POLICY BRIEF (DRAFT) - Badan Kebijakan Fiskal

(1)

Bunga Rampai Rekomendasi Kebijakan Forum Ekonom Kementerian Keuangan Tahun 2019

EDISI 1 EDISI 2

REKOMENDASI KEBIJAKAN BUNGA RAMPAI

FORUM EKONOM KEMENTERIAN KEUANGAN TAHUN 2019

(2)

(3)

BADAN KEBIJAKAN FISKAL KEMENTERIAN KEUANGAN

2019

BUNGA RAMPAI

REKOMENDASI KEBIJAKAN

EKONOM KEMENTERIAN KEUANGAN TAHUN 2019

EDISI 2

(4)

BUNGA RAMPAI

REKOMENDASI KEBIJAKAN

EKONOM KEMENTERIAN KEUANGAN TAHUN 2019 EDISI 2

Pembina

Arif Baharudin, S.E., M.B.A, C.A.

Pengarah Hidayat Amir, Ph.D.

Penulis

Ekonom Kementerian Keuangan Tahun 2019 Laporan dan Dokumentasi

Tim Pusat Kebijakan Ekonomi Makro, Badan Kebijakan Fiskal Editor

Riznaldi Akbar, Ph.D.

Aktiva Primananda Hadiarta, S.Si., M.S.E.

Hilda Choirunnisah Seketariat:

Tim Pusat Kebijakan Ekonomi Makro, Badan Kebijakan Fiskal

Desain Grafis:

Tim Pusat Kebijakan Ekonomi Makro, Badan Kebijakan Fiskal

Tim Bagian Informasi dan Komunikasi Publik, Sekretariat Badan Kebijakan Fiskal Penerbit:

Badan Kebijakan Fiskal Kementerian Keuangan Hak Cipta dilindungi oleh Undang-Undang

Dilarang memperbanyak, mencetak ataupun menerbitkan sebagian atau seluruh isi buku ini tanpa izin tertulis dari penerbit

(5)

DAFTAR FORUM EKONOM

KEMENTERIAN KEUANGAN TAHUN 2019

NAMA UNIVERSITAS

Dr. Hefrizal Handra, M.Soc.Sc. Universitas Andalas Prof. Dr. B. Isyandi, S.E., M.Sc. Universitas Riau Prof. Dr. Ir. Bambang Juanda, M.Sc. Institut Pertanian Bogor Dr. H. M. Kuswantoro, M.Si. Universitas Sultan Ageng

Tirtayasa

Rudi Kurniawan, Ph.D Universitas Padjajaran Dr. Maman Setiawan Universitas Padjajaran Malik Cahyadin, S.E., M.Si Universitas Sebelas Maret Dr. Mulyanto, M.E. Universitas Sebelas Maret Prof. Candra Fajri Ananda, S.E., M.Sc.,

Ph.D Universitas Brawijaya

Prof. Dr. I Komang Gde Bendesa,

M.A.D.E. Universitas Udayana

Dr. Irawan, S.E., M.Si Universitas Palangkaraya Muhammad Handry Imansyah,

M.A.M., Ph.D Universitas Lambung Mangkurat

Mohammad Ahlis Djirimaru, S.E.,

D.E.A., Ph.D Universitas Tadulako

Dr. Noldy Tuerah, S.E., M.A. Universitas Samratulangi Prof. Dr. Mansur Afifi Universitas Mataram Dr. Ir. Rully Novie Wurarah, M.Si Universitas Papua

(6)

(7)

DAFTAR ISI

DAFTAR FORUM EKONOM ...v DAFTAR ISI ... vii KATA SAMBUTAN ... 1 Apakah Peningkatan Produktivitas Sektor Industri Pengolahan

Nasional Sudah optimal ... 5 Dr. Ir. Rully Novie Wurarah, M.Si

Implikasi Produktivitas Tenaga Kerja Indonesia Terhadap Kebijakan Fiskal dan Ekonomi ... 23 Malik Cahyadin, S.E., M.Si

Pertumbuhan Produktivitas Dinamis Industri Makanan dan

Minuman di Indonesia ... 71 Dr. Maman Setiawan

Industri Pengolahan Ikan Kaleng: Strategi Peningkatan Kinerja Ekspor Industri Ikan Kaleng, Kota Bitung, Sulawesi Utara ... 97 Dr. Noldy Tuerah, S.E., M.A.

Revolusi Industri 4.0 Dan Dampaknya Terhadap Pertumbuhan Dan Produktivitas Tenaga Kerja di Indonesia. ... 129 Prof. Dr. Mansur Afifi

Tantangan SDM Menuju Revolusi Industri 4.0... 159 Prof. Candra Fajri Ananda, S.E., M.Sc., Ph.D

Kesiapan Tenaga Kerja Indonesia Menghadapi Era Revolusi

Industri 4.0 ... 195

Dr. Mulyanto, M.E.

(8)

Mempersiapkan Tenaga Kerja Industrial Memasuki Industri 4.0 ... 235 Rudi Kurniawan, Ph.D

Dampak E-Commerce Terhadap Output Nasional, Permintaan Tenaga Kerja, Pengangguran, dan Struktur Upah Tenaga Kerja di Indonesia ... 255 Prof. Dr. Ir. Bambang Juanda, M.S.

Produktivitas Tenaga Kerja di Indonesia ... 281 Mohamad Ahlis Djirimu, S.E., D.E.A., Ph.D.

Tantangan Peningkatan Produktivitas Tenaga Kerja Indonesia ... 331 Dr. Hefrizal Handra

Strategi Peningkatan Kompetensi melalui Inovasi Ketenagakerjaan Untuk Peningkatan Produktivitas Tenaga Kerja Indonesia ... 353 Prof. Dr. B. Isyandi, S.E., M.Sc

Kesenjangan Produktivitas Tenaga Kerja dan Tingkat Upah di

Indonesia ... 393 Prof. Dr, I Komang Gde Bendesa, M.A.D.E., dan Ni Putu Wiwin Setyari Pengaruh Kebijakan Fiskal dan Upah Minimum Kabupaten/Kota Terhadap Produktivitas Tenaga Kerja di Provinsi Banten ... 417 Dr. H. M. Kuswantoro, M.Si., dan Rizal Syaifudin

Produktivitas Tenaga Kerja Indonesia dan Kawasan ASEAN ... 433 Dr. Irawan, S.E., M.Si

Perbandingan Produktivitas Tenaga Kerja Indonesia dan Negara

ASEAN dalam Mendorong Pertumbuhan Ekonomi ... 457

Muhammad Handry Imansyah, M.A.M., Ph.D.

(9)

(10)

(11)

KATA SAMBUTAN

(12)

(13)

Jakarta, November 2019 Plt. Kepala Badan Kebijakan Fiskal

Arif Baharudin, S.E., M.B.A., C.A

(14)

(15)

Apakah Peningkatan

Produktivitas Sektor Industri Pengolahan Nasional Sudah optimal

Dr. Ir. Rully Novie Wurarah, M.Si.

Universitas Papua

Abstrak

(16)

I. PENDAHULUAN

(17)

(18)

Gambar 1. Tren kontribusi industri pengolahan di Indonesia tahun 2014-2018

0 1.000.000 2.000.000 3.000.000 4.000.000 5.000.000 6.000.000 7.000.000 8.000.000 9.000.000

0%

20%

40%

60%

80%

100%

20142015201620172018

Industri Pengolahan Lainnya; Jasa Reparasi dan Pemasangan Mesin dan Peralatan Industri Furnitur

Industri Alat Angkutan

Industri Mesin dan Perlengkapan

Industri Barang Logam; Komputer, Barang Elektronik, Optik; dan Peralatan Listrik Industri Logam Dasar

Industri Barang Galian bukan Logam

Industri Karet, Barang dari Karet dan Plastik

Industri Kimia, Farmasi dan Obat Tradisional

(19)

II. PEMBAHASAN

Peran Industri Pengolahan Terhadap Target Pertumbuhan

Ekonomi Nasional

(20)

Gambar 2. Permintaan dan Penawaran Industri Pengolahan di

Indonesia

(21)

(22)

Peran Industri Pengolahan terhadap Peningkatan PDB

Perkapita

(23)

Gambar 3. Produk Domestik Bruto 17 Sektor Usaha

(24)

Peningkatan Produktivitas Industri Pengolahan

(25)

Gambar 4. Indikator Daya Saing Daerah

(26)

Investasi Sektor Riil dan PDB Perkapita

Tabel 1. Sasaran Investasi sektor rill tahun 2020 dan tahun 2024

Sumber : RPJMN 2020-2025

(27)

(28)

III. SIMPULAN DAN REKOMENDASI

(29)

(30)

DAFTAR PUSTAKA

(31)

(32)

(33)

Implikasi Produktivitas Tenaga Kerja Indonesia Terhadap

Kebijakan Fiskal dan Ekonomi

Malik Cahyadin, S.E., M.Si

Universitas Sebelas maret

Abstrak

(34)

I. PENDAHULUAN

(35)

(36)

Gambar 1. Korelasi antara Pertumbuhan Produktivitas Tenaga Kerja dengan Pertumbuhan Ekonomi dan Pertumbuhan Penerimaan Pajak Tahun 2000-2018 (%)

.

Sumber: BPS, Kementrian Keuangan dan www.ceicdata.com (diolah)

Gambar 2. Keterkaitan antara Aglomerasi dengan SDM Berketrampilan Tinggi

Sumber: Tadjoeddin & Mercer-Blackman (2018)

(37)

(38)

ă ş ş

‐

(39)

(40)

Tujuan Penelitian

(41)

ı

Rational Dan Ruang Lingkup

(42)

Metode

Data dan Sumber Data

(43)

(44)

Tabel 1. Definisi Operasional Variabel

(45)

(46)

Keterangan: *proses interpolasi data tahunan menjadi kuartalan menggunakan prosedur eviews.

Metode Analisis Data

(47)

II. PEMBAHASAN

Korelasi antara Produktivitas Tenaga Kerja dengan Kebijakan

Fiskal dan Ekonomi

(48)

Tabel 2. Korelasi antara Produktivitas Tenaga Kerja dengan Kebijakan Fiskal dan Ekonomi

Sumber: Data sekunder (diolah)

(49)

Kausalitas antara Produktivitas Tenaga Kerja dengan Kebijakan

Fiskal dan Ekonomi

(50)

Tabel 3. Kausalitas Granger antara Produktivitas Tenaga Kerja dengan

Kebijakan Fiskal dan Ekonomi

(51)

(52)

Sumber: Data sekunder (diolah) Keterangan: * = kausal satu arah

Hasil Estimasi Implikasi Produktivitas Tenaga Kerja terhadap Kebijakan Fiskal dan Ekonomi

Δ

Δ Δ

(53)

Δ

Pembahasan

(54)

č ė Š ė

III. SIMPULAN DAN REKOMENDASI

(55)

(56)

(57)

(58)

DAFTAR PUSTAKA

ă ş ş

(59)

(60)

(61)

(62)

č ė Š ė

(63)

‐ ‐

(64)

(65)

ı

‐

(66)

LAMPIRAN

Dependent Variable: LOGPP Method: ARDL

Sample (adjusted): 2001Q2 2015Q4 Included observations: 54 after adjustments Maximum dependent lags: 4 (Automatic selection) Model selection method: Akaike info criterion (AIC)

Dynamic regressors (4 lags, automatic): PTK SP LOGTDD Fixed regressors: C

Number of models evalulated: 500 Selected Model: ARDL(2, 0, 1, 1)

Note: final equation sample is larger than selection sample

Variable Coefficient Std. Error t-Statistic Prob.*

LOGPP(-1) 1.014808 0.121712 8.337762 0.0000 LOGPP(-2) -0.178973 0.107677 -1.662123 0.1033

PTK 0.001939 0.001444 1.342257 0.1861

SP -0.062562 0.015203 -4.115059 0.0002

SP(-1) 0.050160 0.016385 3.061233 0.0037

LOGTDD 0.639268 0.114377 5.589138 0.0000

LOGTDD(-1) -0.474833 0.121390 -3.911640 0.0003

C 0.175276 0.080195 2.185636 0.0340

R-squared 0.999264 Mean dependent var 4.934742 Adjusted R-squared 0.999152 S.D. dependent var 0.631053 S.E. of regression 0.018376 Akaike info criterion -5.019563 Sum squared resid 0.015534 Schwarz criterion -4.724898 Log likelihood 143.5282 Hannan-Quinn criter. -4.905922 F-statistic 8922.289 Durbin-Watson stat 1.878043 Prob(F-statistic) 0.000000

*Note: p-values and any subsequent tests do not account for model selection.

(67)

ARDL Cointegrating And Long Run Form Dependent Variable: LOGPP

Selected Model: ARDL(2, 0, 1, 1) Sample: 2000Q1 2018Q4 Included observations: 54

Cointegrating Form

Variable Coefficient Std. Error t-Statistic Prob.

D(LOGPP(-1)) 0.178973 0.107677 1.662123 0.1033

D(PTK) 0.001939 0.001444 1.342257 0.1861

D(SP) -0.062562 0.015203 -4.115059 0.0002

D(LOGTDD) 0.639268 0.114377 5.589138 0.0000

CointEq(-1) -0.164165 0.074025 -2.217684 0.0316 Cointeq = LOGPP - (0.0118*PTK -0.0755*SP + 1.0017*LOGTDD + 1.0677 )

Long Run Coefficients

PTK 0.011808 0.010718 1.101729 0.2763

SP -0.075545 0.064237 -1.176032 0.2456

LOGTDD 1.001651 0.042338 23.658342 0.0000

C 1.067686 0.196389 5.436576 0.0000

Dependent Variable: SP Method: ARDL

Dynamic regressors (4 lags, automatic): PTK LOGPP LOGTDD Fixed regressors: C

SP(-1) 1.096406 0.142834 7.676108 0.0000

SP(-2) -0.246660 0.195521 -1.261548 0.2146 SP(-3) -0.146491 0.115800 -1.265034 0.2134

PTK -0.056671 0.021930 -2.584212 0.0136

PTK(-1) 0.074574 0.030781 2.422700 0.0202

(68)

PTK(-2) -0.028362 0.019878 -1.426829 0.1616 LOGPP -2.817838 0.987128 -2.854583 0.0069 LOGPP(-1) 2.584620 0.937633 2.756538 0.0088

LOGTDD 1.841852 1.193033 1.543840 0.1307

LOGTDD(-1) -1.452256 1.070263 -1.356914 0.1826

C 0.823639 0.717433 1.148036 0.2579

ARDL Cointegrating And Long Run Form Dependent Variable: SP

Cointegrating Form

D(SP(-1)) 0.393150 0.126920 3.097617 0.0036 D(SP(-2)) 0.146491 0.115800 1.265034 0.2134 D(PTK) -0.056671 0.021930 -2.584212 0.0136 D(PTK(-1)) 0.028362 0.019878 1.426829 0.1616 D(LOGPP) -2.817838 0.987128 -2.854583 0.0069

D(LOGTDD) 1.841852 1.193033 1.543840 0.1307

CointEq(-1) -0.296744 0.091554 -3.241199 0.0024 Cointeq = SP - (-0.0352*PTK -0.7859*LOGPP + 1.3129*LOGTDD + 2.7756 )

PTK -0.035249 0.041994 -0.839378 0.4064

LOGPP -0.785923 2.173511 -0.361591 0.7196

LOGTDD 1.312903 2.088529 0.628626 0.5333

C 2.775586 2.003170 1.385597 0.1737

(69)

Dependent Variable: LOGTDD Method: ARDL

Dynamic regressors (4 lags, automatic): PTK LOGPP SP Fixed regressors: C

LOGTDD(-1) 1.252133 0.109214 11.46492 0.0000 LOGTDD(-2) -0.426225 0.083679 -5.093552 0.0000

PTK -0.007203 0.002275 -3.166809 0.0027

PTK(-1) 0.011643 0.003214 3.622734 0.0007

PTK(-2) -0.005099 0.002025 -2.518326 0.0153

LOGPP 0.554522 0.086089 6.441266 0.0000

LOGPP(-1) -0.536062 0.147034 -3.645838 0.0007 LOGPP(-2) 0.152123 0.103254 1.473284 0.1475

SP 0.016008 0.008491 1.885331 0.0657

C -0.171224 0.054654 -3.132849 0.0030

ARDL Cointegrating And Long Run Form Dependent Variable: LOGTDD

Cointegrating Form

(70)

D(LOGTDD(-1)) 0.426225 0.083679 5.093552 0.0000 D(PTK) -0.007203 0.002275 -3.166809 0.0027 D(PTK(-1)) 0.005099 0.002025 2.518326 0.0153

D(LOGPP) 0.554522 0.086089 6.441266 0.0000

D(LOGPP(-1)) -0.152123 0.103254 -1.473284 0.1475

D(SP) 0.016008 0.008491 1.885331 0.0657

CointEq(-1) -0.174092 0.046084 -3.777683 0.0005 Cointeq = LOGTDD - (-0.0038*PTK + 0.9798*LOGPP + 0.0919*SP -0.9835 )

PTK -0.003789 0.007436 -0.509587 0.6128

LOGPP 0.979848 0.032316 30.321274 0.0000

SP 0.091949 0.047159 1.949776 0.0573

C -0.983528 0.157270 -6.253764 0.0000

Dependent Variable: PE Method: ARDL

Dynamic regressors (4 lags, automatic): PTK LOGU INF TK LOGIP Fixed regressors: C

Number of models evalulated: 12500 Selected Model: ARDL(4, 1, 1, 4, 0, 4)

PE(-1) 1.038940 0.105778 9.821889 0.0000

PE(-2) -0.060606 0.159828 -0.379196 0.7064

PE(-3) 0.026251 0.159050 0.165050 0.8697

PE(-4) -0.223936 0.095659 -2.340992 0.0238

PTK 0.018929 0.003536 5.353552 0.0000

PTK(-1) -0.021892 0.003548 -6.170849 0.0000

LOGU -1.448364 0.421267 -3.438113 0.0013

LOGU(-1) 1.224867 0.411447 2.976976 0.0047

INF -0.153630 0.030837 -4.982003 0.0000

INF(-1) 0.211198 0.054081 3.905244 0.0003

(71)

TK -0.035646 0.054796 -0.650519 0.5187

LOGIP 5.737823 0.758020 7.569483 0.0000

LOGIP(-1) -6.800508 1.589134 -4.279381 0.0001 LOGIP(-2) 0.269072 1.809323 0.148714 0.8825 LOGIP(-3) -0.997613 1.797347 -0.555048 0.5817 LOGIP(-4) 1.984689 0.979796 2.025615 0.0489

C 0.148502 0.887563 0.167315 0.8679

ARDL Cointegrating And Long Run Form Dependent Variable: PE

Selected Model: ARDL(4, 1, 1, 4, 0, 4) Sample: 2000Q1 2018Q4

Included observations: 64

Cointegrating Form

D(PE(-1)) 0.258291 0.090637 2.849739 0.0066 D(PE(-2)) 0.197685 0.097709 2.023201 0.0492 D(PE(-3)) 0.223936 0.095659 2.340992 0.0238

D(PTK) 0.018929 0.003536 5.353552 0.0000

D(LOGU) -1.448364 0.421267 -3.438113 0.0013 D(INF) -0.153630 0.030837 -4.982003 0.0000

D(INF) 0.010514 0.059220 0.177544 0.8599

D(INF) -0.025474 0.059145 -0.430711 0.6688

D(INF) 0.058227 0.036652 1.588648 0.1193

D(TK) -0.035646 0.054796 -0.650519 0.5187

D(LOGIP) 5.737823 0.758020 7.569483 0.0000

D(LOGIP(-1)) -0.269072 1.809323 -0.148714 0.8825 D(LOGIP(-2)) 0.997613 1.797347 0.555048 0.5817 D(LOGIP(-3)) -1.984689 0.979796 -2.025615 0.0489 CointEq(-1) -0.219351 0.039475 -5.556738 0.0000 Cointeq = PE - (-0.0135*PTK -1.0189*LOGU + 0.0652*INF -0.1625*TK + 0.8820*LOGIP + 0.6770 )

(72)

PTK -0.013507 0.011166 -1.209684 0.2329

LOGU -1.018898 0.226429 -4.499859 0.0000

INF 0.065199 0.086260 0.755844 0.4538

TK -0.162507 0.257370 -0.631415 0.5310

LOGIP 0.881975 0.280202 3.147645 0.0030

C 0.677008 4.083692 0.165783 0.8691

Dependent Variable: LOGU Method: ARDL

Dynamic regressors (4 lags, automatic): PTK PE INF TK LOGIP Fixed regressors: C

LOGU(-1) 1.712303 0.085957 19.92055 0.0000 LOGU(-2) -0.728135 0.081997 -8.880013 0.0000

PTK 0.000771 0.000816 0.945165 0.3489

PTK(-1) -0.001109 0.000788 -1.407257 0.1653

PE -0.054269 0.017819 -3.045668 0.0036

PE(-1) 0.075404 0.025964 2.904183 0.0054

PE(-2) -0.021800 0.015166 -1.437447 0.1566

INF -0.000870 0.003525 -0.246893 0.8060

INF(-1) 0.003713 0.003042 1.220570 0.2278

TK 0.071692 0.019212 3.731697 0.0005

TK(-1) -0.140466 0.029554 -4.752848 0.0000

TK(-2) 0.062293 0.019005 3.277676 0.0019

LOGIP 0.007996 0.010162 0.786836 0.4349

C 0.098251 0.110032 0.892933 0.3760

R-squared 0.999918 Mean dependent var 12.14313 Adjusted R-squared 0.999897 S.D. dependent var 0.596158

(73)

F-statistic 48772.89 Durbin-Watson stat 2.320857 Prob(F-statistic) 0.000000

ARDL Cointegrating And Long Run Form Dependent Variable: LOGU

Cointegrating Form

D(LOGU(-1)) 0.728135 0.081997 8.880013 0.0000

D(PTK) 0.000771 0.000816 0.945165 0.3489

D(PE) -0.054269 0.017819 -3.045668 0.0036

D(PE(-1)) 0.021800 0.015166 1.437447 0.1566 D(INF) -0.000870 0.003525 -0.246893 0.8060

D(TK) 0.071692 0.019212 3.731697 0.0005

D(TK(-1)) -0.062293 0.019005 -3.277676 0.0019

D(LOGIP) 0.007996 0.010162 0.786836 0.4349

CointEq(-1) -0.015833 0.008949 -1.769171 0.0827 Cointeq = LOGU - (-0.0214*PTK -0.0420*PE + 0.1796*INF -0.4094*TK + 0.5050*LOGIP + 6.2056 )

PTK -0.021374 0.037772 -0.565873 0.5739

PE -0.042049 0.478770 -0.087827 0.9304

INF 0.179563 0.173346 1.035866 0.3051

TK -0.409365 0.427773 -0.956967 0.3430

LOGIP 0.505005 0.447184 1.129301 0.2640

C 6.205619 8.071334 0.768847 0.4455

(74)

Dependent Variable: INF Method: ARDL

Dynamic regressors (4 lags, automatic): PTK PE LOGU TK LOGIP Fixed regressors: C

INF(-1) 1.610523 0.102825 15.66269 0.0000 INF(-2) -0.632244 0.127372 -4.963746 0.0000 INF(-3) -0.081806 0.055872 -1.464167 0.1495

PTK 0.072977 0.015685 4.652663 0.0000

PTK(-1) -0.099527 0.024884 -3.999685 0.0002

PTK(-2) 0.042544 0.017390 2.446425 0.0181

PE -1.991731 0.353836 -5.628960 0.0000

PE(-1) 3.357682 0.616023 5.450576 0.0000

PE(-2) -1.644476 0.376243 -4.370778 0.0001

LOGU -0.267945 0.157716 -1.698906 0.0957

TK 0.651494 0.336462 1.936307 0.0586

TK(-1) -0.771262 0.307271 -2.510037 0.0154

LOGIP 23.79264 1.996366 11.91798 0.0000

LOGIP(-1) -42.57351 4.312392 -9.872366 0.0000 LOGIP(-2) 18.90309 2.965867 6.373546 0.0000

C 2.219315 3.059871 0.725297 0.4717

(75)

ARDL Cointegrating And Long Run Form Dependent Variable: INF

Cointegrating Form

D(INF) 0.714050 0.109929 6.495563 0.0000

D(INF) 0.081806 0.055872 1.464167 0.1495

D(PTK) 0.072977 0.015685 4.652663 0.0000

D(PTK(-1)) -0.042544 0.017390 -2.446425 0.0181

D(PE) -1.991731 0.353836 -5.628960 0.0000

D(PE(-1)) 1.644476 0.376243 4.370778 0.0001 D(LOGU) -0.267945 0.157716 -1.698906 0.0957

D(TK) 0.651494 0.336462 1.936307 0.0586

D(LOGIP) 23.792645 1.996366 11.917979 0.0000 D(LOGIP(-1)) -18.903088 2.965867 -6.373546 0.0000 CointEq(-1) -0.103527 0.050289 -2.058630 0.0449 Cointeq = INF - (0.1545*PTK -2.6904*PE -2.5882*LOGU -1.1569*TK +

1.1806*LOGIP + 21.4371 )

PTK 0.154497 0.089514 1.725940 0.0907

PE -2.690369 1.651706 -1.628842 0.1098

LOGU -2.588171 2.165138 -1.195384 0.2377

TK -1.156880 2.230923 -0.518566 0.6064

LOGIP 1.180575 1.953248 0.604417 0.5484

C 21.437138 37.158528 0.576910 0.5666

Dependent Variable: TK Method: ARDL

Dynamic regressors (4 lags, automatic): PTK PE LOGU INF LOGIP Fixed regressors: C

Number of models evalulated: 12500

(76)

Selected Model: ARDL(2, 0, 0, 2, 2, 1)

TK(-1) 1.386111 0.121117 11.44438 0.0000

TK(-2) -0.492821 0.117843 -4.182008 0.0001

PTK -0.004007 0.003023 -1.325407 0.1907

PE 0.010930 0.045627 0.239557 0.8116

LOGU 3.220928 0.652541 4.935981 0.0000

LOGU(-1) -5.753949 1.216380 -4.730387 0.0000 LOGU(-2) 2.574071 0.654764 3.931297 0.0002

INF 0.058518 0.032139 1.820779 0.0743

INF(-1) -0.073581 0.039005 -1.886466 0.0647 INF(-2) 0.052220 0.018452 2.830014 0.0066

LOGIP 0.836282 0.685386 1.220162 0.2278

LOGIP(-1) -0.958533 0.705796 -1.358088 0.1802

C 1.639906 0.817065 2.007071 0.0499

ARDL Cointegrating And Long Run Form Dependent Variable: TK

Cointegrating Form

D(TK(-1)) 0.492821 0.117843 4.182008 0.0001 D(PTK) -0.004007 0.003023 -1.325407 0.1907

D(PE) 0.010930 0.045627 0.239557 0.8116

D(LOGU) 3.220928 0.652541 4.935981 0.0000

D(LOGU(-1)) -2.574071 0.654764 -3.931297 0.0002

(77)

CointEq(-1) -0.106710 0.046990 -2.270921 0.0272 Cointeq = TK - (-0.0376*PTK + 0.1024*PE + 0.3847*LOGU + 0.3482*INF -1.1456*LOGIP + 15.3679 )

PTK -0.037552 0.037023 -1.014282 0.3151

PE 0.102429 0.429104 0.238704 0.8123

LOGU 0.384690 0.567006 0.678460 0.5004

INF 0.348203 0.163626 2.128046 0.0380

LOGIP -1.145643 0.505789 -2.265062 0.0276

C 15.367869 1.911609 8.039234 0.0000

Dependent Variable: LOGIP Method: ARDL

Dynamic regressors (4 lags, automatic): PTK PE LOGU INF TK Fixed regressors: C

LOGIP(-1) 1.575614 0.133338 11.81672 0.0000 LOGIP(-2) -0.353087 0.238935 -1.477752 0.1460 LOGIP(-3) -0.235558 0.121536 -1.938179 0.0585

PTK -0.002137 0.000558 -3.829189 0.0004

PTK(-1) 0.003266 0.000883 3.700045 0.0006

PTK(-2) -0.001135 0.000631 -1.798678 0.0784

PE 0.091561 0.010657 8.591940 0.0000

PE(-1) -0.132216 0.019428 -6.805478 0.0000

PE(-2) 0.029310 0.023460 1.249382 0.2176

PE(-3) 0.024864 0.012108 2.053561 0.0455

LOGU 0.015857 0.005733 2.766136 0.0080

INF 0.030619 0.002097 14.60024 0.0000

INF(-1) -0.050140 0.005066 -9.896977 0.0000 INF(-2) 0.012071 0.007929 1.522273 0.1345

(78)

INF(-3) 0.008113 0.004423 1.834175 0.0728

TK 0.003334 0.006535 0.510107 0.6123

C -0.019050 0.108253 -0.175979 0.8611

ARDL Cointegrating And Long Run Form Dependent Variable: LOGIP

Cointegrating Form

D(LOGIP(-1)) 0.588645 0.133511 4.408955 0.0001 D(LOGIP(-2)) 0.235558 0.121536 1.938179 0.0585 D(PTK) -0.002137 0.000558 -3.829189 0.0004 D(PTK(-1)) 0.001135 0.000631 1.798678 0.0784

D(PE) 0.091561 0.010657 8.591940 0.0000

D(PE(-1)) -0.029310 0.023460 -1.249382 0.2176 D(PE(-2)) -0.024864 0.012108 -2.053561 0.0455

D(LOGU) 0.015857 0.005733 2.766136 0.0080

D(INF) 0.030619 0.002097 14.600239 0.0000

D(INF) -0.012071 0.007929 -1.522273 0.1345 D(INF) -0.008113 0.004423 -1.834175 0.0728

D(TK) 0.003334 0.006535 0.510107 0.6123

CointEq(-1) -0.013031 0.008120 -1.604703 0.1151 Cointeq = LOGIP - (-0.0005*PTK + 1.0375*PE + 1.2169*LOGU + 0.0508*INF + 0.2558*TK -1.4620 )

(79)

+

PTK -0.000469 0.024725 -0.018977 0.9849

PE 1.037506 0.593821 1.747169 0.0870

LOGU 1.216929 0.548568 2.218372 0.0313

INF 0.050832 0.127842 0.397618 0.6927

TK 0.255822 0.627552 0.407651 0.6853

C -1.461958 9.063014 -0.161310 0.8725

(80)

(81)

Pertumbuhan Produktivitas Dinamis Industri Makanan dan Minuman di Indonesia

Dr. Maman Setiawan Universitas Padjajaran Abstrak

39

(82)

PENDAHULUAN

(83)

(84)

Tujuan

(85)

_𝑡^𝑖

(𝑦, 𝐾, 𝑥, 𝐼; 𝑔

_𝐼

, 𝑔

_𝑥

) = −∞

𝑔

_𝑥

𝑔

_𝐼

β

(87)

𝐺𝐿 = 0.5{[𝐷⃗⃗ _𝑡+1^𝑖̇ (𝑦_𝑡, 𝑘_𝑡, 𝑥_𝑡, 𝐼_𝑡; 𝑔_𝑥, 𝑔_𝐼) − 𝐷⃗⃗ _𝑡+1^𝑖̇ (𝑦_𝑡+1, 𝑘_𝑡+1, 𝑥_𝑡+1, 𝐼_𝑡+1; 𝑔_𝑥, 𝑔_𝐼)]

+[𝐷⃗⃗ _𝑡^𝑖̇(𝑦_𝑡, 𝑘𝑡, 𝑥𝑡, 𝐼𝑡; 𝑔𝑥, 𝑔𝐼) − 𝐷⃗⃗ _t^𝑖̇(𝑦_𝑡+1, 𝑘𝑡+1, 𝑥𝑡+1, 𝐼𝑡+1; 𝑔𝑥, 𝑔𝐼)]}

∆

𝐺𝐿 = 𝛥𝑇𝑃 + 𝛥𝑇𝐸

∆

)]

_𝐼

_𝐼

| 𝑉𝑅𝑆)

| 𝑉𝑅𝑆)]

𝛾

^𝑗

(𝐼

_𝑡𝑓^𝑗

− 𝛿

_𝑓

K

_𝑡𝑓^𝑖

), 𝑓 = 1 , … , 𝐹;

𝛾

^𝑗

≥ 0, 𝑗 = 1, … , 𝐽.

 δ

∆ ∆ ∆

λ β β  β β β

β

(90)



(91)

(92)

I. PEMBAHASAN

Table 1. Tren dari rata-rata pertumbuhan produktivitas dinamis (GTFP), Rata-rata Perubahan inefisiensi teknis dinamis (GTIE), Rata- rata perubahan inefisiensi skala dinamis (GSEC), dan Rata-rata perubahan teknikal dinamis (GTP) untuk 44 Sub Sektor, 1990-2014

Sumber: Perhitungan Penulis

(93)

Tabel 2. Rata-rata pertumbuhan produktivitas dinamis, rata-rata perubahan inefisiensi teknis, rata-rata perubahan inefisiensi skala, dan rata-rata perubahan teknikal dinamis untuk 10 Sub Sektor dengan pertumbuhan produktivitas dinamis terbesar, 1990-2014

Sumber: Perhitungan Penulis

(94)

Tabel 3. Rata-rata pertumbuhan produktivitas dinamis, rata-rata

perubahan inefisiensi teknis, rata-rata perubahan inefisiensi skala, dan

rata-rata perubahan teknikal dinamis untuk 10 Sub Sektor dengan

Pertumbuhan Produktivitas Dinamis Terendah, 1990-2014

(95)

(96)

Tabel 4. Output Regresi Determinan Pertumbuhan Produktivitas Dinamis (GTFP)



Catatan: nilai dalam kurung merupakan nilai standar error

* menunjukkan tingkat signifikansi sebesar 10%

** menunjukkan tingkat signifikansi sebesar 5%

*** menunjukkan tingkat signifikansi sebesar 1%



(97)

α

(98)

(99)

II. SIMPULAN DAN REKOMENDASI

Simpulan

(100)

Rekomendasi

(101)

(102)

(103)

DAFTAR PUSTAKA

〈 〉

(104)

(105)

(106)

(107)

Industri Pengolahan Ikan

Kaleng: Strategi Peningkatan Kinerja Ekspor Industri Ikan Kaleng, Kota Bitung, Sulawesi Utara

Dr. Noldy Tuerah, S.E., M.A.

Universitas Samratulangi

Abstrak

(108)

I. PENDAHULUAN

(109)

(110)

Tujuan

(111)

Ruang Lingkup

(112)

Metode

(113)

Kajian Temuan Sebelumnya

(114)

(115)

(116)

II. PEMBAHASAN

Dokumen Ekspor

(117)

(118)

Dokumen Pendukung Ekpor

(119)

(120)

Keterbatasan Bahan Baku

(121)

Harga Bahan Baku Ikan Tuna

(122)

(123)

Higinietas Pengolahan dan Efiesiensi Internal

(124)

Pengiriman Produk Ekspor Menggunakan Kontainer melalui

Jakarta atau Singapore

(125)

Free Trade Agreement

(126)

III. SIMPULAN DAN REKOMENDASI Simpulan

Tabel 4. Catatan Kesimpulan Kajian Faktor (Aspek Eksternal dan

Aspek Internal) Mempengaruhi Peningkatan Ekspor Ikan Tuna Kaleng

(127)

(128)

(129)

Rekomendasi

(130)

(131)

(132)

(133)

DAFTAR PUSTAKA

(134)

LAMPIRAN

Gambar 1. Nilai dan Volume Ekspor-Impor Hasil Perikanan, 2012- 2017

Sumber: BPS dan Ditjen PDS-KKP, 2018 diolah 0

1000 2000 3000 4000 5000

2012 2013 2014 2015 2016 2017

3871 4161 4641

3943 4172 4514

453 460 417 378 414 475

Nilai Ekspor-Impor Hasil Perikanan Tahun 2012-2017

Ekspor (USD Juta) Impor (USD Juta)

0 500 1000 1500

2012 2013 2014 2015 2016 2017

1240 1255 1273

1076 1075 1078

371 363 307 292 277 386

Volume Ekspor-Impor Hasil Perikanan Tahun 2012-2017

Ekspor (Ribu Ton) Impor (Ribu Ton)

(135)

Gambar 2. Sulawesi Utara, 2016-2019 (Mei)

Sumber: Kantor Bea Cukai Bitung, 2019

764 813

0 439 500 1000

2017 2018 2019 (S.d. Bulan

Mei)

Teus

12.199.970, 06

12.704.530, 65

6.764.422,2 0,00 8

5.000.000,00 10.000.000,00 15.000.000,00

2017 2018 2019 (S.d. Bulan

Mei)

Netto (Kg)

46.007.227,24

118.342.420,21

24.582.484,83

0,00 50.000.000,00 100.000.000,00 150.000.000,00

2017 2018 2019 (S.d.

Bulan Mei)

Devisa (USD)

(136)

Gambar 3. Jumlah Ekspor Ikan Segar (Ton)

Sumber: Badan Pusat Statistik dan dokumen kepabeanan Ditjen Bea dan Cukai (PEB dan PIB) diolah

Gambar 3a. Jumlah Ekspor Ikan Segar dan Negara Tujuan Utama, Tahun 2012 - 2017 (Berat Bersih: Ton)

91.701,1 98.079,0

67.978,8 67.218,559.984,0 53.982,2 0,0

50.000,0 100.000,0 150.000,0

2012 2013 2014 2015 2016 2017 Jumlah Ekspor Ikan Segar/Dingin Hasil Tangkap

(Berat Bersih: Ton)

Jumlah

Jepan g

Mala ysia

Singa pura

Amer ika Serik

at Taiwa

n Arab Saudi

Hong Kong

Tiong kok

Austr alia

Uni Emira

t Arab

Lainn ya 2012 12.71 26.17 20.01 640,0 3.844 1,1 936,1 13.91 571,2 139,6 12.74 2013 11.92 27.75 24.18 316,8 3.057 58,2 1.002 8.740 710,8 54,6 20.27 2014 11.05 25.53 22.08 383,2 2.721 99,0 1.298 3.202 457,4 47,9 1.099 2015 6.191 30.72 22.92 641,6 2.669 503,2 1.425 461,0 552,3 150,3 977,9 2016 6.166 25.11 19.76 701,1 2.361 1.131 1.917 1.121 432,5 462,0 818,0 2017 4.335 23.38 18.14 287,8 2.041 886,3 2.333 897,9 378,8 722,6 571,1

0 5.000 10.000 15.000 20.000 25.000 30.000 35.000

(137)

Lampiran Diagram:

(138)

(139)

Revolusi Industri 4.0 Dan Dampaknya Terhadap Pertumbuhan Dan

Produktivitas Tenaga Kerja di Indonesia.

Prof. Dr. Mansur Afifi

Universitas Mataram

Abstrak

(140)

I. PENDAHULUAN

(141)

(142)

Tujuan

Perkembangan Revolusi Industri Dan Dampaknya

(143)

(144)

(145)

(146)

(147)

(148)

(149)

Metodologi

II. PEMBAHASAN

Pertumbuhan Ekonomi

(150)

Gambar 1. Pertumbuhan Ekonomi Indonesia (%, yoy)

Sumber: BPS, 2019 5,12

4,944,93 5,05

4,824,744,77 5,17

4,94 5,21

5,03

4,945,015,015,06 5,19

5,06 5,27

5,175,18 5,075,05

4,4 4,5 4,6 4,7 4,8 4,9 5 5,1 5,2 5,3 5,4

Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2

5,01 4,88 5,03 5,07 5,17 5,06

2014 2015 2016 2017 2018 2019

(151)

(152)

Gambar 2. Rata-rata Pertumbuhan Ekonomi Negara G-20 Dalam Lima Tahun Terakhir

Sumber: Bank Dunia, 2019.

7,6 6,9 5,0 4,9

3,0 2,6 2,6 2,4 2,2 2,2 2,0 2,0 1,9 1,4 1,1 1,0 0,9 0,5 -0,3 -0,8 -2

0 2 4 6 8 10

(153)

(154)

Gambar 3. Perbandingan Pendapatan Per kapita (dalam USD)

Sumber: BPS, dan World Bank.

3764 3685 3541 3379 3570 3877 3927

6260 7037 7569 7808 8123 8762 9776

51384 52608 54375 55868 57638

53356 54542

0 10000 20000 30000 40000 50000 60000 70000

2012 2013 2014 2015 2016 2017 2018

Indonesia China AS

(155)

Pertumbuhan Sektoral Industri Pengolahan

(156)

Gambar 4. Pertumbuhan dan Kontribusi Industri Pengolahan terhadap PDB

Sumber: BPS

21,03 21,6 21,7

21,3 21,0 20,70

19,76 4,37

4,64

4,33 4,26 4,29 4,27

4,70

4 4,2 4,4 4,6 4,8

18 19 20 21 22

2013 2014 2015 2016 2017 2018 Smt I

2019 Kontribusi Pertumbuhan

(157)

(158)

Produktivitas Tenaga Kerja

(159)

(160)

Gambar 5. Produktivitas Tenaga Kerja Indonesia per jam (dalam USD 2017)

Sumber: Statista 2019

Gambar 6. Pertumbuhan Produktivitas Tenaga kerja beberapa negara dalam dua periode (1981-1996 dan 2000-2014)

10 11 11 12 12 13 13 13 14

0 2 4 6 8 10 12 14 16

2010 2011 2012 2013 2014 2015 2016 2017 2018

(161)

Meningkatkan Produktivitas Dengan Industri 4.0

(162)

(163)

(164)

II. SIMPULAN DAN REKOMENDASI

(165)

(166)

DAFTAR PUSTAKA

(167)

(168)

(169)

Tantangan SDM Menuju Revolusi Industri 4.0

Prof. Candra Fajri Ananda, S.E., M.Sc., Ph.D.

Universitas Brawijaya

Abstrak

(170)

I. PENDAHULUAN

Grafik 1. Perkembangan PDB Per Kapita Indonesia Menurut BPS dan Bank Dunia (World Bank) Tahun 2014-2018

Sumber: BPS, 2019b dan World Bank, 2019 (Diolah) 3.532

3.373

3.604

3.876 3.927 3.620

3.430 3.400

3.530

3.840

-10 -5 0 5 10

3.000 3.500 4.000

2014 2015 2016 2017 2018

Versi BPS Versi WB

Pertumbuhan Versi BPS Pertumbuhan Versi WB

US %

(171)

Tabel 1. Skenario Indonesia Menuju Negara Pendapatan Tinggi dan Salah Satu PDB Terbesar Dunia

Sumber: Bappenas, 2018

(172)

(173)

Grafik 2. Jumlah Tenaga Kerja dan PDB Per Kapita Menurut Sektor Lapangan Usaha, 2018

Sumber: BPS, 2018; BPS, 2019b (Diolah) 53,23

824,47

161,48 521,04

21,26 188,22

83,73147,68 53,84

624,87 342,95

1.042,86

160,44115,7379,4785,4344,70 0 200 400 600 800 1.000 1.200

0 10.000 20.000 30.000 40.000

Jumlah TK (Ribu Jiwa)

(174)

(175)

(176)

(177)

Tujuan

Ruang Lingkup

(178)

Metodologi

II. PEMBAHASAN

Tantangan SDM dan Rendahnya Pendapatan di Sektor

Pertanian

(179)

Grafik 3. Jumlah Tenaga Kerja di Sektor Pertanian Menurut Kelompok Usia, Agustus 2018 (Ribu Orang)

Sumber: BPS, 2018 (Diolah) 1.388,9

2.354,5 2.727,1

3.202,3 3.699,8

3.985,1 4.103,2 3.929,4 3.584,8

6.727,9 0 1.000 2.000 3.000 4.000 5.000 6.000 7.000 8.000 15-19

20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60+

(180)

Grafik 4. Komposisi Tenaga Kerja di Sektor Pertanian Menurut Tingkat Pendidikan Terakhir, Agustus 2018

Sumber: BPS, 2018 (Diolah)

Tidak/Belum Pernah Sekolah…

Tidak/Belum Tamat SD

24,08%

SD 37,49%

SMP 16,83%

SMA 9,90%

SMK 3,49%

Perguruan Tinggi 1,38%

(181)

Tabel 2. Rata-Rata Upah/Pendapatan Bersih Sebulan Pekerja Menurut Pendidikan Tertinggi yang Ditamatkan dan Lapangan Pekerjaan Utama, Agustus 2016-2018

Sumber: BPS, 2018

(182)

(183)

Grafik 5. Perkembangan Rata-Rata Nilai Tukar Petani (NTP), Nilai Tukar Usaha Pertanian (NTUP), Indeks Harga yang Diterima Petani (It), dan Indeks Harga yang Dibayar Petani (Ib) Tahun 2010-2013

(2007=100) dan 2014-2018 (2012=100)

Sumber: BPS, 2019a (Diolah)

101,78 104,59 105,24 104,91 102,03 101,59 101,65 101,27 102,46 106,49 111,59 113,87 116,68

106,05 107,44 109,93 110,24 111,83

0 50 100 150 200

2010 2011 2012 2013 2014 2015 2016 2017 2018 NTP NTUP Harga Diterima Harga Dibayar Linear (NTP)

(184)

(185)

Digitalisasi Pertanian: Infiltrasi Revolusi Industri 4.0 di Sektor

Pertanian

(186)

(187)

(188)

Grafik 6. Beberapa Skenario Pertumbuhan Ekonomi yang Menunjang Indonesia Terlepas dari Middle-Income Trap (dalam USD)

Sumber: Hasil Penelitian, 2019

12.055

0 5.000 10.000 15.000 20.000 25.000

Baseline

Periode terlepas dari middle-income trap

High- Income

(189)

Gambar 1. Peta Jalan Keluar dari Middle-Income Trap

Sumber: World Economic Forum, 2018; Kemenkeu, 2019; Bank Dunia, 2019; dan BPS, 2019b

(190)

(191)

(192)

(193)

(194)

Gambar 2. Komponen Pertanian Digital

Sumber: Ozdogan, 2017

BIG DATA ANALYSIS

Internet of Things

Cloud Computing Robotics

and UAV

(195)

Gambar 3. Daya Dukung Pemerintah dalam Transformasi Menuju Revolusi Industri 4.0

Sumber: Judit, Nagi, et al., 2018

(196)

(197)

III. SIMPULAN DAN REKOMENDASI

(198)

(199)

Tabel 3. Rekomendasi Kebijakan

-

- -

-

- Sumber: Hasil Penelitian, 2019

(200)