Sebagaimana disebutkan sebelumnya, untuk melihat pengaruh alokasi belanja daerah terhadap pertumbuhan ekonomi, IPM dan jumlah penduduk miskin digunakan metode analisis VAR dalam panel data. Alokasi belanja pemerintah dibedakan atas empat macam yaitu belanja pegawai, belanja barang dan jasa, belanja modal dan belanja lainnya. Penghitungannya dilakukan dengan menggunakan software Eviews 6. Metode VAR mensyaratkan bahwa variabel-variabel yang digunakan harus stasioner dalam tingkat yang sama. Untuk itu, sebelum melakukan analisis VAR, terlebih dahulu dilakukan uji unit root. Hasil uji unit root menunjukkan bahwa semua variabel tidak stasioner pada tingkat level dan stasioner pada first difference pada taraf nyata α=5% . Suatu variabel yang tidak stasioner pada level, ada kemungkinan kombinasi variabel tersebut stasioner. Langkah selanjutnya dilakukan uji kointegrasi terhadap variabel :
1. PDRB dengan belanja pegawai, belanja barang, belanja modal dan belanja Lainnya.
2. IPM dengan belanja pegawai, belanja barang, belanja modal dan belanja Lainnya.
3. Jumlah penduduk miskin dengan belanja pegawai, belanja barang, belanja modal dan belanja Lainnya.
Hasil uji kointegrasi menunjukkan ternyata ada kointegrasi antara PDRB, IPM dengan alokasi belanja secara signifikan pada taraf nyata α=5% artinya PDRB, IPM mempunyai hubungan jangka panjang dengan jenis-jenis belanja, sedangkan jumlah penduduk miskin tidak signifikan pada taraf nyata α=5% maupun α=10% yang berarti tidak mempunyai hubungan jangka panjang. Sehingga model yang cocok untuk PDRB, IPM dengan jenis belanja pemerintah adalah menggunakan model VECM, sedangkan hubungan jumlah penduduk miskin dengan alokasi belanja pemerintah menggunakan model VAR FD.
Analisis dengan model VAR, selain dengan melihat tanda dari koefisien masing-masing variabel juga dapat dilihat dari nilai Impulse Respon Function (IRF) dan Forecast Error Variance Decomposition (FEDV). Analisis impulse
LNBP(-1) 0.006 CointEq1 0.000 -1.738 0.000 LNBB(-1) 11.779 ** D(LNPDRB(-1)) 0.643 ** -1.540 -0.078 LNBL(-1) -13.560 ** D(LNPDRB(-2)) 0.248 ** -1.700 -0.078 LNBM(-1) 3.029 ** D(LNBP(-1)) 0.003 -1.237 -0.004 D(LNBP(-2)) 0.002 -0.003 D(LNBB(-1)) 0.002 -0.002 D(LNBB(-2)) 0.001 -0.002 D(LNBL(-1)) 0.003 ** -0.001 D(LNBL(-2)) 0.001 -0.001 D(LNBM(-1)) 0.000 -0.001 D(LNBM(-2)) 0.003 ** -0.001 Variabel Jangka Panjang Variabel Jangka Pendek
waktu ke depan, sedangkan FEDV digunakan untuk melihat kontribusi relatif masing-masing variabel dalam menerangkan perilaku variabel lainnya pada horizon waktu ke depan.
5.4.1 Hasil Analisis Pengaruh Belanja Daerah terhadap PDRB 1. Indikator Model Panel VAR
Hubungan antara PDRB dan Jenis belanja pemerintah ditunjukkan dalam model VECM namun koefisien error correction term tidak signifikan pada taraf nyata α=5% maupun α=10% . Hal ini menunjukkan perlu waktu yang lama untuk penyesuaian dari jangka pendek ke jangka panjang. Hasil estimasi dengan model VECM dapat dijelaskan dalam Tabel 30.
Tabel 30 Hasil estimasi pengaruh belanja daerah terhadap PDRB Jawa Timur
Keterangan :
** Signifikan pada taraf nyata 5%
Periode LNPDRB LNBP LNBB LNBL LNBM 1 0.008 0.000 0.000 0.000 0.000 2 0.013 0.000 0.001 0.001 0.000 3 0.018 0.000 0.001 0.001 0.002 4 0.023 0.000 0.001 0.001 0.002 5 0.027 0.001 0.002 0.002 0.003 6 0.031 0.001 0.002 0.002 0.004 7 0.034 0.001 0.002 0.002 0.004 8 0.037 0.001 0.003 0.002 0.005 9 0.040 0.001 0.003 0.002 0.005 10 0.043 0.001 0.003 0.003 0.006 Total 0.272 0.006 0.019 0.016 0.032 Cholesky Ordering : LNPDRB LNBP LNBB LNBL LNBM
Berdasarkan persamaan jangka pendek, bahwa belanja pegawai dan belanja barang tidak signifikan berpengaruh terhadap PDRB pada taraf nyata α=5% maupun α=10%. Belanja lain dan belanja modal berpengaruh secara signifikan pada taraf nyata α=5%. Koefisien belanja barang dan belanja modal bertanda positif, artinya setiap ada kenaikan belanja barang dan belanja modal akan menaikkan PDRB (cateris paribus). Dalam Persamaan jangka panjang, variabel belanja pegawai tidak signifikan memengaruhi PDRB baik pada taraf nyata α=5% maupun α=10%, Belanja barang, belanja modal dan belanja lain berpengaruh secara signifikan pada taraf nyata α=5%. Koefisien belanja barang dan belanja modal bertanda positif, artinya setiap ada kenaikan belanja barang dan belanja modal akan menaikkan PDRB dalam jangka panjang (cateris paribus), sedangkan koefisien belanja lain bertanda negatif, artinya setiap ada kenaikan belanja lain akan menurunkan PDRB dalam jangka panjang (cateris paribus).
Tabel 31 Hasil impulse response PDRB karena shock masing-masing jenis belanja tiap tahun selama 10 tahun
Hasil analisis impulse response dilakukan untuk melihat dampak saat ini dan masa depan dari variabel PDRB akibat perubahan atau shock variabel belanja barang, belanja pegawai, belanja modal dan belanja lainnya. Adanya shock pada variabel belanja barang, belanja pegawai, belanja modal dan belanja lainnya pada periode pertama tidak memberi dampak apapun pada total PDRB. Pada periode
Periode S.E. LNPDRB LNBP LNBB LNBL LNBM 1 0.008 100.000 0.000 0.000 0.000 0.000 2 0.015 99.341 0.055 0.203 0.397 0.005 3 0.024 98.604 0.023 0.330 0.361 0.682 4 0.033 98.463 0.034 0.369 0.341 0.793 5 0.043 98.166 0.036 0.388 0.385 1.024 6 0.053 97.973 0.039 0.426 0.381 1.180 7 0.063 97.825 0.041 0.448 0.379 1.306 8 0.073 97.705 0.043 0.466 0.368 1.418 9 0.084 97.603 0.044 0.481 0.362 1.509 10 0.094 97.510 0.046 0.495 0.357 1.592 Cholesky Ordering : LNPDRB LNBP LNBB LNBL LNBM
kedua shock belanja pegawai memberi dampak sebesar 0.000 pada PDRB, shock belanja barang memberi dampak sebesar 0.001 pada PDRB dan shock belanja lain memberi dampak sebesar 0.001 pada PDRB dan shock belanja modal memberi dampak sebesar 0.000 (Tabel 31). Dalam kurun waktu 10 tahun, maka jenis belanja yang memberikan dampak paling besar adalah belanja modal sebesar 0.032 sedangkan belanja pegawai memberikan dampak paling kecil yaitu sebesar 0.006. Jika dikaji lebih dalam lagi, kejutan-kejutan yang terjadi dengan datangnya informasi baru dalam jenis belanja daerah berpengaruh pada PDRB.
Tabel 32 Hasil Variance Decomposition VECM masing-masing jenis belanja terhadap PDRB
Selain IRF, dalam VECM menyediakan analisis variance decomposition. Analisis ini memberikan metode yang berbeda di dalam menggambarkan sistem dinamis VAR, yaitu menggambarkan relatif pentingnya setiap variabel di dalam sistem VAR karena adanya shock. Selain itu digunakan juga untuk memprediksi kontribusi persentase varian setiap variabel karena adanya perubahan variabel tertentu di dalam sistem VAR. Tabel 32 menjelaskan prediksi kontribusi persentase varian PDRB terhadap perubahan variabel jenis alokasi belanja. Periode pertama forecast error variance dari PDRB dapat dijelaskan oleh PDRB itu sendiri sebesar 100%, sedangkan yang dapat dijelaskan oleh variabel lainnya sebesar 0%. Pada periode kedua yang dapat dijelaskan oleh PDRB sendiri sebesar 99.341%, belanja pegawai sebesar 0.055%, belanja barang sebesar 0.203%,
belanja lain sebesar 0.397% dan belanja modal sebesar 0.005%. Sampai sepuluh periode mendatang forecast error variance yang dapat dijelaskan oleh PDRB sendiri sebesar 97.510%, belanja pegawai sebesar 0.046%, belanja barang sebesar 0.495%, belanja lain sebesar 0.357% dan belanja modal sebesar 1.592%. Dari hasil ini dapat dikatakan bahwa belanja pada periode 10 memberikan kontribusi terbesar dibandingkan jenis belanja lain dan selalu meningkat setiap tahunnya, sedangkan jenis belanja lain, kontribusinya lama-lama akan berkurang.
2. Interpretasi Model Panel VAR : Pengaruh Belanja Daerah terhadap