ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI
INDEKS PEMBANGUNAN MANUSIA DI PROVINSI
NUSA TENGGARA BARAT
ASTIKA SA’DIYAH
ILMU EKONOMI
FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Faktor-faktor yang Memengaruhi Indeks Pembangunan Manusia di Provinsi Nusa Tenggara Barat adalah benar karya saya dengan arahan dari komisi 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, Oktober 2014
Astika Sa’diyah
ABSTRAK
ASTIKA SA’DIYAH. Analisis Faktor-Faktor yang Memengaruhi Indeks Pembangunan Manusia di Provinsi Nusa Tenggara Barat. Dibimbing oleh LUKYTAWATI ANGGRAENI.
Pembangunan ekonomi yang merata merupakan tujuan akhir suatu negara untuk meningkatkan kesejahteraan masyarakatnya. Pembangunan manusia dapat diukur menggunakan indikator Indeks Pembangunan Manusia (IPM). Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi IPM pada setiap kabupaten dan kota di Provinsi Nusa Tenggara Barat. Penelitian ini menggunakan dua metode yaitu metode deskriptif dan analisis kuantitatif panel dengan Random Effect Model. Studi menunjukkan menunjukkan bahwa variabel yang berpengaruh positif terhadap IPM adalah PDRB per kapita sedangkan tingkat kemiskinan dan rasio gini berpengaruh negatif.
Kata Kunci: data panel, Indeks Pembangunan Manusia (IPM), metode deskriptif, pembangunan manusia, Random Effect Model (REM).
ABSTRACT
ASTIKA SA’DIYAH. Analysis of Factors Affecting Human Development Index in the province of West Nusa Tenggara. Supervised by LUKYTAWATI ANGGRAENI.
Equitable economy development is the ultimate goal of a state to increase
people’s prosperity. Human development indicators can be measured by Human Development Index (HDI). This research aims to analyze factors which affect HDI in West Nusa Tenggara Province. This research uses two methods, descriptive methods and quantitive Random Effects Model. This study shows that variable which has significant positive impact is GDP per capita. In other hand, poverty level and gini ratio have significant negative impact to HDI in West Nusa Tenggara.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi
pada
Departemen Ilmu Ekonomi
ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI
INDEKS PEMBANGUNAN MANUSIA DI PROVINSI NUSA
TENGGARA BARAT
ASTIKA SA’DIYAH
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR BOGOR
PRAKATA
Puji dan syukur kepada Allah atas segala karunia-Nya sehingga skripsi ini berhasil diselesaikan. Skripsi ini disusun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi Manajemen IPB. Judul yang dipilih dalam penelitian adalah Analisis faktor-faktor yang memengaruhi Indeks Pembangunan Manusia di Provinsi Nusa Tenggara Barat. Penulis mengucapkan terima kasih kepada orang-orang yang telah memberikan bantuan, dukungan dan semangat bagi penulis yaitu:
1. Ibu Dr. Lukytawati Anggraeni, M.Si selaku dosen pembimbing skripsi yang telah memberikan ilmu dan membimbing penulis dengan sabar sehingga skripsi ini dapat diselesaikan dengan baik.
2. Papa, Mama, adik-adik serta keluarga yang selalu memberikan doa, nasihat, dan semangat.
3. Ayu Widia, Haris, Iin, Desta, Angga, Dara, Dilla, selaku rekan sebimbingan dan seperjuangan penulis dalam menyelesaikan karya ilmiah ini.
4. Sahabat-sahabat penulis, Masyithoh Alkautsar, Vina QA, Tisa Amalia, Trisa M, Triana KL, Aprillia W, Annisa Karima, Nisa Nuril, Amelia M, Nurul H, yang selalu memberikan dukungan kepada penulis.
Teman-teman ESP 47 dan semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini yang tidak bisa penulis sebutkan satu persatu.Semoga karya ilmiah ini bermanfaat.
Bogor, Oktober 2014
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 11
Latar Belakang 11
Perumusan Masalah 2
Tujuan Penelitian 4
Manfaat Penelitian 4
Ruang Lingkup Penelitian 5
TINJAUAN PUSTAKA 5
Konsep Indeks Pembangunan Manusia 5
Konsep Pertumbuhan Ekonomi 7
Teori Perkembangan Pengeluaran Pemerintah 7
Konsep Belanja Daerah 8
Kemiskinan 9
Koefisien Gini 10
Penelitian Terdahulu 11
Kerangka Pemikiran 13
METODE PENELITIAN 13
Jenis dan Sumber data 13
Metode Pengolahan dan Analisis Data 14
Metode Deskriptif 14
Analisis Data Panel 14
Spesifikasi Model 15
Metode Pooled Least Square 16
Metode Efek Tetap (Fixed Effect) 16
Metode Efek Acak (Random Effect) 17
Uji Kesesuaian Model 18
Uji Statistik 21
GAMBARAN UMUM 22
Keadaan Geografis 22
Keadaan Penduduk Provinsi NTB 23
Keadaan Perekonomian Provinsi NTB 23
Indeks Pembangunan Manusia Provinsi Nusa Tenggara Barat 23
HASIL DAN PEMBAHASAN 24
Kinerja Indeks Pembangunan Manusia Nusa Tenggara Barat 24
Pertumbuhan ekonomi 26
Belanja Daerah 27
Tingkat Kemiskinan 28
Kinerja Gini Rasio 29
Analisis Faktor-faktor yang Memengaruhi Indeks Pembangunan Manusia di
Provinsi Nusa Tenggara Barat 30
Koefisien Determinasi 30
Uji statistik 30
Uji Pelanggaran Asumsi 30
Pemilihan Model Terbaik 31
SIMPULAN DAN SARAN 33
Simpulan 33
Saran 34
DAFTAR PUSTAKA 34
LAMPIRAN 36
DAFTAR TABEL
1. IPM kawasan timur Indonesia 2009-2012 2
2. PDRB Nusa Tenggara Barat ADH Konstan 2000 3
3. Nilai Maksimum dan minimun komponen IPM 6
4. Variabel dan sumber data 14
5. Kerangka Identifikasi Autokorelasi 20
6. Indeks Pembangunan Manusia (IPM) Provinsi Nusa Tenggara Barat 23
7. Angka Melek Huruf (AMH) NTB 2009-2012 24
8. Rata-rata Lama Sekolah (RLS) NTB 2009-2012 25
9. Angka Harapan Hidup (AHH) NTB 2009-2012 25
10. Purchasing Power Parity (PPP) NTB 2009-2012 27
11. Kinerja IPM NTB 2009-2010 26
12. PDRB per kapita NTB 2009-2012 27
13. Belanja Daerah NTB 2009-2012 27
14. Persentase kemiskinan Kabupaten/kota NTB tahun 2009-2012 28 15. Gini rasio kabupaten/kota NTB tahun 2009-2012 29
DAFTAR GAMBAR
1. Pertumbuhan Pengeluaran Pemerintah menurut Wagner 8
2. koefisien Gini Menurut Kurva Lorenz 11
3. Kerangka Pemikiran 13
4. Share Belanja langsung dan tidak langsung terhadap belanja daerah
NTB 2009-2012. 33
DAFTAR LAMPIRAN
1.
Uji Normalitas 362.
Multikolinearitas 363.
Uji Chow 364.
Uji Hausman 36PENDAHULUAN
Latar Belakang
Pembangunan manusia merupakan hal terpenting di suatu negara karena untuk mewujudkan kesejahteraan masyarakat di dalam suatu negara memerlukan pembangunan berkelanjutan yang terjadi di semua aspek kehidupan masyarakat, baik aspek ekonomi, politik, sosial, maupun budaya. Pemikiran kontemporer mengenai pembangunan telah menempatkan kembali manusia sebagai subjek atau pusat dari proses pembangunan. Lembaga PBB yang dibentuk untuk menangani masalah pembangunan yaitu United Nations Development Programme (UNDP) telah membuat definisi khusus mengenai pembangunan manusia sebagai suatu proses untuk memperluas pilihan-pilihan bagi manusia (a process of enlarging
people’s choices). konsep tersebut menjelaskan bahwa manusia ditempatkan sebagai tujuan akhir (the ultimate end), sedangkan upaya pembangunan dipandang sebagai sarana untuk mencapai tujuan itu (BPS 2014).
Menurut UNDP 1990, tujuan utama dari pembangunan adalah menciptakan lingkungan yang memungkinkan bagi penduduknya untuk menikmati umur panjang, sehat dan menjalankan kehidupan yang produktif. Premis penting yang dikembangkan dalam pembangunan manusia adalah mengutamakan manusia sebagai pusat perhatian (bukan sebagai alat atau instrumen) dan memperbesar pilihan-pilihan bagi manusia secara keseluruhan (tidak hanya terbatas pada peningkatan pendapatan atas aspek ekonomi semata).
United Nations Development Programme (UNDP) telah mengembangkan
Human Development Index (HDI) atau yang dikenal dengan Indeks Pembangunan Manusia (IPM) sebagai tolak ukur untuk meningkatkan kualitas hidup manuisa yang mencakup kualitas pendidikan, kesehatan, dan ekonomi (daya beli). Pertumbuhan ekonomi yang tinggi adalah sasaran utama bagi negara-negara sedang berkembang termasuk Indonesia dalam hal pelaksanaan pembangunan. Hal ini disebabkan pertumbuhan ekonomi berkaitan erat dengan peningkatan barang dan jasa yang diproduksi dalam masyarakat, sehingga dengan semakin banyak barang dan jasa yang diproduksi, maka kesejahteraan masyarakat akan meningkat. Pertumbuhan ekonomi dapat diukur antara lain dengan besaran yang disebut Produk Domestik Bruto (PDB) pada tingkat nasional dan Produk Domestik Regional Bruto (PDRB) untuk daerah.
Indikator ekonomi lainnya yang dapat mempengaruhi pembangunan manusia diantaranya adalah pendapatan per kapita, jumlah penduduk miskin dan pola distribusi pendapatan antar kelompok masyarakat. Apabila distribusi pendapatan timpang, maka banyak penduduk yang tidak memiliki cukup uang untuk memenuhi kebutuhannya untuk membeli makanan, membiayai pendidikan dan kesehatan sehingga memperlambat pembangunan manusia.
2
rendah yaitu berada di kawasan timur Indonesia. Provinsi yang termasuk kawasan timur Indonesia dapat dilihat pada tabel dibawah ini :
Tabel 1 IPM kawasan timur Indonesia 2009-2012
Provinsi 2009 2010 2011 2012 dengan keadaan perekonomian NTB yang menempati urutan ketiga dengan pertumbuhan ekonomi tertinggi di antara provinsi lain di Indonesia yang sebesar 12.14 persen pada tahun 2009 (BPS 2014). Walaupun pada tahun 2011-2012 NTB sudah termasuk dalam kategori IPM menengah atas, namun peringkat NTB masih kecil di Indonesia (BPS 2014).Pertumbuhan ekonomi yang tinggi ternyata tidak dengan sendirinya mengangkat tingkat kesejahteraan masyarakat Nusa Tenggara Barat serta kualitas pembangunan manusia yang masih sangat rendah dibanding provinsi lainnya.
Penelitian yang dilakukan oleh Mailendra (2009), Brata (2002), Kacaribu (2013) menunjukkan bahwa PDRB per kapita memengaruhi IPM di Jawa Barat, Papua dan Indonesia. Selanjutnya penelitian yang dilakukan oleh Kacaribu (2013), Mailendra (2009), Mirza (2012) dan Patta (2012) menunjukkan bahwa tingkat kemiskinan memengaruhi IPM di Papua, Jawa Barat, Jawa Tengah dan Indonesia. Belanja daerah juga memengaruhi IPM berdasarkan hasil penelitian Mailendra (2009), Mirza (2012) dan Pratowo (2012). Penelitian yang dilakukan Pratowo (2012) juga menunjukkan bawa gini rasio memengaruhi IPM di Jawa Timur.
Latar belakang Nusa Tenggara Barat yang memiliki IPM terendah ke dua di Indonesia dan hasil penelitian terdahulu yang menunjukkan faktor-faktor yang memengaruhi IPM membuat penelitian ini dilakukan.
Perumusan Masalah
3 Papua, hasil penelitian menunjukan bahwa PDRB memengaruhi IPM di provinsi yang memiliki IPM terendah diantara provinsi lain di Indonesia.
Menurut Pratowo (2012) pertumbuhan ekonomi yang tinggi adalah sasaran utama bagi negara-negara sedang berkembang termasuk Indonesia dalam hal pelaksanaan pembangunan.Pertumbuhan ekonomi dapat dilihat dari PDRB dan laju pertumbuhan di suatu wilayah. Semakin banyak barang dan jasa yang diproduksi maka kesejahteraan akan meningkat. Indikator untuk melihat pertumbuhan ekonomi dapat dilihat dari PDRB per kapita sebagai cerminan dari daya beli penduduk di suatu daerah dan taraf ekonomi dan akses standar hidup yang layak bagi masyarakat. Besaran PDRB per kapita akan meningkatkan kesejahteraan penduduk apabila laju pertumbuhannya dari tahun ke tahun lebih besar dibandingkan dengan laju kenaikan harga dan laju pertumbuhan penduduk di suatu daerah.
Provinsi Nusa Tenggara Barat memiliki posisi geografis yang cukup menguntungkan karena terletak diantara daerah tujuan wisata Bali, Pulau Komodo, Tana Toraja dan Pulau Lombok terletak jalur perhubungan taut internasional (Selat Lombok). Hal ini dapat menjadikan nilai tambah bagi perekonomian dan kesejahteraan masyarakatnya. Namun ternyata dengan pertumbuhan ekonomi yang meningkat masih membuat IPM provinsi Nusa Tenggara Barat menduduki peringkat 32 diantara provinsi di Indonesia.
Provinsi Nusa Tenggara Barat pada Tabel 2 termasuk provinsi penting di Indonesia, karena merupakan 10 besar provinsi dengan sektor pertanian penyumbang terbesar di Indonesia. Hal ini menyebabkan rata-rata pertumbuhan ekonomi per tahun cukup tinggi, bahkan pada 2009 mencapai 12.14%. Namun kenaikan presentase pertumbuhan ekonomi yang tinggi, ternyata tidak meningkatkan tingkat kesejahteraan rakyat. Kualitas pembangunan manusia pun masih sangat rendah dibanding provinsi lainnya.
Tabel 2 PDRB Nusa Tenggara Barat ADH Konstan 2000
( Juta Rupiah )
8 Keuangan, Persewaan dan Jasa
Perusahaan 972 643 1 025 929 1 120 020 1 216 821
9 Jasa-jasa 1 915 416 2 005 259 2 086 203 2 128 939
PDRB 18 874 403 20 072 641 19 439 961 19 221 443
Sumber : BPS (2014)
4
daerah pemerintah masih rendah dibandingkan dengan provinsi lain sehingga penduduk Nusa Tenggara Barat tidak dapat merasakan kesehatan dan pendidikan yang layak dan membuat kecilnya IPM di provinsi ini.
Menurut Lanjouw dalam Ginting et al. (2008) pembangunan manusia dapat dipengaruhi pula oleh kemiskinan.Kemiskinan berawal dari kemampuan daya beli masyarakat menurun sehingga menyebabkan pemenuhan kebutuhan primer dan kebutuhan sekunder lainnya seperti di bidang pendidikan dan kesehatan mengalami penurunan. Data Badan Pusat Statistik (BPS) menunjukkan bahwa Provinsi Nusa Tenggara Barat memiliki presentase penduduk miskin terbesar diantara provinsi lain di Indonesia dari tahun 2009 hingga 2012 sehingga hal ini sangat memengaruhi tingkat pembangunan manusia di Provinsi Nusa Tenggara Barat.
Gini rasio merupakan indeks yang digunakan untuk mengukur ketimpangan pendapatan di suatu daerah.Ketimpangan merupakan hal yang sangat penting untuk mengukur kesejahteraan masyarakat di suatu negara atau daerah. Data 2012 menunjukkan total Produk Domestik Bruto (PDB) Indonesia sebanyak 57.6% dihasilkan di Pulau Jawa dan Bali, 23% disumbang Pulau Sumatera, dan 9.8% dari Kalimantan. Sedangkan kawasan timur lainnya seperti Sulawesi, Nusa Tenggara, Maluku, dan Papua hanya menghasilkan 9%. Fakta ini menunjukkan bahwa 80% kegiatan perekonomian berlangsung di pulau Jawa dan Sumatera namun hanya 20% di kawasan timur Indonesia. Akibat dari berbagai kesenjangan tersebut dapat dilihat bahwa Kawasan Timur Indonesia tertinggal hampir dalam segala aspek pembangunan. Sebanyak 60% dari 183 kabupaten daerah tertinggal terdapat di kawasan timur Indonesia. Kesenjangan dalam infrastruktur ekonomi juga menimbulkan disparitas ekonomi, terutama dalam harga barang-barang kebutuhan pokok. Sehingga, beban hidup rakyat di Indonesia bagian timur lebih berat sementara pendapatan mereka lebih rendah.
Berdasarkan latar belakang dan uraian masalah diatas maka perumusan masalah yang akan dijawab dalam penelitian ini adalah :
1. Bagaimana kinerja Indeks Pembangunan Manusia pada setiap kota/kabupaten di provinsi Nusa Tenggara Barat?
2. Faktor-faktor apa saja yang memengaruhi IPM kabupaten/kota di provinsi Nusa Tenggara Barat?
Tujuan Penelitian
Berdasarkan latar belakang dan rumusan masalah tersebut, penelitian ini bertujuan sebagai berikut :
1. Mendeskripsikan kinerja Indeks Pembangunan Manusia pada setiap kota/kabupaten di Provinsi Nusa Tenggara Barat?
2. Menganalisis faktor-faktor yang memengaruhi IPM kabupaten/kota di Provinsi Nusa Tenggara Barat.
Manfaat Penelitian
5 1. Memberikan sumber informasi kepada pemerintah agar mengetahui
faktor-faktor apa saja yang memengaruhi indeks pembangunan agar menjadi acuan kepada pemerintah untuk menetapkan kebijakan yang dapat meningkatkan Angka Melek Huruf, Angka Harapan Hidup, Daya beli masyarakat di kabupaten dan kota Provinsi Nusa Tenggara Barat.
2. Menjadi referensi bagi penelitian selanjutnya agar mengetahui informasi gambaran keadaan kesejahteraan masyarakat di kabupaten dan kota Provinsi Nusa Tenggara Barat tahun 2009-2012.
Ruang Lingkup Penelitian
Penelitian ini dilakukan di Provinsi Nusa Tenggara Barat dengan melihat kondisi Indeks Pembangunan Manusia NTB terkecil di seluruh provinsi yang berada di Indonesia, namun laju pertumbuhan ekonomi NTB berhasil mengalahkan provinsi lain pada tahun 2009 yang mencapai 12.14%. Hal Ini merupakan kemajuan pembangunan bagi NTB, namun seiring laju pertumbuhan yang tinggi tidak disertai dengan nilai IPM yang tinggi pula. Sementara dari tahun 2009-2012 laju pertumbuhannya menurun sedangkan IPM meningkat. Hal ini menyebabkan penelitian ini dilakukan.Variabel independen dalam penelitian ini adalah PDRB per kapita, belaja daerah, kemiskinan dan ketimpangan pendapatan.
Penelitian ini menggunakan data panel di kabupaten dan kota Provinsi Nusa Tenggara Barat yang terdiri atas 8 kabupaten dan 2 kota yang meliputi kabupaten Lombok Barat, Lombok Timur, Sumbawa, Dompu, Bima, Sumbawa Barat, Lombok Utara Dan Kota Bima selama periode 2009-2012.
TINJAUAN PUSTAKA
Konsep Indeks Pembangunan Manusia
Pembangunan manusia dapat dinilai secara parsial dengan melihat seberapa besar permasalahan yang paling mendasar di masyarakat tersebut dapat teratasi. Permasalahan-permasalahan tersebut diantaranya adalah kemiskinan, pengangguran, buta huruf, ketahanan pangan, dan penegakan demokrasi. Namun capaian pembangunan manusia secara parsial sangat bervariasi dimana beberapa aspek pembangunan tertentu berhasil dan beberapa aspek pembangunan lainnya gagal. Berbagai ukuran pembangunan manusia dibuat namun tidak semuanya dapat digunakan sebagai ukuran standar yang dapat dibandingkan antar wilayah atau antar negara. Melihat hal itu, Badan Perserikatan Bangsa-Bangsa (PBB) menetapkan suatu ukuran standarpembangunan manusia yaitu indeks pembangunan manusia (IPM) atau Human Development Index (HDI).
6
pembangunan manusia yang ada di daerah tersebut semakin baik, sedangkan daerah yang memiliki angka IPM yang mendekati nol maka daerah tersebut memiliki pembangunan manusia yang buruk. Adapun kategori tersebut sebagai berikut :
Tinggi : IPM lebih dari 80.0
Menengah Atas : IPM 66.0-79.9
Menengah Bawah : IPM antara 50.0-66.0
Rendah : IPM kurang dari 50.0
Rumus penghitungan IPM menurut BPS (2014) adalah sebagai berikut: IPM = 1/3 [X(1) + X(2) + X(3)] (1)
Masing-masing indeks komponen IPM tersebut merupakan perbandingan antara selisih suatu nilai indikator dan nilai minimumnya dengan selisih nilai maksimum dan nilai minimum indikator yang bersangkutan. Rumusnya dapat disajikan sebagai berikut ; Tabel 3 Nilai Maksimum dan Minimum Komponen IPM
Komponen IPM Maksimum Minimum Keterangan
Angka Harapan
a) Perkiraan maksimum pada akhir PJP II tahun 2018
7 Konsep Pertumbuhan Ekonomi
Menurut Salvatore (1994) pertumbuhan ekonomi adalah suatu proses dimana PDB/PDRB riil per kapita meningkat secara terus menerus melalui kenaikan produktivitas per kapita. Sasaran berapa kenaikan produksi riil perkapita dan taraf hidup (pendapatan riil per kapita) merupakan tujuan utama yang perlu dicapai melalui penyediaan dan pengarahan sumber-sumber produksi.
PDRB dihitung dengan 2 cara yaitu berdasarkan harga berlaku dan berdasar harga konstan. PDRB atas dasar harga berlaku (ADHB) menggambarkan nilai tambah barang dan jasa yang dihitung dengan menggunakan harga pada setiap tahun. Sedangkan PDRB atas dasar harga konstan (ADHK) menunjukkan nilai tambah dari masing-masing sektor ekonomi dinilai atas dasar harga tetap pada tahun dasar. Penggunaan harga tetap, memperlihatkan bahwa perkembangan nilai tambah dari tahun ke tahun semata-mata karena perkembangan produksi riil dan bukan karena kenaikan harga. Melalui PDRB per kapita dapat dilihat rata-rata pendapatan yang diterima oleh setiap penduduk yang tinggal di suatu daerah selama periode waktu tertentu (BPS 2014). Dengan demikian, pendapatan perkapita seringkali digunakan sebagai indikator pembangunan selain untuk membedakan tingkat kemajuan ekonomi antara negara-negara maju dengan negara sedang berkembang. Pendapatan perkapita selain bisa memberikan gambaran tentang laju pertumbuhan kesejahteraan di berbagai negara juga dapat menggambarkan perubahan corak perbedaan tingkat kesejahteraan masyarakat yang sudah terjadi di berbagai daerah.
Teori Perkembangan Pengeluaran Pemerintah
Teori Rostow dan Musgrave
Teori ini dikembangkan oleh Rostow dan Musgrave yang menghubungkan perkembangan pengeluaran pemerintah dengan tahap-tahap pembangunan ekonomi yang dibedakan antara tahap awal, tahap menengah, dan tahap lanjut. Pada tahap awal perkembangan ekonomi, presentase investasi pemerintah terhadap total investasi besar, sebab pada tahap ini pemerintah harus menyediakan prasarana, seperti pendidikan, kesehatan, prasarana transportasi, dan sebagainya. Pada tahap menengah pembangunan ekonomi, investasi tetap diperlukan untuk pertumbuhan ekonomi, namun diharapkan investasi sektor swasta sudah mulai berkembang. Pada tahap lanjut pembangunan ekonomi, pengeluaran pemerintah tetap diperlukan, utamanya untuk meningkatkan kesejahteraan masyarakat, misalnya peningkatan pendidikan, kesehatan, jaminan sosial dan sebagainya (Dumairy 1997).
8
Teori Wagner
Wagner menyatakan bahwa dalam suatu perekonomian apabila pendapatan per kapita meningkat maka secara relatif pengeluaran pemerintah pun akan meningkat terutama disebabkan karena pemerintah harus mengatur hubungan yang timbul dalam masyarakat, hukum, pendidikan, rekreasi, kebudayaan dan sebagainya (Mangkoesoebroto 1994). Temuannya kemudian oleh Richard A. Musgrave dinamakan hukum pengeluaran pemerintah yang selalu meningkat (The Law of Growing Public Expenditure). Wagner sendiri menamakannya sebagai Hukum Wagner yaitu hukum aktivitas pemerintah yang selalu meningkat (The Law of Ever Increasing State Activity) (Dumairy 1997).
Wagner menyadari bahwa dengan bertumbuhnya perekonomian hubungan antara industri dengan industri, hubungan industri dengan masyarakat, dansebagainya menjadi semakin rumit atau kompleks. Wagner menjelaskandalam hal ini peranan pemerintah menjadi semakin disebabkan karena pemerintah harus mengatur hubungan yang timbul dalam masyarakat, hukum, pendidikan, rekreasi, budaya dan sebagainya. Kelemahan hukum Wagner adalah hukum tersebut tidak didasarkan pada suatu teori mengenai pemilihan barang-barang publik. Wagner mendasarkan pandangannya dengan suatu teori yang disebut teori organis mengenai pemerintah yang menganggap pemerintah sebagai individu yang bebas bertindak, terlepas dari anggota masyarakat yang lainnya.
Sumber : Mangkoesoebroto (1994)
Gambar 1 Pertumbuhan Pengeluaran Pemerintah menurut Wagner
Konsep Belanja Daerah
9 hibah, bantuan sosial, belanja bagi hasil, bantuan keuangan, dan belanja tidak terduga. Belanja langsung merupakan belanja yang dianggarkan terkait secara langsung dengan pelaksanaan program dan kegiatan yang meliputi belanja pegawai, belanja barang dan jasa, serta belanja modal.
Pembangunan dan peningkatan standar kehidupan di negara-negara maju tidak hanya dilakukan melalui pembangunan ekonomi dan industrialisasi. Agar pertumbuhan ekonomi berjalan secara merata, berkualitas dan berkelanjutan (growth with equity, quality and sustainability), negara perlu menerapkan strategi kebijakan sosial yang mencakup pemberian program-program pelayanan sosial kepada penduduknya dalam bentuk belanja publik sehingga alokasi dana untuk kesejahteraan masyarakat juga akan semakin baik (Stiglitz 2007).
Kemiskinan
Menurut BPS (2014) penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran perkapita perbulan di bawah garis kemiskinan. Garis Kemiskinan (GK) merupakan penjumlahan dari Garis Kemiskinan Makanan (GKM) dan Garis Kemiskinan Non Makanan (GKNM). Garis Kemiskinan Makanan (GKM) adalah jumlah nilai pengeluaran dari 52 komoditi dasar makanan yang riil dikonsumsi penduduk referensi yang kemudian disetarakan dengan 2100 kilo kalori perkapita per hari. Garis Kemiskinan Non Makanan (GKNM) merupakan penjumlahan nilai kebutuhan minimum dari komoditi-komoditi non makanan terpilih yang meliputi perumahan, sandang, pendidikan dan kesehatan.
Todaro dan Smith (2006) menunjukkan hubungan antara kemiskinan dan keterbelakangan dengan beberapa aspek ekonomi dan aspek non ekonomi. Tiga komponen utama sebagai penyebab keterbelakangan dan kemiskinan masyarakat, faktor tersebut adalah rendahnya taraf hidup, rendahnya rasa percaya diri dan terbebas kebebasan ketiga aspek tersebut memiliki hubungan timbal balik. Rendahnya taraf hidup disebabkan oleh rendahnya tingkat pendapatan, rendahnya pendapatan disebabkan oleh rendahnya tingkat produktivitas tenaga kerja, rendahnya produktivitas tenaga kerja disebabkan oleh tingginya pertumbuhan tenaga kerja, tingginya angka pengangguran dan rendahnya investasi perkapita.
Menurut Todaro dan Smith (2006) tinggi rendahnya tingkat kemiskinan di suatu negara tergantung pada dua faktor utama, yakni: tingkat pendapatan nasional rata-rata, dan lebar sempitnya kesenjangan distribusi pendapatan. Setinggi apapun tingkat pendapatan nasional perkapita yang dicapai oleh suatu negara, selama distribusi pendapatannya tidak merata, maka tingkat kemiskinan di negara tersebut pasti akan tetap parah. Demikian pula sebaliknya, semerata apapun distribusi pendapatan di suatu negara, jika tingkat pendapatan nasional rata-ratanya rendah, maka kemiskinan juga akan semakin luas.
10
Koefisien Gini
Para ekonom pada umumnya membedakan dua ukuran pokok distribusi pendapatan, yang keduanya digunakan untuk tujuan analisis dan kuantitatif. Kedua ukuran tersebut adalah ukuran distribusi pendapatan, yakni besar atau kecilnya bagian pendapatan yang diterima masing-masing orang (biasanya menggunakan metode Kurva Lorenz dan Koefisien Gini) dan distribusi fungsional atau distribusi kepemilikan faktor-faktor produksi, yang indikatornya berfokus pada bagian dari pendapatan nasional yang diterima oleh masing-masing faktor produksi (Todaro dan Smith 2004). Terdapat berbagai kriteria atau tolak ukur untuk menilai kemerataan (parah/lunaknya ketimpangan) distribusi yang dimaksud. Tiga diantaranya yang paling lazim digunakan adalah kurva Lorenz, koefisien gini dan kriteria bank dunia.
Koefisien Gini adalah ukuran ketidakmerataan atau ketimpangan pendapatan agregat yang angkanya berkisar antara 0 (pemerataan sempurna) hingga 1 (ketimpangan yang sempurna). Bila Koefisien Gini mendekati 0 menunjukkkan adanya ketimpangan yang rendah dan bila Koefisien Gini mendekati 1 menunjukkan ketimpangan yang tinggi. Pada prakteknya, angka ketimpangan untuk negara-negara yang ketimpangan distribusi pendapatannya tajam berkisar antara 0.50 hingga 0.70. Negara-negara yang distribusi pendapatannya relatif paling merata berkisar antara 0.20 sampai 0.35. Salah satu ukuran untuk mengukur ketimpangan adalah dengan menghitung rasio bidang yang terletak antara garis diagonal dan kurva Lorenz dibagi dengan luas separuh segi empat dimana kurva Lorenz itu berada.
Koefisien Gini (Gini Ratio) adalah salah satu ukuran yang paling sering digunakan untuk mengukur tingkat ketimpangan pendapatan secara menyeluruh. Koefisien gini dapat dihitung dengan menggunakan rumus :
i(Fci + Fci-1)] (3)
Dengan:
GR : Koefisien Gini (Gini Ratio)
fpi : Frekuensi penduduk dalam kelas pengeluaran ke-i
Fci : Frekuensi kumulatif dari total pengeluaran dalam kelas pengeluaran ke-i Fci-1 : Frekuensi kumulatif dari total pengeluaran dalam kelas pengeluaran ke
(i-1)
Jika ketimpangan penduduk di suatu wilayah merata maka mereka tidak akan mengalami ketimpangan pendapatan, hal ini akan meningkatkan daya beli masyarakat di suatu daerah untuk memenuhi kebutuhan primer maupun sekundernya, dengan begitu kesejahteraan manusia di suatu daerah akan meningkat, begitupun sebaliknya.
11
Sumber : Todaro dan Smith (2006)
Gambar 2 Koefisien gini menurut kurva Lorenz
Penelitian Terdahulu
Brata (2002) menganalisis pembangunan manusia dan kinerja ekonomi regional di Indonesia. Hasil estimasi variabel yang berpengaruh sigifikan dan positif terhadap IPM Indonesia adalah PDRB per kapita, lama pendidikan sekolah perempuan. Variabel yang tidak berpengaruh terhadap IPM adalah gini rasio dan rasio migas.
Kacaribu (2013) menganalisis faktor-faktor yang memengaruhi pembangunan manusia di Papua. Penelitian ini difokuskan pada pembangunan ekonomi daerah, khususnya kabupaten/kota di Provinsi Papua. Menggunakan 29 kabupaten/kota yang ada di Provinsi Papua, dalam periode tahun 2009-2011. Analisis yang digunakan adalah analisis deskriptif dan data panel dengan pendekatan Fixed Effect Model. Hasil analisis diperoleh bahwa Produk Domestik Regional Bruto, pengeluaran pemerintah menurut fungsi pendidikan, rasio kemisinan terhadap jumlah penduduk, rasio jumlah penduduk terhadap jumlah dokter, rasio jumlah penduduk terhadap jumlah bidan, rasio jumlah penduduk terhadap jumlah perawat, rasio murid SMA terhadap guru mempengaruhi IPM, sedangkan rasio murid SD terhadap guru, rasio murid SMP terhadap guru tidak mempengaruhi IPM di Provinsi Papua. Maliendra (2009) membahas tentang dampak pemekaran wilayah dan faktor yang memengaruhi pembangunan manusia Jawa Barat menggunakan analisis deskriptif dan panel data. Hasil penelitian menunjukkan bahwa IPM seluruh kabupaten dan kota di Jawa Barat mengalami peningkatan. Daerah baru hasil pemekaran memiliki IPM lebih tinggi dari daerah induk. Selain daerah baru, wilayah kota memiliki nilai IPM yang relatif lebih tinggi dibanding kabupaten. Laju pertumbuhan IPM sebelum pemekaran memiliki nilai yang lebih besar dibandingkan setelah pemekaran. Hasil pengolahan data dengan model fixed effect model diketahui bahwa variabel yang secara signifikan mempengaruhi pembangunan manusia Propinsi Jawa Barat pada taraf nyata 5% adalah tingkat kemiskinan, PDRB per kapita dan belanja publik.
Mirza (2012) menganalisis pengaruh kemiskinan, pertumbuhan ekonomi dan belanja modal terhadap indeks pembangunan manusia di Jawa Tengah tahun 2006-2009. Hasil penelitian menunjukan perkembangan IPM mengalami
12
peningkatan dengan kategori IPM menengah selama periode tahun 2006-2009 hingga mampu mencapai target IPM yang telah ditetapkan oleh pemerintah. Hasil dengan menggunakan data panel menunjukkan kemiskinan berpengaruh negatif terhadap IPM. Pertumbuhan ekonomi dan belanja modal berpengaruh signifikan positif terhadap IPM.
Patta (2012) menganalisis faktor-faktor yang memengaruhi Indeks Pembangunan Manusia di Sulawesi Selatan Periode 2001-2010. Penelitian ini menggunakan metode analisis statistik regresi linear berganda. Hasil penelitian dengan menggunakan taraf nyata 5% menemukan bahwa pengaruh pertumbuhan ekonomi terhadap indeks pembangunan manusia (IPM) di Sulawesi Selatan, dapat dikatakan berpengaruh positif dan signifikan. Pengaruh persentase penduduk miskin dan ketimpangan distribusi pendapatan berpengaruh signifikan negatif terhadap indeks pembangunan manusia (IPM) di Sulawesi Selatan. Pengeluaran pemerintah di bidang pendidikan dan pengeluaran pemerintah di bidang kesehatan berpengaruh positif dan signifikan terhadap IPM.
Pratowo (2012) menganalisis faktor-faktor yang berpengaruh terhadap Indeks Pembangunan Manusia. Subyek penelitian ini adalah 35 kota atau kabupaten di Jawa Timur periode 2002 sampai 2009. Variabel-variabel yang berpengaruh terhadap IPM Jawa Timur adalah belanja daerah, gini rasio, proporsi konsumsi non makanan dan rasio ketergantungan.
Priska (2010) menganalisis faktor-faktor yang memengaruhi IPM di Indonesia. Hasil estimasi dari penelitian ini menunjukkan bahwa semua variabel bebas yaitu jumlah penduduk miskin berpengaruh negatif terhadap indeks pembangunan manusia, pertumbuhan ekonomi dan pengeluaran pemerintah berpengaruh positif terhadap indeks pembangunan manusia pada alpha 1%.
13 Kerangka Pemikiran
Berdasarkan latar belakang dan perumusan masalah, kerangka pemikiran yang dapat diuraikan dapat dijelaskan sebagai berikut:
METODE PENELITIAN
Jenis dan Sumber data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder dengan menggunakan data panel, yaitu gabungan data deret waktu (time series) dan data deret lintang (cross section). Data time series yang digunakan adalah data tahunan dari tahun 2009 sampai 2012. Data cross section yang digunakan adalah dari 10 kota atau kabupaten, terdiri atas 8 kabupaten dan 2 kota yang meliputi
Pertumbuhan ekonomi
Pembangunan Manusia provinsi NTB rendah
Analisis data panel
Belanja daerah Kemiskinan Distribusi pendapatan
Analisis Deskriptif Faktor-faktor yang memengaruhi pembangunan manusia Provinsi NTB
Pooled Least Square Fixed Effect Random Effect
Hasil Analisis
14
kabupaten Lombok Barat, Lombok Timur, Sumbawa, Dompu, Bima, Sumbawa barat, Lombok utara dan Kota Bima.
Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari beberapa sumber diantaranya:
Tabel 4 Variabel dan sumber data
Variabel Satuan Sumber
IPM Nusa Tenggara Barat indeks BPS
PDRB per kapita rupiah Bappeda
Belanja daerah persen DJPK
Tingkat kemiskinan persen BPS
Rasio gini indeks BPS
Metode Pengolahan dan Analisis Data
Metode Deskriptif
Metode yang digunakan dalam penelitian ini adalah metode deskriptif dan kuantitatif. Metode deskriptif digunakan untuk mendeskripsikan kinerja Indeks pembangunan manusia (IPM) di Provinsi Nusa Tenggara Barat. Analisis deskriptif dilakukan dengan membaca tabel dan grafik untuk melihat kecenderungan dari perkembangan data-data komponen atau variabel yang digunakan dalam penelitian ini.
Analisis Data Panel
Data yang digunakan dalam penelitian ini adalah data time series tahunan (annual) selama 4 tahun yaitu dari periode 2009-2102 dan data cross section yaitu sebanyak 8 kabupaten dan 2 kota di Provinsi Nusa Tenggara Barat. Menurut teori ekonometrika, metode yang digunakan dengan gabungan antara data cross section
dan data time series disebut data panel. Analisis data panel digunakan untuk menganalisis faktor-faktor yang memengaruhi IPM di Provinsi NTB. Kelebihan data panel antara lain :
1. Teknik Estimasi menggunakan data panel akan menghasilkan keanekaragaman secara tegas dalam perhitungan dengan melibatkan variabel-variabel individual secara spesifik.
2. Memberikan informasi yang lebih banyak, variabilitas yang lebih baik, mengurangi hubungan antara variabel bebas, memberikan lebih banyak derajat kebebasan dan lebih efisien.
3. Data panel lebih cocok digunakan jika akan melakukan studi tentang perubahan dinamis.
4. Data panel dapat mendeteksi dan mengukur efek yang tidak bisa dilakukan oleh data time-series dancross section.
5. Data panel memungkinkan peneliti untuk mempelajari model prilaku yang lebih kompleks.
15 Terdapat tiga metode yang dapat dilakukan untuk mengestimasi model yang menggunakan data panel, yaitu metode kuadrat terkecil (pooled least square), metode efek tetap (fixed effect) dan metode efek random (random effect).
Spesifikasi Model
Menurut Pratowo (2012), variabel-variabel yang diduga secara signifikan berpengaruh nyata terhadap pembangunan manusia adalah Indeks Pembangunan Manusia (IPM), PDRB per kapita (PDRBK), kemiskinan (POV), belanja daerah (BD) dan koefisien gini (GINI). Model persamaan yang diestimasi adalah sebagai berikut:
lnIPMit= β0+ β1lnPDRBKit+ β2POVit+ β4BDit+ β5GINIit + it
Keterangan :
β0 = Intersep
β1 = Slope
it = Error
IPM = Indeks pembangunan manusia (indeks) POV = Tingkat kemiskinan (persen)
PDRBK = Pendapatan domestik regional bruto per kapita (rupiah) BD = Alokasi belanja daerah (persen)
GINI = Gini rasio (indeks)
Definisi Operasional
1. Indeks pembangunan manusia adalah indeks komposit yang digunakan untuk mengukur pencapaian rata-rata suatu negara dalam tiga hal mendasar pembangunan manusia, yaitu kesehatan yang diukur dengan angka harapan hidup (AHH) dan Rata-rata lama sekolah (RLS), pendidikan yang diukur berdasarkan angka melek huruf (AMH) dan kemampuan daya beli yang diukur berdasarkan Purchasing Power Parity (PPP).
2. Tingkat kemiskinan (poverty) adalah penduduk yang memiliki rata-rata pengeluaran perkapita perbulan di bawah garis kemiskinan. Penelitian ini menggunakan presentase tingkat kemiskinan yang berada di kabupaten atau kota provini NTB dari tahun 2009-2012.
3. Pendapatan per kapita adalah rata-rata pendapatan yang diterima oleh setiap penduduk yang tinggaldisuatu daerah selama periode waktu tertentu. Penelitian ini menggunakan PDRB ADHK yang berada di kabupaten atau kota di provinsi NTB dari tahun 2009-2012.
16
Metode Pooled Least Square
Metode ini samadengan analisis data cross section dan time series karena mengasumsikan bahwa koefisien intersep dan slopenya sama (konstan) untuk setiap data cross section dan time series. Model ini tidak memperhatikan dimensi individu dan waktu. Namun, untuk melakukan regresinya perlu menggabungkan data cross section dan time series yang biasa disebut pool data. Namun, dianggap tidak masuk akal karena karena menganggap tidak adanya efek dimensi individu dan waktu. Misalkan dalam persamaan berikut ini :
Yit= α + xjitβj+ εit (4)
untuk i = 1,2,….,N dan t = 1,2,….,T
N adalah jumlah unit cross section (individu) dan T adalah jumlah periode waktu. Komponen error diasumsikan dalam pengolahan kuadrat terkeci biasa, kita dapat melakukan proses estimasi secara terpisah untuk setiap unit cross section. Untuk periode t = 1, akan diperoleh persamaan regresi crosssection sebagai berikut :
Yit= α + xjitβj+ εi1 (5)
untuk i = 1,2,….,N
yang akan berimplikasi diperolehnya persamaan sebanyak T persamaan yangsama. Begitu juga sebaliknya, akan dapat diperoleh persamaan deret waktu (time series) sebanyak N persamaan untuk setiap T observasi. Namun, untuk mendapatkan parameter α dan β yang konstan dan efisien, dapat diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak NT observasi. Akan tetapi, jika menggunakan metode Pooled Least Square, perbedaan antar individu maupun antar waktu tidak akan terlihat.
Metode Efek Tetap (Fixed Effect)
Metode Efek Tetap sudah memasukkan efek dimensi individu dan waktu.pada model ini efek dimensi individu dan waktu terletak pada intersep dan slope pada model.sehingga pada model ini menganggap bahwa yang sangat mempengaruhi variabel dependen adalah slope dan intersep. Secara umum, pendekatan fixed effect dapat dituliskan sebagai berikut :
yit= αi + xjitβj +aiDi (6)
Keterangan :
yit = variabel terikat di waktu t untuk unit cross section i
αi = intersep yang berubah-ubah antar cross section unit xjit = variabel bebas j di waktu t untuk unit cross section i
βj = parameter untuk variabel ke j
eit = komponen error di waktu t untuk unit cross section i
17 (cross section weight) atau General Least Square (GLS). Tujuan dilakukannya pembobotan adalah untuk mengurangi heterogenitas antar unit cross section
(Gujarati 2004).
Metode Efek Acak (Random Effect)
Metode random effect dimasukkan komponen galat (error term) ke dalam model untuk menjelaskan variabel prediktor (explanatory variable) yang tidak dimasukkan ke dalam model, komponen nonlinearitas hubungan variabel bebas dan variabel tak bebas, kesalahan ukur saat observasi dilakukan, serta kejadian yang sifatnya acak. Metode random effectdapat dispesifikasikan ke dalam model berikut:
Yit= αit + xjitβj + uit (7)
αit diasumsikan sebagai variabel random dari rata-rata nilai intersep (αi). Nilai
intersep untuk masing-masing individu dapat dituliskan :
αit= αi+ εit (8)
i = 1,2,….,ζ
keterangan :
αi adalah rata-rata intersep, it adalah random error (yang tidak bias diamati) yang mengukur perbedaan karakteristik masing-masing individu.
Bentuk model efek acak ini kemudian dapat ditulis dengan rumus :
Yit = αit + xjitβj +εit + uit (9)
Yit = αit + xjitβj + ωit (10)
keterangan :ωit= εit + uit
Bentuk ωit terdiri dari dua komponen error term yaitu it sebagai komponen
cross section dan uit yang merupakan gabungan dari komponen time series error dan komponen error kombinasi. Bentuk model efek acak akhirnya dapat ditulis dengan persamaan :
Yit= αit + xjitβj + ωit (11)
ωit= εi + vt + wit (12)
Keterangan :
εi~ ζ(0, u2) = komponen cross section error vt~ ζ(0, v2) = komponen time series error wit~ ζ(0, w2)= komponen error kombinasi
18
akan menggunakan fixed effect atau random effect. Apabila diasumsikan bahwa i dan variabel bebas berkorelasi, maka fixed effect lebih cocok untuk dipilih.
Sebaliknya, apabila i dan variabel bebas tidak berkorelasi, maka random effect yang baik untuk dipilih (Gujarati 2004). Beberapa pertimbangan yang dapat dijadikan acuan untuk memilih antara fixed effect atau random effect adalah: 1. Bila T (banyaknya unit time series) besar sedangkan N (jumlah unit cross
section) kecil, maka hasil fixed effect dan random effect tidak jauh berbeda sehingga dapat dipilih pendekatan yang lebih mudah untuk dihitung yaitu
fixed effect model.
2. Bila N besar dan T kecil, maka hasil estimasi kedua pendekatan akan berbeda jauh. Apabila diyakini bahwa unit cross section yang dipilih dalam penelitian diambil secara acak (random) maka random effect harus digunakan. Sebaliknya apabila diyakini bahwa unit cross sectionyang dipilih dalam penelitian tidak diambil secara acak, maka harus menggunakan fixed effect.
3. Apabila komponen error individual ( i) berkorelasi dengan variabel bebas x maka parameter yang diperoleh dengan random effect akan bias sementara parameter yang diperoleh dengan fixed effect tidak bias.
4. Apabila N besar dan T kecil, dan apabila asumsi yang mendasari random effect dapat terpenuhi, maka random effect lebih efisien dibandingkan fixed effect.
Uji Kesesuaian Model
Menguji kesesuaian atau kebaikan model dari ketiga metode pada teknik estimasi model dengan data panel digunakan Uji Chow dan Uji Hausmann. Uji Chow digunakan untuk menguji kesesuaian model antara model yang diperoleh dari data pooled least squaredengan model yang diperoleh dari model fixed effect. Selajutnya dilakukan Uji Hausman terhadap model yang terbaik yang diperoleh dari hasil Chow Test dengan model yang diperoleh dari metode random effect. 1. Uji Chow
Uji Chow atau yang disebut dengan pengujian F-statistik adalah pengujian untuk memilih apakah model yang digunakan Pooled Least Square atau Fixed Effect. Sebagaimana yang diketahui bahwa terkadang asumsi bahwa setiap unit
cross section memiliki pelaku yang sama cenderung tidak realistis mengingat dimungkinkan setiap unit cross section memiliki pelaku yang berbeda. Pengujian ini dilakukan dengan hipotesis sebagai berikut :
H0 : ModelPooled least square H1 : Model Fixed Effect
Dasar penolakan terhadap hipotesa nol (H0) adalah dengan menggunakan F-statistik seperti yang dirumuskan oleh Chow :
CHOW = (ESS1- ESS2)/ (NT – 1) (13)
(ESS2) / ( NT – N – K )
keterangan :
19
ESS2 = Residual Sum Square hasil pendugaan model pooled least square
N = Jumlah data cross section
T = Jumlah data time series
K = Jumlah variabel penjelas
Uji Chow Statistik mengikuti distribusi F-statistik dengan derajat bebas (N-1, NT – N - NK). Jika Chow Statistik (F-Statistik) hasil pengujian lebih besar dari F-Tabel, maka cukup bukti untuk melakukan penolakan terhadap hipotesis nolsehingga model yang digunakan adalah model fixed effect, begitu juga sebaliknya (Firdaus 2011)
2. Uji Hausmann
Uji Hausmann adalah pengujian statistik sebagai dasar pertimbangan dalam memilih apakah menggunakan model fixed effect atau model random effect
(Firdaus 2011). Seperti yang diketahui bahwa penggunaan model fixed effect
mengandung suatu unsur trade off yaitu hilangnya derajat kebebasan dengan memasukkan variabel dummy. Namun, penggunaan metode random effect juga harus memperhatikan ketiadaan pelanggaran asumsi dari setiap komponen galat. Pengujian ini dilakukan dengan hipotesis sebagai berikut :
H0 : Model Random Effect H1 : Model Fixed Effect
Menjadi dasar penolakan hipotesa nol tersebut digunakan denganmenggunakan pertimbangan statistik Chi-Square. Statistik Hausmann dirumuskan
dengan :
m = ( M0 – M1)-1( ~ χ2 (K) (14)
keterangan :
β = vektor statistik variabel fixed effect
b = vektor statistik variabel random effect
(M0) = matriks kovarian untuk dugaan model fixed effect
(M1) = matriks kovarian untuk dugaan model random effect
Jika nilai m hasil pengujian lebih besar dari Chi-Square (χ2) tabel, maka cukup bukti untuk melakukan penolakan terhadap hipotesa nol sehingga model yang lebih baik digunakan adalah model fixed effect, begitu pula sebaliknya. Strategi Pengujian
Kerangka pengambilan keputusan dalam memilih sebuah model yang digunakan: a. Jika uji Chow tidak signifikan maka menggunakan PLS
b. Jika uji Chow signifikan namun uji Hausmann tidak signifikan maka menggunakan REM
c. Jika uji Chow signifikan dan Hausmann test signifikan, maka menggunakan FEM.
Evaluasi Model
20
multikolinearitas, dan autokorelasi sehingga menghasilkan model yang efisien dan konsisten. Selain itu, perlu dilihat pula seberapa baik model dalam mengestimasi berdasarkan nilai koefisien determinasi.
Koefisien Determinasi (R2)
Koefisien determinasi berfungsi untuk menunjukkan seberapa baik model yang diperoleh bersesuaian dengan data aktual (goodness of fit), mengukur nilai presentase variasi dalam peubah terikat mampu dijelaskan oleh informasi peubah bebas. Kisaran nilai koefisien determinasi adalah 0 ≤ R2 ≤ 1. Model dikatakan semakin baik apabila nilai R2 mendekati 1 atau 100%.
Multikolinearitas
Multikolinearitas adalah hubungan linier yang kuat antara variabel-variabel bebas dalam persamaan regresi berganda. Gejala multikolinearitas ini dapat dideteksi dari nilai R2 tinggi tetapi tidak terdapat atau sedikit sekali koefisien dugaan yang berpengaruh nyata dan tanda koefisien regresi tidak sesuai dengan teori (Gujarati 2004). Multikolinearitas dalam pooled data dapat diatasi dengan pemberian pembobotan (cross section weight) atau Generalize Least Square, sehingga parameter dugaan pada taraf uji tertentu (t-statistik maupun F-hitung) menjadi signifikan.
Autokorelasi
Suatu model dikatakan memiliki autokorelasi jika terjadi error dari periode waktu (time series) yang berbeda saling berkorelasi. Masalah autokorelasi ini akan menyebabkan model menjadi tidak efisien meskipun masih tidak bias dan konsisten. Autokorelasi menyebabkan estimasi standar error dan varian koefisien regresi yang diperoleh akan underestimate. Sehingga R2 akan besar serta uji-t dan uji-F menjadi tidak valid. Autokorelasi yang kuat dapat menyebabkan dua variabel yang tidak berhubungan menjadi berhubungan. Bila OLS digunakan, maka akan terlihat koefisien signifikansi dan R2 yang besar atau juga disebut sebagai regresi lancung atau palsu. Mendeteksi ada tidaknya autokorelasi dapat dilakukan uji Durbin Watson (DW) yaitu dengan membandingkan nilai Durbin Watson dari model dengan DW tabel.
Tabel 5 Kerangka Identifikasi Autokorelasi
Nilai Durbin-Watson Keputusan
DW < 1.10 Ada autokorelasi
1.10 < DW < 1.54 Tanpa kesimpulan
1.55 < DW < 2.46 Tidak ada autokorelasi
2.47 < DW < 2.90 Tanpa kesimpulan
dl < DW < 2.91 Ada autokorelasi
Sumber : Firdaus 2004 (diolah)
Heteroskedastisitas
Salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model
tersebut BδUE adalah VAR (ui) = 2
21 meskipun ada masalah heteroskedastisitas maka pada hasil regresi akan terjadi
misleading (Gujarati 2004). Untuk menguji adanya pelanggaran asumsi heteroskedastisitas, digunakan uji White - heteroskedasticity yang diperoleh dalam program Eviews. Dengan uji white, membandingkan Obs* R-Squared dengan
χ2
(Chi-Squared) tabel, jika nilai Obs*Rsquared lebih kecil daripada χ2-tabel maka tidak ada heteroskedastisitas pada model. Pengolahan data panel dalam Eviews 6 yang menggunakan metode General Least Square (Cross SectionWeights), maka untuk mendeteksi adanya heteroskedastisitas adalah dengan membandingkan Sum Square Resid pada Weighted Statistics dengan Sum Squared Resid Unweighted Statistics. Jika Sum Square Resid pada Weighted Statistics < Sum Squared Resid
pada Unweighted Statistics, maka terjadi heteroskedastisitas. Perlakuan untuk pelanggaran tersebut adalah dengan mengestimasi GLS dengan White Heteroskedasticity.
Uji Normalitas
Uji normalitas bertujuan untuk menguji kenormalan dalam model regresi, variabel dependen dan variabel independen mempunyai distribusi normal atau tidak.Model regresi yang terbaik adalah yang terdistribusi secara normal atau mendekati normal. Hipotesa yang digunakan adalah :
H0 : error termmenyebar normal H1 : error termtidak menyebar normal
Uji normalitas diaplikasikan dengan melakukan tes Jaeque Bera, jika nilai probabilitasnya yang diperoleh lebih besar dari taraf nyata yang digunakan, maka terima H0 yang berarti error term dalam model sudah menyebar normal.
Uji Statistik
Data yang digunakan untuk mengetahui hubungan dari variabel-variabel yang akan diteliti. Pengolahan data menggunakan Excel 2007 dan Eviews 6. Dalam pengujian ini menggunakan Uji Statistik meliputi uji-F dan uji-t.
a. Uji Fisher (Uji-F).
Uji Fisher (Uji-F) digunakan untuk mengetahui apakah seluruh variabel bebas (independen) secara bersama-sama berpengaruh terhadap variabel terikat (dependen) pada tingkat signifikansi 0.05 (5%). Pengujian semua koefisien regresi secara bersama-sama dilakukan dengan uji-F dengan pengujian.
Ho: βi = 0
Artinya secara bersama-sama tidak ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat.
H1: βi ≠ 0
Artinya secara bersama-sama ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat.
Bila probabilitas > α 5% → variabel bebas tidak signifikan atau tidak mempunyai pengaruh terhadap variabel terikat.
Bila probabilitas < α 5% → variabel bebas signifikan atau mempunyai pengaruh
22
Uji t digunakan untuk menguji apakah setiap variabel bebas secara masing-masing parsial atau individu memiliki pengaruh yang signifikan terhadap variabel terikat pada tingkat signifikansi 0.05 (5%) dengan menganggap variabel bebas bernilai konstan. Langkah-langkah yang harus dilakukan dengan uji-t yaitu dengan pengujian, yaitu:
H0 : βi = 0
Artinya masing-masing variabel bebas tidak ada pengaruh yang signifikan dari variabel terikat.
H1 : βi ≠ 0
Artinya masing-masing variabel bebas ada pengaruh yang signifikan dari variabelterikat.
Bila probabilitas > α 5% → variabel bebas tidak signifikan atau tidak mempunyai pengaruh terhadap variabel terikat (Ho terima, H1 tolak).
Bila probabilitas < α 5% → variabel bebas signifikan atau mempunyai pengaruh
terhadap variabel terikat (Ho tolak, H1 terima).
GAMBARAN UMUM
Keadaan Geografis
Provinsi Nusa Tenggara Barat terletak antara 115°46' - 119° 5' Bujur Timur dan 8°10'- 9°5' Lintang Selatan. Provinsi ini berbatasan dengan Laut Jawa dan laut Flores di sebelah Utara, Samudera Indonesia di sebelah Selatan, Selat Lombok (Provinsi Bali) di sebelah Barat dan Selat Sape di Provinsi NTT. Pusat Pemerintahan Provinsi NTB terdapat di Kota Mataram Pulau Lombok. Provinsi Nusa Tenggara Barat memiliki posisi geografis yang cukup menguntungkan karena terletak diantara daerah tujuan wisata Bali, Pulau Komodo, Tana Toraja dan Pulau Lombok terletak jalur perhubungan laut internasional (Selat Lombok), diharapkan akan memberikan peluang dan keuntungan, baik untuk pengembangan pariwisata maupun untuk perdagangan internasional.
23 Keadaan Penduduk Provinsi NTB
Penduduk merupakan subjek dan objek dari pembangunan. Berdasarkan Sensus Penduduk 2010, jumlah penduduk NTB mencapai 4 500 212 jiwa. Kemudian tahun 2012 jumlah penduduk NTB diperkirakan mencapai 4 636 317 jiwa atau bertambah sebanyak 136 ribu penduduk. Penduduk terbanyak terdapat di Kabupaten Lombok Timur yaitu 1 141 092 jiwa, dan yang terendah adalah penduduk di Kabupaten Sumbawa Barat yaitu sebesar 123 460 jiwa. Penyebaran penduduk di NTB tampak tidak merata baik antar pulau maupun kabupaten/kota. Penduduk NTB lebih banyak bertempat tinggal di Pulau Lombok dan sedikit yang bertempat tinggal di Pulau Sumbawa.
Keadaan Perekonomian Provinsi NTB
Ditinjau dari segi perekonomian, pertumbuhan ekonomi Nusa Tenggara Barat bertumpu pada tiga sektor dominan yang meliputi sektor pertambangan dan penggalian (2) sektor pertanian (3) sektor Perdagangan, Hotel dan Restoran. Ketiga sektor tersebut dalam kurun waktu 2009-2012 mengalami perkembangan yang fluktuatif dengan kecenderungan meningkat. Sektor pertambangan merupakan sektor dengan perkembangan yang cukup signifikan. Kondisi ini dipengaruhi oleh naiknya pertumbuhan produksi sub sektor pertambangan terutama konsentrat tembaga, emas dan perak yang merupakan komoditas penyumbang terbesar dalam PDRB di NTB. Provinsi NTB diharapkan mampu eksis dan bersaing dalam perekonomian maupun pemerintahan. Provinsi NTB diharapkan dapat memberikan peran yang tidak kalah pentingnya dengan provinsi lainnya di Indonesia. Ketersediaan sumber daya alam dan sumber daya manusia merupakan modal dasar untuk mewujudkan visi yang telah ditetapkan yaitu “ζusa Tenggara Barat Bersaing”.
Indeks Pembangunan Manusia Provinsi Nusa Tenggara Barat
Ditinjau dari peringkat IPM, NTB masih berada pada urutan 32 dari 33 provinsi pada tahun 2012. Namun demikian disisi progress kecepatan indeks pembangunan manusia yang tercermin dari besaran angka reduksi shortfall, maka NTB termasuk provinsi yang tinggi kenaikannya pada Tabel 5 yaitu sebesar 0.66 poin di tahun 2012.
Tabel 6 Indeks Pembangunan Manusia (IPM) Provinsi Nusa Tenggara Barat
24
HASIL DAN PEMBAHASAN
Perkembangan indeks pembangunan manusia setiap kabupaten di Provinsi Nusa Tenggara Barat di analisis dengan menggunakan analisis deskriptif sedangkan faktor-faktor yang memengaruhi IPM di Provinsi Nusa Tenggara Barat menggunakan analisis data panel. Analisis data panel dilakukan dengan sepuluh kabupaten/kota sebagai komponen cross sectiondan periode 2009-2012 sebagai komponen time series.
Variabel IPM dijadikan sebagai variabel terikatnya yang dihubungkan dengan beberapa variabel bebas yaitu PDRBK, BD, POV dan GINI dengan analisis data panel. Analisis dilakukan dengan model random effect.
Kinerja Indeks Pembangunan Manusia Nusa Tenggara Barat
Berdasarkan peraturan UNDP, tinggi atau rendahnya IPM di suatu daerah dapat diidentifikasi dari 3 komponen yaitu sisi pendidikan, yang dihitung dalam Angka Melek Huruf (AMH), kesehatan yang dihitung dalam Angka Harapan Hidup (AHH) dan daya beli masyarakat yang dilihat dari Purchasing Power Parity (PPP).
Tabel 7 Angka Melek Huruf (AMH) kabupaten dan kota provinsi NTB 2009-2012 (%)
Tabel 7 menunjukkan bahwa Kota Bima merupakan kota dengan presentase Angka Melek Huruf (AMH) tertinggi sedangkan Kabupaten Lombok Tengah merupakan kabupaten dengan AMH terendah di Nusa Tenggara Barat. Angka Melek Huruf (AMH) Nusa Tenggara Barat berada dibawah AMH Nasional dari tahun 2009-2012.
Tabel 8 menunjukkan Rata-rata Lama Sekolah (RLS) tertinggi di Provinsi Nusa Tenggara Barat periode 2009-2012 ditempati oleh Kota Bima dan terendah oleh Kabupaten Lombok Tengah. Rata-rata Lama Sekolah (RLS) Nusa Tenggara Barat berada jauh dibawah rata-rata Rata-rata Lama Sekolah (RLS) Nasional.
25 dan terendah oleh Kabupaten Lombok Barat. Rata-rata AHH Nusa Tenggara Barat berada jauh dibawah rata-rata AHH nasional.
Tabel 10 menunjukkan bahwa Purchasing Power Parity (PPP) tertinggi di Provinsi Nusa Tenggara Barat periode 2009-2012 ditempati oleh Kota Mataram dan terendah oleh Kabupaten Lombok Utara. Rata-rata PPP Nusa Tenggara Barat berada di atas rata-rata PPP nasional dari tahun 2009-2012.
26
Tabel 10 Purchasing Power Parity (PPP) Nusa Tenggara Barat 2009-2012 (dalam ribu rupiah)
Tabel 11 IPM Kabupaten dan Kota di Provinsi Nusa Tenggara Barat 2009-2012
Kabupaten/Kota 2009 2010 2011 2012
Pertumbuhan ekonomi yang dianalisis dalam penelitian ini adalah pertumbuhan yang disebabkan karena adanya peningkatan produksi dibandingkan dengan tahun sebelumnya. PDRB atas dasar harga konstan (ADHK) menunjukkan nilai tambah dari masing-masing sektor ekonomi dinilai atas dasar harga tetap pada tahun dasar. Karena penggunaan harga tetap, maka perkembangan nilai tambah dari tahun ke tahun semata-mata karena perkembangan produksi riil dan bukan karena kenaikan harga. Melalui PDRB per kapita dapat dilihat rata-rata pendapatan yang diterima oleh setiap penduduk yang tinggal di suatu daerah selama periode waktu tertentu. Salah satu program yang dilakukan pemerintah NTB dalam rangka untuk menaikan IPM, yaitu salah satunya dalam bidang ekonomi adalah dilihat dari pertumbuhan ekonomi.
27
Upaya yang telah dilakukan oleh pemerintah NTB dalam mengalokasikan belanja daerah diantaranya memberikan kemudahan biaya pendidikan melalui Bantuan Operasional Sekolah (BOS) untuk satuan Pendidikan dasar dan Menengah, pembiayaan pendidikan gratis bagi siswa miskin yang dikemas dalam program beasiswa, mulai tahun 2009 yang berlanjut di 2010 hingga 2011 dan direncanakan sampai 2013 (Bappenas 2014). Belanja daerah kabupaten dan kota di provinsi NTB dari tahun ke tahun mengalami perkembangan yang fluktuaktif dari tahun ke tahun. Sebagaimana dapat dilihat dari Tabel 13.
Tabel 13 Belanja Daerah NTB 2009-2012 (%) ada di NTB berupaya telah mengalokasikan sebagian besar alokasi biaya pembangunan dalam anggaran belanja publik. Anggaran belanja daerah dapat digunakan pemerintah untuk meningkatkan pelayanan dan fasilitas-fasilitas publik seperti untuk pendidikan dan kesehatan.
28
gratis bagi siswa miskin. Selain beasiswa, terdapat program pembinaan pendidikan dasar dan menengah yang terdiri dari proyek peningkatan pelayanan pendidikan dasar, pembangunan dan revitalisasi SD, penunjang pembangunan dan revitaliasasi SD, peningkatan mutu pendidikan dasar, stimulan honor guru SD, revitalisasi TK, dan penyelenggaraan SLTP Terbuka.
Belanja daerah pada aspek kesehatan dialokasikan dengan kebijakan untuk peningkatan ketersediaan sarana dan prasarana desa siaga, peningkatan operasional desa siaga, Posyandu dan UKBM lainnya, peningkatan jangkauan pelayanan kesehatan bagi ibu, bayi dan anak balita, peningkatan ketersediaan sarana pelayanan kesehatan yang berkualitas dan terstandarisasi.
Tingkat Kemiskinan
Jumlah penduduk miskin disetiap kabupaten dan kota yang ditunjukkan dalam Tabel 14 menunjukkan penurunan yang positif dari tahun ke tahun . Tahun 2009 presentase penduduk miskin sebesar 21.88 sampai dengan tahun 2012 menjadi 18.63%
Jumlah Penduduk Miskin di Provinsi Nusa Tenggara Barat pada Maret 2012 mencapai 852 640 orang (18.63%) mengalami penurunan sekitar 1.10 poin dari tahun sebelumnya (Maret tahun 2011) yang berjumlah sekitar 894 770 (19.73%). Penurunan angka kemiskinan tersebut tidak terlepas dari pelaksanaan berbagai program penanggulangan kemiskinan oleh Pemerintah Provinsi Nusa Tenggara Barat melalui Satuan Kerja Perangkat Daerah (SKPD) terkait (Dinas Sosial Kependudukan dan Catatan Sipil) melalui berbagai implementasi nyata di lapangan.
Tabel 14 Presentase kemiskinan Kabupaten/kota NTB tahun 2009-2012 (%)
Kemiskinan 2009 2010 2011 2012
29 program kesejahteraan sosial anak secara terpadu serta anak dengan kategori khusus seperti anak balita terlantar, anak dengan kecacatan, anak yang membutuhkan perlindungan khusus, anak yang berhadapan dengan kasus hukum serta anak jalanan. Kelima, Bantuan sosial kepada para penyandang cacat berat melalui program bantuan dana jaminan sosial penyandang cacat berat. Keenam, program bantuan sosial untuk pemenuhan kebutuhan dasar bagi panti asuhan yang ada di seluruh kabupaten/kota se-Nusa Tenggara Barat. Ketujuh, Program Pemberdayaan Komunitas Adat Terpencil (KAT).
Pelaksanaan program penanggulangan kemiskinan tidak hanya dilaksanakan melalui Dinas Sosial dan Kependudukan saja, namun dilakukan secara terpadu dan terus menerus melalui berbagai dinas/instansi terkait bekerjasama dengan pemerintah kabupaten/kota seluruh NTB. Program ini telah menyentuh berbagai kelompok masyarakat dan secara bertahap diharapkan akan mampu menurunkan angka kemiskinan di seluruh wilayah Nusa Tenggara Barat.
Kinerja Gini Rasio
Berdasarkan data Badan Pusat Statistik (BPS) tahun 2009-2012, rasio gini yang menunjukkanbesarnya ketimpangan pendapatan perkapita penduduk. Beberapa ahli demografi mensinyalir, rendahnya IPM antara lain dikarenakan adanya disparitas akses terhadap hasil pembangunan dan pertumbuhan ekonomi. Tabel 15 Gini rasio kabupaten/kota NTB tahun 2009-2012
Gini rasio 2009 2010 2011 2012
Ketimpangan pendapatan perkapita paling tinggi dialami Nusa Tenggara Barat pada tahun 2010 yaitu sebesar 0.4. Ketimpangan pendapatan terbesar terjadi di kabupaten Sumbawa Barat dan terkecil berada di Kabupaten Lombok Barat. Teori koefisien gini menyatakan jika G < 0.3 ketimpangan rendah, 0.3 ≤ G ≤ 0.5 ketimpangan sedang dan G > 0.5 ketimpangan tinggi. Dilihat dari teori koefisien gini, NTB masih tergolong dalam ketimpangan sedang karena berada diantara 0.3
30
Analisis Faktor-faktor yang Memengaruhi Indeks Pembangunan Manusia di Provinsi Nusa Tenggara Barat
Koefisien Determinasi
Koefisien determinasi (goodness of fit) merupakan suatu ukuran yang penting untuk menggambarkan baik atau tidaknya model regresi yang diestimasi.Nilai R2 mencerminkan seberapa besar variasi dari variabel independen (terikat) dapat dijelaskan oleh variabel bebas. Semakin tinggi nilai R2 maka kemampuan variabel bebas untuk menjelaskan variabel terikatnya semakin baik. Hasil estimasi terbaik didapatkan nilai R2 sebesar 0.7428 yang berarti bahwa 74.28 persen model IPM NTB dapat dipengaruhi oleh variabel PDRB per kapita, tingkat kemiskinan dan gini rasio.
Uji statistik
Model ini memiliki probabilitas F-statistik yaitu sebesar 0.0000 yang lebih kecil dibandingkan dengan taraf nyata yang digunakan yaitu α sebesar 5% (0.05) sehingga hasil ini berarti minimal ada satu variabel bebas yang berpengaruh nyata terhadap Indeks Pembangunan Manusia (IPM) NTB.
Uji Pelanggaran Asumsi
Uji Normalitas
Lampiran 1 menggambarkan bahwa data dalam penelitian ini berdistribusi normal. Terlihat dari nilai probabilitas Jaque Bera yaitu sebesar 0.3085 yang
lebih besar dari derajat kesalahan 0.10 atau α = 10% yaitu signifikan menyatakan
H0 ditolak, sehingga dikatakan data berdistribusi normal. Uji Multikolinearitas
Pengujian multikolinieritas digunakan untuk melihat adanya kolerasi antar variable independen. Ada tidaknya multikolinieritas dapat di lihat dari koefesien kolerasi masing variable bebas, jika koefesien kolerasi di antara masing-masing variable bebas dari 0.8 maka terjadi multikolinieritas. Lampiran 2 menunjukkan hasil analisis uji multikolinearitas dengan correlation matrix terlihat bahwa koefisien korelasi < 0.8, sehingga dapat disimpulkan bahwa dalam model tidak terdapat masalah multikolinearitas.
Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan dengan cara membandingkan Sum Square Resid pada Weighted Statistics dengan SumSquared Resid Unweighted Statistics. Jika Sum Square Resid pada Weighted Statistics < Sum Squared Resid pada
Unweighted Statistics, maka terjadi homoskedastisitas. Hasil Uji heteroskedastisitas dapat dilihat pada lampiran 3 yang menunjukkan bahwa pada penelitian ini tidak ditemukannya heteroskedastisitas. Hal ini terlihat pada Sum Square Resid pada Weighted Statistics yang sebesar 0.001816 < Sum Square Resid
