Keterkaitan antara Infrastruktur dan Pendapatan per Kapita: Perbandingan Daerah Kaya dan Miskin di Indonesia 2003-2012

(1)

KETERKAITAN ANTARA INFRASTRUKTUR DAN

PENDAPATAN PER KAPITA: PERBANDINGAN DAERAH

KAYA DAN MISKIN DI INDONESIA 2003-2012

NI PUTU MANACIKA MANUPADA

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR BOGOR

(2)

(3)

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Keterkaitan antara Infrastruktur dan Pendapatan per Kapita: Perbandingan Daerah Kaya dan Miskin di Indonesia 2003-2012 adalah benar karya saya dengan arahan dari dosen pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

Bogor, Mei 2014

Ni Putu Manacika Manupada

(4)

ABSTRAK

NI PUTU MANACIKA MANUPADA. Keterkaitan antara Infrastruktur dan Pendapatan per Kapita: Perbandingan Daerah Kaya dan Miskin di Indonesia 2003-2012. Dibimbing oleh D.S. PRIYARSONO.

Pendapatan per kapita merupakan salah satu indikator untuk mengukur keberhasilan kinerja perekonomian di suatu negara. Meskipun secara keseluruhan pendapatan per kapita di Indonesia selalu mengalami peningkatan setiap tahunnya, namun belum diikuti dengan pemerataannya di setiap provinsi di Indonesia. Perbedaan pendapatan per kapita antar provinsi ini salah satunya disebabkan oleh tidak meratanya kualitas dan kuantitas infrastruktur. Penelitian ini menggunakan metode data panel pada 30 provinsi di Indonesia tahun 2003-2012 dengan rincian 15 provinsi kaya dengan PDRB per kapita tinggi dan 15 provinsi miskin dengan PDRB per kapita rendah. Variabel dependen yang digunakan adalah pendapatan per kapita (LNPDRBK), sedangkan variabel independen yang digunakan adalah infrastruktur air (AIR), listrik (LSTRK), panjang jalan (LNJLN), sekolah (LNSKLH), dan ranjang rumah sakit (LNBED). Hasil dari penelitian ini seluruh variabel infrastruktur berpengaruh positif dan signifikan terhadap pendapatan per kapita kecuali air untuk Indonesia secara keseluruhan dan provinsi dengan PDRB per kapita tinggi, serta panjang jalan untuk provinsi dengan PDRB per kapita rendah. Pendapatan per kapita di Indonesia secara keseluruhan dan provinsi dengan pendapatan per kapita tinggi sensitif terhadap ketersediaan infrastruktur ekonomi, sedangkan pendapatan per kapita di provinsi dengan PDRB per kapita rendah sensitif terhadap ketersediaan infrastruktur sosial.

Kata kunci: Data panel, Infrastruktur, Pendapatan per kapita

ABSTRACT

NI PUTU MANACIKA MANUPADA. The Relationship between Infrastructure and Income per Capita: Comparison of Rich and Poor Provinces in Indonesia 2003-2012. Supervised by D.S PRIYARSONO.

(5)

sensitive to the availability of economic infrastructure, while income per capita in provinces with low income per capita is sensitive to availability of social infrastructure.

(6)

(7)

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi

pada

Departemen Ilmu Ekonomi

KETERKAITAN ANTARA INFRASTRUKTUR DAN

PENDAPATAN PER KAPITA: PERBANDINGAN DAERAH

KAYA DAN MISKIN DI INDONESIA 2003-2012

NI PUTU MANACIKA MANUPADA

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR BOGOR

(8)

(9)

Judul Skripsi : Keterkaitan antara Infrastruktur dan Pendapatan per Kapita: Perbandingan Daerah Kaya dan Miskin di Indonesia 2003-2012 Nama : Ni Putu Manacika Manupada

NIM : H14100091

Disetujui oleh

Prof. D.S. Priyarsono, Ph.D Pembimbing

Diketahui oleh

Dedi Budiman Hakim, Ph.D Ketua Departemen

(10)

PRAKATA

Puji dan syukur penulis panjatkan kepada Ida Sang Hyang Widi Wasa atas segala karunia-Nya sehingga skripsi ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Januari 2014 sampai April 2014 ini ialah ekonomi regional, dengan judul Keterkaitan antara Infrastruktur dan Pendapatan per Kapita: Perbandingan Daerah Kaya dan Miskin di Indonesia 2003-2012.

Pada kesempatan ini, penulis ingin mengucapkan terimakasih kepada orangtua dan keluarga penulis, yaitu Bapak I Nengah Suastawa (Alm), Ibu Komang Yeni Trisnawati, serta adik-adik dari penulis yaitu Ni Made Wacika Manutara dan Ni Nyoman Kayika Manuhita atas doa, motivasi, dan dukungan secara moril dan juga materiil untuk penulis dalam menyelesaikan skripsi ini. Selain itu, penulis juga mengucapkan terimakasih kepada:

1. Prof. D.S. Priyarsono, Ph.D sebagai dosen pembimbing skripsi yang telah memberikan bimbingan dan secara teoritis maupun moril dalam proses penyusunan sampai akhirnya skripsi ini dapat diselesaikan.

2. Dr. Wiwiek Rindayanti selaku dosen penguji utama dan Ranti Wilasih, M.Si selaku dosen penguji dari komisi pendidikan atas kritik dan saran yang telah diberikan untuk perbaikan skripsi ini.

3. Para dosen, staff, dan seluruh civitas akademika Departemen Ilmu Ekonomi yang memberikan ilmu dan dukungan kepada penulis selama menjalankan studi di Departemen Ilmu Ekonomi.

4. Teman-teman satu bimbingan Pupu, Nita, Nia, dan Tisa yang menjadi teman berdiskusi dan juga berbagi suka dan duka selama penyusunan skripsi ini, serta Kak Perdana dan Kak Nella yang membantu dalam proses penulisan skripsi ini.

5. Sahabat-sahabat hiphip di perkuliahan Uke, Arti, Dian, Alfin, Tika, Heny, Fida, Amel, Fazri, Erlangga, Dwiki, serta sahabat-sahabat lainnya Putri Monicha, Meliana, Deska, Ticka, Ayumi, Nabila, Eri, Rheza, Bani, Ogis, Firman, Dinar, dan The Flinch.

6. Teman-teman Ilmu Ekonomi dan Studi Pembangunan 47, Hipotesa 2011 dan 2012, KMHD IPB, Badan Pusat Statistik (BPS) Pusat, Kementerian Kesehatan Republik Indonesia, Kangin, dan keluarga besar SM Town.

7. Semua pihak yang telah membantu dalam menyelesaikan penulisan skripsi ini yang tidak bisa disebutkan satu per satu.

Semoga skripsi ini bermanfaat.

Bogor, Mei 2014

(11)

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vii

PENDAHULUAN 1

Latar Belakang 1

Rumusan Masalah 3

Tujuan Penelitian 3

Manfaat Penelitian 3

Ruang Lingkup Penelitian 4

TINJAUAN PUSTAKA 4

Pendapatan per Kapita 4

Infrastruktur 4

Hipotesis 5

Kerangka Pemikiran Konseptual 5

METODE 6

Jenis dan Sumber Data 6

Metode dan Pengolahan Data 7

Metode Data Panel dan Uji Asumsi Klasik 7

Elastisitas 9

Perumusan Model Penelitian 9

HASIL DAN PEMBAHASAN 10

Perkembangan Pendapatan per Kapita di Provinsi dengan PDRB per kapita tinggi, Provinsi dengan PDRB per kapita rendah, dan Indonesia Secara

Keseluruhan 10

Perkembangan Ketersediaan Infrastruktur di Provinsi dengan PDRB per Kapita Tinggi, Provinsi dengan PDRB per Kapita Rendah, dan Indonesia Secara

Keseluruhan 11

(12)

SIMPULAN DAN SARAN 19

Simpulan 19

Saran 20

DAFTAR PUSTAKA 20

LAMPIRAN 24

(13)

DAFTAR TABEL

1 Data, variabel, dan sumber data 7

2 Selang nilai statistik Durbin-Watson serta keputusannya 9

3 Uji model terbaik analisis data panel 15

4 Hasil estimasi model ketersediaan infrastruktur terhadap pendapatan

per kapita di Indonesia 16

5 Hasil estimasi model ketersediaan infrastrutur terhadap pendapatan per kapita di provinsi dengan PDRB per kapita tinggi 17 6 Hasil estimasi model ketersediaan infrastruktur terhadap pendapatan

per kapita di provinsi dengan PDRB per kapita rendah 18 7 Elastisitas infrastruktur terhadap pendapatan per kapita 19

DAFTAR GAMBAR

1 Produk Domestik Bruto per Kapita atas harga dasar konstan 2000 tahun

2003-2012 1

2 Pendapatan Domestik Regional Bruto (PDRB) per kapita tertinggi dan

terendah tahun 2003 dan 2012 2

3 Kerangka pemikiran konseptual 5

4 Rata-rata pendapatan per kapita atas dasar harga konstan 2000 di provinsi dengan PDRB per kapita tinggi, provinsi dengan PDRB per kapita rendah, dan Indonesia secara keseluruhan 2003-2012 10 5 Rata-rata persentase akses rumah tangga terhadap air bersih di provinsi

dengan PDRB per kapita tinggi, provinsi dengan PDRB per kapita rendah, dan Indonesia secara keseluruhan 2003-2012 11 6 Rata-rata persentase penggunaan air minum berdasarkan sumbernya di

provinsi dengan PDRB per kapita tinggi dan rendah 2003-2012 12 7 Rata-rata persentase akses rumah tangga terhadap listrik yang

bersumber dari PLN di provinsi dengan PDRB per kapita tinggi, provinsi dengan PDRB per kapita rendah, dan Indonesia secara

keseluruhan 12

8 Rata-rata kepadatan jalan di provinsi dengan PDRB per kapita tinggi, provinsi dengan PDRB per kapita rendah, dan Indonesia secara

keseluruhan 2003-2012 13

9 Rata-rata kepadatan sekolah (SD, SMP, SMA, dan SMK) di provinsi dengan PDRB per kapita tinggi, provinsi dengan PDRB per kapita rendah, dan Indonesia secara keseluruhan 2003-2012 14 10 Rata-rata kepadatan ranjang rumah sakit di provinsi dengan PDRB per

kapita tinggi, provinsi dengan PDRB per kapita rendah, dan Indonesia

(14)

DAFTAR LAMPIRAN

1 Hasil uji korelasi untuk pengujian asumsi klasik multikolinearitas di

Indonesia secara keseluruhan 23

2 Hasil pengujian dengan metode PLS (Pooled Least Square) untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per

kapita di Indonesia secara keseluruhan 23

3 Hasil pengujian dengan metode Fixed Effect untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di

4 Hasil pengujian dengan metode Random Effect untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di

5 Hasil uji Chow untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di Indonesia secara keseluruhan 26 6 Hasil uji Hausman untuk mengestimasi keterkaitan antara infrastruktur

dengan pendapatan per kapita di Indonesia secara keseluruhan 26 7 Hasil uji korelasi untuk pengujian asumsi klasik multikolinearitas di

provinsi dengan PDRB per kapita tinggi 27

8 Hasil pengujian dengan metode PLS (Pooled Least Square) untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita tinggi 27 9 Hasil pengujian dengan metode Fixed Effect untuk mengestimasi

keterkaitan antara infrastruktur dengan pendapatan per kapita di

11 Hasil uji Chow untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita

tinggi 30

12 Hasil uji Hausman untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita

tinggi 30

13 Hasil uji korelasi untuk pengujian asumsi klasik multikolinearitas di

provinsi dengan PDRB per kapita rendah 31

14 Hasil pengujian dengan metode PLS (Pooled Least Square) untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita rendah 31 15 Hasil pengujian dengan metode Fixed Effect untuk mengestimasi

keterkaitan antara infrastruktur dengan pendapatan per kapita di

provinsi dengan PDRB per kapita rendah 32

(15)

17 Hasil uji Chow untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita

rendah 34

18 Hasil uji Hausman untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita

(16)

(17)

PENDAHULUAN

Latar Belakang

Salah satu indikator yang digunakan untuk mengukur keberhasilan kinerja perekonomian di suatu negara adalah pendapatan per kapita, yaitu rasio Produk Domestik Bruto (PDB) terhadap jumlah penduduk atau rasio Produk Domestik Regional Bruto (PDRB) terhadap jumlah penduduk untuk cakupan regional. Pendapatan per kapita juga menjadi salah satu gambaran tingkat kemakmuran suatu negara. Semakin tinggi pendapatan per kapita, maka semakin tinggi daya beli penduduk dan daya beli yang bertambah ini akan meningkatkan kesejahteraan masyarakat (Sukirno 2006).

Seperti yang terlihat pada Gambar 1, pendapatan per kapita di Indonesia dari tahun ke tahun secara keseluruhan terus mengalami peningkatan. Pada tahun 2003, pendapatan per kapita di Indonesia sebesar Rp 7 287 245.70 dan terus meningkat sehingga menjadi Rp 10 590 578.20 pada tahun 2012. Meskipun secara keseluruhan pendapatan per kapita di Indonesia mengalami peningkatan, tetapi jika ditinjau dari pendapatan per kapita regionalnya, akan terlihat perbedaan pendapatan per kapita antar provinsi di Indonesia.

Pada tahun 2003 Provinsi Kalimantan Timur memiliki pendapatan per kapita paling tinggi sebesar Rp 32 987 950 dan Provinsi Gorontalo memiliki pendapatan per kapita terendah sebesar Rp 1 998 814. Pada tahun 2012, Provinsi DKI Jakarta memiliki pendapatan per kapita paling tinggi yaitu sebesar Rp 45 675 000.87 dan Provinsi Nusa Tenggara Timur dengan pendapatan per kapita paling rendah, yaitu Rp 2 866 440.53 (Gambar 2). Perbedaan yang sangat timpang antara provinsi yang memiliki pendapatan per kapita tertinggi dan pendapatan per kapita terendah menggambarkan bahwa tingkat kemakmuran antarprovinsi di Indonesia belum merata (Badan Pusat Statistik 2013).

0

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

P

Sumber : Badan Pusat Statistik 2013 (diolah)

(18)

2

Peningkatan pendapatan per kapita di Indonesia belum mampu dijadikan tolok ukur keberhasilan kinerja perekonomian Indonesia karena tidak diiringi dengan pemerataannya di tingkat provinsi. Perbedaan pendapatan per kapita provinsi-provinsi di Indonesia atau PDRB per kapita ini salah satunya disebabkan oleh perbedaan kuantitas dan kualitas ketersediaan infrastruktur, serta pembangunan dari infrastruktur itu sendiri (Bappenas 2013).

Dalam upaya pembangunan ekonomi diperlukan analisis peranan infrastruktur yang mampu mendukung pembangunan perekonomian tersebut. Karena peningkatan prasarana infrastruktur diharapkan mampu mendatangkan kesejahteraan dan meningkatkan efisiensi kegiatan ekonomi sehingga ketimpangan PDRB per kapita ini dapat ditanggulangi (Wahyuni 2009).

Menurut Ramelan (1997), infrastruktur dibagi menjadi dua jenis yaitu infrastruktur ekonomi dan infrastruktur sosial. Infrastruktur ekonomi adalah infrastruktur fisik yang terdiri dari prasarana umum seperti prasarana transportasi, jaringan listrik, telekomunikasi, air bersih, sanitasi, pembuangan limbah, serta perhubungan. Infrastruktur sosial terdiri dari prasarana pendidikan dan kesehatan.

Ketersediaan infrastruktur, baik ekonomi dan sosial, merupakan bagian terpenting dari strategi dan upaya pembangunan untuk meningkatkan produktivitas dan pertumbuhan output (Srinivasu dan Rao 2013). Selain itu, infrastruktur juga merupakan instrumen yang dapat memperlancar perputaran roda perekonomian sehingga akselerasi pembangunan pun dapat dilaksanakan karena semakin tinggi tingkat ketersediaan infrastruktur di suatu daerah, maka pembangunan di daerah tersebut akan berjalan semakin cepat (Basri 2002).

Pembangunan infrastruktur sosial di bidang pendidikan dan kesehatan akan berpengaruh terhadap modal tenaga kerja (terutama penduduk miskin) yang nantinya akan berdampak pada peningkatan kesempatan kerja dan juga prospek pendapatan yang meningkat (Calderón dan Servén 2004). Selain itu, ketersediaan infrastruktur ekonomi atau fisik seperti tenaga listrik, air bersih, jalan, dan sebagainya memiliki keterkaitan yang kuat dengan perkembangan suatu wilayah yang ditandai dengan laju pertumbuhan ekonomi dan kesejahteraan masyarakat. Daerah yang memiliki ketersediaan infrastruktur yang lebih baik memiliki laju pertumbuhan ekonomi dan kesejahteraan ekonomi yang lebih baik dibandingkan

0

Sumber : Badan Pusat Statistik 2013 (diolah)

(19)

3

dengan daerah yang memiliki ketersediaan infrastruktur yang terbatas (Bappenas 2003).

Arah kebijakan pembangunan nasional dan pembangunan daerah disusun berdasarkan isu strategis di setiap tahunnya agar arah kebijakan dapat dilaksanakan dengan tuntas dan terfokus, mengingat ketersediaan sumberdaya yang terbatas (Bappenas 2013). Selain itu, setiap daerah di Indonesia memiliki karakteristik dan tingkat kematangan ekonomi yang berbeda sehingga pembangunan infrastruktur pun perlu disesuaikan dengan kebutuhan daerah masing-masing.

Berdasarkan pendapatan per kapitanya, provinsi di Indonesia dibagi menjadi 2 bagian yaitu provinsi kaya dengan PDRB per kapita tinggi dan provinsi miskin dengan PDRB per kapita rendah. Masing-masing provinsi ini memiliki tingkat pembangunan infrastruktur yang berbeda-beda. Oleh karena itu penelitian ini akan melihat bagaimana ketersediaan infrastruktur di 2 kelompok tersebut dan Indonesia secara keseluruhan, serta variabel infrastruktur manakah yang pengaruhnya paling besar bagi pendapatan per kapita.

Rumusan Masalah

Berdasarkan uraian latar belakang di atas, maka rumusan masalah dari penelitian ini adalah :

1. Bagaimanakah perkembangan pendapatan per kapita dan ketersediaan infrastruktur di Indonesia secara keseluruhan, provinsi dengan PDRB per kapita tinggi, dan provinsi dengan PDRB per kapita rendah?

2. Bagaimanakah keterkaitan antara ketersediaan infrastruktur dengan pendapatan per kapita di Indonesia secara keseluruhan, provinsi dengan PDRB per kapita tinggi, dan provinsi dengan PDRB per kapita rendah? 3. Bagaimanakah pengaruh ketersediaan infrastruktur terhadap pendapatan per

kapita di Indonesia secara keseluruhan, provinsi dengan PDRB per kapita tinggi, dan provinsi dengan PDRB per kapita rendah?

Tujuan Penelitian

Penelitian ini bertujuan untuk menganalisis perkembangan pendapatan per kapita, ketersediaan infrastruktur (air, listrik, panjang jalan, pendidikan, dan kesehatan), serta keterkaitan antar keduanya di Indonesia secara keseluruhan, provinsi dengan PDRB per kapita tinggi, dan provinsi dengan PDRB per kapita rendah. Selain itu, penelitian ini pun bertujuan untuk mengetahui pengaruh ketersediaan infrastruktur terhadap pendapatan per kapita di Indonesia, provinsi dengan PDRB per kapita tinggi, dan provinsi dengan PDRB per kapita rendah sehingga pembangunannya harus diutamakan.

Manfaat Penelitian

(20)

4

antara pendapatan infrastruktur dan pendapatan per kapita, serta pengaruh ketersediaan infrastruktur terhadap pendapatan per kapita di Indonesia secara keseluruhan, di provinsi dengan PDRB per kapita tinggi, dan provinsi dengan PDRB per kapita rendah agar arah pembangunan perekonomian dan infrastruktur lebih fokus dan terarah. Selain itu, hasil penelitian ini juga diharapkan dapat menjadi bahan pustaka dan referensi bagi pihak yang membutuhkan serta rujukan bagi penelitian selanjutnya.

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini mencakup perkembangan pendapatan per kapita, ketersediaan infrastruktur (air, listrik, panjang jalan, pendidikan, dan kesehatan), keterkaitan antara pendapatan infrastruktur dan pendapatan per kapita, serta pengaruh ketersediaan infrastruktur terhadap pendapatan per kapita di Indonesia secara keseluruhan, di provinsi dengan PDRB per kapita tinggi, dan provinsi dengan PDRB per kapita rendah. Analisis dalam penelitian ini menggunakan metode data panel dengan 30 provinsi di Indonesia pada tahun 2003-2012 yang dibagi menjadi 15 provinsi dengan PDRB per kapita tinggi dan 15 provinsi dengan PDRB per kapita rendah. Jenis infrastruktur yang digunakan adalah air, listrik, panjang jalan, pendidikan, dan kesehatan.

TINJAUAN PUSTAKA

Pendapatan per Kapita

Pendapatan per kapita atau pendapatan rata-rata penduduk digunakan sebagai alat ukur untuk mengukur laju pembangunan ekonomi dan taraf kemakmuran masyarakat (Sukirno 2006). Tujuan digunakannya pendapatan per kapita sebagai alat ukur pembangunan ekonomi adalah pertama, untuk menunjukkan secara kasar laju dari pembangunan ekonomi yang dicapai pada suatu tahun dan kedua, untuk membandingkan tingkat kemakmuran yang dicapai setiap negara. Fungsi lain dari pendapatan per kapita adalah untuk menggambarkan perbedaan tingkat kemakmuran di antar wilayah. Semakin tinggi pendapatan per kapita, semakin tinggi daya beli penduduk, dan daya beli ini akan meningkatkan kesejahteraan masyarakat.

Infrastruktur

(21)

5

kereta api, bandara, pasokan listrik, jaringan telekomunikasi, ketersediaan air bersih, dermaga dan pelabuhan, dan sebagainya, (2) infrastruktur sosial yang meliputi pendidikan, kesehatan, rekreasi, dan perumahan (3) infrastruktur administrasi atau infrastruktur institusional yang meliputi hukum, koordinasi, dan kontrol administrasi.

Hipotesis

Berdasarkan berbagai landasan teori dan penelitian sebelumnya, dapat dirumuskan hipotesis interaksi antara variabel terikat dan variabel bebas sebagai berikut :

1. Infrastruktur air akan berpengaruh positif terhadap pendapatan dan juga pembangunan ekonomi karena air merupakan kebutuhan pokok dan juga faktor yang penting dalam pemilihan lokasi untuk pemukiman rumah tangga, perusahaan, dan juga perindustrian sebagai roda perekonomian (Rives dan Heaney 1995).

2. Infrastruktur listrik akan berpengaruh positif terhadap pendapatan per kapita karena semakin tinggi tingkat konsumsi listrik akan meningkatkan pendapatan secara positif karena jumlah pengakses listrik di suatu wilayah akan membantu pergerakan perekonomian daerah sehingga produktivitas individu meningkat (Sari 2009).

3. Infrastruktur jalan akan berpengaruh positif terhadap pendapatan perkapita karena terdapat korelasi positif antara panjang jalan per luas wilayah dengan pendapatan, sehingga jika infrastruktur jalan di suatu daerah baik maka pendapatan masyarakat pun meningkat (Basri dan Munandar 2009).

4. Infrastruktur pendidikan akan secara positif mempengaruhi pendapatan per kapita karena peningkatan infrastruktur pendidikan akan meningkatkan pertumbuhan ekonomi dan mengurangi ketimpangan tanpa adanya trade-off

karena pendidikan berkaitan dengan mobilitas tenaga kerja (Zheng dan Kuroda 2012). Artinya, pendidikan mampu meningkatkan produktivitas tenaga kerja sehingga pendapatan pun meningkat.

5. Infrastruktur kesehatan akan secara positif mempengaruhi pendapatan per kapita karena semakin tinggi pendapatan masyarakat maka investasi untuk kesehatan pun semakin tinggi sehingga harapan hidup meningkat dan produktivitas pun ikut meningkat (Todaro dan Smith 2006).

6. Pendapatan per kapita di provinsi dengan PDRB per kapita tinggi akan lebih sensitif terhadap ketersediaan infrastruktur ekonomi (air, listrik, dan panjang jalan), sedangkan pendapatan per kapita di provinsi dengan PDRB per kapita rendah akan sensitif terhadap ketersediaan infrastruktur sosial (sekolah dan ranjang rumah sakit).

Kerangka Pemikiran Konseptual

(22)

6

provinsi dengan PDRB per kapita rendah diperoleh kerangka pemikiran konseptual sebagai berikut :

METODE

Jenis dan Sumber Data

Penelitian ini menggunakan data sekunder 30 provinsi di Indonesia dengan rincian 15 provinsi kaya dengan PDRB per kapita tinggi dan 15 provinsi miskin dengan PDRB per kapita rendah yang dibagi berdasarkan pendapatan per kapita rata-ratanya dengan time series waktu tahunan periode 2003-2012 yang digabung menjadi data panel. Data diperoleh dari Badan Pusat Statistik (BPS) dan Kementerian Kesehatan, serta studi pustaka yang dilakukan terhadap jurnal, artikel-artikel di internet, dan literatur-literatur yang berkaitan dengan penelitian ini. Data sekunder yang digunakan diuraikan pada Tabel 1.

(23)

7

Tabel 1 Data, variabel, dan sumber data

No Data yang digunakan Variabel Sumber data

1

Pendapatan per kapita di 30 provinsi di Indonesia

Banyaknya rumah tangga yang menggunakan sumber air minum bersih (%)

Banyaknya rumah tangga yang mengakses listrik yang bersumber dari PLN (%)

Penelitian ini menggunakan metode analisis kuantitatif dan kualitatif. Metode kuantitatif yang digunakan adalah metode data panel. Metode ini digunakan untuk menganalisis keterkaitan ketersediaan infrastruktur dengan pendapatan per kapita di Indonesia secara keseluruhan, provinsi dengan PDRB per kapita tinggi, dan provinsi dengan PDRB per kapita rendah serta elastisitas untuk menganalisis pengaruh masing-masing variabel infrastruktur terhadap perubahan pendapatan per kapita. Metode analisis kualitatif digunakan untuk menginterpretasikan hasil dari metode analisis kuantitatif yang dilakukan dengan program komputer Eviews 6 dan Microsoft Excel 2010.

Metode Data Panel dan Uji Asumsi Klasik

Teknik estimasi dalam metode data panel terdiri dari tiga macam, yaitu

Pooled Least Square Model, Fixed Effect Model, dan Random Effect Model. Untuk menentukan model mana yang tepat untuk pengolahan data, perlu dilakukan uji kesesuaian model, yaitu dengan menggunakan Chow Test dan

Hausman Test. Setelah itu, dilakukan uji asumsi klasik untuk mendapatkan model yang terbaik.

Dalam pengolahan data panel, untuk memilih metode dan model yang paling tepat perlu dilakukan beberapa pengujian, yaitu :

1. Chow Test, yaitu uji kesesuaian yang dilakukan untuk membandingkan model

(24)

8

H0 : Pooled Least Square

H1 : Fixed Effect Model

Jika hasil pengujian menunjukkan nilai Fstatistik lebih kecil dari FN-1,NT-N-K,

maka terima H0 sehingga yang digunakan adalah model Pooled Least Square.

Sebaliknya, jika nilai Fstatistik lebih besar dari FN-1, NT-N-K, maka tolak H0

sehingga yang digunakan adalah model Fixed Effect.

2. Hausman Test, yaitu uji keseuaian yang dilakukan untuk membandingkan model Fixed Effect Model dengan Random Effect Model. Hipotesis dalam pengujian ini adalah :

H0 : Random Effect Model

H1 : Fixed Effect Model

Jika hasil pengujian menunjukkan nilai Fstatistik lebih kecil dari Fchi maka tolak

H0 sehingga yang digunakan adalah model Fixed Effect. Sebaliknya, jika nilai

Fhausman lebih besar dari Fchi, maka terima H0 sehingga yang digunakan adalah

model Random Effect.

Dalam metode data panel, kriteria ekonometrik harus memenuhi 3 uji asumsi model klasik yang utama, yaitu uji Multikolinearitas, uji Heteroskedastisitas, dan uji Autokorelasi. Penjelasan dari ketiga uji asumsi tersebut adalah :

Uji Multikolinearitas

Multikolinearitas adalah adanya hubungan linear sempurna antarpeubah bebas dalam model (Juanda 2009). Ada atau tidaknya multikolinearitas dapat dilihat dengan membandingkan nilai uji korelasi antara 2 variabel bebas dengan nilai R2. Jika nilai uji korelasi lebih kecil dari R2, maka tidak ada multikolinearitas. Sebaliknya, jika nilai uji korelasi lebih besar dari R2, maka terjadi multikolinearitas.

Uji Heteroskedastisitas

Dalam asumsimodel regresi yang bersifat BLUE (Best, Linear, Unbiased Estimator), error ui bersifat homoskedastik yang artinya semua memiliki ragam

yang sama, atau σ2 konstan. Jika terdapat masalah heteroskedastisitas dalam model regresi, maka model menjadi tidak memiliki ragam minimum (tidak efisien) dan tidak bias. Salah satu cara untuk mengatasi heteroskedastisitas adalah menggunakan metode Generalized Least Square (GLS), yaitu metode kuadrat terkecil yang diboboti dengan cara model ditransformasi dengan memberikan bobot pada data aslinya (Juanda 2009).

Uji Autokorelasi

Autokolerasi adalah korelasi di antara anggota observasi yang diurut menurut waktu (time series) atau ruang (cross section) (Gujarati 2006). Untuk mendeteksi adanya autokorelasi pada model salah satunya dapat menggunakan statistik uji Watson, yaitu dengan cara membandingkan nilai Durbin-Watson (DW) statistik dengan nilai DW-tabel. Daerah keputusan H0 dan H1 dapat

(25)

9

Tabel 2 Selang nilai statistik Durbin-Watson serta keputusannya

Nilai DW Keputusan

Tolak H0; ada autokolerasi negatif

Tidak tentu, coba uji yang lain Terima H0

Tidak tentu, coba uji yang lain Tolak H0; ada autokolerasi positif

Sumber : Juanda (2009)

Elastisitas

Elastisitas digunakan untuk mengukur pengaruh 1% perubahan dalam variabel independen X terhadap persentase perubahan variabel dependen Y dan untuk mengevaluasi pentingnya variabel-variabel independen karena elastisitas dapat digunakan bebas satuan. Secara umum, nilai elastisitas tak terbatas dan dapat bernilai positif dan negatif (Juanda 2009).

Perumusan Model Penelitian

Untuk menganalisis keterkaitan antara ketersediaan infrastruktur dengan pendapatan per kapita, dalam penelitian ini digunakan 5 variabel independen yang terdiri dari infrastruktur air, listrik, panjang jalan, pendidikan, dan kesehatan serta variabel dependen pendapatan per kapita. Hubungan antara ketersediaan infrastruktur dan pendapatan per kapita ini dirumuskan menjadi 3 model agar terlihat perbedaan antara masing-masing wilayah dan rekomendasi yang diberikan bisa tepat sasaran. Persamaan estimasi data panel yang digunakan adalah :

LNPDRBKSit = α0+ α1AIRit+ α2LSTRKit+ α3LNJLNit+ α4LNSKLHit +

: Model 1 untuk Indonesia secara keseluruhan

: Model 2 untuk provinsi dengan PDRB per kapita tinggi : Model 3 untuk provinsi dengan PDRB per kapita rendah : Intersep

: Parameter infrastruktur : Error term

: Akses rumah tangga terhadap air bersih (%)

: Akses rumah tangga terhadap listrik bersumber PLN (%) : Rasio jalan terhadap luas wilayah (km/km2)

: Rasio jumlah sekolah terhadap populasi (unit/jiwa)

(26)

10

i t

: Provinsi; i=1,2,3,… 30

: Times series; t=1,2,3,…10 (mewakili 2003-2012)

HASIL DAN PEMBAHASAN

Perkembangan Pendapatan per Kapita di Provinsi dengan PDRB per kapita tinggi, Provinsi dengan PDRB per kapita rendah, dan Indonesia Secara

Keseluruhan

Pendapatan per kapita merupakan salah satu gambaran tingkat kemakmuran di suatu negara atau daerah. Seperti yang terlihat pada Gambar 4, secara keseluruhan PDRB per kapita di Indonesia pada tahun 2003-2012 mengalami peningkatan dengan pertumbuhan rata-rata sebesar 3.6% dan PDRB per kapita rata-rata sebesar Rp 8 457 763. Jika PDRB per kapita di Indonesia dibagi berdasarkan provinsi dengan PDRB per kapita tinggi dan rendah, maka akan terlihat perbedaan dari keduanya. Untuk provinsi dengan PDRB per kapita tinggi, pada tahun 2003-2012 memiliki pertumbuhan rata-rata sebesar 3.2% dan PDRB per kapita rata-rata sebesar Rp 12 325 648. Sedangkan provinsi dengan PDRB per kapita rendah memiliki pertumbuhan rata-rata sebesar 4.2% dengan PDRB per kapita rata-rata sebesar Rp 4 589 879 pada tahun 2003-2012.

Perbedaan pendapatan per kapita antara provinsi dengan PDRB per kapita tinggi dan rendah ini dari tahun ke tahun terus mengalami fluktuasi. Lima tahun terakhir, kesenjangan pendapatan per kapita antara provinsi dengan PDRB per kapita tinggi dan provinsi dengan PDRB per kapita rendah ini terus melebar, yang artinya pendapatan per kapita di Indonesia masih belum merata dan timpang.

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Prov. PDRB per kapita tinggi 11.41 11.24 11.98 11.66 12.11 12.56 12.93 12.42 13.35 13.60

Prov. PDRB per kapita rendah 3.78 3.89 4.09 4.25 4.45 4.67 4.91 5.07 5.29 5.50

Indonesia 7.59 7.56 8.04 7.96 8.28 8.62 8.92 8.74 9.32 9.55

0

Sumber : Badan Pusat Statistik 2003-2012 (diolah)

(27)

11

Perkembangan Ketersediaan Infrastruktur di Provinsi dengan PDRB per Kapita Tinggi, Provinsi dengan PDRB per Kapita Rendah, dan Indonesia

Secara Keseluruhan

Ketersediaan air bersih sangat penting bagi keberlangsungan kegiatan perekonomian. Seperti yang terlihat pada Gambar 5, rata-rata akses rumah tangga terhadap air bersih di Indonesia mengalami fluktuasi, baik secara keseluruhan atau di provinsi dengan PDRB per kapita tinggi dan juga rendah. Dari tahun 2003 hingga 2012, secara keseluruhan di Indonesia rata-rata akses rumah tangga terhadap air bersih sebesar 63.71%. Untuk provinsi dengan PDRB per kapita tinggi, rata-rata akses rumah tangga terhadap air bersih sebesar 61.48% dan untuk provinsi dengan PDRB per kapita rendah sebesar 65.94%.

Rumah tangga di provinsi dengan PDRB per kapita rendah memiliki akses terhadap air bersih lebih besar dibandingkan dengan rumah tangga di provinsi dengan PDRB per kapita tinggi. Kondisi ini disebabkan oleh akses air bersih yang bersumber dari sumur terlindung dan mata air terlindung di provinsi dengan PDRB per kapita rendah lebih tinggi dibandingkan dengan provinsi dengan PDRB per kapita tinggi. Akses air bersih di provinsi dengan PDRB per kapita tinggi mayoritas bersumber dari ledeng dan air kemasan (Gambar 6).

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Prov. PDRB per kapita tinggi 55.49 59.23 55.92 59.47 58.20 61.50 64.79 65.61 68.81 65.75

Prov. PDRB per kapita rendah 61.92 63.68 65.61 66.52 61.82 64.21 66.61 67.53 70.08 71.45

Indonesia 58.71 61.46 60.76 63.00 60.01 62.86 65.70 66.57 69.45 68.60

0 20 40 60 80

Air bersih (%)

Tahun

(28)

12

Listrik merupakan salah satu komponen penting untuk menggerakkan roda perekonomian Indonesia. Rata-rata akses rumah tangga terhadap listrik PLN di Indonesia terus mengalami peningkatan secara keseluruhan maupun di provinsi dengan PDRB per kapita tinggi dan rendah. Rata-rata persentase rumah tangga yang mengakses listrik PLN di Indonesia pada tahun 2003-2012 sebesar 77.46%. Di provinsi dengan PDRB per kapita tinggi sebesar 82.32% dan 71.48% untuk provinsi dengan PDRB per kapita rendah (Gambar 7).

Jalan merupakan salah satu infrastruktur yang terpenting dalam kegiatan perekonomian karena jalan mampu menghubungkan satu wilayah dengan wilayah lainnya sehingga penyaluran barang dan jasa dapat berlangsung. Menurut kondisinya, Badan Pusat Statistik membagi jalan menjadi 4 bagian, yaitu jalan Prov. PDRB per kapita tinggi 77.43 79.80 80.41 81.02 82.06 83.44 83.24 83.61 85.31 86.90 Prov. PDRB per kapita rendah 64.44 66.95 68.01 69.07 71.52 73.29 74.03 74.35 76.18 80.55

Indonesia 71.78 73.48 74.40 75.32 77.09 78.90 78.82 79.46 81.15 84.20

0 Sumber : Badan Pusat Statistik 2003-2012 (diolah)

Gambar 6 Rata-rata persentase penggunaan air minum berdasarkan sumbernya di provinsi dengan PDRB per kapita tinggi dan rendah 2003-2012

(29)

13

baik, jalan sedang, jalan rusak, dan jalan rusak berat. Dalam penelitian ini digunakan jalan baik dan jalan sedang. Jalan baik adalah jalan yang dapat dilalui kendaraan dengan kecepatan 60 km/jam dan selama 2 tahun mendatang tanpa pemeliharaan pada pengerasan jalan. Sedangkan jalan sedang adalah jalan yang dapat dilalui oleh kendaraan dengan kecepatan 40-60 km/jam dan selama 1 tahun mendatang tanpa rehabilitasi pada pengerasan jalan.

Seperti yang terlihat pada Gambar 8, rasio panjang jalan menurut kondisi baik dan sedang terhadap luas wilayah di Indonesia secara keseluruhan, dan juga pada provinsi dengan PDRB per kapita tinggi dan rendah mengalami peningkatan dan penurunan dari tahun 2003 hingga 2012. Rata-rata kepadatan jalan di Indonesia secara keseluruhan adalah 0.342, di provinsi dengan PDRB per kapita tinggi adalah 0.769, dan di provinsi dengan PDRB per kapita rendah adalah 0.342. Provinsi dengan PDRB per kapita tinggi memiliki kepadatan jalan yang jauh lebih tinggi dibandingkan dengan provinsi dengan PDRB per kapita rendah.

Keberadaan infrastruktur pendidikan sangat penting karena mampu menunjang peningkatan kualitas sumberdaya manusia sehingga produktivitasnya pun meningkat. Dari tahun 2003 hingga 2012, kepadatan sekolah (SD, SMP, SMA, dan SMK) di Indonesia secara keseluruhan adalah 0.00104, di provinsi dengan PDRB per kapita tinggi adalah 0.00092, dan di provinsi dengan PDRB per kapita rendah adalah 0.00116. Di provinsi dengan PDRB per kapita rendah memiliki kepadatan sekolah yang lebih tinggi dibandingkan dengan provinsi dengan PDRB per kapita tinggi, artinya ketersediaan unit sekolah untuk penduduk di provinsi dengan PDRB per kapita tinggi lebih rendah dibandingkan dengan

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Prov. PDRB per kapita tinggi

Prov. PDRB per kapita rendah

Indonesia

(30)

14

Kualitas infrastruktur kesehatan salah satunya dapat dilihat dari rasio ranjang rumah sakit terhadap populasi. Semakin tinggi rasionya artinya daya tampung rumah sakit bagi masyarakat semakin tinggi. Pada tahun 2003-2012, rata-rata kepadatan ranjang rumah sakit mengalami peningkatan tetapi pada tahun 2005 dan 2006 mengalami penurunan. Rata-rata kepadatan ranjang rumah sakit di Indonesia secara keseluruhan sebesar 0.00068, di provinsi dengan PDRB per kapita tinggi sebesar 0.00070, dan di provinsi dengan PDRB per kapita rendah 0.00066. Berdasarkan data ini, artinya rasio ranjang rumah sakit terhadap populasi di provinsi dengan PDRB per kapita tinggi dan rendah tidak timpang.

0.00000

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Kep

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

R

Gambar 9 Rata-rata kepadatan sekolah (SD, SMP, SMA, dan SMK) di provinsi dengan PDRB per kapita tinggi, provinsi dengan PDRB per kapita rendah, dan Indonesia secara keseluruhan 2003-201

Sumber : Badan Pusat Statistik 2002 dan Kementerian Kesehatan 2004-2012 (diolah)

(31)

15

Keterkaitan Infrastruktur dengan Pendapatan per Kapita

Dengan analisis data panel, dapat diketahui pengaruh ketersediaan infrastruktur terhadap pendapatan per kapita di Indonesia secara keseluruhan, provinsi dengan PDRB per kapita tinggi, dan provinsi dengan PDRB per kapita rendah. Dalam penelitian ini terdapat dua tahap uji statistik untuk mencari model terbaik, yaitu uji Chow dan uji Hausman. Berdasarkan uji Chow dan uji Hausman

pada ketiga model tersebut (model 1: Indonesia; model 2: provinsi dengan PDRB per kapita tinggi; model 3: provinsi dengan PDRB per kapita rendah) maka model yang digunakan adalah Fixed Effect karena probabilitas Chi-Sq dari ketiga model tersebut kurang dari taraf nyata 5%.

Tabel 3 Uji model terbaik analisis data panel

Uji Model Terbaik Probabilitas Chi-Sq

Model 1 Model 2 Model 3 Keterangan : * signifikan pada taraf nyata 5%

Uji asumsi klasik pertama yang harus dipenuhi adalah uji multikolinearitas dengan cara melakukan uji korelasi. Berdasarkan hasil penghitungan nilai koefisien korelasi dengan menggunakan Eviews 6 (Lampiran), pada ketiga model ini tidak terdapat multikolinearitas karena nilai uji korelasi dari antara 2 variabel bebas dalam model lebih kecil dari R2.

Uji asumsi klasik selanjutnya adalah uji heteroskedastisitas dan uji autokorelasi. Dengan dilakukannya metode GLS (Generalized Least Square) yaitu dengan memberikan cross section weights pada model maka pelanggaran asumsi heteroskedastisitas dan autokorelasi dapat diabaikan (Juanda 2009). Selain itu, berdasarkan Tabel 4, 5, dan 6 dapat dilihat bahwa pada ketiga model nilai Sum square resid yang diboboti (weighted) lebih kecil dibandingkan dengan nilai Sum square resid yang tidak diboboti (unweighted), yang artinya pelanggaran asumsi heteroskedastisitas sudah teratasi.

Model Indonesia secara Keseluruhan (Model 1)

(32)

16

Tabel 4 Hasil estimasi model ketersediaan infrastruktur terhadap pendapatan per kapita di Indonesia secara keseluruhan

Variabel Indonesia Keterangan : * signifikan pada taraf nyata 5%

Seperti yang terlihat pada Tabel 4, seluruh variabel infrastruktur memiliki berpengaruh secara positif dan signifikan terhadap pendapatan per kapita, kecuali air (AIR) tidak berpengaruh secara signifikan pada taraf 5% namun memiliki tanda positif, yang artinya sesuai dengan hipotesis. Listrik (LSTRK) berpengaruh positif bagi pendapatan per kapita, di mana setiap kenaikan 1% akses rumah tangga terhadap listrik meningkatkan pendapatan per kapita sebesar 0.0098%. Jalan (LNJLN) berpengaruh positif bagi pendapatan per kapita yang di mana setiap kenaikan 1% ketersediaan infrastruktur jalan meningkatkan pendapatan per kapita sebesar 0.0361%.

Sekolah (LNSKLH) dan ranjang rumah sakit (LNBED) juga memiliki pengaruh positif bagi pendapatan per kapita. Setiap kenaikan 1% ketersediaan infrastruktur sekolah akan meningkatkan pendapatan per kapita sebesar 0.1912% dan untuk ranjang rumah sakit, setiap kenaikan 1% ketersediaan infrastruktur kesehatan akan meningkatkan pendapatan per kapita sebesar 0.0755%.

Model Provinsi dengan PDRB per Kapita Tinggi (Model 2)

(33)

17

Tabel 5 Hasil estimasi model ketersediaan infrastruktur terhadap pendapatan per kapita di provinsi dengan PDRB per kapita tinggi

Variabel Prov. PDRB per kapita tinggi Koefisien t-statistik Keterangan : * signifikan pada taraf nyata 5%

Seperti yang terlihat pada Tabel 5, seluruh variabel infrastruktur memiliki pengaruh positif dan signifikan terhadap pendapatan per kapita, kecuali air (AIR) tidak berpengaruh secara signifikan pada taraf 5% dan memiliki tanda negatif yang tidak sesuai dengan hipotesis. Hubungan negatif antara variabel air dan pendapatan per kapita ini seperti hasil penelitian Suyanto (2012). Hal ini terjadi karena pertumbuhan populasi tidak diikuti dengan pertumbuhan ketersediaan air bersih sehingga kegiatan perekonomian pun terganggu dan mempengaruhi pendapatan per kapita. Selain itu, diperlukan penelitian lebih lanjut untuk kualitas data air dari publikasi BPS karena sangat rentan untuk mengalami sampling error

sehingga dapat memengaruhi hasil olahan data.

Listrik (LSTRK) dan jalan (LNJLN) memiliki pengaruh positif bagi pendapatan per kapita. Setiap kenaikan 1% akses rumah tangga terhadap listrik akan meningkatkan pendapatan per kapita sebesar 0.0087% dan setiap kenaikan 1% ketersediaan infrastruktur jalan akan meningkatkan pendapatan per kapita sebesar 0.0361%. Selain itu, sekolah (LNSKLH) dan ranjang rumah sakit (LNBED) juga memiliki pengaruh positif bagi pendapatan per kapita. Setiap kenaikan 1% ketersediaan infrastruktur sekolah akan meningkatkan pendapatan per kapita sebesar 0.1990% dan untuk ranjang rumah sakit, setiap kenaikan 1% ketersediaan infrastruktur kesehatan akan meningkatkan pendapatan per kapita sebesar 0.0589%.

Model Provinsi dengan PDRB per Kapita Rendah (Model 3)

(34)

18

nyata 5% menunjukkan bahwa variabel independen secara bersama-sama mampu menjelaskan pengaruhnya bagi pendapatan per kapita dengan baik.

Tabel 6 Hasil estimasi model ketersediaan infrastruktur terhadap pendapatan per kapita di provinsi dengan PDRB per kapita rendah

Variabel Prov. PDRB per kapita rendah Koefisien t-statistik Keterangan : * signifikan pada taraf nyata 5%

Seperti yang terlihat pada Tabel 6, air (AIR) dan listrik (LSTRK) berpengaruh positif terhadap pendapatan per kapita. Setiap kenaikan 1% akses rumah tangga terhadap air bersih akan meningkatkan pendapatan per kapita sebesar 0.0018% dan kenaikan 1% akses rumah tangga terhadap listrik akan meningkatkan pendapatan per kapita sebesar 0.0088%. Untuk jalan (LNJLN) tidak berpengaruh secara signifikan pada taraf 5% tetapi tanda pada koefisien bernilai positif yang artinya sesuai dengan hipotesis.

Untuk infrastruktur sekolah (LNSKLH) dan ranjang rumah sakit (LNBED) memiliki pengaruh yang positif terhadap pendapatan per kapita. Artinya, setiap kenaikan 1% ketersediaan infrastruktur sekolah akan meningkatkan pendapatan per kapita sebesar 0.215% dan setiap kenaikan 1% ketersediaan infrastruktur kesehatan akan meningkatkan pendapatan per kapita sebesar 0.0998%.

Pengaruh Ketersediaan Infrastruktur terhadap Pendapatan per Kapita

Dengan elastisitas, dapat terlihat seberapa sensitif variabel dependen terhadap variabel independen tertentu (Xj). Maka dari itu, jika nilai elastisitasnya

(35)

19

Untuk variabel air dan listrik termasuk dalam model Log-Linear sehingga elastisitas dari kedua variabel ini bisa diperoleh melalui perkalian antara koefisien variabel independen masing-masing dengan rata-rata data variabel independen masing-masing ( ̅ ). Sementara untuk variabel panjang jalan, sekolah, dan ranjang rumah sakit termasuk dalam model Double-Log (log-log) sehingga elastisitas dari ketiga variabel ini sama seperti koefisien variabel independen ( masing-masing. Semua variabel infrastruktur bersifat inelastis karena nilainya |Ej|<1, yang artinya pendapatan per kapita berubah dengan persentase yang lebih kecil daripada perubahan variabel infrastrukturnya (Tabel 7).

Tabel 7 Elastisitas infrastruktur terhadap pendapatan per kapita

Indonesia

Jika elastisitas masing-masing variabel infrastruktur dibandingkan berdasarkan wilayahnya, maka di Indonesia secara keseluruhan dan provinsi dengan PDRB per kapita tinggi infrastruktur listrik dan panjang jalan memiliki elastisitas yang lebih besar dari provinsi dengan PDRB per kapita rendah. Artinya, di dua wilayah ini pendapatan per kapitanya lebih sensitif terhadap ketersediaan infrastruktur ekonomi (kecuali air) dibandingkan dengan ketersediaan infrastruktur sosial. Sebaliknya, di provinsi dengan PDRB per kapita rendah infrastruktur sekolah dan ranjang rumah sakit memiliki elastisitas yang lebih besar, artinya di provinsi dengan PDRB per kapita rendah pendapatan per kapita lebih sensitif terhadap ketersediaan infrastruktur sosial daripada ketersediaan infrastruktur ekonomi.

SIMPULAN DAN SARAN

Simpulan

(36)

20

Saran

Berdasarkan hasil analisis sebelumnya, maka dirumuskan beberapa rekomendasi yang dapat diberikan yaitu :

1. Pembangunan infrastruktur harus dilakukan secara merata agar pendapatan per kapita merata di seluruh wilayah Indonesia.

2. Diperlukan perhatian khusus untuk infrastruktur air baik di Indonesia secara keseluruhan dan di provinsi dengan PDRB per kapita tinggi serta pembangunan infrastruktur jalan di provinsi dengan PDRB per kapita rendah. 3. Meningkatkan ketersediaan infrastruktur yang memiliki pengaruh besar

terhadap pendapatan per kapita berdasarkan karakteristik masing-masing wilayahnya, seperti listrik dan jalan di provinsi dengan PDRB per kapita tinggi serta sekolah dan ranjang rumah sakit di provinsi dengan PDRB per kapita rendah.

4. Untuk penelitian selanjutnya, dapat ditambahkan variabel infrastruktur lainnya seperti telekomunikasi atau digunakan variabel dependen lainnya seperti rasio gini agar terlihat perbandingan pendapatan per kapita dan ketimpangan pendapatan.

DAFTAR PUSTAKA

[BPS] Badan Pusat Statistik. 2002.Statistik Indonesia / Statistical Yearbook of Indonesia 2002. BPS : Jakarta.

________________________. 2003. Statistik Indonesia / Statistical Yearbook of Indonesia 2003. BPS : Jakarta.

(37)

21

Bappenas. 2003. Infrastruktur Indonesia Sebelum, Selama, dan Pascakrisis. Perum Percetakan Negara RI Jakarta.

Basri F. 2002. Perekonomian Indonesia : Tantangan dan Harapan bagi Kebangkitan Indonesia. Jakarta (ID) : Erlangga.

Basri F, Munandar H. 2009. Lanskap Ekonomi Indonesia : Kajian dan Renungan Terhadap Masalah-masalah Struktural, Transformasi Baru, dan Prospek Perekonomian Indonesia. Jakarta (ID) : Kencana.

Calderón C, Servén L. 2004. The Effects of Infrastructure Development on Growth and Income Distribution [Working Paper]. World Bank Policy Research Working Paper Number 3400.

Gujarati DN. 2006. Basic Econometrics. McGraw-Hill International Edition, Economic Series.

Juanda, B. 2009. Ekonometrika : Pemodelan dan Pendugaan. Bogor : IPB Press. [KEMENKES] Kementerian Kesehatan. 2004. Profil Kesehatan Indonesia 2004.

KEMENKES : Jakarta.

________________________________. 2005. Profil Kesehatan Indonesia 2005. KEMENKES : Jakarta.

[KPPN/BAPPENAS] Kementerian Perencanaan dan Pembangunan Nasional/Badan Perencanaan Pembangunan Nasional. 2013. Buku Pegangan Perencanaan Pembangunan Daerah 2014 : Memantapkan Perekonomian Nasinal bagi Peningkatan Kesejahteraan Rakyat yang Berkeadilan. KPPN/BAPPENAS (ID) : Jakarta

Ramelan R. 1997. Kemitraan Pemerintah-Swasta dalam Pembangunan Infrastruktur di Indonesia. Jakarta (ID): Koperasi Jasa Profesi LPPN. Rives JM, Heaney MT. 1995. Infrastructure and Local Economic Development.

Regional Science Perspectives Volume 25, No.1, 1995.

Sari P. 2009. Pengaruh Pembangunan Infrastruktur terhadap Pertumbuhan Ekonomi 25 Kabupaten Tertinggal Kawasan Timur Indonesia [Skripsi]. Bogor (ID) : Institut Pertanian Bogor.

Srinivasu B, Rao S. 2013. Infrastructure Development and Economic Growth : Prospects and Perspective. Journal of Bussiness Management and Social Science Research (JBM&SSR) Volume 2, No.1, January 2013.

(38)

22

Suyanto DNV. 2013. Pengaruh Infrastruktur terhadap Produk Domestik Regional Bruto per Kapita Kabupaten Tertinggal dan Non-Tertinggal di Indonesia [Skripsi]. Bogor (ID) : Institut Pertanian Bogor.

Todaro MP, Smith SC. 2006. Pembangunan Ekonomi. Edisi Kesembilan. Munandar H, penerjemah; Bernadi D, editor. Jakarta (ID) : Erlangga. Terjemahan dari Economic Development. Ninth Edition.

Wahyuni KT. 2009. Analisis Pengaruh Infrastruktur Ekonomi dan Sosial terhadap Produktivitas Ekonomi di Indonesia [Skripsi]. Bogor (ID) : Institut Pertanian Bogor.

Zheng D, Kuroda T. 2012. The Role of Public Infrastructure in China’s Regional

(39)

23

Lampiran1 Hasil uji korelasi untuk pengujian asumsi klasik multikolinearitas di Indonesia secara keseluruhan

LNPDRBKS AIR LSTRK LNJLN LNSKLH LNBED LNPDRBKS 1.000000 -0.075077 0.356629 0.147778 -0.425149 0.315678 AIR -0.075077 1.000000 0.397073 0.479487 -0.199714 0.257171 LSTRK 0.356629 0.397073 1.000000 0.626344 -0.596039 0.211647 LNJLN 0.147778 0.479487 0.626344 1.000000 -0.624215 0.183819 LNSKLH -0.425149 -0.199714 -0.596039 -0.624215 1.000000 0.112812 LNBED 0.315678 0.257171 0.211647 0.183819 0.112812 1.000000

Lampiran 2 Hasil pengujian dengan metode PLS (Pooled Least Square) untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di Indonesia secara keseluruhan

Dependent Variable: LNPDRBKS Method: Panel Least Squares Date: 04/02/14 Time: 17:50 Sample: 2003 2012

Periods included: 10 Cross-sections included: 30

Total panel (unbalanced) observations: 299

Variable Coefficient Std. Error t-Statistic Prob.

AIR -0.010568 0.002307 -4.580699 0.0000 LSTRK 0.007215 0.002360 3.057419 0.0024 LNJLN -0.171905 0.034772 -4.943739 0.0000 LNSKLH -1.351622 0.140595 -9.613600 0.0000 LNBED 0.524088 0.054145 9.679415 0.0000

C 10.11326 0.943266 10.72153 0.0000

(40)

24

Lampiran 3 Hasil pengujian dengan metode Fixed Effect untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di Indonesia secara keseluruhan

Dependent Variable: LNPDRBKS

Method: Panel EGLS (Cross-section weights) Date: 04/02/14 Time: 17:54

Sample: 2003 2012 Periods included: 10

Cross-sections included: 30

Total panel (unbalanced) observations: 299 Linear estimation after one-step weighting matrix

AIR 0.000656 0.000612 1.071778 0.2848

LSTRK 0.009812 0.000846 11.60226 0.0000

LNJLN 0.036127 0.012279 2.942143 0.0035

LNSKLH 0.191240 0.060647 3.153322 0.0018

LNBED 0.075538 0.012666 5.964010 0.0000

C 16.84938 0.454581 37.06573 0.0000

Effects Specification

Cross-section fixed (dummy variables)

Weighted Statistics

R-squared 0.992214 Mean dependent var 23.74746 Adjusted R-squared 0.991211 S.D. dependent var 12.25110 S.E. of regression 0.114420 Sum squared resid 3.456257 F-statistic 989.4995 Durbin-Watson stat 0.814890 Prob(F-statistic) 0.000000

Unweighted Statistics

(41)

25

Lampiran 4 Hasil pengujian dengan metode Random Effect untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di Indonesia secara keseluruhan

Dependent Variable: LNPDRBKS

Method: Panel EGLS (Cross-section random effects) Date: 04/02/14 Time: 17:55

Sample: 2003 2012 Periods included: 10 Cross-sections included: 30

Swamy and Arora estimator of component variances

AIR -0.001226 0.000970 -1.263352 0.2075

LSTRK 0.010052 0.001518 6.623184 0.0000

LNJLN 0.051631 0.019087 2.705030 0.0072

LNSKLH 0.172107 0.096086 1.791172 0.0743

LNBED 0.094572 0.018790 5.032998 0.0000

C 16.98276 0.701409 24.21235 0.0000

S.D. Rho

Cross-section random 0.395245 0.9198

Idiosyncratic random 0.116744 0.0802

Weighted Statistics

(42)

26

Lampiran 5 Hasil uji Chow untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di Indonesia secara keseluruhan

Redundant Fixed Effects Tests Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 377.507557 (29,264) 0.0000

Lampiran 6 Hasil uji Hausman untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di Indonesia secara keseluruhan

Correlated Random Effects - Hausman Test Equation: Untitled

Test cross-section random effects

Test Summary

Chi-Sq.

Statistic Chi-Sq. d.f. Prob.

(43)

27

Lampiran 7 Hasil uji korelasi untuk pengujian asumsi klasik multikolinearitas di provinsi dengan PDRB per kapita tinggi

LNPDRBKT AIR LSTRK LNJLN LNSKLH LNBED LNPDRBKT 1.000000 0.189117 0.003910 0.157674 -0.217182 0.439015

AIR 0.189117 1.000000 0.560245 0.515304 -0.450060 0.341174 LSTRK 0.003910 0.560245 1.000000 0.746856 -0.652507 0.041974 LNJLN 0.157674 0.515304 0.746856 1.000000 -0.683311 0.194702 LNSKLH -0.217182 -0.450060 -0.652507 -0.683311 1.000000 0.060903 LNBED 0.439015 0.341174 0.041974 0.194702 0.060903 1.000000

Lampiran 8 Hasil pengujian dengan metode PLS (Pooled Least Square) untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita tinggi

Dependent Variable: LNPDRBKT Method: Panel Least Squares Date: 04/02/14 Time: 18:00 Sample: 2003 2012

Total panel (balanced) observations: 150

AIR -0.000216 0.003752 -0.057660 0.9541

LSTRK -0.010311 0.004131 -2.496054 0.0137

LNJLN -0.012547 0.045137 -0.277965 0.7814

LNSKLH -0.919692 0.207358 -4.435291 0.0000

LNBED 0.469546 0.077021 6.096337 0.0000

C 13.99708 1.382364 10.12547 0.0000

(44)

28

Lampiran 9 Hasil pengujian dengan metode Fixed Effect untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita tinggi

Dependent Variable: LNPDRBKT

Linear estimation after one-step weighting matrix

AIR -0.000501 0.000782 -0.639943 0.5233

LSTRK 0.008764 0.002008 4.365404 0.0000

LNJLN 0.046451 0.015425 3.011390 0.0031

LNSKLH 0.199015 0.079897 2.490884 0.0140

LNBED 0.058909 0.016394 3.593392 0.0005

C 17.35031 0.640658 27.08202 0.0000

Weighted Statistics

(45)

29

Lampiran 10 Hasil pengujian dengan metode Random Effect untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita tinggi

Dependent Variable: LNPDRBKT

AIR -0.001498 0.001434 -1.044892 0.2978

LSTRK 0.005887 0.003537 1.664273 0.0982

LNJLN 0.064166 0.028133 2.280826 0.0240

LNSKLH 0.153538 0.171908 0.893140 0.3733

LNBED 0.083891 0.029633 2.830952 0.0053

C 17.54216 1.217322 14.41045 0.0000

S.D. Rho

Weighted Statistics

(46)

30

Lampiran 11 Hasil uji Chow untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita tinggi

Cross-section F 288.304578 (14,130) 0.0000

Lampiran 12 Hasil uji Hausman untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita tinggi

Test Summary

Chi-Sq.

(47)

31

Lampiran 13 Hasil uji korelasi untuk pengujian asumsi klasik multikolinearitas di provinsi dengan PDRB per kapita rendah

LNPDBKR AIR LSTRK LNJLN LNSKLH LNBED LNPDBKR 1.000000 -0.186837 0.582400 0.224708 -0.238822 0.292873

AIR -0.186837 1.000000 0.381027 0.496228 -0.118017 0.195632 LSTRK 0.582400 0.381027 1.000000 0.547183 -0.432836 0.372824 LNJLN 0.224708 0.496228 0.547183 1.000000 -0.687512 0.174041 LNSKLH -0.238822 -0.118017 -0.432836 -0.687512 1.000000 0.254737 LNBED 0.292873 0.195632 0.372824 0.174041 0.254737 1.000000

Lampiran 14 Hasil pengujian dengan metode PLS (Pooled Least Square) untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita rendah

Dependent Variable: LNPDBKR Method: Panel Least Squares Date: 04/02/14 Time: 18:06 Sample: 2003 2012

AIR -0.013358 0.001782 -7.495513 0.0000

LSTRK 0.015517 0.001701 9.123636 0.0000

LNJLN 0.058087 0.043201 1.344553 0.1809

LNSKLH 0.116869 0.150073 0.778747 0.4374

LNBED 0.056251 0.049380 1.139134 0.2566

C 16.34526 0.927853 17.61622 0.0000

(48)

32

Lampiran 15 Hasil pengujian dengan metode Fixed Effect untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita rendah

Dependent Variable: LNPDBKR

Total panel (unbalanced) observations: 149 Linear estimation after one-step weighting matrix

AIR 0.001806 0.000868 2.080206 0.0395

LSTRK 0.008840 0.001002 8.823127 0.0000

LNJLN 0.018601 0.023763 0.782781 0.4352

LNSKLH 0.215580 0.088301 2.441430 0.0160

LNBED 0.099887 0.018983 5.261879 0.0000

C 16.76438 0.637219 26.30868 0.0000

Weighted Statistics

(49)

33

Lampiran 16 Hasil pengujian dengan metode Random Effect untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita rendah

Dependent Variable: LNPDBKR

AIR 0.001131 0.001252 0.903809 0.3676

LSTRK 0.008673 0.001390 6.238339 0.0000

LNJLN 0.041224 0.025479 1.617971 0.1079

LNSKLH 0.260779 0.096533 2.701442 0.0077

LNBED 0.125657 0.021582 5.822250 0.0000

C 17.35510 0.701278 24.74783 0.0000

S.D. Rho

Weighted Statistics

(50)

34

Lampiran 18 Hasil uji Chow untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita tinggi

Cross-section F 116.059974 (14,129) 0.0000

Lampiran 19 Hasil uji Hausman untuk mengestimasi keterkaitan antara infrastruktur dengan pendapatan per kapita di provinsi dengan PDRB per kapita tinggi

Test Summary

Chi-Sq.

(51)

35

RIWAYAT HIDUP

Penulis dilahirkan di Denpasar pada tanggal 18 Januari 1992 sebagai anak pertama dari tiga bersaudara dari Bapak I Nengah Suastawa (Alm) dan Ibu Komang Yeni Trisnawati. Penulis menyelesaikan pendidikan di SD Negeri Polisi 4 Bogor tahun 2004, kemudian melanjutkan pendidikan ke SMP Negeri 4 Bogor dan lulus pada tahun 2007. Pada tahun 2010 penulis menyelesaikan pendidikannya di SMA Negeri 5 Bogor, kemudian pada tahun yang sama penulis diterima di Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima di Program Studi Ilmu Ekonomi dan Studi Pembangunan, Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen.