RPS minggu 5 · 2x50 menit

Distribusi Pendapatan dan Kemiskinan

Perekonomian Indonesia — Program Studi Manajemen, FEB UNDIP

Peta Pertemuan Hari Ini

Jam ke-1 (50 menit)

Konsep distribusi pendapatan & mengapa penting diukur
Kurva Lorenz & Koefisien Gini — menghitung dari data desil
Ukuran alternatif: rasio 40% kelompok termiskin (Bank Dunia)

Jam ke-2 (50 menit)

Mengukur kemiskinan: garis kemiskinan BPS & Head Count Index
Indeks kedalaman & keparahan kemiskinan (P1, P2)
Kurva Kuznet & kebijakan redistribusi di Indonesia

Posisi dalam alur 14 pertemuan: setelah pendapatan nasional & pertumbuhan (P3), sebelum kependudukan-ketenagakerjaan & IPM (P6) — dua pertemuan ini bersama-sama menjawab pertanyaan "pertumbuhan untuk siapa".

Bagian 1

Mengukur Ketimpangan Distribusi Pendapatan

Diskusi kelas: jika ekonomi Indonesia tumbuh 5% tahun ini, apakah itu otomatis berarti semua kelompok masyarakat menjadi lebih sejahtera secara merata?

Distribusi Pendapatan: Konsep Dasar & Mengapa Penting

Distribusi pendapatan menggambarkan bagaimana total pendapatan nasional terbagi di antara kelompok-kelompok masyarakat — bukan seberapa besar kue ekonominya, melainkan bagaimana kue itu dipotong.

Mengapa Bukan Cuma Pertumbuhan yang Penting

Pertumbuhan tinggi bisa disertai ketimpangan yang melebar (contoh: boom komoditas 2010-an)
Ketimpangan tinggi berisiko menahan mobilitas sosial & stabilitas politik
Investor & analis (termasuk di BEI) memperhatikan daya beli kelas menengah, bukan hanya PDB agregat

Dua Alat Ukur Utama Hari Ini

Kurva Lorenz: representasi visual ketimpangan
Koefisien Gini: ringkasan Kurva Lorenz jadi satu angka (0-1)
Keduanya bersumber dari data desil/kuintil pendapatan Susenas BPS

Kurva Lorenz: Cara Membacanya

Semakin jauh Kurva Lorenz melengkung menjauhi garis diagonal (garis kemerataan sempurna), semakin tinggi ketimpangan distribusi pendapatan.

Hitung dari Nol: Menyusun Titik Kurva Lorenz dari Data Desil

Data ilustrasi: penduduk dibagi 10 desil (masing-masing 10% populasi), dengan pangsa pendapatan desil 1 (termiskin) hingga desil 10 (terkaya): 3%, 4%, 5%, 6%, 7%, 8%, 10%, 13%, 17%, 27%.

Langkah	Perhitungan	Nilai
1. Populasi kumulatif desil 1-3	10% + 10% + 10%	30%
2. Pendapatan kumulatif desil 1-3	3% + 4% + 5%	12%
3. Populasi kumulatif desil 1-6	30% + 10% + 10% + 10%	60%
4. Pendapatan kumulatif desil 1-6	3+4+5+6+7+8	33%
5. Titik Lorenz pada 60% populasi	bandingkan (60%,33%) vs garis merata (60%,60%)	gap 27 poin

Titik pada Kurva

60% penduduk berpendapatan terendah hanya menikmati 33% dari total pendapatan → inilah yang membuat kurva melengkung ke bawah garis kemerataan

Hitung dari Nol: Koefisien Gini dari Kurva Lorenz

Koefisien Gini = Luas area antara garis kemerataan & Kurva Lorenz (A) dibagi luas total di bawah garis kemerataan (A+B). Estimasi trapesium: G = 1 − Σ(X⁵ − X⁵₃₁)(Y⁵ + Y⁵₃₁).

Langkah	Perhitungan	Nilai
1. Jumlah (Y⁵+Y⁵₃₁) sepanjang 10 desil	0,03+0,10+0,19+0,30+0,43+0,58+0,76+0,99+1,29+1,73	6,40
2. Kalikan lebar interval populasi (0,1)	6,40 × 0,1	0,640
3. Luas di bawah Kurva Lorenz (B)	hasil langkah 2	0,640
4. Luas antara garis kemerataan & Lorenz (A)	1 − 0,640	0,360
5. Koefisien Gini = A ÷ (A+B)	0,360 ÷ (0,360+0,640)	0,36

Koefisien Gini (data ilustrasi kelas)

0,36

Skala 0 (merata sempurna) hingga 1 (timpang sempurna) — nilai ini berada di kategori ketimpangan "sedang"

Interpretasi & Kategori Koefisien Gini

Rendah

< 0,30

Ketimpangan rendah — mendekati beberapa negara Skandinavia

Sedang

0,30–0,50

Ketimpangan sedang — kategori Indonesia saat ini

Tinggi

> 0,50

Ketimpangan tinggi — banyak dijumpai di sebagian negara Amerika Latin & Afrika Selatan

Gini rasio Indonesia versi BPS berada di kisaran ~0,38–0,39 dalam beberapa tahun terakhir — relatif stabil, namun masih di atas rata-rata negara ASEAN dengan struktur ekonomi setara.

Kategori ini membantu Anda menempatkan angka Gini yang baru saja kita hitung ke dalam konteks pembanding internasional. Indonesia secara konsisten berada di kategori sedang dalam beberapa tahun terakhir, dengan Gini rasio resmi BPS di kisaran 0,38 hingga 0,39 — angka ini saya beri tanda kira-kira karena datanya diperbarui BPS setiap semester dan Anda perlu mengecek rilis Susenas terbaru untuk angka paling mutakhir. Perhatikan bahwa angka Gini yang relatif stabil bukan berarti tidak ada masalah — stabil pada level 0,38 tetap menandakan ketimpangan struktural yang persisten, bukan menurun signifikan. Sebagai calon manajer, penting bagi Anda memahami bahwa daya beli pasar Indonesia terkonsentrasi pada kelompok menengah-atas, yang berimplikasi langsung pada strategi segmentasi produk dan harga.

Coba Sendiri: Simulator Kurva Lorenz & Koefisien Gini

Geser pangsa pendapatan tiap kelompok dan amati bagaimana Kurva Lorenz melengkung serta Koefisien Gini berubah secara langsung.

Hitung dari Nol: Rasio Bank Dunia (Pangsa 40% Termiskin)

Bank Dunia mengukur ketimpangan lewat pangsa pendapatan yang dinikmati 40% penduduk berpendapatan terendah — ambang: <12% timpang tinggi, 12–17% sedang, >17% rendah.

Langkah	Perhitungan	Nilai
1. Pangsa pendapatan desil 1 (termiskin)	dari data desil ilustrasi	3%
2. Jumlahkan pangsa desil 1-4 (=40% penduduk)	3% + 4% + 5% + 6%	18%
3. Bandingkan dengan ambang Bank Dunia	18% vs kategori >17%	kategori "rendah"
4. Bandingkan dengan hasil Koefisien Gini	Gini 0,36 = "sedang" vs rasio ini = "rendah"	dua ukuran berbeda sudut pandang

Kedua ukuran bisa berbeda kategori karena Gini sensitif terhadap seluruh distribusi (termasuk puncak), sementara rasio 40% termiskin fokus hanya pada dasar distribusi.

Bagian 2

Mengukur Kemiskinan

Diskusi kelas: apakah "miskin" itu berarti sama di Jakarta dan di pedesaan Nusa Tenggara Timur, atau standarnya berbeda?

Garis Kemiskinan BPS: Makanan + Non-Makanan

Garis Kemiskinan (GK) = Garis Kemiskinan Makanan (GKM) + Garis Kemiskinan Non-Makanan (GKNM) — nilai rupiah pengeluaran minimum per kapita per bulan agar terpenuhi kebutuhan dasar.

GKM (Garis Kemiskinan Makanan)

Setara 2.100 kkal/kapita/hari
Dihitung dari harga paket komoditas makanan pokok representatif
Bobot terbesar dalam Garis Kemiskinan total (~70-80%)

GKNM (Garis Kemiskinan Non-Makanan)

Kebutuhan dasar: perumahan, sandang, pendidikan, kesehatan
Dihitung terpisah untuk wilayah perkotaan & perdesaan
Bobot lebih kecil, tapi menyesuaikan biaya hidup lokal

Karena komponen ini dihitung per provinsi & per wilayah kota-desa, garis kemiskinan nominal berbeda antar daerah — wilayah perkotaan seperti Jakarta memiliki GK jauh lebih tinggi dibanding perdesaan NTT.

Hitung dari Nol: Head Count Index (P0)

Head Count Index (P0) = proporsi penduduk yang pengeluarannya berada di bawah Garis Kemiskinan — ukuran kemiskinan paling dasar & paling sering dikutip media.

Langkah	Perhitungan	Nilai
1. Total rumah tangga tersurvei (ilustrasi)	sampel Susenas ilustratif	1.000 RT
2. Ambang Garis Kemiskinan (ilustrasi)	pengeluaran per kapita per bulan	~Rp 550.000
3. RT dengan pengeluaran di bawah ambang	hasil sensus lapangan ilustratif	92 RT
4. Head Count Index (P0)	92 ÷ 1.000 × 100	9,2%
5. Bandingkan dengan angka nasional BPS	9,2% vs ~9% (kisaran angka kemiskinan nasional BPS terkini)	mendekati

Head Count Index

9,2%

Menunjukkan proporsi penduduk miskin, TAPI tidak menunjukkan seberapa "dalam" kemiskinan mereka

Head Count Index adalah ukuran kemiskinan yang paling sederhana dan paling sering muncul di berita, karena hanya menghitung berapa banyak orang yang berada di bawah garis kemiskinan tanpa mempedulikan seberapa jauh mereka dari garis tersebut. Angka kisaran 9% ini mendekati angka kemiskinan nasional BPS dalam beberapa periode rilis terakhir, meski Anda perlu selalu mengecek rilis Maret dan September terbaru karena angkanya bergerak setiap semester. Kelemahan utama Head Count Index adalah dua daerah bisa punya P0 yang sama persis, misalnya sama-sama 9,2%, padahal satu daerah penduduk miskinnya hanya sedikit di bawah garis kemiskinan sementara daerah lain jauh lebih parah. Untuk menangkap perbedaan "kedalaman" kemiskinan ini, kita memerlukan indeks tambahan yang akan kita bahas pada slide berikutnya.

Walkthrough: Indeks Kedalaman (P1) & Keparahan (P2) Kemiskinan

Kerangka Foster-Greer-Thorbecke (FGT) menambahkan dimensi "seberapa jauh" & "seberapa timpang" kemiskinan di bawah Head Count Index P0.

Langkah 1–2: Rumah Tangga A vs B (di bawah GK)

RT A: pengeluaran Rp 500.000, hanya Rp 50.000 di bawah GK (~Rp 550.000)
RT B: pengeluaran Rp 300.000, jauh Rp 250.000 di bawah GK
P0 menganggap A dan B "sama-sama miskin" — padahal jaraknya sangat berbeda

Langkah 3–4: P1 (Kedalaman) & P2 (Keparahan)

P1 memberi bobot pada besar jarak (poverty gap) — RT B menyumbang gap lebih besar dari RT A
P2 mengkuadratkan jarak — RT B (jarak jauh) berkontribusi jauh lebih besar dari RT A
Implikasi kebijakan: P2 tinggi → prioritaskan bantuan pada rumah tangga paling parah, bukan rata

P• = (1/n) Σ [(GK − yⁱ)/GK]• untuk setiap rumah tangga di bawah GK

Kerangka Foster-Greer-Thorbecke, atau lebih dikenal sebagai indeks FGT, dikembangkan untuk mengatasi kelemahan Head Count Index yang kita bahas sebelumnya. Bandingkan rumah tangga A dan B pada contoh ini: keduanya sama-sama tercatat "miskin" dalam Head Count Index, tapi rumah tangga B jelas berada dalam kondisi jauh lebih berat karena jaraknya dari garis kemiskinan lima kali lebih besar. Indeks P1, yang disebut poverty gap index, menjumlahkan seberapa besar kekurangan pengeluaran setiap rumah tangga miskin relatif terhadap garis kemiskinan. Indeks P2 melangkah lebih jauh dengan mengkuadratkan jarak tersebut, sehingga rumah tangga yang sangat parah mendapat bobot jauh lebih besar — inilah mengapa program seperti PKH sering dirancang memprioritaskan rumah tangga dengan P2 tinggi, bukan sekadar yang berada tepat di bawah garis kemiskinan.

Studi Kasus: Ketimpangan & Kemiskinan Jawa vs Luar Jawa

Data ilustratif berdasarkan pola umum yang konsisten dengan rilis BPS beberapa tahun terakhir: konsentrasi penduduk miskin lebih tinggi di sebagian wilayah timur Indonesia.

Indikator	Jawa (ilustrasi)	Sebagian Wilayah Timur (ilustrasi)
Head Count Index (P0)	~7-8%	~20-26%
Koefisien Gini	~0,36-0,38	~0,33-0,37
Struktur ekonomi dominan	Manufaktur, jasa, perdagangan	Pertanian subsisten, tambang enklave
Akses infrastruktur dasar	Relatif merata	Timpang antar-kabupaten

Catatan penting: Gini yang mirip antar wilayah TIDAK berarti kondisi kemiskinan setara — Head Count Index menunjukkan sebagian wilayah timur memiliki proporsi penduduk miskin jauh lebih tinggi meski ketimpangan relatifnya tidak jauh berbeda.

Perhatikan bahwa tabel ini sengaja menyandingkan Koefisien Gini dan Head Count Index secara bersamaan untuk menunjukkan mengapa kedua ukuran ini harus dibaca bersama, bukan sendiri-sendiri. Sebuah provinsi bisa memiliki Gini yang mirip dengan Jawa, artinya distribusi pendapatan relatif sama timpangnya, tapi proporsi penduduk yang benar-benar berada di bawah garis kemiskinan jauh lebih tinggi karena basis pendapatan keseluruhan wilayah tersebut jauh lebih rendah. Pola ini konsisten dengan struktur ekonomi yang lebih bergantung pada pertanian subsisten dan tambang enklave yang tidak banyak menyerap tenaga kerja lokal secara luas. Sebagai calon manajer yang mungkin bekerja di perusahaan dengan operasi nasional, memahami perbedaan struktural antar wilayah ini penting untuk strategi ekspansi pasar maupun program tanggung jawab sosial perusahaan.

Bagian 3

Kurva Kuznet & Kebijakan Redistribusi

Diskusi kelas: apakah ketimpangan adalah "harga yang harus dibayar" untuk mengejar pertumbuhan di tahap awal pembangunan, ataukah bisa dihindari?

Kurva Kuznet: Hipotesis "U-Terbalik"

Hipotesis Kuznets (1955): ketimpangan naik pada tahap awal industrialisasi, mencapai puncak di negara berpendapatan menengah, lalu menurun setelah negara mencapai kematangan ekonomi.

Kebijakan Redistribusi: Pajak Progresif & Transfer Sosial

Sisi Penerimaan: Pajak Progresif

PPh Orang Pribadi berjenjang: tarif naik seiring penghasilan kena pajak naik
PPh Badan flat 22% — redistribusi terjadi lebih banyak lewat sisi belanja negara
PPN efektif ~11% (PMK 131/2024) bersifat regresif relatif terhadap kelompok bawah

Sisi Belanja: Transfer Sosial

Program Keluarga Harapan (PKH): bantuan tunai bersyarat untuk RT sangat miskin
Kartu Sembako/BPNT: bantuan pangan non-tunai
Bantuan Langsung Tunai (BLT): respons cepat saat guncangan ekonomi

Prinsip redistribusi: pajak progresif menarik kontribusi lebih besar dari kelompok mampu, sementara transfer sosial menyalurkannya ke kelompok rentan — bekerja pada sisi Kurva Lorenz yang berbeda.

Kebijakan redistribusi bekerja lewat dua jalur yang saling melengkapi, yaitu sisi penerimaan negara dan sisi belanja negara. Pada sisi penerimaan, sistem PPh orang pribadi Indonesia berjenjang sehingga kelompok berpenghasilan tinggi membayar tarif pajak lebih besar secara proporsional, meski PPh Badan tetap flat 22% sehingga redistribusi dari sisi korporasi lebih banyak terjadi lewat mekanisme belanja negara. Pada sisi belanja, program seperti PKH secara khusus menyasar rumah tangga dengan indeks kedalaman kemiskinan tinggi yang kita bahas sebelumnya, bukan sekadar rumah tangga yang sedikit di bawah garis kemiskinan. Perhatikan juga bahwa PPN yang bersifat konsumsi cenderung regresif karena kelompok berpendapatan rendah membelanjakan proporsi pendapatan yang lebih besar untuk konsumsi dasar dibanding kelompok kaya, sehingga desain kebijakan fiskal perlu menyeimbangkan efek ini lewat belanja sosial yang tepat sasaran.

Sintesis: Tiga Pertanyaan Kunci Manajer & Analis

Ketimpangan

Berapa Koefisien Gini wilayah pasar saya, dan apakah daya beli terkonsentrasi di segmen tertentu?

Kemiskinan

Bukan hanya berapa persen penduduk miskin (P0), tapi seberapa dalam & parah kondisinya (P1, P2)?

Kebijakan

Bagaimana pajak & transfer sosial pemerintah memengaruhi daya beli segmen yang saya sasar?

Analisis Pasar yang Utuh = Pertumbuhan Agregat × Distribusinya × Kedalaman Kemiskinan di Dasarnya

Latihan Individu & Persiapan Pertemuan Berikutnya

Latihan (15 menit, kerjakan sebelum sesi berikutnya): Gunakan data 5 kuintil pendapatan berikut (pangsa pendapatan kuintil 1 hingga 5, dari termiskin ke terkaya): 8%, 12%, 16%, 22%, 42%. (1) Hitung persentase kumulatif penduduk & pendapatan untuk kelima titik Kurva Lorenz. (2) Perkirakan Koefisien Gini dengan metode trapesium seperti contoh di kelas. (3) Bandingkan dengan hasil kelas (Gini 0,36) — apakah data ini lebih atau kurang timpang?

Pertemuan 6: Kependudukan, Ketenagakerjaan & IPM

Selesaikan latihan hitung Gini kuintil di atas — siap didiskusikan
Baca sekilas rilis terbaru BPS tentang tingkat pengangguran terbuka (TPT) di provinsi Anda
Bawa satu contoh nyata program bantuan sosial (PKH/Kartu Sembako/BLT) yang Anda ketahui dari lingkungan sekitar

Pertemuan 6 akan memperdalam sisi ketenagakerjaan & kualitas manusia dari distribusi pendapatan yang baru kita bahas — IPM sebagai pelengkap Gini & Head Count Index.

Latihan ini penting sebagai jembatan ke pertemuan keenam tentang kependudukan, ketenagakerjaan, dan Indeks Pembangunan Manusia, di mana ketimpangan pendapatan akan kita hubungkan dengan akses pendidikan dan kesehatan. Kerjakan langkah-langkahnya persis seperti contoh yang kita hitung bersama di kelas, mulai dari menyusun titik Kurva Lorenz sampai menghitung Koefisien Gini akhir — perhatikan bahwa pangsa kuintil terkaya di sini sebesar 42% jauh lebih besar dibanding data desil ilustrasi kita tadi, jadi coba prediksi dulu apakah Gini-nya akan lebih tinggi atau lebih rendah dari 0,36. Saya akan meminta beberapa mahasiswa mempresentasikan hasil perhitungannya di awal pertemuan berikutnya, yang akan membahas kependudukan, ketenagakerjaan, dan Indeks Pembangunan Manusia sebagai sisi lain dari kesejahteraan yang tidak tertangkap penuh oleh ukuran pendapatan semata. Coba perhatikan juga bagaimana program bantuan sosial di lingkungan sekitar Anda, baik PKH maupun Kartu Sembako, benar-benar menyasar rumah tangga dengan kondisi kemiskinan yang dalam seperti yang kita pelajari hari ini. Terima Kasih atas partisipasi aktif Anda hari ini, sampai jumpa di pertemuan berikutnya.