3.1 Jenis dan Sumber Data
Penelitian ini menggunakan data sekunder yang berupa data APBD Kabupaten/Kota dan Provinsi di Indonesia tahun 2005-2009 yang diperoleh dari Dirjen Perimbangan Keuangan, Departemen Keuangan dan Badan Pusat Statistik. Data yang lain yaitu data PDRB, jumlah tenaga kerja, luas wilayah, persentase penduduk miskin dan jumlah penduduk diperoleh dari Badan Pusat Statistik.
3.2 Spesifikasi Model
Untuk meneliti dampak penerimaan dan pengeluaran pemerintah terhadap pertumbuhan ekonomi dan pengangguran digunakan kerangka modelling yang bersifat simultan (simultaneous equation regression model) dengan metode Three Stage Least Square (3SLS). Dalam penelitian ini terdapat beberapa variabel endogen. Menurut Pyndick dan Rubinfeld (1983) keberadaan dua atau lebih variabel endogen memerlukan pembentukan beberapa model tambahan. Simultanitanitas dapat menyebabkan estimator parameter OLS menjadi tidak konsisten. Model pada penelitian ini mengacu pada penelitian Sumedi (2005) dan Nanga (2006). Berikut model Fiskal dan Perekonomian Daerah di Indonesia yang dispesifikasikan dalam empat blok.
1. Blok Penerimaan Pemerintah Daerah Penerimaan Pajak Daerah
…………..….(1) Tanda parameter yang diharapkan a1,a2, a3
Penerimaan Retribusi Daerah
>0
……...…...(2) Tanda parameter yang diharapkan b1,b2,b3
Penerimaan Bagi Hasil Sumber Daya
>0
…(3) Tanda parameter yang diharapkan c1,c2, dan c3
Penerimaan Bagi Hasil Pajak
……...…………...…(4) Tanda parameter yang diharapkan d1,d2>0
Dana Alokasi Umum
5 5……….………..…….….(5)
Tanda parameter yang diharapkan e1<0, e2,e3,e4,e5
2. Blok Pengeluaran Pengeluaran Pemerintah Daerah >0 Penerimaan Asli Daerah
……….…(6) Penerimaan Bagi Hasil
………..………...(7) Dana Perimbangan
...(8) Total Penerimaan Daerah
……….….…...(9)
Pengeluaran Pertanian
6…...………..(10)
Tanda parameter yang diharapkan f1,f2, f3, f4>0 Pengeluaran Perindustrian
7……….……….(11)
Tanda parameter yang diharapkan g1,g2, g3, g4>0 Pengeluaran Infrastruktur
.(12) Tanda parameter yang diharapkan h1,h2, h3, h4
3. Blok Fiskal Daerah
>0 Total Pengeluaran Daerah
..…...……….….(13)
Kapasitas Fiskal Daerah
...(14) Kesenjangan Fiskal Daerah
……….………...…(15) 4. Blok Kinerja Ekonomi Daerah
PDRB Sektor Pertanian
…………..…..(16) Tanda parameter yang diharapkan i1,i2,i3>0
PDRB Sektor Industri
…………...….(17) Tanda parameter yang diharapkan j1,j2,j3>0
PDRB Sektor Jasa
……...…....(18) Tanda parameter yang diharapkan k1,k2,k3>0
Total PDRB
…...…...…..(19) Pendapatan Domestik Regional Bruto per Kapita
………..………...…….(20) Penyerapan Tenaga Kerja Sektor Pertanian
…….……….……..(21) Tanda parameter yang diharapkan l1>0, l2<0
Penyerapan Tenaga Kerja Sektor 3
……….…...….(22) Tanda parameter yang diharapkan m1>0 ,m2<0
Penyerapan Tenaga Kerja Sektor 6
………..…….…(23) Tanda parameter yang diharapkan n1>0 ,n2<0
Penyerapan Tenaga Kerja
………...……..(24) Distribusi Pendapatan
………..………..……...(25)
Kemiskinan
.(26) Tanda parameter yang diharapkan o1,o3<0,o2, o4>0
dimana:
PAJ = penerimaan pajak (Ribu)
PDRB = produk domestik regional bruto (Ribu) FISGAP = kesenjangan fiskal (Ribu)
RET = penerimaan retribusi (Ribu)
BHSDA = penerimaan bagi hasil sumber daya alam (Ribu) DSDAmigas = dummy sumber daya migas
DSDAtambang = dummy sumber daya pertambangan umum DBPAJ = penerimaan bagi hasil pajak (Ribu)
PDRBKP = produk domestik regional bruto per kapita (Ribu) TKL = total pengeluaran (Ribu)
DAU = dana alokasi umum (Ribu) POP = jumlah penduduk (orang) LUAS = luas wilayah (km2)
P0 = persentase penduduk miskin (persen) PAD = pendapatan asli daerah (Ribu)
BUMD = pendapatan daerah dari laba BUMD (Ribu) PADLN = pendapatan asli daerah lainnya (Ribu) DBH = dana bagi hasil (Ribu)
DIMB = dana perimbangan (Ribu) TTR = total penerimaan daerah (Ribu)
PTANI = pengeluaran pertanian, kehutanan, perikanan dan kelautan (Ribu)
PTANIL = lag pengeluaran pertanian, kehutanan, perikanan dan kelautan (Ribu)
PIND = pengeluaran industri (Ribu) PINDL = lag pengeluaran industri (Ribu) PINFR = pengeluaran infrastruktur (Ribu) PINFRL = lag pengeluaran infrastruktur (Ribu) PLN = pengeluaran lainnya (Ribu)
TKL = total pengeluaran daerah (Ribu) KAPFIS = kapasitas fiskal (Ribu)
INV = pembentukan modal daerah (Ribu) PDRBA = PDRB sektor pertanian (Ribu) PDRBI = PDRB sektor industri (Ribu) PDRBS = PDRB sektor jasa (Ribu)
PDRBM = PDRB sektor pertambangan dan penggalian (Ribu) PDRBLN = PDRB selain sektor pertanian, industri, jasa (Ribu) TKA = tenaga kerja sektor pertanian (orang)
TKI = tenaga kerja sektor industri (orang) TKS = kerja sektor jasa (orang)
TKLN = tenaga kerja selain sektor pertanian, industri, jasa (orang) TK = total tenaga kerja (orang)
TKNA = tenaga kerja sektor non pertanian (orang) TKNI = tenaga kerja sektor non industri (orang) TKNS = tenaga kerja sektor non jasa (orang) CVW = indeks Williamson
Y = rata-rata PDRBKP (Ribu) Yi
Di dalam persamaan simultan, variabel dibedakan menjadi endogen dan eksogen. Variabel endogen ialah variabel tak bebas di dalam sistem persamaan simultan, yang nilainya ditentukan di dalam sistem persamaan, walaupun
variabel-= PDRBKP provinsi i (Ribu) POP = jumlah penduduk provinsi (orang)
TPOP = jumlah penduduk seluruh provinsi (orang) GK = garis kemiskinan provinsi (Ribu) TREND = trend
Lp0 = lag persentase penduduk miskin (persen)
3.3 Estimasi Model
Model ekonometrika yang dikembangkan dalam studi ini merupakan model persamaan simultan. Suatu sistem persamaan simultan (simultaneous-equations system) ialah suatu himpunan persamaan dimana variabel tak bebas dalam satu atau lebih persamaan juga merupakan variabel bebas dalam beberapa persamaan lainnya, yaitu keadaan dimana di dalam sistem persamaan suatu variable sekaligus mempunyai dua peranan, yaitu sebagai variabel tak bebas dan variabel bebas.
variabel tersebut mungkin juga muncul sebagai variabel bebas di dalam sistem persamaan. Variabel eksogen ialah variabel yang nilainya ditentukan di luar model. Variabel eksogen meliputi “lagged endogenous variables”, sebab nilainya sudah diketahui sebelumnya.
Dalam persamaan simultan perlu dilakukan identifikasi model terlebih dahulu sebelum memilih metode untuk menduga parameter pada setiap persamaan. Untuk mudahnya, suatu persamaan dikatakan teridentifikasi kalau koefisiennya dapat diperkirakan. Apabila hal ini tidak dapat dilakukan (perkiraan tidak dapat dibuat), persamaan disebut unidentified. Rumus identifikasi model berdasarkan order condition adalah sebagai berikut:
(K – M) ≥ (G – 1) dimana:
K = total peubah dalam model (peubah endogen dan peubah pre-determinan) M = jumlah peubah endogen dan eksogen yang dimasukkan ke dalam suatu
persamaan tertentu dalam model G = banyaknya persamaan
Kriteria identifikasi model dengan menggunakan order condition dinyatakan sebagai berikut:
Jika (K-M)=(G-1), maka persamaan dalam model dinyatakan teridentifikasi secara tepat (exactly identified)
Jika (K-M)<(G-1), maka persamaan dalam model dikatakan tidak teridentifikasi (unidentified)
Jika (K-M)>(G-1), maka persamaan dalam model dikatakan teridentifikasi berlebih (overidentified), Pyndick dan Rubinfeld (1983).
Syarat yang perlu akan tetapi tidak cukup untuk identifikasi dikenal dengan istilah order condition, sebetulnya perlu, artinya walaupun syarat itu sudah dipenuhi, tetapi bisa juga terjadi suatu persamaan not identified. Rank Condition merupakan syarat yang perlu dan cukup untuk identifikasi, yang menyatakan bahwa dalam suatu sistem yang terdiri dari G persamaan, suatu persamaan dapat diidentifikasikan jika dan hanya jika ada kemungkinan untuk memperoleh determinan yang tidak nol (non zero determinant) dari matriks yang berorder (G-1) dari koefisien-koefisien variabel-variabel yang tidak tercakup dalam persamaan tersebut, tetapi tercakup dalam persamaan lainnya dalam model.
Apabila rank condition ini terpenuhi, maka secara otomatis order condition juga terpenuhi. Akan tetapi tidak berlaku untuk sebaliknya. Jadi rank condition lebih kuat dari pada order condition.
Model persamaan simultan dengan kondisi setiap persamaannya teridentifikasi berlebih, maka pendugaan parameter dapat menggunakan beberapa metode yang ada seperti two stage least square atau three stage least square. Two stage least square menghasilkan dugaan parameter yang konsisten dalam persamaan bersifat simultan. Tapi, dugaan yang dihasilkan tidak efisien karena metode tersebut diterapkan hanya pada persamaan tunggal dalam sistem persamaan. Sumber ketidakefisienan muncul karena pendugaan persamaan tunggal tidak mempertimbangkan korelasi antar sisaan persamaan-persamaan. Jika sisaan saling berkorelasi, dugaan yang efisien dapat diperoleh dengan menggunakan three stage least square.
Model dalam penelitian ini terdiri dari 26 variabel endogen (G) dan 20 variabel predetermined. Sehingga total variabel di dalam model (K) adalah 46 variabel. Berdasarkan hasil identifikasi yang dilakukan diketahui bahwa persamaan yang ada dalam model ini seluruhnya teridentifikasi secara berlebih.
Penelitian ini menggunakan data panel, data panel (pooled data) atau yang disebut juga sebagai data longitudinal yaitu kombinasi antara data time-series dan cross-section. Data time-series merupakan data yang dikumpulkan berdasarkan urutan waktu, seperti setiap hari, setiap minggu, setiap bulan, setiap semester, setiap tahun, dan seterusnya. Sedangkan data cross-section merupakan data dari beberapa observasi yang dikumpulkan pada satu waktu yang sama. Metode data panel merupakan suatu metode yang dapat digunakan untuk melakukan analisis empirik yang tidak mungkin dilakukan jika menggunakan data time-series maupun data cross-section (Gujarati, 2003). Pada metode OLS asumsi yang digunakan menjadi terbatas karena model tersebut mengasumsikan bahwa intersep dan koefisien dari setiap variabel sama untuk setiap unit observasi. Hal ini menyebabkan variabel-variabel yang diabaikan akan membawa perubahan pada intersep time-series dan cross-section. Masalah yang timbul pada penggunaan metode pooled OLS yaitu adanya asumsi bahwa intersep dan koefisien dari setiap variabel sama pada setiap provinsi yang diobservasi.
Untuk memperhitungkan individualitas dari setiap unit/kelompok cross-section dapat dilakukan dengan cara menjadikan intersep berbeda pada tiap unit/kelompok cross-section. Pada metode fixed-effect ditambahkan variabel dummy untuk mengubah intersep, tetapi koefisien-koefisien lainnya tetap sama bagi setiap provinsi yang diobservasi. Teknik model fixed-effect adalah teknik mengestimasi data panel dengan menggunakan variabel dummy untuk menangkap perbedaan intersep antar individu/kelompok observasi, namun intersepnya sama antar waktu (time invariant). Untuk menangkap pengaruh cross section perlu memasukkan variabel pembeda seperti lokasi, jenis kelamin, dll. Penelitian ini menggunakan dummy sumber daya migas dan pertambangan umum. Bentuk persamaannya adalah sebagai berikut:
……….…(27) Djt adalah dummy yang menunjukkan keragaman prilaku dari unit/grup analisis. Model estimasi ini sering disebut sebagai teknik Least Squares Dummy Variables/LSDV (Judge, et al 1982; Greene, 2003 dalam Sumedi, 2006).
Untuk mengetahui seberapa besar respon variabel endogen akibat perubahan eksogen dalam jangka pendek maka digunakan elastisitas jangka pendek. Elastisitas jangka pendek yaitu:
………..………(28) dimana:
Ej : elastisitas jangka pendek variabel-j
: koefisien parameter variabel-j : rata-rata variabel eksogen-j
: rata-rata variabel endogen (Pindyck dan Rubinfeld, 1983)
Elastisitas jangka pendek menggambarkan berapa persen perubahan variabel endogen akibat perubahan endogen sebesar 1 persen.
Untuk mengetahui seberapa besar respon variabel endogen akibat perubahan variabel eksogen dalam jangka panjang digunakan elastisitas jangka panjang. Elastisitas jangka panjang yaitu:
………..………(29) dimana:
Ej
∑
∑
= = − − n t n t t t e e e 1 2 2 1) (: elastisitas jangka pendek variabel-j : koefisien parameter variabel lag
Elastisitas jangka panjang menggambarkan berapa persen perubahan variabel endogen akibat perubahan variabel eksogen sebesar 1 persen yang terjadi dalam jangka panjang.
3.4 Uji Asumsi Ekonometrika
Untuk memberikan hasil yang akurat dari hasil penelitian ini, perlu dilakukan pengujian asumsi ekonometrika yaitu uji autokorelasi dari setiap persamaan. Autokorelasi adalah korelasi diantara anggota observasi. Autokorelasi dalam model menunjukkan adanya korelasi antara variabel gangguan (error). Pendeteksian autokorelasi dilakukan dengan statistik d Durbin-Watson, yaitu:
d = ………...……...(32)
Ho ditolak Ragu-ragu Ho diterima Ragu-ragu Ho ditolak autokorelasi (+) (tidak ada autokorelasi) autokorelasi (-)
dL dU 2 4-dU 4-dL Sumber: Gujarati, 2003
Gambar 6 Daerah Batas Penerimaan Uji Durbin-Watson
d = nilai statistik hitung Durbin-Watson Hipotesis dari pemeriksaan autokorelasi
H0 = Tidak ada autokorelasi positif
H1 = Tidak ada autokorelasi negatif
Model mengandung persamaan simultan dan peubah beda kala sehingga uji serial korelasi Durbin Watson (d) tidak valid lagi. Pendeteksian autokorelasi dilakukan dengan statistik Durbin h, yaitu:
d = nilai statistik hitung Durbin-Watson n = jumlah observasi
var (β) = varian dari koefisien lagged endogeneous variable
Apabila hhitung lebih kecil daripada nilai kritis h dari tabel distribusi normal, maka dalam persamaan tidak mengalami serial korelasi. Masalah serial korelasi hanya mengurangi efisiensi pendugaan parameter dan tidak menimbulkan bias parameter regresi (Pindyck dan Rubinfeld, 1983).
3.5 Validasi Model
Untuk mengetahui apakah model cukup valid digunakan untuk simulasi kebijakan, maka dilakukan validasi model. Dalam penelitian ini keragaman antara kondisi aktual dengan yang disimulasi dapat dilihat dengan menggunakan kriteria RMSPE (Root Mean Squares Percent Error) dan Theil’s inequality coefficient (U-Theil). RMSPE digunakan untuk mengukur seberapa jauh variabel endogen hasil estimasi menyimpang dari alur nilai aktualnya dalam ukuran persen. U-Theil berguna untuk mengetahui kemampuan prediksi model untuk analisis simulasi ramalan. Kriteria tersebut dirumuskan sebagai berikut (Pindyck dan Rubinfeld, 1983).
………...(30)
………...………...(31)
dimana:
Yst = nilai simulasi dasar Yat = nilai pengamatan aktual T = jumlah periode pengamatan
Untuk melihat keeratan arah (slope) antara yang aktual dengan yang disimulasi digunakan R2 (koefisien determinasi). Koefisien determinasi diperoleh dengan meregresikan masing-masing persamaan, dengan variabel endogen berupa nilai aktual, sedangkan variabel eksogen adalah nilai prediksi. Makin kecil U, dan makin besar R2 (koefisien determinasi) maka model semakin valid untuk disimulasi. Nilai U berkisar antara 0 dan 1, jika U=0 maka pendugaan model sempurna, jika U=1 maka pendugaan model naif.
3.6 Simulasi Model
Studi ini akan melakukan perubahan-perubahan dari penerimaan dan pengeluaran untuk mengetahui dampak penerimaan dan pengeluaran pemerintah terhadap pertumbuhan ekonomi, penyerapan tenaga kerja, distribusi pendapatan, dan kemiskinan. Simulasi dilakukan dari sisi penerimaan dan pengeluaran pemerintah daerah, dan campuran diantara keduanya.
Simulasi tersebut antara lain:
1. Peningkatan penerimaan pajak sebesar 10 persen. Pajak merupakan salah satu komponen utama PAD. Semakin besar PAD maka daerah semakin mandiri sehingga ketergantungan terhadap pemerintah pusat berkurang. Pemerintah daerah dapat menetapkan dan memungut beragam jenis pajak daerah sesuai dengan potensi yang dimilikinya, hal itu dilakukan untuk meningkatkan PAD agar daerah semakin mandiri.
2. Peningkatan penerimaan retribusi sebesar 10 persen. Retribusi juga merupakan komponen utama PAD, sehingga dengan peningkatan retribusi maka PAD akan meningkat.
3. Peningkatan bagi hasil SDA sebesar 10 persen. Bagi hasil SDA adalah salah satu penerimaan daerah melalui mekanisme penerimaan bagi hasil. Peningkatan dana bagi hasil akan meningkatkan penerimaan daerah, sehingga pemerintah daerah akan mengeksploitasi SDA di daerahnya semaksimal mungkin dalam rangka meningkatkan penerimaan pemerintah daerah.
4. Peningkatan bagi hasil pajak sebesar 10 persen. DBH pajak terdiri dari Pajak Penghasilan, Pajak Bumi dan Bangunan, dan Bea Perolehan Hak Atas Tanah dan Bangunan. DBH pajak dan SDA merupakan komponen dana perimbangan, sehingga semakin besar DBH pajak dan SDA, maka dana perimbangan semakin besar, dana perimbangan merupakan salah satu sumber penerimaan daerah.
5. Peningkatan DAU sebesar 10 persen. Hal tersebut dilakukan karena rata-rata kenaikan DAU selama 3 tahun terakhur sekitar 10 persen. DAU merupakan dana dari APBN yang dialokasikan dengan tujuan pemerataan kemampuan keuangan antar daerah. Alokasi DAU digunakan untuk menutup gap yang terjadi apabila kebutuhan daerah melebihi potensi penerimaan daerah.
6. Peningkatan pengeluaran pertanian sebesar 10 persen, nilainya setara dengan 100 persen pengeluaran industri. Hal tersebut dilakukan karena sektor pertanian merupakan sektor yang berkaitan erat dengan ketersediaan pangan yang menyangkut hajat hidup orang banyak, sehingga sektor tersebut berperan penting dalam pembangunan perekonomian nasional.
7. Peningkatan pengeluaran industri sebesar 100 persen. Hal tersebut merupakan wacana Menteri Perindustrian, yang menyatakan bahwa seharusnya anggaran Kementerian Perindustrian berada di rentang 5-6 triliun Rupiah agar lebih leluasa dalam menjalankan program-program di sektor industri. Saat ini anggaran Kementerian Perindustrian sebesar 2,19 triliun Rupiah, sehingga untuk mencapai 5 triliun Rupiah perlu peningkatan kurang lebih 100 persen. Sektor ini merupakan sektor yang terkait langsung dalam menciptakan lapangan kerja, menambah penghasilan, dan mengurangi kemiskinan. Selain itu sekor ini mempunyai peran strategis dalam meningkatkan daya saing ekonomi.
8. Peningkatan pengeluaran infrastruktur sebesar 7 persen, nilainya setara dengan 100 persen pengeluaran industri. Peningkatan ini dilakukan karena sektor ini mampu meningkatkan produksi sektor tersier.
9. Peningkatan DAU sebesar 0.85 persen dan peningkatan pengeluaran pertanian sebesar 10 persen. Hal tersebut merupakan kombinasi antara simulasi 5 dan 6. Simulasi campuran tersebut diperlukan untuk mengetahui sumber penerimaan, dalam hal ini DAU yang akan digunakan untuk meningkatkan pengeluaran 10.Peningkatan DAU sebesar 0.85 persen dan peningkatan pengeluaran industri
sebesar 100 persen. Hal tersebut merupakan kombinasi antara simulasi 5 dan 7.
11.Peningkatan DAU sebesar 0.85 persen dan peningkatan pengeluaran infrastruktur sebesar 10 persen. Hal tersebut merupakan kombinasi antara simulasi 5 dan 8.
3.7 Definisi Variabel
Definisi operasional dari variabel-variabel yang digunakan dalam penelitian ini adalah sebagai berikut.
1. PAD
PAD adalah pendapatan yang diperoleh daerah yang dipungut berdasarkan Peraturan Daerah sesuai dengan peraturan perundang-undangan.
2. Dana Perimbangan
Dana perimbangan adalah dana yang bersumber dari pendapatan APBN yang dialokasikan kepada daerah untuk mendanai kebutuhan daerah dalam rangka pelaksanaan desentralisasi.
3. Dana Bagi Hasil
Dana bagi hasil adalah dana yang bersumber dari pendapatan APBN yang dialokasikan kepada daerah berdasarkan angka persentase untuk mendanai kebutuhan daerah dalam rangka pelaksanaan desentralisasi.
4. Dana Alokasi Umum
DAU adalah dana yang bersumber dari pendapatan APBN yang dialokasikan dengan tujuan pemerataan kemampuan keuangan antar daerah untuk mendanai kebutuhan daerah dalam rangka pelaksanaan desentralisasi.
5. Kesenjangan Fiskal
Kesenjangan fiskal adalah selisih antara kebutuhan fiskal daerah dengan kapasitas fiskal daerah.
6. Dana Alokasi Khusus
DAK adalah dana yang bersumber dari pendapatan APBN yang dialokasikan kepada daerah tertentu dengan tujuan untuk membantu mendanai kegiatan khusus yang merupakan urusan daerah dan sesuai dengan prioritas nasional. 7. Dana Bagi Hasil Pajak
Dana bagi hasil yang bersumber dari pajak, terdiri dari Pajak Bumi dan Bangunan, Bea Perolehan Hak atas Tanah dan Bangunan, dan Pajak Penghasilan Wajib Pajak Orang Pribadi Dalam Negeri. Satuannya adalah Rupiah.
8. Dana Bagi Hasil Sumber Daya Alam
Dana bagi hasil yang bersumber dari Sumber Daya Alam, berasal dari kehutanan, pertambangan umum, perikanan, pertambangan minyak bumi, pertambangan gas bumi, dan pertambangan panas bumi.
9. Pengeluaran pertanian terdiri dari pengeluaran untuk urusan pertanian, kehutanan, dan kelautan dan perikanan, baik pengeluaran operasional maupun modal. Satuan hitungnya adalah Rupiah.
10. Pengeluaran Industri
Pengeluaran industri terdiri dari pengeluaran untuk urusan perindustrian, baik pengeluaran operasional maupun modal. Satuan hitungnya adalah Rupiah. 11. Pengeluaran Infrastruktur
Pengeluaran infrastruktur terdiri dari pengeluaran untuk urusan perdagangan, pariwisata, komunikasi dan informatika, tenaga kerja, lingkungan hidup, perumahan, penataan ruang, dan perhubungan, baik pengeluaran operasional maupun modal. Satuan hitungnya adalah Rupiah.
12. Pengeluaran Pemerintah Lainnya
Pengeluaran pemerintah lainnya yaitu pengeluaran pemerintah di luar pengeluaran pertanian, industri, dan infrastruktur, baik pengeluaran operasional maupun modal. Satuan hitungnya adalah Rupiah.
13. Pertumbuhan Ekonomi (PDRB)
Produk Domestik Regional Bruto Atas Dasar Harga Konstan 2000 (PDRB) adalah jumlah produksi barang dan jasa yang dihasilkan oleh seluruh aktifitas ekonomi yang terjadi di masyarakat yang diukur berdasarkan suatu periode tertentu sebagai tahun dasar sehingga nilainya benar-benar mencerminkan adanya jumlah produksi yang terbebas dari pengaruh harga. Satuan hitungnya adalah Rupiah.
14. Populasi (Penduduk)
Penduduk adalah semua orang yang berdomisili di wilayah geografis di wilayah provinsi selama 6 bulan atau lebih dan atau mereka yang berdomisili kurang dari 6 bulan tetapi bertujuan untuk menetap. Satuan hitungnya adalah orang/jiwa.
15. Tenaga Kerja
Penduduk berumur 15 tahun ke atas yang bekerja, yaitu melakukan kegiatan ekonomi dengan maksud memperoleh atau membantu memperoleh pendapatan atau keuntungan, paling sedikit satu jam (tidak terputus) dalam seminggu yang lalu, termasuk pula kegiatan pekerja tak dibayar yang
membantu dalam suatu usaha/kegiatan ekonomi. Satuan hitungnya adalah orang/jiwa.
16. Penduduk Miskin
Penduduk miskin adalah penduduk yang tidak bisa mencukupi kebutuhan dasarnya berupa kebutuhan pangan dan kebutuhan lainnya. Penduduk miskin menurut kriteria penelitian ini adalah jumlah penduduk yang berada di bawah garis kemiskinan (headcount ratio). Satuan hitungnya adalah persen.
17. Garis Kemiskinan
Nilai Rupiah yang harus dikeluarkan seseorang dalam memenuhi kebutuhan hidup minimumnya, baik kebutuhan hidup minimum makanan maupun kebutuhan hidup minimum bukan makanan. Satuan hitungnya adalah Rupiah.
