Pengaruh Infrastruktur terhadap Produk Domestik Regional Bruto per Kapita Kabupaten Tertinggal dan Non-Tertinggal di Indonesia

(1)

PENGARUH INFRASTRUKTUR TERHADAP PRODUK

DOMESTIK REGIONAL BRUTO PER KAPITA KABUPATEN

TERTINGGAL DAN NON-TERTINGGAL DI INDONESIA

DWI NUR VITASARI SUYANTO

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR BOGOR

(2)

(3)

PERNYATAAN

Dengan ini saya menyatakan bahwa skripsi berjudul Pengaruh Infrastruktur terhadap Produk Domestik Regional Bruto per Kapita Kabupaten Tertinggal dan Non-Tertinggal di Indonesia 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 disertasi ini.

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

Bogor, Mei 2013

Dwi Nur Vitasari Suyanto

(4)

ABSTRAK

DWI NUR VITASARI SUYANTO. Pengaruh Infrastruktur terhadap Produk Domestik Regional Bruto per Kapita Kabupaten Tertinggal dan Non-Tertinggal di Indonesia. Dibimbing oleh D. S. PRIYARSONO, PhD

Produk Domestik Bruto (PDB) per kapita merupakan salah satu tolak ukur tingkat kesejahteraan ekonomi penduduk suatu negara. Semakin besar PDB per kapita maka akan semakin makmur negara tersebut. Nampaknya pernyataan ini belum berlaku di Indonesia. Hal ini dapat dibuktikan dengan masih banyaknya jumlah daerah tertinggal di Indonesia. Masih banyaknya daerah tertinggal merupakan bukti masih terjadinya ketimpangan PDRB per kapita antarkabupaten yang salah satunya disebabkan oleh perbedaan ketersediaan infrastruktur. Penelitian ini menggunakan metode Data Panel pada 159 kabupaten di Indonesia tahun 2009-2011 dengan rincian 119 kabupaten non-tertinggal dan 40 kabupaten tertinggal. Variabel bebas yang digunakan yaitu jumlah sekolah (LNSCHOOL), akses rumah tangga terhadap listrik (LISTRIK), akses rumah tangga terhadap air bersih (AIR), rasio ranjang rumah sakit terhadap populasi (LNRS), dan panjang jalan menurut kondisi baik dan sedang (LNJLN). Sementara variabel terikat yang digunakan yaitu PDRB per kapita (LNPDRBK). Hasil penelitian ini menunjukkan ketersediaan sekolah, rumah sakit, dan jalan lebih besar pengaruhnya di kabupaten tertinggal, sementara ketersediaan listrik lebih besar pengaruhnya di kabupaten non-tertinggal.

Kata kunci: Data Panel, Infrastruktur, Kabupaten Non-Tertinggal, Kabupaten Tertinggal, PDRB per Kapita

ABSTRACT

DWI NUR VITASARI SUYANTO. Effect of Infrastructure to Regional Gross Domestic Product Per Capita of Disadvantaged and Non-Disadvantaged Districts in Indonesia. Supervised by D. S. PRIYARSONO, PhD

(5)

variable is Regional Gross Domestic Bruto per Capita (LNPDRBK). Result of this research shows that access for school, hospital, and road have higher influence for disadvantaged areas, while access for electricity influences significantly to non-disadvantaged areas.

(6)

ABSTRAK

DWI NUR VITASARI SUYANTO. Pengaruh Infrastruktur terhadap Produk Domestik Regional Bruto per Kapita Kabupaten Tertinggal dan Non-Tertinggal di Indonesia. Dibimbing oleh D. S. PRIYARSONO, PhD

Produk Domestik Bruto (PDB) per kapita merupakan salah satu tolak ukur tingkat kesejahteraan ekonomi penduduk suatu negara. Semakin besar PDB per kapita maka akan semakin makmur negara tersebut. Nampaknya pernyataan ini belum berlaku di Indonesia. Hal ini dapat dibuktikan dengan masih banyaknya jumlah daerah tertinggal di Indonesia. Masih banyaknya daerah tertinggal merupakan bukti masih terjadinya ketimpangan PDRB per kapita antarkabupaten yang salah satunya disebabkan oleh perbedaan ketersediaan infrastruktur. Penelitian ini menggunakan metode Data Panel pada 159 kabupaten di Indonesia tahun 2009-2011 dengan rincian 119 kabupaten non-tertinggal dan 40 kabupaten tertinggal. Variabel bebas yang digunakan yaitu jumlah sekolah (LNSCHOOL), akses rumah tangga terhadap listrik (LISTRIK), akses rumah tangga terhadap air bersih (AIR), rasio ranjang rumah sakit terhadap populasi (LNRS), dan panjang jalan menurut kondisi baik dan sedang (LNJLN). Sementara variabel terikat yang digunakan yaitu PDRB per kapita (LNPDRBK). Hasil penelitian ini menunjukkan ketersediaan sekolah, rumah sakit, dan jalan lebih besar pengaruhnya di kabupaten tertinggal, sementara ketersediaan listrik lebih besar pengaruhnya di kabupaten non-tertinggal.

(7)

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi

pada

Departemen Ilmu Ekonomi

PENGARUH INFRASTRUKTUR TERHADAP PRODUK

DOMESTIK REGIONAL BRUTO PER KAPITA KABUPATEN

TERTINGGAL DAN NON-TERTINGGAL DI INDONESIA

DWI NUR VITASARI SUYANTO

DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR BOGOR

(8)

(9)

Judul Skripsi : Pengaruh Infrastruktur terhadap Produk Domestik Regional Bruto per Kapita Kabupaten Tertinggal dan Non-Tertinggal di Indonesia Nama : Dwi Nur Vitasari Suyanto

NIM : H14090051

Disetujui oleh

D. S. Priyarsono, PhD

Diketahui oleh

Dr Dedi Budiman Hakim Ketua Departemen

(10)

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Judul yang dipilih dalam penelitian yang dilaksanakan sejak bulan Januari 2013 sampai dengan Mei 2013 ini ialah Pengaruh Infrastruktur terhadap Produk Domestik Regional Bruto per Kapita Kabupaten Tertinggal dan Non-Tertinggal di Indonesia.

Terima kasih penulis ucapkan kepada Bapak D. S. Priyarsono, PhD selaku pembimbing, serta pihak BPS Pusat yang telah menyediakan dan melayani penulis saat proses pengumpulan data. Kepada Nela, Perdana, Ola, Ochon, Kak Diyah, Mbak Nana dan Pak Undang yang telah banyak membantu selama proses pengumpulan data. Ungkapan terima kasih juga disampaikan kepada Papa tercinta Ir Suyanto, Mama tercinta Purwantinah, Kakak tercinta Diah Pamulasari Suyanto, serta Mas tersayang Deris Endang Sarifudin yang telah banyak memberi dukungan secara moril. Kepada teman-temang genggong yaitu Dini, Nida, Sela, Ria, Nikki, Dea, Nila, Rina, dan Amel, seluruh teman dan sahabat Departemen Ilmu Ekonomi 46, serta seluruh pihak yang telah menyemangati dan selalu mendoakan yang terbaik bagi penulis.

Semoga skripsi ini bermanfaat.

Bogor, Mei 2013

(11)

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vii

PENDAHULUAN 1

Latar Belakang 1

Perumusan Masalah 4

Tujuan Penelitian 4

Manfaat Penelitian 4

Ruang Lingkup Penelitian 4

Kerangka Pemikiran Konseptual 5

Hipotesis Penelitian 5

METODE PENELITIAN 6

Jenis dan Sumber Data 6

Metode Pengolahan dan Analisis Data 7

Perumusan Model Penelitian 7

HASIL DAN PEMBAHASAN 8

Perkembangan PDRB per Kapita di Indonesia 8

Perkembangan Ketersediaan Infrastruktur Kabupaten Tertinggal dan

Non-Tertinggal 9

Keterkaitan Infrastruktur dan PDRB per Kapita 13

SIMPULAN DAN SARAN 19

Simpulan 19

Saran 19

DAFTAR PUSTAKA 19

LAMPIRAN 22

(12)

DAFTAR TABEL

1 Data, sumber data, dan simbol 6

2 Hasil estimasi model pengaruh infrastruktur terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal dengan metode Fixed Effect Model dengan Cross Section Weighting dan White Cross Section 15 3 Hasil estimasi model pengaruh infrastruktur terhadap PDRB per kapita

kabupaten non-tertinggal dengan metode Fixed Effect Model dengan

Cross Section Weighting dan White Cross Section 16 4 Hasil estimasi model pengaruh infrastruktur terhadap PDRB per kapita

kabupaten tertinggal dengan metode Fixed Effect Model dengan Cross Section Weighting dan White Cross Section 17

DAFTAR GAMBAR

1 Produk Domestik Bruto per kapita (juta rupiah) atas dasar harga

konstan 2000 1

2 Rata-rata PDRB per kapita atas dasar harga konstan 2000 (juta rupiah) 2

3 Kerangka pemikiran konseptual 5

4 Hipotesis penelitian 6

5 Rata-rata PDRB per kapita atas dasar harga konstan 2000 kabupaten

tertinggal dan non-tertinggal tahun 2009-2011 9

6 Rata-rata rasio ranjang rumah sakit terhadap populasi di kabupaten

7 Rata-rata unit sekolah (SD, SMP, SMA/SMK) di kabupaten tertinggal

dan non-tertinggal tahun 2009-2011 10

8 Rata-rata akses rumah tangga terhadap listrik di kabupaten tertinggal

dan non-tertinggal 11

9 Rata-rata akses rumah tangga terhadap air bersih di kabupaten

10 Rata-rata jalan menurut kondisi baik dan sedang di kabupaten tertinggal

dan non-tertinggal tahun 2009-2011 13

11 Rata-rata pertumbuhan akses rumah tangga terhadap air bersih 18

(13)

DAFTAR LAMPIRAN

1 Hasil uji korelasi untuk pengujian asumsi klasik multikolinearitas di

kabupaten tertinggal 22

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

kabupaten tertinggal di Indonesia 22

3 Hasil pengujian dengan metode Fixed Effect dengan Cross Section Weighting dan White Cross Section untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten tertinggal di

Indonesia 23

4 Hasil pengujian dengan metode Random Effect untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten

tertinggal di Indonesia 24

5 Hasil pengujian Chow Test untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten tertinggal d

Indonesia 24

6 Hasil pengujian Hausman Test untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten tertinggal di

Indonesia 25

7 Hasil uji korelasi untuk pengujian asumsi klasik multikolinearitas di

kabupaten non-tertinggal 26

8 Hasil pengujian dengan metode PLS (Pooled Least Square) untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita

kabupaten non-tertinggal di Indonesia 26

9 Hasil pengujian dengan metode Fixed Effect dengan Cross Section Weighting dan White Cross Section untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten non-tertinggal

di Indonesia 27

10 Hasil pengujian dengan metode Random Effect untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten

non-tertinggal di Indonesia 28

11 Hasil pengujian Chow Test untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten non-tertinggal di

Indonesia 28

12 Hasil pengujian Hausman Test untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten non-tertinggal di

Indonesia 29

(14)

PENDAHULUAN

Latar Belakang

Setiap negara atau wilayah di berbagai belahan dunia melakukan kegiatan pembangunan ekonomi yang bertujuan untuk mencapai social welfare

(kesejahteraan sosial) serta menghapuskan kemiskinan di negara tersebut. Tidak hanya negara yang relatif sudah maju (negara berkembang) saja yang melakukan kegiatan pembangunan. Negara yang belum maju pun melakukan kegiatan pembangunan.

Berhasil atau tidaknya proses pembangunan yang dilakukan oleh suatu negara atau wilayah dapat dilihat dari perkembangan beberapa indikator perekonomian. Salah satu indikator yang dapat dilihat adalah PDB (Produk Domestik Bruto), sedangkan untuk daerah tertentu disebut Produk Domestik Regional Bruto (PDRB) . Selain PDRB, pendapatan per kapita juga merupakan salah satu konsep penting dalam perekonomian suatu negara. Menurut Todaro dan Smith (2006) , produk domestik bruto per kapita merupakan salah satu tolak ukur tingkat kesejahteraan ekonomi penduduk suatu negara.

Gambar 1 Produk Domestik Bruto per kapita (juta rupiah) atas dasar harga konstan 2000

Sumber : BPS, 2000-2012 (diolah)

Berdasarkan Gambar 1 terlihat bahwa PDB per kapita Indonesia selama kurun waktu 2000 sampai dengan 2012 selalu mengalami peningkatan. Semakin besar PDB per kapita maka akan semakin makmur negara tersebut. Nampaknya pernyataan ini belum berlaku di Indonesia. Meskipun PDB per kapita Indonesia dapat dikatakan cukup baik sayangnya tidak diikuti dengan pemerataannya di tingkat daerah. Karena adanya ketimpangan PDRB per kapita yang terjadi di tingkat daerah inilah kemudian muncul daerah tertinggal dan non-tertinggal

Konsep dan kriteria kabupaten tertinggal tertuang dalam Keputusan Menteri Negara Pembangunan Daerah Tertinggal Nomor. 001/KEP/M-PDT/I/2005. Dalam Keputusan Menteri tersebut daerah tertinggal adalah daerah kabupaten yang relatif kurang berkembang dibandingkan dengan daerah lain dalam skala nasional. Wilayah kabupaten digunakan sebagai unit terkecil daerah tertinggal dalam

0.00 5.00 10.00 15.00

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

(15)

2

strategi nasional sesuai dengan kewenangan otonomi daerah yang sepenuhnya diberikan kepada pemerintah kabupaten. Suatu daerah dikatakan sebagai daerah tertinggal karena beberapa faktor penyebab, antara lain yaitu secara geografis letaknya sulit dijangkau; tidak memiliki potensi sumber daya alam; masyarakatnya mempunyai tingkat pendidikan, pengetahuan, dan keterampilan yang relatif rendah; keterbatasan prasarana dan sarana; sering mengalami bencana alam dan konflik sosial yang mengganggu kegiatan pembangunan sosial dan ekonomi; serta menjadi korban kebijakan pembangunan yang tidak tepat.

Berdasarkan data dari Kementerian Pembangunan Daerah Tertinggal, sampai dengan tahun 2013 masih terdapat 183 kabupaten yang tergolong sebagai daerah tertinggal. Sebanyak 55 kabupaten tertinggal berada di wilayah KBI (Kawasan Barat Indonesia) , dan sebanyak 128 kabupaten berada di KTI (Kawasan Timur Indonesia) . Angka ini menunjukkan sedikit perbaikan pada capaian pengentasan kabupaten tertinggal. Berdasarkan data RPJMN (Rencana Pembangunan Jangka Menengah Nasional) 2005-2009, terdapat 199 kabupaten tertinggal di Indonesia yaitu 76 kabupaten tertinggal berada di KBI dan 123 kabupaten tertinggal berada di KTI.

Meskipun terjadi penurunan jumlah kabupaten tertinggal sebanyak 16 kabupaten dalam kurun waktu 2010 sampai dengan 2012, namun belum dapat dikatakan upaya pengentasan kabupaten tertinggal melalui langkah peningkatan pertumbuhan ekonomi telah berlangsung optimal. Hal ini dikarenakan masih banyaknya jumlah kabupaten tertinggal di Indonesia (183 kabupaten untuk tahun 2010 sampai dengan 2012) dan masih adanya ketimpangan rata-rata PDRB per kapita antara kabupaten tertinggal dan non-tertinggal.

Gambar 2 Rata-rata PDRB per kapita atas dasar harga konstan 2000 (juta rupiah) Sumber : BPS, 2012 (diolah)

Ketimpangan PDRB per kapita antarkabupaten di Indonesia salah satunya disebabkan oleh perbedaan ketersediaan infrastruktur. Kwik dalam Haris (2009) menyatakan bahwa infrastruktur merupakan roda penggerak pertumbuhan ekonomi. Pembangunan infrastruktur sangat penting dalam meningkatkan perekonomian masyarakat di suatu wilayah (Munnel 1992, Canning dan Pedroni 1999, Hashimzade dan Gareth 2010, Herrerias 2010, Prasetyo 2010 dan Vidyattama 2010) .

2009 2010 2011

Kab.Tertinggal 4.714 4.963 5.178

Kab. Non Tertinggal 7.489 7.822 8.127

(16)

3 Infrastruktur yang berperan penting dalam meningkatkan perekonomian masyarakat terbagi menjadi infrastruktur ekonomi dan sosial. Infrastruktur ekonomi terdiri dari prasarana transportasi, jaringan listrik, jaringan telekomunikasi, serta instalasi dan jaringan air minum. Infrastruktur sosial terdiri dari prasaran pendidikan dan kesehatan (Ramelan 1997) .

Pendidikan dan kesehatan merupakan tujuan pembangunan yang mendasar . Kesehatan merupakan inti dari kesejahteraan, dan pendidikan adalah hal pokok untuk menggapai kehidupan yang memuaskan dan berharga. Pendidikan memainkan peran utama dalam membentuk kemampuan sebuah negara berkembang untuk menyerap teknologi modern dan untuk mengembangkan kapasitas agar tercipta pertumbuhan serta pembangunan yang berkelanjutan. Kesehatan merupakan prasyarat bagi peningkatan produktivitas, sementara keberhasilan pendidikan juga bertumpu pada kesehatan yang baik (Todaro dan Smith 2006) .

Ketersediaan listrik dalam kehidupan menjadi kebutuhan yang tidak dapat dihindari. Rumah tangga dan industri membutuhkan listrik untuk melakukan berbagai aktivitas harian dan ekonomi. Konsumsi listrik baik oleh residensial maupun non-residensial (sektor perhotelan, industri, dan bisnis) memberikan pengaruh yang signifikan dalam menggerakkan pertumbuhan ekonomi suatu daerah dalam jangka panjang (Lorde et al. 2010) .

Ketersediaan air bersih merupakan hal yang tidak dapat diabaikan dalam perekonomian. Akses terhadap air bersih yang berkelanjutan menjadi salah satu target Millenium Development Goals 2015 (Todaro dan Smith 2006) . Pada sisi sosial, air bersih dapat berkaitan dengan kesejahteraan masyarakat yang dapat tercermin dari kesehatannya. Penduduk yang sehat mampu bekerja dengan baik dan menghasilkan pendapatan bagi kehidupannya. Daerah dengan akses air bersih yang minim memiliki kesempatan yang terbatas dalam melakukan salah satu upaya menjaga kesehatan masyarakatnya. Pada sisi ekonomi, air bersih dapat digunakan bagi berbagai industri untuk berproduksi.

Ketersediaan dan kualitas jalan yang memadai dapat menarik investor dan meciptakan lapangan pekerjaan serta meningkatkan konsumsi masyarakat. Akhirnya pendapatan daerah meningkat dan pengeluaran pemerintah untuk pembangunan daerah dapat meningkat pula.

(17)

4

Perumusan Masalah

Berdasarkan uraian pada bagian latar belakang, maka permasalahan pokok yang akan dibahas dalam penelitian ini adalah :

1. Bagaimana perkembangan PDRB per kapita dan ketersediaan infrastruktur di kabupaten tertinggal dan non-tertinggal?

2. Bagaimana keterkaitan antara ketersediaan infrastruktur dan PDRB per kapita kabupaten tertinggal dan non-tertinggal di Indonesia?

3. Bagaimana perbandingan besar pengaruh yang ditimbulkan masing-masing jenis infrastruktur terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal di Indonesia?

Tujuan Penelitian

Penelitian ini bertujuan untuk menganalisis perkembangan PDRB per kapita dan ketersediaan infrastruktur di kabupaten tertinggal dan non-tertinggal. Selain itu, penelitian ini juga bertujuan untuk menganalisis keterkaitan antara ketersediaan infrastruktur dan PDRB per kapita kabupaten tertinggal dan non-tertinggal serta melihat perbandingan besar pengaruh yang ditimbulkan masing-masing jenis infrastruktur terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal.

Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberikan informasi tambahan bagi pemerintah pusat dan daerah serta instansi terkait mengenai pentingnya ketersediaan infrastruktur yang tepat dalam upaya meningkatkan PDRB per kapita kabupaten tertinggal dan non-tertinggal. Selain itu, penelitian ini juga diharapkan dapat digunakan sebagai bahan pustaka dan referensi bagi pihak yang membutuhkan maupun sebagai rujukan bagi penelitian selanjutnya.

Ruang Lingkup Penelitian

(18)

5

Kerangka Pemikiran Konseptual

Gambar 3 Kerangka pemikiran konseptual

Hipotesis Penelitian

Hipotesis dalam penelitian ini digunakan untuk mengetahui keterkaitan dari variabel bebas dengan variabel terikat. Berdasarkan teori yang tertera pada bagian Pendahuluan, maka diambil beberapa hipotesis yang menduga bahwa :

1. Panjang jalan menurut kondisi baik dan sedang berppengaruh positif terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal,

2. Listrik berpengaruh positif terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal,

3. Air bepengaruh positif terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal,

4. Jumlah sekolah (SD, SMP, SMA/SMK negeri dan swasta) berpengaruh terhadap PDRB kabupaten tertinggal dan non-tertinggal,

5. Rasio ranjang rumah sakit terhadap populasi berpengaruh positif terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal.

Infrastruktur Sosial Infrastruktur Ekonomi

Tercapai PDRB per Kapita yang Optimal dan Mengurangi Kesenjangan PDRB per Kapita

Antarkabupaten Kabupaten

Tertinggal

INFRASTRUKTUR

(19)

6

Gambar 4 Hipotesis penelitian

METODE PENELITIAN

.

Jenis dan Sumber Data

Penelitian ini menggunakan data sekunder 40 kabupaten tertinggal dan 119 kabupaten non-tertinggal di Indonesia selama periode 2009 sampai dengan 2011 dalam bentuk data panel. Data sekunder tersebut diperoleh dari sumber Badan Pusat Statistik (BPS) dan Kementerian Pembangunan Daerah Tertinggal (KPDT) serta studi pustaka dilakukan terhadap jurnal, artikel-artikel di internet serta literatur-literatur yang berkaitan dengan fokus penelitian. Data sekunder yang digunakan akan dijelaskan pada Tabel 1.

Tabel 1 Data, sumber data, dan simbol

Data yang digunakan Sumber Simbol

Jumlah kabupaten tertinggal dan non-tertinggal di Indonesia

KPDT PDRB per kapita atas dasar harga konstan

2000 kabupaten tertinggal dan non-tertinggal di Indonesia

BPS LNPDRBKit

Panjang jalan menurut kondisi baik dan sedang (km)

BPS LNJLNit Akses rumah tangga terhadap listrik (%) BPS LISTit

Akses rumah tangga terhadap air (%) BPS AIRit Jumlah SD, SMP, dan SMA/SMK negeri dan

swasta (unit)

BPS LNSCHOOLit Rasio ranjang rumah Sakit terhadap populasi

(20)

7

Metode Pengolahan dan Analisis Data

Metode analisis yang digunakan dalam penelitian ini adalah metode deskriptif dan kuantitatif. Metode analisis deskriptif dalam penelitian ini digunakan untuk menggambarkan perkembangan PDRB per kapita kabupaten tertinggal dan non-tertinggal di Indonesia serta menggali lebih dalam mengenai keterkaitan ketersediaan infrastruktur terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal. Metode ini juga digunakan ketika menginterpretasikan hasil yang diperoleh dari analisis data kuantitatif sehingga dapat memberikan gambaran yang jelas mengenai pengaruh ketersediaan infrastruktur terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal di Indonesia. Metode kuantitatif yang digunakan dalam penelitian ini adalah metode data panel. Metode data panel ini dilakukan dengan menggunakan program komputer Eviews6 dan Microsoft Excel yang hasil outputnya nanti akan diinterpretasikan dengan menggunakan metode analisis deskriptif.

Sehubungan dengan digunakannya metode data panel dalam penelitian ini, maka data yang digunakan akan digunakan dengan menggunakan teknik estimasi data panel yaitu dengan metode Ordinary Least Square (OLS) menggunakan teknik Pooled Least Square Model, Fixed Effect Model, dan Random Effect Model.

Kemudian berdasarkan hasil dari ketiga model tersebut, akan ditentukan model mana yang lebih tepat untuk menjelaskan jenis infrastruktur yang dapat mempengaruhi PDRB per kapita dengan menggunakan uji kesesuaian model dengan Chow Test dan Haussman Test.

.

Perumusan Model Penelitian

Dalam penelitian ini, infrastruktur dipecah menjadi infrastruktur ekonomi dan sosial. Infrastruktur ekonomi yang digunakan dalam penelitian ini yaitu air, listrik, panjang jalan menurut kondisi baik dan sedang. Infrastruktur sosial yang digunakan dalam penelitian ini yaitu rasio ranjang rumah sakit terhadap populasi dan jumlah SD, SMP, dan SMA/SMK negeri dan swasta. Hubungan antara infrastruktur ekonomi dan sosial dengan PDRB per kapita akan digambarkan dalam persamaan model yang akan dibagi menjadi dua model sebagai berikut

Keterangan :

(1) Model 1 untuk kabupaten non-tertinggal (2) Model 2 untuk kabupaten tertinggal

PDRBKKNit Besaran nilai PDRB per kapita atas dasar harga konstan 2000 (rupiah) untuk kabupaten non-tertinggal

PDRBKKTit Besaran nilai PDRB per kapita atas dasar harga konstan 2000 (rupiah) untuk kabupaten tertinggal

LNPDRBKKNit = α0 + α1AIRit + α2LISTit + α3LNJLNit + α4LNRSit + α5LNSCHOOLit+ μit (1)

(21)

8

α0 Intercept

α1- α5 Parameter infrastruktur μit Error term

AIRit Akses rumah tangga terhadap air bersih (%)

LISTRit Akses rumah tangga terhadap listrik (%)

LNJLNit Logaritma natural dari jalan menurut kondisi baik dan sedang (km)

LNRSit Logaritma natural dari rasio ranjang rumah sakit terhadap populasi (unit/populasi)

LNSCHOOLit Logaritma natural dari jumlah SD, SMP, dan SMA/SMK negeri dan swasta (unit)

i Data cross section, yaitu 159 kabupaten

t Tahun penelitian, yaitu tahun 2009 sampai dengan tahun 2011

HASIL DAN PEMBAHASAN

Perkembangan PDRB per Kapita di Indonesia

(22)

9

Gambar 5 Rata-rata PDRB per kapita atas dasar harga konstan 2000 kabupaten tertinggal dan non-tertinggal tahun 2009-2011

Sumber : BPS, 2010-2012, (diolah)

Perkembangan Ketersediaan Infrastruktur di Kabupaten Tertinggal dan Non-Tertinggal

1. Pekembangan Rasio Ranjang Rumah Sakit terhadap Populasi Tingkat Kabupaten di Indonesia

Ranjang rumah sakit terhadap populasi menunjukkan kapasitas rumah sakit dalam menampung masyarakat yang membutuhkan pelayanan kesehatan. Makin tinggi nilai dari rasio ranjang rumah sakit terhadap populasi mengindikasikan makin tingginya kapasitas rumah sakit dalam menampung masyarakat. Kualitas pelayanan rumah sakit terhadap masyarakat akan makin baik dan akan menciptakan kualitas sumber daya manusia yang baik pula serta akan ikut meningkatkan produktivitas sumber daya manusia dalam melakukan kegiatan ekonomi.

2009 2010 2011

Kab.Tertinggal 4.714 4.963 5.178

(23)

10

Gambar 6 Rata-Rata rasio ranjang rumah sakit terhadap populasi di kabupaten tertinggal dan non-tertinggal tahun 2009-2011

Sumber : BPS, 2012 (diolah)

Berdasarkan Gambar 6 terlihat bahwa Rata-rata rasio ranjang rumah sakit terhadap populasi di kabupaten tertinggal dan non-tertinggal mengalami peningkatan sepanjang tahun. Selisih rata-rata rasio ranjang rumah sakit antara kabupaten non-tertinggal dan kabupaten tertinggal cenderung melebar atau divergen dengan rata-rata laju pertumbuhan sebesar 6.8 persen pada tahun 2010 dan 6.4 persen pada tahun 2011.

2. Perkembangan Jumlah SD, SMP, dan SMA/SMK Negeri dan Swasta di Tingkat Kabupaten di Indonesia

Sekolah (SD, SMP, dan SMA/SMK negeri dan swasta) merupakan salah satu sarana penyedia layanan pendidikan bagi masyarakat. Sekolah berperan penting dalam menciptakan manusia yang berkualitas dan berdaya saing. Seiring dengan meningkatnya kualitas dan daya saing manusia, kesejahteraan manusia pun akan meningkat serta mampu meningkatkan perekonomian daerah.

Gambar 7 Rata-rata unit sekolah (SD, SMP, SMA/SMK) di kabupaten tertinggal dan kabupaten non-tertinggal tahun 2009-2011

Kab Non Tertinggal 553 551 559

(24)

11 Berdasarkan Gambar 7 terlihat bahwa rata-rata unit sekolah di kabupaten tertinggal dan non-tertinggal mengalami peningkatan sepanjang tahun 2009 sampai dengan 2011. Selisih rata-rata jumlah unit sekolah antara kabupaten non-tertinggal dan kabupaten non-tertinggal sempat mengecil atau cenderung konvergen pada tahun 2010 namun kemudian melebar atau divergen pada tahun 2011 dengan rata-rata laju pertumbuhan sebesar 3.7 persen.

3. Perkembangan Akses Terhadap Listrik di Tingkat Kabupaten

Listrik merupakan sumber energi yang sangat vital dalam menunjang keberlangsungan kegiatan ekonomi terutama kegiatan ekonomi padat teknologi. Pada penelitian ini digunakan variabel persentase akses rumah tangga terhadap listrik yang bersumber dari PLN.

Gambar 8 Rata-rata akses rumah tangga terhadap listrik di kabupaten tertinggal dan non-tertinggal tahun 2009-2011

Sumber : SUSENAS, BPS, 2012 (diolah)

Berdasarkan Gambar 8 terlihat bahwa rata-rata persentase akses rumah tangga terhadap listrik PLN di kabupaten non-tertinggal mengalami peningkatan selama kurun waktu tiga tahun tersebut. Hal tersebut berbeda dengan yang terjadi di kabupaten tertinggal yang mengalami perkembangan yang fluktuatif. Selisih rata-rata akses rumah tangga terhadap listrik antara kabupaten non-tertinggal dan kabupaten tertinggal sempat mengecil atau cenderung konvergen pada tahun 2010 namun kemudian melebar atau divergen pada tahun 2011 dengan rata-rata laju pertumbuhan sebesar 13.64 persen.

Berdasarkan Gambar 8 juga dapat terlihat bahwa rata-rata rumah tangga yang mendapatkan akses listrik di kabupaten tertinggal adalah sebesar 70 persen dan sempat mengalami pertumbuhan yang negatif pada tahun 2011 dengan rata-rata pertumbuhan sebesar 3.26 persen. Sementara itu, untuk kabupaten non-tertinggal, rata-rata rumah tangga yang mendapatkan akses listrik adalah sebesar 94 persen dan terus mengalami peningkatan pada tahun 2009 sampai dengan 2011 dengan rata-rata pertumbuhan sebesar 1.02 persen. Secara keseluruhan dapat disimpulkan bahwa tingkat elektrifikasi baik di kabupaten tertinggal maupun non-tertinggal cukup baik. Data The World Bank tahun 2009 menunjukkan bahwa tingkat elektrifikasi dunia hanya sebesar 66.7 persen.

2009 2010 2011

Kab.Tertinggal 68 72 70

Kab Non Tertinggal 93 94 95

(25)

12

4. Perkembangan Akses terhadap Air Bersih di Tingkat Kabupaten

Air bersih merupakan salah satu kebutuhan pokok yang sangat vital dalam menunjang kelangsungan hidup manusia. Pemenuhan akan kebutuhan air bersih mampu meningkatkan kualitas hidup manusia yang kemudian akan berpengaruh terhadap produktivitas dan daya saing manusia dalam melakukan kegiatan ekonomi. Untuk melihat ketersediaan infrastruktur air ini, dalam penelitian ini digunakan variabel persentase akses rumah tangga terhadap air bersih yang bersumber dari air kemasan dan ledeng meteran PDAM.

Gambar 9 Rata-rata akses rumah tangga terhadap air bersih di kabupaten tertinggal dan non-tertinggal tahun 2009-2011

Berdasarkan Gambar 9 dapat terlihat bahwa rata-rata akses rumah tangga terhadap air bersih di kabupaten tertinggal dan non-tertinggal mengalami penurunan yang terus terjadi setiap tahun selama kurun waktu tiga tahun tersebut. Selisih rata-rata akses rumah tangga terhadap air bersih antara kabupaten non-tertinggal dan kabupaten non-tertinggal sempat mengecil atau cenderung konvergen pada tahun 2010 namun kemudian melebar atau divergen pada tahun 2011 dengan rata-rata laju pertumbuhan sebesar 25 persen.

Penyediaan air bersih merupakan salah satu sasaran utama dari program

Millenium Development Goals (MDGs). MDGs menargetkan pada tahun 2015 ketersediaan air bersih telah mencapai 50 persen dari total jumlah rumah tangga. Kabupaten tertinggal memiliki rata-rata pertumbuhan air bersih -9.46 persen. Apabila tingkat pertumbuhan ini dianggap konstan, maka pada tahun 2015 akses rumah tangga terhadap air bersih di kabupaten tertinggal akan mencapai nilai -37.84 persen. Sementara itu, kabupaten non-tertinggal memiliki rata-rata pertumbuhan air bersih sebesar -12.38 persen. Apabilai tingkat pertumbuhan ini dianggap konstan, maka pada tahun 2015 akses rumah tangga terhadap air bersih di kabupaten non-tertinggal akan mencapai nilai -49.52 persen. Berdasarkan nilai-nilai tersebut maka dapat disimpulkan bahwa secara umum akses rumah tangga terhadap air bersih baik di kabupaten tertinggal maupun non-tertinggal masih rendah.

2009 2010 2011

Kab. Tertinggal 15 12 8

Kab. Non Tertinggal 29 20 18

(26)

13

5. Perkembangan Jalan di Tingkat Kabupaten

Jalan dalam konteks pembangunan wilayah memiliki peranan yang cukup penting. Ketersediaan jalan dapat membentuk jaringan transportasi yang dapat menghubungkan seluruh kegiatan masyarakat di berbagai daerah sehingga dapat memberikan kesejahteraan pada rakyatnya. Dalam penelitian ini ketersediaan jalan ditunjukkan dengan nilai dari panjang jalan menurut kondisi baik dan sedang (km). Jalan menurut kondisi baik adalah jalan yang dapat dilalui oleh kendaraan dengan kecepatan 60 km/jam dan selama dua tahun mendatang tanpa pemeliharaan pada pengerasan jalan. Jalan menurut kondisi sedang adalah jalan yang dapat dilalui oleh kendaraan dengan kecepatan 40 sampai dengan 60 km/jam dan selama satu tahun mendatang tanpa rehabilitasi pada pengerasan jalan

Gambar 10 Rata- rata jalan menurut kondisi baik dan sedang di kabupaten tertinggal dan non-tertinggal tahun 2009-2011

Berdasarkan Gambar 10 dapat terlihat bahwa rata-rata jalan menurut kondisi baik dan sedang mengalami peningkatan yang terus terjadi setiap tahun selama kurun waktu tiga tahun tersebut untuk kabupaten tertinggal. Sementara itu, di kabupaten non-tertinggal justru mengalami perkembangan yang fluktuatif. Selisih rata-rata jalan antara kabupaten non-tertinggal dan kabupaten tertinggal terlihat makin mengecil dari tahun ke tahun.

Keterkaitan Infrastruktur dan PDRB per Kapita

Untuk mengetahui pengaruh ketersediaan infrastruktur terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal dengan analisis data panel, dilakukan melalui 3 tahap, yaitu Pooled Least Square, Fixed Effect Model, dan Random Effect Model. Melalui 3 tahap tersebut nantinya dapat diketahui besarnya pengaruh ketersediaan infrastruktur terhadap pertumbuhan ekonomi kabupaten tertinggal dan non-tertinggal.

Pada pengujian dengan menggunakan Uji Chow dan Uji Hausmann pada Lampiran, diperoleh bahwa Fixed Effect Model merupakan pendekatan analisis regresi data panel yang terbaik untuk menjelaskan pengaruh ketersediaan infrastruktur terhadap PDRB per kapitadi kabupaten tertinggal dan non-tertinggal.

2009 2010 2011

Kab.Tertinggal 513.042 529.755 549.459

(27)

14

Kemudian dilakukan pengujian asumsi klasik terhadap kedua model estimasi data panel Fixed Effect Model pada Lampiran agar dapat menghasilkan estimator yang memenuhi kriteria BLUE (Best, Linear, Unbiased Estimator). Pengujian asumsi klasik dilakukan dengan melakukan uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas pada kedua model yang digunakan dalam penelitian ini.

Uji multikolinearitas dilakukan dengan melihat nilai perhitungan koefisien korelasi antar variabel independen. Apabila nilai koefisien korelasinya lebih rendah dari 0.80 maka dapat disimpulkan bahwa tidak terjadi multikolinearitas. Hasil penghitungan nilai koefisien korelasi dengan menggunakan Eviews 6.0

dapat dilihat pada Lampiran 1 dan 7. Nilai koefisien korelasi antarvariabel bebas di kedua model semuanya kurang dari 0.80 maka dapat disimpulkan bahwa tidak terjadi multikolinearitas di kedua model.

Uji autokorelasi dilakukan dengan uji Durbin-Watson dengan hipotesis yaitu

H0 : tidak terdapat autokorelasi H1 : terdapat autokorelasi

Untuk model yang diterapkan di kabupaten non-tertinggal diperoleh nilai statistik Durbin-Watson sebesar 2.23 dan nilai tabel Durbin-Watson diperoleh dengan dL = 1.7176 dan dU = 1.8199. Sementara itu untuk model yang diterapkan di kabupaten tertinggal diperoleh nilai statistik Durbin Watson sebesar 2.33 dan nilai tabel Durbin-Watson diperoleh dengan dL = 1.6164 dan dU = 1.7896. Daerah non autokorelasi menurut Gujarati (2006) berada pada selang dU < d < 4-dU. Nilai statistik Durbin Watson model kabupaten tertinggal dan non-tertinggal berada pada selang daerah tidak ada keputusan. Hal ini mengakibatkan koefisien tetap tidak bias, tetap konsisten, namun memiliki standar error yang bias ke bawah atau lebih kecil dari nilai sebenarnya (Juanda 2009) .

Uji heteroskedastisitas dilakukan dengan memberi perlakuan cross section weighting dan coefficient of covariance white cross section sehingga pelanggaran asumsi heteroskedastisitas dapat diabaikan. Berdasarkan Tabel 2, maka dapat terlihat bahwa di kedua model memiliki nilai Sum squared residual Weighted Statics yang lebih kecil dibandingkan nilai Sum squared residual Unweighted Statistic dan nilai R-squared Weighted Statistic yang lebih besar dibandingkan nilai R-squared Unweighted Statistic. Maka dapat disimpulkan di kedua model sudah tidak mengandung masalah heteroskedastisitas.

(28)

15 Tabel 2 Hasil estimasi model pengaruh infrastruktur terhadap PDRB per kapita kabupaten tertinggal dan non-tertinggal dengan metode Fixed Effect Model dengan Cross Section Weighting dan White Cross Section

No. Variabel Terikat

Durbin-Watson 2.2321 2.3324

Prob > F-stat 0.0000** 0.0000**

Sum square resid (Weighted) 0.8318 0.1061

Sum square resid (Unweighted) 0.8505 0.1137

Keterangan : **signifikan pada taraf 5 persen; [ ] nilai koefisien; ( ) nilai t-statistik Untuk menguji validitas model pengaruh ketersediaan infrastruktur terhadap PDRB per kapita di kabupaten non-tertinggal dan tertinggal dilakukan serangkaian uji yaitu :

a. Uji F

Uji F dilakukan untuk melakukan uji hipotesis keofisien regresi secara bersamaan. Berdasarkan hasil estimasi pada kedua model, nilai probabilitas Fstatistics sebesar 0.0000 yang dapat disimpulkan bahwa pada kedua model tersebut paling tidak ada satu koefisien regresi yang signifikan secara statistik.

b. Koefisien Determinasi

(29)

16

1. Model Kabupaten Non-Tertinggal (Model 1)

Tabel 3 Hasil estimasi model pengaruh infrastruktur terhadap PDRB per kapita dengan metode Fixed Effect Model dengan Cross Section Weighting dan White Cross Section di kabupaten non-tertinggal No Variabel Bebas Kabupaten non-tertinggal

Koefisien t-statistik

1 C 14.981 86.281

2 Air -0.002** -11.060

3 Sekolah 0.073** 2.919

4 Jalan 0.021** 3.317

5 Rasio Ranjang Rumah Sakit terhadap Populasi

Keterangan : ** signifikan pada taraf 5 persen

Berdasarkan Tabel 3, terlihat bahwa variabel air (AIR) nyata negatif memengaruhi PDRB per kapita kabupaten non-tertinggal. Setiap kenaikan satu persen akses terhadap air bersih maka akan menurunkan PDRB per kapita kabupaten non-tertinggal sebesar 0.002 persen. Variabel sekolah (LNSCHOOL) nyata positif memengaruhi PDRB per kapita kabupaten non-tertinggal. Setiap kenaikan satu persen jumlah sekolah akan meningkatkan PDRB per kapita kabupaten non-tertinggal sebesar 0.073 persen. Variabel rasio ranjang rumah sakit terhadap populasi (LNRS) nyata positif mempengaruhi PDRB per kapita kabupaten non-tertinggal. Setiap kenaikan satu persen rasio ranjang rumah sakit terhadap populasi maka PDRB per kapita kabupaten non-tertinggal akan meningkat sebesar 0.047 persen.

(30)

17

2. Model Kabupaten Non-Tertinggal (Model 2)

Tabel 4 Hasil estimasi model pengaruh infrastruktur terhadap PDRB per kapita dengan metode Fixed Effect Model dengan Cross Section Weighting dan White Cross Section di kabupaten tertinggal

No Variabel Bebas Kabupaten tertinggal

Koefisien t-statistik

Keterangan : ** signifikan pada taraf 5 persen

Berdasarkan Tabel 4, terlihat bahwa variabel air (AIR) nyata negatif memengaruhi PDRB per kapita kabupaten tertinggal. Setiap kenaikan satu persen akses terhadap air bersih maka akan menurunkan PDRB per kapita kabupaten non-tertinggal sebesar 0.003 persen. Variabel sekolah (LNSCHOOL) nyata positif memengaruhi PDRB per kapita kabupaten tertinggal. Setiap kenaikan satu persen jumlah sekolah akan meningkatkan PDRB per kapita kabupaten non-tertinggal sebesar 0.134 persen. Variabel rasio ranjang rumah sakit terhadap populasi (LNRS) nyata positif mempengaruhi PDRB per kapita kabupaten non-tertinggal. Setiap kenaikan satu persen rasio ranjang rumah sakit terhadap populasi maka PDRB per kapita kabupaten non-tertinggal akan meningkat sebesar 0.057 persen.

Variabel listrik (LISTRIK) nyata positif memengaruhi PDRB per kapita kabupaten non-tertinggal. Setiap kenaikan satu persen akses rumah tangga terhadap listrik maka akan meningkatkan PDRB per kapita kabupaten non-tertinggal sebesar 0.002 persen. Variabel jalan menurut kondisi baik dan sedang (LNJALAN) nyata positif memengaruhi PDRB per kapita kabupaten non-tertinggal. Setiap kenaikan satu persen panjang jalan akan meningkatkan PDRB per kapita kabupaten non-tertinggal sebesar 0.046 persen.

(31)

18

non-tertinggal. Kedua model yang tergolong ke dalam Fixed Effect Model

ini memiliki variabel boneka (dummy variable) yang mengizinkan terjadinya perbedaan nilai parameter yang berbeda-beda baik lintas unit cross section

maupun time series. Nilai variabel dummy dari kedua model dapat dilihat pada Lampiran 13 dan 14.

Hubungan antara variabel air dengan PDRB per kapita yang menunjukkan arah hubungan yang negatif di kedua model sama dengan hasil penelitian yang dilakukan oleh Nugraheni (2012) . Pada Gambar 9 terlihat bahwa rata-rata akses rumah tangga terhadap air bersih yang menunjukkan ketersediaan infrastruktur air bersih di suatu wilayah, mengalami penurunan di tiap tahunnya. Selain itu, pertumbuhan populasi yang selalu meningkat di tiap tahunnya tidak dapat diimbangi dengan pertumbuhan ketersediaan air bersih yang justru makin menurun. Pada akhirnya kegiatan ekonomi manusia pun akan menjadi terganggu dan menurunkan PDRB per kapita.

Gambar 11 Rata-rata pertumbuhan akses rumah tangga terhadap air bersih Sumber : BPS, 2012 (diolah)

Gambar 12 Rata-rata pertumbuhan populasi Sumber : BPS, 2012 (diolah)

Faktor kualitas data mengenai variabel air yang diperoleh dari publikasi Sakernas BPS juga perlu diteliti lebih lanjut. Hal ini dikarenakan hasil survey sangat rentan untuk rentan mengalami sampling error yang nantinya dapat ikut mempengaruhi hasil olahan data.

2009 2010 2011

Kab.Tertinggal -6.25 -20 -33.33

Kab. Non Tertinggal 0 -31.03 -10

-35

(32)

19

SIMPULAN DAN SARAN

Simpulan

Berdasarkan hasil uraian pembahasan, maka dapat disimpulkan bahwa terdapat kesamaan jenis infrastruktur yang mempengaruhi PDRB per kapita baik di kabupaten tertinggal maupun kabupaten non-tertinggal. Infrastruktur yang mempengaruhi PDRB per kapita di kedua kabupaten yaitu sekolah, rasio ranjang rumah sakit terhadap populasi, listrik, air, dan jalan. Sekolah, rasio ranjang rumah sakit terhadap populasi, dan jalan lebih berpengaruh terhadap PDRB per kapita kabupaten tertinggal dibandingkan PDRB per kapita kabupaten non-tertinggal. Sementara itu, listrik lebih berpengaruh terhadap PDRB per kapita kabupaten non-tertinggal dibandingkan kabupaten non-tertinggal.

Saran

Berdasarkan hasil analisis dan kesimpulan, maka dapat dirumuskan beberapa rekomendasi yaitu: 1) Pemerintah Pusat dan Pemerintah Daerah serta instansi terkait adalah memperbanyak pembangunan infrastruktur sekolah, rumah sakit, dan jalan di kabupaten tertinggal serta instalasi jaringan listrik di kabupaten non-tertinggal, 2) Diperlukan perhatian lebih khusus pada pengaruh ketersediaan infrastruktur air bersih terhadap PDRB per kapita, 3) Pada penelitian selanjutnya dapat melengkapi jumlah kabupaten/kota tertinggal dan non-tertinggal yang digunakan dan menambahkan jenis infrastruktur yang lainnya agar dapat memperdalam analisis.

DAFTAR PUSTAKA

Baltagi BH. 2001. Econometrics Analysis of Data Panel Third Edition. Great Britain, Biddles Ltd.

(33)

20

Canning D dan Pedroni P. 1999. Infrastructure and Long Run Economic Growth.

World Bank and USAID CAER II Working Paper.

Firdaus M. 2011. Aplikasi Ekonometrika untuk Data Panel dan Time Series. Bogor (ID): IPB Press Bogor.

Ghosh S. 2011. Does Financial Outreach Engender Economic Growth? Evidence from Indian States. Journal of Indian Business Research 3(2):74-97.

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

Haris A. 2009. Pengaruh Penatagunaan Tanah Terhadap Keberhasilan Pembangunan Infrastruktur dan Ekonomi. Jurnal Ekonomi Pembangunan. Tersedia dari:http://www.bappenas.go.id/node/71/1195.

Hashimzade N dan Myles GD. 2010. Growth and Public Infrastructure.

Macroeconomic Dynamics 14(2):258-274.

Herrerias MJ. 2010. The Causal Relationship between Equipment Investment and Infrastructures on Economic Growth in China. Front. Econ. China 5(4):509-526.

Juanda B. 2009. Ekonometrika :Pemodelan dan Pendugaan. Bogor (ID): IPB Press Bogor.

Kementerian Pembangunan Daerah Tertinggal. 2013. Sistem Informasi Statistik Pembangunan Daerah Tertinggal [internet]. [diacu 1 Januari 2013. Tersedia dari:www.kpdt.bps.go.id.

(34)

21 Munnel AH. 1992. Policy Watch Infrastructure Investment and Economic Growth.

The Journal of Economic Perspective 6(4): 189-198.

Nugraheni D. 2012. Kinerja Keuangan Daerah, Infrastruktur, dan Kemiskinan : Analisis Kabupaten/Kota di Indonesia 2006-2009 [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Prasetyo RB. 2010. Dampak Pembangunan Infrastruktur dan Aglomerasi Industri terhadap Pertumbuhan Ekonomi Regional di Indonesia [tesis]. Bogor (ID): Institut Pertanian Bogor.

Ramelan R. 1997. Kemitraan Pemerintah-Swasta dalam Pembangunan Infrastruktur di Indonesia. Koperasi Jasa Profesi LPPN: Jakarta (ID).

Saidah N. 2011. Analisis Pengaruh Belanja Pemerintah Daerah Terhadap Pertumbuhan Ekonomi Kabupaten Tertinggal [skripsi]. Bogor (ID): Institut Pertanian Bogor.

Sari P. 2011. Analisis Pengaruh Program Pembangunan Infrastruktur Terhadap Penurunan Kemiskinan di Kabupaten Tertinggal [tesis]. Bogor (ID): Institut Pertanian Bogor.

Todaro MP dan Smith SC. 2006. Pembangunan Ekonomi. Edisi Kesembilan. Munandar H, penerjemah. Jakarta (ID): Erlangga.

(35)

22

Lampiran 1 Hasil uji korelasi untuk pengujian asumsi klasik multikolinearitas di kabupaten tertinggal mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten tertinggal di Indonesia

Dependent Variable: LNPDRBK

Total panel (balanced) observations: 120

Variable Coefficient Std. Error t-Statistic Prob.

LNRS 0.272136 0.065075 4.181886 0.0001

LNSCHOOL 0.074718 0.090527 0.825361 0.4109

LNTJ 0.256498 0.076400 3.357314 0.0011

AIR 0.005327 0.004747 1.122134 0.2642

LISTRIK 0.002415 0.002223 1.086619 0.2795

C 15.17734 0.497858 30.48527 0.0000

R-squared 0.219959 Mean dependent var 15.31456

Adjusted R-squared 0.185747 S.D. dependent var 0.465993

S.E. of regression 0.420494 Akaike info criterion 1.153932

Sum squared resid 20.15690 Schwarz criterion 1.293307

Log likelihood -63.23593 Hannan-Quinn criter. 1.210533

F-statistic 6.429245 Durbin-Watson stat 0.097453

(36)

23 Lampiran 3 Hasil pengujian dengan metode Fixed Effect dengan Cross Section Weighting dan White Cross Section untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten tertinggal di Indonesia

Method: Panel EGLS (Cross-section weights) Date: 05/17/13 Time: 21:13

Sample: 2009 2011 Periods included: 3 Cross-sections included: 40

Total panel (balanced) observations: 120 Linear estimation after one-step weighting matrix

White cross-section standard errors & covariance (d.f. corrected) WARNING: estimated coefficient covariance matrix is of reduced rank

LNRS 0.056926 0.006064 9.387009 0.0000

LNSCHOOL 0.133729 0.024614 5.432983 0.0000

LNTJ 0.046021 0.011175 4.118175 0.0001

AIR -0.003466 0.000226 -15.36717 0.0000

LISTRIK 0.001700 0.000287 5.926484 0.0000

C 14.61875 0.190192 76.86322 0.0000

Effects Specification

Cross-section fixed (dummy variables)

Weighted Statistics

S.E. of regression 0.037621 Sum squared resid 0.106150

Prob(F-statistic) 0.000000

Unweighted Statistics

(37)

24

Lampiran 4 Hasil pengujian dengan metode Random Effect untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten tertinggal di Indonesia

Method: Panel EGLS (Cross-section random effects) Date: 05/17/13 Time: 21:11

Sample: 2009 2011 Periods included: 3 Cross-sections included: 40

Swamy and Arora estimator of component variances

LNRS 0.052360 0.018810 2.783659 0.0063

LNSCHOOL 0.101364 0.073583 1.377543 0.1710

LNTJ 0.037624 0.017500 2.149900 0.0337

AIR -0.003532 0.000676 -5.222071 0.0000

LISTRIK 0.001937 0.000743 2.608747 0.0103

C 14.80620 0.470523 31.46752 0.0000

S.D. Rho

Cross-section random 0.432809 0.9921

Idiosyncratic random 0.038623 0.0079

Weighted Statistics

Sum squared resid 25.06541 Durbin-Watson stat 0.009247

Lampiran 5 Hasil pengujian Chow Test untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten tertinggal di Indonesia

Redundant Fixed Effects Tests Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 344.553376 (39,75) 0.0000

(38)

25 Lampiran 6 Hasil pengujian Hausman Test untuk mengestimasi keterkaitan

antara infrastruktur terhadap PDRB per kapita kabupaten tertinggal di Indonesia

Correlated Random Effects - Hausman Test Equation: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

(39)

26

Lampiran 7 Hasil uji korelasi untuk pengujian asumsi klasik multikolinearitas di kabupaten non-tertinggal mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten non-tertinggal di Indonesia

LISTRIK -0.011882 0.003245 -3.661461 0.0003

AIR 0.009409 0.001553 6.059636 0.0000

LNRS 0.179523 0.039151 4.585422 0.0000

LNSCHOOL -0.094219 0.050253 -1.874876 0.0616

LNTJ 0.128934 0.044909 2.871000 0.0043

C 17.66236 0.456573 38.68467 0.0000

S.E. of regression 0.479669 Akaike info criterion 1.385225

Sum squared resid 80.75903 Schwarz criterion 1.450397

Log likelihood -241.2626 Hannan-Quinn criter. 1.411146

(40)

27 Lampiran 9 Hasil pengujian dengan metode Fixed Effect dengan Cross Section Weighting dan White Cross Section untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten non-tertinggal di Indonesia

Method: Panel EGLS (Cross-section weights) Date: 05/17/13 Time: 22:03

Sample: 2009 2011 Periods included: 3

Cross-sections included: 119

Total panel (balanced) observations: 357 Linear estimation after one-step weighting matrix

White cross-section standard errors & covariance (d.f. corrected) WARNING: estimated coefficient covariance matrix is of reduced rank

LISTRIK 0.005617 0.001266 4.436265 0.0000

AIR -0.002017 0.000182 -11.06014 0.0000

LNRS 0.046865 0.012674 3.697801 0.0003

LNSCHOOL 0.072913 0.024977 2.919190 0.0039

LNTJ 0.020742 0.006253 3.317438 0.0011

C 14.98127 0.173634 86.28085 0.0000

Cross-section fixed (dummy variables)

Weighted Statistics

(41)

28

Lampiran 10 Hasil pengujian dengan metode Random Effect untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per Kapita kabupaten non-tertinggal di Indonesia

Method: Panel EGLS (Cross-section random effects) Date: 05/24/13 Time: 02:30

Sample: 2009 2011 Periods included: 3

Cross-sections included: 119

Swamy and Arora estimator of component variances

AIR -0.001772 0.000358 -4.945929 0.0000

LISTRIK 0.005481 0.001435 3.819502 0.0002

LNRS 0.069250 0.018177 3.809711 0.0002

LNSCHOOL -0.038241 0.033961 -1.126010 0.2609

LNTJ 0.018052 0.016454 1.097136 0.2733

C 15.83927 0.272609 58.10253 0.0000

S.D. Rho

Cross-section random 0.464727 0.9834

Idiosyncratic random 0.060315 0.0166

Weighted Statistics

Sum squared resid 112.0028 Durbin-Watson stat 0.016611

Lampiran 11 Hasil pengujian Chow Test untuk mengestimasi keterkaitan antara infrastruktur terhadap PDRB per kapita kabupaten non-tertinggal di Indonesia

Redundant Fixed Effects Tests Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 186.154170 (118,233) 0.0000

(42)

29 Lampiran 12 Hasil pengujian Hausman Test untuk mengestimasi keterkaitan

antara infrastruktur terhadap PDRB per kapita kabupaten non-tertinggal di Indonesia

Correlated Random Effects - Hausman Test Equation: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

(43)

30

Lampiran 13 Nilai variabel dummy untuk model kabupaten non-tertinggal No Kabupaten/Kota Nilai variabel dummy

1 Aceh Tengah 0.053021

2 Aceh Utara 0.206441

3 Kota Banda Aceh 0.759671

4 Kota Sabang 0.32584

5 Kota Langsa -0.046268

6 Kota Lhokseumawe 1.384328

7 Toba Samosir 0.425783

8 Labuhan Batu 0.177699

9 Asahan 0.158896

10 Simalungun -0.056155

11 Kota Sibolga 0.488996

12 Kota Tanjung Balai 0.481478

13 Kota Tebing Tinggi 0.196973

14 Kota Binjai 0.17783

15 Kota Bengkulu 0.069132

16 Cianjur -0.579823

17 Bandung -0.054519

18 Tasikmalaya -0.684755

19 Ciamis -0.383597

20 Kuningan -0.618474

21 Cirebon -0.592068

22 Majalengka -0.613592

23 Sumedang -0.274512

24 Indramayu 0.239748

25 Subang -0.332862

35 Kota Yogyakarta 0.751566

36 Cilacap 0.684735

37 Banyumas -0.910468

38 Purbalingga -0.815938

(44)

31 No Kabupaten/Kota Nilai variabel dummy

40 Kebumen -1.042455

41 Purworejo -0.497317

42 Wonosobo -0.974572

43 Magelang -0.656977

44 Boyolali -0.433316

45 Klaten -0.537546

46 Sukoharjo -0.150231

47 Wonogiri -0.800792

48 Karanganyar -0.01835

49 Sragen -0.684678

56 Temanggung -0.712485

57 Kendal -0.103844

58 Pekalongan -0.602311

59 Pemalang -0.935595

60 Tegal -0.991532

61 Brebes -0.809548

62 Kota Surakarta 0.385141

63 Kota Semarang 0.627942

64 Kota Pekalongan 0.189363

65 Kutai Kartanegara 2.023081

66 Berau 1.564885

67 Bulungan 0.554671

68 Penajam Paser Utara 0.847096

69 Kota Balikpapan 1.57299

70 Kota Samarinda 0.888734

71 Kota Tarakan 0.835811

72 Kuanntan Singingi 0.672997

73 Indragiri Hilir 0.725757

74 Pekan Baru 0.364962

75 Ogan Komering Ulu 0.349567

76 Muara Enim 0.610091

77 Kota Lubuk Linggau -0.037296

78 Trenggalek -0.425371

79 Tulungagung 0.130107

(45)

32

No Kabupaten/Kota Nilai variabel dummy

81 Mojokerto 0.101664

82 Nganjuk -0.263344

83 Bojonegoro -0.063114

84 Lamongan -0.213128

85 Gresik 0.800159

86 Kota Blitar 0.13001

87 Kota Probolinggo 0.400977

88 Kota Pasuruan 0.030904

89 Kota Mojokerto 0.494691

90 Kota Madiun 0.702111

91 Pontianak -0.175944

92 Kota Pontianak 0.568498

93 Kota Singkawang 0.055312

94 Tabalong 0.790021

95 Jembrana 0.036749

96 Tabanan -0.085243

97 Badung 0.596603

98 Gianyar 0.139001

99 Klungkung 0.274379

100 Bangli -0.168344

101 Karangasem -0.269253

102 Buleleng -0.170019

103 Kota Denpasar 0.140629

104 Bulukumba -0.388897

105 Bantaeng 0.25969

111 Sidenreng Rappang -0.136055

112 Pinrang 0.110326

113 Luwu -0.124475

114 Tana Toraja -0.632893

115 Luwu Utara -0.129013

116 Kota Makassar 0.552678

117 Kota Pare-Pare -0.050739

118 Kota Palopo 0.093078

119 Jayapura 0.276222

Nilai Dummy Tertinggi 2.023081

(46)

33 Rata-Rata Nilai Dummy -6.7227x10-8

Maka persamaan untuk model kabupaten non-tertinggal yaitu :

(-6.7227x10-8) + 14.981 -0.002 AIR + 0.073 LNSCHOOL + 0.021 LNJLN + 0.047

(47)

34

Lampiran 14 Nilai variabel dummy untuk model kabupaten tertinggal No Kabupaten/Kota Nilai variabel dummy

1 Simeulue -0.275767

2 Aceh Selatan 0.309443

3 Aceh Besar 0.465625

4 Gayo Lues 0.304228

5 Bengkulu Selatan -0.07337

6 Rejang Lebong 0.491662

13 Bondowoso -0.196434

14 Bangkalan -0.289175

15 Sampang -0.373356

16 Pamekasan -0.573559

17 Bengkayang 0.128539

18 Landak 0.071235

28 Kepulauan Selayar -0.065979

29 Jeneponto -0.567033

30 Pangkajene 0.547955

31 Majene -0.050398

32 Polewali Mandar -0.27555

33 Halmahera Tengah 0.352701

(48)

35 No Kabupaten/Kota Nilai variabel dummy

40 Flores Timur -0.476751

Nilai Dummy Tertinggi 1.044628

Nilai Dummy Terendah -1.167451

Rata-Rata Nilai Dummy -5x10-8

Maka persamaan untuk model kabupaten tertinggal yaitu :

(-5x10-8) + 14.619 -0.003 AIR + 0.134 LNSCHOOL + 0.046 LNJLN + 0.057 LNRS

(49)

36

RIWAYAT HIDUP

Penulis lahir di Banyumas, Jawa Tengah pada tanggal 19 Mei 1991 dari pasangan Ir Soeyanto dan Purwantinah. Penulis merupakan anak kedua dari dua bersaudara. Pada tahun 2009, penulis lulus dari SMAN 1 Purwokerto dan pada tahun yang sama lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur undangan seleksi masuk IPB (USMI). Penulis diterima sebagai mahasiswa di Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen IPB.