JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6
1
Simulasi Sistem Dinamik Analisis Pengaruh Performa Ekonomi Makro Terhadap Angka Kemiskinan Yulita Rosiana1, dan Erma Suryani2 Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected];
[email protected]
Abstrak-Dari tiga puluh juta lebih penduduk miskin di Indonesia, provinsi Jawa Timur menempati posisi pertama dengan angka kemiskinan tertinggi, yaitu 17.82% atau 5.356.210 jiwa pada tahun 2011 berdasarkan data yang dihimpun oleh Badan Pusat Statistika. Berdasarkan hasil Survei Sosial Ekonomi Nasional (SUSENAS) yang dilakukan oleh Badan Pusat Statistika tahun 2009, 94.2% penduduk miskin berada di daerah kabupaten dan 5.8% di daerah perkotaan. Kabupaten Ngawi adalah salah satu kabupaten yang tingkat kemiskinannya masih fluktuatif dan tergolong dalam kategori tinggi, yaitu antara 21%-29% dari jumlah penduduk selama sepuluh tahun terakhir ini. Walaupun angka kemiskinan di kabupaten Ngawi pernah mengalami penurunan 1%-6% selama periode 10 tahun terakhir, namun angka ini masih jauh dari target Pemerintah yang tertuang pada Rencana Pembangunan Jangka Menengah Daerah (RPJMD) 2010-2015, yaitu penurunan minimal sebesar 7.74% tiap tahunnya. Pembangunan daerah merupakan faktor penting dalam mengentaskan kemiskinan di daerah. Analisis pengaruh indikator performa ekonomi makro terhadap kemiskinan pada penelitian ini akan menggunakan metode sistem dinamis yang dapat mempertimbangkan faktor-faktor internal maupun eksternal dan dapat melakukan studi komprehensif jangka panjang melalui skenario struktur dan skenario parameter, yang terdiri dari skenario optimistic, skenario pessimistic, dan skenario most likely. Hasil penelitian menunjukkan bahwa Indeks Pembangunan Manusia (IPM) paling berpengaruh terhadap kemiskinan, dengan nilai elastisitas tertinggi, yaitu 0.652302. Indikator kedua adalah PDRB pertanian dengan nilai elastisitas sebesar 0.138721, dan terakhir adalah tingkat pengangguran dengan nilai 0.087636. Penelitian ini juga menunjukkan bahwa PDRB pertanian lebih dapat meningkatkan jumlah tenaga kerja 0.012% dibandingkan PDRB industri dan jasa. Hal ini dikarenakan pertanian merupakan sektor padat modal bukan sektor padat karya. Kata Kunci— Simulasi, Sistem Dinamis, Performa Ekonomi Makro, Kemiskinan, Ngawi. I. PENDAHULUAN
J
umlah penduduk miskin di suatu negara secara ekonomis merupakan salah satu indikator untuk melihat perkembangan tingkat kesejahteraan masyarakat. Dari tiga puluh juta lebih penduduk miskin di Indonesia, provinsi Jawa Timur menempati posisi pertama dengan angka kemiskinan tertinggi, yaitu 17,82% atau 5.356.210 jiwa pada tahun 2011 berdasarkan data yang dihimpun oleh Badan Pusat Statistika. Berdasarkan hasil SUSENAS (Survei Sosial Ekonomi
Nasional) yang dilakukan oleh Badan Pusat Statistika tahun 2009, 94,2% penduduk miskin berada di daerah kabupaten dan 5,8% di daerah perkotaan. Kabupaten Ngawi adalah salah satu kabupaten yang tingkat kemiskinannya masih tinggi, yaitu rata-rata 25,9% dari total jumlah penduduk dalam 12 tahun terakhir ini. Walaupun angka kemiskinan di kabupaten Ngawi mengalami penurunan hingga 2,9% selama periode 12 tahun ini, namun angka ini masih jauh dari target Pemerintah yang tertuang pada Rencana Pembangunan Jangka Menengah Daerah (RPJMD) 20102015, yaitu penurunan minimal sebesar 7,74% tiap tahunnya. Menurut Rynell (2008), performa ekonomi makro merupakan kunci penentu utama kemiskinan. Terdapat efek yang jelas antara siklus bisnis dengan pertumbuhan kemiskinan. Negara yang mempunyai pertumbuhan ekonomi kuat dapat mengurangi jumlah penduduk miskin karena terdapat banyak kesempatan kerja dan pengurangan jumlah pengangguran. 1.1 Rumusan Masalah a. Faktor apa saja yang menyebabkan tingginya kemiskinan di kabupaten Ngawi? b. Indikator performa ekonomi makro apa saja yang secara signifikan mempengaruhi kemiskinan? c. Bagaimana membuat model yang dapat mengidentifikasi pengaruh performa ekonomi makro terhadap kemiskinan di kabupaten Ngawi berdasarkan kondisi saat ini? d. Bagaimana membuat skenario yang dapat digunakan untuk menekan tingginya kemiskinan di kabupaten Ngawi berdasarkan faktor-faktor internal dan eksternal? 1.2 Batasan Masalah a. Data yang digunakan dalam pembuatan model simulasi dinamis pada penelitian ini adalah data tahun 2000-2011 yang berasal dari BPS (Badan Pusat Statistika), BPD (Badan Perencanaan Daerah), dan dinas pemerintah daerah terkait lainnya. b. Objek penelitian pengaruh performa ekonomi terhadap kemiskinan pada penelitian ini adalah kabupaten Ngawi. c. Tiga indikator pokok performa ekonomi yang mempengaruhi kemiskinan adalah PDRB sektor pertanian, jumlah pengangguran, dan IPM.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 d. Pengerjaan penelitian adalah pembuatan model simulasi pada penurunan angka kemiskinan di kabupaten Ngawi. 1.3 Tujuan a. Mengetahui faktor ekonomi makro apa saja yang mempengauhi tingginya kemiskinan di kabupaten Ngawi. b. Merancang model yang dapat mengidentifikasi pengaruh performa ekonomi makro terhadap kemiskinan di kabupaten Ngawi berdasarkan kondisi saat ini. c. Membuat skenario yang dapat digunakan untuk menekan tingginya kemiskinan di kabupaten Ngawi berdasarkan faktor-faktor internal dan eksternal. d. Mengetahui skenario yang tepat untuk diimplementasikan guna mengentaskan kemiskinan di kabupaten Ngawi berdasarkan faktor ekonomi makro. 1.4 Manfaat Dapat menyediakan pemodelan simulasi dinamis analisis performa ekonomi makro terhadap kemiskinan di kabupaten Ngawi sehingga dapat membantu pemerintah kabupaten Ngawi memahami variabel-variabel penting yang dapat menekan tingginya angka kemiskinan. II. TEORI PENUNJANG A. Metode Penelitian
Gambar 1. Diagram Alur Metodologi Penelitian
1. Tahap Studi Literatur Tahap pengumpulan pustaka dipergunakan untuk memperkuat dasar teori dan perancangan model guna mendukung pengerjaan penelitian. Pencarian pustaka dilakukan dengan wawancara kepala dinas pemerintahan, review dokumen, jurnal, dan text book 2. Tahap Pendefinisian Sistem Pada tahap ini dilakukan identifikasi variabel-variabel terkait tujuan yang ingin dicapai. 3. Perancangan Model Perancangan model dilakukan dengan dua tahap, yaitu :
a. Pembuatan Diagram Kausatif
2 Model konseptual dilambangkan dengan pembuatan diagram kausatif yang mendeskripsikan hubungan sebabakibat antar variabel dalam suatu rangkaian yang berpusat pada jumlah penduduk miskin di kabupaten Ngawi.
b. Pembuatan Model Komputasi Perumusan matematis untuk setiap variabel dilakukan pada tahap ini, termasuk penggunaan model regresi double log untuk variabel jumlah penduduk miskin dan jumlah tenaga kerja di sektor pertanian, industri, dan jasa. Pembuatan model simulasi dilakukan dengan software Vensim. Vensim dipilih karena merupakan simulator sistem yang didasarkan pada pendekatan dinamis. 4. Pengumpulan Data Pada tahap ini dilakukan pengambilan data yang digunakan dalam proses pengerjaan penelitian ini. Pengambilan data dilakukan pada BPS, BPD, dan dinas-dinas pemerintah terkait lainnya. 5. Validasi Validasi model merupakan proses pengujian terhadap model apakah model yang dibuat sudah sesuai dengan sistem nyatanya. Menurut Barlas (1989) terdapat dua cara pengujian yaitu pengujian perbandingan rata-rata dan variasi amplitudo. 6. Pembuatan Skenario Setelah model valid maka tahapan selanjutnya adalah pembuatan beberapa skenario untuk memperbaiki kinerja sistem sesuai dengan yang diinginkan. Beberapa jenis skenario adalah sebagai berikut : a. Skenario struktur Dilakukan dengan jalan mengubah struktur dari model. skenario jenis ini memerlukan pengetahuan yang cukup mengenai sistem agar struktur baru yang diusulkan dapat memperbaiki kinerja sistem. b. Skenario parameter Dilakukan dengan jalan mengubah nilai parameter dari model. Selanjutnya akan dilihat dampaknya terhadap output model. B. Faktor Penyebab Kemiskinan Menurut Kartasasmita (2006), kondisi kemiskinan dapat disebabkan oleh sekurang-kurangnya empat penyebab, yaitu : 1. Rendahnya Taraf Pendidikan Taraf pendidikan yang rendah mengakibatkan kemampuan pengembangan diri terbatas dan meyebabkan sempitnya lapangan kerja yang dapat dimasuki. Taraf pendidikan yang rendah juga membatasi kemampuan seseorang untuk mencari dan memanfaatkan peluang. 2. Rendahnya Derajat Kesehatan Taraf kesehatan dan gizi yang rendah menyebabkan rendahnya daya tahan fisik, daya pikir dan prakarsa. 3. Terbatasnya Lapangan Kerja Selain kondisi kemiskinan dan kesehatan yang rendah, kemiskinan juga diperberat oleh terbatasnya lapangan pekerjaan. Selama ada lapangan kerja atau kegiatan usaha, selama itu pula ada harapan untuk memutuskan lingkaran kemiskinan. 4. Kondisi Keterisolasian
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 Banyak penduduk miskin secara ekonomi tidak berdaya karena terpencil dan terisolasi. Mereka hidup terpencil sehingga sulit atau tidak dapat terjangkau oleh pelayanan pendidikan, kesehatan dan gerak kemajuan yang dinikmati masyarakat lainnya. C. Hubungan antara Performa Ekonomi Makro dengan Kemiskinan Berdasarkan Rancangan Kerangka Ekonomi Daerah dan Kebijakan Keuangan Daerah Kabupaten Ngawi, perkembangan indikator ekonomi daerah merupakan hasil kinerja pembangunan yang diukur berdasarkan pada empat indikator kinerja utama, yaitu : 1. Tingkat Pengangguran Terbuka 2. Persentase Penduduk Miskin terhadap Jumlah Penduduk 3. Pertumbuhan Ekonomi (Produk Domestik Regional Bruto) 4. Indeks Pembangunan Manusia (IPM) Hasil penelitian Hull (2009) yang menganalisis hubungan pertumbuhan ekonomi, kesempatan kerja, dan penurunan kemiskinan, menunjukkan bahwa pertumbuhan ekonomi di suatu daerah tidak akan secara langsung memberikan dampak yang positif terhadap penurunan kemiskinan. Pertumbuhan ekonomi akan berdampak positif terhadap penurunan kemiskinan jika pertumbuhan ekonomi tersebut terjadi pada sektor di mana mayoritas pekerjanya adalah penduduk miskin. Menurut penelitian Satchi dan Temple (2006) yang menganalisis pertumbuhan tenaga kerja di negara berkembang menunjukkan bahwa peningkatan produktivitas pertanian dapat mengurangi kemiskinan karena mayoritas penduduk miskin bekerja di sektor pertanian. D. Model dan Implementasi percentage of unemployment ratio growth
unemployment ratio
poverty rate
poverty population
poverty reduction
agricultural employment
total employment
industry & services employment industry&services employment rate
labour force
unemployement
percentage of working age population growth
industry&services employment reduction labour force participation rate
placement outside
R Square Adjusted R Square X Variabel IPM X Variabel Pengangguran X Variabel PDRB Pertanian
0.874972221 0.828086804 -0.652302 0.087636 -0.138721
Hasil analisis regresi double log diatas menunjukkan bahwa PDRB pertanian berkorelasi tinggi dengan jumlah tenaga kerja. Hal ini ditunjukkan pada nilai R Square dan Adjusted R Square yang lebih dari 0.7. Koefisien variabel PDRB pertanian menunjukkan bahwa setiap kenaikan 1% PDRB pertanian, akan menaikkan 0.027462378% jumlah tenaga kerja.
R Square Adjusted R Square X Variabel PDRB pertanian
agricultural employment reduction
Tabel 1. Hasil analisis regresi double log untuk variabel dependen jumlah kemiskinan
Tabel 2. Hasil analisis regresi double log untuk variabel dependen tenaga kerja pada sektor pertanian
percentage of labour force rate
percentage of labour force
agricultural employment rate
mengurangi pengangguran. Faktor kesehatan, pendidikan, dan standar hidup yang terwakili oleh nilai IPM. Menurut Malian, A. Husni, dkk (2004), faktor yang langsung mempengaruhi tingkat produksi pertanian adalah luas area lahan. Menurut Anne Epaulard dalam penelitiannya yang berjudul “Macroeconomic Performance and Poverty Reduction”, IPM mempunyai korelasi yang negatif terhadap kemiskinan. Sehingga, apabila dimodelkan pada suatu flow diagram akan menghasilkan model seperti gambar nomor 3 di bawah ini. Koefisien variabel IPM menunjukkan bahwa tiap kenaikan 1% nilai IPM, akan mengurangi 0.652302% penduduk miskin. Koefisien variabel pengangguran berkorelasi positif terhadap kemiskinan, dimana tiap kenaikan 1% pengangguran, jumlah penduduk miskin akan bertambah sebanyak 0.087636%. Koefisien variabel PDRB pertanian menunjukkan bahwa tiap kenaikan 1% nilai PDRB pertanian, maka akan menurunkan 0.138721% jumlah penduduk miskin.
percentage of labour force growth job opportunities ratio
unemployement ratio rate
3
working age population
percentage of working age population
percentage of working age population rate
retired
percentage of maturation 55 to 56
population birth growth
death growth
Gambar 3. Sub-model Jumlah Penduduk Miskin
Berdasarkan penelitian yang dilakukan oleh Paul Cashin dan Paolo Mauro (2001) yang berjudul “Macroeconomics Policies and Poverty Reduction : Stylized Facts and an Overview of Research”, menyatakan bahwa indikator performa ekonomi makro yang sangat berpengaruh terhadap kemiskinan adalah pertumbuhan ekonomi dan IPM. Pertumbuhan ekonomi yang tinggi mempunyai dampak yang positif terhadap peningkatan lapangan kerja sehingga dapat
0.92614132 0.918755452 0.027462378
Koefisien variabel PDRB pertanian menunjukkan bahwa setiap kenaikan 1% PDRB pertanian, akan menaikkan 0.015491107% jumlah tenaga kerja. Tabel 2. Hasil analisis regresi double log untuk variabel dependen tenaga kerja pada sektor pertanian
R Square Adjusted R Square X Variabel PDRB industri dan jasa
0.937593814 0.931353195 0.015491107
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 production cost growth
producer's price growth
average agricultural production per ha look up
producer's price rate average agricultural production per ha
<Time>
producer's price
4 =
production cost
.
|
.
= 0.01475038712 = 1.475038712% ≤ 30%, berarti model simulasi valid
percentage of GDRP agricultural sector growth
GDRP agricultural sector
3. PDRB Pertanian
GDRP agricultural sector rate
E1 =
multivariable look up
.
production cost rate
total agricultural production
agricultural area
|
|
|
multivariable effect GDRP
<Time> government expenditure look up
=
domestic consumption
|
.
|
government expenditure
<Time>
GDRP industry&services sector rate
investment growth
investment rate
GDRP industry&services sector
= 0.0284059E-05 = 2.84059E-05% ≤ 5%, berarti model simulasi valid
investment percentage of GDRP industry&ser vices sector growth
net export export
E2 =
|
|
import
Gambar 4. Sub-model PDRB
= life expectancy
percentage of human development index growth
life expectancy index
average length of school index
average length of school
4. IPM E1 =
purchasing power index
= E. Validasi Model |
|
E2 = .
.
|
| .
.
|
.
|
|
|
.
=
= 0.03937732718 = 3.937732718% ≤ 5%, model simulasi valid |
E2 =
|
= 0.02147551197 = 2.147551197% ≤ 5%, berarti data simulasi valid
1. Jumlah Penduduk Miskin
|
|
human development index rate
Gambar 5. Sub-model IPM
=
. .
= 0.0785237E-05 = 7.85237E-05% ≤ 30%, berarti model simulasi valid
literacy index
real consumption per capita
E1 =
.
human development index education index
literacy
|
| .
.
|
.
= 0.05162194724 = 5.162194724% ≤ 30%, berarti data simulasi valid |
F. Pembuatan Skenario dan Analisis Hasil |
=
.
.
|
.
= 0.2816044981 = 28.16044981% ≤ 30%, berarti model simulasi valid 2. Jumlah Pengangguran | E1 = |
=
.
|
.
|
.
Gambar 6. Bagan Skenario Struktur
= 0.04277381407 = 4.277381407% ≤ 5%, berarti model simulasi valid E2 =
|
|
1.
Skenario Struktur Pengembangan skenario struktur pada penelitian ini dilakukan dengan cara : a. Penambahan variabel jumlah penduduk berdasarkan tingkat pendidikan.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6
dengan nilai elastisitas tertinggi, yaitu 0.652302. Indikator kedua adalah PDRB pertanian dengan nilai elastisitas sebesar 0.138721, dan terakhir adalah tingkat pengangguran dengan nilai 0.087636. 2. PDRB pertanian lebih dapat meningkatkan jumlah tenaga kerja 0.012% dibandingkan PDRB industri dan jasa. Hal ini dikarenakan pertanian merupakan sektor padat modal bukan sektor padat karya. 3. Sistem simulasi dinamis ini dapat membantu Pemerintah untuk memprediksi jumlah penduduk miskin di masa mendatang karena setelah dilakukan uji validasi, perbandingan rata-rata dan standar deviasi model simulasi base model sebesar 3.937732718% dan 28.16044981% 4. Berdasarkan model simulasi skenario parameter, prosentase tertinggi dalam menurunkan jumlah penduduk miskin pada tahun 2020 adalah skenario optimistic, yaitu sebesar 46.51%. Nilai tersebut jauh berbeda dibandingkan skenario pessimistic yang diperkirakan akan hanya turun sebesar 4.44% di tahun 2020 dan 29.5% di tahun 2020 untuk skenario most likely. Adapun saran yang dapat digunakan untuk mengembangkan Penelitian ini adalah : 1. Perlu ditelaah lebih jauh variabel-variabel performa ekonomi makro lainnya terhadap kemiskinan, contoh inflasi, distribusi pendapatan, dan lain-lain. 2. Untuk penelitian lebih lanjut, perlu diperhatikan penambahan variabel yang dapat mempengaruhi tingkat pengangguran selain dari nilai PDRB, contoh upah minimum. LAMPIRAN poverty population 400,000
person
325,000
250,000
175,000
100,000 2000
2002
2004
2006 Time (Year)
2008
2010
poverty population : Current poverty population : Optimistic
Gambar 6. Perbandingan Model Simulasi Skenario Optimistic dan Base Model
poverty population 400,000
325,000 person
b. Penambahan variabel jumlah penduduk usia kerja yang mendapatkan pelatihan baca tulis, yang mempengaruhi variabel angka melek huruf. c. Variabel investasi dibagi menjadi dua, yaitu investasi milik Pemerintah dan investasi dari investor luar. Variabel investasi dari investor luar dipengaruhi oleh variabel kebijakan. d. Luas lahan dan rata-rata produksi pertanian dibagi menjadi dua, yaitu luas lahan biasa dan luas lahan yang menggunakan bahwa teknik penanaman system of rice intensification. Rata-rata produksi pertanian juga dibagi menjadi dua, yaitu, rata-rata produksi pada lahan biasa dan pada lahan yang menggunakan bahwa teknik penanaman system of rice intensification. 2. Skenario Parameter Dengan skenario optimistic, jumlah penduduk miskin tahun 2011 diperkirakan turun sebesar 45.66% dan pada tahun 2020 diperkirakan akan turun sebesar 46.51%. Skenario pessimistic, jumlah penduduk miskin tahun 2011 diperkirakan hanya turun sebesar 2.61% dan pada tahun 2020 diperkirakan akan turun sebesar 4.44%. sedangkan, pada skenario most likely, jumlah penduduk miskin tahun 2011 diperkirakan turun sebesar 28.5% dan pada tahun 2020 diperkirakan akan naik sebesar 29.5%. Dengan skenario optimistic, jumlah pengangguran tahun 2011 diperkirakan turun sebesar 61.19% dan pada tahun 2020 diperkirakan akan turun sebesar 79.8%. Skenario pessimistic menunjukkan jumlah pengangguran tahun 2011 diperkirakan naik sebesar 7.31% dan pada tahun 2020 diperkirakan hanya akan turun sebesar 31.57%. Sedangkan pada skenario most likely, jumlah pengangguran tahun 2011 diperkirakan hanya turun sebesar 19.18% dan pada tahun 2020 diperkirakan akan turun sebesar 20.93%. Pada skenario struktur, PDRB pertanian tahun 2011 diperkirakan naik sebesar 115.92% dan pada tahun 2020 diperkirakan akan naik sebesar 87.9%. Model simulasi skenario pessimistic menunjukkan bahwa PDRB pertanian tahun 2011 diperkirakan turun sebesar 0.34% dan pada tahun 2020 diperkirakan akan turun sebesar 7.08%. Sedangkan untuk skenario most likely, PDRB pertanian tahun 2011 diperkirakan naik sebesar 89.72% dan pada tahun 2020 diperkirakan akan naik sebesar 48.78%. Dengan skenario optimistic, nilai IPM tahun 2011 diperkirakan naik sebesar 48.52% dan pada tahun 2020 diperkirakan akan naik sebesar 47.71%. Skenario pessimistic menunjukkan nilai IPM tahun 2011 diperkirakan hanya naik sebesar 2.09% dan pada tahun 2020 diperkirakan akan naik sebesar 1.5%. Sedangkan, skenario most likely menunjukkan bahwa nilai IPM tahun 2011 diperkirakan turun sebesar 18.78% dan pada tahun 2020 diperkirakan akan naik sebesar 18.8%.
5
250,000
175,000
III. KESIMPULAN/RINGKASAN Adapun beberapa hal yang dapat disimpulkan terkait pengerjaan Penelitian ini : 1. Indikator performa ekonomi makro yang paling berpengaruh adalah Indeks Pembangunan Manusia (IPM)
100,000 2000
2002
2004
2006 Time (Year)
2008
2010
poverty population : Current poverty population : Pessimistic
Gambar 6. Perbandingan Model Simulasi Skenario Pessimistic dan Base Model
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6
poverty population 400,000
person
325,000
250,000
175,000
100,000 2000
2002
2004
2006 Time (Year)
2008
2010
poverty population : Most Likely
Gambar 6. Perbandingan Model Simulasi Skenario Most Likely dan Base Model
DAFTAR PUSTAKA [1]
[2] [3]
[4]
[5] [6] [7]
[8]
[9]
[10]
[11]
[12] [13]
[14] [15]
[16] [17] [18]
[19]
Adediran, Olanrewaju Adewole. (t.thn.). An Assessment of Human Development Index and Poverty Parameters in the Millennium Development Goals : Evidence from Nigeria. Crescent University. Anonim. Teknik Penghitungan Indeks Pembangunan Manusia (IPM), diakses 26 Juni 2012. Aqeel, A., Nishat, M. 2005. The Determinants of Foreign Direct Investment in Pakistan. The Pakistan Development Review 43 (4), 651– 664. Barlas, Y. 1989. Multiple test for validation of system dynamic type of simulation models. Europe Journal of Operational Research. 12 No. 3. 183-210. BPD. 2012. Forum Gabungan SKPD 2012 : Tema Penanggulangan Kemiskinan. Ngawi : Badan Perencanaan Daerah. BPD. 2012. Rancangan Kerangka Ekonomi Daerah dan Kebijakan Keuangan Kabupaten Ngawi. Ngawi: BPD. BPS. Jumlah dan Persentase Penduduk Miskin, Garis Kemiskinan, Indeks Kedalaman Kemiskinan (P1), dan Indeks Keparahan Kemiskinan (P2) Menurut Provinsi, 2011, diakses 12 Maret 2012. Cashin, Paul dan Mauro, Paolo. 2001. Macroeconomics Policies and Poverty Reduction : Stylized Facts and an Overview of Research. IMF Working Paper (Research Department). Cremin, Peadar dan Nakabugo, Mary Goretti. 2012. Education, Development and Poverty Reduction. International Journal of Educational Development. Danja, Kabir Haruna. 2012. The Trends of Relationship Between Poverty and Economic Development in Uganda in the 21st Century. American Journal of Economics. Fung-Yee Ng, Linda dan Chyau Tuan. 2006. Spatial Agglomeration, FDI, and Regional Growth in China : Locality of Local and Foreign Manufacturing Investments. Hongkong : The Chinese University of Hong Kong. Harrell, C., B.K. Ghosh, et al. 2003. Simulation Using Promodel, 2nd. Singapura : McGraw-Hill. Hasan, M dan S. Sato. 2007. Water Saving for Paddy Cultivation Under the System of Rice Intensification (S.R.I.) in Eastern Indonesia. Jurnal Tanah dan Lingkungan Vol. 9 No. 2 : hal. 57-62. Herbert, P. 2001. The DAC Guidelines Poverty Reduction. Hidayat, Nia Kurniawati. 2008. Analisis Hubungan Komponen Indeks Pembangunan Manusia dengan Kemiskinan di Provinsi Jawa Barat. Bogor : Laporan Tugas Akhir. Fakultas Pertanian Institut Pertanian Bogor. Hill, R. Carter. (t.thn.). Using Excel For Principles of Econometrics, Third Edition. Louisiana State University. Hull, Katy. 2009. Understanding the Relationship between Economic Growth, Employment, and Poverty Reduction. OECD. Kapsos, Steven. 2005. The Employment Intensity of Growth : Trends and Macroeconomic Determinants. International Labour Office : Employment Strategy Department. Malian, A. Husni, dkk. (2004). Faktor-Faktor yang Mempengaruhi Produksi, Konsumsi, dan Harga Beras serta Inflasi Bahan Makanan. Bogor : Pusat Penelitian dan Pengembangan Sosial Ekonomi Pertanian.
6 [20] Menteri Dalam Negeri. 2010. Tata Cara Pengolahan Data dan Informasi Perencanaan Pembangunan Daerah. Jakarta: Menteri Dalam Negeri. OECD/Centre for Educational Research and Innovation. 1997. [21] Pratiwi, Wiwik D. 2011. Indeks Pembangunan Manusia Kuliah Pengantar: Indeks Pembangunan Sub Bidang Pembangunan Perdesaan. ITB : Program Studi Arsitektur. [22] Rynell, Army. 2008. Causes of Poverty : Findings From Recent Research. Amerika : The Heartland Alliance Mid-America Institute on Poverty. [23] Satchi, M. and J. Temple. 2006. Growth and Labour Markets in Developing Countries. University of Bristol : Department of Economics. [24] Shofi. D. M. 2002. Kajian Perilaku Upah Sektor Industri Dengan Metode System Dynamics. Jurnal TMI. 3 No. 1. [25] Siregar, Hermanto dan Dwi Wahyuniarti. 2007. Dampak Pertumbuhan Ekonomi terhadap Penurunan Jumlah Penduduk Miskin. IPB dan Brighten Institute.. [26] Suharno. 2008. Metode pengukuran Kemiskinan Makro : Garis Kemiskinan di Indonesia. [27] Suparlan, Parsudi. 1993. Kemiskinan di Perkotaan. Yayasan Obor, Indonesia. [28] Suryani, Erma. Pemodelan Simulasi. Graha Ilmu : 2006 [29] Sushil. 1993. System Dynamic A Pratical Approach For Managerial Problems. India: Wiley Eastern Limited. [30] Wirjodirdjo, Budisantoso. 2006. Reka Kebijakan Pengurangan Warga Miskin dengan Penghampiran Simulasi Sistem Dinamis : Studi Kasus Kota Madya Surabaya, 4-6.