BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum Obyek Penelitian Daerah Istimewa Yogyakarta (DIY) adalah daerah provinsi yang mempunyai keistimewaan dalam penyelenggaraan urusan pemerintahan dalam kerangka Negara Kesatuan Republik Indonesia. DIY adalah salah satu provinsi dari 33 Provinsi di wilayah Indonesia dan terletak di pulau Jawa bagian tengah.Secara astronomis DIY terletak antara 7033’ – 8012’ Lintang Selatan dan 110000’ – 110050’ Bujur Timur. Luas wilayah DIY adalah 3.185,80 km2 atau 0,17% dari luas Indonesia (1.860.359,67 km2) dan merupakan wilayah dengan luas terkecil setelah Daerah Khusus Ibukota Jakarta. DIY memiliki batas-batas: 1. Utara
: berbatasan dengan kabupaten Magelang dan Boyolali
2. Timur
: berbatasan dengan kabupaten Klaten dan Wonogiri
3. Selatan
: berbatasan dengan Samudera Hindia
4. Barat
: berbatasan dengan kabupaten Purworejo
Secara administrative, DIY terbagi menjadi empat kabupaten dan satu kota dengan 78 kecamatan dan 438 desa/keluarahan, dengan perincian sebagai berikut:
51
Tabel 4.1 Pembagian Wilayah DIY Menurut Kabupaten/Kota Kabupaten/Kota
Ibukota
Kecamatan
Kelurahan/Desa
Kulonprogo
Wates
12
88
Bantul
Bantul
17
75
Gunungkidul
Wonosari
18
144
Sleman
Sleman
17
86
Kota Yogyakarta
Yogyakarta
14
45
4.2 Uji Menetukan Model Panel 4.2.1 Uji Chow Uji ini digunakan untuk memilih model yang akan digunakan antaramodel estimasi Common Effect atau model estimasi Fixed Effect, dengan ujihipotesis: 1. H0 : memilih menggunakan model estimasi Common Effect. 2. H1 : memilih menggunakan model estimasi Fixed Effect. Uji ini dilakukan dengan melihat p-value, apabila p-value signifikan(kurang dari 5%) maka model yang digunakan adalah estimasi Fixed Effect,sebaliknya bila p-value tidak signifikan (lebih besar dari 5%) maka model yangdigunakan adalah estimasi Common Effect.
52
Uji ini digunakan untuk memilih model yang akan digunakan antara model estimasi Common Effect atau model estimasi Fixed Effect, dengan uji hipotesis: 1. H0 : memilih menggunakan model estimasi Common Effect. 2. H1 : memilih menggunakan model estimasi Fixed Effect. Uji ini dilakukan dengan melihat p-value, apabila p-value signifikan (kurang dari 5%) maka model yang digunakan adalah estimasi Fixed Effect, sebaliknya bila p-value tidak signifikan (lebih besar dari 5%) maka model yang digunakan adalah estimasi Common Effect
Tabel 4.2 Uji Chow Redundant Fixed Effects Tests Pool: PANEL1 Test cross-section fixed effects Effects Test
Statistic
d.f.
Prob.
Cross-section F Cross-section Chi-square
0.695538 4.848505
(4,9) 4
0.6138 0.3032
Nilai
distribusi
statistik
Chi
Square
dari
perhitungan
menggunakanEviewes 6.0 adalah sebesar 4.870480 dengan probabilitas 0.3008 (lebih besar dari 5 %), sehingga statistik Ho di terima dan menolak H1, menurut hasilestimasi ini model yang tepat digunakan adalah model estimasi Common effect 4.2.2 Uji lagrange multiplier Uji ini digunakan untuk memilih model yang akan digunakan antaramodel estimasi Common Effect atau model estimasi Random Effect, dengan ujihipotesis: 3. H0 : memilih menggunakan model estimasi Random Effect. 4. H1 : memilih menggunakan model estimasiCommon Effect
53
Uji ini dilakikan dengan melihat p-value, apabila p-value signifikan(kurang dari 5%) maka model yang digunakan adalah estimasi Common Effect,sebaliknya bila p-value tidak signifikan (lebih besar dari 5%) maka model yangdigunakan adalah estimasi Random Effect. Tabel 4.3 Lagrange multiplier (LM) test for panel data Date: 09/28/16 Time: 00:09 Sample: 2010 2014 Total panel observations: 25 Probability in () Null (no rand. effect) Alternative Honda King-Wu SLM GHM
Crosssection One-sided
Period One-sided
Both
3.568065 (0.0002) 3.568065 (0.0002) 6.671315 (0.0000) ---
-0.232930 (0.5921) -0.232930 (0.5921) 0.026173 (0.4896) ---
2.358296 (0.0092) 2.358296 (0.0092) --12.73109 (0.0006)
Dari hasil ouput diatas dapat dilihat bahwa nilai probabilitas Breusch-Pagan sebesar 0.0000 < 0.05, maka dapat disimpulkan bahwa model yang cocok adalah Random Effect
54
4.2.3 Estimasi Random Effect. Tabel 4.4 Hasil Estimasi Random Effect Dependent Variable: Y? Method: Pooled EGLS (Cross-section random effects) Date: 09/28/16 Time: 00:52 Sample: 2010 2014 Included observations: 5 Cross-sections included: 5 Total pool (unbalanced) observations: 18 Swamy and Arora estimator of component variances Variable
Coefficient
Std. Error t-Statistic
Prob.
C X1? X2? X3? X4? Random Effects (Cross) _BANTUL—C _SLEMAN—C _GUNUNGKIDUL--C _KULONPROGO--C _YOGYAKARTA--C
-0.219177 1.542790 -0.305107 -0.218021 -0.020654
2.447943 0.186569 0.274401 0.040491 0.053691
0.9300 0.0000 0.2863 0.0001 0.7067
-0.089535 8.269284 -1.111904 -5.384445 -0.384677
0.000000 0.000000 0.000000 0.000000 0.000000 Effects Specification S.D.
Cross-section random Idiosyncratic random
0.000000 7.728677
Rho 0.0000 1.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.999998 0.999997 7.357764 1524220. 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
2836.986 4406.316 703.7769 2.303797
Unweighted Statistics R-squared Sum squared resid
0.999998 703.7769
Mean dependent var Durbin-Watson stat
55
2836.986 2.303797
a. Pengujian terhadap PDRB Koefisien variabel dari PDRB adalah 1.542790 dan t-hitung sebesar 8.269284 sedangkan probabilitas sebesar 0.0000 (<5%). Secara statistik
menunjukkan bahwa PDRB berpengaruh positif dan signifikan terhadap variabel Gini, Secara statistik menunjukkan bahwa variabel PDRB berpengaruh positif dan signifikan terhadap variabel GINI, jadi apabila PDRB naik 1% maka Ketimpangan distribusi akan naik 1.542790. Itu artinya H1 di tolak sehingga gagal menolak Ho. b. Pengujian terhadap Inflasi Koefisien variabel Inflasi -0.305107 dan t-hitung sebesar -1.111904 sedangkan
probabilitas
sebesar
0.2863
(<5%).
Secara
statistik
menunjukkan bahwa variabel Inflasi berpengaruh tidak signifikan terhadap variabel Gini. Dan jika ketimpangan distribusi pendapatan naik 1persen maka inlasi turun -0.305107 c. Pengujian terhadap pengeluaran pemerintah Koefien varibel pengeluaran -0.218021 dan t-hitung -5.384445 sedangkan probabilitas sebesar 0.0001 (>5%) secara statistik menunjukan bahwa pengeluaran pemerintah berpengaruh negatif dan signifikan terhadap variabel gini. Dan jika ketimpangan distribusi pendapatan naik 1persen maka pengeluaran pemerintan akan turun -0.218021 d. Pengujian terhadap Indeks pembangunan manusia (IPM) Koefisien variabel IPM adalah -0.020654 dan t-hitung sebesar 0.384677 sedangkan probabilitas sebesar 0.7067 (<5%). Secara statistik
56
Dalam taraf signifikansi 5% maka variabel IPM secara individu berpengaruh tidak signifikan terhadap ketimpangan distribusi pendapatan. 4.3.2 Uji F (Uji hipotesis Koefisien Regresi secara menyeluruh) Tabel 4.6 Hasil Uji F dari Estimasi Random Effect
R-squared
0.999998
Adjusted R-squared
0.999997
Sum squared resid
703.7769
F-statistic
1524220.
Prob(F-statistic)
0.000000
Uji F dilakukan untuk mengetahui apakah variable-variabel independen bersama-sama mempengaruhi variable dependen atau tidak. Fhitung (F-statistik) dalam
perhitungan
menggunakan
E-views
6.0
sebesar
867277.8
dan
probabilitasnya sebesar 0.000000 (˂ α 5%), sehingga dapat disimpulkan bahwa secara estimasi Random Effect, variabel independen bersama-sama signifikan mempengaruhi variabel dependen. 4.3.3. Koefisien Determinasi (R2) Hasil regresi yang telah dilakukan, variabel PDRB,Inflasi dan Indeks pembangunan manusia (IPM) terhadap Ketimpangan distribusi pendapatan diperoleh nilai R2 untuk R-Square sebesar 0.999998 atau 99%. Hal ini menunjukan variasi variabel indeks Gini sebesar 99%dapat dijelaskan oleh variasi
57
variabel ketimpangan Distribusi (modelregresi yang digunakan semakin baik). Sedangkan sisanya sebesar 1% dijelaskan oleh variabel lain diluar model tersebut. 4.4 Pembahasan dan Analisis 4.4.1 Analisis Pengaruh PDRB terhadap ketimpangan distribusi pendapatan Hasil estimasi regresi Data Panel menunjukkan bahwa PDRB berpengaruh positif terhadap ketimpangan Distribusi di DIY. Yang berarti bahwa peningkatan PDRB naik maka ketimpangan regional akan Meningkat. Hal ini ditunjukan dengan nilai probabilitas sebesar 0.0000 (lebih kecil dari alpha 5%). Kenaikan 1persen akan menurunkan ketimpangan wilayah di Provinsi DIY sebesar 1.542790.
Hal tersebut tidak sesuai dengan hipotesis yang peneliti ajukan dikarenakan pada saat proses PDRB di suatu wilayah mampu mencapai skala ekonomis yang maksimum, maka ekspansisetelah titik tersebut hanya akan menimbulkan dampak negatif.Distribusi pendapatan DIY menurun sebesar satu persen maka laju pertumbuhan ekonomi DIY turun sebesar - 0.219177 ,asumsi ceteris paribus.Temuan ini menunjukan trade off antara pertumbuhan ekonomi dan ketimpangan distribusi pendapatan di DIY.Hal tersebut menyatakan bahwa ketidakmerataan distribusi pendapatan merupakan kondisi yang di perlukan bagi tercapainya peningkatan ekonomi.Ini berarti bahwa semakin tidak meratanya distribusi pendapatan suatu wilayah, semakin tinggi pula laju distribusi pendapatan karena orang-orang miskin sehingga akan meningkatkan aggregat saving rate yang di ikuti oleh peningkatan investasi sebagai modal pembngunan
58
yang akan meningkatkan pendapatan. Dan juga PDRB dari bergagai sektor yang ada di DIY tidak dapat mempengeruhi ketimpangan distribusi pendapatan. 4.4.2 Analisis Pengaruh Inflasi terhadap ketimpangan distribusi pendapatan Hasil Estimasi Regresi Data Panel menunjukan bahwa Inflasi tidak berpengaruh negatif terhadap Ketimpangan Distribusi pendapatan di Yogyakarta. Yang berarti bahwa peningkatan Inflasi tidak berpengaruh terhadap penurunan Ketimpangan Distribusi pendapata tinggi maka inflasi berpengaruh positif terhadap Ketimpangan Distribusi Pendapatan (2) ambang batas inflasi atau tingkat inflasi yang moderat di negara berkembang agar kebijakan restrictive monetary policy menjadi efektif terhadap penurunan ketimpangan distribusi pendapatan adalah rata-rata sebesar 17,31% dengan kata lain tingkat inflasi tidak boleh melebihi sekitar 17,31% agar kondusif bagi penurunan ketimpangan distribusi pendapatan. Jadi dalam penelitian ini inflasi di Yogyakarta masih tergolong rendah seperti yang di jelaskan di atas maka inflasi berpengaruh negatif terhadap ketimpangan. 4.4.3 Analisis pengaruh pengeluaran pemerintah terhadap ketimpngan distribusi pendapatan. Hasil estimasi data panel menunjukan bahwa pengeluaran pemerintah berpengaruh negatif terhadap ketimpangan distribusi pendapatan di DIY. Yang berarti bahwa peningkatan pengeluaran pemerintah naik maka ketimpangan akan turun hal ini di tunjukan dengan nilai probabilitas sebesar 0.0001 (lebih kecil dari alpa 5%) kenaikan 1persen akan menurunkan ketimpngan wilayah di provinsi DIY sebesar -0.218021
59
4.4.4 Analisis Pengaruh Indeks Pembangunan Manusia (IPM) Terhadap Ketimpangan Disribusi Pendapatan Hasil Estimasi
Regresi
Data
Panel
menunjukan
bahwa
Indeks
Pembangunan Manusia (IPM) tidak terhadap Ketimpangan Distribusi pendapatan di Yogyakarta. Yang berarti bahwa IPM tidak dapat membuktikan keterkaitanya terhadap Ketimpangan antar wilayah di DIY, sehingga hipotesis yang peneliti ajukan tidak terbukti. Ketika Indeks pembangunan manusia meningkat sejalan dengan kualitas sumber daya manusia yang tinggi pendidikan tentu ikut meningkat artinya ketika pendidikan meningkat maka SDM mudah untuk mendapatkan pekerjaan, ketika mendapakatkan pekerjaan maka akan mengurangi pengangguran maka akan menurunkan ketimpangan.
60
