BAB IV HASIL DAN PEMBAHASAN. objek yang diteliti, terdiri dari nilai rata-rata (mean), nilai terendah (minimum), nilai

(1)

BAB IV

HASIL DAN PEMBAHASAN

A. Deskripsi Data

Statistik deskriptif adalah alat untuk menjelaskan atau mendeskripsikan suatu objek yang diteliti, terdiri dari nilai rata-rata (mean), nilai terendah (minimum), nilai tertinggi (maximum) dan nilai standar deviasi sebagai indikator yang menjelaskan penyebaran data pada penelitian ini. Terdapat beberapa variabel yang dipakai dalam penelitian ini antara lain yaitu variabel Indeks Kualitas Lingkungan Hidup (IKLH) sebagai variabel dependen dan variabel Pertumbuhan Ekonomi (PDRB) dan Kepadatan Penduduk (KP) sebagai variabel independen.

1. Indeks Kualitas Lingkungan Hidup (IKLH)

Indeks kualitas lingkungan hidup adalah tolak ukur pemerintah dalam menentukan kebijakan selanjutnya tentang ketahanan lingkungan untuk mengurangi kerusakan lingkungan yang terjadi di Indonesia. Lalu untuk masyarakat ialah sebagai pengetahuan mengenai baik buruknya lingkungan yang ditempatinya. Tabel 4.1 menunjukan hasil analisis statistik deskriptif dari IKLH di 33 provinsi di Indonesia pada tahun 2010-2016.

Pada Tabel 4.1 di bawah ini dapat dilihat bahwa nilai terendah dari variabel indeks kualitas lingkungan hidup yaitu sebesar 31.96 dimiliki oleh Provinsi Jakarta pada tahun 2013, sedangkan nilai tertinggi sebesar 99.65 dimiliki oleh Provinsi Bali pada tahun 2010. Lalu nilai standar deviasi indeks

(2)

kualitas lingkungan hidup yang didapat sebesar 12.14 dan nilai rata-rata sebesar 66.87.

Tabel 4.1

Hasil Analisis Statistik Deskriptif Indeks Kualitas Lingkungan Hidup Statistik Deskriptif Indeks Kualitas Lingkungan Hidup

Rata-rata (Mean) 66.87

Nilai tengah (Median) 67.57

Simpangan Baku (Std. Deviation) 12.14

Terendah (Minimum) 31.96

Tertinggi (Maximum) 99.65

Observasi (Observation) 231

Sumber: Hasil Pengolahan Data Eviews 9 ( Lampiran 6) 2. Pertumbuhan Ekonomi (PDRB)

Pertumbuhan ekonomi yang di lihat melalui Produk Domestik Bruto menjadi indikator perkembangan ekonomi suatu negara. Naik atau turun merupakan perkembangan yang terjadi pada perekonomian, apabila PDRB meningkat dapat diartikan bahwa perkembangan perekonomian di suatu daerah mengalami peningkatan ke arah yang lebih baik, begitu sebaliknya. Tabel 4.2 menunjukan hasil analisis statistik deskriptif dari PDRB di 33 provinsi di Indonesia pada tahun 2010-2016.

Pada Tabel 4.2 di bawah ini dapat dilihat bahwa nilai terendah dari variabel produk domestik regional bruto yaitu sebesar 14.983,9 miliyar rupiah dimiliki oleh Provinsi Maluku Utara pada tahun 2010, sedangkan nilai tertinggi sebesar 1.539.377 miliyar rupiah dimiliki oleh Provinsi Jakarta pada tahun

(3)

2016. Lalu nilai standar deviasi indeks kualitas lingkungan hidup yang didapat sebesar 341.493,9 miliyar rupiah dan nilai rata-rata sebesar 246.785,2 miliyar rupiah.

Tabel 4.2

Hasil Analisis Statistik Deskriptif Produk Regional Domestik Bruto Statistik Deskriptif Produk Domestik Bruto (Miliyar Rupiah)

Rata-rata (Mean) 246.785,2

Nilai tengah (Median) 106.779,4

Simpangan Baku (Std. Deviation) 341.493,9

Terendah (Minimum) 14.983,9

Tertinggi (Maximum) 1.539.377

Sumber: Hasil Pengolahan Data Eviews 9 ( Lampiran 6) 3. Kepadatan Penduduk

Kepadatan penduduk adalah jumlah total penduduk suatu wilayah dibagi dengan luas wilayah daerah tersebut. Tabel 4.3 menunjukan hasil analisis statistik deskriptif dari kepadatan penduduk.

Pada Tabel 4.3 di bawah ini dapat dilihat bahwa nilai terendah dari variabel kepadatan penduduk yaitu sebesar 6,5 orang per km² dimiliki oleh Provinsi Papua Barat pada tahun 2011, sedangkan nilai tertinggi sebesar 15367 orang per km² dimiliki oleh Provinsi Jakarta pada tahun 2016. Lalu nilai standar deviasi kepadatan penduduk yang didapat sebesar 2559,3 orang per km²dan nilai rata-rata sebesar 714,6 orang per km².

(4)

Tabel 4.3

Hasil Analisis Statistik Deskriptif Produk Domestik Bruto Statistik Deskriptif Kepadatan Penduduk (per KM²)

Rata-rata (Mean) 714,6

Nilai tengah (Median) 94

Simpangan Baku (Std. Deviation) 2559,3

Terendah (Minimum) 6,5

Tertinggi (Maximum) 15367

Sumber: Hasil Pengolahan Data Eviews 9 ( Lampiran 6) B. Analisis Data

1. Estimasi Korelasi

Pada penelitian ini digunakan korelasi untuk mengetahui seberapa kuat hubungan antar variabel-variabel yang diamati. Kuatnya hubungan antar variabel dapat dilihat dari nilai koefisien korelasi yang didapatkan, lalu untuk dapat digunakan sebagai penjelas hubungan antar variabel tersebut maka dilihat melalui nilai probabilitas yang didapat. Adapun hasil yang didapat sebagai berikut:

Tabel 4.4

Hasil Estimasi Korelasi terhadap IKLH

Variabel Koefisien Probabilitas

PDRB -0.554 0.0000

KP -0.473 0.0000

Sumber: Hasil Pengolahan Data SPSS 23 (Lampiran 7)

Pada Tabel 4.4 dapat dilihat bahwa nilai dari koefisien variabel yang diuji adalah – (negatif) ini menunjukkan bahwa pada saat PDRB dan KP (Kepadatan

(5)

Penduduk) meningkat maka akan menyebabkan IKLH menurun begitu sebaliknya pada saat IKLH meningkat maka PDRB dan KP akan mengalami penurunan. Selanjutnya, dengan nilai koefisien PDRB sebesar -0.554 menunjukkan bahwa PDRB dan IKLH memiliki hubungan dengan kategori sedang, begitupula dengan KP yang memiliki nilai koefisien sebesar -0.473 masuk dalam kategori hubungan yang sedang dengan IKLH. Lalu, kedua variabel memiliki probabilitas yang signifikan sebesar 0.0000 berarti bahwa H0

diterima atau terdapat hubungan, dapat juga diartikan bahwa angka korelasi yang didapatkan dapat menjelaskan hubungan antar variabel tersebut.

2. Estimasi Model Data Panel

Dalam penelitian ini menggunakan regresi data panel untuk melihat model mana yang terbaik dari tiga pendekatan, yaitu Model Common Effect (CEM), Model Fixed Effect (FEM), dan Model Random Effect (REM).

Penjelasan selengkapnya dapat dilihat sebagai berikut:

a. Model Common Effect (CEM)

Model ini merupakan pendekatan paling sederhana yang tidak melihat dimensi individu (cross section) maupun antar waktu (time series). Model common effect ini hanya mengkombinasikan antara data cross section dan data time series dalam bentuk pool. Penjelasan hasil estimasi model common effect adalah sebagai berikut:

(6)

Tabel 4.5

Hasil Estimasi Model Common Effect (CEM)

C 119.9653 0.0000

lnPDRB? -4.454518 0.0000

KP? -0.001368 0.0000

R-squared 0.374196

Adjusted R-squared 0.368706

Sumber : Hasil Pengolahan Data Eviews 9 ( Lampiran 8)

Hasil regresi dari model common effect menunjukkan bahwa variabel Produk Domestik Regional Bruto (PDRB) dan Kepadatan Penduduk (KP) berpengaruh signifikan terhadap Indeks Kualitas Lingkungan Hidup (IKLH). Sedangkan, nilai Adjusted R-Squared sebesar 36,87% artinya, variabel bebas dapat menjelaskan variabel terikat yaitu sebesar 36,78%

dan sisanya yaitu sebesar 63,22% dijelaskan variabel lain diluar model.

b. Model Fixed Effect (FEM)

Model Fixed Effect menjelaskan bahwa terdapat efek perbedaan antar individu. Perbedaan antar individu tersebut dapat diketahui menggunakan teknik variabel dummy. Penjelasan hasil estimasi model fixed effect adalah sebagai berikut:

Tabel 4.6

Hasil Estimasi Model Fixed Effects

C 235.1151 0.0000

lnPDRB? -14.80981 0.0009

KP? 0.007023 0.4787

R-squared 0.672860

(7)

Hasil regresi dari model fixed effect menunjukkan bahwa variabel Produk Domestik Regional Bruto (PDRB) berpengaruh signifikan terhadap Indeks Kualitas Lingkungan Hidup (IKLH). Sedangkan, variabel Kepadatan Penduduk (KP) tidak berpengaruh signifikan. Nilai Adjusted R- Squared sebesar 61,61% artinya, variabel bebas dapat menjelaskan variabel terikat yaitu sebesar 61,61% dan sisanya yaitu sebesar 38,39%

dijelaskan variabel lain diluar model.

c. Model Random Effect (REM)

Model random effect merupakan model yang dapat menjelaskan efek spesifik dari masing - masing individu yang digunakan sebagai bagian dari komponen error yang bersifat acak dan tidak berkorelasi dengan variabel bebas. Penjelasan hasil estimasi model fixed effect adalah sebagai berikut:

Tabel 4.7

Hasil Estimasi Model Random Effects

C 126.0416 0.0000

lnPDRB? -4.980457 0.0000

KP? -0.001261 0.0148

R-squared 0.159443

Hasil regresi dari model common effect menunjukkan bahwa variabel Produk Domestik Regional Bruto (PDRB) dan Kepadatan Penduduk (KP) berpengaruh signifikan terhadap Indeks Kualitas Lingkungan Hidup (IKLH). Sedangkan, nilai Adjusted R-Squared sebesar 15,94% artinya,

(8)

variabel bebas dapat menjelaskan variabel terikat yaitu sebesar 15,94%

dan sisanya yaitu sebesar 84,06% dijelaskan variabel lain diluar model.

3. Pemilihan Estimasi Data Panel

Untuk melihat model mana yang terbaik diantara model Common Effect (CEM), model Fixed Effect (FEM), dan model Random Effect (REM). Dalam menguji ketiga model tersebut dapat dilakukan dengan beberapa metode sebagai berikut:

a. Uji Chow

Uji Chow merupakan suatu metode untuk menguji model terbaik antara model Common Effect (CEM) dan model Fixed Effect (FEM).

Dalam uji Chow dapat dilihat asumsi sebagai berikut:

1) H0 diterima jika, F-statistik < F-tabeldan nilai probabilitas (ρ- value) > 0,05

2) H0 diterima jika, F-statistik > F-tabeldan nilai probabilitas (ρ- value) < 0,05

Hasil dari uji Chow dapat dilihat pada tabel 4.8 berikut ini:

Tabel 4.8 Hasil Uji Chow

Effects Test Statistic d.f Prob.

Cross-section F 5.591833 (30.196) 0.0000 Cross-section Chi-square 149.837643 32 0.0000 Sumber : Hasil Pengolahan Data Eviews 9 ( Lampiran 9)

Dari tabel 4.8 menunjukkan bahwa nilai probabilitas cross section F sebesar 0,0000 atau lebih kecil dari 0,05. Hal tersebut menunjukkan bahwa menolak H₀dan menerima H₁yang artinya model Fixed Effect

(9)

(FEM) lebih baik dibandingkan model Common Effect (CEM) dalam estimasi pada penelitian ini.

b. Uji Hausman

Uji Hausman merupakan pengujian untuk menentukan model mana yang lebih baik antara model Fixed Effect (FEM) dan model Random Effect (REM). Dalam uji Hausman, dapat dilihat asumsi sebagai berikut:

1) H0 diterima jika, nilai statistik Hausman < nilai chi-square dan nilai probabilitas (ρ-value) > 0,05

2) H1 ditolak jika, nilai statistik Hausman > chi-square dan nilai probabilitas (ρ-value) < 0,05

Tabel 4.9 Hasil Uji Hausman

Test Summary Chi- Sq

Statistic

Chi-Sq.

d.f

Prob Cross-section random 5.377823 2 0.0680 Sumber : Hasil Pengolahan Data Eviews 9 ( Lampiran 9)

Berdasarkan tabel 4.9 uji Hausman menunjukkan nilai probabilitas cross-section random sebesar 0,0680 atau lebih besar dari 0,05. Hasil tersebut menunjukkan bahwa model Random Effect (REM) menjadi model yang paling tepat untuk mengestimasi dalam penelitian ini.

c. Uji Lagrange Multiplier (LM)

Pemilihan antara pendekatan random effect model dan common effect model (pooled least square) dengan menggunakan uji Lagrange Multiplier (LM). Distribusi chi square dengan degree of freedom (df) sebagai dasar pada uji LM. Pada uji ini terdapat hipotesis yaitu:

(10)

1) H0 diterima jika, nilai probabilitas Breusch-Pagan (ρ-value) >

0,05

2) H1 ditolak jika, nilai probabilitas Breusch-Pagan (ρ-value) < 0,05 Tabel 4.10

Hasil Uji Lagrange Multiplier

Test Hypothesis Cross-section Prob

Breusch-Pagan 96.06440 0.0000

Berdasarkan tabel 4.10 uji Lagrange Multiplier (LM) menunjukkan nilai probabilitas Breusch-Pagan sebesar 0,0000 atau lebih kecil dari 0,05.

Hasil tersebut menunjukkan bahwa model Random Effect (REM) menjadi model yang paling tepat untuk mengestimasi dalam penelitian ini.

4. Uji Hipotesis

a. Uji Parsial (Uji t)

Hasil uji t digunakan untuk menguji pengaruh secara spasial antara variabel bebas yaitu kepadatan penduduk dan Produk Domestik Regional Bruto (PDRB) terhadap Indek Kualitas Lingkungan Hidup (IKLH). Hasil uji t pada penelitian ini adalah sebagai berikut:

Tabel 4.11 Hasil Uji t-statistik

Variable t-Statistic Probabilitas

C 126.0416 0.0000

lnPDRB? -4.980457 0.0000

KP? -2.456560 0.0148

Hasil pengujian untuk masing-masing hipotesis dalam penelitian ini adalah sebagai berikut:

(11)

1) Variabel Produk Domestik Regional Bruto (PDRB) memiliki nilai t- hitung (4,980457) > ttabel (1,660), berarti variabel bebas secara individu memiliki pengaruh secara signifikan terhadap variabel terikat.

2) Variabel Kepadatan Penduduk (KP) memiliki nilai t-statistik (2,456560) > t_tabel (1,660), berarti variabel bebas secara individu memiliki berpengaruh secara signifikan terhadap variabel terikat.

b. Uji koefisien Simultan (Uji F)

Uji F digunakan untuk melihat apakah variabel bebas yaitu Produk Regional Domestik Bruto (PDRB) dan Kepadatan Penduduk (KP) secara bersama-sama memiliki pengaruh signifikan terhadap variabel Indeks Kualitas Lingkungan Hidup (IKLH). Hasil Uji koefisien simultan dapat dilihat sebagai berikut:

Tabel 4.12

Uji F (Uji Koefisien Simultan)

F-statistik 21.62436

Prob (F-statistik) 0.000000

Tabel 4.12 menunjukkan nilai prob. F-Statistik adalah 0,0000. Yang menunjukkan bahwa pada taraf 0,05 nilai prob. F-Statistik lebih kecil dari 0,05 sehingga dapat disimpulkan bahwa variabel Produk Domestik Regional Bruto (PDRB) dan Kepadatan Penduduk (KP) secara keseluruhan mempengaruhi Indeks Kualitas Lingkungan Hidup (IKLH).

(12)

c. Uji Koefisien Determinasi (R²)

Koefisien determinasi (R²) digunakan untuk mengukur seberapa besar variabel Produk Domestik Regional Bruto (PDRB) dan Kepadatan Penduduk (KP) dapat menjelaskan Indeks Kualitas Lingkungan Hidup (IKLH). Tabel 4.13 menunjukkan hasil uji koefisien determinasi sebagai berikut:

Tabel 4.13 Uji Koefisien Determinasi

R-squared 0.159443

Sumber: Hasil Pengolahan Data Eviews 9 ( Lampiran 8)

Tabel 4.13 menunjukkan nilai Adjusted R-squread adalah 0,152070.

Yang menunjukkan bahwa variabel bebas yaitu Produk Domestik Regional Bruto (PDRB) dan Kepadatan Penduduk (KP) dapat menjelaskan Indeks Kualitas Lingkungan Hidup (IKLH) sebesar 15,21%.

Sementara itu sisanya yaitu sebesar 84,79% dijelaskan oleh faktor lain yang tidak dimasukkan pada model.

C. Interpretasi Data dan Pembahasan

Metode panel data mendapatkan hasil estimasi regresi Random Effect Model (REM) yang diolah menggunakan software Eviews 9 dapat dilihat pada tabel 4.14.

Persamaan yang dihasilkan oleh model regresi random effect metode panel data adalah sebagai berikut:

(13)

IKLHit = β1 + β2 lnPDRB + β3 KP + ε it

IKLH = 126.0416 - 4.980457 lnPDRB - 0.001261 KP

Keterangan:

IKLH = Indeks Kualitas Lingkungan Hidup

lnPDRB = Log Produk Domestik Regional Bruto

KP = Kepadatan Penduduk

Tabel 4.14

Hasil Estimasi Model Random Effects

C 126.0416 0.0000

PDRB? -4.980457 0.0000

KP? -0.001261 0.0148

R-squared 0.159443

Interpretasi dari hasil uji regresi Random Effect Model (REM) dengan menggunakan metode panel data menunjukkan bahwa nilai koefisien regresi parsial konstanta sebesar 126.0416 dan nilai t-statistik sebesar 9.898173 di mana nilai tabel 1,653 artinya bahwa nilai t-statistik lebih besar daripada nilai t-tabel (9.898173 >

1,653 ). Koefisien konstanta signifikan secara statistik dengan niali probabilitas sebesar 0.0000. Pertumbuhan ekonomi secara statistik penting dan berpengaruh terhadap kualitas lingkungan hidup.

(14)

Hal tersebut berarti jika tingkat pertumbuhan ekonomi dan tingkat kepadatan penduduk di 33 Provinsi Indonesia konstan atau diasumsikan tetap, maka kualitas lingkungan hidup akan mencapai angka konstantanya, artinya jika tingkat pertumbuhan ekonomi dan tingkat kepadatan penduduk konstan, maka kualitas lingkungan hidup tetap sebesar 126.0416. Jika dilihat secara variabel maka dapat dijelaskan sebagai berikut:

1. Pengaruh Pertumbuhan Ekonomi (PDRB) terhadap Kualitas Lingkungan Hidup (IKLH)

Penelitian ini mendapatkan hasil analisis data yang menunjukkan bahwa secara parsial tingkat pertumbuhan ekonomi yang diwakili oleh produk domestik regional bruto (PDRB) berpengaruh secara signifikan terhadap kualitas lingkungan hidup dengan arah yang negatif dan nilai probabilitas sebesar 0,0000 < 0,05. Hasil penelitian ini memberikan gambaran bahwa ketika pertumbuhan ekonomi di 33 Provinsi Indonesia mengalami kenaikan satu persen maka kualitas lingkungan hidup akan menurun sebesar 4.9804 persen dengan asumsi bahwa variabel bebas yang lainnya tetap atau konstan, begitupun sebaliknya.

Sesuai dengan hipotesis yang disusun dan hasil penelitian terdahulu, hasil penelitian ini menunjukkan bahwa angka pertumbuhan ekonomi memiliki hubungan yang negatif terhadap kualitas lingkungan hidup pada 33 Provinsi di Indonesia tahun 2010-2016. Hal ini berarti dengan meningkatnya pertumbuhan ekonomi maka akan menurunkan kualitas lingkungan yang ada

(15)

pada 33 Provinsi di Indonesia tahun 2010-2016. Hasil penelitian konsisten dengan hasil penelitian yang dilakukan oleh Damayanti dan Chamid (2016) dengan menggunakan pendekatan Geographically Weighted Regression (GWR) menjelaskan bahwa persebaran PDRB mempunyai pola hubungan yang negatif dengan kualitas lingkungan, di mana semakin rendah kualitas lingkungan di suatu provinsi, PDRB akan semakin tinggi. Hal ini dikarenakan berbagai kegiatan yang menunjang perekonomian, seperti kegiatan industri, mobilitas penduduk yang menghasilkan polusi dari kendaraan bermotor, limbah dari pabrik maupun rumah tangga, telah berhasil meningkatkan PDRB, namun disisi lain kurang terjaganya aspek lingkungan mengakibatkan kualitas lingkungan yang semakin menurun.

Selain itu Yustia dan Sugianto (2014) yang meneliti analisis empiris tentang teori lingkungan Kuznet di 17 negara dunia mendapatkan hasil bahwa teori tersebut dapat dibuktikan hanya pada negara dengan tingkat pembangunan menengah dan tidak dapat dibuktikan pada negara lain. Begitupula dengan Damayanti dan Chamid di 33 provinsi Indonesia (2016), Yustisia dan Sugianto di 17 negara Dunia (2014), Lee dan Dae-Won di China (2015), serta Ong dan Sek di beberapa wilayah China (2012) yang mendapatkan hasil hasil sama dengan penelitian ini.

2. Pengaruh Kepadatan Penduduk terhadap Kualitas Lingkungan Hidup (IKLH)

(16)

Penelitian ini mendapatkan hasil analisis data yang menunjukkan bahwa secara parsial tingkat kepadatan penduduk berpengaruh secara signifikan terhadap kualitas lingkungan hidup dengan arah yang negatif dan nilai probabilitas sebesar 0,0148 < 0,05. Hasil penelitian ini memberikan gambaran bahwa ketika kepadatan penduduk di 33 Provinsi Indonesia mengalami kenaikan satu persen maka kualitas lingkungan hidup akan menurun sebesar 0.0012 persen dengan asumsi bahwa variabel bebas yang lainnya tetap atau konstan, begitupun sebaliknya.

Penelitian ini mendapatkan hasil yang menunjukkan bahwa angka kepadatan penduduk memiliki hubungan negatif terhadap kualitas lingkungan hidup pada 33 Provinsi di Indonesia, hasil tersebut sesuai dengan hipotesis yang disusun di awal. Hasil penelitian ini konsisten dengan hasil penelitian sebelumnya yang dilakukan oleh Zuhri di mana hasil penelitiannya menunjukkan bahwa kepadatan penduduk akan mengakibatkan meningkatnya emisi udara yang ada di Indonesia,emisi udara merupakan salah satu indikator yang menunjukkan kualitas lingkungan hidup suatu daerah. Selain Zuhri, Damayanti dan Chamid juga mendapatkan hasil yang sama. Di mana kepadatan penduduk juga telah menigkatkan polusi yang ada di Indonesia.