KAPET Khatulistiwa
5. DETEKSI KETERGANTUNGAN SPASIAL DAN POLA HUBUNGAN ANTAR VARIABEL
Sebelum melakukan estimasi terhadap model pertumbuhan output, tenaga kerja, dan investasi, maka penelitian ini terlebih dahulu melakukan pendeteksian adanya ketergantungan spasial antarwilayah di Kalimantan. Uji ini dimaksudkan agar model pertumbuhan yang akan dikembangkan dapat memperhitungkan efek ketergantungan spasial antarwilayah. Demikian juga sebelum melakukan estimasi terhadap ketiga model pertumbuhan, perlu mempelajari pola hubungan antara variabel bebas (xi) terhadap variabel terikat (yi).
Data panel dari 52 Kabupaten/kota di Kalimantan tahun 2008-2012 dimanfaatkan untuk keperluan estimasi empiris. Penggunaan dua jenis bobot yaitu W-Neighborhood dan W-Customize dimaksudkan untuk membandingkan model spasial yang dihasilkan, sekaligus mendeteksi arah dan besaran dampak spillover dari kedua bobot tersebut. Dalam melakukan deteksi ketergantungan spasial dan estimasi untuk model persamaan simultan spasial dengan data panel, memerlukan pengembangan program khusus yang ditulis dalam Matlab 2012.
Hasil Uji Spatial Dependency
Sebelum melakukan estimasi parameter model dengan pendekatan ekonometrika spasial, terlebih dahulu dilakukan pengujian ketergantungan wilayah (spatial dependency) dengan uji statistik yang sesuai. Salah satu uji statistik untuk mengetahui adanya spatial dependency adalah dengan menggunakan uji Lagrange Multiplier (LM) dan Robust Uji Lagrange Multiplier. Karena menggunakan data panel, maka uji LM diterapkan dengan memasukkan spatial fixed effect dan atau time fixed effect. Untuk mengetahui apakah suatu model dikatakan model spatial lag digunakan uji LM spatial lag, sedangkan untuk mengetahui model spatial error digunakan uji LM spatial error.
Uji LM menggunakan menggunakan bobot spasial (W) dalam perhitungannya. Terkait dengan tujuan interpretasi dan perbandingan model, penelitian ini menggunakan 2 (dua) bobot yaitu bobot W-Neighborhood berdasarkan ketetanggaan dengan pusat pertumbuhan, dan W-Customized berdasarkan aliran ekonomi suatu wilayah dengan pusat pertumbuhan terdekat. Dengan menggunakan W-Neighborhood dapat diinterpretasikan bahwa kedekatan suatu wilayah dengan pusat-pusat pertumbuhan di Kalimantan akan memberikan dampak positif/negatif baik terhadap pertumbuhan output, tenaga kerja ataupun investasi di wilayah tersebut. Dengan kata lain, pusat-pusat pertumbuhan memberikan efek spillover yang positif (spread effect) atau efek spillover yang negatif (backwash effect) terhadap daerah sekitar. Penggunaan W-Customize dapat diinterpretasikan bahwa kedekatan suatu wilayah dengan pusat pertumbuhan yang diikuti oleh besarnya aliran barang yang diterima dari pusat pertumbuhan ke wilayah tersebut akan memberikan dampak positif/negatif baik terhadap pertumbuhan output, tenaga kerja, ataupun investasi dari pusat pertumbuhan terdekat ke wilayah sekitar.
Berdasarkan rincian Tabel 5, pada saat menggunakan uji LM pada kondisi tanpa Fixed Effect (Pooled OLS) untuk model pertumbuhan output (Y1) dengan
nilai uji LM Spatial Lag dan uji LM spatial error dibawah α = 5% yang membuktikan menolak H0 atau model Spatial Auto Regressive (SAR) dan Spatial Error Model (SEM). Begitu pula dengan nilai Robust Uji LM menunjukkan bahwa model mengandung spatial lag dan spatial error karena P-Value < 5%. Ketika digunakan pada model pertumbuhan tenaga kerja (Y2), nilai uji LM spatial
lag dan robust LM spatiallag dibawah α = 5% yang membuktikan bahwa model Spatial Auto Regressive (SAR). Sedangkan pada model pertumbuhan investasi (Y3), nilai uji LM spatial lag dan robust LM spatial lag serta nilai uji LM spatial
error dan Robust LM spatial error menunjukkan bahwa P-Value >5%, dimana model bukan spatial lag dan spatial error.
Apabila uji LM diterapkan pada kondisi spatial fixed effect maka menghasilkan kesimpulan yang cukup berbeda dengan model pooled OLS yaitu ketika digunakan pada model pertumbuhan investasi yang membuktikan bahwa model mengandung spatial lag dan spatial error. Model pertumbuhan output dan pertumbuhan tenaga kerja masing-masing merupakan model spatial lag/spatial error dan model spatial lag.
Apabila uji LM diterapkan pada kondisi spatial and time fixed effect maka akan memberikan kesimpulan yang cukup berbeda dengan Pooled OLS, namun hampir sama dengan Spatial Fixed Effect. Selain membuktikan bahwa model mengandung spatial lag dan spatial error untuk model pertumbuhan investasi, dan mengandung spatial lag untuk model pertumbuhan output, namun bila digunakan untuk model pertumbuhan tenaga kerja membuktikan bukan merupakan model spasial.
Tabel 5. Hasil Uji Dependency Y1, Y2 dan Y3 dengan bobot W– Neighborhood Bobot Pooled OLS Spatial Fixed Effect Spatial dan Time Fixed Effect
Nilai P-Value Nilai P-Value Nilai P-Value Pertumbuhan Output (Y1)
Uji LM Spatial Lag 4,7158 0,030** 17,6334 0,000** 0,9487 0,330
Robust Uji LM Spatial Lag 3,2901 0,070* 21,5657 0,000** 3,0040 0,083*
Uji LM Spatial Error 18,0335 0,000** 1,6852 0,194 0,4390 0,508
Robust Uji LM Spatial Error 16,6078 0,000** 5,6176 0,018** 2,4907 0,115
Keputusan: Model SAR dan SEM Model SAR dan SEM Model SAR Pertumbuhan Tenaga Kerja
(Y2)
Uji LM Spatial Lag 7,3058 0,007* 6,1983 0,056* 0,3636 0,547
Robust Uji LM Spatial Lag 6,9853 0,008* 1,7012 0,192 0,7513 0,386
Uji LM Spatial Error 0,6929 0,405 6,0095 0,022** 0,1336 0,715
Robust Uji LM Spatial Error 0,3724 0,542 1,5124 0,219 0,5213 0,470
Keputusan: Model SAR Model SAR Bukan Model Spatial Pertumbuhan Investasi (Y3)
Uji LM Spatial Lag 1,3582 0,244 7,2430 0,007** 0,6357 0,425
Robust Uji LM Spatial Lag 1,0970 0,295 14,0553 0,000** 11,1440 0,001**
Uji LM Spatial Error 0,8280 0,363 0,6062 0,436 0,0862 0,769
Robust Uji LM Spatial Error 0,5668 0,452 7,4184 0,006** 10,5945 0,001**
Keputusan: Bukan Model Spatial Model SAR dan SEM Model SAR dan SEM
Keterangan: *) Signifikan pada α = 10 persen. **)Signifikan pada α = 5 persen
57
Berdasarkan hasil uji dependency dengan bobot W-Customize pada Tabel 6, pada saat menggunakan uji LM pada kondisi tanpa Fixed Effect (Pooled OLS) untuk model pertumbuhan tenaga kerja (Y2) dan pertumbuhan investasi (Y3), sama-sama menunjukkan nilai uji LM Spatial Lag dan LM spatial errordi atas α = 5% yang membuktikan uji LM menerima H0 ataumodel bukan spatial lag atau spatial error. Hal ini didukung pula nilai Robust Uji LM spatial lag dan spatial error dengan P-Value > 5%.
Apabila uji LM diterapkan pada kondisi spatial fixed effect maka menghasilkan kesimpulan yang berbeda dengan model pooled OLS karena ketika digunakan pada model pertumbuhan tenaga kerja (Y2) dan pertumbuhan investasi (Y3), memberikan kesimpulan bahwa model adalah spatial lag dan spatial error. Uji LM yang diterapkan pada model pertumbuhan output menyatakan bahwa model adalah spatial lag.
Tabel 6. Hasil Uji Dependency Y1, Y2 dan Y3 dengan bobot W-Customized
Bobot Pooled OLS Spatial Fixed Effect Spatial dan Time Fixed Effect Nilai P-Value Nilai P-Value Nilai P-Value Pertumbuhan Output (Y1)
Uji LM Spatial Lag 0,8013 0,371 9,5448 0,002** 1,3960 0,237
Robust Uji LM Spatial Lag 0,5066 0,477 9,2311 0,002** 22,4276 0,000**
Uji LM Spatial Error 7,1454 0,008** 1,9042 0,168 0,1752 0,676
Robust Uji LM Spatial Error 6,8507 0,009** 1,5905 0,207 21,2068 0,000**
Keputusan: Model SEM Model SAR Model SAR dan SEM Pertumbuhan Tenaga Kerja
(Y2)
Uji LM Spatial Lag 1,6033 0,205 7,3518 0,007** 1,3260 0,250
Robust Uji LM Spatial Lag 1,4043 0,236 9,3077 0,002** 2,3848 0,123
Uji LM Spatial Error 1,8018 0,179 1,5682 0,210 0,4614 0,497
Robust Uji LM Spatial Error 1,6029 0,205 3,5241 0,060** 1,5202 0,218
Keputusan: Bukan Model Spatial Model SAR dan SEM Bukan Model Spatial Pertumbuhan Investasi (Y3)
Uji LM Spatial Lag 0,0569 0,811 2,2993 0,129 0,0000 0,994
Robust Uji LM Spatial Lag 0,1536 0,695 6,1066 0,013** 5,6515 0,017**
Uji LM Spatial Error 2,0018 0,157 0,0631 0,802 0,8490 0,357
Robust Uji LM Spatial Error 2,0985 0,147 3,8704 0,049** 6,5005 0,011**
Keputusan: Bukan Model Spatial Model SAR dan SEM Model SAR dan SEM
Keterangan: *) Signifikan pada α = 10 persen. **)Signifikan pada α = 5 persen
.
Berdasarkan hasil uji spatial dependency pada model pertumbuhan tenaga kerja (Y2) dengan metode spatial dan time fixed effect, menunjukkan bukan model
spasial. Sebaliknya, penggunaan model pertumbuhan output (Y1) dan
pertumbuhan investasi (Y3), yang diterapkan untuk menguji efek spillover pusat
pertumbuhan ketika menggunakan W-Customized adalah model spatial lag (SAR) dan/atau model spatial error (SEM).
Pola hubungan pertumbuhan output, tenaga kerja dan investasi di Kalimantan dengan variabel-variabel yang diteliti
Analisis regresi spasial didahului dengan analisis data yang eksploratif yang bertujuan untuk mengidentifikasi adanya pola hubungan antara variabel terikat dan variabel-variabel bebas.
Scatter Plot pertumbuhan output dan variabel-variabel yang mempengaruhinya Berdasarkan diagram pencar (scatterplot) yang terlihat pada Gambar 14, maka dapat diidentifikasi bahwa dari 4 (empat) variabel yang diteliti ada 3 (tiga) variabel yang diduga memiliki pola hubungan positif terhadap pertumbuhan output yaitu pertumbuhan penduduk, rasio pendapatan terhadap biaya, dan persentase panjang jalan baik. Variabel persentase kebakaran lahan dimungkinkan memiliki hubungan yang positif atau negatif terhadap pertumbuhan output.
Scatter Plot pertumbuhan tenaga kerja dan variabel-variabel yang mempengaruhinya
Berdasarkan diagram pencar (scatterplot) yang terlihat pada Gambar 15, maka dapat diidentifikasi bahwa dari 3 (tiga) variabel yang diteliti ada 2 (dua) variabel yang diduga memiliki pola hubungan negatif terhadap pertumbuhan tenaga kerja yaitu rasio belanja modal terhadap PAD dan rata lama sekolah. Variabel kepadatan penduduk dimungkinkan memiliki hubungan yang positif atau negatif terhadap pertumbuhan tenaga kerja.
12 14 16 18 20 -2 0 2 4 6 8 10 12 14 16 18 20 Pertumbuhan Penduduk (X1) 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5
Rasio Pendapatan thdp Biaya (X2)
0.0 20.0 40.0 60.0 80.0 100.0 120.0 2008 2011
Persentase Panjang Jalan Baik (X3)
12 14 16 18 20 0 5 10 15 20
Persentase Kebakaran Lahan (X4)
Gambar 14. Scatter plot pertumbuhan output (sumbu tegak) dan variabel-variabel yang mempengaruhinya
59
Scatter plot pertumbuhan investasi dan variabel-variabel yang mempengaruhinya Berdasarkan diagram pencar (scatterplot) yang terlihat pada Gambar 16, maka dapat diidentifikasi bahwa dari 3 (tiga) variabel yang diteliti ada 2 (dua) variabel yang diduga memiliki pola hubungan positif terhadap pertumbuhan investasi yaitu laju upah dan rasio pajak terhadap PAD. Variabel pendapatan perkapita dimungkinkan memiliki hubungan yang positif atau negatif terhadap pertumbuhan investasi. 9.0 10.0 11.0 12.0 13.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Rasio Belanja Modal thdp PAD (X5)
5 6 7 8 9 10 11 12
Rata Lama Sekolah (X7)
9.0 10.0 11.0 12.0 13.0 0 20 40 60 80 100 120 140 160 180 200 2008 2011 Kepadatan Penduduk (X9) 9.0 10.0 11.0 12.0 13.0 14.0 15.0 16.0 -40 -30 -20 -10 0 10 20 30 40 50 60 70 Laju Upah (X6) 0.0 0.2 0.4 0.6 0.8 1.0
Rasio Pajak Thdp PAD (X8)
9.0 10.0 11.0 12.0 13.0 14.0 15.0 16.0 0 20 40 60 80 100 2008 2011
Pendapatan per Kapita (X10)
Gambar 15. Scatter plot pertumbuhan tenaga kerja (sumbu tegak) dan variabel-variabel yang mempengaruhinya
Gambar 16. Scatter plot pertumbuhan investasi (sumbu tegak) dan variabel-variabel yang mempengaruhinya