IIId. : Widyaiswara Muda

ANALISIS PENGARUH BELANJA DAERAH MENURUT KLASIFIKASI FUNGSI TERHADAP PENGENTASAN KEMISKINAN DI ERA DESENTRALISASI FISKAL (STUDI KASUS PADA KABUPATEN/KOTA DI PULAU JAWA DAN BALI TAHUN 2008-2010)

Disusun oleh: Nama Peneliti/Pengkaji I NIP Pangkat/Golongan Jabatan

: : : :

Sampurna Budi Utama 197402191995021001 Penata Tingkat I/ IIId Widyaiswara Madya

Nama Peneliti/Pengkaji II NIP Pangkat/Golongan Jabatan

: : : :

Nur Aisyah Kustiani 197512141995022001 Penata Tingkat/ IIIc Widyaiswara Muda

BADAN PENDIDIKAN DAN PELATIHAN KEUANGAN JAKARTA 2012

i

ii

Analisis Pengaruh Belanja Daerah Menurut Klasifikasi Fungsi Terhadap Pengentasan Kemiskinan Di Era Desentralisasi Fiskal (Studi Kasus Pada Kabupaten/Kota Di Pulau Jawa Dan Bali Tahun 2008-2010) Abstrak Kemiskinan, dalam skala nasional maupun regional, selalu merupakan permasalahan mendasar yang dihadapi setiap pemerintahan. Setiap upaya penanggulangan kemiskinan tidak hanya menjadi tanggung jawab pemerintah pusat namun juga melibatkan keseriusan dari pemerintah daerah. Oleh karenanya, upaya-upaya pemerintah daerah dalam menanggulangi kemiskinan perlu dievaluasi secara terus menerus. Penelitian ini bertujuan untuk membuktikan apakah belanja-belanja daerah menurut klasifikasi fungsi memiliki pengaruh terhadap pengentasan kemiskinan melalui pengujian regresi berganda menggunakan data panel dengan menggunakan data Indeks Kemiskinan dan belanja per kapita menurut fungsi Ekonomi, Perumahan dan Fasilitas Umum, Kesehatan, Pendidikan, serta Perlindungan Sosial Kabupaten/Kota di Pulau Jawa-Bali untuk periode tahun 2008-2010. Mengacu kepada Undang-Undang No 17 Tahun 2003 tentang Keuangan Negara Belanja, klasifikasi menurut fungsi dipilih karena klasifikasi ini digunakan untuk analisis historis dan formulasi kebijakan. Hasil regresi berganda menunjukkan bahwa variabel-variabel yang diuji secara simultan berpengaruh terhadap Indeks Kemiskinan. Belanja Ekonomi, Kesehatan, Pendidikan dan Perlindungan Sosial terbukti mampu menurunkan Indeks Kemiskinan kabupaten/kota di Jawa-Bali untuk periode 2008-2010, sementara peningkatan belanja per kapita untuk belanja Perumahan dan Fasilitas Umum justru akan meningkatkan Indeks Kemiskinan. Kata kunci: kemiskinan, desentralisasi fiskal, belanja pemerintah daerah

iii

Analisis Pengaruh Belanja Daerah Menurut Klasifikasi Fungsi Terhadap Pengentasan Kemiskinan Di Era Desentralisasi Fiskal (Studi Kasus Pada Kabupaten/Kota Di Pulau Jawa Dan Bali Tahun 2008-2010) Abstract Poverty, nationally and regionally, become fundamental problem faced by government. Any effort to reduce poverty is not only the responsibility of the central government, but also need the seriousness of the government. Therefore, the government's efforts to overcome poverty should be evaluated continuously. This research aimed to prove whether local expenditures (by function classification) has a impact on reducing poverty through regression testing with panel data. Variabels in this study operasianalized using Poverty Index data and local government expenditure that is classified by this function: Economic, Housing and Public Facilities, Health, Education, and Social Protection. Regency/Cities in Java-Bali for the period 2008-2010 is chosen for the sample in this research. Referring to Undang-Undang No. 17 of 2003, expenditure classification by function chosen for this research because it’s used for historical analysis and policy formulation. The results showed that government expenditure in Economics, Health, Education and Social Protection Index has statistically significant influence to reduce poverty in Java and Bali , while government expenditure in Housing and Public Facilities will increase Poverty Index. Keywords: poverty, fiscal decentralization, local government expenditure

iv

DAFTAR ISI HALAMAN JUDUL .............................................................................................. i SURAT PERNYATAAN KEASLIAN .................................................................... ii ABSTRAK............................................................................................................ iii ABSTRACT ......................................................................................................... iv DAFTAR ISI......................................................................................................... v DAFTAR TABEL.................................................................................................. vi DAFTAR GAMBAR ............................................................................................. vii DAFTAR LAMPIRAN........................................................................................... viii BAB I PENDAHULUAN A. Latar Belakang.................................................................................. 1 B. Perumusan Masalah......................................................................... 6 C. Perumusan Hipotesis........................................................................ 6 D. Ruang Lingkup.................................................................................. 7 E. Tujuan Penelitian.............................................................................. 8 F. Manfaat Penelitian............................................................................ 8 BAB II LANDASAN TEORI A. Tinjauan Pustaka .............................................................................. 10 1. Perimbangan Keuangan Pusat dan Daerah ................................ 10 2. Belanja Daerah ............................................................................ 15 3. Kemiskinan................................................................................... 17 B. Kerangka Pemikiran Teoretis ........................................................... 18 C. Hipotesis ........................................................................................... 21 BAB III METODE KAJIAN AKADEMIS A. Jenis Penelitian................................................................................. 23 B. Definisi Operasional Variabel ........................................................... 26 C. Jenis dan Sumber Data .................................................................... 27 D. Metode Analisis Data........................................................................ 28 BAB IV ANALISIS DAN PEMBAHASAN A. Analisis Pengujian Statistik............................................................... 32 1. Pengujian Asumsi Klasik.............................................................. 32 2. Pengujian Pemilihan Metode Data Panel..................................... 37 B. Hasil Estimasi Regresi dan Hipotesis ............................................... 40 1. Pengujian Secara Parsial (Uji t)................................................... 41 2. Pengujian Serentak (Uji F) ........................................................... 45 C. Pembahasan Hasil Penelitian........................................................... 46 BAB V PENUTUP A. Simpulan........................................................................................... 60 B. Keterbatasan Penelitian.................................................................... 61 DAFTAR PUSTAKA ............................................................................................ 63 DAFTAR ISTILAH ............................................................................................. 107 LAMPIRAN RIWAYAT HIDUP PENULIS

v

DAFTAR TABEL Tabel 4

Output Persamaan Model Indeks Kemiskinan .................................. 40

vi

DAFTAR GAMBAR Gambar 2

Kerangka Berfikir Pengembangan Model .................................... 21

Gambar 3

Diagram Alur Pengujian Signifikansi Model ................................. 25

Gambar 4.1

Histogram Uji Normalitas ............................................................. 32

Gambar 4.2

Output Plotting Nilai Standardized Residual ................................ 35

vii

DAFTAR LAMPIRAN Lampiran 1. Hasil Uji Multikolinieritas............................................................... 66 Lampiran 2. Pengujian Pemilihan Metode Data Panel..................................... 67 Lampiran 3. Output Model Persamaan Indeks Kemiskinan ............................. 70 Lampiran 4. Data Panel.................................................................................... 85

viii

BAB I PENDAHULUAN

A. Latar Belakang Pelaksanaan otonomi daerah merupakan perubahan yang sangat strategis dalam sejarah Indonesia. Perubahan ini merupakan respon terhadap perkembangan keadaan politik dan sistem pemerintahan yang begitu dinamis pasca reformasi 1998, salah satunya berupa tuntutan pemberian otonomi yang luas kepada daerah. Menurut Mardiasmo (2002), tuntutan tersebut dinilai wajar berdasarkan dua alasan. Alasan pertama, merujuk pada praktik pengalaman di masa lalu dimana sistem sentralisasi yang diterapkan di Indonesia menyebabkan intervensi pemerintah pusat terhadap pemerintah daerah yang terlalu besar telah menyebabkan masalah rendahnya kapabilitas dan efektivitas pemerintah daerah dalam mendorong proses pembangunan dan kehidupan demokrasi di daerah. Arahan dan statutory requirement yang terlalu besar dari pemerintah pusat tersebut mengakibatkan inisiatif dan prakarsa daerah menjadi mati. Sebagai dampaknya, pemerintah daerah seringkali menjadikan pemenuhan peraturan sebagai tujuan dan bukan sebagai alat untuk meningkatkan pelayanan kepada masyarakat. Alasan kedua, tuntutan pemberian otonomi tersebut muncul sebagai jawaban untuk memasuki era new game yang membawa new rules pada semua aspek kehidupan di masa yang akan datang. Kebijakan desentralisasi fiskal di Indonesia dilaksanakan berdasarkan prinsip money follows function. Dengan prinsip ini, fungsi yang telah diserahkan kepada daerah sebagaimana telah diatur dalam Undang-Undang (UU) Nomor 32


Tahun 2004 tentang Pemerintahan Daerah akan diikuti dengan pendanaan dalam rangka penyelenggaraan fungsi-fungsi dimaksud. Dampak dari kebijakan tersebut, memunculkan perubahan besar dalam APBD kabupaten dan kota dimana terjadi peningkatan perolehan dana yang luar biasa

dibandingkan

dengan

kondisi

sebelum

era

desentralisasi

fiskal.

Pelaksanaan kebijakan desentralisasi fiskal dari sisi keuangan negara telah membawa konsekuensi kepada perubahan peta pengelolaan fiskal yang cukup dramatis. Saat ini, sekitar 40% alokasi dalam APBN merupakan dana transfer Pusat ke Pemda dalam bentuk Dana Perimbangan. Jika digabung dengan Dana Dekonsentrasi

dan

Dana

Pembantuan,

maka

porsi

dana

APBN

yang

dialokasikan ke daerah mencapai sekitar 60%. Besarnya dana yang digulirkan ke daerah seharusnya diiringi dengan adanya peningkatan kesejahteraan masyarakat. Keberhasilan suatu daerah dalam meningkatkan kesejahteraan masyarakat, salah satu ukurannya ditandai dari keberhasilan pemerintah daerah dalam menanggulangi kemiskinan. Mestinya, peningkatan jumlah dana transfer yang diterima pemerintah daerah tersebut dapat dimanfaatkan oleh pemerintah daerah untuk mencapai tujuantujuan pembangunan daerah diantaranya berupa pengentasan kemiskinan melalui kebijakan alokasi belanja daerahnya. Anggaran Pendapatan dan Belanja Daerah (APBD) merupakan instrumen kebijakan yang utama bagi pemerintah daerah. Anggaran daerah menduduki posisi sentral dalam upaya pengembangan kapabilitas, efisiensi, dan efektifitas pemerintah daerah dalam mencapai tujuan-tujuan pemerintahan. APBD sebagai instrumen kebijakan pemerintah daerah, dalam kontek kebijakan fiskal, harus mampu mendorong pertumbuhan ekonomi yang selanjutnya mengurangi

2

BAB I PENDAHULUAN

pengangguran dan menurunkan tingkat kemiskinan di daerah. APBD seharusnya dipergunakan sebagai alat untuk menentukan besarnya penerimaan/pendapatan dan pengeluaran/belanja daerah yang secara efektif dapat berperan dalam upaya penanggulangan kemiskinan. Menurut Yao (2007), terdapat beberapa kelompok belanja (spending) yang dapat didedikasikan bagi kelompok masyarakat miskin sehingga dapat mengurangi atau menghilangkan permasalahan yang mereka dihadapi. Belanjabelanja seperti itu biasa disebut sebagai pro-poor social expenditure. Termasuk dalam kategori belanja pro-poor social expenditure adalah belanja yang terkait dengan pelayanan dasar seperti pendidikan dasar, pelayanan kesehatan dasar, air bersih dan sanitasi, dan jalan-jalan perdesaan. Sementara Usman dan Siregar (2006) menyimpulkan bahwa belanja-belanja untuk sektor pertanian, pendidikan, kesehatan keluarga, kesejahteraan keluarga, dan infrastruktur merupakan kategori belanja yang memiliki kaitan erat dengan pengentasan kemiskinan. Kemiskinan, dalam skala nasional maupun regional, selalu merupakan permasalahan mendasar yang dihadapi setiap pemerintahan. Kemiskinan terjadi karena akumulasi berbagai persoalan dan melibatkan banyak dimensi pokok. Menurut Makmun (2003), kemiskinan memiliki empat dimensi pokok, yaitu: (1) kurangnya kesempatan/lack of opportunity; (2) rendahnya kemampuan/low of capabilities;

(3)

kurangnya

jaminan/low-

level

of

security;

dan

(4)

ketidakberdayaan/low of capacity or empowerment. Kemiskinan juga bisa dipandang dari banyak aspek kehidupan. Dilihat dari aspek sosial, kemiskinan terutama menyangkut keterbatasan interaksi sosial dan penguasaan informasi. Dalam aspek ekonomi, kemiskinan mencerminkan

3


adanya keterbatasan pemilikan atas alat produksi, upah kecil, daya tawar rendah, tabungan nihil, dan rendahnya kemampuan dalam mengantisipasi peluang. Dari aspek psikologi, kemiskinan muncul sebagai akibat dari rasa rendah diri, fatalisme, malas, dan rasa terisolir, sedangkan dari aspek politik, kemiskinan berkaitan dengan kecilnya akses terhadap berbagai fasilitas dan kesempatan, diskriminatif, dan posisi yang lemah dalam proses pengambilan keputusan publik. Secara khusus, Bank Dunia menyebut kemiskinan sebagai hasil dari akuntabilitas dan responsibilitas institusi negara (World Bank, 2001). Menyadari bahwa kemiskinan bersifat multi-dimensi dan mencerminkan akuntabilitas dan responsibilitas dari institusi negara, maka upaya pengentasan kemiskinan harus menjadi tanggung jawab bersama antara pemerintah pusat dan pemerintah daerah, serta perlu melibatkan komponen lain yang ada seperti sektor swasta dan masyarakat itu sendiri. Dalam konteks kewajiban pemerintah berkaitan dengan pengentasan kemiskinan tersebut, kebijakan desentralisasi fiskal diharapkan mampu menjadi salah satu jawabannya. Mengutip Boex et al (2006), terdapat kemiripan ciri antara konsep desentralisasi fiskal dengan pengentasan kemiskinan. Secara substantif, desentralisasi fiskal dan pengentasan kemiskinan berhubungan erat dengan pemberdayaan (empowerment). Dalam hal ini, desentralisasi fiskal berperan dalam memberdayakan masyarakat melalui pemberdayaan pemerintah daerah

dalam

merumuskan

kebijakan-kebijakan

fiskalnya,

sedangkan

pengentasan kemiskinan merupakan upaya pemberdayaan individu maupun sekelompok masyarakat yang berstatus masyarakat miskin.

4

BAB I PENDAHULUAN

Penelitian-penelitian yang dilakukan para ahli menegaskan hal tersebut. Misalnya, Braun dan Grote dalam Boex (2006) menyimpulkan bahwa desentralisasi mempengaruhi pelayanan kepada masyarakat miskin meski besarannya tergantung pada interaksi antara sistem desentralisasi politik, desentralisasi administratif dan desentralisasi fiskal. Penelitian sebelumnya yang dilakukan oleh Huther dan Shah (1998) dalam Mardiasmo (2004,b) menemukan korelasi antara indeks desentralisasi dengan kualitas pemerintahan. Dalam hal ini, semakin tinggi derajat desentralisasi di suatu negara akan berdampak positip pada pembangunan sosial (social development) di negara tersebut diukur menggunakan komponen Human Development Index (HDI) dan Egalitarianism In Income Distribution. Komponen HDI dan Egalitarianism In Income Distribution berkaitan erat dengan kemiskinan. Senada dengan penelitian-penelitian tersebut diatas, penelitian terbaru yang dilakukan Sepulveda (2010) dengan menggunakan data selama periode 1971-2000 dari berbagai negara dengan berbagai tingkat pembangunan menghasilkan kesimpulan bahwa desentralisasi fiskal memiliki pengaruh signifikan terhadap kemiskinan dan ketimpangan pendapatan. Sepulveda menemukan bahwa jika desentralisasi fiskal dapat dipraktikkan dengan benar akan menghasilkan pengentasan kemiskinan dan pengurangan ketimpangan pendapatan

yang

signifikan.

Namun

sebaliknya,

kegagalan

dalam

mempraktikkan kebijakan desentralisasi fiskal akan memunculkan resiko berupa semakin memburuknya problem terkait kemiskinan. Memburuknya problem terkait kemiskinan ini timbul karena kegagalan dalam penerapan desentralisasi dapat memunculkan ketidakstabilan ekonomi, inefisiensi alokasi sumber daya, dan perlambatan pertumbuhan ekonomi.

5


Pertanyaan yang mengemuka dalam penelitian ini adalah apakah desentralisasi fiskal yang diterapkan di Indonesia juga mendukung kesimpulan serupa dengan penelitian terdahulu dalam hal apakah belanja-belanja daerah yang diduga bersifat pro-poor social expenditure menurut klasifikasi fungsi pemerintahan berupa belanja ekonomi, belanja perumahan dan fasilitas umum, belanja kesehatan, belanja pendidikan, dan perlindungan sosial berpengaruh positif terhadap pengentasan kemiskinan di daerah? Selain itu, alokasi belanja daerah yang manakah yang berpengaruh besar terhadap pengentasan kemiskinan di daerah?

B. Perumusan Masalah Berdasar hal-hal di atas, penulis merumuskan masalah penelitian sebagai berikut: 1.

Bagaimanakah

pengaruh

belanja-belanja daerah menurut klasifikasi

fungsi terhadap pengentasan kemiskinan di daerah? 2.

Manakah kelompok belanja daerah menurut klasifikasi fungsi yang paling berpengaruh terhadap pengentasan kemiskinan di daerah?

Diharapkan penelitian ini dapat memberikan jawaban empiris terhadap pertanyaan-pertanyaan tersebut dalam konteks pengalaman di Indonesia.

C. Perumusan Hipotesis Dalam penelitian ini, hipotesis yang dirumuskan adalah terdapat dugaan bahwa

belanja-belanja

pemerintah

daerah

menurut

klasifikasi

fungsi

berpengaruh secara positif dan signifikan dalam pengentasan kemiskinan yang tercermin dari penurunan indikator kemiskinan berupa Indeks Kemiskinan pada

6

BAB I PENDAHULUAN

Kabupaten/Kota di Pulau Jawa dan Bali.

D. Ruang Lingkup Lingkup penelitian ini dibatasi pada upaya untuk melihat pengaruh dari belanja-belanja daerah terhadap pengentasan kemiskinan dengan menggunakan sampel Kabupaten/Kota yang ada di Pulau Jawa dan Bali. Kabupaten/Kota yang dijadikan sampel diharapkan dapat diambil dari seluruh propinsi yang ada Pulau jawa dan Bali. Pulau Jawa dan Bali dipilih dengan alasan relatif memiliki kesamaan dari sisi kemampuan sumber daya untuk mengatur pemerintahan maupun karakteristik sumber daya ekonomi. Periode waktu yang diamati adalah tahun anggaran 2008 hingga 2010. Periode ini dipilih mengingat sejak era desentralisasi fiskal resmi diterapkan di Indonesia, terdapat perbedaan antara struktur belanja daerah menurut PP Nomor 105 tahun 2000, beserta produk hukum turunannya, dengan Peraturan Pemerintah Nomor 58 Tahun 2005, beserta produk hukum turunannya, tentang Pengelolaan Keuangan Daerah. Sampai dengan tahun 2006, struktur belanja daerah diklasifikasi menurut 21 bidang pemerintahan daerah. Sementara, sejak tahun

2007

belanja

daerah

diklasifikasi

menurut

pelaksanaan

urusan

pemerintahan yang menjadi kewenangan pemerintah daerah yang terdiri dari 26 urusan wajib dan 8 urusan pilihan. Sayangnya, atas perbedaan klasifikasi ini tidak terdapat penjelasan tentang bagaimana konversi belanja harus dilakukan mengacu kepada peraturan yang ada sehingga menyulitkan apabila hendak dilakukan komparasi antartahun sebelum dan sesudah periode tahun 2007. Menimbang hal tersebut, penelitian ini mengambil sampel mulai tahun 2008-2010 agar terdapat konsistensi dalam penggunaan klasifikasi belanja

7


daerah. Selain itu, dari belanja daerah menurut klasifikasi fungsi pemerintahan yang ada akan dipilih variabel belanja yang menurut teori/tinjauan pustaka dan penelitian terdahulu diduga berpengaruh terhadap pengentasan kemiskinan. Variabel

yang digunakan

adalah belanja-belanja daerah menurut

klasifikasi fungsi pemerintahan serta tingkat kemiskinan yang diukur dari Indeks Kemiskinan. Data sampel merupakan kabupaten/kota yang tidak mengalami pemekaran wilayah selama periode pengamatan dan tersedia datanya secara lengkap, berupa laporan keuangan APBD yang disampaikan kepada Direktorat Jenderal Perimbangan Keuangan (DJPK) Kementerian Keuangan, serta data jumlah penduduk kabupaten/kota di Indonesia dan data terkait indikator kemiskinan daerah yang berasal dari BPS.

E.

Tujuan Penelitian Penelitian ini bertujuan untuk mengetahui manakah belanja-belanja

daerah menurut klasifikasi fungsi yang memiliki pengaruh signifikan terhadap pengentasan

kemiskinan melalui

pengujian regresi berganda menggunakan

data panel. Selain itu, penelitian dalam kajian akademis ini dimaksudkan untuk mengkonfirmasikan temuan-temuan dalam penelitian-penelitian sebelumnya.

F.

Manfaat Penelitian Penelitian

ini berguna

dalam

memberikan

bukti empiris

(statistik)

tentang pengaruh belanja-belanja daerah terhadap pengentasan kemiskinan, sehingga dapat digunakan sebagai salah satu dasar pertimbangan/petunjuk untuk

menciptakan

kebijakan belanja yang tepat sehingga memenuhi salah

tujuan pembangunan di bidang ekonomi berupa pengentasan kemiskinan.

8

BAB I PENDAHULUAN

Hasil penelitian ini diharapkan dapat memberikan kontribusi sebagai berikut: 1.

Bagi legislatif dan eksekutif sebagai pengambil keputusan kebijakan pemerintah. Penelitian ini memberikan bukti secara empiris sebagai dasar perumusan kebijakan pemerintah daerah selanjutnya.

2.

Bagi dunia pendidikan dan penelitian desentralisasi fiskal Untuk menambah perkembangan pengetahuan di bidang otonomi daerah khususnya desentralisasi fiskal dan memberikan sumbangan ide bagi penelitian-penelitian selanjutnya.

9

BAB II LANDASAN TEORI

A. Tinjauan Pustaka Pada bagian ini penulis akan menyajikan tinjauan pustaka yang berhubungan dengan topik penelitian dan bukti empiris dari penelitian- penelitian sebelumnya yang

melandasi penelitian ini. Setelah itu, dikembangkan

hipotesis yang digunakan dalam penelitian.

1.

Perimbangan Keuangan Pusat dan Daerah Salah satu tuntutan reformasi yang mengemuka hingga kini adalah

permasalahan yang berhubungan dengan kebijakan otonomi daerah. Sebagai respon dari tuntutan ini, pemerintah telah mengeluarkan UU No. 32 tahun 2004 tentang Pemerintahan

Daerah dan

UU

No.

33

tahun

2004

tentang

Perimbangan Keuangan Pusat dan Daerah. Kedua peraturan perundangundangan tersebut membawa perubahan yang cukup berarti terhadap hubungan antara pemerintah pusat dengan pemerintah daerah baik dalam kaitannya dengan

fungsi pemerintahan maupun dalam bentuk hubungan keuangan

pemerintah pusat dan pemerintah daerah. Substansi dari perubahan kedua undang-undang tersebut adalah semakin besarnya kewenangan pemerintah daerah dalam mengelola pemerintahan dan keuangan daerah. Diharapkan melalui kebijakan otonomi daerah tersebut, pembangunan daerah dapat berjalan sesuai aspirasi, kebutuhan, dan prioritas daerah sehingga berdampak positif terhadap

perkembangan

ekonomi

akan meningkatkan kesejahteraan rakyat.

regional

yang pada

gilirannya


a.

Pengertian dan Konsep Perimbangan Keuangan Pusat dan Daerah Mengacu pada UU No. 33 tahun 2004 tentang Perimbangan Keuangan

Pusat-Daerah, perimbangan keuangan antara pusat dan daerah di Indonesia disebutkan sebagai suatu sistem pembiayaan pemerintahan dalam kerangka negara kesatuan yang mencakup pembagian keuangan antara Pemerintah Pusat dan Daerah serta pemerataan antar daerah secara proporsional, demokratis, adil dan transparan. Sistem pembiayaan pemerintahan tersebut dilakukan dengan memperhatikan potensi, kondisi, dan kebutuhan daerah sejalan dengan kewajiban dan pembagian kewenangan serta tata cara penyelenggaraan kewenangan tersebut, termasuk pengelolaan dan pengawasan keuangannya. Kebijakan Daerah

perimbangan

dilakukan

dengan

keuangan

mengikuti

antara

Pemerintah

pembagian

Pusat

kewenangan

dan

(money

follows function). Artinya bahwa hubungan keuangan antara Pusat dan Daerah perlu diberikan pengaturan sedemikian rupa, sehingga kebutuhan pengeluaran yang akan menjadi tanggung jawab daerah dapat dibiayai dari sumber-sumber penerimaan yang ada. Salam (2007) dalam Haris (2007) menyatakan bahwa sebagai dampak dari kebijakan perimbangan keuangan tersebut, berdasarkan perhitungan ekonomi, muncul perubahan besar dalam APBD daerah kabupaten dan kota dimana terjadi peningkatan perolehan dana yang luar biasa terutama bagi daerah yang memiliki sumber daya alam.

b.

Pengertian dan Konsep Desentralisasi Fiskal Desentralisasi

dimaksudkan

sebagai

sebuah

alat

dalam

rangka

memberikan pelayanan umum yang lebih baik dan menciptakan proses

11


pengambilan keputusan publik yang demokratis. Desentralisasi dapat diwujudkan melalui pelimpahan kewenangan kepada tingkat pemerintah di bawahnya untuk melakukan

pembelanjaan,

kewenangan

memungut

pajak, terbentuknya

Dewan yang dipilih oleh rakyat, Kepala Daerah yang dipilih oleh rakyat, dan adanya bantuan dalam bentuk transfer dari Pemerintah Pusat. Rondonelli (2001)

memaknai

desentralisasi

sebagai

transfer

wewenang

dan

tanggungjawab dalam fungsi-fungsi publik dari pemerintah pusat kepada pemerintahan yang berada di bawahnya. Prinsip pelaksanaan (2009)

dalam

Abimanyu

desentralisasi dan

di Indonesia, menurut Mardiasmo

Megantara

(2009)

diarahkan

untuk

mempercepat terwujudnya kesejahteraan masyarakat melalui peningkatan pelayanan, diharapkan prinsip

pemberdayaan, mampu

demokrasi,

dan peran serta masyarakat. Selain itu, daerah

meningkatkan pemerataan,

daya keadilan,

saing dengan memperhatikan kekhususan,

potensi,

dan

keanekaragaman daerah. Mardiasmo (2009) dalam Abimanyu dan Megantara (2009) mengutip pendapat Litvack (1999) membedakan desentralisasi menjadi tiga bagian: 1.

Desentralisasi

politik, yaitu pelimpahan kewenangan yang lebih besar

kepada daerah yang melibatkan aspek pengambilan keputusan, termasuk penetapan standar dan berbagai peraturan. 2.

Desentralisasi administrasi, berupa pelimpahan kewenangan, tanggung jawab, dan sumber daya antartingkat pemerintahan.

3.

Desentralisasi fiskal, dalam bentuk pemberian kewenangan kepada daerah untuk menggali sumber-sumber pendapatan, hak untuk menerima transfer dari pemerintahan yang lebih tinggi, dan menentukan belanja rutin dan

12


investasi (pembangunan). Menurut Bahl (1998) desentralisasi

fiskal merupakan penyerahan

kewenangan di bidang keuangan antar tingkat pemerintahan yang mencakup bagaimana pemerintah pusat mengalokasikan sejumlah besar dana dan/atau sumber-sumber ekonomi kepada daerah untuk dikelola menurut kepentingan dan kebutuhan daerah itu sendiri. Sementara Bird dan Vaillancourt (2000) mendefinisikannya

sebagai

proses

distribusi

anggaran

dari

tingkat

pemerintahan yang lebih tinggi kepada pemerintahan yang lebih rendah untuk mendukung fungsi atau tugas pemerintahan dan pelayanan publik, sesuai dengan banyaknya kewenangan bidang pemerintahan yang dilimpahkan. Desentralisasi

fiskal

merupakan

komponen

utama

dalam

desentralisasi. Apabila pemerintah daerah melaksanakan fungsinya secara efektif dan mendapat kebebasan dalam pengambilan keputusan pengeluaran di sektor publik, maka pemerintah daerah harus mendapat dukungan sumbersumber keuangan yang memadai yang berasal dari PAD, Bagi Hasil Pajak dan Bukan Pajak, Pinjaman, maupun Subsidi/Bantuan dari Pemerintah Pusat (Sidik, 2002). Menurut Yao (2007), program desentralisasi fiskal yang baik seharusnya didukung dengan pilar-pilar utama berupa: (1) penyerahan tanggung jawab pengeluaran (expenditure assignment), (2) penyerahan sumber penerimaan (revenue assignment), (3) pengalokasian transfer fiskal (intergovernmental transfer), dan (4) pemberian kewenangan pinjaman daerah. Tujuan umum dari program desentralisasi fiskal di Indonesia menurut Sidik

(2004)

dalam

Singgih

dan

Subiyantoro

(2004)

adalah

untuk

membantu: 1.

meningkatkan alokasi nasional dan efisiensi operasional pemerintah daerah;

13


2.

memenuhi aspirasi daerah, memperbaiki struktur fiskal secara keseluruhan, dan memobilisasi pendapatan daerah dan kemudian nasional;

3.

meningkatkan akuntabilitas, transparansi, dan mengembangkan partisipasi konstituen dalam pengambilan keputusan di tingkat daerah;

4.

mengurangi kesenjangan fiskal antarpemerintah daerah, memastikan pelaksanaan

pelayanan dasar masyarakat di seluruh Indonesia, dan

mempromosikan sasaran-sasaran efisiensi pemerintah; serta 5.

memperbaiki kesejahteraan sosial rakyat Indonesia. Dalam

Nota

Keuangan

dan

RAPBN

2009

disebutkan

bahwa

desentralisasi fiskal sebagai salah satu instrumen kebijakan pemerintah mempunyai prinsip dan tujuan antara lain untuk: 1.

mengurangi

kesenjangan

fiskal

antara

pemerintah

pusat

dan

pemerintah daerah (vertical fiscal imbalance) dan antardaerah (horizontal fiscal imbalance); 2.

meningkatkan

kualitas pelayanan publik di daerah dan mengurangi

kesenjangan pelayanan publik antardaerah; 3.

meningkatkan efisiensi pemanfaatan sumber daya nasional;

4.

tata

kelola,

transparan,

akuntabel

dalam

pelaksanaan

kegiatan

pengalokasian Transfer ke Daerah yang tepat sasaran, tepat waktu, efisien, dan adil; serta 5.

mendukung kesinambungan fiskal dalam kebijakan ekonomi makro. Desentralisasi berpengaruh besar terhadap peran Pemda dalam hal:

(i) transfer dana dari pusat meningkatkan secara signifikan sumberdaya keuangan daerah; (ii) kewenangan fiskal daerah diperluas secara signifikan; (iii) tanggung

14

jawab

yang

mencakup

penyediaan

layanan

sosial

dan


infrastruktur

daerah;

dan

(iv)

kewenangan

untuk

membuat

kebijakan

ekonomi daerah (World Bank, 2008). Mengutip pendapat Martinez-Vasquez (1998), tujuan penerapan desentralisasi fiskal di negara-negara berkembang diarahkan pada dua sasaran utama yaitu, (1) sasaran politis berupa dukungan terhadap upaya pengentasan kemiskinan, dan pertumbuhan ekonomi serta (2) sasaran ekonomis berupa kebutuhan akan kepekaan pemerintah untuk mencapai efisiensi alokasi sesuai prinsip subsidiaritas, dimana barang dan jasa yang disediakan oleh pemerintah mestinya disediakan oleh level pemerintahan terendah yang paling efisien dalam penyediaannya.

2.

Belanja Daerah Dalam

rangka

pelaksanaan

fungsi

pemerintahan

yang

menjadi

kewenangan pemerintah daerah, Pemerintah daerah memiliki wewenang mengeluarkan belanja daerah. Dalam Peraturan Pemerintah Nomor 58 Tahun 2005 tentang Pengelolaan Keuangan Daerah, belanja daerah didefinisikan sebagai kewajiban pemerintah daerah yang diakui sebagai pengurang nilai kekayaan bersih. Belanja daerah dipergunakan dalam rangka mendanai pelaksanaan fungsi maupun urusan pemerintahan yang menjadi kewenangan provinsi atau kabupaten/kota yang terdiri dari urusan wajib, urusan pilihan dan urusan yang penanganannya dalam bagian atau bidang tertentu yang dapat dilaksanakan bersama antara pemerintah dan pemerintah daerah atau antar pemerintah daerah. Struktur APBD sesuai Permendagri No. 13 tahun 2006 membagi klasifikasi belanja daerah menurut urusan pemerintahan, fungsi, organisasi, program dan kegiatan, serta kelompok belanja. Klasifikasi belanja menurut

15


urusan pemerintahan terdiri dari belanja urusan wajib dan belanja urusan pilihan. Klasifikasi belanja menurut organisasi disesuaikan dengan susunan organisasi pemerintahan daerah. Klasifikasi belanja menurut fungsi digunakan untuk tujuan keselarasan dan keterpaduan pengelolaan keuangan negara yang terdiri dari: (a) pelayanan umum, (b) ketertiban dan keamanan, (c) ekonomi, (d) lingkungan hidup, (e) perumahan dan fasilitas umum, (f) kesehatan, (g) pariwisata dan budaya, (h) agama, (i) pendidikan, serta (j) perlindungan sosial. Klasifikasi belanja menurut program dan kegiatan disesuaikan dengan urusan pemerintahan yang menjadi kewenangan daerah. Klasifikasi belanja menurut kelompok belanja terdiri dari belanja tidak langsung dan belanja langsung. Belanja langsung merupakan belanja yang dianggarkan terkait secara langsung dengan program sedangkan belanja tidak langsung tidak terkait langsung dengan program yang terdiri dari: (1) belanja pegawai, (2) bunga, (3) subsidi, (4) hibah, (5) bantuan sosial, (6) belanja bagi hasil, (7) bantuan keuangan, dan (8) belanja tidak terduga.

•

Belanja Pro-Poor Salah satu isu penting di negara-negara berkembang, ditinjau dari sudut

pandang ilmu Public Finance, berkaitan dengan pro dan kontra mengenai isu redistribusi pendapatan. Bagi kalangan yang mendukung kebijakan redistribusi pendapatan, desentralisasi fiskal dapat mempengaruhi pengentasan kemiskinan melalui pengaruhnya terhadap komposisi anggaran pendapatan dan belanja publik. Dalam rangka penyelenggaraan pemerintahan dan pelayanan kepada masyarakat berdasarkan azas desentralisasi, daerah diberikan kewenangan untuk memungut pajak/retribusi (tax assignment) dan pemberian bagi hasil

16


penerimaan (revenue sharing) serta bantuan keuangan (grant) atau dikenal sebagai dana perimbangan sebagai sumber dana bagi daerah (Sidik, 2002). Sumber dana ini pada gilirannya dapat dimanfaatkan oleh daerah untuk disalurkan kepada masyarakat miskin melalui program-program redistribusi pendapatan yang tercermin dari belanja-belanja daerah sesuai fungsi, urusan, program, dan kegiatannya melalui Satuan Kerja Perangkat Daerah (SKPD) yang ada maupun melalui transfer langsung kepada masyarakat miskin yang dapat meningkatkan disposable income masyarakat miskin. Kebijakan-kebijakan tersebut akan tercermin dalam anggaran publik berupa Anggaran Pendapatan dan Belanja Daerah (APBD). Kebijakan APBD yang memihak dan didedikasikan bagi masyarakat miskin dikenal sebagai kebijakan anggaran publik yang bersifat pro-poor budget. Sutoro (2008) mengutip Berek et al (2006) mendefinisikan pro-poor budget menjadi tiga pengertian. Pertama, pro-poor budget merupakan suatu model anggaran yang mengarahkan arti penting kebijakan pembangunan pada keberpihakan kepada rakyat yang berstatus miskin. Kedua, pro-poor budget dimaknai sebagai praktik penyusunan anggaran yang disengaja untuk membuat kebijakan, program dan proyek yang berpihak pada kepentingan rakyat miskin (by design policy). Ketiga, pro-poor budget sebagai kebijakan anggaran yang dampaknya

dapat

meningkatkan

kesejahteraan

dan

atau

terpenuhinya

kebutuhan hak-hak dasar rakyat miskin.

3.

Kemiskinan Kemiskinan menurut BAPPENAS (1993) didefinisikan sebagai situasi

serba kekurangan yang terjadi bukan karena kehendak oleh si miskin, melainkan

17


karena keadaan yang tidak dapat dihindari dengan kekuatan yang ada padanya. Levitan (1980) mengemukakan kemiskinan adalah kekurangan barang-barang dan pelayanan-pelayanan yang dibutuhkan untuk mencapai suatu standar hidup yang

layak.

Friedman

(1979)

mengemukakan

kemiskinan

sebagai

ketidaksamaan kesempatan untuk memformulasikan basis kekuasaan sosial, yang meliputi: asset (tanah, perumahan, peralatan, kesehatan), sumber keuangan (pendapatan dan kredit yang memadai), organisasi sosial politik yang dapat dimanfaatkan untuk mencapai kepentingan bersama, jaringan sosial untuk memperoleh pekerjaan, barang atau jasa, pengetahuan dan keterampilan yang memadai, dan informasi yang berguna. Sedangkan BPS memandang kemiskinan sebagai ketidakmampuan seseorang dari sisi ekonomi untuk memenuhi kebutuhan dasar berupa makanan dan bukan makanan yang diukur dari sisi pengeluaran. Menurut BPS, penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran per kapita per bulan dibawah garis kemiskinan. Dengan beberapa pengertian tersebut dapat diambil satu pengertian bahwa kemiskinan adalah suatu situasi baik yang merupakan proses maupun akibat dari adanya ketidakmampuan individu berinteraksi dengan lingkungannya untuk memenuhi kebutuhan hidupnya.

B. Kerangka Pemikiran Teoretis Scick (1998) menyebutkan bahwa salah satu tugas pemerintah adalah melakukan distribusi sumber daya atas dasar efektivitas kebijkan dan programprogram layanan publik. Kebijakan dan program-program layanan publik tersebut disusun berdasarkan tujuan strategis sesuai urutan prioritasnya sehingga dapat mewujudkan kesejahteraan bagi masyarakat. Oleh karena itu, kualitas belanja-

18


belanja pemerintah untuk mendanai kebijakan dan program layanan publik harus dievaluasi untuk memastikan efektivitas pencapaian tujuan. Menurut Schiavo (1991) evaluasi terhadap klasifikasi belanja sangat penting untuk kepentingan: 1.

Formulasi kebijakan dan identifikasi alokasi sumber daya - sumber daya yang dipergunakan.

2.

Identifikasi tingkatan kegiatan pemerintah melalui penilaian kinerja.

3.

Akuntabilitas atas ketaatan dalam pelaksanaan dibandingkan dengan otorisasi yang diberikan oleh legislatif.

Mengacu kepada Undang-Undang Nomor 17 Tahun 2003 tentang Keuangan Negara, belanja pemerintah diklasifikasikan menurut organisasi, fungsi, dan ekonomi.

Pengklasifikasian

belanja

ini

dimaksudkan

untuk

kepentingan

penganggaran dan pelaporan. Secara spesifik klasifikasi menurut

fungsi

digunakan untuk kepentingan analisis historis dan formulasi kebijakan. Buletin Teknis Penyajian dan Pengungkapan Belanja Pemerintah (2006) menyebutkan bahwa belanja menurut fungsi digunakan sebagai dasar untuk penyusunan anggaran berbasis kinerja. Tinjauan

pustaka

dan penelitian sebelumnya

menunjukkan bahwa

belanja-belanja daerah menurut klasifikasi fungsi pemerintahan yang diduga bersifat pro-poor diantaranya berupa belanja ekonomi,

belanja pendidikan,

belanja kesehatan, belanja perumahan dan fasilitas umum, serta belanja perlindungan sosial. Kelompok belanja-belanja publik tersebut secara alamiah dianggap memiliki sifat pro-poor sehingga berdampak pada upaya pengentasan kemiskinan. Penelitian-penelitian terdahulu memberi dukungan terhadap dugaan diatas. Beberapa penelitian tersebut diantaranya: 1.

Penelitian Jasmina et al (2001) menguji sifat dari belanja di sektor

19


pendidikan, kesehatan, pertanian dan kehutanan, transportasi, serta sektor perumahan dan pemukiman di masing-masing kabupaten/kota yang diteliti apakah berpihak kepada orang miskin (pro-poor), netral, atau pro orang kaya. Hasil dari penelitian ini menyimpulkan bahwa rata-rata pengeluaran di sektor pertanian, pendidikan, serta perumahan lebih banyak dinikmati oleh 20% masyarakat termiskin dan hanya 14% yang dinikmati oleh kelompok 20% masyarakat terkaya. Pengeluaran untuk sektor transportasi dan kesehatan cenderung memihak orang kaya sampai dengan netral. Sedangkan pengeluaran untuk sektor pendidikan, pertanian dan perumahan lebih berpihak kepada masyarakat miskin. 2.

Penelitian LPEM-FEUI (2002) menggunakan belanja sektor-sektor pertanian, pendidikan, kesehatan, transportasi, perumahan, irigasi dan lainnya sebagai indikator belanja yang berkaitan dengan upaya pengentasan kemiskinan.

3.

Usman dan Siregar (2006) menyimpulkan bahwa sektor pertanian, pendidikan, kesehatan keluarga, kesejahteraan keluarga dan infrastruktur sebagai pos belanja yang sangat erat kaitannya dengan kemiskinan atau menjadi penentu solusi penangggulangan kemiskinan.

4.

Penelitian Yao (2007) tentang desentralisasi fiskal dan pengurangan kemiskinan menggunakan belanja di bidang pendidikan, kesehatan dan pertanian sebagai variabel yang dianalisis. Hasil dari penelitian ini menemukan bahwa desentralisasi fiskal meningkatkan kinerja pengurangan kemiskinan namun derajat desentralisasi fiskal yang melebihi batas tertentu (25% sampai 38%) justru memberikan efek negatif.

Desentralisasi fiskal

mempengaruhi pengentasan kemiskinan dengan cara transmisi tidak langsung melalui belanja-belanja sosial.

20


5.

Sepulveda (2010) berpendapat bahwa belanja dibidang kesehatan dasar dan pendidikan dasar sebagai contoh penting dari belanja yang bersifat propoor. Temuan penting dari penelitian ini adalah ketika proporsi belanja daerah melebihi sepertiga total belanja nasional, hasilnya justru mendorong terjadinya peningkatan kemiskinan. Dari

pemahaman

tersebut

disusunlah

kerangka berfikir

pengembangan model sebagaimana ditunjukkan dalam Gambar 2. Gambar 2 Kerangka Berfikir Pengembangan Model

Belanja Ekonomi

Belanja Perumahan dan Fasilitas Umum

Indeks Kemiskinan

Belanja Kesehatan

Indeks Kedalaman Kemiskinan

Belanja Pendidikan

Indeks Keparahan Kemiskinan

Belanja Perlindungan Sosial

C. Hipotesis Untuk tujuan pengujian hipotesis, penelitian ini mengajukan hipotesis alternatif sebagai berikut: Ha1 :

Belanja Ekonomi berpengaruh secara signifikan terhadap Indeks Kemiskinan

21


Ha2 :

Belanja Perumahan dan fasilitas Umum berpengaruh secara signifikan terhadap Indeks Kemiskinan

Ha3 :

Belanja Kesehatan berpengaruh secara signifikan terhadap Indeks Kemiskinan

Ha4 :

Belanja Pendidikan berpengaruh secara signifikan terhadap Indeks Kemiskinan

Ha5 :

Belanja Perlindungan Sosial berpengaruh secara signifikan terhadap Indeks Kemiskinan

Ha6 :

Belanja Ekonomi, Perumahan dan Fasilitas Umum, Belanja Kesehatan, Belanja Pendidikan dan Belanja Perlindungan Sosial secara simultan berpengaruh secara signifikan terhadap Indeks Kemiskinan Mendasarkan pada teori dan penelitian terdahulu yang telah dipaparkan

sebelumnya, rancangan model yang dipergunakan dalam penelitian ini adalah: Kemiskinan = f (belanja ekonomi, perumahan dan fasilitas umum, belanja pendidikan, belanja kesehatan, belanja perlindungan sosial) Kemiskinan diwakili oleh indikator berupa Indeks Kemiskinan (P0). Belanja ekonomi, belanja perumahan dan fasilitas umum, belanja pendidikan, belanja kesehatan, dan belanja perlindungan sosial merupakan besaran anggaran belanja per kapita APBD untuk masing-masing fungsi pemerintahan. Anggaran belanja APBD per kapita digunakan sebagai indikator dalam menganalisis pengaruh belanja daerah terhadap kemiskinan di kabupaten/kota di Jawa-Bali. Secara apriori dapat dikatakan bahwa semakin tinggi belanja daerah untuk urusan-urusan yang terkait dengan kemiskinan maka semakin rendah angka kemiskinan di daerah tersebut.

22

BAB III METODE KAJIAN AKADEMIS

A. Jenis Penelitian Penelitian ini dirancang dengan pendekatan kuantitatif yang dimaksudkan untuk

menemukan

bukti

empiris

berkenaan

Pengaruh

belanja-belanja

pemerintah daerah terhadap pengentasan kemiskinan. Penelitian ini merupakan penelitian yang bersifat eksplanasi yaitu penelitian yang berusaha menjelaskan hubungan satu variabel dengan variabel lain dengan cara menyoroti hubungan yang telah dirumuskan sebelumnya. Data

yang digunakan

dalam

penelitian

ini akan dianalisis

secara

ekonometrik dan ekonomi. Analisis ekonometrik dilakukan melalui analisis data dengan mengukur efektivitas dan

efisiensi

dari

model

yang digunakan.

Sedangkan analisis ekonomi dilakukan dengan menjelaskan hubungan tiaptiap variabel dengan teori-teori ekonomi dan penelitian terdahulu yang mendasarinya. Analisis atas variabel yang diuji secara ekonometrik dilakukan dengan menggunakan pendekatan analisis regresi berganda (multiple regression) dengan menggunakan data panel. Dalam model regresi klasik, gangguan (error term) selalu dinyatakan bersifat homoskedastik dan serial uncorrelated. Implikasinya, penggunaan metode OLS akan menghasilkan penduga yang bersifat Best Linier Unbiased Estimator (BLUE). Asumsi tersebut tidak dapat diterapkan pada metode data panel yang disusun berdasarkan beberapa individu untuk beberapa periode. Menurut Pyndick dan Rubinfield (1998) dalam Prachmasetiawan (2006), hal ini dikarenakan bertambahnya gangguan yang kini


menjadi 3 macam, yaitu: gangguan antar waktu (time series disturbance), antar individu (cross sectional disturbance), dan gangguan antar waktu dan antar individu. Melalui analisis data panel, perilaku individu yang berbeda selama jangka waktu tertentu dapat ditangkap untuk memperoleh parameter estimasi. Spesifikasi model regresi data panel yang memuat efek yang spesifik individu adalah sebagai berikut : yit = αi + βxit + εit…………………………………………...…persamaan 3.1 dimana yit dan xit masing-masing merupakan variabel terikat dan variabel bebas untuk setiap individu i pada periode t dimana i=1,2,…, N dan t=1,2,…,T. εit merupakan error term pada model regresi data panel. Pada xit ada sebanyak K slope (tidak termasuk intersept) yang menunjukkan jumlah variabel bebas yang digunakan dalm model. αi merupakan efek individu yang dapat bernilai konstan sepanjang periode t atau bahkan berbeda-beda untuk setiap individu ke–i. Pengujian dalam analisis data panel berbeda dengan pengujian dalam persamaan regresi tunggal. Pengujian dalam persamaan regresi tunggal dilakukan untuk mengetahui apakah terjadi gejala heteroskedastik atau autokorelasi untuk satu individu. Perbaikan model dilakukan jika melanggar asumsi regresi linier klasik, sehingga diperoleh hasil estimasi yang bersifat Best Linier Unbiased (BLUE). Sedangkan pengujian dalam analisis panel menurut Ekananda (2005) dalam Wulandari (2009) dilakukan untuk menentukan estimator yang lebih baik, disesuaikan dengan kondisi matriks varians-covarians residual. Penentuan model pengujian regresi data panel yang paling tepat untuk penelitian ini akan dilakukan pada saat tahapan pengujian data. Secara teoritis terdapat ketiga model pengujian yang dapat digunakan, yaitu (1) model common

24


effects, (2) fixed effects dan (3) random effects. Pemilihan model dapat melalui cara formal dan informal (apriori) sehingga akan terpilih model yang paling tepat untuk mengestimasi regresi data panel. Diagram alur untuk pengujian signifikansi model yang tepat dapat digambarkan sebagai berikut: Gambar 3.1 Diagram Alur Pengujian Signifikansi Model

Metode Common Effect

Metode Fixed Effect

Metode Random Effect

Chow Test

Metode Fixed Effect

Metode Random Effect

Hausman Test

MFE or MRE

Setelah model estimator terbaik diperoleh, analisis dalam penelitian ini dilanjutkan dengn pengujian-pengujian statistik berupa: (1) Pengujian koefisien regresi secara parsial (uji t) untuk menguji apakah koefisien regresi parsial berbeda secara signifikan dari nol atau apakah suatu variabel bebas secara individu berhubungan dengan variabel terikatnya, (2) Pengujian model secara keseluruhan (uji F), serta (3) Pengujian koefisien determinasi (R2) untuk melihat seberapa besar variasi variabel terikat dapat dijelaskan oleh variasi variabel

25


bebas. Koefisien determinasi akan semakin besar jika variabel bebas terus ditambahkan ke dalam model, meskipun penambahan variabel bebas tersebut belum tentu mempunyai justifikasi atau pembenaran dari teori ekonomi atau logika ekonomi. Karena adanya kelemahan ini, maka para ahli ekonometrika telah mengembangkan alternatif lain agar R tidak merupakan fungsi dari variabel bebas, yakni R2 yang disesuaikan (adjusted-R2).

B. Definisi Operasional Variabel Variabel yang digunakan dalam penelitian ini meliputi variabel dependen dan variabel independen. Variabel belanja-belanja daerah berupa belanja ekonomi, belanja perumahan dan fasilitas umum, belanja kesehatan, belanja pendidikan, dan belanja perlindungan sosial adalah variabel independen. Sedangkan variabel kemiskinan dalam bentuk Indeks Kemiskinan (P0) yang menunjukkan jumlah penduduk yang berada di bawah garis kemiskinan. Definisi operasional dari variabel-variabel tersebut adalah sebagai berikut: 1.

Indikator kemiskinan diwakili oleh Indeks Kemiskinan (P0) pada tiap kabupaten/kota;

2.

Belanja Ekonomi per kapita dalam hal ini adalah anggaran belanja APBD untuk fungsi ekonomi dibagi jumlah penduduk pada masing-masing kabupaten/kota;

3.

Belanja Perumahan dan Fasilitas Sosial per kapita dalam hal ini adalah anggaran belanja APBD untuk urusan kesehatan dibagi jumlah penduduk pada masing-masing kabupaten/kota;

26


4.

Belanja Kesehatan per kapita dalam hal ini adalah anggaran belanja APBD untuk fungsi kesehatan dibagi jumlah penduduk pada masing-masing kabupaten/kota;

5.

Belanja Pendidikan per kapita dalam hal ini adalah anggaran belanja APBD untuk fungsi pendidikan dibagi jumlah penduduk pada masing-masing kabupaten/kota;

6.

Belanja Perlindungan Sosial

per kapita dalam hal ini adalah anggaran

belanja APBD untuk fungsi perlindungan sosial dibagi jumlah penduduk pada masing-masing kabupaten/kota.

C. Jenis dan Sumber Data Penelitian ini mengunakan pendekatan regresi berganda dalam bentuk data panel dengan menggunakan data sekunder. Data yang dianalisis adalah data yang bersumber dari laporan APBD Pemerintah daerah kabupaten yang diperoleh dari Laporan Realisasi APBD tahun anggaran 2008 hingga tahun 2010 yang disampaikan Daerah kepada Direktorat Jenderal Perimbangan Keuangan (DJPK) Kementerian Keuangan serta data jumlah penduduk dan Kemiskinan yang bersumber dari Badan Pusat Statistik (BPS). Gujarati (2003) mendefinisikan populasi sebagai himpunan semua hasil yang mungkin diperoleh dari suatu eksperimen. Dengan kata lain, populasi merupakan wilayah generalisasi yang terdiri dari obyek atau subyek yang menjadi

kuantitas

dan

kemudian

ditarik kesimpulannya (Sugiyono dalam

Riduan, 2004). Dalam penelitian ini, populasi adalah kabupaten/kota di Jawa Bali.

27


Mempertimbangkan keterbatasan data yang tersedia berupa kelengkapan data yang memenuhi syarat untuk diteliti dan hanya meneliti data untuk daerah yang tidak mengalami pemekaran selama periode pengamatan, tidak semua kabupaten/kota di Indonesia diteliti. Oleh dipandang

mampu

mewakili

karenanya,

populasi.

ditarik

sampel

yang

Sampel merupakan bagian dari

populasi yang mempunyai ciri-ciri atau keadaan tertentu yang akan diteliti (Riduan, 2004). Dalam pengertian Gujarati (2006),

sampel adalah setiap

anggota dari populasi. Ide dasar pengambilan sampel (sampling) adalah bahwa dengan menyeleksi bagian/elemen

dari

populasi,

kesimpulan

tentang

keseluruhan populasi dapat diperoleh (Cooper dan Emory, 1997). Pemilihan sampel didasarkan pada kriteria tertentu yang ditetapkan oleh peneliti karena dianggap memiliki posisi terbaik yang bisa memberi informasi yang diperlukan oleh peneliti (Sekaran, 1992; Cooper dan Schindler, 2003). Dalam penelitian ini hanya daerah yang memiliki data secara lengkap dan tidak mengalami pemekaran yang dimasukkan dalam penelitian.

D. Metode Analisis Data Penelitian ini menggunakan pendekatan analisis regresi berganda dengan tujuan untuk memprediksi apakah variabel belanja-belanja daerah menurut klasifikasi fungsi pemerintahan berpengaruh secara positip dan signifikan terhadap pengentasan kemiskinan. Dari rancangan model yang telah dipaparkan sebelumnya, model yang dikembangkan dan akan digunakan dalam penelitian ini dirumuskan sebagai berikut: IMISit = β0i + β1.EKOit + β2.RMHit + β3.SHTit + β4.DIDIKit + β5.PERSOSit+ εit ...............................................................................persamaan 2.1

28


dimana: IMISit

= Indeks Kemiskinan Daerah ke-i tahun t.

EKOit

= belanja ekonomi per kapita daerah ke-i tahun t.

RMHit

= belanja perumahan-fasilitas umum per kapita daerah ke-i tahun t

SHTit

= belanja kesehatan per kapita daerah ke-i tahun t.

DIDIKit

= belanja pendidikan per kapita daerah ke-i tahun t.

PERSOSit = belanja perlindungan sosial per kapita daerah ke-i tahun t. εit

= error term pada daerah ke-i tahun t Penelitian ini menguji variabel dengan menggunakan pendekatan analisis

data panel. Data panel diperoleh dengan menggabungkan data cross sectional dan time series. Penggunaan analisis data panel memungkinkan peneliti untuk menangkap karakteristik antar individu dan antar waktu yang bisa saja berbeda. Selain itu, penggunaan analisis data panel dimaksudkan untuk memperbanyak jumlah observasi penelitian pada saat jumlah observasi penelitian tidak cukup banyak jika akan digunakan analisis time series atau cross sectional saja. Analisis regresi dengan menggunakan data panel mempunyai beberapa keuntungan. Menurut Hsiao (2005) dalam Wulandari (2009) dan Widarjono (2005) beberapa keuntungan tersebut adalah: 1.

Data panel mampu menyediakan data yang lebih lengkap, karena merupakan gabungan antara data cross section dan time series. Dengan demikian, model regresi data panel yang selanjutnya, akan mampu meningkatkan presisi dari estimasi regresi.

2.

Dengan menggabungkan informasi dari data time series dan data cross section, dapat mengatasi masalah yang timbul akibat penghilangan variabel (omitted variable)

29


3.

Data panel dapat meminimalkan bias yang dihasilkan oleh regresi individu karena jumlah data yang digunakan lebih banyak.

4.

Data panel mampu mengakomodasi heterogenitas variabel-variabel yang tidak tidak dimasukkan dalam model (unobservated heterogeneity)

5.

Data panel mampu mengindikasikan dan mengukur efek yang secara sederhana tidak dapat diperoleh dengan data cross sectional murni atau time series murni.

6.

Data panel mampu mengurangi kolinieritas antar variabel.

7.

Suatu hal yang penting dalam data panel yang diabaikan dalam penggunaan OLS adalah heterogenitas antara unit-unit cross section. Asumsi yang mendasari OLS tersebut sangat jarang berlaku dalam kenyataan sehari-hari. Heterogenitas dapat terjadi pada intersept, slope atau kedua-duanya. Perbedaaan antar individu dapat diperoleh dengan menggunakan data panel.

8.

Greene (2005) dalam Wulandari (2009) menambahkan bahwa kelebihan analisis regresi panel yang fundamental adalah adanya fleksibilitas yang lebih besar bagi peneliti dalam memodelkan perbedaan perilaku di antara individu-individu. Sementara itu, Baltagi (2005) menyatakan studi data panel lebih memuaskan untuk menentukan perubahan dinamis dibandingkan studi berulang data cross sectional. Data panel merupakan gabungan data cross section dan time series.

Dengan kata lain, data panel merupakan unit-unit individu yang sama yang diamati dalam kurun waktu tertentu. Secara umum, data panel dicirikan oleh T periode waktu (t=1,2,..,T) yang kecil dan N jumlah individu (i=1,2,.., N) yang besar. Namun tidak menutup kemungkinan sebaliknya, yaitu data panel terdiri

30


dari periode waktu yang panjang dan jumlah individu yang kecil. Regresi menggunakan data panel disebut model regresi data panel.

31

BAB IV ANALISIS DAN PEMBAHASAN

Bab ini terdiri dari beberapa bagian yang akan menjelaskan lebih lanjut mengenai analisis dan pembahasan hasil pengujian hipotesis penelitian. Bagian pertama menjelaskan pemilihan metode data panel

dalam analisis regresi,

bagian kedua menjelaskan hasil pengujian persamaan secara statistik dan bagian ketiga membahas hasil penelitian. A. Analisis Pengujian Statistik 1.

Pengujian Asumsi Klasik

a.

Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi,

variabel pengganggu atau residual memiliki distribusi normal. Hal ini dilakukan karena regresi mensyaratkan distribusi error yang normal, artinya nilai error terdistribusi secara simetris di sekitar mean=0 (Ghazali, 2005). Uji normalitas dengan menggunakan pendekatan analisis histogram memberi hasil sebagai berikut. Gambar 4.1 Histogram Uji Normalitas

Sumber: hasil olah data


Histogram pada gambar 4.1 yang berbentuk lonceng sempurna memperlihatkan bahwa data untuk model dalam penelitian ini telah terdistribusi secara normal. Untuk memperkuat keyakinan atas kesimpulan tersebut, dilakukan uji normalitas dengan menggunakan pengujian Jarque-Bera. Hipotesis yang digunakan dalam pengujian ini adalah sebagai berikut. H0

: Error berdistribusi normal

H1

: Error tidak berdistribusi normal

Statistik pengujian : Jarque-Bera Test Alpha pengujian

: 5%

Kriteria pengujian

: (H0) diterima bila p-value hasil pengujian Jarque-Bera Test lebih besar daripada alpha 5%

Hasil penggujian menunjukkan nilai Jarque-Bera sebesar 14.77222 yang berarti lebih besar dari 5% (14.77222 > 0.05). Dengan demikian, H0 diterima yang berarti bahwa error mengikuti fungsi distribusi normal. b.

Uji Heteroskedastisitas Uji heterokedastisitas bertujuan untuk menguji apakah dalam model

regresi terjadi ketidaksamaan varian dari residual, artinya varian error (residual) harus konstan dari satu pengamatan ke pengamatan yang lain. Model regresi yang baik seharusnya homoskedastisitas yaitu varian dari residual satu pengamatan ke pengamatan yang lain tetap. Dalam penelitian ini asumsi heteroskedastisitas diuji menggunakan Uji Breusch-Pagan-Godfrey (BPG). Hasil pengujian memberikan output sebagai berikut.

Heteroskedasticity Test: Breusch-Pagan-Godfrey

33


F-statistic Obs*R-squared B Scaled explained SS

4.504270 21.48352 22.09114

Prob. F(5,336) Prob. Chi-Square(5) Prob. Chi-Square(5)

0.0005 0.0007 0.0005

Sumber: hasil olah data Uji

heteroskedastisitas

menggunakan

uji

Breusch-Pagan-Godfrey

dihasilkan nilai prob Chi square 0,0007. Nilai ini lebih kecil daripada alpha 0,05 (5%) yang berarti bahwa model masih memiliki masalah heteroskedastisitas yang perlu diatasi sebelum pemilihan metode data panel dilakukan. Di dalam model data panel dengan periode yang pendek, sulit diketahui apakah masalah heteroskedastisitas bersumber dari cross-section, periode, atau keduanya. Periode pengamatan tiga tahun dalam penelitian ini termasuk kategori penelitian data panel dengan periode yang pendek, sehingga digunakan White’s diagonal standard errors untuk memperhitungkan heterogenitas cross-section dan periode. Perbaikan untuk kondisi ini dilakukan pada model dalam penelitian dengan memilih menu White’s diagonal standard errors pada Eviews 7. c.

Uji Autokorelasi Autokorelasi adalah hubungan antara residual satu observasi dengan

residual observasi lainnya (Winarto, 2007). Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara residual satu observasi dengan residual observasi lainnya.

34


Gambar 4.2 Output Plotting Nilai Standardized Residual

Sumber: hasil olah data. Pemeriksaan terhadap autokorelasi dapat diawali dengan melakukan plotting nilai standardized residual sesuai urutan data. Apabila residual membentuk plot yang acak, maka menunjukkan tidak adanya masalah autokorelasi. Hasil dari plotting untuk data dalam penelitian ini disajikan dalam gambar 4.2. Pola standardized residual yang dihasilkan tidak bersifat acak, residual cenderung membentuk pola. Meskipun demikian, kita memerlukan pengujian hipotesis untuk menghindari perbedaan pandangan dalam bentuk visualisasi untuk menentukan apakah plot data tersebut bersifat acak atau tidak. Selanjutnya,

pemeriksaan

terhadap

apakah

terdapat

dugaan

adanya

autokorelasi dapat dilihat dari pengujian Uji Breush-Pagan-Godfrey (BPG). Hasil dari Uji Breush-Pagan-Godfrey adalah sebagai berikut.

Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared

167.3990 171.2040

Prob. F(2,334) Prob. Chi-Square(2)

0.0000 0.0000

Sumber: hasil olah data.

35


Oleh karena nilai prob Chi Square lebih kecil dari nilai alpha 5% (0,0000 < 0,05), dapat dikatakan bahwa terdapat autokorelasi positif atau negatif. Masalah autokorelasi dapat diatasi dengan menggunakan metode fixed effect dengan SUR standard errors. Periode penelitian yang pendek menguatkan dugaan bahwa masalah autokorelasi berasal dari korelasi residual antarkomponen crosssection. Masalah ini diatasi dengan menggunakan pilihan cross-section SUR standard errors pada saat pemodelan regresi data panel menggunakan Eviews 7. d.

Uji Multikolinieritas Uji multikolonieritas ini bertujuan untuk menguji apakah dalam model

regresi ditemukan adanya korelasi yang dekat antar variabel independen. Jika variabel independen saling berkorelasi, maka variabel ini tidak ortogonal artinya nilai korelasi antar sesama variabel independen tidak sama dengan nol. Akibatnya model sulit digunakan untuk melakukan prediksi atau estimasi. Selain itu, interval estimasi cenderung lebar dan nilai statistik uji t akan kecil, sehingga menyebabkan variabel independen tidak signifikan secara statistik dalam mempengaruhi

variabel

dependen

(Winarno,

2007).

Persamaan

regresi

dikatakan bebas dari multikolinieritas jika tingkat korelasi antar variabel independen kurang dari 0,95; nilai variance inflation factor (VIF) kurang dari 10; atau nilai tolerance lebih dari 0,1 (Ghazali, 2005). Umumnya, dalam pengujian dengan menggunakan data panel tidak diperlukan uji multikolinieritas. Namun demikian, tidak ada salahnya jika dilakukan pengujian untuk mengetahui apakah asumsi multikolinieritas terpenuhi atau tidak. Pemeriksaan ini dapat dilihat dari nilai VIF, TOL, dan condition index. Nilai VIF > 10 menunjukkan adanya gejala multikolinieritas (Gujarati, 1995: 338-339). Nilai Condition Index melebihi 30

36


menunjukkan adanya gejala multikolinieritas. Lampiran 1 menunjukkan hasil untuk uji multikolinieritas ini. Berdasarkan output tersebut, nilai VIF untuk variabel Belanja Ekonomi, Belanja Perumahan, Belanja Kesehatan, Belanja Pendidikan, dan Belanja Perlindungan Sosial lebih kecil dari 10. Dengan demikian dapat disimpulkan bahwa tidak terdapat masalah multikolinieritas. Setelah pengujian asumsi klasik untuk regresi terpenuhi, langkah selanjutnya adalah melakukan pemilihan metode pengujian data panel yang terbaik.

2.

Pengujian Pemilihan Metode Data Panel Sebagaimana

telah

dijelaskan

sebelumnya,

pengujian

regresi

menggunakan Data Panel memiliki perbedaan dibandingkan dengan pengujian regresi apabila menggunakan persamaan regresi tunggal. Dalam pengujian menggunakan analisis Data Panel perlu dilakukan serangkaian pengujian sebagaimana telah disebutkan pada bab III untuk menentukan estimator yang akan digunakan, disesuaikan dengan kondisi matriks varians-covarians residual, sehingga mampu memberikan hasil terbaik. Dalam analisis menggunakan model Data Panel terdapat tiga macam pendekatan

yang

dapat

digunakan,

yaitu

pendekatan

kuadrat

terkecil

(ordinary/pooled least square), pendekatan efek tetap (fixed effect), dan pendekatan efek acak (random effect). Pengujian statistik untuk memilih model pertama kali adalah dengan melakukan uji Chow untuk menentukan apakah metode Pooled Least Suare atau Fixed Effect yang sebaiknya digunakan dalam membuat regresi data panel.

37


Pemilihan metode pengujian data panel dilakukan pada seluruh data sampel (114 kabupaten/kota) untuk mendapatkan model estimator terbaik dilakukan dengan beberapa tahapan sebagaimana disajikan pada lampiran 2. Tahapan pertama adalah melakukan pengujian dengan metode common effect. Tahapan kedua adalah melakukan pengujian dengan metode fixed effect dan dilanjutkan dengan tahapan ketiga berupa penandingan antara hasil pengujian menggunakan metode commont effect dengan metode random effect. Setelah ketiga tahapan tersebut dilalui, dilakukan pengujian signifikansi untuk memilih metode terbaik dengan dua tahapan berikutnya yaitu uji Chow dan Uji Hausmann. a.

Uji Chow Tujuan dari pengujian ini adalah untuk memilih model yang paling tepat

antara dua pilihan pendekatan: common effect atau fixed effect. Metode common effect didasarkan pada asumsi bahwa slope dan intersept dalam persamaan model adalah sama, sementara metode fixed effect didasarkan pada asumsi bahwa meski slope dalam persamaan model yang digunakan adalah sama namun intersept untuk masing-masing variabel memiliki perbedaan.

Hipotesa

yang digunakan dalam pengujian ini adalah: (a). Jika Ho diterima, maka model adalah common effect . (b). Jika Ho ditolak, maka model adalah fixed effect atau random effect. Alpha pengujian : 5% Kriteria pengujian : (H0) diterima bila p-value hasil pengujian Uji Chow lebih besar daripada alpha 5%. Pengolahan data sampel menggunakan program Eviews untuk Uji Chow menghasilkan tabel output sebagai berikut.

38


Redundant Fixed Effects Tests Pool: PANEL Test cross-section fixed effects Effects Test Cross-section F Cross-section Chi-square

Statistic 72.162320 1240.131057

d.f.

Prob.

(113,223) 113

0.0000 0.0000

Sumber: hasil olah data Hasil penggujian untuk persamaan ini menghasilkan p-value cross section Chi-Square yang lebih kecil dari 5% (0.0000 < 0,05) atau nilai probability (pvalue) F-Test menunjukkan lebih kecil dari 5%, maka diambil kesimpulan bahwa H0 ditolak. Dengan demikian, karena nilai F statistik pada uji Chow menunjukkan hasil yang signifikan hal itu berarti bahwa model Data Panel yang tepat digunakan dalam pengujian persamaan regresi adalah model fixed effect. b.

Uji Hausman Langkah selanjutnya adalah melakukan uji Hausman untuk memilih

apakah metode fixed effect ataukah random effect yang lebih cocok untuk digunakan. Hasil uji Hausman dengan nilai probabilitas yang kurang dari α adalah signifikan, artinya metode fixed effect akan menjadi metode yang dipilih untuk mengolah Data Panel. Hipotesa yang digunakan dalam pengujian ini adalah: (a). Jika Ho diterima, maka model adalah random effect. (b). Jika Ho ditolak, maka model adalah fixed effect. Alpha pengujian : 5% Kriteria pengujian : (H0) diterima bila p-value hasil pengujian Uji Hausman lebih besar daripada alpha 5%. Pengolahan data sampel menggunakan program Eviews untuk Uji Hausman menghasilkan tabel output sebagai berikut.

39


Correlated Random Effects - Hausman Test Pool: PANEL Test cross-section random effects Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

18.456596

5

0.0024

Test Summary Cross-section random

Sumber: hasil olah data Hasil pengujian untuk persamaan ini menghasilkan p-value cross section random

yang lebih kecil dari 5% (0.0000 < 0,05), maka diambil kesimpulan

bahwa H0 ditolak. Dengan demikian, model yang diterima adalah model fixed effect. Tahapan-tahapan dalam pengujian untuk mencari model estimator terbaik diatas memberi kesimpulan bahwa model yang cocok digunakan dalam penelitian ini adalah model fixed effect dengan hasil persamaan regresi untuk tiap-tiap model sebagai berikut: IMIS = 18.8090339939 - 2.78165996091*EKO + 3.78431165188*RMH 2.39638004706*SHT-10.741948551*DIDIK -4.86827159757*PERSOS + [CX=F].......................................................................................persamaan 4.1

B. Hasil Estimasi Regresi dan Hipotesis Hasil pengolahan data dengan menggunakan program Eviews untuk persamaan regresi Indeks Kemiskinan menunjukkan hasil output sebagai berikut. Tabel 4 Output Persamaan Model Indeks Kemiskinan Dependent Variable: IMIS Method: Panel EGLS (Cross-section weights) Date: 11/13/12 Time: 07:49 Sample: 2008 2010 Periods included: 3 Cross-sections included: 114 Total panel (balanced) observations: 342 Linear estimation after one-step weighting matrix Variable

40

Coefficient

Std. Error

t-Statistic

Prob.


C EKO RMH SHT DIDIK PERSOS

18.80903 -2.781660 3.784312 -2.396380 -10.74195 -4.868272

0.332551 3.420817 0.754323 1.492213 0.736090 7.148972

56.55984 -0.813157 5.016835 -1.605924 -14.59325 -0.680975

0.0000 0.4170 0.0000 0.1097 0.0000 0.4966

Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.991664 0.987253 1.235928 224.8248 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

22.11101 20.59712 340.6367 2.294615

Unweighted Statistics R-squared Sum squared resid

0.976834 350.1209

Mean dependent var Durbin-Watson stat

14.38212 1.957875

Sumber: Hasil Olah Data

1.

Pengujian Secara Parsial (Uji t) Uji hipotesis secara parsial terhadap persamaan regresi untuk model

Indeks Kemiskinan dilakukan dengan menggunakan kriteria sebagai berikut: (a). Ho: βn =0; N=1,2,3. Berarti tidak ada hubungan linear. (b). Ha= lainnya. Berarti ada hubungan linear. Alpha pengujian : 5% Kriteria pengujian : (H0) diterima bila p-value hasil Uji t lebih besar daripada alpha 5%. Dari hasil pengujian koefisien model regresi dalam tabel diatas, nilai p-value untuk variabel Belanja Ekonomi menunjukkan nilai 0,4170 yang berarti lebih besar dari 0,05 (0,4170>0,05). Hasil ini memberi kesimpulan bahwa H0 pada hipotesis 1 diterima yang berarti bahwa Belanja Ekonomi secara parsial tidak

41


berpengaruh secara signifikan untuk menurunkan Indeks Kemiskinan. Hal ini diduga karena belanja-belanja pemerintah menurut klasifikasi ekonomi belum berpihak pada pembangunan sub fungsi pertanian serta kelautan dan perikanan yang

terkait erat dengan penduduk miskin di Pulau Jawa dan Bali. Pola

kemiskinan di Jawa dan Bali banyak dipengaruhi pembangunan pedesaan dan sektor pertanian. Kebijakan belanja untuk mendukung pembangunan pedesaan sangat strategis untuk mendukung penurunan tingkat kemiskinan karena daerah pedesaan memiliki konsentrasi penduduk miskin yang jauh lebih tinggi dibandingkan dengan daerah perkotaan.

Secara nasional, berdasarkan data

tahun 2010 yang dirilis BPS, masih terdapat 19,93 juta penduduk miskin di daerah pedesaan, dibandingkan 11,10 juta penduduk miskin di daerah perkotaan. Selain itu, sekitar 60% penduduk bekerja di pedesaan dengan sekitar 68% diantara

para pekerja itu bekerja di sektor pertanian. Kondisi ini juga

representatif untuk mencerminkan keadaan di Pulau Jawa-Bali. Berkenaan dengan tantangan pembangunan pedesaan dan sektor pertanian, terdapat setidaknya empat isu yang perlu mendapat perhatian pemerintah daerah dalam perumusan kebijakan belanjanya, yaitu: (1) pembangunan dan perbaikan sarana irigasi pertanian serta infrastruktur jalan, (2) peningkatan akses para pelaku ekonomi pedesaan terhadap sumber kredit dan permodalan lainnya, (3) infrastruktur

perhubungan

dan

informasi

yang

memungkinkan

terjadinya

diseminasi informasi secara lebih baik ke pedesaan, dan (4) perbaikan akses pelaku ekonomi di daerah pedesaan terhadap teknologi. Pengujian atas variabel Belanja Kesehatan menunjukkan hasil p-value variabel Belanja Kesehatan adalah sebesar 0,1097 yang berarti lebih besar dari nilai alpha. Kesimpulan yang dapat ditarik dari hasil ini mengacu kepada

42


hipotesis 3 adalah Belanja kesehatan secara parsial tidak berpengaruh secara signifikan terhadap upaya penurunan Indeks Kemiskinan. Hal ini diduga disebabkan karena fokus pemerintah kabupaten/kota masih lebih banyak tertuju pada upaya peningkatan aksesibilitas pelayanan kesehatan masyarakat namun belum mampu membebaskan/menurunkan biaya-biaya untuk seluruh layanan kesehatan yang diperlukan oleh keluarga miskin. Di sisi lain,

permasalahan

birokrasi seringkali muncul sebagai penghambat keluarga miskin untuk mendapatkan akses terhadap pelayanan kesehatan yang ada. Secara umum, program-program belanja menurut Fungsi Kesehatan belum mengarah kepada pembangunan kesehatan masyarakat yang mampu meningkatkan kualitas kesehatan individu miskin. Akibat yang ditimbulkan dari hal-hal seperti ini berdampak pada berbagai aspek misalnya masih banyak daerah yang memiliki Angka Harapan Hidup rendah. Sebagai contoh, berdasarkan data BPS untuk tahun 2008, masih banyak kabupaten/kota di Jawa Barat yang memiliki status merah untuk Angka Harapan Hidup sebagai salah satu indikator bahwa derajat kesehatan

masyarakat

di

daerah

tersebut

masih

buruk.

Beberapa

kabupaten/kota yang memiliki status buruk tersebut antara lain Kabupaten Garut, Kabupaten Karawang, Kabupaten Indramayu, Kabupaten Cianjur. Untuk Jawa Tengah, daerah-daerah yang memiliki Angka Harapan Hidup rendah (berstatus merah) diantaranya adalah Kota Tegal, Kabupaten Brebes, Kabupaten Pemalang. Di Jawa Timur, daerah dengan Angka Harapan Hidup rendah antara lain terdapat di Kabupaten Bondowoso, Kabupaten Jember, Kabupaten Situbondo, Kabupaten Probolinggo. Demikian pula dengan seluruh daerah di Madura.

43


Hasil yang serupa dapat ditemukan untuk pengujian terhadap variabel Belanja Perlindungan Sosial (hipotesis 5). Nilai p-value sebesar 0,4966 bermakna bahwa Belanja Perlindungan Sosial secara parsial tidak berpengaruh signifikan terhadap Indeks Kemiskinan. Secara teoritis, mestinya belanja Perlindungan Sosial memiliki pengaruh yang signifikan untuk menurunkan Indeks Kemiskinan sebab belanja perlindungan sosial langsung menyentuh/menyasar kalangan masyarakat miskin. Tidak signifikannya belanja Perlindungan Sosial secara parsial dalam penelitian ini diduga diakibatkan oleh minimnya programprogram yang didesain secara khusus oleh pemerintah

daerah untuk

memberikan perlindungan terhadap kelompok-kelompok masyarakat yang mengalami kerentanan (vulnerability) terhadap goncangan-goncangan dalam pendapatan di daerahnya. Tampaknya, banyak pemerintah daerah yang bergantung kepada program-program dari pemerintah pusat berkenaan dengan upaya perlindungan sosial terhadap kelompok masyarakat yang memiliki kerentanan tinggi. Dalam periode pengamatan pada penelitian ini, pemerintah pusat memang banyak menjalankan program-program terkait perlindungan sosial berikut pendanaannya. Dalam hal ini, pemerintah daerah lebih bertindak sebagai pelaksana kebijakan dan program dari pemerintah pusat tersebut. Sebagai contoh untuk program seperti ini adalah program Bantuan Langsung Tunai (BLT) dalam rangka mempertahankan daya beli masyarakat miskin sebagai dampak dari kenaikan harga BBM serta program Beras Miskin (Raskin) kepada rumah tangga hampir miskin, miskin dan sangat miskin

yang bertujuan untuk

mengurangi beban pengeluaran rumah tangga sasaran melalui pemenuhan sebagian kebutuhan pokok dalam bentuk beras.

44


Pengujian p-value untuk variabel Belanja Perumahan dan Fasilitas Umum menunjukkan nilai sebesar 0,0000, yang berarti lebih kecil dari nilai alpha pengujian (0,0000 < 0,05). Mengacu kepada hipotetis 2, hasil pengujian (ditolaknya H0 pada alpha pengujian 5%) memberi bukti bahwa variabel belanja Perumahan dan Fasilitas Umum secara parsial signifikan mempengaruhi Indeks Kemiskinan. Demikian pula uji hipotesis 4 terhadap variabel Belanja Pendidikan memberikan bukti yang sama. Kesimpulan umum yang dapat ditarik dengan menggunakan uji t adalah bahwa pada tingkat pengujian alpha 5% atau dengan tingkat keyakinan sebesar 95%, secara parsial variabel Belanja Perumahan dan Fasilitas Umum, serta variabel Belanja Pendidikan secara signifikan berpengaruh terhadap Indeks Kemiskinan di Pulau Jawa dan Bali. Sementara Belanja Ekonomi, Kesehatan dan Perlindungan Sosial tidak memiliki pengaruh signifikan terhadap Indeks Kemiskinan.

2.

Pengujian Serentak (Uji F) Uji hipotesis secara serentak (simultan) terhadap persamaan regresi

untuk model Indeks Kemiskinan dilakukan dengan menggunakan kriteria sebagai berikut: (a). Ho: β1= β2= β3 =0; N=1,2,3. Berarti model tidak signifikan menjelaskan variabel dependen. (b). Ha: minimal ada satu βi≠0. Berarti model signifikan menjelaskan variabel dependen. Alpha pengujian

: 5%

45


Kriteria pengujian

: (H0) diterima bila signifikansi hasil Uji F lebih besar

daripada alpha 5%. Tabel 4 menunjukkan output pengolahan data untuk Model Indeks Kemiskinan. Berdasarkan hasil output tersebut, diketahui bahwa nilai statistik F adalah 224.8248 dengan p-value sebesar 0,000000 yang berarti lebih kecil dari nilai alpha pengujian (0,0000 < 0,05). Dapat disimpulkan bahwa H0 dalam hipotesis 6 ditolak. Dengan demikian, secara simultan variabel Belanja Ekonomi, Belanja Perumahan dan Fasilitas Umum, Belanja Kesehatan, Belanja Pendidikan, serta belanja Perlindungan Sosial berpengaruh secara signifikan terhadap variabel Indeks Kemiskinan. Secara keseluruhan, kelima variabel tersebut mampu menjelaskan variabilitas variabel Indeks Kemiskinan sebesar Adjusted R-squared = 98,73%. Sementara, sisanya sebesar 1,27% dijelaskan oleh variabel lainnya yang tidak dibahas dalam penelitian.

C. Pembahasan Hasil Penelitian Mengacu kepada hasil pengolahan data persamaan regresi untuk Indeks Kemiskinan, model regresi yang terbentuk secara umum adalah sebagai berikut: Indeks Kemiskinan = 18.81 - 2.78*Belanja Ekonomi + 3.78* Belanja Perumahan - 2.40* Belanja Kesehatan - 10.74* Belanja Pendidikan - 4.87* Belanja Perlindungan Sosial + [CX=F] Dari output persamaan tersebut, dapat diambil suatu interpretasi bahwa manakala terjadi kenaikan Belanja Ekonomi sebesar 1 juta Rupiah per kapita, akan terjadi penurunan Indeks Kemiskinan sebesar 2,78%. Sedangkan untuk setiap kenaikan Belanja Perlindungan Sosial sebesar 1 juta Rupiah per kapita, akan menurunkan Indeks Kemiskinan sebesar 4,87%. Untuk setiap kenaikan Belanja Kesehatan sebesar 1 juta Rupiah per kapita, akan menurunkan Indeks

46


Kemiskinan sebesar 2,40%.

Demikian pula, untuk kategori belanja fungsi

Pendidikan. Setiap kenaikan sebesar 1 juta Rupiah per kapita untuk Belanja Pendidikan, akan menurunkan Indeks Kemiskinan di Kabupaten/Kota Jawa-Bali sebesar 10,74%. Berlawanan dengan hasil itu, setiap kenaikan Belanja Perumahan dan Fasilitas Umum sebesar 1 juta Rupiah per kapita akan menyebabkan Indeks Kemiskinan meningkat sebesar 3,78%. Jumlah penduduk miskin sebagai indikator kemiskinan merupakan ukuran yang cukup baik untuk menggambarkan kesejahteraan masyarakat. Hal tersebut dilandaskan pada pemikiran bahwa berkurangnya jumlah penduduk miskin mencerminkan adanya peningkatan keseluruhan pendapatan penduduk. Disisi lain apabila terjadi peningkatan jumlah penduduk miskin, hal tersebut secara jelas mengindikasikan terjadinya penurunan pendapatan penduduk. Dengan demikian, jumlah penduduk miskin dipandang cukup baik untuk menggambarkan kesejahteraan masyarakat. Sebagai sebuah kebijakan nasional, desentralisasi fiskal dimaksudkan sebagai suatu upaya strategis untuk melakukan percepatan pencapaian tujuan pembangunan nasional melalui penyerahan sebagian tugas dan fungsi serta kewenangan

dari

Pemerintah

Pusat

kepada

Pemerintah

Daerah

yang

memungkinkan Pemerintah Daerah memiliki kewenangan yang lebih besar dalam mengelola pemerintahan dan keuangan daerah. Diharapkan melalui kebijakan desentralisasi fiskal sebagai bagian dari kebijakan otonomi daerah tersebut, pembangunan daerah dapat berjalan sesuai aspirasi, kebutuhan dan prioritas daerah sehingga berdampak positip terhadap perkembangan ekonomi daerah yang pada gilirannya akan meningkatkan kesejahteraan rakyat.

47


Meski secara simultan semua variabel yang diuji memiliki pengaruh yang signifikan terhadap Indeks Kemiskinan, namun secara parsial variabel belanja fungsi Ekonomi, fungsi Kesehatan, dan fungsi Perlindungan Sosial tidak signifikan mempengaruhi Indeks Kemiskinan. Selain argumentasi dalam bahasan sebelumnya, terdapat pula dugaan bahwa tidak signifikannya variabel belanja fungsi Ekonomi, fungsi Kesehatan, dan fungsi Perlindungan Sosial secara parsial tersebut

turut

dipengaruhi

pula

oleh

banyaknya

program-program

penanggulangan kemiskinan untuk ketiga fungsi tersebut yang diinisiasi dan didanai oleh Pemerintah Pusat sehingga mengurangi prioritas pendanaan pemerintah daerah melalui Anggaran Pendapatan dan Belanja Daerah (APBD). Dalam hal ini, Pemerintah Daerah lebih banyak bergantung pada programprogram penanggulangan kemiskinan yang dicanangkan oleh Pemerintah Pusat berikut pendanaannya dengan alasan keterbatasan APBD pada masing-masing daerah. Sebagai contoh dalam hal ini adalah timpangnya proporsi pembiayaan oleh pemerintah pusat melalui APBN dibanding pembiayaan oleh pemerintah daerah melalui APBD untuk Program Nasional Pemberdayaan Masyarakat (PNPM). Padahal PNPM dimaksudkan untuk meningkatkan kesejahteraan dan kesempatan kerja penduduk miskin secara mandiri. Data tahun 2011 yang dilansir oleh Tim Nasional Percepatan Penanggulangan Kemiskinan (TNP2K) menyebutkan bahwa

komposisi pembiayaan PNPM masih mengandalkan

APBN. Kontribusi APBN menyumbang hingga 82,13%, sementara APBD hanya menyumbang 17,87%. Gambaran situasi pada tahun 2011 tersebut juga mewakili situasi pada periode-periode sebelumnya. Saat ini penanggulangan kemiskinan menjadi salah satu prioritas pembangunan

48

Nasional

sebagaimana

diamanatkan

dalam

Rencana


Pembangunan Jangka Menengah (RPJM) 2004-2009, dan dilanjutkan pada RPJM 2010-2014. RPJM yang dijabarkan dalam Rencana Stratejik (Renstra) pembangunan nasional dituangkan secara rinci kedalam program sektoral dan program regional. Program sektoral didukung dengan pendanaan dari Anggran Pendapatan dan Belanja Negara (APBN) sedangkan program regional didukung dengan pendanaan dari APBD. Dalam pelaksanaannya, program-program tersebut dijabarkan dalam bentuk rencana kerja jangka pendek yang merupakan Rencana Kerja Tahunan pemerintah pusat dan daerah (RKP/RKPD). Mestinya, terdapat sinkronisasi antara peran pemerintah pusat dan Pemerintah daerah dalam implementasi upaya-upaya untuk menanggulangi kemiskinan sebagai turunan dari RPJM, Renstra dan RKP penanggulangan kemiskinan. Dalam praktiknya, koordinasi dan sinkronisasi ini masih dirasa lemah. Iklim demokrasi dan kebijakan desentralisasi seharusnya memberi landasan kelembagaan yang kuat bagi pemerintah daerah untuk merumuskan kebijakan-kebijakan lokal yang bersifat pro-poor serta menyediakan ruang untuk partisipasi publik yang lebih besar. Sayangnya, dalam perumusan kebijakan belanja daerah, para perencana anggaran kurang memperhitungkan aspek stratejik dari program-program penanggulangan kemiskinan di daerahnya. Para perencana anggaran tampaknya lebih memperhatikan proses politik dalam penyusunan anggaran daerah sehingga kurang memperhatikan hal-hal yang berhubungan dengan kemiskinan (pro-poor). Willoughby seperti dikutip dalam McCue (1999) mengatakan bahwa para perencana anggaran yang memiliki jam terbang tinggi dan berstatus senior, oleh karenanya memiliki peranan yang cukup kuat dalam proses perencanaan anggaran, lebih merespon isu-isu politis dan menyesuaikan keputusannya dalam perencanaan anggaran

49


dengan pengaruh politis tersebut serta lebih menggunakan informasi politis dalam pengambilan keputusan daripada memperhatikan hal-hal yang berkaitan dengan tujuan-tujuan perekonomian. Dalam konteks Indonesia, apa yang disebutkan Willoughby tersebut tidak dapat dikesampingkan mengingat kuatnya muatan proses politik dalam penganggaran daerah. Penentuan kebijakan belanja daerah sangat kuat dipengaruhi oleh kebijakan elit daerah sehingga para perencana anggaran lebih memperhatikan informasi yang dikemukakan oleh para pembuat kebijakan seperti kepala Satuan Kerja Perangkat Daerah (SKPD), kepala daerah, dan/atau DPRD dan mengesampingkan sinkronisasi dengan kebijakan dari pemerintah pusat yang dibuktikan dengan masih belum sinkronnya program-program penanggulangan kemiskinan antara pemerintah pusat dan daerah. Padahal di era desentralisasi sumber daya-sumber daya pemerintahan tidak lagi terpusat di tangan pemerintah pusat yang berarti bahwa kinerja penanggulangan kemiskinan sangat dipengaruhi oleh kapasitas pemerintah daerah, koordinasi antara pemerintah pusat dan daerah, serta koordinasi antara eksekutif dan legislatif. Peranan belanja untuk fungsi ekonomi penting dalam hubungannya dengan pengentasan kemiskinan. Peranan ini bisa berupa formulasi kebijakan dan program-program sesuai klasifikasi fungsi ekonomi yang dapat menciptakan pertumbuhan perekonomian maupun dalam bentuk penciptaan lapangan kerja di daerah. Kartanegara (1999) dalam Hendra (2010) menyebutkan bahwa terbatasnya lapangan kerja merupakan pemicu kemiskinan. Selama ada lapangan pekerjaan dan kegiatan usaha, selama itu pula ada harapan untuk memutuskan lingkaran kemiskinan. Parikesit (2007) menyebutkan bahwa pengentasan kemiskinan di Indonesia dapat didekati dari dua sisi, yaitu

50


peningkatan pendapatan bagi kelompok miskin melalui peningkatan (perbaikan) produktivitas, serta pengeluaran (ongkos biaya hidup) melalui akses yang lebih baik bagi kelompok miskin. Terdapat beberapa pokok masalah yang perlu mendapat perhatian berkenaan dengan peran Belanja Perumahan dan Fasilitas Umum dalam rangka menanggulangi kemiskinan. Salah satu masalah berkaitan dengan kemiskinan di perkotaan adalah rendahnya akses penduduk miskin untuk mendapatkan tempat tinggal/perumahan yang layak huni. Hal ini disebabkan oleh beberapa hal antara lain: harga tanah (land value) yang sudah sangat tinggi, sulitnya penduduk miskin untuk memperoleh layanan kredit perumahan, dan kurangnya peran aktif serta keterbatasan dana yang dimiliki oleh pemerintah daerah untuk program investasi pembangunan perumahan rakyat. Berkenaan dengan isu penyediaan fasilitas umum, terutama infrastruktur, untuk menggerakkan dan menunjang aktivitas roda perekonomian terdapat beberapa isu yang perlu mendapatkan pembenahan antara lain berupa penyediaan jalan, irigasi, listrik, saluran komunikasi,

air

bersih, dan sanitasi.. Studi World Bank (2002) menemukan bahwa infrastruktur merupakan determinan utama kemiskinan. Selain untuk memudahkan mobilitas masyarakat dalam melaksanakan aktivitas ekonomi, infrastruktur yang memadai akan mengundang masuknya investor sehingga menciptakan peluang-peluang pergerakan perekonomian yang memberi multiplier effect bagi pengentasan kemiskinan. Secara prinsip, penyediaan infrastruktur penting dalam kaitannya dengan akses yang lebih baik terhadap infrastruktur itu sendiri serta pengaruhnya terhadap harga produk sebagai hasil dari pemanfaatan infrastruktur tersebut. Dengan kata lain dampak positif infrastruktur tidak saja berupa efisiensi

51


produksi sebagai hasil pemanfaatan dari infrastruktur namun juga meningkatnya standar hidup masyarakat. Untuk melihat pengaruh belanja kesehatan terhadap kemiskinan, menurut Tim Nasional Percepatan Penanggulangan Kemiskinan (TNP2K) Kantor Wakil Presiden Republik Indonesia, dapat dilakukan dengan melakukan analisis terhadap: (1) perkembangan proporsi anggaran untuk fungsi kesehatan terhadap total anggaran, (2) pembiayaan berdasarkan sumber pembiayaan, (3) belanja kesehatan menurut pemberi layanan, (4) belanja kesehatan berdasarkan mata anggaran, serta (5) belanja kesehatan menurut program. Contoh dari belanja kesehatan menurut kategori program adalah seperti yang dipraktikkan oleh Jembrana. Dalam upaya meningkatkan derajat kesehatan masyarakat, Pemerintah Daerah Jembrana menyusun kebijakan di bidang pelayanan

kesehatan

masyarakat

melalui

program

Asuransi

Kesehatan

Masyarakat. Dalam skema kebijakan ini, Pemerintah Daerah Jembrana mendaftarkan semua penduduk yang memiliki KTP Jembrana dan membayarkan premi asuransinya. Tujuan dari program ini adalah meningkatkan mutu pelayanan kesehatan kepada masyarakat dan memperluas akses masyarakat terhadap pelayanan kesehatan. Melalui program ini, semua penduduk yang memiliki KTP Jembrana akan mendapatkan kartu Jaminan Sosial Jembrana (JSJ). Dengan menunjukkan kartu JSJ, setiap penduduk Jembrana berhak atas layanan kesehatan gratis di Rumah Sakit, Puskesmas, Poliklinik, praktik dokter, dokter gigi maupun bidan baik yang swasta maupun negeri (milik pemerintah) secara gratis. Bahkan untuk penduduk pemegang kartu JSP yang berstatus miskin, biaya rawat-inap di RSUD pun digratiskan. Melalui kebijakan semacam ini, penduduk miskin akan mendapatkan peningkatan disposable income melalui

52


penghematan pos belanja kesehatan dalam rumah tangga sehingga mampu menciptakan

penurunan

Indeks

Kemiskinan

maupun

Indeks

Kedalaman

Kemiskinan. Dari sisi pembiayaan layanan berdasarkan sumber pembiayaan, program layanan kesehatan yang dikelola oleh Lembaga JSJ berasal dari tiga komponen. Komponen pertama, untuk penduduk Jembrana yang berstatus Pegawai Negeri Sipil pendanaan berasal dari PNS yang bersangkutan ditambah dengan subsidi dari pemerintah daerah melalui kerja sama dengan Askes. Kedua, untuk penduduk Jembrana yang berstatus pegawai swasta pendanaan berasal dari pegawai swasta tersebut ditambah dengan subsidi dari pemerintah daerah melalui kerja sama dengan Jamsostek. Terakhir untuk penduduk yang berstatus penduduk biasa dan miskin yang tidak terjangkau oleh Askes dan Jamsostek, pemerintah daerah menanggung pembiayaannya melalui skema subsidi yang ditanggani oleh lembaga JSJ. Meski dari sisi anggaran pemerintah Daerah Jembrana tidak mampu mengalokasikan dana dalam jumlah yang besar, mengingat APBD Jembrana tergolong terbatas/kecil, namun daya ungkit dari program ini terhadap pengentasan kemiskinan memberikan hasil yang cukup besar. Sebagaimana disebutkan oleh Todaro (2006), kesehatan merupakan inti dari kesejahteraan. Oleh karena itu, perhatian belanja demi peningkatan pelayanan di bidang kesehatan sangat diperlukan. Hal ini dikarenakan terdapat hubungan dua arah antara pertumbuhan ekonomi dengan status kesehatan. Tingkat kesehatan masyarakat yang baik akan memperbesar pendapatan melalui peningkatan produktivitas, sementara pertumbuhan ekonomi akan memperkuat pembentukan human capital serta perbaikan status kesehatan.

53


Boex,

dkk

(2006)

melihat

peran

penting

pendidikan

dalam

penanggulangan kemiskinan. Menurutnya, investasi di bidang pendidikan akan meningkatkan produktivitas yang pada gilirannya akan berpengaruh terhadap peningkatan pendapatan penduduk sehingga mampu mengangkat penduduk dari kemiskinan. Todaro (1994), mengutip pendapat Simmons, meyakini bahwa investasi di bidang pendidikan merupakan cara yang efektif untuk menanggulangi kemiskinan. Hal ini sejalan dengan beberapa studi yang menemukan return on investment untuk pendidikan dasar dan menengah yang tinggi pada kasus negara-negara di Sub Sahara sebagaimana dilaporkan oleh World Bank (2005). Mengingat sudah banyak program peningkatan kualitas pendidikan yang diinisiasi oleh pemerintah pusat melalui kementerian teknisnya, semisal Bantuan Operasional Sekolah (BOS), pemerintah daerah dapat merencanakan programprogram dibidang pendidikan yang belum tersentuh oleh kebijakan dari pemerintah pusat dan langsung menyasar kalangan penduduk miskin sehingga bersifat saling mengisi. Salah satu penghambat penduduk miskin untuk bersaing di pasar tenaga kerja adalah rendahnya tingkat pendidikan dan ketrampilan yang mereka miliki. Oleh karena itu, upaya-upaya untuk memperluas akses bagi penduduk miskin dalam usahanya untuk meningkatkan pengetahuan dan ketrampilan yang dibutuhkan oleh pasar tenaga kerja sangat diperlukan. Praktik yang diterapkan oleh Pemerintah Daerah Sragen dapat menjadi contoh dari pandangan yang diutarakan oleh Boex dkk serta Todaro dan Simmons. Di Sragen, Badan Pendidikan dan Pelatihan yang dimiliki pemerintah daerah, melalui Balai Latihan Kerja, memiliki tugas untuk mendidik masyarakat agar menjadi tenaga kerja yang berkualitas dan dapat menghasilkan produk yang memiliki nilai tambah (added value). Jenis pendidikan dan pelatihannya

54


difokuskan pada 27 jenis ketrampilan seperti garmen dan mebel berkualitas ekspor, komputer, otomotif, elektro, bahasa Inggris, salon dan lain-lain. Bagi para PNS yang memasuki usia jelang pensiun, disediakan pelatihan dengan berbagai ketrampilan wirausaha (entrepreunership). Contoh lain dari bentuk investasi di bidang pendidikan adalah kebijakan untuk membebaskan/mengratiskan biaya pendidikan bagi penduduk miskin seperti yang dilakukan oleh pemerintah daerah Jembrana. Dalam skema kebijakan di Jembrana, semua biaya pendidikan dari tingkat sekolah dasar (SD) hingga sekolah menengah umum (SMU) yang berstatus negeri dibebaskan. Sedang untuk sekolah yang berstatus swasta, pemerintah daerah memberikan subsidi untuk sebagian biaya yang harus ditanggung oleh siswa yang berasal dari kalangan penduduk miskin. Sebagaimana disebutkan sebelumnya, kemiskinan dapat didefinisikan sebagai kondisi dimana seseorang atau sekelompok orang, baik laki-laki mapun perempuan, tidak terpenuhi hak-hak dasarnya untuk mempertahankan dan mengembangkan kehidupan yang layak. Kegagalan pemenuhan hak-hak dasar ini dapat timbul dari berbagai persoalan kompleks yang terkait dengan berbagai dimensi seperti sosial, ekonomi, budaya, politik serta dimensi ruang dan waktu. Oleh karena itu, keterlibatan pemerintah dalam upaya memastikan terjadinya pemenuhan atas kebutuhan-kebutuhan dasar setiap penduduk melalui kebijakan dan program-program belanja dalam rangka menciptakan perlindungan sosial bagi masyarakat yang memiliki kerentanan terhadap kemiskinan sangat diperlukan. Dalam kaitan ini kebijakan pemerintah pusat melalui beberapa program perlindungan sosial perlu diperkuat dan diperluas cakupannya oleh pemerintah daerah. Contoh program perlindungan sosial yang perlu sokongan

55


oleh pemerintah daerah adalah Program Keluarga Harapan (PKH). PKH merupakan program perlindungan sosial melalui pemberian uang tunai kepada rumah tangga sangat miskin dimana sebagai imbalannya rumah tangga sangat miskin tersebut wajib untuk memeriksakan anggota keluarganya ke Puskesmas dan/atau menyekolahkan anaknya dengan tingkat kehadiran sesuai dengan ketentuannya. Di tingkat pusat, program ini dijalankan dengan melibatkan berbagai

kementerian/lembaga

seperti

Kementerian

Sosial,

Bappenas,

Kementerian Kesehatan, Kementerian Pendidikan Nasional, BPS, BRI dan yang lainnya. Program ini sangat bagus karena dalam jangka pendek memiliki income effect kepada rumah tangga miskin melalui pengurangan beban pengeluaran keluarga miskin. Dalam jangka panjang, PKH dapat menjadi pemutus rantai kemiskinan melalui peningkatan kualitas kesehatan, pendidikan dan kapasitas pendapatan anak di masa depan. Namun demikian, implementasi di lapangan banyak mengalami kendala yang salah satunya berasal dari kurangnya koordinasi antar instansi pendukung tersebut. Selain itu, masalah penentuan keluarga yang layak untuk dimasukkan dalam program ini memerlukan proses verifikasi yang tidak mudah. Berkenaan dengan hal tersebut, pemerintah daerah dapat mencontoh skema/mengambil pola PKH sebagai kebijakan daerah yang didukung oleh pendanaan dari APBD sehingga bisa menjadi alternatif upaya untuk mengatasi masalah kemiskinan di daerahnya. Dengan menjadikan PKH sebagai program lokal, mengacu kepada pertimbangan dari penerapan desentralisasi menurut perspektif

kepentingan

ekonomi menurut Litvack et al (1998) mestinya

permasalahan-permasalahan tersebut akan lebih dapat diatasi oleh pemerintah daerah karena memiliki informasi dan kontrol geografis yang lebih baik.

56


Indeks Kemiskinan menggambarkan persentase penduduk miskin yang berada di bawah Garis Kemiskinan. Artinya, semakin meningkat persentase penduduk miskin di suatu daerah menandakan semakin rendah tingkat kesejahteraan masyarakat di daerah tersebut. Oleh karenanya, diperlukan adanya kebijakan belanja daerah yang secara tepat mampu mendukung arah pencapaian tujuan penanggulangan kemiskinan. Hasil penelitian ini berbeda dengan temuan peneliti sebelumnya yang mengatakan bahwa belanja-belanja berkaitan dengan infrastruktur akan berperan dalam pengentasan kemiskinan. Temuan dari Binswanger, Khandker, dan Rozensweig (dalam Grimard, 2000) menyebutkan bahwa infrastruktur yang lebih baik akan meningkatkan keputusan investor sektor pertanian dan hasil (out put)pertanian petani di India. Selain itu, studi Lokshin dan Yemtsov (2003) pada kasus di Georgia menemukan bahwa infrastruktur jalan dan sekolah memiliki pengaruh yang cukup besar untuk menyejahterakan masyarakat miskin. Masih sejalan dengan itu, Grimard (2000) menyebutkan bahwa infrastruktur sanitasi bagi keluarga yang buruk akan menurunkan produktivitas keluarga sehingga mempengaruhi tingkat pendapatan keluarga. Untuk konteks Indonesia tanda positif dari koefisien belanja perumahan dan fasilitas umum, meski tidak serupa, memiliki persamaan dengan penelitian Usman, Sinaga dan Siregar (2006) yang menyatakan bahwa keberadaan irigasi pertanian (pada periode pengamatan 1999 dan 2002) di Indonesia justru menambah kemiskinan. Secara teori, mestinya irigasi merupakan kontributor penting untuk menurunkan kemiskinan melalui peningkatan produktivitas pertanian yang dapat menurunkan kemiskinan di pedesaan maupun melalui efesiensi produksi pertanian yang akan berdampak terhadap harga out put pertanian sehingga lebih dapat dijangkau oleh kelompok

57


masyarakat miskin di perkotaan sehingga menekan tingkat pengeluaran mereka untuk konsumsi. Namun, kualitas yang buruk dari irigasi pertanian yang ada di Indonesia pada periode pengamatan tersebut disinyalir menjadi penyebab temuan mengapa keberadaan irigasi justri menjadi kemiskinan dalam studi Usman, Sinaga dan Siregar tersebut. Dalam penelitian ini, buruknya kondisi berkenaan dengan penyediaan perumahan dan fasilitas umum oleh pemerintah kabupaten/kota di Jawa-Bali disinyalir menjadi penyebab mengapa hasil penelitian ini menyebutkan bahwa belanja fungsi perumahan dan fasilitas sosial justru akan meningkatkan kemiskinan di Jawa-Bali. Hasil penelitian ini memberikan penegasan terhadap temuan Sepulveda (2010) yang menyebutkan bahwa belanja-belanja pemerintah di bidang kesehatan dasar dan pendidikan dasar memiliki pengaruh terhadap orang miskin sehingga dipandang sebagai pengeluaran yang memihak penduduk miskin. Demikian pula dengan penelitian terdahulu sebagaimana dilakukan oleh Yao (2007). Selain itu, untuk kasus lokal hasil penelitian ini sejalan dengan penelitian Jasmina (2001), Usman, Sinaga dan Siregar (2006), Hendra (2010) serta Wahyudi

(2011).

Wahyudi

dengan

menggunakan

studi

kasus

pada

Kabupaten/Kota di Provinsi Jawa Tengah menemukan bahwa belanja di bidang kesehatan mampu menurunkan indeks kemiskinan sebesar 0,067%. Sementara belanja pendidikan mampu menurunkan indeks kemiskinan sebesar 0,304%. Penelitian

Hendra

(2010)

tentang

Determinan

Kemiskinan

Absolut

di

Kabupaten/Kota Propinsi Sumatera Utara untuk periode pengamatan tahun 2005-2007 memberikan penegasan bahwa variabel angka melek huruf dan usia harapan hidup, disamping variabel pengeluaran per kapita untuk makanan, terbukti mengurangi Indeks Kemiskinan, Indeks Kedalaman Kemiskinan maupun

58


Indeks Keparahan Kemiskinan.

Variabel angka melek huruf berhubungan

dengan belanja di bidang pendidikan, sementara variabel usia harapan hidup berhubungan dengan belanja di bidang kesehatan.

59

BAB V PENUTUP

A. Simpulan Kemiskinan, dalam skala nasional maupun regional, selalu merupakan permasalahan mendasar yang dihadapi setiap pemerintahan. Karenanya setiap upaya penanggulangan kemiskinan tidak hanya menjadi tanggung jawab pemerintah pusat namun juga melibatkan keseriusan dari pemerintah daerah. Oleh karenanya, upaya-upaya pemerintah daerah dalam menanggulangi kemiskinan perlu dievaluasi secara terus menerus. Hasil uji F dalam penelitian ini menunjukkan bahwa secara simultan belanja-belanja untuk fungsi Ekonomi, Perumahan dan Fasilitas Umum, Kesehatan, Pendidikan dan Perlindungan Sosial

berpengaruh

secara

signifikan

terhadap

Indeks

Kemiskinan

kabupaten/kota di Pulau Jawa-Bali. Nilai negatif koefisien belanja-belanja untuk fungsi Ekonomi,

fungsi

Kesehatan, fungsi Pendidikan, dan fungsi Perlindungan Sosial menunjukkan bahwa secara bersama-sama keempat variabel belanja tersebut terbukti secara signifikan mampu menurunkan Indeks Kemiskinan pada kabupaten/kota di JawaBali. Sedangkan nilai positif koefisien belanja menurut belanja fungsi perumahan dan fasilitas sosial menunjukkan bahwa belanja fungsi ini tidak berpengaruh untuk menurunkan Indeks Kemiskinan. Hasil akhir persamaan yang terbentuk dalam penelitian ini untuk setiap kenaikan belanja per kapita sebesar satu juta Rupiah akan menghasilkan penurunan Indeks Kemiskinan yang berbeda-beda. Dalam hal ini, kenaikan Belanja Pendidikan sebesar satu juta per kapita akan menghasilkan penurunan

BAB V PENUTUP

Indeks kemiskinan terbesar yaitu 10,74%. Berturut-turut penurunan terbesar Indeks Kemiskinan sebagai efek dari kenaikan belanja satu juta Rupiah per kapita disumbangkan oleh Belanja Perlindungan Sosial sebesar 4,8%, Belanja Ekonomi sebesar 2,78% dan terakhir oleh Belanja Kesehatan sebesar 2,40%. Pengecualian atas hasil tersebut terjadi pada belanja fungsi Perumahan dan Fasilitas Umum yang memiliki tanda positif. Pada kasus ini, setiap kenaikan satu juta rupiah per kapita untuk belanja fungsi Perumahan dan Fasilitas Umum akan menghasilkan peningkatan Indeks Kemiskinan sebesar 3,78%.

B. Keterbatasan Penelitian Beberapa keterbatasan dalam penelitian ini yang harus diperhatikan dan diperbaiki untuk penelitian selanjutnya adalah sebagai berikut: 1.

Klasifikasi belanja menurut fungsi yang digunakan dalam penelitian ini adalah klasifikasi menurut fungsi sesuai Permendagri 13 Tahun 2006 diterbitkanyaitu mulai tahun 2007. Karena tidak terdapat dprosedur untuk mengkonversi klasifikasi belanja sebelumnya data belanja daerah sebelum tahun

2007

tidak

dapat digunakan. Hal ini menyebabkan

periode

pengamatan dalam penelitian ini relatif pendek untuk melihat pengaruh perilaku belanja terhadap pengentasan kemiskinan. 2.

Dalam penelitian ini tidak menggunakan data lag yang memadai padahal belanja pemerintah memerlukan waktu untuk dapat memberikan pengaruh pada pengentasan kemiskinan secara maksimal, sehingga perlu waktu pengamatan yang lebih panjang untuk dapat mengambil kesimpulan yang tepat.

Pada

penelitian

selanjutnya

perlu

memperpanjang

periode

pengamatan supaya dapat diperoleh periode lag yang tepat.

61


3.

Untuk mengatasi masalah lag tersebut di atas dapat digunakan ukuran proxy tingkat kemiskinan dengan menggunakan indeks pembangunan manusia (IPM) yang lebih “dekat” pengaruhnya dengan belanja daerah per fungsi, namun angka IPM yang tersedia di BPS adalah IPM per provinsi sehingga jika dikaitkan dengan perilaku belanja per kabupaten/kota dipandang kurang tepat. Untuk memperoleh data IPM per kabupaten/kota memerlukan sumber daya yang lebih banyak dari pada yang disediakan untuk penelitian ini.

4.

Outcome (hasil) besaran belanja pemerintah daerah dipengaruhi oleh faktor lain yang tidak digunakan dalam penelitian ini misalnya hasil belanja fungsi pendidikan akan dipengaruhi oleh jumlah sekolah, jumlah penduduk usia sekolah, kualitas pendidikan daerah dan lain-lain yang dapat menjadi variabel pengendali (control variable) yang dalam penelitian ini tidak digunakan, sehingga hasil penelitian ini mungkin dipengaruhi oleh variabelvariabel pengendali tersebut.

62

DAFTAR PUSTAKA Abimanyu, Anggito & Andi Megantara, Editor. 2009. Era Baru Kebijakan Fiskal: Pemikiran, Konsep dan Implementasi. Kompas. Jakarta. Adi, Priyo Hari. 2005, Dampak Desentralisasi Fiskal Terhadap Pertumbuhan Ekonomi. Jurnal Interdispliner Kritis (terakreditasi). UKSW. Alisjahbana, Armida S. 2000. Desentralisasi Fiskal Dalam Perspektif Jawa Barat. FE Universitas Padjajaran. Badan Pendidikan dan Pelatihan Keuangan (BPPK) Pengantar Keuangan Publik. LPKPAP Press. Jakarta.

Depkeu.

2006.

Bappenas. 1993. Panduan Program Inpres Desa Tertinggal. Jakarta. Baltagi, B.H. 2005. Econometric Analysis of Data Panel. England: John Wiley & Sons Budiarto, Bambang. 2007. Pengukuran Keberhasilan Pengelolaan Keuangan Daerah. Seminar Ekonomi Daerah. Surabaya. Boex, Jameson et all. 2006. Fighting Poverty Through Fiscal Desentralization. Cooper dan Emory. 1997. Metode Penelitian Bisnis. Erlangga. Jakarta. Departemen Keuangan Republik Indonesia. Corrected. Tidak dipublikasikan.

2003.

White

Paper

.2008. Pelengkap Buku Pegangan: Penyelenggaraan Pemerintahan dan Pembangunan Daerah. Elmi, Bachrul. 2002. Studi Peningkatan Ekonomi dan Keuangan Kabupaten Lampung Utara. Kajian Ekonomi dan Keuangan. Vol. 7 Nomor 1 Tahun 2003. Gruber, Jonathan. 2007. Public Finance and Public Policy. Second Edition. Worth Publiser, New york. Haris, Syamsuddin. Editor. 2007. Desentralisasi dan Otonomi Daerah: Desentralisasi, Demokratisasi, dan Akuntabilitas Pemerintah Daerah. Jakarta. LIPI Press. Halim, Abdul. 2001. Manajemen Keuangan Daerah. Penerbit UPP Akademi Manajemen Perusahaan YKPN. Yogyakarta. Hendra, Roy. 2010. Determinan Kemiskinan Absolut di Kabupaten/Kota di Propinsi Sumatera Utara Tahun 2005-2007. Tesis tidak dipublikasikan. Universitas Indonesia. Jakarta.

63


Hyman, David N. 2002. Public Finance: A Contemporary Application of Theory to Policy. Seven Edition. United States: South-Western, Thompson Learning. Kuncoro, Mudrajad. 2004. Otonomi dan Pembangunan Daerah: Reformasi, Perencanaan, Strategi dan Peluang. Jakarta. Penerbit Erlangga. Makmun. 2003. Gambaran Kemiskinan dan Action Plan Penangganannya. Kajian Ekonomi dan Keuangan. Vol. 7 Nomor 2 Juni 2003. Mankiw, Gregory. 2003. Macroeconomics. 5th Edition. Worth Publishers. New York. Mardiasmo. 2004a. Akuntansi Sektor Publik. Andi. Yogyakarta. . 2004b. Otononomi dan Manajemen Keuangan Daerah. Andi. Yogyakarta. Parikesit, Danang dkk. 2007. Kajian Aspek Kemasyarakatan di Dalam Pengembangan Infrastruktur di Indonesia. Jakarta: Direktorat Riset dan Pengabdian Masyarakat Universitas Indonesia. Prachmasetiawan, Fayota. 2006. Pergerakan Pembentukan Modal Tetap Bruto Sektoral di Indonesia serta Variabel-Variabel Ekonomi Makro yang Mempengaruhinya. [skripsi]. Jakarta: Sekolah Tinggi Ilmu Statistik. Riduan. 2004. Metode dan Teknik Menyusun Tesis. Bandung. Alfabeta. Republik Indonesia. 2006. Buku Pegangan: Pemerintahan dan Pembangunan Daerah. .

Penyelenggaraan

UU Republik Indonesia Nomor 17 Tahun 2003 tentang Keuangan Negara.

. UU Republik Indonesia Nomor 32 Tahun 2004 tentang Pemerintah Daerah. Revisi Pertama atas UU Republik Indonesia Nomor 22 Tahun 1999. . UU Republik Indonesia Nomor 33 Tahun 2004 tentang Perimbangan Keuangan Pusat dan Daerah. Revisi Pertama atas UU Republik Indonesia Nomor 25 Tahun 1999. ___. Nota Keuangan dan Rancangan Anggaran Pendapatan dan Belanja Negara Tahun Anggaran 2012. Rossen, Harvey. 2005. Public Finance. Sixth Edition. McGraw-Hill. New York. Scick, Allen. 1998. Contemporary Approach to Public Expenditure Management. World Bank Institute. Sidik, Machfud, B. Raksaka Mahi, Robert Simanjuntak, & Bambang

64

DAFTAR PUSTAKA

Brodjonegoro.2002. Dana Alokasi Umum: Konsep, Hambatan, dan Prospek di Era Otonomi Daerah. Jakarta. Penerbit Kompas. Singgih, Riphat & Heru Subiyantoro, Editor. 2003. Kebijakan Fiskal: Pemikiran, Konsep dan Implementasi. Kompas. Jakarta. Sepulveda, Cristian F. 2010. The Consequences of Fiscal Decentralization on Poverty and Inequality. George State University. Ter-Minassian, Teresa. 1997. Fiscal Federalism in Theory and Practice. International Monetary Fund. Washington D.C. Ulbrich, Holley. 2003. Public Finance in Theory and Practice. United States: South-Western. Thompson Learning. Usman, Bonar M. Sinaga, dan Herman Siregar. 2007. Analisis Determinan Kemiskinan Sebelum dan Sesudah Desentralisasi Fiskal. Fakultas Ekonomi Universitas Indonesia dan Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor. Wahyudi. 2011. Pengaruh Alokasi Belanja Daerah Untuk Urusan Pendidikan, Kesehatan dan Pekerjaan Umum Terhadap Penanggulangan Kemiskinan (Studi Kasus Kabupaten/Kota di Provinsi Jawa Tengah 2007-2009. Tesis tidak dipublikasikan. Universitas Indonesia. Jakarta. Widarjono, Agus. 2005. Ekonometrika: Teori dan Aplikasi untuk Ekonomi dan Bisnis. Yogyakarta: Ekonosia Fakultas Ekonomi UI. Winarno, Wing Wahyu. 2007. Analisis Ekonometrika dan Statistika dengan Eviews. UPP STIM YKPN. Yogyakarta. Wulandari. 2009. Identifikasi Lokasi Pemusatan Ekonomi Dan Faktor-Faktor Yang Mempengaruhi Kemakmuran Provinsi Riau Tahun 1995-2007. [skripsi]. Jakarta: Sekolah Tinggi Ilmu Statistik. World Bank, 2001. World Development Report 2000/2001: Attacking Poverty. Yao, Guevera Assamoi. 2007. Fiscal Decentralization on Poverty Reduction outcomes: Theory and Evidence. George State University. Yustika, Achmad Erani. Editor. 2008. Desentralisasi Ekonomi di Indonesia: Kajian Teoritis dan Realitas Empiris. Banyumedia. Malang.

65


Lampiran1: Hasil Uji Multikolinieritas Regression Analysis: IMIS versus EKO; RMH; SHT; DIDIK; PERSOS The regression equation is IMIS = 16.9 - 4.9 EKO - 13.0 RMH - 2.86 SHT + 2.73 DIDIK - 93.4 PERSOS Predictor Constant EKO RMH SHT DIDIK PERSOS

Coef 16.9196 -4.85 -12.995 -2.863 2.730 -93.35

S = 6.23771

SE Coef 0.8802 14.39 3.634 5.140 3.122 43.13

R-Sq = 13.5%

T 19.22 -0.34 -3.58 -0.56 0.87 -2.16

P 0.000 0.736 0.000 0.578 0.382 0.031

VIF 3.9 1.4 3.0 2.6 3.1

R-Sq(adj) = 12.2%

Analysis of Variance Source Regression Residual Error Total Source EKO RMH SHT DIDIK PERSOS

66

DF 1 1 1 1 1

DF 5 336 341

Seq SS 1197.25 530.03 85.13 45.38 182.30

SS 2040.10 13073.45 15113.55

MS 408.02 38.91

F 10.49

P 0.000

Lampiran2: Pengujian Pemilihan Metode Data Panel Secara ringkas step-stepnya Panel Data (Statis) adalah sebagai berikut: 1. Estimasi dengan Fixed Efect. 2. Uji Chow-test (Pool Vs Fixed efek). (a). Jika Ho diterima, maka model pool (common). (selesai sampai disini). (b). Jika Ho ditolak, maka model Fixed efek. (teruskan step 3) 3. Estimasi dengan Random Efek. 4. Uji Hausman (random Vs Fixed). (a). Jika Ho: diterima, maka model random efek (selesai sampai disini). (b). Jika Ho: ditolak, maka model fixed efek (lanjutkan step 5) 5. Uji LM test :adanya herosedastisity antar kelompok individu (crossection). Ho: Homosedastik H1: Heterosedastik (a) Jika Ho diterima, maka model homosedastik (selesai) (b) Jika Ho ditolak, maka model heterosedastik. Solusi: dg Crossection Weight (dan lanjutkan step 6) 6. Uji LR test: adanya heterosedastik dan otokorelasi antar kelompok individu (crossection). Ho: Struktur heterosedastik Ho: struktur SUR (a). Jika Ho diterima, maka model herosedastik. Solusi: dg Crossection Weigth (sama dg 5.b) (b). Jika Ho ditolak, maka model SUR. Solusi: dg Crossection SUR. ESTIMASI MODEL Melakukan taksiran model OLS Dependent Variable: IMIS? Method: Pooled Least Squares Date: 11/13/12 Time: 07:31 Sample: 2008 2010 Included observations: 3 Cross-sections included: 114 Total pool (balanced) observations: 342 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C EKO?

16.91958 -4.852478

0.880211 14.39371

19.22218 -0.337125

0.0000 0.7362

67


RMH? SHT? DIDIK? PERSOS? R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

-12.99512 -2.862901 2.730324 -93.35143 0.134985 0.122112 6.237714 13073.45 -1108.320 10.48649 0.000000

3.634408 5.139712 3.122191 43.12728

-3.575580 -0.557016 0.874490 -2.164556

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.0004 0.5779 0.3825 0.0311 14.38212 6.657421 6.516493 6.583770 6.543294 0.101833

Menaksir model dengan metode fixed effect (FE) Dependent Variable: IMIS? Method: Pooled Least Squares Date: 11/13/12 Time: 07:32 Sample: 2008 2010 Included observations: 3 Cross-sections included: 114 Total pool (balanced) observations: 342 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C EKO? RMH? SHT? DIDIK? PERSOS?

19.04012 -8.589492 3.517077 -3.236671 -9.909529 -4.789693

0.649877 6.054306 1.357931 2.474580 1.561890 13.81478

29.29805 -1.418741 2.590026 -1.307968 -6.344577 -0.346708

0.0000 0.1574 0.0102 0.1922 0.0000 0.7291

Langkah selanjutnya adalah membandingkan apakah menggunakan model OLS atau Fixed Effect (FE) dengan UJI CHOW Redundant Fixed Effects Tests Pool: PANEL Test cross-section fixed effects Effects Test Cross-section F Cross-section Chi-square

Statistic 72.162320 1240.131057

d.f.

Prob.

(113,223) 113

0.0000 0.0000

Karena p-value cross section Chi-Square 0,0000< 0,05 atau nilai probability (pvalue) F Test 0,0000< 0,05, kita menolak Ho, yang artinya model adalah model Fixed Effect Langkah selanjutnya adalah memperkirakan atau menentukan model random effect Dependent Variable: IMIS? Method: Pooled EGLS (Cross-section random effects)

68

LAMPIRAN 2

Date: 11/13/12 Time: 07:35 Sample: 2008 2010 Included observations: 3 Cross-sections included: 114 Total pool (balanced) observations: 342 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

Prob.

C EKO? RMH? SHT? DIDIK? PERSOS?

18.88894 -8.895801 2.731358 -3.687047 -8.917587 -9.763659

0.812404 5.803371 1.325215 2.373545 1.496995 13.50827

23.25066 -1.532868 2.061067 -1.553392 -5.956992 -0.722791

0.0000 0.1262 0.0401 0.1213 0.0000 0.4703

Kemudian, kita bandingkan antara model fixed effect dan model random effect Correlated Random Effects - Hausman Test Pool: PANEL Test cross-section random effects Test Summary Cross-section random

Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

18.456596

5

0.0024

Oleh karena p-value cross-section random 0,0024 < 0,05, dengan demikian kita menolakHo yang artinya model adalah model regresi fixed effect. Dari pengujian asumsi klasik diketahui struktur var-cov residual bersifat heteroskedastik dan struktur var-cov residual mengandung cross sectional correlation. Tetapi dikarenakan kondisi data yaitu jumlah cross section lebih besar daripada time series, maka pengujian tersebut tidak dapat dilakukan. Sehingga model akhir yang digunakan adalah fixed effect dengan struktur varcov residual bersifat heteroskedastik.

69


Lampiran 3: Output Model Persamaan Indeks Kemiskinan Dependent Variable: IMIS? Method: Pooled EGLS (Cross-section weights) Date: 11/13/12 Time: 07:46 Sample: 2008 2010 Included observations: 3 Cross-sections included: 114 Total pool (balanced) observations: 342 Linear estimation after one-step weighting matrix Variable

Coefficient

Std. Error

t-Statistic

Prob.

C EKO? RMH? SHT? DIDIK? PERSOS? Fixed Effects (Cross)

18.80903 -2.781660 3.784312 -2.396380 -10.74195 -4.868272

0.332551 3.420817 0.754323 1.492213 0.736090 7.148972

56.55984 -0.813157 5.016835 -1.605924 -14.59325 -0.680975

0.0000 0.4170 0.0000 0.1097 0.0000 0.4966

_1--C _2--C _3--C _4--C _5--C _6--C _7--C _8--C _9--C _10--C _11--C _12--C _13--C _14--C _15--C _16--C _17--C _18--C _19--C _20--C _21--C _22--C _23--C _24--C _25--C _26--C _27--C _28--C _29--C _30--C _31--C _32--C _33--C _34--C _35--C _36--C

-6.881118 -11.04535 -6.095432 -3.149083 -1.319457 2.307622 0.220549 2.025903 -3.579830 1.731588 2.592994 -3.759145 -1.437990 -4.200491 -0.554681 -10.64981 -10.38761 -7.118916 1.016082 -14.46618 -3.827791 9.264457 -7.586834 -4.934361 7.111720 6.136646 1.837125 3.579538 2.011679 8.583348 4.160414 3.940627 2.873139 -5.105088 1.067862 10.87209

70

_37--C _38--C _39--C _40--C _41--C _42--C _43--C _44--C _45--C _46--C _47--C _48--C _49--C _50--C _51--C _52--C _53--C _54--C _55--C _56--C _57--C _58--C _59--C _60--C _61--C _62--C _63--C _64--C _65--C _66--C _67--C _68--C _69--C _70--C _71--C _72--C

1.376465 6.295254 -3.342619 0.445729 2.900138 6.214116 10.84997 4.340835 11.64770 -3.895531 5.575193 -2.302520 -1.405345 0.234895 4.911145 10.61368 3.379959 -3.533466 -3.604440 -9.832318 2.698263 -1.163238 2.969026 11.50952 14.36126 -3.378191 -1.054322 14.83267 -4.517620 -1.260129 5.569581 5.215595 2.790905 -0.932380 -0.714109 1.179993

LAMPIRAN 3

_73--C _74--C _75--C _76--C _77--C _78--C _79--C _80--C _81--C _82--C _83--C _84--C _85--C _86--C _87--C _88--C _89--C _90--C _91--C _92--C _93--C

5.269509 0.546543 2.881656 1.447483 -2.627021 -1.796824 2.809448 4.798247 6.302161 9.588946 -0.469456 11.73073 17.22619 -8.471875 2.074969 11.59417 4.443775 7.446538 -3.337012 -1.426743 1.047585

_94--C _95--C _96--C _97--C _98--C _99--C _100--C _101--C _102--C _103--C _104--C _105--C _106--C _107--C _108--C _109--C _110--C _111--C _112--C _113--C _114--C

-3.147589 -9.231568 -1.064840 -1.908091 8.471449 -8.968306 -10.32138 -10.17247 -5.620906 -5.474484 -5.668927 -6.467851 -0.699329 -5.854903 -12.41120 -4.944548 -3.361927 -9.563723 -10.11772 -9.535758 -9.224837

Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.991664 0.987253 1.235928 224.8248 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

22.11101 20.59712 340.6367 2.294615

Unweighted Statistics R-squared Sum squared resid

0.976834 350.1209

Mean dependent var Durbin-Watson stat

14.38212 1.957875

Model Regresi Secara Khusus (Masing-Masing Kabupaten/Kota) Estimation Command: ===================== LS(CX=F,WGT=CXDIAG) IMIS? C EKO? RMH? SHT? DIDIK? PERSOS? Estimation Equations: ===================== IMIS_1 = C(7) + C(1) + C(2)*EKO_1 + C(3)*RMH_1 + C(4)*SHT_1 + C(5)*DIDIK_1 + C(6)*PERSOS_1 IMIS_2 = C(8) + C(1) + C(2)*EKO_2 + C(3)*RMH_2 + C(4)*SHT_2 + C(5)*DIDIK_2 + C(6)*PERSOS_2 IMIS_3 = C(9) + C(1) + C(2)*EKO_3 + C(3)*RMH_3 + C(4)*SHT_3 + C(5)*DIDIK_3 + C(6)*PERSOS_3

71


IMIS_4 = C(10) + C(1) + C(2)*EKO_4 + C(3)*RMH_4 + C(4)*SHT_4 + C(5)*DIDIK_4 + C(6)*PERSOS_4 IMIS_5 = C(11) + C(1) + C(2)*EKO_5 + C(3)*RMH_5 + C(4)*SHT_5 + C(5)*DIDIK_5 + C(6)*PERSOS_5 IMIS_6 = C(12) + C(1) + C(2)*EKO_6 + C(3)*RMH_6 + C(4)*SHT_6 + C(5)*DIDIK_6 + C(6)*PERSOS_6 IMIS_7 = C(13) + C(1) + C(2)*EKO_7 + C(3)*RMH_7 + C(4)*SHT_7 + C(5)*DIDIK_7 + C(6)*PERSOS_7 IMIS_8 = C(14) + C(1) + C(2)*EKO_8 + C(3)*RMH_8 + C(4)*SHT_8 + C(5)*DIDIK_8 + C(6)*PERSOS_8 IMIS_9 = C(15) + C(1) + C(2)*EKO_9 + C(3)*RMH_9 + C(4)*SHT_9 + C(5)*DIDIK_9 + C(6)*PERSOS_9 IMIS_10 = C(16) + C(1) + C(2)*EKO_10 + C(3)*RMH_10 + C(4)*SHT_10 + C(5)*DIDIK_10 + C(6)*PERSOS_10 IMIS_11 = C(17) + C(1) + C(2)*EKO_11 + C(3)*RMH_11 + C(4)*SHT_11 + C(5)*DIDIK_11 + C(6)*PERSOS_11 IMIS_12 = C(18) + C(1) + C(2)*EKO_12 + C(3)*RMH_12 + C(4)*SHT_12 + C(5)*DIDIK_12 + C(6)*PERSOS_12 IMIS_13 = C(19) + C(1) + C(2)*EKO_13 + C(3)*RMH_13 + C(4)*SHT_13 + C(5)*DIDIK_13 + C(6)*PERSOS_13 IMIS_14 = C(20) + C(1) + C(2)*EKO_14 + C(3)*RMH_14 + C(4)*SHT_14 + C(5)*DIDIK_14 + C(6)*PERSOS_14 IMIS_15 = C(21) + C(1) + C(2)*EKO_15 + C(3)*RMH_15 + C(4)*SHT_15 + C(5)*DIDIK_15 + C(6)*PERSOS_15 IMIS_16 = C(22) + C(1) + C(2)*EKO_16 + C(3)*RMH_16 + C(4)*SHT_16 + C(5)*DIDIK_16 + C(6)*PERSOS_16 IMIS_17 = C(23) + C(1) + C(2)*EKO_17 + C(3)*RMH_17 + C(4)*SHT_17 + C(5)*DIDIK_17 + C(6)*PERSOS_17 IMIS_18 = C(24) + C(1) + C(2)*EKO_18 + C(3)*RMH_18 + C(4)*SHT_18 + C(5)*DIDIK_18 + C(6)*PERSOS_18 IMIS_19 = C(25) + C(1) + C(2)*EKO_19 + C(3)*RMH_19 + C(4)*SHT_19 + C(5)*DIDIK_19 + C(6)*PERSOS_19 IMIS_20 = C(26) + C(1) + C(2)*EKO_20 + C(3)*RMH_20 + C(4)*SHT_20 + C(5)*DIDIK_20 + C(6)*PERSOS_20 IMIS_21 = C(27) + C(1) + C(2)*EKO_21 + C(3)*RMH_21 + C(4)*SHT_21 + C(5)*DIDIK_21 + C(6)*PERSOS_21 IMIS_22 = C(28) + C(1) + C(2)*EKO_22 + C(3)*RMH_22 + C(4)*SHT_22 + C(5)*DIDIK_22 + C(6)*PERSOS_22 IMIS_23 = C(29) + C(1) + C(2)*EKO_23 + C(3)*RMH_23 + C(4)*SHT_23 + C(5)*DIDIK_23 + C(6)*PERSOS_23 IMIS_24 = C(30) + C(1) + C(2)*EKO_24 + C(3)*RMH_24 + C(4)*SHT_24 + C(5)*DIDIK_24 + C(6)*PERSOS_24

72

LAMPIRAN 3

IMIS_25 = C(31) + C(1) + C(2)*EKO_25 + C(3)*RMH_25 + C(4)*SHT_25 + C(5)*DIDIK_25 + C(6)*PERSOS_25 IMIS_26 = C(32) + C(1) + C(2)*EKO_26 + C(3)*RMH_26 + C(4)*SHT_26 + C(5)*DIDIK_26 + C(6)*PERSOS_26 IMIS_27 = C(33) + C(1) + C(2)*EKO_27 + C(3)*RMH_27 + C(4)*SHT_27 + C(5)*DIDIK_27 + C(6)*PERSOS_27 IMIS_28 = C(34) + C(1) + C(2)*EKO_28 + C(3)*RMH_28 + C(4)*SHT_28 + C(5)*DIDIK_28 + C(6)*PERSOS_28 IMIS_29 = C(35) + C(1) + C(2)*EKO_29 + C(3)*RMH_29 + C(4)*SHT_29 + C(5)*DIDIK_29 + C(6)*PERSOS_29 IMIS_30 = C(36) + C(1) + C(2)*EKO_30 + C(3)*RMH_30 + C(4)*SHT_30 + C(5)*DIDIK_30 + C(6)*PERSOS_30 IMIS_31 = C(37) + C(1) + C(2)*EKO_31 + C(3)*RMH_31 + C(4)*SHT_31 + C(5)*DIDIK_31 + C(6)*PERSOS_31 IMIS_32 = C(38) + C(1) + C(2)*EKO_32 + C(3)*RMH_32 + C(4)*SHT_32 + C(5)*DIDIK_32 + C(6)*PERSOS_32 IMIS_33 = C(39) + C(1) + C(2)*EKO_33 + C(3)*RMH_33 + C(4)*SHT_33 + C(5)*DIDIK_33 + C(6)*PERSOS_33 IMIS_34 = C(40) + C(1) + C(2)*EKO_34 + C(3)*RMH_34 + C(4)*SHT_34 + C(5)*DIDIK_34 + C(6)*PERSOS_34 IMIS_35 = C(41) + C(1) + C(2)*EKO_35 + C(3)*RMH_35 + C(4)*SHT_35 + C(5)*DIDIK_35 + C(6)*PERSOS_35 IMIS_36 = C(42) + C(1) + C(2)*EKO_36 + C(3)*RMH_36 + C(4)*SHT_36 + C(5)*DIDIK_36 + C(6)*PERSOS_36 IMIS_37 = C(43) + C(1) + C(2)*EKO_37 + C(3)*RMH_37 + C(4)*SHT_37 + C(5)*DIDIK_37 + C(6)*PERSOS_37 IMIS_38 = C(44) + C(1) + C(2)*EKO_38 + C(3)*RMH_38 + C(4)*SHT_38 + C(5)*DIDIK_38 + C(6)*PERSOS_38 IMIS_39 = C(45) + C(1) + C(2)*EKO_39 + C(3)*RMH_39 + C(4)*SHT_39 + C(5)*DIDIK_39 + C(6)*PERSOS_39 IMIS_40 = C(46) + C(1) + C(2)*EKO_40 + C(3)*RMH_40 + C(4)*SHT_40 + C(5)*DIDIK_40 + C(6)*PERSOS_40 IMIS_41 = C(47) + C(1) + C(2)*EKO_41 + C(3)*RMH_41 + C(4)*SHT_41 + C(5)*DIDIK_41 + C(6)*PERSOS_41 IMIS_42 = C(48) + C(1) + C(2)*EKO_42 + C(3)*RMH_42 + C(4)*SHT_42 + C(5)*DIDIK_42 + C(6)*PERSOS_42 IMIS_43 = C(49) + C(1) + C(2)*EKO_43 + C(3)*RMH_43 + C(4)*SHT_43 + C(5)*DIDIK_43 + C(6)*PERSOS_43 IMIS_44 = C(50) + C(1) + C(2)*EKO_44 + C(3)*RMH_44 + C(4)*SHT_44 + C(5)*DIDIK_44 + C(6)*PERSOS_44

73



74

LAMPIRAN 3

IMIS_66 = C(72) + C(1) + C(2)*EKO_66 + C(3)*RMH_66 + C(4)*SHT_66 + C(5)*DIDIK_66 + C(6)*PERSOS_66 IMIS_67 = C(73) + C(1) + C(2)*EKO_67 + C(3)*RMH_67 + C(4)*SHT_67 + C(5)*DIDIK_67 + C(6)*PERSOS_67 IMIS_68 = C(74) + C(1) + C(2)*EKO_68 + C(3)*RMH_68 + C(4)*SHT_68 + C(5)*DIDIK_68 + C(6)*PERSOS_68 IMIS_69 = C(75) + C(1) + C(2)*EKO_69 + C(3)*RMH_69 + C(4)*SHT_69 + C(5)*DIDIK_69 + C(6)*PERSOS_69 IMIS_70 = C(76) + C(1) + C(2)*EKO_70 + C(3)*RMH_70 + C(4)*SHT_70 + C(5)*DIDIK_70 + C(6)*PERSOS_70 IMIS_71 = C(77) + C(1) + C(2)*EKO_71 + C(3)*RMH_71 + C(4)*SHT_71 + C(5)*DIDIK_71 + C(6)*PERSOS_71 IMIS_72 = C(78) + C(1) + C(2)*EKO_72 + C(3)*RMH_72 + C(4)*SHT_72 + C(5)*DIDIK_72 + C(6)*PERSOS_72 IMIS_73 = C(79) + C(1) + C(2)*EKO_73 + C(3)*RMH_73 + C(4)*SHT_73 + C(5)*DIDIK_73 + C(6)*PERSOS_73 IMIS_74 = C(80) + C(1) + C(2)*EKO_74 + C(3)*RMH_74 + C(4)*SHT_74 + C(5)*DIDIK_74 + C(6)*PERSOS_74 IMIS_75 = C(81) + C(1) + C(2)*EKO_75 + C(3)*RMH_75 + C(4)*SHT_75 + C(5)*DIDIK_75 + C(6)*PERSOS_75 IMIS_76 = C(82) + C(1) + C(2)*EKO_76 + C(3)*RMH_76 + C(4)*SHT_76 + C(5)*DIDIK_76 + C(6)*PERSOS_76 IMIS_77 = C(83) + C(1) + C(2)*EKO_77 + C(3)*RMH_77 + C(4)*SHT_77 + C(5)*DIDIK_77 + C(6)*PERSOS_77 IMIS_78 = C(84) + C(1) + C(2)*EKO_78 + C(3)*RMH_78 + C(4)*SHT_78 + C(5)*DIDIK_78 + C(6)*PERSOS_78 IMIS_79 = C(85) + C(1) + C(2)*EKO_79 + C(3)*RMH_79 + C(4)*SHT_79 + C(5)*DIDIK_79 + C(6)*PERSOS_79 IMIS_80 = C(86) + C(1) + C(2)*EKO_80 + C(3)*RMH_80 + C(4)*SHT_80 + C(5)*DIDIK_80 + C(6)*PERSOS_80 IMIS_81 = C(87) + C(1) + C(2)*EKO_81 + C(3)*RMH_81 + C(4)*SHT_81 + C(5)*DIDIK_81 + C(6)*PERSOS_81 IMIS_82 = C(88) + C(1) + C(2)*EKO_82 + C(3)*RMH_82 + C(4)*SHT_82 + C(5)*DIDIK_82 + C(6)*PERSOS_82 IMIS_83 = C(89) + C(1) + C(2)*EKO_83 + C(3)*RMH_83 + C(4)*SHT_83 + C(5)*DIDIK_83 + C(6)*PERSOS_83 IMIS_84 = C(90) + C(1) + C(2)*EKO_84 + C(3)*RMH_84 + C(4)*SHT_84 + C(5)*DIDIK_84 + C(6)*PERSOS_84 IMIS_85 = C(91) + C(1) + C(2)*EKO_85 + C(3)*RMH_85 + C(4)*SHT_85 + C(5)*DIDIK_85 + C(6)*PERSOS_85

75



76

LAMPIRAN 3

IMIS_107 = C(113) + C(1) + C(2)*EKO_107 + C(3)*RMH_107 + C(4)*SHT_107 + C(5)*DIDIK_107 + C(6)*PERSOS_107 IMIS_108 = C(114) + C(1) + C(2)*EKO_108 + C(3)*RMH_108 + C(4)*SHT_108 + C(5)*DIDIK_108 + C(6)*PERSOS_108 IMIS_109 = C(115) + C(1) + C(2)*EKO_109 + C(3)*RMH_109 + C(4)*SHT_109 + C(5)*DIDIK_109 + C(6)*PERSOS_109 IMIS_110 = C(116) + C(1) + C(2)*EKO_110 + C(3)*RMH_110 + C(4)*SHT_110 + C(5)*DIDIK_110 + C(6)*PERSOS_110 IMIS_111 = C(117) + C(1) + C(2)*EKO_111 + C(3)*RMH_111 + C(4)*SHT_111 + C(5)*DIDIK_111 + C(6)*PERSOS_111 IMIS_112 = C(118) + C(1) + C(2)*EKO_112 + C(3)*RMH_112 + C(4)*SHT_112 + C(5)*DIDIK_112 + C(6)*PERSOS_112 IMIS_113 = C(119) + C(1) + C(2)*EKO_113 + C(3)*RMH_113 + C(4)*SHT_113 + C(5)*DIDIK_113 + C(6)*PERSOS_113 IMIS_114 = C(120) + C(1) + C(2)*EKO_114 + C(3)*RMH_114 + C(4)*SHT_114 + C(5)*DIDIK_114 + C(6)*PERSOS_114 Substituted Coefficients: ===================== IMIS_1 = -6.8811175585 + 18.8090339941 - 2.78165996353*EKO_1 + 3.78431165029*RMH_1 2.39638005553*SHT_1 - 10.7419485503*DIDIK_1 - 4.86827153296*PERSOS_1 IMIS_2 = -11.0453455697 + 18.8090339941 - 2.78165996353*EKO_2 + 3.78431165029*RMH_2 2.39638005553*SHT_2 - 10.7419485503*DIDIK_2 - 4.86827153296*PERSOS_2 IMIS_3 = -6.09543171161 + 18.8090339941 - 2.78165996353*EKO_3 + 3.78431165029*RMH_3 2.39638005553*SHT_3 - 10.7419485503*DIDIK_3 - 4.86827153296*PERSOS_3 IMIS_4 = -3.14908269509 + 18.8090339941 - 2.78165996353*EKO_4 + 3.78431165029*RMH_4 2.39638005553*SHT_4 - 10.7419485503*DIDIK_4 - 4.86827153296*PERSOS_4 IMIS_5 = -1.31945674482 + 18.8090339941 - 2.78165996353*EKO_5 + 3.78431165029*RMH_5 2.39638005553*SHT_5 - 10.7419485503*DIDIK_5 - 4.86827153296*PERSOS_5 IMIS_6 = 2.30762186992 + 18.8090339941 - 2.78165996353*EKO_6 + 3.78431165029*RMH_6 2.39638005553*SHT_6 - 10.7419485503*DIDIK_6 - 4.86827153296*PERSOS_6 IMIS_7 = 0.220548773179 + 18.8090339941 - 2.78165996353*EKO_7 + 3.78431165029*RMH_7 2.39638005553*SHT_7 - 10.7419485503*DIDIK_7 - 4.86827153296*PERSOS_7 IMIS_8 = 2.02590330006 + 18.8090339941 - 2.78165996353*EKO_8 + 3.78431165029*RMH_8 2.39638005553*SHT_8 - 10.7419485503*DIDIK_8 - 4.86827153296*PERSOS_8 IMIS_9 = -3.57983035705 + 18.8090339941 - 2.78165996353*EKO_9 + 3.78431165029*RMH_9 2.39638005553*SHT_9 - 10.7419485503*DIDIK_9 - 4.86827153296*PERSOS_9 IMIS_10 = 1.73158793823 + 18.8090339941 - 2.78165996353*EKO_10 + 3.78431165029*RMH_10 - 2.39638005553*SHT_10 - 10.7419485503*DIDIK_10 4.86827153296*PERSOS_10 IMIS_11 = 2.59299411177 + 18.8090339941 - 2.78165996353*EKO_11 + 3.78431165029*RMH_11 - 2.39638005553*SHT_11 - 10.7419485503*DIDIK_11 4.86827153296*PERSOS_11

77


IMIS_12 = -3.75914494964 + 18.8090339941 - 2.78165996353*EKO_12 + 3.78431165029*RMH_12 - 2.39638005553*SHT_12 - 10.7419485503*DIDIK_12 4.86827153296*PERSOS_12 IMIS_13 = -1.43798965184 + 18.8090339941 - 2.78165996353*EKO_13 + 3.78431165029*RMH_13 - 2.39638005553*SHT_13 - 10.7419485503*DIDIK_13 4.86827153296*PERSOS_13 IMIS_14 = -4.20049102085 + 18.8090339941 - 2.78165996353*EKO_14 + 3.78431165029*RMH_14 - 2.39638005553*SHT_14 - 10.7419485503*DIDIK_14 4.86827153296*PERSOS_14 IMIS_15 = -0.554681399771 + 18.8090339941 - 2.78165996353*EKO_15 + 3.78431165029*RMH_15 - 2.39638005553*SHT_15 - 10.7419485503*DIDIK_15 4.86827153296*PERSOS_15 IMIS_16 = -10.6498148791 + 18.8090339941 - 2.78165996353*EKO_16 + 3.78431165029*RMH_16 - 2.39638005553*SHT_16 - 10.7419485503*DIDIK_16 4.86827153296*PERSOS_16 IMIS_17 = -10.3876137709 + 18.8090339941 - 2.78165996353*EKO_17 + 3.78431165029*RMH_17 - 2.39638005553*SHT_17 - 10.7419485503*DIDIK_17 4.86827153296*PERSOS_17 IMIS_18 = -7.11891597533 + 18.8090339941 - 2.78165996353*EKO_18 + 3.78431165029*RMH_18 - 2.39638005553*SHT_18 - 10.7419485503*DIDIK_18 4.86827153296*PERSOS_18 IMIS_19 = 1.01608206253 + 18.8090339941 - 2.78165996353*EKO_19 + 3.78431165029*RMH_19 - 2.39638005553*SHT_19 - 10.7419485503*DIDIK_19 4.86827153296*PERSOS_19 IMIS_20 = -14.4661817804 + 18.8090339941 - 2.78165996353*EKO_20 + 3.78431165029*RMH_20 - 2.39638005553*SHT_20 - 10.7419485503*DIDIK_20 4.86827153296*PERSOS_20 IMIS_21 = -3.8277914084 + 18.8090339941 - 2.78165996353*EKO_21 + 3.78431165029*RMH_21 - 2.39638005553*SHT_21 - 10.7419485503*DIDIK_21 4.86827153296*PERSOS_21 IMIS_22 = 9.26445679211 + 18.8090339941 - 2.78165996353*EKO_22 + 3.78431165029*RMH_22 - 2.39638005553*SHT_22 - 10.7419485503*DIDIK_22 4.86827153296*PERSOS_22 IMIS_23 = -7.58683396369 + 18.8090339941 - 2.78165996353*EKO_23 + 3.78431165029*RMH_23 - 2.39638005553*SHT_23 - 10.7419485503*DIDIK_23 4.86827153296*PERSOS_23 IMIS_24 = -4.93436107423 + 18.8090339941 - 2.78165996353*EKO_24 + 3.78431165029*RMH_24 - 2.39638005553*SHT_24 - 10.7419485503*DIDIK_24 4.86827153296*PERSOS_24 IMIS_25 = 7.11171957476 + 18.8090339941 - 2.78165996353*EKO_25 + 3.78431165029*RMH_25 - 2.39638005553*SHT_25 - 10.7419485503*DIDIK_25 4.86827153296*PERSOS_25 IMIS_26 = 6.13664643603 + 18.8090339941 - 2.78165996353*EKO_26 + 3.78431165029*RMH_26 - 2.39638005553*SHT_26 - 10.7419485503*DIDIK_26 4.86827153296*PERSOS_26

78

LAMPIRAN 3

IMIS_27 = 1.83712534173 + 18.8090339941 - 2.78165996353*EKO_27 + 3.78431165029*RMH_27 - 2.39638005553*SHT_27 - 10.7419485503*DIDIK_27 4.86827153296*PERSOS_27 IMIS_28 = 3.57953806997 + 18.8090339941 - 2.78165996353*EKO_28 + 3.78431165029*RMH_28 - 2.39638005553*SHT_28 - 10.7419485503*DIDIK_28 4.86827153296*PERSOS_28 IMIS_29 = 2.0116789769 + 18.8090339941 - 2.78165996353*EKO_29 + 3.78431165029*RMH_29 - 2.39638005553*SHT_29 - 10.7419485503*DIDIK_29 - 4.86827153296*PERSOS_29 IMIS_30 = 8.58334775191 + 18.8090339941 - 2.78165996353*EKO_30 + 3.78431165029*RMH_30 - 2.39638005553*SHT_30 - 10.7419485503*DIDIK_30 4.86827153296*PERSOS_30 IMIS_31 = 4.16041354965 + 18.8090339941 - 2.78165996353*EKO_31 + 3.78431165029*RMH_31 - 2.39638005553*SHT_31 - 10.7419485503*DIDIK_31 4.86827153296*PERSOS_31 IMIS_32 = 3.94062673228 + 18.8090339941 - 2.78165996353*EKO_32 + 3.78431165029*RMH_32 - 2.39638005553*SHT_32 - 10.7419485503*DIDIK_32 4.86827153296*PERSOS_32 IMIS_33 = 2.87313927789 + 18.8090339941 - 2.78165996353*EKO_33 + 3.78431165029*RMH_33 - 2.39638005553*SHT_33 - 10.7419485503*DIDIK_33 4.86827153296*PERSOS_33 IMIS_34 = -5.10508802576 + 18.8090339941 - 2.78165996353*EKO_34 + 3.78431165029*RMH_34 - 2.39638005553*SHT_34 - 10.7419485503*DIDIK_34 4.86827153296*PERSOS_34 IMIS_35 = 1.06786204891 + 18.8090339941 - 2.78165996353*EKO_35 + 3.78431165029*RMH_35 - 2.39638005553*SHT_35 - 10.7419485503*DIDIK_35 4.86827153296*PERSOS_35 IMIS_36 = 10.8720921416 + 18.8090339941 - 2.78165996353*EKO_36 + 3.78431165029*RMH_36 - 2.39638005553*SHT_36 - 10.7419485503*DIDIK_36 4.86827153296*PERSOS_36 IMIS_37 = 1.37646525915 + 18.8090339941 - 2.78165996353*EKO_37 + 3.78431165029*RMH_37 - 2.39638005553*SHT_37 - 10.7419485503*DIDIK_37 4.86827153296*PERSOS_37 IMIS_38 = 6.29525449857 + 18.8090339941 - 2.78165996353*EKO_38 + 3.78431165029*RMH_38 - 2.39638005553*SHT_38 - 10.7419485503*DIDIK_38 4.86827153296*PERSOS_38 IMIS_39 = -3.34261894 + 18.8090339941 - 2.78165996353*EKO_39 + 3.78431165029*RMH_39 2.39638005553*SHT_39 - 10.7419485503*DIDIK_39 - 4.86827153296*PERSOS_39 IMIS_40 = 0.445729288181 + 18.8090339941 - 2.78165996353*EKO_40 + 3.78431165029*RMH_40 - 2.39638005553*SHT_40 - 10.7419485503*DIDIK_40 4.86827153296*PERSOS_40 IMIS_41 = 2.90013763215 + 18.8090339941 - 2.78165996353*EKO_41 + 3.78431165029*RMH_41 - 2.39638005553*SHT_41 - 10.7419485503*DIDIK_41 4.86827153296*PERSOS_41 IMIS_42 = 6.21411617028 + 18.8090339941 - 2.78165996353*EKO_42 + 3.78431165029*RMH_42 - 2.39638005553*SHT_42 - 10.7419485503*DIDIK_42 4.86827153296*PERSOS_42

79


IMIS_43 = 10.8499713979 + 18.8090339941 - 2.78165996353*EKO_43 + 3.78431165029*RMH_43 - 2.39638005553*SHT_43 - 10.7419485503*DIDIK_43 4.86827153296*PERSOS_43 IMIS_44 = 4.34083457229 + 18.8090339941 - 2.78165996353*EKO_44 + 3.78431165029*RMH_44 - 2.39638005553*SHT_44 - 10.7419485503*DIDIK_44 4.86827153296*PERSOS_44 IMIS_45 = 11.647696064 + 18.8090339941 - 2.78165996353*EKO_45 + 3.78431165029*RMH_45 - 2.39638005553*SHT_45 - 10.7419485503*DIDIK_45 - 4.86827153296*PERSOS_45 IMIS_46 = -3.89553066224 + 18.8090339941 - 2.78165996353*EKO_46 + 3.78431165029*RMH_46 - 2.39638005553*SHT_46 - 10.7419485503*DIDIK_46 4.86827153296*PERSOS_46 IMIS_47 = 5.57519333101 + 18.8090339941 - 2.78165996353*EKO_47 + 3.78431165029*RMH_47 - 2.39638005553*SHT_47 - 10.7419485503*DIDIK_47 4.86827153296*PERSOS_47 IMIS_48 = -2.3025199387 + 18.8090339941 - 2.78165996353*EKO_48 + 3.78431165029*RMH_48 - 2.39638005553*SHT_48 - 10.7419485503*DIDIK_48 4.86827153296*PERSOS_48 IMIS_49 = -1.40534484539 + 18.8090339941 - 2.78165996353*EKO_49 + 3.78431165029*RMH_49 - 2.39638005553*SHT_49 - 10.7419485503*DIDIK_49 4.86827153296*PERSOS_49 IMIS_50 = 0.234894944422 + 18.8090339941 - 2.78165996353*EKO_50 + 3.78431165029*RMH_50 - 2.39638005553*SHT_50 - 10.7419485503*DIDIK_50 4.86827153296*PERSOS_50 IMIS_51 = 4.91114476652 + 18.8090339941 - 2.78165996353*EKO_51 + 3.78431165029*RMH_51 - 2.39638005553*SHT_51 - 10.7419485503*DIDIK_51 4.86827153296*PERSOS_51 IMIS_52 = 10.6136798945 + 18.8090339941 - 2.78165996353*EKO_52 + 3.78431165029*RMH_52 - 2.39638005553*SHT_52 - 10.7419485503*DIDIK_52 4.86827153296*PERSOS_52 IMIS_53 = 3.3799589081 + 18.8090339941 - 2.78165996353*EKO_53 + 3.78431165029*RMH_53 - 2.39638005553*SHT_53 - 10.7419485503*DIDIK_53 - 4.86827153296*PERSOS_53 IMIS_54 = -3.53346592581 + 18.8090339941 - 2.78165996353*EKO_54 + 3.78431165029*RMH_54 - 2.39638005553*SHT_54 - 10.7419485503*DIDIK_54 4.86827153296*PERSOS_54 IMIS_55 = -3.60444031733 + 18.8090339941 - 2.78165996353*EKO_55 + 3.78431165029*RMH_55 - 2.39638005553*SHT_55 - 10.7419485503*DIDIK_55 4.86827153296*PERSOS_55 IMIS_56 = -9.83231827472 + 18.8090339941 - 2.78165996353*EKO_56 + 3.78431165029*RMH_56 - 2.39638005553*SHT_56 - 10.7419485503*DIDIK_56 4.86827153296*PERSOS_56 IMIS_57 = 2.69826279628 + 18.8090339941 - 2.78165996353*EKO_57 + 3.78431165029*RMH_57 - 2.39638005553*SHT_57 - 10.7419485503*DIDIK_57 4.86827153296*PERSOS_57 IMIS_58 = -1.16323819331 + 18.8090339941 - 2.78165996353*EKO_58 + 3.78431165029*RMH_58 - 2.39638005553*SHT_58 - 10.7419485503*DIDIK_58 4.86827153296*PERSOS_58

80

LAMPIRAN 3

IMIS_59 = 2.96902577438 + 18.8090339941 - 2.78165996353*EKO_59 + 3.78431165029*RMH_59 - 2.39638005553*SHT_59 - 10.7419485503*DIDIK_59 4.86827153296*PERSOS_59 IMIS_60 = 11.5095248449 + 18.8090339941 - 2.78165996353*EKO_60 + 3.78431165029*RMH_60 - 2.39638005553*SHT_60 - 10.7419485503*DIDIK_60 4.86827153296*PERSOS_60 IMIS_61 = 14.361262842 + 18.8090339941 - 2.78165996353*EKO_61 + 3.78431165029*RMH_61 - 2.39638005553*SHT_61 - 10.7419485503*DIDIK_61 - 4.86827153296*PERSOS_61 IMIS_62 = -3.37819094966 + 18.8090339941 - 2.78165996353*EKO_62 + 3.78431165029*RMH_62 - 2.39638005553*SHT_62 - 10.7419485503*DIDIK_62 4.86827153296*PERSOS_62 IMIS_63 = -1.05432209341 + 18.8090339941 - 2.78165996353*EKO_63 + 3.78431165029*RMH_63 - 2.39638005553*SHT_63 - 10.7419485503*DIDIK_63 4.86827153296*PERSOS_63 IMIS_64 = 14.8326704973 + 18.8090339941 - 2.78165996353*EKO_64 + 3.78431165029*RMH_64 - 2.39638005553*SHT_64 - 10.7419485503*DIDIK_64 4.86827153296*PERSOS_64 IMIS_65 = -4.51761994133 + 18.8090339941 - 2.78165996353*EKO_65 + 3.78431165029*RMH_65 - 2.39638005553*SHT_65 - 10.7419485503*DIDIK_65 4.86827153296*PERSOS_65 IMIS_66 = -1.26012906835 + 18.8090339941 - 2.78165996353*EKO_66 + 3.78431165029*RMH_66 - 2.39638005553*SHT_66 - 10.7419485503*DIDIK_66 4.86827153296*PERSOS_66 IMIS_67 = 5.56958144263 + 18.8090339941 - 2.78165996353*EKO_67 + 3.78431165029*RMH_67 - 2.39638005553*SHT_67 - 10.7419485503*DIDIK_67 4.86827153296*PERSOS_67 IMIS_68 = 5.2155946844 + 18.8090339941 - 2.78165996353*EKO_68 + 3.78431165029*RMH_68 - 2.39638005553*SHT_68 - 10.7419485503*DIDIK_68 - 4.86827153296*PERSOS_68 IMIS_69 = 2.79090546142 + 18.8090339941 - 2.78165996353*EKO_69 + 3.78431165029*RMH_69 - 2.39638005553*SHT_69 - 10.7419485503*DIDIK_69 4.86827153296*PERSOS_69 IMIS_70 = -0.93237986702 + 18.8090339941 - 2.78165996353*EKO_70 + 3.78431165029*RMH_70 - 2.39638005553*SHT_70 - 10.7419485503*DIDIK_70 4.86827153296*PERSOS_70 IMIS_71 = -0.714109043753 + 18.8090339941 - 2.78165996353*EKO_71 + 3.78431165029*RMH_71 - 2.39638005553*SHT_71 - 10.7419485503*DIDIK_71 4.86827153296*PERSOS_71 IMIS_72 = 1.17999322121 + 18.8090339941 - 2.78165996353*EKO_72 + 3.78431165029*RMH_72 - 2.39638005553*SHT_72 - 10.7419485503*DIDIK_72 4.86827153296*PERSOS_72 IMIS_73 = 5.26950912024 + 18.8090339941 - 2.78165996353*EKO_73 + 3.78431165029*RMH_73 - 2.39638005553*SHT_73 - 10.7419485503*DIDIK_73 4.86827153296*PERSOS_73 IMIS_74 = 0.546542868638 + 18.8090339941 - 2.78165996353*EKO_74 + 3.78431165029*RMH_74 - 2.39638005553*SHT_74 - 10.7419485503*DIDIK_74 4.86827153296*PERSOS_74

81


IMIS_75 = 2.88165592975 + 18.8090339941 - 2.78165996353*EKO_75 + 3.78431165029*RMH_75 - 2.39638005553*SHT_75 - 10.7419485503*DIDIK_75 4.86827153296*PERSOS_75 IMIS_76 = 1.44748270211 + 18.8090339941 - 2.78165996353*EKO_76 + 3.78431165029*RMH_76 - 2.39638005553*SHT_76 - 10.7419485503*DIDIK_76 4.86827153296*PERSOS_76 IMIS_77 = -2.62702091393 + 18.8090339941 - 2.78165996353*EKO_77 + 3.78431165029*RMH_77 - 2.39638005553*SHT_77 - 10.7419485503*DIDIK_77 4.86827153296*PERSOS_77 IMIS_78 = -1.79682380209 + 18.8090339941 - 2.78165996353*EKO_78 + 3.78431165029*RMH_78 - 2.39638005553*SHT_78 - 10.7419485503*DIDIK_78 4.86827153296*PERSOS_78 IMIS_79 = 2.80944767239 + 18.8090339941 - 2.78165996353*EKO_79 + 3.78431165029*RMH_79 - 2.39638005553*SHT_79 - 10.7419485503*DIDIK_79 4.86827153296*PERSOS_79 IMIS_80 = 4.79824654146 + 18.8090339941 - 2.78165996353*EKO_80 + 3.78431165029*RMH_80 - 2.39638005553*SHT_80 - 10.7419485503*DIDIK_80 4.86827153296*PERSOS_80 IMIS_81 = 6.30216132311 + 18.8090339941 - 2.78165996353*EKO_81 + 3.78431165029*RMH_81 - 2.39638005553*SHT_81 - 10.7419485503*DIDIK_81 4.86827153296*PERSOS_81 IMIS_82 = 9.58894626671 + 18.8090339941 - 2.78165996353*EKO_82 + 3.78431165029*RMH_82 - 2.39638005553*SHT_82 - 10.7419485503*DIDIK_82 4.86827153296*PERSOS_82 IMIS_83 = -0.469456385473 + 18.8090339941 - 2.78165996353*EKO_83 + 3.78431165029*RMH_83 - 2.39638005553*SHT_83 - 10.7419485503*DIDIK_83 4.86827153296*PERSOS_83 IMIS_84 = 11.7307322545 + 18.8090339941 - 2.78165996353*EKO_84 + 3.78431165029*RMH_84 - 2.39638005553*SHT_84 - 10.7419485503*DIDIK_84 4.86827153296*PERSOS_84 IMIS_85 = 17.2261944182 + 18.8090339941 - 2.78165996353*EKO_85 + 3.78431165029*RMH_85 - 2.39638005553*SHT_85 - 10.7419485503*DIDIK_85 4.86827153296*PERSOS_85 IMIS_86 = -8.47187534846 + 18.8090339941 - 2.78165996353*EKO_86 + 3.78431165029*RMH_86 - 2.39638005553*SHT_86 - 10.7419485503*DIDIK_86 4.86827153296*PERSOS_86 IMIS_87 = 2.07496856007 + 18.8090339941 - 2.78165996353*EKO_87 + 3.78431165029*RMH_87 - 2.39638005553*SHT_87 - 10.7419485503*DIDIK_87 4.86827153296*PERSOS_87 IMIS_88 = 11.5941749343 + 18.8090339941 - 2.78165996353*EKO_88 + 3.78431165029*RMH_88 - 2.39638005553*SHT_88 - 10.7419485503*DIDIK_88 4.86827153296*PERSOS_88 IMIS_89 = 4.44377461041 + 18.8090339941 - 2.78165996353*EKO_89 + 3.78431165029*RMH_89 - 2.39638005553*SHT_89 - 10.7419485503*DIDIK_89 4.86827153296*PERSOS_89

82

LAMPIRAN 3

IMIS_90 = 7.44653841746 + 18.8090339941 - 2.78165996353*EKO_90 + 3.78431165029*RMH_90 - 2.39638005553*SHT_90 - 10.7419485503*DIDIK_90 4.86827153296*PERSOS_90 IMIS_91 = -3.33701193436 + 18.8090339941 - 2.78165996353*EKO_91 + 3.78431165029*RMH_91 - 2.39638005553*SHT_91 - 10.7419485503*DIDIK_91 4.86827153296*PERSOS_91 IMIS_92 = -1.42674268178 + 18.8090339941 - 2.78165996353*EKO_92 + 3.78431165029*RMH_92 - 2.39638005553*SHT_92 - 10.7419485503*DIDIK_92 4.86827153296*PERSOS_92 IMIS_93 = 1.04758515173 + 18.8090339941 - 2.78165996353*EKO_93 + 3.78431165029*RMH_93 - 2.39638005553*SHT_93 - 10.7419485503*DIDIK_93 4.86827153296*PERSOS_93 IMIS_94 = -3.14758857259 + 18.8090339941 - 2.78165996353*EKO_94 + 3.78431165029*RMH_94 - 2.39638005553*SHT_94 - 10.7419485503*DIDIK_94 4.86827153296*PERSOS_94 IMIS_95 = -9.23156820784 + 18.8090339941 - 2.78165996353*EKO_95 + 3.78431165029*RMH_95 - 2.39638005553*SHT_95 - 10.7419485503*DIDIK_95 4.86827153296*PERSOS_95 IMIS_96 = -1.06484007706 + 18.8090339941 - 2.78165996353*EKO_96 + 3.78431165029*RMH_96 - 2.39638005553*SHT_96 - 10.7419485503*DIDIK_96 4.86827153296*PERSOS_96 IMIS_97 = -1.90809051837 + 18.8090339941 - 2.78165996353*EKO_97 + 3.78431165029*RMH_97 - 2.39638005553*SHT_97 - 10.7419485503*DIDIK_97 4.86827153296*PERSOS_97 IMIS_98 = 8.47144890255 + 18.8090339941 - 2.78165996353*EKO_98 + 3.78431165029*RMH_98 - 2.39638005553*SHT_98 - 10.7419485503*DIDIK_98 4.86827153296*PERSOS_98 IMIS_99 = -8.96830559559 + 18.8090339941 - 2.78165996353*EKO_99 + 3.78431165029*RMH_99 - 2.39638005553*SHT_99 - 10.7419485503*DIDIK_99 4.86827153296*PERSOS_99 IMIS_100 = -10.3213819455 + 18.8090339941 - 2.78165996353*EKO_100 + 3.78431165029*RMH_100 - 2.39638005553*SHT_100 - 10.7419485503*DIDIK_100 4.86827153296*PERSOS_100 IMIS_101 = -10.1724675673 + 18.8090339941 - 2.78165996353*EKO_101 + 3.78431165029*RMH_101 - 2.39638005553*SHT_101 - 10.7419485503*DIDIK_101 4.86827153296*PERSOS_101 IMIS_102 = -5.62090557443 + 18.8090339941 - 2.78165996353*EKO_102 + 3.78431165029*RMH_102 - 2.39638005553*SHT_102 - 10.7419485503*DIDIK_102 4.86827153296*PERSOS_102 IMIS_103 = -5.47448424704 + 18.8090339941 - 2.78165996353*EKO_103 + 3.78431165029*RMH_103 - 2.39638005553*SHT_103 - 10.7419485503*DIDIK_103 4.86827153296*PERSOS_103 IMIS_104 = -5.66892661135 + 18.8090339941 - 2.78165996353*EKO_104 + 3.78431165029*RMH_104 - 2.39638005553*SHT_104 - 10.7419485503*DIDIK_104 4.86827153296*PERSOS_104

83


IMIS_105 = -6.46785087133 + 18.8090339941 - 2.78165996353*EKO_105 + 3.78431165029*RMH_105 - 2.39638005553*SHT_105 - 10.7419485503*DIDIK_105 4.86827153296*PERSOS_105 IMIS_106 = -0.699329349541 + 18.8090339941 - 2.78165996353*EKO_106 + 3.78431165029*RMH_106 - 2.39638005553*SHT_106 - 10.7419485503*DIDIK_106 4.86827153296*PERSOS_106 IMIS_107 = -5.85490302856 + 18.8090339941 - 2.78165996353*EKO_107 + 3.78431165029*RMH_107 - 2.39638005553*SHT_107 - 10.7419485503*DIDIK_107 4.86827153296*PERSOS_107 IMIS_108 = -12.4112037032 + 18.8090339941 - 2.78165996353*EKO_108 + 3.78431165029*RMH_108 - 2.39638005553*SHT_108 - 10.7419485503*DIDIK_108 4.86827153296*PERSOS_108 IMIS_109 = -4.94454797493 + 18.8090339941 - 2.78165996353*EKO_109 + 3.78431165029*RMH_109 - 2.39638005553*SHT_109 - 10.7419485503*DIDIK_109 4.86827153296*PERSOS_109 IMIS_110 = -3.36192740133 + 18.8090339941 - 2.78165996353*EKO_110 + 3.78431165029*RMH_110 - 2.39638005553*SHT_110 - 10.7419485503*DIDIK_110 4.86827153296*PERSOS_110 IMIS_111 = -9.56372313789 + 18.8090339941 - 2.78165996353*EKO_111 + 3.78431165029*RMH_111 - 2.39638005553*SHT_111 - 10.7419485503*DIDIK_111 4.86827153296*PERSOS_111 IMIS_112 = -10.1177211378 + 18.8090339941 - 2.78165996353*EKO_112 + 3.78431165029*RMH_112 - 2.39638005553*SHT_112 - 10.7419485503*DIDIK_112 4.86827153296*PERSOS_112 IMIS_113 = -9.53575849844 + 18.8090339941 - 2.78165996353*EKO_113 + 3.78431165029*RMH_113 - 2.39638005553*SHT_113 - 10.7419485503*DIDIK_113 4.86827153296*PERSOS_113 IMIS_114 = -9.22483703078 + 18.8090339941 - 2.78165996353*EKO_114 + 3.78431165029*RMH_114 - 2.39638005553*SHT_114 - 10.7419485503*DIDIK_114 4.86827153296*PERSOS_114

84

Lampiran 4: Data Panel DAERAH TAHUN

EKO

RMH

SHT

DIDIK

PERSOS

IMIS

1

2008

0,0355373860

0,0613547171

0,0509506735

0,2442612479

0,0030597427

9,4200000000

1

2009

0,0305161269

0,0593749592

0,0678292813

0,2603011045

0,0034677127

8,2885647971

1

2010

0,0424179268

0,0576922153

0,0776091947

0,2979383574

0,0053070353

9,3000000000

2

2008

0,0260145006

0,1570070129

0,0446661052

0,1669493868

0,0075845099

5,8900000000

2

2009

0,0464938629

0,2137338275

0,0697771207

0,2106752146

0,0057006891

5,9736179449

2

2010

0,0426962650

0,1066328263

0,0612143772

0,2077391279

0,0061526064

6,1100000000

3

2008

0,0330722316

0,0991891701

0,0519980408

0,1589049973

0,0054508609

12,1100000000

3

2009

0,0494378452

0,0863820045

0,0659032155

0,1772141645

0,0084000124

10,8107800228

3

2010

0,0415669234

0,0706279073

0,0661649196

0,1599917480

0,0075393859

9,9700000000

4

2008

0,0398115624

0,0972551261

0,0914266968

0,3658962601

0,0072010081

12,3200000000

4

2009

0,0389389058

0,0478931964

0,0718104673

0,4426915238

0,0078422647

11,2268389720

4

2010

0,0456097347

0,0442829113

0,0742083858

0,3815215807

0,0077267407

10,3400000000

5

2008

0,0275092539

0,1531997807

0,0524076583

0,2208498245

0,0034132180

15,3800000000

5

2009

0,0225613906

0,0312911989

0,0572689207

0,2914512643

0,0030517902

14,1390490405

5

2010

0,0238143666

0,0234937618

0,0657566139

0,3015483078

0,0034986634

14,3200000000

6

2008

0,0299115773

0,0594108636

0,0817782058

0,2050050414

0,0089716972

20,2500000000

6

2009

0,0283897830

0,0455545821

0,0877231181

0,2570302482

0,0120315849

18,2185866530

6

2010

0,0331969674

0,0453361308

0,0914323118

0,3101909323

0,0108645390

16,1200000000

7

2008

0,0641433479

0,0502987885

0,0671134269

0,2541687752

0,0067833732

17,8700000000

7

2009

0,0425932205

0,0249315386

0,0749270711

0,3019049931

0,0057621906

15,7006650370

7

2010

0,0501274164

0,0233742473

0,0814347550

0,2713505793

0,0061900445

13,9400000000

8

2008

0,0402393242

0,0796771187

0,0554027288

0,2310768139

0,0074851471

19,7500000000

8

2009

0,0371996373

0,0943217452

0,0729042053

0,2716245856

0,0136858882

17,9891826646

8

2010

0,0360414347

0,1066893481

0,0752071943

0,2669895390

0,0150839998

16,5800000000

9

2008

0,0320836015

0,0952550880

0,0582550209

0,1898991328

0,0080579950

14,0000000000

9

2009

0,0317421828

0,0980755230

0,0737474687

0,2216541917

0,0070029219

12,8968398907

9

2010

0,0309879638

0,0868349033

0,0744202970

0,2169583650

0,0118803394

12,2100000000

10

2008

0,0472832287

0,0628603222

0,0691740345

0,3520956591

0,0103571388

16,7500000000

10

2009

0,0405274024

0,0390848473

0,0784974645

0,4095556178

0,0131823504

15,9126062538

10

2010

0,0512087832

0,0655931618

0,1108446596

0,5185312672

0,0083843817

14,6800000000

11

2008

0,0536561843

0,0930039790

0,0746655335

0,3122632781

0,0152402764

18,7900000000

11

2009

0,0496930244

0,0492843887

0,0881484550

0,3603202252

0,0164927622

17,1156529807

11

2010

0,0626065255

0,0856728900

0,1113955420

0,4750112168

0,0087251952

15,5200000000

12

2008

0,0646841199

0,0508240638

0,0693855184

0,2793734705

0,0146374712

11,6100000000

12

2009

0,0700370869

0,1234516934

0,0905528968

0,3434090676

0,0129429097

10,4831754179

12

2010

0,0904093887

0,1559326740

0,1074157247

0,5178241207

0,0169624082

10,5700000000

13

2008

0,0482232990

0,1158043368

0,0737928217

0,2744546971

0,0036315230

15,1500000000

13

2009

0,0554516188

0,0842415335

0,0795983509

0,3016968195

0,0037155463

14,1259597001

13

2010

0,0549648785

0,0617671014

0,0764990462

0,2830455958

0,0062753681

13,5400000000

14

2008

0,0614604058

0,0751937518

0,0659057627

0,2117068033

0,0130367382

13,2600000000

14

2009

0,0405304246

0,0519415189

0,0719178908

0,2745054000

0,0047457869

11,7817263907

14

2010

0,0476438785

0,0737826873

0,0800082645

0,2443410100

0,0044908267

10,6500000000

15

2008

0,0554984282

0,0369071642

0,0845607336

0,3427229931

0,0133166337

15,1800000000

15

2009

0,0575667101

0,0352560022

0,0990400310

0,3665800183

0,0090030492

13,6897658310

15

2010

0,0615642125

0,0370760098

0,1260462517

0,4063737881

0,0093862011

12,9400000000

85


DAERAH TAHUN

86

EKO

RMH

SHT

DIDIK

PERSOS

IMIS

16

2008

0,0377397483

0,1108994210

0,0620674811

0,2619463783

0,0060642426

4,4200000000

16

2009

0,0349529702

0,1294712970

0,0575066584

0,4186112640

0,0057491685

4,5003182946

16

2010

0,0381951816

0,1454030611

0,0580005501

0,3659479356

0,0070288627

4,9500000000

17

2008

0,0220344907

0,0976393417

0,0466448912

0,2022564223

0,0068474637

6,3600000000

17

2009

0,0266262502

0,1183051332

0,0660229847

0,2401609648

0,0075357588

5,7843914124

17

2010

0,0311348661

0,1612487998

0,0769183268

0,2524945764

0,0074505559

6,3000000000

18

2008

0,0496660483

0,0824488307

0,0412580138

0,2181832576

0,0063627143

9,7200000000

18

2009

0,0561290095

0,1734496108

0,0405750578

0,2595316698

0,0097776875

8,8152803062

18

2010

0,0604459477

0,2608075643

0,0560668702

0,2758693008

0,0110973311

9,4700000000

19

2008

0,0829904643

0,1458486399

0,3208608786

0,5668964652

0,0251162437

14,1100000000

19

2009

0,1179021242

0,1445991265

0,3082726988

0,4552448755

0,0230071027

13,0647425149

19

2010

0,1537821557

0,1987114598

0,4162390092

0,6770565214

0,0355503036

12,0000000000

20

2008

0,0316399980

0,0921831930

0,0382507097

0,1331881973

0,0101257780

2,6900000000

20

2009

0,0402142249

0,1156939899

0,0450329174

0,1683729436

0,0198411551

2,9330458994

20

2010

0,0389439513

0,1176106586

0,0517844638

0,1591465719

0,0145010672

2,8400000000

21

2008

0,1753134280

0,0733606745

0,2404993546

0,4091844047

0,0093583244

10,4100000000

21

2009

0,1122180591

0,1676033956

0,2975533445

0,4237075765

0,0227590612

9,1629674691

21

2010

0,0919759476

0,0786899133

0,3481980206

0,4547246862

0,0355584620

9,2400000000

22

2008

0,0450265299

0,0866206346

0,1399108406

0,3709618058

0,0122064765

26,0800000000

22

2009

0,0426625295

0,1125852471

0,1678831964

0,4108785953

0,0092907612

23,5511351221

22

2010

0,0593789987

0,0594297238

0,1571670622

0,4436647851

0,0135181631

20,7100000000

23

2008

0,0467399652

0,1056240535

0,1068839036

0,2615227292

0,0163832023

8,3500000000

23

2009

0,0489023400

0,1367783166

0,1376071339

0,3247498606

0,0098477778

7,0996101216

23

2010

0,0632481129

0,1344255833

0,1779159485

0,4013314368

0,0107443507

7,4000000000

24

2008

0,1442507673

0,5197320226

0,2695693849

0,4984492327

0,0250429786

9,3100000000

24

2009

0,1038379646

0,4389412242

0,3336268386

0,5399517875

0,0372058392

8,6350547583

24

2010

0,1006249655

0,2529160767

0,3217977580

0,4633793672

0,0353849883

8,4700000000

25

2008

0,0554364733

0,0506709600

0,0844624206

0,3999536690

0,0031937988

23,3400000000

25

2009

0,0496863090

0,0423248489

0,0922186280

0,4382996777

0,0073335158

21,3631714772

25

2010

0,0486666145

0,0483957692

0,1069214755

0,3945999151

0,0045711607

19,1700000000

26

2008

0,0581926951

0,0596310006

0,0757275468

0,2174233438

0,0074252948

22,9300000000

26

2009

0,0493531101

0,0900181789

0,0723465256

0,3334765119

0,0119646675

21,5219335343

26

2010

0,0440738854

0,0274295747

0,0963449308

0,3553923435

0,0037002712

20,2000000000

27

2008

0,0547850253

0,0757325727

0,0948664973

0,3536044010

0,0156699061

18,0800000000

27

2009

0,0737908428

0,0510383399

0,1093195776

0,3847072044

0,0060042578

16,6136177486

27

2010

0,0609664843

0,0256507024

0,1034136197

0,3552999644

0,0070390638

14,6700000000

28

2008

0,0483978759

0,1221813042

0,0830652809

0,4502748288

0,0031064934

18,7900000000

28

2009

0,0536119972

0,1023974652

0,0873187152

0,4614858899

0,0125024691

17,6957052567

28

2010

0,0659669627

0,0619561567

0,0903146019

0,4169662636

0,0109393006

16,2700000000

29

2008

0,0732745927

0,0613091141

0,0905063111

0,3819863544

0,0045744887

17,0800000000

29

2009

0,0874710163

0,0499980699

0,1056939632

0,4779152226

0,0043836872

15,9551224510

29

2010

0,0625744754

0,0492169821

0,1173836143

0,5246932703

0,0051282626

13,7200000000

30

2008

0,0367578458

0,0720834472

0,0529423846

0,2278917083

0,0049317242

25,9800000000

30

2009

0,0282739370

0,0570201065

0,0660680249

0,2681512184

0,0043244995

24,3916445257

30

2010

0,0374549161

0,0675357492

0,0859695658

0,3129658215

0,0057432880

23,0100000000

31

2008

0,0295970322

0,0792571111

0,0522700285

0,2683737939

0,0078482095

21,4000000000

31

2009

0,0381922280

0,0536792113

0,0622610785

0,2924279315

0,0115827722

19,8759247342

LAMPIRAN 4

DAERAH TAHUN

EKO

RMH

SHT

DIDIK

PERSOS

IMIS

31

2010

0,0359943228

0,0509862025

0,0692962079

0,3093350354

0,0097915020

18,1100000000

32

2008

0,0469977264

0,1139606972

0,0643368615

0,2491084029

0,0060994398

21,2400000000

32

2009

0,0371282932

0,1233567219

0,0599814136

0,3104822537

0,0077569009

19,6974227462

32

2010

0,0625555558

0,1255017521

0,0709044970

0,2722414182

0,0094037992

18,7600000000

33

2008

0,0461702183

0,0747964081

0,0525569218

0,2538220900

0,0105892862

19,8400000000

33

2009

0,0422295334

0,0683195685

0,0646192169

0,2681612716

0,0120586784

18,6797874725

33

2010

0,0523031483

0,0595661552

0,0674038493

0,2626816870

0,0125188676

17,8600000000

34

2008

0,0435788755

0,0604867877

0,0817633445

0,2955899927

0,0065991718

11,0500000000

34

2009

0,0543492287

0,0461637657

0,0866305722

0,3145483825

0,0142324091

9,5971882064

34

2010

0,0516743693

0,0551990777

0,0874314569

0,2934359434

0,0124024460

10,1800000000

35

2008

0,0851930443

0,0738481986

0,0790118312

0,4054362633

0,0038048015

15,6800000000

35

2009

0,0603231269

0,0437532856

0,0840409907

0,4757110607

0,0119286621

14,7302230533

35

2010

0,0743982117

0,0290569936

0,0891942933

0,4613547238

0,0167568246

13,9800000000

36

2008

0,0478818330

0,0933890324

0,0700215976

0,3277382690

0,0029581817

27,8700000000

36

2009

0,0534479884

0,0680811435

0,0974265795

0,4051353275

0,0041420422

25,7309168759

36

2010

0,0454576736

0,0539565903

0,0835774424

0,4283414846

0,0060718451

22,7100000000

37

2008

0,0606488834

0,0649404412

0,0864054008

0,3229273668

0,0203482669

17,8700000000

37

2009

0,0556518930

0,0739306384

0,0847844955

0,3722426175

0,0192480131

16,0239637789

37

2010

0,0652337096

0,0672927185

0,0996680990

0,3780492575

0,0200163062

14,4700000000

38

2008

0,0420208577

0,0907875698

0,0596460064

0,4572265942

0,0042176632

21,7200000000

38

2009

0,0374205056

0,0526157294

0,0644866431

0,5313360637

0,0107010544

19,6820022044

38

2010

0,0359395733

0,0421937132

0,0594227408

0,5238178164

0,0131175075

17,4700000000

39

2008

0,0736938401

0,0801203608

0,1491412824

0,3504971479

0,0032228995

12,5800000000

39

2009

0,1330370993

0,1019294122

0,1306953663

0,4266405806

0,0218636965

10,8019933682

39

2010

0,1436114965

0,1035806516

0,1596960744

0,4202757947

0,0134878543

9,0200000000

40

2008

0,0644947684

0,0751637325

0,0774023846

0,3254942867

0,0140513666

16,4900000000

40

2009

0,0573377017

0,0602507014

0,0724541550

0,3755856135

0,0053492522

15,1905968546

40

2010

0,0580173346

0,0668060231

0,0837813642

0,3708605570

0,0081374442

14,1400000000

41

2008

0,0397519680

0,0732929748

0,1095524070

0,2572426077

0,0151738910

19,5200000000

41

2009

0,0387801270

0,0745929588

0,1215033430

0,3486125422

0,0152584093

17,9316738823

41

2010

0,0466490381

0,0430513760

0,1301350002

0,3876213474

0,0153277202

16,2900000000

42

2008

0,0320276795

0,0391268091

0,0572562804

0,2377882341

0,0035554754

23,9200000000

42

2009

0,0483366969

0,0461094751

0,0621268231

0,2342682853

0,0056018505

22,1695141899

42

2010

0,0423174686

0,0354190302

0,0761754136

0,3282430438

0,0051937998

19,9600000000

43

2008

0,0507439686

0,1428292082

0,1067335825

0,3505204166

0,0035077023

27,1200000000

43

2009

0,0443412231

0,1002079543

0,1053448998

0,3848282004

0,0078710841

24,9673920589

43

2010

0,0437736550

0,0698396929

0,1048230866

0,4054937770

0,0077455887

24,5800000000

44

2008

0,0555282773

0,0971693423

0,1028905624

0,4400239162

0,0236987275

18,2200000000

44

2009

0,0704773488

0,0647490402

0,1049596535

0,5315727272

0,0159262869

17,0156877257

44

2010

0,0762376166

0,0478915098

0,1256096815

0,5877297818

0,0191291408

16,6100000000

45

2008

0,0788146672

0,1184899937

0,1416724481

0,3958749131

0,0051299614

27,2100000000

45

2009

0,0675988686

0,0681898857

0,1389554504

0,4882815133

0,0035061723

25,8592270032

45

2010

0,0995931490

0,0720490058

0,1502460265

0,4265839346

0,0064254252

23,4100000000

46

2008

0,0771322947

0,1019195400

0,0981631895

0,3277657533

0,0040293594

11,3700000000

46

2009

0,0802161878

0,0710769288

0,1226757248

0,3737883877

0,0123534802

10,6550397289

46

2010

0,0729113005

0,0562429875

0,1256606674

0,3673611134

0,0103005607

10,5000000000

47

2008

0,0635695885

0,1114378443

0,0857931375

0,4439013235

0,0044954056

20,8300000000

87


DAERAH TAHUN

88

EKO

RMH

SHT

DIDIK

PERSOS

IMIS

47

2009

0,0791046111

0,1006028775

0,0944320995

0,4588400725

0,0054278789

19,7031438067

47

2010

0,0895398629

0,0624644294

0,1163627640

0,4683235687

0,0072827748

17,4900000000

48

2008

0,0616383976

0,0710020068

0,0795914153

0,3929245859

0,0147733038

12,1300000000

48

2009

0,0476771364

0,0423504628

0,0849413934

0,4753121351

0,0153083274

11,5096227314

48

2010

0,0542709230

0,0530006103

0,1045713107

0,4577028540

0,0164151580

10,9400000000

49

2008

0,0496396526

0,0762440556

0,0540103772

0,2542362488

0,0050901616

15,7800000000

49

2009

0,0402747003

0,0567964762

0,0731310995

0,2955421966

0,0129443434

13,9823760940

49

2010

0,0342847934

0,0559997785

0,0770898699

0,2950998000

0,0114512040

13,1100000000

50

2008

0,0618176020

0,1085967375

0,0794409533

0,3153852925

0,0076384847

16,3900000000

50

2009

0,0555983030

0,0655385916

0,0443989537

0,3961432510

0,0053583714

15,0463627756

50

2010

0,0828378842

0,0434305395

0,1093459257

0,3913328864

0,0067309930

13,4600000000

51

2008

0,0608941062

0,0644103579

0,0763245734

0,3836111482

0,0081890102

20,7100000000

51

2009

0,0666905436

0,0764081068

0,0904692718

0,5066799997

0,0139835212

19,0751128999

51

2010

0,0691274717

0,0775058704

0,1052163883

0,5223026513

0,0083505529

15,6800000000

52

2008

0,0508493450

0,1073559406

0,0803003619

0,3409541292

0,0045753485

27,7200000000

52

2009

0,0610293230

0,0997349034

0,0811740890

0,3776330129

0,0070829317

25,9139598248

52

2010

0,0712629756

0,0971969358

0,0946271791

0,3440460870

0,0063759523

23,1600000000

53

2008

0,1451169706

0,6628769899

0,3576042937

1,0230441556

0,0303538759

11,1600000000

53

2009

0,1809664149

0,5757682974

0,3969519609

1,0571160921

0,0203939659

10,1114525864

53

2010

0,2014944725

0,2307779357

0,5657496088

1,2070586922

0,0321661803

10,5100000000

54

2008

0,1250380871

0,0907729286

0,1577830853

0,5648449680

0,0154541228

10,2900000000

54

2009

0,1140916764

0,1322698955

0,1359620353

0,4959255621

0,0309948732

8,5590557244

54

2010

0,1286848310

0,1108617846

0,1453113308

0,4672360204

0,0320590687

9,3700000000

55

2008

0,1606722787

0,4998156245

0,2798697233

0,6434805857

0,0215185681

8,4700000000

55

2009

0,1571323466

0,4889955934

0,3362358884

0,6829926794

0,0350898994

7,8243243996

55

2010

0,1571511577

0,3604644623

0,4176100380

0,6981579856

0,0663736879

8,2800000000

56

2008

0,0852014898

0,0970192888

0,0700917954

0,3002169396

0,0084989290

6,0000000000

56

2009

0,0708593932

0,1262471053

0,0858681608

0,3387679776

0,0224040710

4,8414515153

56

2010

0,0820318573

0,0913569288

0,0954315567

0,3488005679

0,0274061631

5,1200000000

57

2008

0,1485166520

0,1542627662

0,1017646743

0,5174604824

0,0274973146

16,1300000000

57

2009

0,1510424572

0,0721471100

0,2320114639

0,5879075932

0,0164719524

14,9926643221

57

2010

0,1585343165

0,0978732820

0,1325845631

0,5698308457

0,0134795279

13,9600000000

58

2008

0,1063770904

0,1798658764

0,2904482250

0,5503824251

0,0176502191

11,2800000000

58

2009

0,1645294769

0,2099778114

0,3367569420

0,7125045091

0,0205017754

9,8767722162

58

2010

0,1521566618

0,1471923380

0,3371629306

0,5366913009

0,0387006498

10,6200000000

59

2008

0,0488461674

0,2770231775

0,0942383137

0,4137826672

0,0044750063

18,5400000000

59

2009

0,0447912220

0,1325404559

0,1028210238

0,4200449458

0,0058396441

17,6381706025

59

2010

0,0546471561

0,0733559800

0,1269405095

0,4345945015

0,0059740824

16,0900000000

60

2008

0,0810865630

0,1014457426

0,1023009110

0,4324502845

0,0193024653

25,9600000000

60

2009

0,0890754220

0,0433707232

0,1103816260

0,5567103397

0,0143409760

24,4381598850

60

2010

0,0858376426

0,0373665404

0,1055427587

0,6381244704

0,0160761507

22,0500000000

61

2008

0,1105995424

0,1286904745

0,1877317830

0,6588234136

0,0190677090

26,8500000000

61

2009

0,1265722387

0,0832577968

0,1994509611

0,8307292842

0,0089124523

24,6455864133

61

2010

0,1254396449

0,0948371809

0,1786259868

0,6976920727

0,0062107457

23,1500000000

62

2008

0,0482221049

0,0670186558

0,0804770752

0,3291770791

0,0047142624

12,3400000000

62

2009

0,0476770875

0,0849467030

0,0817749980

0,3492061881

0,0150054396

11,4526421641

62

2010

0,0542804903

0,0619680605

0,1022961033

0,3851990573

0,0075639664

10,7000000000

LAMPIRAN 4

DAERAH TAHUN

EKO

RMH

SHT

DIDIK

PERSOS

IMIS

63

2008

0,0858974202

0,0959846787

0,1396056135

0,5416191270

0,0275462115

10,8100000000

63

2009

0,0841062867

0,0909716697

0,1760014718

0,6187298435

0,0336382629

10,0489722919

63

2010

0,1062199015

0,0993967991

0,2940248973

0,7949130525

0,0427988035

9,7500000000

64

2008

0,0665406796

0,1516462780

0,0643858894

0,2619054903

0,0115424426

32,7000000000

64

2009

0,0630976765

0,1115510813

0,0604279938

0,2984981124

0,0079144145

30,4487047170

64

2010

0,0647803261

0,0950768435

0,0945898282

0,3533414076

0,0072973541

28,1200000000

65

2008

0,0320208769

0,0887786153

0,0530392332

0,2793446076

0,0052939233

13,9100000000

65

2009

0,0471848902

0,1322528661

0,0549515250

0,1469733486

0,0072298328

12,1613103950

65

2010

0,0423836530

0,0718608602

0,0423379274

0,1200773689

0,0066847263

11,2500000000

66

2008

0,0539739837

0,1580260562

0,0700108550

0,3737738559

0,0050677724

14,5300000000

66

2009

0,0496532113

0,1000791245

0,0899059147

0,4333688917

0,0055580586

13,1866182245

66

2010

0,0429429617

0,0856656345

0,0739493778

0,4041594916

0,0122047798

12,1400000000

67

2008

0,0333197354

0,1477615910

0,0750914195

0,2959801366

0,0034330788

23,8700000000

67

2009

0,0547652665

0,1428397899

0,0902215025

0,2804087247

0,0114963288

21,2716024428

67

2010

0,0462969017

0,1067793915

0,1037377902

0,3141965584

0,0123659626

18,7800000000

68

2008

0,0602938439

0,0527608633

0,0941132981

0,2734405427

0,0086692131

22,2300000000

68

2009

0,0725642264

0,1134301914

0,1070720068

0,3850441218

0,0092760050

20,1835076068

68

2010

0,0685724608

0,0534557755

0,1192402602

0,3798495106

0,0066395903

17,8900000000

69

2008

0,0357187016

0,0763297225

0,0852297757

0,1936433127

0,0037512694

21,4300000000

69

2009

0,0375549739

0,0921485630

0,1247931016

0,2504922270

0,0053426562

19,1429126184

69

2010

0,0463469748

0,0641645710

0,1233347847

0,2533463832

0,0039267664

16,4200000000

70

2008

0,0251208779

0,0560603786

0,0581886667

0,2029594001

0,0182693117

17,7400000000

70

2009

0,0365405045

0,0904673756

0,0612912010

0,2189960898

0,0056623833

15,4286623614

70

2010

0,0260346350

0,0479575931

0,0719862074

0,2368050812

0,0065010856

13,2700000000

71

2008

0,0414167832

0,0799341064

0,0833784219

0,2419380665

0,0049364322

16,4600000000

71

2009

0,0402545517

0,1045527661

0,0988799150

0,2916016332

0,0051466679

14,4585787425

71

2010

0,0415357913

0,0456441674

0,1235759673

0,3268782267

0,0061245064

13,8400000000

72

2008

0,0306640903

0,1919295123

0,0579993781

0,2383609612

0,0047914417

18,8500000000

72

2009

0,0425081204

0,1200106715

0,0607261738

0,2918987377

0,0063628171

17,0534562245

72

2010

0,0471548831

0,0823210192

0,0699297600

0,3217082341

0,0087785026

15,5200000000

73

2008

0,0455155011

0,0925968983

0,0730558588

0,2746067866

0,0025595587

22,5100000000

73

2009

0,0699597592

0,0508422864

0,0648979890

0,3450840531

0,0141797254

20,4692929372

73

2010

0,0692415878

0,0436700560

0,0919354554

0,3157378467

0,0143534067

18,7000000000

74

2008

0,0401767185

0,0992255630

0,0763793029

0,2351349967

0,0041631133

18,1700000000

74

2009

0,0482202303

0,0355547557

0,1010102400

0,3390954000

0,0049054788

15,8337732830

74

2010

0,0505485797

0,0407176529

0,0951449901

0,3231609155

0,0048520541

13,9800000000

75

2008

0,0659076985

0,1195096469

0,0940332324

0,4249564190

0,0206611555

18,5000000000

75

2009

0,0811370012

0,1174779746

0,0905165527

0,4281963073

0,0214832404

16,9688773822

75

2010

0,0750137027

0,1114165098

0,0919103341

0,4405343122

0,0184003188

15,4500000000

76

2008

0,0592899311

0,0984073530

0,1244363063

0,4758572842

0,0140431675

15,6700000000

76

2009

0,0766121242

0,0893018951

0,1260532883

0,5728831867

0,0089437142

13,9685313244

76

2010

0,0654016962

0,0499498614

0,1481724827

0,5718729853

0,0091691098

12,9500000000

77

2008

0,0299964877

0,0723229351

0,0377040263

0,2219502017

0,0096120171

15,0800000000

77

2009

0,0353324996

0,0815655031

0,0431708329

0,2558069969

0,0038504250

13,5684330627

77

2010

0,0355067443

0,0745443550

0,0492084409

0,2245988162

0,0040335293

12,5400000000

78

2008

0,0640148643

0,1090434364

0,0599308645

0,2744353310

0,0058134364

14,6100000000

78

2009

0,0406951924

0,0681999657

0,0640646610

0,3655614020

0,0143627863

13,2372133617

89


DAERAH TAHUN

90

EKO

RMH

SHT

DIDIK

PERSOS

IMIS

78

2010

0,0358329366

0,0403769578

0,0693155675

0,3613577224

0,0152106225

12,2300000000

79

2008

0,0416943536

0,0866696498

0,0976418826

0,3481591642

0,0103686808

19,7700000000

79

2009

0,0457559128

0,1232028551

0,1248752890

0,4183407498

0,0144606459

17,2206147109

79

2010

0,0441302335

0,0581336230

0,1302763438

0,4051461928

0,0104701115

14,9100000000

80

2008

0,0765670731

0,1085978889

0,0909089098

0,3432472168

0,0177560826

20,8600000000

80

2009

0,0692476838

0,0808737137

0,1028533841

0,3734094804

0,0153408116

19,0081951544

80

2010

0,0817210921

0,0856748400

0,0920976251

0,4146043857

0,0213334348

18,2600000000

81

2008

0,0744713740

0,1167078812

0,0937386428

0,3879960543

0,0116599387

21,1700000000

81

2009

0,0816254166

0,1076176271

0,0973997208

0,5173154655

0,0103618761

19,0134197815

81

2010

0,0870551402

0,0515921039

0,1119590077

0,5032913371

0,0109431710

19,5000000000

82

2008

0,0522297466

0,0975081156

0,0728423804

0,3196615452

0,0082810674

26,3200000000

82

2009

0,0657493628

0,0549685888

0,0846792127

0,3417768329

0,0121294242

24,3173329494

82

2010

0,0625723130

0,0711767719

0,1062932736

0,4171097217

0,0212553733

22,4800000000

83

2008

0,0387734852

0,0657798392

0,0757689387

0,2311453046

0,0024582977

18,0400000000

83

2009

0,0466881599

0,0816791089

0,0875063026

0,2632360981

0,0020179407

15,5836138731

83

2010

0,0588552039

0,0786189685

0,0970329377

0,2505002101

0,0045517207

13,1800000000

84

2008

0,0460187185

0,0715340974

0,0557165357

0,2281508929

0,0049684364

30,1300000000

84

2009

0,0460260870

0,0804093056

0,0672026676

0,2699401486

0,0043000459

27,6852748730

84

2010

0,0464791160

0,0614708870

0,0686305293

0,2915810978

0,0040175800

25,2200000000

85

2008

0,0922210315

0,0875379679

0,0771571858

0,2700899746

0,0085131800

34,5300000000

85

2009

0,0848721237

0,1064825652

0,0683140165

0,3151101153

0,0206709519

31,9422652776

85

2010

0,0682056966

0,0886309834

0,0773600065

0,2319523782

0,0198939352

32,4700000000

86

2008

0,0488342680

0,0979180168

0,0881060811

0,2200502204

0,0115868081

8,3500000000

86

2009

0,0399605607

0,0925388674

0,1220170643

0,2468544889

0,0105601893

6,9122813640

86

2010

0,0497154993

0,0620609510

0,1167249140

0,2705127879

0,0117375421

7,4500000000

87

2008

0,0710715635

0,1344030969

0,0657760998

0,3268196829

0,0157226302

18,0200000000

87

2009

0,0783606264

0,1124819459

0,0876607429

0,4130775408

0,0119215819

15,9880970271

87

2010

0,0837764566

0,0996282834

0,0980273609

0,4044702039

0,0095718849

16,2300000000

88

2008

0,0507226270

0,0884791170

0,0707548628

0,2772501869

0,0159628213

29,4600000000

88

2009

0,0707760098

0,1130380871

0,0842058735

0,3211884957

0,0158010238

26,8879440684

88

2010

0,0733170938

0,0667563492

0,0861244516

0,3274134458

0,0096912516

24,6100000000

89

2008

0,0929794908

0,1789145003

0,0790732358

0,4037893038

0,0119379095

20,6400000000

89

2009

0,0622597203

0,1292839399

0,0927512880

0,4648120042

0,0101206427

18,2658353901

89

2010

0,0758560613

0,0602650992

0,1184932180

0,5090134969

0,0046786206

15,9800000000

90

2008

0,0385303098

0,1248165827

0,0540428087

0,2635364649

0,0067134160

25,8400000000

90

2009

0,0691779646

0,1262206909

0,0629395745

0,3146599707

0,0058766785

23,0061214982

90

2010

0,0725776379

0,1112722799

0,0913461750

0,3536580119

0,0061079102

20,1900000000

91

2008

0,0793619908

0,1120892338

0,0838228340

0,3013733534

0,0052744925

12,4100000000

91

2009

0,0422699740

0,0673151124

0,1044386910

0,4202815198

0,0090101680

10,6046390680

91

2010

0,0593846996

0,1067837426

0,1100051094

0,4398063899

0,0164876320

10,6400000000

92

2008

0,1777796300

0,2210564032

0,2718610276

0,6591832792

0,0551935294

9,3400000000

92

2009

0,1612106793

0,1231893820

0,4645779130

0,7799633740

0,0542652965

7,5605758377

92

2010

0,1946388403

0,0906539170

0,6008845833

0,7742775779

0,0541505028

7,6300000000

93

2008

0,1098399637

0,1001487391

0,2888168595

0,7830235348

0,0252372887

11,7100000000

93

2009

0,0971097873

0,1559997434

0,3990538003

0,9010931239

0,0237629328

10,4117322114

93

2010

0,0931782559

0,2213186388

0,4758814472

0,7323224370

0,0257899318

9,3100000000

94

2008

0,0992603665

0,1417722768

0,1398029233

0,7562765142

0,0391288455

6,6900000000

LAMPIRAN 4

DAERAH TAHUN

EKO

RMH

SHT

DIDIK

PERSOS

IMIS

94

2009

0,1071546677

0,2101546622

0,1931153793

0,8779082618

0,0364357967

5,9324860544

94

2010

0,1454526392

0,4175337790

0,1812262055

1,0198092698

0,0155970789

6,1100000000

95

2008

0,0576781122

0,1485349060

0,0397266453

0,3210484882

0,0095414191

7,2200000000

95

2009

0,0441926875

0,1594078866

0,0352072099

0,3276356064

0,0143667924

5,5762941512

95

2010

0,0583906304

0,1160584716

0,0421890032

0,3479524819

0,0188941706

5,9000000000

96

2008

0,1810779569

0,2836782767

0,6897295346

0,7572827811

0,0747721566

8,8800000000

96

2009

0,2390861154

0,2178967748

1,1516601194

0,7545480503

0,0926243574

7,1872865534

96

2010

0,2409012613

0,2439460094

0,8316355515

0,6350531781

0,0915081895

7,4200000000

97

2008

0,1563595948

0,2739468671

0,2619322596

0,4635035608

0,0167998978

11,2000000000

97

2009

0,1947498808

0,2379534984

0,4417475731

0,6305955186

0,0545307238

9,3367229027

97

2010

0,1455549099

0,1203697553

0,2217393349

0,7085718078

0,0509734260

9,0000000000

98

2008

0,1824886945

0,2975001154

0,1782410150

0,4226693545

0,0554523781

23,2900000000

98

2009

0,1813136590

0,2397462176

0,2091817217

0,5543288583

0,0764586659

21,0556681113

98

2010

0,2324082128

0,1721436971

0,2582557435

0,6078177506

0,0571860295

19,0300000000

99

2008

0,0667000073

0,1702485001

0,0614343840

0,2190127867

0,0109264794

8,2300000000

99

2009

0,0744054852

0,2748823909

0,0950076110

0,2943669332

0,0130047872

6,7158441738

99

2010

0,0814131068

0,3377988999

0,1128243177

0,3261146484

0,0145116463

7,0700000000

100

2008

0,1515278547

0,2518867171

0,0834590450

0,3268442745

0,0186040899

6,1800000000

100

2009

0,0479659918

0,2040172465

0,0540949558

0,1346141089

0,0111161948

4,8095908965

100

2010

0,1443692608

0,4215610690

0,1019998446

0,5460993248

0,0381192009

5,1100000000

101

2008

0,1881840818

1,0789910900

0,1624078196

0,5989343931

0,0254918078

3,2800000000

101

2009

0,1613674544

0,9740037671

0,2302586694

0,7918890570

0,0428378467

3,2805118643

101

2010

0,1371139521

0,2392259625

0,1667591258

0,6177902233

0,0390814333

3,2300000000

102

2008

0,1460470592

0,3164123908

0,2053696604

0,6384584828

0,0307453805

6,1200000000

102

2009

0,1561001940

0,2439868875

0,2081835444

0,7088449907

0,0504293021

5,1847738517

102

2010

0,1610133604

0,2714097020

0,1836744965

0,6653093753

0,0540914498

6,4100000000

103

2008

0,0999235150

0,0818479554

0,1127312429

0,5292004704

0,0201747854

7,4500000000

103

2009

0,0867039721

0,0699812815

0,1256241423

0,5858048932

0,0159914769

5,9492519207

103

2010

0,0835036800

0,0518766102

0,1442091184

0,5714317335

0,0134365997

7,3500000000

104

2008

0,1014998623

0,1270641013

0,1841162840

0,6106305935

0,0356492046

6,6100000000

104

2009

0,0996353884

0,2484277369

0,1775454339

0,6348253126

0,0307914374

5,7598812731

104

2010

0,0801559726

0,1394988818

0,1744369029

0,5994993399

0,0226586095

6,6800000000

105

2008

0,1133328646

0,1682984131

0,1196323556

0,5904677745

0,0025687517

7,9700000000

105

2009

0,1125317135

0,1794381047

0,1283479016

0,3378066935

0,0275205258

6,7965777632

105

2010

0,1092372720

0,1281792947

0,0968777486

0,3687466012

0,0226813036

8,1100000000

106

2008

0,2463006900

0,1911865870

0,3224888618

0,9517608301

0,0205444607

7,0300000000

106

2009

0,3055845576

0,2762159526

0,3890702167

1,0159895209

0,0610917425

5,2281521371

106

2010

0,2308353767

0,1784770762

0,3386466702

0,9709318933

0,0568201954

7,5800000000

107

2008

0,1112905980

0,1209056866

0,1586345246

0,5211845226

0,0154049143

6,9200000000

107

2009

0,1304984642

0,1311062804

0,1803470289

0,5831385333

0,0132566139

4,9921010299

107

2010

0,1256819369

0,0494156327

0,2604285733

0,6148645587

0,0134415259

6,9600000000

108

2008

0,0770798172

0,0975373442

0,1327776547

0,3369356121

0,0117219244

2,1900000000

108

2009

0,0925042224

0,0714418087

0,1494342435

0,3952458236

0,0096836002

2,1987589725

108

2010

0,0767361450

0,0536447950

0,1256650294

0,3507252481

0,0077784037

2,2100000000

109

2008

0,0522374365

0,1703946805

0,0632644012

0,2326754242

0,0114861312

12,0500000000

109

2009

0,0401117198

0,1358571965

0,0718554335

0,2810810811

0,0135937648

10,6254991360

109

2010

0,0522293508

0,1035559681

0,0677699200

0,3299583528

0,0031208154

10,3800000000

91


DAERAH TAHUN

EKO

RMH

DIDIK

PERSOS

IMIS

110

2008

0,0296858450

0,0408648816

0,0555951983

0,2608933766

0,0121169545

12,5500000000

110

2009

0,0293992162

0,0330975559

0,0560799053

0,3484825250

0,0116881864

12,0095678624

110

2010

0,0397473975

0,0368380533

0,0567274308

0,3410390037

0,0117871061

11,1400000000

111

2008

0,0303741759

0,0731817257

0,0829281256

0,2166653080

0,0078330122

6,4800000000

111

2009

0,0399262287

0,0475718280

0,1133701238

0,3400820701

0,0059443322

5,7990206366

111

2010

0,0372613227

0,0401942477

0,0978153031

0,2460804272

0,0063623686

6,3400000000

112

2008

0,0257904913

0,0700112581

0,0562022406

0,1456202080

0,0057247254

7,4100000000

112

2009

0,0272120287

0,1144864280

0,0626829803

0,1689241375

0,0054772373

6,5474874387

112

2010

0,0266762595

0,1281495089

0,0728840311

0,1844842818

0,0047943579

7,1800000000

113

2008

0,2212922138

0,2675476270

0,1322542537

0,3942125971

0,0479446830

3,9500000000

113

2009

0,1441265653

0,2363717491

0,2181518636

0,4745492162

0,0294291193

4,1403745117

113

2010

0,2243892309

0,0712737982

0,2064516959

0,4314372983

0,0262362686

4,4600000000

114

2008

0,0340492402

0,1048633952

0,0302378353

0,2356589758

0,0095526334

6,8300000000

114

2009

0,0359559051

0,0980673126

0,0549993538

0,2964115081

0,0099349703

6,4203462444

114

2010

0,0464271880

0,0506495333

0,0474830846

0,2855475207

0,0127902568

6,8800000000

Kode Daerah: No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

92

SHT

Kode Daerah 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1017 1018 1019 1020 1021 1022 1023 1024 1025 1101 1102 1103

Daerah Kab. Bandung Kab. Bekasi Kab. Bogor Kab. Ciamis Kab. Cianjur Kab. Cirebon Kab. Garut Kab. Indramayu Kab. Karawang Kab. Kuningan Kab. Majalengka Kab. Purwakarta Kab. Subang Kab. Sukabumi Kab. Sumedang Kota Bandung Kota Bekasi Kota Bogor Kota Cirebon Kota Depok Kota Sukabumi Kota Tasikmalaya Kota Cimahi Kota Banjar Kab. Banjarnegara Kab. Banyumas Kab. Batang

LAMPIRAN 4

No 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73

Kode Daerah 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1201 1202 1203 1204 1205 1301 1302 1303 1304 1305 1306 1307 1308 1309 1310

Daerah Kab. Blora Kab. Boyolali Kab. Brebes Kab. Cilacap Kab. Demak Kab. Grobogan Kab. Jepara Kab. Karanganyar Kab. Kebumen Kab. Kendal Kab. Klaten Kab. Kudus Kab. Magelang Kab. Pekalongan Kab. Pemalang Kab. Purbalingga Kab. Purworejo Kab. Rembang Kab. Semarang Kab. Sragen Kab. Sukoharjo Kab. Tegal Kab. Temanggung Kab. Wonogiri Kab. Wonosobo Kota Magelang Kota Pekalongan Kota Salatiga Kota Semarang Kota Surakarta Kota Tegal Kab. Bantul Kab. Gunung Kidul Kab. Kulon Progo Kab. Sleman Kota Yogyakarta Kab. Bangkalan Kab. Banyuwangi Kab. Blitar Kab. Bojonegoro Kab. Bondowoso Kab. Gresik Kab. Jember Kab. Jombang Kab. Kediri Kab. Lamongan

93


No 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114

94

Kode Daerah 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1322 1323 1324 1325 1326 1327 1328 1329 1330 1331 1332 1333 1334 1335 1336 1337 1338 2201 2202 2203 2204 2205 2207 2208 2209 2801 2802 2803 2804 2805 2806

Daerah Kab. Lumajang Kab. Madiun Kab. Magetan Kab. Malang Kab. Mojokerto Kab. Nganjuk Kab. Ngawi Kab. Pacitan Kab. Pamekasan Kab. Pasuruan Kab. Probolinggo Kab. Sampang Kab. Sidoarjo Kab. Situbondo Kab. Sumenep Kab. Trenggalek Kab. Tuban Kab. Tulungagung Kota Blitar Kota Kediri Kota Madiun Kota Malang Kota Mojokerto Kota Pasuruan Kota Probolinggo Kota Surabaya Kota Batu Kab. Badung Kab. Bangli Kab. Buleleng Kab. Gianyar Kab. Jembrana Kab. Klungkung Kab. Tabanan Kota Denpasar Kab. Lebak Kab. Pandeglang Kab. Serang Kab. Tangerang Kota Cilegon Kota Tangerang

RIWAYAT HIDUP PENULIS Nama

: Sampurna Budi Utama

NIP

: 197402191995021001

Tempat/Tanggal Lahir

: Yogyakarta/19 Februari 1974

Unit Organisasi

: Pusdiklat PSDM

Riwayat Pekerjaan/Jabatan: 1. Struktural Tahun 1996-2003 2. Widyaiswara Pertama Tahun 2003-2006 3. Widyaiswara Muda Tahun 2006-2010 4. Widyaiswara Madya Tahun 2010-sekarang Riwayat Pendidikan: 1. Diploma III STAN Tahun 1996 2. Diploma IV STAN Tahun 2001 3. Pasca Sarjana Universitas Indonesia Tahun 2010 Karya yang Pernah Dibuat: •

Artikel dalam Kajian Akademis BPPK Tahun 2011 dengan judul: “Analisis Pengaruh Unconditional Grants, Pendapatan Asli Daerah (PAD), dan Produk Domestik Regional Bruto (PDRB) Terhadap Belanja Pemerintah Daerah: Studi Empiris pada Kabupaten/Kota di Indonesia”.

95


RIWAYAT HIDUP PENULIS Nama

: Nur Aisyah Kustiani

NIP

: 197512141995022001

Tempat/Tanggal Lahir

: Sukoharjo/14 Desember 1975

Unit Organisasi

: STAN

Riwayat Pekerjaan/Jabatan: 1. Pj. Kasubbid Tata Laksana Pendidikan Ajun Akuntan Tahun 2007-2011 2. Widyaiswara Muda Tahun 2011-sekarang Riwayat Pendidikan: 1. Diploma III STAN Tahun 1996 2. Diploma IV STAN Tahun 2001 3. Pasca Sarjana Universitas Gadjah Mada Tahun 2007

96

IIId. : Widyaiswara Muda

Recommend Documents