BAB IV
ANALISIS PENGARUH JALAN TERHADAP PENANAMAN MODAL Seperti telah diuraikan pada Bab II, peranan aksesibilitas suatu lokasi diduga memiliki peranan penting dalam menarik minat investasi. Aksesibilitas yang merupakan komposit dari beberapa kekayaan (endowment) suatu wilayah, adalah gabungan dari faktor-faktor spasial dan aspasial. Pada Bab ini akan diuraikan pengamatan empiris atas aktivitas penanaman modal atau investasi di Jawa Barat, dimulai dengan telaah prinsip-prinsip analisis dengan konstruksi model , input data, pengolahan dan analisisnya.
4.1 Prinsip Umum Analisis
Secara umum, analisis yang dilakukan dalam studi ini didahului dengan konstruksi model yang akan digunakan. Model yang dipakai adalah model yang bersifat spasial karena menyangkut kegiatan investasi yang tidak aspasial. Dengan didapatnya model tersebut, data yang diperlukan untuk analisis dapat diidentifikasi, mulai dari jenis data, dimensi, dan cakupannya. Selanjutnya akan dilakukan analisis, termasuk dengan memanfaatkan metoda-metoda statistik untuk meninjau korelasi antar variabelnya.
4.2 Penyusunan Model 4.2.1 Model Spasial
Mengamati data runut-waktu (time series) penanaman modal asing (PMA) dan penanaman modal dalam negeri (PMDN) mengarahkan hipotesis bahwa setidaknya besaran PMA dan PMDN adalah data yang spatially-dependent. Dengan demikian model yang dipakai harus mampu menjelaskan bahwa besaran kumulatif PMA di Bekasi lebih besar dari besaran kumulatif PMA di Karawang, misalnya. Atau menjawab pertanyaan mengapa minat investasi PMA di Subang demikian kecilnya dibandingkan dengan sesama daerah pantura di Jawa Barat. Model yang dipakai juga harus mampu menjelaskan bahwa ada kecenderungan jumlah kumulatif PMA dan PMDN yang semakin kecil, sejalan dengan bertambahnya “jarak” suatu daerah dengan Jakarta, walaupun dari data yang ada, Cirebon mencatat jumlah yang lebih besar dibandingkan dengan Indramayu dan Subang.
4.2.2 Indikator Aksesibilitas
Di antara alternatif-alternatif ukuran spasial empiris yang ada untuk menunjukkan kelebihan lokasional, maka ukuran Aksesibilitas (accessibility) wilayah adalah jenis indikator spasial yang cukup banyak digunakan dalam analisis spasial, karena relatif sederhana dan mudah dimengerti/ digunakan. (Schumann-Talaat, 2000). Aksesibilitas wilayah menunjukkan kelebihan lokasional (locational advantage) suatu wilayah relatif terhadap seluruh wilayah studi (termasuk wilayah itu sendiri). Pendekatan dengan ukuran aksesibilitas ini antara lain digunakan dalam studi-studi Biehl (1986, 1991), Lutter et.al. (1993), Bokemann (1982), dan Schumann-Talaat (1997, 2000).
Secara umum, aksesibilitas digambarkan tersusun atas dua fungsi. Fungsi pertama mewakili aktivitas atau kesempatan yang hendak dijangkau, dan fungsi kedua mewakili usaha, waktu, atau biaya yang diperlukan untuk menjangkaunya.
Jika dinyatakan dalam notasi fungsi, maka dapat dituliskan :
Ai =
∑
g(Wj) f(cij) ...……….. (4-1) Di mana Ai adalah aksesibilitas wilayah i, Wj adaalh aktivitas W yang akan dijangkau di wilayah j, dan cij adalah biaya yang digeneralisasi untuk menjangkau wilayah j dari wilayah i. Fungsi g(Wj) adalah fungsi aktivitas, dan f(cij) disebut fungsi impedansi. Keterkaitan keduanya bersifat multiplikatif, dalam hal ini saling memberi bobot.Salah dari beberapa studi yang pernah dipublikasikan, adalah yang dilakukan Schumann dan Talaat (2000). Schumann dan Talaat memilih type aksesibilitas potensial dari 3 model aksesibilitas yang dikenal, antara lain (i) type travel cost, (ii) type aksesibilitas harian, dan (iii) type potensial.
Aksesibilitas type potensial tersebut oleh Schumann dan Talaat dirumuskan seperti berikut :
Ai =
∑
g(Wj) f(cij) =∑
Wj αexp( –βcij ) ……….. (4-2) Sebagai fungsi aktivitas, bisa digunakan besaran GDP, tenaga kerja (employment), penduduk (population). Disebutkan bahwa pembobotan dengan GDP (=PDRB) sesuai untuk mengaitkan aksesibilitas pada kinerja ekonomi produktif seperti investasi,
perencanaan produksi, dll. Sedangkan pembobotan dengan kependudukan sesuai untuk dikaitkan dengan kinerja ekonomi konsumsi seperti perencanaan pasar/pemasaran. Pemilihan nilai parameter β (sensitivitas impedansi spasial), dan α (parameter untuk mewakili efek aglomerasi) bersifat khas untuk setiap wilayah. Dengan data-data GDP, penduduk, dan jarak geografis untuk menentukan biaya perjalanan (travel cost), Schumann-Talaat menghitung Indeks Periperalitas (yang diturunkan dari Aksesibilitas) di Uni Eropa, dan menghasilkan peta indeks periperalitas. Informasi tersebut dipakai untuk menentukan kebijakan perekonomian Uni Eropa dikaitkan dengan keberadaan dan pengembangan infrastruktur transportasi.
Di dalam kajian ini, hipotesa yang diajukan adalah bahwa (minat) investasi dipengaruhi oleh aksesibilitas, atau Investasi di suatu wilayah ≈ Indeks Aksesibilitas wilayah.. Variabel lain yang diduga memiliki pengaruh juga adalah jumlah penduduk atau populasi. sehingga : Investasi = bo + b1 A +b1 P + ε .………...(4-3) Seperti telah disebutkan di depan, Aksesibilitas dalam kajian ini mengikuti Aksesibilitas yang dikembangkan Schurmann & Talaat (2001) dalam “Toward a European Peripherality Index : Final Report.”
Dinyatakan dalam laporan tersebut, bahwa fungsi kegiatan / aktivitas bisa dalam bentuk GDP, Populasi, Tenaga Kerja, masing-masing secara terpisah. Juga direkomendasikan dalam laporan tersebut dua model pembobotan aksesibilitas atau peripheralitas yang memadai : (1) yang dibobot GDP (GDP weighted) bisa membantu analisis dan perencanaan yang bertalian dengan kegiatan ekonomi produktif (seperti investasi, pendirian pabrik, dll), dan (2) yang dibobot populasi (Population weighted) bisa membantu analisis dan perencanaan yang bertalian dengan kegiatan ekonomi konsumsi (untuk pasar, retail, dll).
Sementara fungsi jarak atau fungsi hambatan f(cij) yang dipakai dapat berupa (i) fungsi
pangkat, (ii) fungsi eksponensial-negative, dan (iii) fungsi Tanner (Tamin, 2000). Dalam kajian ini dipakai fungsi eksponensial negatif sebagai fungsi hambatan, seperti yang disarankan oleh Schurmann, untuk mendapatkan indicator aksesibilitas potensial. Dengan demikian, untuk melihat hubungan investasi dengan jalan (dalam bentuk aksesibilitas) dalam kajian ini akan dipakai algoritma sebagai berikut :
1) Pengumpulan data PMA dan sebarannya, PMDN dan sebarannya, penduduk dan sebarannya, PDRB (atas dasar harga berlaku) untuk 6 wilayah kajian.
2) Menghitung matriks jarak, dan waktu tempuh antar dan antara keenam wilayah tersebut
3) Menghitung besaran fungsi hambatan f (cij) = ex(-β cij )
4) Menghitung aksesibilitas masing-masing wilayah, dengan pembobotan PDRB (AXPDRB).
5) Menyusun data dalam format yang sesuai dengan model analisis pooled-time-series.
6) Membuktikan kaitan / hubungan empiris antara PMA / PMDN dengan aksesibilitas hasil perhitungan tersebut diatas, atau IPMA = f (AXPDRB,POP) dan
IPMDN = f (AXPDRB,POP) 4.3 Input Data
Data utama yang dipakai dalam kajian ini adalah data sekunder berupa Daftar Persetujuan Proyek – PMA / PMDN yang dimiliki oleh Badan Koordinasi Penanaman Modal (BKPM). Data PMA dan PMDN yang disiapkan adalah berdasarkan Surat Persetujuan (SP) yang dikeluarkan BKPM, dengan anggapan bahwa SP tersebut dikeluarkan atas permohonan calon investor yang dengan demikian cukup menggambarkan “minat” investor menanamkan modalnya di daerah / wilayah tertentu.
Cakupan data PMA dan PMDN yang diteliti adalah daftar SP yang diterbitkan setiap tahun mulai dari tahun 1975 sampai dengan 2005, namun fokus diarahkan pada rentang 1980-2005 karena alasan ketersediaan data lainnya (PDRB dan Penduduk) hanya pada rentang 1980-2005. Untuk lebih melengkapi data (dalam hal diperlukan) dengan data PMA dan PMDN sebelumnya (1968-1979), dipakai data penelitian Sdr. Dyah Retno Prawesti Sudarto (1999) dalam “Studi Pola Spasial Investasi dan Perkembangannya di Jawa Barat”.
Selama rentang waktu observasi tersebut (1980-2005), terdapat sekitar 3.103 pengajuan proyek baru PMA yang disetujui, dan 2.372 pengajuan proyek baru PMDN. Perhatian difokuskan pada SP untuk proyek baru (bukan perluasan maupun alih fungsi PMDN menjadi PMA dan atau sebaliknya). Data lebih rinci telah diberikan pada Bab III.
Dengan konstruksi data seperti disebutkan diatas, maka diperoleh data yang runut waktu (time-series) sepanjang 26 tahun, yang memiliki observasi temporal biasa pada setiap unit
analisis, dan sekaligus silang tempat yang memiliki observasi-observasi pada suatu unit analisis pada suatu titik waktu tertentu (Kuncoro, 2001). Dengan data semacam itu, maka analisisnya bisa dilakukan dengan analisis regresi untuk model pooled time series.
Struktur data baru yang disusun untuk analisis model pooled time-series tersebut disajikan pada tabel IV-1 di halaman berikut.
Untuk keperluan selanjutnya, diperlukan data jarak antar wilayah (centroid, pusat kota) untuk memperhitungkan waktu tempuh, mulai dari Bekasi sampai dengan Cirebon. Matriks jarak ditunjukkan pada tabel IV-1 berikut ini :
Tabel IV-1
Matriks Jarak 6 Wilayah Pantura Jabar
Bks Krw Pwk Sub Imy Crb Bks 0 36 57 98 152 192 Krw 36 0 21 62 116 156 Pwk 57 21 0 41 95 135 Sub 98 62 41 0 54 94 Imy 152 116 95 54 0 40 Crb 192 156 135 94 40 0
Selanjutnya dengan asumsi kecepatan berkendara rata-rata di jalan tol adalah 80 km/jam, dan di jalan bukan-tol adalah 40 km/jam, akan diperoleh matriks waktu tempuh, yang kemudian dipakai untuk menghitung fungsi hambatan f (cij)= exp (-β cij).
Demikian juga data Produk Domestik Regional Bruto (PDRB) yang dipakai dalam kajian ini mulai dari PDRB tahun 1980 samapai dengan 2005. Dipakai PDRB atas dasar harga berlaku karena besaran investasi yang ada juga dicatatkan berdasarkan atas harga berlaku. Untuk daerah Cirebon dan Bekasi, nilai PDRB analisis diwakili oleh jumlah keduanya (PDRB Kota +Kabupaten). Penyatuan unit analisis ini lebih didasarkan pada faktor centroid, yang umumnya centroid Kabupaten relatif berimpit dengan centroid kota. Sumber data untuk PDRB Kabupaten / Kota ini adalah Biro Pusat Statistik (BPS) Jawa Barat.
Data berikutnya yang diperlukan dalam analisis ini adalah data penduduk, yang akan dilihat apakah memiliki hubungan dengan minat investasi (misalnya bersifat tarikan atau
bukan). Data penduduk masing-masing kota / kabupaten mulai tahun 1980 sampai dengan 2005, berdasarkan hasil sensus penduduk, supas, maupun perhitungan yang dilakukan oleh Biro Pusat Statistik (BPS).
4.4 Hasil Analisis
4.4.1 Investasi dalam Perspektif Runut Waktu
Pengamatan atas data seri waktu untuk PMA dan PMDN dapat dilakukan per wilayah, dimulai dari Bekasi, Karawang, Purwakarta, Subang, Indramayu, dan Cirebon, untuk melihat kurva trend kumulatif-nya, dan nilai pertumbuhan tahunannya.
Dikaitkan dengan beroperasinya jalan tol Jakarta-Cikampek pada tahun 1988, maka data investasi di wilayah pantura Jawa Barat dikelompokkan dalam 3 kelompok tahun, yaitu periode I : 1980-1987 (belum ada jalan tol), dan II : 1988-1997 (sudah ada jalan tol, sebelum krisis ekonomi), dan III : 1998-2005 (sudah ada jalan tol, sesudah krisis ekonomi). Laju pertumbuhan rata-rata tahunan pada masing-2 periode tersebut disajikan dalam tabel IV-2.
Tabel IV-2
Nilai Investasi Rata-rata Tahunan
PMA & PMDN di Pantura Jabar Untuk masing-masing Periode
BKS KRW PWK SUB IMY CRB
Pertumbuhan PMA (juta US$ per tahun)
1980-1988 36 8 - - - 35
1989-1997 827 324 218 7 33 34
1998-2005 153 66 57 6 2 21
Petumbuhan PMDN (milyar Rp / tahun)
1980-1988 64 11 - 1 2 36
1989-1997 1,645 1,237 534 264 650 201
1998-2005 552 224 99 72 107 40
Diolah dari data BKPM : Rekap SP PMA/PMDN
Dari tabel IV-2 tersebut bisa dilihat bahwa untuk PMA, pada periode I (1980-1988) investasi rata-rata tahunannya masih rendah, seperti terlihat untuk Bekasi (36 juta USD/th), Karawang (8 juta USD/thn), dan Cirebon (35 juta USD/thn), bahkan tidak ada untuk Purwakarta, Subang, dan Indramayu.
Pada periode II (1989-1997), angka pertumbuhan tersebut menjadi sangat besar, antara lain Bekasi (827 juta USD/thn atau 23 kali periode I), Karawang (324 juta USD/thn atau
40 kali periode I), dan Purwakarta (218 juta USD/thn dari 0 pada periode I), Subang dan Indramayu (7 juta nda 33 juta USD /thn dari sebelumnya 0 pada periode I), serta Cirebon (34 juta USD/thn, hampir sama dengan periode I).
Pada periode III (1998-2005), nilai rata-rata investasi tahunan turun dibandingkan dengan periode II. Dibandingkan dengan periode II, maka nilainya menjadi sekitar 19% (Bekasi), 20% (Karawang), 26% (Purwakarta), 86% (Subang), 6% (Indramayu), dan 62% (Cirebon)
Fenomena serupa juga terlihat pada minat PMDN. Pada periode I (1980-1988) nilai investasi rata-rata tahunan untuk semua wilayah masih jauh dibawah Rp.100 milyar per tahun. Nilai rata-rata ini meningkat tajam pada periode II (1988-1997), menjadi lebih dari Rp.1,6 trilyun (Bekasi), Rp.1,2 trilyun (Karawang), Rp.0,5 trilyun (Purwakarta), Rp.0,2 trilyun (Subang), Rp.0,2 trilyun (Indramayu), dan Rp.0,2 trilyun (Cirebon).
Walaupun keberadaan jalan tol baru belum pasti merupakan satu-satunya penyebab kenaikan tajam laju investasi PMA, tetapi perubahan angka-angka per periode tersebut cukup meyakinkan akan peranan jalan tol tersebut.
Pada periode III (1998-2005), nilai rata-rata investasi tahunan turun dibandingkan dengan periode II. Dibandingkan dengan periode II, maka nilainya menjadi sekitar 32% (Bekasi), 18% (Karawang), 19% (Purwakarta), 27% (Subang), 16% (Indramayu), dan 20% (Cirebon)
Kurva nilai PMA dan PMDN kumulatif di Bekasi, Karawang, Purwakarta, Subang, Ita-rndramayu, dan Cirebon, disajikan pada grafik 4.1. sampai dengan 4.4.
Dari grafik tersebut, dapat dicermati kecenderungan umumnya untuk masing-masing periode pada rentang waktu 1980-2005. Pada periode I (rentang 1980-1987) terlihat kurva relatif datar, dilanjutkan dengan pertumbuhan tinggi pada periode II (setelah beroperasinya jalan tol Jakarta-Cikampek 1988dan sebelum krisis ekonomi 1997), dan melambat menjadi relatif stagnan antara 1998-2005 (pasca krisis ekonomi 1997).
-1 2 3 4 5 6 7 8 9 10 1980 1983 1986 1989 1992 1995 1998 2001 2004 Milyar US$ -5 10 15 20 25 Trilyun Rp
Kumulatif PMA Kumulatif PMDN
Grafik 4.1 Kurva Kumulatif PMA dan PMDN di Bekasi 1980-2005
Grafik serupa dengan Bekasi, untuk Karawang, Purwakarta, Subang, Indramayu, dan Cirebon ditunjukkan pada grafik-grafik berikut ini.
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 1980 1983 1986 1989 1992 1995 1998 2001 2004 Milyar US$ -2 4 6 8 10 12 14 16 Trilyun Rp
Kumulatif PMA Kumulatif PMDN
0,0 0,5 1,0 1,5 2,0 2,5 3,0 1980 1983 1986 1989 1992 1995 1998 2001 2004 Milyar US$ -1 2 3 4 5 6 Trilyun Rp
Kumulatif PMA Kumulatif PMDN
(ii) Kumulatif PMA dan PMDN di Purwakarta 1980-2005
Grafik 4.2 Kurva Kumulatif PMA dan PMDN di Karawang dan Purwakarta 1980-2005 Serupa dengan Bekasi, PMA dan PMDN di Karawang menunjukkan pola pertumbuhan yang seolah-olah memanfaatkan keberadaan jalan tol pada tahun 1988. Terlihat slope yang tajam antara 1988 sampai 1997 (periode II), dan kembali stagnan pada periode III. Dengan periodisasi yang serupa, dibuat grafik kumulatif PMA & PMDN untuk Subang, Indramayu, dan Cirebon, pada Grafik 4.3. Tampak bahwa pola yang ditunjukkan ketiga daerah tersebut tidak semulus Bekasi, Purwakarta, dan Karawang.
0,0 20,0 40,0 60,0 80,0 100,0 120,0 1980 1983 1986 1989 1992 1995 1998 2001 2004 Juta US$ 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 Trilyun Rp
Kumulatif PMA Kumulatif PMDN
(i) Kumulatif PMA dan PMDN di Subang 1980-2005
0 50 100 150 200 250 300 350 1980 1983 1986 1989 1992 1995 1998 2001 2004 Juta US$ 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 Trilyun Rp
Kumulatif PMA Kumulatif PMDN
0 100 200 300 400 500 600 700 800 1980 1983 1986 1989 1992 1995 1998 2001 2004 Juta US$ 0,0 0,5 1,0 1,5 2,0 2,5 3,0 Trilyun Rp
Kumulatif PMA Kumulatif PMDN
(iii) Kumulatif PMA dan PMDN di Cirebon 1980-2005
Grafik 4.3 Kurva Kumulatif PMA dan PMDN di Subang, Indramayu, Cirebon 1980-2005
Terlihat pada 3 daerah terakhir (Subang, Indramayu, dan Cirebon) polanya tidak serapi 3 daerah yang secara fisik dilintasi jalan tol.
Dari pengamatan atas data PMA selama rentang 1980-2005, c.q. pertumbuhannya, diduga ada pola menarik jika dipakai basis waktu. Ada beberapa hal yang patut dicermati dari pola yang ada tersebut, dikaitkan dengan keberadaan jalan tol Jakarta-Cikampek, antara lain :
(i) Subang dan Indramayu “mulai bergerak” menarik minat PMA mulai tahun 1988, saat mulai dioperasikannya jalan tol Jakarta-Cikampek. Cirebon, relatif menunjukkan pola yang serupa Subang dan Indramayu, meskipun ketiganya tidak menunjukkan pola yang “serapi” Bekasi, Karawang, dan Purwakarta.
(ii) Purwakarta, yang sudah mencatat adanya PMA didaerahnya sejak 1980, relatif stagnan sampai 1988, dan mengalami pertumbuhan positif sejak beroperasinya tol, sampai kembali stagnan pada tahun 1998.
Tabel IV-3
Pertumbuhan PMA di Wilayah Pantura Jawa Barat
TAHUN BKS KRW PWK SUB IMY CRB
1980 1981 122% #DIV/0! 0% 1982 0% 0% 0% 1983 802% 0% 0% 1984 0% 0% 0% 1985 24% 0% 0% #DIV/0! 1986 10% 0% 0% 0% 1987 8% 214% 0% 29% 1988 23% 16% 0% #DIV/0! #DIV/0! 0% 1989 41% 84% 90% 0% 0% 2% 1990 108% 170% 388% 0% 0% 13% 1991 67% 63% 65% 0% 3268% 2% 1992 28% 53% 52% 0% 397% 6% 1993 18% 60% 2% 0% 0% 0% 1994 33% 5% 4% 808% 0% 0% 1995 99% 52% 8% 588% 0% 0% 1996 13% 32% 5% 0% 3% 6% 1997 9% 12% 41% 0% 0% 71% 1998 3% 3% 18% 41% 0% 2% 1999 1% 1% 0% 2% 2% 0 2000 2% 1% 0% 20% 0% 0% 2001 5% 2% 0% 0% 0% 0 2002 1% 1% 3% 1% 2% 0 2003 1% 1% 0% 1% 0% 0 2004 2% 3% 0% 1% 0% 0 2005 1% 5% 0% 2% 0% 27% % % % % %
(iii) Karawang, tidak sepenuhnya “menunggu” jalan tol untuk menarik minat investor, karena sudah memiliki PMA sejak 1981, dan tumbuh cukup bagus pada 1987 dan 1988, walaupun juga “menikmati” keberadaan jalan tol dengan catatan pertumbuhan PMA cukup besar (diatas 50%) mulai 1989 sampai 1995 sebelum akhirnya menurun menjadi hanya dibawah 5% per tahun antara 1998-2005.
Tabel IV-4
Pertumbuhan PMDN di Wilayah Pantura Jawa Barat
TAHUN BKS KRW PWK SUB IMY CRB
1980 1981 5% 0% 0% 0% 1982 13% 0% 0% 0% 1983 30% 6% 0% 0% 1984 1% 4% 0% 1141% 9% 1985 7% 0% 0% 0% 0% 1986 174% 26% 0% 110% 4% 1987 170% 0% 0% 0% 0% 9% 1988 81% 87% 0% 296% 175% 10% 1989 71% 134% 435% 426% 10% 359% 1990 182% 166% 208% 88% 7% 15% 1991 27% 25% 157% 12% 2% 30% 1992 15% 16% 36% 35% 2184% 1% 1993 17% 13% 25% 0% 1% 0% 1994 23% 32% 16% 67% 53% 6% 1995 8% 37% 26% 19% 92% 0% 1996 26% 9% 20% 62% 25% 2% 1997 30% 18% 88% 190% 42% 0% 1998 5% 4% 9% 0% 14% 0% 1999 1% 2% 0% 0% 0% 0% 2000 0% 0% 0% 0% 0% 0% 2001 6% 0% 0% 0% 1% 0% 2002 2% 0% 0% 15% 0% 2% 2003 6% 2% 0% 0% 0% 0% 2004 5% 8% 5% 7% 0% -2% 2005 2% 0% 1% 2% 0% 15%
(iv) Bekasi, telah memiliki “sejarah” PMA sejak awal 1970an, dan mencatat pertumbuhan cukup bagus pada 1980-1988 pada saat tol mulai beroperasi. Keberadaan jalan tol bagi Bekasi berperan “membantu” merangsang pertumbuhan PMA, namun hanya sampai 1997.
(v) Keberadaan jalan tol seolah-olah membuat pola kumulatif investasi PMA di 6 unit analisis (diatur berurut jarak dari Jakarta) menjadi lebih “teratur” atau “terpola”. (lihat gambar 4.1). Keteraturan ini sekaligus menunjukkan pertumbuhan yang semakin kecil sejalan dengan jarak yang semakin jauh dari Jakarta.
Dengan data-data empiris diatas, dapat disimpulkan bahwa :
(1) Keberadaan jalan tol Jakarta – Cikampek mempunyai pengaruh positif pada minat investasi di kawasan pantura Jawa Barat. Hal ini terbukti dengan peningkatan sangat tajam pertumbuhan investasi di derah yang dilintasi secara fisik (Bekasi, Karawang,
dan Purwakarta), serta mulai bergeraknya minat ke arah daerah yang didekatkan ke pusat pertumbuhan dengan adanya jalan tol tersebut (Subang, Indramayu, Cirebon). (2) Perlu diteliti lebih lanjut, seberapa kuat pengaruh positif tersebut, dan apakah ada
pengaruh keruangan (spasial) keberadaan jalan tol tersebut terhadap kinerja investasi, khususnya PMA dan PMDN.
4.4.2 Investasi dalam Perspektif Spasial
Pertanyaan seputar pengaruh spasial jalan terhadap kinerja investasi ini dipicu oleh data empiris bahwa terlihat keteraturan pola spasial minat investasi pada periode setelah adanya jalan tol. Keteraturan dimaksud, tidak tampak pada periode sebelum adanya jalan tol. Grafik 4.4 (untuk PMA) dan 4.5 (untuk PMDN) memberikan gambaran perbedaan tersebut. Pada grafik (i) terlihat ketidak teraturan pola spasialnya pada periode sebelum adanya jalan tol. Grafik (ii) menunjukkan pola keteraturan spasial setelah adanya jalan tol.
Keteraturan pola spasial tersebut antara lain :
Besaran gradual turun dari Bekasi, Karawang, Purwakarta, dan ke Subang, dan kemudian naik lagi di Indramayu, dan Cirebon. Diduga, semakin jauh dari Jakarta, minat investasi semakin rendah.
Ada ketimpangan pertumbuhan minat investasi ini yang semakin besar dari waktu ke waktu. Semakin dekat dengan Jakarta, pertumbuhannya semakin tinggi, jauh meninggalkan daerah yang secara spasial jauh dari Jakarta. (Jika Jakarta dipandang sebagai pusat pertumbuhan).
Kumulatif PMA vs Jarak dari Jakarta (1982, 1987)
-50 100 150 200 250 300 BE KA SI KA RA WA NG PU WA KA RTA SU BA NG IND RAM AY U CIR EBO N Jut a U S D
Kumulatif PMA vs Jarak dari Jakarta (1995, 2000, 2005)
-5 10 15 20 25 BEK ASI KAR AW ANG PU WA KAR TA SU BAN G IND RAM AY U CIR EB ON M il yar U S D li (i) kumulatif PMA “sebelum” tol (i) kumulatif PMA “sesudah” tol
Keberadaan jalan tol “membantu” setiap wilayah untuk menarik investor PMDN, terlihat dengan pola yang dibentuk lebih teratur, dibandingkan dengan sebelum jalan tol ada.
PMDN vs "Jarak" dr Jakarta -100 200 300 400 500 600 700 Bek asi Kar aw ang Pur wak arta Sub ang Indr am ayu Cire bon M il yar R p 1980 1985 1987
Kumulatif PMDN vs "Jarak" dr Jakarta
-10,000 20,000 30,000 40,000 50,000 60,000 1 2 3 4 5 6 M ily ar R p 1990 1995 2000 2005
(i) kumulatif PMDN “sebelum” tol (i) kumulatif PMDN “sesudah” tol Gambar 4.5 Kumulatif PMDN sebelum dan sesudah Beroperasinya Jalan Tol
Selanjutnya, untuk melihat pengaruh spasial jalan terhadap investasi akan dipakai variabel aksesibilitas seperti telah disebutkan pada bagian awal Bab ini.
Pada bagian ini akan dianalisis hubungan antara PMA (sebagai variabel dependent) – IPMA– dengan dua variabel independent : Indeks Aksesibilitas (PDRB weighted) - AXPDRB, dan jumlah penduduk suatu wilayah –POP.
Telah disebutkan di depan, bahwa hubungan IPMA dengan AXPDRB dan POP yang runut-waktu dan silang-tempat akan dianalisis dengan model pooled-time-series. Dengan komposisi 26 tahun data seri waktu dan 6 unit wilayah analisis (tempat), akan didapat (26x6) data observasi untuk IPMA. Dengan demikian tidak perlu dilakukan analisis satu-persatu untuk setiap data tahunan atau spot waktu.
Aksesibilitas, telah dijelaskan di depan adalah gambaran ukuran “keterjangkauan” suatu wilayah dalam konteks centre-periphery. Semakin besar Indeks aksesibilitas, dipahami semakin “dekat” dengan “pusat pertumbuhan” atau centre.
Perhitungan aksesibilitas yang akan dipakai dalam kajian ini, seperti disebutkan diast, adalah yang dibobot PDRB (PDRB weighted), dan disebut sebagai variabel atau predictor AXPDRB.
Perhitungan PMA vs Aksesibilitas dimulai dari membentuk matriks fungsi hambatan atau impedansi f(cij) sebelum membobotkannya dengan PDRB sesuai dengan rumus :
Ai = ∑ j PDRB j . f (cij)
Matriks impedansi yang diperoleh, dibedakan antara matriks sebelum jalan tol beroperasi (1980-1988) dan sesudah beroperasi (1989-2005) seperti pada tabel berikut
Tabel IV-5
(i) Matriks f(cij) sebelum jalan tol beroperasi
exp(-βcij) Bks Krw Pwk Sub Imy Crb
Bks 1.0000 0.1979 0.0769 0.0122 0.0011 0.0002 Krw 0.1979 1.0000 0.3887 0.0614 0.0054 0.0009 Pwk 0.0769 0.3887 1.0000 0.1580 0.0139 0.0023 Sub 0.0122 0.0614 0.1580 1.0000 0.0880 0.0146 Imy 0.0011 0.0054 0.0139 0.0880 1.0000 0.1653 Crb 0.0002 0.0009 0.0023 0.0146 0.1653 1.0000 (ii) Matriks f(cij) sesudah jalan tol beroperasi
exp(-βcij) Bks Krw Pwk Sub Imy Crb
Bks 1.0000 0.4449 0.2773 0.0438 0.0039 0.0006 Krw 0.4449 1.0000 0.6234 0.0985 0.0087 0.0014 Pwk 0.2773 0.6234 1.0000 0.1580 0.0139 0.0023 Sub 0.0438 0.0985 0.1580 1.0000 0.0880 0.0146 Imy 0.0039 0.0087 0.0139 0.0880 1.0000 0.1653 Crb 0.0006 0.0014 0.0023 0.0146 0.1653 1.0000 Selanjutnya dengan model aksesibilitas pada persamaan 4.4 di bagian depan, dihitung
Indeks Aksesibilitas (dengan range 0- 100), mengacu pada model Peripherality Index 1 (PI-1) yang dikembangkan Schurmann & Talaat (2000).
Hasil perhitungan Indeks aksesibilitas berbobot PDRB tersebut disajikan dalam tabel IV-6 berikut ini.
Tabel IV-6
Indeks Aksesibilitas (PDRB Weighted) - AXPDRB
TAHUN BEKASI KRW PWKT SUB IMY CRBN
1980 33,0824 36,8415 25,3753 15,8325 27,2984 39,9228 1981 34,2081 39,1178 27,4460 17,5922 25,4035 37,1520 1982 34,1154 38,5452 27,1314 17,4959 25,6387 37,4830 1983 33,7741 38,6565 27,4635 18,0520 25,4630 37,1846 1984 37,6114 41,1929 29,4825 19,3650 25,9867 30,3793 1985 42,6940 41,9111 29,4752 18,4400 22,0367 30,4475 1986 42,6646 41,7361 29,6614 18,7426 26,6435 25,9816 1987 43,6346 43,6715 31,9819 20,0590 21,9548 26,2539 1988 44,8794 44,6948 32,5145 20,6339 19,0368 26,7035 1989 44,9072 44,7830 32,5991 21,5948 18,1476 26,5312 1990 47,3475 47,0255 33,5082 20,5667 17,4243 24,8427 1991 47,9614 48,1101 34,4253 20,4244 16,3958 24,5070 1992 51,4272 49,4916 34,7969 18,3663 14,9487 24,1958 1993 65,6273 53,1057 35,8063 13,6904 11,4778 18,2897 1994 67,8593 53,8800 36,3917 12,6928 10,9748 17,2499 1995 69,5432 53,9485 36,1502 11,8532 10,9052 16,8309 1996 86,0349 54,2830 34,5927 7,2903 5,5971 13,2492 1997 86,7281 54,1394 34,6064 7,5664 5,3241 12,7295 1998 83,7338 52,1204 32,7268 8,2848 7,0012 14,7453 1999 83,1234 54,0655 33,6935 7,3989 7,2496 14,5823 2000 100,0000 57,6649 38,0263 3,5281 0,8435 6,5899 2001 97,3884 57,6637 38,1197 3,3941 0,7962 8,8095 2002 94,8057 61,5768 40,2485 4,3722 0,4544 7,7157 2003 95,0412 62,1719 40,3759 4,3260 0,6596 7,0972 2004 96,0242 62,9585 40,5421 3,9057 0,3654 6,5789 2005 95,6818 63,7500 40,8689 3,8345 0,0000 6,7841
Selanjutnya dengan analisis Regresi Linier, hendak dilihat hubungan antara Nilai Investasi (PMA) dan atau PMDN dengan Aksesibilitas Berbobot PDRB tersebut dalam persamaan :
Investasi (IPMA atau IPMDN) = β0 + β1 AXPDRB – β2 POP … ….(4-4) Dengan analisis pooled-time series, didapat data dengan 156 observasi dengan 1 variabel terikat (Nilai Kumulatif PMA) dan 2 variabel bebas (Aksesibilitas berbobot PDRB dan Populasi).
Rekapitulasi data yang sudah disesuaikan dengan kebutuhan analisis pooled-time-series disajikan pada Lampiran III.
Software aplikasi statistik SPSS versi 14 dipakai untuk menghitung koefisien dan parameter regresinya, dengan Indeks Aksesibilitas dan Populasi sebagai predictor dan (1) Investasi (PMA) serta (2) Investasi (PMDN) sebagai respons. Hasil analisis dan interpretasinya disajikan pada bagian berikut ini.
4.4.2.1 Penanaman Modal Asing (PMA) dan Aksesibilitas
Hasil keluaran pengolahan data dengan SPSS versi 14, ditunjukkan pada Lampiran III, khususnya Lampiran III-1 hasil pengolahan data untuk PMA, sedangkan Lampiran III-2 untuk PMDN.
Keluaran tersebut bisa diinterpretasikan sebagai berikut :
Pada analisis regresi untuk PMA tersebut, didapat nilai koefisien determinasi R2 sebesar 0,788, yang berarti 78,8% dari variance “Investasi PMA” dapat dijelaskan oleh model diatas. Dengan demikian model ini secara keseluruhan mampu menjelaskan hubungan variabel-variabelnya.
Dari tabel ANOVA ditemukan bahwa persamaan regresinya secara statistik sangat signifikan dengan nilai F=265,239 untuk n-k-1 = 153 dan P-value = 0,000 yang jauh lebih kecil dari 0,05.
Untuk melihat signifikansi masing-masing koefisien regresi digunakan hasil uji statistik t (uji t). Untuk variabel Indeks Aksesibilitas (PDRB weighted) dilihat dengan menguji β1 : Ho : β1 = 0 terhadap H1 : β1 ≠ 0. Hasil perhitungan, dari hasil diatas dapat dilihat bahwa nilai uji-t adalah t = 14,304 dengan P-value = 0. Hal ini merupakan bukti kuat penolakan terhadap Ho : β1 = 0.
Sementara itu, untuk variabel penduduk, dilihat dari β2 : Ho : β2 = 0 terhadap H1 : β2
≠ 0. Dari hasil perhitungandidapat nilai uji-t adalah t = 8,074 dengan P-value = 0. Hal ini juga merupakan bukti kuat penolakan terhadap Ho : β2 = 0.
Dengan demikian, persamaan hasil analisis yang diajukan adalah :
IPMA = -2480.126 + 60.368 AXPDRB + 1.104 POP ………. …. (4-5)
Kolinieritas persamaan regresi ini bisa dilihat dari nilai VIF di tabel Coefficient, yang bernilai 1,363 masih bisa dianggap tidak terjadi multicollinearity, atau lebih tepatnya hanya low collinearity. Sementara dari Normal Probability Plot juga terlihat bahwa
titik-titik data membentuk pola linear sehingga masih konsisten dengan distribusi normal. Residual pada hasil regresi yang didapat juga diindikasikan mempunyai variance konstan (homoscedasticity), yang ditunjukkan dengan tidak terbentuknya pola tertentu pada Scatterplot antara standardized residual dan predicted value. Terlihat ada hubungan yang signifikan antara aksesibilitas suatu wilayah dengan investasi yang bisa ditariknya. Setiap perbedaan indeks aksesibilitas satu point pada suatu waktu, akan membuat perbedaan kumulatif investasi sebesar 60,368 juta US dollar pada waktu tersebut..
4.4.2.2 Penanaman Modal Dalam Negeri (PMDN) dan Aksesibilitas
Metode perhitungan dan interpretasi yang serupa dapat diterapkan juga untuk PMDN, dengan hasil perhitungan disajikan dalam bentuk output seperti disajikan pada Lampiran III bagian b. Interpretasi atas hasil tersebut adalah :
Pada analisis regresi untuk PMA tersebut, didapat nilai koefisien determinant R2 sebesar 0,512, yang berarti “hanya” 51,2% dari variance “Investasi PMDN” dapat dijelaskan oleh model diatas.
Sementara dari tabel ANOVA diatas diindikasikan bahwa regresi secara statistic sangat signifikan dengan nilai F = 130,232 untuk derajad kebebasan 153 dan P-value = 0,000 yang jauh lebih kecil dari 0,05.
Untuk menguji signifikansi masing-masing koefisien regresi digunakan uji statistik t (uji t). Untuk menguji β1 : Ho : β1 = 0 terhadap H1 : β1 ≠ 0. Hasil perhitungan, dari tabel ANOVA dapat dilihat bahwa nilai uji-t adalah t = 8,249 dengan P-value = 0.Hal ini merupakan bukti kuat penolakan terhadap Ho : β1 = 0.
Sementara itu, untuk variabel penduduk, dilihat dari β2 : Ho : β2 = 0 terhadap H1 : β2≠ 0. Dari hasil perhitungandidapat nilai uji-t adalah t = 7,621 dengan P-value = 0. Hal ini juga merupakan bukti kuat penolakan terhadap Ho : β2 = 0.
Dengan demikian, persamaan hasil analisis yang diajukan adalah :
IPMDN = - 446,828 + 10.342 AXPDRB + 0,309 POP ………(4-6)
Kolonieritas persamaan regresi ini bisa dilihat dari nilai VIF di tabel Coefficient, yang bernilai 1,363 masih bisa dianggap tidak terjadi multicollinearity, atau lebih tepatnya
hanya low collinearity. Sementara dari Normal Probability Plot juga terlihat bahwa titik-titik data membentuk pola linear sehingga masih konsisten dengan distribusi normal. Residual pada hasil regresi yang didapat juga diindikasikan mempunyai variance konstan (homoscedasticity), yang ditunjukkan dengan tidak terbentuknya pola tertentu pada Scatterplot antara standardized residual dan predicted value.
Hasil tersebut menunjukkan adanya hubungan yang signifikan antara aksesibilitas suatu wilayah dengan investasi yang bisa ditariknya. Setiap perbedaan indeks aksesibilitas satu point antara satu wilayah dengan wilayah lainnya, akan membuat perbedaan kumulatif investasi sebesar 10,342 milyar rupiah.
Hasil tersebut dapat membantu menjelaskan bahwa tarikan investasi ke Bekasi lebih besar daripada tarikan ke wilayah yang lebih jauh dari Jakarta, antara lain karena aksesibilitas wilayah Bekasi lebih besar dari daerah lainnya tersebut.
Hal yang juga harus diperhatikan adalah ketimpangan atau gap kumulatif investasi PMA dan PMDN yang semakin besar antara Bekasi (dekat pusat pertumbuhan) dengan Subang – Indramayu – Cirebon (jauh dari pusat pertumbuhan). Ketimpangan ini dapat dijelaskan dengan ketimpangan aksesibilitas yang semakin berkembang dari waktu ke waktu seperti ditunjukkan pada grafik berikut ini.
0 20 40 60 80 100 120 1975 1980 1985 1990 1995 2000 2005 2010 Bks Krw Pwk Sub Imy Crb
Grafik 4.6 Perkembangan Indeks Aksesibilitas
Jika sebelum adanya jalan tol perbedaan indeks aksesibilitas antar daerah masih kecil, maka perbedaan indeks tersebut semakin melebar dengan adanya jalan tol.
Sementara dari hasil regresi diketahui bahwa pengaruh indeks aksesibilitas (berbobot PDRB) terhadap minat investasi cukup besar.
Hal ini membawa pada kesimpulan antara lain :
(1) Jalan tol memberi manfaat membuka isolasi daerah, dan terlihat dari adanya minat investasi di daerah dengan dibukanya jalan tol (Subang dan Indramayu pada periode 1988-1997).
(2) Hasil analisis menunjukkan bahwa Penanaman Modal Asing (PMA) lebih sensitif terhadap aspek keberadaan jalan raya / highway, dibandingkan dengan Penanaman Modal Dalam Negeri (PMDN)
(3) Paradoks dengan manfaat tersebut, keberadaan jalan tol juga mempunyai dampak memperlebar ketimpangan antara wilayah yang dekat dengan pusat pertumbuhan (centre) dengan yang jauh (periphery).
(4) Ketimpangan spasial ini akan semakin lebar dan berlanjut, jika kebijakan pembangunan regional yang dijalankan mengandalkan pertumbuhan organik yang saat ini ada.
