Jenis dan Sumber Data
Penelitian ini menggunakan data sekunder yang berasal dari Badan Pusat Statistik (BPS) Indonesia. Data yang dianalisis berupa data panel periode 2002-2011 dari 33 provinsi di Indonesia. Data yang digunakan dalam penelitian ini adalah PDB sektoral, PDRB sektoral, PDRB per kapita, tingkat ketimpangan (indeks gini), pertumbuhan ekonomi dan data yang digunakan untuk menghitung indeks gini adalah data dari hasil Survey Sosial Ekonomi Nasional (Susenas) serta data pendukung lainnya yang dirujuk dari publikasi terbitan BPS.
Metode Analisis Data
Metode analisis yang digunakan untuk menjawab tujuan penelitian terdiri dari analisis deskriptif, analisis indeks gini dan analisis regresi data panel. Analisis deskriptif digunakan untuk menjawab tujuan penelitian yang pertama yaitu memberikan gambaran tentang pola perubahan struktur ekonomi dan pola distribusi pendapatan. Sedangkan untuk menjawab tujuan penelitian yang kedua menggunakan analisis regresi data panel statis untuk melihat pengaruh perubahan struktur ekonomi terhadap ketimpangan distribusi pendapatan.
Analisis Deskriptif
Analisis deskriptif merupakan suatu bentuk analisis sederhana yang bertujuan mendeskriptifkan dan mempermudah penafsiran yang dilakukan dengan memberikan pemaparan dalam bentuk tabel, grafik, dan diagram. Analisis deskriptif ini digunakan untuk menggambarkan bagaimana pola perubahan struktur ekonomi dan pola distribusi pendapatan yang terjadi pada setiap provinsi yang ada di Indonesia melalui gambaran ini diharapkan dapat menguatkan analisis regresi ekonometrik yang dibahas selanjutnya, terkait dengan hipotesis yang telah disusun untuk menjawab penelitian ini.
Analisis Indeks Gini
Indeks gini adalah salah satu ukuran yang digunakan untuk mengukur tingkat ketimpangan pendapatan secara menyeluruh. Dihitung bedasarkan pengeluaran rata-rata kelompok masyarakat. Hasil perhitungan indeks gini akan digunakan sebagai data analisis regresi tingkat ketimpangan distribusi pendapatan sebagai akibat perubahan struktur ekonomi. Adapun cara menghitung indeks gini adalah sebagai berikut:
GR = 1 – �����=1 (���+��� −1) (3.1) Dimana:
GR = Koefisien gini,
fpi = Frekuensi penduduk dalam kelas pengeluaran ke-i.
Fci = Frekuensi kumulatif dari total pengeluaran dalam kelas pengeluaran ke-i Fci-1 = Frekuensi kumulatif dari total pengeluaran dalam kelas pengeluaran ke-
25
Analisis Regresi Data Panel Statis
Data panel adalah data yang memiliki dimensi ruang (individu) dan waktu. Dalam data panel, data cross section yang sama diobservasi menurut waktu. Jika setiap unit cross section memiliki jumlah time series yang sama maka disebut sebagai balanced panel (total jumlah observasi = N x T). Sebaliknya jika jumlah observasi berbeda untuk setiap unit cross section maka disebut unbalanced panel. Keunggulan penggunaan data panel memberikan banyak keuntungan. Menurut Baltagi (2008), diantaranya sebagai berikut:
1. Mampu mengontrol heterogenitas individu. Metode ini dalam mengestimasi dapat secara eksplisit memasukkan unsur heterogenitas individu.
2. Memberikan data yang lebih banyak dan beragam, mengurangi kolinearitas antar peubah, meningkatkan derajat bebas dan lebih efisien.
3. Lebih baik untuk study dynamics of adjustment. Observasi cross section yang berulang maka data panel lebih baik dalam mempelajari perubahan dinamis. 4. Lebih baik dalam mengidentifikasi dan mengukur efek yang secara sederhana
tidak dapat diatasi dalam data cross section saja atau data time series saja. 5. Dapat digunakan untuk membangun dan menguji model yang lebih kompleks
dibandingkan data cross section atau time series.
6. Data panel mikro yang dikumpulkan terhadap individu, rumah tangga dan perusahaan mungkin mengukur lebih akurat dibandingkan variabel sejenis yang diukur pada tingkat makro. Bias hasil agregasi atas individu atau perusahaan mungkin dikurangi atau dihapuskan.
7. Data panel makro di sisi lain memiliki time series yang lebih panjang dan tidak seperti masalah sejenis distribusi non standar dari unit roots test dalam analisis time series.
Selain manfaat yang diperoleh dengan penggunaan panel data, metode ini juga memiliki kelemahan dan keterbatasan dalam penggunaannya, antara lain: 1. Masalah dalam desain survei panel, pengumpulan dan manajemen data.
Masalah yang umum dihadapi diantaranya: cakupan, non-response, kemampuan daya ingat responden, frekuensi dan waktu wawancara.
2. Distorsi kesalahan pengamatan. Umumnya terjadi karena respon yang tidak sesuai.
3. Masalah selektivitas yang mencakup hal-hal berikut:
a. Self-selectivity: permasalahan yang muncul karena data-data yang dikumpulkan untuk suatu penelitian tidak sepenuhnya dapat menangkap fenomena yang ada.
b. Non response: permasalahan yang muncul dalam panel data ketika ada ketidaklengkapan jawaban yang diberikan oleh responden.
c. Attrition: jumlah responden yang cenderung berkurang pada survei lanjutan yang biasanya terjadi karena responden pindah, meninggal dunia atau biaya menemukan responden yang terlalu tinggi
4. Dimensi waktu (time series) yang pendek. Jenis panel mikro biasanya mencakup data tahunan yang relatif pendek untuk setiap individu.
5. Cross-section dependence. Sebagai contoh, apabila macro panel dengan unit analisis negara atau wilayah dengan deret waktu yang panjang mengabaikan cross-country dependence akan mengakibatkan inferensi yang salah (misleading inference).
26
Model estimasi data panel dapat dikelompokan menjadi model common effects dan individual effects (fixed effects dan random effects). Gujarati (2004) menyatakan bahwa ada empat pertimbangan yang dapat digunakan untuk memilih antara model fixed effects dengan model random effects, yaitu:
1. Apabila komponen error ( i dan it ) berkorelasi dengan peubah bebas (Xit) maka penafsiran lebih baik dengan model fixed effect.
2. Apabila jumlah time series (T) besar dan jumlah cross section (N) kecil, maka nilai taksiran parameter berbeda kecil, sehingga pilihan didasarkan pada kemudahan penghitungannya yaitu model fixed effects.
3. Apabila N besar dan T kecil, serta asumsi model random effects terpenuhi maka penafsiran model random effects lebih efisien dari model fixed effects. 4. Pada model random effects diketahui bahwa αi = α + ui, dimana ui merupakan
komponen acak cross section. Sedangkan pada model fixed effects αi bersifat tidak acak. Apabila diyakini bahwa individu atau cross section tidak acak, maka model fixed effect lebih tepat, sebaliknya apabila cross section bersifat acak, maka model random effects lebih tepat.
Pemilihan Model Terbaik
Pemilihan model regresi data panel terbaik dapat dilakukan berdasarkan pertimbangan statistik. Terdapat beberapa pengujian yang dapat dilakukan:
1. Uji Chow
Uji Chow merupakan pengujian untuk pemilihan apakah model yang digunakan Poole Least squere Model atau Fixed Effects Model. Pengujian ini dilakukan dengan hipotesis sebagai berikut:
H0 : Pooled Least Square Model H1 : Fixed Effects Model
Dasar penolakan terhadap hipotesis nol (H0) tersebut adalah dengan menggunakan F-Statistik seperti yang dirumuskan oleh Chow:
Chow = RRSS−URSS )/(N−1)
URSS /(NT−N−K) ̴ Fα N−1,NT−N−K (3.2)
Keterangan:
RRSS = Resticted Residual Sum Squere (Sum Square Residual PLS) URSS = Unrestricted Residual Sum Square (Sum Square Residual PLS) N = Jumlah data Cross section
T = Jumlah time series K = Jumlah variabel bebas
Pengujian ini mengikuti distribusi F yaitu Fα N−1,NT−N−K . Jika nilai Chow Statistik (F Statistik) hasil pengujian lebih besar dari F tabel atau nilai probabilitas kurang dari taraf nyata 5%, maka cukup bukti untuk melakukan penolakan terhadap H0, sehingga model yang digunakan adalah fixed effects. Begitu juga sebaliknya.
2. Uji Hausman
Uji Hausman utuk memilih apakah menggunakan fixed effects atau random effects dapat dilakukan dengan pengujian terhadap asumsi ada tidaknya korelasi antara regresor dan efek individu. Hal ini dapat dilakukan dengan melakukan uji Hausman. Hipotesis uji Hausman adalah sebagai berikut:
H0 = E( i |xit) = 0 atau random effects adalah model terbaik H1 = E( i |xit) ≠ 0 atau fixed efects adalah model terbaik.
27 Dasar pengambilan keputusan yaitu menolak H0 menggunakan nilai statistik uji Hausman dan dibandingkan dengan nilai statistik Chi Square (X2). Nilai stratistik Hausman dirumuskan sebagai berikut:
H = ( REM - FEM) (MFEM – MREM)-1( REM - FEM)~X2(k) (3.3) Dimana: M adalah matrik kovarians parameter dan k adalah derajat bebas. Jika nilai statistik uji Hausman lebih besar dari X2 maka keputusannya adalah cukup bukti untuk menolak H0 komponen error mempunyai korelasi dengan peubah bebas sehingga tolak H0 dan model yang digunakan adalah fixed effects model, demikian juga berlaku sebaliknya.
Uji Asumsi
Uji asumsi dilakukan untuk mengetahui persyaratan sebuah model yang akan digunakan. Setelah memutuskan untuk menggunakan suatu model tertentu, maka dapat dilakukan pengujian terhadap asumsi yang digunakan dalam model; 1. Uji Multikolinearitas
Salah satu asumsi dari model regresi berganda adalah bahwa tidak ada hubungan linear sempurna antara peubah bebas dalam model tersebut, jika hubungan tersebut ada maka peubah bebasnya dikatakan multikolinearitas sempurna. Apabila hal tersebut terjadi maka dugaan parameter koefisien regresi masih mungkin dapat diperoleh, tapi interpretasinya jadi sulit. Untuk mendeteksi adanya multikolinearitas dapat dilakukan uji dengan uji koefisien korelasi sederhana antar peubah bebas dalam model, jika korelasinya sangat tinggi dan nyata maka berarti terjadi multikolinearitas. Selain itu juga dapat dilihat dari statistik uji F dan nilai koefisien determinasi, apabila nilai Rj2 tinggi atau uji F signifikan berarti ada multikolinearitas.
2. Uji Heteroskedasitas
Nilai dugaan parameter dalam model regresi diasumsikan bersifat BLUE (Best Linier Unbiased Estimate), maka Var (ui) harus sama dengan 2 (konstan), atau semua residual atau error mempunyai varian yang sama, yang disebut dengan homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas dapat menggunakan metode GLS cross section weights (cross section weights) yaitu dengan membandingkan sum square resid pada weighted statistics dengan sum square resid unweighted statistics. Jika sum square resid pada weighted statistics lebih kecil dari sum square resid unweighted statistics, maka terjadi heteroskedastisitas (Greene 2002).
3. Uji Autokorelasi
Autokorelasi adalah korelasi yang terjadi antarobservasi dalam satu peubah atau korelasi antara error masa yang lalu dengan error saat ini. Uji autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan. Autokorelasi dapat memengaruhi efisiensi dari penduganya. Untuk mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin Watson (DW). Untuk mengetahui ada atau tidaknya autokorelasi dilakukan dengan membandingkan nilai DW-hitung dan DW-tabel. Adapun kerangka identifikasi autokorelasi terangkum dalam Tabel 3. Korelasi serial ditemukan jika error dari periode waktu yang berbeda saling berkorelasi. Hal ini bisa dideteksi dengan melihat pola error acak dari hasil regresi.
28
Tabel 3 Kerangka identifikasi autokorelasi
Nilai DW Hasil 4 – dL < DW < 4 4 - dU < DW < 4 – dL 2 < DW < 4 – dU Du < DW < 2 dl < DW < du 0 < DW < dl
Terdapat korelasi serial negatif Hasil tidak dapat ditentukan Tidak ada korelasi serial Tidak ada korelasi serial Hasil tidak dapat ditentukan Terdapat korelasi serial positif Sumber : Gujarati (2004
)
Spesifikasi Model dalam Penelitian
Untuk melihat pengaruh perubahan struktur ekonomi terhadap ketimpangan distribusi pendapatan, maka perubahan struktur ekonomi dijadikan sebagai variabel eksogen. Namun mengingat ketimpangan pendapatan tidak hanya dipengaruhi oleh perubahan struktur ekonomi maka digunakan juga variabel tingkat ketimpangan awal, pendapatan per kapita, pertumbuhan ekonomi, dan variabel dummy daerah maju dan daerah berkembang. Model mengacu kepada model Dastidar (2012).
1. Model untuk melihat perubahan struktur ekonomi dari sektor primer-sekunder, dengan sektor sekunder (S) sebagai sektor sisa:
Giit= 0+ 1XPit+ 2XTit+ 3(XPit)2+ 4(XTit)2+ 5(XPit*XTit)+ 6(XYit)+ 7(XYit)2 + 8(XPit*XIEit)+ 9(XTit*XIEit)+ 10(XPit*XGRit)+ 11(XTit*XGRit)+ 1(XPit*DC) + 2(XTit*DC) + 3(XPit)2*DC+ 4(XTit)2*DC+ 5(XPit*XTit)*DC+ 6(XYit*DC) + 7(XYit)2*DC + 8(XPit*XIEit)*DC+ 9(XTit*XIEit)*DC+ 10(XPit*XGRit)*DC
+ 11(XTit*XGRit)*DC+eit (3.4)
2. Model untuk melihat perubahan struktur ekonomi dari sektor sekunder-tersier, primer-tersier dengan sektor tersier (T) sebagai sektor sisa:
Giit= 0+ 1XPit+ 2XSit+ 3(XPit)2+ 4(XSit)2+ 5(XPit*XSit)+ 6(XYit)+ 7(XYit)2 + 8(XPit*XIEit) + 9(XSit*XIEit)+ 10(XPit*XGRit)+ 11(XSit*XGRit)+ 1(XPit*DC) + 2(XSit*DC)+ 3(XPit)2*DC+ 4(XSit)2*DC+ 5(XPit*XSit)*DC+ 6(XYit*DC) + 7(XYit)2*DC+ 8(XPit*XIEit)*DC + 9(XSit*XIEit)*DC+ 10(XPit*XGRit)*DC
+ 11(XSit*XGRit)*DC+eit (3.5)
Keterangan:
Giit = Indeks gini
XPit = Kontribusi sektor primer terhadap PDRB (%). XSit = Kontribusi sektor sekunder terhadap PDRB (%). XTit = Kontribusi sektor tersier terhadap PDRB (%). XYit =PDRB per kapita (Rupiah/tahun).
XIEit = Tingkat ketimpangan awal.
XGRit = Tingkat pertumbuhan ekonomi (%).
DCit = Dummy, 1 untuk provinsi maju dan 0 untuk provinsi berekembang. eit = error term provinsi.
i = Provinsi-provinsi yang ada di Indonesia. t = Tahun.
29 Berdasarkan kerangka analisis yang digunakan dalam pembentukan model, pengaruh variabel perubahan struktur ekonomi (Sektor primer, sektor sekunder, dan sektor tersier) diharapkan memiliki nilai positif. Dengan demikian saat terjadi perubahan struktur ekonomi yang berarti peningkatan suatu sektor dan penurunan pada sektor lainnya, dapat menurunkan tingkat ketimpangan pada distribusi pendapatan. Selain menggunakan variabel perubahan struktur ekonomi model juga menggunakan variabel tingkat ketimpangan awal, yang digunakan untuk melihat dampak ketimpangan masa lalu terhadap ketimpangan sekarang, variabel pendapatan per kapita digunakan untuk membuktikan hipotesis kuznetz, diharapkan variabel kuadrat pendapatan per kapita bernilai negatif sehingga memberikan dukungan terhadap hipotesis Kuznetz, variabel pertumbuhan ekonomi untuk mengendalikan perbedaan dalam tingkat pendapatan untuk seluruh daerah, diharapkan bernilai negatif. Selain itu, variabel dummy digunakan untuk membedakan dampak perubahan struktur ekonomi terhadap ketimpangan antara daerah maju dan daerah berkembang.
Definisi Operasional
1. Struktur ekonomi
Struktur ekonomi dapat dilihat dari dua sisi; a) berdasarkan sektor dominan, yaitu dilihat dari sektor yang mendominasi perekonomian, b) berdasarkan kontribusi yaitu dilihat dari kontribusi/peranan masing-masing sektor dalam perekonomian atau share sektoral terhadap PDB.
2. Perubahan struktur ekonomi
Proses terjadinya pergesaran kontribusi sektor-sektor terhadap pembentukan PDRB yang ditandai dengan menurunnya kontribusi sektor primer dan meningkatnya kontribusi sektor sekunder atau tersier
3. Sektor primer
Sektor primer adalah kelompok sektor yang terdiri dari subsektor pertanian, pertambangan dan penggalian.
4. Sektor sekunder
Sektor sekuder adalah kelompok sektor yang terdiri dari subsektor industri pengolahan, listrik, gas, dan air bersih serta konstruksi.
5. Sektor tersier
Sektor tersier adalah kelompok sektor yang terdiri dari subsektor perdagangan, hotel, dan restoran, subsektor pengangkutan dan komunikasi, subsektor keuangan, dan jasa perusahaan, serta jasa-jasa lainnya.
6. Indeks gini (Y)
Variabel indeks gini adalah ukuran untuk mengetahui tingkat ketimpangan distribusi pendapatan atau pola distribusi pendapatan di 33 Provinsi di Indonesia dalam kurun waktu 2002-2011. Angka indeks gini yang mendekati nol menunjukkan distribusi pendapatan yang merata, sedangkan nilai mendekati satu menunjukkan tidak meratanya distribusi pendapatan. Data indeks gini bersumber dari BPS Indonesia.
7. Kontribusi sektor primer (XP)
Variabel kontribusi sektor primer adalah persentase kontribusi sektor primer terhadap pembentukan PDRB pada masing-masing provinsi di Indonesia.
30
Satuan yang digunakan adalah persen (%). Data kontribusi sektor primer bersumber dari BPS Indonesia tahun 2002-2011.
8. Kontribusi sektor sekunder (XS)
Variabel kontribusi sektor sekunder adalah persentase kontribusi sektor sekunder terhadap pembentukan PDRB pada masing-masing provinsi di Indonesia. Satuan yang digunakan adalah persen (%). Data kontribusi sektor sekunder bersumber dari BPS Indonesia tahun 2002-2011.
9. Kontribusi sektor tersier (XT)
Variabel kontribusi sektor tersier adalah persentase kontribusi sektor tersier terhadap pembentukan PDRB pada masing-masing provinsi di Indonesia. Satuan yang digunakan adalah persen (%). Data kontribusi sektor tersier bersumber dari BPS Indonesia tahun 2002-2011.
10. Pendapatan per kapita (XY)
Pendapatan per kapita adalah besarnya pendapatan rata-rata yang diterima oleh setiap penduduk di suatu Negara. Variabel pendapatan per kapita dihitung dari produk domestik regional bruto yang dibagi dengan jumlah penduduk. Satuan yang digunakan adalah persen (%). Data pendapatan per kapita bersumber dari BPS Indonesia kurun waktu 2002-2011.
11. Pertumbuhan ekonomi (XGR)
Pertumbuhan ekonomi adalah persentase kenaikan atau penurunan dari PDRB. Variabel pertumbuhan ekonomi didapat dari data laju pertumbuhan produk domestik regional bruto yang dihitung dengan cara membandingkan PDRB tahun sekarang dengan tahun sebelumnya. Satuan yang digunakan adalah persen (%). Data bersumber dari BPS Indonesia.
12. Tingkat ketimpangan awal (XIE)
Variabel tingkat ketimpangan awal merupakan angka indeks gini tahun awal penelitian yang digunakan untuk menangkap kondisi sebelum penelitian dilakukan. Data yang digunakan bersumber dari BPS tahun 2002.
13. Dummy variabel (DC)
Variabel dummy adalah variabel yang digunakan untuk membedakan kemajuan provinsi. Dummy 1 untuk provinsi dengan pendapatan per kapita diatas rata-rata nasional (daerah maju) dan 0 untuk provinsi dengan pendapatan per kapita dibawah rata-rata nasional (daerah berkembang). 14. Daerah maju
Daerah maju adalah provinsi dengan pendapatan per kapita diatas rata-rata penapatan per kapita nasional.
15. Daerah berkembang
Daerah berkembang adalah provinsi dengan pendapatan per kapita dibawah rata-rata pendapatan per kapita nasional.
31
4 HASIL DAN PEMBAHASAN
Pola Perubahan Struktur Ekonomi
Perubahan struktur ekonomi merupakan suatu bentuk proses terjadinya pergeseran atau perubahan pangsa nilai output atau nilai tambah dari setiap sektor terhadap Produk Domestik Bruto (PDB) dalam jangka waktu tertentu. Pada tingkat daerah dapat dilihat dari perubahan kontribusi nilai tambah bruto dari setiap sektor dalam pembentukan Produk Domestik Regional Bruto (PDRB). Untuk melihat perkembangan sektor-sektor di Indonesia tahun 2002-2011 dapat dilihat dari PDB Indonesia menurut lapangan usaha pada Gambar 13.
Sumber: BPS 2002-2012
Gambar 13 Perkembangan kontribusi sektor-sektor ekonomi terhadap produk domestik bruto Indonesia tahun 2002-2011
Berdasarkan hasil tersebut, terlihat selama kurun waktu 10 tahun sejak tahun 2002 sampai dengan tahun 2011 sektor tersier merupakan sektor dengan kontribusi outputnya paling besar dalam pembentukan produk domestik bruto Indonesia. Kontribusi sektor tersier tahun 2002 sebesar 39.14%, kemudian tahun 2011 meningkat menjadi 46.54%, dengan rata-rata kontribusi selama 10 tahun adalah 43.12%. Dari tahun 2002 sampai 2011 sektor tersier yang paling besar perkembangannya adalah subsektor perdagangan, hotel dan restoran (Lampiran 1). Dengan demikian dapat dinyatakan bahwa sampai dengan tahun 2011 sektor tersier adalah sektor yang peranannya paling mendominasi perekonomian Indonesia dengan perkembangan relatif meningkat setiap tahunnya.
Selanjutnya sektor sekunder, walaupun tahun 2002 berada pada posisi ke tiga, namun sejak tahun 2003 sektor sekunder berada pada posisi kedua sampai tahun 2011. Tahun 2002 kontribusi sektor sekunder sebesar 30.12%, kemudian tahun 2011 meningkat menjadi 32.97%, dengan rata-rata kontribusi selama 10 tahun adalah sebesar 33.90%. Hingga tahun 2011 sektor sekunder yang paling besar perkembangannya adalah subsektor industri pengolahan (Lampiran 1). Sehingga dapat dinyatakan bahwa sektor sekunder sejak tahun 2002 sampai tahun 2011 memberikan kontribusi yang cukup besar terhadap perekonomian Indonesia dengan peranan yang relatif konstan setiap tahunnya.
0 20 40 60 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 P D B (%) Tahun
32
Sektor primer, ternyata merupakan sektor ekonomi yang memiliki peranan paling kecil dibandingkan kedua kelompok sektor lainnya. Tahun 2002 kontribusi sektor primer sebesar 30.74%, tahun 2011 turun menjadi 20.48%, dengan rata-rata kontribusi terhadap produk domestik bruto adalah sebesar 22.96%, dengan subsektor yang paling berkembang adalah subsektor pertanian, peternakan, kehutanan, dan perikanan (Lampiran 1). Dengan demikian dapat dinyatakan bahwa sampai dengan tahun 2011 sektor primer adalah sektor yang peranannya kurang dominan dalam perekonomian Indonesia dengan penurunan kontribusi setiap tahunnya.
Pada tingkat nasional berdasarkan hasil-hasil di atas dapat disimpulkan bahwa kurun waktu 10 tahun, dari tahun 2002 sampai dengan tahun 2011, jika dilihat berdasarkan sektor dominan belum terjadi perubahan struktur ekonomi, tetap didominasi oleh sektor tersier, kemudian di susul oleh sektor sekunder dan sektor primer, tetapi berdasarkan kontribusi terlihat terjadi perubahan struktur ekonomi pada masing-masing sektor dengan kecenderungan, sektor tersier semakin meningkat dan sektor primer semakin menurun.
Jika dilihat pada tingkat provinsi, berdasarkan PDRB 2002 dan 2011 yang dikelompokan berdasarkan sektor dominan pada daerah maju dan daerah berkemabang (Gambar 14) terlihat bagaimana dominasi sektor-sektor ekonomi pada masing-masing provinsi di Indonesia.
Sumber: BPS 2002-2011 (Olahan)
Gambar 14 Sektor dominan pada produk domestik regional bruto tahun 2002 dan 2011
Tahun 2002 sektor primer mendominasi struktur perekonomian pada sebagian besar daerah maju dan daerah berkembang di Indonesia (Gambar 14). Pada sebagian besar daerah berkembang struktur ekonomi didominasi oleh sektor
0 20 40 60 80 S u m Ut Su m B A r Ja m b i S u m S el B en g k u lu L am p u n g JaB Ar Ja T en g DI Y Ja T im B an ten Bali NT B NT T Ka lB ar Ka lT en g Ka lS el S u lUt S u lT en g S u lS el S u lT en g r Go ro n talo S u lB ar M alu k u M alU t P D RB (% )
Daerah Berkembang tahun 2002
Primer Sekunder Tersier
0 20 40 60 80 NAD Riau Ke p R i B aB el DKI Ka lT im P ap B ar P ap u a P D RB (% )
Daerah Maju tahun 2002
Primer Sekunder Tersier
0 20 40 60 80 NAD S u m Ut S u m B ar Jam b i S u m S el B aB el B en g k u lu L am p u n g Ja B ar B an ten Ja T en g DI Y Ja T im B ali Ka lB ar Ka lT en g Ka lS el S u lUt Go ro n talo S u lT en g S u lS el S u lB ar S u lT g r N T B NT T M alu k u M alUt P ap u a P D RB (% )
Provinsi Berkembang Tahun 2011
Primer Sekunder Tersier
0 20 40 60 80 P D RB (% )
Provinsi Maju tahun 2011
33 primer, dimana terdapat 12 provinsi (48%) dengan struktur ekonomi didominasi oleh sektor primer, 2 provinsi (8%) didominasi oleh sektor sekunder, dan 11 provinsi (44%) didominasi oleh sektor tersier. Pada daerah maju struktur ekonomi didominasi oleh sektor primer, terdapat 7 provinsi (87.50%) didominasi oleh sektor primer, satu provinsi (12.50%) yang didominasi oleh sektor tersier, sedangkan sektor sekunder tidak berkembang pada daerah maju.
Pada tahun 2011 terlihat struktur perekonomian mengalami perubahan baik dilihat dari kontribusi maupun secara sektor dominan, daerah berkembang sudah didominasi oleh sektor tersier, sedangkan daerah maju sektor sekunder mulai berkembang (Gambar 14). Pada daerah berkembang terdapat 18 provinsi (64.29%) didominasi oleh sektor tersier, 2 provinsi (14%) didominasi oleh sektor sekunder, dan hanya 8 provinsi (28.57%) yang masih didominasi oleh sektor primer. Sedangkan pada daerah maju hanya terdapat satu provinsi (20%) yang didominasi oleh sektor tersier, 2 provinsi (40%) yang didominasi oleh sektor sekunder, dan 2 provinsi (40%) yang didominasi oleh sektor primer.
Berdasarkan hasil tersebut, terlihat arah perkembangan masing-masing sektor dalam struktur perekonomian Indonesia. Sektor primer mengalami penurunan kontribusi dan sektor tersier mengalami peningkatan kontribusi pada masing-masing daerah di Indonesia, sehingga tahun 2011 dominasi sektor primer dalam perekonomian pada beberapa provinsi digantikan oleh sektor tersier. Pada daerah berkembang 28% provinsi mengalami pergantian sektor dominan dari sektor primer ke sektor tersier yaitu provinsi Aceh, Lampung, Kalimantan Tengah, Sulawesi Selatan, Sulawesi Tenggara, Nusa Tenggara Timur, dan Maluku Utara, sementara yang lainnya tetap. Pada daerah maju 40% provinsi mengalami pergantian sektor dominan dari sektor primer ke sektor sekunder yaitu provinsi Kepulauan Riau dan Papua Barat, sedangkan provinsi lainnya tidak mengalami