Answers are grounded in this paper and cite their sources.
Kemiskinan merupakan salah satu permasalahan struktural yang masih dihadapi oleh banyak wilayah di Indonesia, termasuk pada tingkat kabupaten/kota. Penelitian ini bertujuan untuk menganalisis pengaruh kredit mikro, Produk Domestik Regional Bruto (PDRB), tingkat pendidikan, dan tingkat pengangguran terhadap tingkat kemiskinan pada 34 kabupaten/kota selama periode 2020–2024. Penelitian menggunakan pendekatan regresi data panel dengan total 170 observasi. Pemilihan model estimasi dilakukan melalui Uji Chow, Uji Hausman, dan Uji Lagrange Multiplier, yang secara konsisten menunjukkan bahwa Random Effect Model (REM) merupakan model estimasi terbaik. Hasil estimasi menunjukkan bahwa variabel kredit dan pendidikan berpengaruh negatif dan signifikan terhadap kemiskinan, sedangkan variabel PDRB berpengaruh positif namun tidak signifikan, dan variabel pengangguran berpengaruh positif namun tidak signifikan. Model yang digunakan mampu menjelaskan 42,11 persen variasi tingkat kemiskinan (R-squared = 0,4211), dengan nilai rho cross-section random sebesar 0,9699 yang mengindikasikan dominasi heterogenitas antarwilayah dibandingkan variasi antarwaktu. Temuan ini menegaskan bahwa perluasan akses kredit mikro dan peningkatan kualitas pendidikan merupakan instrumen kebijakan yang lebih efektif dalam menurunkan kemiskinan dibandingkan pertumbuhan ekonomi agregat maupun penurunan angka pengangguran terbuka. Penelitian ini merekomendasikan agar kebijakan pengentasan kemiskinan dirancang secara spesifik sesuai karakteristik wilayah (spatially targeted) dengan mengintegrasikan program keuangan mikro dan pendidikan secara simultan.
No takes yet. Share an insight, caveat, or question.
Sari et al. (2026) studied this question.
Synapse has enriched 10 related papers. Consider them for comparative context: