ANALISIS EMPIRIS KURVA LINGKUNGAN KUZNET PADA POLUSI AIR SUNGAI DI JEPANG
DAFTAR LAMPIRAN
II. TINJAUAN PUSTAKA 3.1 Indikator Kerusakan Lingkungan Sunga
3. Perdagangan Internasional
2.3 Studi Empiris Environmental Kuznet Curve (EKC) Terdahulu
Kerusakan lingkungan sebagai konsekuensi atas pertumbuhan yang didasarkan pada ekstraksi sumberdaya alam berlebihan telah membuat banyak peneliti melakukan studi terhadap hubungan kerusakan lingkungan dengan pertumbuhan ekonomi yang didasarkan pada hipotesis EKC. Shafik (1992) melakukan studi terhadap delapan indikator kualitas lingkungan yang berpengaruh terhadap kualitas lingkungan di berbagai negara, yaitu: kekurangan air bersih, sanitasi yang buruk, ambang batas suspended partial matter (spm), sulfur dioksida (SO2), perubahan luas hutan pada periode 1961-1986, rataan deforestasi tahunan,
oksigen terlarut Dissolved Oxygen (DO) di sungai, konsentrasi feces manusia di sungai, limbah rumah tangga per kapita, dan polusi karbon per kapita. Pendapatan
17
signifikan untuk semua indikator kualitas lingkungan, tetapi hubungan antar variabel tersebut tidak dapat disimpulkan. Ketika pendapatan meningkat, kebanyakan indikator kualitas lingkungan menjadi memburuk, kecuali akses terhadap air bersih dan sanitasi. Hal ini berarti peningkatan pendapatan menyebabkan masyarakat mampu memiliki sanitasi dan stok air bersih yang semakin memadai.
Negara dengan tingkat pertumbuhan ekonomi dan investasi tinggi cenderung lebih banyak mengeksploitasi sumber daya. Teknologi terbukti dapat meningkatkan kualitas lingkungan. Uji ekonometrik juga menunjukkan bahwa kebijakan makroekonomi seperti volume perdagangan dan utang sepertinya memiliki efek yang relatif kecil terhadap lingkungan.
Hasil studi ini sesuai dengan analisis dan review yang dilakukan Dinda (2004) terhadap berbagai literatur EKC terdahulu. Negara maju telah melakukan inovasi teknologi secara kontinu untuk meningkatkan pertumbuhan ekonomi, mempertahankan tingkat real income, dan memperkecil laju kerusakan. Difusi teknologi dari negara maju dapat mencegah negara berkembang mengalami kerusakan lingkungan seperti yang sudah dialami negara maju sebelumnya. Perdagangan internasional mempengaruhi lingkungan karena perdagangan cenderung meningkatkan ukuran ekonomi yang selanjutnya meningkatkan tingkat polusi. Di sisi lain, perdagangan teknologi antar negara maju dengan negara berkembang dapat mengurangi tingkat polusi.
Kurva EKC hanya terbukti pada indikator polusi udara yang diukur pada tingkat lokal. Penjelasan yang memungkinkan untuk pembuktian kurva tersebut adalah (1) Transformasi dari ekonomi agraria yang bersih ke ekonomi industri
18
yang menghasilkan polusi tinggi dan selanjutnya ke ekonomi berbasis jasa dengan tingkat polusi rendah dan (2) Penduduk dengan tingkat pendapatan tinggi yang cenderung memiliki preferensi yang tinggi juga terhadap lingkungan.
Sebelumnya, Dinda (2000) juga telah melakukan studi empiris terhadap polutan udara (spm dan SO2) terhadap 33 negara yang dibagi menjadi negara
dengan tingkat pendapatan tinggi, sedang, dan rendah. Hubungan tersebut adalah kurva berbentuk huruf U sehingga bertentangan dengan hipotesis EKC. Mithyli (2011) juga menguji EKC terhadap konsentrasi bahan organik yang diukur melalui indikator Biological Dissolved Oxygen (BOD) di negara berkembang India dan menemukan hubungan berbentuk huruf tilted-S. Hal ini berarti polusi menurun seiring dengan peningkatan pendapatan sampai tingkat tertentu dan meningkat kembali sampai tingkat pendapatan titik balik yng kedua. Setelah itu, tingkat polusi akan menurun seiring dengan peningkatan pendapatan.
Hettige (2000) melakukan studi EKC di tiga belas negara untuk menguji dampak pertumbuhan ekonomi dan kualitas lingkungan yang diwakili oleh kontribusi sektor industri terhadap total output negara. Kontribusi sektor yang menghasilkan polusi dalam output industri, dan intensitas penggunaan polutan per unit output pada sektor yang menghasilkan polusi. Konstribusi industri terhadap total output memenuhi hipotesis kurva EKC, namun kedua indikator yang lain tidak sesuai. Ketika efek dari ketiga indikator tersebut digabungkan untuk melihat implikasi EKC secara menyeluruh, ternyata hipotesis EKC tidak terbukti.
Paudel (2008) kemudian memodifikasi hipotesis kurva Kuznet dengan mengadakan studi untuk mengetahui bagaimana pengaruh Social Capital (SC) terhadap polutan air (N, P, DO) pada 53 parishes di negara bagian Lousiana,
19
USA. Social capital merupakan karakteristik masyarakat seperti norma dan tingkat kepercayaan yang memungkinkan kelompok masyarakat bekerja sama secara efektif untuk mencapai suatu tujuan. SC berpengaruh signifikan dalam menjelaskan polutan N, tapi tidak signifikan pada P dan DO. Namun, peneliti menemukan kurva U pada hubungan polutan N dan SC. Artinya adalah konsentrasi N yang tinggi terjadi pada tingkat SC yang rendah dan tinggi sehingga tingkat SC yang moderat adalah kondisi yang bagus untuk lingkungan. Secara keseluruhan, hipotesis EKC tidak terbukti. Komen (1997) juga melakukan studi lebih mendalam terhadap hipotesis EKC dengan menganalisis hubungan antara pendapatan dan pendapatan per kapita yang dialokasikan untuk penelitian terkait lingkungan di sembilan belas negara yang tergabung dalam Organisation for Economic Co-operation and Development (OECD). Elastisitas pendapatan terhadap dana penelitian untuk perbaikan lingkungan adalah positif dan mendekati satu.
Studi EKC di tingkat negara seperti yang disarankan oleh Dinda (2004) telah pernah dilakukan oleh Mithyli (2011) dengan menggunakan variabel konsentrasi BOD, urbanisasi, dummy industri untuk periode 1990-1991 dan 2005- 2006 di India yang merupakan salah satu negara berkembang. Yang membedakan penelitian ini dengan penelitian terdahulu adalah studi di negara maju dengan menggunakan data tahun 1978-2004 yang diharapkan dapat menjelaskan perubahan indikator polusi air sungai dan pendapatan per kapita jangka panjang. Dalam hal ini, Jepang mengalami pertumbuhan ekonomi mencengangkan setelah dekade 1960-an yang diikuti polusi air sungai, tetapi saat ini, kualitas air sungai sudah membaik dengan adanya peraturan dan meningkatnya perhatian publik
20
terhadap kualitas lingkungan yang baik. Selain itu, penelitian ini juga memasukkan variabel kepadatan penduduk untuk menggambarkan pengaruh kepadatan penduduk terhadap polusi air sungai.
III. KERANGKA PEMIKIRAN
Kerangka pemikiran yang mendasari penelitian ini adalah pertumbuhan penduduk secara signifikan dan keterbatasan sumber daya alam. Walaupun terbatas, sumber daya alam diposisikan sebagai input yang dapat diekstrak sebanyak-banyaknya untuk merespon pertumbuhan penduduk yang meningkat sangat cepat. Akibatnya adalah pertumbuhan ekonomi yang diiringi dengan permasalahan lingkungan seperti krisis energi, pemanasan global, krisis air bersih, deforestasi, dan polusi air, tanah, serta udara.
Berbagai studi menemukan hubungan berbentuk U terbalik pada variabel kerusakan lingkungan dan pertumbuhan ekonomi. Hubungan ini identik dengan hubungan antara pendapatan dan ketidakmerataan pendapatan yang dikemukakan Kuznet pada tahun 1955 sehingga kurva kemudian dikenal dengan istilah Kurva Kuznet. Hipotesis pada kurva Kuznet menyatakan bahwa pada tahap awal pertumbuhan, kerusakan lingkungan akan meningkat seiring dengan peningkatan pendapatan sampai pada tahap tertentu. Setelah itu, tingkat kerusakan akan menunjukkan trend yang menurun karena masyarakat berpendapatan tinggi memiliki preferensi yang tinggi terhadap kualitas lingkungan dan adanya teknologi yang memungkinkan untuk mengurangi laju kerusakan.
Studi empiris telah banyak dilakukan oleh peneliti. Hipotesis itu terbukti pada sebagian polutan, namun ada juga studi yang tidak menemukan bukti empiris kurva EKC. Terdapat hasil studi EKC yang mengikuti pola lain seperti huruf U, bentuk N, tilted-S, dan bentuk hubungannya tidak dapat didefenisikan. Umumnya, studi EKC dilakukan melalui uji panel terhadap data dari sekelompok negara. Dinda (2004) mengkritik metode tersebut. Asumsi pengumpulan semua data dari
22
negara yang berbeda menjadi satu panel perlu dipertanyakan karena tiap negara bersifat spesifik sehingga tidak dapat digeneralisasikan.
Jepang merupakan salah satu negara yang menarik untuk diteliti karena memiliki pertumbuhan ekonomi tinggi yang diikuti oleh kerusakan lingkungan di awal masa keemasan Jepang pada dekade 1960-an, namun saat ini, kualitas lingkungan sudah membaik. Oleh karena itu, akan dilakukan penelitian untuk menguji kurva EKC di Jepang dalam hubungan antara konsentrasi BOD dengan pendapatan per kapita.
Hipotesis yang mendasari adalah konsentrasi BOD akan dipengaruhi oleh pendapatan per kapita dan kepadatan penduduk. Semakin tinggi kepadatan penduduk, maka BOD akan semakin tinggi karena sungai akan semakin terpolusi akibat aktivitas manusia. Sementara itu, pertumbuhan ekonomi tinggi yang digambarkan oleh tingkat pendapatan per kapita akan diikuti oleh peningkatan konsentrasi polutan sampai pada tingkat pendapatan tertentu dan menurun kembali seiring dengan peningkatan pendapatan.
Regresi panel data akan menghasilkan bentuk kurva hubungan BOD dengan pendapatan per kapita di Jepang sehingga tingkat pendapatan yang merupakan titik balik dimana konsentrasi BOD mulai menurun dapat dihitung. Selanjutnya, akan dipaparkan sejarah polusi air dan peraturan lingkungan di Jepang. Untuk menghubungkan dengan kondisi Indonesia, akan dijelaskan juga pelajaran yang dapat diperoleh Indonesia dari pengalaman negara Jepang yang telah mengalami kerusakan lingkungan sebelumnya. Secara sistematis, kerangka pemikiran tersebut disajikan dalam Gambar 4.
23
Gambar 4. Kerangka Berpikir Penelitian
Studi EKC di suatu negara yaitu Jepang untuk menguji kurva EKC pada konsentrasi BOD sebagai indikator polusi air sungai dengan
pendapatan per kapita untu
Kerusakan lingkungan Pendapatan
Pertumbuhan penduduk tinggi dan keterbatasan sumber daya alam
Ekstraksi sumber daya alam untuk memenuhi pertumbuhan ekonomi
Pertumbuhan ekonomi tinggi
Hipotesis Kuznet: Hubungan pendapatan dengan kerusakan lingkungan
Studi empiris EKC telah banyak dilakukan: analisis data panel terhadap kelompok negara (cross country)
Kritik terhadap studi cross country (Dinda, 2004):
Asumsi yang membuat data antar negara dikumpulkan menjadi satu panel perlu ditinjau ulang
Regresi panel data untuk mengetahui hubungan bentuk kurva titik balik pendapatan per kapita
Setelah perang dunia II, Jepang berhasil menjadi kekuatan ekonomi terbesar kedua di dunia namun diikuti dengan polusi air sungai
Sejarah Polusi Air dan Peraturan Lingkungan Jepang Pelajaran bagi Indonesia dari pengalaman Jepang yang telah
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu
Penelitian ini dilakukan melalui studi literatur dan pengumpulan data sekunder dari sebelas kota besar di wilayah Kanto. Lokasi ini dipilih karena Kanto terletak di pulau Honshu yang merupakan pulau terbesar di Jepang dan sekaligus berperan sebagai pusat perekonomian, penduduk, serta pemerintahan. Oleh karena itu, lokasi ini dianggap dapat mewakili dinamika konsentrasi BOD dan perdapatan per kapita sebagai indikator kerusakan lingkungan dan pertumbuhan ekonomi Jepang. Pengumpulan data sekunder dilakukan pada rentang Juli-Agustus 2011. 4.2 Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data panel yang berasal dari data time series tahunan pada periode 1978-2004 dari sebelas kota di Jepang. Daftar kota tersebut diberikan dalam Tabel 1.
Tabel 1. Daftar Kota Besar Lokasi Penelitian
No Kota Provinsi 1 Mito Ibaraki 2 Utsunomiya Tochigi 3 Otawara Tochigi 4 Maebashi Gunma 5 Tagasaki Gunma 6 Kawagoe Saitama 7 Saitama Saitama 8 Nagareyama Chiba 9 Hachioji Tokyo 10 Chofu Tokyo 11 Yokohama Kanagawa
Sumber : data olahan
Variabel yang diamati adalah jumlah penduduk, pendapatan per kapita, luas area, dan konsentrasi polutan sungai, yaitu BOD pada rentang waktu 1978- 2004. Data BOD diambil dari sungai Tone, Tama, dan Ara. Jumlah data untuk
25
untuk 1 kota adalah 27 x 4 = 108 sehingga total data adalah sebesar 108 x 11 = 1188. Data pendapatan per kapita diperoleh dari laporan tahunan provinsi dan konsentrasi BOD diperoleh dari Ministry of Land, Infrastructure, Transport, and Tourism. Sementara itu, data jumlah populasi dan luas area diperoleh dari masing- masing website tiap kota yang termasuk dalam wilayah penelitian.
4.3 Metode Analisis dan Pengolahan Data
Secara umum, analisis akan dilakukan dengan menggunakan metode deskriptif dan kuantitatif yaitu panel data. Namun, sebelumnya akan dibentuk model yang akan diregresikan menurut regresi panel data. Hal ini akan dijelaskan secara rinci pada uraian berikut.
4.3.1 Metode Analisis Data`
Penelitian ini akan menggunakan metode analisis deskriptif dan kuantitatif. Metode deskriptif digunakan untuk menjelaskan kondisi historis polusi air dan peraturan lingkungan di Jepang serta pelajaran yang dapat diambil oleh negara berkembang seperti Indonesia dari Jepang yang sudah terlebih dahulu mengalami kerusakan lingkungan. Sementara itu, metode kuantitatif digunakan dalam uji empiris terhadap hipotesis Kuznet untuk mengetahui hubungan antara konsentrasi BOD dengan pendapatan per kapita. Uji empiris ini dilakukan dengan menggunakan analisis panel data pada software E- views.
4.3.2 Perumusan Model
Faktor yang mempengaruhi konsentrasi BOD adalah pendapatan per kapita dan populasi penduduk. Beberapa penelitian sebelumnya menunjukkan bahwa terdapat kurva EKC yang memiliki dua titik balik (kurva kubik). Penjelasan yang memungkinkan adalah pada tingkat pedapatan yang sangat
26
tinggi, aktivitas ekonomi menjadi sangat pesat sehingga dampak negatif nya pada lingkungan tidak dapat diimbangi oleh efek teknologi dari peningkatan pendapatan (Mythili, 2011).Oleh karena itu, analisis panel data akan dilakukan dengan model parametrik yang terdiri dari model model kuadratik dan kubik. Modelnya dituliskan dalam persamaan 3.
………... (3)
Keterangan:
BOD : Konsentrasi Biological Oxygen Demand 75% (mg/L) Inc : Pendapatan per kapita (¥ 1.000)
Popden : Kepadatan Penduduk (orang/km2)
: Gangguan Acak
i : Kota ke-i
t : Periode waktu (1978,1979,...2004) m : 2 (persamaan kuadratik)
m : 3 (persamaan kubik)
Hipotesis yang dikembangkan dalam model ini adalah semakin tinggi pendapatan per kapita maka konsentrasi BOD juga akan meningkat sampai tingkat pendapatan tertentu. Kemudian konsentrasi BOD akan menurun seiring dengan peningkatan pendapatan per kapita sehingga terbentuk kurva kuznet berbentuk huruf U terbalik. Selanjutnya, kepadatan penduduk akan berpengaruh positif terhadap konsentrasi BOD karena peningkatan aktivitas manusia akan meningkatkan pencemaran air yang dapat dicerminkan oleh konsentrasi BOD. Oleh karena itu tanda yang diharapkan adalah koefisien variabel Inc yang positif
27
dan variabel Inc2 yang negatif sehingga terbentuk kurva U terbalik. Sementara itu, koefisien variabel Popden diharapkan bernilai positif.
Bentuk kurva Kuznet kemudian ditentukan melalui nilai variabel yang diperoleh dari analisis terhadap persamaan. Bentuk kurva yang mungkin dari analisis model diberikan dalam Tabel 2.
Tabel 2. Kemungkinan Kurva Hasil Estimasi Model
Bentuk Kurva Gambar
Monoton linear positif 0 0 >0 Monoton linear negatif 0 0 <0 Berbentuk U <0 >0 0 Berbentuk U terbalik >0 <0 0 Berbentuk N >0 <0 >0 Berbentuk tilted-S <0 >0 <0
Sumber: De Bryuyn, Van Den Bergh JC, Opschoor (1998)
Titik balik dapat diperoleh dengan mencari turunan pertama dan membuatnya sama dengan nol. Bentuk persamaan kuadratik dan kubik adalah sebagai berikut:
…………... (4)
... (5) Maka turunan pertama BOD terhadap Inc adalah:
28
Kubik : ... (7) Dengan membuat persamaan (6) dan (7) sama dengan nol, maka diperoleh : Kuadratik :
... (8)
Kubik :
... (9)
Pengaruh perubahan pendapatan per kapita terhadap konsentrasi BOD dapat dihitung dengan menggunakan konsep elastisitas dengan persamaan sebagai berikut.
... (10) ... (11)
4.3.3 Metode Pengolahan Data
Data sekunder yang diperoleh akan dianalisis dengan menggunakan metode panel data. Panel data merupakan pengukuran berulang terhadap variabel yang sama sepanjang waktu, misalnya: karakteristik rumah tangga, individu, dan perusahaan. Sejumlah N individu (i=1,2,3,...N) diukur dalam T periode waktu (t=1,2,3,...T). Dengan kata lain, panel data adalah kombinasi antara data satu unit variabel yang diukur pada periode waktu yang berbeda (cross section) dan data beberapa variabel berbeda yang diukur dalam waku yang sama (time series). Panel data juga sering disebut pooled data, micropanel data, dan longitudinal data. Secara umum, jumlah N variabel lebih besar dari periode pengukuran , tetapi pengukuran data N variabel yang kecil pada periode waktu yang besar juga mungkin terjadi.
Baltagi (2005) memberikan beberapa alasan mengapa panel data lebih baik digunakan dalam penelitian sosial ekonomi sebagai berikut:
29
1. Panel data mengandung heterogeneitas karena pengukurannya dilakukan terhadap individu, perusahaan, wilayah, ataupun negara yang berbeda. Teknik estimasi panel data memasukkan variabel yang bersifak spesifik terhadap analisis.
2. Penggabungan cross section dan time series menyebabkan panel data dapat memberikan data yang lebih informatif, beragam, kolinearitas antar variabel yang berkurang, dan efiensi serta derajat bebas yang meningkat.
3. Panel data melakukan pengamatan berulang sehingga dapat memahami proses perubahan dinamis yang terjadi dalam variabel yang diukur.
4. Panel data lebih baik dalam mengukur efek yang tidak terdeteksi dalam data time series dan cross section. Contohnya adalah efek hukum upah minimum lebih mudah dipelajari bila peneliti memasukkan perubahan upah di beberapa wilayah sepanjang waktu.
5. Panel data memungkinkan peneliti untuk mempelajari studi perilaku yang lebih kompleks.
6. Panel data dapat meminimalkan derajat bebas bila jumlah unit variabel cukup besar.
Jenis data yang akan diuji adalah balance panel, yang artinya tiap variabel memiliki jumlah pengamatan yang sama pada periode 1978-2004. Menurut Gujarati (2009), terdapat tiga macam pendekatan dalam analisa panel data, yaitu Pooled Least Square (PLS), Random Effect Model (REM), dan Fixed Effect Model (FEM). Metode PLS mengasumsikan semua variabel penjelas adalah variabel non stokastik. Estimasi PLS akan menghasilkan nilai R2 yang signifikan dan sangat tinggi, namun statistik Durbin-Watson sangat rendah sehingga dapat
30
diduga bahwa mungkin terdapat autokorelasi dalam data. Nilai Durbin-Watson yang rendah juga berhubungan dengan kesalahan spesifikasi. Masalah utama model PLS adalah model mengabaikan heterogeneitas yang mungkin terjadi antar individu. Akibatnya adalah error term dapat berhubungan dengan variabel penjelas sehingga terjadi bias. Padahal, salah satu asumsi penting dalam regresi linear klasik adalah tidak ada korelasi antara variabel penjelas dengan error term.
Untuk memperoleh koefisien parameter yang mengakomodasi heterogeneitas, akan dilakukan analisis dengan menggunakan model Fixed Effect Model (FEM) dan model Random Effect Model (REM). FEM mengasumsikan bahwa intersep boleh berbeda antar individu namun sama antar waktu. Sementara itu, koefisien parameter atau slope diasumsikan sama antar waktu dan individu. Untuk memungkinkan intersep berbeda berbeda antar individu, akan dilakukan dengan metode dummy. Hasil estimasi FEM menunjukkan bahwa koefisien intersep signifikan sehingga masalah heterogenitas telah teratasi. Oleh karena itu, dapat dikatakan bahwa model FEM lebih baik daripada model PLS. Namun, teknik dummy yang digunakan dalam model FEM mengakibatkan berkurangnya derajat bebas. Dalam hal ini, metode ini gagal mengakomodasi variabel penjelas yang mungkin tidak berbeda sepanjang waktu karena memiliki nilai yang sama. Oleh karena itu, variabel dummy mengindikasikan kurangnya pengetahuan tentang model yang baik.
Untuk mengatasi hal ini, pendekatan yang digunakan adalah metode yang dapat mengakomodasi perbedaan waktu dan individu melalui komponen disturbance error melalui metode REM. Oleh karena itu, komponen error terdiri
31
dari dua bagian, yaitu: individual spesific error dan time error. Error gabungan tidak berkorelasi dengan variabel penjelas.
Dari penjelasan diatas diketahui bahwa model PLS memang kurang dapat diandalkan sehingga regresi panel data akan dilakukan pada model FEM dan REM. Penentuan model terbaik diantara keduanya dilakukan dengan menggunakan uji Hausman.
H0 : REM lebih baik daripada FEM H1 : FEM lebih baik daripada REM
Uji nilai statistik Hausman signifikan apabila probabilitasnya kurang dari taraf nyata sehingga Ho ditolak yang artinya FEM lebih baik daripada REM. Untuk melihat signifikansi variabel akan dilakukan uji t hitung pada taraf alfa 5% dengan hipotesis sebagai berikut.
Ho :
H1 : (Variabel tersebut mempengaruhi BOD)
Hipotesis nol (Ho) ditolak apabila nilai n : jumlah data
k : jumlah variabel
Untuk n > 30, nilai
Jumlah data dalam penelitian ini melebihi 30 buah sehingga bila nilai , maka hipotesis nol yang menyatakan bahwa variabel tidak mempengaruhi BOD akan ditolak. Artinya adalah variabel tersebut akan signifikan.
V. GAMBARAN UMUM LOKASI PENELITIAN
Kanto adalah wilayah geografis yang terletak di sebelah tenggara Pulau Hoshu yang meliput provinsi Gunma, Tochigi, Ibaraki, Saitama, Tokyo, Chiba, dan Kanagawa. Di daerah ini terdapat empat Daerah Aliran Sungai (DAS) yaitu DAS Sami, DAS Tama, DAS Tone, dan DAS Ara. Keempatnya bermuara di Tokyo Bay dan samudera Pasifik. Sungai yang termasuk dalam lokasi pengambilan data konsentrasi BOD dalam penelitian ini adalah sungai Tama, Sungai Ara, dan Sungai Tone. Peta wilayah Kanto diberikan dalam Gambar 5.
Sumber: Ministry of Land, Infrastructure, Transport, and Tourism Japan (2002) Gambar 5. Peta Lokasi Wilayah dan Sungai di Kanto
Kanto merupakan pusat perkembangan ekonomi dan pemerintahan di Jepang. Di wilayah Kanto terdapat Greater Tokyo Area yang merupakan merupakan kota metropolitan terbesar kedua di dunia setelah New York Metropolitan Area. Wilayah administrasinya meliputi provinsi Tokyo, Kanagawa, Saitama, dan Chiba.
33
Menurut sensus resmi pemerintah pada tahun 2010, jumlah penduduk di Jepang adalah 127.803.597 orang. Jumlah populasi di wilayah Kanto mencapai sepertiga dari total penduduk. Hal ini dikarenakan oleh empat provinsi di Kanto termasuk dalam sepuluh provinsi dengan jumlah penduduk terbanyak, yaitu Tokyo (1), Kanagawa (2), Saitama (5), dan Chiba (6). Sementara itu, Ibaraki berada di urutan sebelas, Gunma di urutan delapan belas, dan Tochigi di urutan sembilan belas. Dari segi kepadatan penduduk, provinsi Tokyo, Kanagawa, Saitama, dan Chiba masih berada dalam daftar provinsi dengan kepadatan penduduk tertinggi. Tokyo tetap menjadi provinsi dengan penduduk terpadat. Kanagawa berada di urutan tiga, Saitama di urutan empat, dan Chiba tetap di urutan lima. Sementara itu, Ibaraki berada di urutan dua belas, Gunma di urutan dua puluh satu, dan Tochigi di urutan dua puluh dua. Estimasi jumlah penduduk dan kepadatan penduduk beserta ranking per provinsi di Jepang diberikan dalam Tabel 3 dan Tabel 4
Tabel 3. Provinsi dengan Estimasi Jumlah Penduduk Terbanyak di Jepang Tahun 2011
No Nama Provinsi Jumlah Penduduk (orang)
1 Tokyo 13,186,562 2 Kanagawa 9,059,616 3 Osaka 8,865,448 4 Aichi 7,420,215 5 Saitama 7,204,168 6 Chiba 6,211,820 7 Hyogo 5,582,114 8 Hokkaido 5,485,916 9 Fukuoka 5,080,308 10 Shizuoka 3,752,592 Sumber: Higashide (2011)
34
Tabel 4. Provinsi dengan Estimasi Kepadatan Penduduk Tertinggi di Jepang Pada Tahun 2011
No Nama Provinsi Kepadatan Penduduk
(orang/km2) 1 Tokyo 6,027.73 2 Osaka 4,670.92 3 Kanagawa 3,750.07 4 Saitama 1,897.21 5 Aichi 1,436.75 6 Chiba 1,204.63 7 Fukuoka 1,020.72 8 Hyogo 664.86 9 Okinawa 615.97 10 Kyoto 570.65 Sumber: Higashide (2011)
Konsentrasi penduduk yang besar di Kanto terjadi karena wilayah ini merupakan pusat perekonomian di Jepang. Untuk tahun 2006, Jepang adalah negara dengan GDP terbesar kedua di dunia setelah USA dengan total nilai output sebesar $ 4.362,1 (Kanto Bureau of Economy, Trade, and Industry, 2009). Sebanyak 44% aktivitas perekonomian Jepang berlokasi di Kanto dengan total