Jenis data yang digunakan adalah data sekunder berupa data panel dengan objeknya adalah 5 kotamadya yang ada di DKI Jakarta sebagai cross sectionnya dan dengan mengambil waktu dari time series tahun 2002-2012. Data yang digunakan adalah data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) DKI Jakarta, Badan Perencanaan Pembangunan Daerah (BAPPEDA Jakarta), Dinas Pelayanan Pajak DKI Jakarta, dan Dinas Perhubungan (Dishub) DKI Jakarta serta Dinas pekerjaan Umum DKI Jakarta. Variabel terdiri dari PDRB, panjang jalan, investasi dalam dan luar negeri, Jumlah penduduk.Pengolahan data dilakukan dengan menggunakan Microsoft Excel 2010 dan Eviews 6.
Lokasi dan Waktu Penelitian
Penelitian dilakukan di daerah DKI Jakarta, dengan beberapa pertimbangan. Yaitu:
1. Merupakan salah satu provinsi yang posisi geografisnya sebagai pusat pemerintahan, ekonomi dan bisnis.
17 2. Salah satu provinsi dengan tingkat pertumbuhan ekonomi yang tinggi
apabila dilihat dari nilai PDRB-nya.
3. Kepadatan penduduk yang selalu bertambah akibat DKI Jakarta merupakan ibu kota Negara.
4. Adanya biaya lebih akibat kemacetan lalu lintas (nilai,waktu,biaya bahan bakar dan biaya kesehatan).
Sehubungan dengan keterbatasan data yang dapat diperoleh, maka penelitian ini hanya mengkaji fenomena yang terjadi dari tahun 2002-2012 dengan jumlah 5 Kotamadya di DKI Jakarta.
Metode Pengumpulan Data
Penelitian ini diolah dengan metode data panel menggunakan data sekunder yang diperoleh dari instansi yang bersangkutan. Pengambilan data diambil dengan cara memperoleh data sekunder. Data yang diambil dalam penelitian ini sebanyak 5 variabel yaitu data panjang jalan, produk domestik regional bruto, investasi dalam dan luar negeri serta jumlah penduduk.Penelitian ini bertujuan untuk melihat dampak hubungan panjang jalan serta jumlah penduduk terhadap produk domestik regional bruto di DKI Jakarta.
Metode Pengolahan dengan regresi panel
Analisis Deskriptif digunakaan untuk melihat dan mendeskripsikan penafsiran dampak hubungan antara infrastruktur jalan dan jumlah penduduk terhadap produk domestik regional bruto.Metode analisis data yang digunakan dalam penelitian ini menggunakan pendekatananalisis deskriptif kualitatif. Pendekatan analisis kualitatif digunakan untuk menampilkan data dalam bentuk tabel dan diagram serta penjelasan mengenai data tersebut.Gambaran tersebut nanti pada akhirnya dapat menunjukan bahwa yang terjadi pada dampak pembangunan infrastruktur jalan terhadap pertumbuhan ekonomi DKI Jakarta.
Analisis Deskriptif
Metode analisis deskriptif merupakan suatu metode analisis yang sederhana yang dapat digunakan untuk menggambarkan kondisi suatu observasi dengan menyajikannya dalam bentuk tabel, grafik maupun narasi dengan tujuanuntuk memudahkan pembaca dalam menafsirkan hasil observasi.
Metode analisis deskriptif dalam penelitian ini digunakan untuk menggambarkan secara umum keadaan provinsi DKI Jakarta yang memiliki 5 kotamadya pada periode 2002-2012. Metode ini digunakan untuk melihat secara sederhana dampak infrastruktur jalan terhadap pertumbuhan ekonomi di daerah DKI jakarta. Penelitian ini menggunakan model panel dengan tiga cara yaitu
Pooled OLS Model, Fixed Effect Model, Random Effect Model. Kemudian dari hasil model tersebut nanti akan dipilih mana model yang terbaik untuk
18
menjelaskan dampak infrastruktur jalan terhadap pertumbuhan ekonomi di DKI Jakarta.
Analisis Pengaruh Infrastruktur Jalan Terhadap Pertumbuhan Ekonomi Tujuan utama penggunaan persamaan regresi adalah untuk memperkirakan nilai dari variabel tak bebas pada nilai variabel bebas tertentu (Supranto 2000).Dengan mengacu pada penelitian sebelumnya, yaitu Analisis Peran Infrastruktur Terhadap Pertumbuhan Ekonomi Provinsi Jawa Barat yang ditulis oleh Evanti Andriani (2013) , penulis menggunakan metode regresi ini untuk menjelaskan pengaruhinfrastruktur terhadap pertumbuhan ekonomi. Pada penelitian ini analisis regresiyang digunakan adalah analisis regresi data panel, untuk menjelaskan pengaruhinfrastruktur jalan terhadap pertumbuhan ekonomi di DKI Jakarta dengan membaginya menjadi 5 Kotamadya.Sehubungan dengan digunakannya data panel dalam penelitian ini, maka datayang digunakan akan dianalisis menggunakan teknik estimasi data panel, yaitudengan metode Ordinay Least Squares (OLS) menggunakan teknik Pooled OLS Model,Fixed Effect Model dan Random Effect Model. Kemudian berdasarkanhasil dari ketiga model tersebut, akan ditentukan model mana yang lebih tepatmenjelaskan faktor-faktor di bidang infrastruktur jalan yang memengaruhipertumbuhan ekonomi dengan menggunakan uji kesesuaian model dengan Chow test dan Haussman Test. Untuk menganalisis dampak pembangunan infrastruktur jalan terhadap pertumbuhan ekonomi di DKI Jakarta variabel yang digunakan PDRB ADHK 2000, panjang jalan berdasarkan provinsi dibagi luas lahan per wilayah, jumlah penduduk, investasi dalam dan luar negeri. Model yang digunakan tersebut merupakan model yang diadaptasi dari model pertumbuhan ekonomi dan model penelitian terdahulu. LnPDRBit = α0+ α1lnPJit + α2lnPNDDKit + α3lnPMAit +α4lnPMDNit +εit
dimana :
PDRBit = Pertumbuhan ekonomi di DKI Jakarta (juta rupiah) PJit = Panjang jalan di DKI Jakarta menurut provinsi (km2 ) PNDDKit = Jumlah penduduk di DKI Jakarta (000 jiwa)
PMAit = Investasi asing di DKI Jakarta (US$)
PMDNit = Investasi dalam negeri di DKI Jakarta (milyar Rp)
Εit = Simpangan/eror
Model Pooled OLS (Constant Coefficient Model)
Model Pooled OLS adalah salah satu tipe model data panel yangmemiliki koefisien yang konstan untuk intersep dan slope. Untukmodel data panel ini dapat menggunakan metode Ordinary Least Squares Regression Model. Model pooled OLS dapat didefinisikanke dalam model berikut:
19 dimana i menunjukkan urutan kotamadya yang diobservasi pada data cross-section, sedangkan t menunjukkan periode pada data time-series.Namun, pada metode ini asumsi yang digunakan menjadi sangatterbatas karena pada model tersebut diasumsikan intersep dan koefisiendari setiap variabel sama untuk setiap kotamaadya yang diobservasi.Penggunaan asumsi ini secara logika menyebabkan model pooled OLSmenjadi tidak cukup tepat menjelaskan model dalam penelitian ini.Untuk itu dilakukan uji kesesuaian model dengan Chow test untukmenentukan jika model sesuai menggunakan model pooled OLS.
Model Fixed Effect
Tipe model data panel ini memiliki konstan slope namun memiliki intersep yang bergantung pada data panel dari serangkaian grupobservasi (cross section) dalam hal ini adalah kotamadya yang diobservasi. Model ini dikenal juga sebagai
Least Squares Dummy Variable Model, karena sebanyak i-1 variabel dummy
digunakandalam model ini. Persamaan model ini adalah sebagai berikut: Yit= α1+ αgrup1 + αgrup2 + β2X2it + β3X3it + εit
Model Random Effect
Dalam model ini terdapat perbedaan intersep untuk setiap kotamadya dan intersep tersebut merupakan variabel random atau stokastik. Sehingga dalam model random effects terdapat dua komponen residual,yakni residual secara
menyeluruh itε dan residual secara individu.Persamaan model random effects
dapat ditulis sebagai berikut:
Yit= β1 + β1X1it + β2X2it + εit + υit
Metode Pemilihan Model (Uji Kesesuaian Model) Chow Test
Gujarati dalam Hartati (2008) menjelaskan bahwa Chow test digunakan untuk menentukan model yang akan digunakan, apakah lebih tepat dijelaskan olehmodel Pooled OLS atau model Fixed Effect. Seperti yang telah dijelaskan sebelumnya bahwa asumsi konstan slope dan intersep pada model Pooled OLSpada kenyataannya tidak cukup realistis. Pengujian ini dilakukan dengan hipotesissebagai berikut:
H0 : Model adalah model Pooled Least Square
H1 : Model adalah model Fixed Effect
Dasar penolakan terhadap H0 adalah dengan menggunakan F-statistic
seperti yang dirumuskan oleh Chow: F stat= (ESS1-ESS2)/ (N-1) (ESS2)/(NT-N-K) dimana:
ESS1 = Residual Sum Square hasil pendugaan model pooled least square
20
N = Jumlah data cross section
T = Jumlah data time series
K = Jumlah variabel penjelas
Statistik Chow test mengikuti distribusi F-statistic dengan derajat bebas (N-1,NT-N-K), jika nilai CHOW statistic (F-stat) hasil pengujian lebihbesar dari F-tabel, maka cukup bukti untuk melakukan penolakan terhadap H0sehingga model yang digunakan adalah fixed effect, dan begitu juga sebaliknya.
Haussman Test
Gujarati dalam Hartati (2008) menjelaskan bahwa pengujian yang dilakukan setelah Chow Test adalah Haussman Test, yang digunakan untuk menentukan apakah model lebih tepat dijelaskan dengan model fixed effect atau model random effect. Hausman test dilakukan dengan hipotesis sebagai berikut:
H0 : Model adalah model Random Effect
H1 : Model adalah model Fixed Effect
Dasar penolakan H0 dengan membandingkan Statistik Hausman dengan Chi-Square. Statistik Hausman dirumuskan dengan:
m = (β – b)(M0– M1)-1–(β –b) ≈ χ 2
Dimana β adalah vektor untuk statistik variabel fixed effect, b adalah vektorn statistik variabel random effect, 0 M adalah matriks kovarians untuk dugaan fixed effect model, dan 1 M adalah matriks kovarians untuk dugaan
random effectmodel. H0 ditolak jika nilai m hasil pengujian lebih besar dari χ2 -tabel, sehingga model yang digunakan adalah model fixed effect, dan begitu pula sebaliknya.
Uji Hipotesis
Uji hipotesis berguna untuk memeriksa atau menguji apakah variabelvariabel yang digunakan dalam model regresi signifikan atau tidak. Maksud dari signifikan ini adalah suatu nilai dari parameter regresi yang secara statistik tidak sama dengan nol. Ada dua jenis uji hipotesis yang dapat dilakukan terhadap variabel regresi. Uji tersebut adalah Uji-F dan Uji-t.
Uji-F ini dilakukan untuk mengetahui apakah variabel independen di dalam model secara bersama-sama berpengaruh terhadap variabel dependen yang digunakan. Perumusan hipotesis pada Uji-F adalah:
H0 : β1 = β2 = β3 = βk = 0
H1 : Minimal ada satu nilai β yang tidak sama dengan nol
Kriteria ujinya adalah jika Fhitung >Ftabel,α(k-1)(n-k) maka tolak H0, dimana k adalah jumlah variabel (dengan intercept) dan jumlah observasi yang dilambangkan dengan huruf n. Selain itu, jika probabilitas (p-value)< taraf nyata maka sudah cukup bukti untuk menolak H0. Jika tolak H0 berarti secara bersama sama variabel bebas dalam model berpengaruh nyata terhadap variabel tidak
21
Uji-t merupakan pengujian ini dilakukan untuk mengetahui apakah variabel independen secara individu (masing-masing) berpengaruh signifikan atau tidak terhadap variabel independen. Hipotesis yang digunakan adalah sebagai berikut:
H0 : βk = 0
H1 : βk ≠ 0
Kriteria uji yang digunakan adalah jika │thitung│> tα/2,(n-k) maka tolak H0, dimana jumlah observasi dilambangkan dengan huruf n, dan huruf k melambangkan jumlah variabel (termasuk intercept). Selain itu, jika probabilitas (p-value) lebih kecil dari taraf nyata maka dapat digunakan juga untuk menolak H0.Jika tolak H0 berarti variabel bebas dalam model berpengaruh nyata terhadap
variabel tidak bebas pada taraf nyata α %, demikian pula sebaliknya.
Koefisien Determinasi
Koefisien determinasi yang dilambangkan dengan R2 adalah suatu angka yang mengukur keragaman pada variabel dependen yang dapat diterangkan oleh variasi pada model regresi.Nilai ini berkisar antara nol sampai satu (0<R2<1), dengan nilai yang semakin mendekati satu menunjukkan model yang terbentuk mampu menjelaskan keragaman dari variabel dependen, demikian pula sebaliknya.
Uji Asumsi
Upaya untuk menghasilkan model yang efisien, tak bias, dan konsisten, maka perlu dilakukan terhadap pelanggaran/gangguan asumsi dasar ekonometrika yang berupa gangguan antar waktu (time-related disturbance), gangguan antar daerah atau antar provinsi (cross sectional disturbance), dan gangguan akibat keduanya. Beberapa asumsi mendasar yang perlu diuji dalam membuat persamaan adalah heteroskedastisitas, multikolinearitas, dan autokorelasi.
Uji Heteroskedastisitas
Heteroskedastisitas adalah salah satu penyimpanan pada asumsi klasik statistika. Heteroskedastisitas terjadi jika ragam sisaan tidak konstan, hal ini
dilambangkan dengan Var (μi 2) = σ I2
. Masalah ini sering terjadi jika ada penggunaan data cross section dalam estimasi model, namun masalah ini juga dapat terjadi dalam data time series.Heteroskedastisitas biasanya diperoleh pada data cross section, jika pada model dijumpai heteroskedastisitas, maka model menjadi tidak efisien meskipun tidak bias dan konsisten. Mendeteksi adanya pelanggaran asumsi heteroskedastisitas, digunakan uji- White Heteroskedasticity
yang diperoleh dalam program Eviews 6. Pengolahan data panel dalam Eviews 6 menggunakan metode General least square (cross Section Weights) maka untuk
22
mendeteksi adanya heteroskedasitisitas adalah dengan membandingkan Sum Square Resid pada weighted statistic dengan unweigth statistics.
Uji Multikolinearitas
Multikolinearitas merupakan suatu penyimpangan asumsi akibat adanya keterkaitan atau hubungan linier antar variabel bebas penyusun model.Indikasi adanya multikolinearitas dapat dilihat jika dalam model yang dihasilkan terbukti signifikan secara keseluruhan (uji-F) dan memiliki nilai R-Squared yang tinggi namun banyak variabel yang tidak signifikan (uji-t). Salah satu cara mengatasi masalah ini adalah dengan menggabungkan data cross section dengan data time series (Juanda 2009).
Uji Autokorelasi
Autokorelasi berarti adanya korelasi antara anggota observasi satu denganobservasi yang berlainan waktu.Autokorelasi bisa didefinisikan korelasi yangterjadi antar observasi dalam satu peubah atau korelasi antar error masa yang laludengan error masa sekarang.Uji autokorelasi yang dilakukan tergantung padajenis data dan sifat model yang digunakan.Autokorelasi dapat memengaruhiefisiensi dari estimatornya.
Ada beberapa metode untuk uji autokorelasi antara lain metode Breusch-Godfrey dan metode Durbin-Watson (DW). Uji korelasi Durbin-Watson relative mudah dilakukan karena informasi nilai statistik hitungnya selalu diinformasikansetiap program komputer termasuk dalam E-views versi 6.
Mengetahui ada/tidaknya autokorelasi, maka dilakukan dengan membandingkan DW statistiknya dengan DW-tabel.Sebuah model dapat dikatakan terbebas dari autokorelasi jika nilai DW statistiknya terletak di area non negatif autokorelasi. Penentuan area tersebut dibantu dengan nilai tabel DL dan DU. Jumlah observasi (N) dan jumlah variabel independen (K), dengan menggunakan hipotesis pengujian sebagai berikut:
H0 : Tidak terdapat autokorelasi H1 : Terdapat autokorelasi
Maka aturan pengujiannya adalah sebagai berikut:
0 < DW < DL : tolak H0, ada autokorelasi positif
DL < DW < DU : daerah ragu-ragu, tidak ada keputusan
DU < DW< 4-DU : terima H0, tidak ada autokorelasi
4-DU < DW < 4-DL : daerah ragu-ragu, tidak ada keputusan
4-DL < DW < 4 : tolak H0, ada autokorelasi Uji Normalitas
Uji normalitas digunakan untuk memeriksa apakah error term menyebar normal atau tidak. Hipotesis yang digunakan adalah:
H0 :error term menyebar normal H1 :error term tidak menyebar normal
Uji normalitas diaplikasikan dengan melakukan tes Jarque Bera, jika nilai probabilitas yang diperoleh lebih besar dari taraf nyata yang digunakan, maka terima H0, yang berarti error term dalam model sudah menyebar normal.
23
Gambaran Umum
Kondisi Pertumbuhan Ekonomi di DKI Jakarta
Laju pertumbuhan ekonomi yang diukur dari PDRB atas dasar harga konstan, menunjukkan total PDRB kabupaten/kota di DKI Jakarta yang tercipta pada tahun 2012 meningkat sebesar 6,49 persen bila dibandingkan dengan tahun 2011, yakni dari Rp 417,39 triliun menjadi Rp 444,50 triliun. Wilayah dengan pertumbuhan tercepat adalah Kota Administrasi Jakarta Pusat dengan pertumbuhan sebesar 6,75 persen. Tingginya pertumbuhan yang dicapai oleh wilayah ini didorong oleh tingginya pertumbuhan sektor pengangkutan dan komunikasi terutama sub sektor komunikasi yang meningkat lebih dari 10 persen pada tahun 2012. Jakarta Selatan sebagai kota kedua yang merupakan pusat pertumbuhan perekonomian Jakarta tumbuh 6,69 persen. Wilayah lainnya juga mampu menunjukkan pertumbuhan diatas 6 persen.
Pertumbuhan terbesar berasal dari wilayah Jakarta Pusat dan Jakarta Selatan, yang masing-masing menyumbang 1,78 poin dan 1,52 poin dari laju pertumbuhan yang sebesar 6,49 persen. Hal ini dirasakan wajar, mengingat perekonomian di kedua wilayah tersebut digerakan oleh sektor tersier yang merupakan sektor dominan dalam perekonomian Jakarta. Sumber pertumbuhan terbesar berikutnya berasal dari Kota Jakarta Utara dengan kontribusi 1,12 poin. Kontribusi ini tentunya berasal dari kinerja sektor industri pengolahan yang menjadi sektor andalan di wilayah tersebut, terutama industri kendaraan bermotor. Pada tahun 2012 Jakarta Pusat dan Jakarta Selatan memberikan rata-rata kontribusi terhadap total Produk Domestik Regional Bruto Kabupaten/Kota se-DKI Jakarta masing-masing sebesar 26,58 persen (Rp 292,56 triliun) dan 22,30 persen (Rp 245,50 triliun) dari total PDRB Kabupaten/Kota yang sebesar 1.100,84 triliun rupiah. Setelah itu diikuti oleh Kota Jakarta Utara 18,85 persen (Rp 207,49 triliun), Kota Jakarta Timur 16,95 persen (Rp 186,60 triliun), Kota Jakarta Barat 14,81 persen (Rp 163,04 triliun). Faktor-faktor yang menyebabkan tingginya prekonomian DKI Jakarta berasal dari sektor sektor perdagangan, sektor pengangkutan, sektor keuangan, dan sektor jasa-jasa. (Pemprov DKI Jakarta 2012).
Struktur perekonomian Jakarta pada tahun 2012, bila dilihat dari kontribusinya pada PDRB, didominasi oleh sektor jasa (tersier) yang memiliki peranan sebesar 71,30 persen. Pembentuk sektor tersier meliputi Sektor Perdagangan, Hotel, dan Restoran yang mempunyai kontribusi terhadap perekonomian daerah sekitar 21,80 persen, Sektor Keuangan, Real Estate, dan Jasa Perusahaan sekitar 27,90 persen, dan kontribusi Sektor Pengangkutan dan Komunikasi sebesar 12,40 persen, serta Sektor Jasa-jasa sebesar 11,60 persen. Ini menunjukkan struktur perekonomian Jakarta sudah mengarah kepada struktur jasa (Pemprov DKI Jakarta 2012)
24
Tabel 4 PDRB ADHK menurut Kabupaten/Kota Tahun2010-2011, Pertumbuhan Ekonomi 2011 Wilayah PDRB Konstan(MilyarRp) Pertumbuhannya (%) 2010 2011 Jakarta Selatan 88 730.44 94 920.21 6.98 Jakarta Timur 66 725.67 70 918.90 6.28 Jakarta Pusat 102 859.74 110 007.95 6.95 Jakarta Barat 58 720.17 62 389.55 6.25 Jakarta Utara 73 383.11 78 046.75 6.36
Sumber : BPS DKI Jakarta 2011
Kondisi infrastruktur di DKI Jakarta
Kondisi infrastruktur di DKI Jakarta relatif masih buruk sehingga menghambat kelancaran distribusi untuk menjamin ketersediaan produk barang dan jasa agar inflasinya dapat terkendali. Pembangunan infrastruktur harus dilakukan untuk menjamin ketersediaan pasokan barang konsumsi serta memperkuat domestik ekonomi kota Jakarta, peningkatan kualitas infrastruktur sangat penting dalam hal investasi. Masterplan percepatan dan perluasan pembangunan ekonomi juga sudah di fokuskan dalam hal pembangunan infrastruktur. Sebagai kota industri, pembangunan infrastruktur logistik seperti pelabuhan dan jalan sangat penting karena berkaitan langsung dengan produktivitas ekonomi. Dari setiap wilayah yang ada di DKI Jakarta hampir semua infrastrukturnya kurang memadai terutama pada infrastruktur jalan yang mana sering terjadi kemacetan di seluruh wilayah.Pembangunan infrastruktur di Jakarta sangat strategis guna mengatasi masalah seperti kemacetan lalu lintas, banjir dan menarik investasi, serta untuk mendukung kegiatan perdagangan melalui bandara, pelabuhan dan mewujudkan kawasan ekonomi.Masalah infrastruktur di Jakarta sangat mendesak untuk segera dicarikan solusinya dalam rangka mengantisipasi pembentukan Asean Economic Community pada 2015 dan mengatasi krisis global.Direktorat Lalu Lintas Polda Metro Jaya pada tahun 2012 mencatat, ada 619 lokasi jalan rusak di Jakarta.
Pada Tabel ini akan di tampilkan kondisi titik jalan rusak di DKI Jakarta pada Tahun 2012.
Tabel 5 Lokasi Jalan Rusak di DKI Jakarta
Wilayah Titik Jalan Jalan Sudah Jalan Masih Luas Jalan
Rusak Diperbaiki Rusak Rusak (Meter)
Jakarta Selatan 157 31 126 16.585
Jakarta Timur 136 7 129 80.557
Jakarta Pusat 120 93 27 3.871
Jakarta Barat 115 99 16 24.76
Jakarta Utara 91 52 39 14.625
25 Dalam hal ini menurut Badan Pusat Statistika data panjang jalan menurut provinsi, luas wilayah, penduduk, dan kepadatan penduduk di DKI Jakarta sebagai berikut yang di jelaskan dalam tabel 5.
Tabel 6 Panjang jalan dan Jumlah Penduduk DKI Jakarta
Tahun Wilayah panjang Luas Penduduk Kepadatan
Jalan (KM2)) Wilayah (KM2) (000 jiwa) Penduduk (000 jiwa/KM2)) 2002 Jakarta Selatan 347020.7 145.73 1 691 320 11 634 Jakarta Timur 375410.47 187.73 2 082 920 11 095 Jakarta Pusat 236419.6 47.90 922 242 19 253 Jakarta Barat 269248.97 126.15 1 567 522 12 426 Jakarta Utara 247751.25 154.01 1 179 026 8 285 2005 Jakarta Selatan 348715.7 145.73 1 995 214 13 691 Jakarta Timur 377240.93 187.75 2 393 788 1 275 Jakarta Pusat 242486.6 48.20 861 531 17 874 Jakarta Barat 279022.27 126.15 2 322 232 18 408 Jakarta Utara 249401.25 141.88 1 446 728 10 197 2010 Jakarta Selatan 1167292.58 141.27 2 062 232 14 597.81 Jakarta Timur 1311425 188.03 2 693 896 14 326.95 Jakarta Pusat 654084.55 48.13 902.973 18 761.13 Jakarta Barat 2393883.45 129.54 2.281.945 17 615.76 Jakarta Utara 1073227.26 146.66 1 645 659 11 220.91 2011 Jakarta Selatan 2393883.45 141.27 2 062 232 14 597.81 Jakarta Timur 1311425 188.03 2 693 896 14 326.95 Jakarta Pusat 654084.55 48.13 902 973 18 761.13 Jakarta Barat 1173542.58 129.54 2 281 945 17 615.76 Jakarta Utara 1133229.26 146.66 1 645 659 11 220.91 2012 Jakarta Selatan 2393883.45 141.27 2 148 261 15 206.77 Jakarta Timur 1311425 188.03 2 801 784 14 900.73 Jakarta Pusat 654084.55 48.13 908 829 18 882.8 Jakarta Barat 1173542.58 129.54 2 395 130 18 489.5 Jakarta Utara 1133229.26 146.66 1 715 564 11 697.56
Sumber : BPS DKI Jakarta 2011
Kondisi kependudukan
Penduduk merupakan salah satu modal dasar dalam menjalankan aktivitas pembangunan. Semakin banyak jumlah penduduk berarti semakin tingginya tingkat produksi dan konsumis. Sebagian besar penduduk Indonesia terpusat di DKI Jakarta. Hal ini dikarenakan ketimpangan daerah di DKI Jakarta yang pembangunannya lebih baik.Jumlah penduduk di DKI Jakarta begitu besar dan selalu bertambah setiap tahunnya, namun tidak diimbangi dengan pemerataan
26
penyebaran penduduk.kepadatan penduduk merupakan perbandingan jumlah penduduk terhadap luas wilayah yang dihuni.Ukuran yang digunakan biasanya adalah jumlah penduduk setiap satu km2 atau setiap satu mil2.Permasalahan dalam kepadatan penduduk adalah persebarannya yang tidak merata.Kondisi demikian menimbulkan banyak permasalahan, misalnya pengangguran, kemiskinan, kriminalitas, pemukiman kumuh.
Kondisi Investasi Asing dan Dalam Negeri
Investasi menjadi salah satu kata kunci dalam setiap upaya menciptakan pertumbuhan ekonomi baru bagi perluasan penciptaan lapangan kerja, peningkatan pendapatan, pembangunan infrastruktur dan penanggulangan kemiskinan. Melalui peningkatan kegiatan investasi, baik dalam bentuk akumulasi kapital domestik maupun luar negeri, akan menjadi faktor pengungkit yang sangat dibutuhkan bagi suatu negara dalam menggerakan mesin ekonomi mengawal pertumbuhan yang berkelanjutan.
Dalam hal investasi asing dan dalam negeri kota DKI Jakarta termasuk daerah yang tergolong memiliki investasi yang besar. Pada tahun 2002 DKI Jakarta memiliki investasi dalam negeri sebesar 2.225.941 milyar, sedangkan investasi asingnya sebesar 1.234.429 US$. Pada tahun 2005 DKI Jakarta memiliki investasi dalam negeri sebesar 3.792.133 milyar, sedangkan investasi asingnya sebesar 3.267.000 US$. Pada tahun 2010 investasi di DKI Jakarta terus mengalami peningkatan, terlihat pada data bahwa nilai investasi dalam negeri sebesar 4.598.517 milyar, sedangkan investasi asingnya 6.428.732 US$.
Pada tahun 2011 investasi dalam negeri di DKI Jakarta mengalami peningkatan, tetapi sebaliknya pada tahun 2011 investasi luar negeri di DKI Jakarta mengalami penurunan dari tahun sebelumnya. Nilai investasi dalam negeri DKI Jakarta pada tahun 2011 adalah 9.256.404 milyar sedangkan investasi asingnya 4.824.000 US$. Pada tahun 2012 nilai investasi di DKI Jakarta baik investasi dalam negeri maupun investasi asing mengalami penurunan. Penurunan nilai investasi dalam negeri dan investasi asing sangat tinggi. Terlihat dari nilai investasi dalam negeri DKI Jakarta pada tahun 2012 adalah 3.152.129 milyar, sedangkan nilai investasi asing 1.438.127 US$
27 Tabel 7 investasi asing dan investasi dalam negeri di DKI Jakarta
Tahun Wilayah PMDN(juta/million Rp) PMA(ribu/thousands US $) 2002 Jakarta Selatan 2225941 1234429 Jakarta Timur 2225941 1234429 Jakarta Pusat 2225941 1234429 Jakarta Barat 2225941 1234429 Jakarta Utara 2225941 1234429 2005 Jakarta Selatan 3792133 3267000 Jakarta Timur 3792133 3267000 Jakarta Pusat 3792133 3267000 Jakarta Barat 3792133 3267000 Jakarta Utara 3792133 3267000 2010 Jakarta Selatan 4598517 6428732 Jakarta Timur 4598517 6428732 Jakarta Pusat 4598517 6428732 Jakarta Barat 4598517 6428732 Jakarta Utara 4598517 6428732 2011 Jakarta Selatan 9256404 4824000 Jakarta Timur 9256404 4824000 Jakarta Pusat 9256404 4824000 Jakarta Barat 9256404 4824000 Jakarta Utara 9256404 4824000 2012 Jakarta Selatan 3152129 1438127 Jakarta Timur 3152129 1438127 Jakarta Pusat 3152129 1438127 Jakarta Barat 3152129 1438127 Jakarta Utara 3152129 1438127
Sumber : Bidang Sistem Informasi Pajak Daerah 2012 dan BPS DKI Jakarta 2012