BAB V. HASIL PENELITIAN DAN PEMBAHASAN
B. Pembahasan
Dari data yang diperoleh mengenai pertumbuhan ekonomi dan faktor-faktor yang mempengaruhinya yaitu panjang jalan menurut kondisi jalan , jumlah pelanggan listrik, jumlah saluran irigasi/pengairan dari tahun ke tahun dapat diliat pada tabel berikut.
Tabel 10
Data penelitian tahun 2008-2014
Tahun Y X1 X2 X3
2008 646.333,96 639.91 26.922 42.792 2009 685.026,31 668,12 27.952 62.775 2010 726.210,91 668,17 29.099 67.633 2011 783.926,33 668,12 30.081 81.420 2012 844.797,31 668,12 31.809 190.315
2013 910.802,35 668,12 35.293 240,501 2014 982.017,65 688,25 39.152 258.615 Sumber : Kabupaten Barru Dalam Angka (BPS)
Keterangan :
Y = Pertumbuhan Ekonomi (PDRB Juta Rupiah) X1 = panjang jalan menurut kondisi jalan
X2 = jumlah pelanggan listrik (satuan orang) X3 = jumlah saluran irigasi/pengairan
Tabel 11
Hasil Log Dari Data Penelitian tahun 2008-2014
Tahun Log Y Log X1 Log X2 Log X3
2008 6,64 4,08 3,76 3,93
2009 6,66 4,10 3,78 4,07
2010 6,68 4,10 3,79 4,10
2011 6,71 4,10 3,80 4,17
2012 6,73 4,10 3,82 4,48
2013 6,76 4,10 3,86 4,57
2014 6,79 4,11 3,90 4,60
Sumber : Hasil Log
Dalam penelitian ini data diubah dalam bentuk log karena data penelitian memiliki tingkat perbedaan yang tinggi.
2. Koefisien Determinasi (R2)
Besarnya kontribusi yang diberikan oleh variabel jalan, listrik dan irigasi/pengairan terhadap pertumbuhan ekonomi kabupaten Barru pada tahun 2008- 2014 secara bersama-sama dapat dilihat dari nilai koefisien determinasi ganda atau R2. Besarnya R2 berdasarkan hasil analisis dengan menggunakan SPSS 16.0 diperoleh sebesar 0,97,4 Dengan demikian besarnya pengaruh yang diberikan oleh variabel jalan, listrik dan irigasi/pengairan terhadap pertumbuhan ekonomi di kabupaten Barru secara bersama-sama sebesar 97,4 %. Sedangkan sisanya sebesar 2,6 % dijelaskan atau dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.
3. Analisis Regresi
Analisis ini digunakan untuk menghitung arah dan besarnya pengaruh variabel independent (jalan, listrik dan irigasi/pengairan) terhadap variabel dependent (pertumbuhan ekonomi kabupaten Barru).
Berdasarkan hasil perhitungan yang dilakukan dengan menggunakan statistical product and service solution (SPSS) 16.0 maka diperoleh sebagai berikut:
Tabel 12
Rangkuman Hasil Analisis Variabel
Variabel Koefisien Sig Beta Colinearity statistics Tolerance VIF
X1 0,384 0,679 0,064 0,451 2,217
X2 0,600 0,148 0,542 0,112 8,922
X3 0,083 0,213 0,412 0,128 7,807
Konstanta = 2,494 F(sig) = 0,007
R = 0,987 , R Square = 0,974 Durbin Waston = 1,951
F tabel = 36,980 , T tabel = 3,182 Sumber : Hasil Olahan SPSS 16.0
Berdasarkan pada tabel hasil rangkuman analisis, maka diperoleh persamaan regresi sebagai berikut:
Y = a + βx1 + βx2 + βx3 Y = 2,494 + 0,384 X1 + 0,600 X2 + 0,083 X3
Persamaan regresi tersebut dapat dijelaskan sebagai berikut:
a) Konstanta sebesar 2,494 artinya jika jumlah kondisi jalan, pelanggan listrik dan jumlah saluran irigasi/pengairan dan nilainya berada pada titik 0, maka nilai pertumbuhan ekonomi akan berada pada level 2,494
b) Koefisien regresi variabel jalan (jumlah kondisi jalan) (X1) yaitu sebesar 0,384 artinya bahwa setiap peningkatan jumlah kondisi jalan sebesar 1 satuan, akan
menyebabkan pertumbuhan ekonomi Kabupaten Barru meningkat sebesar 0,384 satuan, ceteris paribus.
c) Koefisien regresi variabel listrik (pelanggan listrik) (X2) yaitu sebesar 0,600 artinya bahwa setiap jumlah pelanggan lisxtrik sebesar 1 satuan, maka akan menyebabkan pertumbuhan ekonomi Kabupaten Barru meningkat sebesar 0,600 satuan, ceteris paribus.
d) Koefisien regresi variabel irigasi/pengairan (jumlah saluran irigasi) (X3) yaitu sebesar 0,083 artinya bahwa setiap jumlah saluran irigasi sebesar 1 satuan, maka akan menyebabkan pertumbuhan ekonomi Kabupaten Barru meningkat sebesar 0,083 satuan, ceteris paribus.
4. Uji Koefisien Regresi Secara Simultan (Uji F)
Uji ini digunakan untuk mengetahui apakah variabel independent yaitu jalan, listrik dan irigasi/pengairan secara simultan berpengaruh secara signifikan terhadap variabel dependent yaitu pertumbuhan ekonomi. Untuk mengetahui apakah model regresi dapat digunakan untuk memprediksi variabel bebas dependent atau tidak, dapat dijelaskan sebagai berikut:
Ho : Secara simultan ada pengaruh signifikan antara jalan, listrik dan irigasi/pengairan terhadap pertumbuhan ekonomi.
Ha : Secara simultan tidak ada pengaruh signifikan antara jalan, listrik dan irigasi/pengairan terhadap pertumbuhan ekonomi.
Tingkat signifikan yang digunakan dalam penelitian ini yaitu
α
= 5%.Signifikan 5% atau 0,05 merupakan ukuran standar yang sering digunakan dalam penelitian. Berdasarkan tabel anova F-hitung diperoleh sebesar 36,980. F-tabel dapat ditentukan dengan menggunakan tingkat kepercayaan 95%,
α
= 5%, df 1 (jumlah variabel -1) =3 dan df 2 (n-k-1) atau 7-3-1 = 3 (n adalah jumlah kasus, dan k adalah jumlah variabel independent), hasil F-tabel dapat dihitung pada Ms Excel dengan cara ketik =finv(0,05;3) pada cell kosong lalu enter. Hasil F-tabel yang diperoleh adalah sebesar 9,276. Dengan kriteria pengujian sebagai berikut:Ho diterima bila F-hitung > F-tabel Ho ditolak bila F-hitung < F-tabel
Nilai F-hitung lebih besar dari F-tabel masing-masing dengan nilai sebesar 36.980>9,276 maka Ho di terima, artinya ada pengaruh signifikan antara jalan, listrik dan irigasi/pengairan secara simultan terhadap pertumbuhan ekonomi dikabupaten Barru.
5. Uji Koefisien Regresi Secara Simultan (Uji t)
Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel independent yaitu jalan, listrik dan irigasi/pengairan secara parsial berpengaruh signifikan terhadap variabel dependent pertumbuhan ekonomi (Y).
a) Uji Koefisien Regresi Variabel jalan (X1) Dengan menentukan hipotesis sebagai berikut:
Ho : Secara parsial ada pengaruh antara jalan (X1) terhadap pertumbuhan ekonomi (Y).
Ha : Secara parsial tidak ada pengaruh signifikan antara jalan (X1) terhadap pertumbuhan ekonomi (Y).
Tingkat signifikan yang digunakan adalah
α
= 5% (0,05). Berdasarkan pada tabel koefisien diperoleh t-hitung sebesar 0,457 dan t-tabel dapat dicari padaα =
5%: 2 = 2,5 % ( uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau 7-3-1 = 3 (n adalah jumlah kasus dan k adalah jumlah variabel independent). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t-tabel sebesar 3,182 dapat dicari dengan cara ketik =tinv(0,05;3) pada cell kosong lalu enter. Dengan kriteria pengujian sebagai berikut:
Ho diterima jika t hitung > t tabel Ho ditolak jika t hitung < t tabel
Nilai t hitung < t tabel ( 0,457 <3,182) maka Ho ditolak , artinya secara parsial jalan tidak berpengaruh signifikan terhadap pertumbuhan ekonomi di kabupaten Barru.
b) Uji Koefisien Regresi Variabel listrik (X2) Dengan menentukan hipotesis sebagai berikut:
Ho : Secara parsial ada pengaruh antara listrik (X2) terhadap pertumbuhan ekonomi (Y)
Ha : Secara parsial tidak ada pengaruh antara listrik (X2) terhadap pertumbuhan ekonomi (Y).
Tingkat signifikan yang digunakan adalah
α
= 5% (0,05). Berdasarkan pada tabel koefisien diperoleh t-hitung sebesar 1,939 dan t-tabel dapat dicari padaα =
5%:2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau 7-3-1 = 3 (n adalah jumlah kasus dan k adalah jumlah variabel independent). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t-tabel sebesar 3,182 dapat dicari dengan cara ketik =tinv(0,05;3) pada cell kosong lalu enter. Dengan kriteria pengujian sebagai berikut:
Ho diterima jika t hitung > t tabel Ho ditolak jika t hitung < t tabel
Oleh karena nilai t hitung < t tabel (1,939 ,< 3,182) maka Ho ditolak, artinya secara parsial listrik tidak berpengaruh signifikan terhadap pertumbuhan ekonomi di Kabupaten Barru.
c) Uji Koefisien Regresi Variabel irigasih/pengairan (X3) Dengan menentukan hipotesis sebagai berikut:
Ho : Secara parsial ada pengaruh antara irigasi/pengairan (X3) terhadap pertumbuhan ekonomi (Y).
Ha : Secara parsial tidak ada pengaruh antara irigasi/pengairan (X3) terhadap pertumbuhan ekonomi (Y).
Tingkat signifikan yang digunakan adalah
α
= 5% (0,05). Berdasarkan pada tabel koefisien diperoleh t-hitung sebesar 1,575 dan t-tabel dapat dicari padaα =
5%: 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau 7-3-1 = 3 (n adalah jumlah kasus dan k adalah jumlah variabel independent). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t-tabel sebesar 3,182 dapat dicari dengan cara ketik =tinv(0,05;3) pada cell kosong lalu enter. Dengan kriteria pengujian sebagai berikut:
Ho diterima jika t hitung > t tabel Ho ditolak jika t hitung < t tabel
Oleh karena nilai t hitung < t tabel (1,575< 3,182) maka Ho ditolak, artinya secara parsial irigasi/pengairan tidak berpengaruh signifikan terhadap pertumbuhan ekonomi di Kabupaten Barru.
BAB VI
SIMPULAN DAN SARAN A. SIMPULAN
Berdasarkan hasil analisis dan pembahasan tentang pengaruh jalan, listrik dan irigasi/pengairan dapat ditarik kesimpulan sebagai berikut:
1. Secara simultan seluruh variabel berpengaruh signifikan terhadap pertumbuhan ekonomi di kabupaten Barru selama priode 2008-2014. Hal ini dilihat dari f hitung yang signifikan (36,980 > 9,276) pada tingkat kenyakinan 95%.
2. Secara partial seluruh variabel berpengaruh positif terhadap pertumbuhan ekonomi di Kabupaten Barru selama priode 2008-2014. Hal ini pengaruh positif menunjukkan bahwa infrastruktur ( jalan, listrik dan irigasi/pengairan) menyebabkan peningkatan pertumbuhan ekonomi di kabupaten Barru selama periode 2008-2014.
3. Besarnya nilai R square (R2) adalah 0,974 atau 97,4% artinya besarnya pengaruh variabel independent yaitu jalan, listrik dan irigasi/pengairan terhadap dependent yaitu pertumbuhan ekonomi sebesar 97,4%. Sedangkan sisanya sebesar 2,6% di jelaskan atau di pengaruhi oleh variabel lain yang tidak di teliti dalam penelitian ini.
4. Faktor yang berpengaruh dominan terhadap pertumbuhan ekonomi di kabupaten Barru selama periode 2008-2014 adalah infrastruktur listrik di lihat secara correlations partial sebesar 74,6% di bandingkan dengan variabel independent lainya.
B. SARAN
Adapun saran yang akan diajukan adalah sebagai berikut:
1. Untuk mencapai pertumbuhan ekonomi yang berkelanjutan di suatu Kabupaten, di perlukan kebijakan-kebijakan yang dapat menunjang hal tersebut. Misalnya dengan kebijakan penyediaan Infrastruktur secara gratis yang terbukti berpengaruh positif terhadap pertumbuhan ekonomi di kabupaten Barru.
Khususnya Pemerintah daerah harus mengupayakan agar pertumbuhan ekonomi dapat terjadi secara merata.
2. Di perlukan upaya maksimal untuk terus mendorong masuknya investor ke Barru, yang disertai kebijakan mempermudah akses bagi para pengusaha dan calon pengusaha lokal terhadap lembaga keuangan bank maupun non bank dalam rangka membuka usaha baru atau mengembangkan usaha yang telah ada.
3. Khususnya Dinas pekerjaan umum dalam hal menentukan pembangunan jalan maupun perbaikan jalan di suatu daerah, juga harus dilakukan dengan cermat dan tepat guna untuk mempermudah akses transaksi jual belih barang dan jasa sehingga dapat meningkatkan pertumbuhan ekonomi.
4. Khususnya PLN Hendaknya sambungan listrik semakin ditingkatkan, pemadaman listrik secara bergilir di hentikan, dan tarif listrik di turunkan guna terciptanya kualitas dan kuantitas yang baik sehingga dapat memiliki daya saing yang tinggi.
5. Khususnya Dinas pekerjaan umum Hendaknya jaringan irigasi/pengairan lebih di tingkatkan guna menunjang/meningkatkan pada sektor pertanian hingga dapat memberikan sumbangan terhadap pertumbuhan ekonomi.
DAFTAR PUSTAKA
Badan Pusat Statistik.Kabupaten Barru Dalam Angka.BPS Kabupaten Barru.
Hapsari Tunjung, 2011, pengaruh infrastruktur terhadap pertumbuhan ekonomi Di Indonesia,UIN Syarif Hidayatullah Universitas, Jakarta..
http://barrukab.bps.co.id/kegiatan/6-pertumbuhan ekonomi kabupaten –Barru- sebesar-781%, di akses jam 09:00 wita hari senin16 Februari 2015.
http://www.sulselprov.go.id/berita- diskusi- alternatif- pembiayaan- pembangunan- infrastruktur-daerah, di akses jam 07:00 wita hari senin 16 februari 2015.
http://www. Badan pusat statistic.go.id/ pertumbuhan- ekonomi-sulawesi selatan 2014. Di akses jam 11:00 wita hari selasa 24 februari 2015.
Kamaluddin Rustian,1998, pengantar Ekonomi pembangunan,penerbit: FEUI, Jakarta.
Pahlevi Reza,2013, pembangunan infrastruktur di Indonesia,GunadarmaUniversitas Jakarta.
Suparmako,2002, Ekonomi public untuk keuangan dan pembangunan daerah,edisi pertama,Andi, Yogyakarta.
Sukirno sadono,2010, makro ekonomi teori pengantar,edisi ke-3 penerbit: PT Raja Grafindo Persada, Jakarta.
Todaro Michael P, 1999, pembangunan ekonomi,Edisi ke-6, penerbit: Erlangga, Jakarta.
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File
5
Missing Value Handling Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on cases with no missing values for any variable used.
Syntax REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS CI R ANOVA COLLIN TOL ZPP
/CRITERIA=PIN(.05) POUT(.10) /NOORIGIN
/DEPENDENT VAR00001 /METHOD=ENTER VAR00002 VAR00003 VAR00004
/SCATTERPLOT=(VAR00001 ,*ZRESID)
/RESIDUALS DURBIN NORM(ZRESID).
Resources Processor Time 00:00:04,259
Elapsed Time 00:00:03,930
Memory Required 1948 bytes
Additional Memory Required for Residual Plots
552 bytes
Notes
Weight <none>
Split File <none>
N of Rows in Working Data File
7
Missing Value Handling Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on cases with no missing values for any variable used.
Syntax REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL ZPP /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN
/DEPENDENT VAR00001 /METHOD=ENTER VAR00002 VAR00003 VAR00004
/SCATTERPLOT=(VAR00001 ,*ZRESID)
/RESIDUALS DURBIN NORM(ZRESID).
Resources Processor Time 00:00:01.170
Elapsed Time 00:00:00.641
Memory Required 1948 bytes
Additional Memory Required for Residual Plots
552 bytes
[DataSet0]
Charts
/DEPENDENT VAR00001
/METHOD=ENTER VAR00002 VAR00003 VAR00004 /SCATTERPLOT=(VAR00001 ,*ZRESID)
/RESIDUALS DURBIN NORM(ZRESID).
Regression
Notes
Output Created 16-Aug-2015 10:01:29
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File
7
Missing Value Handling Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on cases with no missing values for any variable used.
Syntax REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL ZPP /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN
/DEPENDENT VAR00001 /METHOD=ENTER VAR00002 VAR00003 VAR00004
/SCATTERPLOT=(VAR00001 ,*ZRESID)
/RESIDUALS DURBIN
Memory Required 1948 bytes Additional Memory Required
for Residual Plots
552 bytes
[DataSet0]
Descriptive Statistics
Mean Std. Deviation N
Y 6.7100 .05416 7
X1 4.0986 .00900 7
X2 3.8157 .04894 7
X2 4.2743 .26999 7
Correlations
Y X1 X2 X2
Pearson Correlation Y 1.000 .752 .975 .963
X1 .752 1.000 .741 .696
X2 .975 .741 1.000 .934
X2 .963 .696 .934 1.000
Sig. (1-tailed) Y . .025 .000 .000
X1 .025 . .028 .041
X2 .000 .028 . .001
X2 .000 .041 .001 .
N Y 7 7 7 7
X1 7 7 7 7
X2 7 7 7 7
X2 7 7 7 7
Variables Entered/Removedb
Model
Variables Entered
Variables
Removed Method
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .987a .974 .947 .01243 1.951
a. Predictors: (Constant), X2, X1, X2 b. Dependent Variable: Y
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression .017 3 .006 36.980 .007a
Residual .000 3 .000
Total .018 6
a. Predictors: (Constant), X2, X1, X2 b. Dependent Variable: Y
Coefficientsa
Model
Unstandardized Coefficients B Std. Error
1 (Constant) 2.494 3.150
X1 .384 .840
X2 .600 .310
X2 .083 .053
Coefficientsa
Model
Standardiz ed Coefficient
s
t Sig.
Correlations
Beta
Zero-or
der Partial Part Beta
Zero-or
der Partial Part 1 (Consta
nt) .792 .486
Coefficientsa
Model
Collinearity Statistics
Tolerance VIF Tolerance VIF 1 (Constant)
X1 .451 2.217
X2 .112 8.922
X2 .128 7.807
a. Dependent Variable: Y
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 6.6410 6.7919 6.7100 .05344 7
Residual -.01221 .01751 .00000 .00879 7
Std. Predicted Value -1.292 1.533 .000 1.000 7
Std. Residual -.983 1.409 .000 .707 7
a. Dependent Variable: Y
Charts
Collinearity Diagnosticsa
Model Dimension Eigenvalue Condition Index
Variance Proportions
(Constant) X1 X2 X2
1 1 3.998 1.000 .00 .00 .00 .00
2 .002 41.876 .00 .00 .00 .14
3 1.221E-5 572.278 .03 .01 .94 .85
4 1.031E-6 1968.753 .97 .99 .06 .01
a. Dependent Variable: Y