KAJIAN PENGEMBANGAN MODEL INVESTASI WILAYAH RENCANA PEMBANGUNAN JANGKA MENENGAH NASIONAL (RPJMN) TAHUN

Laporan Akhir Kajian Strategis Pengembangan Model Investasi Wilayah RPJMN 2015-2019

KATA PENGANTAR Puji syukur kami panjatkan kehadirat Allah SWT yang telah melimpahkan rahmat dan karunia-Nya sehingga kami dapat menyelesaikan laporan Akhir yang berjudul KAJIAN PENGEMBANGAN MODEL INVESTASI WILAYAH RENCANA PEMBANGUNAN JANGKA MENENGAH NASIONAL TAHUN 2015 – 2019 ”.

(RPJMN)

Buku ini terdiri dari tiga bagian. Bagian pertama yaitu pendahuluan, Bagian

kedua

merupakan

kerangka

Pengembangan

model

program

pembangunan provinsi; Bagian ketiga yaitu kerangka teori pengembangan model pembangunan provinsi; bagian empat yaitu metodologi; bagian lima hasil estimasi dan bagian enam berisi kesimpulan dan saran. Tak ada gading yang tak retak, masukan kritik dan saran yang membangun untuk penyempurnaan buku ini sangat kami harapkan dan hasil buku

ini

diharapkan

dapat

digunakan

sebagai

dasar

pertimbangan

Perencanaan.

Jakarta, Desember 2014 Direktorat Pengembangan Wilayah

Direktorat Pengembangan Wilayah – Bappenas

i


ii



TIM PENYUSUN LAPORAN AKHIR KAJIAN PENGEMBANGAN MODEL INVESTASI WILAYAH RENCANA PEMBANGUNAN JANGKA MENENGAH NASIONAL (RPJMN) TAHUN 2015 – 2019 PENGARAH Dr. Ir. Imron Bulkin, MRP PENANGGUNG JAWAB Drs. Oktorialdi, MA, Ph.D TIM PENYUSUN Drs. Sumedi Andono Mulyo, MA, Ph.D; Awan Setiawan, SE, MM, ME; Yudianto, ST, MT, MPP; Supriyadi, S.Si, MT; Rudi Alfian, SE; Fidelia Silvana, SP, M.Int.Econ & F; Septaliana Dewi Prananingtyas, SE, M.Bus,Ec; Ika Retna Wulandary, ST, M.Sc; Anang Budi Gunawan, SE, M.Econ; Bimo Fachrizal Arvianto, S.Si.

TIM PENDUKUNG Anna Astuti; Eni Arni ; Sapto Mulyono; Samsudin. TIM AHLI Dr. Rasidin Karo Karo Sitepu, SP, M.Si; Ir. Asmaril Sembiring, M.Si; Astrie Mahendar Octivani, ST

Komentar, saran dan kritik dapat disampaikan ke : Direktorat Pengembangan Wilayah Deputi Bidang Pengembangan Regional dan Otonomi Daerah Badan Perencanaan Pembangunan Nasional (BAPPENAS) Jl. Taman Suropati No. 2 Jakarta Pusat 10310 Telp/Fax. (021) 3193 4195 Email: [email protected]


iii


iv



DAFTAR ISI

I.

PENDAHULUAN 1.1. 1.2. 1.3. 1.4. 1.5.

II.

1

Latar Belakang ........................................................................ Tujuan Kegiatan ..................................................................... Sasaran Kegiatan ................................................................... Ruang Lingkup Kegiatan ......................................................... Keluaran 2014 ........................................................................

1 2 3 3 5

TINJAUAN PUSTAKA

...............................................................

7

Definisi Wilayah ................................................................. Distribusi Pendapatan dan Ketimpangan Antar-Daerah ......... Perkembangan Investasi di Indonesia ................................... Pengertian Incremental Capital Output Ratio ........................ Migrasi di Indonesia ............................................................... Studi Terdahulu Yang Terkait ...............................................

7 8 12 16 18 20

…..............................................................

29

3.1. Investasi dan Biaya Kapital ....................................................... 3.1.1. Keputusan Investasi ................................................. 3.1.2. User Cost Capital ........................................................ 3.2. Model Tobin’s q .................................................................. 3.3. Perubahan Investasi .............................................................. 3.3.1. Efek Pergerakan Output ............................................ 3.3.2. Efek Pergerakan Suku Bunga ..................................... 3.3.3. Efek Pajak .................................................................. 3.4. Pertumbuhan Ekonomi .......................................................... 3.4.1. Model Harrod-Domar .............................................. 3.4.2. Model Pertumbuhan Solow ....................................... 3.4.3. Model Pertumbuhan Baru ......................................... 3.4.4. Model Human Capital dan Pertumbuhan ................... 3.5. Model Regional Flows ......................................................... 3.5.1. Keunggulan Komparatif .......................................... 3.5.2. Teori Heckscher–Ohlin ….............…………………. 3.5.3. Mobilitas Sumberdaya ……..........………………… 3.6. Perpindahan Penduduk dan Tenaga Kerja ............................ 3.6.1. Ekonomi dan Migrasi ............................................... 3.6.2. Faktor Non Upah ...................................................... 3.6.3. Model Harris-Tadaro …………………...............….. 3.6.4. Model Gravitasi …………………………..............…. 3.6.5. Net dan gross Migrasi ................................................ 3.6.6. Efisiensi Migrasi ........................................................ 3.7. Mobilitas Capital .................................................................... 3.8. Pendekatan Neraca Pembayaran untuk Pertumbuhan Ekonomi Wilayah ………………………………….........…

29 29 29 30 35 35 37 38 40 40 42 44 49 50 50 54 55 57 57 59 59 60 61 63 65

2.1. 2.2. 2.3. 2.4. 2.5. 2.6. III.

.......................................................................

KERANGKA TEORI


66

v


3.9. Prototype Keterkaitan Regional ……………………………. 3.10.Pendekatan Model IS-LM dalam Keterkaitan Makroekononi .. 3.10.1. Model IS-LM ............................................................. 3.10.2. Model IS-LM, AS-AD, Fungsi Produksi dan Pasar Tenaga Kerja ........................................................... 3.11. Kerangka Konseptual ……………………………………..

69 70 70

………………………………………

77

4.1. Spesifikasi Model …………………………………………… 4.1.1. Persamaan Inflasi …………………………………… 4.1.2. Persamaan Kemiskinan ……………………………… 4.1.3. Model Penawaran Tenaga Kerja …………………… 4.1.4. Permintaan Tenaga Kerja …………………….......... 4.1.5. Persamaan Pengangguran ….…………………. 4.1.6. Model Konsumsi .........................…………………. 4.1.7. Model Investasi …………………………………….. 4.1.8. Pengeluaran Pemerintah ………………………….. 4.1.9. Persamaan Ekspor …………………………………. 4.1.10. Persamaan Impor ……………………………………. 4.1.11. PDRB Sektoral dan Pertumbuhan Ekonomi ………… 4.2. Prosedur Analisis …………………………………………… 4.2.1. Estimasi Parameter Model Data Panel ……………… 4.2.2. Pengujian Pemilihan Model ………………………….. 4.3. Jenis dan Sumber Data ………………………………………

77 78 80 80 81 82 83 84 85 86 86 87 87 89 90 91

HASIL ESTIMASI DAN PROYEKSI …………………………

93

5.1. Formulasi dan Hasil Estitmasi Model Indikator Makro …….. 5.1.1. Model Inflasi ……………….……………………….. 5.1.2. Persamaan Kemiskinan ……………………………… 5.1.3. Persamaan Penawaran Tenaga Kerja ………………. 5.1.4. Persamaan Permintaan Tenaga Kerja ………………. 5.2. Formulasi dan Hasil Estimasi Model PDB Sisi Pengeluaran…. 5.2.1. Persamaan Konsumsi …………………………..……. 5.2.2. Persamaan Investasi …………………………………. 5.2.3. Persamaan Konsumsi Pemerintah ……..……………. 5.2.4. Persamaan Ekspor ……..…………………………….. 5.2.5. Persamaan Import ……..…………………………….. 5.3. Asumsi Model ……………………………………………….. 5.4. Proyeksi Indikator Makroekonomi Provinsi ……………….. 5.4.1. Pertumbuhan Ekonomi ………………………………. 5.4.2. Tingkat Inflasi ……………………………………… 5.4.3. Pengangguran Terbuka …………………………….. 5.4.4. Tingkat Kemiskinan ………………………………… 5.4.5. Investasi Daerah ……………………………………..

93 93 99 103 106 109 109 112 115 118 122 125 128 128 133 138 143 148

DAFTAR PUSTAKA ……………………………………………………..

155

IV.

V.

vi

METODOLOGI

73 75



DAFTAR TABEL

Tabel 3.1

Tenaga Kerja yang Diperlukan untuk Proses Produksi ...........

Tabel 3.2

Matriks Daftar Faktor-Faktor Perbandingan Biaya-Keuntungan Berpindah ................................................................................ 58

Tabel 3.3

Perpindahan Gros dan Net Migrasi dan Kondisi Ekonomi Lokal 61

Tabel 5.1

Hasil Estimasi Model Inflasi .......................................................

96

Tabel 5.2

Interpretasi Koefisien Model Inflasi yang berlaku pada Level Nasional .........................................................................................

98

Dampak Laju Inflasi Akibat Kenaikan 1% dalam Permintaan akhir: “PC+GC+INV” ....................................................................

98

Tabel 5.4

Estimasi Model Kemiskinan Nasional dan Daerah ...................

100

Tabel 5.5

Estimasi Model Penawaran Tenaga Kerja Daerah .................... 104

Tabel 5.6

Estimasi Model Penawaran Tenaga Kerja Daerah ..................... 107

Tabel 5.7

Hasil Estimasi Model Konsumsi .................................................

Tabel 5.8

Hasil Estimasi Model Investasi ................................................... 113

Tabel 5.9

Hasil Estimasi Model Pengeluaran Pemerintah ........................ 117

Tabel 5.10

Ekspor Nonmigas Indonesia Menurut Negara Tujuan Januari– Oktober 2012 ................................................................................. 119

Tabel 5.11

Hasil Estimasi Model Ekspor....................................................... 120

Tabel 5.12

Impor Indonesia Menurut Golongan Penggunaan Barang Januari– Oktober, 2011-2012 .................................................................... 123

Tabel 5.13

Hasil Estimasi Model Impor ........................................................ 124

Tabel 5.14

Asumsi dalam Melakukan Proyeksi Model ................................ 126

Tabel 5.15

Proyeksi Pertumbuhan Ekonomi Provinsi, 2014-2019 ...........

Tabel 5.16

Alternatif Skenari 1, Skenario 2 dan Skenario 3 ........................ 130

Tabel 5.17

Proyeksi Pertumbuhan Ekonomi Provinsi 2014-2019 dengan Skenario 1 (Pesimis) ................................................................... 130

Tabel 5.18

Proyeksi Pertumbuhan Ekonomi Provinsi 2014-2019, dengan Skenario 2 (Moderat) ................................................................. 131

Tabel 5.19

Proyeksi Pertumbuhan Ekonomi Provinsi 2014-2019 dengan Skenario 3 (Optimis) .................................................................. 132

Tabel 5.20

Proyeksi Tingkat Inflasi Provinsi, 2014-2019 ........................... 134

Tabel 5.21

Proyeksi Tingkat Inflasi Provinsi, 2014-2019 Dengan Skenario

Tabel 5.3

1 (Pesimis) ...................................................................................


51

110

129

135

vii


Tabel 5.22

Proyeksi Tingkat Inflasi Provinsi, 2014-2019 (Skenario 2) ..... 136

Tabel 5.23

Proyeksi Tingkat Inflasi Provinsi, 2014-2019 (Skenario 3) ...... 137

Tabel 5.24

Proyeksi Tingkat Pengangguran terbuka Provinsi, 2014-2019 138

Tabel 5.25

Proyeksi Tingkat Pengangguran terbuka Provinsi, 2014-2019 (Skenario 1) .................................................................................. 140

Tabel 5.26

Proyeksi Tingkat Pengangguran terbuka Provinsi, 2014-2019 (Skenario 2) .................................................................................. 141

Tabel 5.27

Proyeksi Tingkat Pengangguran terbuka Provinsi, 2014-2019 (Skenario 3) ….………………………………………………….. 142

Tabel 5.28

Proyeksi Tingkat Kemiskinan Provinsi, 2014-2019 ................. 143

Tabel 5.29

Proyeksi Tingkat Kemiskinan Provinsi, 2014-2019 dengan Skenario 1 ...................................................................................... 144

Tabel 5.30

Proyeksi Tingkat Kemiskinan Provinsi, 2014-2019 (Skenario 2)….…………………………………………………... 146

Tabel 5.31

Proyeksi Tingkat Kemiskinan Provinsi, 2014-2019 dengan Skenario 3 ..................................................................................... 147

Tabel 5.32

Proyeksi Tingkat Investasi Provinsi Tahun 2014-2019 dengan Asumsi Baseline............................................................................. 148

viii



DAFTAR GAMBAR Perkembangan Realisasi Penanaman Modal Triwulan II Tahun 2013.................................................................................

15

Gambar 3.1

Dinamika Stok Kapital ................................................................

32

Gambar 3.2

Dinamika q ..................................................................................

33

Gambar 3.3

Phase Diagram ...........................................................................

33

Gambar 3.4

Saddle Path ..................................................................................

34

Gambar 3.5

Pengaruh Peningkatan Permanen Output ................................

35

Gambar 3.6

Pengaruh Peningkatan Sementara Output ................................

36

Gambar 3.7

Pengaruh Penurunan Permanen Suku Bunga ..........................

38

Gambar 3.8

Pengaruh Pajak Kredit Investasi Permanen ..............................

39

Gambar 3.9

Pengaruh Pajak Kredit Investasi Sementara ............................

40

Gambar 3.10 Kurva Kemungkinan Produksi dan Komunikasi .......................

52

Gambar 3.11 Model Perpindahan Sumberdaya .............................................

55

Gambar 3.12 Hubungan antara Permintaan Agregat dan Kurva IS ....................

71

Gambar 3.13 Hubungan Permintaan Uang dengan Kurva LM ..........................

72

Gambar 3.14 Keseimbangan Kurva IS-LM ........................................................

73

Gambar 3.15 Keterkaitan Variabel Makroekonomi ...........................................

74

Gambar 3.16 Kerangka Konseptual Keterkaitan Regional ..........................

76

Gambar 2.1


ix


x


Laporan Akhir Kajian Pengembangan Model Investasi Wilayah RPJMN 2015-2019

Bab 1. Pendahuluan 1.1

Latar Belakang Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2010-

2014

telah

menetapkan

arah

kebijakan,

strategi,

dan

sasaran

pembangunan daerah dengan tujuan utama mengurangi kesenjangan antarwilayah.

Konsekuensi dari hal ini, wilayah-wilayah yang saat ini

relatif tertinggal perlu bertumbuh lebih cepat dari daerah maju agar terjadi konvergensi antarwilayah.

Dalam dokumen lima-tahunan

tersebut, wilayah pembangunan dikelompokkan ke dalam tujuh wilayah berbasis pulau-pulau besar atau kepulauan, yakni Sumatera, Jawa-Bali, Kalimantan, Sulawesi, Nusa Tenggara, Maluku, dan Papua.

Selama

periode 2000-2008 rata-rata pertumbuhan wilayah di Kawasan Timur Indonesia (Kalimantan, Sulawesi, Nusa Tenggara, Maluku, dan Papua) secara keseluruhan mencapai 4.1 persen per tahun, lebih rendah dari Kawasan Barat Indonesia yang bertumbuh rata-rata hampir 5 persen per tahun. Salah satu pendorong utama pertumbuhan adalah investasi. Investasi akan meningkatkan akumulasi kapital, yang selanjutnya mendorong peningkatan produktivitas tenaga kerja dan berujung pada meningkatnya output perekonomian.

Selanjutnya peningkatan output

akan diikuti dengan dampak-dampak lainnya, seperti meningkatnya permintaan

tenaga

kerja

–

yang

dengan

demikian

pengangguran, meningkatnya pendapatan regional

menurunkan

– yang berarti

meningkatnya penerimaan pajak pemerintah, meningkatnya pendapatan rumah tangga – yang berarti mengurangi tingkat kemiskinan, serta berpotensi meningkatkan aktivitas perdagangan antarwilayah maupun ekspor.

Itulah sebabnya pertumbuhan yang berkualitas salah satunya

dicirikan oleh besarnya kontribusi investasi dalam pertumbuhan daerah. Di samping itu, investasi yang bertumbuh secara merata di tanah air berpotensi untuk mengoptimalkan pemanfaatan sumber daya alam.


1


Pembangunan yang berimbang, baik antarwilayah maupun antara intensitas dan daya dukung lingkungan dipercaya lebih berkelanjutan daripada pembangunan yang terkonsentrasi di satu lokasi dengan tingkat intensitas yang membahayakan titik kritis keseimbangan ekologi. Kajian ini dimaksudkan untuk mengembangkan Kajian Strategis Pengembangan Model Investasi Wilayah RPJM 2015-2019 kedalam model pembangunan provinsi untuk memenuhi kebutuhan proyeksi dan simulasi dalam mendukung perencanaan pembangunan disetiap Provinsi serta melakukan analisis kinerja pembangunan di setiap provinsi.

Hasil

simulasi, rekomendasi dan analisis provinsi yang dihasilkan akan digunakan untuk mendukung pelaksanaan Master Plan Percepatan dan Perluasan Pembangunan Ekonomi Indonesia (MP3EI) dan penyiapan Rancangan RPJMN 2015-2019.

1.2

Tujuan Kegiatan Tujuan

kajian

ini

adalah

mengembangkan

sebuah

model

pembangunan provinsi yang dapat dipakai untuk mendukung keperluankeperluan: 1. Melakukan proyeksi atau peramalan pertumbuhan investasi provinsi; 2. Melakukan simulasi kebijakan investasi dan pendugaan dampakdampaknya pada tiga indikator utama: pertumbuhan ekonomi, kemiskinan, dan pengangguran; 3. Melakukan analisis investasi untuk mendukung RPJM 2015-2019; 4. Mengembangkan kapasitas staf Bappenas dalam analisis investasi wilayah; 5. Mengembangkan rekomendasi kebijakan investasi pengembangan wilayah dalam mendukung rancangan rencana pembangunan nasional terkait lingkup pengembangan wilayah RPJMN dan RKP serta RPJMN 2015-2019;

2



1.3

Sasaran Kegiatan Adapun sasaran dari Kajian Strategis Pengembangan Model

Investasi Wilayah RPJMN 2015-2019 ini adalah: 1. Terlaksananya proyeksi atau peramalan pertumbuhan

investasi

provinsi; 2. Dilakukannya simulasi kebijakan investasi dan pendugaan dampakdampaknya pada tiga indikator utama: pertumbuhan ekonomi, kemiskinan, dan pengangguran; 3. Terlaksananya analisis investasi untuk mendukung RPJMN 2015-2019; 4. Terlaksannya estimasi analisis investasi untuk mendukung RPJMN 2015-2019; 5. Terwujudnya

pengembangan

kebijakan

investasi

pengembangan

wilayah dalam mendukung rancangan rencana pembangunan nasional terkait lingkup pengembangan wilayah RPJMN dan RKP serta RPJMN 2015-2019.

1.4

Ruang Lingkup Kegiatan Penyusunan kajian dengan topik “Pengembangan Model Invetasi

Wilayah RPJMN 2015-2019” dititikberatkan pada serangkaian kegiatan sebagai berikut: 1.

Pengembangan Model Analisis;

2.

Pengumpulan data-data dan literatur dari berbagai sumber, penyiapan serta pengolahan dari data dan informasi yang tersedia;

3.

Analisis data dan pengkajian literatur untuk penyusunan kajian;

4.

Pertemuan/Rapat; Pertemuan atau rapat rutin dilakukan setiap bulan dengan peserta Tim TPRK yang diakukan di Bappenas dengan beberapa agenda terkait dengan kegiatan Pengembangan Model Investasi Wilayah RPJMN 2015-2019.

5.

Kunjungan lapangan; Kunjungan lapangan bertujuan dalam rangka pengumpulan data dan informasi serta untuk analisis kinerja pembangunan di tiap provinsi, kunjungan lapangan dilakukan di


3


Kantor Bappeda Provinsi dengan metode yang dilakukan diskusi mendalam (indep interview) dengan pejabat di Bappeda Provinsi. Kunjungan

lapangan

dilakukan

di

beberapa

daerah

terpilih

diantaranya di Provinsi Sulawesi Selatan, NTB, Kalimantan Barat, Jawa Timur dan Lampung. Pemilihan provinsi tersebut didasarkan pada analisis kinerja pembangunan provinsi tersebut yang memiliki data analisa investasi yang baik dan yang kurang baik sehingga perlu dijadikan sampel wilayah yang perlu di kunjungi untuk berdiskusi hasil temuan analisis kinerja pembangunan dengan kenyataan di daerah. Kunjungan lapangan dilakukan oleh 2 (dua) orang Tenaga Ahli dan staf golongan III berdasarkan surat tugas ketua tim pelaksana kegiatan dan wajib menyusun laporan kunjungan lapangan yang ditandatangani oleh pelaksana sesuai surat tugas ketua tim pelaksana kegiatan. 6.

Konsinyering;

Konsinyering

bertujuan

untuk

membahas

dan

menyatukan persepsi atas suatu hal tertentu. Konsinyering dalam kegiatan Pengembangan Model investasi wilayah RPJMN 2015-2019 dilakukan sebanyak 2 (dua) kali dengan rincian konsinyering penyusunan

laporan

kemajuan,

penyusunan

laporan

akhir.

Konsinyering dilakukan di luar kantor Bappenas dan peserta golongan III berdasarkan surat undangan ketua tim pelaksana kegiatan, dengan jumlah peserta konsinyering laporan kemajuan 20 orang dan peserta konsinyering laporan akhir 25 orang. 7.

Penyusunan Laporan; Penyusunan laporan kegiatan Pengembangan Model Investasi wilayah RPJMN 2015-2019 dilakukan sebanyak 3 (Tiga) kali yaitu laporan kemajuan sebanyak 15 eks, laporan akhir dan ringkasan laporan akhir sebanyak 50 eks. Laporan kemajuan berisikan kemajuan atau perkembangan hasil kegiatan yang telah dilakukan, laporan akhir berisikan hasil kegiatan yang telah dilakukan disertai saran, tindak lanjut atau kesimpulan dan ringkasan laporan berisikan ringkasan/intisari dari laporan akhir

4



kegiatan serta laporan analisis 33 provinsi yang akan dibagikan kepada pihak-pihak yang terkait di Bappenas dan diluar Bappenas. 1.5

Keluaran 2014 Kajian dengan topik “Pengembangan Model Investasiwilayah

RPJMN 2015-2019” ini diharapkan dapat menghasilkan keluaran sebagai berikut: 1.

Laporan Kemajuan, Laporan Akhir dan Ringkasan Laporan Akhir berisi model Pembangunan Provinsi, data-data pendukung, analisis dan rekomendasi kebijakan;

2.

Laporan analisis kinerja pembangunan di tiap provinsi;

3.

Seminar/Workshop diseminasi hasil kajian.


5


6


Laporan Akhir Kajian Strategis Pengembangan Model Pembangunan Provinsi

Bab 2. Tinjauan Pustaka 2.1.

Definisi Wilayah Setidaknya ada tiga definisi tentang daerah yang sering dijumpai

dalam literatur, yaitu daerah homogen, daerah nodal dan daerah perencanaan atau daerah administratif (Richardson, 1969). Penjelasan masing-masing definisi daerah adalah sebagai berikut: 1. Konsep daerah homogen didasarkan pada suatu pandangan bahwa unit-unit spasial dapat dikelompokkan menjadi suatu daerah tunggal jika mereka memiliki karakteristik yang sama. Karakteristik yang dimaksud dapat berupa karakteristik ekonomi, geografi ataupun sosial-politik. Pendefinisian daerah akan menjadi sulit manakala daerah-daerah tersebut seragam dalam beberapa hal tetapi tidak seragam dalam aspek lainnya. 2. Konsep daerah nodal, didefinisikan sebagai suatu daerah yang terdiri atas satuan-satuan ruang yang berbeda yang saling berkaitan satu dengan yang lainnya baik secara internal maupun secara eksternal. Secara internal keterkaitan fungsional terjadi melalui perdagangan dan layanan jasa-jasa di dalam daerah yang bersangkutan. Secara eksternal jaringan produksi, perdagangan, angkutan, komunikasi, imigrasi, aliran bahan baku dan komoditas mengaitkan suatu daerah dengan daerah yang lainnya, termasuk dengan luar negeri. 3. Klasifikasi daerah perencanaan atau administratif dipandang penting dalam kaitannya dengan perumusan kebijakan dan perencanaan serta analisis

daerah.

membutuhkan

Mengingat

legitimasi

pelaksanaan

kekuasaan

maka

kebijakan daerah

ini

daerah perlu

didefinisikan sebagai daerah administratif dengan legalitas politik yang jelas pada berbagai tingkat. Mengacu kepada definisi daerah administratif, maka Indonesia dapat dibagi-bagi menjadi beberapa tingkat daerah yaitu propinsi, kabupaten/kota dan Desa. Memperhatikan aspek ini sangatlah penting


7


dalam upaya mengelompokkan berbagai propinsi menjadi beberapa kesatuan daerah yang lebih luas, misalnya kesatuan pulau. Indonesia yang terdiri dari puluhan ribu pulau, dengan adat-istiadat dan budaya yang berbeda-beda menjadi dasar terjadinya perbedaan karakter sosial, politik dan ekonomi. Aspek ekonomi sangat dipengaruhi oleh karakter geografis, aspek sosial dan politik. Oleh karena itu di samping mempertimbangkan aspek ekonomi, untuk mengelompokkan daerahdaerah menjadi beberapa kesatuan daerah yang lebih luas, misalnya pulau, juga harus mempertimbangkan aspek geografis, sosial dan politik. Akibat

dari

penjelasan

pada

dua

paragraf

sebelumnya,

maka

penggabungan beberapa propinsi menjadi daerah yang lebih besar harus mempertimbangkan kriteria daerah administratif dan daerah homogen.

2.2.

Distribusi Pendapatan dan Ketimpangan Antar-Daerah Dalam teori ekonomi distribusi pendapatan dapat dibedakan

menjadi dua, yaitu : (1) distribusi pendapatan institusional atau distribusi pendapatan personal, yaitu distribusi pendapatan yang terjadi antar institusi maupun antar kelompok rumahtangga; dan (2) distribusi pendapatan fungsional atau distribusi pendapatan faktorial, adalah distribusi pendapatan yang diterima oleh masing-masing faktor produksi yang digunakan dalam proses produksi (Semaoen, 1992). Distribusi

pendapatan

personal

atau

institusional

adalah

merupakan ukuran yang paling umum digunakan oleh para ekonom. Ukuran ini hanya berkaitan dengan masing-masing individu atau satu kelompok masyarakat dan jumlah penghasilan yang mereka terima. Besarnya pendapatan personal yang diterima oleh masing-masing individu atau kelompok masyarakat, sangat tergantung dari kepemilikan faktor produksi. Individu

dapat

memberikan

jasa tenaga

kerja,

keterampilan (manajemen), dan modal yang dimilikinya dalam suatu proses produksi. Imbalan terhadap digunakannya faktor produksi milik individu masyarakat itulah yang diterima sebagai pendapatan personal (Semaoen. 1992).

8



Imbalan yang diterima oleh setiap individu atau kelompok masyarakat, dapat berupa : (1) upah atau gaji, sebagai balas jasa atas penggunaan faktor produksi dalam suatu proses produksi, (2) laba, dividen, bunga, sewa, dan lain sebagainya atas imbalan penggunaan modal atau kapital, dan (3) pendapatan lain, atas imbalan yang dibayarkan untuk kepemilikan faktor produksi lainnya. Selanjutnya

Todaro

(1991),

Yotopolus

dan

Nugent

(1976),

menggunakan Kurva Lorenz dan Koefisien Gini untuk mengukur distribusi pendapatan. Kurva Lorenz dapat menjelaskan distribusi pendapatan secara

grafis,

sedangkan

Koefisien

Gini

mengukur

ketimpangan

pendapatan yang terjadi dengan melihat hubungan antara jumlah penduduk dengan distribusi pendapatan dalam bentuk persentase kumulatif. Distribusi pendapatan fungsional atau distribusi pendapatan faktorial ini menjelaskan distribusi pendapatan yang diterima oleh masing-masing faktor produksi yang digunakan dalam proses produksi. Besarnya kecilnya pendapatan ini tergantung dari seberapa besar atau seberapa banyak faktor produksi yang digunakan, selain juga ditentukan oleh faktor harga faktor produksi. Dalam melakukan analisis distribusi pendapatan faktorial ini, produksi total dibagi habis dalam faktor produksi yang digunakan. Dalam konteks analisis SAM, ada dua faktor produksi yang digunakan yaitu modal dan tenaga kerja. Perubahan dalam pemakaian faktor produksi akan menyebabkan perubahan dalam distribusi pendapatan faktorial atau fungsional. Selanjutnya, pendapatan yang diterimakan kepada masingmasing faktor produksi tersebut akan diterima oleh pemilik faktor produksi. Semaoen

(1992)

mengatakan

bahwa

pengukuran

distribusi

pendapatan dapat dilakukan dengan metode akuntansi dan dengan menggunakan fungsi produksi guna memperoleh andil faktor (factor share) dari setiap faktor produksi yang digunakan. Metode akuntansi dalam menghitung andil faktor setiap masukan (faktor produksi)


9


memerlukan data mengenai jumlah faktor produksi yang digunakan dalam proses produksi dan balas jasa yang diterima oleh setiap faktor tersebut. Dalam perhitungannya, nilai produksi dialokasikan kepada setiap faktor produksi sebagai balas jasa dari penggunaan faktor produksi tersebut. Balas jasa terhadap faktor produksi ini, merupakan pendapatan dari

masing-masing

faktor

tersebut,

atau

yang

disebut

sebagai

pendapatan faktorial. Wie (1981) mengemukakan bahwa negara yang hanya menekankan pada pertumbuhan ekonomi tanpa memikirkan distribusi pendapatan, akan memunculkan ketimpangan-ketimpangan di antaranya: a. Ketimpangan pendapatan antar golongan atau ketimpangan relatif. Ketimpangan yang terjadi antar golongan ini sering kali diukur dengan menggunakan koefisien Gini. Kendati koefisien Gini bukan merupakan indikator yang ideal mengenai ketimpangan pendapatan antar berbagai golongan, namun sedikitnya angka ini dapat memberikan gambaran mengenai kecenderungan umum dalam pola distribusi pendapatan. b. Ketimpangan

pendapatan

antara

masyarakat

perdesaan

dan

perkotaan. Ketimpangan dalam distribusi pendapatan dapat juga ditinjau dari segi perbedaan pendapatan antara masyarakat desa dengan masyarakat perkotaan (urban-rural income disparities). Untuk membedakan hal itu digunakan dua indikator: (1) perbandingan antara tingkat pendapatan per kapita di daerah perkotaan dan pedesaan, dan (2) disparitas pendapatan daerah perkotaan dan daerah perdesaan(perbedaan pendapatan rata-rata antara kedua daerah sebagai persentase dari pendapatan nasional rata-rata). Menurut

Bank

Dunia,

pola

pembangunan

Indonesia

memang

memperlihatkan suatu urban bias dengan tekanan berat pada sektor industri, yang merupakan landasan bagi ketimpangan distribusi pendapatan di kemudian hari. c. Ketimpangan distribusi pendapatan antar daerah. Untuk melihat ketimpangan distribusi pendapatan nasional, adalah ketimpangan

10



dalam perkembangan ekonomi antar berbagai daerah di Indonesia, yang mengakibatkan pula terjadinya ketimpangan pendapatan per kapita antar daerah (regional income disparities). Ketimpangan pendapatan

seperti

ini

disebabkan

oleh

karena

penyebaran

sumberdaya alam yang tidak merata, perbedaan laju pertumbuhan antar daerah, dan belum berhasilnya usaha-usaha pembangunan yang merata antar daerah di Indonesia. Arif (1978) menyebutkan bahwa terdapat delapan proses yang telah menimbulkan ketimpangan yang pada suatu wilayah ( pada level propinsi ataupun negara), di antaranya (1) Pertambahan penduduk yang tinggi yang mengakibatkan menurunnya pendapatan per kapita, (2) Inflasi dimana pendapatan uang bertambah tetapi tidak diikuti secara proporsional

dengan

pertambahan

produksi

barang-barang,

(3)

Ketidakmerataan pembangunan antar subwilayah (atau daerah yang lebih kecil), (4) Investasi yang sangat banyak dalam proyek-proyek yang intensif modal sehingga persentase pendapatan dari harta bertambah besar dibandingkan dengan persentase pendapatan yang berasal dari kerja, sehingga pengangguran bertambah, (5) Rendahnya mobilitas sosial, (6) Pelaksanaan kebijaksanaan substitusi-impor industri yang menyebabkan kenaikan

harga

barang-barang hasil

industri untuk

melindungi golongan kapitalis, (7) Memburuknya term of trade bagi wilayah yang sedang berkembang dalam perdagangan dengan wilayah maju (daerah atau negara) sebagai akibat ketidak elastisan permintaan wilayah maju, dan (8) Hancurnya industri-industri rakyat, seperti: pertukangan, industri rumah tangga, dan lain-lainnya. Lebih lanjut, Wie (1981) menjelaskan bahwa dalam upaya mengurangi ketimpangan tersebut adalah dengan strategi campur tangan pemerintah. Dalam hal ini diupayakan pembagian yang merata dari sumberdaya yang ada kepada golongan masyarakat termiskin, sehingga kesejahteraan mereka dapat meningkat. Terdapat

tiga

cara

dalam

menanggulangi

atau

melakukan

redistribusi ketimpangan pendapatan, yaitu, (1) Redistribusi Non-


11


Incremental. Hal ini menyangkut kebijaksanaan redistribusi harta yang ada, seperti: pemungutan pajak pendapatan secara progresif, (2) Redistribusi Incremental. Cara ini digunakan dalam pemungutan pajak bagi golongan yang berpendapatan tinggi, yang selanjutnya dibagikan langsung kepada mereka yang kurang mampu. Kebijaksanaan ini biasanya dianut oleh negara-negara sosialis, dan (3) Redistribusi melalui pertumbuhan.

Kebijakan

ini

bertujuan

untuk

menaikkan

laju

pertumbuhan pendapatan golongan masyarakat miskin, dengan tidak mengurangi secara absolut pendapatan total. Ada beberapa hal yang terkandung dalam kebijaksanaan ini, seperti: (1) mempertahankan laju pertumbuhan yang tinggi, (2) menstabilkan penghasilan golongan paling kaya, (3) menyalurkan sebagian pendapatan golongan kaya sebagai hasil pertumbuhan ke dalam berbagai bentuk investasi, dan (4) mengalokasikan investasi ke dalam bentuk

yang

lebih

bermanfaat

bagi

golongan

masyarakat

termiskin.Redistribusi melalui pertumbuhan dapat digunakan untuk menganalisis potensi jangka panjang pembangunan ekonomi, khususnya yang menyangkut kesenjangan (trade-off). Ada

empat

pendekatan

untuk meningkatkan

kesejahteraan

golongan masyarakat paling miskin (1) meningkatkan laju pertumbuhan pendapatan daerah sampai tingkat maksimal dengan jalan meningkatkan tabungan dan mengalokasikan sumberdaya secara lebih efektif dan efisien, (2) mengalihkan investasi kepada golongan masyarakat miskin dalam bentuk pendidikan, kesehatan, penyediaan kredit dan fasilitas umum,

(3)

melakukan

redistribusi

pendapatan

kepada

golongan

masyarakat miskin melalui sistem fiskal, atau mengalokasikan barangbarang konsumsi secara langsung, dan (4) pengalihan harta yang sudah ada kepada golongan masyarakat miskin, misalnya melalui land reform. 2.3.

Perkembangan Investasi di Indonesia Penanaman modal pada suatu perusahaan dalam bahasa Inggrisnya

disebut dengan investment, dimana dalam perkembangannya kita sering

12



menyebutnya dengan istilah investasi. Investasi merupakan salah satu akselerator dalam perekonomian suatu negara karena besar kecilnya suatu investasi akan terkait dengan aktifitas atau variabel ekonomi lain seperti tingkat kesempatan kerja, laju pertumbuhan dan pendapatan suatu negara. Peningkatan investasi akan mampu mendorong laju pertumbuhan ekonomi menjadi lebih cepat sehingga pendapatan nasional yang tinggi dapat dicapai.

Investasi dapat diartikan sebagai

suatu aktifitas atau kegiatan yang diharapkan pada masa akan datang akan memberikan return yang lebih besar (Romer, 1996). Investasi dapat dibagi dua bagian berdasarkan pelakunya yaitu (1) autonomous invesment yang biasanya dilakukan pemerintah karena membutuhkan dana besar dan lebih berorientasi pada peningkatan pelayanan masyarakat meskipun kadang-kadang aspek profit juga dipertimbangkan, dan (2) Induced Invesment (investasi dorongan) yang biasanya dilakukan oleh swasta baik individu maupun perusahaan dan biasanya lebih memperhatikan aspek profit yang akan dicapai. Investasi dalam pendapatan nasional (GNP) merupakan salah satu variabel penentu disamping Konsumsi (C), Pengeluaran Pemerintah (G) dan Ekspor-Impor (X). Pengeluaran untuk investasi dalam perhitungan pendapatan nasional merupakan total belanja sektor swasta untuk barang-barang kapital atau yang lebih dikenal dengan Investasi Swasta (Private Invesment). Investasi swasta di Indonesia sebagaimana negara lain dapat berasal dari negara lain (Foreig Investment) yang lebih dikenal dengan Penanaman Modal Asing (PMA) dan investasi dari dalam negeri (Domestic Investment) atau yang lebih dikenal dengan Penanaman Modal Dalam Negeri (PMDN). Melihat pentingnya investasi swasta ini maka pemerintah membentuk suatu badan khusus yang mengatur kegiatan investasi di Indonesia yang disebut dengan Badan Koordinasi Penanaman Modal (BKPM) dengan tugas tidak hanya mengontrol tetapi juga melakukan promosi investasi dan mengeluarkan izin investasi. Penanaman modal dalam Pasal 1 Ayat (1) Undang-Undang Nomor 25 Tahun 2007 tentang Penanaman Modal adalah segala bentuk kegiatan


13


menanam modal, baik oleh penanam modal dalam negeri maupun penanam modal asing untuk melakukan usaha di wilayah Negara Republik Indonesia, definisi ini juga senada dalam Pasal 1 Peraturan Presiden No 76 Tahun 2007 tentang Kriteria Dan Persyaratan Penyusunan Bidang Usaha Yang Tertutup Dan Bidang Usaha Yang Terbuka Dengan Persyaratan Di Bidang Penanaman Modal. Modal dalam negeri adalah modal yang dimiliki oleh Negara Republik Indonesia, perseorangan warga negara Indonesia, atau badan usaha yang berbentuk badan hukum atau tidak berbadan hukum (Pasal 1 Ayat (9) Peraturan Presiden No.76 Tahun 2007 tentang kriteria dan persyaratan penyusunan bidang usaha yang tertutup dan terbuka dengan persyaratan di bidang penanaman modal). Berbeda dengan pengertian diatas, dalam Pasal 1 Ayat (2) UU Penanaman

Modal

memberikan

pengertiannya

sendiri

bahwa:

“penanaman modal dalam negeri adalah kegiatan menanam modal untuk melakukan usaha di wilayah Negara Republik Indonesia yang dilakukan oleh penanam modal dalam negeri dengan menggunakan modal dalam negeri”. Penanaman modal asing juda dapat didefinisikan sebagai kegiatan menanam modal untuk melakukan usaha di wilayah negara republik Indonesia yang dilakukan oleh penanam modal asing, baik yang menggunakan modal asing sepenuhnya maupun yang berpatungan dengan penanam modal dalam negeri (Pasal 1 Ayat (3) Undang-Undang Nomor 25 Tahun 2007 tentang Penanaman Modal). Umumnya setiap Negara membutuhkan modal pembangunan nasional melalui penanaman modal, sehingga kehadiran para investor tidak mungkin dihindari. Permasalahannya kehadiran investor sangat dipengaruhi kondisi internal negara, seperti stabilitas ekonomi, politik negara, dan penegakan hukum. Untuk memenuhi harapan tersebut, pemerintah dan masyarakat dituntut menciptakan iklim yang kondusif untuk investasi bagi pertumbuhan perindustrian nasional Indonesia. Usaha-usaha yang dilakukan pemerintah antara lain adalah dengan mengeluarkan Undang-Undang Nomor 25 Tahun 2007 tentang Penanaman

14



Modal dan kebijaksanaan pemerintah yang pada dasarnya tidak akan merugikan kepentingan nasional dan kepentingan investor. Tujuan penyelenggaraan penanaman modal sebagaimana ditetapkan Pasal 3 ayat (2) Undang-Undang Nomor 25 tahun 2007, antara lain (1) meningkatkan pertumbuhan ekonomi nasional; (2) menciptakan lapangan kerja; (3) meningkatkan pembangunan ekonomi berkelanjutan; (4) meningkatkan kemampuan daya saing dunia usaha nasional; (5) meningkatkan kapasitas dan kemampuan teknologi nasional; (6) mendorong pengembangan ekonomi kerakyatan; (7) mengolah ekonomi potensial menjadi ekonomi riil dengan menggunakan dana dari dalam negeri maupun dari luar negeri; dan (8) meningkatkan kesejahteraan masyarakat. Gambar 2.1. Perkembangan Realisasi Penanaman Modal Triwulan II Tahun 2013

Sumber: BKPM, Juli 2013 (diolah) Nilai investasi Triwulan II 2013 merupakan realisasi investasi yang dilakukan selama 3 bulan periode laporan (April–Juni 2013) berdasarkan Laporan Kegiatan Penanaman Modal (LKPM) yang diterima BKPM. Diluar investasi Migas, Perbankan, Lembaga Keuangan NonBank, Asuransi, Sewa Guna Usaha, dan Industri Rumah Tangga. Nilai investasi dalam Rp.Triliun (T) dan Kurs US$.1=Rp.9.300,-. Realisasi investasi pada Triwulan II 2013: Rp.99,8T, meningkat 7,3% dari Triwulan I 2013 (Rp.93,0T) atau


15


meningkat 29,8% dari Triwulan II 2012 (Rp.76,9T). Realisasi investasi pada Januari–Juni 2013: Rp.192,8T, meningkat 30,2% dari tahun sebelumnya yaitu Januari–Juni 2012 (Rp.148,1T) (Gambar 1). Penyerapan tenaga kerja Indonesia secara langsung pada periode Triwulan II 2013 sebanyak 626.376 orang. Penyerapan tertinggi oleh PMA, yaitu

sebesar 386.566 orang (61,71% dari total

Keberadaan

investasi

PMDN

dan

PMA

tenaga

diperkirakan

akan

kerja). dapat

mengakibatkan efek ganda terhadap penyerapan tenaga kerja secara tidak langsung yaitu sebesar 4 kali. Sejauh ini hubugan antara investasi dengan penyerapan tenaga kerja masih positif dan searah dengan perkembangan investasi. 2.4.

Pengertian Incremental Capital Output Ratio Incremental Capital Output Ratio (ICOR) adalah suatu besaran yang

menunjukkan besarnya tambahan kapital (investasi) baru yang dibutuhkan untuk menaikkan/menambah satu unit output. Besaran ICOR diperoleh dengan membandingkan besarnya tambahan kapital dengan tambahan output. Karena unit kapital bentuknya berbeda-beda dan beraneka ragam sementara unit output relatif tidak berbeda, maka untuk memudahkan penghitungan keduanya dinilai dalam bentuk uang (nominal). Pengkajian mengenai ICOR menjadi sangat menarik karena ICOR dapat merefleksikan besarnya produktifitas kapital yang pada akhirnya menyangkut besarnya pertumbuhan ekonomi yang bisa dicapai. Secara teoritis hubungan ICOR dengan pertumbuhan ekonomi dikembangkan pertama kali oleh R. F. Harrod dan Evsey Domar (1939 dan 1947). Namun karena kedua teori tersebut banyak kesamaannya, maka kemudian teori tersebut lebih dikenal sebagai teori Harrod-Domar. Pada dasarnya teori tentang ICOR dilandasi oleh dua macam konsep Rasio Modal-Output yaitu: (i) Rasio Modal-Output atau Capital Output Ratio (COR) atau yang sering disebut

sebagai

Average

Capital

Output

Ratio

(ACOR), yaitu perbandingan antara kapital yang digunakan

16



dengan output yang dihasilkan pada suatu periode tertentu. COR atau ACOR ini bersifat statis karena hanya menunjukkan besaran yang menggambarkan perbandingan modal dan output. (ii) Rasio

Modal-Output

Marginal

atau

Incremental

Capital

Output Ratio (ICOR) yaitu suatu besaran yang menunjukkan besarnya tambahan kapital (investasi) baru yang dibutuhkan untuk menaikkan /menambah satu unit output baik secara fisik maupun secara nilai (uang). Konsep ICOR ini Iebih bersifat dinamis karena menunjukkan perubahan kenaikan/ penambahan output sebagai akibat langsung dari penambahan kapital.

Dari pengertian pada butir (ii), maka ICOR bisa diformulasikan sebagai berikut: ICOR = ΔK / ΔY ........................... (1) dimana ΔK = perubahan kapital ΔY = perubahan output Dari rumus (1) didapatkan pengertian bahwa ICOR merupakan statistik yang menunjukkan kebutuhan perubahan stok kapital untuk menaikkan satu unit output. Dalam perkembangannya, data yang digunakan untuk menghitung ICOR bukan lagi hanya penambahan barang modal baru atau perubahan stok kapital melainkan Investasi (I) yang ditanam baik oleh swasta maupun pemerintah sehingga rumusan ICOR dimodifikasi menjadi: ICOR = I / ΔY ...................... (2) dimana I ΔY

= Investasi = perubahan output


17


Rumus (2) dapat diartikan sebagai banyaknya kebutuhan investasi yang diperlukan untuk mendapatkan 1 unit output. Sebagai contoh, misalnya besarnya investasi pada suatu tahun di negara A adalah sebesar Rp 300 miliar, sedangkan tambahan output yang diperoleh dari hasil penanaman investasi itu adalah sebesar Rp 60 miliar, maka nilai ICOR negara A adalah sebesar 5 (300 miliar / 60 miliar). Angka ini menunjukkan bahwa untuk menaikkan 1 unit output diperlukan investasi sebesar 5 unit. Pada kenyataannya pertambahan output bukan hanya disebabkan oleh investasi, tetapi juga oleh faktor-faktor lain di luar investasi seperti pemakaian

tenaga

kerja,

penerapan

teknologi

dan

kemampuan

kewiraswastaan. Dengan demikian untuk melihat peranan investasi terhadap output berdasarkan konsep ICOR, maka peranan faktor-faktor selain investasi diasumsikan konstan (ceteris paribus). 2.5.

Migrasi di Indonesia Migrasi merupakan fenomena sosial yang tidak dapat dilepaskan

dari gerak langkah pembangunan ekonomi. Berbagai motif yang melatarbelakangi individu untuk melakukan migrasi didominasi oleh adanya keinginan untuk mengubah hidup dan mutu kehidupan individu tersebut. Tirtosudarmo (1985), menyatakan bahwa keputusan dan kemampuan merealisasikan keputusan tersebut sangat tergantung pada lingkungan sosial, ekonomi dan industri yang bersangkutan. Artinya keputusan untuk melakukan migrasi tidak hanya semata-mata karena pertimbangan sendiri tetapi juga oleh perubahan-perubahan struktural di dalam masyarakat dimana individu berdomisili (Syafa’at, 1998). Keputusan untuk melakukan migrasi ditandai oleh adanya faktor pendorong (push factor) dari tempat seseorang bermukim dan pilihan tujuan sebagai tempat berpindah yang dicirikan oleh adanya faktor penarik (pull factor) dari tempat tujuan tadi. Dari berbagai alasan yang dikemukakan, satu hal yang dominan adalah kemungkinan diperolehnya tambahan pendapatan tunai sebagai hasil jerih payah bekerja pada berbagai pilihan pekerjaan di tempat yang baru. Berbagai alasan yang

18



dikemukakan untuk melakukan migrasi sebenarnya mempunyai tujuan utama untuk mengubah status ekonomi, sekaligus status sosial dan kehidupan seseorang/sekeluarga di tengah masyarakat. Colter (1984), menyebutkan bahwa walaupun pembangunan ekonomi antara

perdesaan

dan kota

belum

seimbang, sehingga

mendorong adanya mobilitas penduduk dari wilayah perdesaan ke perkotaan. Pola migrasi penduduk, menunjukkan adanya kecenderungan meningkatnya migran sirkuler dan kecenderungan makin menurunnya migran komuter. Hal ini terjadi karena faktor sosial, yaitu adanya pandangan dalam masyarakat desa bahwa migran sirkuler merupakan kelompok migran paling berhasil dalam memperbaiki status ekonomi dan sosialnya (Erwidodo, 1991), sehingga kelompok migran komuter yang sudah merasa mapan pekerjaannya merubah pola migrannya menjadi sirkuler. Perubahan pola migran tersebut, juga dipengaruhi oleh semakin mahalnya biaya transportasi dan makin tidak pastinya kesempatan kerja di desa. Adanya empat konsep yang dapat digunakan untuk menelaah proses urbanisasi yaitu : (1) sistem perekonomian (urban systems), (2) mobilitas penduduk desa-desa, kota-kota, desa-kota, (3) struktur tata ruang, dan (4) model ekonomi yang digunakan dalam pembangunan ekonominya (Todaro, 2000). Urbanisasi merupakan suatu proses yang wajar dan dialami oleh semua negara. Proses urbanisasi suatu negara perlu diketahui untuk melihat sejauh mana tingkat hubungan antara wilayah perdesaan dengan wilayah perkotaan, apakah hubungan tersebut bersifat simetris atau asimetris, dan sejauh mana intensitas atau bentuk hubungan antara kedua wilayah tersebut. Proses urbanisasi dapat dilihat dari dinamika mobilitas penduduk desa-kota dan kota-desa. Mobilitas penduduk secara geometris antara satu lokasi dengan lokasi yang lain atau antara daerah perdesaan dan daerah perkotaan merupakan suatu fenomena yang dapat terjadi dimana pun selama dua lokasi tersebut masih terdapat adanya perbedaan.


19


Selanjutnya pada periode krisis ekonomi tingkat urbanisasi tergolong tinggi, karena lebih kurang 50 persen penduduk telah terurbanisasi. Tingkat urbanisasi meningkat dari 2.173 persen menjadi 2.487 persen pada periode krisis ekonomi (BPS, 1998). Hal ini menunjukkan bahwa periode krisis, perpindahan penduduk dari desa ke kota tetap terjadi. Namun diperkirakan keputusan migrasi yang terjadi pada periode tersebut terjadi bukan karena alasan ekonomi, tetapi lebih mengarah kepada alasan non-ekonomi. 2.6.

Studi Terdahulu Yang Terkait Pada dasarnya penelitian ini merupakan pengembangan model

keterkaitan regional yang telah dilakukan pada tahun 2008 dan 2009. Kekhususan dari model investasi regional ini adalah disamping agregasi lebih diperluas, juga menampang variabel yang menangkap spatial antara lain dengan menempatkan produktivitas wilayah dan keterbukaan suatu wilayah di Indonesia dengan menggunakan analisis ekonometrika belum pernah dilakukan sebelumnya. Adapun penelitian mengenai keterkaitan regional biasanya dilakukan menggunakan kerangka analisis input-output (I-O) dan Social Accounting Matrix (SAM) dan aplikasi keseimbangna umum. Pada tahun 2008, Bappenas membangun model keterkaitan regional yang dibangun terdiri dari 1650 persamaan, terdiri dari 1530 persamaan perilaku dan 120 persamaan endogen. Hasil temuan antara lain (1) arus migrasi penduduk relatif lebih ditentukan oleh faktor beaten path dibandingkan dengan faktor upah dan kinerja perekonomian daerah yang akan dikunjungi oleh para migran. Kerjasama perdagangan antara region selain disebabkan karena karakteristik lokal daerah, juga sangat ditentukan oleh demografi wilayah tersebut. Dalam arti bahwa, jika secara demografi region tersebut berdekatan maka volume perdagangan mereka akan semakin besar, (2) Dampak pertumbuhan ekonomi yang terjadi di Kepulauan Timur Indonesia terhadap region itu sendiri, berdampak pada penurunan jumlah pengangguran kemiskinan semakin

20



rendah, serta peningkatan balance of trade. kecuali untuk provinsi NTT, NTB dan Maluku, dan (3) Pulau Sumatera dan Jawa umumnya mampu membangun daerahnya tanpa intervensi investasi dari luar. Karena kedua pulau tersebut, dapat meningkatkan akumulasi modal sendiri dari akumulasi

dampak

dari

interaksi

keterkaitan

ekonomi

domestik.

Sementara itu Kalimantan, Nusatenggara, dan Maluku & Papua, memerlukan intervensi yaitu dalam bentuk tambahan investasi dari luar pulau, karena dampak balik dan tambahan pendapatan tidak memadai untuk memupuk akumulasi modal. Pada dasarnya penelitian mengenai keterkaitan

regional

di

Indonesia

dengan

menggunakan

analisis

ekonometrika baru dilakukan oleh Bappenas. Downey (1984), melakukan penelitian untuk disertasi, mencoba menganalisis ketimpangan pendapatan yang terjadi di Indonesia, untuk melihat siapa mendapat apa (who gets what). Untuk menggambarkan kondisi

ini,

Downey

melakukan

disagregasi

terhadap

institusi

rumahtangga berdasarkan kepemilikan tanah pertanian, buruh tani, buruh non-pertanian, desa-kota, dan lain sebagainya. Kemudian baru dianalisis distribusi pendapatan yang diterima oleh masing-masing klasifikasi rumahtangga tersebut. Pendapatan terendah diterima oleh rumahtangga buruh tani sedangkan yang tertinggi diterima oleh tenaga kerja perkotaan dan diikuti oleh pemilik tanah di atas lima hektar. Selanjutnya, Badan Pusat Statistik (1986), menggunakan Sistem Neraca Sosial Ekonomi istilah lain dari SAM dan Model Keseimbangan Umum untuk melihat pengaruh turunnya harga minyak dan subsidi minyak terhadap distribusi pendapatan. Analisis SAM juga dapat digunakan untuk menganalisis distribusi pendapatan antar sistem usahatani (tanaman dan ternak), daerah-daerah produksi, buruh tani dan tenaga kerja wanita, dilakukan oleh Budiyanti dan Schreiner (1991). Sutomo (1995), dengan menggunakan analisis SAM mencoba membandingkan kemiskinan dan pembangunan ekonomi yang terjadi pada dua wilayah, yaitu Propinsi Riau dan Propinsi Nusa Tenggara Timur (NTT). Diperoleh hasil bahwa dalam pembangunan ekonomi yang


21


dilakukan selama ini telah terjadi ketimpangan pendapatan antar kedua wilayah (NTT dan Riau), dan ketimpangan juga terjadi antar kelompok rumahtangga dikedua wilayah. Masyarakat miskin (dengan pendapatan terendah) diterima oleh rumahtangga buruh non-pertanian dan tertinggi pada kelompok rumahtangga bukan buruh di sektor non-pertanian (terjadi pada kedua propinsi). Ketimpangan pendapatan ini ditunjukkan oleh indeks gini kedua propinsi tersebut melebihi 0.5. Sedangkan dengan menggunakan analisis distribusi pendapatan faktorial, menunjukkan propinsi NTT intensif tenaga kerja sedangkan di propinsi Riau terjadi sebaliknya, yaitu intensif modal. Ini berarti pada kedua propinsi, bila terjadi peningkatan penggunaan tenaga kerja dan modal memiliki peranan penting dalam meningkatkan nilai tambah bruto wilayah. Analisis SAM regional dapat juga digunakan untuk menganalisis keterkaitan sosial-ekonomi antar propinsi atau antar wilayah (dua wilayah atau lebih). Analisis ini dikenal dengan analisis SAM Interregional (IRSAM). Analisis IRSAM untuk Malaysia sudah dilakukan tahun 1970 (Pyatt dan Round, 1985), dengan membagi wilayah Malaysia menjadi dua wilayah, yaitu: Malaysia Barat dan Malaysia Timur. Studi IRSAM di Indonesia dilakukan oleh Hidayat (1991). Hidayat membagi wilayah Indonesia menjadi dua wilayah makro (Jawa dan Luar Jawa) dan tujuh wilayah mikro, masing-masing tiga wilayah mikro di Jawa, dan empat wilayah mikro untuk luar Jawa. Studi ini digunakan untuk menguji struktur dan keterkaitan (interdependence) antar kedua wilayah makro dan menunjukkan implikasinya pada perekonomian secara menyeluruh, termasuk di dalamnya: distribusi pendapatan, peningkatan produksi dan kinerja ekspor dari sektor-sektor yang berlainan antara wilayah pinggir dengan wilayah pusat. Model Interregional Computable General Equilibrium (IRCGE) adalah

pengembangan

dari

IRSAM,

seperti

yang

dilakukan

oleh

Tumenggung (1995) dan Wuryanto (1996). Tumenggung membangun model IRCGE dengan menggunakan kerangka IRSAM Indonesia yang

22



dibangun oleh Hidayat sebagai tabel dasar, dengan membagi wilayah Indonesia menjadi dua, Jawa dan Luar Jawa. Wuryanto (1996), dengan menggunakan model CGE, menganalisis keterkaitan

antara

desentralisasi

fiskal

dengan

kinerja

ekonomi

Indonesia. Wuryanto juga mengelompokkan Indonesia menjadi dua wilayah makro; Jawa dan Luar Jawa, seperti halnya Hidayat dan Tumenggung. Dari hasil studinya ditemukan bahwa desentralisasi fiskal dapat meningkatkan pendapatan rumahtangga regional hampir di semua wilayah (region), terutama di Jawa. Namun, peningkatan pendapatan rumahtangga di Luar Jawa yang awalnya rendah cenderung menimbulkan ketimpangan pendapatan. Penelitian mengenai migrasi lebih banyak dilakukan dalam skala mikro dan spasial/kewilayahan. Pergerakan atau mobilitas penduduk sudah

merupakan

bagian

yang

tak

terpisahkan

dengan

proses

berkembangnya pembangunan di Indonesia. Mobilitas penduduk sendiri merupakan produk dari berbagai faktor antara lain kepadatan penduduk, langkanya lapangan kerja di desa, keinginan untuk mencapai taraf hidup yang lebih baik, daya tarik kota dan berbagai faktor lainnya yang pada dasarnya dapat diklasifikasikan pada faktor penarik dan pendorong terjadinya mobilitas penduduk. Noekman dan Erwidodo (1992), meneliti tentang pengaruh kondisi desa dan karakteristik individu terhadap mobilitas penduduk dengan menggunakan fungsi logit. Hasil studinya menunjukkan bahwa keputusan seseorang untuk bermigrasi dipengaruhi oleh luas lahan yang dimiliki, usia, pendidikan, dan kondisi desa yang diwakili oleh keadaan irigasinya. Hasil studi di atas sejalan dengan hasil penelitian Gunawan dan Zulham (1992), yang menemukan bahwa minat masyarakat perdesaan untuk bekerja di sektor pertanian berkurang terutama pada kelompok muda dan berpendidikan. Pada kelompok ini tingkat migrasi sangat tinggi, sehingga diperkirakan pertanian akan didominasi pekerja berusia tua dan berpendidikan rendah.


23


Hasil penelitian Levy dan Walter (1974), menunjukkan hasil yang berlawanan dengan penelitian yang dilakukan oleh Noekman dan Erwidodo (1992), terutama mengenai faktor jarak, yaitu menunjukkan bahwa: (1) Jarak berpengaruh nyata terhadap migrasi, baik migran yang tidak berpendidikan maupun migran yang berpendidikan dasar dan lanjutan, dimana semakin jauh jarak yang ditempuh migran akan mengurangi jumlah migran di Venezuela. Pengaruh jarak ini semakin kecil dengan semakin tinggi pendidikan migran, (2) Jumlah migran akan menurun dengan meningkatnya upah di daerah asal dan jumlah migran akan meningkat dengan meningkatnya upah di daerah tujuan, (3) Berdasarkan tingkat pendidikan, migran yang berpendidikan lebih respons terhadap perubahan upah baik di daerah asal maupun di daerah tujuan daripada migran yang tidak berpendidikan, dan (4) Tingkat pengangguran di daerah asal mempunyai hubungan positif dengan jumlah migrasi, sedangkan tingkat pengangguran di daerah tujuan (Venezuela) mempunyai hubungan negatif dengan jumlah migrasi. Sebaliknya, hasil penelitian Rofiqoh (1994), menunjukkan hasil analisis yang sama dengan penelitian Levy dan Walter (1974). Rofiqoh (1994), meneliti faktor-faktor yang mempengaruhi migrasi di Kalimantan Timur dan menemukan bahwa: (1) Jarak antara daerah asal dan daerah tujuan mempunyai hubungan negatif dengan migrasi neto yang masuk ke Kalimantan Timur, (2) Rasio upah nyata antara daerah asal dan tujuan berhubungan positif dengan migrasi neto yang masuk ke Kalimantan Timur, (3) Rasio jumlah tenaga kerja yang menamatkan SMP dan SMA antara daerah asal dan tujuan mempunyai hubungan yang positif dengan migrasi neto yang masuk ke Kalimantan Timur, (4) Rasio jumlah tenaga kerja yang menamatkan Perguruan Tinggi antara daerah asal dan tujuan mempunyai hubungan negatif dengan migrasi neto yang masuk ke Kalimantan Timur, (5) Tingkat kesempatan kerja relatif daerah asal terhadap daerah tujuan berpengaruh positif dengan migrasi neto yang masuk ke Kalimantan Timur, (6) Tingkat

24



industrialisasi

di

propinsi

tersebut

relatif

terhadap

daerah

asal

berhubungan positif dengan migrasi neto. Secara lebih spesifik hasil studi Mintchell (1961) dan Mantra (1978), mengungkapkan bahwa ada dua faktor yang mendorong migran melakukan migrasi. Faktor-faktor yang mendorong migran meninggalkan daerah asalnya disebut faktor sentrifugal, sedangkan faktor-faktor yang menarik kembali ke daerah asalnya disebut faktor sentripetal. Mantra (1987), menganalisis mengenai migrasi penduduk di Indonesia berdasarkan hasil Survey Penduduk Antar Sensus BPS (1985), memperoleh beberapa karakteristik pada migran di antaranya: (1) Usia migran terkonsentrasi pada kelompok usia 25-44 tahun, dimana kelompok ini merupakan kelompok usia produktif. Pada kelompok usia 15-19 tahun persentase migran perempuan lebih besar dari persentase migran laki-laki, karena pada usia tersebut migran perempuan pada umumnya belum kawin, (2) Kebanyakan migran bekerja di sektor informal. Sekitar 45 persen sebagai buruh, hampir seperempatnya berusaha sendiri, dan sekitar 15 persen bekerja sebagai buruh tetap, dan (3) Pendidikan migran relatif tinggi daripada pendidikan non migran. Namun demikian migran yang telah berusia lanjut (>50 tahun) tingkat pendidikannya rendah. Selama 1969-1996 investasi swasta domestik merupakan salah satu dari

delapan

variabel

yang

memberikan

dampak

positif

bagi

pertumbuhan ekonomi Indonesia, sedangkan investasi asing memberikan efek negatif antara lain akibat investor asing yang masuk ke Indonesia pada umumnya membawa teknologi dan sistem manajemen yang sudah usang, keuntungan yang diperoleh lebih banyak dibawa kembali ke negara asalnya ketimbang untuk re-investasi di Indonesia (Alkadri, 1997). Sedangkan menurut Damayanti (2000) utang luar negeri dan penanaman modal asing dibutuhkan untuk membiayai investasi pemerintah (G) dan swasta (I) yang kebutuhan dananya tidak dapat disediakan dari mobilisasi dana dalam negeri, baik yang bersumber dari pajak (T) maupun tabungan masyarakat (S). Investasi oleh swasta dan pemerintah terus meningkat


25


sementara besarnya pajak (T) dan tabungan domestik (S) tidak mampu mengimbanginya sehingga menimbulkan dampak berupa defisit investasi swasta (I-S) dan anggaran pemerintah (T-G) serta neraca berjalan (X-M). Investasi dan saving memiliki hubungan yang sangat kuat dan hasil penelitian Feldstein dan Horioka (1980) menunjukkan bahwa perbedaan saving dan investasi antara satu negara dengan negara lain antara lain disebabkan adanya hambatan mobilitas kapital, perbedaan rate of return, tingkat pajak, discount rate dan iklim investasi yang kondusif. Hubungan kuat antara saving dan investasi juga timbul akibat kebijakan pemerintah untuk menghindari adanya kesenjangan besar antara saving dan investasi karena akan terkait dengan besarnya defisit perdagangan (investasi > saving) atau surplus perdagangan (saving < investasi). Menurut Harris et all. (1994) bahwa reformasi finansial di Indonesia memiliki dampak signifikan positif dengan pilihan real dan finansial firma dimana pergeseran proses administrasi alokasi kredit mengarah kepada alokasi atas dasar pasar (market-based) yang bercirikan suatu peningkatan biaya pinjaman perunit tetapi pada waktu sama akan memperluas akses finansial dan menurunkan derajat segmentasi

pasar

kredit.

Hasil

estimasi

persamaan

investasi

menunjukkan bahwa pada periode preliberalisasi memperkecil unit pasar kapital

imperfect

dalam

bentuk

likuiditas

terbatas

atau

skedul

munculnya biaya dana external sehingga dapat disimpulkan bahwa investasi dan tingkat profit memiliki effek bersih yang mendekati positif. Aliran equity portofolio dapat menguntungkan negara berkembang melalui diversifikasi sumber-sumber dana finansial external, peningkatan risk-bearing oleh investor, menurunkan biaya kapital, memperbaiki insentif

terhadap

proses

manajemen

investasi,

membantu

pengembangan pasar kapital domestik, dan meningkatkan mobilisasi sumber-sumber domestik (Claessens, 1995). Prediksi investasi model pasar finansial imperfect dimana peningkatan output tidak secara langsung meningkatkan investasi karena adanya penurunan currentoutput firma yang tinggi membutuhkan external finansial.

26



Penelitian Greenwood et all. (1988) tentang efek shock langsung terhadap investasi dalam kerangka makroekonomi dimana tingkat pengunaan kapital terpasang adalah endogenus. Bentuk shock yang dipertimbangkan hanya berupa perubahan teknologi yang mempengaruhi produktivitas barang-barang kapital baru. Penelitian menunjukkan bahwa variabel tingkat kapasitas penggunaan penting dalam pengertian siklus bisnis dimana jalur shock investasi melalui dampaknya terhadap kapasitas penggunaan dapat mempengaruhi produktivitas tenaga kerja dan

keseimbangan

tenaga

kerja.

Mekanisme

ini

kemungkinan

memberikan beban yang lebih kecil untuk menempatkan substitusi intertemporal dalam menghasilkan observasi pola fluktuasi agregat. Pengaruh pajak kredit investasi terhadap harga barang kapital telah diteliti dengan menggunakan 22 tipe barang kapital selama periode 1962-1988 oleh Goolsbee (1994) dengan hasil estimasi menunjukkan bahwa kemampuan eksternal adjusment cost dimana separo nilai subsidi pajak kredit investasi tercakup dalam harga. Selanjutnya dinyatakan bahwa pajak kredit investasi secara esensial merefleksikan harga barang dan tidak mempengaruhi insentif firma untuk investasi karena adanya pengaruh penyesuaian kapasitas oleh suplier barang kapital sedangkan dampak kredit bersifat sementara yang diindiksikan oleh hasil estimasi dua tahun pertama tidak berbeda tetapi berbeda setelah tiga tahun. Pengujian terhadap berbagai variasi barang kapital ditemui bahwa respon harga lebih besar untuk belanja barang-barang seperti mesin dan peralatan rel kereta api daripada untuk rumah tangga seperti komputer dan furniture. Firma dengan cash-flow tinggi berpeluang untuk berproduksi dengan

biaya

lebih

rendah

dan

memiliki

insentif

kuat

untuk

memperbesar output. Fazzari et all (1988) membandingkan perilaku investasi pada berbagai tipe firma yang berbeda dengan 3 kelompok firma yaitu Low deviden (< 10%), Intermediate (10-20%) dan High Deviden (> 20%). Hasil estimasi menunjukkan bahwa investasi firma lowdeviden membayar sekitar 23 cent lebih besar dari high-deviden dari


27


setiap $ kelebihan cash-flow sehingga pada pasar finansial imperfect efek investasi lebih besar pada firma low-deviden. Pengaruh kehadiran sunk cost dan temporal uncertainty pada kondisi resiko netral terhadap nilai sewa kapital implisit dan keputusan entry-exit para investor telah diuji oleh Chavas (1994) melalui introduksi kedua variabel pada teori investasi neo-klasik Jorgensen dan berdasarkan penilaian terhadap future informasi. Hasil penelitian menunjukkan bahwa kehadiran sunk cost yang timbul akibat biaya transaksi dan kahadiran temporal uncertainty secara parsial tidak memberikan dampak terhadap efisiensi produksi tetapi kombinasi keduanya tidak menjamin adanya alokasi pareto optimal. Interpretasi secara intiutif firma mencoba mengantisipasi pengaruh informasi baru dalam rencana entryexit dan dalam usahanya untuk menghadapi sunk cost yang terasosiasi keputusan entry-exit akan berubah sepanjang waktu. Semakin tinggi sunk cost akan semakin tinggi efek dari informasi baru, akan semakin sedikit usaha untuk mengubah keputusan entry-exit sepanjang waktu yang selanjutnya akan memperkecil mobilitas sumber daya.

Hasil ini

mengambarkan bahwa interaksi antara uncertainty dan sunk cost mempengaruhi keputusan firma dan dengan asumsi adanya risk market penjelasan di atas menunjukkan bahwa temporal uncertainty akan mempengaruhi alokasi sumber daya pada kondisi adanya sunk cost.

28



Bab 3. Kerangka Teori 3.1.

Investasi dan Biaya Modal

3.1.1. Keputusan Investasi Suatu firma dapat menyewa capital dengan harga r K, dan akan memperoleh profit sebesar (K, X1, X2, …,Xn) - rKK, dimana K adalah jumlah capital yang disewa firma dan X adalah variabel lain yang dianggap given seperti harga produk dan biaya input lain pada suatu pasar kompetitif. Asumsi optimalisasi (*) firma dapat dilakukan untuk menentukan K dan pada firma kompetitif (K, X1, X2, …,Xn) - rKK profit maksimise tercapai pada saat K > 0 dan KK < 0. Sewa kapital yang memberikan profit maksimum terjadi pada saat Marginal Revenue Produk (MRP) sama dengan harga sewa. First order condition untuk maksimisasi keuntungan pilihan K adalah : (K, X1, X2, …,Xn) - rK

............................................. (3.1)

Persamaan (3.1) secara implisit mendefinisikan bahwa stok kapital yang diinginkan perusahaan sebagai fungsi dari rK dan X. Kondisi ini dapat kita turunkan untuk mengetahui pengaruh perubahan dalam salah satu variabel eksogenus terhadap stok kapital yang diinginkan perusahaan. 3.1.2. User Cost Capital User Cost Capital terjadi pada kasus dimana penggunaan kapital yang dimiliki sendiri oleh perusahaan yang secara empirik tidak dapat dibandingkan dengan rK. Perusahaan yang memiliki unit kapital dengan harga pasar kapital real pada saat t adalah p K(t) dan perusahaan akan memilih menjual kapital atau melanjutkan untuk menggunakannnya akan menanggung 3 jenis biaya kapital yaitu : 1. Perusahaan yang tidak menerima bunga jika menjual kapital dan pendapatan akan menanggung biaya real r(t) pK(t) perunit waktu, dimana r(t) tingkat suku bunga.


29


2. Kapital mengalami penyusutan atau depresiasi akan menimbulkan biaya δpK(t) perunit waktu dimana δ adalah tingkat penyusutan. 3. Biaya yang harus ditanggung akibat kemungkinan perubahan harga kapital. Biaya penggunaan kapital akan turun jika harga produk naik dan sebaliknya akan naik jika harga produk turun. Menggunakan tiga komponen biaya diperoleh suatu User Cost Capital Real sebesar : *   p K ( t)   rK (t)  r (t)p K (t)  p K (t)  p K (t)  r (t)    p K ( t)  p K ( t)    *

.............. (3.2)

Analisis mengabaikan keberadaan pajak tetapi dalam prakteknya perlakuan pajak investasi dan pendapatan modal memiliki pengaruh besar terhadap User Cost Capital seperti pajak kredit investasi yang menyebabkan penurunan pendapatan perusahaan sebesar fraksi ƒ pengeluaran investasi atau taxable income akan menurunkan sebesar fraksi ƒ dari penerimaan penjualan barang kapital. Implikasi dari pajak kredit investasi bahwa harga efektif setiap unit kapital perusahaan adalah (1-ƒ) pK(t) dimana  merupakan marginal tingkat pajak pendapatan koorporasi. User Cost Capital dapat ditulis menjadi: *   p K ( t)   rK (t)  r (t)    (1- ƒ)pK(t)  p K ( t)   

................................. (3.3)

Pajak kredit investasi menurunkan User Cost Capital sehingga perusahaan akan meningkatkan stok kapital yang diinginkan. Hal yang sama terjadi akibat pengaruh depresiasi, perlakuan pajak bunga dan beberapa pajak lain terhadap User Cost Capital dan stok kapital yang diinginkan. 3.2.

Model Tobin’s q Analisis, q relevan dengan keputusan investasi masa depan

perusahaan dan bagaimana dampak penambahan kapital terhadap profit masa sekarang. Firma meningkatkan stok kapital jika q tinggi dan sebaliknya menurunkan jika q rendah. Interpretasi ekonomi q adalah bahwa peningkatan satu unit stok kapital akan meningkatkan present 30



value firma sebesar q dan meningkatkan nilai firma sebesar dan merupakan nilai pasar setiap unit kapital. Jika q merupakan market share firma, nilai total unit kapital firma akan lebih besar dari nilai q dan dengan jika diasumsikan harga beli kapital fixed 1, maka q juga menunjukkan ratio nilai pasar unit kapital terhadap biaya penggantian. Suatu firma meningkatkan stok kapital jika nilai pasar kapital lebih besar dari biaya memperolehnya dan menurunkan stok kapital jika nilai pasar kapital lebih kecil dari biaya memperolehnya. Rasio antara nilai pasar terhadap biaya penggantian kapital dikenal sebagai Tobin’s q (Tobin, 1969) dan dapat digunakan untuk menilai kapital. Implikasi analisis berkaitan dengan investasi yaitu lebih baik menggunakan marginal q (rasio antara nilai pasar dengan marginal setiap unit kapital untuk biaya penggantian) daripada q rata-rata (rasio antara nilai total terhadap total biaya penggantian stok kapital) meskipun keduanya saling terkait. Marginal q lebih kecil dari average q maka diasumsikan biaya penggantian k deminishing return to scale dengan implikasi proporsi profit firma () lebih kecil dari stok kapital. Pada kondisi constan return to scale q marginal sama dengan q rata-rata (Hayashi, 1982) dimana nilai q ditentukan oleh tingkat pertumbuhan stok kapital firma dan seluruh firma akan memilih tingkat pertumbuhan stok kapital yang sama. Fungsi profit stok kapital firma tertentu yang linear mengimplikasikan bahwa present value profit firma (nilai  ketika kapital stok optimal) merupakan proporsi stok kapital awal saat q marginal sama dengan q rata-rata. Pada slop kurva permintaan produk firma yang menurun maka multiplier stok kapital lebih kecil dari multiplier present value profit karena q marginal lebih kecil dari q rata-rata dan untuk firma dengan jumlah kapital lebih besar q marginal > q rata-rata. Menggunakan diagram phase dapat ditentukan kuantitas kapital agregat (K) dan nilai q sebagaimana k dan c dalam model Ramsey, dimana nilai awal salah satu variabel given tetapi variabel lainnya menjadi penentu kuantitas kapital industri sebelumnya dan tidak ada penyesuaian harga pasar. Direktorat Pengembangan Wilayah – Bappenas

31


1  C ' ( I (t ))  q(t )

.............................................. (3.4)

Pada persamaan (3.4) menyatakan bahwa perusahaan berinvestasi pada

titik

dimana

harga

pembelian

kapital ditambah marginal

adjusment cost sama dengan nilai kapital 1+C’(I) = q. Saat C‟(I) meningkat terhadap I maka I akan meningkat terhadap q dan ketika C‟(0) = 0 maka I = 0 dan q = 1 serta jika q seluruh firma sama maka seluruh firma akan memilih nilai I yang sama. Selanjutnya tingkat perubahan stok kapital agregat K ditentukan oleh jumlah firm N dikali nilai I, sehingga dapat ditulis: K (t )  f (q(t )).

f (1)  0

f ' (*)  0

........................ (3.5)

dimana f(q)  NC‟-1(q-1). Persamaan (3.5) mengimplikasikan bahwa K meningkat ketika q > 1, menurun ketika q < 1, dan konstan ketika q = 1 seperti pada Gambar 3.1. q

(Ќ>0)

I

(Ќ =0)

(Ќ<0)

K

Gambar 3.1. Dinamika Stok Kapital

q(t )  rq(t )   ( K (t ))

.......................................... (3.6)

Persamaan ini mengimplikasikan bahwa q adalah konstan ketika rq=(K), atau q=(K)/r. Saat (K) menurun terhadap K titik yang memenuhi syarat berada pada bagian slope menurun (k, q). Implikasi lain adalah q meningkat terhadap K dan positif untuk sebelah kanan locus q=0 dan negatif pada sebelah kiri seperti pada Gambar 4.2.

32



q

q  0

q  0 q  0

K

Gambar 3.2. Dinamika q

Kombinasi Gambar 3.1 dan 3.2 pada Gambar 3.3 menunjukkan bagaimana perilaku K dan q sesuai dengan persamaan 23 dan 24 pada seluruh titik nilai awal given. Awalnya K dan q pada titik A kemudian ketika q lebih besar maka satu atau lebih firma akan meningkatkan stok kapitalnya sehingga K menjadi positif. Selanjutnya saat K lebih tinggi dan profit rendah maka q hanya akan menjadi tinggi jika ada harapan yang timbul sehingga q juga positif. Selanjutnya K dan q bergerak ke atas kanan diagram. q

I

E

A (Ќ=0)

q  0

K

Gambar 3.3. Phase Diagram

Sebagimana model Ramsey, stok kapital awal adalah given tetapi level nilai pasar variabel lain (konsumsi dalam model Ramsey) disesuaikan secara bebas. Tingkat K awal menentukan level q tertentu yang terjadi pada lingkungan stabil, khususnya pada tingkat q tertentu nilai K dan q berada disekitar titik E dan ketika tingkat q awal lebih rendah akan terjadi perpotongan pada areal dimana K dan q turun dan Direktorat Pengembangan Wilayah – Bappenas

33


secara kontinue akan turun menjadi tak terhingga. Jika q dimulai lebih tinggi pergerakan akan berakhir pada areal dimana K dan q menaik dan bertahan disana sehingga syarat tranversalitas tidak tepat pada kondisi ini. Hal ini menunjukkan bagaimana kebijakan optimal firma harus memenuhi syarat transibiliti selama berada pada titik A. (K) = rq – q. Nilai q tinggi dipertahankan bukan karena (K) tinggi tetapi karena terjadi peningkatan nilai q dan nilai kapital yang secara aktual memberikan kontribusi besar terhadap profit firma dan tidak akan sampai pada A. Firma meningkatkan present value profit dengan memperkecil kapital yang dipegang dan dapat diaplikasikan untuk lingkungan dimana K dan q turun secara kontinue. Keseimbangan unik yang terjadi pada nilai K awal adalah pada saat nilai q sama dengan nilai yang diperoleh industri pada saddle path dan selanjutnya K dan q akan bergerak sepanjang saddle path ke E seperti pada Gambar 3.4. q

I

(Ќ=0)

E

q  0

K

Gambar 3.4. Saddle Path

Keseimbangan jangka panjang titik E dicirikan oleh q = 1 (implikasi Ќ=0 dan q=0). Pada saat q = 1 berarti bahwa nilai pasar dan nilai penggantian kapital sama sehingga firma tidak memiliki insentif untuk meningkatkan atau menurunkan stok kapital. Dari persamaan 19 untuk q = nol ketika MRP kapital sama dengan r yang berarti bahwa profit setiap unit kapital yang dipegang hanya mampu mengimbangi suku bunga sehingga investor bertahan untuk memegang kapital tanpa ada prospek untuk meningkatkan atau menurunkan. 34



3.3.

Perubahan Investasi Model

yang dikembangkan

pada bagian

sebelumnya

dapat

digunakan untuk menghadapi beberapa isu seperti pengaruh perubahan dalam output, tingkat suku bunga dan kebijakan pajak. 3.3.1. Efek Pergerakan Output Suatu peningkatan output agregat akan meningkatkan permintaan terhadap produk industri dan meningkatkan profit stok kapital. Peningkatan output agregat akan menyebabkan pergeseran fungsi (*) dan dengan asumsi bahwa industri berada pada suatu keseimbangan jangka panjang dan tidak ada antispasi berupa pergeseran permanen keatas fungsi (*). Efek ini ditunjukkan dalam Gambar 3.5. q

I

E‟

(Ќ=0)

E

q  0

K

Gambar 3.5. Pengaruh Peningkatan Permanen Output

Pergeseran keatas fungsi (*) menggeser lokus atas q = 0 sehingga pada saat stok kapital tetap profit akan lebih tinggi dan pertumbuhan kapital yang dibutuhkan lebih kecil bagi investor guna mempertahankan sharenya. Diagram phase digunakan untuk mengetahui efek perubahan berupa terjadinya peningkatan q secara cepat ke titik saddle path baru pada saat stok kapital given, K dan q akan bergerak pada keseimbangan jangka panjang baru (titik E‟). Karena tingkat perubahan stok kapital merupakan suatu peningkatan fungsi q, implikasinya pada waktu berbeda Ќ naik dan kemudian secara gradual kembali menjadi nol. Peningkatan output permanen menyebabkan suatu peningkatan sementara investasi Direktorat Pengembangan Wilayah – Bappenas

35


sebagai respon lain pergerakan kekanan permintaan produk industri. Ketika penyesuaian stok kapital tidak dapat dilakukan maka akan terjadi peningkatan sewa dan nilai pasar kapital industri. Nilai pasar kapital yang lebih besar akan menarik firma untuk meningkatkan investasi dan stok kapital dan peningkatan output industri akan diikuti dengan penurunan harga produk sehingga profit dan nilai kapital turun. Proses berlangsung secara kontinue sampai nilai kapital kembali normal pada titik dimana tidak ada insentif untuk menambah investasi. Pada kasus peningkatan output sementara pergeseran keatas fungsi profit tidak sesuai dengan yang diharapkan, dan ketika ini terjadi fungsi profit akan kembali keposisi awal setelah waktu T. Jika penurunan q tidak dapat diantisipasi maka firma pemilik sewa kapital akan menderita kerugian besar sehingga T, K dan q terletak dibelakang saddle path keseimbangan jangka panjang. Waktu pergeseran keatas fungsi profit, dinamik T, K dan q ditentukan oleh fungsi profit sementara yang tinggi. Akhirnya nilai awal K menjadi tetap tetapi q dapat berubah secara diskrit pada saat awal shock. Fakta ini menunjukkan bagaimana respon indutri pada saat perubahan dimana q naik pada titik tertentu dengan K dan q tetap pada fungsi profit baru seperti Gambar 3.6. q

A

I

E‟ E

(Ќ=0)

B

q  0

K

Gambar 3.6. Pengaruh Peningkatan Sementara Output

Pergerakan q dari titik E ke A pada waktu terjadi shock, kemudian q dan K bergerak secara gradual ke titik B, dicapai pada waktu T dan akhirnya bergerak keatas pada titik E di saddle path lama. Analisis ini memiliki beberapa implikasi :

36



1. Peningkatan output secara temporary akan meningkatkan investasi, ketika output lebih tinggi pada periode tertentu firma meningkatkan stok kapitalnya untuk memperoleh keuntungan. 2. Membandingkan Gambar 3.5 dan 3.6 menunjukkan bahwa pada peningkatan output temporary q naik lebih kecil dibanding jika peningkatan output secara permanen dan karena q menentukan investasi, maka respon investasi lebih kecil. 3. K dan q path memotong garis Ќ=0 mencapai saddle path lama sebelum ke T. Fungsi profit berada pada level awal return sehingga stok kapital akan menjadi lebih kecil dan biaya stok kapital akan mengalami penyesuaian.

Profit yang tinggi hanya berlangsung

sebentar sehingga benefit dan biaya menurun dengan segera. Implikasi tidak hanya pada current output tetapi seluruh path mempengaruhi investasi. Pergerakan output permanen dan sementara menunjukkan bahwa investasi lebih tinggi ketika expected output permintaan lebih tinggi pada masa akan datang. Pengaruh perubahan output terhadap permintaan investasi dikenal dengan accelerator. 3.3.2. Efek Pergerakan Suku Bunga Pergerakan suku bunga akan menggeser fungsi profit dan mempenagruhi

investasi

seperti

halnya

efek

pergerakan

output.

Peningkatan permanen dalam suku bunga akan menggeser lokus q = 0. Ketika multiplier r sama dengan q, maka

peningkatan menyebabkan

lokus menjadi curam seperti pada Gambar 3.7. Dampak perubahan suku bunga secara permanen dan temporary seperti pada pergerakan output. Penurunan permanen suku bunga menyebabkan kenaikan q pada titik saddle path baru (titik A), sedangkan K dan q bergerak kebawah untuk mencapai keseimbangan jangka panjang baru (titik E‟). Peningkatan permanen suku bunga akan menyebabkan boom investasi sementara dimana industri merubah stok kapital menjadi lebih tinggi secara permanen.


37


Tingkat

suku

bunga

r dalam model

menunjukkan tingkat

pengembalian dan berhubungan dengan short-term rate suku bunga (Lihat Gambar 3.7). q

A E‟

I

E

(Ќ=0)

B

q  0

K

Gambar 3.7. Pengaruh Penurunan Permanen Suku Bunga

Salah satu implikasi adalah short-term rate tidak merefleksikan seluruh informasi tentang suku bunga yang relevan untuk investasi tetapi lebih oleh long-term rate. Jika long-term rate sedikit lebih besar dari short-term rate maka investor mengharapkan short-term rate turun karena jika tidak mereka akan lebih baik membeli saham short-term daripada

long-term. Peningkatan expected short-term

rate akan

menurunkan investasi dengan implikasi bahwa untuk mempertahankan current short-term rates, investasi akan lebih rendah ketika long-term rates tinggi. 3.3.3. Efek Pajak Pajak kredit investasi temporary sering digunakan sebagai stimulus permintaan aggregat selama masa resesi karena memberikan insentif yang kuat bagi firma untuk investasi. Untuk menyederhanakan diasumsikan bahwa pajak kredit investasi dalam bentuk potongan langsung harga kapital dan diasumsikan bahwa potongan juga

untuk

harga pembelian tetapi bukan adjusment cost. Ketika kredit investasi firma sama dengan nilai kapital ditambah potongan yang melebihi biaya kapital. FOC untuk current invesment pada persamaan (3.4) menjadi:

38



q(t )   (t )  1  C' ( I (t ))

...................................... (3.7)

dimana (t) adalah kredit pada saat ke t. Persamaan tersebut mengimplikasikan bahwa stok kapital konstan ketika q+=1. Suatu pajak kredit investasi  selanjutnya menggerakan lokus Ќ=0 kebawah melalui  seperti pada Gambar 3.8. q

E

I

(Ќ=0)

E‟ q  0

K

Gambar 3.8. Pengaruh Pajak Kredit Investasi Permanen

Jika pajak kredit permanen, q turun ke saddle path baru yang akan meningkatkan nilai kredit investasi sehingga profit industri menjadi lebih rendah dan kehilangan nilai kapital sehingga K dan q bergerak sepanjang saddle path untuk mencapai keseimbangan jangka panjang baru, sampai K menjadi lebih tinggi tetapi q tetap lebih rendah. Pada kredit yang sifatnya sementara menurunkan penerimaan kredit sehingga terjadi penurunan q sampai titik K dan q dinamik. Pemberian kredit membawa kembali pada saddle path lama pada akhir kredit seperti yang ditampilkan pada Gambar 3.9. Pada

Gambar

3.9

menunjukkan

bahwa

kredit

temporary

menurunkan q lebih kecil dibanding dengan kredit permanen. Alasannya karena kredit temporary tidak meletakkan suatu peningkatan permanen dalam stok kapital karena penurunan yang lebih kecil dalam nilai kapital yang ada. Perubahan dari stok kapital K yang terkait dengan q+, Direktorat Pengembangan Wilayah – Bappenas

39


penurunan q adalah lebih tinggi pada temporary daripada permanen sehingga dapat dinyatakan bahwa kredit temporary lebih memiliki dampak yang lebih besar dari kredit permanen. q

E

I

(Ќ=0)

B

A E‟

q  0

K

Gambar 3.9. Pengaruh Pajak Kredit Investasi Sementara

Gambar juga menunjukkan bahwa dibawah kredit temporary, q meningkat dalam periode yang lambat akibat pengaruh kredit. Pada kredit permanen tingkat perubahan stok kapital menurun terus menerus selama industri bergerak menuju keseimbangan jangka panjang baru. 3.4.

Pertumbuhan Ekonomi

3.4.1. Model Harrod-Domar Teori

Harrod-Domar

(H-D)

pada

dasarnya

berusaha

untuk

memadukan pandangan kaum Klasik yang dinilai terlalu menekankan sisi penawaran (ingat Say's law of market) dan pandangan Keynes yang lebih menekankan pada sisi permintaan (demand side). Dalam kaitan ini, Harrod-Domar mengatakan bahwa investasi memainkan peran ganda (dual role) yaitu di satu sisi, investasi akan meningkatkan kemampuan produktif (productive capacity) dari perekonomian (Klasik) dan di sisi lain, investasi akan menciptakan atau meningkatkan permintaan (demand creating) di dalam perekonomian (Keynes). Dalam teori H-D, investasi merupakan faktor penentu yang sangat penting dan pertumbuhan ekonomi. Bahkan mereka mengatakan bahwa “tabungan

dan

investasi

merupakan

kekuatan

sentral

dibalik

pertumbuhan ekonomi” (saving and investment is central forces behind

40



economic growth).

Secara sederhana, kaitan pertumbuhan ekonomi,

tabungan dan investasi dalam versi model H-D dapat dinyatakan sebagai berikut: Misalkan tabungan (S) adalah bagian dalam jumlah tertentu, atau, s, dari pendapatan nasional (Y). Oleh karena itu, kita pun dapat menuliskan hubungan tersebut dalam bentuk persamaan yang sederhana : S = sY

……………………………………………………… (3.1)

Investasi (I) didefinisikan sebagai perubahan dari stok modal (K) yang dapat diwakili oleh K, sehingga kita dapat menuliskan persamaan sederhana yang kedua sebagai berikut : I = K

………………………………………………………….. (3.2)

Akan tetapi, karena jumlah stok modal K mempunyai hubungan langsung dengan jumlah pendapatan nasional atau output Y, seperti telah ditunjukkan oleh rasio modal-output, k, maka: K/Y = k atau

K/Y = k

Akhirnya K = kY

……………………………………………………………………. (3.3)

Yang terakhir, mengingat jumlah keseluruhan dari tabungan nasional (S) harus sama dengan keseluruhan investasi (I), maka persamaan berikutnya dapat ditulis sebagai berikut : S=I

……………………………………………..………………………….. (3.4)

Dari persamaan (3.1) telah diketahui bahwa S = sY dan dari persamaan (3.2) dan (3.3), juga telah diketahui bahwa: I = K = kY. Dengan demikian, „identitas‟ tabungan yang merupakan persamaan modal dalam persamaan (3.4) adalah sebagai berikut : S = sY = kY = K = I

……………………………………………………. (3.5)

Atau bisa diringkas menjadi sY = kY

………………………………………………………. (3.6)

Selanjutnya, apabila kedua sisi persamaan (3.6) dibagi mula-mula dengan Y dan kemudian dengan k, maka akan didapat :

Y/Y = s/k

………………………............................ (3.7)

Dimana : Direktorat Pengembangan Wilayah – Bappenas

41


(Y/Y) = pertumbuhan ekonomi s

= tingkat tabungan nasional

k

= ICOR (incremental capital output rasio, K/Y atau I/Y)

Y

= Output nasional atan GNP, K = stok kapital, I=investasi Persamaan tersebut menyatakan bahwa pertumbuhan ekonomi

(Y/Y) ditentukan secara bersama-sama oleh rasio tabungan nasional (s), dan rasio modal output nasional (k). Dengan kata lain, makna secara ekonomi dapat diartikan bahwa agar suatu perekonomian dapat bertumbuh, maka perekonomian yang bersangkutan haruslah menabung dan menginvestasikan sebesar proporsi tertentu dari GNP-nya. Dalam arti bahwa

semakin

menginvestasikan

besar

suatu

GNP-nya,

maka

perekonomian semakin

menabung

pesat

dan

pertumbuhan

ekonominya (Todaro, 2000; Perkins, et. al, 2001). 3.4.2. Model Pertumbuhan Solow Menurut teori pertumbuhan neoklasik tradisional (traditional neoclassical growth theory), pertumbuhan output selalu bersumber dari satu atau lebih dari tiga faktor: kenaikan kuantitas dan kualitas tenaga kerja

(melalui

pertumbuhan

jumlah

penduduk

dan

perbaikan

pendidikan), penambahan modal (melalui tabungan dan investasi), serta penyempurnaan teknologi. Lebih lanjut dikemukakan bahwa perekonomian tertutup (closed economy), yakni tidak menjalin hubungan dengan pihak-pihak luar, yang tingkat tabungannya rendah (dalam kondisi cateris paribus) dalam jangka pendek pasti akan mengalami laju pertumbuhan yang lebih lambat jika dibandingkan dengan perekonomian lainnya yang memiliki tingkat tabungan lebih tinggi. Pada akhirnya hal ini akan mengakibatkan konvergensi penurunan pendapatan per kapita (semua perekonomian tertutup akan sama-sama mengalami penurunan pendapatan per kapita). Di lain pihak, perekonomian terbuka (open economy), yakni yang mengadakan hubungan perdagangan, investasi, dan sebagainya dengan 42



negara atau pihak-pihak luar, pasti akan mengalami suatu konvergensi peningkatan pendapatan per kapita, karena arus permodalan akan mengalir deras dan negara-negara kaya ke negara-negara miskin di mana rasio modal-tenaga kerjanya masih rendah sehingga menjanjikan imbalan atau tingkat keuntungan investasi (returns on investments) yang lebih tinggi. Model

pertumbuhan

neoklasik

Solow,

merupakan

model

pertumbuhan ekonomi yang paling terkenal, meskipun dalam hal tertentu model Solow menggambarkan perekonomian negara maju secara

lebih

baik

daripada

kemampuannya

dalam

menjelaskan

perekonomian negara berkembang, namun tetap menjadi titik acuan dasar dalam kepustakaan mengenai pertumbuhan dan pembangunan. Model ini menyatakan bahwa secara kondisional, perekonomian berbagai negara akan bertemu (converge) pada tingkat pendapatan yang sama, dengan syarat bahwa negara tersebut mempunyai tingkat tabungan, depresiasi, pertumbuhan angkatan kerja, dan pertumbuhan produktivitas yang sama. Modifikasi penting dari model pertumbuhan Harrod-Domar adalah bahwa model Solow membolehkan substitusi antara modal dan tenaga kerja. Dalam proses produksi, dengan mengasumsikan bahwa terdapat tambahan hasil yang semakin berkurang dalam penggunaan input-input ini. Fungsi produksi agregat, Y = F(K, L)

........................................................ (3.8)

dengan mengasumsikan skala hasil yang konstan (constant returns to scale). Sebagai contoh, dalam kasus khusus yang dikenal sebagai fungsi produksi Cobb-Douglas, pada waktu t kita mendapatkan: Y(t) = K(t) [A(t)L(t)]1-

...................................... (3.9)

Dimana Y adalah produk domestik bruto, K adalah modal (yang dapat mencakup modal manusia maupun modal fisik), L adalah tenaga kerja, dan A adalah produktivitas tenaga kerja, yang tumbuh selamanya pada tingkat eksogen. Karena adanya skala hasil yang konstan, mak jika semua


43


input dinaikkan dengan jumlah proporsi yang sama, maka output akan naik dengan jumlah proporsi yang sama, yang dinotasikan, dengan: Y = F ( K, L)

................................................ (3.10)

Dimana  > 0. Karena  dapat berupa angka riil positif berapa pun, secara matematis yang bermanfaat untuk menganalisis implikasi model tersebut adalah dengan menetapkan nilai  = 1/ L, sehingga: Y/L = F(K/L, 1)

.................................................. (3.11)

atau y = f(k) Dengan penyederhanaan ini mak kita hanya berurusan dengan satu variabel dalam fungsi produksi. Misalnya, dalam kasus fungsi CobbDouglas kita dapat menuliskan kembali persamaan dengan cara: Y = Ak

........................................................... (3.12)

Hal ini mencerminkan sebuah cara alternatif mengenai fungsi produksi, dimana segala sesuatu dihitung dalam kuantitas per tenaga kerja. Persamaan di atas menyatakan bahwa output per pekerja adalah fungsi dari jumlah modal per tenaga kerja. Semakin banyak jumlah modal yang harus ditangani masing-masing pekerja, maka semakin banyak pula output yang dapat dihasilkan per pekerja. 3.4.3. Model Pertumbuhan Baru (New Growth Theory) Kinerja

teori

neoklasik

yang

kurang

memuaskan

dalam

menjelaskan sumber-sumber pertumbuhan ekonomi jangka panjang menyebabkan kekecewaan yang meluas terhadap teori pertumbuhan tradisional.

Bahkan,

menurut

teori

tradisional,

tidak

terdapat

karakteristik intrinsik dari perekonomian yang dapat menyebabkannya tumbuh dalam jangka panjang. Sebaliknya, literatur tersebut malah membahas proses dinamis yang membuat rasio modal-tenaga kerja mendekati tingkat keseimbangan jangka panjang. Jika tidak ada shock eksternal atau perubahan teknologi, yang tidak dijelaskan dalam model neoklasik, semua perekonomian akan menuju kepada pertumbuhan nol, sehingga peningkatan GNP per kapita dianggap merupakan fenomena 44



sementara saja, yang bersumber dari perubahan teknologi atau proses penyeimbangan keseimbangan

jangka jangka

pendek

selama

panjangnya.

perekonomian

Karenanya,

teori

mendekati ini

gagal

memberikan penjelasan atas terjadinya pertumbuhan ekonomi yang berlangsung dengan kecepatan yang luar biasa di seluruh dunia. Setiap peningkatan GNP yang bukan berasal dari penyesuaian jangka pendek dalam cadangan tenaga kerja maupun modal, dianggap bersumber dari kategori ketiga, yaitu yang biasa disebut sebagai residu Solow (Solow residual). Residu ini, tidak seperti namanya, bertanggung jawab sekitar 50 persen pertumbuhan yang terjadi di banyak negara industri. Dengan kata lain, teori neoklasik menyebutkan bahwa sebagian besar sumber pertumbuhan ekonomi merupakan faktor eksogen atau proses yang sama sekali independent dari kemajuan teknologi (Todaro and Smith, 2004). Meskipun hal ini mungkin terjadi, pendekatan ini paling tidak mempunyai dua kelemahan. Pertama, dengan menggunakan kerangka neoklasik, adalah tidak mungkin untuk menganalisis penentu kemajuan teknologi karena kemajuan tersebut sama sekali tidak berkaitan dengan keputusan yang dibuat oleh berbagai lembaga ekonomi. Dan kedua, teori tersebut gagal menjelaskan besarnya perbedaan residu yang terdapat di antara negara yang mempunyai teknologi yang serupa. Dengan kata lain, keyakinan yang besar ditempatkan pada proses eksternal yang kurang dipahami, dan kurang didukung oleh teori maupun bukti empiris. Menurut teori neoklasik, rasio modal-tenaga kerja yang rendah pada negara-negara berkembang menjanjikan tingkat pengembalian investasi yang luar biasa tinggi, bahkan setelah menerapkan liberalisasi dalam perdagangan dan pasar domestik, banyak negara berkembang yang tidak tumbuh atau hanya tumbuh sedikit dan gagal menarik investasi asing, atau gagal mencegah larinya modal domestik ke luar negeri. Perilaku aliran modal negara-negara berkembang yang aneh (dari negara miskin ke negara kaya) turut memicu konsep pertumbuhan


45


endogen (endogenous growth) atau dengan kata lain yang lebih sederhana, teori pertumbuhan baru (new growth theory). Teori pertumbuhan baru tersebut memberikan kerangka teoritis untuk menganalisis pertumbuhan endogen, yaitu pertumbuhan GNP yang persisten, yang ditentukan oleh sistem yang mengatur proses produksi dan bukan oleh kekuatan-kekuatan di luar sistem. Berlawanan dengan teori

neoklasik

tradisional,

model-model

ini

menganggap

bahwa

pertumbuhan GNP merupakan konsekuensi alamiah dari keseimbangan jangka panjang. Motivasi utama dari teori pertumbuhan baru ini adalah untuk menjelaskan perbedaan tingkat pertumbuhan antar negara maupun faktor-faktor yang memberi proporsi lebih besar dalam pertumbuhan yang diobservasi. Lebih jelasnya lagi, teori pertumbuhan endogen berusaha untuk menjelaskan faktor-faktor yang menentukan tingkat pertumbuhan GDP yang tidak dijelaskan dan dianggap sebagai variabel eksogen dalam perhitungan teori pertumbuhan neoklasik Solow (residu Solow). Model pertumbuhan endogen mempunyai kemiripan struktural dengan model neoklasik, namun sangat berbeda dalam hal asumsi yang mendasarinya dan kesimpulan yang ditarik darinya. Perbedaan teoritis yang paling signifikan berasal dari dikeluarkannya asumsi neoklasik tentang hasil marjinal yang semakin menurun atas investasi modal, memberikan peluang terjadinya skala hasil yang semakin meningkat (increasing returns to scale) dalam produksi agregat, dan sering kali berfokus

pada

peran

eksternalitas

dalam

menentukan

tingkat

pengembalian investasi modal. Dengan mengasumsikan bahwa investasi sektor publik dan swasta dalam sumberdaya manusia menghasilkan ekonomi eksternal dan peningkatan produktivitas yang membalikkan kecenderungan hasil yang semakin menurun yang alamiah, teori pertumbuhan endogen berupaya menjelaskan keberadaan skala hasil yang semakin meningkat dan pola pertumbuhan jangka panjang yang berbeda-beda antar negara. Dan karena teknologi masih memainkan

46



peran penting dalam model-model ini, tidak ada perlunya lagi untuk menjelaskan pertumbuhan jangka panjang. Dalam membandingkan teori pertumbuhan baru dengan teori neoklasik tradisional, sangat bermanfaat jika kita mengetahui bahwa banyak teori pertumbuhan endogen dapat dinyatakan oleh persamaan, yaitu Y = AK, seperti yang terdapat dalam model Harrod-Domar. Dalam formulasi ini, A mewakili semua faktor yang mempengaruhi teknologi, dan K adalah modal fisik dan sumberdaya manusia. Pada rumus ini tidak terdapat hasil yang semakin menurun atas modal; sehingga terdapat kemungkinan bahwa investasi dalam modal fisik dan sumberdaya manusia dapat menghasilkan ekonomi eksternal dan peningkatan produktivitas yang melebihi keuntungan pribadi dalam jumlah yang cukup untuk membalikkan efek hasil yang semakin berkurang. Hasil akhirnya adalah pertumbuhan jangka panjang yang berkesinambungan, sebuah hasil yang ditabukan oleh teori pertumbuhan neoklasik tradisional. Meskipun

teori

pertumbuhan

baru

menekankan

kembali

pentingnya tabungan dan investasi modal manusia untuk mempercepat pertumbuhan, teori ini juga membawa beberapa implikasi pertumbuhan yang sama sekali berlawanan dengan teori tradisional. Pertama, tidak terdapat kekuatan yang mengarahkan terciptanya persamaan tingkat pertumbuhan antar negara yang perekonomiannya tertutup; tingkat pertumbuhan nasional tetap konstan dan berbeda antar

negara

tergantung pada tingkat tabungan nasional dan tingkat teknologinya. Selanjutnya, tidak terdapat kecenderungan bahwa level pendapatan per kapita di negara yang miskin modal akan menyamai tingkat pendapatan per kapita di negara-negara kaya meskipun tingkat pertumbuhan tabungan dan tingkat pertumbuhan populasinya serupa. Konsekuensi serius dari fakta ini adalah bahwa resesi yang berlangsung sementara atau lama di sebuah negara dapat menyebabkan semakin melebarnya jurang pendapatan yang permanen di dalam negara tersebut dan dengan negara-negara lain yang lebih kaya. Aspek yang paling menarik dari model pertumbuhan endogen adalah model tersebut Direktorat Pengembangan Wilayah – Bappenas

47


membantu menjelaskan keanehan aliran modal internasional yang memperburuk

ketimpangan

antara

negara

maju

dengan

negara

berkembang. Potensi

tingkat

pengembalian

investasi

yang

tinggi

yang

ditawarkan oleh negara berkembang yang mempunyai rasio modaltenaga kerja yang rendah berkurang dengan cepat dikarenakan rendahnya tingkat investasi komplementer (complementary investments) dalam

sumber

daya

manusia,

infrastruktur,

atau

riset

dan

pengembangan. Pada gilirannya, negara miskin kurang mendapat manfaat dari luasnya keuntungan sosial yang terkait dengan setiap alternatif bentuk pengeluaran modal ini. Karena para individu tidak menerima keuntungan pribadi dari eksternalitas positif yang tercipta dari investasi mereka sendiri, pasar bebas menyebabkan akumulasi modal komplementer menjadi lebih sedikit daripada tingkat optimalnya (Todaro and Smith, 2004). Karena investasi komplementer menghasilkan manfaat sosial maupun pribadi, pemerintah dapat memperbaiki efisiensi alokasi sumberdayanya. Mereka dapat melakukannya dengan menyediakan barang-barang publik (infrastruktur) atau mendorong investasi swasta dalam industri-industri yang padat pengetahuan (knowledge-intensive industries) dimana sumberdaya manusia dapat diakumulasikan dan akhirnya diperoleh skala hasil yang semakin meningkat. Model teori pertumbuhan baru menganggap perubahan teknologi sebagai sebuah hasil endogen dari investasi publik dan swasta dalam sumberdaya

manusia

dan

industri padat

pengetahuan. Sehingga,

berlawanan dengan contoh teori kontrarevolusi neoklasik, model pertumbuhan endogen mendorong peran aktif kebijakan publik dalam merangsang pembangunan ekonomi melalui investasi langsung maupun tidak langsung dalam pembentukan sumberdaya manusia dan mendorong investasi swasta asing dalam berbagai industri padat-pengetahuan seperti industri perangkat lunak komputer dan telekomunikasi.

48



3.4.4. Model Human Capital dan Pertumbuhan Model ini merupakan pegembangan dari model Solow dengan fungsi produksi Cobb-Douglas, dimana output merupakan fungsi dari kapital (K), stok human capital (H), dan jumlah tenaga kerja (L). Fungsi produksi tersebut adalah: Y(t) = K(t) H (t) [A(t)L(t)]1 -  - ,

............................ (3.13)

Dimana  > 0,  > 0 dan  +  < 1. Sekali lagi bahwa H adalah stok human capital, L merupakan jumlah tenaga kerja : selanjutnya keahlian tenaga kerja disuplai dari 1 unit L dan beberapa jumlah H. Persamaan di atas mengimplikasikan bahwa constant return to scale terhadap K, H dan L secara bersama. Dengan membuat asumsi tentang dinamika K dan L :

K (t )  s K Y (t )

................................................. (3.14)

dan

L (t )  nL(t )

.................................................... (3.15)

Dimana sK merupakan fraksi output dari physical capital accumulation, untuk penyederhaan diasumsikan tidak ada depresiasi. Selanjutnya model Solow diasumsikan constant dan kemajuan teknologi eksogen, maka :

A (t )  gA(t )

................................................ (3.16)

dan persamaan yang terakhir, human capital accumulation di modelkan dengan cara yang sama dengan physical capital accumulation, yaitu:

H (t )  s H Y (t )

................................................. (3.17)

Dimana sH adalah fraksi sumberdaya dari human capital accumulation. Model ini dapat digeneralisasi dalam beberapa cara tanpa mempengaruhi maknanya. Fungsi produksi Cobb-Douglas dapat digantikan dengan fungsi produksi umum sebagai berikut : Y = F (K, H, AL)

................................................. (318)

Persamaan diatas menyatakan bahwa output suatu perekonomian merupakan fungsi dari kapital, human capital, produktivitas tenaga


49


kerja. Menurut Park (1995), human capital dapat diartikan sebagai kumpulan spesialisasi keahlian. Persediaan tenaga kerja yang dapat diperoleh dengan mengalokasikan pendapatan untuk beraktivitas yang disebut ”pengeluaran untuk pendidikan dan kesehatan”. Dengan kata lain, dapat dikatakan bahwa human capital dapat diproxy dari pengeluaran pemerintah untuk pendidikan dan kesehatan. 3.5.

Model Regional Flows Asumsi tradisional yang digunakan oleh ahli ekonomi regional

bahwa sumberdaya dengan bebas masuk diantara daerah atau wilayah dalam

suatu

negara. Berbeda

dengan

internasional dimana faktor produksi

model teori perdagangan

dianggap tidak dapat berpindah

sedangkan komoditi dapat berpindah. Banyak studi dimana negara ditempatkan sebagai wilayah dalam ekonomi global yang lebih luas, sehingga, secara teoritis perbedaan antara ekonomi regional dan internasional menjadi kabur bagi ahli ekonomi internasional dalam memberikan apresiasi untuk kekuatan dan asumsi model ekonomi regional. Pada prakteknya, perbedaan antara ekonomi regional dan internasional

menjadi

tidak

jelas

karena

sumberdaya

dan

komoditi/barang secara relatif bebas berpindah. Masyarakat Ekonomi Eropa merupakan contoh yang menonjol sebagai wilayah dimana hubungan ekonomi antara negara-negara terjadi karena keterkaitan antara wilayah sebagai suatu negara. Asumsi yang digunakan untuk membangun model regional flows yaitu pertama, sumberdaya tidak dapat berpindah dari suatu daerah ke daerah lain dan kedua mobilitas sumberdaya sempurna. 3.5.1. Keunggulan Komparatif Teori keunggulan komparatif menunjukkan bahwa negara akan memperoleh keuntungan dari perdagangan. Prinsip dari keunggulan komparatif yaitu jika sumberdaya tidak berpindah diantara area, maka akan ada spesialisasi dalam komoditi yang diproduksi secara efisien. 50



Efisiensi relatif ditentukan oleh biaya oportunity, jumlah unit barang atau jasa yang harus diproduksi. Jika suatu negara menghasilkan barang yang memiliki keunggulan komparatif dan melakukan perdagangan dengan

negara

lain,

maka

spesialisasi

dan

perdagangan

akan

menguntungkan kepada kedua negara. Salah satu implikasi terpenting dari teori keunggulan komparatif adalah perdagangan masih memberikan keuntungan sekalipun jika suatu negara dapat menghasilkan lebih murah dibandingkan dengan negara lainnya. Tabel 3.1 menunjukkan bagaimana spesialisasi produk dalam keunggulan komparatif dan perdagangan terhadap produk lainnya akan meningkatkan pendapatan. Contoh pada Tabel 3.1 menjelaskan sebuah negara, contoh data tersebut diaplikasikan dimana sumberdaya tidak berpindah antara daerah. Tabel 3.1 diasumsikan semua biaya diukur dalam jumlah jam kerja, biaya transportasi nol, dan biaya oportunitas tidak berubah terhadap perubahan output (biaya konstan). Tabel 3.1 Tenaga Kerja yang Diperlukan untuk Proses Produksi Biaya Absolut ( jumlah jam kerja diperlukan per unit) Tiap unit dari Makanan Produk manufaktur Biaya oportunitas Biaya untuk setiap unit makanan terhadap setiap unit produk manufaktur Biaya produk manufaktur terhadap makanan

Region I 1 2

Bagian dunia lain 3 4

½

¾

2

4/3

Tabel 3.1 menunjukkan jumlah tenaga kerja untuk menghasilkan makanan dan produk manafaktur di suatu wilayah dan bagian dunia lain. Asumsikan, dunia lain yang lebih luas merupakan daerah homogen dimana rasio harga dunia tidak mempengaruhi output suatu daerah kecil. Region dapat

menghasilkan makanan dan produk manufaktur

dengan biaya tenaga kerja yang lebih rendah dibandingkan dengan dunia lain. Biaya oportunitas untuk setiap unit makanan di region I adalah ½ dari produk manufaktur. Artinya, untuk menghasilkan setiap makanan domestik, region I menghasilkan ½ produk manufaktur. Setiap unit biaya


51


makanan ¾ unit produk manufaktur di bagian dunia lain. Karena itu, region

I

mempunyai

keunggulan

komparatif

dalam

memproduksi

makanan. Untuk menentukan keuntungan spesialisasi dan perdagangan, maka kita dapat membandingkan konsumsi dan produksi pada region I sebelum dan sesudah perdagangan. Jika perdagangan tidak ada, maka upah riil untuk setiap jam kerja pada region I adalah 1 unit makanan atau ½ unit produk manufaktur. Sedangkan upah riil di bagian dunia lain yaitu 1/3 unit makanan atau ¼ unit produk manufaktur. Misalkan region I memiliki 6 juta jam kerja yang dapat digunakan. Kurva kemungkinan produksi ditunjukkan pada Gambar 3.10. Food (Millions of units) 6

Consumption possibilities with trade d

4

a

c Production Possibilities

2

1

1.5

2

3

4

4.5

Gambar 3.10. Kurva Kemungkinan Produksi dan Konsumsi Tanpa ada perdagangan, titik yang sesuai untuk produksi (konsumsi) tergantung pada pilihan dari setiap individu di region I. Misalnya, individu di region I memilih untuk menghasilkan 4 juta unit makanan dan 1 juta unit produk manufaktur yang ditunjukkan pada titik a, dan tingkat produksi ditunjukkan oleh kemungkinan konsumsi. Jika dilakukan perdagangan diantara negara dimana biaya transportasi dan transaksi tidak berpengaruh.

52



Harga relatif di region I akan sama dengan harga relatif di bagian dunia lain. Pedagang akan membeli produk yang lebih murah dan menjual kembali jika harga produk meningkat. Barang manufaktur di region I lebih mahal dibandingkan dengan makanan, maka pedagang akan membawa produk manafaktur ke region I dan membawa makanan ke bagian dunia lain. Keuntungan

dari

perdagangan

dapat

meningkat

terhadap

penduduk yang tinggal di region I dan patner dagangnya. Sebelum perdagangan,

kurva

kemungkinan

produksi

sama

dengan

kurva

kemungkinan konsumsi. Jika region I melakukan perdagangan dengan bagian dunia lain, kurva kemungkinan konsumsi di region I akan melebihi kemungkinan produksi dan kemungkinan konsumsi. Untuk membuktikan kondisi ini, misalkan region menggunakan semua sumberdaya untuk menghasilkan 6 juta unit makanan dan menukarkan 2 juta unit makanan untuk barang-barang manufaktur. Jumlah

produk

manufaktur

yang

dapat

dibeli

dengan

makanan

tergantung pada hubungan perdagangan. Jika diasumsikan output yang dihasilkan oleh region kecil tidak berpengaruh terhadap harga dunia, maka hubungan perdagangan ditentukan oleh rasio harga dunia. Dengan demikian, region akan menerima 1.5 juta unit produk manufaktur yang dipertukarkan dengan 2 juta unit makanan, konsumsi pada titik c pada kurva kemungkinan konsumsi setelah perdagangan. Jika seluruh penduduk di region berkeinginan untuk mengkonsumsi seluruh produk manufaktur, maka jumlah produk manufaktur yang dikonsumsi adalah 4.5 juta unit. Jika titik a merupakan kemungkinan produksi dan konsumsi sebelum perdagangan, maka perdagangan akan memindahkan kurva kemungkinan kunsumsi, dimana penduduk di region I akan mengkonsumsi lebih banyak kedua barang, ditunjukkan oleh titik diantara c dan d. Penjelasan ini merupakan contoh antara suatu negara dengan bagian dunia lain, prinsip yang sama juga dapat digunakan antar region dalam suatu Negara.


53


3.5.2. Teori Heckscher–Ohlin Teori keunggulan komparatif menyatakan bahwa suatu negara (regions) harus melakukan spesialisasi untuk memproduksi komoditi yang dihasilkan dengan biaya yang relatif murah, tetapi produk yang dihasilkan belum mengindikasikan apakah barang dan jasa akan diekspor. Hipotesis Heckscher dan Ohlin menyatakan jika suatu negara mempunyai faktor produksi yang berlimpah, negara tersebut memiliki keunggulan komparatif untuk memproduksi barang yang diperlukan dalam jumlah besar dari kelebihan faktor produksi tersebut. Sebagai contoh, region dengan top soil dan curah hujan yang berlimpah tentu memiliki keunggulan komparatif dalam produk-produk pertanian. Oleh karena itu, meskipun faktor produksi tidak dapat berpindah (immobile), Heckscher dan Ohlin menduga bahwa faktor produksi yang berlebih dapat berpindah yang diwujudkan menjadi ekspor dominan. Aliran komoditi dari perdagangan akan berakibat bukan hanya terhadap harga komoditi tetapi juga harga sumberdaya. Suatu negara yang melimpah dalam tenaga kerja cenderung memiliki upah yang rendah sebelum ada perdagangan. Ekspor tenaga kerja, produk yang intensif akan meningkatkan permintaan terhadap tenaga kerja dan upah. Negara pengimpor tenaga kerja akan menekan permintaan tenaga kerja sehingga upah terhadap kerja dibayar rendah.

Jika

dalam

kenyataannya

dimana

diasumsikan

informasi

sempurna dan komoditi dapat berpindah, maka teori Heckscher dan Ohlin menuju kepada kesimpulan bahwa komoditi yang berpindah akan menghasilkan persamaan dengan harga faktor produksi. Dalam kondisi demikian, perpindahan komoditi dapat disubstitusi dengan perpindahan sumberdaya. Teori keunggulan komparatif Hechscher – Ohlin dihadapkan pada

tantangan karena teori ini tidak mampu menjelaskan dan

memprediksi pola perdagangan aktual. Beberapa pertimbangan untuk berpikir ulang terhadap teori keunggulan komparatif yaitu (1) mekanisme dan kelembagaan kurang diperhatikan, (2) jika hukum, kelembagaan dan kebiasaan tidak mendukung, maka spesialisasi dan perdagangan tidak bekembang dan (3) keunggulan komparatif adalah teori yang statis. 54



3.5.3. Mobilitas Sumberdaya Teori keunggulan komparatif berkembang dengan asumsi bahwa sumberdaya tidak berpindah. Ahli ekonomi regional membangun model dengan asumsi sumberdaya berpindah sempurna. Sudah pasti, masalah perpindahan tenaga kerja dan modal antara wilayah lebih kecil dengan perpindahan faktor produksi antara negara. Jika informasi sempurna dan tidak ada biaya relokasi, faktor produksi akan berpindah ke region yang kompensasinya lebih tinggi. Gambar 2 dapat menunjukkan analisis tentang sumberdaya yang berpindah. Diasumsikan ada 2 region, di region J kompensasi lebih besar $ 2 per unit dibandingkan dengan region I (Kurva S). Perbedaan ini akan mendorong sumberdaya akan bergerak dari region I ke region J. Apabila kompensasi faktor produksi adalah $5, maka migrasi akan berhenti. $

$

Region I

Region J S

S S’

S’

6 5

5 4 D

D

Q

Q

Gambar 3.11. Model Perpindahan Sumberdaya Berikutnya,

jika

ada

biaya

realokasi

akan

mengakibatkan

munculnya penyesuaian. Pergerakan sumberdaya akan bermanfaat jika present value penerimaan mendatang di daerah tujuan dikurangi present value dari penerimaan mendatang terhadap biaya realokasi di daerah asal. Insentif cukup untuk realokasi, biaya realokasi harus lebih kecil dari present value of future ditambah returns sehingga penerimaan input antara region J dapat dibandingkan dengan I.


55


Gambar 3.11 menunjukkan kurva penawaran bergeser sehingga menjadi sama dengan harga faktor produksi karena diasumsikan perpindahan

sumberdaya

tanpa

biaya.

Jika

relokasi

sumberdaya

dikenakan biaya, maka present value dari perbedaan kompensasi terhadap umur faktor produksi akan sama dengan biaya realokasi pada keseimbangan. Proses penyesuaian bukan terjadi secara langsung, penerimaan faktor produksi yang tinggi di region J akan mendorong sumberdaya berpindah dari I ke J. Perpindahan sumberdaya dari I ke J, kurva penawaran dari faktor produksi akan bergeser ke kanan sedangkan di region I akan bergeser ke kiri. Penerimaan faktor produksi pada daerah dimana kompensasi rendah akan meningkat sedangkan penerimaan faktor produksi akan menurun pada wilayah yang kompensasi tinggi. Jika gap harga faktor produksi tidak konstan tetapi kecil selama proses penyesuaian, maka sangat sulit bagi migran potensial untuk menentukan nilai penerimaan mendatang dengan berpindah ke wilayah dengan harga yang tinggi. Untuk menghitung perpindahan faktor produksi yang memberi keuntungan pada wilayah yang memberikan penerimaan yang tinggi, pemilik faktor produksi tidak hanya mengetahui harga faktor produksi yang berlaku tetapi juga bagaimana perbedaan harga akan berubah pada waktu mendatang. Perpindahan dalam sumberdaya akan menguntungkan terhadap pemilik sumberdaya yang melimpah pada daerah yang memiliki harga faktor

produksi

yang

rendah

dan

merugikan

terhadap

pemilik

sumberdaya pada daerah yang harga faktor produksi tinggi. Sulit menentukan kapan memperoleh keuntungan yang lebih atau kerugian dari realokasi. Kondisi tersebut ditentukan oleh jumlah pekerja asal di masing-masing wilayah. Perpindahan sumberdaya akan meningkatkan jumlah output, jika sumberdaya yang dibeli adalah nilai produk marginal. Misalkan, sumberdaya di wilayah J memiliki marginal produk yang lebih tinggi dibandingkan dengan wilayah I, akan bemasalah jika pembayaran sumberdaya sama dengan nilai marginal produk. Jika 56



sumberdaya ditransfer dari I ke J, nilai output yang hilang di wilayah I akan lebih rendah dibandingkan dengan peningkatan output nasional oleh sumberdaya pekerja di J. Karena itu, produk nasional bruto akan meningkat sebagai hasil dari perpindahan sumberdaya. Model yang ditunjukkan gambar 3.11 tidak menunjukkan respon permintaan. Pergerakan

permintaan

dapat

membantu

menghapus

perbedaan harga. Sebagai contoh, misalkan tenaga dan modal adalah faktor produksi utama. Tenaga kerja dapat direalokasi dari upah yang rendah ke wilayah yang upah tinggi. Tetapi secara simultan, modal mengalir ke wilayah yang upah rendah sebagai ganti keuntungan dari input komplementer yang berbiaya rendah. 3.6.

Perpindahan Penduduk dan Tenaga Kerja

3.6.1. Ekonomi dari Migrasi Perbedaan antara ketidakseimbangan dan keseimbangan model migrasi sangat penting. Model ketidakseimbangan, migrasi diasumsikan sebagai motivasi keuntungan atau ketidakberuntungan yang terjadi diantara region. Sebagai contoh, upah yang tinggi di suatu wilayah, maka pekerja dan keluarganya akan berpindah ke wilayah dengan upah tinggi. Model keseimbangan menjelaskan migrasi pada pasar faktor produksi wilayah adalah seimbang. Motivasi untuk melakukan migrasi sangat berbeda diantara individu. Dalam model ketidakseimbangan, upah dan kesempatan tenaga kerja merupakan kemungkinan faktor utama perpindahan tenaga kerja suatu daerah. Dalam berbagai analisis, migrasi sering diakibatkan oleh adanya pengaruh dorongan dan tarikan. Migran

merespon pengaruh tarikan

untuk pekerjaan dengan gaji yang tinggi di wilayah tujuan dan merupakan faktor pendorong ketika di daerah asalnya rendah dan atau kesempatan tenaga yang rendah di wilayah asal. Pengaruh tarikan bekerja jauh lebih kuat dibandingkan dengan dorongan bekerja, sehingga migran akan berpindah ke daerah tujuan. Direktorat Pengembangan Wilayah – Bappenas

57


3.6.2. Faktor Non Upah Hampir keseluruhan studi menunjukkan bahwa kecenderungan tenaga kerja melakukan migrasi ke daerah yang upahnya lebih tinggi atau daerah yang mengalami pertumbuhan kesempatan kerja, tetapi faktor bukan upah juga dapat membantu menjelaskan tentang migrasi. Di luar gaji, ada dua faktor yang sangat mempengaruhi migran mengambil keputusan untuk berpindah yaitu pertama, keuntungan tunjangan tambahan seperti kompensasi dan kedua, perbedaan biaya hidup. Alasan-alasan lainnya seperti perbaikan kualitas hidup, prospek kesempatan promosi, dan prospek upah yang tinggi di lokasi yang baru. Tabel 3.2. Matriks Daftar Faktor-Faktor Keuntungan Berpindah Keputusan Migrasi

Biaya Potensial A (migration cost factors) Transportasi ke tempat tinggal baru Ketidakpastian untuk menemukan pekerjaan Perumahan sementara mencari pekerjaan Makanan sementara mencari pekerjaan Pakaian yang digunakan mencari pekerjaan Gangguan dari orang asing

Perbandingan

Biaya-

Keuntungan Potensial B (migration pull factors) Pembayaran gaji yang tinggi Preferensi atau memilih jenis pekerjaan Pendidikan yang baik untuk anak-anak, diri sendiri Ada lembaga yang menyediakan jasa untuk berkomunikasi yang baik Lebih menarik, kehidupan social Kondisi social yang lebih baik, bangsa dan etnik

Perbedaan status sosial Kehidupan yang asing dengan sekeliling Kebutuhan untuk menggunakan bahasa lain, meningkatkan berkomunikasi Kebutuhan untuk mengubah cara berpakaian, perilaku, tingkah laku sehari-hari Tidak Berimigrasi

C (migration push factors) Kesulitan mencari pekerjaan di tempat asal Kehilangan kesempatan rekreasi tempat asal Dominasi yang kuat dari keluarga Ketidakpuasan hubungan social di tempat asal

58

D (migration counterinfluence) Perumahan yang tidak mahal dan dapat digunakan Makanan yang murah Setiap hari berhubungan dengan keluarga Setiap hari berhubungan dengan teman lama Direktorat Pengembangan Wilayah – Bappenas


Ketidakpuasan terhadap kelembagaan tempat asal Ketidakpuasan ras, etnik, dan kondisi politik

Kehidupan yang dekat dengan sekeliling Menggunakan bahasa setempat, kebiasaan setempat Ada jaminan pekerjaan (dari beberapa orang)

Walaupun keputusan setiap individu untuk melakukan migrasi adalah kompleks, hampir semua faktor tersebut dapat dijelaskan dengan konsep biaya dan keuntungan, karena nilai moneter dapat memberikan keutungan dan biaya non-moneter.

Tabel 3.2. menjelaskan tentang

keuntungan dan biaya migrasi, alasan untuk memutuskan migrasi atau tidak berimigrasi. Prospek meningkatkan penghasilan adalah salah satu komponen yang utama untuk memutuskan migrasi. 3.6.3. Model Harris-Tadaro Haris dan Todaro (1970) mengembangkan sebuah model untuk menjelaskan permasalahan migrasi yang dihadapi oleh negara-negara berkembang pada saat orang beramai-ramai masuk ke kota besar kendati tingkat pengangguran di kota sangat tinggi. Model tersebut juga menjelaskan

adanya

kecenderungan

perbedaan

upah

yang

tetap

berlangsung kepada migrasi. Dalil yang dikemukakan oleh Haris-Todaro adalah migrasi terjadi ketika upah aktual di wilayah asal lebih rendah dibandingkan dengan upah yang diharapkan (expected) di daerah tujuan. Upah yang diharapkan adalah upah aktual dikali dengan peluang bekerja. Di dalam model mereka diasumsikan bahwa peluang bekerja untuk para pekerja adalah 1-U, dimana U adalah tingkat pengangguran. Dengan kata lain, penduduk baru percaya bahwa mereka mempunyai peluang memperoleh pekerjaan yang sama dengan penduduk setempat. Jika besarnya upah $ 10.000 per tahun dan angka pengangguran 20 persen, upah yang diharapkan $ 8.000. Untuk mengerti Model Harris dan Todaro diasumsikan ada wilayah dengan upah yang tinggi dan upah yang rendah. Juga diasumsikan bahwa upah di wilayah yang tinggi kelembagaan tidak berpengaruh seperti hukum,

serikat

dan

kebiasaan.


Upah

perkotaan

tidak

menurun 59


diperhadapkan

dengan

pengangguran

yang

besar.

Jika

ada

full

employment di kedua wilayah, para pekerja melakukan migrasi ke wilayah yang upahnya tinggi. Jika jumlah pekerjaan pada wilayah dengan upah yang tinggi sama, maka penggangguran akan bertambah. Para migran rela melakukan trade off antara resiko menganggur dengan potensi

untuk upah yang tinggi. Tambahan migran mungkin akan

memperoleh pekerjaan tetapi bagi pekerjaan lainnya akan kehilangan pekerjaan. Oleh karena itu migrasi dapat menyebabkan penggangguran yang tinggi sehingga produk nasional akan turun. Pekerja memilih menganggur daripada bekerja dengan upah yang rendah (produktifitas rendah). 3.6.4. Model Gravitasi Arus perpindahan penduduk sering didekati dengan model gravitasi. Asumsi model gravitasi bahwa migrasi penduduk antara dua wilayah akan meningkat dan menurun terhadap jarak kedua wilayah. Pada model dasar, penduduk mewakili individu yang tinggal atau melakukan migrasi di tempat. Jarak adalah penghalang utama untuk berimigrasi. Rumus Model gravitasi sederhana, yaitu M ab 

Pa Pb

Dab 2

........................................................ (3.19)

Dimana Mab = Migrasi dari A ke B PaPb = Penduduk di A atau B Dab = Jarak antara A dan B Permasalahan utama dengan model gravitasi sederhana ialah bahwa migrasi diantara setempat selalu nol. Variabel lain telah masuk dalam perbedaan oportunitas. Perbedaan dalam upah, pendapatan dan angka pengangguran sering digunakan mengukur perbedaan opportunitas. Kritik lainnya terhadap model gravitasi adalah kelemahan spesifikasi, karena jarak sulit diukur dengan perjalanan, terutama dalam era tranportasi modern, sehingga

waktu

perjalanan

telah

disubtitusi

terhadap jarak di beberapa model. Hambatan sosial dan politik, sama

60



seperti ketidakpastian, merupakan penghalang yang penting. Faktorfaktor ini memiliki korelasi yang rendah dengan jarak. Salah satu alasan yang menyebabkan model gravitasi kurang akurat dikenal dengan dampak beaten-path. Dampak beaten-path menunjuk kepada kecenderungan observasi kepada individu terutama daerah asal melakukan migrasi pada tujuan

yang sama. Beberapa

“pendahulu” dari suatu wilayah pertama-tama melakukan migrasi. Setelah itu, menyusul yang lainnya, dan tujuan migrasi yang sama, karena telah memperoleh pekerjaan atau informasi tempat tinggal dan dukungan dari pendahulunya. Dengan mengikuti beaten path, maka para migran mempunyai biaya rendah, ketidakpastian dan biaya sosial untuk realokasi. Efek beaten path dapat menolong menjelaskan kelompok etnik terkonsentrasi khususnya di beberapa kota.

Biaya migrasi yang rendah, efek beaten

path mempunyai dua implikasi penting, yaitu pertama, perpindahan para migran dapat menjadi terus-menerus sebagai migrasi berbiaya rendah dan faktor pendorong menambahan jumlah migrasi dan kedua, beaten path dapat perjalanan dengan dua cara, migrasi kembali ke daerah asalnya. Model gravitasi dapat juga dimodifikasi untuk menghitung intervensi oportunitas. 3.6.5. Net dan gross Migrasi Ketika ahli ekonomi mengumpulkan dan menganalisis data migrasi, fokus analisis terutama net migrasi, yaitu perbedaan migrasi ke dalam (in migration) dan migrasi keluar (out migration). Bagaimanapun juga, net migrasi merupakan perbedaan substansi pada tingkat gros migrasi karena beberapa individu masuk ke suatu wilayah dan pada waktu yang sama ada yang keluar. Tabel 3.3. Perpindahan Gros dan Net Migrasi dan Kondisi Ekonomi Lokal

Migrasi ke dalam

Tinggi Rendah


Migrasi keluar Tinggi Rendah Migrasi net rendah Migrasi net masuk tinggi Migrasi net masuk Migrasi net rendah negatif

61


Table 3.3 menunjukkan empat pola perbedaan gross migrasi, yaitu (1) mobilitas tinggi;

migrasi masuk dan keluar sama-sama tinggi, (2)

migrasi masuk tinggi, migrasi keluar rendah, (3) migrasi masuk rendah, migrasi keluar tinggi dan (4) migrasi masuk rendah, migrasi keluar juga rendah. Kasus migrasi masuk dan keluar yang tinggi dan migrasi masuk dan keluar yang rendah akan menghasilkan migrasi net yang rendah tetapi dengan alasan yang berbeda. Kasus migrasi keluar dan masuk yang tinggi menghasilkan migrasi silang yang signifikan, yang merupakan peluang bagi penduduk keluarmasuk antara-wilayah. Wilayah oportunitas dapat menarik perpindahan penduduk yang tinggi. Wilayah dengan oportunitas yang tinggi dapat menarik menghasilkan perpindahan penduduk melalui migrasi silang. Wilayah dengan migrasi masuk yang rendah dan migrasi keluar yang rendah akan memiliki net perubahan penduduk yang rendah. Daerah yang stabil atau penurunan perekonomian menjadi kesempatan migrasi masuk, tetapi mungkin ada faktor pendorong untuk memperoleh pekerjaan. Hasil studi terakhir menunjukkan bahwa faktor-faktor demografi dari masyarakat penting atau sangat penting dibandingkan dengan faktor-faktor pendorong (kesempatan ekonomi yang hilang) dalam menentukan migrasi keluar. Wilayah dengan migrasi masuk yang rendah dan migrasi keluar yang tinggi menggambarkan wilayah dengan oportunity rendah dengan perpindahan penduduk tinggi. Wilayah dengan proporsi umur 18-25 tahun yang tinggi, tetapi oportunity kesempatan kerja yang menurun. Migrasi bersih (net migration) dapat negatif disebabkan karena migrasi keluar yang tinggi dan migrasi masuk yang rendah. Wilayah dengan migrasi masuk yang rendah dan migrasi keluar yang tinggi maka wilayah tersebut akan kehilangan penduduk dari perpindahan penduduk tersebut. Migrasi masuk yang tinggi dan migrasi keluar yang rendah disebabkan karena oportunity yang lebih besar, sementara penduduk yang ada memiliki karakteristik mobilitas yang rendah. 62



Walaupun para migran pindah ke wilayah oportunity yang tinggi, mungkin ada kegagalan disana jika perpindahan penduduk menyebabkan perekonomian

diantara

wilayah

menurun.

Pada

beberapa

kajian

disebutkan bahwa migrasi menyebabkan perbedaan antar-daerah antara upah yang tinggi

dan yang rendah sehingga menarik para migran ke

daerah tujuan. Ada tiga cara para migran memberikan stimulasi pada perekonomian pada wilayah tujuan yaitu (1) penduduk yang besar dan menyebar akan meningkatkan permintaan pekerja, menambah barangbarang dan jasa untuk penduduk lokal, (2) aktivitas ekonomi yang besar akan

diikuti

dengan

aglomerasi

perekonomian

yang

besar

dan

peningkatan produktifitas dan (3) migrasi alami yang selektif mendorong pekerja lebih produktif, sehingga meningkatkan permintaan tenaga kerja. Di wilayah yang kurang berkembang, migrasi keluar akan menyebabkan penurunan opportunity perekonomian. Migrasi yang selektif, dimana penduduk yang tinggal lebih tua, bukan sarjana dan kurang trampil. Kondisi ini kurang menarik untuk mendorong kegiatan perekonomian yang baru. Jika upah rendah, maka wilayah tersebut memberi upah rendah kepada pekerja. Jika upah di wilayah kurang berkembang tinggi dan kaku, maka tidak ada daya tarik di wilayah tersebut tidak memiliki prospek dan jumlah perusahaan akan menurun. Gerking dan Weirick (1983) menentukan bahwa

ada

perbedaan upah yang persisten diantara wilayah di Amerika Serikat. Bagaimanapun juga, perbedaan tersebut tidak lengkap menjelaskan efek stimulasi dari migrasi. Upah regional dan perbedaan pendapatan secara luas

diakibatkan

perekonomian

oleh

yang

fakta

berbeda,

bahwa misalnya

wilayah

mempunyai

perbedaan

skill

fungsi

pekerja.

Penemuan Gerking dan Weirick mendukung teori bahwa perbedaan upah merupakan penentu utama migrasi. 3.6.6. Efisiensi Migrasi Implikasi model ekonomi sederhana menunjukkan bahwa migrasi akan efisien jika para migran akan berpindah ke wilayah yang membayar


63


tinggi dengan produktifitas tinggi. Migrasi tidak efisien dalam model Harris-Tadaro karena migrasi meningkatkan angka pengangguran. Migrasi silang memberi kesan tidak efisien karena jika diantara wilayah ada pertukaran perpindahan maka realokasi tidak diperlukan. Migrasi silang memungkinkan tidak ada hubungan antara skill dan tipe pekerja yang berbeda antara-wilayah. Substansi migrasi silang mereflesikan persoalan agregasi yang kuat dari semua pekerja seperti faktor produksi yang homogen. Salah satu cara mengevaluasi efektifitas migrasi yaitu menguji apakah migrasi better off sesudah migrasi. Ada tiga pendekatan umum yang digunakan untuk mengevaluasi keuntunganh individu bermigrasi yaitu (1) menanyakan kepada para migran jika mereka better off, (2) membandingkan penghasilan para migran dengan penghasilan orang yang tidak

bermigrasi

dan

(3)

menguji

keuntungan

sosial

termasuk

eksternalitas. Survey Lansing dan Mueller (1967) menemukan bahwa mayoritas migran berpindah karena pertimbangan adanya harapan yang lebih baik dan menguntungkan. Studi ini juga menunjukkan bahwa

pengalaman

secara umum para migran bahwa penghasilan para migran meningkat. Individu yang melaksanakan migrasi mempunyai harapan memiliki pendapatan yang lebih tinggi dibandingkan dengan tidak bermigrasi. Dapat dikatakan bahwa migrasi meningkatkan posisi ekonomi dari para migran. Hunt dan Kau (1985) menguji penerimaan pria muda yang bermigrasi. Mereka menemukan bahwa 13 persen dari migran upah tahunan yang diterima meningkat. Hunt dan Kau menyimpulkan bahwa dengan skill yang dimiliki akan membantu memperoleh pekerjaan di wilayah yang baru. Implikasi dari penemuan ini bahwa efisiensi dari migrasi

meningkat

dengan

pengalaman

para

migran.

Hal

ini

dihipotesiskan bahwa jika seseorang bermigrasi akan memiliki tambahan pendapatan dengan adanya keahlian dan pengalaman para migran. Total keuntungan sosial dari migrasi termasuk eksternalitas sulit dievaluasi. 64



Migrasi dapat disebutkan sebagai keuntungan sosial jika penghasilan migran yang tinggi merefleksikan output social yang tinggi. Efek sosial dari migrasi sulit untuk diakses karena efisiensi migrasi sulit untuk dievaluasi ketika kita membandingkan biaya marginal sosial dengan keuntungan. 3.7.

Mobilitas Capital Pengertian modal (capital) menurut ahli ekonomi yaitu input

untuk produksi dalam menghasilkan barang. Yang termasuk dalam capital yaitu input fisik untuk proses produksi, seperti bangunan, mesin dan human capital. Jumlah modal fisik diukur dengan nilai uang. Bagi individu, perbedaan uang dengan modal fisik tidak selalu penting karena setiap individu dapat menukarkan modal fisik dengan uang tetapi masyarakat secara keseluruhan tidak dapat menukarkan modal fisik dengan uang. Modal uang memiliki mobilitas yang tinggi antar-wilayah baik domestik dan internasional. Modal (real capital) merupakan salah satu faktor produksi utama, dan dikombinasikan dengan tanah, tenaga kerja dan ketrampilan. Modal yang digunakan untuk proses produksi kurang mobile jika dibandingkan dengan uang. Meskipun ada keterbatasan mobilitas real capital, individu dapat menjual asetnya dan mentransfer ke wilayah lainnya. Dari perspektif individu, kapital dapat berpindah di suatu tempat meskipun aset fisik tidak dapat berpindah. Lagipula, karena real capital adalah nilai dalam uang maka jumlah capital yang diinvestasikan di suatu wilayah dapat bergerak dengan cepat. Ada tiga tipe perpindahan capital yang dapat diidentifikasi. Pertama, modal uang ditransfer dari suatu wilayah ke wilayah lainnya, baik untuk pertukaran terhadap barang dan jasa-jasa ataupun biaya investasi riil. Kedua, aset fisik dapat diangkut dari suatu tempat ke tempat lainnya, walaupun perpindahan untuk beberapa aset fisik adalah terbatas. Ketiga, nilai modal fisik dapat berubah yang menggambarkan perubahan lingkungan ekonomi.


65


3.8.

Pendekatan Neraca Pembayaran untuk Pertumbuhan Ekonomi Wilayah Untuk mengerti latar belakang cara berpikir pendekatan neraca

pembayaran wilayah untuk pertumbuhan ekonomi, perlu memperhatikan model pendapatan dan pengeluaran wilayah berikut ini: Yt = ( Ct + I t + Gt ) + ( Xt - Mt)

………………………….. (3.20)

Tiga bagian pertama disisi bagian kanan persaman (3.20) menunjukkan agregat permintaan yang dihubungkan dengan kegiatan domestik dalam perekonomian

wilayah;

disebut

juga

sebagai,

regional

domestic

absorption, At. Sementara itu dua bagian dari sisi kanan menunjukkan komponen dari agregat permintaan wilayah yang dihubungkan dengan sektor perdagangan antar-wilayah. Bentuk umum, dari persamaan (3.20) dapat ditulis: (Yt –At) = (Xt – Mt)

…………………………………………… (3.21)

Dimana (Yt-At) adalah sama dengan tambahan aset bersih dari wilayah lainnya. Untuk mengetahui tambahan aset bersih dari wilayah lainnya, sebagai perbedaan diantara pendapatan regional dan regional domestic absorption, dapat dilihat pada model neraca pembayaran tingkat nasional, dan kemudian

menterjemahkannya dalam kasus wilayah.

Model sederhana neraca pembayaran pada tingkat nasional didefinisikan sebagai berikut: CAN + KAN + BOFN = 0

……………………………………….. (3.22)

Dimana CAN adalah neraca pembayaran transaksi berjalan pada tingkat nasional, KAN adalah neraca pembayaran capital account pada tingkat nasional dan BOFN adalah neraca pembiayaan pegawai pemerintah. Neraca pembayaran pada transaksi berjalan menggambarkan arus uang bersih dari perdagangan untuk seluruh barang dan jasa, ditambah arus bunga bersih dan deviden dari semua aset yang berada di luar negeri yang dimiliki oleh penduduk domestik dan orang asing.

66



Dengan demikian neraca pembayaran transaksi berjalan lebih luas daripada neraca perdagangan yang sederhana, yang hanya menunjuk kepada perdagangan barang-barang. Jika transaksi berjalan pada posisi surplus, hal ini berarti bahwa negara tersebut sedang membangun cadangan devisa yang berasal dari valuta asing yang didedominasi oleh mata uang lokal. Harga dari mata uang domestik meningkat secara relatif terhadap mata uang asing. Sementara itu, neraca pembayaran dari neraca modal menunjukkan pendapatan bersih negara dari aset asing melalui pinjaman dan meminjam dari keuangan internasional yang menunjukkan penerimaan bersih dari penduduk setempat dalam hal kekayaan yang terletak diluar negeri. Jika neraca modal surplus, mengimplikasikan ada aliran uang masuk dari negara-negara lain yang biasa digunakan untuk membeli aset domestik daripada digunakan untuk membeli aset dari negara lain. Keduanya secara bersamaan transaksi berjalan dan neraca modal menunjuk surplus bersih dari neraca pembayaran total. Neraca keuangan pemerintah adalah jumlah yang diperlukan untuk menjaga agar pendapatan dan pengeluaran internasional seimbang dan sama dengan perbedaan bersih antara uang permintaan dan penawaran mata uang lokal dalam pasar valuta asing. CAN + KAN = - BOFN

………………………………………….. (3.23)

Jika kita kembali menyusun persamaan (3.22) menghasilkan persamaan (3.23), kita dapat lihat bahwa sisi kiri persamaan (3.23) adalah positif, berarti neraca pembayaran dalam kondisi surplus dan jika negative maka neraca pembayaran adalah defisit.

Jika neraca pembayaran berada

dalam surplus, cadangan aset asing meningkat atau secara aternatif menurunkan hutang kepada penduduk asing. Jika neraca pembayaran defisit maka aset asing menurun maka hutang penduduk asing meningkat. Penyesuaian kekayaan dimediasi melalui pasar valuta asing. Pada kasus perdagangan antar regional, dan karena transaksi dilakukan dalam mata uang lokal, pembayaran pemerintah didominasi


67


oleh mata uang yang sama. Kita mengetahui bahwa daerah tidak memiliki hambatan bea cukai dan perdagangan. Tetapi pada prinsipnya, kita catat bahwa neraca pembayaran dari bagian kanan persamaan (3.24) harus selalu sama dengan nol. Ketika diterapkan persamaan tersebut untuk antar-wilayah, maka neraca pembayaran antar-wilayah diformulasikan dalam: CAR + KAR = 0

…………………………………………………… (3.24)

Dimana CAR adalah neraca pembayaran transaski berjalan pada tingkat regional dan KAR adalah neraca pembayaran capital account pada tingkat daerah, dan dapat diubah menjadi CAR = - KAR

……………………………………………………. (3.25)

Dengan kata lain surplus bersih dari perdagangan barang dan jasa di suatu daerah dengan daerah lain (Xt-Mt) dalam persamaan (3.21) diseimbangkan dengan pendapatan bersih dari aset wilayah dari wilayah yang lain (Yt-At) pada persamaan (3.21). Sebagai contoh, jika suatu wilayah

yang

berbasis

industri

berhasil

mengeksport,

hal

ini

mengimplikasikan bahwa pendapatan yang diperoleh dari ekspor dapat digunakan kedua-duanya untuk impor barang dan jasa dari daerahdaerah lain dan juga membeli aset-aset yang lebih dari daerah lain. Aset-aset yang dibeli ini akan termasuk aset negara yang riil di daerahdaerah lain, sama seperti pangsa pendapatan di dalam perusahaan yang berlokasi di daerah lain. Jika suatu wilayah neraca pembayaran defisit, itu harus dibiayai dengan penjualan bersih dari aset domestik kepada pembeli dari daerah-daerah lain. Jika neraca pembayaran seimbang itu berarti bahwa pendapatan bersih yang ada di negara-negara lain adalah nol. Wilayah yang mengalami defisit neraca pembayaran secara terus menerus akan menyebabkan cadangan devisanya terbatas. Untuk mebiayai necara defisit tersebut maka wilayah tersebut dapat menjual aset kepemilikan domestik ke pembeli luar. Sehingga daerah tersebut dapat memelihara neraca pembayaran defisit dalam jangka panjang. Hal ini mengimplikasikan bahwa pendapatan regional dalam jangka panjang juga dipengaruhi oleh tingkat ekspor wilayah. 68



3.9.

Prototipe Keterkaitan Regional Menurut Treyz (1993), suatu prototipe ekonomi regional dicirikan

dengan terjadinya banyak transaksi setiap harinya, dimana transaksi ini mempunyai keterkaitan. Suatu model dasar

keterkaitan regional

memerlukan identifikasi untuk menentukan variabel kunci (determinan major) yang berpengaruh besar dalam suatu sistem / model. Berikut ini adalah prototipe model dasar keterkaitan regional yang terdiri dari 5 blok yaitu blok output sektoral, blok permintaan kapital dan tenaga kerja sektoral, blok populasi dan penawaran tenaga kerja sektoral dan blok upah, harga dan profit sektoral dan blok pangsa pasar. Blok output sektoral terdiri dari konsumsi dan pengeluaran pemerintah. Blok permintaan kapital dan tenaga kerja sektoral merupakan permintaan kapital dari sektor spesifik dan jumlah tenaga kerja yang diperlukan suatu sektor. Blok populasi dan penawaran tenaga kerja sektoral mencakup migrasi dan ketersedian angkatan kerja. Blok upah, harga dan profit sektoral mencakup peluang kerja, tingkat upah, harga jual dan keuntungan. Blok pangsa pasar sektoral mencakup proporsi pasar lokal dan eksternal yang dipasok dari suatu wilayah.

1. Output

3. Populasi dan Penawaran Tenaga Kerja

2. Permintaan Kapital dan Tenaga Kerja

5. Pangsa Pasar

4. Upah, Harga dan Profit

Gambar 3.3. Prototipe Model Keterkaitan Regional Direktorat Pengembangan Wilayah – Bappenas

69


Tanda panah menunjukkan keterkaitan variabel endogen antar blok. Adapun secara umum keterkaitan antar endogen dalam model adalah sebagai berikut. Pada sektor output blok 1, populasi, employment dan

tingkat

upah

menentukan

permintaan

konsumsi

lokal

dan

pemerintah. Permintaan kapital lokal penting dalam menentukan investasi lokal. Output di blok 1 dan rasio pekerja per output di blok 1 menentukan tenaga kerja di blok 2. Rasio pekerja per output dipengaruhi oleh tingkat upah dan biaya kapital di blok 4. Permintaan kapital dipengaruhi oleh relatif biaya kapital dan tenaga kerja. Populasi dan penawaran tenaga kerja di blok 3 dipengaruhi oleh permintaan tenaga kerja di sektor 2 dan tingkat upah disektor 4. Pangsa regional di blok 5 dipengaruhi oleh output di blok 1 , profit dan harga di blok 4. Pangsa regional pada pasar ektraordinary di blok 5 mempengaruhi ekspor di blok 1. 3.10. Pendekatan Model IS-LM dalam Keterkaitan Makroekonomi 3.10.1. Model IS-LM Model

IS-LM terdiri dari kurva IS dan kurva LM. Kurva IS

mencerminkan titik-titik keseimbangan antara pendapatan nasional dan suku bunga di pasar barang (output dan input) sedangkan kurva LM mencerminkan titik-titik keseimbangan antara pendapatan nasional dan suku bunga di pasar uang. Keseimbangan antara pasar barang dan pasar uang (IS dan LM) menentukan tingkat pendapatan nasional dan suku bunga yang terjadi. IS tidak lain adalah pendapatan nasional yang penghitungannya didekati dengan cara pengeluaran. Adapun komponen penyusun pendapatan nasional dapat dirumuskan sebagai berikut: Y = C + I (r)+ G + (X-M) dimana

70

: Y = C = I = G = X = M= r =

pendapatan nasional konsumsi investasi swasta pengeluaran pemerintah ekspor impor suku bunga Direktorat Pengembangan Wilayah – Bappenas


Model Keynesian Cross pada Gambar 3.12. dan hubungannya dengan kurva IS. Perubahan yang terjadi pada pengeluaran agregat, misalnya peningkatan pengeluaran pemerintah (ΔG), mengakibatkan kurva Yd0 bergerak ke Yd1 hal ini mengakibatkan perubahan pendapatan nasional dari Y0 ke Y1. Perubahan tersebut juga mengakibatkan perubahan keseimbangan di pasar barang, yaitu kurva IS bergeser dari IS0 ke IS1. Perubahan di pasar barang akibat komponen C, I, G, X dan atau M mengakibatkan perubahan Y dengan tanpa mengubah r, atau terjadi shifted curve. Yd

Yd= Ys

Income Spent

Yd1 = C + I(r) + G1 + (X-M) ΔG = G1-G0 Yd0 = C + I(r) + G0 + (X-M)

450 0

Ys Y0

Income Earned

Y1

r

r0

IS1 IS0 0

Y0

Y1

Y

Gambar 3.12. Hubungan antara Permintaan Agregat dan Kurva IS Direktorat Pengembangan Wilayah – Bappenas

71


Namun jika terjadi perubahan r akan mengakibatkan perubahan pada investasi sehingga Y berubah sepanjang kurva IS (move along curve). Sedangkan LM adalah kurva yang dibentuk dari fungsi permintaan uang (Md), dimana jumlah permintaan uang untuk keperluan spekulasi dipengaruhi oleh suku bunga. Perubahan dalam permintaan uang mengakibatkan perubahan kurva LM. Pada Gambar 3.13, jika jumlah permintaan uang meningkat maka kurva L0 bergeser ke L1, hal ini mengakibatkan kurva LM bergerak dari LM 0 ke LM1. Perubahan uang untuk transaksi, untuk berjaga-jaga dan untuk spekulasi otonomos mengakibatkan

pergeseran

kurva

pemintaan

uang

sehingga

mengakibatkan pergeseran kurva LM (shifted curve). Sedangkan LM adalah kurva yang dibentuk dari fungsi permintaan uang (Md), dimana jumlah permintaan uang untuk keperluan spekulasi dipengaruhi oleh suku bunga. Perubahan dalam permintaan uang mengakibatkan perubahan kurva LM. Pada Gambar 3.14, jika jumlah permintaan uang meningkat maka kurva L0 bergeser ke L1, hal ini mengakibatkan kurva LM bergerak dari LM 0 ke LM1. Perubahan uang untuk transaksi, untuk berjaga-jaga dan untuk spekulasi otonomos mengakibatkan

pergeseran

kurva

pemintaan

uang

sehingga

mengakibatkan pergeseran kurva LM (shifted curve).

r

r

r0

r0

LM0

LM1

L1 L0 0

Md0

Md1

Md

0

Y0

Y1

Y

0

Gambar 3.13. Hubungan Permintaan Uang dengan Kurva LM 72



Jika r berubah maka akan mengakibatkan perubahan jumlah uang spekulasi yang diminta. Jika r turun maka jumlah uang untuk spekulasi meningkat, hal ini mengakibatkkan jumlah uang untuk transaksi menurun, sehingga mengakibatkan penurunan Y (move along curve). Hubungan permintaan uang dengan dengan kurva LM. Keseimbangan antara pasar barang dan pasar uang merupakan perpotongan antar kurva IS dan LM, seperti pada Gambar 3.14.

r LM

r0

IS 0

Y0 Gambar 3.14. Keseimbangan Kurva IS-LM

Y

3.10.2. Keterkaitan antara Model IS-LM, AS-AD, Fungsi Produksi dan Pasar Tenaga Kerja Keterkaitan antara model IS-LM dan model AS-AD adalah terletak pada hubungan antara IS-LM dengan AD (agregat demand). Setiap terjadi shifted curve baik pada kurva IS maupun kurva LM mengakibatkan pergeseran pada kurva AD. Seperti dijelaskan pada Gambar 3.15, perubahan pada kurva IS dari IS0 ke IS1 yang dapat diakibatkan oleh ekspansi konsumsi, pengeluaran pemeritah, investasi dan net ekspor dapat

mengakibatkan

perubahan

kurva

AD

dari

AD 0

ke

AD1.

Konsekuensinya mengakibatkan perubahan titik keseimbangan pada kurva AS-AD yang mengakibatkana juga terjadinya kenaikan harga dari P 0 ke P2 dan perubahan pendapatan nasional dari Y0 ke Y2. Direktorat Pengembangan Wilayah – Bappenas

73


r LM r1 r2 r0 IS1 IS2 IS0 0

y

y0 y2 y1

P AS P2 P0 AD1 AD0 0 y

y

y0 y2 y1

y2

y = f (N)

y0

0

N0

N

N2

w

w1

S1TK S0TK

w0

D1TK

D 0TK 0

N0 N2

K1

N

Gambar 3.15. Keterkaitan Variabel Makroekonomi

74



Jika pendapatan nasional bersumber dari produksi dalam negeri, maka terjadinya peningkatan produksi menuntut peningkatan dalam penggunaan input produksi. Salah satu input produksi adalah tenaga kerja manusia. Jadi perubahan produksi akibat pergeseran kurva AD tersebut mengakibatkan perubahan pendapatan nasional sebesar Y0Y2. Peningkatan pendapatan nasional tersebut memerlukan peningkatan penggunaan tenaga kerja sebesar N0N2. Peningkatan permintaan tenaga kerja sebesar N0N2 akhirnya mengakibatkan peningkatan upah dari w 0 ke w1. Penigkatan pendapatan nasional tidak hanya diakibatkan oleh pergeseran kurva AD melainkan oleh pergeseran kurva AS. Kurva AS yang mencerminkan supply barang dan jasa, dimana kurva AS yang dipengaruhi oleh tingkat teknologi dan biaya produksi. Apabila terjadi peningkatan teknologi atau penghematan biaya produksi maka kuva AS akan bergeser ke kanan, sehingga meningkatnan pendapatan nasional. Efek selanjutnya di pasar tenaga kerja dan fungsi produksi analog dengan dampak perubahan kurva AD. 3.11. Kerangka Konseptual Untuk menjawab tujuan penelitian ini, digunakan sebuah model ekonometrik-multiregional. Region dalam hal ini dapat diartikan sebagai provinsi. Beberapa literatur yang ada, keterkaitan regional umumnya hanya

menggunakan

dua

regional.

Belum

pernah

kajian

yang

menggunakan keterkaitan regional lebih dari dua region. Dalam penelitian ini, region yang ingin dilihat adalah seluruh provinsi yang ada di Indonesia. Tetapi karena alasan keterbatasan data, maka provinsi hanya dikaji sebanyak 33 provinsi. Seperti yang telah dijelaskan dalam kerangka teori sebelumnya bahwa keterkaitan region ini dapat dilihat dari beberapa cara yaitu dari arus migrasi penduduk dan arus perdagangan antar-wilayah. Dampak migrasi ini memiliki dampak yang berbeda antar-wilayah. Migrasi dapat memberikan stimulus ekonomi dan mungkin diwilayah lain dapat juga menyebabkan pengangguran yang tinggi yang berdampak pada penurunan Direktorat Pengembangan Wilayah – Bappenas

75


pendapatan wilayah. Bagaimana dengan arus perdagangan? Jika suatu negara memiliki keunggulan komparatif dan melakukan perdagangan, sehingga dapat meningkatkan capital diwilayah tersebut. Berikut ini adalah simplifikasi dalam membangun keterkaitan Model EkonometrikMultiregional ditampilkan pada Gambar berikut ini.

Provinsi- i Indikator Makroekonomi  Growth  Unemployment  Inflasi  Neraca Perdagangan

Arus Perdagangan Arus Migrasi

Ketimpangan Antar provinsi

Provinsi- j

Kemiskinan Gambar 3.16. Kerangka Konseptual Keterkaitan Regional Keterkaitan antar region (provinsi) dalam model ini ditandai oleh arus migrasi dan arus perdagangan yang terjadi antar region, keterkaitan ini secara langsung akan mempengaruhi kondisi perekonomian region itu sendiri dan region lainnya. Perekonomian dalam suatu region diukur melalui indikator makroekonominya. Selain itu, dari keterkaitan region ini juga akan dilihat dampaknya terhadap ketimpangan pendapatan. Dari indikator indikator makroekonomi dan ketimpangan pendapatan yang terjadi selanjutnya akan dilihat dampak kemiskinan di masing-masing region.

76



Bab 4. Metodologi 4.1.

Spesifikasi Model Model ekonometrika merupakan suatu pola khusus dari model

aljabar, yakni suatu unsur yang bersifat stochastic yang mencakup satu atau

lebih

peubah

pengganggu

(Intriligator,

1978).

Menurut

Koutsoyiannis, (1977) Model ekonometrika merupakan gambaran dari hubungan masing-masing variabel penjelas (explanatory variables) terhadap peubah endogen (dependent variables) khususnya yang menyangkut tanda dan besaran (magnitude and sign) dari penduga parameter sesuai dengan harapan teoritis secara apriori ekonomi dengan kata lain, model yang baik haruslah memenuhi kriteria teori ekonomi (theoritically meaningful), kriteria statistika dan kriteria ekonometrika. Tahapan membangun model diawali dengan suatu pemahaman fenomena perekonomian yang dihipotesiskan terjadi sebagai akibat dari hubungan fenomena sosio-economic di regional yang saling berpengaruh terhadap

pertumbuhan

perekonomian

daerah.

Spesifikasi

model

dilakukan dengan memformulasikan model yang paling sesuai dengan sistem atau fenomena aktual yang diabstraksikan. Setelah model dispesifikasikan atau diformulasikan, selanjutnya model diestimasi dengan menggunakan teknik estimasi yang paling sesuai, sehingga memberikan hasil estimasi yang terbaik. Tahap berikutnya adalah evaluasi untuk mengetahui apakah model tersebut secara teoritis bermakna dan secara kuantitatif memuaskan. Jika hal ini telah terpenuhi maka akan dilakukan peramalan variabel endeogen dari tahun 2014 sampai dengan 2019. Tahap terakhir adalah melakukan simulasi kebijakan. Bolton (1985) mendeskripsikan tiga tipe metode peramalan regional yang sering digunakan dalam peramalan wilayah, yaitu pertama model top down dengan menggunakan input data nasional yang diperoleh melalui peramalan model ekonometrika ekonomi nasional yang dijadikan

Direktorat Pengembangan Wilayah - Bappenas

77


sebagai variable independent di dalam model regional. Kedua, model bottom up yang dapat digunakan untuk mengestimasi output nasional (atau output wilayah yang lebih luas) yang merupakan penjumlahan dari nilai-nilai peramalan subregion, dan terakhir adalah Multiregional model yang menjelaskan bagaimana hubungan timbal balik aktifitas dari suatu industri pada wilayah tertentu akan mempengaruhi beberapa sektor di wilayah lain.

Multiregional model memerlukan informasi trade flows

antara region-region. Tetapi karena kompleksitas dan syarat substansi data yang diperlukan, maka model bottom-up dan multiregional lebih sering hanya difokuskan pada beberapa wilayah, dengan kata lain, jumlah region yang digunakan umumnya hanya dua atau tiga wilayah. Dalam

kajian

pengembangan

model

pertumbuhan

ekonomi

provinsi jumlah wilayah atau region yang digunakan adalah 33 provinsi yang ada di Indonesia. Data dikumpulkan dari masing-masing region (provinsi) dan model serta analisis, juga berdasarkan region. Spesifikasi model yang dirumuskan dalam kajian ini adalah sangat terkait dengan tujuan penelitian yaitu merumuskan model investasi daerah yang dikaitkan dengan fenomena kemiskinan dan pengangguran. Model yang dibangun adalah sistem persamaan simultan dinamis. Model ini dibangun berdasarkan kerangka teori ekonomi dan kajian empiris yang

relevan,

yang

diharapkan

mampu

menunjukkan

kinerja

perekonomian daerah secara sederhana dan jelas, dikaitkan dengan investasi swasta maupun pemerintah di daerah. Spesifikasi model dalam kajian ini dibagi dalam 11 blok, yaitu 9 persamaan struktural dan 2 persamaan identitas. Berikut ini adalah akan diuraian spesifikasi dari masing-masing persamaan.

4.1.1. Persamaan Inflasi CPI ditempatkan sebagai sesuatu yang ingin diketahui atau bertindak sebagai Endogenous variable dan akan dipelajari perilakunya lewat variabel-variabel lain yang nilainya dapat ditetapkan lebih dulu sebagai penjelasnya (explanatory atau exogenous variable). Yang 78



menjadi variabel penjelasnya dikelompokkan menurut pengelompokkan faktor-faktor penyebab inflasi, sebagai berikut: 1.

Demand pull Inflation: diwakili oleh konsumsi rumah tangga dan swasta

nirlaba

(CONS),

konsumsi

pemerintah

(GC),

dan

pembentukan modal tetap domestik bruto (INV). 2.

Cost Push Inflation: diwakili oleh nilai tukar rupiah dengan dollar USA (NER), harga BBM transportasi bersubsidi (premium, dan Solar), upah tenaga kerja akan didekati oleh rerata gaji PNS golongan IIIA (GAJIPNS), dan rata-rata tarif listrik PLN (PElect).

3.

Quantity of Money: jumlah uang beredar jenis M1. Variabel penjelas M1, NER, PBBM, dan GAJIPNS diukur pada level

nasional, sementara variabel CONS, GC dan INV diukur di setiap propinsi. Dengan demikian pengaruh M1, NER, PBBM, GAJIPNS memiliki magnitude yang sama untuk semua provinsi. Sedangkan besaran pengaruh CONS, GC, INV, bersifat lokal sehingga pengaruhnya berbeda-beda antar provinsi. Bentuk umum model CPI di suatu propinsi dapat ditulis sebagai:

CPI it  f (M1,NER, PBBM,PElect, CONSit , GCit , INVit , GajiPNSit ) Model tersebut disusun dalam struktur model panel dan diterapkan di 33 provinsi pada periode pengamatan 2000-2013. Untuk menangkap nature of behaviour kenaikan harga (CPI), dan untuk mempermudah interpretasi model akan diformulasikan dalam double logarithm. Bentuk spesifikasi modelnya adalah: log( CPI it )   i  1 log( M1t )   2 log( NERt )   3 log( PBBMt )   4 Log(GAJIPNS )   5 log( PElect t )  ilog( CONSit  INVit  GCit )   i

Subcript i melambangkan provinsi ke-i, dan variabel yang tidak mengandung subcript i berarti variabel diukur pada level nasional. Model inflasi diestimasi dengan pendekatan yaitu pure pooled model.


79


4.1.2. Persamaan Kemiskinan Dalam kajian ini proyeksi jumlah penduduk miskin dilakukan dengan pendekatan model makro, sementara itu umumnya BPS dan beberapa lembaga riset lainnya lebih banyak menggunakan model mikro rumah tangga. Dalam pendekatan mikro rumah tangga, kemiskinan diidentifikasi

oleh

pengeluaran

per

kapita

rumah

tangga.

Jika

pengeluaran per kapita di bawah angka garis kemiskinan, maka seluruh anggota rumah tangga diidentifiksi sebagai penduduk miskin. Dalam kajian ini model prediksi kemiskinan dijalankan dengan pendekatan model makro, yaitu dengan mengaitkan perubahan laju inflasi dan PDB per kapita terhadap jumlah penduduk miskin yang diformulasikan sebagai berikut:

log( NPOVit )   0i  1i log( PDBCit )   2i log( CPI it )   it dimana NPOVi PDBCi CPIit

= jumlah penduduk miskin di provinsi i = pengeluaran per kapita dalam harga riil di provinsi i yang tesusun atas penjumlahan dari PC, GC dan INV daerah = indeks harga konsumen di daerah i pada tahun t

Persamaan matematik di atas diterapkan ke model panel fixed effect, dalam hal ini dugaan koesifien intersep berbeda-beda di setiap propinsi; koefisien indeks harga konsumen (CPI) dianggap sama secara nasional, dan koefisien PDB atau /PDRB per kapita berbeda-beda antar provinsi.

4.1.3. Model Penawaran Tenaga Kerja Dalam kajian ini pengangguran merupakan persamaan identitas, sementara persamaan penawaran tenaga kerja dan permintaan tenaga kerja dijadikan sebagai persamaan struktural. Formulasi dalam bentuk penawaran tenaga kerja adalah: LFit   0  1Wageit   2 POPit  iit

80



dimana LFit

= Penawaran tenaga kerja di provinsi i pada tahun ke t

Wageit = upah tenaga kerja provinsi di provinsi i pada tahun ke t POPit

= jumlah populasi di provinsi i pada tahun ke t

it

= gangguan acak atau residual di provinsi i pada tahun ke t

Persamaan matematik di atas koefisien upah (Wage) dianggap sama secara nasional, dapat juga diasumsikan bahwa secara harga tenaga kerja adalah tunggal dan memiliki informasi yang sempurna, sementara koefisien jumlah penduduk (POP) diperlakukan berbeda-beda antar provinsi, dengan tujuan untuk menangkap perbedaan perilaku antarprovinsi. 4.1.4. Permintaan Tenaga Kerja Model permintaan akan tenaga kerja dimodelkan sama dengan model penawaran tenaga kerja, dimana harga (upah tenaga kerja) diasumsikan adalah tunggal (informasi harga adalah sempurna dan tenaga kerja dapat berpindah untuk mendapat upah yang lebih tinggi). Formulasi model permintaan tenaga kerja dituliskan sebagai berikut: EMPit   0  1Wageit   2 PDRBit  iit

dimana EMPit

= Permintaan tenaga kerja di provinsi i pada tahun ke t

Wageit = Upah tenaga kerja di provinsi i pada tahun ke t PDRBit = Nilai PDRB di provinsi i pada tahun ke t it


Persamaan matematik di atas koefisien upah (Wage) dianggap sama secara nasional seperti pada model penawaran tenaga kerja, dengan dengan hipotesis yang berbeda, yaitu 1 < 0 (respon permintaan tenaga kerja terhadap upah adalah negative), sementara koefisien output atau proxy PDRB provinsi (PDRB) diperlakukan berbeda-beda


81


antar provinsi. Hasil estimasi dan statistik lainnya dari model disajikan pada Tabel 5.5. 4.1.5. Persamaan Pengangguran Pengangguran dan inflasi adalah merupakan dua dari beberapa indikator penting dalam ekonomi makro. Tingkat pengangguran dapat mengkuantifikasi kinerja perekonomian suatu negara. Konsekuensi dari tingginya negatif

tingkat dalam

pengangguran perekonomian.

memberikan Kerugian

perubahan-perubahan

dari

tingginya

tingkat

pengangguran dapat diukur dalam bentuk keluaran yang hilang bagi keseluruhan perekonomian (economic waste). Hal ini disebabkan karena penganggur merupakan sumber daya berharga yang potensi outputnya tersia-siakan. Kerugian

dari tingginya tingkat pengangguran dapat berupa

peningkatan keresahan sosial dalam masyarakat (the human cost of unemployment). Seperti halnya pengangguran, inflasi juga merupakan masalah utama dalam ekonomi makro. Akan tetapi inflasi tidak menyebabkan kerugian nyata terhadap output nasional. Sementara bila terjadi pengangguran maka output potensial menjadi terbuang dan ini sangat tidak diharapkan. Tidak adanya inflasi maupun kelebihan pengangguran adalah harapan dari para pelaku ekonomi. Tetapi gangguan dalam perekonomian memang nyata terjadi, dan tanpa adanya fleksibilitas harga-upah yang sempurna, tidaklah mungkin memulihkan kondisi tenaga kerja penuh (full employment) dengan tingkat harga yang stabil dalam jangka pendek.

Oleh

karena

itu

seringkali

para

pembuat

kebijakan

mengahadapai tujuan keduanya bertentangan. Ketika para pembuat kebijakan penawaran

menggerakkan agregat

perekonomian

jangka

pendek,

ke

atas sepanjang kurva

mereka

menurunkan

tingkat

pengangguran dan menaikkan tingkat inflasi. Sebaliknya, ketika mereka mengkontraksi permintaan agregat dan menggerakkan perekonomian ke bawah kurva penawaran agregat jangka pendek, pengangguran naik dan

82



inflasi turun. Trade-off inflasi dan

pengangguran

jelas menjadi

pertimbangan dalam pembuatan kebijakan. Kurva

Phillips

menyimpulkan

bahwa

penurunan

tingkat

pengangguran akan selalu dapat dipertahankan dengan mendorong kenaikan laju inflasi, dan bahwa laju inflasi akan selalu dapat diturunkan dengan membiarkan terjadinya kenaikan tingkat pengangguran. Kurva Phillips adalah cara yang berguna untuk menunjukkan penawaran agregat karena

inflasi

dan

pengangguran

merupakan

ukuran

kinerja

perekonomian yang penting. Dalam kajian ini pengangguran ditentukan oleh fungsi dari tingkat inflasi, product regional bruto suatu provinsi, tingkat upah dan net migrasi migrasi. Untuk menduga pengangguran diperoleh dari persamaan identitas, yaitu sisa penawaran tenaga kerja dikurangi dengan permintaan tenaga kerja. Secara matematis ditulis: UNEM it  LFit  EMPit

Dimana UNEMit =Jumlah Pengangguran di provinsi i pada tahun t. Untuk model proyeksi pengangguran hingga saat ini data time seriesnyanya belum tersedia, terutama jumlah angkatan kerja, jumlah orang bekerja dan jumlah orang menganggur secara tebuka, upah tenaga kerja sektoral, dan harga output dalam kurun waktu 2000 – 2013. Sementara data yang tersedia baru pada level nasional. Jumlah penduduk menganggur akan diprediksi secara sektoral, dimana tenaga yang bekerja di setiap sektor diperlakukan sebagai permintaan input sektor (demand for input). Oleh karenanya demand for input tenaga kerja ditentukan oleh upah tenaga kerja, harga faktor lain pengganti tenaga kerja (barang modal), tingkat output, dan harga output. 4.1.6. Model Konsumsi Model prediksi untuk konsumsi swasta (PC) dijalankan dengan pendekatan model makro, yaitu dengan mengaitkan perubahan laju inflasi dan PDB per kapita terhadap nilai konsumsi penduduk yang diformulasikan sebagai berikut:


83


log( PCit )   0i  1i log( CPI it )   2i log( PDRBit / POPit )   it dimana PCit = konsumsi swasta di provinsi i pada tahun ke t CPIit = indeks harga konsumen di daerah i pada tahun t PDRBit/POPit = Pendapatan perkapita penduduk di daerah i pada tahun ke t Persamaan matematik di atas diterapkan ke model panel fixed effect, dalam hal ini dugaan koesifien intersep berbeda-beda di setiap propinsi; koefisien inflasi (CPI) dan koefisien PDRB per kapita berbedabeda antar provinsi.

Variabel inflasi (CPI), dan PDRB Perkapita

ditetapkan berbeda-beda di setiap propinsi. Perbedaan koefisien suatu propinsi dengan provinsi lainnya dirancang supaya model dapat menangkap perbedaan perilaku pengeluaran konsumsi di setiap propinsi. Model pooled-cross section ini dijalankan atas asumsi bahwa terdapat korelasi kuat antara faktor yang tidak dimasukkan ke dalam model dengan variabel-variabel bebas dalam model, dimana faktor yang tidak terukur tersebut bersifat spesifik pada daerah, atau dalam istilah lain disebut sebagai fixed-effect factor. Sehingga modelnya pun disebut sebagai model pooled-cross section dengan fixed-effect. 4.1.7. Model Investasi Secara konsep jelas bahwa investasi dipengaruhi secara negative oleh tingkat suku bunga. Ini mengindikasikan bahwa ketika suku bunga yang tinggi, agent ekonomi akan lebih suka menanamkan uangnya di Bank dengan harapan akan mendapat manfaat lebih besar dari suku bank, dibandingkan dengan harus melakukan investasi yang tentu saja relative memiliki resiko dibandingkan dengan melakukan tabungan. Formulasi model permintaan akan investasi di dalam kajian ini dirumuskan sebagai berikut:

log( INVit )  0i  1i log( SBI )  2i log( KREDit )   it dimana

84



INVit

= Investasi swasta di provinsi i pada tahun ke t

SBIit

= Suku Bunga Bank Indonesia pada tahun ke t

KREDit

= Outstanding kredit di daerah i pada tahun ke t

Dari persamaan diatas terlihat bahwa investasi merupakan fungsi dari suku bunga (SBI). Variabel SBI diperlakukan secara sama untuk setiap provinsi dengan pertimbangan bahwa suku bunga yang ditetapkan oleh Bank Sentral dalam hal ini adalah Bank Indonesia. 4.1.8. Pengeluaran Pemerintah Pengeluaran pemerintah (government expenditure) merupakan suatu keputusan yang dibuat oleh pemerintah untuk menyediakan barang-barang

publik

dan

pelayanan

kepada

masyarakat.

Total

pengeluaran pemerintah merupakan penjumlahan keseluruhan dari keputusan anggaran pada masing-masing tingkatan pemerintahan (pusat – propinsi – daerah). Secara umum peningkatan pengeluaran pemerintah pusat akan menyebabkan meningkatkan pendapatan daerah, karena peningkatan aggregat demand akan mendorong kenaikan investasi dan pada akhirnya menyebabkan kenaikan produksi. Dalam kajian ini spesifikasi model yang dibangun untuk menduga fungsi pergeluaran pemerintah adalah:

log( GCit )  0i  1i log( PDRBit )  2i log( CPI it )   it dimana GCit

= pengeluaran pemerintah di provinsi i pada tahun ke t

PDRBit

= PDRB di provinsi i pada tahun ke t

CPIit

= tingkat inflasi di provinsi i pada tahun ke t

Persamaan pengeluaran pemerintah di atas diterapkan ke model panel fixed effect, dalam hal ini dugaan koesifien intersep berbeda-beda di setiap propinsi;

begitu juga untuk koefisien PDRB diperlakukan

berbeda-beda antar provinsi, sementara variable indeks harga konsumen (CPI) diperlakukan sama disetiap provinsi.


85


4.1.9. Persamaan Ekspor Dalam kajian model permintaan akan ekspor difungsikan dengan nilai tukar dan GDP sembilan Negara di Dunia, secara matematik dituliskan sebagai berikut:

log( EXPit )  0i  1i log( NERt )  2i log( GDPW 9it )   it dimana EXPit

= nilai ekspor di provinsi i pada tahun ke t

NERit

= nilai tukar rupiah terhadap dollar pada tahun ke t

GDPW9it=

GDP di 9 negara dunia pada tahun ke t (yaitu Negara Amerika Serikat, Uropa Union, Singapura, Malaysia, Perancis, Jerman, Inggris, China dan Jepang).

Persamaan diatas terlihat bahwa untuk variable nilai tukar (NER) diperlakukan sama untuk setiap provinsi, sementara GDP 9 negara di dunia diperlakukan berbeda utnuk setiap provinsi. 4.1.10.

Persamaan Impor

Model impor diasumsikan sebagai fungsi dari nilai tukar dan output provinsi dalam hal ini diproxy dari PDRB daerah, model impor dituliskan sebagai berikut:

log( IMPit )  0i  1i log( NERt )  2i log( PDRBit )   it dimana IMPit

= nilai impor di provinsi i pada tahun ke t

NERt


PDRBit

= nilai PDRB daerah di provinsi i pada tahun ke t

Untuk model persamaan impor, variable nilai tukar (NER) juga diperlakukan sama untuk setiap provinsi seperti yang diterapkan pada model ekspor, sementara PDRB provinsi diperlakukan berbeda untuk setiap provinsi, dalam rangka untuk menangkap perilakukan dari provinsi.

86



4.1.11. PDRB Sektoral dan Pertumbuhan Ekonomi Dalam teori Solow disebutkan bahwa output suatu perekonomian sangat dipengaruhi oleh jumlah tenaga kerja dan modal (Mankiw, 2000). Model ini selanjutnya dikembangkan oleh Romer, dimana selain faktor modal dan tenaga kerja, human capital merupakan faktor penggerak pertumbuhan

ekonomi.

Sedangkan

Harrord-Domard

mementingkan

tingkat investasi dalam memacu pertumbuhan ekonomi. Dalam kajian ini PDRB provinsi ke p dijadikan sebagai indentitas, yang diperoleh dari matrix kebalikan leotief. Data ini menggunakan IRIO 2005 dengan klasifikasi 9 sektor. Secara matematis dituliskan sebagai berikut: Xij Persamaan

= V [I – A]-1 PDB ini

akan

menghasilkan

PDRB

sektoral

provinsi

yang

dibreakdown dari hasil estimasi PDRB provinsi sisi pengluaran. Model proyeksi pertumbuhan menjadi sentral dalam struktur model persamaan simultan yang dibangun dalam kajian ini. Pertumbuhan ekonomi diukur oleh pertumbuhan PDRB harga konstan dari sisi pengeluaran. Sedangkan PDRB

sisi

pengeluaran

merupakan

penjumlahan

dari

komponen

pengeluaran: PDRBit = PCit + GCit + INVit + EXPit - IMPit dimana

4.2.

PDRBit

= PDRB total provinsi i pada tahun t

PCit

= Konsumsi Rumah tangga di provinsi i pada tahun t

GGit

= Konsumsi pemerintah provinsi i tahun t

INVit

= pembetukan modal tetap bruto provinsi i tahun t

EXPit

= ekspor provinsi i tahun t

IMPit

= impor provinsi i tahun t

Prosedur Analisis Ada empat jenis yang umum untuk estimasi suatu model yaitu

time

series,

Cross-section;


panel

data

dan

engineering

data

87


(Koutsoyiannis, 1977). Wooldridge (2006) membagi data menjadi empat kelompok dimulai dengan cross-section; time series; pooled cross-section dan Panel atau Longitudinal Data. Umumnya data yang tersedia dalam bentuk series, karena data tersebut bisa memperlihatkan hasil yang diperoleh/dicapai atas kebijakan yang diputuskan dan dilaksanakan beberapa waktu lalu. Dalam kajian ini, data cross-section digabungkan dengan data runtun waktu dikenal dengan pooled cross-section. Provinsi mewakili dari cross-section dan dan series adalah tahun 2000 sampai dengan 2013. Kedua data digabungkan sehingga sampel penelitian menjadi lebih besar. Penelitian empiris dengan menggunakan data panel sangat bervariasi di berbagai bidang seperti dilakukan Goeltom (1995) melakukan penelitian liberalisasi keuangan

Indonesia periode 1981 –

1988. Heshmati (1995) untuk industri pork. Lopez-Pueyo et.all (2008) melakukan penelitian produktifitas manufaktur dan spillovers dari international Riset dan Pengembangan. Mainardi (2005) membahas pendapatan dan risiko kecelakaan berkerja pada industry pertambangan. Niu et.all (2011) melakukan penelitian mengenai pertumbuhan ekonomi, konservasi energy dan reduksi emisi di delapan Negara. Egger (2004) melakukan estimasi pengaruh regional blok perdagangan. Egger et.all (2005) melakukan penelitian kompetisi pajak negara bagian di Amerika Serikat. Batalgi (1995) menyatakan keuntunngan penggunaan data panel adalah (1) Pengendalian untuk heterogenitas individu, (2) Memberikan informasi yang lebih besar tentang data, lebih bervariasi, kurang, (3) berhubungan antar variabel, lebih besar derajat kebebasan dan lebih efisien, (4) Lebih mampun mempelajari penyesuaian dinamis (dynamic of adjustment), (5) Lebih mampu mengindentifikasi dan mengukur, yang secara sederhana tidak dapat terdeteksi pada cross-section murni atau data runtun waktu, dan (6) Modelnya mengizinkan peneliti untuk membentuk dan menguji model perilaku yang lebih kompleks daripada data cross-section dan runtun waktu murni, dan (7) Data yang

88



dikumpulkan umumnya pada level mikro. Sementara kelemahannya terutama terletak pada rentan waktu yang relatif pendek. Model umum matematis dari data panel (Gujarati, 2011) adalah:

Yit  1   2 X 2it  3 X 3it  it ...................................

(4.1)

Dimana i = 1, 2, ...., k dan t = 1, 2, ...., n. Model (4.1) terlihat adanya subscript pada variabel tak bebas, variabel bebas dan suku kesalahan (error terms) dengan symbol it. i menyatakan cross-section data yang menyatakan observasi dimana jumlahnya sebanyak k dan t menyatakan waktu dengan jumlah sebanyak n. Model (4.1) dikenal dengan Pooled Data Model dan bila diestimasi dengan menggunakan metode kwadrat terkecil (ordinary least square) atau Pooled OLS Regression. 4.2.1. Estimasi Parameter Model Data Panel Pilihan yang mungkin dilakukan untuk teknik mengestimasi model data panel adalah (1) Model Pooled OLS – semua sampel observasi misalkan, perusahaan, dikumpulkan, menjadi satu dimana tindakan ini menghilangkan crosssection dan runtun waktu. Model ini sering juga disebut Model koefisien konstan (Constant Coefficient Model). (2) Model Efek Tetap Kwadrat Terkecil Variabel Boneka (Fixed Effects Least Squares Dummy Variable Model – LSDV) - semua data digabungkan

tetapi

diijinkannya

crosssection

memiliki

peubah

dummy. (3) Model Efek Tetap dalam kelompok (Fixed Effects Within-Group Model) –

semua

data

digabungkan

tetapi

unit

observasi

(objek)

mengekspresikan setiap peubah sebagai selisih dari rata-ratanya dan diestimasi menggunakan metoda kwadrat terkecil. (4) Model Efek Acak (Random Effects Model) – seperti model LSDV dimana setiap observasi memiliki nilai intersep dan diasumsikan diambil secara acak dari populasi yang lebih besar (Gujarati dan Porter, 2009).


89


4.2.2. Pengujian Pemilihan Model Pengujian yang selalu dipergunakan untuk menggunakan pemilihan antara Pooled, fixed effect dan random effect dikenal dengan istilah Pengujian Model. Pengujian Model Pooled dibandingkan dengan model fixed effect mempunyai hipotesis sebagai berikut: H0 : Model Pooled lebih baik dari fixed effect H1 : Model fixed effect lebih baik dari Model Pooled Pengujian ini dikenal dengan pengujian Chow dimana Statistik ujinya mengikuti distribusi F sebagai berikut:

E

2 fe

 R 2p o l

F  1 R 2  RM



 m 1

 n  k 1

Dimana m adalah jumlah cross-section, n adalah jumlah seluruh observasi, dan k adalah jumlah parameter yang diestimasi. Jika statistic F

lebih

besar

dari

F

tabel

dimana

numeratornya

(m-1)

dan

denominatornya (n-k-1), maka H0 ditolak yang menyatakan bahwa nilai intersep tidak sama sehingga model yang dipergunakan model fixed effect (EF). Selanjutnya, pemilihan antara model Pooled dengan Random Effect Model (RM) dilakukan dengan pengujian yang dikenal dengan pengujian hipotesis sebagai berikut: H0 : Model Pooled lebih tepat dan sesuai dengan data H1 : Random Effect Model lebih tepat dan sesuai dengan data Statistik uji yang digunakan adalah:

LM 

90

2 N  T       eˆit   NT  i 1  t 1    1  N T 2T  1    eˆ  i 1 t 1 it   



Uji statistik tersebut mengikuti Distribusi Normal (0,1), sehingga diperbandingkan dengan Zα, bila nilai LM lebih besar dari nilai Zα maka tolak H0 sehingga penolakan H0 menyatakan menerima RE yang sesuai. Selanjutnya, pemilihan FE dan RE perlu dilakukan pengujian dimana pengujiannya dikenal dengan pengujian Hausman yang mempunyai hipotesa sebagai berikut: H0 : RE yang paling sesuai H1 : FE yang paling sesuai Adapun uji statistiknya sebagai berikut:

 df2 

 RE   FE 2  RE FE

Jika  2 observasi ini lebih tinggi dari  2 tabel dengan derajat kebebasanya jumlah variabel bebas, maka hipotesis nol ditolak yang menyatakan bahwa Fixed effect yang sesuai dipergunakan dalam model tersebut. Pemilihan FE dan RE ini juga dapat menggunakan kaidah sebagai berikut: (1)

Jika T (jumlah periode waktu) sangat besar dan N (jumlah crosssection) sangat kecil maka sangat kecil perbedaan nilai parameter yang diestimasi dengan FE dan RE tetapi lebih disukai menggunakan FE.

(2)

Pada Panel Pendek (N besar dan T kecil) dan terjadi perbedaan yang cukup besar pada estimasi, lebih disukai (tepat) menggunakan FE.

(3)

N sangat besar dan T sangat kecil, dimana asumsi RE tetap ada maka FE lebih tepat sebagai estimator dibandingkan FE.

(4)

Jika komponen kesalahan individu i dan salah satu peubah penjelas (regressor) berkorelasi makan estimasi dengan RE akan bias sehingga lebih tepat menggunakan FE model.


91


4.3.

Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data

sekunder dengan rentang waktu (time series) dari tahun 2000 sampai dengan tahun 2013 dengan harga konstan tahun dasar 2000. Sedangkan sumber data dalam penelitian ini diperoleh dari beberapa instansi yang terkait yaitu Biro Pusat Statistik (BPS), Bappenas dan Lembaga Terkait lainnya. Beberapa hal yang perlu diperhatikan dan merupakan catatan bahwa dalam penelitian harga dideflasi dengan indeks harga sesuai dengan indeks harga masing-masing dengan tujuan untuk menghilangkan atau menghindari pengaruh inflasi. Sehingga harga nominal yang diperoleh secara langsung dapat menjadi harga riil.

92



Bab 5. Hasil Estimasi dan Proyeksi Model 5.1.

Formulasi dan Hasil Estitmasi Model Indikator Makro

5.1.1. Persamaan Inflasi Kenaikan tingkat harga secara umum atau inflasi dimodelkan oeh variabel-variabel yang secara teoritis menjadi penyebab tingkat inflasi. Merujuk pada teori bahwa penyebab inflasi dapat dikelompokkan ke dalam (1) Demand pull Inflation, (2) Quantity of Money, dan (3) Cost Push Inflation. Kenaikan harga produksi tersebut disebabkan oleh kenaikan harga-harga pada faktor. Adapun kenaikan harga faktor dapat disebabkan oleh (1) Harga barang modal, (2) Harga Material dan Energi. Kenaikan harga BBM maupun sumber energi lainnya yang diregulasi (regulated price) pada umumnya meningkatkan biaya produksi, (3) Upah tenaga kerja. Upah Minimum Regional (UMR) berkontribusi meningkatkan biaya produksi, dan (4) Nilai tukar rupiah, sangat berpengaruh karena produsen domestik membeli bahan baku dari luar negeri atau konsumen membutuhkan barang konsumsi dari luar negeri. Laju Inflasi (INF) tidak lain adalah laju pertumbuhan angka indeks harga konsumen atau Consumer Price Index (CPI) yang diperoleh dengan rumus: INFt 

(CPI t  CPI t 1 ) 100 CPI t 1

dimana INFt = tingkat inflasi pada periode t CPIt = indeks harga konsumen pada periode t CPIt-1 = indeks harga konsumen pada satu periode sebelum periode t Untuk mempredisi dampak inflasi harus didahului dengan memprediksi angka CPI lewat suatu model tertentu. Untuk itu dibutuhkan data CPI historis pada level nasional dan provinsi. Pada beberapa tahun terakhir, BPS telah mengumpulkan data CPI bulanan di 66 kabupaten/kota meliputi semua provinsi se-Indonesia. CPI provinsi berasal dari rata-rata


93


CPI semua kabupaten atau kota sampel di provinsi tersebut. model

digunakan

rata-rata

CPI

bulan

Desember

agar

Dalam bisa

menggambarkan perkembangan harga sepanjang tahun. Berdasarkan runutan logika di atas, maka dalam pemodelan ini, CPI ditempatkan sebagai sesuatu yang ingin diketahui atau bertindak sebagai Endogenous variable dan akan dipelajari perilakunya lewat variabelvariabel lain yang nilainya dapat ditetapkan lebih dulu sebagai penjelasnya (explanatory atau exogenous variable). Yang menjadi variabel penjelasnya dikelompokkan menurut pengelompokkan faktorfaktor penyebab inflasi, sebagai berikut: 1.

Demand pull Inflation: diwakili oleh konsumsi rumah tangga dan swasta

nirlaba

(CONS),

konsumsi

pemerintah

(GC),

dan

pembentukan modal tetap domestik bruto (INV). 2.

Cost Push Inflation: diwakili oleh nilai tukar rupiah dengan dollar USA (NER), harga BBM transportasi bersubsidi (premium, dan Solar), upah tenaga kerja akan didekati oleh rerata gaji PNS golongan IIIA (GAJIPNS).

3.

Quantity of Money: jumlah uang beredar jenis M1. Variabel penjelas M1, NER, PBBM, dan GAJIPNS diukur pada level

nasional, sementara variabel CONS, GC dan INV diukur di setiap propinsi. Dengan demikian pengaruh M1, NER, PBBM, GAJIPNS memiliki magnitude yang sama untuk semua provinsi. Sedangkan besaran pengaruh CONS, GC, INV, bersifat lokal sehingga pengaruhnya berbeda-beda antar provinsi. Bentuk umum model CPI di suatu propinsi dapat ditulis sebagai:

log( CPI it )   i  1 log( M1t )   2 log( NERt )   3 log( PBBMt )   4 Log(GAJIPNS )  ilog( CONSit  INVit  GCit )   i

Model tersebut disusun dalam struktur model panel dan diterapkan di 33 provinsi pada periode pengamatan 2000-2012. Untuk menangkap nature of behaviour kenaikan harga (CPI), dan untuk mempermudah

94



interpretasi model akan diformulasikan dalam double logarithm. Subcript i melambangkan provinsi ke-i, dan variabel yang tidak mengandung subcript i berarti variabel diukur pada level nasional. Model inflasi diestimasi dengan pendekatan yaitu pure pooled model. Sebelumnya sudah dicoba diestimsi dengan menggunakan fixed effect, dan random effect akan tetapi kinerja model kurang memuaskan. Kemudian koefisien variabel M1, NER, Price_Premium, dan GajiPNS ditetapkan seragam secara nasional atau dibuat sama untuk semua provinsi. Sedangkan koefisien-koefisien variabel CONS, GC, dan INV akan berbeda-beda di setiap propinsi.

Perbedaan koefisien suatu propinsi

dengan provinsi lainnya dirancang supaya model dapat menangkap perbedaan perilaku Indeks Harga Konsumen di setiap propinsi. Model dirancang dalam format model pooled-crossection yang mengandung komponen koefisien umum untuk variabel yang berlaku secara nasional yaitu: Kurs Nominal rupiah terhadap Dollar USA (NER), rata-rata gaji pokok PNS golongan IIIA (Gaji pns), Harga BBM transportasi bersubsidi (PBBM), dan jumlah uang beredar jenis M1 (M1). Untuk koefisien yang berlaku secara cross-section dikenakan pada variabel (PC+GC+INV) yaitu penjumlahan dari pengeluaran akhir untuk konsumsi rumah tangga (PC), pengeluaran pemerintah (GC) dan pengeluaran untuk pembentukan modal tetap bruto (INV). Model pooled-cross section ini dijalankan atas asumsi bahwa terdapat korelasi kuat antara faktor yang tidak dimasukkan ke dalam model dengan variabel-variabel bebas dalam model, dimana faktor yang tidak terukur tersebut bersifat spesifik pada daerah, atau dalam istilah ekonometrikanya faktor tersebut dianggap sebagai fixed-effect factor. Sehingga modelnya pun disebut sebagai model pooled-cross section dengan fixed-effect, yang hasil estimasinya dicantumkan pada Tabel 5.1. Dari Tabel 5.1 dapat diketahui bahwa model memiliki derajat kesesuaian

yang

sangat

tinggi

yang

ditunjukkan

oleh

koefisien

determinasi yang tinggi (R2 =0.99980), yang berarti 99.98% dari variasi CPI di daerah dapat dijelaskan oleh model.


95


Tabel 5.1 Hasil Estimasi Model Inflasi Dependent Variable: LOG(CPI?) Method: GLS (Cross Section Weights) Date: 12/23/14 Time: 23:06 Sample: 2000 2012 Included observations: 13 Number of cross-sections used: 33 Total panel (unbalanced) observations: 420 Convergence achieved after 10 iterations Variable

Coefficient

Std. Error

t-Statistic

Prob.

C LOG(NER) LOG(GAJIPNS) LOG(PBBM) LOG(M1) _11--LOG(PC_11 + GC_11+ INV_11) _12--LOG(PC_12 + GC_12+ INV_12) _13--LOG(PC_13 + GC_13+ INV_13) _14--LOG(PC_14 + GC_14+ INV_14) _15--LOG(PC_15 + GC_15+ INV_15) _16--LOG(PC_16 + GC_16+ INV_16) _17--LOG(PC_17 + GC_17+ INV_17) _18--LOG(PC_18 + GC_18+ INV_18) _19--LOG(PC_19 + GC_19+ INV_19) _21--LOG(PC_21 + GC_21+ INV_21) _31--LOG(PC_31 + GC_31+ INV_31) _32--LOG(PC_32 + GC_32+ INV_32) _33--LOG(PC_33 + GC_33+ INV_33) _34--LOG(PC_34 + GC_34+ INV_34) _35--LOG(PC_35 + GC_35+ INV_35) _36--LOG(PC_36 + GC_36+ INV_36) _51--LOG(PC_51 + GC_51+ INV_51) _52--LOG(PC_52 + GC_52+ INV_52) _53--LOG(PC_53 + GC_53+ INV_53) _61--LOG(PC_61 + GC_61+ INV_61) _62--LOG(PC_62 + GC_62+ INV_62) _63--LOG(PC_63 + GC_63+ INV_63) _64--LOG(PC_64 + GC_64+ INV_64) _71--LOG(PC_71 + GC_71+ INV_71) _72--LOG(PC_72 + GC_72+ INV_72) _73--LOG(PC_73 + GC_73+ INV_73) _74--LOG(PC_74 + GC_74+ INV_74) _75--LOG(PC_75 + GC_75+ INV_75) _76--LOG(PC_76 + GC_76+ INV_76) _81--LOG(PC_81 + GC_81+ INV_81) _82--LOG(PC_82 + GC_82+ INV_82) _91--LOG(PC_91 + GC_91+ INV_91) _92--LOG(PC_92 + GC_92+ INV_92)

-2.593017 0.174698 0.268712 0.163148 0.192849 0.051452 0.038059 0.041622 0.042407 0.046125 0.046006 0.048561 0.043876 0.054401 0.034974 0.030471 0.034504 0.033055 0.045702 0.032343 0.040310 0.038183 0.043663 0.049906 0.039168 0.039316 0.039359 0.043036 0.046952 0.054526 0.036092 0.053064 0.057618 0.043703 0.045968 0.053958 0.066000 0.051604

0.226635 0.022366 0.025130 0.006814 0.021493 0.012239 0.010728 0.011897 0.011127 0.012650 0.011293 0.014036 0.011874 0.013623 0.012551 0.009727 0.009806 0.010225 0.012402 0.009705 0.011183 0.012369 0.012680 0.012870 0.012034 0.012524 0.012468 0.011599 0.012839 0.012883 0.011509 0.013363 0.015419 0.014716 0.014861 0.015501 0.014041 0.012336

-11.44139 7.810896 10.69299 23.94339 8.972529 4.203843 3.547755 3.498628 3.811003 3.646104 4.073851 3.459867 3.695096 3.993231 2.786486 3.132739 3.518654 3.232864 3.684900 3.332679 3.604606 3.087026 3.443539 3.877658 3.254662 3.139155 3.156890 3.710357 3.656954 4.232226 3.135937 3.971033 3.736907 2.969747 3.093103 3.480859 4.700573 4.183251

0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0004 0.0005 0.0002 0.0003 0.0001 0.0006 0.0003 0.0001 0.0056 0.0019 0.0005 0.0013 0.0003 0.0009 0.0004 0.0022 0.0006 0.0001 0.0012 0.0018 0.0017 0.0002 0.0003 0.0000 0.0018 0.0001 0.0002 0.0032 0.0021 0.0006 0.0000 0.0000

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

96

0.999821 0.999804 0.034340 57816.88 0.000000

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

6.414620 2.453925 0.450470 1.065674



Unweighted Statistics R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat Sumber: Analisis, Desember 2014

0.988311 0.987179 0.034340 0.697324

Mean dependent var S.D. dependent var Sum squared resid

5.140649 0.303274 0.450471

Keterangan Kode Provinsi: Kode

Deskripsi Provinsi

Kode

Deskripsi

Kode

Deskripsi

11

Nangroe Aceh Darussalam

32

Jawa Barat

64

Kalimantan Timur

12

Sumatera Utara

33

Jawa Tengah

71

Sulawesi Utara

13

Sumatera Barat

34

DI Yogyakarta

72

Sulawesi Tengah

14

Riau

35

Jawa Timur

73

Sulawesi Selatan

15

Jambi

36

Banten

74

Sulawesi Tenggara

16

Sumatera Selatan

51

Bali

75

Gorontalo

17

Bengkulu

52

Nusa Tenggara Barat

76

Sulawesi Barat

18

Lampung

53

Nusa Tenggara Timur

81

Maluku

19

Bangka Belitung

61

Kalimantan Barat

82

Maluku Utara

21

Kepulauan Riau

62

Kalimantan Tengah

91

Papua Barat

31

DKI Jakarta

63

Kalimantan selatan

92

Papua

Semua variabel skala nasional memberikan pengaruh positif signifikan (sesuai dengan teori).

Demikian pula untuk variabel skala

regional provinsi memberikan pengaruh positif signifikan. Oleh sebab itu model ini dapat dianggap sebagai model yang baik yang layak digunakan untuk memproyeksikan variabel CPI, yang selanjutnya digunakan untuk menghitung laju inflasi . Untuk variabel skala nasional, interpretasi dari koefisiennya dicantumkan pada Tabel 5.2. Selanjutnya variabel-variabel yang mewakili faktor Demand pull inflation pada level provinsi, yaitu jumlah dari PC, GC dan INV, memberikan pengaruh positif signifikan (sesuai dengan teori: demand pull inflation) terhadap inflasi. Setiap kenaikan 10 persen untuk pengeluaran tersebut, akan meningkatkan inflasi provinsi sebesar 0.30% sampai dengan 0.66%.


97


Tabel 5.2. Interpretasi Koefisien Model Inflasi yang berlaku pada Level Nasional Variabel

Koefisien

Interpretasi

LOG(NER)

0.174698

Jika rupiah terdepresiasi sebesar 1 persen terhadap Dollar USA, maka inflasi nasional meningkat sebesar 0.174698%; ceteris paribus

LOG(GAJIPNS)

0.268712

Jika gaji pokok PNS meningkat sebesar 1%, maka inflasi akan meningkat sebesar 0,2687%; ceteris paribus.

Jika harga premium spbu meningkat 10%, maka akan menaikkan inflasi sebesar 1.6315 %; ceteris paribus Jika rata-rata jumlah uang beredar M1 meningkat 10%, maka akan berkontribusi LOG(M1) 0.192849 meningkatkan inflasi sebesar 1.92849%; ceteris paribus. Sumber: Diambil dari Tabel 5.1 LOG(PBBM)

0.163148

Untuk melihat dampak level provinsi dari faktor demand pull factor dapat dilaporkan bahwa setiap persen kenaikan permintaan masyarakat untuk keperluan konsumsi rumah tangga, konsumsi pemerintah dan investasi akan memberikan kontribusi terhadap kenaikan laju inflasi yang berbeda-beda, yang secara lengkap dapat dilihat pada Tabel 5.3. Misalnya untuk setiap kenaikan 10% dalam permintaan akhir berdampak meningkatkan laju inflasi sebesar 0.3047%

di Provinsi DKI Jakarta,

0.48561% di Provinsi Bengkulu, 0.66% inflasi di Provinsi Papua Barat, dan seterusnya. Tabel 5.3. Dampak Laju Inflasi Akibat Kenaikan 1% dalam Permintaan akhir: “PC+GC+INV” Provinsi Nangroe Aceh Darussalam Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau

98

Dampak (%) 0.051452 0.038059 0.041622 0.042407 0.046125 0.046006 0.048561 0.043876 0.054401 0.034974

Provinsi Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara

Dampak (%) 0.043663 0.049906 0.039168 0.039316 0.039359 0.043036 0.046952 0.054526 0.036092 0.053064



DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali

0.030471 0.034504 0.033055 0.045702 0.032343 0.040310 0.038183

Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua

0.057618 0.043703 0.045968 0.053958 0.066000 0.051604

Dari tabel di atas ditemukan hal menarik, yaitu daerah-daerah yang jaringan distribusi logistiknya belum terlalu maju atau wilayah yang sedang membangun kembali infrastrukturnya ternyata laju inflasinya lebih sensitif dipengaruhi oleh kenaikan permintaan lokal. Maksudnya jika terjadi kenaikan permintaan akhir di daerah dalam jumlah yang besar akan direspon dengan kenaikan inflasi yang lebih besar seperti yang terjadi di provinsi NAD, Papua Barat, Gorontalo, Sulawesi Tengah, Maluku Utara dan Bangka Belitung.

5.1.2. Persamaan Kemiskinan Dalam kajian ini proyeksi jumlah penduduk miskin dilakukan dengan pendekatan model makro, sementara itu umumnya BPS dan beberapa lembaga riset lainnya lebih banyak menggunakan model mikro rumah tangga. Dalam pendekatan mikro rumah tangga, kemiskinan diidentifikasi

oleh

pengeluaran

per

kapita

rumah

tangga.

Jika

pengeluaran per kapita di bawah angka garis kemiskinan, maka seluruh anggota rumah tangga diidentifiksi sebagai penduduk miskin. Pendekatan mikro-rumah tangga, yang menggunakan data susenas pada tahun berjalan, diperkirakan akan sangat menyulitkan user model, karena setiap berganti tahun, maka ke dalam database model harus memasukkan database susenas yang terbaru. Hal ini menjadikan penerapan model tidak flexibel, karena model hanya bisa dijalankan ketika data susenas terbaru tersedia.

Kesulitan pun akan bertambah

manakala pengguna model harus membuat program untuk deseminasi dan pengolahan data susenas agar siap-baca oleh model. Oleh karena itu pendekatan data susenas batal dijalankan.


99


Dalam kajian ini model prediksi kemiskinan dijalankan dengan pendekatan model makro, yaitu dengan mengaitkan perubahan laju inflasi dan PDB per kapita terhadap jumlah penduduk miskin yang diformulasikan sebagai berikut:

log( NPOVit )   0i  1i log( PDBCit )   2i log( CPI it )   it dimana NPOVi PDBCi CPIit

= jumlah penduduk miskin di provinsi i = pengeluaran per kapita dalam harga riil di provinsi i yang tesusun atas penjumlahan dari PC, GC dan INV daerah = indeks harga konsumen di daerah i pada tahun t

Persamaan matematik di atas diterapkan ke model panel fixed effect, dalam hal ini dugaan koesifien intersep berbeda-beda di setiap propinsi; koefisien indeks harga konsumen (CPI) dianggap sama secara nasional, dan koefisien PDB atau /PDRB per kapita berbeda-beda antar provinsi. Hasil estimasi dan statistik lainnya dari model tersebut dengan menggunakan data panel periode 2000-2012 disajikan pada Tabel 5.4. Tabel 5.4. Estimasi Model Kemiskinan Nasional dan Daerah Dependent Variable: LOG(NPOV?) Method: GLS (Cross Section Weights) Date: 12/23/14 Time: 23:38 Sample: 2007 2012 Included observations: 6 Number of cross-sections used: 33 Total panel (balanced) observations: 198 Convergence achieved after 26 iterations Variable

Coefficient

Std. Error

t-Statistic

Prob.

LOG(CPI?) _11--LOG(PDB_11/POP_11) _12--LOG(PDB_12/POP_12) _13--LOG(PDB_13/POP_13) _14--LOG(PDB_14/POP_14) _15--LOG(PDB_15/POP_15) _16--LOG(PDB_16/POP_16) _17--LOG(PDB_17/POP_17) _18--LOG(PDB_18/POP_18) _19--LOG(PDB_19/POP_19) _21--LOG(PDB_21/POP_21) _31--LOG(PDB_31/POP_31) _32--LOG(PDB_32/POP_32) _33--LOG(PDB_33/POP_33)

1.750106 -1.366377 -0.979025 -1.610654 -1.142651 -2.253782 -1.186531 -2.340747 -1.410532 -2.340723 -1.366082 -0.920891 -0.468297 -0.414212

0.040596 0.126122 0.106557 0.111589 0.082594 0.128161 0.109453 0.142029 0.148777 0.117189 0.067335 0.061112 0.117851 0.137347

43.10993 -10.83376 -9.187817 -14.43379 -13.83460 -17.58560 -10.84059 -16.48075 -9.480832 -19.97391 -20.28770 -15.06888 -3.973628 -3.015807

0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0030

100



_34--LOG(PDB_34/POP_34) _35--LOG(PDB_35/POP_35) _36--LOG(PDB_36/POP_36) _51--LOG(PDB_51/POP_51) _52--LOG(PDB_52/POP_52) _53--LOG(PDB_53/POP_53) _61--LOG(PDB_61/POP_61) _62--LOG(PDB_62/POP_62) _63--LOG(PDB_63/POP_63) _64--LOG(PDB_64/POP_64) _71--LOG(PDB_71/POP_71) _72--LOG(PDB_72/POP_72) _73--LOG(PDB_73/POP_73) _74--LOG(PDB_74/POP_74) _75--LOG(PDB_75/POP_75) _76--LOG(PDB_76/POP_76) _81--LOG(PDB_81/POP_81) _82--LOG(PDB_82/POP_82) _91--LOG(PDB_91/POP_91) _92--LOG(PDB_92/POP_92)

-1.746581 -0.312410 -1.336546 -2.007674 -1.814708 -2.867437 -1.747961 -1.996179 -1.917682 -1.132094 -2.003814 -1.843448 -1.376571 -2.246520 -4.005034 -3.005332 -3.179686 -4.540106 -1.718741 -1.255616

0.125896 0.113052 0.111712 0.115694 0.171294 0.248671 0.124270 0.107172 0.108542 0.077315 0.106932 0.120771 0.124469 0.138466 0.217164 0.166326 0.221067 0.206809 0.102617 0.097604

-13.87320 -2.763417 -11.96418 -17.35334 -10.59413 -11.53103 -14.06584 -18.62586 -17.66772 -14.64259 -18.73922 -15.26403 -11.05957 -16.22434 -18.44248 -18.06893 -14.38337 -21.95315 -16.74901 -12.86443

0.0000 0.0064 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000


0.998389 0.998064 0.202533 3079.010 0.000000


8.457504 4.603366 6.727220 0.817520

R-squared 0.970552 Adjusted R-squared 0.964627 S.E. of regression 0.202533 Durbin-Watson stat 0.555271 Sumber: Analisis, Desember 2014


6.214583 1.076863 6.727234

Unweighted Statistics

Model terestimasi tergolong sangat bagus, karena koefisien determinasi R2 =0.99, yang mengandung makna bahwa 99% dari variasi jumlah penduduk miskin (NPOV) nasional dan provinsi dapat dijelaskan oleh model. Atau dengan kata lain tingkat akurasi prediksi NPOV mencapai 99%. Angka R2 yang demikian tinggi diikuti oleh signifikannya hasil-uji statistik F (Prob F-statistic=0.0000), sehingga model memiliki kemampuan yang baik dalam menjelaskan variabel dependennya. Dari Tabel 5.4 diketahui bahwa kenaikan inflasi 1% berpengaruh positif terhadap penambahan jumlah penduduk miskin. Secara nasional dapat ditafsirkan bahwa setiap kenaikan 1% laju inflasi meningkatkan jumlah penduduk miskin sebanyak 1.75%, dengan asumsi PDB per kapita tidak berubah.


101


Sebaliknya PDB per kapita berdampak menurunkan tingkat kemiskinan. Setiap kenaikan 1% PDB per kapita berdampak menurunkan jumlah penduduk miskin bervariasi di setiap provinsi. Dari Tabel 5.4 diketahui pula bahwa kenaikan PDRB per kapita telah menjamin terjadi penurunan jumlah penduduk miskin. Kualitas pembangunan terbaik terjadi di empat provinsi yaitu Maluku Utara, Gorontalo, Sulawesi Barat dan Maluku. Kenaikan PDRB per kapita 1% berdampak: menurunkan jumlah penduduk miskin 4.54% untuk Provinsi Maluku Utara; 4.005% untuk Gorontalo; 3.005% untuk Sulawesi Barat;dan 3.1797% untuk Maluku. Yang menarik adalah fenomena beberapa wilayah di Indonesia yang selama ini menunjukkan peran PDRB perkapita tidak mampu menurunkan penduduk miskin, sekarang ini menunjukkan hal yang lebih baik. Fenomena di Kaltim tahun-tahun sebelumnya menunjukkan bahwa PDRB perkapita tidak mampu menurunkan penduduk miskin diduga disebabkan oleh dominannya sektor tambang dalam struktur PDRB, dimana penerima benefit sektor tambang diterima oleh pemilik modal dan bukan masyarakat golongan bawah. Oleh karena itu kenaikan produksi tambang, berimplikasi pada kenaikan PDRB per kapita, tetapi tidak meningkatkan pendapatan masyarakat golongan bawah. Bahkan sebaliknya gaya hidup golongan atas membebani masyarakat kelompok bawah, sehingga terjadilah penambahan jumlah penduduk miskin. Jadi fenomena kemiskinan di Kaltim bisa bersumber dari ketimpangan pendapatan antar-rumah tangga. Hal yang agak mirip dengan Kaltim terjadi juga di Pulau Papua (gabungan Provinsi Papua Barat dan Papua), dimana kenaikan PDRB per kapita tidak signifikan menurunkan jumlah penduduk miskin. Alasannya adalah struktur PDRB di Provinsi Papua Barat dan Papua didominasi oleh sektor tambang mineral untuk Propinsi Papua dan sektor Gas untuk provinsi Papua Barat.

Sehingga kenaikan PDRB per kapita belum

mencerminkan kenaikan pendapatan per kapita penduduknya. Dan oleh karenanya kenaikan PDRB per kapita belum berdampak pada penurunan

102



jumlah penduduk miskin. Untuk DKI Jakarta, struktur PDRB didominasi oleh sektor jasa modern, yang notabene hanya bisa dijalankan dan dikuasai oleh masyarakat kelompok menengah atas. Sehingga jika terjadi kenaikan PDRB dari sektor tersebut,

tidak mampu menetes menjadi

pendapatan masyarakat kelas bawahnya. Oleh karena itu peningkatan PDRB per kapita tidak banyak berdampak pada penurunan jumlah penduduk miskin. Sekarang ini baik Kalimantan Timur, Papua, Papua Barat dan DKI Jakarta menunjukkan bahwa kenaikan PDRB perkapita sebesar 1% berdampak menurunkan jumlah penduduk miskin rata-rata sebesar 1%, sehingga dapat disimpulkan bahwa pembangunan sekarang ini lebih berkualitas. 5.1.3. Persamaan Penawaran Tenaga Kerja Gangguan dalam perekonomian memang nyata terjadi, dan tanpa adanya fleksibilitas harga-upah yang sempurna, tidaklah mungkin memulihkan kondisi tenaga kerja penuh (full employment) dengan tingkat harga yang stabil dalam jangka pendek. Ketika para pembuat kebijakan

menggerakkan

penawaran

agregat

perekonomian

jangka

pendek,

ke

atas sepanjang kurva

mereka

menurunkan

tingkat

pengangguran dan menaikkan tingkat inflasi. Sebaliknya, ketika mereka mengkontraksi permintaan agregat dan menggerakkan perekonomian ke bawah kurva penawaran agregat jangka pendek, pengangguran naik dan inflasi turun. Trade-off inflasi dan pengangguran jelas menjadi pertimbangan dalam pembuatan kebijakan. Kurva Phillips menyimpulkan bahwa penurunan tingkat pengangguran akan selalu dapat dipertahankan dengan mendorong kenaikan laju inflasi, dan bahwa laju inflasi akan selalu dapat diturunkan dengan membiarkan terjadinya kenaikan tingkat pengangguran. Kurva Phillips adalah berguna untuk menunjukkan penawaran agregat karena inflasi dan pengangguran merupakan ukuran kinerja perekonomian yang penting.


103


Formulasi dalam bentuk penawaran tenaga kerja adalah: LFit   0  1Wageit   2 POPit  iit

dimana LFit

= Penawaran tenaga kerja di provinsi i pada tahun ke t

Wageit = upah tenaga kerja provinsi di provinsi i pada tahun ke t POPit

= jumlah populasi di provinsi i pada tahun ke t

it


Persamaan matematik di atas koefisien upah (Wage) dianggap sama secara nasional, dapat juga diasumsikan bahwa secara harga tenaga kerja adalah tunggal dan memiliki informasi yang sempurna, sementara koefisien jumlah penduduk (POP) diperlakukan berbeda-beda antar provinsi. Hasil estimasi dan statistik lainnya dari model tersebut dengan menggunakan data panel periode 2000-2013 disajikan pada Tabel 5.5. Tabel 5.5. Estimasi Model Penawaran Tenaga Kerja Daerah Dependent Variable: LOG(LF?) Method: GLS (Cross Section Weights) Date: 12/23/14 Time: 22:48 Sample: 2000 2012 Included observations: 13 Number of cross-sections used: 33 Total panel (balanced) observations: 429 Convergence achieved after 9 iterations Variable

Coefficient

Std. Error

t-Statistic

Prob.

C TIME^2 _11--LOG(POP_11) _12--LOG(POP_12) _13--LOG(POP_13) _14--LOG(POP_14) _15--LOG(POP_15) _16--LOG(POP_16) _17--LOG(POP_17) _18--LOG(POP_18) _19--LOG(POP_19) _21--LOG(POP_21) _31--LOG(POP_31) _32--LOG(POP_32) _33--LOG(POP_33) _34--LOG(POP_34) _35--LOG(POP_35) _36--LOG(POP_36) _51--LOG(POP_51) _52--LOG(POP_52)

1.223911 0.000496 0.747439 0.782099 0.753179 0.756693 0.740524 0.778167 0.731473 0.774653 0.701113 0.697941 0.777933 0.809432 0.816312 0.774123 0.818993 0.771478 0.779166 0.759885

0.661298 0.000106 0.079792 0.070508 0.079051 0.077581 0.084632 0.074885 0.089926 0.074895 0.096370 0.091058 0.073156 0.063107 0.063927 0.082124 0.063274 0.073209 0.081925 0.079615

1.850772 4.679833 9.367318 11.09234 9.527789 9.753623 8.749940 10.39144 8.134155 10.34321 7.275190 7.664781 10.63391 12.82631 12.76948 9.426290 12.94350 10.53806 9.510721 9.544537

0.0650 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

104



_53--LOG(POP_53) _61--LOG(POP_61) _62--LOG(POP_62) _63--LOG(POP_63) _64--LOG(POP_64) _71--LOG(POP_71) _72--LOG(POP_72) _73--LOG(POP_73) _74--LOG(POP_74) _75--LOG(POP_75) _76--LOG(POP_76) _81--LOG(POP_81) _82--LOG(POP_82) _91--LOG(POP_91) _92--LOG(POP_92) _11--D2006 _12--D2006 _13--D2006 _14--D2006 _15--D2006 _16--D2006 _17--D2006 _18--D2006 _19--D2006 _21--D2006 _31--D2006 _32--D2006 _33--D2006 _34--D2006 _35--D2006 _36--D2006 _51--D2006 _52--D2006 _53--D2006 _61--D2006 _62--D2006 _63--D2006 _64--D2006 _71--D2006 _72--D2006 _73--D2006 _74--D2006 _75--D2006 _76--D2006 _81--D2006 _82--D2006 _91--D2006 _92--D2006

0.765931 0.759539 0.731658 0.760302 0.739437 0.738590 0.737838 0.778712 0.731713 0.686176 0.679538 0.716401 0.703072 0.785154 0.775952 -0.002082 0.018573 0.009898 -0.046385 0.007640 -0.020732 0.053044 0.005154 0.063795 0.152937 0.063601 -0.053425 -0.009291 -0.004040 0.002758 0.017348 -0.017150 -0.011793 -0.042144 0.067113 0.111826 -0.010888 0.025844 -0.013613 0.048044 -0.138515 0.013567 0.072051 0.174044 -0.085592 -0.054763 -0.557612 -0.124444

0.079919 0.079613 0.087529 0.082418 0.084256 0.086884 0.085837 0.074601 0.087783 0.097954 0.094896 0.093999 0.099281 0.104036 0.088830 0.020952 0.023152 0.027378 0.050036 0.031671 0.012183 0.038914 0.022784 0.035173 0.051982 0.026287 0.019215 0.023990 0.020619 0.022876 0.021764 0.018748 0.036139 0.027469 0.034254 0.031005 0.025032 0.036019 0.041541 0.033885 0.035250 0.042568 0.024776 0.035507 0.112930 0.049940 0.052976 0.076178

9.583857 9.540428 8.359022 9.224977 8.776079 8.500836 8.595772 10.43832 8.335508 7.005068 7.160870 7.621400 7.081663 7.546974 8.735231 -0.099366 0.802242 0.361528 -0.927033 0.241241 -1.701716 1.363124 0.226193 1.813778 2.942112 2.419483 -2.780414 -0.387279 -0.195940 0.120555 0.797088 -0.914781 -0.326320 -1.534227 1.959233 3.606727 -0.434975 0.717513 -0.327690 1.417852 -3.929495 0.318721 2.908109 4.901715 -0.757924 -1.096580 -10.52582 -1.633602

0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.9209 0.4229 0.7179 0.3545 0.8095 0.0897 0.1737 0.8212 0.0705 0.0035 0.0160 0.0057 0.6988 0.8448 0.9041 0.4259 0.3609 0.7444 0.1258 0.0509 0.0004 0.6638 0.4735 0.7433 0.1571 0.0001 0.7501 0.0039 0.0000 0.4490 0.2736 0.0000 0.1032


0.999885 0.999864 0.069466 46817.35 0.000000


10.87484 5.947226 1.742000 1.460668

0.996215

Mean dependent var

7.461618

Unweighted Statistics R-squared


105


Adjusted R-squared 0.995513 S.E. of regression 0.069466 Durbin-Watson stat 1.341374 Sumber: Analisis, Desember 2014

S.D. dependent var Sum squared resid

1.036981 1.742000

Model penawaran termasuk baik dan sangat bagus, karena koefisien determinasi R2 =0.99, yang mengandung makna bahwa 99% dari variasi penawaran tenaga kerja (LF) provinsi dapat dijelaskan oleh variable upah dan populasi, tingginya koefisien determinasi R 2 juga diikuti oleh signifikannya hasil-uji statistik indivifual (Statistic-t) dan F (Prob F-statistic=0.0000). Dari logic ekonomi juga adalah make sense dalam arti bahwa harga (upah) dan populasi searah dengan penawaran tenaga kerja. Sehingga model memiliki kemampuan yang baik dalam menjelaskan variabel dependennya (Tabel 5.5). Pada tabel 5.5 paribus,

berpengaruh

dapat diketahui bahwa kenaikan upah, ceteris positif

terhadap

penawaran

tenaga

kerja.

Pertumbuhan populasi juga mendorong pada peningkatan penawaran tenaga kerja. Secara provinsi dapat ditafsirkan bahwa setiap kenaikan jumlah penduduk sebesar 1%, cateris paribus, akan meningatkan penawaran tenaga kerja sebesar 0.8% di provinsi Jawa Timur, Jawa Tengah dan Jawa Barat dan 0.78% di Sumatera Utara dan Papua Barat. Secara keseluruhan terlihat bahwa respon perubahan penduduk terhadap penawaran tenaga kerja adalah inelastic. 5.1.4. Persamaan Permintaan Tenaga Kerja Dalam model permintaan akan tenaga kerja dimodelkan hampir sama dengan model penawaran tenaga kerja, dimana harga (upah tenaga kerja) diasumsikan adalah tunggal (informasi harga adalah sempurna dan tenaga kerja dapat berpindah untuk mendapat upah yang lebih tinggi). Formulasi model permintaan tenaga kerja dituliskan sebagai berikut: EMPit   0  1Wageit   2 PDRBit  iit

dimana EMPit

106

= Permintaan tenaga kerja di provinsi i pada tahun ke t



Wageit = Upah tenaga kerja di provinsi i pada tahun ke t PDRBit = Nilai PDRB di provinsi i pada tahun ke t it

= gangguan acak atau residual di provinsi i pada tahun ke-t

Persamaan matematik di atas koefisien upah (Wage) dianggap sama secara nasional seperti pada model penawaran tenaga kerja, dengan dengan hipotesis yang berbeda, yaitu  1 < 0 (respon permintaan tenaga kerja terhadap upah adalah negative), sementara koefisien output atau proxy PDRB provinsi (PDRB) diperlakukan berbeda-beda antar provinsi. Hasil estimasi dan statistik lainnya dari model disajikan pada Tabel 5.6. Tabel 5.6. Estimasi Model Penawaran Tenaga Kerja Daerah Dependent Variable: LOG(EMP?) Method: GLS (Cross Section Weights) Date: 12/23/14 Time: 22:51 Sample: 2000 2012 Included observations: 13 Number of cross-sections used: 33 Total panel (balanced) observations: 429 Convergence achieved after 7 iterations Variable

Coefficient

Std. Error

t-Statistic

Prob.

LOG(LF?) LOG(WAGE?) _11--TIME _12--TIME _13--TIME _14--TIME _15--TIME _16--TIME _17--TIME _18--TIME _19--TIME _21--TIME _31--TIME _32--TIME _33--TIME _34--TIME _35--TIME _36--TIME _51--TIME _52--TIME _53--TIME _61--TIME _62--TIME _63--TIME _64--TIME _71--TIME

0.976800 -0.060438 0.005518 0.010124 0.008056 0.007973 0.007771 0.006282 0.008680 0.008605 0.008884 0.012653 0.010251 0.008374 0.005671 0.005891 0.008055 0.007282 0.007449 0.007892 0.007362 0.007448 0.006968 0.004968 0.006585 0.006737

0.013016 0.008705 0.002047 0.002208 0.002285 0.002685 0.001508 0.001945 0.001392 0.001685 0.001230 0.001256 0.001179 0.001764 0.001056 0.001067 0.001231 0.001924 0.001106 0.001439 0.001278 0.001458 0.000992 0.001163 0.001712 0.002209

75.04356 -6.942481 2.695257 4.585850 3.526036 2.969294 5.152055 3.230111 6.236029 5.107673 7.221821 10.07165 8.694043 4.747511 5.371566 5.518449 6.541634 3.785199 6.734567 5.483635 5.759090 5.108921 7.022556 4.273189 3.845613 3.049098

0.0000 0.0000 0.0074 0.0000 0.0005 0.0032 0.0000 0.0014 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0002 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0025


107


_72--TIME _73--TIME _74--TIME _75--TIME _76--TIME _81--TIME _82--TIME _91--TIME _92--TIME Fixed Effects _11--C _12--C _13--C _14--C _15--C _16--C _17--C _18--C _19--C _21--C _31--C _32--C _33--C _34--C _35--C _36--C _51--C _52--C _53--C _61--C _62--C _63--C _64--C _71--C _72--C _73--C _74--C _75--C _76--C _81--C _82--C _91--C _92--C

0.009383 0.009710 0.009032 0.009581 0.006550 0.005935 0.009148 0.003379 0.008036

0.001859 0.002471 0.001647 0.001483 0.001278 0.002762 0.002057 0.001863 0.001071

5.047934 3.930077 5.485570 6.461123 5.125159 2.148283 4.447878 1.813401 7.504617

0.0000 0.0001 0.0000 0.0000 0.0000 0.0324 0.0000 0.0706 0.0000

0.465350 0.440119 0.444634 0.452382 0.466463 0.472726 0.458770 0.461750 0.432659 0.393954 0.412777 0.453202 0.509884 0.485955 0.508332 0.414531 0.499445 0.463533 0.504716 0.476712 0.482547 0.481290 0.449503 0.415523 0.451439 0.422293 0.446499 0.398282 0.467219 0.417642 0.420389 0.484148 0.499154


0.999978 0.999974 0.020941 245833.6 0.000000


9.266478 4.108160 0.158314 1.238175



7.381721 1.030469 0.158318


108



Model permintaan tenaga kerja memiliki koefisien determinasi sebesar R2=0.9999, yang mengandung makna bahwa 99.99% variasi permintaan tenaga kerja (EMP) provinsi dapat dijelaskan oleh variable upah dan PDRB provinsi, meskipun hasil-uji statistic individual t-statistict untuk variable upah tidak signifikan secara statistic, tetapi make sense secara ekonomi. Dalam arti bahwa ketika upah meningkat sebesar 10%, maka permintaan akan tenaga kerja akan menurun sebesar 0.604%, dengan asumsi PDRB tidak berubah. Sementara

perubahan

PDRB

di

masing-masing

provinsi

memberikan pengaruh positif dan signifikan terhadap permintaan akan tenaga kerja, meskipun responnya inelastis. Artinya bahwa kenaikan output sebesar 1%, ceteris paribus, maka permintaan akan tenaga kerja di masing-masing provinsi kurang dari 1%.

5.2.

Formulasi dan Hasil Estimasi Model PDB Sisi Pengeluaran Blok persamaan PDRB pengeluaran akan dibangun berdasarkan

pada komponen PDRB daerah, yaitu Konsumsi, Investasi, Pengeluaran Pemerintah,

ekspor

dan

Impor.

Secara

umum

persamaan

PDRB

pengeluaran dituliskan sebagai berikut: PDRB = C + I + G + X - M Dalam kajian ini PDRB digunakan sebagai persamaan identitas, sedangkan pemerintah,

untuk ekspor

persamaan dan

konsumsi,

impor

akan

investasi, diestimasi

pengeluaran satu

persatu.

Penjumlahan dari hasil estimasi dan proyeksi dari masing-masing unsur tersebut merupakan PDRB daerah.

5.2.1. Persamaan Konsumsi Tidak dipungkiri bahwa konsumsi masih mendominasi dalam pertumbuhan ekonomi. BPS 2012, bahwa sumber utama pertumbuhan ekonomi secara y-on-y pada triwulan III-2012 adalah Konsumsi Rumah Tangga sebesar 3,12 persen. Dalam kajian ini model prediksi untuk konsumsi swasta (PC) dijalankan dengan pendekatan model makro, yaitu


109


dengan mengaitkan perubahan laju inflasi dan PDB per kapita terhadap nilai konsumsi penduduk yang diformulasikan sebagai berikut:

log( PCit )   0i  1i log( CPI it )   2i log( PDRBit / POPit )   it dimana PCit = konsumsi swasta di provinsi i pada tahun ke t CPIit = indeks harga konsumen di daerah i pada tahun t PDRBit/POPit = Pendapatan perkapita penduduk di daerah i pada tahun ke t Persamaan matematik di atas diterapkan ke model panel fixed effect, dalam hal ini dugaan koefisien intersep berbeda-beda di setiap propinsi; koefisien inflasi (CPI) dan koefisien PDRB per kapita berbedabeda antar provinsi.

Hasil estimasi dan statistik lainnya dari model

tersebut dengan menggunakan data panel periode 2000-2010 disajikan pada Tabel 5.7. Tabel 5.7. Hasil Estimasi Model Konsumsi Dependent Variable: LOG(PC?) Method: GLS (Cross Section Weights) Date: 12/23/14 Time: 10:28 Sample: 2000 2012 Included observations: 13 Number of cross-sections used: 33 Total panel (unbalanced) observations: 421 Convergence achieved after 23 iterations Variable

Coefficient

Std. Error

t-Statistic

Prob.

C LOG(CPI? / DEFL?) _11--LOG(PDB_11) _12--LOG(PDB_12) _13--LOG(PDB_13) _14--LOG(PDB_14) _15--LOG(PDB_15) _16--LOG(PDB_16) _17--LOG(PDB_17) _18--LOG(PDB_18) _19--LOG(PDB_19) _21--LOG(PDB_21) _31--LOG(PDB_31) _32--LOG(PDB_32) _33--LOG(PDB_33) _34--LOG(PDB_34) _35--LOG(PDB_35) _36--LOG(PDB_36) _51--LOG(PDB_51) _52--LOG(PDB_52) _53--LOG(PDB_53) _61--LOG(PDB_61) _62--LOG(PDB_62)

-0.321791 0.001775 0.915357 0.982937 0.973456 0.931712 0.995132 0.982542 0.985488 0.979419 0.960452 0.953019 0.972880 0.990964 0.991737 0.961683 0.997550 0.964029 0.973824 0.958284 1.017763 0.970658 0.961709

0.059834 0.019838 0.008458 0.005298 0.006065 0.005939 0.006528 0.005544 0.006790 0.005861 0.006836 0.006887 0.004775 0.004818 0.005045 0.006251 0.004794 0.007891 0.006282 0.006615 0.007484 0.005903 0.006576

-5.378084 0.089483 108.2263 185.5251 160.5075 156.8723 152.4449 177.2287 145.1330 167.0966 140.4902 138.3716 203.7644 205.6957 196.5864 153.8500 208.1020 122.1653 155.0193 144.8669 135.9978 164.4278 146.2446

0.0000 0.9287 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

110



_63--LOG(PDB_63) _64--LOG(PDB_64) _71--LOG(PDB_71) _72--LOG(PDB_72) _73--LOG(PDB_73) _74--LOG(PDB_74) _75--LOG(PDB_75) _76--LOG(PDB_76) _81--LOG(PDB_81) _82--LOG(PDB_82) _91--LOG(PDB_91) _92--LOG(PDB_92)

0.952871 0.866577 0.952228 0.976910 0.976793 0.969964 1.004794 0.995781 1.004324 1.006364 0.963331 0.975588

0.005933 0.005578 0.006613 0.006266 0.005724 0.006835 0.008143 0.007374 0.007361 0.007716 0.008671 0.010133

160.6054 155.3583 143.9915 155.8958 170.6523 141.9081 123.3880 135.0405 136.4337 130.4301 111.0955 96.27538

0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000


0.999993 0.999992 0.100449 1550178. 0.000000


29.12089 35.58384 3.894742 0.503095



9.498988 1.231886 3.894759


Variabel inflasi (CPI), dan PDRB Perkapita ditetapkan berbedabeda di setiap propinsi.

Perbedaan koefisien suatu propinsi dengan

provinsi lainnya dirancang supaya model dapat menangkap perbedaan perilaku pengeluaran konsumsi di setiap propinsi. Model pooled-cross section ini dijalankan atas asumsi bahwa terdapat korelasi kuat antara faktor yang tidak dimasukkan ke dalam model dengan variabel-variabel bebas dalam model, dimana faktor yang tidak terukur tersebut bersifat spesifik pada daerah, atau dalam istilah lain disebut sebagai fixed-effect factor. Sehingga modelnya pun disebut sebagai model pooled-cross section dengan fixed-effect, yang hasil estimasinya dicantumkan pada Tabel 5.7. Dari Tabel 5.7 dapat diketahui bahwa model memiliki derajat kesesuaian

yang

sangat

tinggi

yang

ditunjukkan

oleh

koefisien

2

determinasi yang tinggi (R =0.999), yang berarti 99.9% dari variasi di pengeluatan Konsumsi di daerah dapat dijelaskan oleh variable penjelas di dalam model.


111


Secara

keseluruhan

tingkat

inflasi

(CPI)

di

daerah

akan

berpengaruh positif terhadap peningkatan pengeluaran konsumsi. Dalam arti bahwa, setiap kenaikan CPI, ceteris paribus, akan meningkatkan pengeluaran konsumsi sedangkan dampak ke daerah besarannya cukup bervariasi (lihat Tabel 5.7). Sementara pengaruh pendapatan perkapita (PDRB perkapita) juga berpengaruh positif terhadap peningkatan konsumsi. Peningkatan PDB perkapita sebesar 1%, ceteris paribus, akan meningkatkan pengeluaran konsumsi swasta sebesar 1% di Provinsi Nusa Tenggara Timur, Gorontalo, Maluku dan Maluku Utara. Sementara provinsi

lain memberikan

pengaruh positif dan signifikan terhadap konsumsi swasta, meskipun responnya inelastis. Artinya bahwa kenaikan PDRB perkapita sebesar 1%, ceteris paribus, berdampak peningkatan pengeluaran konsumsi swasta di masing-masing provinsi kurang dari 1%. 5.2.2. Persamaan Investasi Definisi Investasi dan konsumsi Investasi dapat didefinisikan sebagai aktivitas penundaan konsumsi sekarang untuk digunakan di dalam produksi yang efisien selama periode waktu yang tertentu. Definisi konsumsi adalah Pemakaian sumber daya yang ada untuk mendapatkan kepuasan atau utiliti. Konsumsi dan investasi merupakan dua kegiatan yang berkaitan. Penundaan konsumsi sekarang dapat diartikan sebagai investasi untuk konsumsi di masa mendatang. Teori ekonomi mengartikan atau mendefinisikan investasi sebagai ”pengeluaran-pengeluaran untuk membeli barang-barang modal dan peralatan peralatan produksi dengan tujuan untuk mengganti dan terutama menambah barang-barang modal dalam perekonomian yang akan digunakan untuk memproduksi barang dan jasa di masa depan”. Secara konsep jelas bahwa investasi dipengaruhi secara negative oleh tingkat suku bunga. Ini mengindikasikan bahwa ketika suku bunga yang tinggi, agent ekonomi akan lebih suka menanamkan uangnya di Bank dengan harapan akan mendapat manfaat lebih besar dari suku

112



bunga bank, dibandingkan dengan harus melakukan investasi yang tentu saja relative memiliki resiko dibandingkan dengan melakukan tabungan. Formulasi model permintaan akan investasi di dalam kajian ini dirumuskan sebagai berikut:

log( INVit )  0i  1i log( SBI )  2i log( KREDit )   it dimana INVit

= Investasi swasta di provinsi i pada tahun ke t

SBIit

= Suku Bunga Bank Indonesia pada tahun ke t

KREDit

= Out standing kredit di daerah i pada tahun ke t

Dari persamaan diatas terlihat bahwa investasi merupakan fungsi dari suku bunga (SBI). Variabel SBI diperlakukan secara sama untuk setiap provinsi dengan pertimbangan bahwa suku bunga yang ditetapkan oleh Bank Sentral dalam hal ini adalah Bank Indonesia. Sementara untuk penyaluran kredit diperlakukan secara berbeda diseluruh daerah. Perbedaan koefisien penyaluran kredit (outstanding credit, KRED) suatu propinsi dengan provinsi lainnya dirancang agar model dapat menangkap perbedaan perilaku Invetasi di setiap propinsi di Indonesia. Model pooled-cross section ini dijalankan atas asumsi bahwa terdapat korelasi kuat antara faktor yang tidak dimasukkan ke dalam model dengan variabel-variabel bebas dalam model, dimana faktor yang tidak terukur tersebut bersifat spesifik pada daerah, atau dalam istilah lain disebut sebagai fixed-effect factor. Sehingga modelnya pun disebut sebagai

model

pooled-cross

section

dengan

fixed-effect,

hasil

estimasinya dicantumkan di Tabel 5.8. Tabel 5.8. Hasil Estimasi Model Investasi Dependent Variable: INV? Method: GLS (Cross Section Weights) Date: 12/24/14 Time: 12:53 Sample: 2000 2012 Included observations: 13 Number of cross-sections used: 33 Total panel (unbalanced) observations: 402 Convergence achieved after 12 iterations Variable

Coefficient

Std. Error

t-Statistic

Prob.

LOG(SBI)

-9.954675

9.052256

-1.099690

0.2722


113


_11--LOG(KRED_11/CPI_11)*100 _12--LOG(KRED_12/CPI_12)*100 _13--LOG(KRED_13/CPI_13)*100 _14--LOG(KRED_14/CPI_14)*100 _15--LOG(KRED_15/CPI_15)*100 _16--LOG(KRED_16/CPI_16)*100 _17--LOG(KRED_17/CPI_17)*100 _18--LOG(KRED_18/CPI_18)*100 _19--LOG(KRED_19/CPI_19)*100 _21--LOG(KRED_21/CPI_21)*100 _31--LOG(KRED_31/CPI_31)*100 _32--LOG(KRED_32/CPI_32)*100 _33--LOG(KRED_33/CPI_33)*100 _34--LOG(KRED_34/CPI_34)*100 _35--LOG(KRED_35/CPI_35)*100 _36--LOG(KRED_36/CPI_36)*100 _51--LOG(KRED_51/CPI_51)*100 _52--LOG(KRED_52/CPI_52)*100 _53--LOG(KRED_53/CPI_53)*100 _61--LOG(KRED_61/CPI_61)*100 _62--LOG(KRED_62/CPI_62)*100 _63--LOG(KRED_63/CPI_63)*100 _64--LOG(KRED_64/CPI_64)*100 _71--LOG(KRED_71/CPI_71)*100 _72--LOG(KRED_72/CPI_72)*100 _73--LOG(KRED_73/CPI_73)*100 _74--LOG(KRED_74/CPI_74)*100 _75--LOG(KRED_75/CPI_75)*100 _76--LOG(KRED_76/CPI_76)*100 _81--LOG(KRED_81/CPI_81)*100 _82--LOG(KRED_82/CPI_82)*100 _91--LOG(KRED_91/CPI_91)*100 _92--LOG(KRED_92/CPI_92)*100

15.50501 33.69244 14.22418 51.48784 8.351431 29.91705 1.790999 13.89473 12.05188 7.381384 126.2346 86.29296 52.50510 15.99071 97.88483 35.32817 12.44784 15.46090 7.505366 21.34800 23.07196 7.531400 38.62091 9.643663 9.789874 19.33098 13.02407 1.286788 2.238121 0.999232 -0.915716 9.592418 15.55980

0.704700 2.592602 0.243183 4.557045 0.295896 2.537010 0.117436 0.985371 0.406112 1.111446 13.00516 4.172483 3.392888 0.317741 2.978991 1.920491 1.463778 0.493700 0.556992 0.337755 0.414941 1.600648 1.176544 0.576572 0.511175 1.790305 1.504193 0.343977 0.152697 0.100942 0.487212 0.994711 1.648943

22.00228 12.99561 58.49157 11.29851 28.22418 11.79224 15.25080 14.10102 29.67622 6.641244 9.706507 20.68144 15.47505 50.32629 32.85839 18.39539 8.503917 31.31640 13.47482 63.20554 55.60295 4.705220 32.82573 16.72585 19.15170 10.79759 8.658504 3.740916 14.65726 9.899028 -1.879502 9.643425 9.436227

0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0002 0.0000 0.0000 0.0610 0.0000 0.0000


0.959601 0.955978 7334.686 264.8809 0.000000


43202.96 34957.99 1.98E+10 0.798074

0.900113 0.891155 7334.686 0.276398


12923.61 22231.97 1.98E+10


Dari Tabel 5.8 dapat diketahui bahwa model memiliki derajat kesesuaian

yang

sangat

tinggi

yang

ditunjukkan

oleh

koefisien

determinasi yang tinggi (R2 =0.9596), yang berarti 95.96% dari variasi di investasi di daerah dapat dijelaskan oleh variable penjelas di dalam model, seperti suku bunga dan penyaluran kredit (outstanding credit).

114



Secara keseluruhan nilai (INV) di daerah berpengaruh negatif terhadap peningkatan suku bunga. Dalam arti bahwa, setiap tambahan kenaikan suku bunga sebesar 1%, ceteris paribus, akan menurunkan tambahan nilai investasi sebesar 9.9% di seluruh provinsi. Sementara besarnya nilai penyaluran kredit keseluruh daerah memberikan pengaruh positif bagi perkembangan investasi. Dampak outstanding credit terhadap besarnya nilai investasi memiliki sebaran yang berbeda di antara provinsi (Lihat Tabel 5.8). Namun tidak terhadap provinsi Maluku Utara (Kode 82) dimana kenaikan outstanding credit berdampak negatif bagi kenaikan investasi, meskipun secara statistic tidak sifnifikan pada taraf kepercayaan 95%. 5.2.3. Perrsamaan Konsumsi Pemerintah Pengeluaran pemerintah (government expenditure) merupakan suatu keputusan yang dibuat oleh pemerintah untuk menyediakan barang-barang

publik

dan

pelayanan

kepada

masyarakat.

Total

pengeluaran pemerintah merupakan penjumlahan keseluruhan dari keputusan anggaran pada masing-masing tingkatan pemerintahan (pusat – propinsi – daerah). Untuk setiap tingkatan akan memiliki keputusan akhir–proses pembuatan yang berbeda dan hanya beberapa hal pemerintah yang di bawahnya dapat dipengaruhi oleh pemerintah yang lebih tinggi (Lee Robert, Jr and Ronald W. Johnson, 1998). Oleh karena itu dalam memahami berbagai pengaturan pendanaan bagi pemerintah pusat (daerah) maka harus mengetahui keragaman fungsi yang dibebankannya. Arndt (1998) memiliki argumentasi mengenai kebijakan publik dalam kaitan dengan kebijakan pengeluaran pemerintah didasarkan pada situasi bahwa pasar tidak bisa berperan sendiri mengaktifkan mobilisasi aktivitas

ekonomi

terutama

untuk

mencapai

efisiensi.

Adanya

pengeluaran publik disebabkan adanya kegagalan pasar. Menurut Rao (1998) kegagalan pasar tersebut disebabkan karena : (1) Tidak semua barang dan jasa diperdagangkan, (2) Barang-barang yang


115


menyebabkan ekternalitas dalam produksi maupun konsumsi memaksa suatu pertentantangan antara harga pasar dengan penilaian sosial dan pasar, dan pasar tidak bisa memastikan untuk memenuhi kondisi yang diinginkan. (3) Beberapa barang mempunyai karakteristik increasing returs to scale. Dalam kondisi monopoli alami seperti itu masyarakat dapat memperoleh harga lebih rendah dan output lebih tinggi apabila pemerintah berperan sebagai produsen atau ada subsidi pada sektor swasta untuk menutup biaya karena berproduksi secara optimal. (4) Informasi asimetri antara produsen dan konsumen di bidang jasa seperti asuransi sosial dapat memberi peningkatan moral hazard dan pemilihan kurang baik. Oleh karena itu intervensi negara diperlukan agar menjamin pendistribusian kembali pendapatan. Secara umum peningkatan pengeluaran pemerintah pusat akan menyebabkan meningkatkan pendapatan daerah, karena peningkatan aggregat demand akan mendorong kenaikan investasi dan pada akhirnya menyebabkan kenaikan produksi. Dalam kajian ini spesifikasi model yang dibangun untuk menduga fungsi pergeluaran pemerintah adalah:

log( GCit )  0i  1i log( PDRBit )  2i log( CPI it )   it dimana GCit

= pengeluaran pemerintah di provinsi i pada tahun ke t

PDRBit

= PDRB di provinsi i pada tahun ke t

CPIit

= tingkat inflasi di provinsi i pada tahun ke t

Persamaan pengeluaran pemerintah di atas diterapkan ke model panel fixed effect, dalam hal ini dugaan koesifien intersep berbeda-beda di setiap propinsi;

begitu juga untuk koefisien PDRB diperlakukan

berbeda-beda antar provinsi, sementara variable indeks harga konsumen (CPI) diperlakukan sama disetiap provinsi. Hasil estimasi model pengeluaran pemerintah ditampilkan pada Tabel 5.9.

116



Tabel 5.9. Hasil Estimasi Model Pengeluaran Pemerintah Dependent Variable: LOG(GC?) Method: GLS (Cross Section Weights) Date: 12/24/14 Time: 14:09 Sample: 2000 2012 Number of cross-sections used: 33 Total panel (unbalanced) observations: 420 Convergence achieved after 12 iterations Variable

Coefficient

Std. Error

t-Statistic

Prob.

C LOG(CPI?) _11--LOG(PC_11+INV_11+EXP_11) _12--LOG(PC_12+INV_12+EXP_12) _13--LOG(PC_13+INV_13+EXP_13) _14--LOG(PC_14+INV_14+EXP_14) _15--LOG(PC_15+INV_15+EXP_15) _16--LOG(PC_16+INV_16+EXP_16) _17--LOG(PC_17+INV_17+EXP_17) _18--LOG(PC_18+INV_18+EXP_18) _19--LOG(PC_19+INV_19+EXP_19) _21--LOG(PC_21+INV_21+EXP_21) _31--LOG(PC_31+INV_31+EXP_31) _32--LOG(PC_32+INV_32+EXP_32) _33--LOG(PC_33+INV_33+EXP_33) _34--LOG(PC_34+INV_34+EXP_34) _35--LOG(PC_35+INV_35+EXP_35) _36--LOG(PC_36+INV_36+EXP_36) _51--LOG(PC_51+INV_51+EXP_51) _52--LOG(PC_52+INV_52+EXP_52) _53--LOG(PC_53+INV_53+EXP_53) _61--LOG(PC_61+INV_61+EXP_61) _62--LOG(PC_62+INV_62+EXP_62) _63--LOG(PC_63+INV_63+EXP_63) _64--LOG(PC_64+INV_64+EXP_64) _71--LOG(PC_71+INV_71+EXP_71) _72--LOG(PC_72+INV_72+EXP_72) _73--LOG(PC_73+INV_73+EXP_73) _74--LOG(PC_74+INV_74+EXP_74) _75--LOG(PC_75+INV_75+EXP_75) _76--LOG(PC_76+INV_76+EXP_76) _81--LOG(PC_81+INV_81+EXP_81) _82--LOG(PC_82+INV_82+EXP_82) _91--LOG(PC_91+INV_91+EXP_91) _92--LOG(PC_92+INV_92+EXP_92)

1.679058 0.580573 0.373461 0.366662 0.351090 0.319039 0.319487 0.325865 0.258938 0.344412 0.209606 0.230147 0.382990 0.390880 0.414836 0.343310 0.397862 0.268157 0.286245 0.310994 0.300037 0.319703 0.320085 0.329988 0.311722 0.348967 0.312734 0.383575 0.306974 0.260454 0.242701 0.260636 0.224104 0.227453 0.311019

0.251471 0.028836 0.038835 0.033065 0.037387 0.033367 0.039056 0.034912 0.043673 0.036641 0.042014 0.035698 0.029412 0.030186 0.031372 0.038573 0.029915 0.033423 0.037104 0.039411 0.040529 0.037377 0.038872 0.037386 0.032567 0.040025 0.041266 0.035979 0.042296 0.053334 0.047259 0.047396 0.048938 0.043061 0.038326

6.676950 20.13373 9.616631 11.08928 9.390597 9.561633 8.180155 9.333828 5.928952 9.399524 4.988966 6.447154 13.02160 12.94910 13.22325 8.900374 13.29967 8.023205 7.714630 7.891107 7.403088 8.553414 8.234356 8.826560 9.571601 8.718659 7.578433 10.66098 7.257793 4.883458 5.135549 5.499107 4.579375 5.282136 8.115068

0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000


0.999858 0.999846 0.163412 79879.70 0.000000


16.67846 13.15724 10.28081 0.690999

0.973313 0.970956 0.163412 0.490308


7.963131 0.958858 10.28086

Unweighted Statistics R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat


117


Hasil estimasi menunjukkan bahwa model memiliki derajat kesesuaian

yang

sangat

tinggi

yang

ditunjukkan

oleh

koefisien

2

determinasi yang tinggi (R =0.99), yang berarti 99% variasi pengeluaran pemerintah dijelaskan oleh tingkat inflasi (CPI) dan PDRB di daerah. Lebih jauh didapat diketahui bahwa bahwa kenaikan indeks harga consume (CPI) searah dengan kenaikan pengeluaran pemerintah dalam arti bahwa setiap tambahan kenaikan CPI sebesar 1%, ceteris paribus, akan meningkatkan pengeluaran pemerintah sebesar 0.58% di seluruh provinsi. Besarnya PDRB provinsi akan searah dengan besarnya pengeluaran pemerintah. Secara provinsi terlihat bahwa kenaikan PDB dampaknya terhadap pengeluaran pemerintah bersifat inelastis, kenaikan PDB sebesar 1% akan meningkatkan pengeluaran pemerintah lebih kecil dari 1%. 5.2.4. Persamaan Ekspor Ekspor Indonesia pada Oktober 2012 mengalami penurunan sebesar 1,45 persen dibanding September 2012, yaitu dari US$15.898,1 juta menjadi US$15.667,3 juta. Bila dibandingkan dengan Oktober 2011, ekspor mengalami penurunan sebesar 7,61 persen. Penurunan ekspor Oktober 2012 disebabkan oleh menurunnya ekspor nonmigas sebesar 3,42 persen, yaitu dari US$13.127,6 juta

menjadi US$12.678,7 juta,

sementara ekspor migas naik sebesar 7,87 persen dari US$2.770,5 juta menjadi US$2.988,6 juta. Lebih lanjut peningkatan ekspor migas disebabkan oleh meningkatnya ekspor minyak mentah sebesar 0,80 persen menjadi US$950,8 juta. Demikian juga ekspor hasil minyak naik sebesar 31,09 persen menjadi US$378,9 juta dan ekspor gas naik sebesar 7,84 persen menjadi US$1.658,9 juta. Volume ekspor migas Oktober 2012 terhadap September 2012 untuk minyak mentah turun sebesar 6,27 persen, sementara hasil minyak dan gas masing-masing naik sebesar 41,05 persen dan 5,66 persen. Sementara itu, harga minyak mentah Indonesia di pasar dunia

118



turun dari US$111,02 per barel pada September 2012 menjadi US$109,85 per barel pada Oktober 2012. Ekspor nonmigas Indonesia pada Oktober 2012 ke Cina, Jepang dan Amerika Serikat masing-masing mencapai US$1.821,8 juta, US$1.418,4 juta dan US$1.154,0 juta, dengan peranan ketiganya mencapai 34,66 persen. Penurunan ekspor nonmigas Oktober 2012 jika dibandingkan dengan September 2012 terjadi ke sebagian besar negara tujuan utama, yaitu India sebesar US$199,3 juta; Singapura sebesar US$85,1 juta; Malaysia sebesar US$54,1 juta; Korea Selatan sebesar US$41,4 juta; Jepang sebesar US$38,7 juta; AS sebesar US$25,6 juta; Jerman sebesar US$4,2 juta; dan Inggris sebesar US$1,2 juta (Tabel 5.10). Tabel 5.10. Ekspor Nonmigas Indonesia Menurut Negara Tujuan Januari– Oktober 2012

Sumber: BPS, 2012 Sebaliknya, ekspor ke Cina mengalami peningkatan sebesar US$144,5 juta, diikuti Australia sebesar US$97,5 juta; Taiwan sebesar


119


US$47,8 juta; Thailand sebesar US$7,5 juta; dan Perancis sebesar US$5,0 juta. Sementara, ekspor ke Uni Eropa (27 negara) pada Oktober 2012 mencapai US$1.482,3 juta. Secara keseluruhan, total ekspor ketiga belas negara tujuan utama di atas turun 1,58 persen. Pada periode Januari–Oktober 2012, Cina merupakan negara tujuan ekspor terbesar dengan nilai sebesar US$16.821,8 juta (13,24 persen), diikuti Jepang dengan nilai US$14.399,9 juta (11,34 persen), dan Amerika Serikat dengan nilai US$12.232,3 juta (9,63 persen). Dalam kajian model permintaan akan ekspor difungsikan dengan nilai tukar dan GDP sembilan Negara di Dunia, secara matematik dituliskan sebagai berikut:

log( EXPit )  0i  1i log( NERt )  2i log( GDPW 9it )   it dimana EXPit

= nilai ekspor di provinsi i pada tahun ke t

NERit


GDPW9it = GDP di 9 negara dunia pada tahun ke t (yaitu Negara Amerika

Serikat,

Uropa

Union,

Singapura,

Malaysia,

Perancis, Jerman, Inggris, China dan Jepang). Persamaan diatas terlihat bahwa untuk variable nilai tukar (NER) diperlakukan sama untuk setiap provinsi, sementara GDP 9 negara di dunia diperlakukan berbeda utnuk setiap provinsi. Hasil estimasi model ekspor daerah ditampilkan pada Tabel 5.11. Tabel 5.11. Hasil Estimasi Model Ekspor Dependent Variable: LOG(EXP?) Method: GLS (Cross Section Weights) Date: 12/23/14 Time: 22:55 Sample: 2001 2012 Included observations: 12 Number of cross-sections used: 33 Total panel (unbalanced) observations: 390 Convergence achieved after 10 iterations Variable

Coefficient

Std. Error

t-Statistic

Prob.

C LOG(NER(-1)) _11--LOG(GDPW9) _12--LOG(GDPW9)

-11.84175 -0.034002 2.182557 2.248869

0.752563 0.051326 0.058985 0.057343

-15.73522 -0.662471 37.00218 39.21798

0.0000 0.5081 0.0000 0.0000

120



_13--LOG(GDPW9) _14--LOG(GDPW9) _15--LOG(GDPW9) _16--LOG(GDPW9) _17--LOG(GDPW9) _18--LOG(GDPW9) _19--LOG(GDPW9) _21--LOG(GDPW9) _31--LOG(GDPW9) _32--LOG(GDPW9) _33--LOG(GDPW9) _34--LOG(GDPW9) _35--LOG(GDPW9) _36--LOG(GDPW9) _51--LOG(GDPW9) _52--LOG(GDPW9) _53--LOG(GDPW9) _61--LOG(GDPW9) _62--LOG(GDPW9) _63--LOG(GDPW9) _64--LOG(GDPW9) _71--LOG(GDPW9) _72--LOG(GDPW9) _73--LOG(GDPW9) _74--LOG(GDPW9) _75--LOG(GDPW9) _76--LOG(GDPW9) _81--LOG(GDPW9) _82--LOG(GDPW9) _91--LOG(GDPW9) _92--LOG(GDPW9) _11--D09 _12--D09 _13--D09 _14--D09 _15--D09 _16--D09 _17--D09 _18--D09 _19--D09 _21--D09 _31--D09 _32--D09 _33--D09 _34--D09 _35--D09 _36--D09 _51--D09 _52--D09 _53--D09 _61--D09 _62--D09 _63--D09 _64--D09 _71--D09 _72--D09 _73--D09 _74--D09

2.043426 2.280830 2.054225 2.180885 1.943113 2.128653 2.041179 2.219892 2.400949 2.367948 2.319856 2.076417 2.359010 2.241142 2.119674 2.048714 1.987207 2.090086 2.031556 2.135083 2.346440 2.031306 1.946169 2.128707 1.931260 1.733149 1.790012 1.800007 1.859047 1.987024 2.156671 -0.936899 0.102292 0.711626 -0.255831 0.411664 0.024466 0.097575 0.287691 0.030659 0.030754 0.081443 -0.240213 -0.157296 -0.004117 0.021524 0.679466 0.379444 -0.335574 -0.010873 -0.048640 0.419009 0.203214 -0.103349 0.411150 0.167950 0.249087 0.545422


0.057975 0.058170 0.057519 0.057351 0.057324 0.057378 0.057832 0.057171 0.057362 0.057486 0.057403 0.057340 0.057338 0.057319 0.057366 0.057728 0.057336 0.057373 0.057501 0.057372 0.057349 0.057673 0.057338 0.057885 0.058154 0.058053 0.057664 0.057325 0.057386 0.058548 0.058517 0.219713 0.030482 0.137814 0.156937 0.077135 0.033924 0.019764 0.044050 0.122039 0.024997 0.038533 0.070694 0.051354 0.029098 0.028242 0.015790 0.039741 0.109180 0.026950 0.042254 0.073765 0.042076 0.033390 0.101738 0.028201 0.128138 0.155374

35.24687 39.20944 35.71377 38.02723 33.89711 37.09852 35.29504 38.82901 41.85584 41.19193 40.41360 36.21243 41.14204 39.09953 36.95022 35.48902 34.65918 36.42983 35.33061 37.21447 40.91485 35.22095 33.94198 36.77470 33.20969 29.85450 31.04228 31.40008 32.39550 33.93860 36.85544 -4.264197 3.355847 5.163687 -1.630153 5.336932 0.721191 4.937074 6.530947 0.251227 1.230328 2.113604 -3.397906 -3.062950 -0.141503 0.762145 43.03112 9.548008 -3.073589 -0.403458 -1.151147 5.680362 4.829647 -3.095163 4.041245 5.955365 1.943890 3.510375

0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0009 0.0000 0.1040 0.0000 0.4713 0.0000 0.0000 0.8018 0.2195 0.0353 0.0008 0.0024 0.8876 0.4465 0.0000 0.0000 0.0023 0.6869 0.2505 0.0000 0.0000 0.0021 0.0001 0.0000 0.0528 0.0005

121


_75--D09 _76--D09 _81--D09 _82--D09 _91--D09 _92--D09

0.426442 0.473405 0.101616 -0.125147 0.305656 -0.610031

0.145779 0.115038 0.020507 0.046438 0.186380 0.186160

2.925258 4.115213 4.955060 -2.694910 1.639968 -3.276909

0.0037 0.0000 0.0000 0.0074 0.1020 0.0012


0.999913 0.999895 0.162777 55527.91 0.000000


20.79284 15.91953 8.531832 1.291505



9.229144 1.695301 8.531840


Pada tabel 5.11 terlihat bahwa nilai koefisien determinasi adalah sebesar R2 =0.99, yang dapat diintepretasikan bahwa 99% variasi di dalam ekspor daerah dijelaskan oleh nilai tukar (NER) dan GDP 9 Negara dunia. Respon perubahan ekspor daerah terhadap perubahan pendapatan atau GDP sembilan negara besar di dunia adalah elastis di setiap daerah, dalam arti bahwa kenaikan GDP sembilan negara besar di dunia sebesar 1%, cateris paribus, akan meningkatkan permintaan akan ekspor lebih dari 1%, dan secara statistic berbeda nyata dengan nol. Berdeda halnya dengan respon perubahan ekspor terhadap perubahan nilai tukar rupiah adalah inelastis. Artinya perubahan nilai tukar sebesar 1%, akan menurunkan ekspor kurang dari 1% dan secara statistic tidak berbeda nyata. 5.2.5. Persamaan Impor Dari total impor Indonesia Oktober 2012 sebesar US$17.214,3 juta, impor bahan baku/penolong memberikan peranan terbesar, yaitu 74,64 persen dengan nilai US$12.848,1 juta, diikuti oleh impor barang modal sebesar 19,22 persen (US$3.308,2 juta), dan impor barang konsumsi sebesar 6,14 persen (US$1.058,0 juta). Jika

dibandingkan

periode

sebelumnya, maka selama Januari-Okt ober 2012 nilai impor golongan

122



bahan baku/penolong Untuk

dan barang modal mengalami

bahan baku/penolong

meningkat

penin gkatan.

dari US$108.225,3 juta

menjadi US$116.270,8 juta (naik 7,43 persen) dan impor barang modal US$26.145,1 juta menjadi US$31.862,4 juta (naik 21,87 persen). Sementara itu, impor barang konsumsi turun dari US$11.195,7 juta menjadi US$11.047,2 juta

atau

1,33 persen. Selanjutnya, peranan

impor Indonesia menurut golongan penggunaan baran g Januari–Oktober 2011 dan 2012 secara lengkap dapat dilihat di Tabel 5.12. Tabel 5.12. Impor Indoonesia Menurut Golongan Penggunaan Barang Januari–Oktober, 2011-2012.

Sumber: BPS, 2012

Model impor diasumsikan sebagai fungsi dari nilai tukar dan output provinsi dalam hal ini diproxy dari PDRB daerah, model impor dituliskan sebagai berikut:

log( IMPit )  0i  1i log( NERt )  2i log( PDRBit )   it dimana IMPit

= nilai impor di provinsi i pada tahun ke t

NERt


PDRBit

= nilai PDRB daerah di provinsi i pada tahun ke t

Untuk model persamaan impor, variable nilai tukar (NER) juga diperlakukan sama untuk setiap provinsi seperti yang diterapkan pada model ekspor, sementara PDRB provinsi diperlakukan berbeda untuk


123


setiap provinsi, dalam rangka untuk menangkap perilakukan dari provinsi. Hasil estimasi model impor ditampilkan pada Tabel 5.13. Tabel 5.13. Hasil Estimasi Model Impor Dependent Variable: LOG(IMP?) Method: GLS (Cross Section Weights) Date: 12/23/14 Time: 22:58 Sample: 2000 2012 Included observations: 13 Number of cross-sections used: 33 Total panel (unbalanced) observations: 420 Convergence achieved after 19 iterations Variable

Coefficient

Std. Error

t-Statistic

Prob.

C LOG(NER) _11--LOG(PC_11+GC_11+INV_11) _12--LOG(PC_12+GC_12+INV_12) _13--LOG(PC_13+GC_13+INV_13) _14--LOG(PC_14+GC_14+INV_14) _15--LOG(PC_15+GC_15+INV_15) _16--LOG(PC_16+GC_16+INV_16) _17--LOG(PC_17+GC_17+INV_17) _18--LOG(PC_18+GC_18+INV_18) _19--LOG(PC_19+GC_19+INV_19) _21--LOG(PC_21+GC_21+INV_21) _31--LOG(PC_31+GC_31+INV_31) _32--LOG(PC_32+GC_32+INV_32) _33--LOG(PC_33+GC_33+INV_33) _34--LOG(PC_34+GC_34+INV_34) _35--LOG(PC_35+GC_35+INV_35) _36--LOG(PC_36+GC_36+INV_36) _51--LOG(PC_51+GC_51+INV_51) _52--LOG(PC_52+GC_52+INV_52) _53--LOG(PC_53+GC_53+INV_53) _61--LOG(PC_61+GC_61+INV_61) _62--LOG(PC_62+GC_62+INV_62) _63--LOG(PC_63+GC_63+INV_63) _64--LOG(PC_64+GC_64+INV_64) _71--LOG(PC_71+GC_71+INV_71) _72--LOG(PC_72+GC_72+INV_72) _73--LOG(PC_73+GC_73+INV_73) _74--LOG(PC_74+GC_74+INV_74) _75--LOG(PC_75+GC_75+INV_75) _76--LOG(PC_76+GC_76+INV_76) _81--LOG(PC_81+GC_81+INV_81) _82--LOG(PC_82+GC_82+INV_82) _91--LOG(PC_91+GC_91+INV_91) _92--LOG(PC_92+GC_92+INV_92)

-4.823897 0.039578 1.217902 1.309347 1.218769 1.333588 1.401417 1.314290 1.319361 1.344477 1.422077 1.455053 1.315576 1.293794 1.323015 1.368469 1.298429 1.391709 1.378967 1.321742 1.379787 1.326068 1.373263 1.365902 1.459255 1.354182 1.248767 1.304422 1.342026 1.337773 1.327217 1.326807 1.375174 1.434217 1.411278

0.783943 0.087895 0.030842 0.020236 0.025233 0.022176 0.023895 0.021193 0.026331 0.022518 0.026890 0.024874 0.018322 0.019277 0.019532 0.023323 0.018297 0.022516 0.023926 0.024023 0.024120 0.022865 0.023568 0.023735 0.021903 0.025411 0.024366 0.022769 0.025726 0.046050 0.027481 0.027826 0.029395 0.027312 0.023888

-6.153379 0.450287 39.48781 64.70229 48.30112 60.13628 58.65008 62.01493 50.10678 59.70630 52.88512 58.49637 71.80235 67.11699 67.73680 58.67559 70.96289 61.80860 57.63584 55.02034 57.20484 57.99574 58.26809 57.54705 66.62354 53.29064 51.24938 57.28952 52.16542 29.05040 48.29581 47.68253 46.78313 52.51176 59.07951

0.0000 0.6528 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

Weighted Statistics R-squared Adjusted R-squared S.E. of regression

124

0.999545 0.999505 0.290716


20.73595 13.06670 32.53861



F-statistic Prob(F-statistic)

24884.62 0.000000

Durbin-Watson stat

0.779721

0.970906 0.968336 0.290718 0.903540


8.925531 1.633765 32.53898


Pada tabel 5.13 terlihat bahwa nilai koefisien determinasi adalah sebesar R2 =0.99, yang dapat diintepretasikan bahwa 99% variasi di dalam impor daerah dapat dijelaskan oleh perubahan nilai tukar (NER) dan output atau PDRB provinsi itu sendiri. Respon perubahan permintaan akan impor daerah terhadap perubahan pendapatan atau PDRB adalah elastis di setiap provinsi, dalam arti bahwa kenaikan PDRB provinsi sebesar 1%, cateris paribus, akan meningkatkan permintaan akan impor lebih dari 1%, dan hal ini secara statistik berbeda nyata dengan nol pada taraf kepercayaan 95%. Berdeda halnya dengan respon perubahan impor terhadap perubahan nilai tukar rupiah adalah inelastic dan secara statistik tidak berbeda nyata dengan nol pada taraf kepercayaan 95%.

5.3.

Asumsi Model Model yang telah dibangun sebanyak 9 blok atau persamaan

sebelumnya seperti persamaan inflasi, kemiskinan, investasi, konsumsi swasta, pengeluaran pemerintah, ekspor, impor, penawaran tenaga kerja, permintaan tenaga kerja akan digunakan sebagai benchmark untuk melakukan simulasi dan proyeksi. Dalam melakukan proyeksi dan simulasi, beberapa variable eksogen nilai ditetapkan lebih awal. Dalam kasus ini, nilai eksogen yang ditetapkan lebih awal dengan menentukan beberapa asumsi yang dianggap sesuai dan relevan untuk 3 tahun ke depan. Adapun asumsiasumsi yang digunakan dalam hal ini ditampilkan pada Tabel 5.14 berikut:


125


Tabel 5.14. Asumsi dalam Melakukan Proyeksi Model VARIABEL EKSOGEN

N. Tukar Rp terhadap USD Kenaikan Tarif Listrik Kenaikan Gaji Pokok PNS Harga BBM Bersubsidi Kenaian Uang Beredar M1 Pertumbuhan GDP Dunia PROVINSI

2014 12,500 8% 8% 10,000 10.00% 3.48%

2015 12,500 5% 5% 10,000 10.00% 3.47%

2014 2015 PERSEN KENAIKAN UPAH MINIMUM (%) Nasional 10.0 10.0 Nanggroe Aceh Daruss 12.9 8.0 Sumatera Utara 9.5 8.0 Sumatera Barat 10.4 8.0 Riau 21.4 8.0 Jambi 15.6 8.0 Sumatera Selatan 33.3 8.0 Bengkulu 12.5 8.0 Lampung 20.0 8.0 Bangka-Belitung 29.6 8.0 Kepulauan Riau 22.0 8.0 DKI Jakarta 11.0 8.0 Jawa Barat 20.0 8.0 Jawa Tengah 20.0 8.0 DI Yogyakarta 20.0 8.0 Jawa Timur 20.0 8.0 Banten 13.2 8.0 Bali 11.9 8.0 Nusa Tenggara Barat 10.0 8.0 Nusa Tenggara Timur 20.0 8.0 Kalimantan Barat 30.2 8.0 Kalimantan Tengah 11.0 8.0 Kalimantan Selatan 21.1 8.0 Kalimantan Timur 7.7 8.0 Sulawesi Utara 22.6 8.0 Sulawesi Tengah 25.6 8.0 Sulawesi Selatan 25.0 8.0 Sulawesi Tenggara 24.4 8.0 Gorontalo 12.8 8.0 Sulawesi Barat 20.0 8.0 Maluku 11.0 8.0 Maluku Utara 20.0 8.0 Papua Barat 20.0 8.0 Papua 11.1% 8.0%

126

2016 12,500 5% 5% 10,000 10.00% 3.55%

2017 12,500 5% 5% 10,000 10.00% 3.75%

2018 12,500 5% 5% 10,000 10.00% 4.21%

2019 12,500 5% 5% 10,000 10.00% 4.35%

2016

2017

2018

2019

10.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0%

10.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0%

10.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0%

10.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0 8.0%



PROVINSI

2014 2015 2016 2017 PERSEN KENAIKAN OUTSTANDING KREDIT PROYEK (%) Nasional 17.3 17.3 17.3 17.3 Nanggroe Aceh D. 20.4 20.4 20.4 20.4 Sumatera Utara 20.0 20.0 20.0 20.0 Sumatera Barat 20.0 20.0 20.0 20.0 Riau 20.0 20.0 20.0 20.0 Jambi 20.0 20.0 20.0 20.0 Sumatera Selatan 10.0 10.0 10.0 10.0 Bengkulu 20.0 20.0 20.0 20.0 Lampung 10.0 10.0 10.0 10.0 Bangka-Belitung 10.0 10.0 10.0 10.0 Kepulauan Riau 20.0 20.0 20.0 20.0 DKI Jakarta 15.0 15.0 15.0 15.0 Jawa Barat 16.0 16.0 16.0 16.0 Jawa Tengah 17.0 17.0 17.0 17.0 DI Yogyakarta 15.0 16.0 17.0 17.0 Jawa Timur 15.0 15.0 15.0 15.0 Banten 20.0 20.0 20.0 20.0 Bali 16.0 16.0 16.0 16.0 Nusa Tenggara Barat 20.0 20.0 20.0 20.0 Nusa Tenggara Timur 20.0 20.0 20.0 20.0 Kalimantan Barat 20.0 20.0 20.0 20.0 Kalimantan Tengah 20.0 20.0 20.0 20.0 Kalimantan Selatan 10.0 10.0 10.0 10.0 Kalimantan Timur 20.0 20.0 20.0 20.0 Sulawesi Utara 20.0 20.0 20.0 20.0 Sulawesi Tengah 20.0 20.0 20.0 20.0 Sulawesi Selatan 15.0 15.0 15.0 15.0 Sulawesi Tenggara 10.0 10.0 10.0 10.0 Gorontalo 20.0 20.0 20.0 20.0 Sulawesi Barat 20.0 20.0 20.0 20.0 Maluku 20.0 20.0 20.0 20.0 Maluku Utara 10.0 10.0 10.0 10.0 Papua Barat 20.0 20.0 20.0 20.0 Papua 20.0 20.0 20.0 20.0 LAJU PERTUMBUHAN PENDUDUK (%)

Nasional Nanggroe Aceh D. Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu

1.99 1.30 1.29 2.57 1.77 1.44 1.68 1.19


1.94 1.24 1.25 2.52 1.73 1.40 1.63 1.14

1.88 1.18 1.22 2.47 1.67 1.35 1.59 1.08

1.83 1.13 1.18 2.41 1.62 1.30 1.55 1.03

2018

2019

17.3 20.4 20.0 20.0 20.0 20.0 10.0 20.0 10.0 10.0 20.0 15.0 16.0 17.0 17.0 15.0 20.0 16.0 20.0 20.0 20.0 20.0 10.0 20.0 20.0 20.0 15.0 10.0 20.0 20.0 20.0 10.0 20.0 20.0

17.3 20.4 20.0 20.0 20.0 20.0 10.0 20.0 10.0 10.0 20.0 15.0 16.0 16.0 17.0 15.0 20.0 16.0 20.0 20.0 20.0 20.0 10.0 20.0 20.0 20.0 15.0 10.0 20.0 20.0 20.0 10.0 20.0 20.0

1.77 1.07 1.14 2.36 1.57 1.25 1.50 0.98

1.71 1.02 1.10 2.30 1.52 1.20 1.45 0.92

127


PROVINSI Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua

2014 2.19 3.01 1.06 1.52 0.78 1.17 0.64 2.20 1.20 1.34 1.67 1.61 2.31 1.77 2.55 1.11 1.64 1.08 2.14 1.60 1.93 1.78 2.13 2.00 2.60 1.93

2015 2.15 2.90 1.02 1.48 0.75 1.16 0.61 2.14 1.17 1.29 1.65 1.56 2.26 1.71 2.49 1.07 1.60 1.04 2.10 1.58 1.92 1.76 2.07 2.00 2.55 1.89

2016 2.11 2.80 0.98 1.43 0.73 1.13 0.59 2.07 1.14 1.25 1.63 1.51 2.21 1.65 2.43 1.03 1.56 1.01 2.06 1.55 1.90 1.72 2.03 2.00 2.51 1.84

2017 2.08 2.69 0.94 1.39 0.70 1.11 0.56 2.01 1.10 1.21 1.61 1.46 2.16 1.59 2.37 0.99 1.53 0.97 2.01 1.51 1.88 1.70 1.97 1.00 2.46 1.80

2018 2.03 2.58 0.90 1.34 0.68 1.08 0.53 1.94 1.08 1.17 1.59 1.40 2.11 1.53 2.31 0.95 1.49 0.94 1.97 1.48 1.85 1.67 1.93 2.00 2.41 1.75

2019 1.98 2.49 0.86 1.30 0.66 1.05 0.50 1.87 1.04 1.13 1.58 1.35 2.06 1.47 2.25 0.91 1.45 0.90 1.92 1.44 1.82 1.64 1.88 1.00 2.36 1.71

Asumsi pada Tabel 5.14 dimana jumlah penduduk diasumsikan tumbuh sebesar 1.4% sampai dengan tahun 2014. Sementara pada tahun 2014 diasumsikan harga BBM Rp 8500 dan menjadi Rp 10000 hingga pada tahun 2019. Asumsi ini dapat disesuaikan pada Aplikasi yang dibangun sesuai dengan kondisi terkini.

5.4.

Proyeksi Indikator Makroekonomi Provinsi

5.4.1. Pertumbuhan Ekonomi Proyeksi indicator pertumbuhan ekonomi nasional diperkirakan model mencapai rata-rata sebesar 7.20 persen. Tingkat pertumbuhan ekonomi provinsi terbesar diperkirakan secara umum masih terdapat di pulau Jawa dan Sumatera (LIhat Tabel 5.15).

128



Tabel 5.15. Proyeksi Pertumbuhan Ekonomi Provinsi, 2014-2019 No Provinsi 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 28 29 30 31 32 33

Nanggroe Aceh D. Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Nasional (Jumlah)

2014 1.07 5.43 4.62 5.76 4.24 4.74 4.96 4.74 4.28 5.56 5.95 5.49 5.45 4.19 5.45 5.79 4.96 3.91 3.37 4.47 3.86 5.33 6.42 4.51 4.18 4.25 2.70 3.51 5.35 4.35 3.47 4.24 4.59 5.34

2015 1.81 6.10 5.54 6.43 4.83 5.60 6.41 5.45 5.03 5.95 6.56 6.17 6.09 5.15 6.12 6.25 5.56 5.26 4.38 5.61 4.78 5.94 6.51 5.35 6.12 5.03 4.52 6.72 8.88 7.59 9.06 4.91 5.07 6.05

2016 2.51 6.49 5.84 6.85 5.14 5.99 6.55 5.83 5.36 6.34 7.01 6.58 6.47 5.49 6.53 6.68 5.94 5.44 4.57 5.90 5.03 6.34 6.83 5.65 6.23 5.39 4.76 6.31 8.47 7.15 6.62 5.15 5.29 6.43

2017 3.25 6.87 6.13 7.26 5.43 6.37 6.66 6.19 5.66 6.72 7.46 7.00 6.83 5.77 6.94 7.09 6.30 5.62 4.73 6.18 5.27 6.72 7.11 5.92 6.33 5.73 4.98 5.96 8.11 6.77 5.21 5.37 5.47 6.80

2018 4.28 7.74 6.80 8.18 6.11 7.20 7.15 7.00 6.35 7.57 8.45 7.92 7.67 6.44 7.84 8.01 7.10 6.11 5.20 6.85 5.85 7.57 7.84 6.58 6.73 6.48 5.50 5.80 8.07 6.65 4.52 5.98 5.97 7.65

2019 5.08 8.03 7.03 8.50 6.33 7.51 7.22 7.28 6.56 7.82 8.80 8.25 7.91 6.66 8.15 8.30 7.37 6.26 5.33 7.10 6.05 7.85 7.81 6.80 6.82 6.77 5.69 5.53 7.78 6.37 3.81 6.16 5.93 7.93

Sumber: Analisis, Desember 2014

Provinsi Banten, Sumatera Utara dan DKI Jakarta merupakan tiga provinsi yang diprediksi tingkat pertumbuhannya akan lebih besar dari pada tingkat pertumbuhan ekonomi secara nasional. Pertumbuhan ekonomi masih terbesar disumbangkan oleh wilayah pulau Jawa,


129


sementara tingkat pertumbuhan terendah terdapat sebagian besar wilayah timur khususnya di provinsi Maluku Utara. Apabila dilakukan simulasi dengan skanerio pertumbuhan untuk seluruh variable yang dikontrol seperti yang tertera di Tabel 5.16 menunjukkan bahwa pertumbuhan ekonomi sebesar 8 persen pada tingkat nasional dapat tercapai pada tahun 2019 dengan scenario dua dan tiga. Tabel 5.16. Alternatif Skenari 1, Skenario 2 dan Skenario 3 Variabel yang Dikontrol

1

Nilai Tukar Rp terhadap USD Persen Kenaikan Tarif Listrik Persen Kenaikan Gaji Pokok PNS Harga BBM Transportasi Bersubsidi Persen Kenaian Uang Beredar M1 Persen Pertumbuhan GDP Dunia Upah Minimum Provinsi Kenaikan Outstanding Kredit Populasi

1.5% 5.0% 10.0% 0.0% 2.5% 5.0% 5.0% 10.0% 0.5%

Skenario 2 2.5% 7.5% 15.0% 2.5% 7.5% 7.5% 7.5% 12.5% 1.0%

3 5.0% 10.0% 20.0% 5.0% 10.0% 10.0% 12.5% 15.0% 1.5%

Berdasarkan scenario satu (pesimis) Provinsi Riau, Kepulauan Riau, DKI Jakarta, Jawa Barat, DI Yogjakarta, Jawa Timur dan Banten merupakan tujuh provinsi yang diprediksi tingkat pertumbuhannya akan lebih besar dari pada tingkat pertumbuhan ekonomi secara nasional. Pertumbuhan ekonomi masih terbesar disumbangkan oleh wilayah pulau Jawa, sementara tingkat pertumbuhan terendah terdapat sebagian besar wilayah timur khususnya di provinsi Maluku (Tabel 5.17). Tabel 5.17. Proyeksi Pertumbuhan Ekonomi Provinsi 2014-2019 dengan Skenario 1 (Pesimis) No 1 2 3 4 5 6 7 8 9 10

130

Provinsi Nanggroe Aceh D. Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau

2014 4.59 5.30 5.21 5.76 4.72 4.98 4.77 4.79 5.12 5.86

2015 5.30 6.03 5.95 6.42 5.50 5.92 5.53 5.48 5.57 6.42

2016 5.79 6.41 6.31 6.84 5.88 6.28 5.88 5.86 5.93 6.85

2017 6.26 6.77 6.66 7.25 6.24 6.62 6.21 6.22 6.27 7.28

2018 7.17 7.59 7.46 8.17 7.05 7.42 6.97 7.01 7.06 8.24

2019 7.56 7.87 7.74 8.49 7.34 7.69 7.22 7.28 7.29 8.57



No 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

Provinsi DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Nasional (Jumlah)

2014 5.89 5.56 5.38 5.47 5.58 5.73 4.73 3.82 4.34 4.36 4.72 5.50 6.26 4.50 4.30 4.15 3.26 4.85 4.71 2.82 3.53 4.46 4.74 5.43

2015 6.52 6.20 6.04 6.14 6.16 6.23 5.56 4.99 5.38 5.38 5.43 5.84 6.38 5.82 5.28 5.12 5.72 8.17 7.94 6.99 5.45 4.95 5.17 6.12

2016 6.96 6.60 6.42 6.55 6.57 6.66 5.88 5.19 5.67 5.67 5.77 6.18 6.67 6.04 5.59 5.47 5.67 7.80 7.54 5.66 5.09 5.16 5.37 6.50

2017 7.40 6.99 6.77 6.95 6.98 7.06 6.19 5.38 5.94 5.95 6.08 6.48 6.90 6.25 5.89 5.80 5.63 7.47 7.19 4.80 4.89 5.32 5.51 6.87

2018 8.37 7.87 7.59 7.84 7.88 7.98 6.92 5.89 6.59 6.62 6.82 7.20 7.55 6.82 6.57 6.53 5.85 7.44 7.12 4.39 5.10 5.81 5.96 7.72

2019 8.71 8.15 7.82 8.14 8.17 8.27 7.16 6.05 6.83 6.85 7.07 7.31 7.45 6.98 6.82 6.81 5.83 7.18 6.85 3.89 5.03 5.78 5.84 7.99


Berdasarkan scenario dua (moderat) Provinsi Riau, Sumatera Utara, DKI Jakarta, Jawa Barat, Jawa Timur dan Banten merupakan enam provinsi yang diprediksi tingkat pertumbuhannya akan lebih besar dari pada tingkat pertumbuhan ekonomi secara nasional. Pertumbuhan ekonomi masih terbesar disumbangkan oleh wilayah pulau Jawa, sementara tingkat pertumbuhan terendah terdapat sebagian besar wilayah timur khususnya di provinsi Maluku Utara (Tabel 5.18). Tabel 5.18. Proyeksi Pertumbuhan Ekonomi Provinsi 2014-2019, dengan Skenario 2 (Moderat) No 1 2 3 4 5

Provinsi Nanggroe Aceh D. Sumatera Utara Sumatera Barat Riau Jambi


2014 1.93 5.54 4.78 5.91 4.31

2015 2.81 6.18 5.65 6.55 4.87

2016 3.53 6.58 5.96 6.97 5.19

2017 4.26 6.96 6.26 7.38 5.49

2018 5.31 7.83 6.96 8.32 6.17

2019 6.02 8.12 7.20 8.64 6.39

131


No 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

Provinsi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Nasional (Jumlah)

2014 4.92 5.03 4.87 4.42 5.55 6.08 5.63 5.51 4.35 5.57 5.82 5.05 4.10 3.48 4.68 4.02 5.41 6.18 4.63 4.38 4.44 2.94 3.62 5.47 4.46 2.30 4.34 4.56 5.45

2015 5.73 6.37 5.54 5.10 5.94 6.67 6.29 6.12 5.25 6.22 6.28 5.63 5.39 4.43 5.76 4.89 5.99 6.23 5.43 6.23 5.18 4.67 6.76 8.83 7.57 6.23 4.95 4.96 6.13

2016 6.13 6.54 5.93 5.43 6.33 7.11 6.71 6.49 5.60 6.63 6.71 6.01 5.59 4.63 6.07 5.16 6.40 6.50 5.73 6.37 5.55 4.92 6.36 8.46 7.16 4.99 5.21 5.14 6.51

2017 6.51 6.67 6.29 5.72 6.69 7.57 7.12 6.84 5.89 7.03 7.11 6.37 5.78 4.81 6.36 5.40 6.78 6.68 6.02 6.49 5.90 5.15 6.02 8.13 6.81 4.17 5.44 5.24 6.88

2018 7.35 7.19 7.10 6.41 7.54 8.56 8.05 7.67 6.57 7.93 8.03 7.18 6.31 5.30 7.07 6.01 7.63 7.27 6.70 6.93 6.67 5.70 5.89 8.13 6.72 3.77 6.07 5.64 7.73

2019 7.65 7.28 7.38 6.60 7.79 8.90 8.37 7.89 6.79 8.23 8.32 7.45 6.48 5.44 7.32 6.22 7.91 7.11 6.92 7.04 6.96 5.90 5.63 7.87 6.46 3.26 6.25 5.48 8.00


Pada scenario moderat pertumbuhan ekonomi nasional sudah mencapai 8% pada tahun 2019. Berdasarkan scenario 3 (optimis) Provinsi Riau, Kepulauan Riau, DKI Jakarta, Jawa Barat, DI Yogjakarta, Jawa Timur dan Banten

merupakan

tujuh

provinsi

yang

diprediksi

tingkat

pertumbuhannya akan lebih besar dari pada tingkat pertumbuhan ekonomi

secara

nasional.

Pertumbuhan

ekonomi

masih

terbesar

disumbangkan oleh wilayah pulau Jawa, sementara tingkat pertumbuhan terendah terdapat sebagian besar wilayah timur khususnya di provinsi Maluku (Tabel 5.19). 132



Tabel 5.19. Proyeksi Pertumbuhan Ekonomi Provinsi 2014-2019 dengan Skenario 3 (Optimis) 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 28 29 30 31 32 33

Provinsi Nanggroe Aceh D. Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Nasional (Jumlah)

2014 4.80 5.38 5.30 5.85 4.82 5.08 4.84 4.87 5.13 5.93 5.97 5.62 5.42 5.54 5.63 5.76 4.82 3.92 4.46 4.48 4.80 5.45 6.10 4.61 4.42 4.28 3.39 4.96 4.81 2.48 3.43 4.45 4.71 5.50

2015 5.51 6.09 6.02 6.49 5.57 5.98 5.57 5.54 5.57 6.47 6.59 6.24 6.07 6.20 6.21 6.26 5.62 5.05 5.47 5.47 5.48 5.78 6.19 5.88 5.37 5.22 5.78 8.20 7.97 6.01 5.07 4.89 5.07 6.16

2016 5.98 6.47 6.38 6.91 5.96 6.35 5.93 5.92 5.93 6.91 7.03 6.64 6.43 6.60 6.62 6.68 5.95 5.26 5.77 5.78 5.82 6.09 6.44 6.12 5.69 5.58 5.75 7.84 7.58 5.06 4.86 5.08 5.24 6.54

2017 6.44 6.83 6.74 7.32 6.32 6.70 6.26 6.27 6.27 7.34 7.47 7.02 6.78 7.00 7.01 7.09 6.26 5.46 6.05 6.06 6.14 6.37 6.60 6.33 5.99 5.91 5.72 7.53 7.24 4.39 4.76 5.20 5.32 6.91

2018 7.35 7.67 7.55 8.26 7.13 7.51 7.03 7.07 7.05 8.30 8.45 7.90 7.59 7.89 7.91 8.00 7.00 5.99 6.72 6.75 6.89 7.05 7.15 6.92 6.69 6.66 5.96 7.51 7.19 4.10 5.03 5.64 5.69 7.76

2019 7.71 7.94 7.83 8.57 7.42 7.77 7.28 7.33 7.28 8.62 8.78 8.17 7.81 8.19 8.21 8.29 7.24 6.15 6.96 6.98 7.13 7.12 6.96 7.09 6.95 6.94 5.95 7.26 6.93 3.68 4.99 5.55 5.47 8.02


5.4.2. Tingkat Inflasi Tingkat inflasi secara nasional diperkirakan mencapai 3.71% pada tahun 2015 dan akan turun mencapai 3.28% pada tahun 2019. Secara umum terlihat tingkat inflasi paling tinggi terdapat pada tahun 2014 untuk seluruh provinsi dan relatif cenderung menurun hingga pada tahun 2019.


133


Tabel 5.20. Proyeksi Tingkat Inflasi Provinsi, 2014-2019 No Provinsi

2014

2015

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 28 29 30 31 32 33

12.01 12.97 13.24 12.91 13.08 13.20 13.13 13.47 13.00 12.22 12.29 12.70 12.08 13.02 12.39 13.04 12.20 12.84 13.57 12.84 12.38 12.87 13.65 12.74 13.15 12.62 12.95 12.82 12.64 12.06 13.16 14.01 13.06 12.66

2.79 3.57 3.91 3.53 3.72 3.89 3.83 4.17 3.79 2.78 2.84 3.28 2.61 3.72 2.94 3.64 2.72 3.50 4.44 3.47 2.85 3.47 4.34 3.33 3.93 3.19 4.01 3.52 3.20 2.26 4.45 5.09 3.71 3.27

Nanggroe Aceh D. Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Nasional (Weighted)

2016 2.93 3.59 3.94 3.55 3.74 3.94 3.83 4.24 3.82 2.75 2.81 3.28 2.57 3.75 2.92 3.66 2.69 3.50 4.47 3.48 2.85 3.49 4.42 3.33 3.94 3.19 4.03 3.50 3.20 2.33 4.18 5.08 3.74 3.27

2017 3.09 3.61 3.97 3.56 3.76 3.98 3.83 4.30 3.85 2.73 2.78 3.28 2.52 3.77 2.90 3.69 2.66 3.50 4.49 3.48 2.84 3.50 4.50 3.33 3.94 3.19 4.05 3.49 3.21 2.38 4.02 5.08 3.77 3.27

2018 3.26 3.65 4.04 3.60 3.81 4.08 3.86 4.43 3.92 2.67 2.72 3.29 2.43 3.82 2.85 3.74 2.60 3.51 4.57 3.51 2.82 3.53 4.68 3.34 3.97 3.18 4.11 3.48 3.21 2.40 3.94 5.16 3.83 3.27

2019 3.47 3.67 4.06 3.61 3.82 4.12 3.86 4.48 3.95 2.65 2.69 3.29 2.39 3.84 2.84 3.76 2.58 3.52 4.59 3.52 2.81 3.55 4.77 3.34 3.98 3.18 4.13 3.47 3.21 2.44 3.86 5.16 3.87 3.28


JIka dilihat lebih jauh dapat diketahui bahwa tingkat inflasi di seluruh daerah cenderung dan relative lebih tinggi dengan tingkat ratarata nasional yang mencapai 3.28% pertahun. Model memperkirakan bahwa tingkat inflasi yang dibawah nasional terdapat wilayah Provinsi bagian timur, seperti provinsi Maluku, Bali, Jawa Tengah, DKI Jakarta, dan Kepulauan Riau. 134



Berdasarkan scenario satu (pesimis) Provinsi Maluku, Kalimantan Tengah, Bali, Jawa Timur, Jawa Tengah, DKI Jakarta dan Kepulauan Riau merupakan tujuh provinsi yang diprediksi tingkat inflasinya akan lebih rendah dari pada tingkat inflasi secara nasional. Inflasi terbesar disumbangkan oleh wilayah Papua Barat, Kalimantan Timur, Lampung, dan Nusa Tenggara Timur (Tabel 5.21) Tabel 5.21. Proyeksi Tingkat Inflasi Provinsi, 2014-2019 Dengan Skenario 1 (Pesimis) 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 28 29 30 31 32 33

Provinsi Nanggroe Aceh D. Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Nasional (Weighted)

2014 12.13 12.98 13.26 12.92 13.09 13.23 13.13 13.50 13.03 12.22 12.28 12.70 12.06 13.03 12.38 13.05 12.19 12.85 13.60 12.85 12.37 12.88 13.71 12.74 13.16 12.62 12.98 12.82 12.64 12.06 13.05 14.04 13.08 12.70

2015 2.96 3.57 3.92 3.54 3.72 3.91 3.83 4.19 3.81 2.78 2.82 3.28 2.59 3.73 2.93 3.65 2.71 3.50 4.45 3.47 2.85 3.48 4.39 3.33 3.94 3.19 4.02 3.52 3.20 2.27 4.20 5.09 3.73 3.32

2016 3.11 3.59 3.95 3.56 3.74 3.96 3.83 4.26 3.84 2.75 2.79 3.28 2.55 3.76 2.91 3.67 2.68 3.50 4.48 3.48 2.84 3.49 4.47 3.33 3.95 3.19 4.05 3.50 3.20 2.33 4.04 5.10 3.76 3.34

2017 3.28 3.61 3.98 3.57 3.76 4.00 3.83 4.32 3.87 2.73 2.76 3.29 2.50 3.78 2.89 3.69 2.65 3.51 4.50 3.49 2.83 3.51 4.57 3.34 3.95 3.18 4.07 3.49 3.21 2.38 3.93 5.10 3.80 3.34

2018 3.47 3.66 4.05 3.61 3.81 4.10 3.87 4.45 3.94 2.67 2.70 3.29 2.41 3.83 2.84 3.75 2.59 3.52 4.59 3.52 2.81 3.54 4.75 3.34 3.99 3.18 4.14 3.48 3.21 2.40 3.88 5.18 3.86 3.36

2019 3.68 3.68 4.08 3.62 3.83 4.14 3.86 4.50 3.97 2.65 2.68 3.29 2.37 3.85 2.83 3.76 2.57 3.52 4.62 3.53 2.80 3.55 4.85 3.35 4.00 3.18 4.16 3.47 3.21 2.44 3.82 5.18 3.90 3.37



135


Berdasarkan scenario dua (moderat)

tingkat inflasi cenderung

sama dengan scenario satu, hanya terjadi penurunan sedikit pada tingkat nasional yaitu sebesar 3.28.

Provinsi Maluku, Kalimantan Tengah, Bali,

Jawa Timur, Jawa Tengah, DKI Jakarta dan Kepulauan Riau merupakan tujuh provinsi yang diprediksi tingkat inflasinya akan lebih rendah dari pada tingkat inflasi secara nasional. Inflasi terbesar disumbangkan oleh wilayah Papua Barat, Kalimantan Timur, Lampung, dan Nusa Tenggara Timur (Tabel 5.22) Tabel 5.22. Proyeksi Tingkat Inflasi Provinsi, 2014-2019 (Skenario 2) No Provinsi

2014

2015

2016

2017

2018

2019

1 Nanggroe Aceh D.

12.19

3.04

3.20

3.38

3.57

3.78

2 Sumatera Utara

12.98

3.58

3.60

3.62

3.66

3.68

3 Sumatera Barat

13.26

3.93

3.96

3.99

4.06

4.09

4 Riau

12.93

3.55

3.56

3.58

3.61

3.63

5 Jambi

13.09

3.72

3.75

3.77

3.82

3.83

6 Sumatera Selatan

13.24

3.92

3.97

4.01

4.11

4.15

7 Bengkulu

13.14

3.83

3.83

3.84

3.87

3.87

8 Lampung

13.51

4.20

4.27

4.33

4.47

4.52

9 Bangka-Belitung

13.04

3.82

3.85

3.88

3.95

3.98

10 Kepulauan Riau

12.21

2.77

2.75

2.72

2.67

2.65

11 DKI Jakarta

12.27

2.82

2.79

2.76

2.69

2.67

12 Jawa Barat

12.70

3.28

3.28

3.29

3.29

3.29

13 Jawa Tengah

12.05

2.58

2.54

2.49

2.40

2.36

14 DI Yogyakarta

13.04

3.74

3.77

3.79

3.84

3.86

15 Jawa Timur

12.37

2.93

2.91

2.89

2.84

2.82

16 Banten

13.05

3.65

3.67

3.70

3.75

3.77

17 Bali

12.19

2.71

2.68

2.65

2.58

2.56

18 Nusa Tenggara Barat

12.85

3.50

3.51

3.51

3.52

3.53

19 Nusa Tenggara Timur

13.61

4.46

4.49

4.51

4.61

4.63

20 Kalimantan Barat

12.85

3.48

3.49

3.50

3.52

3.53

21 Kalimantan Tengah

12.37

2.84

2.84

2.83

2.80

2.79

22 Kalimantan Selatan

12.88

3.48

3.49

3.51

3.54

3.55

23 Kalimantan Timur

13.74

4.42

4.50

4.60

4.79

4.89

24 Sulawesi Utara

12.74

3.33

3.33

3.34

3.34

3.35

25 Sulawesi Tengah

13.17

3.95

3.95

3.96

4.00

4.01

26 Sulawesi Selatan

12.62

3.19

3.19

3.18

3.18

3.17

136



No Provinsi

2014

2015

2016

2017

2018

2019

27 Sulawesi Tenggara

13.00

4.03

4.06

4.08

4.15

4.17

28 Gorontalo

12.83

3.52

3.50

3.49

3.48

3.47

29 Sulawesi Barat

12.64

3.20

3.20

3.21

3.21

3.21

30 Maluku

12.05

2.26

2.32

2.37

2.39

2.43

31 Maluku Utara

13.02

4.13

3.99

3.90

3.86

3.81

32 Papua Barat

14.06

5.10

5.11

5.11

5.20

5.20

33 Papua

13.09

3.74

3.78

3.81

3.88

3.91

12.67

3.28

3.28

3.28

3.28

3.28

Nasional (Weighted)


Berdasarkan scenario tiga (optimis)

tingkat inflasi cenderung

sama dengan scenario satu, hanya terjadi peningkatan sedikit pada tingkat nasional yaitu sebesar 3.38.

Provinsi

Maluku, Kalimantan

Tengah, Bali, Jawa Timur, Jawa Tengah, DKI Jakarta dan Kepulauan Riau merupakan tujuh provinsi yang diprediksi tingkat inflasinya akan lebih rendah dari pada tingkat inflasi secara nasional. Inflasi terbesar disumbangkan oleh wilayah Papua Barat, Kalimantan Timur, Lampung, dan Nusa Tenggara Timur (Tabel 5.23) Tabel 5.23. Proyeksi Tingkat Inflasi Provinsi, 2014-2019 (Skenario 3) No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Provinsi Nanggroe Aceh D. Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali

2014 12.27 12.98 13.27 12.93 13.10 13.25 13.14 13.52 13.06 12.21 12.26 12.70 12.04 13.05 12.37 13.05 12.18


2015 3.13 3.58 3.93 3.55 3.73 3.93 3.83 4.21 3.83 2.77 2.81 3.28 2.58 3.74 2.93 3.65 2.70

2016 3.30 3.60 3.97 3.57 3.75 3.98 3.83 4.28 3.86 2.75 2.78 3.28 2.53 3.77 2.90 3.68 2.67

2017 3.47 3.62 3.99 3.58 3.77 4.02 3.84 4.34 3.89 2.72 2.75 3.29 2.48 3.80 2.88 3.70 2.65

2018 3.67 3.67 4.07 3.62 3.82 4.12 3.87 4.48 3.97 2.67 2.69 3.29 2.39 3.85 2.84 3.75 2.58

2019 3.87 3.68 4.09 3.63 3.84 4.16 3.87 4.53 4.00 2.65 2.66 3.29 2.35 3.87 2.82 3.77 2.56

137


No Provinsi 18 Nusa Tenggara Barat 19 Nusa Tenggara Timur 20 Kalimantan Barat 21 Kalimantan Tengah 22 Kalimantan Selatan 23 Kalimantan Timur 24 Sulawesi Utara 25 Sulawesi Tengah 26 Sulawesi Selatan 27 Sulawesi Tenggara 28 Gorontalo 29 Sulawesi Barat 30 Maluku 31 Maluku Utara 32 Papua Barat 33 Papua Nasional (Weighted)

2014 12.86 13.62 12.86 12.36 12.88 13.77 12.74 13.18 12.62 13.02 12.83 12.64 12.04 13.00 14.08 13.10 12.71

2015 3.51 4.46 3.48 2.84 3.48 4.44 3.33 3.95 3.19 4.04 3.52 3.20 2.26 4.08 5.11 3.75 3.34

2016 3.51 4.49 3.49 2.83 3.50 4.53 3.33 3.96 3.19 4.07 3.50 3.20 2.32 3.96 5.11 3.79 3.35

2017 3.51 4.52 3.50 2.82 3.51 4.63 3.34 3.97 3.18 4.09 3.49 3.21 2.37 3.88 5.12 3.82 3.36

2018 3.53 4.62 3.53 2.80 3.54 4.83 3.35 4.01 3.18 4.16 3.48 3.21 2.39 3.85 5.21 3.89 3.37

2019 3.53 4.64 3.54 2.79 3.55 4.93 3.35 4.02 3.17 4.18 3.47 3.21 2.43 3.80 5.21 3.92 3.38


5.4.3. Pengangguran Terbuka Jika dilihat dari tingkat pengangguran secara bersamaan dengan tingkat pertumbuhan ekonomi, maka ada hal yang menarik untuk dilihat bahwa tidak semua provinsi jika tingkat pertumbuhan ekonominya tinggi akan menjamin tingginya tingkat penyerapan tenaga kerja. Hal ini dapat dilihat pada provinsi Banten dan DKI Jakarta dimana provinsi tersebut memiliki tingkat pertumbuhan yang relative tinggi dibandingkan dengan provinsi lainya, namun disisi lain kedua provinsi tersbeut juga memiliki tingkat pengangguran terbuka paling tinggi diantara provinsi yang terdapat di Indonesia (Tabel 5.24). Tabel 5.24. Proyeksi Tingkat Pengangguran terbuka Provinsi, 2014-2019 No Provinsi 1 2 3 4 5 6 7 138

Nanggroe Aceh D. Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu

2014

2015

2016

2017

2018

2019

9.02 6.43 7.30 7.67 4.21 8.37 3.60

8.99 5.97 7.05 7.42 3.96 8.28 3.26

8.97 5.51 6.81 7.18 3.72 8.20 2.92

8.94 5.05 6.57 6.93 3.48 8.11 2.59

8.92 4.59 6.33 6.69 3.24 8.02 2.25

8.90 4.13 6.09 6.45 3.00 7.94 1.92



No Provinsi 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Nasional (rata-rata)

2014

2015

2016

2017

2018

2019

5.14 4.50 6.39 11.82 11.26 7.77 5.42 5.54 13.18 3.51 4.57 2.52 5.85 3.96 7.18 11.90 11.14 3.71 8.57 3.94 5.91 3.23 11.21 5.99 9.61 3.57 7.74

4.83 4.17 5.69 11.38 10.98 7.73 5.35 5.29 13.00 3.30 4.32 2.31 5.66 3.80 7.23 11.78 11.01 3.31 8.18 3.58 5.51 3.10 11.16 5.63 9.80 3.31 7.50

4.53 3.85 4.98 10.93 10.69 7.69 5.28 5.04 12.82 3.08 4.07 2.11 5.47 3.64 7.27 11.66 10.89 2.90 7.78 3.22 5.11 2.98 11.11 5.28 9.99 3.06 7.27

4.22 3.52 4.27 10.49 10.40 7.65 5.21 4.79 12.64 2.87 3.83 1.91 5.28 3.48 7.32 11.54 10.76 2.50 7.38 2.86 4.71 2.86 11.06 4.90 10.18 2.80 7.03

3.92 3.19 3.55 10.05 10.12 7.62 5.14 4.54 12.46 2.66 3.58 1.71 5.09 3.32 7.37 11.42 10.63 2.09 6.99 2.50 4.30 2.74 11.01 4.55 10.38 2.55 6.80

3.62 2.86 2.83 9.61 9.84 7.58 5.07 4.29 12.29 2.45 3.34 1.51 4.90 3.16 7.42 11.30 10.51 1.69 6.59 2.14 3.90 2.63 10.96 4.17 10.57 2.30 6.57


Artinya bahwa hampir disebagian besar provinsi di Indonesia tingkat pertumbuhan ekonomi tidak mampu menyerap tenaga kerja, yang mengindikasikan bahwa pertumbuhan ekonomi yang terjadi bukanlah pertumbuhan ekonomi yang berkualitas. Hal ini dapat disebabkan karena modal atau capital yang hanya dimiliki oleh sekelompok industri atau orang tertentu saja, dan dapat juga disebabkan karena pertumbuhan ekonomi yang terjadi bukan pada sector padat karya. Proyeksi tingkat pengangguran pada tingkat nasional pada tahun 2015 sebesar 7.5 persen dan kecenderungan turun hingga 6.57 persen pada tahun 2019. Dari seluruh scenario yang ada menunjukkan bahwa

tingkat

pengangguran cenderung sama dengan baseline. Tingkat pengangguran terendah ada di provinsi Nusa Tenggara Timur dan Sulawesi Tengah.


139


Tingkat pengangguran tertinggi terdapat di provinsi

Banten dan

Kalimantan Timur (Tabel 5.25; Tabel 5.26; dan Tabel 5.27). Tabel 5.25. Proyeksi Tingkat Pengangguran terbuka Provinsi, 2014-2019 (Skenario 1) 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 28 29 30 31 32 33

Provinsi Nanggroe Aceh D. Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Nasional (rata-rata)

2014 9.02 6.43 7.30 7.67 4.21 8.37 3.60 5.14 4.50 6.39 11.82 11.26 7.77 5.42 5.54 13.18 3.51 4.57 2.52 5.85 3.96 7.18 11.90 11.14 3.71 8.57 3.94 5.91 3.23 11.21 5.99 9.61 3.57 7.74

2015 8.99 5.97 7.05 7.42 3.96 8.28 3.26 4.83 4.17 5.69 11.38 10.98 7.73 5.35 5.29 13.00 3.30 4.32 2.31 5.66 3.80 7.23 11.78 11.01 3.31 8.18 3.58 5.51 3.10 11.16 5.63 9.80 3.31 7.50

2016 8.97 5.51 6.81 7.18 3.72 8.20 2.92 4.53 3.85 4.98 10.93 10.69 7.69 5.28 5.04 12.82 3.08 4.07 2.11 5.47 3.64 7.27 11.66 10.89 2.90 7.78 3.22 5.11 2.98 11.11 5.28 9.99 3.06 7.27

2017 8.94 5.05 6.57 6.93 3.48 8.11 2.59 4.22 3.52 4.27 10.49 10.40 7.65 5.21 4.79 12.64 2.87 3.83 1.91 5.28 3.48 7.32 11.54 10.76 2.50 7.38 2.86 4.71 2.86 11.06 4.90 10.18 2.80 7.03

2018 8.92 4.59 6.33 6.69 3.24 8.02 2.25 3.92 3.19 3.55 10.05 10.12 7.62 5.14 4.54 12.46 2.66 3.58 1.71 5.09 3.32 7.37 11.42 10.63 2.09 6.99 2.50 4.30 2.74 11.01 4.55 10.38 2.55 6.80

2019 8.90 4.13 6.09 6.45 3.00 7.94 1.92 3.62 2.86 2.83 9.61 9.84 7.58 5.07 4.29 12.29 2.45 3.34 1.51 4.90 3.16 7.42 11.30 10.51 1.69 6.59 2.14 3.90 2.63 10.96 4.17 10.57 2.30 6.57


140



Tabel 5.26. Proyeksi Tingkat Pengangguran terbuka Provinsi, 2014-2019 (Skenario 2). No Provinsi

2014

2015

2016

2017

2018

2019

1 Nanggroe Aceh D.

9.02

8.99

8.97

8.94

8.92

8.90

2 Sumatera Utara

6.43

5.97

5.51

5.05

4.59

4.13

3 Sumatera Barat

7.30

7.05

6.81

6.57

6.33

6.09

4 Riau

7.67

7.42

7.18

6.93

6.69

6.45

5 Jambi

4.21

3.96

3.72

3.48

3.24

3.00

6 Sumatera Selatan

8.37

8.28

8.20

8.11

8.02

7.94

7 Bengkulu

3.60

3.26

2.92

2.59

2.25

1.92

8 Lampung

5.14

4.83

4.53

4.22

3.92

3.62

9 Bangka-Belitung

4.50

4.17

3.85

3.52

3.19

2.86

6.39

5.69

4.98

4.27

3.55

2.83

11 DKI Jakarta

11.82

11.38

10.93

10.49

10.05

9.61

12 Jawa Barat

11.26

10.98

10.69

10.40

10.12

9.84

13 Jawa Tengah

7.77

7.73

7.69

7.65

7.62

7.58

14 DI Yogyakarta

5.42

5.35

5.28

5.21

5.14

5.07

15 Jawa Timur

5.54

5.29

5.04

4.79

4.54

4.29

13.18

13.00

12.82

12.64

12.46

12.29

17 Bali

3.51

3.30

3.08

2.87

2.66

2.45


4.57

4.32

4.07

3.83

3.58

3.34


2.52

2.31

2.11

1.91

1.71

1.51

20 Kalimantan Barat

5.85

5.66

5.47

5.28

5.09

4.90


3.96

3.80

3.64

3.48

3.32

3.16


7.18

7.23

7.27

7.32

7.37

7.42

23 Kalimantan Timur

11.90

11.78

11.66

11.54

11.42

11.30

24 Sulawesi Utara

11.14

11.01

10.89

10.76

10.63

10.51

25 Sulawesi Tengah

3.71

3.31

2.90

2.50

2.09

1.69

26 Sulawesi Selatan

8.57

8.18

7.78

7.38

6.99

6.59


3.94

3.58

3.22

2.86

2.50

2.14

28 Gorontalo

5.91

5.51

5.11

4.71

4.30

3.90

29 Sulawesi Barat

3.23

3.10

2.98

2.86

2.74

2.63

11.21

11.16

11.11

11.06

11.01

10.96

31 Maluku Utara

5.99

5.63

5.28

4.90

4.55

4.17

32 Papua Barat

9.61

9.80

9.99

10.18

10.38

10.57

33 Papua

3.57

3.31

3.06

2.80

2.55

2.30

7.74

7.50

7.27

7.03

6.80

6.57

10 Kepulauan Riau

16 Banten

30 Maluku

Nasional (rata-rata) Sumber: Analisis, Desember 2014


141


Tabel 5.27. Proyeksi Tingkat Pengangguran terbuka Provinsi, 2014-2019 (Skenario 3) No Provinsi

2014

2015

2016

2017

2018

2019

1 Nanggroe Aceh D.

9.02

8.99

8.97

8.94

8.92

8.90

2 Sumatera Utara

6.43

5.97

5.51

5.05

4.59

4.13

3 Sumatera Barat

7.30

7.05

6.81

6.57

6.33

6.09

4 Riau

7.67

7.42

7.18

6.93

6.69

6.45

5 Jambi

4.21

3.96

3.72

3.48

3.24

3.00

6 Sumatera Selatan

8.37

8.28

8.20

8.11

8.02

7.94

7 Bengkulu

3.60

3.26

2.92

2.59

2.25

1.92

8 Lampung

5.14

4.83

4.53

4.22

3.92

3.62

9 Bangka-Belitung

4.50

4.17

3.85

3.52

3.19

2.86

6.39

5.69

4.98

4.27

3.55

2.83

11 DKI Jakarta

11.82

11.38

10.93

10.49

10.05

9.61

12 Jawa Barat

11.26

10.98

10.69

10.40

10.12

9.84

13 Jawa Tengah

7.77

7.73

7.69

7.65

7.62

7.58

14 DI Yogyakarta

5.42

5.35

5.28

5.21

5.14

5.07

15 Jawa Timur

5.54

5.29

5.04

4.79

4.54

4.29

13.18

13.00

12.82

12.64

12.46

12.29

17 Bali

3.51

3.30

3.08

2.87

2.66

2.45


4.57

4.32

4.07

3.83

3.58

3.34


2.52

2.31

2.11

1.91

1.71

1.51

20 Kalimantan Barat

5.85

5.66

5.47

5.28

5.09

4.90


3.96

3.80

3.64

3.48

3.32

3.16


7.18

7.23

7.27

7.32

7.37

7.42

23 Kalimantan Timur

11.90

11.78

11.66

11.54

11.42

11.30

24 Sulawesi Utara

11.14

11.01

10.89

10.76

10.63

10.51

25 Sulawesi Tengah

3.71

3.31

2.90

2.50

2.09

1.69

26 Sulawesi Selatan

8.57

8.18

7.78

7.38

6.99

6.59


3.94

3.58

3.22

2.86

2.50

2.14

28 Gorontalo

5.91

5.51

5.11

4.71

4.30

3.90

29 Sulawesi Barat

3.23

3.10

2.98

2.86

2.74

2.63

11.21

11.16

11.11

11.06

11.01

10.96

31 Maluku Utara

5.99

5.63

5.28

4.90

4.55

4.17

32 Papua Barat

9.61

9.80

9.99

10.18

10.38

10.57

33 Papua

3.57

3.31

3.06

2.80

2.55

2.30

7.74

7.50

7.27

7.03

6.80

6.57

10 Kepulauan Riau

16 Banten

30 Maluku

Nasional (rata-rata) Sumber: Analisis, Desember 2014

142



5.4.4. Tingkat Kemiskinan Tingkat kemiskinan Nasional pada tahun 2015 diperkirakan sebesar 9,34% dan indikator kemiskinan ini diperkirakan cenderung relative menurun hingga mencapai 7.51% tahun 2019. Tingkat kemiskinan provinsi terbesar masih di dominasi oleh wilayah Timur, seperti provinsi Papua dan Papua Barat, Nusa Tenggara Timur dan Nusa Tenggara Barat. Sementara di pulau Jawa tingkat kemiskinan di dominasi oleh provinsi Daerah Istimewa Yogyakarta dan Jawa Tengah, di pulau Sumatera terdapat pada provinsi NAD, Bengkulu dan provinsi Lampung. Tabel 5.28. Proyeksi Tingkat Kemiskinan Provinsi, 2014-2019 Nasional Nanggroe Aceh Daruss Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara

2015 7.55 11.28 7.61 5.83 5.83 5.81 8.67 12.59 12.60 3.42 8.18 2.39 6.37 8.91 10.61 8.15 3.21 1.91 12.21 13.71 5.05 3.69 3.55 4.23 4.44 8.52 6.39 8.18


2016 7.35 10.84 7.53 5.68 5.78 5.74 8.39 12.76 12.49 3.31 8.76 2.34 6.14 8.62 10.62 7.82 2.98 1.77 12.31 13.47 4.90 3.55 3.48 4.00 4.25 8.14 6.19 7.80

2017 7.16 10.45 7.47 5.54 5.73 5.69 8.12 12.94 12.41 3.20 9.44 2.29 5.92 8.34 10.65 7.49 2.77 1.63 12.43 13.25 4.75 3.42 3.43 3.78 4.07 7.77 6.01 7.43

2018 6.99 10.14 7.45 5.41 5.72 5.66 7.88 13.21 12.42 3.09 10.30 2.24 5.71 8.09 10.76 7.17 2.57 1.50 12.64 13.11 4.61 3.29 3.38 3.56 3.91 7.43 5.84 7.08

2019 6.84 9.87 7.44 5.29 5.72 5.65 7.65 13.49 12.45 2.99 11.30 2.20 5.51 7.85 10.90 6.86 2.37 1.38 12.88 12.98 4.48 3.17 3.34 3.36 3.75 7.10 5.68 6.76

143


2015 14.53 9.14 14.18 10.18 13.60 21.81

Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua

2016 14.05 9.23 13.95 9.87 13.10 22.07

2017 13.56 9.30 13.68 9.44 12.63 22.39

2018 13.07 9.36 13.40 9.05 12.23 22.88

2019 12.58 9.40 13.10 8.59 11.85 23.38


Pada table 5.28. terlihat bahwa Tingkat kemiskinan secara Nasional memiliki kecenderungan yang menurun dari tahun ke tahun, hingga pada akhir RPJMN tahun 2019 diperkirakan tingkat kemiskinan mencapai 6,84%. Tingginya tingkat kemiskinan di wilayah timur adalah alasan untuk menegaskan didalam RPJMN 2015-2019, wilayah timur menjadi prioritas pembangunan baik fisik maupun SDM. Berdasarkan scenario satu (pesimis) Pulau Kalimantan dan Maluku merupakan wilayah yang diprediksi tingkat kemiskinan akan lebih rendah dari pada tingkat kemiskinan secara nasional. Tingkat kemiskinan terbesar disumbangkan oleh wilayah Papua dan Nusa Tenggara. Di pulau sumatera tingkat kemiskinan yang tinggi ada di provinsi NAD, Bengkulu dan Kepulauan Riau.

Secara nasional tingkat kemiskinan pada tahun

2019 mencapai 6.81% (Tabel 5.29). Tabel 5.29.

Proyeksi Tingkat Kemiskinan Provinsi, 2014-2019 dengan Skenario 1 2015

2016

2017

2018

2019

7.54

7.33

7.14

6.96

6.81

11.26

10.81

10.43

10.09

9.82

Sumatera Utara

7.73

7.64

7.56

7.50

7.48

Sumatera Barat

5.80

5.65

5.50

5.37

5.25

Riau

5.93

5.86

5.81

5.77

5.76

Jambi

5.93

5.85

5.78

5.73

5.71

Sumatera Selatan

8.65

8.36

8.09

7.83

7.60

Bengkulu

12.65

12.78

12.95

13.14

13.41

Lampung

12.90

12.75

12.64

12.57

12.58

Bangka-Belitung

3.35

3.24

3.13

3.02

2.92

Kepulauan Riau

8.78

9.34

10.01

10.78

11.77

Nasional Nanggroe Aceh Daruss

144



2015

2016

2017

2018

2019

DKI Jakarta

2.41

2.35

2.30

2.25

2.21

Jawa Barat

6.37

6.13

5.91

5.69

5.49

Jawa Tengah

8.91

8.61

8.33

8.07

7.82

DI Yogyakarta

10.80

10.77

10.79

10.83

10.95

Jawa Timur

8.01

7.68

7.37

7.06

6.76

Banten

3.11

2.90

2.70

2.51

2.32

Bali

1.85

1.71

1.58

1.46

1.34

Nusa Tenggara Barat

12.32

12.39

12.51

12.65

12.89

Nusa Tenggara Timur

13.83

13.57

13.33

13.12

12.99

Kalimantan Barat

5.00

4.85

4.70

4.56

4.43

Kalimantan Tengah

3.66

3.52

3.39

3.26

3.14

Kalimantan Selatan

3.59

3.52

3.45

3.40

3.35

Kalimantan Timur

4.18

3.95

3.73

3.52

3.32

Sulawesi Utara

4.39

4.20

4.02

3.85

3.70

Sulawesi Tengah

8.39

8.01

7.65

7.31

6.99

Sulawesi Selatan

6.36

6.16

5.97

5.79

5.63

Sulawesi Tenggara

8.04

7.66

7.30

6.95

6.64

13.70

13.29

12.86

12.41

11.97

8.71

8.82

8.90

8.97

9.03

13.47

13.28

13.06

12.81

12.55

9.96

9.67

9.31

8.86

8.47

Papua Barat

13.34

12.84

12.37

11.93

11.56

Papua

23.12

23.28

23.51

23.79

24.23

Gorontalo Sulawesi Barat Maluku Maluku Utara


Skenario dua (moderat) menunjukkan pola yang sama dengan skenario satu (pesimis), dimana

Pulau Kalimantan dan Maluku

merupakan wilayah yang diprediksi tingkat kemiskinan akan lebih rendah dari pada tingkat kemiskinan secara nasional. Tingkat kemiskinan terbesar disumbangkan oleh wilayah Papua dan Nusa Tenggara. Di pulau sumatera tingkat kemiskinan yang tinggi ada di provinsi NAD, Bengkulu dan Kepulauan Riau. Secara keseluruhan pada tingkat provinsi mengalami tingkat penurunan kemiskinan. Secara nasional tingkat kemiskinan pada tahun 2019 mencapai 6.60 (Tabel 5.30).


145


Tabel 5.30. Proyeksi Tingkat Kemiskinan Provinsi, 2014-2019 (Skenario 2) Nasional Nanggroe Aceh Daruss Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua

2015 7.30 10.80 7.62 5.61 5.86 5.85 8.32 12.47 12.73 3.18 9.37 2.35 6.14 8.61 10.68 7.64 2.91 1.71 12.18 13.46 4.81 3.50 3.52 3.95 4.17 7.94 6.13 7.58 12.67 8.34 12.66 9.45 12.52 23.50

2016 7.10 10.39 7.53 5.46 5.79 5.77 8.04 12.61 12.59 3.08 9.97 2.30 5.92 8.32 10.66 7.33 2.71 1.59 12.26 13.20 4.66 3.37 3.45 3.74 4.00 7.58 5.94 7.22 12.30 8.44 12.48 9.14 12.04 23.64

2017 6.92 10.03 7.45 5.32 5.74 5.70 7.78 12.77 12.48 2.97 10.67 2.25 5.70 8.05 10.68 7.03 2.52 1.47 12.38 12.98 4.52 3.24 3.38 3.53 3.83 7.24 5.76 6.88 11.90 8.53 12.28 8.79 11.61 23.85

2018 6.75 9.73 7.39 5.19 5.70 5.65 7.54 12.96 12.41 2.87 11.50 2.20 5.49 7.80 10.73 6.74 2.34 1.35 12.53 12.78 4.38 3.12 3.33 3.33 3.67 6.92 5.59 6.56 11.49 8.59 12.04 8.36 11.20 24.10

2019 6.60 9.48 7.37 5.08 5.69 5.63 7.32 13.23 12.43 2.78 12.54 2.16 5.30 7.56 10.85 6.45 2.17 1.24 12.78 12.65 4.26 3.01 3.29 3.14 3.52 6.62 5.43 6.26 11.08 8.65 11.80 7.98 10.85 24.50


Skenario tiga (optimis) juga menunjukkan pola yang sama dengan skenario satu (pesimis), dimana

Pulau Kalimantan dan Maluku

merupakan wilayah yang diprediksi tingkat kemiskinan akan lebih rendah dari pada tingkat kemiskinan secara nasional. Tingkat kemiskinan 146



terbesar disumbangkan oleh wilayah Papua dan Nusa Tenggara. Di pulau sumatera tingkat kemiskinan yang tinggi ada di provinsi NAD, Bengkulu dan Kepulauan Riau. Secara keseluruhan pada tingkat provinsi mengalami tingkat penurunan kemiskinan. Secara nasional tingkat kemiskinan pada tahun 2019 mencapai 6.43 (Tabel 5.31). Tabel 5.31. Proyeksi Tingkat Kemiskinan Provinsi, 2014-2019 dengan Skenario 3 Nasional Nanggroe Aceh Daruss Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua

2015 7.10 10.42 7.53 5.44 5.80 5.79 8.05 12.36 12.62 3.04 9.97 2.31 5.95 8.36 10.61 7.33 2.73 1.59 12.09 13.16 4.64 3.37 3.46 3.76 4.00 7.56 5.94 7.20 11.82 8.03 11.99 9.01 11.85 23.92

2016 6.91 10.04 7.44 5.30 5.73 5.71 7.78 12.49 12.47 2.94 10.60 2.26 5.73 8.08 10.59 7.03 2.55 1.48 12.18 12.91 4.50 3.24 3.39 3.56 3.83 7.22 5.75 6.86 11.47 8.14 11.82 8.69 11.40 24.04

2017 6.73 9.71 7.37 5.17 5.68 5.64 7.53 12.65 12.37 2.84 11.35 2.21 5.52 7.82 10.61 6.74 2.37 1.37 12.31 12.69 4.36 3.12 3.33 3.36 3.67 6.90 5.58 6.53 11.10 8.22 11.63 8.34 10.98 24.22

2018 6.57 9.43 7.31 5.04 5.64 5.59 7.29 12.84 12.31 2.75 12.22 2.16 5.32 7.57 10.66 6.46 2.20 1.26 12.47 12.50 4.23 3.01 3.27 3.17 3.51 6.60 5.41 6.23 10.72 8.28 11.41 7.92 10.60 24.44

2019 6.43 9.21 7.30 4.93 5.64 5.57 7.08 13.11 12.33 2.65 13.34 2.12 5.14 7.34 10.78 6.18 2.04 1.16 12.72 12.38 4.11 2.90 3.23 2.99 3.37 6.31 5.26 5.95 10.34 8.34 11.19 7.56 10.27 24.79



147


Provinsi Sumatera Barat dan Bangka Belitung di Pulau Sumatera merupakan

wilayah

yang

tingkat

kemiskinannya

paling

rendah.

Sementara itu di pulau Jawa tingkat kemiskinan paling tinggi terdapat di DI Yogjakarta.

Secara keseluruhan scenario pesimis, moderat dan

optimis hanya menurunkan sedikit tingkat kemiskinan pada tingkat provinsi dibandingkan dengan baseline. 5.4.5. Investasi Daerah Investasi di estimasi dengan nilai Pembentukan Modal Tetap Bruto, yang difungsikan dengan nilai penyaluran kredit diperlakukan secara berbeda diseluruh daerah (outstanding credit) suatu propinsi dengan provinsi lainnya agar model dapat menangkap perbedaan perilaku Invetasi di setiap propinsi di Indonesia. Hasil estimasi proyeksi di tampilkan pada Tabel 5.32 berikut Tabel 5.32. Proyeksi Tingkat Investasi Provinsi Tahun 2014-2019 dengan Asumsi Baseline Nasional Nanggroe Aceh Daruss Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka-Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur

148

2015 476,468 7,420 20,948 6,970 26,266 3,856 12,459 1,068 6,388 3,717 3,918 106,882 57,045 33,179 6,794 65,602 19,366 6,302 6,594 3,206

2016 488,190 7,731 21,491 7,239 27,082 4,050 12,667 1,181 6,499 3,831 4,077 108,250 58,067 33,861 7,045 66,670 19,940 6,487 6,897 3,396

2017 499,903 8,042 22,033 7,508 27,897 4,244 12,875 1,295 6,609 3,946 4,236 109,617 59,089 34,541 7,296 67,737 20,513 6,672 7,200 3,585

2018 511,594 8,352 22,575 7,777 28,711 4,437 13,082 1,408 6,719 4,060 4,395 110,981 60,108 35,220 7,547 68,802 21,085 6,856 7,503 3,775

2019 523,227 8,661 23,116 8,045 29,524 4,630 13,288 1,521 6,829 4,174 4,554 112,344 61,127 35,851 7,797 69,865 21,657 7,041 7,806 3,964



Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua

2015 10,001 9,787 3,546 20,387 4,441 4,174 10,717 3,041 857 988 937 219 2,979 6,413

2016 10,382 10,209 3,618 21,012 4,651 4,395 10,959 3,169 960 1,109 1,053 264 3,226 6,721

2017 10,763 10,630 3,689 21,636 4,860 4,615 11,201 3,296 1,063 1,231 1,170 311 3,473 7,029

2018 11,143 11,052 3,760 22,258 5,069 4,836 11,442 3,424 1,167 1,352 1,286 357 3,720 7,336

2019 11,524 11,473 3,831 22,880 5,278 5,056 11,683 3,551 1,270 1,474 1,403 404 3,966 7,642


Dari Tabel 5.32 terlihat bahwa tingkat investasi masih terbesar di wilayah provinsi DKI dan nilainya memiliki kecenderungan yang menaik dari tahun ke tahun, hingga pada tahun 2019 diperkirakan nilai investasi provinsi DKI sebesar Rp 112,344 miliar. Sementara di wilayah Sumetera, nilai investasi masih di dominasi oleh provinsi Riau dan Sumatera Utara. Sementara di wilayah Kalimantan terbesar terdapat di provinsi Kalimantan Timur, dan di pulau Sulawesi terbesar terdapat di provinsi Sulawesi Selatan. Untuk perubahan investasi terhadap scenario pesimis, moderat dan optimis secara detail dapat dilihat di Aplikasi.


149


150



Bab 6. Kesimpulan 6.1.

Kesimpulan Dari beberapa hasil pembahasan dan uraianya dari Bab 5, dapat

ditarik beberapa kesimpulan yang terkait dengan Kajian Strategis Pengembangan Model Investasi Wilayah RPJM 2015-2019, yaitu: 1.

Kajian strategis pengembangan Model Investasi Wilayah RPJM 20152019 dalam hal ini dibangun dalam 11 blok, dimana 9 blok merupakan persamaan struktrural dan 2 blok merupakan persamaan identitas. Kesembilan persamaan structural tersebut memiliki indicator koefisien determinasi yang tinggi berkisar dari 97 persen sampai dengan 99 persen. Hal ini mengindikasikan bahwa model dapat menjelaskan perilaku dari variable endogennya, sehingga digunakan untuk melakukan simulasi dan proyeksi sampai pada tahun 2019.

2.

Inflasi signifikan dipengahui oleh Kurs Nominal rupiah terhadap Dollar USA (NER), rata-rata gaji pokok PNS golongan IIIA (Gajipns), Harga BBM transportasi bersubsidi (PBBM), dan jumlah uang beredar jenis M1, dan (PC+GC+INV).

3.

Daerah dengan jaringan distribusi logistiknya belum terlalu maju atau wilayah yang sedang membangun kembali infrastrukturnya ternyata laju inflasinya lebih sensitif dipengaruhi oleh kenaikan permintaan lokal.

Maksudnya jika terjadi kenaikan permintaan

akhir di daerah dalam jumlah yang besar akan direspon dengan kenaikan inflasi yang lebih besar seperti yang terjadi di provinsi NAD, Papua Barat, Gorontalo, Sulawesi Tengah, Maluku Utara dan Bangka Belitung. 4.

Secara nasional dapat ditafsirkan bahwa setiap kenaikan laju inflasi akan meningkatkan jumlah penduduk miskin, sebaliknya PDRB provinsi berdampak menurunkan tingkat kemiskinan.


151


5.

Permintaan tenaga kerja dan supply tenaga kerja dipengaruhi secara signifikan oleh upah dan output atau perkembangan PDRB masing-masing provinsi.

6.

Pengeluaran konsumsi swasta dan pemerintah dipengaruhi oleh tingkat inflasi, meskipun secara ekonomi responnya tidak elastis. Investasi dipengaruhi secara negative oleh suku bunga bank Indonesia(SBI)

walaupun

secara

statistic

tidak

significant.

Sebaliknya besarnya nilai outstanding kredit memberikan pengaruh positif bagi perkembangan investasi.

7.

Nilai ekspor provinsi terutama dipengaruhi oleh pendapatan Sembilan Negara besar di dunia, sebaliknya untuk impor ditentukan oleh besarnya pendapata daerah.

8.

Proyeksi pertumbuhan ekonomi nasional diperkirakan model mencapai rata-rata sebesar 7.20 persen. Tingkat pertumbuhan ekonomi provinsi terbesar diperkirakan secara umum masih terdapat di pulau Jawa dan Sumatera. Pada tahun 2019 dengan scenario moderat pertumbuhan ekonomi Indonesia mencapai 8.0 persen.

9.

Tingkat inflasi secara nasional diperkirakan mencapai 3.71 persen pada tahun 2015 dan akan turun mencapai 3.28 persen pada tahun 2019. Secara umum terlihat tingkat inflasi paling tinggi terdapat pada tahun 2014 untuk seluruh provinsi dan relatif cenderung menurun hingga pada tahun 2019.

10.

Proyeksi tingkat pengangguran pada tingkat nasional pada tahun 2015 sebesar 7.5 persen dan kecenderungan turun hingga 6.57 persen pada tahun 2019.

11. Tingkat kemiskinan Nasional pada tahun 2015 diperkirakan sebesar 9,34 persen dan indikator kemiskinan ini diperkirakan cenderung relative menurun hingga mencapai 7.51 persen tahun 2019.

6.2.

Implikasi Kebijakan Kesenjangan pembangunan ekonomi di wilayah barat dan timur

Indonesia masih relative besar. Untuk mengurangi atau meminimumkan fenomena tersebut sangat diperlukan kebijakan pemerintah dengan

152



menciptakan iklim investasi yang lebih baik di wilayah Timur Indonesia. Daya tarik investasi yang paling besar adalah ketersediaan infrastruktur fisik yang mendukung industry seperti sarana transportasi, komunikasi dan sumberdaya manusia. Oleh sebab itu pemerintah daerah harus memberikan berbagai macam insentif yang meringankan investor yang ingin berinvestasi di wilayahnya untuk meningkatkan daya tarik investasi. Pemerintah daerah harus berupaya untuk memberikan kemudahan dan insentif bagi para eksportir untuk berproduksi pada tingkat maksimum, seperti kemudahan dalam bidang administrasi dan tax holiday. Pemerintah juga berusaha memfasilitasi peningkatan produksi bagi usaha mikro, kecil dan menengah yang berorientasi ekspor dengan melibatkan BUMN dan BUMD sebagai bapak angkat dalam pola program kemitraan dan bina lingkungan (PKBL). Implikasi dari kebijakan ini akan mendorong ekspor dan

sekaligus akan

meningkatkan

permintaan

terhadap tenaga kerja. Peningkatan kualitas sumberdaya manusia (SDM) melalui program wajib belajar dan minimal menguasai satu keahlian melalui program wajib pelatihan merupakan salah satu jalan keluar untuk mengurangi dampak negative dari stimulus investasi pemerintah dan swasta dalam mengurangi tingkat pengangguran dan kemiskinan.

Dengan kata lain

bahwa setiap stimulus yang diberikan harus dibarengi dengan kesiapan wilayah untuk menyediakan tenaga kerja yang berkualitas. Pemerintah harus tetap menjaga tingkat inflasi pada tingkat perubahan yang relative kecil (stabil) untuk mengantisipasi pertumbuhan tingkat kemiskinan.


153


154



Daftar Pustaka

Batalgi, Badi H. (1995); Econometric Analysis of Panel Data; John Wiley & Sons. Blair, J. P. 1991. Urban and Regional Economics. Richard D. Irwin, Inc. Homewood, IL. Boston. Budiyanti, R. and D.F. Schreiner. 1991. Income Distribution Analysis for Rural Central-Java: An Application of Social Accounting Methodology. Jurnal Agro Ekonomi, 10 (1) : 91-107. Chavas, J.P. 1994. Production and Invesment Decisions Under Sunk Cost and Temporal Uncertainty. American Journal of Agricultural Economics, Edisi Februari 1994. Volume 76 No. 1 : 114-127. Claessens, S. 1995. The Emergency of Equity Investment in Developing Conutry; Overview. The Word Bank Economic Review, Edisi Januari 1995. Vol. 9. No. 1 : 1-18. Colter, J.M. 1984. Ciri-ciri dan Pola Tenaga Kerja Migran dari Daerah Perdesaan. Rural Dynamic Series No. 24. Studi Dinamika Perdesaan. Yayasan Penelitian Survey AgroEkonomi, Bogor. Downey, R.A. 1984. Indonesian Inequality: Integrated National Accounting of Who gets Whats, Ph.D. Dissertation. Faculty of Graduate School, Cornell University, Ithaca. Egger, P. Pfaffermayr, M.; and Hannes Winner (2005); An unbalanced spatial panel data approach to US state tax competition; Economics Letters, Vol. 88; pp. 329 – 335. Egger, Peter (2004); Estimating Regional Trading Bloc Effects with Panel Data; Review of World Economics, Vol. 140, No. 1; pp. 151 – 166. Fazzari S. M., R.G. Hubbard dan B. Petersen, 1988. Financing Constraints and Corporate Investment. Brooking Papers on Economics Activity, No.1:141-195. Goolsbee, A. 1994. Investment Tax Incentives and Price of Capital Goods. “Unpublished Paper, M.LT (November). Greenwood, J. Z. Hercowitz dan G. W. Huffman, 1988. Investment, Capacity Utilization, dan Real Business Cycle, The American Economic Review, Edisi Juni 1988 Vol. 78 No. 3 : 402-417


155


Gujarati, Damodar and Dawn C. Porter (2009); Basic Econometrics; 5th eds.; Palgrave Macmillan. Harris, J.R., F. Schiantarelli dan M.G. Siregar, 1994. The Effect of Finacial Liberalization on the Capital Structure and Invesment Decisions of Indonesian Manufacturing Establishment. The Word Bank Economic Review, Edisi Januari 1994. Vol. 8. No. 1 : 18-48 Intriligator, M. D. 1978. Econometric Model, Applications. Prentice Hall Inc, New Jersey.

Techniques,

and

Koutsoyiannis, A. 1977. Theory of Econometrics: An Introductory Exposition of Econometic Methods. Second Edition. The MacMillan Press Ltd, London Levy, M.B. dan W.J. Wadycki. 1974. Education and The Decision to Migrate : An Econometric Analysis of Migration in Venezuela. Econometric Jurnal, 42 (2) : 377-388. Lopez-Pueyo, C.; Barcenilla-Visus, S. and J. Sanau (2008); International R&D spillovers and manufacturing productivity: A panel data analysis; Structural Change and Economic Dynamics. Vol. 19; pp. 152–172 McCann, P. 2001. Urban and Press. New York.

Regional Economics. Oxford University

Mintchell. 1961. The Cause of Labour Migration in Migrant. Dalam I.B. Mantra dan M. Molo. 1985. Konferensi Nasional Pusat Studi Kependudukan III, Jakarta. Pindyck, R. S. and D. L. Rubinfeld. 1991. Econometric Models and Economic Forcasts. Third Edition. McGraw-Hill Inc, New York. Pyatt, G. and J.I. Round. 1985. Regional Account in a SAM Framework. The World Bank, Washington D.C. Richardson, H.W. 1969. Regional Economics. Praeger Publisher, New York. Romer, D. 1996. Advanced Macroeconomics. McGraw Hill Companies, Inc. Berkeley, USA. Sutomo, S. 1995. Kemiskinan dan Pembangunan Ekonomi Wilayah: Analisis Sistem Neraca Sosial Ekonomi. Disertasi Doktor. Program Pascasarjana, Institut Pertanian Bogor, Bogor. Syafa’at, N., C. Saleh dan A.S. Bagi. 1998. Dampak Mobilitas Angkatan Kerja Terhadap Penyerapan Tenaga Kerja dan Pendapatan Rumah Tangga Perdesaan. Makalah Disampaikan Dalam Seminar Nasional 156



Pembangunan Pertanian dan Perdesaan Dalam Otonomi Daerah, Bogor, 16-17 November 1998, Bogor. Tirtosudarmo, R. 1985. Migration Decision Making. The Casae of East Java. National Institut of Economic and Social Research, Jakarta. Todaro, M. P. 2000. Economic Development. Pearson Education Limited, New York. Treyz, George I. 1993. Regional Economic Modelling : A Systematic Approach to Economic Forecasting and Policy Analysis, Kluwer Academic Publisher, USA. Tumenggung, Y.A. 1995. An Interregional Computable General Equilibrium Model for Indonesia: Measuring the Regional Economic Consequences of National Tax Policy. Ph.D Dissertation. Regional Science Program, Cornell University, Ithaca. Wie, T.K. 1981. Pembangunan Ekonomi dan Pemerataan: Beberapa Pendekatan Alternatif. LP3ES, Jakarta. Wooldrige, J. M (2006); Introductory Econometric: A Modern Approach; 2nd eds.; Thomson. South Western.


157


158


KAJIAN PENGEMBANGAN MODEL INVESTASI WILAYAH RENCANA PEMBANGUNAN JANGKA MENENGAH NASIONAL (RPJMN) TAHUN

Recommend Documents