Persamaan Investasi - Metode Analisis

III. METODE PENELITIAN

3.3 Metode Analisis

3.3.5 Persamaan Investasi

Berdasarkan teori, konsep, dan penelitian terdahulu maka persamaan investasi adalah sebagai berikut:

lnINVt = e1 + e2lnGEIt + e3SBt-1 + e4INFt-1 + e5lnGDPt-1 + e6 lnUt + DK... (3.5) diharapkan e2, e4, e5, e6 > 0 dan e3 < 0

dimana:

SBt-1 = Lag Suku Bunga (persen) INFt-1 = Lag Inflasi (persen)

lnGDPt-1 = Lag Pendapatan Nasional (persen)

INV U PP

POV GEI

W INF

EGRO

GDP-1

INF_-1

SB-₁ DK ^ER

GDP GR

Gambar 3.1 Hubungan Antar Variabel Keterangan: : variabel independen

: variabel dependen

: keterkaitan antar variabel

3.4. Definisi Operasional Variabel

Penelitian ini menggunakan data sekunder yang diperoleh dari berbagai sumber. Data yang akan digunakan mencakup kurun waktu 1976-2006. Adapun data yang digunakan meliputi:

1. Jumlah penduduk miskin (POV), sebagai pendekatan dalam pengukuran variabel kemiskinan. Data jumlah penduduk miskin yang digunakan bersumber dari BPS. Data ini memperlihatkan jumlah penduduk yang hidup dibawah garis kemiskinan. Nilai garis kemiskinan yang digunakan mengacu pada kebutuhan minimum 2100 kkal perkapita perhari ditambah dengan kebutuhan minimum non makanan yang merupakan kebutuhan dasar seseorang yang meliputi kebutuhan dasar untuk papan, sandang, sekolah, transportasi, serta kebutuhan rumah tangga dan individu yang mendasar lainnya. Besarnya nilai pengeluaran (dalam rupiah) untuk memenuhi kebutuhan dasar tersebut disebut garis kemiskinan. Penduduk yang tidak mampu memenuhi kebutuhan dasar minimum dikategorikan sebagai penduduk miskin.

2. Pengeluaran pemerintah untuk infrastruktur (GEI), data yang digunakan diperoleh dari Realisasi pengeluaran pembangunan yang tercantum dalam Anggaran Pengeluaran Belanja Negara (APBN) dengan sumber data berasal dari BPS. Data pengeluaran pembangunan untuk tahun 2005-2006 diperoleh dari pengeluaran pemerintah pusat berupa belanja modal dan belanja barang.

3. Pendapatan perkapita (PP), data ini digunakan sebagai pendekatan tingkat kesejahteraan penduduk. Data ini diperoleh dengan membagi jumlah

pendapatan nasional dengan jumlah penduduk Indonesia. Data pendapatan nasional yang digunakan berdasarkan harga konstan tahun 2000. Data pendapatan nasional dan jumlah penduduk Indonesia diperoleh dari BPS.

4. Pengangguran (U), pendapatan nasional (GDP), nilai tukar rupiah terhadap dolar Amerika (ER), pertumbuhan ekonomi (EGRO), investasi (INV) dan tingkat upah rata-rata (W), diperoleh dari Statistik Indonesia yang dilakukan BPS.

5. Tingkat suku bunga (SB) dan penerimaan pemerintah (GR), diperoleh dari Laporan Tahunan Perekonomian Indonesia yang dilakukan oleh Bank Indonesia.

3.5. Identifikasi Model

Sebelum melakukan pendugaan parameter fungsi-fungsi persamaan simultan maka perlu dilakukan identifikasi persamaan-persamaan dalam model.

Suatu persamaan dapat teridentifikasi bila memenuhi syarat order condition dan rank condition. Dua kondisi ini dapat dianggap sebagai syarat perlu dan syarat cukup untuk identifikasi. Rumus identifikasi model struktural menurut order condition adalah:

(K-M) ≥ (G-1)

Bila (K-M) > (G-1), maka persamaan tersebut over identified Bila (K-M) = (G-1), maka persamaan tersebut exactly identified Bila (K-M) < (G-1), maka persamaan tersebut under identified

dimana:

K = Jumlah variabel dalam model

M = jumlah variabel dalam sebuah persamaan G = jumlah variabel endogen dalam model

Apabila hasil identifikasi menunjukkan kondisi over identified maka teknik ekonometrik yang dapat digunakan adalah metode pangkat dua terkecil dua tahap atau two stage least square (TSLS), atau bisa juga dengan menggunakan metode pangkat dua terkecil tiga tahap atau 3SLS. Jika kondisi yang terjadi menunjukkan exactly identified maka metode yang digunakan adalah ILS (indirect least squares).

3.6. Metode Estimasi Model

Hasil dari identifikasi model adalah sebagai berikut:

Tabel 3.1. Estimasi Model

No. Persamaan K M G Hasil identifikasi

Berdasarkan hasil identifikasi, maka dapat disimpulkan bahwa model analisis termasuk over identified. Menurut Gujarati (1978), model yang tergolong over identified dapat diestimasi dengan menggunakan metode 2SLS (Two Stage

Least Squares). Kelebihan metode 2SLS adalah taksiran yang dihasilkan konsisten dan relatif lebih mudah diaplikasikan. Oleh karena itu, metode tersebut akan digunakan dalam penelitian ini.

Metode 2SLS dilakukan dengan dua tahap yaitu, pertama, menduga setiap persamaan dengan semua variabel eksogen yang ada dalam model, sehingga diperoleh nilai dugaan setiap variabel endogen. Nilai dugaan variabel endogen dari tahap pertama tersebut selanjutnya dimasukan sebagai variabel penjelas (menggantikan nilai aktual variabel tersebut) dalam persamaan-persamaan yang relevan. Untuk pengolahan data, digunakan alat bantu perangkat computer dengan program Eviews Version 4.1.

3.7. Pengujian Model dan Hipotesis 3.7.1. Uji Koefisien determinasi (R²)

Koefisien determinasi menunjukkan besarnya pengaruh semua variabel eksogen terhadap variabel endogen. Koefisien deteminasi adalah proporsi variasi dalam Y yang dapat dijelaskan oleh variabel-variabel penjelasnya. Adapun perhitungan untuk memperoleh R² adalah sebagai berikut:

ESS R² =

TSS

dimana,

ESS = Jumlah kuadrat error TSS = Jumlah kuadrat total

R² berada di antara 0 dan 1. Jika bernilai 1 maka garis regresi menjelaskan 100% variasi dalam Y. Di lain pihak jika bernilai 0 maka garis regresi tidak menjelaskan variasi dalam Y.

3.7.2. Uji t

Uji parsial (uji t) bertujuan untuk mengetahui apakah variabel eksogen yang terdapat dalam model secara individu berpengaruh nyata terhadap variabel endogen. Adapun mekanisme uji statistik t ini adalah sebagai berikut:

1. Merumuskan hipotesis H0 : bi = 0 H1 : bi ≠ 0 2. Statistik uji t

t

hitung

=

S(bi)

dimana,

bi = Koefisien parameter dugaan S(bi) = Standar deviasi parameter dugaan

3. Melakukan kriteria uji

t _hitung < t (α;n-k) : maka terima H0

t _hitung

>

t (α;n-k) : maka tolak H0

Jika t hitung lebih besar dari t tabel, maka tolak H0 dan paremeter dugaan secara statistik berbeda nyata dari nol dan berpengaruh nyata terhadap variabel endogen pada tingkat signifikansi α persen, dan sebaliknya.

Selain dengan melakukan uji-t, untuk mengetahui variabel eksogen mana yang secara parsial berpengaruh terhadap variabel endogen dapat dilakukan dengan melihat p-valuenya. P-value suatu variabel eksogen yang lebih kecil dari tingkat signifikannya menunjukkan bahwa variabel eksogen tersebut berpengaruh nyata terhadap variabel endogen pada tingkat signifikansi α persen, dan sebaliknya.

3.7.3. Uji F

Untuk mengetahui apakah variabel eksogen secara bersama-sama berpengaruh nyata atau tidak terhadap variabel endogen, maka pada setiap persamaan digunakan uji statistik uji F. Langkah awal dalam melakukan uji F ini adalah dengan menentukan hipotesis yaitu:

H0 : ai = 0, dimana i = 1,2,3,…..,k

H1 : Minimal ada satu nilai ai yang tidak sama dengan nol Setelah itu, dilakukan uji statistik

RSS/k Fhit =

ESS/(n-k-1) dimana,

RSS = Jumlah Kuadrat Regresi ESS = Jumlah Kuadrat Error n = Jumlah pengamatan k = Jumlah variabel eksogen

Kemudian dilakukan penerimaan atau penolakan H0 yaitu jika F hitung lebih besar dari F (α/2; n-k-1) maka tolak H0, yang berarti bahwa secara simultan variabel-variabel eksogen dalam model berpengaruh nyata terhadap variabel endogen pada taraf nyata α persen, dan sebaliknya.

3.8. Uji Ekonometrika 3.8.1. Uji Normalitas

Uji normalitas dilakukan untuk memeriksa apakah error term mendekati distribusi normal atau tidak. Jika asumsi ini tidak terpenuhi maka prosedur pengujian menggunakan statistik t menjadi tidak sah. Uji normalitas error term dilakukan dengan menggunakan uji Jarque-Bera. Uji ini didasarkan pada error penduga Least Squares. Prosedur pengujian adalah:

a. H0 : Error term terdistribusi normal, H1 : Error term tidak terdistribusi normal.

b. Statistik J-B dihitung melalui tahapan berikut:

1. Hitung kecondongan (α3) dan ketinggian (α4) distribusi error term 2. Hitung statistic J-B dengan rumus sebagai berikut:

( )

Daerah kritis penolakan H0 adalah Jarque-Bera (J-B)>X²df-2 atau probabilitas (ρ-value)<α, yang mempunyai arti jika H0 ditolak maka error term tidak terdistribusi normal.

3.8.2. Uji Heteroskedastisitas

Heteroskedastisitas menggambarkan bahwa pada suatu permodelan nilai varian dari variabel independen tidak memiliki nilai yang sama. Hal ini melanggar asumsi dasar dari regresi linear klasik yaitu varian setiap variabel bebas mempunyai nilai yang konstan atau memiliki varian yang sama (homoskedastisitas).

Rumusan homoskedastisitas adalah sebagai berikut:

2 2

) (u_i =σ

E i=1,2,...,N

Dimana:

ui = unsur disturbance σ² = nilai varians

Pengujian heteroskedastisitas dalam penelitian ini dilakukan dengan menggunakan uji White Heteroskedasticity Test pada software E-Views 4.1.

Prosedur pengujian adalah:

H0 :β0 = 0, tidak terdapat heteroskedastisitas H1: β0 # 0, terdapat heteroskedastisitas

Jika Probability Obs*R-squared<α (taraf nyata yang digunakan), maka tolak H0.

Sedangkan, jika Probability Obs* R-squared >α (taraf nyata yang digunakan), maka terima H0. Kesimpulannya, jika menolak H0, maka menunjukkan terdapat masalah heteroskedastisitas dalam model. Sebaliknya, jika menerima H0, maka menunjukkan bahwa tidak terdapat masalah heteroskedastisitas dalam model.

3.8.3. Uji Autokorelasi

Uji Autokorelasi merupakan korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu atau ruang (Gujarati, 1978). Model klasik mengasumsikan bahwa unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur disturbansi atau gangguan yang berhubungan dengan pengamatan lain. Pada software E-Views 4.1 untuk mendeteksi adanya autokorelasi (serial correlations) dapat dilakukan melalui uji Breusch-Godfrey Serial Correlation LM. Rumusan adanya autokorelasi dalam permodelan adalah sebagai berikut:

0 ) (u_iu_j ≠

E ; i ≠ j

ui = disturbance pengamatan i, uj = disturbance pengamatan j.

Kondisi di atas menunjukkan bahwa unsur gangguan (disturbance) yang berhubungan dengan observasi (ui) dipengaruhi oleh unsur gangguan (disturbance) yang berhubungan dengan pengamatan lain (uj). Prosedur pengujian adalah:

H0 :β0 = 0, tidak terdapat autokorelasi H1: β0 # 0, terdapat autokorelasi

Jika Probability Obs*R-squared<α (taraf nyata yang digunakan), maka tolak H0.

Sedangkan, jika Probability Obs* R-squared >α(taraf nyata yang digunakan), maka terima H0. Kesimpulannya, jika menolak H0, maka menunjukkan terdapat masalah autokorelasi dalam model. Sebaliknya, jika menerima H0, maka menunjukkan bahwa tidak terdapat masalah autokorelasi dalam model.

IV. GAMBARAN UMUM

4.1. Gambaran Umum Kemiskinan di Indonesia

Sebelum terjadi krisis ekonomi pada pertengahan 1997 jumlah penduduk miskin terus mengalami penurunan. Seperti terlihat pada Gambar 4.1, dari tahun 1976 sampai 1996 jumlah penduduk miskin terus mengalami penurunan. Saat terjadi krisis jumlah penduduk miskin melonjak secara drastis, dan kemudian kembali mengalami penurunan.

Jumlah Kemiskinan di Indonesia

0 10000 20000 30000 40000 50000 60000

tahun 1978 1981 1984 1987 1990 1993 1996 1999 2002 2005

tahun jumlah penduduk miskin (dalam ribu jiwa)

jumlah kemiskinan

Gambar 4.1 Grafik Perkembangan Jumlah Kemiskin Indonesia Sumber: BPS (1976-2006), diolah

Pada tahun 1996 jumlah penduduk miskin diperkirakan sebesar 22,5 juta jiwa atau sekitar 11 persen dari seluruh penduduk di Indonesia. Namun saat krisis ekonomi melanda Indonesia, jumlah penduduk yang hidup dibawah garis kemiskinan meningkat drastis menjadi 34,5 juta jiwa atau sekitar 17 persen dari

seluruh penduduk Indonesia pada tahun 1997, kondisi meningkatnya jumlah penduduk miskin terus meningkat sampai pada puncaknya tahun 1998 yakni sebesar 49,5 juta jiwa atau 24 persen dari total penduduk Indonesia pada saat itu.

Seiring dengan sedikit membaiknya kondisi perekonomian, situasi politik dan keamanan di Indonesia pasca krisis ekonomi telah mengurangi jumlah penduduk miskin. Sejak tahun 1999, secara perlahan-lahan jumlah penduduk yang hidup dibawah garis kemiskinan mengalami penurunan hingga tahun 2006 mencapai 30,3 juta jiwa atau sekitar 13 persen dari total penduduk Indonesia.

Angka kemiskinan sangat terkait dengan tingkat upah yang diterima masyarakat. Dengan pertumbuhan ekonomi yang masih relatif rendah, penyediaan tambahan lapangan kerja menjadi sangat terbatas sehingga tidak mampu menyerap semua tambahan angkatan kerja baru. Kondisi ini menyebabkan sebagian pencari kerja terpaksa menerima upah dan pekerjaan yang tidak sesuai dengan keinginannya. Selain itu, tingginya laju inflasi menyebabkan upah pekerja secara riil turun. Melonjaknya harga-harga secara tajam bersamaan dengan menurunnya pendapatan masyarakat mengakibatkan jumlah penduduk yang hidup di bawah garis kemiskinan masih tetap tinggi.

4.2. Gambaran Umum Pengeluaran Pemerintah untuk Infrastruktur Indonesia

Kondisi infrastruktur di Indonesia relatif masih kurang. Dari laporan Bank Dunia tahun 2007, disebutkan bahwa investasi infrastruktur di Indonesia masih terlalu kecil. Investasi infrastruktur di Indonesia sebelum masa krisis

ekonomi pada pertengahan tahun1997 berkisar 5-6 persen dari GDP. Ketika krisis ekonomi terjadi investasi pada infrastruktur mengalami penurunan mencapai 1-2 persen dari GDP. Dan pada tahun 2006 investasi pada sub sektor infrastruktur berkisar 3,40 persen dari GDP.

Pengalaman internasional memperlihatkan kecenderungan bila suatu negara mengalami krisis ekonomi, maka yang pertama kali dikorbankan dalam pembangunannya adalah pembangunan di sub sektor infrastruktur (Bapenas, 2003). Berdasarkan saran dari International Monetary Fund (IMF), kebijakan pembangunan negara yang mengalami krisis lebih difokuskan pada kebijakan moneter, melalui restrukturisasi perbankan, dan pengentasan kemiskinan melalui jaring pengaman sosial (JPS). Indonesia mengurangi besarnya investasi untuk sub sektor infrastruktur saat terjadi krisis ekonomi.

Investasi pada sub sektor infrastruktur diisi oleh investasi privat dan investasi publik. Dalam penelitian ini, kita lebih memfokuskan pada investasi infrastruktur oleh pemerintah atau investasi publik. Investasi pemerintah dalam sub sektor infrastruktur dapat kita lihat dari jumlah besaran dana pembangunan yang ada di APBN.

Dari tahun 1976 sampai 1996 jumlah pengeluaran pembangunan pemerintah terus mengalami peningkatan. Pada tahun 1976 jumlah pengeluaran pembangunan yang dialokasikan pemerintah sebesar Rp 280,7 milyar dan terus meningkat sampai pada tahun 1996 mencapai Rp 791,00 milyar. Saat terjadi krisis ekonomi terjadi penurunan alokasi pengeluaran pembangunan, pada tahun 1997

alokasi dana hanya sebesar Rp 760,00 milyar dan Rp 757,10 milyar pada tahun 1998.

Seiring dengan pertumbuhan perekonomian Indonesia yang terus mengalami perbaikan, maka pembangunan infrastruktur mulai kembali mendapat perhatian karena sub sektor ini sangat menunjang bagi pembangunan sub sektor-sub sektor perekonomian lainnya. Pada tahun 1999 pengeluaran pembangunan pemerintah untuk infrastruktur kembali meningkat menjadi Rp 856,40 milyar.

Dan diharapkan pengeluaran pemerintah untuk infrastruktur akan terus meningkat.

Namun pada tahun 2000, terjadi penurunan investasi pemerintah dalam sub sektor infrastruktur yang cukup tajam. Pada tahun 2000 investasi pemerintah dalam sub sektor infrastruktur hanya sebesar Rp 258 milyar. Lalu mengalami kenaikan kembali pada tahun 2001, dan terus mengalami fluktuasi sampai tahun 2006, besarnya dana investasi pemerintah untuk infrastruktur pada tahun 2001; 2002;

2003; 2004; 2005 dan 2006 adalah Rp 356,80 milyar; Rp 290,70 milyar; Rp 506,10 milyar; Rp 471,70 milyar; Rp 333,30 milyar; Rp 458,70 milyar. Penurunan dan fluktuasi ini diperkirakan karena adanya penumpukan utang negara yang harus segera di bayar, sehingga dana untuk investasi di sub sektor infrastruktur harus dikurangi.

Pengadaan infrastruktur membutuhkan waktu yang lama dan dana yang tidak sedikit. Dan hasil yang akan diperoleh dari pembangunan ini juga baru bisa dinikmati di masa yang akan datang. Maka dari itu pembangunan infrastruktur ini sebaiknya tetap ditujukan untuk mendukung target pertumbuhan ekonomi jangka

menengah dan panjang sehingga upaya pemulihan dan pertumbuhan ekonomi dapat berjalan dengan baik.

Pengeluaran Pemerintah untuk Infrastruktur

Gambar 4.2 Pengeluaran Pemerintah untuk Infrastruktur Sumber: BPS (1976-2006), diolah

4.3. Gambaran Umum Pendapatan Perkapita Indonesia

Pendapatan perkapita tidak dapat lepas dari pendapatan nasional. Angka pendapatan perkapita diperoleh dengan membagi pendapatan nasional dengan jumlah penduduk.

Dari tahun 1976 hingga tahun 1997 pendapatan nasional dan pendapatan perkapita terus mengalami peningkatan. Lalu mengalami penurunan saat terjadi krisis ekonomi pada tahun 1998. kemudian kembali mengalami peningkatan pada tahun 2000 hingga sekarang.

Tahun 1976 hingga 1982 pendapatan perkapita terus mengalami peningkatan dengan laju rata-rata 4,8 persen. Kemudian pada tahun 1983, pendapatan perkapita naik secara tajam. Dari tahun 1984 sampai 1997 pendapatan perkapita juga terus mengalami kenaikan dengan rata-rata laju kenaikan sebesar lima persen. Pada tahun 1998 terjadi penurunan pendapatan perkapita yang cukup tajam dari 2,2 juta pertahun, menjadi 1,9 juta pertahun.

Penurunan pendapatan perkapita ini disebabkan adanya krisis ekonomi, banyaknya pemutusan hubungan kerja dan tingginya inflasi. Dalam kondisi ekonomi yang lemah, inflasi semakin meningkat, nilai tukar bergejolak tajam.

Kepercayaan terhadap perbankan nasional terus memburuk. Akibatnya, kegiatan produksi dan investasi di hampir seluruh sektor ekonomi turun drastis.

Pendapatan Perkapita

Gambar 4.3 Pendapatan Perkapita Indonesia Sumber: BPS (1976-2006), diolah

Pada tahun 2000, pendapatan perkapita mulai menunjukkan peningkatan.

Meskipun pertumbuhan ekonomi pada tahun tersebut masih kecil yakni rata-rata

4,35 persen pertahun. Dari tahun 2000 hingga 2006, berangsur-angsur terjadi pemulihan perekonomian Indonesia.

4.4. Gambaran Umum Pengangguran di Indonesia.

Jumlah pengangguran di Indonesia pada tahun 1976 sampai 1993, cenderung konstan berkisar pada angka 2 juta jiwa. Pada tahun 1994-1995 jumlah pengangguran terus mengalami peningkatan, dan pada tahun 1996-1997 angka pengangguran dapat ditekan. Namun hal ini hanya berlangsung sementara, pada tahun 1998 angka pengagguran meningkat tajam sampai tahun 2006 mencapai angka 10,90 juta jiwa.

Krisis ekonomi membuat dunia usaha mengalami kelumpuhan. Biaya produksi meningkat dan di sisi lain daya serap pasar juga sangat rendah. Hal ini memaksa berbagai sektor usaha mengurangi skala usahanya. Dan pemutusan hubungan kerja banyak terjadi, jumlah pengangguranpun terus meningkat.

Jumlah Penganggur di Indonesia

0 2000 4000 6000 8000 10000 12000

1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006

tahun

ribu orang

Jumlah Penganggur

Gambar 4.4 Jumlah Penganggur di Indonesia Sumber:BPS (1976-2006), diolah

Pada tahun 2000 perekonomian Indonesia sedikit menguat, pertumbuhan ekonomi mencapai 4,8 persen. Situasi ekonomi dunia yang membaik disertai dengan permintaan domestik yang meningkat, sedikit memulihkan kegiatan di sejumlah sektor ekonomi. Hal ini berdampak positif terhadap penyerapan tenaga kerja.

Kondisi makroekonomi pada tahun 2002 sampai 2006 sudah cukup membaik. Namun belum dapat menciptakan lapangan usaha yang memadai.

Angka pengangguran tetap meningkat, hal ini dikarenakan pertambahan angkatan kerja tidak sebanding dengan penambahan lapangan kerja.

Sejalan dengan itu, rendahnya kualitas tenaga kerja Indonesia juga menjadi hambatan bagi penyerapan tenaga kerja Indonesia baik di dalam negeri maupun di luar negeri. Pada saat permintaan akan tenaga kerja relatif terbatas tetapi di sisi lain penawaran tenaga kerja terus bertambah, maka persaingan di pasar tenaga kerja menjadi semakin ketat.

5.5. Gambaran Umum Investasi di Indonesia

Investasi di Indonesia sejak tahun 1976 hingga 1996 mengalami peningkatan, hal ini dikarenakan adanya iklim perekonomian yang cukup baik.

Investasi cenderung dipengaruhi oleh variabel makroekonomi lainnya, tapi variabel yang sangat berpengaruh terhadap besar kecilnya investasi yang ditanamkan adalah tingkat kepercayaan.

Pada saat krisis ekonomi melanda Indonesia pertengahan tahun 1997, terjadi pergolakan yang sangat dasyat yang mempengaruhi kondisi perekonomian Indonesia, krisis ini bukan hanya berpengaruh pada kondisi perekonomian, namun

di semua bidang, krisis ini membawa Indonesia ke pada krisis multidimensi. Hal ini menyebabkan tingkat kepercayaan investor baik investor asing maupun dalam negeri terhadap Indonesia menjadi sangat berkurang, sehingga jumlah investasi menjadi turun. Pasca krisis dari tahun 1998 sampai 1999 investasi terus saja mengalami penurunan, yang terparah adalah pada tahun 1999, jumlah investasi yang masuk hanya Rp 231.785,4 milyar. Setelah tahun 2000 investasi kembali mengalami peningkatan.

Gambar 5.5 memperlihatkan kondisi investasi di Indonesia.

Jumlah Investasi di Indonesia

Gambar 5.5 Jumlah Investasi di Indonesia Sumber: BPS (1976-2006), diolah

V. HASIL DAN PEMBAHASAN

5.1. Analisis Umum Model Pendugaan

Hasil Pendugaan parameter atas model memberikan nilai koefisien determinasi (R²) pada masing-masing persamaan cukup besar, berkisar antara 0.71 sampai 0.99. Hal ini menunjukkan bahwa peubah penjelas dalam model dapat menjelaskan fluktuasi peubah endogen secara baik. Hasil pengujian dengan kriteria statistik F menunjukkan peubah penjelas secara bersama-sama berpengaruh nyata terhadap peubah endogen pada setiap persamaan. Nilai statistik F yang diperoleh berkisar antara 11.74 sampai 404.40. Model yang baik adalah model yang memberikan penanda parameter sesuai dengan yang diharapkan baik secara teori maupun logika ekonomi.

5.2. Pendugaan Parameter Persamaan Struktural 5.2.1. Analisis Persamaan Kemiskinan

Dari hasil pendugaan parameter kemiskinan yang ditunjukkan Tabel 5.1.

Persaman ini memiliki nilai koefisien determinasi (R²) sebesar 0,79. Hal ini menunjukkan bahwa ragam variabel dependen yang ada dalam model dapat dijelaskan oleh variabel independen sebesar 79 persen dan sisanya sebesar 21 persen dijelaskan oleh faktor-faktor lain diluar model. Mengacu pada nilai probabilitas F-statistik yaitu sebesar 0,000000, maka persamaan ini lulus uji F.

Nilai probabilitas F-statistik ini menandakan bahwa variabel-variabel penjelas

dalam model secara bersama-sama berpengaruh signifikan terhadap pertumbuhan variabel independen pada taraf nyata 5 persen.

Tabel 5.1 Hasil Pendugaan Parameter Persamaan Kemiskinan

Variable Coefficient Std. Error t-Statistic Prob.

Intersep 9.566219 0.706908 13.53248 0.0000

Log Pengeluaran

Inflasi* 0.005219 0.001910 2.732281 0.0114

Dummy Krisis* 0.282708 0.069066 4.093294 0.0004 R-squared 0.794622

Dari hasil pendugaan parameter persamaan kemiskinan pada Tabel 5.1 dapat dilihat bahwa pengeluaran pemerintah untuk infrastruktur memiliki pengaruh negatif terhadap kemiskinan di Indonesia. Koefisien untuk variabel ini adalah -0.08, hal ini menunjukkan jika pengeluaran pemerintah untuk infrastruktur naik sebesar satu persen maka akan terjadi penurunan jumlah penduduk miskin di Indonesia sebesar 0,08 persen. Variabel ini memiliki nilai probabilitas parsial sebesar 0.36, hal ini menunjukkan bahwa variabel pengeluaran pemerintah untuk infrastruktur tidak berpengaruh secara signifikan terhadap jumlah penduduk miskin di Indonesia.

Isu utama yang menyebabkan pengeluaran pemerintah untuk infrastruktur tidak berpengaruh signifikan terhadap kemiskinan adalah adanya ketimpangan dalam pemanfaatan infrastruktur. Berbagai infrastruktur sosial

seperti sekolah, jaringan air bersih, kesehatan dan infrastruktur komersial lainnya yang seharusnya dapat dimanfaatkan merata oleh seluruh masyarakat, pemanfaatan terbesarnya justru dilakukan oleh kelompok masyarakat yang lebih baik karakteristik sosial ekonominya. Selain itu pada saat ini, pembangunan yang dilakukan dalam sektor infrastruktur, adalah pembangunan infrastruktur yang tidak pro-poor. Laporan Bank Dunia Reaching The Poor 2005 juga menyimpulkan bahwa ketersediaan infrastruktur hampir tidak ada korelasi positifnya dengan pengurangan tingkat kemiskinan. Kajian Pengeluaran Publik Indonesia 2007, yang dirilis World Bank Office Jakarta memaparkan, akses terhadap air pipa sangat terbatas di semua provinsi di Indonesia. Tingkat akses air bersih masyarakat miskin adalah paling rendah. Lebih dari 80 persen rumah tangga dalam kisaran 20 persen kelompok penghasilan terendah bergantung pada air sumur dan sumber air alami seperti air hujan, mata air, dan sungai.

Variabel pendapatan perkapita memiliki pengaruh negatif terhadap kemiskinan di Indonesia. Koefisien untuk variabel ini adalah -0.18, hal ini menunjukkan jika terjadi kenaikan pendapatan perkapita sebesar satu persen, maka akan terjadi penurunan jumlah penduduk miskin sebesar 0,18 persen.

Variabel ini secara statistika memiliki pengaruh yang signifikan terhadap jumlah penduduk miskin di Indonesia, dengan nilai probabilitas parsial sebesar 0.00. Hal ini sesuai teori, saat terjadi peningkatan pendapatan perkapita, maka daya beli akan meningkat, akses pendidikan dan kesehatan juga dapat meningkat, pada akhirnya tingkat kesejahteraan juga akan meningkat, dan kemiskinan dapat ditekan.

Variabel inflasi dan dummy krisis memiliki pengaruh positif terhadap jumlah penduduk miskin. Koefisien untuk variabel inflasi adalah 0.005 dengan nilai probabilitas parsial 0.01, hal ini menunjukkan jika terjadi kenaikan inflasi sebesar satu persen maka akan terjadi peningkatan jumlah penduduk miskin sebesar 0,005 persen. Secara statistika, variabel inflasi memiliki pengaruh yang signifikan terhadap jumlah penduduk miskin di Indonesia. Adanya inflasi

Dalam dokumen KEMISKINAN DAN PENGELUARAN PEMERINTAH UNTUK INFRASTRUKTUR: Studi Kasus Indonesia, FATIN CATUR LESTARI H (Halaman 42-95)