Ekonomi Pembangunan — Kemiskinan, Ketimpangan (Gini), dan Kebijakan Sosial dari Nol

Bayangkan dua desa. Desa Pertama punya pendapatan rata-rata Rp 3 juta per bulan per kapita — semua warganya hidup di angka yang persis sama, dari kepala desa hingga pemulung. Desa Kedua juga punya rata-rata Rp 3 juta, tapi setengah warganya hidup dengan Rp 500 ribu sementara setengah lainnya dengan Rp 5,5 juta. PDB per kapita kedua desa identik. Kualitas hidupnya sama sekali berbeda. Anak-anak di Desa Pertama semua bisa sekolah; di Desa Kedua, setengahnya putus sekolah karena orang tuanya tidak mampu membeli buku. Itulah inti pelajaran ekonomi pembangunan: rata-rata menipu. Pertumbuhan saja tidak menentukan kesejahteraan — yang menentukan adalah bagaimana hasil pertumbuhan itu terbagi, dan apakah yang paling rentan ikut terangkat.

Pertanyaan inilah yang membedakan ekonomi pembangunan (development economics) dari sepupunya, pertumbuhan ekonomi. Artikel Pertumbuhan Ekonomi — Model Solow menanyakan “bagaimana output per kapita suatu negara tumbuh”; artikel ini menanyakan hal yang lebih sulit: “siapa yang menikmati pertumbuhan itu, dan siapa yang tertinggal?” Tiga alat utama menjawab pertanyaan itu — pengukuran kemiskinan (siapa yang di bawah garis), ketimpangan (seberapa miring distribusinya), dan pembangunan manusia (seberapa jauh pendapatan diterjemahkan jadi kapabilitas nyata). Plus, bagaimana pemerintah merespons lewat kebijakan sosial seperti PKH, BPNT, JKN, dan KIP.

Artikel ini menurunkan setiap alat dari nol, dengan rumus hidup dan contoh hitung manual. Setelah membaca, Anda akan bisa menjawab pertanyaan seperti “berapa Gini ratio sebuah desa bila distribusi pendapatannya begini?”, “kenapa garis kemiskinan BPS sekitar Rp 595 ribu per kapita per bulan dan bagaimana angka itu dibangun?”, dan “mengapa IPM dihitung lewat rata-rata geometris, bukan aritmatika?” — bukan dengan intuisi, tetapi dengan rumus yang bisa Anda kerjakan di kalkulator.

Pertumbuhan vs Pembangunan — Bukan Persamaan

Banyak yang memakai dua istilah ini sebagai sinonim. Itu keliru secara substantif. Pertumbuhan ekonomi (economic growth) adalah kenaikan kuantitatif output — biasanya diukur sebagai persen perubahan PDB real, seperti dijelaskan di PDB dan Inflasi. Indonesia tumbuh 5 persen per tahun artinya PDB realnya naik 5 persen. Ini soal size kue.

Pembangunan ekonomi (economic development) lebih luas. Ia mencakup pertumbuhan, tetapi juga transformasi struktur (dari agraris ke industri ke jasa), peningkatan kualitas hidup (kesehatan, pendidikan, harapan hidup), dan perluasan keleluasaan (freedoms) yang dinikmati warga. Michael Todaro, dalam karya klasik Economic Development, merangkum tiga inti pembangunan:

1. Kehidupan yang lebih layak (subsistence) — peningkatan pendapatan dan konsumsi.
2. Harga diri dan martabat (self-esteem) — bukan sekadar objek pembangunan, tetapi subjek.
3. Keleluasaan memilih (freedom) — bukan hanya politik, tetapi juga kebebasan dari kelaparan, penyakit, dan kebodohan, yang Amartya Sen sebut sebagai perluasan capabilities.

Pelajaran kuncinya: negara bisa tumbuh tanpa membangun. Nigeria tumbuh cepat dari ekspor minyak di 1970-an, tetapi harapan hidup, melek huruf, dan gizi anak-anaknya stagnan — pertumbuhan tanpa pembangunan. Sebaliknya, Kerala (India) punya PDB per kapita rendah tetapi harapan hidup dan melek huruf setara negara menengah-atas — pembangunan tanpa pertumbuhan cepat. Kombinasi ideal — seperti Korea Selatan pasca-1960 — adalah pertumbuhan yang menyertakan pembangunan: pendapatan naik dan didistribusikan ke pendidikan, kesehatan, dan institusi.

Inilah kenapa dalam ekonomi pembangunan, kita tidak berhenti di PDB. Kita menambah dua alat ukur lain yang menjadi tema artikel ini: kemiskinan (yang di bawah standar minimum) dan ketimpangan (seberapa miring distribusinya). Keduanya bersama pertumbuhan membentuk tiga sisi segitiga yang sama — kue, bagiannya, dan yang jatuh.

Kemiskinan — Absolut, Relatif, Multidimensi

Kemiskinan Absolut dan Pendekatan Cost of Basic Needs

Kemiskinan absolut mendefinisikan sebuah standar minimum tetap — berapa rupiah minimum yang dibutuhkan seseorang untuk bertahan hidup secara fisik. Siapa pun yang pengeluarannya di bawah angka itu dianggap miskin, terlepas dari berapa rata-rata penduduk di sekitarnya. Pendekatan ini dipakai BPS sejak 1970-an lewat metode Cost of Basic Needs (CBN) — biaya kebutuhan dasar.

Logika CBN sederhana dalam dua langkah. Langkah pertama, tetapkan Garis Kemiskinan Makanan (GKM): berapa rupiah minimum untuk membeli makanan yang memenuhi kebutuhan kalori 2.100 kkal per kapita per hari. BPS menggunakan 52 jenis komoditas makanan (beras, telur, ikan, sayuran, gula, dll.) dengan komposisi yang merefleksikan pola konsumsi aktual rumah tangga miskin, lalu menghitung harganya berdasarkan survei harga di setiap provinsi.

Langkah kedua, tetapkan Garis Kemiskinan Bukan Makanan (GKBM): kebutuhan minimum untuk perumahan, sandang, pendidikan, kesehatan, transportasi, dan aneka barang/jasa lainnya. BPS memakai 51 jenis komoditas non-makanan, dengan bobot mengikuti pola konsumsi rumah tangga yang berada di sekitar garis kemiskinan.

Garis Kemiskinan total adalah penjumlahan keduanya:

$$\text{GK} = \text{GKM} + \text{GKBM}$$

Untuk September 2023, GK nasional Indonesia sekitar Rp 550.000 per kapita per bulan (GKM ≈ Rp 414.000 makanan + GKBM ≈ Rp 136.000 non-makanan). GK ini berbeda-beda per provinsi dan dipisahkan antara perkotaan dan perdesaan, karena harga dan pola konsumsi berbeda. Angka inilah yang dipakai untuk menentukan siapa yang miskin di sensus.

Catatan: BPS menghitung pengeluaran, bukan pendapatan. Sebab di negara berkembang banyak pendapatan informal/non-tunai yang sulit diukur, sementara pengeluaran konsumsi lebih stabil dan dapat diobservasi dari survei (Susenas). Juga, GK BPS berbasis kebutuhan kalori, bukan pendapatan nominal — maka angkanya tampak “rendah” bila dibanding intuisi kota. Kritik seperti SMERU menunjukkan GK ini bisa terlalu konservatif; bandingkan dengan garis kemiskinan Bank Dunia yang lebih tinggi.

Ukuran Kemiskinan — Headcount dan Poverty Gap

Setelah GK ditetapkan, kita menghitung dua ukuran. Headcount Index ($H$) adalah persen populasi yang pengeluarannya di bawah GK:

$$H = \frac{q}{n} \times 100\%$$

dengan $q$ = jumlah penduduk miskin, $n$ = total populasi. Untuk September 2023, BPS melaporkan 26,36 juta orang Indonesia miskin (9,54 persen dari 275 juta penduduk). Jadi $H \approx 9{,}54\%$.

Headcount mudah dipahami, tetapi punya cacat serius: ia tidak peduli seberapa miskin. Seseorang yang pengeluarannya Rp 549.000 (hanya sedikit di bawah GK Rp 550.458) dan orang lain yang hanya Rp 100.000 dihitung sama — keduanya “miskin”. Untuk mengatasi ini, dipakai Poverty Gap Index ($P_1$ atau $PG$):

$$PG = \frac{1}{n} \sum_{i=1}^{q} \left( \frac{\text{GK} - y_i}{\text{GK}} \right)$$

di mana $y_i$ = pengeluaran individu miskin $i$. $PG$ adalah kedalaman rata-rata kemiskinan: berapa porsi GK yang rata-rata kurang, dihitung atas seluruh populasi (membagi $n$, bukan $q$). $PG = 0$ artinya tidak ada yang miskin; $PG = 1$ artinya semua orang pengeluarannya nol. Kalau dikalikan dengan GK dan total populasi, $PG$ memberi estimasi rupiah minimum yang dibutuhkan untuk mengangkat semua orang miskin tepat ke GK — sangat berguna bagi perencana anggaran bansos.

Lebih jauh, Poverty Severity Index ($P_2$ atau $FGT_2$) mengkuadratkan gap, memberi bobot lebih pada yang paling miskin — bagian dari kelas ukuran Foster-Greer-Thorbecke (FGT):

$$P_\alpha = \frac{1}{n} \sum_{i=1}^{q} \left( \frac{\text{GK} - y_i}{\text{GK}} \right)^{\alpha}, \qquad \alpha = 0, 1, 2$$

$\alpha = 0$ memberi $H$ (headcount), $\alpha = 1$ memberi $PG$, $\alpha = 2$ memberi severity. Karena satu kerangka matematis menghasilkan tiga ukuran dengan sensitivitas berbeda pada ketidaksetaraan antar-miskin, FGT menjadi standar di laporan Bank Dunia dan BPS.

Kemiskinan Relatif dan Multidimensi

Kemiskinan relatif mendefinisikan miskin bukan dari ambang fisik, tetapi dari posisi dalam distribusi — misalnya “50 persen dari median pendapatan”. Seseorang bisa “relatif miskin” meski punya rumah, makan cukup, dan sekolah — karena berada jauh di bawah tengah distribusi masyarakatnya. Ini lebih relevan di negara maju: Uni Eropa memakai 60 persen median pendapatan. Konsep ini menjawab pertanyaan “siapa yang tertinggal dari standar hidup masyarakat sekitar” — yang berbeda dari “siapa yang tidak bisa makan”.

Kemiskinan multidimensi melangkah lebih jauh: bukan hanya uang. Seseorang dianggap miskin multidimensi bila kekurangan di banyak dimensi sekaligus — kesehatan, pendidikan, standar hidup (sanitasi, air, listrik, bahan bakar). UNDP dan OPHI menghitung Multidimensional Poverty Index (MPI) dengan 10 indikator di 3 dimensi yang sama seperti IPM. Seseorang dianggap miskin multidimensi bila tertimbang deprivasinya ≥ 33,3 persen. Pendekatan ini, yang mengikuti kerangka capabilities Amartya Sen, mengakui bahwa kemiskinan adalah hilangnya kapabilitas, bukan hanya dompet kosong.

Untuk Indonesia, BPS mulai merilis Indeks Kedalaman dan Indeks Keparahan Kemiskinan (yang merupakan $PG$ dan $P_2$) sejak 2007. Artikel ini akan fokus pada absolut (karena itulah yang BPS dan APBN pakai), tetapi pesan utamanya: tiga jenis kemiskinan — absolut, relatif, multidimensi — memberi tiga jawaban berbeda untuk pertanyaan “berapa banyak orang miskin di Indonesia?”.

Ketimpangan — Kurva Lorenz dan Gini Ratio

Sekarang kita masuk ke alat kedua: bagaimana pendapatan terbagi di seluruh populasi, terlepas dari siapa yang “miskin” atau tidak. Alat utamanya adalah kurva Lorenz, diperkenalkan Max O. Lorenz pada 1905.

Kurva Lorenz — Memetakan Distribusi

Pada sumbu horizontal, urutkan populasi dari pendapatan terendah ke tertinggi, tampilkan kumulatifnya dari 0 sampai 100 persen. Pada sumbu vertikal, tampilkan porsi kumulatif pendapatan yang diterima. Hasilnya sebuah kurva.

Bila pendapatan terbagi sempurna merata — setiap orang dapat porsi yang sama — kurvanya adalah diagonal, garis 45 derajat dari (0,0) ke (100,100): 10 persen penduduk termiskin menerima 10 persen pendapatan, 50 persen termiskin menerima 50 persen, dst. Ini garis kesetaraan sempurna.

Di dunia nyata, kurva selalu melengkung di bawah diagonal. 10 persen termiskin menerima kurang dari 10 persen; 50 persen termiskin mungkin hanya menerima 20 persen; sisanya dikuasai 10 persen teratas. Semakin melengkung (menjauh dari diagonal), semakin timpang.

Misal: dari data Susenas, 40 persen penduduk termiskin Indonesia hanya menerima sekitar 18–20 persen total pengeluaran, sementara 20 persen teratas menerima 44–46 persen. Itu adalah deskripsi ketimpangan yang terasa — dan kemelut ini disebabkan di sebagian oleh struktur kepemilikan aset, upah, dan akses pendidikan yang timpang secara lintas wilayah.

Gini Ratio — Mengkurva Menjadi Satu Angka

Kurva Lorenz bagus untuk melihat bentuk, tetapi sulit dibandingkan antar-negara atau antar-waktu. Maka Corrado Gini (1912) mengusulkan Gini ratio — satu angka dari 0 sampai 1 yang merangkum lengkungan kurva:

$$\boxed{\;G = \frac{\text{luas A}}{\text{luas A} + \text{luas B}} = 1 - 2 \cdot \text{luas B}\;}$$

dengan:

• A = luas antara garis kesetaraan dan kurva Lorenz (segitiga/lensa ketimpangan).
• B = luas di bawah kurva Lorenz.
• A + B = luas total segitiga di bawah garis kesetaraan = $\tfrac{1}{2} \cdot 1 \cdot 1 = 0{,}5$.

Karena A + B = 0,5, maka $G = \dfrac{A}{0{,}5} = 2A = 2(0{,}5 - B) = 1 - 2B$. Inilah kenapa rumus praktisnya $G = 1 - 2 \cdot \text{luas B}$.

Interpretasi:

• $G = 0$: kesetaraan sempurna (setiap orang pendapatannya identik).
• $G = 1$: ketimpangan maksimum (satu orang memegang semua pendapatan).
• $0{,}2 \le G \le 0{,}35$: relatif setara (banyak negara Eropa Utara).
• $0{,}35 \le G \le 0{,}5$: ketimpangan sedang (Indonesia, AS, Tiongkok).
• $G > 0{,}5$: ketimpangan tinggi (beberapa negara Amerika Latin dan Afrika Selatan > 0,6).

Indonesia: $G \approx 0{,}38$ (Gini pengeluaran, fluktuasi 0,381–0,388 pada 2023–2024 menurut BPS). Di tengah kelompok “sedang”.

Menghitung Gini dari Data Distribusi Pendapatan — Step by Step

Mari turunkan Gini dari sebuah contoh sederhana. Misalkan sebuah desa punya 5 penduduk dengan pengeluaran bulanan (Rp juta): $y = (1, 2, 3, 5, 9)$. Total $Y = 20$.

Langkah 1 — Urutkan naik. Sudah: $(1, 2, 3, 5, 9)$.

Langkah 2 — Hitung porsi pendapatan setiap orang. Bagi dengan total 20: $s_i = (0{,}05,\ 0{,}10,\ 0{,}15,\ 0{,}25,\ 0{,}45)$.

Langkah 3 — Hitung porsi kumulatif pendapatan $L_i$ (sumbu vertikal Lorenz) dan porsi kumulatif populasi $p_i$ (sumbu horizontal). Karena 5 orang identik dalam ukuran, $p_i = i/5$.

Langkah 4 — Hitung luas B (di bawah kurva Lorenz) lewat aturan trapesium. Antara dua titik berurutan $(p_{i-1}, L_{i-1})$ dan $(p_i, L_i)$, luas trapesium:

$$\Delta B_i = \tfrac{1}{2}(p_i - p_{i-1})(L_{i-1} + L_i)$$

Hitung satu per satu (dengan $p_i - p_{i-1} = 0{,}2$ untuk semua):

• $\Delta B_1 = \tfrac{1}{2} \cdot 0{,}2 \cdot (0 + 0{,}05) = 0{,}0050$
• $\Delta B_2 = \tfrac{1}{2} \cdot 0{,}2 \cdot (0{,}05 + 0{,}15) = 0{,}0200$
• $\Delta B_3 = \tfrac{1}{2} \cdot 0{,}2 \cdot (0{,}15 + 0{,}30) = 0{,}0450$
• $\Delta B_4 = \tfrac{1}{2} \cdot 0{,}2 \cdot (0{,}30 + 0{,}55) = 0{,}0850$
• $\Delta B_5 = \tfrac{1}{2} \cdot 0{,}2 \cdot (0{,}55 + 1{,}00) = 0{,}1550$

Jumlahkan: $B = 0{,}0050 + 0{,}0200 + 0{,}0450 + 0{,}0850 + 0{,}1550 = 0{,}3100$.

Langkah 5 — Hitung Gini.

$$G = 1 - 2B = 1 - 2(0{,}31) = 1 - 0{,}62 = 0{,}38$$

Jadi Gini desa ini adalah 0,38 — hampir persis rata-rata nasional Indonesia. Desa dengan satu orang menguasai 45 persen pendapatan dan satu orang hanya 5 persen punya ketimpangan setara Indonesia. Logika hitung inilah yang dipakai Excel companion (sheet 3_GINI_CALC).

Rumus Praktis — Brown-Gini

Untuk data yang sudah dikelompokkan dalam $k$ kelas (seperti kuintil — 5 kelompok masing-masing 20 persen populasi), ada rumus langsung yang lebih cepat dari trapesium, disebut rumus Brown atau Gini trapesium terbobot:

$$\boxed{\;G = 1 - \sum_{i=1}^{k} (p_i - p_{i-1})(L_{i-1} + L_i)\;}$$

Tidak ada faktor $\tfrac{1}{2}$ di sini karena sudah diserap (perhatikan: $\tfrac{1}{2}(p_i - p_{i-1})(L_{i-1} + L_i)$ dijumlahkan adalah $B$; dikalikan 2 menjadi tanpa $\tfrac{1}{2}$ di dalam $1 - 2B$). Untuk $k$ kelompok dengan ukuran sama $1/k$, ini menyederhana menjadi:

$$G = \frac{2}{k} \sum_{i=1}^{k} i \cdot s_i - \frac{k+1}{k}$$

dengan $s_i$ = porsi pendapatan kelompok $i$ (urut naik). Untuk kelas dengan populasi tak sama seragam (misal desil dengan ukuran berbeda), gunakan bentuk trapesium umum seperti di atas.

Data Gini Indonesia 34 Provinsi — Mengapa Bervariasi

Sekarang terapkan ke data nyata. Tabel di bawah adalah Gini ratio provinsi terpilih Indonesia dari publikasi BPS (Indikator Kesejahteraan Rakyat / Statistik Kemiskinan, beberapa edisi 2023–2024). Sengaja hanya beberapa titik ekstrem disertakan; untuk daftar lengkap 34 provinsi, rujuk langsung tabel publikasi BPS terbaru (bps.go.id > statistik kemiskinan).

Bacaan tabel:

• Rentang provinsi: 0,33 – 0,44. Sangat sempit dibanding rentang global (0,25–0,65). Sinyal: ketimpangan Indonesia relatif homogen lintas-wilayah — masalahnya tersebar, bukan terkonsentrasi di satu wilayah saja.
• Yogyakarta tertinggi (~0,44) mengejutkan banyak orang. Sebabnya: tingginya populasi mahasiswa (pengeluaran rendah) berdampingan dengan pensiunan Aparatur Sipil Negara (pengeluaran tinggi). Pesan: Gini satu angka bisa menipu tanpa konteks demografis.
• Provinsi “miskin” seperti NTT (~0,35) justru lebih setara — karena nyaris semua orang di sana sama-sama miskin. Ini paradoks penting: ketimpangan rendah bisa berarti kesetaraan dalam kemiskinan, bukan kemakmuran merata.
• Indonesia nasional (~0,38) adalah rerata tertimbang, bukan rerata sederhana 34 angka. Provinsi berpenduduk besar (Jawa Barat, Jawa Timur) menyumbang lebih banyak.

Catatan sumber & keandalan: Gini BPS dirilis dua kali setahun (Maret dan September), dengan angka kota, desa, dan total dihitung terpisah. Tren historis 2015–2024 berfluktuasi di 0,381–0,395. Untuk perbandingan formal, selalu ambil dari publikasi BPS terbaru dengan periode yang sama. Hindari membandingkan Gini kota provinsi A dengan Gini total provinsi B — metodologi penggabungan bisa mengaburkan perbandingan.

Keterbatasan Gini

Gini bukan ukuran sempurna. Empat keterbatasan:

1. Tidak menggambarkan bentuk kurva. Dua distribusi dengan Gini sama bisa sangat berbeda — satu bisa punya kelas menengah tipis dengan jurang kaya-miskin, satu lagi punya kurva merata kecuali satu miliarder. Kedua kurva Lorenz bisa berpotongan tanpa salah satu dominan.
2. Sensitif pada tengah, kurang pada ujung. Gini relatif tidak sensitif terhadap perubahan pada ekor paling atas (1% teratas) atau paling bawah. Untuk itu, dipakai rasio Kuintil (K1/K5: porsi 20% teratas / 20% terbawah) atau Palma ratio (porsi 10% teratas / 40% terbawah).
3. Basis pengeluaran vs pendapatan. BPS memakai pengeluaran, yang cenderung lebih setara dari pendapatan (rumah tangga menghaluskan konsumsi lewat tabungan/utang). Maka Gini pengeluaran Indonesia (0,388) lebih rendah dari Gini pendapatan yang sering dikutip untuk banyak negara.
4. Mengabaikan dimensi non-moneter. Akses ke sekolah, kesehatan, air bersih — semua berpengaruh pada kesejahteraan tapi tidak masuk Gini. Ini mengarah ke IPM yang akan kita bahas berikutnya.

Indeks Pembangunan Manusia (IPM) — Mengukur Lebih dari Uang

Jika Gini mengukur bagaimana uang terbagi, IPM mengukur seberapa jauh uang diterjemahkan menjadi kapabilitas manusia. UNDP memperkenalkan Human Development Index (HDI) pada 1990, dibangun atas kerangka capabilities Amartya Sen dan Mahbub ul Haq. BPS menghitung versi Indonesia, Indeks Pembangunan Manusia (IPM), sejak 1990-an dengan adaptasi lokal.

Tiga Dimensi dan Empat Indikator

IPM merangkum pembangunan manusia dalam tiga dimensi, masing-masing diwakili indikator:

Perbedaan utama: BPS memakai pengeluaran (Rp), UNDP memakai GNI (USD PPP). Juga, batas min/max berbeda — BPS menyesuaikan ke konteks Indonesia (mis. UHH min 20, max 85; PPK min 1 juta, max 12 juta). Inilah sebabnya angka IPM BPS tidak boleh dibandingkan langsung dengan HDI UNDP, meski konsep sama.

Rumus IPM — Rata-rata Geometris Tiga Indeks

Untuk setiap dimensi, hitung indeks dimensi dengan normalisasi min-max:

$$\text{Index}_{\text{dim}} = \frac{\text{nilai aktual} - \text{min}}{\text{max} - \text{min}}$$

Tiga indeks dimensi (batas BPS):

• $\text{Index}_{\text{UHH}} = \dfrac{\text{UHH} - 20}{85 - 20}$
• $\text{Index}_{\text{PPK}} = \dfrac{\ln(\text{PPK}) - \ln(1.000.000)}{\ln(12.000.000) - \ln(1.000.000)}$ (skala log karena pendapatan)
• $\text{Index}_{\text{Pendidikan}} = \sqrt{\text{Index}_{\text{HLS}} \cdot \text{Index}_{\text{RLS}}}$ (rata-rata geometris HLS & RLS, dengan batas HLS 0–18 dan RLS 0–15)

Lalu IPM adalah rata-rata geometris (bukan aritmatika) ketiga indeks dimensi:

$$\boxed{\;\text{IPM} = \left( \text{Index}_{\text{UHH}} \times \text{Index}_{\text{Pendidikan}} \times \text{Index}_{\text{PPK}} \right)^{1/3} \times 100\;}$$

Kenapa geometris, bukan aritmatika? Karena kompensasi parsial diharamkan. Rata-rata aritmatika membiarkan satu dimensi sangat tinggi mengkompensasi dimensi sangat rendah (negara dengan pendidikan tinggi tapi umur pendek dapat skor lumayan). Rata-rata geometris menghukum itu — kalau satu dimensi rendah, hasil kali jatuh signifikan. Ini menyelaraskan IPM dengan filosofi Sen bahwa kapabilitas saling melengkapi, bukan saling menutup. Sejak 2010 (UNDP) dan 2014 (BPS), geometris menjadi standar.

Contoh Hitung IPM — Indonesia 2023

Indonesia 2023 (data BPS): IPM = 72,13. Mari verifikasi kasar dengan komponen:

• UHH ≈ 71 tahun
• HLS ≈ 13 tahun, RLS ≈ 8,6 tahun
• PPK ≈ Rp 17,6 juta per kapita per tahun (perlu disesuaikan ke batas BPS, angka ilustratif)

Langkah 1 — Index UHH:

$$\text{Index}_{\text{UHH}} = \frac{71 - 20}{85 - 20} = \frac{51}{65} = 0{,}7846$$

Langkah 2 — Index Pendidikan:

$$\text{Index}_{\text{HLS}} = \frac{13 - 0}{18 - 0} = 0{,}7222$$

$$\text{Index}_{\text{RLS}} = \frac{8{,}6 - 0}{15 - 0} = 0{,}5733$$

$$\text{Index}_{\text{Pendidikan}} = \sqrt{0{,}7222 \times 0{,}5733} = \sqrt{0{,}4141} = 0{,}6435$$

Langkah 3 — Index PPK (log):

$$\text{Index}_{\text{PPK}} = \frac{\ln(17{,}6\text{juta}) - \ln(1\text{juta})}{\ln(12\text{juta}) - \ln(1\text{juta})} = \frac{16{,}681 - 13{,}816}{16{,}291 - 13{,}816} = \frac{2{,}865}{2{,}475} = 1{,}158$$

Hmm, angka ini > 1, artinya PPK aktual di atas batas max 12 juta. BPS memperlakukan di atas max sebagai terkunci (clip) ke 1,0. Maka:

$$\text{Index}_{\text{PPK}} = 1{,}000$$

Langkah 4 — IPM (geometris):

$$\text{IPM} = (0{,}7846 \times 0{,}6435 \times 1{,}000)^{1/3} \times 100 = (0{,}5049)^{1/3} \times 100$$

$(0{,}5049)^{1/3}$: $\ln(0{,}5049) = -0{,}683$; bagi 3 → $-0{,}228$; $e^{-0{,}228} = 0{,}796$. Maka $\text{IPM} \approx 79{,}6$.

Angka ini lebih tinggi dari rilis resmi 72,13. Penjelasan: batasan PPK, penyesuaian deflator, dan rounding pada angka komponen di sini disederhanakan. Pesan utamanya: IPM sensitif terhadap batas min/max dan koreksi PPK. Untuk angka resmi, selalu rujuk publikasi BPS. Tetapi struktur tiga dimensi rata-rata geometris adalah inti — dan dapat direplikasi di Excel companion.

Status Pembangunan Manusia

UNDP mengelompokkan negara berdasarkan HDI:

• Sangat tinggi: ≥ 0,800
• Tinggi: 0,700 – 0,799
• Sedang: 0,550 – 0,699
• Rendah: < 0,550

Indonesia dengan IPM 72,13 masuk kategori “tinggi”, tetapi masih jauh di bawah tetangga seperti Singapura (> 0,87) dan Malaysia (> 0,80). Dalam konteks provinsi, Jakarta (≈ 82) dan DI Yogyakarta (≈ 81) sudah kategori “sangat tinggi”, sementara Papua (≈ 62) masih “sedang”. Inilah ketimpangan pembangunan manusia yang tidak terlihat di Gini.

Kebijakan Sosial Indonesia — PKH, BPNT, JKN, KIP

Setelah diukur, kemiskinan dan ketimpangan perlu ditanggapi. Indonesia menjalankan beragam program bantuan sosial (bansos) dan jaminan sosial, dengan total anggaran 2024 sekitar Rp 455,9 triliun. Empat program utama:

1. Program Keluarga Harapan (PKH) — Conditional Cash Transfer

PKH adalah bantuan tunai bersyarat (CCT) untuk keluarga miskin, di mana penerima wajib memenuhi persyaratan: ibu hamil memeriksa ke bidan, anak sekolah dengan kehadiran ≥ 85 persen, imunisasi rutin, dan kunjungan posyandu. Logikanya: uang mengurangi kemiskinan jangka pendek, persyaratan memutus siklus kemiskinan jangka panjang dengan membangun modal manusia.

Besaran 2024 (variasi per komponen):

• Ibu hamil/nifas: Rp 3 juta per tahun (dibayar bertahap)
• Anak 0–6 tahun: Rp 3 juta per tahun
• Anak SD: Rp 900.000 per tahun
• Anak SMP: Rp 1.500.000 per tahun
• Anak SMA: Rp 2 juta per tahun
• Lansia/disabilitas: hingga Rp 2,4 juta per tahun
• Total per KPM bisa mencapai Rp 10 juta bila memenuhi banyak komponen

Cakupan: sekitar 10 juta KPM (Keluarga Penerima Manfaat). Dikelola Kemensos, disalurkan via Himbara (bank BUMN) ke rekening ibu (gender-targeted — karena riset menunjukkan uang di tangan ibu lebih cenderung dipakai untuk anak).

2. Bantuan Pangan Non-Tunai (BPNT) / Kartu Sembako

BPNT adalah bantuan pangan untuk keluarga sangat miskin, disalurkan via Kartu Sembako yang dipakai di e-warong terdekat. Tidak ada syarat perilaku — murni transfer konsumsi.

Besaran 2024: Rp 200.000 per bulan per KPM (Rp 2,4 juta per tahun). Sejak 2022, bentuk tunai lebih fleksibel agar bisa belanja kebutuhan apa pun (tidak hanya sembako).

Cakupan: sekitar 18,6 juta KPM (76 juta jiwa jika rata-rata 4 orang/KPM) — program bansos terbesar Indonesia berdasarkan cakupan. Total anggaran sekitar Rp 45 triliun per tahun.

3. Jaminan Kesehatan Nasional – Penerima Bantuan Iuran (JKN-PBI)

JKN dikelola BPJS Kesehatan sejak 2014, mencakup seluruh populasi. Bagi yang tidak mampu, pemerintah membayar iuran via skema PBI (Penerima Bantuan Iuran). Ini bukan transfer tunai, tetapi asuransi kesehatan gratis yang menjamin rawat jalan, rawat inap, hingga penyakit katastropik.

Besaran: iuran PBI kelas III ≈ Rp 42.000 per orang per bulan, ditanggung negara. Kelas rawat dinaikkan ke kelas standar sejak 2022.

Cakupan: sekitar 96,7 juta jiwa PBI — lebih banyak dari seluruh populasi Jerman. JKN total (PBI + non-PBI) menjangkau > 270 juta jiwa, salah satu skema jaminan kesehatan universal terbesar di dunia.

4. Kartu Indonesia Pintar (KIP)

KIP menjamin anak dari keluarga miskin tetap sekolah dengan membiayai biaya pendidikan dan memberi uang saku tahunan.

Besaran 2024 (variasi jenjang):

• SD: Rp 450.000 per tahun (Cash + biaya operasional sekolah)
• SMP: Rp 750.000 per tahun
• SMA/SMK: Rp 1 juta per tahun

Cakupan: sekitar 17–20 juta penerima. Dikelola bersama Kemensos dan Kemendikbud.

Targeting — DTKS dan Single Registry

Bagaimana 18 juta KPM BPNT dipilih? Indonesia memakai DTKS (Data Terpadu Kesejahteraan Sosial) — database rumahtangga miskin yang dibangun dari sensus kemiskinan dan diperbarui berkala. DTKS menjadi single registry — sumber tunggal yang dipakai PKH, BPNT, JKN-PBI, dan KIP. Tujuannya menghindari duplikasi (satu KPM menerima semua bansos relevan) dan under-coverage (yang berhak tidak terlewat).

Tantangan targeting:

• Inklusi error (bocor — yang tidak miskin dapat): survei menemukan 10–20 persen penerima di beberapa wilayah tidak benar-benar miskin.
• Eksklusi error (ketinggalan — yang miskin tidak dapat): sebagian rumah tangga miskin tidak terdaftar DTKS karena pindah, lokasi terpencil, atau kesalahan administratif.
• Statis: DTKS diperbarui beberapa tahun sekali, sementara kondisi ekonomi berubah cepat. Seseorang yang keluar dari kemiskinan mungkin tetap terdaftar; yang jatuh mungkin belum masuk.

Efektivitas dan Trade-off

Penelitian menunjukkan program-program ini efektif mengurangi kemiskinan dan ketimpangan, tetapi dengan trade-off:

1. PKH menaikkan kehadiran sekolah, mengurangi stunting. Riset Bank Dunia dan evaluasi BPS menemukan PKH meningkatkan kehadiran sekolah anak perempuan 5–8 poin persen dan menurunkan stunting signifikan. CCT berhasil memutus siklus kemiskinan intergenerasi.
2. BPNT efektif menambah pengeluaran konsumsi. Tiap Rp 100 bansos pangan menambah Rp 70–80 pengeluaran pangan rumah tangga — sebagian bocor (tidak semua uang benar-benar jadi konsumsi), tetapi dampak ke konsumsi signifikan.
3. JKN mengurangi out-of-pocket pengeluaran kesehatan dan meningkatkan akses fasilitas. Tapi jangan mengira JKN gratis — ada defisit yang ditutup subsidi pemerintah dan iuran non-PBI.
4. Dampak terhadap Gini: bansos mengurangi Gini sekitar 1–3 poin persen (dari Gini “pra-bansos” ke Gini pasca-bansos). Efeknya nyata tetapi terbatas — untuk menurunkan Gini signifikan butuh juga reformasi struktural (upah, pajak progresif, pendidikan).

Trade-off kebijakan:

• Berbasis uang vs berbasis barang. Tunai (PKH, BPNT) fleksibel, tapi kritik khawatir disalahgunakan. Barang/sembako langsung menjamin konsumsi gizi tapi membatasi pilihan.
• Bersyarat vs tak bersyarat. PKH bersyarat membangun modal manusia tapi administrasi berat; BPNT tak bersyarat murah tapi tidak mengubah perilaku jangka panjang.
• Targeting vs universal. Targeting (hanya miskin) menghemat anggaran tapi rawan error dan stigma; universal (semua) sederhana dan inklusif tapi mahal. Beberapa ekonom mengusulkan universal child benefit.
• Anggaran vs cakupan. Indonesia mengalokasikan ~2 persen PDB untuk bansos — lebih rendah dari negara maju (~5–15 persen PDB untuk jaminan sosial). Ruang fiskal terbatas memaksa pilihan.

Jebakan Umum

Mengira PDB per kapita setara kesejahteraan. Dua negara dengan PDB per kapita sama bisa sangat berbeda: Qatar (PDB per kapita sangat tinggi, namun sebagian besar pekerja adalah migrant workers dengan upah rendah) vs Norwegia (PDB tinggi, distribusi setara). Selalu cek Gini dan IPM bersamaan.

Mengira Gini rendah selalu baik. Seperti kasus NTT, Gini rendah bisa berarti kesetaraan dalam kemiskinan. Selalu baca Gini bersama PDB per kapita dan tingkat kemiskinan.

Menganggap GK BPS = standar sejahtera. GK ~Rp 550 ribu per kapita per bulan adalah ambang minimal bertahan, bukan ambang sejahtera. Seseorang di GK bisa makan dan sedikit berbusana, tetapi tidak bisa sekolah berkualitas, transportasi layak, atau dana cadangan. Garis “kemiskinan multidimensi” atau garis Bank Dunia memberi ambang lebih tinggi.

Bingung IPM BPS vs HDI UNDP. Meski konsep sama, batas min/max dan indikator standar hidup berbeda. IPM Indonesia 72 (BPS) tidak berarti HDI Indonesia 72 (UNDP) — angka UNDP untuk Indonesia biasanya sekitar 0,71–0,72 (skala 0–1) atau 71–72 (skala 100) tergantung konversi. Selalu rujuk sumber resmi untuk perbandingan internasional.

Mengukur bansos hanya dari cakupan. 96 juta PBI JKN terdengar besar, tetapi yang penting bukan hanya siapa yang terdaftar — tapi apakah mereka benar-benar bisa mengakses layanan, dan apakah inefisiensi (iuran tertunggak, rumah sakit numpuk klaim, korupsi) menggerogoti manfaat. Evaluasi dampak > statistik pendaftaran.

Lupa komposisi populasi. Yogyakarta “tertinggi Gini” bukan karena gagal, tetapi karena demografi (mahasiswa + pensiunan). Selalu dekomposisi sebelum menyimpulkan kebijakan.

Mengira rata-rata aritmatika untuk IPM benar. Beberapa artikel lama menghitung IPM sebagai rata-rata aritmatika tiga indeks — itu metode lama (pra-2010 UNDP / pra-2014 BPS). Metode baru adalah geometris, yang menghukum ketimpangan antar-dimensi. Memakai rata-rata aritmatika menghasilkan angka sedikit lebih tinggi dan menyembunyikan kelemahan pada satu dimensi.

Dipakai di Dunia Nyata

• Perencanaan anggaran bansos (Kemensos, Bappenas). $PG$ (poverty gap) dikalikan GK dan populasi memberi estimasi rupiah minimum yang dibutuhkan untuk mengangkat semua miskin ke GK. Inilah yang dipakai untuk menghitung anggaran PKH + BPNT + JKN-PBI di APBN.
• Penetapan target bantuan (DTKS). Single registry berbasis data sensus. BPS, Kemensos, dan pemerintah daerah memakai DTKS untuk memilih penerima PKH, BPNT, KIP. Akurasi DTKS menentukan seberapa baik bansos mencapai yang benar-benar miskin.
• Evaluasi program (Tim Nasional Percepatan Penanggulangan Kemiskinan, Pusdatin Kemsos). Riset dampak (randomized evaluation, difference-in-differences) menilai apakah PKH benar menaikkan kehadiran sekolah, atau BPNT menaikkan konsumsi. Hasil menjadi dasar revisi besaran dan syarat.
• Perencanaan pembangunan daerah (Bappeda). Setiap RPJMD memakai kombinasi PDB per kapita, Gini, dan IPM untuk mendiagnosis masalah daerah. Provinsi dengan IPM tinggi tapi Gini tinggi (seperti DI Yogyakarta) memerlukan strategi berbeda dari provinsi dengan IPM rendah tapi Gini rendah (NTT).
• Laporan global (UNDP HDR, Bank Dunia, OECD). Indonesia dilaporkan lewat HDI (UNDP), Gini pengeluaran (BPS), dan MPI (OPHI). Bandingkan lintas-negara untuk konteks pembelajaran.
• Pajak progresif dan transfer (Direktorat Jenderal Pajak). Pajak penghasilan progresif (mulai 5 persen hingga 35 persen) mengurangi Gini pendapatan pasca-pajak. Kombinasi pajak + transfer adalah instrumen redistribusi utama negara maju — Indonesia masih punya ruang besar di sini.
• Audit inklusi keuangan (OJK). Akses kredit, tabungan, dan asuransi mempengaruhi kemampuan rumah tangga menghaluskan konsumsi — berkaitan dengan pengukuran ketimpangan dinamis (mobilitas pendapatan, bukan hanya Gini statis).

Catatan Excel

Berkas pendamping /excel/gini-calculator.xlsx berisi enam sheet berformula hidup:

1. 1_PETUNJUK — panduan penggunaan, legenda warna, dan ringkasan konsep inti (Lorenz, Gini, GK, IPM).
2. 2_DISTRIBUSI — input distribusi pendapatan (sampai 10 kelas atau 10 individu), otomatis mengurutkan, menghitung porsi $s_i$, kumulatif $p_i$ dan $L_i$.
3. 3_GINI_CALC — hitung Gini step-by-step: tiap trapesium $\Delta B_i$, total luas B, lalu $G = 1 - 2B$. Plus tampilan tabel Lorenz lengkap.
4. 4_LORENZ — grafik kurva Lorenz dari data sheet 2, lengkap dengan garis kesetaraan dan area ketimpangan A yang diarsir.
5. 5_IPM — kalkulator IPM: input UHH, HLS, RLS, PPK; otomatis menghitung tiga indeks dimensi dan IPM rata-rata geometris. Plus kategori (sangat tinggi / tinggi / sedang / rendah).
6. 6_RUMUS — ringkasan rumus lengkap: GK = GKM + GKBM, headcount $H = q/n$, FGT $P_\alpha$, Gini $1 - 2B$, Brown, IPM geometris, definisi variabel.

Semua sel kuning adalah input yang bisa diubah; sel hitam menghitung ulang otomatis. Gunakan untuk menjawab pertanyaan seperti “berapa Gini kelas di sekolahku bila dimasukkan data pengeluaran keluarga siswa?”, “bagaimana Lorenz berubah kalau satu orang tiba-tiba kaya 10×?”, atau “berapa IPM desa ini dengan data BPS lokal?”.

Lanjutan

• Pertumbuhan Ekonomi — Model Solow dan Konvergensi — pertanyaan “berapa cepat output tumbuh” adalah pelengkap “bagaimana output terbagi” (artikel ini). Bila Solow bicara kue, artikel ini bicara irisan.
• PDB dan Inflasi — Indikator Makroekonomi — pondasi ukuran agregat. Bacaan wajib sebelum memahami kenapa rata-rata PDB tidak menentukan kesejahteraan.
• Kebijakan Fiskal — APBN, Defisit, dan Multiplier — pembiayaan PKH, BPNT, JKN-PBI, dan KIP berasal dari APBN. Pelajari ruang fiskal dan ambang defisit 3 persen PDB yang membatasi skala bansos.
• Cost-Benefit Analysis — Evaluasi Proyek Publik — bagaimana mengkonversi manfaat program sosial (sekolah lebih lama, kesehatan lebih baik) ke Rupiah agar bisa dibandingkan dengan biaya.
• Regresi Linear Berganda Manual — menaksir dampak PKH/BPNT secara empiris via difference-in-differences atau regresi panel.