[BPS] Badan Pusat Statistik. 2008.Statistik Indonesia / Statistical Yearbook of Indonesia 2007. BPS : Jakarta.
. . 2009. Statistik Indonesia / Statistical Yearbook of Indonesia 2008. BPS : Jakarta.
. 2010. Statistik Indonesia / Statistical Yearbook of Indonesia 2009. BPS : Jakarta.
. 2011. Statistik Indonesia / Statistical Yearbook of Indonesia 2010. BPS : Jakarta.
. 2012. Statistik Indonesia / Statistical Yearbook of Indonesia 2011. BPS : Jakarta.
. 2008.Statistik Perhubungan / Transportation and Communication Statistics 2007. BPS : Jakarta.
. 2009. Statistik Perhubungan / Transportation and Communication Statistics 2008. BPS : Jakarta.
. 2010. Statistik Perhubungan / Transportation and Communication Statistics 2009. BPS : Jakarta.
. . 2011. Statistik Perhubungan / Transportation and Communication Statistics 2010. BPS : Jakarta.
. 2012. Statistik Perhubungan / Transportation and Communication Statistics 2011. BPS : Jakarta.
Baltagi BH. 2005. Econometrics Analysis of Panel Data Third Edition. England (GB): John Wiley and Sons, Ltd.
Bulohlabna C. 2008. Tipologi dan Pengaruh Infrastruktur terhadap Pertumbuhan Ekonomi Kawasan Timur Indonesia [Skripsi]. FakultasEkonomi dan Manajemen, Institut Pertanian Bogor, Bogor.
Farahudin. 2012. Menghitung Koefisien Gini dengan MS Excel. [Internet].
[diunduh 2013 Juni 18]. Tersedia pada:
http://faharuddin.wordpress.com/2012/01/14/menghitung-koefisien-gini-dengan-ms-excel/.
Firdaus M. 2009. Aplikasi Ekonometrika untuk Data Panel dan Time Series. IPB PressBogor.
Hariadi P et al. [2006]. Ketimpangan Distribusi Pendapatan Di Kabupaten Banyumas Jawa Tengah. Jurnal Ekonomi Pembangunan; 61-70.
Ikhsan M. 2004. Hubungan Antara Infrastruktur dengan Pertumbuhan Ekonomi dan
Pembangunan. LPEM, Jakarta.
Juanda B. 2012. Ekonometrika : Pemodelan dan Pendugaan. IPB Press Bogor. Linda K. 2007. Analisis Sektor Basis Perekonomian dan Peranannya Dalam
Mengurangi Ketimpangan Pendapatan Antar Kabupaten/Kota di Provinsi Jawa Timur [Skripsi]. Bogor. Institut Pertanian Bogor.
[KEMENKES] Kementerian Kesehatan. 2008. Profil Kesehatan Indonesia 2007. KEMENKES : Jakarta.
. 2009. Profil Kesehatan Indonesia 2008. KEMENKES : Jakarta.
. 2010. Profil Kesehatan Indonesia 2009. KEMENKES : Jakarta.
. 2011. Profil Kesehatan Indonesia 2010. KEMENKES : Jakarta.
. 2012. Profil Kesehatan Indonesia 2011. KEMENKES : Jakarta.
Marzuki. 2005. Metodologi Riset Panduan Penelitian. Gramedia. Jakarta.
Naftali Y. 2006. Upaya Pemerataan Pembangunan. Universitas Borobudur. Yogyakarta.
Noegroho YS dan Soelistianingsih. 2007. Analisis Disparitas Pendapatan Kabupaten/Kota di Propinsi Jawa Tengah dan Faktor-faktor yang mempengaruhi Pertumbuhan Ekonomi Regional. Parallel Session IVA : Urban dan Regional. Kampus UI Depok.
Pamungkas BT. 2009. Pengaruh Infrastruktur Ekonomi, Sosial, dan Adminitrasi/Institut pada Pertumbuhan Ekonomi Provinsi-provinsi di Indonesia [Skripsi]. Jakarta: Universitas Indonesia.
Sukirno S. 1985. Ekonomi Pembangunan Proses, Masalah, dan DasarKebijaksanaan. Lembaga Penerbit Fakulatas Ekonomi UI dengan BimaGrafika. Jakarta.
Sibarani MHM. 2002. Kontribusi Infrastruktur terhadap Pertumbuhan Ekonomi Indonesia. Tesis Magister Sains. Program Pascasarjana,Universitas Indonesia, Jakarta.
The World Bank. 1994. World Development Report: Infrastructure for Development. Oxford University Press, New York.
Todaro MP dan Smith C. S. 2006. Pembangunan Ekonomi di Dunia Ketiga Edisi Sembilan.Erlangga, Jakarta.
LAMPIRAN
1. Hasil uji korelasi untuk pengujian asumsi klasik Multikolinearitas di Indonesia
LNINDEKSGINI LNJLN LNRNJG LNSKLH AIR LISTRIK
LNINDEKSGINI 1.000000 0.111091 0.207191 -0.101289 0.004593 0.102154 LNJLN 0.111091 1.000000 0.107371 -0.623885 0.016205 0.667082 LNRNJG 0.207191 0.107371 1.000000 0.151736 0.180432 0.197939 LNSKLH -0.101289 -0.623885 0.151736 1.000000 0.111546 -0.559326 AIR 0.004593 0.016205 0.180432 0.111546 1.000000 0.145487 LISTRIK 0.102154 0.667082 0.197939 -0.559326 0.145487 1.000000
2. Hasil pengujian dengan metode PLS (Pooled Least Square) untuk mengestimasi keterkaitan antara ketersediaan infrastruktur terhadap ketimpangan pendapatan di Indonesia
Dependent Variable: LNINDEKSGINI Method: Panel Least Squares Date: 05/07/13 Time: 10:39 Sample: 2007 2011
Periods included: 5
Cross-sections included: 33
Total panel (balanced) observations: 165
Variable Coefficient Std. Error t-Statistic Prob.
LNRNJG 0.068382 0.024171 2.829067 0.0053 LNSCHOOL -0.060228 0.046368 -1.298912 0.1959 LNJLN 0.002661 0.014262 0.186569 0.8522 AIR -0.000257 0.001183 -0.217114 0.8284 LISTRIK -0.000300 0.000944 -0.318038 0.7509 C -0.959676 0.329117 -2.915914 0.0041
R-squared 0.062048 Mean dependent var -1.082673
Adjusted R-squared 0.032553 S.D. dependent var 0.141427
S.E. of regression 0.139106 Akaike info criterion -1.071479
Sum squared resid 3.076713 Schwarz criterion -0.958536
Log likelihood 94.39703 Hannan-Quinn criter. -1.025632
F-statistic 2.103649 Durbin-Watson stat 0.721923
3. Hasil pengujian dengan metode Fixed Effectdan fixed effect weighted untuk mengestimasi keterkaitan antara ketersediaan infrastruktur terhadap ketimpangan pendapatan di Indonesia
1. Fixed Effect Model
Dependent Variable: LNINDEKSGINI Method: Panel Least Squares Date: 05/07/13 Time: 10:41 Sample: 2007 2011
Periods included: 5
Cross-sections included: 33
Total panel (balanced) observations: 165
Variable Coefficient Std. Error t-Statistic Prob.
LNRNJG 0.204471 0.056891 3.594102 0.0005 LNSCHOOL -0.096906 0.089221 -1.086137 0.2795 LNJLN 0.140060 0.049553 2.826450 0.0055 AIR -0.003712 0.001982 -1.873284 0.0633 LISTRIK 0.002823 0.002540 1.111370 0.2685 C -0.092942 0.564533 -0.164636 0.8695 Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.611050 Mean dependent var -1.082673
Adjusted R-squared 0.497734 S.D. dependent var 0.141427
S.E. of regression 0.100230 Akaike info criterion -1.563850
Sum squared resid 1.275850 Schwarz criterion -0.848541
Log likelihood 167.0176 Hannan-Quinn criter. -1.273481
F-statistic 5.392445 Durbin-Watson stat 1.645339
2. Fixed Effect Model Weight
Dependent Variable: LNINDEKSGINI Method: Panel EGLS (Cross-section weights) Date: 05/07/13 Time: 10:42
Sample: 2007 2011 Periods included: 5
Cross-sections included: 33
Total panel (balanced) observations: 165 Linear estimation after one-step weighting matrix
White cross-section standard errors & covariance (d.f. corrected) WARNING: estimated coefficient covariance matrix is of reduced rank
Variable Coefficient Std. Error t-Statistic Prob.
LNRNJG 0.196143 0.049213 3.985579 0.0001 LNSCHOOL -0.125476 0.045461 -2.760074 0.0066 LNJLN 0.096674 0.038477 2.512499 0.0132 AIR -0.004468 0.001248 -3.580024 0.0005 LISTRIK 0.002142 0.000543 3.947296 0.0001 C -0.332993 0.168365 -1.977805 0.0501 Effects Specification
Cross-section fixed (dummy variables)
Weighted Statistics
R-squared 0.861200 Mean dependent var -1.911096
Adjusted R-squared 0.820763 S.D. dependent var 0.978850
S.E. of regression 0.098511 Sum squared resid 1.232460
F-statistic 21.29698 Durbin-Watson stat 2.004632
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.606716 Mean dependent var -1.082673
4. Hasil pengujian dengan metode Random Effect untuk mengestimasi keterkaitan antara ketersediaan infrastruktur terhadap ketimpangan pendapatan di Indonesia
Dependent Variable: LNINDEKSGINI
Method: Panel EGLS (Cross-section random effects) Date: 05/07/13 Time: 10:42
Sample: 2007 2011 Periods included: 5
Cross-sections included: 33
Total panel (balanced) observations: 165
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
LNRNJG 0.119441 0.032060 3.725511 0.0003 LNSCHOOL -0.017682 0.055813 -0.316810 0.7518 LNJLN 0.020002 0.020162 0.992078 0.3227 AIR -0.003317 0.001366 -2.427744 0.0163 LISTRIK 7.15E-05 0.001265 0.056560 0.9550 C -0.162088 0.371679 -0.436095 0.6634 Effects Specification S.D. Rho Cross-section random 0.086460 0.4266 Idiosyncratic random 0.100230 0.5734 Weighted Statistics
R-squared 0.128976 Mean dependent var -0.498314
Adjusted R-squared 0.101586 S.D. dependent var 0.113959
S.E. of regression 0.108015 Sum squared resid 1.855108
F-statistic 4.708765 Durbin-Watson stat 1.177122
Prob(F-statistic) 0.000488
Unweighted Statistics
R-squared -0.021456 Mean dependent var -1.082673
5. Hasil pengujian Chow test untuk mengestimasi keterkaitan antara ketersediaan infrastruktur dan ketimpangan pendapatan di Indonesia
Redundant Fixed Effects Tests Equation: FEMW1
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 21.965975 (32,127) 0.0000
6. Hasil pengujian Hausman test untuk mengestimasi keterkaitan antara ketersediaan infrastruktur dan ketimpangan pendapatan di Indonesia
Correlated Random Effects - Hausman Test Equation: REM1
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
7. Contoh perhitungan Indeks Gini
Tabel data berdasarkan hasil Susenas (Ilustrasi)
Kelompok Pendapatan Jumlah Penduduk (A) Rata-rata Pendapatan (Rp/Kapita/bulan) (B) % Kumulatif Penduduk (Xi) (C) Jumlah Pendapatan (D) % Kumulatif Pendapatan (Fi) (E) Xi - Xi-1 (F) Fi - Fi-1 (G) (Xi - Xi-1)* (Fi - Fi-1) (H) < 1000000 22850 935830 0.0031295 21383715500 0.000761737 0.00312948 0.0007617 0.00000 1000000 - 1500000 177560 1344360 0.0274477 238704561600 0.009264939 0.02431822 0.0085032 0.00021 1500000 - 2000000 606887 1784680 0.1105656 1083099091160 0.047847403 0.08311789 0.0385825 0.00321 2000000 - 3000000 2008770 2487930 0.385682243 4997679146100 0.225876153 0.27511665 0.1780287 0.04898 3000000 - 4000000 2398950 3678920 0.714237075 8825545134000 0.540262234 0.32855483 0.3143861 0.10329 4000000 - 5000000 1141502 4598750 0.870574638 5249482322500 0.727260789 0.15633756 0.1869986 0.02923 5000000 - 6000000 585033 5899340 0.95069945 3451308578220 0.850204286 0.08012481 0.1229435 0.00985 6000000 - 7000000 337318 6557830 0.996897770 2212074099940 0.929003419 0.04619832 0.0787991 0.00364 > = 7000000 22651 87988980 1.000000000 1993038385980 1.000000000 0.00310223 0.0709966 0.00022 Seluruh Penduduk 7301521 - 28072315035000 0.19863 Gini Rasio 0.80137 RUMUS :
dengan: Xi dan Xi-1 = kumulatif proporsi penduduk atau rumah tangga pada kelas ke-i dan ke – (i – 1). Fi dan Fi-1 = kumulatif proporsi pendapatan pada kelas ke-i dan ke – (i – 1).
i = kelompok pendapatan
Langkah-langkah perhitungannya:
1. Data yang perlu dikumpulkan yaitu data jumlah penduduk (A) dan rata-rata pendapatan per kapita penduduk (Rp/kapita/bulan) (B) menurut golongan pendapatan per kapita sebulan.
2. Menghitung kumulatif proporsi penduduk (Xi) yaitu dengan cara menjumlahkan hasil pembagian jumlah penduduk menurut golongan pendapatan per kapita terhadap jumlah seluruh penduduk dengan hasil % kumulatif penduduk (XI) pada golongan pendapatan per kapita sebelumnya. Contoh : (pada kelompok pendapatan 1000000-1500000) = (0.0031295 + (177560/7301521) = 0.0274477
3. Menghitung jumlah pendapatan yaitu dengan cara mengalikan jumlah penduduk (A) dengan rata-rata pengeluaran (Rp/kapita/bulan) (B) menurut golongan pendapatan per kapita sebulan.
Contoh : (pada kelompok pendapatan 1000000-1500000) = 177560*1344360 = 238704561600
4. Menghitung proporsi kumulatif pendapatan yaitu dengan cara menjumlahkan hasil pembagian jumlah pendapatan menurut golongan pendapatan per kapita terhadap jumlah seluruh pendapatan dengan hasil % kumulatif pendapatan (fI) pada golongan pendapatan per kapita sebelumnya. Contoh : (pada kelompok pendapatan 1000000-1500000) = (0.000761737 + (238704561600/28072315035000) = 0.009264939
5. Menghitung kumulatif proporsi penduduk dengan mengurangkan % kumulatif penduduk pada golongan pendapatan per kapita dengan % kumulatif penduduk pada golongan pendapatan per kapita sebelumnya. Contoh : (pada kelompok pendapatan 1000000-1500000) = 0.0274477 –
0.0031295 = 0.02431822
6. Menghitung kumulatif proporsi pendapatan dengan mengurangkan % kumulatif pendapatan pada golongan pendapatan per kapita sebulan dengan % kumulatif pendapatan pada golongan pendapatan per kapita sebelumnya. Contoh : (pada kelompok pendapatan 1000000-1500000) = 0.009264939 –
0.000761737 = 0.0085032
7. Mengalikan kumulatif proporsi penduduk dengan proporsi pendapatan menurut golongan pendapatan per kapita sebulan.
Contoh : (pada kelompok pendapatan 1000000-1500000) = 0.02431822*0.0085032 = 0.00021
8. Terakhir menghitungindeks gini dengan cara 1 dikurangi dengan jumlah seluruh hasil pada point 7.
Contoh : 1 – 0.19863 = 0.80137 Sumber: internet (dimodifikasi)
Alamat: http://faharuddin.wordpress.com/2012/01/14/menghitung-koefisien-gini-dengan-ms-excel/