesia dibagi menjadi 3 zona waktu, yaitu WIB (Waktu Indonesia Bagian Barat), WITA (Waktu Indonesia Bagian Tengah) dan WIT (Waktu Indonesia Bagian Timur).

Indonesia merupakan negara kepulauan yang terdiri dari 34 provinsi, 416 kabupaten dan 98 kota atau 7.024 setingkat kecamatan dan 81.626 setingkat desa. Selain itu, setiap wilayah Indonesia memiliki

keragaman budaya dan bahasa yang tersebar di 17.504 pulau. Indonesia saat ini memiliki luas total 5.180.083 kilometer persegi, termasuk daratan dan lautan.

Gambar 4.1 Peta Provinsi di Indonesia

Sumber: Badan Pusat Statistik (Gambar diubah)

Jumlah penduduk saat ini 270 juta orang, tersebar di seluruh kepulauan Indonesia. Setiap pulau dibagi menjadi beberapa provinsi.

Saat ini ada 34 provinsi di Indonesia yang dikepalai oleh gubernur.

Pemimpin daerah dan anggota badan perwakilan lainnya juga dipilih melalui pemungutan suara untuk masa jabatan lima tahun. Provinsi-provinsi di Indonesia dibagi lagi menjadi kabupaten-kabupaten dan kota-kota. Awalnya, sebelum era reformasi, Indonesia hanya memiliki 27 provinsi.

Provinsi di Indonesia dibagi menjadi berbagai area. Area-area ini diatur dan ditentukan oleh undang-undang atau peraturan. Ada juga beberapa provinsi atau area khusus. Biasanya daerah atau provinsi khusus memiliki peraturan yang berbeda dengan provinsi lain. Di antara

34 provinsi ada 5 provinsi yang memiliki sifat khusus, yaitu, Aceh, Jakarta, Yogyakarta, Papua dan Papua Barat.

Provinsi Aceh menggunakan hukum Syariah sebagai hukum pidana provinsi. Provinsi Jakarta adalah daerah ibu kota. Daerah Istimewa Yogyakarta yang dikepalai oleh Sultan Hamengkubuwono telah menjabat sebagai gubernur secara turun temurun yang diwakili oleh Paku Alam dan juga secara turun temurun. Provinsi Papua dan Papua Barat dibagi lagi menjadi tujuh unit geografis.

Saat ini provinsi di Indonesia meliputi 34 provinsi. Di bawah ini adalah daftar provinsi di Indonesia dan beberapa informasi detailnya.

d. Provinsi di Pulau Sumatra

1) Nanggroe Aceh Darussalam: Banda Aceh

Aceh didirikan pada tanggal 7 Desember 1959, dengan luas wilayah 57.956,00 kilometer persegi. Saat ini ada 5.371.532 penduduk yang tinggal di Provinsi Aceh.

Ibukota Provinsi Aceh adalah Banda Aceh. Agama utama penduduk Aceh adalah Islam.

2) Sumatera Utara: Medan

Sumatera Utara pertama kali dibuka oleh pemerintah pada tanggal 29 November 1956. Provinsi ini memiliki luas wilayah 72.981,23 kilometer persegi dan jumlah penduduk 15.851.851 jiwa yang sebagian besar beragama Islam. Sumatera Utara adalah provinsi

terpadat di Indonesia, peringkat keempat. Ibukota Sumatera Utara adalah Medan.

3) Sumatera Selatan: Palembang

Sumatera Selatan ditetapkan oleh pemerintah awal kali pada 14 Agustus 1960. Provinsi yang berbatasan dengan Provinsi Jambi ini mempunyai luas wilayah sebesar 91.592,43 kilometer persegi dengan penduduk sebanyak 7.941.500 jiwa yang kebanyakan beragama Islam.

Provinsi yang terletak di bagian selatan pulau Sumatera ini memiliki kota Palembang selaku Ibukotanya.

4) Sumatera Barat: Padang

Sumatera Barat diresmikan oleh pemerintah pertama pada 9 Agustus 1957. Provinsi ini memiliki luas 42.012,89 km persegi dengan populasi 5.131.900 orang

Dalam dokumen ANALISIS PENGARUH PENDAPATAN PER KAPITA, TINGKAT PENDIDIKAN, JUMLAH PENDUDUK USIA PRODUKTIF DAN INDEKS PEMBANGUNAN MANUSIA TERHADAP KEMISKINAN (Halaman 55-0)