67 BAB IV
ANALISIS DATA DAN PEMBAHASAN
A. Gambaran Umum Penelitian 1. Kondisi Geografis
Pulau Jawa merupakan salah satu pulau yang ada di Indonesia.
Pulau Jawa terletak di bagian selatan yang berbatasan langsung dengan Pulau Natal, sedangkan di bagian utara berbatasan dengan Pulau Kalimantan, di bagian timur berbatasan dengan Pulau Bali, dan bagian barat berbatasan dengan Pulau Sumatera.
Sumber: Badan Nasional Penanggulangan Bencana (2009)
Gambar 7. Peta Pulau Jawa commit to user
68 Pulau Jawa dikelilingi oleh perairan yaitu samudera, laut dan selat diantaranya sebelah utara terdapat Laut Jawa, sebelah timur terdapat Selat Bali dan Selat Madura, sebelah barat terdapat Selat Sunda, dan sebelah selatan terdapat Samudera Hindia. Gambaran singkat mengenai Pulau Jawa dapat dilihat pada gambar 7.
Pulau Jawa merupakan pulau ke-13 terbesar di dunia dengan luas 129.438,28 km2 atau sama dengan 6,76 % dari luas Indonesia. Pulau Jawa terdiri dari 6 provinsi yaitu Provinsi DKI Jakarta, Provinsi Jawa Barat, Provinsi Jawa Tengah, Provinsi DI Yogyakarta, Provinsi Jawa Timur, dan Provinsi Banten. Masing-masing provinsi memiliki luas daerah yang berbeda-beda. Berikut luas daerah beserta jumlah pulau masing-masing provinsi di Pulau Jawa. (lihat tabel 3)
Tabel 3. Luas Daerah dan Jumlah Pulau di Pulau Jawa Tahun 2018
No Provinsi Luas
(𝐤𝐦𝟐)
Persentase (%)
Jumlah Pulau
1. DKI Jakarta 664,01 0,03 110
2. Jawa Barat 35.377,76 1,85 30
3. Jawa Tengah 32.800,69 1,71 72
4. DI Yogyakarta 3.133,15 0,16 33
5. Jawa Timur 47.799,75 2,49 431
6. Banten 9.662,92 0,50 81
Pulau Jawa 129.438,28 6,76 757
Indonesia 1.916.862,20 100,00 16.056
Sumber: Badan Pusat Statistik (2019)
Tabel 3 menunjukkan bahwa Provinsi Jawa Timur merupakan provinsi terluas di Pulau Jawa dengan luas 47.799,75 km2 atau sama dengan 2,49 % dari luas Indonesia, sedangkan provinsi yang memiliki
commit to user
69 luas terkecil adalah Provinsi DKI Jakarta dengan luas 664,01 km2 atau sama dengan 0,03 % dari luas Indonesia.
Tabel tersebut juga terlihat bahwa Pulau Jawa memiliki pulau sebanyak 757. Provinsi yang memiliki pulau terbanyak adalah Provinsi Jawa Timur sebanyak 431 pulau, sedangkan provinsi yang memiliki pulau sedikit adalah Provinsi Jawa Barat sebanyak 30 pulau.
Pulau Jawa secara administratif tidak hanya terbagi menjadi enam provinsi, tetapi juga terbagi ke ruang lingkup yang lebih kecil seperti kabupaten/kota, kecamatan maupun desa/kelurahan. Berikut rincian pembagian wilayah administratif di Pulau Jawa.
Tabel 4. Pembagian Wilayah Administratif Menurut Provinsi di Pulau Jawa Tahun 2018
Provinsi Kabupaten Kota Kecamatan Desa / Kelurahan
DKI Jakarta 1 5 44 267
Jawa Barat 18 9 627 5.957
Jawa Tengah 29 6 576 8.559
DI Yogyakarta 4 1 78 438
Jawa Timur 29 9 666 8.501
Banten 4 4 155 1.552
Pulau Jawa 85 34 2.146 25.274
Sumber: Badan Pusat Statistik (2019)
Tabel 4 menunjukkan bahwa Pulau Jawa memiliki 85 kabupaten, 34 kota, 2.146 kecamatan, dan 25.274 desa/kelurahan. Provinsi Jawa Tengah dan Jawa Timur sama-sama memiliki kabupaten terbanyak berjumlah 29 kabupaten, sedangkan provinsi yang memiliki wilayah
commit to user
70 kabupaten sedikit adalah Provinsi DKI Jakarta yang berjumlah 1 kabupaten.
Jumlah kota terbanyak di Provinsi Jawa Barat dan Jawa Timur yaitu 9 kota, sedangkan provinsi yang memiliki kota paling sedikit adalah Provinsi DI Yogyakarta sebanyak 1 kota. Provinsi yang memiliki kecamatan terbanyak adalah Provinsi Jawa Timur sebanyak 666 kecamatan, sedangkan provinsi yang memiliki kecamatan paling sedikit adalah Provinsi DKI Jakarta sebanyak 44 kecamatan. Terakhir, provinsi yang memiliki desa/kelurahan paling banyak adalah Provinsi Jawa Tengah sebanyak 8.559 desa/kelurahan, sedangkan Provinsi DKI Jakarta merupakan provinsi yang memiliki desa/kelurahan paling sedikit berjumlah 267 desa/kelurahan.
2. Kependudukan
Pulau Jawa merupakan pulau pertama yang memiliki populasi terbesar di Indonesia, sedangkan pulau yang menduduki posisi kedua dalam memiliki jumlah penduduk terbanyak setelah Pulau Jawa adalah Pulau Sumatera dan pulau ketiga dengan populasi cukup besar adalah Pulau Kalimantan. Perkembangan jumlah penduduk di Pulau Jawa dapat dilihat pada tabel 5 berikut.
Tabel 5 menunjukkan bahwa provinsi yang memiliki jumlah penduduk terbanyak adalah Provinsi Jawa Barat, dengan jumlah penduduk mencapai 48,6 juta jiwa atau setara dengan 18,37 % dari jumlah commit to user
71 penduduk Indonesia, sedangkan provinsi yang memiliki jumlah penduduk terkecil adalah Provinsi DI Yogyakarta, dengan jumlah penduduk mencapai 3,8 juta jiwa atau setara dengan 1,43 % dari jumlah penduduk Indonesia.
Tabel 5. Pertumbuhan Penduduk di Pulau Jawa Tahun 2012-2018
No Provinsi
Penduduk
(Jiwa) Pertumbuhan
(%)
Persentase terhadap Indonesia 2012 2018 (%)
1. DKI Jakarta 9.862.138 10.467.629 6,14 3,95
2. Jawa Barat 44.643.586 48.683.861 9,05 18,37
3. Jawa Tengah 32.998.692 34.490.835 4,52 13,01
4. DI Yogyakarta 3.552.462 3.802.872 7,05 1,43
5. Jawa Timur 38.106.590 39.500.851 3,66 14,91
6. Banten 11.248.947 12.689.736 12,81 4,79
Pulau Jawa 140.412.415 149.635.784 6,57 56,46
Indonesia 245.425.200 265.015.300 7,98 100
Sumber: Badan Pusat Statistik 2012-2018, diolah
Jumlah penduduk lainnya, Provinsi DKI Jakarta mencapai 10,4 juta jiwa atau sama dengan 3,95 % dari jumlah penduduk Indonesia.
Jumlah penduduk Provinsi Jawa Tengah mencapai 34,4 juta jiwa atau sama dengan 13,01 % dari jumlah penduduk Indonesia. Jumlah penduduk Provinsi Jawa Timur mencapai 39,5 juta jiwa atau sama dengan 14,91 % dari jumlah penduduk Indonesia. Jumlah penduduk Provinsi Banten mencapai 12,6 juta jiwa atau sama dengan 4,79 % dari jumlah penduduk Indonesia.
Pertumbuhan penduduk di Pulau Jawa selama 7 tahun dimulai dari tahun 2012 hingga tahun 2018 adalah sebesar 6,57 %. Pertumbuhan tertinggi dicapai oleh Provinsi Banten dengan tingkat pertumbuhan commit to user
72 sebesar 12,81 %. Sedangkan pertumbuhan terendah dicapai oleh Provinsi Jawa Timur dengan tingkat pertumbuhan sebesar 3,66 %. Sementara tingkat pertumbuhan yang lain, Provinsi DKI Jakarta sebesar 6,14 %, Provinsi Jawa Barat sebesar 9,05 %, Provinsi Jawa Tengah sebesar 4,52
%, dan Provinsi DI Yogyakarta sebesar 7,05 %.
3. Kondisi Sosial dan Ekonomi
Pembahasan berikut akan menjelaskan kondisi sosial dan ekonomi dari Pulau Jawa yang berkaitan dengan variabel penelitian. Keberhasilan pembangunan dapat terlihat dari kemampuan daerah dalam mengelola perekonomiannya dan mampu mengelola potensi sumber daya manusia yang ada. Untuk melihat kondisi sosial dan ekonomi suatu daerah dapat menggunakan beberapa komponen seperti Petumbuhan Ekonomi, Tingkat Inflasi, Indeks Pembangunan Manusia, dan Tingkat Pengangguran Terbuka.
a. Pertumbuhan Ekonomi
Pertumbuhan ekonomi suatu daerah dapat diukur melalui perkembangan PDRB Atas Dasar Harga Konstan 2010 dari tahun 2012 hingga tahun 2018. Berikut pertumbuhan ekonomi di Pulau Jawa tahun 2012-2018.
Tabel 6 menunjukkan bahwa pada tahun 2012 hingga tahun 2018 pertumbuhan ekonomi atau produk domestik regional bruto berdasarkan harga konstan 2010 di masing-masing provinsi di Pulau commit to user
73 Jawa diantaranya Provinsi DKI Jakarta, Provinsi Jawa Barat, Provinsi Jawa Tengah, Provinsi DI Yogyakarta, Provinsi Jawa Timur, dan Provinsi Banten mengalami peningkatan yang signifikan. Peningkatan tersebut mengindikasikan bahwa pertumbuhan ekonomi masing- masing provinsi di Pulau Jawa sedang berada dalam kondisi yang baik.
Tabel 6. Pertumbuhan Ekonomi di Pulau Jawa Tahun 2012-2018 (Miliar Rupiah)
Provinsi 2012 2013 2014 2015 2016 2017 2018
DKI Jakarta
1222527.9 1296694.6 1373389.1 1454563.9 1539916.9 1635366.6 1736195.6
Jawa Barat 1028409.7 1093543.6 1149216.1 1207232.3 1275619.2 1343864.4 1419689.1 Jawa
Tengah
691343.12 726655.12 764959.15 806765.09 849099.35 893750.44 941283.28
DI Yogyakarta
71702.45 75627.45 79536.08 83474.45 87685.81 92302.02 98026.56
Jawa Timur
1124464.6 1192789.8 1262684.5 1331376.1 1405563.5 1482299.6 1563756.4
Banten 310385.59 331099.11 349351.23 368377.2 387835.09 410045.92 433884.32 Sumber: Badan Pusat Statistik 2019
Terlihat pada Provinsi DKI Jakarta memiliki produk domestik regional bruto tahun 2012 sebesar Rp. 1.222.527,9 miliar hingga tahun 2018 sebesar Rp. 1.736.195,6 miliar merupakan satu-satunya provinsi dengan produk domestik regional bruto tertinggi dibandingkan dengan provinsi lainnya yang termasuk dalam Pulau Jawa, sedangkan provinsi yang memiliki produk domestik regional bruto terendah adalah Provinsi DI Yogyakarta dimana tahun 2012 sebesar Rp. 71.702,45 miliar hingga tahun 2018 sebesar Rp.
98.026,56 miliar.
commit to user
74 Sementara itu, provinsi lainnya yaitu Provinsi Jawa Barat, Provinsi Jawa Tengah, Provinsi Jawa Timur, dan Provinsi Banten mempunyai produk domestik regional bruto dengan nilai yang relatif baik atau sedang karena berada di antara Provinsi DKI Jakarta yang memiliki produk domestik regional bruto tertinggi dan Provinsi DI Yogyakarta yang memiliki produk domestik regional bruto terendah.
b. Tingkat Inflasi
Inflasi berkaitan dengan kondisi dimana terjadi perubahan harga terhadap barang-barang yang bersifat kebutuhan pokok secara terus-menerus tidak hanya terjadi pada satu daerah tetapi hampir menyeluruh semua daerah. Berikut tingkat inflasi Pulau Jawa tahun 2012-2018.
Tabel 7. Tingkat Inflasi di Pulau Jawa Tahun 2012-2018 (Persen) Provinsi 2012 2013 2014 2015 2016 2017 2018 DKI
Jakarta 4.52 8.00 8.95 3.30 2.37 3.07 3.13 Jawa Barat 3.86 9.15 7.60 2.73 2.75 3.63 3.13 Jawa
Tengah 4.24 7.99 8.22 2.73 2.36 3.71 2.82 DI
Yogyakarta 4.31 7.32 6.59 3.09 2.29 4.20 2.66 Jawa
Timur 4.50 7.59 7.77 3.08 2.74 4.04 2.86 Banten 4.37 8.65 10.20 4.29 2.94 3.98 3.42 Sumber: Badan Pusat Statistik 2012-2018
Tabel 7 menunjukkan bahwa pada tahun 2012 hingga tahun 2018 tingkat inflasi di masing-masing provinsi di Pulau Jawa diantaranya Provinsi DKI Jakarta, Provinsi Jawa Barat, Provinsi Jawa commit to user
75 Tengah, Provinsi DI Yogyakarta, Provinsi Jawa Timur, dan Provinsi Banten mengalami pergerakan yang fluktuatif.
Pada tahun 2012 provinsi yang memiliki tingkat inflasi tertinggi adalah Provinsi DKI Jakarta sebesar 4,52 %, sedangkan tingkat inflasi terendah terjadi di Provinsi Jawa Barat sebesar 3,86 %.
Pada tahun 2013 Provinsi Jawa Barat memiliki tingkat inflasi tertinggi sebesar 9,15 %, sedangkan Provinsi DI Yogyakarta memiliki tingkat inflasi terendah sebesar 7,32 %. Pada tahun 2014 Provinsi Banten memiliki tingkat inflasi tertinggi sebesar 10,20 %, sedangkan tingkat inflasi terendah terjadi di Provinsi DI Yogyakarta sebesar 6,59 %.
Pada tahun 2013 dan 2014 rata-rata tingkat inflasi di Pulau Jawa mengalami kenaikan, hal ini dikarenakan adanya kenaikan harga BBM sehingga memicu kenaikan harga sandang dan pangan.
Pada tahun 2015 tingkat inflasi mengalami penurunan dari tahun sebelumnya dimana Provinsi DKI Jakarta dari 8,95 % ke 3,30 % atau menurun sebesar 5,65 %. Kemudian Provinsi Jawa Barat dari 7,60 % ke 2,73 % atau menurun sebesar 4,87 %. Provinsi Jawa Tengah dari 8,22 % ke 2,73 % atau menurun sebesar 5,49 %. Provinsi DI Yogyakarta dari 6,59 % ke 3,09 % atau menurun sebesar 3,5 %.
Provinsi Jawa Timur dari 7,77 % ke 3,08 % atau menurun sebesar 4,69 %. Provinsi Banten dari 10,20 % ke 4,29 % atau menurun sebesar 5,91%.
commit to user
76 Disamping itu tahun 2016 Provinsi Banten memiliki tingkat inflasi tertinggi sebesar 2,94 %, sedangkan tingkat inflasi terendah terjadi di Provinsi DI Yogyakarta sebesar 2,29 %. Kemudian tahun 2017 mengalami peningkatan dimana Provinsi DKI Jakarta dari 2,37
% ke 3,07 %, Provinsi Jawa Barat dari 2,75 % ke 3,63 %, Provinsi Jawa Tengah dari 2,36 % ke 3,71 %, Provinsi DI Yogyakarta dari 2,29
% ke 4,20 %, Provinsi Jawa Timur dari 2,74 % ke 4,04 %, dan Provinsi Banten dari 2,94 % ke 3,98 %. Pada tahun 2018 rata-rata tingkat inflasi di Pulau Jawa mengalami penurunan kecuali Provinsi DKI Jakarta dari 3,07 % menjadi 3,13 % atau meningkat sebesar 0,06
%.
c. Indeks Pembangunan Manusia
Indeks Pembangunan Manusia merupakan salah satu komponen keberhasilan pembangunan suatu daerah dalam meningkatkan kualitas sumber daya manusia. Berikut Indeks Pembangunan Manusia Pulau Jawa Tahun 2012-2018.
Tabel 8 menunjukkan bahwa pada tahun 2012 hingga tahun 2018 angka Indeks Pembangunan Manusia masing-masing provinsi di Pulau Jawa mengalami peningkatan yang signifikan. Kondisi tersebut mengindikasikan bahwa masing-masing provinsi di Pulau Jawa mengalami kemajuan di bidang pembangunan.
commit to user
77 Tabel 8. Indeks Pembangunan Manusia di Pulau Jawa Tahun 2012- 2018
Provinsi 2012 2013 2014 2015 2016 2017 2018 DKI
Jakarta 77.53 78.08 78.39 78.99 79.6 80.06 80.47 Jawa Barat 67.32 68.25 68.8 69.5 70.05 70.69 71.3 Jawa
Tengah 67.21 68.02 68.78 69.49 69.98 70.52 71.12 DI
Yogyakarta 76.15 76.44 76.81 77.59 78.38 78.89 79.53 Jawa
Timur 66.74 67.55 68.14 68.95 69.74 70.27 70.77 Banten 68.92 69.47 69.89 70.27 70.96 71.42 71.95 Sumber: Badan Pusat Statistik 2019
Provinsi DKI Jakarta memiliki angka IPM tahun 2012 sebesar 77,53 hingga tahun 2018 sebesar 80,47 yang merupakan satu-satunya provinsi dengan angka IPM tertinggi dibandingkan dengan provinsi lainnya yang termasuk dalam Pulau Jawa. Berbeda dengan Provinsi Jawa Timur yang memiliki angka IPM terendah dimana tahun 2012 sebesar 66,74 hingga tahun 2018 sebesar 70,77.
Disamping itu provinsi lainnya yaitu Provinsi Jawa Barat, Provinsi Jawa Tengah, Provinsi DI Yogyakarta, dan Provinsi Banten mempunyai angka IPM dengan nilai yang relatif baik atau sedang karena berada di antara Provinsi DKI Jakarta yang memiliki angka IPM tertinggi dan Provinsi Jawa Timur yang memiliki angka IPM terendah.
d. Tingkat Pengangguran Terbuka
Tingkat Pengangguran Terbuka merupakan indikator lain dalam menentukan keberhasilan pembangunan dengan commit to user cara
78 mengurangi pengangguran melalui tersedianya lapangan pekerjaan bagi masyarakat yang sedang mencari pekerjaan (pengangguran).
Berikut Tingkat Pengangguran Terbuka Pulau Jawa Tahun 2012- 2018.
Tabel 9. Tingkat Pengangguran Terbuka di Pulau Jawa Tahun 2012- 2018
Provinsi 2012 2013 2014 2015 2016 2017 2018 DKI
Jakarta 9.67 8.63 8.47 7.23 6.12 7.14 6.24 Jawa Barat 9.08 9.16 8.45 8.72 8.89 8.22 8.17 Jawa
Tengah 5.61 6.01 5.68 4.99 4.63 4.57 4.51 DI
Yogyakarta 3.90 3.24 3.33 4.07 2.72 3.02 3.35 Jawa
Timur 4.11 4.30 4.19 4.47 4.21 4.00 3.99 Banten 9.94 9.54 9.07 9.55 8.92 9.28 8.52 Sumber: Badan Pusat Statistik 2019
Tabel 9 menunjukkan bahwa pada tahun 2012 hingga tahun 2018 tingkat pengangguran terbuka masing-masing provinsi di Pulau Jawa diantaranya Provinsi DKI Jakarta, Provinsi Jawa Barat, Provinsi Jawa Tengah, Provinsi DI Yogyakarta, Provinsi Jawa Timur, dan Provinsi Banten mengalami peningkatan dan penurunan yang signifikan.
Secara keseluruhan provinsi yang memiliki tingkat pengangguran terbuka tertinggi dari tahun 2012 hingga tahun 2018 adalah Provinsi Banten, dimana tahun 2012 sebesar 9,94 %, tahun 2013 sebesar 9,54 %, tahun 2014 sebesar 9,07 %, tahun 2015 sebesar 9,55 %, tahun 2016 sebesar 8,92 %, tahun 2017 sebesar 9,28 %, dan commit to user
79 tahun 2018 sebesar 8,52%. Berbeda dengan Provinsi DI Yogyakarta memiliki tingkat pengangguran terbuka terendah dari provinsi lainnya di Pulau Jawa, dimana tahun 2012 sebesar 3,90 %, tahun 2013 sebesar 3,24 %, tahun 2014 sebesar 3,33 %, tahun 2015 sebesar 4,07 %, tahun 2016 sebesar 2,72 %, tahun 2017 sebesar 3,02 %, dan tahun 2018 sebesar 3,35%.
Sementara provinsi lainnya yaitu Provinsi DKI Jakarta, Provinsi Jawa Barat, Provinsi Jawa Tengah, dan Provinsi Jawa Timur memiliki tingkat pengagguran terbuka sedang karena berada di antara Provinsi Banten yang memiliki tingkat pengangguran terbuka tertinggi dan Provinsi DI Yogyakarta yang memiliki tingkat pengangguran terbuka terendah. Jika dilihat dari tahun 2017 dan tahun 2018 tingkat pengangguran terbuka terjadi penurunan yang signifikan kecuali Provinsi DI Yogyakarta dari 3,02 % ke 3,35 % atau meningkat sebesar 0,33 % dari tahun sebelumnya.
4. Kondisi Lingkungan
Pembahasan berikut akan menjelaskan kondisi lingkungan dari Pulau Jawa yang berkaitan dengan variabel penelitian. Variabel penelitian yang digunakan penelitian ini adalah Tingkat Emisi Karbon. Tingkat Emisi Karbon didapat dari nilai proxy indeks emisi CO2 Indonesia, PDRB Provinsi, dan PDB Indonesia. Berikut tingkat emisi karbon Pulau Jawa Tahun 2012-2018.
commit to user
80 Tabel 10. Tingkat Emisi Karbon di Pulau Jawa Tahun 2012-2018
Provinsi 2012 2013 2014 2015 2016 2017 2018 DKI
Jakarta 5.43548 5.37796 5.513833 5.841151 5.72403 5.603496 4.988457
Jawa Barat 10.37563 10.36864 10.52619 11.1555 10.98915 10.58925 9.379711
Jawa
Tengah 6.628434 6.507354 6.626422 7.092959 6.936275 6.646122 5.822938
DI
Yogyakarta 0.336718 0.331947 0.331427 0.349502 0.342496 0.329665 0.289043
Jawa
Timur 10.02282 9.920156 10.25049 11.01003 10.80996 10.4489 9.242608
Banten 2.640526 2.657608 2.663065 2.834436 2.761055 2.651099 2.326986
Sumber: Germanwatch dan Badan Pusat Statistik 2012-2018, diolah
Tabel 10 menunjukkan bahwa pada tahun 2012 hingga tahun 2018 tingkat emisi karbon masing-masing provinsi di Pulau Jawa diantaranya Provinsi DKI Jakarta, Provinsi Jawa Barat, Provinsi Jawa Tengah, Provinsi DI Yogyakarta, Provinsi Jawa Timur, dan Provinsi Banten mengalami pergerakan yang fluktuatif. Provinsi yang memiliki tingkat emisi tertinggi adalah Provinsi Jawa Barat, kemudian diikuti Provinsi Jawa Timur dan Provinsi Jawa Tengah. Sedangkan provinsi yang memiliki tingkat emisi terendah adalah Provinsi DI Yogyakarta. Selama 7 tahun terakhir rata-rata tingkat emisi karbon Provinsi Jawa Barat sebesar 10,4834, sedangkan rata-rata tingkat emisi karbon Provinsi DI Yogyakarta sebesar 0,3301. Kondisi tersebut mengindikasikan bahwa tingkat pencemaran udara Provinsi DI Yogyakarta lebih rendah daripada Provinsi Jawa Barat.
B. Analisis Deskriptif
Analisis statistik deskriptif digunakan untuk mendeskripsikan data secara statistik ke dalam bentuk sederhana agar mudah dibaca dan dipahami. commit to user
81 Data yang digunakan dalam penelitian ini adalah data panel, yaitu dengan menggabungkan data time series dan cross section. Pada penelitian ini yang merupakan data cross section yaitu Pulau Jawa yang terdiri dari 6 provinsi diantaranya Provinsi Jawa Barat, Provinsi Jawa Tengah, Provinsi DI Yogyakarta, Provinsi Jawa Timur, Provinsi DKI Jakarta, dan Provinsi Banten, sedangkan data time series pada penelitian ini adalah sebanyak 7 tahun dimulai dari tahun 2012 hingga tahun 2018.
Tabel 11. Statistik Deskriptif
PE JP INF IPM TPT EMS
Mean 13.34119 16.66944 4.765476 72.45190 6.378810 5.968562 Median 13.79926 16.83414 3.920000 70.60500 6.065000 5.832050 Maximum 14.36721 17.70086 10.20000 80.47000 9.940000 11.15550 Minimum 11.18028 15.08315 2.290000 66.74000 2.720000 0.289000 Std. Dev. 1.027441 0.915197 2.371644 4.434688 2.369558 3.762548 Skewness -1.092948 -0.486517 0.923242 0.588980 0.053085 -0.123927 Kurtosis 2.789427 1.866555 2.386467 1.749417 1.409808 1.700337
Jarque-Bera 8.439340 3.905112 6.625372 5.165206 4.444968 3.063470 Probability 0.014703 0.141911 0.036418 0.075577 0.108340 0.216160
Sum 560.3300 700.1167 200.1500 3042.980 267.9100 250.6796
Sum Sq. Dev. 43.28100 34.34102 230.6124 806.3246 230.2070 580.4273
Observations 42 42 42 42 42 42
Sumber: Output Eviews 10, diolah
Tabel 11 menunjukkan bahwa rata-rata pertumbuhan ekonomi (PE) dari 42 data tersebut adalah 13.34119, dengan nilai tertinggi sebesar 14.36721 dan nilai terendah sebesar 11.18028. Selanjutnya variabel independen yang akan diteliti pengaruhnya terhadap pertumbuhan ekonomi adalah Jumlah Penduduk (JP), Tingkat Inflasi (INF), Indeks Pembangunan Manusia (IPM), Tingkat Pengangguran Terbuka (TPT), dan Tingkat Emisi Karbon (EMS).
commit to user
82 1. Jumlah Penduduk
Berdasarkan tabel diatas menunjukkan bahwa rata-rata jumlah penduduk adalah 16.66944 dan dengan nilai standar deviasi sebesar 0.915197. Sementara itu, data jumlah penduduk tertinggi sebesar 17.70086 dan nilai jumlah penduduk terendah sebesar 15.08315.
2. Tingkat Inflasi
Berdasarkan tabel diatas menunjukkan bahwa rata-rata tingkat inflasi adalah 4.765476 dan dengan nilai standar deviasi sebesar 2.371644. Sementara itu, data tingkat inflasi tertinggi sebesar 10.20000 dan nilai tingkat inflasi terendah sebesar 2.290000.
3. Indeks Pembangunan Manusia
Berdasarkan tabel diatas menunjukkan bahwa rata-rata indeks pembangunan manusia adalah 72.45190 dan dengan nilai standar deviasi sebesar 4.434688. Sementara itu, data indeks pembangunan manusia tertinggi sebesar 80.47000 dan nilai indeks pembangunan manusia terendah sebesar 66.74000.
4. Tingkat Pengangguran Terbuka
Berdasarkan tabel diatas menunjukkan bahwa rata-rata tingkat pengangguran terbuka adalah 6.378810 dan dengan nilai standar deviasi sebesar 2.369558. Sementara itu, data tingkat pengangguran terbuka
commit to user
83 tertinggi sebesar 9.940000 dan nilai tingkat pengangguran terbuka terendah sebesar 2.720000.
5. Tingkat Emisi Karbon
Berdasarkan tabel diatas menunjukkan bahwa rata-rata tingkat emisi karbon adalah 5.968562 dan dengan nilai standar deviasi sebesar 3.762548. Sementara itu, data tingkat emisi karbon tertinggi sebesar 11.15550 dan nilai tingkat emisi karbon terendah sebesar 0.289000.
C. Hasil Analisis
1. Uji Pemilihan Model Regresi Data Panel
Model regresi data panel harus dilakukan pengujian untuk memilih model regresi yang tepat digunakan dalam penelitian ini. Berikut pengujian model regresi yang dilakukan dalam penelitian yaitu:
a. Uji Chow
Pengujian ini dilakukan untuk menentukan model yang terbaik antara estimasi model common effect maupun estimasi model fixed effect. Hipotesis dalam pengujian ini adalah:
H0 : Model Common Effect H1 : Model Fixed Effect
Hasil pengujian chow adalah sebagai berikut:
commit to user
84
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 5546.497441 (5,31) 0.0000
Cross-section Chi-square 285.494573 5 0.0000
Sumber: Output Eviews 10, diolah
Gambar 8. Hasil Uji Chow
Berdasarkan hasil pengujian chow antara model common effect dan fixed effect didapatkan nilai probabilitas pada cross-section chi- square sebesar 0.0000 lebih kecil dari alfa 5% (0.0000 < 0.05), maka
secara statistik menolak H0 yang berarti model yang lebih baik digunakan dalam penelitian ini adalah model fixed effect daripada model common effect.
b. Uji Hausman
Pengujian ini dilakukan untuk menentukan model yang terbaik antara estimasi model fixed effect maupun estimasi model random effect.
Pengujian hausman dapat dilakukan dengan membandingkan chi- square atau bisa dengan membandingkan nilai probabilitasnya.
Hipotesis dalam pengujian ini adalah:
H0 : Model Random Effect H1 : Model Fixed Effect
Hasil pengujian hausman adalah sebagai berikut:
commit to user
85
Correlated Random Effects - Hausman Test Equation: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 27732.485249 5 0.0000
Sumber: Output Eviews 10, diolah
Gambar 9. Hasil Uji Hausman
Berdasarkan hasil pengujian hausman antara model fixed effect dan random effect didapatkan nilai probabilitas pada cross-section random
sebesar 0.0000 lebih kecil dari alfa 5% (0.0000 < 0.05), maka secara statistik menolak H0 yang berarti model yang lebih baik digunakan dalam penelitian ini adalah model fixed effect daripada model random effect.
2. Pengujian Struktur Varians-Kovarians Residual
Pengujian ini dilakukan untuk memeriksa apakah residual model fixed effect bersifat homoskedastisitas dan juga memeriksa apakah
terdapat cross section correlation. Berikut terdapat 2 uji dalam pengujian struktur varians kovarians residual adalah sebagai berikut:
a. Pengujian Sifat Homoskedastisitas
Pengujian sifat homoskedastisitas pada struktur varians kovarians residual dilakukan dengan menggunakan uji LM (Lagrange Multiplier). Hipotesis dalam pengujian ini adalah:
commit to user
86 H0 : Struktur varians-kovarians residual bersifat homoskedastik
H1 : Struktur varians-covarians residual bersifat heteroskedastik
Berdasarkan hasil perhitungan yang terlihat pada lampiran 2.
menunjukkan bahwa nilai LM sebesar 20.01649 dengan taraf signifikansi 5% ( = 0.05) lebih besar daripada nilai tabel Chi Square dengan derajat bebas 4 sebesar 9.487729 yang artinya menolak H0, maka dapat disimpulkan bahwa struktur varians kovarians residual dari model fixed effect adalah bersifat heteroskedastik.
b. Cross-Sectional Correlation
Pengujian cross section correlation pada struktur varians kovarians residual dilakukan dengan menggunakan uji Breusch-Pagan Lagrange Multiplier (𝜆𝐿𝑀). Hipotesis dalam pengujian ini adalah:
H0 : Tidak terdapat korelasi antar individu H1 : Terdapat korelasi antar individu
Berdasarkan hasil pengujian yang terlihat pada lampiran 2.
menunjukkan bahwa nilai 𝜆𝐿𝑀 sebesar 30.11790 dengan taraf signifikansi 5% ( = 0.05) lebih besar daripada nilai kritis X2 (0.05;
15) sebesar 24.99579 yang artinya menolak H0, maka dapat disimpulkan bahwa struktur varians kovarians residual dari model commit to user
87 fixed effect adalah bersifat heteroskedastik dan terdapat korelasi antar
individu. Dengan demikian metode yang tepat untuk mengestimasi parameter model fixed effect adalah Seemingly Unrelated Regression (SUR).
3. Uji Asumsi Klasik
Estimasi model yang terpilih adalah model fixed effect dengan metode cross-section SUR maka uji asumsi klasik yang harus dipenuhi adalah uji normalitas dan uji multikolinieritas.
a. Uji Normalitas
Uji Normalitas pada model regresi digunakan untuk menguji apakah nilai residual terdistribusi secara normal atau tidak. Pengujian asumsi normalitas menggunakan uji Jarque-Bera.
0 1 2 3 4 5 6 7
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
Series: Standardized Residuals Sample 2012 2018
Observations 42
Mean -1.65e-15 Median 0.058399 Maximum 1.895993 Minimum -1.702286 Std. Dev. 0.902157 Skewness 0.041621 Kurtosis 2.440512
Jarque-Bera 0.559923 Probability 0.755813
Sumber: Output Eviews 10, diolah
Gambar 10. Hasil Uji Normalitas
Berdasarkan hasil pengujian normalitas diperoleh nilai JB sebesar 0.559923 dengan nilai kritis X2 (0.05; 4) sebesar 9.487729, karena
commit to user
88 0.559923 < 9.487729 dan nilai probabilitas sebesar 0.755813 lebih besar daripada nilai signifikansi 5% ( = 0.05) maka gagal tolak H0, sehingga dapat disimpulkan data dalam penelitian ini berdistribusi normal.
b. Uji Multikolinieritas
Pada uji multikolinieritas menggunakan uji korelasi. Berikut hasil uji multikolinieritas yaitu:
Tabel 12. Hasil Uji Multikolinieritas
JP INF IPM TPT EMS
JP 1 -0.00958 -0.7858 0.19882 0.807262
INF -0.00958 1 -0.19535 0.224941 -0.16363
IPM -0.7858 -0.19535 1 -0.18434 -0.64661
TPT 0.19882 0.224941 -0.18434 1 -0.2375
EMS 0.807262 -0.16363 -0.64661 -0.2375 1
Sumber: Output Eviews 10, diolah
Berdasarkan tabel diatas dapat diketahui bahwa hubungan antar variabel independen tidak menunjukkan nilai korelasi > 0.85, maka H0 diterima, sehingga dapat disimpulkan bahwa dalam model tidak terjadi gejala multikolinieritas.
4. Analisis Regresi Data Panel
Analisis regresi linier data panel pada penelitian ini menggunakan model fixed effect dengan metode cross-section SUR. Model ini akan commit to user
89 menjelaskan pengaruh hubungan antar variabel yaitu Jumlah Penduduk (JP), Tingkat Inflasi (INF), Indeks Pembangunan Manusia (IPM), Tingkat Pengangguran Terbuka (TPT), dan Tingkat Emisi Karbon (EMS) terhadap variabel terikat yaitu Pertumbuhan Ekonomi (PE) di Pulau Jawa pada Tahun 2012-2018. Model tersebut telah memenuhi semua asumsi klasik.
Berikut ini ringkasan hasil estimasi model fixed effect dengan metode cross-section SUR:
Tabel 13. Ringkasan hasil estimasi fixed effect model (FEM) dengan metode SUR
Variable Coefficient t-Statistic Prob.
JP 0.959820 9.997778 0.0000*
INF -0.005707 -5.852263 0.0000*
IPM 0.063803 28.04746 0.0000*
TPT -0.013544 -8.459332 0.0000*
EMS 0.956744 4.325761 0.0001*
C -7.247418 -4.960119 0.0000*
Ringkasan Statistik Koefisien
Determinasi 0.999981 F-statistic 166137.0 Adjusted R-
squared 0.999975 Prob(F-
statistic)
0.000000*
Keterangan: (*) signifikan pada 𝛼 = 5 % Sumber: Ringkasan Output Eviews 10, diolah
Berdasarkan hasil estimasi model diatas pada tabel dan lampiran 3 dapat diperoleh persamaan sebagai berikut:
𝑃𝐸it = (−7.247418 + μi)∗ + 0.959820 JP∗it - 0.005707 INF∗it +
0.063803 IPM∗it – 0.013544 TPT∗it + 0.956744 EMS∗it (25)
Persamaan regresi tersebut dapat disimpulkan bahwa nilai koefisien konstanta sebesar -7.247418 artinya jika variabel JP (Jumlah commit to user
90 Penduduk), INF (Tingkat Inflasi), IPM (Indeks Pembangunan Manusia), TPT (Tingkat Pengangguran Terbuka), dan EMS (Tingkat Emisi Karbon) adalah nol, maka besarnya Pertumbuhan Ekonomi sebesar -5.891644.
Nilai koefisien regresi variabel JP (Jumlah Penduduk) bernilai positif yaitu sebesar 0.959820 artinya setiap peningkatan 1% Jumlah Penduduk diprediksi akan meningkatkan Pertumbuhan Ekonomi sebesar 0.959820 dengan asumsi variabel lain nilainya tetap.
Nilai koefisien regresi variabel INF (Tingkat Inflasi) bernilai negatif yaitu sebesar 0.005707 artinya setiap peningkatan 1% Tingkat Inflasi diprediksi akan menurunkan Pertumbuhan Ekonomi sebesar 0.005707 dengan asumsi variabel lain nilainya tetap.
Nilai koefisien regresi variabel IPM (Indeks Pembangunan Manusia) bernilai positif yaitu sebesar 0.063803 artinya setiap peningkatan 1% Indeks Pembangunan Manusia diprediksi akan meningkatkan Pertumbuhan Ekonomi sebesar 0.063803 dengan asumsi variabel lain nilainya tetap.
Nilai koefisien regresi variabel TPT (Tingkat Pengangguran Terbuka) bernilai negatif yaitu sebesar 0.013544 artinya setiap peningkatan 1% Tingkat Pengangguran Terbuka diprediksi akan menurunkan Pertumbuhan Ekonomi sebesar 0.013544 dengan asumsi variabel lain nilainya tetap.
commit to user
91 Nilai koefisien regresi variabel EMS (Tingkat Emisi Karbon) bernilai positif yaitu sebesar 0.956744 artinya setiap peningkatan 1%
Tingkat Emisi Karbon diprediksi akan meningkatkan Pertumbuhan Ekonomi sebesar 0.956744 dengan asumsi variabel lain nilainya tetap.
5. Uji Hipotesis
a. Koefisien Determinasi (Adjusted 𝑅2)
Koefisien Determinasi digunakan untuk mengetahui seberapa besar variabel independen yaitu Jumlah Penduduk, Tingkat Inflasi, Indeks Pembangunan Manusia, Tingkat Pengangguran Terbuka, Tingkat Emisi Karbon dalam memberikan kontribusinya terhadap variabel terikat yaitu Pertumbuhan Ekonomi.
Berdasarkan hasil pengujian model fixed effect dengan cross- section SUR menghasilkan nilai adjusted 𝑅2 sebesar 0.999975 (99.99%). Hasil ini menunjukkan bahwa kontribusi jumlah penduduk, tingkat inflasi, indeks pembangunan manusia, tingkat pengangguran terbuka, dan tingkat emisi karbon dalam menjelaskan pertumbuhan ekonomi di Pulau Jawa sebesar 99.99%, sedangkan sisanya sebesar 0.01% dijelaskan oleh variabel atau faktor lain di luar penelitian.
b. Uji Signifikansi Simultan (Uji Statistik F)
Uji Statistik F digunakan untuk mengetahui apakah semua variabel independen berpengaruh secara bersama-sama terhadap variabel dependen. Berdasarkan hasil uji F menggunakan model fixed commit to user
92 effect dengan cross-section SUR menunjukkan nilai Fhitung lebih besar daripada Ftabel (166137.0 > 2.477169) dan nilai probabilitas (F- statistic) sebesar 0.000000 lebih kecil dari tingkat signifikansi 5% (
= 0.05), yang berarti menolak H0. Dengan demikian, dapat disimpulkan bahwa secara simultan terdapat pengaruh yang signifikan antara variabel independen (jumlah penduduk, tingkat inflasi, indeks pembangunan manusia, tingkat pengangguran terbuka dan tingkat emisi karbon) terhadap variabel dependen (pertumbuhan ekonomi).
c. Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji Statistik t digunakan untuk mengetahui apakah terdapat pengaruh signifikan antara variabel independen dengan variabel dependen secara parsial. Berdasarkan hasil pengujian menggunakan model fixed effect dengan cross-section SUR secara keseluruhan dapat diintepretasikan sebagai berikut:
1) Variabel jumlah penduduk secara parsial berpengaruh terhadap pertumbuhan ekonomi, hal ini karena nilai thitung lebih besar dari nilai ttabel (9.997778 > 2.028094) dengan nilai probabilitas lebih kecil dari tingkat signifikansi = 0.05 (0.0000 < 0.05) sehingga menolak H0. Pengaruhnya positif karena nilai thitung positif, artinya jika jumlah penduduk meningkat maka pertumbuhan ekonomi juga meningkat.
commit to user
93 2) Variabel tingkat inflasi secara parsial berpengaruh terhadap pertumbuhan ekonomi, hal ini karena nilai -thitung lebih kecil dari nilai -ttabel (-5.852263 < -2.028094) dengan nilai probabilitas lebih kecil dari tingkat signifikansi = 0.05 (0.0000 < 0.05) sehingga menolak H0. Pengaruhnya negatif karena nilai thitung negatif, artinya jika tingkat inflasi meningkat maka pertumbuhan ekonomi akan menurun.
3) Variabel indeks pembangunan manusia secara parsial berpengaruh terhadap pertumbuhan ekonomi, hal ini karena nilai thitung lebih besar dari nilai ttabel (28.04746 > 2.028094) dengan nilai probabilitas lebih kecil dari tingkat signifikansi = 0.05 (0.0000 <
0.05) sehingga menolak H0. Pengaruhnya positif karena nilai thitung positif, artinya jika indeks pembangunan manusia meningkat maka pertumbuhan ekonomi juga meningkat.
4) Variabel tingkat pengangguran terbuka secara parsial berpengaruh terhadap pertumbuhan ekonomi, hal ini karena nilai -thitung lebih kecil dari nilai -ttabel (-8.459332 < -2.028094) dengan nilai probabilitas lebih kecil dari tingkat signifikansi = 0.05 (0.0000 <
0.05) sehingga menolak H0. Pengaruhnya negatif karena nilai thitung negatif, artinya jika tingkat pengangguran terbuka meningkat maka pertumbuhan ekonomi akan menurun.
5) Variabel tingkat emisi karbon secara parsial berpengaruh terhadap pertumbuhan ekonomi, hal ini karena nilai commit to user thitung lebih besar dari
94 nilai ttabel (4.325761 > 2.028094) dengan nilai probabilitas lebih kecil dari tingkat signifikansi = 0.05 (0.0001 < 0.05) sehingga menolak H0. Pengaruhnya positif karena nilai thitung positif, artinya jika tingkat emisi karbon meningkat maka pertumbuhan ekonomi juga meningkat.
D. Pembahasan
1. Pengaruh Jumlah Penduduk Terhadap Pertumbuhan Ekonomi
Variabel Jumlah Penduduk memiliki hubungan yang signifikan dan bersifat positif. Hubungan tersebut menunjukkan bahwa semakin besarnya jumlah penduduk yang diterima oleh beberapa provinsi yang ada di Pulau Jawa akan memberikan pengaruh yang positif terhadap pertumbuhan ekonomi. Penduduk memiliki kecenderungan untuk mengalami peningkatan secara terus menerus setiap tahunnya dikarenakan tingkat kelahiran tidak mungkin diturunkan dalam waktu singkat dan struktur usia penduduk di negara berkembang yang mengalami pembengkakan di kelompok-kelompok usia tertentu.
Penelitian ini sejalan dengan penelitian (Handayani et al., 2016) tentang Pengaruh Jumlah Penduduk, Angka Harapan Hidup, Rata-Rata Lama Sekolah dan PDRB Per Kapita Terhadap Pertumbuhan Ekonomi di Provinsi Bali. Penelitian ini menyimpulkan bahwa jumlah penduduk secara langsung berpengaruh positif dan signifikan terhadap pertumbuhan ekonomi, hal ini berarti pertambahan jumlah penduduk dapat
commit to user
95 mempercepat pertumbuhan ekonomi. Penelitian ini juga sejalan dengan penelitian (Rukmana, 2012) tentang Pengaruh Disparitas Pendapatan, Jumlah Penduduk dan Inflasi Terhadap Pertumbuhan Ekonomi di Jawa Tengah Tahun 1984-2009, menyimpulkan bahwa jumlah penduduk berpengaruh positif dan signifikan terhadap pertumbuhan ekonomi di Jawa Tengah.
Selain itu, penelitian ini sejalan dengan penelitian (Hapsari &
Iskandar, 2018) tentang Analisis Faktor-Faktor Yang Mempengaruhi Pertumbuhan Ekonomi Provinsi Jawa Tengah Periode 2010-2014.
Penelitian ini menyimpulkan bahwa penduduk memiliki pengaruh positif dan signifikan terhadap pertumbuhan ekonomi. Bertambahnya jumlah penduduk harus diimbangi dengan tingkat penghasilan yang tinggi apabila tingkat penghasilannya rendah maka tidak ada artinya bagi pembangunan ekonomi. Hasil penelitian ini juga sejalan dengan teori ekonom klasik maupun ekonom neo klasik yang mengatakan penduduk merupakan salah satu faktor yang mempengaruhi pertumbuhan ekonomi.
2. Pengaruh Tingkat Inflasi Terhadap Pertumbuhan Ekonomi
Variabel Tingkat Inflasi memiliki hubungan yang signifikan dan bersifat negatif. Hubungan tersebut menunjukkan bahwa semakin besarnya tingkat inflasi yang diterima oleh beberapa provinsi yang ada di Pulau Jawa akan memberikan pengaruh yang negatif terhadap pertumbuhan ekonomi. Penelitian ini sejalan dengan penelitian
commit to user
96 (Ardiansyah, 2017) tentang Pengaruh Inflasi terhadap Pertumbuhan Ekonomi di Indonesia. Hasil penelitian menyimpulkan bahwa inflasi berpengaruh negatif dan signifikan terhadap pertumbuhan ekonomi di Indonesia yang berarti jika inflasi naik maka pertumbuhan ekonomi akan turun dan sebaliknya jika inflasi turun maka pertumbuhan ekonomi akan naik. Penelitian ini juga sejalan dengan penelitian (Mohseni & Jouzaryan, 2016) tentang Examining the Effects of Inflation and Unemployment on Economic Growth in Iran (1996-2012), menyimpulkan bahwa terdapat
pengaruh negatif dan signifikan dari inflasi terhadap pertumbuhan ekonomi yang artinya inflasi dapat menurunkan pertumbuhan ekonomi.
Berbeda dengan penelitian (Duko et al., 2018) tentang Analisis Pengaruh Variabel Ekonomi Terhadap Pertumbuhan Ekonomi Di Kabupaten Halmahera Timur. Hasil penelitian ini menunjukkan bahwa pertumbuhan inflasi berpengaruh positif terhadap pertumbuhan ekonomi di Halmahera Timur. Hal ini tidak sesuai dengan teori inflasi yang mengatakan inflasi akan menurunkan pertumbuhan ekonomi. Perbedaan ini dikarenakan besarnya tingkat inflasi yang terjadi masih dibawah 10 % dikategorikan inflasi ringan, sedangkan di Pulau Jawa terdapat inflasi lebih dari 10 % yaitu di Provinsi Banten maka dikategorikan inflasi sedang.
Inflasi merupakan suatu kejadian yang menyebabkan kenaikan harga terhadap barang dan jasa yang bersifat kebutuhan pokok dan berlangsung secara terus-menerus yang tidak hanya terjadi di satu wilayah commit to user
97 tetapi hampir semua wilayah. Inflasi dapat berakibat buruk terhadap perekonomian suatu negara apabila tidak segera teratasi seperti terjadinya hiperinflasi dimana memiliki tingkat inflasi lebih dari 100 %. Ketika terjadi inflasi masyarakat harus mengeluarkan uang lebih banyak untuk mendapatkan barang yang mereka butuhkan. Oleh karena itu, diperlukannya pengendalian inflasi yang tepat agar tidak mengganggu kestabilan perekonomian suatu negara.
3. Pengaruh Indeks Pembangunan Manusia Terhadap Pertumbuhan Ekonomi
Variabel Indeks Pembangunan Manusia memiliki hubungan yang signifikan dan bersifat positif. Hubungan tersebut menunjukkan bahwa semakin besarnya indeks pembangunan manusia yang diterima oleh beberapa provinsi yang ada di Pulau Jawa akan memberikan pengaruh yang positif terhadap pertumbuhan ekonomi. Penelitian ini sejalan dengan penelitian (Dewi & Sutrisna, 2014) tentang Pengaruh Komponen Indeks Pembangunan Manusia Terhadap Pertumbuhan Ekonomi Provinsi Bali.
Hasil penelitian ini menyimpulkan bahwa secara simultan indeks kesehatan, indeks pendidikan dan indeks daya beli masyarakat berpengaruh signifikan terhadap pertumbuhan ekonomi di Provinsi Bali yang berarti adanya hubungan positif antara pembangunan manusia dan pertumbuhan ekonomi.
commit to user
98 Penelitian ini juga sejalan dengan penelitian (Nurmainah, 2013) tentang Analisis Pengaruh Belanja Modal Pemerintah Daerah, Tenaga Kerja Terserap Dan Indeks Pembangunan Manusia Terhadap Pertumbuhan Ekonomi Dan Kemiskinan (Studi kasus 35 kabupaten / kota di Provinsi Jawa Tengah). Hasil penelitian menyimpulkan bahwa Indeks Pembangunan Manusia berpengaruh signifikan dan mempunyai hubungan yang positif terhadap pertumbuhan ekonomi di kabupaten/kota Provinsi Jawa Tengah. Selain itu, juga sejalan dengan penelitian (Putro et al., 2017) tentang Analisis determinasi pertumbuhan ekonomi dan kemiskinan, menyimpulkan bahwa Indeks Pembangunan Manusia berpengaruh positif dan signifikan terhadap PDRB ADHK di Provinsi Kalimantan Timur.
Indeks Pembangunan Manusia (IPM) dan pertumbuhan ekonomi memiliki hubungan yang erat dikarenakan tingginya IPM dapat mempengaruhi kinerja pertumbuhan ekonomi melalui kapasitas penduduk sehingga dapat meningkatkan produktivitas dan kreativitas masyarakat (Elistia & Syahzuni, 2018). Semakin baik capaian mutu modal manusia terkait indeks pembangunan manusia sebagai modal dalam pembangunan ekonomi maka pertumbuhan ekonomi pun akan terwujud serta semakin meningkat.
commit to user
99 4. Pengaruh Tingkat Pengangguran Terbuka Terhadap Pertumbuhan
Ekonomi
Variabel Tingkat Pengangguran Terbuka memiliki hubungan yang signifikan dan bersifat negatif. Hubungan tersebut menunjukkan bahwa semakin besarnya Tingkat Pengangguran Terbuka yang diterima oleh beberapa provinsi yang ada di Pulau Jawa akan memberikan pengaruh yang negatif terhadap pertumbuhan ekonomi. Hasil pengujian ini sejalan dengan penelitian (Andriyani & Nurmauliza, 2018) tentang Pengaruh Tingkat Pengangguran dan Pengeluaran Pemerintah Terhadap Pertumbuhan Ekonomi Di Kabupaten Aceh Utara Tahun 2007-2016.
Penelitian tersebut menyimpulkan bahwa variabel tingkat pengangguran secara parsial berpengaruh negatif dan signifikan terhadap pertumbuhan ekonomi di Kabupaten Aceh Utara.
Hasil penelitian ini juga sejalan dengan penelitian (Kalsum, 2017) tentang Pengaruh Pengangguran Dan Inflasi Terhadap Pertumbuhan Ekonomi di Sumatera Utara. Penelitian ini menyimpulkan bahwa variabel pengangguran berpengaruh negatif dan signifikan terhadap pertumbuhan ekonomi. Penelitian ini juga sejalan dengan teori Hukum Okun yang menyatakan bahwa adanya hubungan negatif antara pengangguran dan pertumbuhan ekonomi. Selain itu, penelitian ini sejalan dengan penelitian (Shahid, 2014) tentang Effect of Inflation and Unemployment on Economic Growth in Pakistan. Penelitian tersebut menyimpulkan bahwa ada hubungan negatif antara pengangguran dan pertumbuhan ekonomi. commit to user
100 Tingkat pengangguran yang tinggi akan memberikan dampak yang buruk terhadap perekonomian suatu negara karena semakin tingginya pengangguran menyebabkan masyarakat tidak dapat memaksimumkan kesejahteraan yang ingin dicapai, produktivitas dan pendapatan masyarakat juga akan berkurang sehingga menimbulkan masalah-masalah seperti angka kemiskinan yang tinggi, tingkat kriminalitas yang meningkat dan masalah sosial lainnya.
5. Pengaruh Tingkat Emisi Karbon Terhadap Pertumbuhan Ekonomi
Variabel Tingkat Emisi Karbon memiliki hubungan yang signifikan dan bersifat positif. Hubungan tersebut menunjukkan bahwa semakin besarnya Tingkat Emisi Karbon yang diterima oleh beberapa provinsi yang ada di Pulau Jawa akan memberikan pengaruh yang positif terhadap pertumbuhan ekonomi. Hasil penelitian ini sejalan dengan penelitian (Ahmad & Du, 2017) tentang Effects of energy production and CO2 emissions on economic growth in Iran: ARDL approach. Penelitian
tersebut menyimpulkan bahwa terdapat hubungan yang positif antara emisi 𝐶𝑂2 dan pertumbuhan ekonomi. Hasil ini sesuai dengan Hipotesis EKC berbentuk U terbalik yang menyatakan ketika tingkat pendapatan tinggi terjadi suatu perbaikan lingkungan hidup. Ekonomi dan energi menjadi dua hal yang saling berkaitan dalam perekonomian modern saat ini. Energi bersifat sangat kompleks dan dinamis dalam perekonomian, baik untuk kebutuhan konsumsi di sektor rumah tangga maupun untuk konsumsi sektor industri dalam aktivitas produksinya. Pemanfaatan energi commit to user
101 harus mengacu pada asas pembangunan berkelanjutan agar manfaatnya masih bisa dirasakan oleh generasi mendatang.
Penelitian ini juga sejalan dengan penelitian (Rajagukguk, 2015) tentang Hubungan Degradasi Lingkungan dan Pertumbuhan Ekonomi:
Kasus Indonesia yang menyimpulkan bahwa Emisi 𝐶𝑂2 berpengaruh positif dan signifikan terhadap pertumbuhan ekonomi di Indonesia. Masih terjadi peningkatan emisi CO2 seiring dengan pertumbuhan ekonomi.
Hasil temuan lain dari (Zuldareva, 2017) tentang Analisis Pengaruh Konsumsi Energi dan Emisi CO2 Terhadap Pertumbuhan Ekonomi Di Indonesia Periode 1981-2014 yang menyatakan bahwa emisi 𝐶𝑂2 berpengaruh positif dan signifikan terhadap Pertumbuhan Ekonomi Indonesia tahun 1981-2014. Aktivitas perekonomian saat ini tidak bisa terhindar dari penggunaan sumber daya alam terutama sumber daya alam yang menghasilkan energi karena pertumbuhan ekonomi yang tinggi diperoleh dari penggunaan konsumsi energi yang tinggi. Pemakaian atau konsumsi energi merupakan sarana untuk menggerakkan industrialisasi perekonomian serta menjadi sarana akumulasi modal pembangunan baik bersifat komplementer ataupun substitusi dalam menghasilkan output- output dalam perekonomian. Namun dalam perkembanganya, penggunaan energi harus disertai dengan kebijakan yang mendukung agar penggunan energi dapat digunakan seperlunya.
commit to user