III. METODE PENELITIAN
3.1. Lokasi Penelitian
Penelitian ini dilakukan di Kota Tarakan, sebagai satu diantara daerah otonom yang terletak di Bagian Utara Propinsi Kalimantan Timur, secara geografis berada diantara 3°14’23”-3°26’37” Lintang Utara dan 117°30’50”-117°40’12” Bujur Timur dengan luas wilayah daratan seluas ± 250,80 km² dan luas lautan ±406,33 km². Penelitian dilaksanakan sejak bulan Januari 2010 sampai dengan bulan Maret 2010.
Gambar 3 Peta Administrasi Kota Tarakan
3.2. Metode Pengumpulan Data
Metode pengumpulaan data dilakukan dengan melakukan studi literatur dari buku teks, jurnal dan penerbitan ilmiah lain yang berhubungan dengan penelitian. Sedangkan data yang berhubungan langsung dengan obyek penelitian dilaksanakan dengan melakukan pengumpulan data skunder dari Bappeda, BPS dan Instansi terkait lainnya berupa data time series antara tahun 2000 sampai
dengan 2007, yaitu masing-masing: Data NTB, APBD, Kependudukan, Ketenagakerjaan di Kota Tarakan.
3.3. MetodeAnalisis
3.3.1. Analisis Input Output
3.3.1.1. Konstruksi Tabel Input Output Metode RAS
Metode RAS merupakan suatu metode untuk memperkirakan matriks koefisien input yang baru pada tahun t “A(t)”dengan menggunakan informasi koefisien input tahun dasar “A(0)”, total permintaan antara tahun t, dan total input antara. Metode ini dikembangkan untuk menghasilkan matriks teknologi dimasa yang akan datang tanpa harus melakukan survey detail dengan menggunakan matriks teknologi di masa lalu, sebagai jalan untuk melakukan up-dating terhadap matriks A. Metode ini disebut dengan metode RAS, karena untuk menghasilkan suatu tabel Input Output baru didasarkan pada matriks r, A dan s. Matriks koefisien input untuk tahun proyeksi t diperkirakan dengan rumus
A
(t) = R.
A
(0).S
dimana :
A(t) = Matriks teknologi tahun “t”
R = Matriks diagonal yang elemen-elemennya menunjukkan pengaruh substitusi,
S = Matriks diagonal yang elemen-elemennya menunjukkan pengaruh pabrikasi
Dalam penelitian ini metode RAS digunakan untuk melakukan up-dating Tabel Input Output Kota Tarakan tahun 2007 dengan dasar Tabel Input Output Kota Tarakan tahun 2000.
Menurut Saefulhakim (2004) secara matematis metode RAS dapat dinyatakan dengan persamaan sebagai berikut:
Xij r
(0) = Input antara sektor j yang berasal dari output sektor i tahun dasar i,
b
= Elemen matriks diagonal R i
k
= Jumlah permintaan antara sektor i tahun “t” j
s
= Jumlah input antara sektor j tahun “t” j
Tabel 3 Sektor-Sektor dalam Tabel Input Output Kota Tarakan Tahun 2007 = Elemen matriks diagonal S
No. Sektor Kode
Sektor Uraian Sektor
1 2 3 4
1 Pertanian 1 Tanaman Bahan Makanan
2 Tanaman Perkebunan
3 Peternakan dan Hasil-hasilnya 4 Kehutanan
5 Perikanan
2 Pertambangan dan Penggalian 6 Pertambangan Minyak dan Gas Bumi 7 Penggalian
3 Industri Pengolahan 8 Industri Makanan dan Minuman
9 Industri Kayu dan Hasil Hutan Lain
10 Industri lainnya
4 Listrik, Gas dan Air Minum 11 Listrik
12 Air minum
5 Bangunan 13 Bangunan/Konstruksi
6 Perdagangan, Hotel & Restoran 14 Perdagangan
15 Restoran
16 Hotel
7 Angkutan dan Komunikas 17 Angkutan darat
18 Angkutan laut
19 Angkutan udara
20 Jasa Penunjang Angkutan dan Pergudangan
21 Komunikasi
8 Keuangan, Persewaan dan Jasa Perusahaan
22 Bank
23 Lembaga Keuangan Tanpa Bank
24 Sewa Bangunan dan Jasa Perusahaan
9 Jasa-jasa 25 Pemerintahan dan Pertahanan
26 Jasa Sosial dan Kemasyarakatan
27 Jasa Hiburan dan Rekreasi
28 Jasa Perorangan dan Rumah Tangga
Input Antara 201 Upah dan Gaji 202 Surplus Usaha 203 Penyusutan
204 Pajak Tak Langsung Netto 209 Nilai Tambah Bruto
Lanjutan Tabel 3
1 2 3 4
Permintaan Akhir
301 Konsumsi Rumah Tangga 302 Konsumsi Pemerintah 303 Pembentukan Modal Tetap 304 Perubahan Stok
305 Ekspor Barang
309 Jumlah Permintaan Akhir
Sumber : BPS Kota Tarakan
Dalam model I-O parameter yang utama adalah input atau koefisien teknologi aij analisis ini adalah untuk melihat struktur keterkaitan (linkages) ekonomi antar sektor dalam suatu perekonomian serta efek multiplier suatu sektor terhadap sektor ataupun perekonomian secara keseluruhan. Secara matematis diformulasikan sebagai berikut:
atau
Dimana :
(3)
aij = Rasio antara banyaknya output sektor i yang digunakan sebagai input sektor j (=Xij) terhadap total input sektor j (=Xj).
Dengan demikian, Tabel I-O secara matematis dapat dirumuskan sebagai berikut: a11X1 + a12X2 + … a1jXj …+ a1nXn + Y1 = X a 1 21X1 + a22X2 + … a2jXj …+ ainXn + Y2 = X . . . 2 . . . . . . ai1X1 + ai2X2 + … aijXj.… + ainXn + Yi = Xi . . . . . . . . . an1X1 + an2X2 + … aijXn….. + annXn + Yn = Xn (4)
atau
=
+
n i n i n i nn n n ij n nX
X
X
X
Y
Y
Y
Y
X
X
X
X
a
a
a
a
a
a
a
a
a
a
2 1 2 1 2 1 2 1 2 22 21 1 12 11:
(5)Dengan notasi matrikss dirumuskan sebagai berikut:
AX + Y = X (6)
Matriks A merupakan matriks koefisien hubungan langsung antar sektor (koefisien teknologi), dengan demikian maka,
X – AX = Y (I – A)X= Y X = (I – A)-1.Y
Matriks (I - A) dikenal sebagai matriks Leontief, merupakan parameter penting di dalam analisis I-O. Invers matriks tersebut, matrikss (I - A)-1 atau B adalah matriks invers Leontief yang mengukur keterkaitan antara sektor secara langsung dan tidak langsung. Karena (I – A)-1
3.3.1.2. Analisis Deskriptif (Analisis Keterkaitan)
atau Y = BY, maka peningkatan produksi (X) merupakan akibat tarikan permintaan akhir Y. Gradien peningkatannya ditentukan oleh elemen-elemen matrikss B, semakin besar koefisiennya maka semakin besar pula output pada sektor tersebut.
1. Keterkaitan langsung ke depan
Keterkaitan langsung ke depan (direct forward linkage) menunjukkan efek langsung dari perubahan output (tingkat produksi) suatu sektor terhadap total tingkat produksi sektor-sektor yang menggunakan output sektor tersebut.
Untuk mengetahui besarnya keterkaitan langsung ke depan, dapat digunakan rumus sebagai berikut:
Fi X
= Keterkaitan langsung ke depan ij
X
= Banyaknya output sektor i yang digunakan oleh sektor j i
a
= Total Output sektor i
ij = Unsur matriks koefisien input atau koefisien teknis
2. Keterkaitan langsung ke belakang
Keterkaitan langsung ke belakang (direct backward linkage) menunjukkan efek langsung dari perubahan output (tingkat produksi) suatu sektor terhadap total tingkat produksi sektor-sektor yang menyediakan input bagi sektor tersebut.
Bj X
= Keterkaitan langsung ke belakang ij
X
= Banyaknyak output sektor i yang digunakan oleh sektor j j
a
= Total input sektor i
ij = Unsur matriks koefisien input atau koefisien teknis Nilai Bj
3. Keterkaitan langsung dan tak langsung ke depan
> 1 menunjukkan bahwa sektor j memiliki kaitan ke belakang yang kuat dalam pengertian memiliki pengaruh langsung yang kuat terhadap pertumbuhan sektor-sektor lain.
Keterkaitan langsung dan tak langsung ke depan (direct and indirect forward linkage) menunjukkan pengaruh langsung dan tidak langsung ke depan dari perubahan output (tingkat produksi) suatu sektor terhadap total tingkat produksi sektor-sektor yang menggunakan output sektor tersebut. Untuk mengetahui besarnya keterkaitan langsung dan tidak langsung ke depan, dengan menggunakan rumus sebagai berikut:
FDIL = Keterkaitan langsung dan tidak langsung ke depan bij
(kolom)
= Unsur kebalikan matriks Leontief sektor i (baris) dan sektor j
4. Keterkaitan langsung dan tidak langsung ke belakang
Keterkaitan langsung dan tidak langsung ke belakang (direct and indirect backward linkage) menunjukkan pengaruh langsung dan tidak langsung dari kenaikan permintaan akhir terhadap satu unit output sektor tertentu, pada peningkatan total output seluruh sektor perekonomian. Parameter ini menunjukkan kekuatan suatu sektor dalam mendorong peningkatan seluruh sektor perekonomian, secara matematis diformulasikan sebagai berikut:
BDIL = Keterkaitan langsung dan tidak langsung ke belakang bij
(kolom)
= Unsur kebalikan matriks Leontief sektor i (baris) dan sektor j
3.3.1.3. Analisis Dampak Pengganda (Multiplier effect)
Dalam hal ini, paling tidak dikenal dua tipe multiplier, yakni: Multiplier Tipe I dan Multiplier Tipe II. Multiplier Tipe I dihitung berdasarkan inverse matriks Leontief (I-A)-1, dimana sektor rumah tangga diperlakukan secara exogenous. Bila sektor rumah tangga dimasukkan dalam matriks saling ketergantungan, dengan menambah satu baris berupa pendapatan rumah tangga dan satu kolom berupa pengeluaran rumah tangga, yang berarti sektor rumah tangga diperlakukan secara endogenous dalam sistem, maka multiplier yang diperoleh adalah Multiplier Tipe II. Untuk keperluan analisis, dalam tulisan ini
dihitung berbagai jenis multiplier baik untuk Multiplier Tipe I maupun Multiplier Tipe II, antara lain:
1. Pengganda Output
Dampak peningkatan permintaan akhir suatu sektor terhadap peningkatan total output seluruh sektor di wilayah penelitian.
Fd (I – A)
= Permintaan akhir -1
2. Pengganda Pendapatan
= Invers matriks Leontif
Dampak peningkatan permintaan akhir atas output sektor j terhadap peningkatan total pendapatan rumah tangga secara keseluruhan di wilayah penelitian.
I
v
i = rasio pendapatan rumahtangga dari sektor i terhadap total output sektor i untuk i=j, maka Ivi = Ivb
j ij = elemen inverse matriks Leontief
3. Pengganda Pajak
Dampak peningkatan permintaan akhir atas output sektor j terhadap peningkatan pajak tak langsung netto secara keseluruhan di wilayah penelitian.
T vi
untuk i=j, maka
: rasio pajak tak langsung netto dari sektor i terhadap total output sektor i T
vi = Tv b
j
4. Pengganda Nilai Tambah/NTB
Dampak peningkatan permintaan akhir atas output sektor j terhadap peningkatan NTB wilayah penelitian.
(16)
GDP
vi
= Rasio Produk Domestik Regional Bruto dari sektor i terhadap total output sektor i untuk i=j, maka GDPvi = GDPvb
j ij = elemen inverse matriks Leontief
3.3.2. Analisis Diversitas (Entropy)
Metode ini digunakan untuk menghitung perkembangan aktivitas sektor ekonomi disuatu wilayah yang meliputi 20 Kelurahan pada empat kecamatan yaitu Kecamatan Tarakan Tengah 5 Kelurahan, Kecamatan Tarakan Barat 5 Kelurahan, Kecamatan Tarakan Timur 7 Kelurahan dan Kecamatan Tarakan Utara 3 Kelurahan, sehingga dapat diketahui sektor apa saja yang berkembang pada suatu wilayah, dengan prinsif semakin beragam aktivitas sektor, maka semakin besar nilai indek entropy yang mengindikasikan wilayah tersebut semakin berkembang.
Dengan formula untuk analisis Entropy adalah:
S = Nilai Entropy Pi
i = Aktivitas ekonomi ke-i (tiga lapangan kerja utama penduduk)
= Nilai rasio kejadian aktivitas ekonomi ke-i terhadap total kejadian di total kategori n
n = total kategori
3.3.3. Analisis Skalogram
Analisis skalogram digunakan untuk menentukan hirarki wilayah, dilakukan terhadap jenis, jumlah sarana dan prasarana yang tersedia dalam suatu
wilayah. Adapun data yang digunakan dalam analisis skalogram ini adalah seluruh fasilitas pelayanan yang terdapat pada setiap kelurahan dan kecamatan di Kota Tarakan.
Analisis skalogram dilakukan dengan persamaan:
= Kelurahan yang memiliki fasilitas = Bobot fasilitas
3.3.4. Gini Rasio
Gini rasio merupakan suatu teknik analisis untuk melihat tingkat pemerataan distribusi pendapatan masyarakat disuatu wilayah, disusun dengan bantuan kurva Lorenz dalam skala absis dan ordinat yang sama, masing-masing persentase populasi dan persentase pendapatan. Selanjutnya ditarik diagonal bersudut 45o sebagai batas, besarnya tingkat kemerataan dan ketidakmerataan dihitung dari luasan yang dibentuk oleh suatu fungsi yang menggambarkan tingkat pendapatan masyarakat dan garis diagonal 45o
Analisis Gini Ratio dilakukan dengan persamaan: .
G = Gini Rasio Pi
Ø
= Proporsi populasi kategori ke-i i
P
= Proporsi kumulatif pendapatan sampai dengan kategori pendapatan ke-i i = ki
N = Banyaknya kategori pendapatan /k
ki = Banyaknya populasi untuk kategori pendapatan ke-i k = Total populasi
Nilai Gini Rasio antara 0 sampai dengan 1, bila nilai G = 0, maka distribusi pendapatan masyarakat tersebut tidak terdapat ketimpangan, atau merata sangat baik, sebaliknya jika = 1, maka distribusi pendapatan masyarakat sangat timpang.
3.3.5. Indeks Pembangunan Manusia (IPM)
IPM merupakan indikator yang bertujuan untuk mengukur tingkat kesejahteraan masyarakat suatu negara atau wilayah, dengan angka indeks berkisar antara 0 – 100. IPM ini merupakan standar yang dikeluarkan PBB melalui United Nations Development Program (UNDP) dengan tiga kelompok kategori (Todaro, 2004) sebagai berikut yaitu:
Tingkat Pembangunan Manusia Rendah (0 hingga 0,499) Tingkat Pembangunan Manusia Menengah (0,50 hingga 0,799) Tingkat Pembangunan Manusia Tinggi (0,80 hingga 100)
Adapun indikator daripada IPM berdasarkan tiga tujuan atau produk akhir pembangunan adalah:
IPM = 1/3(Indeks X
1+ Indeks X
2+ Indeks X
3Dimana :
)
X1 X
= Usia Harapan hidup 2
X
= Pendidikan (rata-rata lama sekolah dan angka melek huruf) 3 = Daya beli
3.3.6. Analisis Komponen Utama
Analisis komponen utama menggunakan PCA Teknis Analisis yaitu dengan mentransformasikan secara linier satu set peubah kedalam peubah yang baru yang lebih sederhana dengan ukuran lebih kecil namun representatif dan tidak saling berkorelasi (ortogonal). Anggaran Pendapatan dan Belanja Daerah (APBD) sebagai instrumen kebijakan utama bagi pemerintah daerah, merupakan rencana keuangan tahunan pemerintah daerah yang ditetapkan oleh peraturan daerah. Dalam analisis ini APBD yang telah dirumuskan oleh pemerintah daerah dan disetujui oleh DPRD Kota Tarakan, disusun secara time series kemudian
dilakukan analisis PCA terhadap variabel-variabel pembentuk APBD untuk mentranformasikan secara linier satu set peubah kedalam peubah yang baru yang lebih sederhana dengan ukuran lebih kecil namun representatif dan tidak saling berkorelasi (ortogonal), sehingga diperoleh komponen utama variabel pengalokasian anggaran daerah.
1. Tujuan Dasar
Ada dua tujuan dasar dari PCA dan FA, yakni:
a. Ortogonalisasi Variabel: mentransformasikan suatu struktur data dengan variabel-variabel yang saling berkorelasi menjadi struktur data baru dengan variabel-variabel baru (yang disebut sebagai Komponen Utama atau Faktor) yang tidak saling berkorelasi.
b. Penyederhanaan Variabel: banyaknya variabel baru yang dihasilkan, jauh lebih sedikit dari pada variabel asalnya, tapi total kandungan informasinya (total ragamnya) relatif tidak berubah.
2. Manfaat Pokok
Ada dua manfaat pokok dari PCA dan FA, yakni:
a. Salah satu asumsi (prasyarat) dasar yang membolehkan penggunaan Analisis Regresi Berganda (pendugaan parameter struktur hubungan linier antara satu variabel tujuan dengan lebih dari satu variabel penjelas), atau Analisis Fungsi Diskriminan (pendugaan parameter struktur hubungan linier antara satu variabel pengelompokan dengan lebih dari satu variabel penjelas perbedaan antar kelompok), adalah tidak terjadinya apa yang disebut dengan multicollinearity (fenomena saling berkorelasi antar variabel penjelas). Dengan demikian, PCA dan FA dapat membantu kita dalam menyelesaikan permasalahan multicollinearity ini.
b. Dengan dapat menyajikan data dengan struktur yang jauh lebih sederhana tanpa kehilangan esensi informasi yang terkandung didalamnya, maka kita akan lebih mudah memahami, mengkomunikasikan, dan menetapkan prioritas penanganan terhadap hal-hal yang lebih pokok dari struktur permasalahan yang kita hadapi. Dengan demikian efisiensi dan efektifitas penanganan permasalahan dapat lebih ditingkatkan.
Perumusan PCA secara umum adalah:
Dalam penelitian ini PCA digunakan sebagai penciri indikator pengalokasian anggaran, analisis PCA ini dilakukan hingga diperoleh nilai PC Score dengan nilai total akar ciri (eigenvalues) diatas 70 % dari jumlah faktor-faktor baru yang diperoleh.
Tabel 4 Matriks Tujuan, Metode, Data yang diperlukan dan Output yang diharapkan
No Tujuan Metode Data Output
1 Mengetahui sektor-sektor unggulan dalam perekonomian
-Analisis Input Output NTB Kota Tarakan Tahun 2007
Sektor unggulan dan peranan sektor
2 Menentukan potensi dan menyusun rencana pengembangan sektor unggulan Kota Tarakan.
-Gini Rasio -IPM
-Analisis Entropy -Analisis Skalogram
Pendapatan Penduduk Kota Tarakan Tahun 2006-2007
Penduduk Kota Tarakan Tahun 2007 Podes Kota Tarakan Tahun 2008
Sumber daya tersedia dan kinerja pembangunan
3 Mengidentifikasi alokasi anggaran dalam mendukung sektor unggulan di Kota Tarakan.
-PCA
-Sintesis analisis
APBD Kota Tarakan Tahun 2000-2004 Hasil-hasil analisis
Efisiensi dan efektifitas Anggaran dalam mendukung sektor unggulan
4 Menyusun suatu strategi alokasi anggaran yang mendukung sektor unggulan
-Sintesis analisis
Hasil-hasil analisis Efisiensi dan efektifitas Anggaran dalam mendukung sektor unggulan