• Tidak ada hasil yang ditemukan

PEMODELAN PERTUMBUHAN EKONOMI JAWA TIMUR

N/A
N/A
Protected

Academic year: 2018

Membagikan "PEMODELAN PERTUMBUHAN EKONOMI JAWA TIMUR"

Copied!
4
0
0

Teks penuh

(1)

149

PEMODELAN PERTUMBUHAN EKONOMI JAWA TIMUR

TAHUN 2007 HINGGA 2011 DENGAN ANALISIS REGRESI

PANEL DINAMIS

Yasmin

Jurusan Matematika, F.MIPA, Universitas Brawijaya Email: yasmin.aydid@yahoo.com

Abstrak. Hubungan di antara variabel-variabel yang sering digunakan dalam bidang ekonomi pada kenyataannya banyak

yang bersifat dinamis. Analisis data panel dapat digunakan pada model yang bersifat dinamis. Tujuan penelitian ini adalah menerapkan analisis regresi panel dinamis untuk memodelkan laju pertumbuhan ekonomi Jawa Timur tahun 2007 hingga 2011. Selain itu ingin diketahui efek jangka panjang dan efek jangka pendek investasi dan tingkat pertisipasi angkatan kerja (TPAK) terhadap laju pertumbuhan ekonomi (LPE) Jawa Timur. Metode pendugaan parameter yang digunakan adalah Arellano dan Bond GMM (AB-GMM). Hubungan dinamis pada penelitian ini dicirikan oleh keberadaan lag pertumbuhan ekonomi yaitu pertumbuhan ekonomi tahun sebelumnya sebagai variabel penjelas dan adanya lag dari variabel penjelas, yaitu investasi tahun sebelumnya dan tingkat partisipasi angkatan kerja tahun sebelumnya. Hasil analisis menunjukkan bahwa variabel laju pertumbuhan ekonomi (LPE) tahun sebelumnya, investasi tahun sebelumnya, tingkat partisipasi angkatan kerja (TPAK) tahun ini, dan tingkat partisipasi angkatan kerja (TPAK) tahun sebelumnya memberikan pengaruh jangka pendek yang signifikan terhadap laju pertumbuhan ekonomi (LPE) tahun ini, sedangkan variabel investasi tahun ini memberikan pengaruh jangka pendek yang tidak signifikan terhadap laju pertumbuhan ekonomi (LPE) tahun ini. Secara jangka panjang, laju pertumbuhan ekonomi (LPE) dipengaruhi oleh investasi sebesar 6.74 10-7% dan tingkat partisipasi angkatan kerja (TPAK) sebesar 0.0255%.

Kata Kunci: Regresi Panel Dinamis, LPE, Investasi, TPAK.

1. PENDAHULUAN

Data panel adalah data yang merupakan hasil pengamatan beberapa individu (unit cross sectional) yang masing-masing diamati dalam beberapa periode waktu yang berurutan (unit time series). Hubungan di antara variabel-variabel yang sering digunakan dalam bidang ekonomi pada kenyataannya banyak yang bersifat dinamis. Analisis data panel dapat digunakan pada model yang bersifat dinamis. Sejalan dengan adanya model cross section atau time series, hubungan dinamis pada data panel dicirikan oleh keberadaan lag variabel respon yaitu variabel respon pada tahun sebelumnya yang menjadi variabel penjelas bersama dengan variabel penjelas lain dalam model. Hal ini menyebabkan adanya korelasi antara lag variabel respon dengan galat, sehingga metode OLS (Ordinary Least Square) akan menghasilkan penduga parameter yang bias. Oleh karena itu, perlu digunakan metode Arellano dan Bond yang menghasilkan penduga parameter yang tidak bias, konsisten, dan efisien.

Penelitian ini bertujuan untuk menerapkan regresi panel dinamis pada laju pertumbuhan ekonomi di Jawa Timur tahun 2007 hingga 2011 dan menganalisis efek jangka pendek dan efek jangka panjang dari variabel penjelas, yaitu investasi dan tingkat partisipasi angkatan kerja. Hubungan dinamis pada penelitian ini dicirikan oleh keberadaan lag pertumbuhan ekonomi yaitu pertumbuhan ekonomi tahun sebelumnya sebagai variabel penjelas, dan adanya lag dari variabel penjelas, yaitu investasi tahun sebelumnya dan tingkat partisipasi angkatan kerja tahun sebelumnya.

2. TINJAUAN PUSTAKA

2.1 Model Regresi Data Panel Dinamis

Terdapat dua pendekatan model regresi panel dinamis, yaitu model efek tetap (fixed effect model) dan model efek acak (random effect model). Model regresi data panel dinamis dengan efek tetap dapat dituliskan sebagai berikut (Arellano dan Bond, 1991):

(1)

(2)

150

Sedangkan model regresi data panel dinamis dengan efek acak dapat dituliskan sebagai berikut:

(2)

dengan , di mana ( ) dan saling bebas. Lai, dkk. (2008) mengemukakan bahwa model panel dinamis memiliki efek jangka pendek ( dari perubahan dan

efek jangka panjang

dari perubahan .

Masalah paling mendasar dalam model (1) dan (2) adalah adanya korelasi antara dengan komponen galat , meskipun diasumsikan galat tidak saling berkorelasi. Hal ini menyebabkan metode penduga OLS (Ordinary Least Square) maupun GLS (Generalized Least Square) menjadi bias dan tidak konsisten (Verbeek, 2008). Oleh karena itu, Arellano and Bond (1991) menyarankan suatu pendekatan Generalized Method of Moments (GMM) yang merupakan penyempurnaan dari metode instrumental variable. Metode GMM akan menghasilkan penduga parameter yang tidak bias, konsisten, dan efisien.

2.2 Arellano dan Bond GMM (AB-GMM)

Langkah pertama pada metode AB-GMM adalah melakukan first difference pada model panel dinamis untuk menghilangkan efek individu ( . Selain itu first difference juga dapat mengatasi permasalahan tidak stasionernya variabel-variabel yang sering digunakan dalam bidang ekonomi. Setelah dilakukan first difference pada model efek tetap dan efek acak, maka kedua model menjadi sama karena efek individu pada masing-masing model telah hilang, namun masih terdapat korelasi antara dan galat. Anderson and Hsiao (1982) menyarankan untuk menggunakan variabel instrumen. Variabel instrumen yang dipilih untuk , misal , adalah variabel yang berkorelasi dengan namun tidak berkorelasi dengan galat Misal untuk untuk t = 4, maka

( )

Pada kasus ini, dan merupakan variabel instrumen untuk ( ), dan adalah variabel instrumen untuk . Jadi, untuk periode ke-T terdapat T-2 variabel instrumen untuk

( ) dan satu variabel instrumen untuk , sehingga matriks variabel instrumen

dengan metode AB-GMM adalah:

[

[ ]

[ ]

[ ]

]

Atau dapat dituliskan

[ ]

berukuran N(T-2) L, di mana L = K + (1+K) + ... + (T-1+K).

Berikut merupakan metode pendugaan oleh Arellano dan Bond menggunakan prinsip GMM untuk mendapatkan penduga yang konsisten.

( ) [ ]

Karena banyaknya kolom dari matriks variabel instrumen z lebih banyak daripada jumlah parameter yang akan ditaksir (L > K), atau dengan kata lain banyaknya persamaan momen lebih banyak daripada jumlah parameter yang akan diduga, sehingga menduga ̂ menjadi sulit. Oleh karena itu diperlukan matriks bobot sebagai berikut:

( ) ( )

di mana W adalah matriks bobot berukuran L L.

Penduga GMM untuk merupakan suatu penduga yang meminimumkan .

( ̂ )

( ̂ )

(3)

151 ̂ [ ]

̂ tersebut merupakan penduga yang konsisten untuk dengan memilih matriks bobot ̂

. Penduga ini diperoleh dengan metode GMM (One Step Consistent Arellano and

Bond Estimator). Sedangkan penduga yang efisien untuk (Two Step Efficient Arellano and Bond Estimator) diperoleh dengan memilih matriks bobot ̂ [ ∑ ̂ ̂ ] , di mana ̂ merupakan galat yang diperoleh pada One Step Consistent Arellano and Bond Estimator.

3. HASIL DAN PEMBAHASAN

Hasil pendugaan parameter pada Two Step Efficient AB-GMM dan signifikansi masing-masing variabel penjelas disajikan pada Tabel 1. Hipotesis untuk pengujian signifikansi parameter secara parsial adalah:

H0: βi = 0 vs H1: βi≠ 0

di mana βi merupakan parameter untuk variabel ke-i. Kriteria pengambilan keputusan adalah

menerima H0 jika p-value > α (0.05) yang berarti variabel penjelas memberikan pengaruh yang tidak

signifikan terhadap variabel respon. Tolak H0 jika p-value < α (0.05) yang berarti variabel penjelas

berpengaruh signifikan terhadap variabel respon.

Tabel 1. Hasil Pendugaan Two Step Efficient AB-GMM dan Signifikansi Parameter Variabel Nilai duga Salah baku thitung P-value

LPEi,t-1 -0.4091236 0.0526946 -7.76 0.000

Invi,t 5.28 10

-7

9.65 10-7 0.55 0.585 Invi,t-1 4.22 10

-7

1.30 10-7 3.26 0.001

TPAKi,t 0.0233425 0.0107444 2.17 0.030

TPAKi,t-1 0.0124679 0.0004421 28.20 0.000

Hasil pendugaan parameter dan signifikansi masing-masing variabel penjelas pada Tabel 1 menunjukkan bahwa variabel laju pertumbuhan ekonomi tahun sebelumnya, investasi tahun sebelumnya, TPAK tahun ini, dan TPAK tahun sebelumnya berpengaruh signifikan terhadap laju pertumbuhan ekonomi tahun ini karena diperoleh p-value untuk masing-masing variabel yang kurang dari α (0.05). Sedangkan p-value untuk variabel investasi tahun ini lebih dari α (0.05), sehingga investasi tahun ini berpengaruh tidak signifikan terhadap laju pertumbuhan ekonomi tahun ini.

Dari hasil pendugaan parameter dan signifikansi masing-masing variabel penjelas, dapat dibentuk model panel dinamis untuk laju pertumbuhan ekonomi 20 Kabupaten/Kota di Jawa Timur tahun 2007 hingga 2011 sebagai berikut:

LPEi,t = -0.4091 LPEi,t-1 + 5.28 10 -7

Invi,t + 4.22 10 -7

Invi,t-1 + 0.0234 TPAKi,t + 0.0125 TPAKi,t-1

Efek jangka pendek dan efek jangka panjang dari masing-masing variabel penjelas dapat dijelaskan sebagai berikut:

- 1% kenaikan laju pertumbuhan ekonomi tahun sebelumnya akan menurunkan laju pertumbuhan ekonomi tahun ini sebesar 0.4091% secara langsung, dengan asumsi variabel penjelas lain konstan. Hubungan negatif tersebut tidak sesuai dengan pendapat dari Supriana (2008) yang menyatakan hubungan positif antara pertumbuhan ekonomi yang dicapai pada masa sekarang dan masa sebelumnya. Hubungan negatif tersebut dapat dilihat dari data laju pertumbuhan ekonomi (LPE) Jawa Timur tahun 2007 hingga 2011 (Lampiran 1) yang naik turun dari satu periode ke periode berikutnya. Oleh karena itu, untuk mencapai kenaikan pertumbuhan ekonomi, perlu perhatian utama lebih kepada peningkatan investasi dan tingkat partisipasi angkatan kerja (TPAK).

(4)

152

- Kenaikan investasi tahun sebelumnya sebesar 1 juta rupiah secara langsung akan menaikkan pertumbuhan ekonomi tahun ini sebesar 4.22 10-7%, dengan asumsi variabel penjelas lain konstan. Hal ini sesuai dengan pendapat dari Kuncoro (2004), Saragih (2003), dan Todaro (2003) bahwa investasi mempunyai pengaruh positif terhadap pertumbuhan ekonomi. Pengaruh yang signifikan dari investasi tahun sebelumnya terhadap pertumbuhan ekonomi tahun ini membuktikan adanya hubungan dinamis antara investasi dan pertumbuhan ekonomi, artinya investasi membutuhkan tenggang waktu (lag) dalam mempengaruhi pertumbuhan ekonomi.

- 1% kenaikan tingkat partisipasi angkatan kerja (TPAK) tahun ini secara langsung menaikkan laju pertumbuhan ekonomi tahun ini sebesar 0.0234%, dengan asumsi variabel penjelas lain konstan. Hal ini sesuai dengan teori yang dikemukakan oleh Todaro dan Smith (2006), bahwa angkatan kerja merupakan salah satu faktor positif yang dapat meningkatkan pertumbuhan ekonomi.

- 1% kenaikan tingkat partisipasi angkatan kerja (TPAK) tahun sebelumnya secara langsung menaikkan laju pertumbuhan ekonomi tahun ini sebesar 0.0125%, dengan asumsi variabel penjelas lain konstan. Sama halnya dengan investasi, TPAK juga membutuhkan tenggang waktu (lag) dalam mempengaruhi pertumbuhan ekonomi tahun ini.

Efek jangka panjang diperoleh dengan asumsi berikut:

, , , sehingga efek

jangka panjang untuk investasi sebesar

6.74 10

-7

dan untuk TPAK sebesar

0.0255, sehingga secara jangka panjang diperoleh model sebagai berikut:

LPE* = 6.74 10-7 Inv* + 0.0255 TPAK*

artinya secara jangka panjang, kenaikan investasi sebesar 1 juta rupiah akan menaikkan laju pertumbuhan ekonomi sebesar 6.74 10-7%, dan 1% kenaikan tingkat partisipasi angkatan kerja (TPAK) menaikkan laju pertumbuhan ekonomi sebesar 0.0255%.

4. KESIMPULAN

Model regresi panel dinamis yang terbentuk untuk menggambarkan pertumbuhan ekonomi Jawa Timur secara jangka pendek adalah

LPEi,t = -0.4091 LPEi,t-1 + 5.28 10 -7

Invi,t + 4.22 10 -7

Invi,t-1 + 0.0234 TPAKi,t + 0.0125 TPAKi,t-1

dan secara jangka panjang

LPE* = 6.74 10-7 Inv* + 0.0255 TPAK*

sehingga untuk mencapai kenaikan pertumbuhan ekonomi, perlu perhatian utama lebih kepada peningkatan investasi dan tingkat partisipasi angkatan kerja (TPAK).

Variabel laju pertumbuhan ekonomi tahun sebelumnya, investasi tahun sebelumnya, TPAK tahun ini, dan TPAK tahun sebelumnya berpengaruh signifikan terhadap laju pertumbuhan ekonomi tahun ini, sedangkan variabel investasi tahun ini memberikan pengaruh jangka pendek yang tidak signifikan terhadap laju pertumbuhan ekonomi (LPE) tahun ini. Secara jangka panjang, laju pertumbuhan ekonomi (LPE) dipengaruhi oleh investasi sebesar 6.74 10-7% dan tingkat partisipasi angkatan kerja (TPAK) sebesar 0.0255%.

DAFTAR PUSTAKA

Anderson, T.W dan Hsiao, C., (1982), Formulation and Estimation of Dynamic Model Using Panel Data. Journal of Econometrics, 18, hal. 47-82.

Arellano, M. dan Bond, S., (1991), Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations, Journal of Econometrics, 58, hal. 277–297.

Lai, T.L, Small, D.S dan Liu, J., (2008), Statistical Inference in Dynamic Panel Data Models, Journal of Statistical Planning and Inference, 138, hal. 2763-2776.

Gambar

Tabel 1.  Hasil Pendugaan Two Step Efficient AB-GMM dan Signifikansi Parameter Variabel Nilai duga Salah baku tP-value

Referensi

Dokumen terkait

Tergugat atau kuasanya yang sah tidak hadir dalam sidang meskipun. mengirimkan surat jawabannya, tetapi dinilai oleh Hakim

Kita mengenal istilah Dickensian untuk narasi tentang kampung miskin kota yang tidak hanya kumuh dan dijangkiti penyakit tapi juga menjadi sarang penyakit sosial sehingga menjadi

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA..

karakteristik pasar dan perilakunya akan mempermudah kita dalam menentukan media pemasaran yang tepat digunakan untuk menjangkau

Jenis burung lain yang juga banyak digemari adalah Murai Batu (Copsychus malabaricus), dengan jumlah pembelian oleh pedagang sebanyak 346 ekor atau I I .08%,

Sebelum menghitung nilai similarity menggunakan cosine similarity antara query dengan dokumen web service, dilakukan tahapan preprocessing terhadap query yang dimasukkan oleh user

Penggunaan model pembelajaran Think Pair Share bisa membantu peserta didik dalam memahami konsep pelajaran dan memudahkan peserta didik dalam pemecahan masalah,

Pernyataan tersebut mendapat apresiasi dari Ecky Awal Mucharam, Anggota Komisi XI DPR RI. Menurutnya negara-negara Asia-Afrika memiliki kutub ekonomi sendiri, bukan