BAB V HASIL DAN PEMBAHASAN 5.1
Hubungan Antara Penerimaan DAU dengan Pertumbuhan PDRB Dalam melihat hubungan antara PDRB dengan peubah-peubah yang
mempengaruhinya (C, I, DAU, DBH, PAD, Suku Bunga dan NX) di Kabupaten Bogor selama 25 tahun terakhir yaitu dari tahun 1983 sampai 2007, digunakan analisis regresi secara simultan yang menggunakan data time series. Metode persamaan
simultan
dipilih
karena
akibat
adanya
hubungan
simultan
mengakibatkan hubungan satu arah atau hubungan sebab akibat satu arah menjadi tidak berarti karena perbedaan antara variabel tak bebas dengan variabel bebas menjadi meragukan. Agar seluruh data dapat dianalisis dan diperbandingkan antar waktu, maka terlebih dahulu data nominal (harga berlaku) ditransformasikan menjadi data riil (harga konstan) dengan menggunakan Indeks Harga Konsumen (IHK) sebagai faktor pengali, dengan tahun dasar 2007. 5.1.1
Uji Asumsi Klasik Uji asumsi data ini meliputi: uji multikolinearitas yang berguna untuk
mengetahui ada tidaknya korelasi antar variabel bebas, uji heterokedasitas digunakan untuk mengetahui konstan tidaknya varian data dan uji autokorelasi yang berguna untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1) (Lampiran 1). 5.1.1.1 Uji Multikolinearitas
Gujarati (1978) berpendapat bahwa gejala multikolinearitas dapat diketahui dengan menghitung koefisien korelasi sederhana (simple correlation) antara sesama variabel bebas. Jika terdapat koefisien korelasi sederhana yang mencapai atau melebihi 0,8 maka hal tersebut menunjukkan terjadinya masalah multikolinearitas dalam regresi. Hasil pengujian multikolinearitas terhadap seluruh variabel bebas diperoleh nilai koefisien korelasi tertinggi sebesar 0,76. Dari hasil pengujian
tersebut diketahui bahwa tidak terdapat korelasi yang erat antar variabel bebas yaitu antara variabel C, I, DAU, DBH, PAD, NX dan Rate. 5.1.1.2 Uji Heterokedastisitas Hasil pengujian heterokedastisitas pada persamaan konsumsi (C) diperoleh hasil Obs*R-squared sebesar 2.362229 dengan probabilitas 0.124304, pada persamaan Investasi (I) diperoleh hasil Obs*R-squared sebesar 1.609246 dengan probabilitas 0.807129, pada persamaan aktivitas perdagangan (NX) diperoleh hasil Obs*R-squared sebesar 0.482583 dengan probabilitas 0.487255. Dari hasil pengujian heterokedastisitas tersebut seluruh probabilitasnya lebih besar dari α = 0.05 sehingga dapat disimpulkan bahwa data tidak bersifat heterokedastisitas. 5.1.1.3 Uji Autokorelasi Hasil pengujian autokorelasi pada persamaan konsumsi (K) diperoleh hasil Obs*R-squared sebesar 1.107485 dengan probabilitas 0.292629, pada persamaan Investasi (I) diperoleh hasil Obs*R-squared sebesar 0.044982 dengan probabilitas 0.832036, pada persamaan aktivitas perdagangan (NX) diperoleh hasil Obs*Rsquared sebesar 4.221633 dengan probabilitas 0.069912. Dari hasil pengujian autokorelasi tersebut seluruh probabilitasnya lebih besar dari α = 0.05 sehingga dapat disimpulkan bahwa data tidak bersifat autokorelasi. 5.1.2
Pendugaan Parameter Model Simultan Dalam pendugaan parameter model simultan ini dilakukan analisis
deskriptif dan inferensial. Dalam analisis deskriptif, penaksiran parameter struktural dalam model persamaan simultan diestimasi dengan menggunakan metode Two-Stage Least Square dengan bantuan perangkat lunak Eviews 5.1. Sedangkan analisis inferensial digunakan untuk melakukan generalisasi melalui pengujian signifikansi keterkaitan antara konsumsi, investasi, DAU, DBH, PAD, aktivitas perdagangan dan PDRB secara simultan berdasarkan data runtut waktu. Dalam analisis ini dilakukan uji hipotesis dengan prosedur uji t dan uji F. Tingkat signifikansi (α) yang digunakan sebesar 0.1. Pengujian signifikansi pengaruh variabel independen secara individual terhadap variabel dependen dilakukan dengan bantuan bantuan program komputer E-views 5.1.
5.1.2.1 Persamaan Konsumsi Hasil estimasi dua tahap kuadrat terkecil untuk persamaan konsumsi (C) dengan instrumen yang mempengaruhinya (instrumen list) adalah DAU, DBH dan PAD dapat dilihat pada Tabel 6. Tabel 6 Hasil Estimasi Persamaan Konsumsi Variabel Bebas
Notasi
Koefisien
Probabilitas
Intercept
α
1961777
0.0541
PDRB
Y
0.774563
0.0000
R²
0.94
Elastisitas 1.19
F-Statistic
313.96
Probabilitas
0.00000
Koefisien determinasi, seperti yang ditunjukan Tabel 6 sebesar 0,94. Hal ini menunjukkan bahwa 94 persen variasi yang terjadi pada variabel konsumsi dapat dijelaskan oleh PDRB, sedangkan sisanya dijelaskan oleh variabel lain di luar model. Berdasarkan hasil yang diperoleh dari analisis Two-Stage Least Square diketahui bahwa PDRB mempengaruhi konsumsi secara positif, yang ditunjukkan melalui koefisien regresi yang bertanda positif. Hal ini berarti bahwa jika PDRB meningkat, maka akan mempengaruhi peningkatan jumlah konsumsi masyarakat yang terjadi. Berdasarkan Tabel 6 tersebut diketahui nilai probabilitas dalam uji-t sebesar 0,0000. Karena nilai probabilitas kurang dari α=0.1, berarti bahwa antara variabel PDRB
dengan
konsumsi
terdapat
hubungan
interdepedensi.
Pengujian
siginifikansi diperoleh nilai Fhitung sebesar 313,96 dengan probabilitas sebesar 0,00000, karena nilai probabilitas kurang dari α=0.1, hal ini menunjukkan bahwa variabel PDRB berpengaruh positif dan signifikan terhadap konsumsi. Analisis elastisitas PDRB terhadap konsumsi diperoleh nilai sebesar 1,19. Hal ini berarti bahwa jika PDRB mengalami pertumbuhan sebesar 1 persen, maka komsumsi masyarakat akan meningkat sebesar 1,19 persen (Lampiran VIII).
5.1.2.2 Persamaan Investasi
Hasil estimasi dua tahap kuadrat terkecil untuk persamaan investasi (I) dengan instrumen yang mempengaruhinya (instrumen list) adalah DAU, DBH dan PAD dapat dilihat pada Tabel 7. Tabel 7 Hasil Estimasi Persamaan Investasi Variabel Bebas
Notasi
Koefisien
Probabilitas
Intercept
α
2097237
0.2441
PDRB
Y
0.021110
0.3769
Suku Bunga
rate
-44313.93
0.4414
R²
0.0863
Elastisitas 8,76
F-Statistic
0.174338
Probabilitas
0.420581
Koefisien determinasi, seperti yang ditunjukan Tabel 7 sebesar 0.0863. Hal ini menunjukkan bahwa hanya 8.63 persen variasi yang terjadi pada variabel investasi dapat dijelaskan oleh PDRB dan suku bunga, sedangkan sisanya dijelaskan oleh variabel lain di luar model. Berdasarkan hasil yang diperoleh dari analisis Two-
Stage Least Square diketahui bahwa PDRB mempengaruhi investasi secara positif, yang ditunjukkan melalui koefisien regresi yang bertanda positif, sedangkan suku bunga mempengaruhi investasi secara negatif yang ditunjukkan melalui koefisien regresi yang bertanda negatif. Hal ini berarti bahwa jika PDRB meningkat, maka akan mempengaruhi peningkatan jumlah investasi, sedangkan peningkatan suku bunga sebesar 1 persen, maka akan mempengaruhi penurunan nilai investasi di Kabupaten Bogor sebesar Rp 44,3 miliar. Berdasarkan Tabel 7 tersebut diperoleh nilai probabilitas dalam uji-t untuk variabel PDRB sebesar 0.3769 dan probabilitas untuk variabel suku bunga sebesar 0.4414. Karena nilai probabilitas kedua variabel tersebut masing-masing lebih besar dari α=0.1, berarti variabel PDRB dan suku bunga tidak berpengaruh nyata terhadap investasi. Sedangkan pengujian signifikansi diperoleh nilai Fhitung sebesar 0.174338, dengan probabilitas sebesar 0.420581. Karena nilai probabilitas lebih besar dari α=0.1, maka seluruh variabel yaitu PDRB dan suku bunga secara serempak tidak signifikan mempengaruhi investasi.
Analisis elastisitas PDRB terhadap investasi diperoleh nilai sebesar 8,76. Hal ini berarti bahwa jika PDRB mengalami pertumbuhan sebesar 1 persen, maka investasi swasta akan meningkat sebesar 8,76 persen (Lampiran VIII). 5.1.2.3 Persamaan Aktivitas Perdagangan Hasil estimasi dua tahap kuadrat terkecil untuk persamaan aktivitas perdagangan (NX) dengan instrumen yang mempengaruhinya (instrumen list) adalah DAU, DBH dan PAD dapat dilihat pada Tabel 8. Tabel 8 Hasil Estimasi Persamaan Aktivitas Perdagangan Variabel Bebas
Notasi
Koefisien
Probabilitas
Intercept
α
588758.8
0.1076
PDRB
Y
0.162070
0.0000
R²
0.8519
Elastisitas 1,05
F-Statistic
98.74215
Probabilitas
0.000000
Koefisien determinasi, seperti yang ditunjukan Tabel 8 sebesar 0,8519. Hal ini menunjukkan bahwa 85,19 persen variasi yang terjadi pada variabel aktivitas perdagangan dapat dijelaskan oleh PDRB, sedangkan sisanya dijelaskan oleh variabel lain di luar model. Berdasarkan hasil yang diperoleh dari analisis Two
Stage Least Square diketahui bahwa PDRB mempengaruhi aktivitas perdagangan bersih secara positif, yang ditunjukkan melalui koefisien regresi yang bertanda positif. Hal ini berarti bahwa jika PDRB meningkat, maka akan mempengaruhi peningkatan jumlah aktivitas perdagangan bersih di Kabupaten Bogor. Berdasarkan Tabel 8 tersebut diperoleh nilai probabilitas dalam uji-t sebesar 0.0000. Karena nilai probabilitas kurang dari α=0.1, maka antara variabel PDRB dengan aktivitas perdagangan terdapat hubungan interdepedensi. Pengujian signifikansi diperoleh nilai Fhitung sebesar 98,74215 dengan probabilitas sebesar 0.00000. Karena nilai probabilitas kurang dari α=0.1, maka variabel PDRB mempengaruhi aktivitas perdagangan secara signifikan. Analisis elastisitas PDRB terhadap aktivitas perdagangan diperoleh nilai sebesar 1,05. Hal ini berarti bahwa jika PDRB mengalami pertumbuhan sebesar 1
persen, maka aktivitas perdagangan di Kabupaten Bogor akan meningkat sebesar 1,05 persen (Lampiran VIII).
5.2
Hubungan Implementasi APBD Terhadap Tingkat Kemiskinan Dalam melihat hubungan antara Angka Kemiskinan dengan peubah-
peubah yang mempengaruhinya yaitu Anggaran Bantuan Desa (ABD), Pengagguran (U) dan Inflasi di Kabupaten Bogor selama 25 tahun terakhir yaitu dari tahun 1983 sampai 2007, digunakan analisis regresi linear berganda dengan menggunakan data time series. Pendugaan parameter menggunakan metode
ordinary least square (OLS) dengan bantuan perangkat lunak Eviews 5.1. Seperti perlakuan terhadap parameter PDRB, maka agar data yang memiliki nilai nominal dapat dianalisis dan diperbandingkan antar waktu, maka terlebih dahulu data nominal (harga berlaku) tersebut ditransformasikan menjadi data riil (harga konstan) dengan menggunakan Indeks Harga Konsumen (IHK) sebagai faktor pengali, dengan tahun dasar 2007. 5.2.1
Uji Asumsi Klasik Uji asumsi data ini meliputi: uji multikolinearitas yang berguna untuk
mengetahui ada tidaknya korelasi antar variabel bebas, uji heterokedasitas digunakan untuk mengetahui konstan tidaknya varian data dan uji autokorelasi yang berguna untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1) (Lampiran 2). Uji multikolinearitas dilakukan dengan menghitung koefisien korelasi sederhana
(simple correlation). Hasil pengujian multikolinearitas terhadap seluruh variabel bebas diperoleh nilai koefisien korelasi tertinggi 0.167613, sehingga dapat disimpulkan bahwa antar variabel bebas dalam pendugaan parameter kemiskinan tidak terdapat korelasi yang erat. Uji heterokedasitas dengan White Heteroskedasticity Test didapatkan nilai Obs*R-squared sebesar 5.362385 dengan probability 0.498243, nilai ini lebih besar dari pada α=0.05 yang mengindikasikan bahwa data tidak bersifat heterokedasitas. Sedangkan uji autokorelasi dengan Breusch-Godfrey Serial
Correlation LM Test didapatkan nilai Obs*R-squared sebesar 6.553289 dengan probability 0.087755 nilai ini lebih besar daripada α = 0.05 yang mengindikasikan bahwa data tidak mengandung autokorelasi. 5.2.2
Pendugaan Parameter Kemiskinan
Hasil pendugaan parameter model Kemiskinan di Kabupaten Bogor dengan metode ordinary least square dapat di lihat pada Tabel 10. Tabel 10 Hasil Pendugaan Parameter Kemiskinan Variabel Bebas
Notasi
Koefisien
Probabilitas
Elastisitas
Intercept
α
35897.80
0.0401
Anggaran Bantuan Desa
ABD
-1.457520
0.0853
0,0526
Pengangguran
U
1.408253
0.0169
1,024
Inflasi
Inf
3461.525
0.2531
R²
0.65
F-Statistic
2.237547
Probbabilitas
0.007624
Intepretasi hasil pendugaan parameter Kemiskinan tersebut digunakan tingkat signifikansi α=0.1. Dari Tabel 10 di atas diperoleh nilai koefisien determinasi (R2) sebesar 0.65, artinya keragaman kemiskinan di Kabupaten Bogor dapat dijelaskan oleh keragaman peubah-peubah yang mempengaruhinya sebesar 65 persen, sedangkan sisanya dijelaskan oleh error term (Et) dan faktor-faktor lain di luar penelitian ini. Nilai significance-F sebesar 2.23755 dan probabilitas sebesar 0.007624 atau lebih kecil dari α=0.1, hal ini menunjukkan bahwa seluruh variabel bebas yaitu ABD, Pengangguran dan Inflasi secara bersama-sama berpengaruh secara signifikan terhadap keragaman Kemiskinan di Kabupaten Bogor. Variabel Anggaran Bantuan Desa (ABD) mempuyai pengaruh negatif dan signifikan, hal ini ditunjukkan melalui koefisien regresi yang bertanda negatif serta dengan probabilitas sebesar 0.0853. Hal ini berarti bahwa jika terjadi kenaikan anggaran (ABD) yang ditujukan untuk program pemberantasan kemiskinan maka akan berdampak terhadap pengurangan angka kemiskinan. Variabel pengangguran (U) mempunyai pengaruh positif dan signifikan, hal ini ditunjukkan melalui koefisien regresi yang bertanda positif serta dengan probabilitas sebesar 0.0169. Hal ini dapat disimpulkan bahwa jika terjadi
peningkatan angka pengangguran, maka akan berdampak terhadap peningkatan angka kemiskinan. Sedangkan variabel inflasi (Inf) mempunyai pengaruh positif dan tidak signifikan, hal ini ditunjukkan melalui koefisien regresi yang bertanda positif serta dengan probabilitas sebesar 0.2531. Jadi dapat ditarik kesimpulan bahwa setiap terjadi peningkatan inflasi sebesar 1 persen maka akan mempunyai dampak terhadap peningkatan angka kemiskinan sebesar 3461 angka kemiskinan. Analisis elastisitas ABD terhadap tingkat kemiskinan (Pov) diperoleh nilai sebesar 0,0526. Hal ini berarti bahwa jika ABD ditingkatkan sebesar 1 persen, maka tingkat kemiskinan akan berkurang sebesar 0,053 persen. Sedangkan analisis elastisitas pengangguran (U) terhadap tingkat kemiskinan diperoleh nilai sebesar 1,024. Hal ini berarti bahwa jika angka pengangguran mengalami peningkatan sebesar 1 persen maka tingkat kemiskinan di Kabupaten Bogor akan meningkat sebesar 1,024 persen (Lampiran VIII).
