Pemilihan Model Data Panel - Metode Analisis Data

C. Metode Analisis Data

4. Pemilihan Model Data Panel

Untuk memilih model data panel mana yang paling tepat untuk penelitian ini, maka perlu dilakukan pengujian terlebih dahulu. Menurut (Basuki, 2016) terdapat tiga pengujian yang dapat dilakukan yaitu:

a. Uji Chow

Uji Chow digunakan untuk mengetahui model mana yang paling tepat antara Common Effect Model atau Fixed Effect Model. Hipotesis dari uji Chow adalah:

Apabila hasil dari uji spesifikasi menunjukan probabilitas Redudant Fixed Effect > 0.05, maka yang dipilih adalah Common Effect Model atau H0 diterima. Dan sebaliknya, jika hasil dari uji spesifikasi menunjukan probabilitas Redudant Fixed Effect < 0.05, maka yang dipilih adalah Fixed Effect Model atau H0 ditolak.

69 b. Uji Hausman

Uji Hausman digunakan untuk mengetahui model mana yang paling tepat antara Random Effect Model atau Fixed Effect Model.

Hipotesis dari uji Chow adalah:

Apabila Probabilitas dari Correlated Random Effect < 0,05 maka model yang paling tepat adalah Fixed Effect Model atau H0 ditolak. Sebaliknya jika Probabilitas dari Correlated Random Effect >

0,05 maka model yang paling tepat adalah Random Effect Model atau H0 diterima.

c. Uji Lagrange Multiplier

Uji Lagrange Multiplier digunakan untuk mengetahui model mana yang paling tepat antara Common Effect Model atau Random Effect Model. Hipotesis dari uji Lagrange Multiplier adalah:

Apabila Probabilitas dari Breusch-Pagan < 0,05 maka model yang paling tepat adalah Random Effect Model atau H0 ditolak.

Sebaliknya jika Probabilitas dari Breusch-Pagan > 0,05 maka model yang paling tepat adalah Common Effect Model atau H0 diterima.

70 5. Uji Asumsi Klasik

Uji hipotesis klasik ini digunakan untuk menunjukkan bahwa data yang digunakan dapat dimasukkan dalam analisis regresi. Menurut (Winarno,2011) terdapat beberapa pengujian hipotesis klasik yaitu :

a. Uji Normalitas

Uji normalitas adalah uji yang digunakan untuk mengetahui apakah data untuk variabel yang digunakan terdistribusi dengan baik. Selain itu, pengujian ini harus dijalankan sebelum memproses data berdasarkan pola pencarian. Metode yang digunakan untuk menentukan normalitas residu adalah dengan memeriksa histogram.

Histogram adalah grafik yang membandingkan data yang diamati dengan distribusinya.

b. Uji Multikolinearitas

Uji multikolinearitas adalah uji yang digunakan untuk menentukan apakah variabel penjelas bergantung secara linier. Multikolinearitas ini tidak ada pada regresi linier sederhana karena regresi linier sederhana jika hanya menggunakan satu variabel bebas. Ketika terdapat multikolinieritas dalam model regresi, kesalahan standar estimasi cenderung meningkat dengan meningkatnya variabel penjelas, tingkat signifikansi yang digunakan untuk menolak hipotesis nol meningkat, dan hipotesis palsu diterima. Kemungkinan konfirmasi juga lebih tinggi (Ghozali, 2007).

71 c. Uji Heteroskedastisitas

Uji heteroskedastis adalah uji yang kami gunakan untuk memeriksa apakah ada varians residual dari satu pengamatan ke periode pengamatan lain dalam model regresi yang kami gunakan. Metode tes Glejser digunakan untuk mengetahui apakah ada masalah dengan heteroskedastisitas.

d. Uji Autokorelasi

Uji autokorelasi memeriksa apakah ada korelasi antara kesalahan hash pada periode t dan kesalahan hash pada periode t1 (sebelumnya) dalam model regresi linier. Jika terdapat korelasi, maka disebut masalah autokorelasi. Autokorelasi terjadi karena pengamatan yang berurutan dari waktu ke waktu terkait satu sama lain. Masalah ini terjadi karena kesalahan residual (kesalahan interferensi) tidak bebas dari satu pengamatan ke pengamatan lainnya (Ghozali, 2007).

6. Uji Statistik

a. Uji Koefisien Determinasi (Adjusted R2)

(Ghozali, 2013) mengatakan koefisien determinasi (R2) mengukur seberapa besar model mampu menjelaskan perubahan variabel dependen. Nilai R2 yang rendah berarti kemampuan variabel independen untuk menjelaskan perubahan variabel dependen sangat terbatas. Nilai yang mendekati satu berarti bahwa variabel bebas menyediakan hampir semua informasi yang diperlukan untuk memprediksi perubahan variabel terikat. Penelitian ini menggunakan

Adjusted R2 sebagai ukuran karena lebih akurat untuk mengevaluasi model regresi.

b. Uji Simultan atau Uji f

Uji konkuren atau uji-f adalah pengujian yang dilakukan untuk menentukan apakah suatu model regresi layak atau tidak. Uji F dilakukan untuk mengetahui seberapa besar bersama-sama variabel penjelas mempengaruhi variabel terikat. Jika probabilitas F lebih kecil dari taraf signifikansi 5%, maka dapat dikatakan bahwa variabel penjelas secara bersama-sama mempengaruhi variabel dependen.

c. Uji parsial atau uji t

Uji-T atau uji parsial digunakan untuk menunjukkan sejauh mana variabel penjelas berkontribusi secara parsial terhadap penjelasan variabel terikat. Pengujian ini dilakukan dengan melihat thitung. Jika tingkat signifikansi pro b kurang dari 5%, maka H0 bias, artinya variabel bebas mempengaruhi variabel terikat.

d. Uji Interaksi

Pengaruh interaksi adalah pengaruh satu tingkat faktor (A) terhadap tingkat faktor (B) lainnya, atau pengaruh interaksi adalah bahwa satu tingkat faktor tidak dapat memberikan atau menunjukkan respon yang sama terhadap tingkat faktor yang lain. Perbedaan respon satu faktor pada tingkat faktor lain atau efek interaksi adalah perbedaan rata-rata dalam efek atau efek sederhana. A dan B biasanya

ditulis dalam AxB. Interaksi AxB merupakan hubungan simetris, artinya interaksi antara A dan B sama persis dengan interaksi antara B dan A. (Tenaya, 2015).

Ketika hipotesis interaksi terarah diuji dan variabel prediktor kategoris (yaitu, skala ordinal atau nominal) terlibat, pengkodean dummy sering kali tepat. Di dalam parameterisasi efek utama berhubungan dengan subset tertentu responden dan untuk himpunan bagian yang tersisa adalah dummy efek interaksi berkode mencerminkan penyimpangan dari main ini efek. Untuk membuat variabel interaksi kode dummy, maka harus untuk mengalikan asli, 0/1 kode, variabel dummy (Hardy, 1993) dalam (Grotenhuis, dkk.,2017)

Dalam penelitian ini pengujian dilakukan antara variabel dummy dengan infrastruktur air, sehingga model yang di gunakan menjadi :

log

Keterangan:

logY = Logaritma Variabel dependen α = Konstanta

logX1 = Logaritma Variabel X1 Infrastruktur Jalan logX2 = Logaritma Variabel X2 Infrastruktur Air logX3 = Logaritma Variabel X3 Infrastruktur Listrik

D1 = Nilai Dummy wilayah, 1 jika Kawasan Timur Indonesia (KTI), 0 jika Kawasan Barat Indonesia (KBI)

D1.X2it = Nilai yang berinteraksi

(1,2,3,4) = Koefisien regresi masing-masing variabel independen = error term

= Waktu = Individu

D. Operasional Variabel Penelitian

Variabel terikat atau dependen merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas (Sugiyono, 2013) hal 61.

Variabel dependen di dalam penelitian ini adalah Pertumbuhan Ekonomi di Indonesia tahun 2015-2019. Sedangkan variabel bebas atau independen di dalam penelitian ini adalah Infrastruktur Jalan, Air dan Listrik. Variabel bebas atau independen merupakan variabel yang mempengaruhi sebab perubahan atau timbulnya variabel terikat (Sugiyono, 2013), Variabel-variabel tersebut dapat dijelaskan sebagai berikut:

Variabel terikat atau dependen merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas (Sugiyono, 2013) hal 61.

Variabel dependen di dalam penelitian ini adalah Produk Domestik Regional Bruto (PDRB) di Indonesia tahun 2015-2019. Sedangkan variabel bebas atau independen di dalam penelitian ini adalah Infrastruktur Jalan, Air, Listrik, dan Dummy Wilayah. Variabel bebas atau independen merupakan variabel yang

mempengaruhi sebab perubahan atau timbulnya variabel terikat (Sugiyono, 2013), Variabel-variabel tersebut dapat dijelaskan sebagai berikut:

1. Produk Domestik Regional Bruto (Y), adalah perbandingan total produksi barang dan jasa pada suatu wilayah tertentu. Produk Domestik Regional Bruto disini sebagai variabel dependen (Y). Data ini di dapatkan dari BPS dan diolah dengan rumus sebagai berikut :

R : Tingkat Pertumbuhan ekonomi (%)

PDRBt : Produk Domestik Regional Bruto di tahun t

PDRBt-1 : Produk Domestik Regional Bruto pada tahun sebelumnya

2. Infrastruktur Jalan (X1), sebagai penghubung antara wilayah satu dengan wilayah lainnya. Jalan merupakan infrasturktur yang paling berperan dalam perekonomian nasional. Infrastruktur jalan sebagai variabel independen (X1) adalah panjang jalan yang tersedia di provinsi yang dihitung dalam satuan kilometer (km). Panjang jalan yang digunakan adalah jalan yang termasuk golongan jalan kabupaten/kota tetapi hanya mengambil jalan dalam kondisi baik dan sedang. Ini diambil karena jalan yang sedang, rusak dan rusak berat hanya sedikit mempunyai nilai ekonomis. Data ini di dapatkan dari Informasi Statistik PUPR 2015-2019.

3. Infrastruktur Air (X2) sebagai salah satu faktor penting dalam menunjang kesehatan SDM, yang akhirnya dapat meningkatkan Index Pembangunan

Manusia (IPM) yang akhirnya meningkatkan pertumbuhan ekonomi.

Infrastruktur air sebagai variabel independen (X2) adalah data volume air terdistribusi oleh PDAM dengan satuan L/det. Data ini di dapatkan dari Open data Dinas Pekerjaan Umum dan Perumahan Rakyat (PUPR).

4. Infrastruktur Listrik (X3) sebagai salah satu faktor penting dalam menunjang Produk Domestik Regional Bruto (PDRB), karena pentingnya energi dalam kehidupan bermasyarakat agar masyarakat dapat melakukan aktifitas ekonomi, tanpa adanya energi maka kegiatan masayarakat akan terus terhambat. Infrastruktur listrik sebagai variabel independen (X3) adalah data volume listrik terdistribusi oleh PLN dengan satuan GWh.

Data ini di dapatkan dari Badan Pusat Statistik (BPS).

5. Dummy Wilayah (X4) adalah variabel tambahan yang digunakan untuk melihat adakah perbedaan Produk Domestik Regional Bruto (PDRB) antara Kawasan Barat Indonesia (KBI) dengan Kawasan Timur Indonesia (KTI), dengan 0 = KBI, dan 1 =KTI.

6. Dummy Wilayah*Infrastruktur Air (X5) variabel ini sebagai variabel tambahan yang digunakan, untuk melihat apakah terdapat interaksi antara variabel dummy wilayah dengan variabel infrastruktur Air.

77 BAB IV

ANALISIS DAN PEMBAHASAN A. Gambaran Umum Objek Penelitian

1. Kondisi Geografis

Gambar 4. 1 : Peta Indonesia

Sumber : Indonesia.go.id (2021)

Secara geografis Indonesia terletak diantara 2 benua yaitu benua Asia dan Australia dan 2 Samudra yaitu Samudra Pasifik dan Samudra Hindia. Indonesia juga negara yang dilewati garis khatulistiwa. Indonesia memiliki 17.504 pulau yang akhirnya menjadikan Indonesia sebagai negara kepulauan terbesar di dunia.

Berdasarkan Peraturan Mentri Dalam Negri Nomor 39 Tahun 2015 tentang Kode dan Data Wilayah Administrasi Pemerintahan, secara administrasi wilayah Indonesia terbagi atas 34 provinsi, 416 kabupaten, 98 kota, 7.094 kecamatan, 8412 kelurahan dan 74.0930 desa. Jumlah provinsi

bertambah satu dari tahun 2013, yaitu Provinsi Kalimantan Utara.

Berdasarkan Garis-Garis Besar Haluan Negara (GBHN) 1993, wilayah Indonesia di bagi menjadi 2 bagian yaitu Kawasan Barat Indonesia (KBI) yang meliputi Pulau Sumatera, Jawa dan Bali dan Kawasan Timur Indonesia (KTI) yang meliputi Pulau Kalimantan, Sulawesi, Nusa Tenggara, Maluku, dan Papua.

2. Keadaan Penduduk dan Keadaan Perekonomian

Menurut Badan Pusat Statistik tahun 2020 dalam Potret Sensus Penduduk tahun 2020, Indonesia memiliki 270.203.917 jumlah penduduk dengan 136.661.889 orang yang berjenis kelamin laki-laki dan 133.542.018 orang yang berjenis kelamin perempuan. Dengan keadaan perekonomian yang banyak mengalami nilai minus pada tahun 2020, bukan hanya wilayah Kawasan Timur Indonesia (KTI) yang mengalami penurunan namun, Kawasan Barat Indonesia (KBI) yang biasanya menjadi penyumbang terbesar di Indonesia tidak bisa menghindari penurunan perekonomian yang di akibatkan oleh pandemic covid-19.

Tabel 4. 1 : Populasi, Luas Wilayah, Kepadatan Penduduk, Presentase Luas Wilayah dan Jumlah Pulau Indonesia Tahun 2020

No. Provinsi Populasi (Jiwa)

Indonesia 270.203.917 1.916.907 1.758,54

100 16.056 Sumber : BPS (2020)

Terlihat pada Tabel 4.1 bahwa populasi terbesar pada tahun 2020 di indonesia di tempati oleh Pulau Jawa sebanyak 151.591.262 jiwa dengan kepadatan penduduk sebanyak 1171,1 jiwa/km. Walaupun besar Pulau Jawa hanya memiliki luas wilayah sebesar 129.442,02 km² terbesar ke-lima dari 7 Pulau lainnya. Sementara itu populasi terendah ada pada Pulau

Maluku yang hanya memiliki 3.131.860 jiwa penduduk dengan kepadatan penduduk sebesar 68,9 jiwa/km.

Tabel 4. 2 : PDRB Indonesia Tahun 2015-2019 (Miliyar Rp.)

Wilayah KBI 2015 2016 2017 2018 2019

ACEH 112666 116374 121241 126824 132074

SUMATERA UTARA

440956 463775 487531 512763 539514

SUMATERA BARAT

140719 148134 155976 163996 172214

RIAU 448992 458769 471082 482158 495846

JAMBI 125037 130501 136557 142902 149143

SUMATERA SELATAN

254045 266857 281571 298484 315474

BENGKULU 38066 40077 42074 44164 46345

LAMPUNG 199537 209794 220626 232166 244380

KEP. BANGKA BELITUNG

45962 47848 49987 52208 53940

KEP. RIAU 155131 162853 166111 173499 181896

DKI JAKARTA 1454564 1539917 1635367 1735208 1836198 JAWA BARAT 1524975 1668546 1788117 1960628 2124044 JAWA

TENGAH

806765 849099 893750 941091 991913

Wilayah KBI 2015 2016 2017 2018 2019

YOGYAKARTA

83474 87686 92302 98024 104488

JAWA TIMUR 1331376 1405564 1482300 1563442 1649768

BANTEN 368377 387835 410046 433783 456741

BALI 129127 137296 144945 154073 162694

112347 118183 124294 130596 137243

KALIMANTAN TENGAH

78891 83900 89541 94566 100358

KALIMANTAN SELATAN

110863 155744 121856 128053 133272

KALIMANTAN TIMUR

440667 439004 852742 464694 486712

KALIMANTAN UTARA

49316 51165 54535 57459 61423

Wilayah KTI 2015 2016 2017 2018 2019

SULAWESI UTARA

70425 74765 79485 84250 89009

SULAWESI TENGAH

82787 91015 97475 117556 127935

SULAWESI SELATAN

250803 269401 288814 309156 330506

SULAWESI TENGGARA

72993 77746 83002 88310 94035

GORONTALO

22069 23507 25090 26719 28428

SULAWESI BARAT

25964 27525 29347 31114 32878

MALUKU 24859 26284 27814 29457 31049

MALUKU UTARA

20380 21557 23211 25034 26561

PAPUA BARAT 52346 54711 56903 60466 62073

PAPUA 130312 142225 148823 159712 134562

Sumber : BPS (2020)

Terlihat pada Tabel 4.2 bahwa nilai tertinggi PDRB tahun 2015-2019 ada pada wilayah Kawasan Barat Indonesia (KBI) tepatnya ada pada Provinsi Jawa Barat tahun 2019 dengan nilai PDRB 2.124.044 Miliyar Rupiah dan nilai PDRB terendah ada pada wilayah Kawasan Indonesia

Timur (KTI) tepatnya ada pada Provinsi Maluku Utara Tahun 2015 yang memiliki nilai PDRB sebesar 20.380 Miliyar Rupiah. Pada tahun 2015, dan 2016 Provinsi Kalimantan Timur terus mengalami penurunan pertumbuhan ekonomi pada tahun 2015 sebesar -1,20% dan tahun 2016 menjadi satu-satunya Provinsi dengan penurunan pertumbuhan ekonomi sebesar 0,38%. Sementara tahun 2018 Provinsi Nusa Tenggara Barat menjadi satu-satunya Provinsi dengan penurunan pertumbuhan ekonomi sebesar -4,50%, dan tahun 2019 menjadikan Provinsi Papua sebagai Provinsi yang mengalami depresiasi sebesar -15,75%. Jika dilihat dari analisis deskriptif di atas bahwa permasalah pertumbuhan ekonomi rata-rata terjadi pada Kawasan Timur Indonesia (KTI).

B. Temuan Hasil Penelitian

1. Analisis Deskriptif Antar Variabel a. Infrastrukur Jalan

Kondisi jalan nasional di Indonesia secara umum dalam kondisi mantap dengan presentase sebesar 92,81%, sedangkan kondisi tidak mantap sebesar 7,19%. Provinsi dengan presentase jalan mantap terbesar pada tahun 2019 adalah Provinsi Kepulauan Bangka Belitung yaitu sebesar 99,84%. Sedangkan provinsi dengan presentase kondisi baik terendah adalah Provinsi Papua Barat yaitu sebesar 73,10%.

Sampai tahun 2019 di Indonesia, panjang jalan menurut kewenang terbesar masih di pegang oleh Jalan Kabupaten/Kota dengan panjang sebesar 442.701,00 Km dengan keadaan mantap sebesar 54%, tertinggi

kedua ada pada Jalan Provinsi sebesar 54.749,00 Km dengan keadaan jalan mantap sebesar 68%, dan yang paling rendah adalah jalan negara yaitu sebesar 47.024,00 Km dengan keadaan jalan mantap sebesar 78%.

Gambar 4. 2 : Jumlah Panjang Jalan KBI

Sumber : Informasi Statistik PUPR (2020)

Di lihat dari Gambar 4.2 jumlah panjang jalan di Kawasan Barat Indonesia (KBI) rata-rata mengalami kenaikan pada tahun 2019, sekitar 7 provinsi dari 17 provinsi yang mengalami penurunan panjang jalan. Hal ini di akibatkan karena data jalan yang di gunakan adalah data jalan dengan keadaan baik dan sedang sehingga, penurunan dapat terjadi di karenakan setiap tahunnya keadaan jalan menjadi rusak.

Selain itu panjang jalan Kabupaten/Kota tertinggi di Kawasan Barat Indonesia (KBI) di raih Provinsi Jawa Timur yaitu pada tahun 2019

0 5000 10000 15000 20000 25000 30000 35000

ACEH SUMATERA UTARA SUMATERA BARAT RIAU JAMBI SUMATERA SELATAN BENGKULU LAMPUNG KEP. BANGKA… KEP. RIAU DKI JAKARTA JAWA BARAT JAWA TENGAH DI YOGYAKARTA JAWA TIMUR BANTEN BALI

2015 2019

dengan panjang jalan sebesar 29.161 Km, dan terendah ada pada Provinsi Kepulauan Riau tahun 2019 sebesar 2.005 Km.

Gambar 4. 3 : Jumlah Panjang Jalan KTI

Sumber : Informasi Statistik PUPR (2020)

Terlihat pada Gambar 4.3 bahwa sebagain besar jalan Kabupaten/Kota di Kawasan Timur Indonesia (KTI) dengan keadaan baik dan sedang mengalami peningkatan pada tahun 2019, dengan titik tertinggi ada pada Provinsi Sulawesi Selatan tahun 2015 sebesar 18.878 Km, dengan titik terendah ada pada Provinsi Maluku tahun 2015 dengan panjang jalan sebesar 1.114 Km, panjang jalan Provinsi Maluku pada tahun 2015 juga menjadi panjang jalan terendah di Indonesia pada tahun 2015-2019. Jika di bandingkan dengan Kawasan Barat Indonesia (KBI), panjang jalan di Kawasan Timur Indonesia (KTI) terlihat lebih rendah jika dibandingkan KBI. Tentu saja hal ini menjadi permasalahan

0 2000 4000 6000 8000 10000 12000 14000 16000 18000 20000

NUSA TENGGARA… NUSA TENGGARA… KALIMANTAN BARAT KALIMANTAN TENGAH KALIMANTAN SELATAN KALIMANTAN TIMUR KALIMANTAN UTARA SULAWESI UTARA SULAWESI TENGAH SULAWESI SELATAN SULAWESI TENGGARA GORONTALO SULAWESI BARAT MALUKU MALUKU UTARA PAPUA BARAT PAPUA

2015 2019

konektivitas di karenakan luas wilayah yang cukup timpang antara KTI dan KBI, wilayah KTI memiliki wilayah lebih dari dari setengah wilayah di Indonesia, tepatnya sebesar 67,87%, dengan data panjang jalan tersebut tentunya masih sangat kurang dalam meningkatkan konektivitas wilayah

b. Infrastruktur Air

Dalam kehidupan sehari-hari manusia memerlukan sumber daya air untuk melakukan kegiatan sehari-hari, tidak dapat dipungkiri bahwa manusia tidak dapat hidup jika tidak ada sumber daya air. Namun, perlu disadari bahwa terbatasnya sumber daya air bersih baik kuantitas maupun kualitas yang ada. Sangat berpengaruhnya sumber daya air bagi manusia, namun manusia juga berpengaruh besar dalam menjaga sumber daya air tersebut. Dikarenakan aktivitas manusia terutama pembangunan daerah yang akhirnya menyebabkan banjir dimana-mana sehingga kualitas air cukup tercemar.

Gambar 4. 4 : Jumlah Air Terdistribusi KBI L/det

Sumber : Open data Dinas Pekerjaan Umum dan Perumahan Rakyat (PUPR) (2020)

Jika dilihat dari Gambar 4.4 terlihat bahwa titik tertinggi distribusi air PDAM KBI ada pada Provinsi Jawa Timur pada tahun 2019 dengan distribusi sebesar 24.534 l/det, menjadikan Provinsi Jawa Timur sebagai distribusi air tertinggi pada tahun 2015-2019. Sementara di Kawasan Barat Indonesia (KBI) titik terendah ada pada Provinsi Bangka Belitung dengan nilai distribusi sebesar 276 l/det. Hal ini di karenakan penduduk Provinsi Bangka Belitung sendiri pun hanya sekitar 1.488.792 jiwa penduduk, dengan pelanggan air PDAM hanya sebesar 19.945 orang.

0 5000 10000 15000 20000 25000 30000

ACEH SUMATERA UTARA SUMATERA BARAT RIAU JAMBI SUMATERA SELATAN BENGKULU LAMPUNG KEP. BANGKA… KEP. RIAU DKI JAKARTA JAWA BARAT JAWA TENGAH DI YOGYAKARTA JAWA TIMUR BANTEN BALI

2015 2019

Gambar 4. 5 : Jumlah Air Terdistribusi KTI L/det

Sumber : Open data Dinas Pekerjaan Umum dan Perumahan Rakyat (PUPR) (2020)

Sementara itu jika dilihat dari Gambar 4.5 jumlah air terdistribusi di wilayah KTI paling tinggi ada pada tahun 2019 tepatnya pada Provinsi Kalimantan Timur yang jumlah volume airnya sebesar 6.454 L/det, dan titik terendah ada pada Provinsi Papua Barat Tahun 2015 dengan distribusi sebesar 114 l/det dan menjadikan wilayah Papua Barat, Provinsi dengan distribusi air terendah di Indonesia tahun 2015-2019. Jika dibandingkan dengan data yang ada pada wilayah KBI tentu saja terjadi ketimpangan di antara keduanya karena titik tertinggi di wilayah KTI hanya mampu memenuhi 26% dari titik tertinggi di KBI.

Rendahnya tingkat distribusi air di akibatkan oleh sulit di dapatkannya air bersih di wilayah tersebut yang akhirnya menyebabkan kegiatan

0 1000 2000 3000 4000 5000 6000 7000

NUSA TENGGARA… NUSA TENGGARA… KALIMANTAN BARAT KALIMANTAN… KALIMANTAN… KALIMANTAN TIMUR KALIMANTAN UTARA SULAWESI UTARA SULAWESI TENGAH SULAWESI SELATAN SULAWESI TENGGARA GORONTALO SULAWESI BARAT MALUKU MALUKU UTARA PAPUA BARAT PAPUA

2015 2019

produksi menjadi terganggu, yang pada akhirnya mengganggu kegiatan output yang dihasilkan oleh daerah tersebut.

c. Infrastruktur Listrik

Di masa pandemi COVID-19 seperti saat ini, kebutuhan akan energi tidak bisa dihindari karena listrik menjadi semakin penting saat bekerja dan belajar dari rumah (work from home). Sebagai salah satu dari 20 negara dengan total konsumsi listrik tertinggi, Indonesia menghasilkan kurang dari 10% pembangkit listrik energi terbarukan.

Karena Indonesia masih mengandalkan bahan bakar fosil untuk menghasilkan listrik. Hal ini menjadikan Indonesia sebagai salah satu negara dengan konsumsi energi terbarukan terendah bersama Pakistan dan Nigeria. Selama 75 tahun, PT Perusahaan Listrik Negara (Persero) berupaya memperluas pasokan listrik ke seluruh nusantara. Infrastruktur ketenagalistrikan terus meningkat dalam lima tahun terakhir. PLN terus berevolusi untuk memenuhi kebutuhan listrik. Kondisinya cukup memadai, bahkan sebagian besar memiliki cadangan daya lebih dari 30%. Meskipun pemerataan listrik dapat dilakukan oleh pemerintah namun kualitas aksesnya berbeda di setiap daerah.

Gambar 4. 6 :Jumlah Listrik Terdistribusi KBI (GWh)

Sumber : BPS (2020)

Jika dilihat dari Gambar 4.6 sebagaian besar jumlah listrik yang terdistribusi meningkat setiap tahunnya dengan titik tertinggi ada pada Provinsi Jawa Barat pada tahun 2019 yang memiliki listrik yang terdistribusi sebesar 54.480 GWh sekaligus menjadi Provinsi dengan jumlah listrik terdistribusi terbesar di Indonesia. Sementara itu di wilayah KBI titik terendah ada pada Provinsi Bengkulu tahun 2015 sebesar 785 GWh.

0 10000 20000 30000 40000 50000 60000

ACEH SUMATERA UTARA SUMATERA BARAT RIAU JAMBI SUMATERA SELATAN BENGKULU LAMPUNG KEP. BANGKA… KEP. RIAU DKI JAKARTA JAWA BARAT JAWA TENGAH DI YOGYAKARTA JAWA TIMUR BANTEN BALI

2015 2019

Gambar 4. 7 : Jumlah Listrik Terdistribusi KTI (GWh)

Sumber : BPS (2020)

Jika dilihat pada Gambar 4.7 jumlah listrik yang terdistribusi di wilayah KTI terus mengalami peningkatan hal ini dikarenakan memang fokus pemerintah, dalam beberapa tahun terakhir adalah untuk meratakan energy listrik di wilayah terpencil. Walaupun jika dibandingkan jumlah listrik yang terdistribusi di wilayah KTI masih jauh di bandingkan di wilayah KBI. Jika dirangking dari seluruh provinsi wilayah KTI rata-rata menempati rangking 10 terakhir dengan distribusi listrik terendah, bahkan Provinsi Kalimantan utara tahun 2017 menempati jumlah distribusi terendah dari seluruh Provinsi yaitu sebesar 181 GWh, sementara titik tertinggi di wilayah KTI ada pada Provinsi Sulawesi Selatan dengan listrik terdistribusi sebesar 5.946 GWh. Masih kurangnya listrik di wilayah KTI di akibatkan oleh masih

0 1000 2000 3000 4000 5000 6000 7000

NUSA TENGGARA… NUSA TENGGARA… KALIMANTAN BARAT KALIMANTAN… KALIMANTAN… KALIMANTAN TIMUR KALIMANTAN UTARA SULAWESI UTARA SULAWESI TENGAH SULAWESI SELATAN SULAWESI… GORONTALO SULAWESI BARAT MALUKU MALUKU UTARA PAPUA BARAT PAPUA

2015 Series 2

kurangnya suplai listrik di daerah tersebut sehingga pada kegiatan sehari-hari masyarakat mengalami pemadaman listrik bergilir.

2. Analisis Model Produk Domestik Regional Bruto (PDRB) dengan Variabel Bebas Infrastruktur Jalan, Infrastruktur Air, dan Infrastruktur Listrik.

a. Uji Chow

Uji F digunakan untuk memilih metode penilaian terbaik dari common effect atau fixed effect, dan digunakan untuk menilai data dari penelitian. Pada E-views 9.0 Jika nilai probabilitas cross-section F pada uji regresi fixed effect lebih besar dari 0,05 (tingkat signifikansi α = 5%), maka diasumsikan Ho, sehingga model terpilih adalah common effect, jika nilainya lebih kecil dari 0,05, maka Ho ditolak, sehingga model yang dipilih adalah fixed effect.

Tabel 4. 3 : Uji Chow

Effects Test Statistic d.f. Prob.

Cross-section F 19.590083 (33,133) 0.0000

Cross-section Chi-square 300.605662 33 0.0000

Sumber : Hasil Pengolahan data dengan E-views 9.

Hasil uji -F dari penelitian ini menunjukkan bahwa nilai probabilitas cross-section F adalah 0,00, lebih kecil dari α = 0,05.

Maka dalam penelitian ini lebih tepat menggunakan model fixed effect jika dibandingkan common effect.

b. Uji Hausman.

Metode pemilihan model estimasi yang kedua adalah Hausman test. Uji ini dilakukan untuk menentukan model estimasi yang lebih tepat digunakan antara fixed effect dengan random effect. Pada Hausman test menggunakan E-views 9.0 jika nilai untuk Prob>chi2 lebih besar dari 0,05 (tingkat signifikansi atau α = 5%) maka Ho diterima sehingga model yang terpilih adalah random effect.

Namun,jika nilainya kurang dari 0,05 maka Ho ditolak sehingga

Dalam dokumen PENGARUH INFRASTRUKTUR JALAN, AIR, DAN LISTRIK TERHADAP PRODUK DOMESTIK REGIONAL BRUTO (PDRB) DI INDONESIA TAHUN SKRIPSI (Halaman 80-0)