Dalam bab ini akan dibahas hasil dari estimasi dampak pembangunan infrastruktur jalan dan variabel ekonomi lainnya terhadap pertumbuhan ekonomi dan luas lahan sawah di Koridor Ekonomi Jawa. Variabel yang diteliti untuk mengestimasi dampak pengembangan infrastruktur jalan dan variabel ekonomi lainnya terhadap pertumbuhan ekonomi di Koridor Ekonomi Jawa adalah PDRB ADHK 2000, pengeluaran konsumsi pemerintah, net ekspor, investasi dalam negeri, investasi asing, tingkat inflasi provinsi, panjang jalan berdasarkan tingkat kewenangan, dan kepadatan penduduk. Variabel yang diteliti untuk mengestimasi dampak pengembangan infrastruktur jalan dan variabel ekonomi lainnya terhadap luas lahan sawah di Koridor Ekonomi Jawa adalah luas lahan sawah, panjang jalan berdasarkan tingkat kewenangan, kepadatan penduduk, dan jumlah industri besar dan sedang. Jumlah provinsi yang diteliti sebanyak 6 provinsi yang ada di Koridor Ekonomi Jawa dengan periode analisis selama 2001-2011.
Dampak Pembangunan Infrastruktur Jalan Dan Variabel Ekonomi Lainnya Terhadap Pertumbuhan Ekonomi Di Koridor Ekonomi Jawa
Estimasi model dampak pembangunan infrastruktur jalan dan variabel ekonomi lainnya terhadap pertumbuhan ekonomi di Koridor Ekonomi Jawa menggunakan analisis data panel, dapat dilakukan melalui tiga pendekatan estimasi model yaitu Pooled Least Square (PLS) , Fixed Effect Mode (FEM), dan Random Effect Model (REM).
Uji Chow dilakukan untuk memilih mana yang terbaik antara model Pooled Least Square dan FEM. Hasil uji chow diperoleh nilai Prob sebesar 0.0000 (Tabel 14). Nilai Prob yang kurang dari α=5% berarti menolak hipotesis nol untuk menggunakan PLS dan menerima hipotesis untuk menggunakan FEM. Pemilihan model antara FEM dengan REM dilakukan dengan menggunakan Uji Hausman. Jumlah pengamatan cross section pada penelitian ini tidak mencukupi untuk diestimasinya model dengan pendekatan REM, maka estimasi dengan pendekatan REM tidak dapat dilakukan. Dengan demikian, pengujian untuk memilih model terbaik antara FEM dan REM dengan menggunakan Hausman Test dapat diabaikan.
Tabel 14. Uji model pertumbuhan ekonomi terbaik
Uji Model Terbaik Probabilitas Chi-Square
Uji Chow 0.0000
Uji Hausman -
Sumber: Hasil pengolahan menggunakan program Eviews6
Berdasarkan hasil estimasi, diperoleh nilai R2 pada model Fixed Effect sebesar 0.999513 (Tabel 15). Hal ini menunjukkan bahwa keragaman pertumbuhan ekonomi dapat dijelaskan oleh variabel bebas sebesar 99.9513% sedangkan sisanya dijelaskan oleh variabel lain di luar model. Nilai F-statistik yang signifikan yaitu pada tingkat α = 5% yaitu sebesar 0.000000 yang berarti masing-masing variabel bebas secara bersama-sama berpengaruh nyata terhadap variabel tak bebas. Kemudian jika dilihat masing-masing variabel bebasnya, 5 dari 7 variabel bebas menunjukan nilai Prob yang signifikan sehingga model penduga sudah layak untuk menduga parameter yang ada di dalam fungsi.
Tabel 15 Hasil estimasi model dampak pembangunan infrastruktur jalan dan variabel ekonomi lainnya terhadap pertumbuhan ekonomi di Koridor Ekonomi Jawa dengan pendekatan FEM
Variabel Koefisien Std. Error t-statistik Probabilitas
LN_NX 0.233779 0.023426 9.979261 0.0000* LN_KP 0.226485 0.085483 2.649478 0.0106* INFLASI -0.002449 0.000914 -2.678062 0.0098* LN_PJ 0.131435 0.017796 7.385771 0.0000* LN_PP 0.38558 0.020934 18.41862 0.0000* LN_PMDN 0.000782 0.003116 0.250847 0.80290 LN_PMA 0.003684 0.003795 0.970868 0.33600 C 5.34076 0.623447 8.566497 0.0000* Cross Effect DKI Jakarta 0.080156 Jawa Barat 0.318349 Banten 0.225339 Jawa Tengah -0.105893 DI Yogyakarta -0.877522 Jawa Timur 0.359571 Statistik Terboboti
R-squared 0.999513 Mean dependent var 370.3015
F-statistic 9064.394 Sum squared resid 48.32775
Prob (F-statistic) 0.000000 Durbin-Watson stat 1.476897
Statistik Tidak Terboboti
R-squared 0.996199 Durbin-Watson stat 0.572186
Sum squared resid 0.271391
Sumber: hasil pengolahan dengan EVIEWS 6.0
Model yang baik harus memenuhi asumsi model linear klasik yang artinya model terbebas dari masalah multikolineritas, autokorelasi, dan heteroskedastisitas (Gujarati 2004). Tahap uji asumsi yang telah dilakukan adalah sebagai berikut: 1. Uji Multikolinearitas
Uji multikolinearitas dapat dilihat juga dari matriks korelasi antar variabel (Lampiran 2). Dilihat dari nilai R-squared (0.999513) menunjukkan nilai yang lebih besar dibandingkan dengan nilai matriks korelasi antar variabel, itu menandakan bahwa model telah terbebas dari masalah multikolinearitas. 2. Uji Autokorelasi
Dilakukan dengan uji Durbin-Watson. Jumlah cross section sebanyak 6, jumlah time series sebanyak 11, jumlah observasi sebanyak 66, jumlah variabel independen sebanyak 7, dan α sebesar 5% maka diperoleh nilai Durbin-Watson Tabel dengan DL sebesar 1.3768 dan DU sebesar 1.8418. Diperoleh Durbin-Watson stat sebesar 1.476897 (Tabel 15) berada dalam selang DL<DW<DU yaitu daerah DW tidak dapat disimpulkan, sehingga tidak dapat dinyatakan bahwa terdapat permasalahan autokorelasi dalam estimasi persamaan model panel.
3. Uji heteroskedastisitas
Adanya heteroskedastisitas dapat dilihat dengan menggunakan metode General Least Square (Cross Section Weights) yaitu dengan membandingkan Sum Square Resid pada Weighted Statistics dengan Sum Square Resid Unweighted Statistics. Hasil pengolahan di peroleh nilai Sum Squared Resid pada Weighted Statistics sebesar 48.32775 dan Sum Square Resid Unweighted statistics sebesar 0.271391 (Tabel 15). Hasil tersebut menunjukkan bahwa Sum Square Resid pada Weighted Statistics lebih besar dari Sum Square Resid Unweighted Statistics. Kondisi tersebut memberikan indikasi bahwa model terbebas dari masalah heteroskedastisitas.
4. Uji Normalitas
Nilai Jarque-Bera menunjukkan nilai probabilitas yang tidak signifikan yaitu sebesar 1.118762, nilai probabilitas yang lebih besar dari α=5% maka dapat disimpulkan model ini berdistribusi normal.
Hasil analisis regresi diperoleh hasil koefisien untuk variabel net ekspor (NX) sebesar 0.233779 (Tabel 15). Hal ini menandakan bahwa net ekspor berpengaruh positif terhadap pertumbuhan ekonomi di Koridor Ekonomi Jawa. Peningkatan persentase net ekspor sebesar 1% akan menyebabkan kenaikan tingkat pertumbuhan ekonomi sebesar 0.233779%, cateris paribus. Pada kenyataannya hasil penelitian ini sesuai dengan hipotesis yang diajukan sebelumnya. Dalam teori ekonomi makro, hubungan antara ekspor dengan tingkat pertumbuhan ekonomi merupakan suatu persamaan identitas karena ekspor merupakan pembentuk dari tingkat pendapatan nasional (Oiconita dalam Novianingsih 2011). Hasil ini juga sesuai dengan penelitian Arfina (2007) yaitu net ekspor berpengaruh positif dan signifikan terhadap pertumbuhan ekonomi Indonesia.
Hasil koefisien untuk variabel kepadatan penduduk (KP) sebesar 0.226485 (Tabel 15). Hal ini menandakan bahwa kepadatan penduduk berpengaruh positif terhadap pertumbuhan ekonomi di Koridor Ekonomi Jawa. Peningkatan
persentase kepadatan penduduk sebesar 1% akan menyebabkan kenaikan tingkat pertumbuhan ekonomi sebesar 0.226485%, cateris paribus. Pada kenyataannya hasil penelitian ini sesuai dengan hipotesis yang diajukan sebelumnya. Kepadatan penduduk yang terus meningkat di Koridor Ekonomi Jawa disebabkan semakin tingginya pertumbuhan penduduk, sedangkan luas wilayah cenderung tetap. Besarnya jumlah penduduk menyebabkan permintaan barang dan jasa semakin meningkat. Terdapat lebih banyak pembeli untuk produk yang dihasilkan, sehingga secara alamiah produksi semakin tumbuh. Hal ini juga sesuai dengan pertumbuhan ekonomi menurut Todaro dan Smith (2006), dimana salah satu faktor meningkatnya pertumbuhan ekonomi berasal dari faktor produksi yaitu ketersediaan tenaga kerja yang semakin besar. Jumlah penduduk adalah salah satu faktor yang memengaruhi pertumbuhan ekonomi di suatu wilayah. Kenaikan jumlah penduduk dari waktu ke waktu mampu menjadi pendorong pertumbuhan ekonomi yang diimbangi dengan pertumbuhan kesempatan kerja (Candra 2012).
Variabel inflasi memiliki koefisien sebesar 0.002449 dan bernilai negatif (Tabel 15). Hal ini menandakan bahwa inflasi berpengaruh negatif terhadap pertumbuhan ekonomi di Koridor Ekonomi Jawa. Peningkatan persentase inflasi sebesar 1% akan menyebabkan penurunan tingkat pertumbuhan ekonomi sebesar 0.002449%, cateris paribus. Hasil penelitian ini sesuai dengan hipotesis yang diajukan sebelumnya. Hasil estimasi juga sesuai dengan ilmu ekonomi, dimana inflasi adalah suatu proses meningkatnya harga-harga secara umum dan terus- menerus. Mankiw (2007) menyebutkan bahwa inflasi adalah seluruh kenaikan harga output dalam perekonomian. Dalam makro ekonomi, inflasi membawa pengaruh yang buruk bagi perekonomian, antara lain yaitu dapat menurunkan kesejahteraan riil masyarakat yang berpenghasilan tetap (Rakhman 2012).
Variabel panjang jalan (PJ) memiliki koefisien sebesar 0.131435 (Tabel 15). Hal ini menandakan bahwa panjang jalan berpengaruh positif terhadap pertumbuhan ekonomi di Koridor Ekonomi Jawa. Peningkatan persentase panjang jalan sebesar 1% akan menyebabkan kenaikan tingkat pertumbuhan ekonomi sebesar 0.131435%, cateris paribus. Hasil ini sesuai dengan hipotesis yang diajukan sebelumnya. Hasil ini juga sesuai dengan pertumbuhan ekonomi menurut Todaro dan Smith (2006), dimana tingkat pertumbuhan ekonomi salah satunya berasal dari akumulasi modal termasuk didalamnya semua investasi dan modal fisik seperti panjang jalan.
Hasil analisis regresi menyatakan bahwa variabel investasi asing (PMA) dan investasi dalam negeri (PMDN) berpengaruh positif terhadap pertumbuhan ekonomi di Koridor Ekonomi Jawa, tapi tidak signifikan dalam taraf nyata 5% (Tabel 15). Hal ini dapat terjadi karena investasi di Koridor Ekonomi Jawa dialokasikan untuk investasi jangka panjang yang belum terasa manfaatnya untuk pertumbuhan ekonomi saat ini. Hasil ini serupa dengan penelitian Vidyattama (2010), dimana investasi tidak signifikan untuk memengaruhi pertumbuhan ekonomi regional di Indonesia. Hasil estimasi mengindikasikan bahwa pertumbuhan ekonomi tergantung dari karakteristik masing-masing provinsi untuk diinvestasikan, misalnya adalah Provinsi DKI Jakarta sebagai pusat kegiatan ekonomi di Indonesia lebih diminati investor untuk berinvestasi, dengan demikian aliran investasi di Jakarta lebih baik dibandingkan provinsi lainnya. Penelitian Candra (2012) juga menunjukkan hasil penanaman modal dalam negeri tidak berpengaruh terhadap pertumbuhan ekonomi Provinsi Jawa Timur.
Hasil koefisien untuk variabel pengeluaran konsumsi pemerintah (PP) sebesar 0.385580 (Tabel 15). Hal ini menandakan bahwa pengeluaran konsumsi pemerintah berpengaruh positif terhadap pertumbuhan ekonomi di Koridor Ekonomi Jawa. Peningkatan persentase pengeluaran konsumsi pemerintah sebesar 1% akan menyebabkan kenaikan tingkat pertumbuhan ekonomi sebesar 0.385580%, cateris paribus. Hasil ini sesuai dengan hipotesis yang diajukan sebelumnya. Pengeluaran konsumsi pemerintah merupakan salah satu komponen dari pendapatan nasional maupun regional (Mankiw 2006). Hasil ini serupa dengan penelitian Candra (2012), bahwa pengeluaran pemerintah mempunyai pengaruh yang positif terhadap pertumbuhan ekonomi Provinsi Jawa Timur. Hal ini menunjukkan bahwa semakin besar pengeluaran pemerintah akan berdampak pada semakin tingginya pertumbuhan ekonomi di Koridor Ekonomi Jawa.
Dari hasil estimasi (Tabel 15) terdapat fixed effect (cross) yang memperlihatkan pembeda dari setiap cross section (provinsi di Koridor Ekonomi Jawa). Dari hasil estimasi dapat dilihat bahwa Provinsi Jawa Timur memiliki nilai pembeda yang paling tinggi. Hal ini berarti tingkat pertumbuhan ekonomi di Provinsi Jawa Timur memiliki rata-rata perubahan yang paling tinggi, yaitu sebesar 0.359571. Hal ini berbanding terbalik dengan Provinsi DI Yogyakarta yang memiliki nilai pembeda terkecil. Tingkat pertumbuhan ekonomi di Provinsi DI Yogyakarta memiliki rata-rata perubahan yang paling kecil yaitu sebesar - 0.877522. Hal ini memperlihatkan bahwa Provinsi Jawa Timur merupakan provinsi yang memiliki koefisien intcercept pertumbuhan ekonomi yang paling tinggi, sementara itu Provinsi DI Yogyakarta menjadi provinsi yang nilai interceptnya lebih rendah dibandingkan yang lain.
Dampak Infrastruktur Jalan dan Variabel Ekonomi Lainnya Terhadap Luas Lahan Sawah di Koridor Ekonomi Jawa
Uji Chow dilakukan untuk memilih mana yang terbaik antara model Pooled Least Square dan FEM. Pemilihan model antara FEM dengan REM dilakukan dengan menggunakan Uji Hausman.
Tabel 16. Uji model lahan sawah terbaik
Uji Model Terbaik Probabilitas Chi-Square
Uji Chow 0.0000
Uji Hausman 0.0000
Sumber: Hasil pengolahan menggunakan program Eviews6
Hasil uji chow diperoleh nilai Prob sebesar 0.0000 (Tabel 16). Nilai Prob yang kurang dari α = 5% berarti menolak hipotesis nol untuk menggunakan PLS dan menerima hipotesis untuk menggunakan FEM. Hasil Uji Hausman menunjukkan nilai Prob sebesar 0.0000 (Tabel 15), dimana artinya menerima hipotesis untuk menggunakan model Fixed Effect.
Berdasarkan hasil estimasi, diperoleh nilai R2 pada model Fixed Effect sebesar 0.99993 (Tabel 17). Hal ini menunjukkan bahwa keragaman pertumbuhan ekonomi dapat dijelaskan oleh variabel bebas sebesar 99.993% sedangkan sisanya dijelaskan oleh variabel lain di luar model. Nilai F-statistik yang signifikan yaitu pada tingkat α=5% yaitu sebesar 0.000000 yang berarti masing-masing variabel bebas secara bersama-sama berpengaruh nyata terhadap variabel tak bebas.
Dilihat dari masing-masing variabel bebasnya, semua variabel bebas menunjukan nilai Prob yang signifikan sehingga model penduga sudah layak untuk menduga parameter yang ada di dalam fungsi.
Tabel 17 Hasil estimasi model dampak pengembangan infrastruktur jalan dan
variabel ekonomi lain terhadap luas lahan sawah di Koridor Ekonomi Jawa dengan pendekatan FEM
Variabel Koefisien Std. Error t-statistik Probabilitas
KP -0.690293 0.315274 -2.189506 0.0327* IND -2.842118 0.98145 -2.895835 0.0054* PJ -1.846207 0.092125 -20.04018 0.0000* C 589993.4 3445.214 171.2501 0.0000* Cross Effect DKI Jakarta -561186.1 Jawa Barat 405035.7 Banten -377514.5 Jawa Tengah 447113.5 DI Yogyakarta -520645.1 Jawa Timur 607196.4 Statistik Terboboti
R-squared 0.99993 Mean dependent var 55.19677
F-statistic 101656.3 Sum squared resid 65.09235
Prob (F-statistic) 0.000000 Durbin-Watson stat 1.686798
Statistik Tidak Terboboti
R-squared 0.999606 Durbin-Watson stat 0.703026
Sum squared resid 5.67E+09
sumber: hasil pengolahan dengan EVIEWS 6.0
Keterangan: *) signifikan pada taraf 5%
Menurut Gujarati (2004), model yang baik harus memenuhi asumsi model linear klasik yang artinya model terbebas dari masalah multikolineritas, autokorelasi dan heteroskedastisitas serta didasarkan pada asumsi bahwa faktor kesalahan menyebar secara normal. Tahap uji asumsi yang telah dilakukan adalah sebagai berikut:
1. Uji Multikolinearitas
Uji multikolinearitas dapat dilihat dari matriks korelasi antar variabel (Lampiran 7). Dilihat dari nilai R-squared (0.99993) menunjukkan nilai yang lebih besar dibandingkan dengan nilai matriks korelasi antar variabel, itu menandakan bahwa model telah terbebas dari masalah multikolinearitas. 2. Uji Autokorelasi
Dilakukan dengan uji Durbin-Watson. Jumlah cross section sebanyak 6, jumlah time series sebanyak 11, jumlah observasi sebanyak 66, jumlah variabel independen sebanyak 3, dan α sebesar 5% maka diperoleh nilai Durbin-Watson Tabel dengan DL sebesar 1.5079 dan DU sebesar 1.6974. Diperoleh Durbin-Watson sebesar 1.686798 (Tabel 17) berada dalam selang DL<DW<DU yaitu daerah DW tidak dapat disimpulkan, sehingga tidak dapat dinyatakan bahwa terdapat permasalahan autokorelasi dalam estimasi persamaan model panel.
3. Uji heteroskedastisitas
Adanya heteroskedastisitas dapat dilihat dengan menggunakan metode General Least Square (Cross Section Weights) yaitu dengan membandingkan Sum Square Resid pada Weighted Statistics dengan Sum
Square Resid Unweighted Statistics. Hasil pengolahan di peroleh nilai Sum Squared Resid pada Weighted Statistics sebesar 65.09235 dan Sum Square Resid Unweighted statistics sebesar 5.67E+09 (Tabel 17). Dengan hasil tersebut menunjukkan bahwa dalam model estimasi mengandung masalah heteroskedastisitas. Model ini menggunakan metode GLS Weight Cross- section SUR sehingga masalah sudah dapat teratasi dan model estimasi dapat dikatakan telah terbebas dari masalah heteroskedastisitas.
4. Uji Normalitas
Nilai Jarque-Bera menunjukkan nilai probabilitas yang tidak signifikan yaitu sebesar 0.792702, nilai probabilitas yang lebih besar dari α = 5% maka dapat disimpulkan model ini berdistribusi normal.
Dalam estimasi model dampak pengembangan infrastruktur jalan dan variabel ekonomi lainnya terhadap luas lahan sawah di Koridor Ekonomi Jawa tidak ditransformasikan ke dalam bentuk logaritma natural, maka interpretasi model dapat dilihat dari nilai elastisitas. Tabel 18 menyajikan nilai elastisitas dari masing-masing variabel.
Tabel 18 Nilai elastisitas masing-masing variabel
Variabel Elastisitas
Kepadatan Penduduk (KP) -0.003834
Jumlah Industri Besar dan Sedang (IND) -0.017180
Panjang Jalan (PJ) -0.060407
Hasil analisis regresi diperoleh hasil bahwa variabel kepadatan penduduk (KP) berpengaruh signifikan dan memiliki hubungan yang negatif terhadap luas lahan sawah di Koridor Ekonomi Jawa (Tabel 17). Elastisitas dari variabel kepadatan penduduk yang bernilai -0.003834 (Tabel 18) menunjukkan bahwa apabila kepadatan penduduk meningkat sebesar 1% maka luas lahan sawah di Koridor Ekonomi Jawa akan menurun sebesar 0.003834% dengan asumsi cateris paribus. Pada kenyataannya hasil penelitian ini sesuai dengan hipotesis yang diajukan sebelumnya. Hasil ini juga sesuai dengan penelitian Ilham et al.(2001) bahwa secara makro pengembangan pemukiman yang diproksi dengan peningkatan jumlah penduduk tidak menunjukkan hubungan yang positif. Hal ini mengindikasikan adanya trend pemilikan rumah bukan hanya sebagai tempat tinggal tetapi sebagai investasi.
Variabel jumlah industri besar dan sedang (IND) berpengaruh signifikan dan memiliki hubungan yang negatif terhadap luas lahan sawah di Koridor Ekonomi Jawa (Tabel 17). Elastisitas dari variabel jumlah industri besar dan sedang yang bernilai -0.01718 (Tabel 18) menunjukkan bahwa apabila jumlah industri besar dan sedang meningkat sebesar 1% maka luas lahan sawah di Koridor Ekonomi Jawa akan menurun sebesar 0.01718% dengan asumsi cateris paribus. Hasil penelitian ini sesuai dengan hipotesis yang diajukan sebelumnya. Koridor Ekonomi Jawa merupakan sumber dari kegiatan ekonomi, dimana sumberdaya dan fasilitas tersedia dengan baik, maka dari itu industri lebih berkembang di koridor ini yang akhirnya membutuhkan lahan lebih banyak dan menyebabkan pengurangan lahan pertanian di koridor ini. Hasil penelitian Mawardi (2006) juga menyebutkan bahwa perkembangan pesat sektor industri menyebabkan lahan pertanian mengalami tekanan berat, pertumbuhan
kesejahteraan sebagai hasil pembangunan mengambil cukup banyak lahan pertanian.
Variabel panjang jalan (PJ) berpengaruh signifikan dan memiliki hubungan yang negatif terhadap luas lahan sawah di Koridor Ekonomi Jawa (Tabel 17). Elastisitas dari variabel panjang jalan yang bernilai -0.060407 (Tabel 18) menunjukkan bahwa apabila panjang jalan meningkat sebesar 1% maka luas lahan sawah di Koridor Ekonomi Jawa akan menurun sebesar 0.060407% dengan asumsi cateris paribus. Hasil ini sesuai dengan hipotesis yang diajukan sebelumnya. Pembangunan infrastruktur di sektor perhubungan seperti jalan akan menjadi salah satu faktor penyebab yang mendorong penyempitan lahan pertanian (Mawardi 2006).
Dari hasil estimasi (Tabel 17) terdapat fixed effect (cross) yang memperlihatkan pembeda dari setiap cross section (provinsi di Koridor Ekonomi Jawa). Dari hasil estimasi dapat dilihat bahwa Provinsi Jawa Timur memiliki nilai pembeda yang paling tinggi. Hal ini berarti besarnya luas lahan sawah di Provinsi Jawa Timur memiliki rata-rata perubahan yang paling tinggi, yaitu sebesar 607196.4. Hal ini berbanding terbalik dengan Provinsi DKI Jakarta yang memiliki nilai pembeda terkecil. Besarnya luas lahan sawah di Provinsi DKI Jakarta memiliki rata-rata perubahan yang paling kecil yaitu sebesar -561186.1. Hal ini memperlihatkan bahwa Provinsi Jawa Timur merupakan provinsi yang memiliki koefisien intcercept luas lahan sawah yang paling tinggi, sementara itu Provinsi DKI Jakarta menjadi provinsi yang nilai interceptnya lebih rendah dibandingkan yang lain.