ANALISIS FAKTOR SOSIAL EKONOMI TERHADAP TINGKAT KEMATIAN YANG DISEBABKAN BENCANA ALAM DI SEPULUH NEGARA ASIA WIDY PURNAMA PUTRA

ANALISIS FAKTOR SOSIAL EKONOMI TERHADAP TINGKAT KEMATIAN YANG DISEBABKAN BENCANA ALAM DI SEPULUH NEGARA ASIA

WIDY PURNAMA PUTRA

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2013

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Faktor Sosial Ekonomi Terhadap Tingkat Kematian yang Disebabkan Bencana Alam di Sepuluh Negara Asia adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

Bogor, Oktober 2013 Widy Purnama Putra NIM H14090089

ABSTRAK WIDY PURNAMA PUTRA. Analisis Faktor Sosial Ekonomi Terhadap Tingkat Kematian yang Disebabkan Bencana Alam di Sepuluh Negara Asia. Dibimbing oleh SRI HARTOYO. Tujuan dari penelitian ini adalah mengetahui hubungan antara faktor sosial ekonomi yang dilihat melalui variabel pendapatan perkapita, angka partisipasi pendidikan, luas area dan populasi terhadap tingkat kematian yang disebabkan bencana alam dengan menggunakan panel data sepuluh negara Asia selama periode 1980-2011. Hasil penelitian menunjukkan bahwa pendapatan perkapita dapat mengurangi angka kematian; angka partisipasi pendidikan tidak mengurangi angka kematian; populasi yang lebih besar akan meningkatkan angka kematian dan luas lahan yang lebih besar akan mengurangi angka kematian. Kata kunci: bencana alam, data panel, kematian

ABSTRACT WIDY PURNAMA PUTRA. Analysis of Socio-Economic Factors Affecting Mortality Caused Natural Disasters in Ten Asian Countries. Supervised by SRI HARTOYO. The purpose of the present study is to investigate the relationship between socio economic factors as seen through the variable such as percapita income, years of schooling, land area and population for a panel of ten Asian countries over the sample period over 1980 to 2011. The results showed that the percapita income can reduce mortality; school enrollment rates did not reduce mortality; a larger population will increase mortality and greater land area will reduce mortality. . Keywords : natural disaster, panel data, mortality

ANALISIS FAKTOR SOSIAL EKONOMI TERHADAP TINGKAT KEMATIAN YANG DISEBABKAN BENCANA ALAM DI SEPULUH NEGARA ASIA

WIDY PURNAMA PUTRA

Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANEJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2013

Judul Skripsi Nama NIM

: Analisis Faktor Sosial Ekonomi Terhadap Tingkat Kematian yang Disebabkan Bencana Alam di Sepuluh Negara Asia : Widy Purnama Putra : H14090089

Disetujui oleh

Dr. Ir. Sri Hartoyo Pembimbing

Diketahui oleh

Dr. Ir. Dedi Budiman Hakim, M.Ec Ketua Departemen

Tanggal Lulus:

PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karuniaNya sehingga berhasil ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Juni 2013 ini ialah mengenai bencana alam dan tingkat kematian, dengan judul Analisis Faktor Sosial Ekonomi Terhadap Tingkat Kematian yang Disebabkan Bencana Alam di Sepuluh Negara Asia. Terima kasih penulis ucapkan kepada Bapak Dr. Ir. Sri Hartoyo selaku dosen pembimbing yang selalu memberikan arahan dan motivasi kepada penulis, kepada Ibu Dr. Ir. Wiwiek Rindayanti, M.Si selaku dosen penguji utama dan kepada Ibu Ranti Wiliasih, M.Si selaku komisi pendidikan, atas kritik dan saran yang membangun dan bermanfaat yang diberikan kepada penulis. Ungkapan terima kasih juga disampaikan kepada ayah, ibu serta adik tercinta atas segala doa dan kasih sayangnya. Tidak lupa juga penulis sampaikan terima kasih kepada teman satu bimbingan Vini, Iren dan Siska. Terakhir penulis sampaikan terima kasih kepada sahabat sehati rekan berbagi suka dan duka Friska Zehan Phalupy yang selalu memberikan dukungan, semangat dan banyak membantu penulis selama proses pembuatan skripsi ini. Terima kasih kepada KAREMATA FEM IPB Ari, Tiara, Lia, Trisa, Nia, Tazkiya, Erlinda, Deswantari, Nurul dan temanteman lainnya sebagai keluarga kedua tempat berbagi suka dan duka. Terakhir penulis ucapkan terimakasih kepada para sahabat terdekat Pakuan Regency Adrian Prama, Jajang Arif, Ardhi Harry, Bronson Marpaung, Bram Agustian Zahro, Fauzi Mauludin Fahmi, Taufik Imandana, Rahmat Prabowo, Farhana Zahrotunnisa, Meiyora Averiana, dan Puspita Mega yang selalu memberikan berbagai macam dukungan, HIPOTESA FEM IPB 2011, teman asrama Gema Noor, Andri Setiawan dan Widyatmoko Purbo, M. Taufik Hidayat serta temanteman Ilmu Ekonomi angkatan 46 lainnya atas segala dukungan yang telah diberikan. Semoga karya ilmiah ini bermanfaat.

Bogor, Oktober 2013

Widy Purnama Putra

DAFTAR ISI DAFTAR TABEL

ix

DAFTAR GAMBAR

x

DAFTAR LAMPIRAN

x

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

4

Tujuan Penelitian

4

Manfaat Penelitian

5

Ruang Lingkup Penelitian

5

METODE PENELITIAN

5

Jenis dan Sumber Data

5

Definisi Variabel

5

Metode Pengolahan dan Analisis Data

6

Spesifikasi Model

7

Metode Analisis Regresi Panel Data

7

Pengujian Kriteria Ekonomi dan Statistik

8

Uji Asumsi

9

GAMBARAN UMUM

11

HASIL DAN PEMBAHASAN

14

SIMPULAN DAN SARAN

18

Simpulan

18

Saran

19

DAFTAR PUSTAKA

19

RIWAYAT HIDUP

36

DAFTAR TABEL 1 2 3 4

Jumlah Kematian Akibat Bencana Alam Tahun 2011 Persentase Bencana Menurut Kelompok Benua Tahun 2011 Persentase Korban Bencana Menurut Kelompok Benua Tahun 2011 Persentase Kerusakan Ekonomi Akibat Bencana Menurut Kelompok Benua Tahun 2011 5 Variabel dan Sumber Data 6 Hasil Estimasi Model Faktor Sosial Ekonomi Terhadap Jumlah Angka Kematian

1 2 2 3 6 14

DAFTAR GAMBAR 1 Grafik Angka Kematian di Sepuluh Negara Asia Periode 1980-2011

12

DAFTAR LAMPIRAN 1 2 3 4 5

Data Penelitian Uji Normalitas Output Eviews Pooled Least Square (PLS) Output Eviews Fixed Effect Output Eviews Random Effect

22 32 33 34 35

1

PENDAHULUAN Latar Belakang Banyak faktor yang dapat mengganggu perekonomian suatu negara, salah satunya adalah bencana alam. WHO mendefinisikan bencana sebagai setiap kejadian yang menyebabkan kerusakan, gangguan ekologis, hilangnya nyawa manusia, merosotnya pelayanan kesehatan dan kesehatan 1. Benson dan Clay (1997) menyatakan bahwa bencana alam adalah kejadian abnormal yang memengaruhi wilayah geografis serta masyarakat, sehingga menyebabkan kerusakan yang besar, gangguan dan menimbulkan korban jiwa. Berdasarkan perspektif ekonomi bencana alam menyiratkan beberapa kombinasi dari kerugian pada manusia, seperti kerugian fisik yaitu tanah dan bangunan, serta kerugian keuangan. Selain itu bencana alam juga dapat menyebabkan penurunan aktivitas ekonomi seperti pendapatan, investasi, konsumsi, dan produksi, serta memungkinkan beberapa dampak pada arus keuangan seperti penerimaan dan pengeluaran pemerintah dan swasta. Tabel 1 Jumlah Kematian Akibat Bencana Alam Tahun 2011 Peristiwa

Negara

Jumlah Kematian (jiwa)

Gempa Bumi/ Tsunami

Jepang

Angin Topan/ Badai

Philipina

Banjir

Brazil

900

Banjir

Thailand

813

Gempa Bumi

Turki

604

Banjir

Pakistan

509

Banjir

Cina

467

Angin Topan/ Badai

Amerika

354

Banjir

Kamboja

247

Banjir

India

204

Total Sumber: Annual Disaster Statistical Review, 2011

19.846 1.439

25.383

Berdasarkan Tabel 1, selama tahun 2011 total kematian akibat bencana alam sebesar 25.383 jiwa. Angka kematian paling banyak terdapat di Jepang sebesar 19.846 jiwa, hal ini disebabkan oleh gempa bumi berkekuatan 8,9 SR yang terjadi di wilayah timur laut Jepang yang disusul dengan terjadinya tsunami. Gempa bumi merupakan hal yang biasa terjadi di Jepang, yang merupakan salah satu daerah seismik paling aktif di dunia. Wilayah Asia masuk dalam daftar teratas sebagai kawasan rawan bencana. Menurut EM-DAT: The International Disaster Database pada tahun 2011, wilayah Asia paling sering dilanda bencana alam (44%), diikuti oleh Amerika (28%), Afrika (19,3%), Eropa (5,4%) dan Oseania (3,3%). Jumlah korban 1

http://www.icm.tn.gov.in/dengue/disaster.htm diakses pada tanggal 15 Mei 2013 pukul 15:15

2

bencana Wilayah Asia pada tahun 2011 mencapai 86,3% dari korban bencana seluruh dunia, Afrika menyumbang 9,2%, sementara 4,5% disumbang oleh Amerika, Eropa serta Oseania. Tabel 2 Persentase Bencana Menurut Kelompok Benua Tahun 2011 Negara

Jenis Bencana (%) Geofisik

Klimatologi

Hidrologi

Meteorologi

Asia

78

28

44

37

Eropa

3

5

6

6

14

33

24

39

0

28

25

11

Oseania 6 5 Sumber: Annual Disaster Statistical Review, 2011

1

7

Amerika Afrika

Berdasarkan Tabel 2, selama tahun 2011 persentase bencana menurut jenisnya terbagi menjadi 4 jenis, yaitu: geofisik, klimatologi, hidrologi, serta meteorologi. Di Asia bencana di dominasi oleh bencana geofisik sebesar 78%, bencana klimatologi sebesar 28%, bencana hidrologi sebesar 44%, dan bencana Meteorologi sebesar 37%. Menurut World Bank (2011) dari 302 bencana yang terjadi di seluruh dunia, 137 diantaranya di negara-negara Asia. Bencana yang terjadi sepanjang tahun 2011 diantaranya terjadi pada bulan Maret, gempa yang disertai tsunami menerjang Jepang. Gempa berkekuatan 8,9 skala richter menjadi salah satu dari lima gempa yang ada di dunia. Selanjutnya pada bulan Oktober banjir melanda Thailand yang merusak lahan pertanian hingga empat juta hektar, pada bulan yang sama gempa dengan kekuatan 7,2 skala richter mengguncang Turki. Demikian beberapa bencana alam yang terjadi sepanjang tahun 2011 di wilayah Asia. Urutan kedua benua yang sering mengalami bencana setelah Asia adalah Amerika yang didominasi oleh bencana meteorologi sebesar 39%, lalu Afrika yang didominasi oleh bencana klimatologi sebesar 28%, kemudian Eropa yang didominasi oleh bencana hidrologi dan meteorologi sebesar 6%, diikuti oleh Oseania yang didominasi oleh bencana meteorologi sebesar 7%. Tabel 3 Persentase Korban Bencana Menurut Kelompok Benua Tahun 2011 Negara

Jenis Bencana (%) Geofisik

Klimatologi

Hidrologi

Meteorologi

Asia

82

63

94

97

Eropa

0.9

0

0

0

Amerika

0.4

4

5

3

0

32

1

0.3

0

0

0

Afrika

Oseania 17 Sumber: Annual Disaster Statistical Review, 2011

Berdasarkan Tabel 3, selama tahun 2011 persentase jumlah korban di Asia sebesar 82% diakibatkan oleh bencana geofisik, 63% akibat bencana klimatologi, 94% akibat bencana hidrologi, dan 97% akibat bencana meteorologi. Pada tahun

3

2011 bencana alam yang paling banyak menimbulkan korban adalah gempa bumi yang melanda Jepang yang disusul oleh terjadinya tsunami. Bencana yang melanda Jepang tersebut menimbulkan korban meninggal hampir dua puluh ribu jiwa. Selain gempa bencana lainya yang sering terjadi di tahun 2011 adalah banjir, hampir di beberapa negara seperti di Thailand, Cina, Kamboja, India dan Turki terjadi bencana banjir yang banyak menimbulkan korban jiwa. Urutan kedua benua yang memiliki persentase korban bencana tertinggi setelah Asia adalah Afrika sebesar 32% yang diakibatkan oleh bencana klimatologi, lalu Oseania sebesar 17% yang diakibatkan oleh bencana geofisik, kemudian Amerika sebesar 5% yang diakibatkan oleh bencana hidrologi, diikuti oleh Eropa sebesar 0,9% yang diakibatkan oleh bencana geofisik. Tabel 4 Persentase Kerusakan Ekonomi Akibat Bencana Menurut Kelompok Benua 2011 Negara

Jenis Bencana (%) Geofisik

Klimatologi

Hidrologi

Meteorologi

Asia

92

20

81

8

Eropa

0.1

0

1

0.2

Amerika

0

80

17

87

Afrika

0

0

1

0

Oseania 8 0.4 Sumber: Annual Disaster Statistical Review, 2011

0

5

Berdasarkan Tabel 4, selama tahun 2011 persentase kerusakan ekonomi akibat bencana paling besar terjadi di Asia yang di akibatkan bencana geofisik sebesar 92%, bencana hidrologi sebesar 81%, bencana klimatologi sebesar 20% dan bencana meteorologi sebesar 8%. Amerika menempati urutan kedua dalam persentase kerusakan ekonomi akibat bencana yaitu sebesar 80% akibat bencana geofisik, sebesar 87% akibat bencana meteorologi, dan sebesar 17% akibat bencana hidrologi, kemudian kerusakan ekonomi Oseania sebesar 8% yang diakibatkan bencana geofisik, kemudian diikuti Eropa dan Afrika yang mengalami kerugian ekonomi sebesar 1% yang diakibatkan oleh bencana hidrologi . Menurut Guha-Sapir (2011) Jepang, Thailand, Selandia Baru, Amerika dan Tiongkok termasuk diantara 10 teratas negara yang mengalami kerugian ekonomi terbesar tahun 2011. Dampak kerusakan bencana terbesar terjadi di wilayah Asia dengan nilai kerusakan mencapai 280 miliar dollar AS (World Bank, 2011). Menurut Benson dan Clay (2004) bencana alam dapat memengaruhi perekonomian jangka panjang. Perlunya mengidentifikasi faktor-faktor yang memengaruhi kerusakan akibat bencana alam akan membantu para pembuat kebijakan khususnya pemerintah untuk mempersiapkan ketahanan suatu negara dalam menghadapi bencana yang mungkin terjadi di masa depan. Raschky (2008) menyatakan bahwa faktor– faktor sosial ekonomi yang dapat memengaruhi dalam menghadapi bencana adalah pembangunan ekonomi yang merupakan faktor penting dalam menentukan kerentanan masyarakat terhadap bencana alam dilihat berdasarkan PDB perkapita. Pendapatan negara yang semakin tinggi akan memengaruhi tingkat kematian yang diakibatkan oleh bencana alam, dilihat dari

4

stabilitas iklim perekonomian pemerintah yang akan mengurangi angka kematian serta kerugian ekonomi akibat bencana alam. Howrich (2000) berpendapat bahwa faktor terpenting yang mendasari respon terhadap tingkat bencana alam dalam perekonomian adalah tingkat kesejahteraan. Sebuah negara yang sejahtera atau memiliki kekayaan yang cukup akan merasa lebih aman dalam menghadapi bencana yang terjadi. Menurut Rasmussen (2004) terdapat hubungan negatif antara pendapatan dengan jumlah orang-orang yang terkena bencana alam. Suatu bangsa yang memiliki pendapatan perkapita yang baik akan mampu memberikan tingkat keselamatan secara menyeluruh terhadap berbagai ancaman bencana alam. Menurut penelitian yang dilakukan Kahn (2005) dilihat dari jumlah bencana alam yang terjadi negaranegara dengan pendapatan perkapita yang lebih tinggi akan mengalami tingkat kematian yang lebih sedikit. Hal ini disebabkan karena semakin tinggi tingkat pendapatan perkapita akan semakin memperkecil tingkat cidera serta kerugian materi yang terjadi. Sebuah studi yang dilakukan oleh Toya dan Skidmore ( 2007) menggunakan data tahunan dari 151 negara selama periode 1960-2003 menguji beberapa variabel infrastruktur sosial ekonomi yang mencakup pendapatan, pendidikan, dan transparansi anggaran belanja pemerintah. Pembangunan ekonomi dan kerugian ekonomi yang disebabkan bencana berbanding terbalik. Negara dengan tingkat pendidikan yang lebih tinggi dan pemerintahan yang transparan lebih memiliki ketahanan terhadap guncangan yang di akibatkan bencana. Penelitian tersebut juga menunjukan bahwa negara-negara dengan cadangan devisa yang lebih banyak lebih mampu bertahan dalam menghadapi bencana yang terjadi di negara tersebut. Menurut sebuah studi yang dilakukan Noy (2008) menemukan bahwa negara-negara dengan tingkat pendapatan perkapita yang lebih tinggi, keterbukaan terhadap perdagangan yg lebih luas, serta tingginya pembelanjaan pemerintah akan mampu menahan guncangan awal dari bencana dan mencegah terganggunya perekonomian negara tersebut untuk kedepannya. Perumusan Masalah Penelitian ini dilakukan untuk melihat pengaruh faktor-faktor sosial ekonomi terhadap jumlah angka kematian suatu negara akibat bencana yang dilihat melalui pertumbuhan ekonomi yang dilihat dari besarnya pendapatan perkapita, populasi, luas area, angka partisipasi pendidikan, dan krisis ekonomi di 10 negara Asia menggunakan data tahunan untuk periode 1980 hingga 2011. Tujuan Penelitian Adapun tujuan yang akan dicapai dari penelitian ini terkait dengan permasalahan yang telah dijelaskan sebelumnya adalah untuk menganalisis pengaruh dari tingkat pertumbuhan ekonomi yang dilihat dari besarnya pendapatan perkapita, populasi, luas area, angka partisipasi pendidikan, dan krisis ekonomi yang terjadi terhadap jumlah angka kematian di 10 negara Asia selama periode 1980 sampai dengan tahun 2011.

5

Manfaat Penelitian Penelitian ini diharapkan dapat menjadi informasi mengenai dampak dari faktor-faktor sosial ekonomi terhadap bencana alam serta menjadi bahan masukan bagi pemerintah sebagai upaya pengurangan risiko bencana dan adaptasi perubahan iklim dalam program pembangunan nasional serta menjadi literatur bagi penelitian selanjutnya. Ruang Lingkup Penelitian Ruang lingkup penelitian ini hanya terbatas pada 10 negara di Asia yaitu Indonesia, Cina, Israel, Jepang, Malaysia, Nepal, Philipina, Syirian Arab, Thailand, dan Turki dengan menggunakan data sekunder berupa time series tahunan dari tahun 1980 sampai dengan tahun 2011. Analisis pada penelitian ini difokuskan pada pengaruh faktor-faktor sosial ekonomi terhadap jumlah angka kematian di 10 negara Asia.

METODE PENELITIAN Jenis dan Sumber Data Jenis data yang digunakan adalah data panel dikarenakan dalam penelitian ini terdapat data time series dan cross section. Dalam penelitian ini data yang digunakan adalah data publikasi atau data sekunder berupa time series dari tahun 1980 sampai 2011 dan data cross section sepuluh negara Asia yaitu Cina, Indonesia, Israel, Jepang, Malaysia, Nepal, Filippina, Suriah, Thailand, Turki yang terdiri dari jumlah angka kematian, pendapatan perkapita, populasi, luas area, angka partisipasi pendidikan, dan krisis ekonomi. Alasan pemilihan sepuluh negara di atas adalah berdasarkan tingkat angka kematian yang paling tinggi dan kelengkapan data dibandingkan dengan negara-negara Asia lainnya. Perangkat lunak yang dipergunakan untuk menganalisis data-data di atas adalah Eviews 6.0 dan Microsoft Office 2007. Definisi Variabel Variabel jumlah angka kematian yang dimaksud pada penelitian ini adalah jumlah orang yang mati pada periode waktu tertentu yang menimpa penduduk dalam waktu satu tahun yang diakibatkan oleh bencana alam yang terjadi (The International Disaster Database, 2000). Variabel Gross Domestic Product per capita (pendapatan perkapita) yang digunakan pada penelitian ini adalah besarnya pendapatan rata-rata penduduk disuatu negara dengan jumlah penduduk di negara tersebut. Pada umumnya pendapatan perkapita sering digunakan sebagai tolak ukur kemakmuran dan tingkat pembangunan sebuah negara, semakin besar pendapatan perkapita maka negara tersebut semakin makmur (World Bank, 2000).

6

Variabel populasi yang digunakan pada penelitian ini adalah kumpulan individu-individu sejenis dalam hal ini berarti manusia yang berada pada suatu wilayah tertentu (World Bank, 2000). Variabel luas area yang digunakan pada penelitian ini adalah keseluruhan wilayah dari suatu negara baik itu daratan maupun lautan (World Bank, 2000). Variabel angka partisipasi pendidikan pada penelitian ini adalah jumlah yang diperoleh berdasarkan jumlah murid pada jenjang pendidikan tertentu (SD, SLTP, SLTA) (World Bank, 2000). Variabel krisis ekonomi (dummy) yang digunakan pada penelitian ini adalah tahun terjadinya peristiwa pergolakan pada sektor perekonomian sehingga mempengaruhi sektor lain yang mengakibatkan turunnya nilai mata uang dan naiknya harga barang dan jasa. Dummy bernilai nol ketika tidak terjadi krisis ekonomi di negara tersebut pada tahun tertentu, dan bernilai satu ketika terjadi krisis ekonomi di tahun tertentu (World Bank, 2000). Tabel 5 Variabel dan Sumber Data No

Jenis Variabel

Sumber Data The International Disaster Database

1

Jumlah Angka Kematian

2

Gross Domestic Product per Capita (US$ constant 2000)

World Development Indicator (World Bank,)

3

Populasi

World Development Indicator (World Bank)

4

Luas Area

World Development Indicator (World Bank)

5

Angka Partisipasi Pendidikan

World Development Indicator (World Bank)

6

Krisis Ekonomi (Dummy)

World Development Indicator (World Bank)

Metode Pengolahan dan Analisis Data Metode yang digunakan adalah metode deskriptif dan kuantitatif. Metode deskriptif digunakan untuk menganalisis faktor-faktor sosial ekonomi yang memengaruhi jumlah angka kematian di sepuluh negara Asia yang menjadi objek observasi. Proses deskripsi pada data pada dasarnya meliputi upaya penelusuran dan pengungkapan informasi yang lebih relevan yang terkandung di dalam data dan penyajian hasilnya dalam bentuk yang lebih ringkas dan sederhana, sehingga pada akhirnya mengarah pada keperluan adanya penjelasan penafsiran. Metode penelitian ini juga mengandalkan proses kuantitatif untuk mendapatkan gambaran yang terstruktur dan jelas mengenai fenomena

7

perekonomian yang terjadi. Penelitian kuantitatif berlandaskan interpretasi terhadap hasil olahan model dengan metode analisis panel data. Spesifikasi Model Berdasarkan data-data yang diperoleh dan tinjuauan terhadap penelitian terdahulu yang berkaitan dengan jumlah angka kematian dan faktor-faktor sosial ekonomi. Variabel yang digunakan adalah jumlah angka kematian sebagai variabel dependen dan variabel GDP perkapita, populasi, luas area, angka partisipasi pendidikan dan dummy krisis sebagai variabel independen. Alat analisis yang digunakan dalam penelitian ini adalah metode panel data statis. 𝑙𝑛𝐷𝐸𝐴𝑇𝐻𝑖𝑡 = 𝛼 + 𝛽1 𝑙𝑛𝐺𝐷𝑃𝑖𝑡 + 𝛽2 𝑙𝑛𝐿𝑁𝐷𝑖𝑡 + 𝛽3 𝑙𝑛𝑃𝑃𝐿𝑖𝑡 + 𝛽3 𝑙𝑛𝑆𝐶𝐻𝑖𝑡 + 𝛽4 𝐷1𝑖𝑡 + 𝜀𝑖𝑡 Keterangan : 𝛼 𝛽 𝜀 𝑙𝑛DEATH 𝑙𝑛GDP 𝑙𝑛LND 𝑙𝑛PPL 𝑙𝑛SCH D1

: Intersep : Slope : Error : Jumlah angka kematian (jiwa) : Pendapatan Perkapita (US$) : Luas Area (km2) : Populasi (jiwa) : Angka Partisipasi Pendidikan (jiwa) : Dummy Krisis Negara Metode Analisis Regresi Panel Data

Ketersediaan data untuk mewakili variabel yang akan digunakan dimana kondisinya yaitu data time series pendek dan unit cross-section terbatas dapat diatasi dengan menggunakan metode panel data (pooled data). Penggunaan model panel data tersebut digunakan dengan tujuan agar diperoleh hasil estimasi yang lebih baik (efisien) dengan meningkatnya jumlah observasi yang berimplikasi pada meningkatnya derajat kebebasan (degree of freedom). Penggunaan data panel telah memberikan banyak keuntungan secara statistik maupun teori ekonomi. Manfaat penggunaan panel data adalah sebagai berikut: 1 Mampu mengontrol heterogenitas individu 2 Mengurangi kolinearitas antar variabel, meningkatnya degree of freedom, lebih bervariasi dan lebih efisien 3 Mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak dapat diperoleh dari data cross-section murni atau time series murni 4 Dapat menguji dan membangun model prilaku yang lebih kompleks 5 Lebih baik untuk study of dynamic adjusment Model analisis data panel memiliki tiga macam pendekatan, yaitu pendekatan kuadrat terkecil (pooled least square), pendekatan efek tetap (fixed effect), dan pendekatan efek acak ( random effect). Selain itu itu di dalam melakukan pengolahan data panel terdapat juga kriteria pembobotan yang

8

berbeda-beda yaitu no weighting (semua observasi diberi bobot sama), crosssection weight (GLS dengan menggunakan estimasi varians residual cross-section digunakan apabla ada asumsi terdapat cross-section heteroskedasticity), dan SUR (GLS dengan menggunakan covariance matrix cross-section). Metode ini mengoreksi baik heteroskedastisitas maupun autokorelasi antar unit cross-section. Berdasarkan hasil dari ketiga pendekatan tersebut akan ditentukan model mana yang lebih tepat menjelaskan dampak dari faktor-faktor sosial ekonomi terhadap jumlah angka kematian yang disebabkan bencana alam Pengujian Kriteria Ekonomi dan Statistik Setelah mendapatkan parameter estimasi, langkah selanjutnya adalah melakukan berbagai macam pengujian terhadap parameter estimasi tersebut serta pengujian terkait model terbaik mana yg akan dipilih diantara fixed dan random. Pengujian tersebut bisa berupa pengujian ekonomi, statistik, dan ekonometrik. Pengujian dapat dilakukan dengan kriteria ekonomi dan statistik. Pengujian ekonomi digunakan untuk melihat besaran dan tanda parameter yang akan di estimasi apakah sesuai dengan teori atau tidak, sedangkan uji kriteria statistik dilakukan dengan uji koefisien determinasi (R2).

Uji Koefisien Regresi Secara Individual (Uji t) Uji t-statistik dilakukan untuk menguji apakah variabel independen secara individu mempunyai pengaruh yang signifikan terhadap variabel dependennya. Pengujian ini dilakukan untuk mengetahui secara parsial variabel independen berpengaruh secara signifikan atau tidak terhadap variabel dependen. Dalam pengujian ini dilakukan uji dua arah dengan hipotesis: H 0 : βi = 0 (tidak ada pengaruh variabel independen terhadap variabel dependen) H 1 : βi ≠ 0 ( ada pengaruh variabel independen terhadap variabel dependennya) Kriteria pengujian: 1 H 0 diterima dan H 1 ditolak apabila t tabel > t hitung < t tabel, artinya variabel independen tidak berpengaruh secara signifikan terhadap variabel dependen. 2 H 0 ditolak dan H 1 diterima apabila t tabel< t hitung > t tabel, artinya variabel independen berpengaruh secara signifikan terhadap variabel dependen. Sedangkan t hitung adalah: 𝛽𝑖 T hitung= 𝑆𝑒(𝛽𝑖) Uji Signifikansi Simultan (Uji F) Uji F-statistik digunakan untuk menguji apakah keseluruhan variabel independen secara simultan berpengaruh terhadap variabel dependen. Pengujian ini dilakukan dengan hipotesis: H 0 : β1= β2= β3= β4= 0 H 1 : Minimal ada satu nilai β yang tidak sama dengan nol.

9

Atau dengan kata lain, dalam penelitian ini bila hasil F hitung menunjukan hasil yang signifikan berarti variabel yang menjadi faktor-faktor berpengaruh terhadap pertumbuhan ekonomi. Untuk menghitung F hitung digunakan rumus (Gujarati, 1995) 𝑅 2 /(𝑘−1)

F hitung = (1−𝑅2 )/(𝑛−𝑘)

Dimana: R2 = Koefisien determinasi n = jumlah observasi k = jumlah variabel independen termasuk konstanta Kriteria Pengujian: 1 H 0 diterima dan H 1 ditolak apabila F hitung < F tabel, artinya variabel independen secara bersama-sama tidak berpengaruh secara signifikan terhadap variabel dependen. 2 H 0 ditolak dan H 1 diterima apabila F hitung > F tabel, artinya variabel independen secara bersama-sama berpengaruh secara signifikan terhadap variabel dependen. Uji Koefisien Determinasi (R2) Koefisien determinasi (R2) digunakan untuk mengetahui besarnya daya menerangkan dari variabel independen terhadap variabel dependen pada model tersebut. Nilai R2 berkisar antara nol sampai satu (0
10

mempunyai varian s minimum atau efisien. Dengan perkataan lain, sehingga tidak lagi memenuhi asumsi BLUE. Untuk mendeteksi ada tidaknya pelanggaran ini dengan menggunakan White Heterocedasticity Test (Gujarati, 2006) Nilai probabilitas Obs*R-squared dijadikan sebagai acuan untuk menolak atau menerima H 0 . Hipotesis yang akan diuji: H 0 : homoskedastisitas H 1 : heteroskedastisitas Kriteria pengujiannya adalah: 1 Probabilitas Obs*R-squared < taraf nyata α, maka tolak H 0 2 Probabilitas Obs*R-squared > taraf nyata α, maka terima H 0 Uji Autokorelasi Istilah Autokorelasi bisa di definisikan sebagai kolerasi antara anggota observasi yang diurut menurut waktu (seperti data deret berkala) atau ruang (seperti data lintas sektoral). Autokorelasi biasanya berhubungan dengan data deret berkala (time series) walaupun memungkinkan terdapat pada data crosssection. Uji yang paling dikenal untuk pendeteksian autokorelasi adalah uji yang dikembangkan oleh Durbin dan Watson, yang populer dikenal sebagai statistik d Durbin-Watson (DW Test). Pengujian dengan DW Test hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya konstanta (intercept) dalam model regresi dan tidak ada variabel lag diantara variabel independen. Mengetahui ada atau tidaknya autokorelasi, maka dilakukan dengan membandingkan DW statistiknya dengan DW-tabel. Sebuah model dapat dikatakan terbebas dari autokorelasi jika nilai DW statistiknya terletak di area non negatif autokorelasi. Hipotesis yang akan diuji adalah: H 0 : tidak ada autokorelasi (ρ=0) H 1 : ada autokorelasi (ρ≠0) Maka aturan pengujiannya adalah sebagai berikut: 0 < DW < D L : tolak H 0 , ada autokorelasi positif D L ≤ DW ≤ D U : daerah ragu-ragu, tidak ada keputusan DU < DW< 4-DU : terima H 0 , tidak ada autokorelasi 4-DU ≤ DW ≤ 4-DL : daerah ragu-ragu, tidak ada keputusan 4-DL < DW < 4 : tolak H 0 , ada autokorelasi Uji Multikolinearitas Multikolinearitas merupakan suatu penyimpangan asumsi akibat adanya keterkaitan atau hubungan linier antar variabel bebas penyusun model. Indikasi adanya multikolinearitas dapat dilihat jika dalam model yang dihasilkan terbukti signifikan secara keseluruhan (uji-F) dan memiliki nilai R-Squared yang tinggi namun banyak variabel yang tidak signifikan (uji-t). Salah satu cara mengatasi masalah ini adalah dengan menggabungkan data cross section dengan data time series (Juanda 2009).

11

Uji Normalitas Uji normalitas digunakan untuk memeriksa apakah error term menyebar normal atau tidak. Hipotesis yang digunakan adalah: H 0 : error term menyebar normal H 1 : error term tidak menyebar normal Uji normalitas diaplikasikan dengan melakukan tes Jarque Bera, jika nilai probabilitas yang diperoleh lebih besar dari taraf nyata yang digunakan, maka terima H 0 , yang berarti error term dalam model sudah menyebar normal.

GAMBARAN UMUM Bencana Alam di Asia Beberapa Tahun Terakhir Sebagai wilayah yang rawan bencana, Asia sering dilanda peristiwa peristiwa seperti gempa bumi, tanah longsor, badai, banjir, angin topan, letusan gunung berapi dan pandemi penyakit. Bencana yang terjadi sering diperparah dengan efek beruntun sehingga mengakibatkan meningkatnya kerugian yang dialami. Pertumbuhan penduduk yang tinggi selama beberapa dekade terakhir ini memusatkan manusia dan kegiatan perekonomian di daerah-daerah yang rentan menghadapi risiko bencana dan infrastruktur yang sudah tidak berfungsi optimal. Negara-negara di Asia mendominasi daftar negara yang terkena dampak bencana yang paling tinggi di dunia. Dari total 302 bencana besar pada tahun 2011, 137 bencana terjadi di asia dan mengakibatkan kerugian ekonomi lebih dari USD 294 miliar dari total estimasi USD 366 miliar (Nugroho et al. 2012). World Bank (2012) menyebutkan dampak kerusakan bencana terbesar terjadi pada 2011, dengan nilai kerusakan USD 380 miliar. Indonesia merupakan salah satu negara yang rentan terhadap bencana alam, dan pernah mengalami tsunami pada 2004 lalu yang menyebabkan lebih dari 200 ribu orang di Indonesia dan beberapa negara di Asia menjadi korban. Sementara tsunami yang terjadi di Jepang pada 2011 lalu menyebabkan ribuan orang meninggal. Pada tahun 2013 Philipina sudah mengalami 17 kali bencana alam, kali ini bencana alam yang terjadi adalah angin topan Bopha yang telah merenggut lebih dari 600 jiwa dan lebih dari 300.000 orang mengungsi, kerugian ekonomi akan terus melambung tinggi terutama di dorong oleh meningkatnya aktivitas manusia dan ekonomi di wilayah-wilayah rawan banjir dan badai. Jumlah orang yang tinggal di wilayah rawan banjir Asia naik lebih dari dua kali lipat dalam 40 tahun terakhir menjadi sekitar 60 juta orang, dan 120 juta orang tinggal di daerah rawan badai (EM-DAT: The International Database, 2013). Berdasarkan data yang diperoleh dari United Nations Office for the Coordination of Humanitarian Affair (2013) gempa yang terjadi pada 2 Juli di Indonesia yang melanda provinsi Aceh menyebabkan 39 kematian, 2.500 orang luka-luka dan lebih dari 50.000 orang kehilangan tempat tinggal. Bencana angin topan soulik melanda China pada 13 Juli yang mengakibatkan dua orang tewas dan satu orang hilang di Taiwan. Hujan deras yang terjadi di provinsi Sichuan dan Yunnan mengakibatkan 69 orang meninggal dunia.

12

Secara umum, bila dilihat grafik angka kematian di sepuluh negara Asia berdasarkan Gambar 1, dapat dilihat bahwa tingkat angka kematian di negara Indonesia, China, Jepang, Malaysia, Nepal, Philipina, Thailand, dan Turki periode tahun 1980 – 2011 terlihat fluktuatif. Akan tetapi Negara Israel dan Syrian Arab memiliki tingkat angka kematian yang tidak fluktuatif seperti 8 negara Asia lainya.

Sumber: The International Disaster Database, 2013 (Diolah)

Gambar 1 Grafik Angka Kematian di Sepuluh Negara Asia Periode 1980-2011

13

Negara Indonesia memiliki jumlah angka kematian diatas 100 jiwa hampir setiap tahun. Jumlah angka kematian terbesar terjadi pada tahun 2004, hal ini disebabkan oleh bencana gempa bumi yang disusul dengan terjadinya tsunami di Aceh. Akibat bencana tersebut 166.691 jiwa meninggal dunia. Bencana yang paling sering terjadi setiap tahun adalah gempa bumi dan banjir. Negara China memiliki jumlah angka kematian diatas 1.000 jiwa hampir setiap tahun. Jumlah angka kematian terbesar terjadi pada tahun 2008, hal ini disebabkan beberapa bencana seperti gempa bumi, tanah longsor, banjir, cuaca ekstim, dan badai tropis. Akibat bencana tersebut 88.450 jiwa meninggal dunia, bencana yang menimbulkan korban jiwa paling besar pada tahun tersebut adalah gempa bumi. Bencana yang paling sering terjadi setiap tahun adalah gempa bumi, banjir, dan badai tropis. Negara Israel memiliki jumlah angka kematian terbesar pada tahun 2010, hal ini disebabkan oleh bencana kebakaran hutan dan banjir bandang. Akibat bencana tersebut 46 jiwa meninggal dunia. Bencana alam yang sering terjadi di Israel adalah kebakaran hutan, banjir, serta cuaca ekstrim. Namun bencana yang terjadi hampir tidak selalu menimbulkan korban jiwa. Negara Jepang memiliki jumlah angka kematian terbesar pada tahun 2011, hal ini disebabkan oleh bencana tsunami, longsor, cuaca ekstrim, dan badai tropis. Akibat bencana tersebut 19.975 jiwa meninggal dunia, bencana yang menimbulkan korban jiwa paling besar pada tahun tersebut adalah tsunami. Bencana yang paling sering terjadi setiap tahun adalah gempa bumi, tanah longsor, dan badai tropis. Negara Malaysia memiliki jumlah angka kematian terbesar pada tahun 1996, hal ini disebabkan oleh bencana badai tropis dan tanah longsor. Akibat bencana tersebut 333 jiwa meninggal dunia, bencana yang menimbulkan korban jiwa paling besar pada tahun tersebut adalah badai tropis. Bencana alam yang sering terjadi setiap tahun adalah banjir, badai tropis, dan tanah longsor. Negara Nepal memiliki jumlah angka kematian terbesar pada tahun 1991, hal ini disebabkan oleh bencana cuaca ekstrim sehingga timbulnya infeksi bakteri. Akibat bencana tersebut 1.391 jiwa meninggal dunia. Bencana yang paling sering terjadi setiap tahun adalah gempa bumi, dan banjir. Negara Philipina memiliki jumlah angka kematian terbesar pada tahun 1991, hal ini disebabkan oleh beberapa bencana, seperti banjir, badai tropis, dan erupsi gunung merapi. Akibat bencana tersebut 6.793 jiwa meninggal dunia, bencana yang menimbulkan korban jiwa paling besar pada tahun tersebut adalah badai tropis. Bencana yang paling sering terjadi setiap tahun adalah badai tropis, banjir, dan gempa bumi. Negara Syrian Arab memiliki jumlah angka kematian terbesar pada tahun 2002, hal ini disebabkan oleh bencana tanah longsor. Akibat bencana tersebut 80 jiwa meninggal dunia. Selama periode 1980 hingga 2011 tidak banyak bencana yang terjadi di negara ini. Tercatat hanya 6 kali bencana yang terjadi yaitu pada tahun 1999, 2001, 2002, 2004, 2006, dan 2008. (International Disaster Database, 2013) Negara Thailand memiliki jumlah angka kematian terbesar pada tahun 2004, hal ini disebabkan oleh bencana banjir, badai tropis, tanah longsor dan tsunami. Akibat bencana tersebut 8.389 jiwa meninggal dunia, bencana yang menimbulkan

14

korban jiwa paling besar pada tahun tersebut adalah tsunami. Bencana yang paling sering terjadi setiap tahun adalah banjir dan badai tropis. Negara Turki memiliki jumlah angka kematian terbesar pada tahun 1999, hal ini disebabkan oleh bencana gempa bumi. Akibat bencana tersebut 17.982 jiwa meninggal dunia. Bencana yang paling sering terjadi setiap tahun adalah banjir dan gempa bumi.

HASIL DAN PEMBAHASAN Hasil estimasi dan pembahasan dalam penelitian ini akan dilakukan secara statistik yang terdiri dari uji F, uji t, dan uji R-squared. Kemudian akan dijabarkan mengenai hasil uji ekonometrika yang terdiri dari uji heteroskedastisitas, autokorelasi, multikolinearitas, dan normalitas serta pemaparan hasil secara ekonomi mengenai pengaruh faktor sosial ekonomi terhadap jumlah angka kematian yang dibandingkan dengan fakta yang terjadi di sepuluh negara Asia. Analisis faktor-faktor sosial ekonomi terhadap jumlah angka kematian dalam penelitian ini menggunakan metode analisis kuantitatif melalui analisis panel data. Sebagai komponen cross-section, dalam penelitian ini digunakan sepuluh negara Asia, yaitu Indonesia, China, Israel, Jepang, Malaysia, Nepal, Philipina, Syirian Arab, Thailand dan Turki. Hasil Estimasi Faktor Sosial Ekonomi terhadap Jumlah Angka Kematian Pada sub bab ini akan dibahas mengenai hasil pengujian hubungan lima faktor sosial ekonomi terhadap jumlah angka kematian di sepuluh negara Asia periode 1980 sampai 2011 dengan pendekatan pooled least square (PLS). Model yang disajikan berdasarkan tujuan studi terdahulu serta berbagai alternatif spesifikasi model yang telah dicoba. Melalui analisis regresi panel data dan serangkaian uji ekonometrika, didapatkan pooled least square sebagai model terbaik yang akan digunakan untuk estimasi. Berikut spesifikasi yang didapatkan dengan menggunakan Tabel 6 Hasil Estimasi Model Faktor Sosial Ekonomi Terhadap Jumlah Angka Kematian Variabel

Koefisien Std. Error t-Statistik -0.821750 0.097181 -8.455835 -1.376523 0.162598 -8.465824 2.547280 0.168092 15.15410 0.584699 0.338007 1.729840 0.179952 0.269058 0.668822 -19.79752 1.360344 -14.55332 Statistik Terboboti R-squared 0.810467 Mean dependent var F-statistic 268.5408 Sum squared resid Prob (F-statistic) 0.000000 Durbin Watson stat Sumber: hasil pengolahan dengan Eviews 6.0 Keterangan: *) signifikan pada taraf 5%, **) signifikan pada taraf 10% GDP LND PPL SCH D1 C

Probabilitas 0.0000* 0.0000* 0.0000* 0.0846** 0.5041 0.0000* 2.503879 317.7188 1.805327

15

Kriteria Ekonometrika Sebuah model dikatakan baik jika memenuhi kebaikan uji statistik maupun dalam pengujian ekonometrika. Uji ekonometrika dikatakan baik jika terbebas dari masalah heteroskedastisitas, autokorelasi, multikolinearitas, dan normalitas. Berdasarkan tabel pada lampiran 1 diketahui bahwa nilai sum square resid pada weighted statistic (317.718) lebih kecil dari pada nilai sum square resid pada unweighted statistic (932.844) sehingga diindikasikan terjadi masalah heteroskedastisitas. Model dalam penelitian menggunakan cross-section, sehingga model tersebut sudah bisa mengatasi masalah heteroskedastisitas dan masalah autokorelasi. Uji ekonometrika selanjutnya adalah ingin melihat ada atau tidaknya masalah multikolinearitas. Uji multikolinearitas dapat dilihat dengan melihat nilai korelasi antar variabel yang terdapat di dalam model. Model tersebut dikatakan terbebas dari masalah multikoleniaritas apabila nilai korelasi antar variabel yang dimutlakkan tidak lebih besar dari nilai R-squared. Uji selanjutnya adalah uji normalitas yang dilakukan untuk mendeteksi apakah error term mendekati distribusi normal atau tidak. Uji ini dapat dilakukan dengan membandingkan nilai probabilitas Jarque Bera dengan α=5%. Berdasarkan uji normalitas maka dihasilkan nilai probabilitas Jarque Bera sebesar 0.000001 lebih kecil α=5%. Hal tersebut mengindikasikan bahwa model yang digunakan belum memiliki error yang telah terdistribusi secara normal. Tahapan Evaluasi Model Berdasarkan Kriteria Statistika Model estimasi analisis data panel yang terbaik pada penelitian ini menggunakan pendekatan PLS dengan metode pembobotan GLS cross-section SUR. Dengan nilai R2 model sebesar 0.810 menandakan bahwa variabel pendapatan perkapita, luas area, populasi, dan angka partisipasi pendidikan mampu menjelaskan keragaman dalam jumlah angka kematian di sepuluh negara Asia sebesar 81.42% dan sisanya sebesar 18.58% keragaman dalam jumlah angka kematian dijelaskan oleh variabel lain di luar model (Lampiran 1). Berdasarkan nilai Prob(F-statistic) sebesar 0.000000 yang berarti masingmasing variabel bebas secara bersama-sama berpengaruh nyata terhadap variabel tak bebas. Kemudian secara parsial dengan melihat nilai Prob(t-statistic) dari masing-masing variabel yang lebih kecil dari α=5% (variabel pendapatan perkapita, luas area, populasi) serta signifikan pada α=10% (variabel angka partisipasi pendidikan), maka dapat disimpulkan bahwa variabel pendapatan perkapita, luas area, populasi, dan angka partisipasi pendidikan berpengaruh signifikan terhadap jumlah angka kematian di sepuluh negara Asia, sementara variabel dummy krisis di masing-masing negara tidak berpengaruh secara siginifikan terhadap jumlah angka kematian. Tahapan Evaluasi Model Berdasarkan Kriteria Ekonomi Hasil estimasi diatas menunjukan bahwa jumlah angka kematian di sepuluh negara Asia pada periode 1980-2011 dipengaruhi secara nyata oleh pendapatan perkapita, luas area, populasi dan angka partisipasi pendidikan. Variabel pendapatan perkapita, luas area, populasi signifikan pada α=5%, sedangkan variabel angka partisipasi pendidikan signifikan pada α=10%(Tabel 6).

16

Variabel Pendapatan Perkapita (GDP) Hasil analisis regresi diperoleh hasil koefisien untuk variabel pendapatan perkapita dan jumlah angka kematian mempunyai hubungan negatif ditinjau dari tanda koefisiennya dalam model. Hal ini menandakan bahwa kenaikan 1% pada pendapatan perkapita akan mengurangi jumlah angka kematian sebesar 0.821% dan berpengaruh signifikan pada α=5%, cateris paribus. Pada kenyataanya hasil penelitian ini sesuai dengan teori. Bahwa tingkat kesejahteraan penduduk di setiap negara dapat mempengaruhi jumlah angka kematian yang diakibatkan bencana alam. Pendapatan perkapita digunakan sebagai indikator pembangunan untuk membedakan tingkat kemajuan ekonomi, semakin tinggi pendapatan perkapita penduduk maka dinilai akan semakin sejahtera kehidupannya. Kesejahteraan inilah yang dapat membuat pemikiran rasional tentang kebutuhan tingkat keamanan dalam hidup. Pemikiran rasional serta melakukan tindak pencegahan seperti melengkapi rumah dengan atap rangka baja, membuat pondasi cakar ayam, ataupun melakukan usaha lain seperti asuransi jiwa maupun tindakan lain yang dapat meningkatkan tingkat keamanan dalam kehidupan sehari-hari. Sehingga akan lebih siap dan mampu mengurangi risiko dampak bencana alam ketika sewaktu waktu bencana itu terjadi. BAPPENAS (2009) menyatakan bahwa variabel pendapatan atau kesejahteraan akan mempengaruhi tingkat mortalitas melalui berbagai macam jasa dan aset pada tingkat rumah tangga. Variabel Luas Area (LND) Hasil analisis regresi diperoleh hasil koefisien untuk variabel luas area dan jumlah angka kematian mempunyai hubungan negatif ditinjau dari tanda koefisiennya dalam model. Hal ini menandakan bahwa kenaikan 1% pada luas area akan mengurangi jumlah angka kematian sebesarw 1.376% dan berpengaruh signifikan pada α=5%, cateris paribus. Pada kenyataanya hasil penelitian ini sesuai dengan teori. Bahwa luas area disetiap negara akan mempengaruhi jumlah angka kematian yang terjadi akibat bencana alam. Semakin luas wilayah suatu negara semakin banyak pilihan tempat aman yang dapat dihuni atau dijadikan tempat tinggal. Penduduk di setiap negara akan dapat memilih tempat tinggal yang dirasa aman untuk dirinya sndiri maupun orang-orang terdekatnya. Dengan demikian semakin luas wilayah suatu negara akan semakin banyak alternatif pilihan tempat yang layak dan aman sehingga dapat mengurangi jumlah angka kematian akibat bencana alam. Variabel Populasi (PPL) Hasil analisis regresi diperoleh hasil koefisien untuk variabel populasi dan jumlah angka angka kematian mempunyai hubungan positif ditinjau dari tanda koefisiennya dalam model. Hal ini menandakan bahwa kenaikan 1% pada populasi akan meningkatkan jumlah angka kematian sebesar 2.547% dan berpengaruh signifikan pada α=5%, cateris paribus. Pada kenyataanya hasil penelitian ini sesuai dengan teori. Bahwa jumlah populasi disetiap negara akan mempengaruhi jumlah angka kematian yang terjadi akibat bencana alam. Pertumbuhan populasi memiliki banyak pengaruh, seperti perkembangan kesejahteraan sosial. Perkembangan sosial terjadi karena pesatnya pertumbuhan penduduk tanpa diikuti kualitas dan kuantitas dari sumber daya manusia itu sendiri. Menurut Malthus (1798) ledakan penduduk akibat tingginya

17

pertumbuhan populasi akan memberikan dampak yang buruk bagi kehidupan sosial ekonomi masyarakat. Berikut adalah beberapa dampak yang ditimbulkan akibat ledakan populasi, antara lain: 1 Jumlah pengangguran semakin meningkat 2 Kekurangan pangan yang menyebabkan kelaparan dan gizi rendah 3 Kebutuhan pendidikan, kesehatan, dan tempat tinggal sukar diperoleh 4 Terjadinya polusi dan kerusakan lingkungan 5 Tingkat kemiskinan semakin meningkat Semakin meningkat jumlah populasi maka semakin banyak pula sumber daya alam yang harus diambil untuk memenuhi kebutuhan, sehingga cepat atau lambat dapat menimbulkan pencemaran lingkungan dan kerusakan ekosistem (Deny, 2011). Akhir dari ledakan populasi itu adalah kerusakan lingkungan hidup dengan segala dampak yang mengikuti lainya, seperti menurunya tingkat kualitas pemukiman dan lahan yang ditelantarkan serta hilangnya fungsi ruang terbuka yang dapat menimbulkan bencana. Maka dari itu dikatakan semakin tinggi jumlah populasi suatu negara maka akan meningkatkan jumlah angka kematian. Variabel Angka Partisipasi Pendidikan (SCH) Hasil analisis regresi diperoleh hasil koefisien untuk variabel angka partisipasi pendidikan dan jumlah angka kematian mempunyai hubungan positif ditinjau dari tanda koefisiennya dalam model. Hal ini menandakan bahwa kenaikan 1% pada angka partisipasi pendidikan akan meningkatkan jumlah angka kematian sebesar 0.584% dan berpengaruh signifikan pada α=10%, cateris paribus. Pada kenyataanya hasil penelitian ini tidak sesuai dengan teori. Bahwa angka partisipasi pendidikan akan mempengaruhi tingkat kematian akibat bencana alam. Semakin tinggi tingkat partisipasi pendidikan seseorang maka akan mengurangi jumlah angka kematian. Namun hasil dari penelitian yang dilakukan justru sebaliknya. Dimana angka partisipasi pendidikan akan menambah jumlah angka kematian. Pada dasarnya tingkat pendidikan berperan penting dalam penurunan jumlah angka kematian, dengan tingginya angka partisipasi pendidikan maka akan meningkatkan pengetahuan, cara pandang, serta pemikiran yang lebih terbuka akan pengetahuan serta mitigasi terhadap bencana. Ketidak sesuaian teori ini bisa disebabkan oleh beberapa faktor, diantaranya adalah: 1 Angka partisipasi pendidikan yang jauh lebih rendah dari jumlah populasi yang ada disuatu negara. 2 Akses pendidikan yang tidak merata di berbagai wilayah di setiap negara dapat menyebabkan timbulnya ketimpangan informasi dan pengetahuan. 3 Kurangnya perhatian dan upaya pemerintah terhadap ketimpangan pendidikan di berbagai wilayah, serta alokasi dana yang belum dapat menunjang sektor pendidikan. 4 Mengembangkan budaya siaga merupakan proses yang panjang dan sulit serta melibatkan pendidikan dari tingkat dasar sampai tingkat atas. 5 Program pendidikan berupa Early Warning System yang di upayakan oleh PBB untuk mendidik penduduk di setiap negara tidak berjalan sebagaimana mestinya, akibat kurangnya kerjasama dari berbagai institusi terkait dalam pendistribusian program pendidikan tersebut.

18

Tingkat pendidikan yang rendah dan ketidaktahuan masyarakat akan pentingnya menghadapi bencana dapat menyebabkan beberapa hal, diantaranya: 1 Terlambat mengenali tanda bahaya dan mengambil keputusan untuk segera melakukan tindakan. 2 Terlambat mencapai fasilitas pelayanan publik yang mampu menunjang pertolongan gawat darurat.. 3 Tidak mementingkan keselamatan dalam melakukan tindakan, seperti membuat tempat tinggal di pinggir sungai, merusak lahan hijau, menebang pohon dan lain-lain. Hal-hal tersebut dapat menimbulkan ancaman bagi keselamatan penduduk suatu negara itu sendiri, sehingga jumlah angka kematian akan semakin besar ketika bencana alam terjadi. Variabel Krisis Ekonomi (dummy) Hasil analisis regresi diperoleh hasil koefisien untuk variabel krisis ekonomi dan jumlah angka angka kematian mempunyai hubungan positif ditinjau dari tanda koefisiennya dalam model. Hal ini menandakan bahwa kenaikan 1% pada krisis ekonomi akan meningkatkan jumlah angka kematian sebesar 0.179% tapi tidak berpengaruh signifikan pada α=5% ataupun α=10%. Waktu terjadinya bencana sebagian besar tidak dapat diprediksi dengan tepat. Namun, studi ilmiah yang cermat, kesejahteraan penduduk, pemerataan pendidikan, distribusi informasi, luas wilayah, serta pertumbuhan populasi yang terkontrol dapat meningkatkan pemahaman kita tentang bahaya dan eksposur sebuah bencana, dan seringkali dapat memberikan peringatan dini yang dapat mengurangi dampak fatal bencana alam. Dengan demikian kerugian yang ditimbulkan bencana alam baik itu materi dan non-materi dapat dikurangi, terutama jumlah angka kematian yang menjadi pokok bahasan dalam penelitian ini.

SIMPULAN DAN SARAN Simpulan Berdasarkan tujuan dan hasil penelitian yang telah dilakukan mengenai pengaruh faktor sosial ekonomi terhadap jumlah angka kematian di sepuluh negara Asia periode 1980 sampai 2011 dapat disimpulkan sebagai berikut: 1 Pengujian variabel pada penelitian ini menggunakan metode data panel Pooled Least Square (PLS). Variabel pendapatan perkapita, populasi, luas area berpengaruh signifikan pada taraf nyata lima persen, sementara variabel angka partisipasi pendidikan berpengaruh signifikan pada taraf nyata sepuluh persen. Sedangkan variabel krisis pada masing-masing negara tidak berpengaruh signifikan terhadap jumlah angka kematian di sepuluh negara Asia. 2 Variabel-variabel sosial ekonomi merupakan faktor penting yang memengaruhi jumlah angka kematian. Pentingnya meningkatkan pemahaman mengenai kesejahteraan penduduk, pemerataan pendidikan, distribusi informasi, luas wilayah, serta pertumbuhan populasi sedikitnya

19

dapat memberikan informasi sebagai upaya mengurangi dampak fatal dari bencana alam baik itu materi dan non-materi, terutama jumlah angka kematian. Saran Berdasarkan penelitian yang dilakukan, maka disarankan kebijakan sebagai berikut: 1 Bagi pemerintah diharapkan alokasi dana APBN untuk menanggulangi bencana dapat lebih dioptimalkan untuk membangun sistem peringatan dini dan meningkatkan kesiapan penduduknya dengan lebih baik. Dengan demikian ketahanan dan upaya dalam menghadapi bencana akan lebih maksimal guna mengurangi dampak kerugian materi dan non materi yang diakibatkan oleh bencana alam. 2 Bagi penelitian selanjutnya diharapkan dapat menganalisis faktor lain yang dapat memengaruhi jumlah angka kematian, sehingga dapat memperkaya hasil penelitian dan diperoleh hasil yang lebih baik dan akurat.

DAFTAR PUSTAKA [BKNPB] Badan Koordinasi Nasional Penanggulangan Bencana. 2007. Data Bencana Indonesia. Edisi Publikasi BKNPB. Jakarta. BAPPENAS. 2009. Faktor-Faktor yang Mempengaruhi Kelangsungan Hidup Anak. Jakarta (ID). Benson, C. 1997. The Economic Impac of Natural Disasters in Philippines. London: Overseas Development Institute. Benson, C. dan Clay, E . 2004. Understanding the Economic and Financial Impacts of Natural Disaster. Washington: World Bank. Coburn, A dan Pomonis. 1994. Disaster Mitigation.Cambridge, UK: UNDP EMDAT. 2000. The OFDA/CRED International Disaster Database. Belgia. EMDAT. 2013. The OFDA/CRED International Disaster Database. Belgia. Guha-Sapir, D. 2008. EM-DAT’s New Disaster Classification. Creed Crunch Gujarati DN. 2006. Dasar-dasar Ekonometrika edisi ketiga jilid 2. Jakarta (ID): Erlangga. Hingmadi, D. 2011. Pengaruh Pertambahan Penduduk Terhadap Pemenuhan Sumber Daya Alam. Kupang (ID) Hochrainer, Stefan. 2010. Assessing the Macroeconomic Impacts of Natural Disasters. International Institute of Applied System Analysis. Howrich, G. 2000. Economic Lessons From the Kobe Earthquake. New Brunswick: N.J, Transaction. Juanda Bambang. 2009. Ekonometrika Pemodelan dan Pendugaan. Bogor : IPB Press. Kahn, ME. 2005. The Death Toll from Natural Disasters: The Role of Income, Geography and institutions. The Review of Economics and Statistics. 87(2), 271- 284.

20

Maltus, TR. 1798. Essay on The Principle of Population. London: J. Johnson Mankiw, N. Gregory. 2003. Teori Makro Ekonomi Terjemahan. Jakarta: PT. Gramedia Pustaka Utama. Noy, Ilan. 2008. The Macroeconomics Concequences of Disasters. SCCIE Working Paper. 07-15. Nugroho Y, Putri DA, Laksmi S. 2012. Mapping The Landscape of The Media Industry in Contemporary. Jakarta: Centre for Innovation Policy and Govermenance. Padli, J dan Habibullah. 2008. Natural Disaster Death and Socio-Economic Factors in Selected Asia Countries: A Panel Data Analysis. Malaysia. Raschky, PA. 2008. Institutions and The Losses from Natural Disasters. Natural Hazards and Earth System Sciences. 8, 627-634. Raschky, PA. 2013. Searching for Safety. Science Daily. [diakses pada: 2013 Agustus 29]. Bogor. Rasmussen, TN. 2004. Macroeconomic Implication of Natural Disasters Promote Long-run Growth. Economic Inquiry. 40(4), 664- 687. Toya, H dan Skidmore, M. 2007. Economic Development and The Impacts of Natural Disasters. Economic letters. 94, 20-25. OCHA. 2013. United Nations Office for the Coordination of Humanitarian Affair. Colombia

21

LAMPIRAN

22

Lampiran 1 Data Penelitian

Negara

Tahun

Indonesia

1980

Population*

GDPPC*

LandArea*

18.83159792

5.966171487

14.40970443

18.85425006

6.021851586

18.87657556

School Enrollment*

TotalKilled*

Dummy

3.377587516

5.533389489

0

14.40970443

3.322319745

6.914730893

0

6.010506322

14.40970443

3.396860658

6.464588304

0

18.89843975

6.069760335

14.40970443

3.506278758

5.081404365

0

18.9196782

6.117788131

14.40970443

3.51417154

5.894402834

0

18.94018386

6.131466859

14.40970443

3.591817741

3.951243719

0

18.95993256

6.169652265

14.40970443

3.714608602

5.762051383

0

18.97896638

6.202261701

14.40970443

3.838253745

6.12905021

1

18.99733231

6.245514527

14.40970443

3.879105108

5.433722004

0

19.01510025

6.314701181

14.40970443

3.876396657

4.9698133

0

19.03232465

6.383668903

14.40970443

3.822534745

5.634789603

0

19.0490323

6.452476309

14.40970443

3.784154179

6.261491684

0

19.06522806

6.505997846

14.40970443

3.768314747

7.875499292

0

19.08092061

6.560335664

14.40970443

3.761774834

4.8978398

0

19.09611419

6.61783539

14.40970443

3.786058568

6.411818268

0

19.11082512

6.683748768

14.40970443

3.848460648

5.476463552

0

19.12504992

6.743171992

14.40970443

3.905999702

5.996452089

0

19.13883009

6.775319534

14.40970443

3.978375568

7.029972912

0

19.15227568

6.621154217

14.40970443

3.998200702

7.306531399

1

19.16552232

6.615787741

14.40970443

4.02356438

5.087596335

0

19.17865739

6.650681257

14.40970443

3.966756615

6.335054251

0

19.19173065

6.673394619

14.40970443

4.006918008

6.37502482

0

19.20470267

6.704434462

14.40970443

4.032565253

5.669880923

0

19.21746351

6.738369871

14.40970443

4.086273243

6.280395839

0

19.22986068

6.775056862

14.40970443

4.122419578

12.02389708

0

19.24179526

6.818486707

14.40970443

4.104959194

7.121252453

0

19.25323566

6.860596092

14.40970443

4.157159724

8.912069098

0

19.26423624

6.911114066

14.40970443

4.26968682

6.886531643

0

19.2748882

6.958860275

14.40970443

4.251120792

4.9698133

0

1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

23

19.2853181

6.993679745

14.40970443

4.318252621

7.303170051

0

19.29561157

7.043496483

14.40970443

4.345786834

7.165493475

0

19.30579299

7.095885819

14.40970443

4.286341385

4.859812404

0

20.70432254

5.228107651

16.04847008

3.83049815

8.778171881

0

20.71713206

5.265991242

16.04847008

3.717939346

7.809947086

0

20.73185881

5.338359202

16.04846901

3.543789518

6.311734809

0

20.74630831

5.427368413

16.04846901

3.444227816

6.825460036

0

20.759429

5.555747288

16.04846901

3.418719633

4.9698133

0

20.77304599

5.668762947

16.04846901

3.45557003

7.415776975

0

20.78791998

5.738230107

16.04846901

3.501680522

6.52649486

0

20.80395603

5.83194492

16.04846901

3.563879565

6.781057626

1

20.82005674

5.922903281

16.04846901

3.607582627

8.286269453

0

20.83538844

5.947753371

16.04846901

3.615908412

8.058643712

0

20.85006147

5.970376123

16.04846901

3.628358718

7.188412736

0

20.86370581

6.044742661

16.04846901

3.698547319

8.592671653

0

20.87596117

6.16526841

16.04846901

3.781552979

7.278628942

0

20.88745737

6.284800478

16.04846901

3.851760556

7.355641103

0

20.89875997

6.396600068

16.04846901

3.886729813

8.07184315

0

20.90962506

6.489193685

16.04847544

3.955785122

7.798112629

0

20.92010648

6.57402245

16.04847544

4.025393654

8.632662441

0

20.93034098

6.652714159

16.04847544

4.06304961

7.398174093

0

20.93993648

6.718226127

16.04847544

4.063713519

8.412054873

0

20.948595

6.782818075

16.04847544

4.117378401

7.454141078

0

20.95647456

6.855596412

16.04847544

4.128745506

6.519147288

0

20.96373837

6.928067574

16.04847608

4.147593343

6.826545224

0

20.97043837

7.008462285

16.04847619

4.165872507

7.492760301

0

20.97666698

7.097543856

16.04847619

4.202055863

6.995766156

0

20.9826063

7.187823385

16.0484763

4.226103552

6.712956201

0

20.98848755

7.289001208

16.0484763

4.250778348

6.964135612

0

20.9940713

7.402976699

16.04847636

4.292530446

7.65396918

0

20.99929402

7.530535091

16.04847643

4.332620243

7.057036982

0

21.00441789

7.617078411

16.04847643

4.362977853

11.3901927

0

2009 2010 2011 China

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

24

21.0093917

7.700115474

16.04847646

4.382683669

6.354370041

0

21.0142213

7.794225825

16.04847648

4.396639347

8.879889968

0

21.0190128

7.87836053

16.0484765

4.398935004

6.6147256

0

15.17083011

9.461621744

9.982298733

4.40541486

0

0

15.19074397

9.491905235

9.982298733

4.421959954

0

0

15.20952504

9.491050881

9.982298733

4.451889278

0

0

15.2277163

9.507365594

9.982298733

4.479314517

0

0

15.24078522

9.503293629

9.982298733

4.494584711

0

0

15.25842152

9.519554498

9.982298733

4.504444137

0

0

15.273893

9.55088486

9.982298733

4.485218626

0

0

15.29004471

9.604144346

9.982298733

4.488857244

0

0

15.30661528

9.607613048

9.982298733

4.493333747

0

0

15.32357998

9.599302184

9.982298733

4.498842759

0

0

15.35452601

9.634475953

9.982298733

4.48546652

0

0

15.41469609

9.648479498

9.982298733

4.502168774

1.609437912

0

15.44925076

9.668676191

9.982298733

4.51935137

0

0

15.47583168

9.696174967

9.982298733

4.513183507

0

0

15.50172431

9.737303642

9.982298733

4.503722229

0

0

15.52840718

9.77385734

9.982298733

4.499881779

0

0

15.55457224

9.801138656

9.982298733

4.494735597

0

0

15.57955619

9.809314022

9.982298733

4.569978147

2.708050201

0

15.60242498

9.826794254

9.982298733

4.577912035

0

0

15.62788931

9.83433782

9.982298733

4.608171278

0

0

15.65431263

9.896427798

9.982298733

4.634711027

2.708050201

0

15.67788381

9.870620528

9.982298733

4.643892794

0

0

15.69802439

9.844707976

9.982298733

4.663505507

0

1

15.71607959

9.841661431

9.982298733

4.65768863

0

0

15.73375582

9.871291571

9.982298733

4.648923496

0

0

15.7513848

9.901885314

9.982298733

4.651188894

0

0

15.76906286

9.938640776

9.982298733

4.652837816

0

0

15.78682387

9.97439021

9.982298733

4.647079205

0

0

15.80458966

9.99611713

9.982298733

4.633994058

0

0

2009 2010 2011 Israel

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

25

15.82849173

9.980550904

9.982298733

4.625570674

0

1

15.84675926

10.00960509

9.982298733

4.62610668

3.828641396

0

15.86525291

10.03710401

9.982298733

4.675703204

0

0

18.57581951

10.04419364

12.81120795

4.526696513

3.36729583

0

18.58320767

10.07772517

12.81148091

4.543554642

5.313205979

0

18.58999305

10.10414832

12.81093491

4.5538171

6.333279628

0

18.59680816

10.12748153

12.81093491

4.555692506

6.142037406

0

18.60315229

10.16480876

12.80683038

4.550579144

3.526360525

0

18.60926598

10.22010392

12.80655614

4.552854896

3.891820298

0

18.61535897

10.24192834

12.80683038

4.562193476

4.158883083

0

18.62027723

10.27726322

12.80655614

4.55873371

2.302585093

0

18.62454361

10.34202552

12.80655614

4.557490355

3.295836866

0

18.62863756

10.3902408

12.80655614

4.558145453

3.761200116

0

18.63205126

10.44105386

12.80655614

4.560416096

4.204692619

0

18.63515482

10.4706531

12.80655614

4.581727747

4.9698133

0

18.63763719

10.47632767

12.80655614

4.588912036

2.397895273

0

18.64010539

10.47556864

12.80655614

4.586915885

6.08221891

0

18.64351225

10.48076049

12.80655614

4.615734685

2.302585093

0

18.64733014

10.4961798

12.80655614

4.613887579

8.5754621

0

18.64989384

10.51938184

12.80628183

4.616207945

2.995732274

0

18.65251443

10.53259158

12.80628183

4.599473993

3.33220451

0

18.65504115

10.50983003

12.80628183

4.614978527

4.043051268

1

18.65693793

10.50593788

12.80628183

4.616614845

4.454347296

0

18.6586735

10.52652623

12.80628183

4.623092517

3.465735903

0

18.66087019

10.52787785

12.80628183

4.630231414

3.218875825

0

18.66319546

10.52844388

12.80628183

4.632945068

1.945910149

1

18.66533527

10.54301478

12.80628183

4.627202287

3.828641396

0

18.66567189

10.56601112

12.80628183

4.621473856

5.883322388

0

18.66576581

10.57886036

12.80628183

4.61981197

4.912654886

0

18.66563275

10.59578076

12.80628183

4.619891001

4.127134385

0

18.6657482

10.61735034

12.80628183

4.61630704

4.465908119

1

18.66522596

10.60740159

12.80628183

4.618383603

3.36729583

0

2009 2010 2011 Jepang

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

26

18.66408139

10.5516903

12.80628183

4.620365254

4.110873864

0

18.66323829

10.59592917

12.80628183

4.626921991

5.192956851

0

18.66611228

10.58603057

12.80628183

4.644083159

9.902236771

0

16.44253767

7.554658536

12.70244431

3.820757136

0

0

16.46725415

7.597058059

12.70244431

3.859924334

0

0

16.4925623

7.629461366

12.70244431

3.862620134

0

0

16.51858473

7.664065922

12.70244431

3.926270427

2.302585093

0

16.5454486

7.71195627

12.70244431

3.96955636

0

0

16.57316684

7.67295209

12.70244431

3.983115751

0

0

16.60176603

7.655812089

12.70244431

4.038496877

2.397895273

1

16.63102376

7.679039066

12.70244431

4.071574105

1.098612289

0

16.66042384

7.744382868

12.70244431

4.048576502

3.295836866

0

16.68934855

7.802172231

12.70244431

4.034401333

0

0

16.71740248

7.860384518

12.70244431

4.001019477

0

0

16.74444972

7.924506763

12.70244431

4.01396081

5.572154032

0

16.77063368

7.983445959

12.70244431

4.027373218

0

0

16.7961933

8.05224103

12.70244431

4.008839323

4.624972813

0

16.82146273

8.115092756

12.70244431

4.011011684

0

0

16.84664907

8.183661591

12.70244431

4.010465547

2.995732274

0

16.87173107

8.253914326

12.70244431

4.035428782

5.80814249

0

16.8965715

8.299744294

12.70244431

4.04444223

4.574710979

0

16.92110337

8.198769563

12.70244431

4.204546788

4.65396035

1

16.94523591

8.234203297

12.70244431

4.195625367

0

0

16.96888351

8.295437757

12.70244431

4.192097816

2.772588722

0

16.99208918

8.277395496

12.70244431

4.194083104

2.397895273

0

17.01480891

8.307182709

12.70244431

4.203315552

2.63905733

0

17.03679085

8.341472393

12.70244431

4.282411665

2.079441542

0

17.05772991

8.386165984

12.70244431

4.298459003

4.574710979

0

17.07745511

8.41838919

12.70244431

4.252757432

2.564949357

0

17.09590611

8.45430232

12.70244431

4.252471896

1.791759469

0

17.11323978

8.498035116

12.70244431

4.233415541

4.624972813

0

17.12976958

8.528692157

12.70244431

4.234948758

0

0

2009 2010 2011 Malaysia

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

27

17.14590611

8.497306168

12.70244431

4.223837729

0

1

17.16193551

8.55037378

12.70244431

4.235489316

0

0

17.1779378

8.583956751

12.70244431

4.295160702

2.890371758

0

16.52657814

4.951024956

11.87059991

3.043764055

4.605170186

0

16.55023229

5.007493267

11.87059991

2.893224352

6.620073207

0

16.5739073

5.02091532

11.87059991

3.033095012

4.521788577

0

16.59759146

4.967004852

11.87059991

3.129112155

5.332718793

0

16.62127302

5.035730445

11.87059991

3.18756347

5.298317367

0

16.64495245

5.071686025

11.87059991

3.246927861

3.828641396

0

16.66860773

5.092675669

11.87059991

3.302334967

3.135494216

0

16.69226277

5.085834658

11.87059991

3.34878346

5.236441963

0

16.71601184

5.136235353

11.87059991

3.379865466

6.81563999

0

16.73997167

5.154660914

11.87059991

3.434083006

3.891820298

0

16.76420699

5.175733862

11.87059991

3.472639828

5.192956851

0

16.78869912

5.212977736

11.87059991

3.5338737

7.237778192

0

16.81338084

5.228539343

11.87059991

3.611200575

6.54534966

1

16.8381983

5.241497811

11.87059991

3.649424754

6.981005741

0

16.8630831

5.295572075

11.87059991

3.661023042

0

0

16.88796644

5.304785307

11.87059991

3.707740707

6.100318952

0

16.91279639

5.331867157

11.87059991

3.778821615

6.830874235

0

16.93751365

5.356402925

11.87059991

3.629182527

4.644390899

0

16.9620327

5.361601792

11.87059991

3.654055063

6.204557763

0

16.98626162

5.380552786

11.87059991

3.517058869

5.863631176

0

17.01011853

5.416849804

11.87304447

3.554990855

6.137727054

0

17.03359343

5.440258487

11.87304447

3.637416408

5.135798437

0

17.05663985

5.418409487

11.87304447

3.732435468

6.335054251

0

17.0791123

5.434631388

11.87304447

3.757892092

5.659482216

0

17.10084338

5.458663072

11.87304447

3.791548852

5.220355825

0

17.12173569

5.46852352

11.87304447

3.83065285

3.931825633

0

17.14175682

5.484991851

11.87304447

3.772811512

5.056245805

0

17.16097808

5.499367695

11.87304447

3.853800496

5.365976015

0

17.17953753

5.540063826

11.87304447

3.873718672

4.744932128

0

2009 2010 2011 Nepal

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

28

17.19761832

5.566316418

11.87304447

3.89324785

6.12905021

0

17.21535249

5.595622452

11.87304447

3.912402933

5.407171771

0

17.23277149

5.616308671

11.87304447

3.931197985

5.204006687

0

17.6670173

7.001608304

12.60541907

4.191055125

5.575949103

0

17.69499207

7.007293329

12.60541907

4.172279358

7.347299701

0

17.72286788

7.014971205

12.60541907

4.154348913

6.390240667

0

17.75060463

7.005807074

12.60541907

4.185150218

5.062595033

0

17.77815616

6.902198319

12.60541907

4.199687728

7.89319887

0

17.80547281

6.799008661

12.60541907

4.215398243

6.340359304

0

17.832562

6.80551654

12.60541907

4.161882643

5.187385806

1

17.85937779

6.820913475

12.60541907

4.203800132

6.997595983

0

17.88576854

6.859866031

12.60541907

4.202957084

6.735780014

0

17.91155599

6.89428251

12.60541907

4.245795601

6.255750042

0

17.93663771

6.899118424

12.60541907

4.277705995

8.117014088

0

17.96097394

6.868982063

12.60541907

4.26776019

8.823647949

0

17.98464134

6.848684998

12.60541907

4.283844735

5.521460918

0

18.00779629

6.846472297

12.60541907

4.308075689

6.508769137

0

18.03064183

6.866567686

12.60541907

4.321900365

6.035481433

0

18.05331148

6.889623441

12.60541907

4.337263289

7.452982329

0

18.07581323

6.923935512

12.60541907

4.327148765

4.727387819

0

18.09809151

6.952211196

12.60541907

4.324652521

4.204692619

0

18.12012736

6.924391426

12.60541907

4.310483237

6.692083743

1

18.14188688

6.932985801

12.60541907

4.308151732

5.940171253

0

18.16333342

6.954706146

12.60541907

4.356016279

6.617402978

0

18.18450754

6.9620611

12.60541907

4.318173479

6.445719819

0

18.20538651

6.976992209

12.60541907

4.377788291

5.774551546

0

18.22580864

7.005077952

12.60541907

4.404952077

5.857933154

0

18.24557348

7.050141932

12.60541907

4.430354787

7.575584652

0

18.26456979

7.077816046

12.60541907

4.425301738

3.663561646

0

18.28275428

7.110732889

12.60541907

4.405651238

8.001019961

0

18.30023627

7.157320578

12.60541907

4.40550302

4.859812404

0

18.31724215

7.181003154

12.60541907

4.415407009

6.865891075

0

2009 2010 2011 Philipina

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

29

18.33406663

7.175596538

12.60541907

4.440558716

7.175489714

1

18.35091041

7.232303033

12.60541907

4.445071854

7.014814351

0

18.36782866

7.253729663

12.60541907

4.453556286

7.595387279

0

16.00229673

6.97031091

12.12149467

3.861458288

0

0

16.03685197

7.026580458

12.12149467

3.851705961

0

0

16.07181011

7.012621791

12.12149467

3.867918755

0

0

16.1066938

6.991928683

12.12149467

3.910315148

0

0

16.14092878

6.916124115

12.12149467

3.965810187

0

0

16.17415382

6.942252965

12.12149467

4.002724399

0

0

16.20626769

6.859417182

12.12149467

4.028349514

0

0

16.23740996

6.847170721

12.12149467

4.037099909

0

0

16.26776849

6.941383589

12.12149467

4.013491638

0

0

16.29760275

6.817697731

12.12149467

3.984921175

0

0

16.32706855

6.861861246

12.12149467

3.93717951

0

0

16.35633926

6.908637

12.12149467

3.89103019

0

0

16.38532675

7.006020755

12.12149467

3.84470687

0

0

16.41365653

7.028184323

12.12149467

3.826911858

0

0

16.44085638

7.074726789

12.12149467

3.801309968

0

1

16.46671735

7.104773596

12.12149467

3.777298673

0

0

16.49095788

7.123592559

12.12149467

3.75588906

0

0

16.51394561

7.118444743

12.12149467

3.755095474

0

0

16.5368273

7.157008649

12.12149467

3.777123592

0

0

16.56103848

7.096614109

12.12149467

3.78567739

0

0

16.5873824

7.097329341

12.12149467

3.803205187

0

0

16.61613544

7.119278372

12.12149467

3.835065284

3.295836866

0

16.64654023

7.146198656

12.12149467

3.860942951

4.382026635

0

16.67714579

7.12157516

12.12046029

4.132726141

0

0

16.70614878

7.159295805

12.12035135

4.179866539

1.609437912

0

16.73242265

7.193175857

12.12035135

4.232661548

0

0

16.75260362

7.221785051

12.12067814

4.256523642

1.791759469

0

16.7727846

7.257038776

12.1207326

4.275521158

0

0

16.79296562

7.280874649

12.1207326

4.28560535

0

0

2009 2010 2011 Syirian Arab

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

30

16.81314662

7.318962555

12.1207326

4.278258878

0

0

16.83332761

7.330280232

12.12067814

4.282040954

0

0

16.85143956

7.35953303

12.12067814

4.296196106

0

1

17.67587479

6.665713555

13.14390958

3.315978216

4.043051268

0

17.69625524

6.702723051

13.14390958

3.345284662

4.007333185

0

17.71591673

6.735201809

13.14390958

3.354670953

0

0

17.73510062

6.770356485

13.14390958

3.192942443

3.912023005

0

17.75410157

6.807286123

13.14390958

3.404985863

2.833213344

0

17.77305483

6.833757729

13.14390958

3.414584375

2.890371758

1

17.79219261

6.868481309

13.14390958

3.399231784

3.737669618

0

17.81129703

6.940304305

13.14390958

3.37041166

3.17805383

0

17.82955799

7.046807402

13.14390958

3.333747605

6.498282149

0

17.84593815

7.145455421

13.14390958

3.324905437

6.126869184

0

17.8598252

7.237433209

13.14390958

3.346891836

3.583518938

0

17.87096735

7.308407878

13.14390958

3.407013104

4.007333185

0

17.87984202

7.377266069

13.14390958

3.50854602

1.791759469

0

17.88745914

7.44893178

13.14390958

3.625543676

3.80666249

0

17.89519299

7.527258052

13.14390958

3.750017121

4.86753445

0

17.90400734

7.606797747

13.14390958

3.865802088

5.552959585

0

17.91414778

7.653995074

13.14390958

3.989813702

4.605170186

0

17.9252978

7.629036415

13.14390958

4.048011577

5.356586275

1

17.93715219

7.506139028

13.14390958

4.108079636

0

0

17.94921427

7.537592622

13.14390958

4.028916757

3.091042453

0

17.96110304

7.572110896

13.14390958

4.063713519

5.288267031

0

17.97281238

7.581842689

13.14390958

4.130464801

5.402677382

1

17.98438931

7.622075862

13.14390958

4.157591781

5.257495372

0

17.99557823

7.679852918

13.14390958

4.161379964

2.772588722

0

18.00607978

7.730861003

13.14390958

4.193985804

9.034676603

0

18.01569277

7.766266299

13.14390958

4.26124561

4.454347296

0

18.02431981

7.807313777

13.14390958

4.262874647

5.634789603

0

18.03202041

7.848825316

13.14390958

4.323982446

3.970291914

0

18.03895143

7.866433727

13.14390958

4.317179266

3.663561646

0

2009 2010 2011 Thailand

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

31

18.04534887

7.836462105

13.14390958

4.331970995

2.708050201

1

18.051387

7.905628953

13.14390958

4.34676351

5.560681631

0

18.05710425

7.900682274

13.14390958

4.372050791

6.827629235

0

17.60208861

7.840062325

13.55366516

3.589029008

4.744932128

0

17.62505795

7.864516967

13.55366516

3.579232264

2.302585093

0

17.64844765

7.876139403

13.55366516

3.614494751

0

0

17.67171916

7.9013826

13.55366516

3.639245046

7.20489251

0

17.69419762

7.943867713

13.55366516

3.684019162

1.791759469

0

17.71545349

7.964150404

13.55366516

3.75044481

2.564949357

0

17.73537351

8.012001469

13.55366516

3.785506267

2.708050201

0

17.75415902

8.083838249

13.55366516

3.818262065

3.713572067

0

17.77209574

8.088843705

13.55366516

3.859769461

4.343805422

0

17.78958403

8.074253647

13.55366516

3.904197667

0

0

17.80690407

8.14555004

13.55366516

3.91369341

4.234106505

0

17.82409532

8.13553576

13.55366516

3.943904739

3.761200116

0

17.84107846

8.167682113

13.55366516

3.970243988

6.817830571

0

17.85785961

8.224627747

13.55366516

4.028191583

4.905274778

0

17.87442262

8.160258544

13.55366516

4.052010835

3.401197382

1

17.89075128

8.219763131

13.55366516

4.090597718

5.442417711

0

17.90688368

8.27483137

13.55366516

4.157006323

0

0

17.92282427

8.331933627

13.55366516

4.08130559

0

0

17.93848589

8.339091797

13.55366516

4.21597205

5.476463552

0

17.95375423

8.289590692

13.55366516

4.234609566

9.797126537

1

17.96856201

8.340331438

13.55366516

4.268774646

2.772588722

0

17.98287188

8.267359332

13.55366516

4.406709369

3.912023005

1

17.99673845

8.313306131

13.55366516

4.463920052

4.49980967

0

18.01029504

8.351062849

13.55366516

4.485728663

5.225746674

0

18.02371829

8.427140294

13.55366516

4.44726132

4.48863637

0

18.03712173

8.494409683

13.55366516

4.406940198

3.713572067

0

18.05053748

8.547656652

13.55366516

4.445698491

4.369447852

0

18.06390228

8.579920634

13.55366516

4.468433892

2.944438979

0

18.07711563

8.573274064

13.55366516

4.44825915

0.693147181

0

2009 2010 2011 Turki

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

32

18.09003845

8.510889167

13.55366516

4.351017405

4.127134385

1

18.10257142

8.585972789

13.55366516

4.408022544

4.158883083

0

18.11469343

8.655460173

13.55366516

4.532384416

6.484635236

0

2009 2010 2011

Sumber: World Bank dan International Disaster Database, 2013 Keterangan: *) Data sudah di ln

Lampiran 2 Uji Normalitas 40

Series: Standardized Residuals Sample 1980 2011 Observations 320

35 30 25 20 15 10 5 0 -3

-2

-1

0

1

2

3

4

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

0.013685 -0.006320 4.132623 -3.149104 0.997896 0.371775 4.243598

Jarque-Bera Probability

27.99206 0.000001

33

Lampiran 3 Output Eviews Pooled Least Square (PLS) Hasil pengujian dengan metode PLS (Pooled Least Square) Dependent Variable: TOTALKILLED Method: Panel EGLS (Cross-section SUR) Date: 07/10/13 Time: 13:35 Sample: 1980 2011 Periods included: 32 Cross-sections included: 10 Total panel (balanced) observations: 320 Linear estimation after one-step weighting matrix Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected) Variable

Coefficient

Std. Error

t-Statistic

Prob.

GDP LND PPL SCH D1 C

-0.821750 -1.376523 2.547280 0.584699 0.179952 -19.79752

0.097181 0.162598 0.168092 0.338007 0.269058 1.360344

-8.455835 -8.465824 15.15410 1.729840 0.668822 -14.55332

0.0000 0.0000 0.0000 0.0846 0.5041 0.0000

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.810467 0.807449 1.005904 268.5408 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

2.503879 2.613923 317.7188 1.805327

Unweighted Statistics R-squared Sum squared resid

0.630749 932.8441

Mean dependent var Durbin-Watson stat

4.051326 1.584628

34

Lampiran 4 Output Eviews Fixed Effect Hasil pengujian dengan metode Fixed Effect Dependent Variable: TOTALKILLED Method: Panel EGLS (Cross-section SUR) Date: 07/10/13 Time: 13:36 Sample: 1980 2011 Periods included: 32 Cross-sections included: 10 Total panel (balanced) observations: 320 Linear estimation after one-step weighting matrix Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected) Variable

Coefficient

Std. Error

t-Statistic

Prob.

GDP LND PPL SCH D1 C

0.603742 297.8015 0.850395 -0.339819 0.177787 -3863.290

0.310667 109.6504 0.437631 0.486422 0.232235 1418.752

1.943371 2.715917 1.943179 -0.698610 0.765549 -2.723020

0.0529 0.0070 0.0529 0.4853 0.4445 0.0068

Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.874843 0.869098 1.018777 152.2814 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

2.466605 2.895300 316.5616 2.041083

Unweighted Statistics R-squared Sum squared resid

0.718249 711.7925

Mean dependent var Durbin-Watson stat

4.051326 2.057221

35

Lampiran 5 Output Eviews Random Effect Hasil pengujian dengan metode Random Effect Dependent Variable: TOTALKILLED Method: Panel EGLS (Cross-section random effects) Date: 07/10/13 Time: 13:36 Sample: 1980 2011 Periods included: 32 Cross-sections included: 10 Total panel (balanced) observations: 320 Swamy and Arora estimator of component variances Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected) Variable

Coefficient

Std. Error

t-Statistic

Prob.

GDP LND PPL SCH D1 C

-0.507242 -0.643397 1.848850 0.614523 0.031843 -19.21973

0.244035 0.466205 0.455674 0.558430 0.335436 3.390687

-2.078565 -1.380073 4.057400 1.100448 0.094932 -5.668388

0.0385 0.1685 0.0001 0.2720 0.9244 0.0000

Effects Specification S.D. Cross-section random Idiosyncratic random

0.919970 1.522149

Rho 0.2676 0.7324

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.153625 0.140148 1.537312 11.39878 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

1.137315 1.657869 742.0852 1.996241

Unweighted Statistics R-squared Sum squared resid

0.606902 993.0905

Mean dependent var Durbin-Watson stat

4.051326 1.491688

36

RIWAYAT HIDUP Penulis bernama lengkap Widy Purnama Putra, lahir pada tanggal 12 Mei 1991 di Bogor. Penulis adalah anak sulung dari tiga bersaudara, dari pasangan Bapak H. Dindin Nazmudin dan Ibu Wiwi Witarsih. Jenjang pendidikan penulis dimulai pada tahun 1995 di bangku Taman Kanak-Kanak Islam Karya Mukti. Kemudian pada tahun 1997 penulis melanjutkan pendidikan di Sekolah Dasar Islam Karya Mukti. Pada tahun 2003 penulis melanjutkan ke sekolah menengah pertama di SMP Puspanegara dan lulus pada tahun 2006. Pada tahun yang sama penulis diterima di SMA Negeri 3 Bogor dan lulus pada tahun 2009. Pada tahun 2009 penulis melanjutkan studi di Institut Pertanian Bogor (IPB) melalui jalur USMI dan berhasil diterima sebagai mahasiswa Departemen Ilmu Ekonomi Fakultas Ekonomi dan Manajemen. Selama menjadi mahasiswa, penulis aktif dalam berbagai kegiatan organisasi kampus. Penulis pernah mengikuti Unit Kegiatan Mahasiswa (UKM) Merpati Putih IPB pada tahun 2009-2010. Dalam organisasi Fakultas penulis pernah menjabat sebagai Ketua Komisi 3 Dewan Perwakilan Mahasiswa (DPM) FEM IPB pada tahun 2010-2011. Dalam organisasi departemen pernah menjadi anggota staff Coorporation External Relationship (CER) HIPOTESA (Himpunan Profesi dan Peminat Ilmu Ekonomi dan Studi Pembangunan) FEM IPB pada tahun 2011-2012, pada tahun yang sama penulis juga menjadi anggota Keluarga Ekonomi dan Manajemen Pecinta Alam (KAREMATA) FEM IPB. Pada periode selanjutnya 2012 – 2013 penulis menjabat sebagai Ketua Umum KAREMATA FEM IPB. Selain itu penulis aktif mengikuti berbagai kegiatan kemanusiaan dan lingkungan seperti menjadi anggota SAR apabila terjadi bencana alam, selain itu penulis menjadi salah satu anggota formatur Forum Relawan Peduli Bencana (FOREPNA) IPB. Selain aktif dalam berbagai kegiatan organisasi mahasiswa, penulis pernah beberapa mengikuti kegiatan lomba karya tulis, dan Program Kreatifitas Mahasiswa.