Kabupaten Sumenep - 4 HASIL DAN PEMBAHASAN

4 HASIL DAN PEMBAHASAN

4. Kabupaten Sumenep

Pertumbuhan Ekonomi Sumenep terus mengalami peningkatan dari tahun ke tahun, peningkatan tersebut bisa dilihat dari perkembangan PDRB Sumenep sebagai tolok ukur pertumbuhan ekonomi. PDRB Kabupaten Sumenep pada tahun 1998 hanya sebesar Rp. 3,983 Milliar meningkat menjadi 7,458 Milliar pada tahun 2014. Peningkatan angka PDRB tersebut diikuti oleh peningkatan pendapatan per kapita masyarakat Sumenep. Pada 1998 Pendapatan per kapita masyarakat sebesar 4.1 Juta, meningkat menjadi 4.3 juta pada 2005 dan 7 juta pada tahun 2014 (lihat Tabel 9).

Tabel 9. PDRB dan Pendapatan Per Kapita Kabupaten Sumenep

No Tahun Per Kapita (juta) PDRB (Milliar)

1 1998 4.1 3,983

2 2000 4.4 4,280

3 2005 4.3 4,376

4 2010 5.0 5,256

5 2014 7.0 7,458

Sumber: BPS Sumenep 2015 (diolah)

Pertumbuhan ekonomi yang berkesinambungan dan peningkatan pendapatan per kapita masyarakat akan menyebabkan terjadinya transformasi struktural. Transformasi struktural bisa dilihat dari kontribusi masing-masing sektor ekonomi dalam pembentukan PDRB dan serapan tenaga kerja. Kontribusi

0 20 40 60 80 100 1998 2000 2002 2004 2006 2008 2010 2012 2014 P er sen tase Pertanian Industri Jasa

sektoral dapat digunakan untuk melihat leading sector sebuah perekonomian, sehingga dapat dilihat sebuah perekonomian telah mengalami transformasi struktural atau tidak.

Selama tahun pengamatan 1998-2014, sektor pertanian di Kabupaten Sumenep menjadi leading sector selama periode 1998-2011, kontribusi sektor pertanian pada tahun 1998 sebesar 41.11 persen dan pada tahun 2009 sebesar 49.83 persen. Dari tahun 2009-2012 kontribusi sektor pertanian terus mengalami penurunan meskipun pada tahun-tahun tersebut sektor pertanian masih menjadi sektor utama dalam pembentukan PDRB Kabupaten Sumenep. Dominasi sektor pertanian mulai digeser oleh sektor industri sejak 2012, dimana sektor industri menyumbang sebesar 38.23 persen sementara sektor pertanian dan sektor jasa berturut-turut menyumbang 35.71 persen dan 26.05 persen.

Kabupaten Sumenep menjadi Kabuaten dengan transformasi struktur produksi paling lambat, setelah pada tahun 1999 sektor jasa menjadi sektor utama, tahun berikutnya hingga 2011 sektor pertanian kembali menjadi penyumbang terbesar dalam PDRB, transformasi baru terjadi kembali pada tahun 2012 dengan sektor industri menjadi leading sector. Kenyataan ini berkaitan erat dengan kondisi geografis Kabupaten Sumenep yang terdiri dari pulau-pulau kecil sehingga penerimaan dari perikanan dan kelautan lumayan besar. Selain itu Kabupaten Sumenep memiliki tanah yang subur yang sangat mendukung untuk pengembangan sektor pertanian seperti tembakau. Dimana tembakau Sumenep dikenal memiliki kualitas yang sangat bagus. Tahun 2012 barulah sektor Industri mengambil alih peran sebagai leading sector. Peningkatan PDRB sektor industri terutama dipengaruhi oleh besarnya penerimaan baru dari sub sektor migas.

Gambar 11 PDRB Sektoral Kabupaten Sumenep

Arah transformasi struktural Kabupaten Sumenep menuju sektor industri sebagai sektor utama dalam pembentukan PDRB. Hal ini tidak lepas dari meningkatnya penerimaan dari migas setelah explorasi dilakukan. Arah transformasi struktural Sumenep adalah I-P-J (industri – pertanian - jasa).

Berdasarkan Tabel 10, keadaan tenaga kerja di Kabupaten Sumenep hampir sama dengan kondisi tenaga kerja di Bangkalan, Sampang dan Pamekasan. Selama tahun analisis 1998-2014 sektor pertanian masih menjadi sektor dengan serapan tenaga kerja terbesar. Kemampuan sektor pertanian menampung tenaga kerja naik-turun. Pada tahun 1998 sektor pertanian menampung 64.23 persen. Pada tahun 2012 sektor pertanian menyerap tenaga kerja mencapai 79.17 persen, angka ini menjadi presentase terbesar serapan sektor pertanian selama periode

0 10 20 30 40 50 60 70 1998 2000 2002 2004 2006 2008 2010 2012 2014 P er sen tase Pertanian Industri Jasa

1998-2014. Sektor pertanian rata-rata menampung tenaga kerja sebesar 71.53 persen

Tabel 10. Kontribusi Sektoral Kabupaten Sumenep

No Tahun Pertanian Industri Jasa

PDRB TK PDRB TK PDRB TK 1 1998 41.11 64.23 18.22 11.08 40.68 24.69 2 1999 39.66 71.03 19.64 9.11 40.70 19.86 3 2000 38.31 70.07 20.96 12.66 40.71 17.27 4 2001 58.25 73.09 10.71 13.48 31.04 13.43 5 2002 58.26 71.98 10.74 8.16 31.00 19.86 6 2003 58.01 72.17 11.09 6.53 30.90 21.30 7 2004 58.08 69.90 11.03 10.60 30.89 19.50 8 2005 56.39 65.79 9.35 16.00 34.26 18.21 9 2006 56.67 66.38 8.78 17.35 34.55 16.27 10 2007 51.64 77.73 11.14 12.97 37.22 9.30 11 2008 50.46 69.93 11.22 10.95 38.32 19.10 12 2009 49.83 64.72 10.98 23.09 39.19 12.19 13 2010 38.71 67.76 36.16 10.64 25.12 21.61 14 2011 37.60 77.37 36.28 12.92 26.12 9.71 15 2012 35.71 79.17 38.23 4.62 26.05 16.21 16 2013 32.86 78.17 42.19 4.79 24.95 17.04 17 2014 32.06 76.54 42.65 5.14 25.28 18.33

Sumber: BPS Sumenep 2015 (diolah)

Sektor industri menjadi sektor dengan serapan tenaga kerja paling kecil dibandingkan dengan sektor ekonomi yang lain. Pada tahun 1998 sektor industri menyerap tenaga kerja sebesar 11.08 persen. Serapan terbesar sektor industri terjadi pada tahun 2009 mencapai hingga sebesar 23.09 persen, namun pada akhir tahun analisis turun drastis menjadi 5.14 persen. Selama periode analisis 1998- 2014, sektor industri rata-rata menyerap tenaga kerja sebesar 11.18 persen. Sementara itu, sektor jasa menjadi sektor tertinggi kedua setelah sektor pertanian dalam kontribusinya menyerap tenaga kerja. Perkembangan kontribusi sektor jasa dalam menyerap tenaga kerja sangat fluktuatif. Pada tahun 1998, sektor jasa menyerap tenaga kerja sebesar 24.69 persen. Pada akhir tahun analisis, sektor jasa menyerap tenaga kerja sebesar 18.33 persen. Selama periode 1998-2014 Rata-rata sektor jasa menyerap tenaga kerja sebesar 17.29 persen.

Angka-angka pada Tabel 10 menjelaskan bahwa sektor pertanian masih menjadi sektor utama dalam menyerap tenaga di Kabupaten Sumenep. Selama periode analisis 1998-2014, rata-rata sektor pertanian menyerap tenaga kerja hingga 71.53 persen. Itu artinya, struktur tenaga kerja di Kabupaten Pamekasan belum mengalami transformasi. Sektor industri dan jasa masih belum bisa menyerap surplus tenaga karja di sektor pertanian.

Gambar 12. Tenaga kerja sektoral Sumenep

Data pada Tabel 10, Gambar 11 dan Gambar 12 menunjukkan bahwa terjadi unbalanced transformastion pada perekonomian Sumenep, dimana transformasi struktur produksi tidak diikuti oleh transformasi struktur tenaga kerja. Sebagai contoh, pada tahun 2014 sektor pertanian menyerap tenaga kerja sebesar 76.54 persen, sektor industri sebesar 5.14 persen dan sektor jasa sebesar 18.33 persen, sedangkan pangsa relatif sektor pertanian, industri dan jasa terhadap pembentukan PDRB masing-masing 32.06 persen, 42.65 persen dan 25.28 persen. Temuan ini sesuai dengan hipotesis Arthur Lewis yang menyatakan bahwa sektor pertanian mengalami surplus tenaga kerja dan memiliki produktivitas yang rendah (marginal produktivity tenaga kerja sama dengan 0). Produktivitas sektoral yang rendah dibuktikan dengan serapan tenaga kerja paling besar namun kontribusi sektoralnya terhadap pembentukan PDRB paling kecil.

Faktor-Faktor Transformasi Struktural

Transformasi struktural sebagaimana dijelaskan sebelumnya telah terjadi pada perekonomian Madura meskipun transformasi struktur produksi tidak diikuti oleh transformasi struktur tenaga kerja. Hal tersebut dapat dilihat dari kontribusi sektoral yang ada pada 4 Kabupaten di Madura. Oleh karenanya, menjadi sebuah hal yang menarik untuk mengetahui faktor-faktor apa saja yang mempengaruhi terjadinya transformasi struktural. Menganalisis faktor-faktor yang mempengaruhi terjadinya transformasi struktural merupakan tujuan kedua dari penelitian ini, sebagaimana informasi ini dibutuhkan untuk melengkapi pemahaman tentang transformasi struktural agar mendapat pemahaman yang menyeluruh.

Faktor-faktor yang mempengaruhi terjadinya transformasi struktural di analisis menggunakan model ekonometrik berupa regresi data panel untuk masing-masing sektor dengan memasukkan variabel populasi dan pendapatan perkapita sebagai variabel kontrol.

Faktor-Faktor yang Mempengaruhi Nilai Tambah Sektor Pertanian Persamaan Chenery-Syrquin digunakan untuk menganalisis faktor-faktor yang mempengaruhi perubahan nilai tambah sektor pertanian yang selanjutnya

0 10 20 30 40 50 60 70 80 90 1998 2000 2002 2004 2006 2008 2010 2012 2014 P er sen tase Pertanian Industri Jasa

akan berpengaruh terhadap pembentukan PDRB. Dengan menggunakan data panel dari 4 Kabupaten selama periode 1998-2014. Estimasi model dilakukan dengan Model Efek Tetap (Fixed Effect Model) dan model efek acak (Random Effect Model). Untuk memilih estimasi terbaik dari kedua model, dilakukan uji Hausman (Hausman Test). Berdasarkan Tabel 11 diketahui bahwa probabilitas hasil uji Hausman lebih kecil dari taraf nyata 1 persen sehingga H0 ditolak, artinya estimasi dilakukan mengikuti Model Efek Tetap (Fixed Effect Model).

Pendugaan parameter yang baik adalah yang bersifat BLUE, pada persamaan perubahan nilai tambah sektor pertanian diatas dilakukan uji yang dapat mendeteksi adanya pelanggaran asumsi klasik pada model baik berupa gangguan antar waktu (time-related disturbance), gangguan antar individu (cross sectional disturbance) maupun gangguan akibat keduanya. Masalah heteroskedastisitas pada data panel bisa diatasi dengan cara memberi perlakuan cross section weight dan white heteroskedasticity consistent covariance (Gujarati 2003).

Tabel 11. Hasil Estimasi Model Analisis Faktor yang Memengaruhi Nilai Tambah Sektor Pertanian dengan Model Efek Tetap (Fixed Effect Model)

Variabel Variabel Dependen

Koefisien Std. Error Prob

C 4.517554 3.535479 0.2061 LN_N 0.725353 0.266312 0.0084 LN_YK -0.445082 0.146403 0.0035 R Square 0.883030 Prob (F-Stat) 0.000000 Number Of Observation 68

Hausman Test Probability 0.0012

Hasil estimasi model pada Tabel 11 menggunakan metode GLS (generalized least square) yang telah diberi perlakuan cross section weight dan white heteroskedasticity sebagai pembobot sehingga dapat dikatakan bahwa hasil estimasi model diatas telah terbebas dari masalah heteroskedastisitas, dengan estimasi GLS pada lampiran 1 terlihat bahwa ragam dan rataan sudah konstan.

Uji autokorelasi dalam regresi data panel seringkali diabaikan kerena secara teoritis masalah auto korelasi terjadi hanya pada data time series, selain itu pendugaan dengan menggunakan metode GLS secara otomatis akan membuang autokorelasi urutan pertama (first order autocorelation) sehingga hasil estimasi pada persamaan perubahan kontribusi sektor pertanian diatas dapat dikatakan sudah tidak ada masalah autokorelasi.

Pelanggaran asumsi multikolinieritas dalam data panel jarang terjadi karena data panel merupakan penggabungan time series dan cross section sehingga akan menghasilkan lebih banyak variasi data dan lebih sedikit korelasi antar variabel independen. Indikasi adanya masalah multikolinieritas adalah ketika uji secara simultan (uji-F) disimpulkan siginifikan dengan R-squared yang tinggi namun tidak diikuti oleh uji parsial (uji t) yang signifikan. Hasil estimasi pada Tabel 11 terlihat bahwa semua variabel signifikan, bisa dikatakan bahwa estimasi yang telah dilakukan terbebas dari masalah multikolinieritas.

Berdasarkan Tabel 11 dapat dilihat bahwa model faktor yang mempengaruhi perubahan nilai tambah sektor pertanian terhadap pembentukan PDRB memiliki koefisien determinasi (R2_{) sebesar 0.88. artinya variabel bebas dalam model}

mampu menjelaskan 88 persen variasi variabel terikat dan sisanya 12 persen dijelaskan oleh variabel lain diluar model. Hasil estimasi menunjukkan bahwa uji F siginifkan pada taraf nyata 5 persen (0.05) dengan probabilitas F statistic sebesar 0.000 yang lebih kecil dari 0.05. Hal ini menunjukkan bahwa variabel- variabel bebas dalam model secara bersama-sama memberikan pengaruh nyata terhadap perubahan kontribusi sektor pertanian terhadap PDRB.

Tabel 11 juga menunjukkan bahwa seluruh variabel bebas pada model secara parsial berpengaruh siginifikan terhadap perubahan nilai tambah sektor

pertanian pada taraf nyata 5 persen (α = 0,05) dengan nilai probabilitas sebesar 0.0084 pada variabel populasi (LN_N) dan 0.0035 pada variabel pendapatan perkapita (LN_YK).

Tabel 11 diatas juga menunjukkan bahwa seluruh variabel bebas pada model secara parsial berpengaruh siginifikan terhadap perubahan nilai tambah sektor

pertanian pada taraf nyata 1 persen (α = 0,01) dengan nilai probabilitas sebesar 0.0084 pada variabel populasi (LN_N) dan 0.0035 pada variabel pendapatan perkapita (LN_YK).

Variabel populasi memiliki parameter yang positif dan siginifikan terhadap nilai tambah sektor pertanian. Artinya, semakin tinggi populasi masyarakat semakin tinggi pula nilai tambah sektor pertanian. Hal ini tampaknya berhubungan dengan tingkat konsumsi produksi hasil-hasil pertanian terutama bahan pangan dimana tingkat populasi masyarakat menggambarkan market size dan tingkat skala ekonomi (Tarp et al. 2002).

Sementara itu, variabel pendapatan perkapita memiliki parameter yang negatif dan signifikan terhadap perubahan nilai tambah sektor pertanian. Artinya peningkatan pendapatan perkapita akan menyebabkan penurunan nilai tambah sektor pertanian terhadap PDRB. Hal ini sesuai dengan hasil penelitian Clark (1951) yang menyatakan bahwa semakin tinggi pendapatan perkapita suatu negara semakin kecil peranan sektor pertaniannya. Kesimpulan yang sama juga didapatkan dari hasil penelitian yang dilakukan oleh Tarp et al. (2002) pada Negara Mozambique yang menyimpulkan bahwa peningkatan pendapatan perkapita berpengaruh negatif terhadap nilai tambah sektor pertanian. Demikian juga dengan penelitian Budiharsono (1996) yang menyimpulkan bahwa kontribusi sektor pertanian mengalami penurunan seiring dengan peningkatan pendapatan perkapita.

Faktor-Faktor yang Mempengaruhi Perubahan Nilai Tambah Sektor Industri

Persamaan Chenery-Syrquin digunakan untuk menganalisis faktor-faktor yang mempengaruhi perubahan nilai tambah sektor industri. Dengan menggunakan data panel dari 4 Kabupaten selama periode 1998-2014. Estimasi model dilakukan dengan model efek tetap (fixed effect model) dan model efek acak (random effect model). Untuk memilih estimasi terbaik dari kedua model, dilakukan uji Hausman (Hausman Test). Berdasarkan Tabel 12 diketahui bahwa

probabilitas hasil uji Hausman lebih kecil dari taraf nyata 5 persen sehingga H0 ditolak, artinya estimasi dilakukan mengikuti model efek tetap (fixed effect model).

Tabel 12. Hasil Estimasi Model Analisis Faktor yang Mempengaruhi Nilai Tambah Sektor Industri dengan Model Efek Tetap (Fixed Effect Model)

Variabel Variabel Dependen

Koefisien Std. Error Prob

C -23.39416 10.62019 0.0313 LN_N 2.292899 0.793849 0.0053 LN_YK 4.258186 0.410396 0.0000 R Square 0.911958 Prob (F-Stat) 0.000000 Number Of Observation 68

Hausman Test Probability 0.0000

Hasil estimasi model pada Tabel 12 menggunakan metode GLS (generalized least square) yang telah diberi perlakuan cross section weight dan white heteroskedasticity sebagai pembobot sehingga dapat dikatakan bahwa hasil estimasi model diatas telah terbebas dari masalah heteroskedastisitas, dengan estimasi GLS pada lampiran 4 terlihat bahwa ragam dan rataan sudah konstan.

Uji autokorelasi dalam regresi data panel seringkali diabaikan kerena secara teoritis masalah auto korelasi terjadi hanya pada data time series, selain itu pendugaan dengan menggunakan metode GLS secara otomatis akan membuang autokorelasi urutan pertama (first order autocorelation) sehingga hasil estimasi pada persamaan perubahan kontribusi sektor industri diatas dapat dikatakan sudah tidak ada masalah autokorelasi.

Pelanggaran asumsi multikolinieritas dalam data panel jarang terjadi karena data panel merupakan penggabungan time series dan cross section sehingga akan menghasilkan lebih banyak variasi data dan lebih sedikit korelasi antar variabel independen. Indikasi adanya masalah multikolinieritas adalah ketika uji secara simultan (uji-F) disimpulkan siginifikan dengan R-squared yang tinggi namun tidak diikuti oleh uji parsial (uji t) yang signifikan. Hasil estimasi pada Tabel 12 terlihat bahwa semua variabel signifikan, bisa dikatakan bahwa estimasi yang telah dilakukan terbebas dari masalah multikolinieritas.

Berdasarkan Tabel 12 dapat dilihat bahwa model faktor yang mempengaruhi perubahan nilai tambah sektor industri memiliki koefisien determinasi (R2) sebesar 0.91. Artinya variabel bebas dalam model mampu menjelaskan 91 persen variasi variabel terikat dan sisanya 9 persen dijelaskan oleh variabel lain diluar

model. Hasil estimasi menunjukkan bahwa uji F siginifkan pada taraf nyata 5 persen (0.05) dengan probabilitas F statistic sebesar 0.000 yang lebih kecil dari 0.05. Hal ini menunjukkan bahwa variabel-variabel bebas dalam model secara bersama-sama memberikan pengaruh nyata terhadap perubahan kontribusi sektor industri terhadap PDRB.

Tabel 12 juga menunjukkan bahwa seluruh variabel bebas pada model secara parsial berpengaruh siginifikan terhadap perubahan kontribusi sektor industri pada taraf nyata 1 persen (α = 0,01) dengan nilai probabilitas sebesar 0.0053 pada variabel populasi (LN_N) dan 0.0000 pada variabel pendapatan perkapita (LN_YK).

Tabel 12 diatas juga menunjukkan bahwa seluruh variabel bebas pada model secara parsial berpengaruh siginifikan terhadap perubahan kontribusi sektor

industri pada taraf nyata 5 persen (α = 0,05) dengan nilai probabilitas sebesar

0.0053 pada variabel populasi (LN_N) dan 0.0000 pada variabel pendapatan perkapita (LN_YK).

Variabel populasi memiliki parameter yang positif dan siginifikan terhadap perubahan nilai tambah sektor industri. Artinya, semakin tinggi populasi masyarakat semakin tinggi pula nilai tambah sektor industri terhadap pembentukan PDRB. Secara tersirat populasi menggambarkan tingkat tenaga kerja pada sebuah sektor ekonomi dimana berdasarkan model dua sektor Arthur Lewis sektor industri merupakan sektor yang masih membutuhkan tenaga kerja sehingga tingkat populasi akan berpengaruh positif terhadap nilai tambah sektor industri, selain itu tingkat populasi juga menggambarkan market size dalam suatu perekonomian sehingga akan berpengaruh positif terhadap peningkatan nilai tambah sektoral termasuk sektor industri. Hasil penelitian ini sama dengan hasil penelitian yang dilakukan oleh Tarp et al. (2002) yang melakukan penelitian di Negara Mozambique bahwa populasi berpengaruh positif terhadap kontribusi sektor industri.

Variabel pendapatan perkapita memiliki parameter yang positif dan signifikan terhadap perubahan nilai tambah sektor industri. Artinya peningkatan pendapatan perkapita akan meningkatkan nilai tambah sektor industri. Hasil penelitian ini sesuai dengan analisis pola pembangunan Chenery-Syrquin; peningkatan pendapatan perkapita akan meningkatkan nilai tambah sektor industri. Peningkatan tersebut disebabkan oleh adanya perubahan pola konsumsi masyarakat dimana ada pergeseran pola konsumsi dari barang-barang pangan ke barang-barang manufaktur bernilai tinggi sebagai akibat keterbatasan manusia dalam mengkonsumsi barang-barang pangan. Kenyataan tersebut juga didukung oleh hukum Engels yang menyatakan bahwa elastisitas permintaan sebagai akibat peningkatan pendapatan adalah inelastis untuk barang-barang pangan (pertanian) dan elastis untuk barang-barang manufaktur dan jasa.

Identik dengan hasil penelitian diatas, penelitian Haraguchi dan Rezonja (2011), yang meneliti struktur ekonomi negara-negara di dunia mendapatkan kesimpulan bahwa pendapatan perkapita berkorelasi positif terhadap kontribusi sektor industri. Hasil yang sama juga didapat dari penelitian Tarp et al. (2002).

Faktor-Faktor yang Mempengaruhi Perubahan Nilai Tambah Sektor Jasa Persamaan Chenery-Syrquin digunakan untuk menganalisis faktor-faktor yang memengaruhi perubahan nilai tambah sektor jasa terhadap pembentukan PDRB. Dengan menggunakan data panel dari 4 Kabupaten selama periode 1998- 2014. Estimasi model dilakukan dengan model efek tetap (fixed effect model) dan model efect acak (random effect model). Untuk memilih estimasi terbaik dari kedua model, dilakukan uji Hausman (Hausman Test). Berdasarkan Tabel 13 diketahui bahwa probabilitas hasil uji Hausman lebih besar dari taraf nyata 5 persen sehingga H0 diterima, artinya estimasi dilakukan mengikuti model efek acak (random effect model). Hasil estimasi model dapat dilihat pada Tabel 13. Tabel 13. Hasil Estimasi Model Analisis Faktor yang Mempengaruhi Nilai

Tambah Sektor Jasa dengan Model Acak (Random Effect Model)

Variabel Variabel Dependen

Koefisien Std. Error Prob

C -6.543272 6.561816 0.3224 LN_N 1.478234 0.483803 0.0033 LN_YK 0.170578 0.165349 0.3061 R Square 0.329162 Prob (F-Stat) 0.000002 Number Of Observation 68

Hausman Test Probability 0.6900

Pendugaan parameter yang baik adalah yang bersifat BLUE, pada persamaan perubahan nilai tambah sektor jasa diatas dilakukan uji yang dapat mendeteksi adanya pelanggaran asumsi klasik pada model baik berupa gangguan antar waktu (time-related disturbance), gangguan antar individu (cross sectional disturbance) maupun gangguan akibat keduanya. Masalah heteroskedastisitas pada data panel bisa diatasi dengan cara memberi perlakuan cross section weight dan white heteroskedasticity consistent covariance (Gudjarati 2003).

Hasil estimasi model pada Tabel 13 menggunakan metode GLS (generalized least square) yang telah diberi perlakuan cross section weight dan white heteroskedasticity sebagai pembobot sehingga dapat dikatakan bahwa hasil estimasi model diatas telah terbebas dari masalah heteroskedastisitas, dengan estimasi GLS pada lampiran 6 terlihat bahwa ragam dan rataan sudah konstan.

Uji autokorelasi dalam regresi data panel seringkali diabaikan kerena secara teoritis masalah auto korelasi terjadi hanya pada data time series, selain itu pendugaan dengan menggunakan metode GLS secara otomatis akan membuang autokorelasi urutan pertama (first order autocorelation) sehingga hasil estimasi pada persamaan share sektor industri diatas dapat dikatakan sudah tidak ada masalah autokorelasi.

terlihat bahwa setidaknya terdapat 1 variabel signifikan, serta R-squared yang tidak terlalu tinggi sehingga bisa dikatakan bahwa estimasi yang telah dilakukan terbebas dari masalah multikolinieritas.

Berdasarkan Tabel 13 dapat dilihat bahwa model faktor yang mempengaruhi perubahan nilai tambah sektor jasa terhadap pembentukan PDRB memiliki koefisien determinasi (R2_{) sebesar 0.32. Artinya variabel bebas dalam model}

menjelaskan 32 persen variasi variabel terikat dan sisanya 68 persen dijelaskan oleh variabel lain diluar model. Hasil estimasi menunjukkan bahwa uji F siginifkan pada taraf nyata 5 persen (0.05) dengan probabilitas F statistic sebesar 0.0002 yang lebih kecil dari 0.05. Hal ini menunjukkan bahwa variabel-variabel bebas dalam model secara bersama-sama memberikan pengaruh nyata terhadap perubahan kontribusi sektor jasa terhadap PDRB.

Tabel 13 juga menunjukkan hanya variabel populasi (N) yang berpengaruh siginifikan terhadap perubahan kontribusi sektor jasa pada taraf nyata 1 persen (α = 0,01) dengan nilai probabilitas sebesar 0.0033 pada variabel populasi (LN_POP), sementara itu variabel pendapatan perkapita (LN_YK) tidak siginifkan dengan probabilitas sebesar 0.3061.

Variabel populasi memiliki parameter yang positif dan siginifikan terhadap perubahan nilai tambah sektor jasa. Artinya, semakin tinggi populasi masyarakat semakin tinggi pula nilai tambah sektor jasa terhadap pembentukan PDRB. Tingkat populasi menggambarkan market size; semakin tinggi tingkat populasi masyarakat semakin besar nilai tambah yang bisa dihasilkan oleh sektor jasa. Hasil estimasi ini sejalan dengan hasil penelitian Fransiskus et al. (2015) dimana popolasi memiliki pengaruh yang signifikan terhadap peningkatan kontribusi sektor jasa.

Sementara itu, variabel pendapatan perkapita meiliki parameter yang positif meskipun tidak signifikan. Artinya peningkatan pendapatan perkapita akan meningkatkan nilai tambah sektor jasa secara tidak signifikan. Hal ini agak berbeda dengan pola pembangunan Chenery-Syrquin yang menyatakan peningkatan pendapatan perkapita akan meningkatkan nilai tambah sektor industri dan jasa secara signifikan. Hal ini tampaknya berhubungan erat dengan pola konsumsi masyarakat Madura yang masih mengalokasikan peningkatan pendapatannya ke barang-barang industri dan belum banyak dialokasikan untuk sektor jasa.

Korelasi positif antara pendapatan perkapita dengan nilai tambah sektor jasa juga ditemukan pada penelitian Tarp et al. (2002). Hasil penelitian Fransiskus et al. (2015) juga mendapatkan hasil yang berbeda dimana pendapatan per kapita hanya berpengaruh secara siginifikan terhadap peningkatan kontribusi sub sektor perdagangan, perhotelan dan restoran. Hasil tersebut mempertegas kenapa anomali terjadi pada hasil estimasi penelitian ini, dimana peningkatan nilai tambah sub sektor jasa tidak semuanya dipengaruhi oleh peningkatan pendapatan perkapita, hanya sektor perdagangan, perhotelan dan restauran. Ketiga sub sektor jasa tersebut masih jarang di akses oleh mayoritas masyarakat Madura.

Pengaruh Pertumbuhan Ekonomi Sektoral terhadap Kemiskinan Pertumbuhan ekonomi sektoral memiliki keterkaitan yang erat dengan transformasi struktural karena transformasi struktural terjadi berdasarkan

Dalam dokumen Transformasi Struktural Di Madura: Pengaruh Pertumbuhan Ekonomi Sektoral Terhadap Kemiskinan Dan Ketimpangan Pendapatan (Halaman 56-71)