BAB V HASIL ANALISIS DAN PEMBAHASAN
E. Uji Statistik
Statistik dalam penelitian ini meliputi determinasi (R2), uji signifikansi bersama-sama (Uji Statistik F), dan uji signifikansi parameter individual (Uji Statistik t).
1. Koefisien Determinasi (R2)
Koefisien determinasi berguna untuk mengukur kemampuan model dalam menerangkan himpunan veriabel independen. Nilai koefisien determinasi ditunjukkan dengan angka antara nol sampai satu. Nilai determinan yang kecil berarti kemampuan variabel-variabel independen dalam variasi variable dependen amat terbatas. Sedangkan nilai yang mendekati satu berarti variabel-variabel independen tersebut memberikan informasi yang dibutuhkan untuk memprediksi variabel dependen.
Dari hasil pengujian data PDRB per kapita, pengeluaran pemerintah atau belanja daerah, dan jumlah penduduk miskin terhadap Indeks Pembangunan Manusia di 33 Provinsi Indonesia periode 2010-2014 diperoleh nilai R2 sebesar 0,86651. Hal ini menunjukan bahwa secara statistik 86% peningkatan Indek Pembangunan Manusia dipengaruhi oleh PDRB per kapita, belanja daerah dan jumlah penduduk miskin. Sedangkan sisanya 14% dipengaruhi oleh variabel lain diluar penelitian.
2. Uji Statistik F
Uji F digunakan untuk mengetahui hubungan anatar variabel-variabel bebas secara keseluruhan dengan yang diperoleh, yaitu dengan PDRB per kapita, pengeluaran pemerintah atau belanja daerah dan jumlah penduduk
miskin terhadap Indeks Pembangunan Manusia di 33 Provinsi Indonesia. Dari hasil pengujian data diketahui nilai probabilitas F-statistik sebesar
0.0000 (signifikan pada α 1%), artinya variabel independen secara bersama-
sama berpengaruh terhadap variabel dependen. 3. Uji Statistik T
Uji T bertujuan unutuk melihat seberapa jauh pengaruh masing-masing variabel independen secara individu dalam menerangkan variasi variabel dependen.
Tabel 5.7 Uji T
Variabel Koefisien
Regresi t-statistik Prob. PDRB Per Kapita 0,053655 4,761886 0,0000 Belanja Pemerintah Daerah
Provinsi
0,033958 11,95800 0,0000
Jumlah Penduduk Miskin -0,009382 -2,333482 0,0209
Berdasarkan tabel di atas dapat diketahui nilai koefisien untuk variabel PDRB per kapita sebesar 0,053655 dengan probabilitas 0,0000 signifikan
pada α = 1%. Jadi dapat diketahui bahwa variabel PDRB berpengaruh positif
dan signifikan terhadap Indeks Pembangunan Manusia di Indonesia. Variabel belanja pemerintah memiliki nilai koefisien sebesar 0,033958
dengan nilai probabilitas 0,0000 signifikan pada tingkat α = 1%. Jadi dapat
disimpulkan bahwa variabel belanja daerah berpengaruh signifikan dan positif terhadap Indeks Pembangunan Manusia di Indonesia. Sedangkan
variabel jumlah penduduk miskin memiliki nilai koefisien sebesar - 0,009382 dengan nilai probabilitas 0,0209 signifikan pada α = 5%. Jadi dapat diartikan bahwa variabel jumlah penduduk miskin berpengaruh negatif dan signifikan terhadap Indeks Pembangunan di Indonesia.
F. Pembahasan (Interpretasi)
Berdasarkan model di atas maka dapat dibuat analisis dan pembahasan mengenai variabel independen, yaitu : PDRB per kapita, Pengeluaran Pemerintah dan Kemiskinan terhadap Indeks Pembangunan Manusia di Indonesia yang di interpretasikan sebagai berikut :
1. Pengaruh PDRB per kapita terhadap Indeks Pembangunan Manusia
Berdasarkan hasil dari penelitian di atas maka dapat di jelaskan bahwa variabel PDRB memiliki nilai koefisien 0,053655 dengan probalitas 0,0000. Ini berarti bila terjadi kenaikan PDRB per kapita 1% maka akan diikuti dengan kenaikan Indeks Pembangunan Manusia sebesar 0,053%. Hal ini sesuai dengan hipotesis penelitian yang menyatakan adanya pengaruh positif dari PDRB per kapita terhadap Indeks Pembangunan Manusia terbukti.
Hal tersebut sesuai dengan teori Kuznet yang mengemukakan salah satu karakteristik pertumbuhan ekonomi modern adalah tingginya pertumbuhan output per kapita (Todaro, 1997). Pertumbuhan output yang dimaksudkan adalah PDRB per kapita. Tingginya pertumbuhan output menjadikan perubahan pola konsumsi dalam pemenuhan kebutuhan yang
artinya semakin meningkatnya pertumbuhan ekonomi maka akan semakin tinggi pertumbuhan output per kapita dan merubah pola konsumsi masyarakat dalam hal ini tingkat daya beli masyarakat akan semakin tinggi yang secara langsung akan berpengaruh pada meningkatnya Indeks Pembangunan Manusia. Hasil dari penelitian ini juga sesuai dengan teori dari hasil penelitian Midgey (1995) dalam Patta (2012) yang menjelaskan bahwa pembangunan ekonomi sosial tidak dapat berjalan dengan baik tanpa adanya pembangunan ekonomi, sedangkan pembangunan ekonomi tidaklah bermakna kecuali diikuti dengan peningkatan kesejahteraan sosial dari populasi sebagai suatu kesatuan. Pertumbuhan ekonomi merupakan syarat bagi tercapainya pembangunan manusia karena dengan pembaangunan ekonomi terjamin terjadinya peningkatan produktivitas.
Hal ini juga didukung dengan penelitian yang dilakukan oleh Mirza (2012), dalam hasil penelitiannya menyatakan bahwa terdapat pengaruh atau hubungan yang positif dan signifikan antara indeks pembangunan manusia dengan PDRB per kapita (pertumbuhan ekonomi). Sehingga dapat disimpulkan bahwa semakin tinggi pertumbuhan ekonomi maka akan meningkatkan Indeks Pembangunan Manusia.
2. Pengaruh Belanja Daerah terhadap Indeks Pembangunan Manusia.
Bardasarkan hasil penelitian di atas variabel Belanja Daerah memiliki nilai koefisien 0,033958 dengan probalitas 0,0000. Ini berarti bila terjadi kenaikan Belanja Daerah 1% maka akan diikuti dengan kenaikan Indeks
Pembangunan Manusia sebesar 0,033%. Hal ini sesuai dengan hipotesis penelitian yang menyatakan adanya pengaruh positif dari pengeluaran pemerintah terhadap Indeks Pembangunan Manusia terbukti.
Hal tersebut sesuai dengan teori yang dikemukakan Rostow dan Musgrave yang menghubungkan perkembangan pengeluaran pemerintah dengan tahap-tahap pembangunan ekonomi yaitu tahap awal, tahap menengah dan tahap lanjut. Pada tahap awal dalam peranan pemerintah harus menyediakan prasarana seperti pendidikan, kesehatan, prasarana transportasi dan sebagainya. Pada tahap menengah peran pemerintah tetap diperlukan untuk meningkatkan pertumbuhan ekonomi. Kemudian beralih ke tahap lanjut dimana aktivitas pemerintah dalam pembangunan dan pertumbuhan ekonomi beralih dari penyediaan prasarana ke pengeluaran- pengeluaran untuk aktivitas sosial seperti program kesejahteraan hari tua, program pendidikan, program pelayanan kesehatan masyarakat dan sebagainya (Dumairy, 1997).
Berdasarkan teori yang ada, belanja daerah atau pengeluaran pemerintah yang berpengaruh terhadap Indeks Pembangunan Manusia juga disebutkan Mardiasmo (dalam Christy, 2009) yang menyatakan bahwa dalam era otonomi daerah pemerintah harus semakin mendekatkan diri pada pelayanan masyarakat. Pelayanan masyarakat yang dimaksudkan adalah pelayanan dalam program pendidikan dan kesehatan yang menjadi indikator pembangunan manusia. Oleh karena itu, alokasi pengeluaran pemerintah memegang peran penting guna meningkatkan pelayanan ini.
Hal ini di perkuat dengan penelitian yang dilakukan oleh Priambodo (2015) yang menyatakan selain anggaran untuk sektor publik seperti pelayan kesehatan dan pendidikan, anggaran belanja daerah berupa belanja modal dan belanja pegawai dapat pula berpengaruh terhadap indeks pembangunan manusia. Belanja pegawai dianggap dapat meningkatkan daya beli masyarakat. Daya beli aparatur daerah yang termasuk tinggi memberikan efek multiplier terhadap masyarakat sekitarnya yang kemudian mempercepat perputaran ekonomi masyarakat. Hal yang serupa terjadi juga dengan hasil penelitian menggunakan variabel belanja modal. Belanja modal berupa dana infrastruktur dapa meningkatkan kesejahteraan masyarakat. Pembangunan infrastruktur seperti pembangunan jalan, jembatan, dan sarana transportasi membuat aktivitas perekonomian semakin lancar, yang secara tidak langsung meningkatkan kesempatan masyarakat untuk mencapai taraf hidup yang layak. peningkatan yang terjadi pada salah satu faktor pembentuk IPM yang sudah disebutkan tentunya akan meningkatkan pencapaian IPM pada suatu daerah.
Selanjutnya hal ini juga didukung dengan hasil penelitian yang dilakukan Pratowo (2011) dengan judul penelitian “Analisis Faktor –
Faktor yang Berpengaruh Terhadap Indeks Pembangunan Manusia”. Hasil
penelitiannya menyatakan bahwa total belanja daerah berpengaruh positi dan signifikan terhadap indeks pembangunan manusia di Jawa Tengah. Komponen-komponen belanja daerah memiliki pengaruh tersendiri terhadap meningkatkatnya pencapaian indeks pembangunan manusia.
Sehingga dapat disimpulkan semakin meningkat dan terealisasinya anggaran belanja daerah maka secara tidak langsung akan meningkatkan Indeks Pembangunan Manusia
3. Pengaruh Jumlah Penduduk Miskin Terhadap Indeks Pembangunan Manusia.
Berdasarkan hasil penelitian di atas variabel Jumlah Penduduk Miskin memiliki nilai koefisien -0,009382 dengan nilai probabilitas 0,0209. Ini berarti bila terjadi penurunan jumlah penduduk miskin sebesar 1%, maka akan diikuti dengan kenaikan Indeks Pembangunan Manusia sebesar 0,009%. Hal ini menunjukan hipotesis adanya pengaruh negatif dari jumlah penduduk miskin dengan Indeks Pembangunan Manusia terbukti.
Hal tersebut sesuai dengan yang dikemukakan UNDP (1996) mengatakan bahwa penduduk miskin turut mempengaruhi pembangunan manusia, dimana penduduk miskin cenderung memiliki hambatan terhadap akses ekonomi yang mengakibatkan produktivitas menjadi rendah yang pada gilirannya pendapatan yang diterima pun jauh dari cukup untuk memenuhi kebutuhan dasar. Apalagi kebutuhan lain seperti pendidikan, kesehatan dan lainnya menjadi terhambat. Implikasinya pada wilayah – wilayah yang terdapat penduduk miskin, akan mengalami kesulitan untuk mencapai keberhasilan pembangunan manusianya.
Hal ini didukung pernyataan Mirza (2012) yang menyatakan semakin tinggi populasi penduduk miskin akan menekan tingkat pembangunan
manusia, sebab penduduk miskin memiliki daya beli yang rendah. Selanjutnya pernyataan ini diperjelas dengan hasil penelitian yang dilakukan Winarti (2014) yang menyatakan bahwa kemiskinan berpengaruh negatif dan signifikan terhadap indeks pembangunan manusia di Indonesia. Sehingga dapat disimpulkan bahwa menurunnya kemiskinan ataupun jumlah penduduk miskin akan meningkatkan indeks pembangunan manusia.
82
BAB VI
PENUTUP
A. Simpulan
Berdasarkan regresi data panel mengenai pengaruh Produk Domestik Regional Bruto (PDRB), pengeluaran pemerintah, dan Jumlah Penduduk Miskin terhadap IPM di 33 Provinsi Indonesia, maka dihasilkan kesimpulan sebagai berikut:
1. Penelitian ini menghasilkan bahwa Produk Domestik Regional Bruto (PDRB perkapita) berpengaruh positif dan signifikan terhadap Indeks Pembangunan Manusia di 33 Provinsi Indonesia. Nilai koefisien sebesar 0,053655 dan derajat signifikasi sebesar 1%. Artinya, ketika terjadi kenaikan Produk Domestik Regional Bruto (PDRB perkapita) sebesar 1% maka akan meningkatkan Indeks Pembangunan Manusia sebesar 0,053%. 2. Penelitian ini menghasilkan bahwa belanja daerah berpengaruh positif dan
signifikan terhadap Indeks Pembangunan Manusia di 33 Provinsi Indonesia. Nilai koefisien sebesar 0,033958 dan derajat signifikasi sebesar 1%. Artinya, ketika belanja daerah yang dibelanjakan meningkat sebanyak 1% maka akan meningkatkan Indeks Pembangunan Manusia sebesar 0,033%.
3. Penelitian ini menghasilkan bahwa jumlah penduduk miskin berpengaruh positif dan signifikan terhadap Indeks Pembangunan Manusia di 33 Provinsi Indonesia. Nilai koefisien sebesar -0,009382 dan derajat
signifikasi sebesar 5%. Artinya, ketika terjadi penurunan jumlah penduduk miskin sebesar 1% maka akan meningkatkan Indeks Pembangunan Manusia sebesar 0,009%.
B. Saran
Berdasarkan hasil penelitian dan kesimpulan yang didapat, maka saran yang dapat diberikan oleh peneliti adalah sebagai berikut:
1. Pemerintah khususnya pemerintah daerah harus memperhatikan masalah pertumbuhan pertumbuhan ekonomi. Pertumbuhan ekonomi harus dikombinasikan dengan pemerataan dan hasil-hasilnya agar tidak terjadi ketimpangan antar daerah yang satu dengan yang lainnya. Pemerataan kesempatan juga harus tersedia baik semua orang perempuan maupun laki-laki harus diberdayakan.
2. Pemerintah khusunya pemerintah daerah harus memperhatikan masalah yang berkaitan dengan belanja daerah yang menjadi pendukung Indeks Pembangunan Manusia. Perlu adanya kebijakan penganggaran dengan memperbesar komposisi anggaran belanja supaya lebih terfokus pada program sasaran, dan memperkecil belanja yang berupa upah/gaji/honor bikrorat atau mitra pelaksaan program. Program yang dimaksud adalah di bidang kesehatan,
pendidikan dan penciptaan lapangan kerja dengan memperluas “pasar untuk
produk-produk regional untuk meningkatkan pendapatan masyarakat sebagai bekal mencapai kehidupan yang layak.
3. Pemerintah perlu memperhatikan masalah yang berhubungan dengan pengurangan kemiskinan dengan peningkatan produktivitas masyarakat melalui investasi di bidang pendidikan dan kesehatan agar Indeks Pembangunan Manusia dapat lebih ditingkatkan.
C. Keterbatasan Penelitian
Dalam melakukan penelitian ini penulis memiliki beberapa keterbatasan, antara lain:
1. Jumlah variabel independen dalam penelitian ini hanya sebanyak 3 (tiga) variabel, yaitu Produk Domestik Regional Bruto (PDRB), Pengeluaran Pemerintah, dan Jumlah Penduduk Miskin. Diharapkan untuk penelitian selanjutnya dapat menambah variabel independen. Variabel independen yang digunakan bukan hanya faktor-faktor eksternal saja, namun faktor-faktor internal juga bisa digunakan.
2. Rentang waktu periode (t) yang diteliti bisa diperpanjang lebih dari 5 tahun sehingga hasil yang didapat lebih mencerminan kondisi pembangunan manusia yang lebih nyata.
3. Penggunaan variabel belanja daerah secara keseluruhan kurang mencerminkan pengaruh yang signifikan terhadap peningkatan indeks pembangunan manusia. Diperlukan adanya variabel yang lebih spesifik seperti : pengeluaran pemerintah dibidang kesehatan dan pendidikan.
Baeti, Nur., 2013, “Pengaruh Pengangguran, Pertumbuhan Ekonomi, dan Pengeluaran Pemerintah Terhadap Pembangunan Manusia Kabupaten/Kota di Provinsi Jawa Tengah Tahun 2007-2011”, Economics Development Analysis Journal, Vol.2 No.3, Agustus, hal 85-98.
Basuki, A. T., dan Yuliadi, I., 2014, Elektronik Data Prosesing (SPSS 15 dan EVIEWS 7), Danisa Media, Yogyakarta.
Badan Pusat Statistik, 2015, Statistik Indonesia 2013-2014
_________________, 2015, Statistik Keuangan Pemerintahan Provinsi 2011- 2014.
_________________, 2016, Statistik Keuangan Pemerintahan Provinsi 2012- 2015.
BPS, BAPPENAS, UNDP. 2001. Indonesia Human Development Report 2001. Jakarta : BPS.
BPS, BAPPENAS, UNDP. 2004. Indonesia Human Development Report 2004. Jakarta : BPS.
Brata, Aloysius Gunadi, 2005. Pengaruh Pengeluaran Pemerintah, Investasi Swastadan Distribusi Pendapatan terhadap Indek Pembangunan Manusia.Yogyakarta : Lembaga Penelitian – Universitas Atma Jaya
Cholili, F. M., 2014, “Analisis Pengaruh Pengangguran, Produk Domestik
Regional Bruto (PDRB), Dan Indeks Pembangunan Manusia (IPM) Terhadap Jumlah Penduduk Miskin (Studi Kasus 33 Provinsi Di Indonesia)”,Skripsi Ilmu Ekonomi. Universitas Brawijaya.
Dumairy, 1997. Perekonomian Indonesia. Jakarta : Penerbit Erlangga
Ginting, Charisma K.S. 2008. “Analisis Pembangunan Manusia di Indonesia”.
World Bank. Diaksesdari: http://papers.ssrn.com
Mailendra, F., 2009, “Analisis Dampak Pemekaran Wilayah dan Faktor-Faktor
yang Mempengaruhi Pembangunan Manusia di Propinsi Jawa Barat”, Skripsi Ilmu Ekonomi, Institut Pertanian Bogor, Bogor.
Maryani, Tri., 2010, “Analisis Indeks Pembangunan Manusia Di Provinsi Jawa
Tengah”, Artikel Ilmiah Mahasiswa, Universitas Pembangunan Negeri,
Yogyakarta.
Mirza, D. S., 2012,“Pengaruh Kemiskinan, Pertumbuhan Ekonomi, dan Belanja Modal Terhadap Indeks Pembangunan Manusia di Jawa Tengah Tahun 2006-2009”, Economics Development Analysis Journal, Vol.1 No.1, November, hal 1-15.
Patta, Devyanti., 2012,“Analisis Faktor-Faktor Yang Mempengaruhi Indeks
Pembangunan Manusia Di Sulawesi Selatan”, Skripsi Ilmu Ekonomi.
Universitas Hasanuddin Makasar.
Prawoto, N., dkk., 2012, Pedoman Penulisan Usulan Penelitian Skripsi dan Publikasi Karya Ilmiah, UPFE UMY, Yogyakarta.
Pratowo, Nur Isa., 2011, “Analisis Faktor-Faktor Yang Berpengaruh Terhadap
Indeks Pembangunan Manusia”, Jurnal Studi Ekonomi Indonesia, Universitas Sebelas Maret.
Sukirno, Sadono, 2000. Pengantar Teori Makro Ekonomi. PT. Raja Grafindo Persada: Jakarta
Sanggelorang, S. M. M., dkk., 2015, “Pengaruh Pengeluaran Pemerintah di Sektor
Pendidikan dan Kesehatan Terhadap Indeks Pembangunan Manusia di
Sulawesi Utara”, Jurnal Berkala Ilmiah Efisiensi, Vol.15 No.2, Juli, hal
Manusia di Indonesia Tahun 2005-2009”, Thesis, Univesitas Negeri Semarang.
Todaro, Michel P. 2000. Pembangunan Ekonomi di Dunia Ketiga.EdisiKetujuh, Erlangga, Jakarta.
UNDP, 1990. Human Development Report 1990. New York : Oxford Universitu Press.
______, 1995. Human Development Report 1995. New York : Oxford Universitu Press.
______, 2001. Human Development Report 2001. New York : Oxford Universitu Press.
______, 2003. Human Development Report 2003. New York : Oxford Universitu Press.
______, 2004. Human Development Report 2004. New York : Oxford Universitu Press.
Undang- Undang No. 23 Tahun 2014 tentang Otonomi Daerah
Winarti, A., 2014, “Analisis Pengaruh Pengeluaran Pemerintah Bidang
Pendidikan, Kemiskinan, dan PDB Terhadap Indeks Pembangunan Manusia di Indonesia Periode 1992-2012”, Skripsi Ekonomika dan Bisnis, UniversitasDiponegoro, Semarang.
Zebua, W.F dan Adib, N., 2015, “Pengaruh Alokasi Belanja Modal, Belanja
Barang dan Jasa, Belanja Hibah Dan Belanja Bantuan SosialTerhadap
Kualitas Pembanguanan Manusia”, Jurnal Ilmiah Mahasiswa, Universitas
1 Aceh 2010 67.09 22450.14 8810803761 898.40 2011 67.45 22704.80 8917046360 900.20 2012 67.81 23099.13 10688983657 876.60 2013 68.30 23277.74 12640525642 856.90 2014 68.81 23199.49 13005648412 837.42 2 Sumatera Utara 2010 67.09 25412.07 4232169602 1478.10 2011 67.34 26711.24 5363366625 1421.40 2012 67.74 28036.88 7922705447 1378.30 2013 68.36 29343.04 7412094314 1416.40 2014 68.87 30482.59 7823455215 1360.60 3 Sumatera Barat 2010 67.25 21584.91 2594858704 458.20 2011 67.81 22638.75 2406382408 441.80 2012 68.36 23744.01 3283832423 397.90 2013 68.91 24844.62 3424590626 384.10 2014 69.36 25963.24 3876114722 354.74 4 Riau 2010 68.65 69701.03 4461432658 558.30 2011 68.90 71637.89 5861960938 472.50 2012 69.15 72396.34 8753996299 481.30 2013 69.91 72300.12 8972958920 511.50 2014 70.33 72331.01 9583496799 498.28 5 Jambi 2010 65.39 29160.16 1841390735 260.00 2011 66.14 30856.66 2432067298 251.80 2012 66.94 32417.72 3287095365 270.20 2013 67.76 34085.91 3577072145 277.70 2014 68.24 36088.83 3679159260 281.75 6 Sumatera Selatan 2010 64.44 25932.00 3539410239 1105.40 2011 65.12 27157.98 4354299788 1061.90 2012 65.79 28577.89 5701059866 1041.80 2013 66.16 29679.57 5989474254 1104.60 2014 66.75 30627.55 6247547255 1085.80 7 Bengkulu 2010 65.35 16463.68 1011430779 281.20 2011 65.96 17282.27 1206660964 303.40 2012 66.61 18143.51 1759864866 310.60 2013 67.50 18921.19 1973725958 323.50 2014 68.06 19631.40 2196415303 316.50
8 Lampung 2010 63.71 19722.39 2170713197 1351.70 2011 64.20 20739.31 2689172531 1277.90 2012 64.87 21794.83 3859692967 1219.00 2013 65.73 22772.78 3925661229 1144.80 2014 66.42 23648.76 4567673497 1143.94 9 Kep. Bangka Belitung 2010 66.02 28906.78 1112154849 92.30 2011 66.59 30212.18 1433929598 65.60 2012 67.21 31172.42 1627060944 70.10 2013 67.92 32086.91 1814133507 69.40 2014 68.27 32868.70 1921560499 67.23 10 Kep. Riau 2010 71.13 65703.34 2095763572 138.20 2011 71.61 68024.21 2251884454 122.50 2012 72.36 70930.00 2764149408 131.30 2013 73.02 73674.03 3358007164 119.10 2014 73.40 76753.11 3457709845 124.17 11 DKI Jakarta 2010 76.31 111528.86 26774499140 388.70 2011 76.98 117672.92 33223439441 355.20 2012 77.53 123962.38 41854732064 366.70 2013 78.08 130110.55 48981265543 371.70 2014 78.39 136407.58 51418295337 412.79 12 Jawa Barat 2010 66.15 20974.94 11531944465 4716.90 2011 66.67 21976.53 13503602460 4650.80 2012 67.32 23036.00 19881315554 4421.30 2013 68.25 24119.24 22172242154 4375.20 2014 68.80 24961.05 25987424862 4238.96 13 Jawa Tengah 2010 66.08 19209.31 7530673277 5218.70 2011 66.64 20053.80 8786745596 5256.00 2012 67.21 20950.62 12402215695 4863.50 2013 68.02 21852.22 14649375799 4811.30 2014 68.78 22858.32 16846898289 4561.82 14 DI. Yogyakarta 2010 75.37 18652.97 1630773451 540.50 2011 75.93 19387.45 1859142795 564.30 2012 76.15 20183.88 2465342901 562.10 2013 76.44 21040.36 2986257423 541.90 2014 76.81 21873.72 3529399058 532.58
15 Jawa Timur 2010 65.36 26371.10 11976298202 5579.40 2011 66.06 27864.26 13058158965 5227.20 2012 66.74 29508.40 16902514591 4960.20 2013 67.55 31093.39 19126277688 4893.00 2014 68.14 32703.80 22169271001 4782.22 16 Banten 2010 67.54 25397.65 3374933134 751.00 2011 68.22 26548.94 4291462622 690.90 2012 68.92 27716.47 5788549691 648.10 2013 69.47 29034.51 6681044016 677.50 2014 69.89 29961.85 8138237775 649.19 17 Bali 2010 70.10 23992.63 2776160120 221.60 2011 70.87 25265.96 3366462269 183.10 2012 71.62 26689.58 4420445226 160.90 2013 72.09 28131.09 5008580378 182.80 2014 72.48 29666.48 5617388328 195.72 18 NTB 2010 61.16 15527.41 1345732900 972.30 2011 62.14 14705.77 1706631279 896.20 2012 62.98 14276.69 2260530353 828.20 2013 63.76 14807.47 2407728480 815.50 2014 64.31 15351.54 2803255700 816.62 19 NTT 2010 59.21 9316.79 1312183980 1021.60 2011 60.24 9675.89 1444705016 986.50 2012 60.81 10030.98 2430252850 1000.10 2013 61.68 10398.18 2639015355 1006.90 2014 62.26 10742.42 3022693421 991.88 20 Kalimantan Barat 2010 61.97 19510.07 1951936412 400.40 2011 62.35 20227.16 2433951120 376.10 2012 63.41 21062.22 3316215232 355.90 2013 64.30 21969.80 3484572426 407.30 2014 64.98 22707.79 3847514851 381.91 21 Kalimantan Tengah 2010 65.96 25455.05 1613311669 166.00 2011 66.38 26588.90 2054045455 150.00 2012 66.66 27749.01 2965637209 144.90 2013 67.41 29110.59 3368430455 149.40 2014 67.77 30220.97 3516414453 148.82
22 Kalimantan Selatan 2010 65.20 23418.47 2772436617 205.40 2011 65.89 24567.52 3472921497 198.60 2012 66.68 25547.77 5315564887 189.30 2013 67.17 26431.39 5554735885 184.30 2014 67.63 27230.80 5656559719 189.49 23 Kalimantan Timur 2010 71.31 116946.31 7853125779 285.70 2011 72.02 121196.23 11469537467 247.10 2012 72.62 124501.88 14724194400 246.10 2013 73.21 132813.96 14830601027 248.70 2014 73.86 132628.18 12336184311 252.68 24 Sulawesi Utara 2010 67.83 22707.79 1505696923 217.80 2011 68.31 23812.97 1474978923 194.70 2012 69.04 25145.96 2024022378 177.40 2013 69.49 26445.92 2314997122 201.10 2014 69.96 27804.68 2570193127 197.56 25 Sulawesi Tengah 2010 63.29 19558.53 1354662118 455.60 2011 64.27 21105.70 1631299007 432.10 2012 65.00 22724.47 2171609840 409.50 2013 65.79 24481.12 2280723891 400.40 2014 66.43 25316.32 2588136162 387.06 26 Sulawesi Selatan 2010 66.00 21306.72 2794524134 917.40 2011 66.65 22769.19 3401081587 835.50 2012 67.07 24507.17 4646301676 805.80 2013 67.92 26086.94 5017395623 863.20 2014 68.07 27760.85 5842842657 806.35 27 Sulawesi Tenggara 2010 65.99 21573.11 1161371237 351.30 2011 66.52 23338.07 1487712745 334.30 2012 67.07 25489.79 1835575310 304.30 2013 67.55 26817.47 2176239551 330.80 2014 68.07 27898.88 2520563775 314.09 28 Gorontalo 2010 62.65 14811.95 658485627 172.60 2011 63.48 15687.65 794420246 192.40 2012 64.16 16650.27 997138714 187.60 2013 64.70 17640.56 1153685640 198.50 2014 65.17 18627.37 1301429854 195.10
29 Sulawesi Barat 2010 59.74 14755.47 633599140 171.10 2011 60.63 16023.44 744622517 163.20 2012 61.01 17169.06 978029569 160.50 2013 61.53 18010.31 1175239886 151.70 2014 62.24 19211.14 1369496547 154.96 30 Maluku 2010 64.27 11951.84 1011046393 389.50 2011 64.75 12477.19 1193672798 356.40 2012 65.43 13129.11 1514750301 338.90 2013 66.09 13574.04 1694902822 315.20 2014 66.74 14230.08 1912549625 307.02 31 Maluku Utara 2010 62.79 14361.54 698701493 101.80 2011 63.19 14994.63 952524378 107.00 2012 63.93 15691.01 1396447498 88.20 2013 64.78 16334.50 1441124267 85.60 2014 65.18 16872.31 1532719259 84.79 32 Papua Barat 2010 59.60 54049.32 3536962988 217.40 2011 59.90 54539.86 4053067799 227.10 2012 60.30 55047.84 4271507349 223.20 2013 60.91 57595.40 6010272072 226.20 2014 61.28 59156.84 7096756998 225.46 33 Papua 2010 54.45 38785.11 5803839101 918.20 2011 55.01 36383.24 7183483923 946.60 2012 55.55 36280.03 8241636423 976.30 2013 56.25 38393.76 9129555212 960.60 2014 56.75 38891.99 11543021814 864.11
LOG(IPM) LOG(PDRB) LOG(BD) LOG(JPM) LOG(IPM) 1.000000 0.462661 0.368988 -0.075418 LOG(PDRB) 0.462661 1.000000 0.598246 -0.148669 LOG(BD) 0.368988 0.598246 1.000000 0.558648 LOG(JPM) -0.075418 -0.148669 0.558648 1.000000
Method: Panel EGLS (Cross-section random effects) Date: 05/01/16 Time: 23:19
Sample: 2010 2014 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. C 4.437558 7.867381 0.564045 0.5735 LOG(PDRB) -0.641143 0.983286 -0.652042 0.5153 LOG(BD) 0.247070 0.547327 0.451412 0.6523 LOG(JPM) -0.537126 0.470337 -1.142002 0.2551 Effects Specification S.D. Rho Cross-section random 2.036779 0.5691 Idiosyncratic random 1.772453 0.4309 Weighted Statistics
R-squared 0.009474 Mean dependent var 0.014090 Adjusted R-squared -0.008983 S.D. dependent var 1.757019 S.E. of regression 1.764893 Sum squared resid 501.4902 F-statistic 0.513304 Durbin-Watson stat 1.899558 Prob(F-statistic) 0.673680
Unweighted Statistics
R-squared 0.035908 Mean dependent var 0.038850 Sum squared resid 1103.770 Durbin-Watson stat 0.863051
Method: Pooled EGLS (Cross-section random effects) Date: 04/15/16 Time: 21:11
Sample: 2010 2014 Included observations: 5 Cross-sections included: 33
Total pool (balanced) observations: 165
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob. C 2.960356 0.080185 36.91912 0.0000 LOG(PDRB?) 0.053655 0.011268 4.761886 0.0000 LOG(BD?) 0.033958 0.002840 11.95800 0.0000 LOG(JPM?) -0.009382 0.004020 -2.333482 0.0209 Random Effects (Cross) _ACEH--C -0.001775 _SUMUT--C 0.009497 _SUMBAR--C 0.038055 _RIAU--C -0.032991 _JAMBI--C -0.001704 _LAMPUNG--C -0.019308 _SUMSEL--C 0.048585 _BENGKULU--C 0.000209 _BABEL--C 0.013827 _KEPRI--C 0.028759 _DKI--C -0.012449 _JABAR--C -0.010643 _JATENG--C 0.008607 _DIY--C 0.165872 _JATIM--C -0.029522 _BANTEN--C 0.022330 _BALI--C 0.058880 _NTB--C 0.000438 _NTT--C -0.009915 _KALBAR--C -0.029382 _KALTENG--C 0.005901 _KALSEL--C -0.011689 _KALTIM--C -0.041170 _SULUT--C 0.052489 _SULTENG--C 0.005579 _SULSEL--C 0.015210
_PUABAR--C -0.152293 _PAPUA--C -0.218238 Effects Specification S.D. Rho Cross-section random 0.059536 0.9933 Idiosyncratic random 0.004895 0.0067 Weighted Statistics
R-squared 0.866551 Mean dependent var 0.154319 Adjusted R-squared 0.864065 S.D. dependent var 0.013413 S.E. of regression 0.004945 Sum squared resid 0.003937 F-statistic 348.4854 Durbin-Watson stat 1.079797 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.129779 Mean dependent var 4.199520 Sum squared resid 0.609287 Durbin-Watson stat 0.006978
Pool: PANEL
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 673.318620 (32,129) 0.0000 Cross-section Chi-square 845.478386 32 0.0000
Cross-section fixed effects test equation: Dependent Variable: LOG(IPM?) Method: Panel Least Squares Date: 04/15/16 Time: 21:00 Sample: 2010 2014
Included observations: 5 Cross-sections included: 33
Total pool (balanced) observations: 165
Variable Coefficient Std. Error t-Statistic Prob. C 3.438893 0.113689 30.24835 0.0000 LOG(PDRB?) 0.016600 0.014226 1.166834 0.2450 LOG(BD?) 0.032138 0.010398 3.090945 0.0024 LOG(JPM?) -0.019128 0.007395 -2.586640 0.0106 R-squared 0.258125 Mean dependent var 4.199520 Adjusted R-squared 0.244302 S.D. dependent var 0.065339 S.E. of regression 0.056800 Akaike info criterion -2.874616 Sum squared resid 0.519425 Schwarz criterion -2.799320 Log likelihood 241.1558 Hannan-Quinn criter. -2.844051 F-statistic 18.67261 Durbin-Watson stat 0.010128 Prob(F-statistic) 0.000000
Pool: PANEL
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 6.296164 3 0.0981
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob. LOG(PDRB?) 0.065960 0.053655 0.000042 0.0582 LOG(BD?) 0.031888 0.033958 0.000002 0.1446 LOG(JPM?) -0.007229 -0.009382 0.000003 0.2343 Cross-section random effects test equation:
Dependent Variable: LOG(IPM?) Method: Panel Least Squares Date: 04/15/16 Time: 21:09 Sample: 2010 2014
Included observations: 5 Cross-sections included: 33
Total pool (balanced) observations: 165
Variable Coefficient Std. Error t-Statistic Prob.
C 2.867066 0.088296 32.47116 0.0000
LOG(PDRB?) 0.065960 0.013006 5.071316 0.0000 LOG(BD?) 0.031888 0.003174 10.04496 0.0000 LOG(JPM?) -0.007229 0.004409 -1.639692 0.1035
Effects Specification Cross-section fixed (dummy variables)
R-squared 0.995585 Mean dependent var 4.199520 Adjusted R-squared 0.994387 S.D. dependent var 0.065339 S.E. of regression 0.004895 Akaike info criterion -7.610849 Sum squared resid 0.003091 Schwarz criterion -6.933188 Log likelihood 663.8950 Hannan-Quinn criter. -7.335763 F-statistic 831.0799 Durbin-Watson stat 1.293059 Prob(F-statistic) 0.000000