Pengaruh infrastruktur di suatu wilayah diharapkan akan menimbulkan keunggulan kompetitif bagi perusahaan yang terdapat dalam koridor ekonomi itu sehingga terjadi peningkatan aktivitas ekonomi dalam dan antar koridor. Bila suatu wilayah berkembang secara cepat tanpa adanya efek penyebaran atau trickle down effect, akibatnya adalah disparitas yang semakin besar dan tidak membantu mendorong pemerataan pembangunan.
Diperlukan intervensi pemerintah dengan langkah-langkah yang tepat untuk mengatasi adanya disparitas wilayah atau kesenjangan antar wilayah di Indonesia. Intervensi pemerintah diperlukan untuk meredam efek pengurasan sumber daya wilayah yang menciptakan disparitas wilayah tersebut. Efek pengurasan sumber daya yang berlebihan (backwash) adalah suatu daerah yang diberikan konektivitas melalui pembangunan sejumlah infrastruktur, tetapi dampaknya bagi wilayah tersebut menjadi turun karena adanya pengeksploitasian sumber daya alam di wilayah tersebut. Padahal idealnya suatu wilayah itu bila telah tersambung secara konektivitas maka perekonomian di sekitarnya juga seharusnya ikut maju dan berkembang. Sebagai contoh, kasus Kota Kuala Kencana di kawasan pertambangan Freeport di Papua merupakan salah satu contoh adanya disparitas atau kesenjangan yang luar biasa antara Kuala Kencana dengan wilayah-wilayah lain di sekitarnya yang dampaknya juga ikut terimbas ke masalah politik dan sosial. Keadaan ini dapat menciptakan sesuatu wilayah dimana suatu daerah-daerah yang merupakan kantong pertumbuhan. Oleh sebab itu, diperlukan adanya kesiapan dari negara kita sendiri untuk mengelola sumber daya alam dengan konstelasi yang tepat di tingkat internasional sehingga Indonesia tidak hanya menjadi penonton tetapi pemain di era global sekarang ini.
Pemerintah telah menerapkan konsep MP3EI (Master Plan Percepatan dan Perluasan Pembangunan Ekonomi Indonesia) yang diharapkan akan menghubungkan pusat-pusat ekonomi. Dengan demikian, beragam koridor yang terdapat dalam MP3EI juga diharapkan dapat memicu tumbuhnya industri
berskala usaha kecil dan menengah (UKM) yang bersifat menunjang. Pada intinya MP3EI adalah berbasis komoditas dengan pusat pertumbuhan yang disambung satu dengan yang lainnya.
Pertumbuhan ekonomi Indonesia yang relatif tinggi, baik yang sudah berjalan maupun yang direncanakan, perlu didukung dengan penyiapan tenaga kerja yang memadai. harus mampu menciptakan SDM tangguh yang mampu menghadapi tantangan global. Pada titik inilah, maka diperlukan adanya perencanaan strategis yang menyeluruh. Melalui pendidikan menengah universal diharapkan dapat menghasilkan SDM tangguh dan produktif. Meski demikian harus diakui, pembangunan pendidikan menengah sangat dipengaruhi oleh faktor eksternal, menyangkut kondisi sosial budaya, ekonomi, teknologi, dan politik yang terjadi di Indonesia.
Secara demografi, ke depan, Indonesia akan mengalami peningkatan usia produktif dengan rata-rata usia 25 tahun sampai dengan 35 tahun pada tahun 2015 sampai dengan 2035. Di satu sisi, usia produktif ini bisa mendatangkan keuntungan dan peluang untuk membangun Indonesia (bonus demografi). Dengan usia produktif yang berpendidikan baik, maka peluang membangun Indonesia menjadi luas. Namun di sisi lain, jika salah dalam penanganan dan mengantisipasinya, bisa menjadi bencana (disaster demography), jika potensi usia produktif itu tidak mampu bekerja dengan menjadi pengangguran. Peningkatan relevansi dan kualitas pendidikan tidak hanya difokuskan pada jenjang pendidikan tinggi melainkan harus sudah diawali dari jenjang pendidikan dasar dan pendidikan menengah. Sungguh sangat disayangkan, jika pada periode emas ini tidak dilakukan investasi sumber daya manusia secara besar-besaran. Jika periode ini dilewatkan begitu saja, maka bukan bonus demografi yang diraih, tapi bencana demografi yang diperoleh. Menyikapi bonus demografi dengan menggagas pendidikan menengah universal adalah bagian yang tidak terpisahkan untuk mensukseskan program MP3EI. Melalui enam koridor pertumbuhan ekonomi dalam MP3EI, bermakna pula pada bagaimana menyiapkan SDM handal dibidangnya dan hal ini dapat terpenuhi melalui jalur pendidikan.
Dalam pelaksanaan proyek MP3EI, sebagai contoh di koridor Bali-Nusa Tenggara menurut Gubernur Nusa Tenggara Barat terdapat permasalahan.
Diantaranya adalah masalah pendanaan, ketersediaan sumber daya manusia, dan masalah kepastian hukum atas lahan pengembangan proyek MP3EI di koridor Bali-Nusa Tenggara terutama industry pariwisata, peternakan, dan perikanan. Kementerian Koordinator Perekonomian mencatat baru 20 dari 84 proyek MP3EI yang dimulai peleksanaanya pertengahan tahun 2012 ini yang disebabkan karena beberapa kendala tersebut.
7.1. Kesimpulan
Kesimpulan penelitian ini adalah sebagai berikut:
1. Disparitas kabupaten/kota di Indonesia masih tinggi, walaupun sedikit mengalami kecenderungan menurun baik dengan pendekatan PDRB per kapita maupun pengeluaran rumah tangga. Disparitas kabupaten/kota di masing-masing koridor juga sedikit mengalami penurunan, dimana disparitas kabupaten/kota koridor Jawa dan Papua-Kep Maluku lebih tinggi dibandingkan koridor Sumatera, Kalimantan, Sulawesi, dan Bali-Nusa Tenggara dalam MP3EI. Pembangunan infrastruktur di Indonesia meningkat, keadaan ini juga terjadi di semua koridor ekonomi di Indonesia. Indeks infrastruktur yang tertinggi terjadi di koridor ekonomi Jawa dan Sumatera, sedangkan yang terendah terjadi di koridor Papua-Kep. Maluku.
2. Konvergensi pendekatan PDRB per kapita wilayah kabupaten/kota di Indonesia tidak terjadi (divergen), namun konvergensi pendekatan pengeluaran rumah tangga terjadi konvergensi. Konvergensi terjadi di semua koridor di Indonesia, baik dengan pendekatan PDRB per kapita maupun pendekatan pengeluaran rumah tangga. Tingkat konvergensi pendekatan PDRB per kapita tertinggi terjadi di koridor Kalimantan dan terendah di koridor Sulawesi, sedangkan konvergensi pendekatan pengeluaran rumah tangga tertinggi terjadi di koridor Jawa dan yang terendah di koridor Sulawesi. Sementara secara keseluruhan, konvergensi pendekatan pengeluaran rumah tangga lebih tinggi dibandingkan pendekatan PDRB per kapita, dengan tingkat konvergensi tertinggi terjadi di koridor Jawa.
3. Estimasi faktor-faktor yang mempengaruhi disparitas pendapatan antar wilayah antar provinsi di Indonesia pendekatan PDRB per kapita maupun pengeluaran rumah tangga secara umum pembangunan infrastruktur berpengaruh dalam mengurangi disparitas yang berlaku di semua koridor ekonomi di Indonesia.
7.2. Saran
Berdasarkan pembahasan dan kesimpulan yang dirumuskan sebelumnya, maka diberikan beberapa saran yang menyangkut penelitian ini, yaitu sebagai berikut:
1. Pembangunan infrastruktur sebagai bagian dari investasi menempati posisi penting dalam upaya mengurangi tingkat disparitas antar koridor ekonomi di Indonesia. Dengan adanya pemerataan dalam pembangunan infrastruktur antara enam koridor ekonomi di Indonesia dalam MP3EI (tidak hanya di Jawa) diharapkan dapat mengurangi disparitas wilayah antar koridor ekonomi maupun disparitas wilayah dibawahnya yang lebih kecil lagi. Diharapkan tercipta pertumbuhan ekonomi yang diimbangi dengan pemerataan (growth with equity) sesuai dengan potensi wilayahnya. Dalam rangka pemerataan pembangunan maka perlu adanya pemerataan fasilitas infrastruktur dan penciptaan pembangunan di wilayah-wilayah yang memiliki potensi. Dalam jangka panjang interkoneksi berbagai infrastruktur tersebut secara meluas akan memberikan potensi pertumbuhan yang lebih baik dibandingkan jika terpusat.
2. Pemerintah hendaknya memperhatikan aspek peningkatan sumber daya manusia. Karena sumber daya manusia merupakan variabel penting dan terbukti dapat meningkatkan pertumbuhan ekonomi dan terciptanya konsentrasi kegiatan ekonomi. Perlu adanya reposisi kebijakan pendidikan di Indonesia, dengan memandang bahwa pendidikan merupakan investasi. Konsekuensi dari reposisi yaitu perlu ditetapkan dan disosialisasikan standar pelayanan minimum pendidikan pada berbagai jenis dan jenjang pendidikan di Indonesia, yang mencakup aspek equity, efisiensi, partisipasi, kualitas dan
sustaiability sehingga dapat mengurangi disparitas wilayah.
3. Dengan penerapan konsep MP3EI, diharapkan akan terhubung pusat-pusat ekonomi berbasis komoditas dengan pusat pertumbuhan secara konektivitas antara koridor satu dengan yang lainnya tanpa adanya eksploitasi sumber daya alam.
4. Untuk penelitian lebih lanjut, perlu disempurnakan dengan menggunakan series data yang lebih panjang sehingga bisa terlihat trennya dan hasil
penelitian bias lebih baik lagi. Sedangkan varibel infrastruktur perlu penyempurnaan dengan memasukkan beberapa variabel infrastruktur lainnya. Selain itu perlu dilakukan kajian lebih mendalam mengenai kebijakan-kebijakan dan program yang telah dilaksanakan oleh pemerintah terkait dengan pembangunan infrastruktur, konvergensi dan disparitas.
Anwar A. 2005. Ketimpangan Pembangunan Wilayah dan Pedesaan: Tinjauan Kritis. Bogor : P4W Press.
Badinger, H., W. G. Muller, and G. Tondl. 2002. Regional Convergence in the European Union (1985-1999). IEF Working Papers 47:7-17.
Barro, R. dan X. Sala-i-Martin. 2004. Economic Growth (Second edition. MIT Pess. Cambridge.
BKPM. 2010. Realisasi Penanaman Modal PMDN-PMA. www.bkpm.go.id.
BI. 1997. Laporan Tahunan Bank Indonesia. www.bi.go.id.
Blanchard, O. 2006. Macroeconomics. New York: Prentice Hall Business Publishing.
Bussoletti, S. dan R. Esposti. 2004. Regional Convergence, Structural Funds and The Role of Agriculture in The EU. Dipartimento Di Economia 220:2-23.
Calderón, C dan L. Servén. 2002. The Output Cost of Latin America’s Infrastructure Gap. Central Bank of Chile Working Papers, No 186 Oktober 2002.
Capello, R. 2007. Regional Economics. Routledge, New York.
Ding, S. dan J. Knight. 2008. Can The Augmented Solow Model Explain China’s Economic Growth? A Cross-Country Panel Data Analysis. Department of Economics Discussion Paper Series 380: 18-32.
Desjardins, P. M. 2011. Regional Disparities in Canada: Interprovincial or Urban/Rural? Region et Development 33: 59-80.
Dornbusch, R., S. Fischer dan R. Startz. 2004. Macroeconomics ninth edition. Mc Graw Hill. New York.
Firdaus, M. 2006. Impact of Investment Inflow on Regional Disparity in Indonesia
[disertasi]. Malaysia: University Putra Malaysia.
Firdaus, M. and Z. Yusop. 2009. Dynamic Analysis of Regional Convergence in Indonesia. International Journal of Economic and Manajemen, Volume 3 No.1, pages 73-86.
Firdaus, M. 2011. Aplikasi Ekonometrika untuk Data Panel dan Time Series. IPB Press. Bogor.
Gujarati, D.N. 2003. Basic Econometrics. McGraw-Hill.Boston.
Jhingan, M. L. 2008. Ekonomi Pembangunan dan Perencanaan. PT. Raja Grafindo Persada, Jakarta.
Kementerian Komunikasi dan Informasi. 2011. Indikator TIK Indonesia. 2011.. Jakarta.
Lestari, E.P. 2008. Dampak Ketidakstabilan Nilai Tukar Rupiah terhadap Permintaan Uang M2 di Indonesia. Jurnal Ekonomi Pembangunan, Vol. 9(2):121-136.
Mankiw, N.G. 2007. Makroekonomi. Edisi Keenam. Alih Bahasa. Penerbit Erlangga. Jakarta.
Murty. 2000. Regional Disparities: Need and Measures for Balanced Development. New Delhi: Kanisha Publishers.
Mangkosoebroto, G. 1997. Ekonomi Publik. Yogyakarta: BPFE.
Mardiasmo. 2002. Otonomi Daerah sebagai Upaya Memperkokoh Basis Perekonomian Daerah. Makalah disampaikan dalam seminar pendalaman ekonomi rakyat.
Nugroho, I. 2003. Strategi Pengembangan Sektor Air Bersih. Artikel Majalah Perencanaan Edisi 30 Tahun 2003. BAPPENAS. Jakarta.
http://www.bappenas.go.id.
Oyekale, A. S, A. I. Adeoti and T. O. Oyekale. 2006. Measurement and Sources of Income Inequality among Rural and Urban Households in Nigeria.
PMMA Working Paper 20: 12-22.
Panggabean, R. 2008. Pembangunan Infrastruktur dan Pembangunan Ekonomi Regional: Studi Kasus Kawasan Timur Indonesia 1990-2005 [tesis]. Program Pascasarjana, Universitas Indonesia. Jakarta.
Peraturan Presiden No. 32 Tahun 2011 tentang Masterplan Percepatan dan Perluasan Pembangunan Ekonomi Indonesia 2011-2025.
Prahara, G. 2010 Analisis Disparitas Antar Wilayah terhadap Pertumbuhan Ekonomi Provinsi Kalimantan Barat [tesis]. Program Pascasarjana IPB. Bogor.
Quah, D. 1995. Empirics for Economic Growth and Convergence. Centre for Economic Performance Discission Paper 253: 10-23.
in Canada – An Application of GMM Estimation. Econometrics Working Paper EWP 0502:13-21.
Rumayya, W. W. dan E. A. Landiyanto. 2005. Growth in East Java: Convergence or Divergence?. Econ WPA 0508: 15-16.
Rustiadi E dan Priyarsono DS. 2010. Regional Development in Indonesia. Bogor.
Samuel, S. 2006. Analisis Faktor-faktor yang Mempengaruhi Ketimpangan Pendapatan Antar Provinsi di Indonesia [tesis]. Program Pascasarjana USU. Medan.
Sirojuzilam. 2009. Disparitas Ekonomi Regional dan Perencanaan Wilayah. Medan.
Sjafrizal. 2008. Ekonomi Regional Teori dan Aplikasi. Baduose Media, Padang.
Stiglitz, J. 2000. Economics of The Public Sector. Edisi ke-3. New York: WW Norton.
Sukirno, S. 1995. Beberapa Aspek dalam Persoalan Pembangunan Daerah.
Jakarta: LPFE-Universitas Indonesia.
Tambunan, T. 2001. Perekonomian Indonesia: Teori dan Temuan Empiris.
Jakarta: Penerbit PT. Ghalia Indonesia.
Todaro, M. P dan S. C. Smith. 2009. Pembangunan Ekonomi. Jilid 1 Edisi Kesepuluh . Alih Bahasa. Penerbit Erlangga. Jakarta.
UNESCO. 2008. Overcoming Inequity: Why Governance Matters. Paris: United Nations Educational, Science and Cultural Organization.
Verbeek, M. 2000. A Guide to Modern Econometrics. Chicester: John Wiley and Sons. Ltd.
Wahyuni, K.T. 2011. Konvergensi dan Faktor-faktor yang Memengaruhi Ketimpangan Wilayah Kabupaten/Kota di Pulau Jawa [tesis]. Program Pascasarjana IPB. Bogor.
World Bank. 1994. World Development Report: Infrastructure for Development. Oxford University Press, New York.
Prob > chi2 = 0.3330 chi2( 6) = 6.870686
H0: overidentifying restrictions are valid Sargan test of overidentifying restrictions
. estat sargan H0: no autocorrelation 2 -1.0071 0.3139 1 -2.401 0.0164 Order z Prob > z
Arellano-Bond test for zero autocorrelation in first-differenced errors . estat abond
Standard: D.inv D.labour inv GMM-type: L(2/.).pdrb
Instruments for differenced equation errors are recommended.
Warning: gmm two-step standard errors are biased; robust standard
labour -.0035974 .0210888 -0.17 0.865 -.0449306 .0377358 inv .0000935 .0000906 1.03 0.302 -.0000841 .000271 L1. .6609227 .0365669 18.07 0.000 .5892529 .7325926 pdrb pdrb Coef. Std. Err. z P>|z| [95% Conf. Interval] Two-step results
Prob > chi2 = 0.0000 Number of instruments = 9 Wald chi2( 3) = 329.22 max = 3 avg = 3 Obs per group: min = 3 Time variable: tahun
Group variable: kab Number of groups = 132 Arellano-Bond dynamic panel-data estimation Number of obs = 396 . xtabond pdrb inv labour, noconstant inst(inv) lags(1) twostep artests(2)
delta: 1 unit
time variable: tahun, 2006 to 2010 panel variable: kab (unbalanced) . xtset kab tahun
Prob > chi2 = 0.2425 chi2( 6) = 7.940534
H0: overidentifying restrictions are valid Sargan test of overidentifying restrictions
. estat sargan
Lampiran 2 Scripts Input dan hasil Output Stata Estimasi Konvergensi Kabupaten/Kota Pendekatan Pendapatan Rumah Tangga di Koridor Sumatera dengan Metode Data Panel Dinamis FD-GMM
H0: no autocorrelation 2 -.23594 0.8135 1 -5.4954 0.0000 Order z Prob > z
Arellano-Bond test for zero autocorrelation in first-differenced errors . estat abond
Standard: D.inv D.labour manu GMM-type: L(2/.).income Instruments for differenced equation errors are recommended.
Warning: gmm two-step standard errors are biased; robust standard
labour .4690789 .4146338 1.13 0.258 -.3435884 1.281746 inv .0175755 .006721 2.62 0.009 .0044027 .0307484 L1. .0970709 .0801878 1.21 0.226 -.0600943 .2542361 income income Coef. Std. Err. z P>|z| [95% Conf. Interval] Two-step results
Prob > chi2 = 0.0053 Number of instruments = 9 Wald chi2( 3) = 12.73 max = 3 avg = 3 Obs per group: min = 3 Time variable: tahun
Group variable: kab Number of groups = 132 Arellano-Bond dynamic panel-data estimation Number of obs = 396 . xtabond income inv labour, noconstant inst(manu) lags(1) twostep artests(2) delta: 1 unit
time variable: tahun, 2006 to 2010 panel variable: kab (unbalanced) . xtset kab tahun
Lampiran 3 Scripts Input dan hasil Output Stata Estimasi Konvergensi Kabupaten/Kota Pendekatan PDRB di Koridor Jawa dengan Metode Data Panel Dinamis FD-GMM
Prob > chi2 = 0.1644 chi2( 6) = 9.167083
H0: overidentifying restrictions are valid Sargan test of overidentifying restrictions . estat sargan H0: no autocorrelation 2 -1.2427 0.2140 1 -2.837 0.0046 Order z Prob > z
Arellano-Bond test for zero autocorrelation in first-differenced errors . estat abond
Standard: D.inv D.labour edu GMM-type: L(2/.).pdrb
Instruments for differenced equation errors are recommended.
Warning: gmm two-step standard errors are biased; robust standard
labour .0788295 .0646331 1.22 0.223 -.047849 .205508 inv .0016409 .0012953 1.27 0.205 -.0008979 .0041797 L1. .9232122 .2007302 4.60 0.000 .5297883 1.316636 pdrb pdrb Coef. Std. Err. z P>|z| [95% Conf. Interval] Two-step results
Prob > chi2 = 0.0000 Number of instruments = 9 Wald chi2( 3) = 66.54 max = 3 avg = 3 Obs per group: min = 3 Time variable: tahun
Group variable: kab Number of groups = 116 Arellano-Bond dynamic panel-data estimation Number of obs = 348 . xtabond pdrb inv labour, noconstant inst(edu) lags(1) twostep artests(2)
Lampiran 4 Scripts Input dan hasil Output Stata Estimasi Konvergensi Kabupaten/Kota Pendekatan Pendapatan Rumah Tangga di Koridor Jawa dengan Metode Data Panel Dinamis FD-GMM
Prob > chi2 = 0.1251 chi2( 6) = 9.99036
H0: overidentifying restrictions are valid Sargan test of overidentifying restrictions
. estat sargan H0: no autocorrelation 2 -.04446 0.9645 1 -5.2936 0.0000 Order z Prob > z
Arellano-Bond test for zero autocorrelation in first-differenced errors . estat abond
Standard: D.inv D.labour agri GMM-type: L(2/.).income Instruments for differenced equation errors are recommended.
Warning: gmm two-step standard errors are biased; robust standard
labour .1412029 .3138279 0.45 0.653 -.4738886 .7562943 inv -.0045842 .0087504 -0.52 0.600 -.0217347 .0125662 L1. -.0678158 .0718312 -0.94 0.345 -.2086023 .0729707 income income Coef. Std. Err. z P>|z| [95% Conf. Interval] Two-step results
Prob > chi2 = 0.6757 Number of instruments = 9 Wald chi2( 3) = 1.53 max = 3 avg = 3 Obs per group: min = 3 Time variable: tahun
Group variable: kab Number of groups = 116 Arellano-Bond dynamic panel-data estimation Number of obs = 348 . xtabond income inv labour, noconstant inst(agri) lags(1) twostep artests(2) delta: 1 unit
time variable: tahun, 2006 to 2010 panel variable: kab (strongly balanced) . xtset kab tahun
Lampiran 5 Scripts Input dan hasil Output Stata Estimasi Konvergensi Kabupaten/Kota Pendekatan PDRB di Koridor Kalimantan dengan Metode Data Panel Dinamis FD-GMM
Prob > chi2 = 0.7297 chi2( 6) = 3.606682
H0: overidentifying restrictions are valid Sargan test of overidentifying restrictions
. estat sargan H0: no autocorrelation 2 -1.4124 0.1578 1 -1.2603 0.2075 Order z Prob > z
Arellano-Bond test for zero autocorrelation in first-differenced errors . estat abond
Standard: D.inv D.labour agri GMM-type: L(2/.).pdrb
Instruments for differenced equation errors are recommended.
Warning: gmm two-step standard errors are biased; robust standard
labour .0768089 .0531972 1.44 0.149 -.0274558 .1810735 inv .0018714 .000743 2.52 0.012 .0004151 .0033277 L1. .3624968 .1815072 2.00 0.046 .0067493 .7182444 pdrb pdrb Coef. Std. Err. z P>|z| [95% Conf. Interval] Two-step results
Prob > chi2 = 0.0000 Number of instruments = 9 Wald chi2( 3) = 29.53 max = 3 avg = 3 Obs per group: min = 3 Time variable: tahun
Group variable: kab Number of groups = 53 Arellano-Bond dynamic panel-data estimation Number of obs = 159 . xtabond pdrb inv labour, noconstant inst(agri) lags(1) twostep artests(2)
delta: 1 unit
time variable: tahun, 2006 to 2010 panel variable: kab (strongly balanced) . xtset kab tahun
Prob > chi2 = 0.2200 chi2( 6) = 8.25573
H0: overidentifying restrictions are valid Sargan test of overidentifying restrictions
Lampiran 6 Scripts Input dan hasil Output Stata Estimasi Konvergensi Kabupaten/Kota Pendekatan Pendapatan Rumah Tangga di Koridor Kalimantan dengan Metode Data Panel Dinamis FD-GMM
. estat sargan H0: no autocorrelation 2 -1.2976 0.1944 1 -2.454 0.0141 Order z Prob > z
Arellano-Bond test for zero autocorrelation in first-differenced errors . estat abond
Standard: D.inv D.labour inv GMM-type: L(2/.).income Instruments for differenced equation errors are recommended.
Warning: gmm two-step standard errors are biased; robust standard
labour .4237205 .4280911 0.99 0.322 -.4153227 1.262764 inv .0152291 .0103806 1.47 0.142 -.0051165 .0355747 L1. -.1727628 .0522744 -3.30 0.001 -.2752187 -.070307 income income Coef. Std. Err. z P>|z| [95% Conf. Interval] Two-step results
Prob > chi2 = 0.0071 Number of instruments = 9 Wald chi2( 3) = 12.09 max = 3 avg = 3 Obs per group: min = 3 Time variable: tahun
Group variable: kab Number of groups = 53 Arellano-Bond dynamic panel-data estimation Number of obs = 159 . xtabond income inv labour, noconstant inst(inv) lags(1) twostep artests(2) delta: 1 unit
time variable: tahun, 2006 to 2010 panel variable: kab (strongly balanced) . xtset kab tahun
Lampiran 7 Scripts Input dan hasil Output Stata Estimasi Konvergensi Kabupaten/Kota Pendekatan PDRB di Koridor Sulawesi dengan Metode Data Panel Dinamis FD-GMM
Prob > chi2 = 0.6036 chi2( 6) = 4.54273
H0: overidentifying restrictions are valid Sargan test of overidentifying restrictions
. estat sargan H0: no autocorrelation 2 .05297 0.9578 1 -2.8076 0.0050 Order z Prob > z
Arellano-Bond test for zero autocorrelation in first-differenced errors . estat abond
Standard: D.inv D.labour agri GMM-type: L(2/.).pdrb
Instruments for differenced equation errors are recommended.
Warning: gmm two-step standard errors are biased; robust standard
labour .0258341 .0465333 0.56 0.579 -.0653695 .1170376 inv .0008461 .0003425 2.47 0.014 .0001748 .0015175 L1. .9625628 .1497706 6.43 0.000 .6690179 1.256108 pdrb pdrb Coef. Std. Err. z P>|z| [95% Conf. Interval] Two-step results
Prob > chi2 = 0.0000 Number of instruments = 9 Wald chi2( 3) = 64.92 max = 3 avg = 3 Obs per group: min = 3 Time variable: tahun
Group variable: kab Number of groups = 69 Arellano-Bond dynamic panel-data estimation Number of obs = 207 . xtabond pdrb inv labour, noconstant inst(agri) lags(1) twostep artests(2)
delta: 1 unit
time variable: tahun, 2006 to 2010 panel variable: kab (strongly balanced) . xtset kab tahun
Prob > chi2 = 0.1263 chi2( 6) = 9.961689
H0: overidentifying restrictions are valid Sargan test of overidentifying restrictions
. estat sargan
Lampiran 8 Scripts Input dan hasil Output Stata Estimasi Konvergensi Kabupaten/Kota Pendekatan Pendapatan Rumah Tangga di Koridor Sulawesi dengan Metode Data Panel Dinamis FD-GMM
H0: no autocorrelation 2 -.08659 0.9310 1 -1.9146 0.0555 Order z Prob > z
Arellano-Bond test for zero autocorrelation in first-differenced errors . estat abond
Standard: D.inv D.labour labour GMM-type: L(2/.).income
Instruments for differenced equation errors are recommended.
Warning: gmm two-step standard errors are biased; robust standard
labour .5384251 .511041 1.05 0.292 -.4631969 1.540047 inv -.0155974 .0110038 -1.42 0.156 -.0371644 .0059696 L1. .5162276 .1241628 4.16 0.000 .272873 .7595822 income income Coef. Std. Err. z P>|z| [95% Conf. Interval] Two-step results
Prob > chi2 = 0.0002 Number of instruments = 9 Wald chi2( 3) = 19.51 max = 3 avg = 3 Obs per group: min = 3 Time variable: tahun
Group variable: kab Number of groups = 69 Arellano-Bond dynamic panel-data estimation Number of obs = 207 . xtabond income inv labour, noconstant inst(labour) lags(1) twostep artests(2) delta: 1 unit
time variable: tahun, 2006 to 2010 panel variable: kab (strongly balanced) . xtset kab tahun
Lampiran 9 Scripts Input dan hasil Output Stata Estimasi Konvergensi Kabupaten/Kota Pendekatan PDRB di Koridor Bali-Nusa Tenggara dengan Metode Data Panel Dinamis FD-GMM
Prob > chi2 = 0.3973 chi2( 4) = 4.064741
H0: overidentifying restrictions are valid Sargan test of overidentifying restrictions
. estat sargan H0: no autocorrelation 2 .64023 0.5220 1 -1.4853 0.1375 Order z Prob > z
Arellano-Bond test for zero autocorrelation in first-differenced errors . estat abond
Standard: D.inv D.labour tax GMM-type: L(2/.).pdrb
Instruments for differenced equation errors are recommended.
Warning: gmm two-step standard errors are biased; robust standard
labour .0966157 .0676899 1.43 0.153 -.036054 .2292853 inv .0019314 .0010004 1.93 0.054 -.0000294 .0038922 L1. .5169459 .2237751 2.31 0.021 .0783547 .955537 pdrb pdrb Coef. Std. Err. z P>|z| [95% Conf. Interval] Two-step results
Prob > chi2 = 0.0085 Number of instruments = 7 Wald chi2( 3) = 11.69 max = 3 avg = 3 Obs per group: min = 3 Time variable: tahun
Group variable: kab Number of groups = 37 Arellano-Bond dynamic panel-data estimation Number of obs = 111 . xtabond pdrb inv labour, noconstant inst(tax) lags(1) twostep artests(2)
delta: 1 unit
time variable: tahun, 2006 to 2010 panel variable: kab (strongly balanced) . xtset kab tahun
Prob > chi2 = 0.1373 chi2( 6) = 9.713045
H0: overidentifying restrictions are valid Sargan test of overidentifying restrictions
Lampiran 10 Scripts Input dan hasil Output Stata Estimasi Konvergensi Kabupaten/Kota Pendekatan Pendapatan Rumah Tangga di Koridor Bali-Nusa Tenggara
dengan Metode Data Panel Dinamis FD-GMM
. estat sargan H0: no autocorrelation 2 1.0216 0.3069 1 -2.3266 0.0200 Order z Prob > z
Arellano-Bond test for zero autocorrelation in first-differenced errors . estat abond
Standard: D.inv D.labour govexp GMM-type: L(2/.).income
Instruments for differenced equation errors are recommended.
Warning: gmm two-step standard errors are biased; robust standard