Analisis Program Bantuan Raskin Terhadap Pendapatan Masyarakat Di Indonesia Menggunakan Metode Propensity Score Matching (PSM) Kasus IFLS 5

  • Elsa Widia Universitas Perintis Indoensia
Keywords: Raskin, Pendapatan, PSM, IFLS 5

Abstract

Program Subsidi beras atau Raskin bertujuan untuk meringankan beban pengeluaran masyarakat yang tergolong miskin atau rentan pada bahan pokok kususnya beras. Namun dibeberapa penelitian sebelumnya ditemukan banyak masalah terkait distribusi dan manfaat yang ditimbulkan. Pada penelitian ini akan memastikan Kembali bagaimana pengaruh yang ditimbulkan bagi program raskin bagi pendapatan masyarakat. Penelitian ini menggunakan model Propensity Score Matching (PSM)yang dapat membandingkan analisis antara kelompok yang mendapat intervensi (treatment) dan kelompok yang tidak mendapatkan intervensi (kontrol). Melalui data Indonesian Family Life Survey 5 (IFLS 5) penelitian ini menemukan pengaruh yang positif namun hanya terlihat pada tingkat signifikansi 10 persen.

References

  1. Dearden, L. (2004). Evaluating the Impact of Education on Earnings in the UK : Models , Methods and Results from the NCDS Richard Blundell Barbara Sianesi. Methods, December.
  2. Gowasa, I., & Ritonga, S. (2015). Implementasi Program Raskin Untuk Membantu Perekonomian Masyarakat Miskin di Kecamatan Tanah Masa Kabupaten Nias Selatan. Jurnal Ilmu Administrasi Publik, 3(2), 97–111.
  3. Jamhari, J. (2012). Efektivitas Distribusi Raskin Di Pedesaan Dan Perkotaan Indonesia. Jurnal Ekonomi Pembangunan: Kajian Masalah Ekonomi Dan Pembangunan, 13(1), 132. https://doi.org/10.23917/jep.v13i1.187
  4. Jensen, R. T., & Miller, N. H. (2011). Do consumer price subsidies really improve nutrition? Review of Economics and Statistics, 93(4), 1205–1223. https://doi.org/10.1162/REST_a_00118
  5. Kurniawan, R. (2019). Dampak beras subsidi (raskin) terhadap konsumsi makanan pada rumah tangga miskin. April.
  6. Pangaribowo, E. H. (2012). The impact of ‘ Rice for the Poor ’ on household consumption. Australian Agricultural & Resource Economics Society, 16. https://doi.org/10.22004/ag.econ.124358
  7. Rosenbaum, P. R., & Rubin, D. B. (1984). Reducing Bias in Observational Studies Using Subclassification on the Propensity Score. Journal of the American Statistical Association, 79(387), 516. https://doi.org/10.2307/2288398
  8. Sadono, E. D. (2018). Impact Evaluation of Raskin Program using Matching Method: Case of IFLS 5. Jejak, 11(1), 207–223. https://doi.org/10.15294/jejak.v11i1.9192
  9. Satriawan, E., & Shrestha, R. (2018). Mistargeting and Regressive Take Up of the Indonesian Rice Subsidy Program. Asian Economic Journal, 32(4), 387–415. https://doi.org/10.1111/asej.121
Published
2022-06-13