PEMBANGUNAN EKONOMI DAN DEFORESTASI HUT AN TROPIS (Mengkaji Kembali Hipotesis Environmental Kuznets Curve Menggunakan Analisis Antar Negara)

PEMBANGUNAN EKONOMI DAN DEFORESTASI HUTAN TROPIS (Mengkaji Kembali Hipotesis Environmental Kuznets Curve Menggunakan Analisis Antar Negara) Economic Development and Deforestation of Tropical Forests (Revisiting The Environmental Kuznets Curve Hypothesis Using A Cross-Country Analysis)

Oleh: DEVY PRIAMBODO KUSWANTORO NPM. 120720080005

TESIS

Untuk memenubi salab satu syarat ujian Guna memperoleb gelar Magister Ekonomi Program Magister Ekonomi Terapan Spesialisasi : Ekonomi Pembangunan dan Perencanaan

PROGRAM PASCA SARJANA FAKULTAS EKONOMI UNIVERSITAS PADJADJARAN BANDUNG

2009

PEMBANGUNAN EKONOM I DAN DEFORE STASI HUTAN TROPIS (Mengka ji Kembali Hipotesis Environmental Kuznets Curve Menggun akan Analisis Antar Negara)

Oleh: DEVY PRIAMBOD O KUSWANTORO NPM. 120720080005

TESIS Untuk memenuhi salah satu syarat ujian Guoa memperoleh gelarMagister Ekooomi Program Magister Ekonomi Terapan Spesialisasi : Ekonomi Pembanguoan dan Pereocanaan Telah disetujui oleh Pembimbiog pada taoggal seperti yang tertera dibawah ioi

9.\:~.~~..~·············;· .

Bandung, ..

ANGGOTA TIM PEMBIMBI NG

PEMBIMBI NG

w

Arief Ans ory Yusuf, S.E., M.Sc., Ph.D. NIP. 19721019 199802 1 001

~/

Bagdja Muljarijadi, Ir., S.E., M.S. NIP. 19711217 199703 1 003

Mengetahui , KETUAPRO GRAM

/10)7· Budiono, S.E., M.A., Ph.D. NIP.196608 151991031 004

111

PERNYATAAN

Dengan ini saya menyatakan bahwa:

1. Karya tulis saya, tesis ini, adalah asli dan belwn pernah diajukan untuk mendapatkan gelar akademik (sarjana, magister, dan/atau doktor), baik di Universitas Padjadjaran maupun perguruan tinggi lain.

2. Karya tulis ini adalah murni gagasan, rumusan, dan penelitian saya sendiri tanpa bantuan pihak lain, kecuali Araban Pembimbing. 3. Dalam karya tulis ini tidak terdapat karya atau pendapat yang telah ditulis atau dipublikasikan orang lain, kecuali secara tertulis dengan jelas dicantumkan sebagai acuan dalam naskah dengan disebutkan nama pengarang dan dicantumkan dalam daftar pustaka. 4. Pemyataan ini saya buat dengan sesungguhnya dan apabila di kemudian hari terdapat penyimpangan dan ketidakbenaran dalam pemyataan ini,

malr~

saya

bersedia menerima sanksi akademik berupa pencabutan gelar yang telah diperoleh karena karya tulis ini, serta sanksi lainnya sesuai dengan norma yang berlaku di perguruan tinggi ini.

Bandung, Oktober 2009 y

DEVY PRIAMBODO KUSWANTORO ~~. 120720080005

IV

ABSTRAK

Environmental Kuznets Curve (EKC) merupakan sebuah hipotesis hubungan berbagai indikator degradasi lingkungan dengan pendapatan per kapita dalam kerangka pembangunan ekonomi. Penelitian ini mencoba mengetahui konsistensi EKC pada deforestasi hutan tropis periode tahun 1990-2005 dengan menggunakan variasi variabel baik variabel bebas maupun variabel terikatnya. Penelitian ini menggunakan model regresi data panel efek tetap untuk mengobservasi 60 negara tropis. Terdapat empat model yang diuji dengan variabel terikat masing-masing: 1) luas deforestasi tahunan, 2) laju deforestasi tahunan, 3) luas deforestasi tahunan per kapita, dan 4) luas deforestasi tahunan per output perekonomian. EKC deforestasi hutan tropis terbentuk namun tidak konsisten dalam semua model. EKC hanya terbentuk pada Model2 dan Model3 dengan titik balik sebesar masing-masing USD10,406 dan USD7,283. Variabel kontrol yaitu ekspor kayu dan olahannya, kebutuhan kayu energi, produktivitas pertanian, pertumbuhan penduduk, utang ekstemal, dan harga ekspor kayu gergajian berpengaruh signifikan terhadap deforestasi hutan tropis. Penelitian ini berkontribusi dalam pemilihan kebijakan kehutanan untuk mengendalikan deforestasi.

Kata kunci: Environmental Kuznets Curve, deforestasi, hutan tropis, kebijakan kehutanan, regresi panel

v

ABSTRACT

The Environmental Kuznets Curve (EKC) is a hypothesized relationship between various indicators of environmental degradation and income per capita in an economic development concept. This study aimed to analyze consitency of EKC for deforestation on tropical forests period 1990-2005 with some variation of variables in the model, both dependent variable and explanatory variables. The study used the fzxed effect panel regression model to observe 60 tropical countries. There are four models to be tested with dependent variables are 1) annual deforestation rate, 2) annual percentage change of deforestation, 3) annual deforestation rate per capita, and 4) annual deforestation rate per economic output respectively. The EKC for deforestation on tropical forests is confirmed but not consistent in all models. The EKC only formed in Model 2 and Model 3 with turning point of income per capita are $ 10,406 and$ 7,283 respectively. Control variables i.e. value offorest product export, wood for energy consumption, cereal yield, population growth, external debt, and sawnwood export price affect tropical deforestation significantly. This research contributes to the selection of forest policies to control deforestation.

Keywords: Environmental Kuznets Curve, deforestation, tropical forests, forest policy, panel regression

V1

KATAPENGANTAR

Puji dan syukur penulis panjatkan ke hadirat Tuhan Yang Maha Pengasih karena atas berkat dan rahrnat-Nya, penulisan tesis berjudul "Pembangunan Ekonomi

dan Deforestasi Hutan Tropis (Mengkaji Kembali Hipotesis

Environmental Kuznets Curve Menggunakan Analisis Antar Negara)" dapat diselesaikan dengan baik. Penulisan tesis ini diajukan untuk memenuhi salah satu syarat memperoleh gelar Magister Ekonomi pada Program Magister Ekonomi Terapan Universitas Padjadjaran. Penulis mencoba mengkaji deforestasi di hutan tropis di suatu negara seiring dengan semakin meningkatnya pendapatan per kapita negara tersebut dalamjangka panjang. Terima kasih yang tak terhingga penulis ucapkan kepada semua pihak yang telah membantu dalam penulisan tesis dan kelancaran studi di Magister Ekonomi Terapan pada umunya terutama kepada: 1. Kepala Pusat Pembinaan, Pendidikan, dan Pelatihan Perencana Badan Perencanaan Pembangunan Nasional yang telah memberikan beasiswa untuk belajar di Magister Ekonomi Terapan Universitas Padjadjaran. 2. Bapak Dr. Arief Anshory Yusuf, SE, MSc sebagai ketua tim pembimbing yang memberikan pandangan dan filosofi keilmuan yang mencerahkan dan menambah bobot tesis ini. Ditengah kesibukan yang padat baik di dalam maupun Iuar negeri, Beliau tetap mencurahkan pikirannya membimbing penulisan tesis ini. 3. Bapak Ir. Bagdja Muljarijadi, SE, MS sebagai anggota tim pembimbing yang banyak memberikan masukan baik teori maupun empiris dalam membentuk kerangka berpikir serta memperkaya tesis ini dari sudut ekonomi pembangunan dan pembangunan berkelanjutan. Bimbingan yang

Vll

berkualitas selalu Beliau perlihatkan diantara kepadatan keijanya. 4. Bapak Dr. Budiono, SE, MA sebagai Ketua Program Magister Ekonomi Terapan yang telah memberikan pandangannya bagi penulisan tesis ini, para pengurus program beserta seluruh dosen dan staf yang telah menyelenggarakan perkuliahan dan memberikan suasana akademik yang mendukung bagi para mahasiswa. Penulis juga berterima kasih kepada Ibu Prof. Dr. Hj. Tati S. Joesron, SE, MS sebagai mantan ketua program yang mengikuti perkembangan kami layaknya seorang Ibu terhadap anaknya. 5. Kepala Biro Kepegawaian Departemen Kehutanan yang mewakili Menteri

Kehutanan memberikan ijin tugas belajar kepada penulis dan juga kepada Sekretaris Badan Penelitian dan Pengembangan Kehutanan serta secara khusus kepada Kepala Balai Penelitian Kehutanan Ciamis yang telah memberikan dorongan kepada penulis untuk melanjutkan studi ke jenjang yang lebih tinggi. 6. Ternan-ternan Magister Ekonomi Terapan Angkatan Reguler X yang selalu bersama-sama dalam suka dan duka menjalani perkuliahan dalam suasana pertemanan yang kompak. Tiada gading yang tak retak. Penulis sangat menyadari bahwa tesis ini masih sangat jauh dari kata sempurna. Oleh karena itu, saran dan kritik yang membangun sangat penulis nantikan bagi perbaikan tesis ini dan penelitianpenelitian selanjutnya. Atas bantuan, saran, dan kritikannya penulis mengucapkan terima kasih.

Bandung, Oktober 2009 Devy Priambodo Kuswantoro

ytsw.s Kristw.s,Jc.tru Stlamat dlllr~- A~lllla~c.t, hlllr~-l:jlll btrsiii~IIIY pllldiii-Mc.tlah llllec.t dLiec.tllltlelllll\.. Ayahku, Bambang Kuswantoro, yang telah berbahagia di surga &

kuyakin bergembira atas kami anak-anaknya. Wo tek mujin, Henny Setyaningsih, doa & sayangmu yang menyemangatiku. Adik-adikku, Yops, Riris, Yessi & Tito, yang mendukungku. Raffa, si kecil penghibur Papa Dev dengan ocehan & tingkahnya. Keluarga besar nDalem T oekoelan & nDalem Pacintenan atas dukungan & doanya. Moga keakraban & persaudaraan selalu menjadi payung atas jalinan big family kita. Ibu Tati Joesron, hampura meski toro ngeyel, namun Ibu tetap sayang toro. Pak Budi, Mas Bayu, & Kang Maman, yang selalu memberikan waktu dan pelayanan. Pak Yandi, yang mencerahkan. AAY, cacing-cacing yang menggugah keinginan. Pak Bagdja, tanpamu tiada dapat kuhadirkan karya ini. Pak Ferry, kelas yang menyenangkan denganmu, Centennial filipinas. MET X : Ukke, ternan berbagi; Benhur, salut to you Bang; Eko, West, Kazep, anak-anak nakal; Jack, terantuk kantuk tapi masuk otak; Aida, Sani, Ira, ternan seperjuangan membangunkan macan; Fida & Opik, makan dimana ya .. ; Hestyer & Kiki, senjata makan tuan; Sisri, thanks sharingnya; Iyun, Andi, Noey, Aidil, Benks, Andang, Fera, Mariceu, Amel, Ari, Paul, Dedi, Icha & Arif, yang cuek, yang cerewet, yang kalem, yang bikin ribut ... thanks boleh melayani kalian semua. Kru MET: P'Enjang, Irma, Deden, Rika, T eguh, dkk, thanks bantuannya. Konco-konco rimbawan: Bu Nur, wejangan yang membekas. Pak Pipin, dorongan dan pembelajaran. Aneka, yang selalu memberi dukungan. Mb Ipeh, kesampaian kalau cuma ngobrol mah. Ria, selalu ada jalan. Eva, saran penuh kebaikan. Yarno, Ebil & Darsono, siap back up. Adi, thanks boleh dibantu dan membantu. Mami Ilin, Mbakyu Ratna, Bu Narti & Bu Onih, thanks telah merepotkan. Mas Bagus & Mb Sinok, ternan diskusi. Deni & Forestech 96, kubuktikan aku tidak turun derajat. Emak Masruah & keluarga, Pak Sukimin n fam, numpang dulu yaa .. Mas Boy, ternan ngobrol sambil ngunyah. Tante Padang, Mas Cilacap & Bu Yani, yumm .. Romo leo van Beurden & St. Peter's Cathedral, tempat pulang domba-domba yang kelelahan... dan Bandung karena aku datang tidak hanya untuk fashion tapi untuk menikmati keramahanmu.

IX

DAFI'ARISI

hal. HALAMAN JUDUL .................................................................................... . HALAMAN PERSETUJUAN ..................................................................... u PERNYATAAN ............................................................................................. iii ABSTRAK ..................................................................................................... iv ABSTRACT.................................................................................................... v KATA PENGANTAR ................................................................................... VI UCAPAN TERIMA KASm ........................................................................ VIn DAFTAR lSI .................................................................................................. IX DAFTAR TABEL ......................................................................................... Xll DAFTAR GAMBAR ..................................................................................... xtu DAFTAR LAMPIRAN ················································································· XIV BAB I

PENDAHULUA N ........................................................................ 1.1. Latar Belakang Penelitian ...................................................... 1.2. Identifikasi dan Rumusan Masalah ............. .. .. ......... ........... ... 1.3. Tujuan Penelitian ................................................................... 1.4. Manfaat Penelitian ..................................................................

BAB ll

KAJIAN PUSTAKA, KERANGKA PEMIKIRAN DAN HIPOTESIS ........................................................................ 2.1. Kajian Pustaka ........................................................................ 2.1.1. Sumber Daya Alam dan Pembangunan Ekonomi ........ 1) Peran Sumber Daya Alam .. ..... ........ .. .. ......... ....... .. ... 2) Perhitungan Hijau dan Pembangunan Berkelanjutan 2.1.2. Deforestasi Hutan Tropis............................................... 1) Definisi dan Manfaat Hutan Tropis .. .. ...... .. ......... ..... 2) Identifikasi Penyebab Deforestasi Hutan Tropis ..... ( 1) Aktivitas Pengambilan Kayu ...... .. .......... ..... .. ..... (2) Aktivitas Konversi Lahan Hutan ........................ (3) Faktor Kependudukan .................................. ....... (4) Faktor Ekonomi .. ........ ... ......... .. .............. .. .. ....... .. (5) Faktor Kepemerintahan dan Kebijakan Pemerintah .......... .. .. ........... ... .... ..... .. ......... .......... 2.1.3. Hipotesis Environmental Kumets Curve ............. ........ 1) Latar Belakang Teoritis .. ...... ........ .......... ... .......... ..... 2) Kerangka Ekonometrika .......................................... 2.1.4. Penelitian-penelitian Sebelumnya ................................ 1) Penelitian Maureen Cropper dan Charles Griffiths (1994)........................................................................ 2) Penelitian E.B. Barbier dan J.C. Burgess (2001) .....

1 1 9 11 11

12 12 12 12 13 16 16 17 20 20 21 22 24 25 25 28 32 32 33

X

hal. 3) Penelitian Madhusudan Bhattarai dan Michael Hammig (2004)......................................................... 4) Penelitian Emmanuel K. Yiridoe dan David M Nanang (2001) .......................................................... 5) Penelitian Karen Ehrhardt-Martinez, Edward M Crenshaw, dan J.C. Jenkins (2002) ........................... 2.2. Kerangka Pemikiran ... ........... .............. ...... .. .................. ......... 2.3. Hipotesis ......... .. .......... ............. .. ........ .. ............... .............. ......

39 44 45

BAD m

METODOLOG I PENELITIAN ................................................. 3 .1. Objek Penelitian ..................................................................... 3.2. Model dan Disain Penelitian .................................................. 3.3. Metode Estimasi....................................................................... 3.3 .1. Estimasi Data................................................................ 3.3.2. Evaluasi Model ............................................................ 1) Kriteria Ekonometrik ............................................... ( 1) Multikolinearitas ........ ......................................... (2) Heteroskedastisitas ... ........ ....... .......... .................. (3) Otokorelasi ......................................................... 2) Kriteria Statistik ....................................................... (1) Pengujian Koefisien Determinasi (R2) .....•.......... (2) Pengujian t-statistik ............................................ (3) Pengujian F-statistik ........................................... 3) Kriteria Ekonomi ... .... ..... ............ ... ...... ........ .. ....... .. . 3.4. Sumber dan Jenis Data ...........................................................

46 46 46 51 51 53 54 54 54 55 56 56 56 57 57 58

BAD IV

BASIL PENELITIAN DAN PEMBAHASAN........................ .. 4.1. Deskripsi Objek Penelitian dan Data .................................. ... 4.1.1. Kondisi Hutan Tropis Dunia .......... .............................. 4.1.2. Statistik DeskriptifVariabel Penelitian ....................... 1) Modell .................................................................... 2) Model 2 ................. ............................................... .... 3) Model3 .................................................................... 4) Model4 .................................................................... 4.2. Hasil Estimasi/Pengolahan Data............................................ 4.2.1. Modell......................................................................... 4.2.2. Model 2 ............................................................... ......... 4.2.3. Model 3 ........................................................................ 4.2.4. Model 4 ................................................................... ..... 4.3. Evaluasi Model....................................................................... 4.3.1. Kriteria Ekonometrik ................................................... 1) Multikolinearitas .................................................. ... 2) Heteroskedastisitas .................................................. 3) Otokorelasi ...............................................................

60 60 60 64 64 67 69 71 73 73 75 76 78 79 79 79 83 84

35 37

XI

hal. 4.3.2. Kriteria Statistik ........................................................... 1) Pengujian Koefisien Determinasi (R2) .................... 2) Pengujian t-statistik ................................................. 3) Pengujian F-statistik ................................................ 4.4. Analisis Ekonomi dan Pembahasan Hasil Penelitian ............. 4.4.1. Hipotesis EKC pada Deforestasi Hutan Tropis ...... .. .. . 4.4.2. Faktor-faktor yang Mempengaruhi Deforestasi Hutan Tropis ........................................................................... 1) Modell .................................................................... 2) Model2 .................................................................... 3) Model3 .................................................................... 4) Model4 .................................................................... 4.5. Implikasi Kebijakan dan Solusi Terhadap Permasalahan Praktis .................................................................................... 4.5.1. lmplikasi Kebijakan dari Hasil Hipotesis EKC ........... 4.5.2. Faktor-Faktor yang Mempengaruhi Deforestasi .......... 4.5.3. Rekomendasi Bagi Indonesia ....................................... BAD V

85 85 86 90 91 91 102 102 104 106 107 108 108 113 117

KESIMPULAN DAN REKOMENDASI KEBIJAKAN ......... 121 5.1. Kesimpulan ............................................................................ 121 5.2. Rekomendasi Kebijakan ... .. .. .. ... ... .... .. .. .. .. .. .. .. .. .. .. .. .. ... ... .. .. .. . 122

DAFTAR PUSTAKA .................................................................................... 123 LAMPIRAN .................................................................................................... 128

Xll

DAFTAR TABEL

Nomor Tabell.l. Tabell.2. Tabel2.1. Tabel3.I. Tabel3.2. Tabel3.3. Tabel4.l. Tabel4.2. Tabel4.3. Tabel4.4. Tabel4.5. Tabel4.6. Tabel4.7. Tabel4.8. Tabel4.9. Tabel4.10. Tabel4.1l. Tabel4.12. Tabel4.13. Tabel4.14. Tabel4.15. Tabel4.16. Tabe14.17. Tabe14.18. Tabel4.19. Tabel4.20. Tabel4.2l. Tabel4.22.

Judul Estimasi Luas Lahan Huta.n Tropis Berdasarkan Wilayah Geogra:fis ........................ .......................................................... Rata-rata Luas dan Laju Deforestasi Tahunan Huta.n Tropis .. .. Ringkasan Hasil Penelitian Sebelumnya ............. .... .. .. .............. Persyaratan Teijadinya EKC ... .. .. ......... ........ .. ..... .................. .. .. Uji Statistik Durbin-Watson d .................................................. Operasionalisasi Variabel Penelitian ........................................ Statistik DeskriptifModel1 ...................................................... Statistik DeskriptifMode12 ...................................................... Statistik DeskriptifModel3 ...................................................... Statistik Deskriptif Model 4 ...................................................... Hasil Estimasi Model 1 Menggunakan Pendekatan FEM ........ Hasil Estimasi Model 2 Menggunakan Pendekatan FEM ... ...... Hasil Estimasi Model 3 Menggunakan Pendekatan FEM ....... .. Hasil Estimasi Model 4 Menggunakan Pendekatan FEM ........ Hasil Uji Multikolinearitas Terhadap Model 1 ............. .. .......... Hasil Uji Multikolinearitas Terhadap Model2 ......................... Hasil Uji Multikolinearitas Terhadap Model 3 ....... ............ ...... Hasil Uji Multikolinearitas Terhadap Model4 ......................... Hasil Uji White no Cross Term .. .. ............ .. .. .. ......... .................. Hasil Pengujian Otokorelasi .... ....... ......... ........... ... ... ....... ........ . Hasil Uji t-statistik Model 1 .............................................. .. ...... Hasil Uji t-statistik Model 2 .. ................. ................................... Hasil Uji t-statistik Model 3 ....... .. ........... ... .. ............. ........... .. ... Hasil Uji t-statistik Model4 ...................................................... Hasil Uji F-statistik Model EKC Deforestasi ........................... Hasil Pengujian Hipotesis EKC Deforestasi Huta.n Tropis ....... Perbandingan Nilai Turning Point Pendapatan per Kapita ....... Deforestasi Tujuh Pulau Besar di Indonesia ......................... .. ..

hal.

3 4 41 51 55 58 65 68 70 72 74 76 77 78 80 81 82 83 83 84 87 88 89 89 90 92 101 117

Xlll

DAFTAR GAMBAR

Nomor

Judul

Peta Lokasi Hutan Tropis Dunia ..... ....... .. .............. .. ....... ... ....... Pembagian Penyebab-penyebab Deforestasi Hutan Tropis ....... Kurva U Terbalik Kuznets ......................................................... Environmental Kuznets Curve (EKC) ...................................... Kerangka Pemikiran ................................................................. Perbandingan Luas Hutan Tropis Periode Tahun 1990-2005 ... Luas Deforestasi Total Beberapa Negara Periode Tahun 1990-2005 ...... .. .......... ............ .. ........ .. ........ .. ... ... ......... ... Gambar 4.3. Perubahan Deforestasi Total Periode 2000-2005 Terhadap 1990-2000 ················································································· Gambar 4.4. Trend Hubungan Pendapatan per Kapita dan Luas Deforestasi Tahunan ..................................................................................... Gambar 4.5. Trend Hubungan Pendapatan per Kapita dan Laju Deforestasi Tahunan ..................................................................................... Gambar 4.6. Trend Hubungan Pendapatan per Kapita dan Luas Deforestasi Tahunan per Kapita ................................................................... Gambar 4. 7. Trend Hubungan Pendapatan per Kapita dan Luas Deforestasi Tahunan per Output Perekonomian (PDB) ........ ...... ......... .. ..... . Gambar 4.8. Kurva EKC Model 1 ................................................................. Gambar 4.9. Kurva EKC Model2 ................................................................. Gambar4.10.KurvaEKCModel3 ................................................................. Gambar 4.ll.Kurva EKC Model4 ................................................................. Gambar 2.1. Gambar 2.2. Gambar 2.3. Gambar 2.4. Gambar 2.5. Gambar 4.1. Gambar 4.2.

hal. 17 19 25 26 45 61 62 63 66 69 71 73 93 94 96 99

XlV

DAFTAR LAMPIRA N

Nomor Lampiran 1. Lampiran 2. Lampiran 3. Lampiran4 . Lampiran 5. Lampiran6 .

Judul Daftar Negara Tropis yang Diobservasi ................................. Data-data Peneltian ................................................................. Estimasi Model 1 ..................................................................... Estimasi Model 2 .......... .. ........... ............. ................................ Estimasi Model 3 ............ ......... .............. ................................. Estimasi Model 4 ................................. ...................................

hal. 128 129 138 141 144 147

"Bukankah telah Kuperintahkan kepadamu , kuatkan dan teguhkanlah hatimu? Janganlah kecut dan tawar hati sebab Tuhan Allahmu menyertai engkau kemanapun engkau pergi" Yosua 1: 9

BABI PENDAHULUAN

1.1. Latar Belakang Penelitian Pembangunan di bidang ekonomi tidak dapat dipungkiri menjadi pilar menuju masyarakat yang lebih sejahtera. Oleh karena itu, negara berkembang berusaha untuk mengejar ketertinggalan dari negara-negara maju dengan giat melaksanakan pembangunan. Cara yang paling cepat dilakukan oleh negaranegara berkembang adalah dengan memanfaatkan sumber daya alam yang ada untuk dieksploitasi sehingga memacu pertumbuhan ekonomi, salah satunya adalah memanfaatkan sumber daya hutan. Rutan sebagai salah satu sumber daya alam telah lama merupakan sumber kehidupan bagi manusia. Ekosistem hutan mempunyai beberapa fungsi penting sebagai: 1) penyedia oksigen dan penyerap karbon dioksida, 2) habitat ternpat tinggal dan berkembang bagi makhluk hidup, 3) fungsi keanekaragaman hayati dan sumber plasma nutfah, 4) pengatur tata air dan penjaga keseimbangan iklim, dan 5) fungsi ekonomi sebagai penyedia sumber-sumber produksi dan konsumsi bagi manusia. Fungsi hutan yang kompleks ini membuat manusia berinteraksi dan bergantung kepada hutan, yang jelas sekali terlihat sampai saat ini. World Bank (200 1) melaporkan bahwa lebih dari 25% dari populasi penduduk dunia atau lebih dari 1,6 milyar jiwa menyandarkan hidupnya pada hutan.

Salah satu bentuk ekosistem hutan di dunia adalah ekosistem hutan tropis. Rutan tropis merupakan salah satu bentuk ekosistem paling penting karena

1

2

BABI PENDAHULUAN

merupakan tempat hidup lebih dari 900/o jenis tumbuhan dan hewan di bumi (Montagnini & Jordan, 2005). Negara-negara yang mempunyai sumber daya hutan tropis terutama hutan hujan tropis bagaikan menerima berkah melimpah. Contohnya adalah Indonesia yang terkenal dengan julukan "zamrud khatulistiwa" yang menggambarkan bahwa hutan mewamai lebih dari 76% daratannya sehingga sangat beralasan kalau pemerintah memandang sumber daya hutan sebagai salah satu andalan dan sumber pokok pembiayaan pembangunan di Indonesia (Nommy Siahaan, 2007). Pandangan akan sumber daya hutan ini juga berlaku di banyak negara pemilik hutan tropis lainnya. Oleh karena itu, eksploitasi hutan tropis menjadi tidak terelakkan untuk memenuhi tuntutan pembangunan dan kebutuhan masyarakat. Kayu dan produk olahannya diekspor untuk memenuhi kebutuhan negara-negara maju seperti Amerika Serikat, Jepang, Inggris, Kanada, Italia, dan lain-lain. Publikasi Food and Agriculture Organization/FAO (2005) menyebutkan bahwa produksi dan ekspor kayu serta olahannya dari negara-negara tropis seperti Brasil, Indonesia, dan Malaysia telah terbukti mempunyai peranan yang signifikan bagi peningkatan perekonomian lokal dan nasional. Selain eksploitasi kayu, laban hutan tropis juga dikonversi untuk laban pertanian, petemakan maupun pembangunan

infrastruktur yang

dipandang

akan

mampu meningkatkan

perekonomian dan pembangunan. Eksploitasi sumber daya hutan dan konversi laban ini menyebabkan terjadinya perubahan rupa laban dari hutan menjadi bukan hutan. Tabel 1.1 memperlihatkan estimasi luas tutupan hutan tropis dunia berdasarkan wilayah geografisnya periode tahun 1990-2005.

3

BABI PENDAHULUAN

Tabel1.1. Estimasi Luas Tutupan Rutan Tropis Berdasarkan Wilayah Geografis Luas Tutu~an Rutan {ribu hektar} 2005 2000 1990 616.465 636.957 681.471 41 AFRIKA 44.120 45.509 48.760 9 West Sahelian Africa 96.386 100.934 110.036 7 East Sahelian Africa 42.380 45.930 53.421 8 West Africa 223.488 226.545 234.792 6 Central Africa 197.253 205.016 220.770 10 Tropical Southern Africa 12.838 13.023 13.692 I Insular Africa 311.764 326.657 353.712 17 ASIA-PASIFIK 79.238 79.677 77.550 6 South Asia 86.262 89.166 94.807 5 Continental Southeast Asia 116.827 127.682 149.832 5 Insular Southeast Asia 29.437 30.132 31.523 1 Pacific Islands 873.441 896.790 941.316 33 AMERIKA LATIN 84.996 87.724 95.002 7 Central America 45.496 45.226 44.897 19 Carribean 742.949 763.840 801.417 7 Tropical South America 1.801.670 1.976.499 1.860.404 91 Total Rutan Tro(!iS 2006) AO, (F 2005 Assesment Swnber: Global Forest Resources Wilayah Geografis

Negara

Tabel 1.1 memperlihatkan bahwa hutan tropis sebagian besar terdapat di wilayah Amerika Latin terutama di wilayah Tropika Amerika Selatan yang terkenal dengan daerah Amazonia. Terlihat bahwa luas tutupan hutan tropis cenderung semakin menurun di seluruh belahan bumi. Penurunan akibat aktivitas konversi lahan hutan atau eksploitasi yang mereduksi kanopi sampai ambang 10% dalam jangka waktu lama ini dikenal dengan istilah deforestasi (FAO, 2004). FAO setiap 5 tahun sekali menyelenggarakan penilaian terhadap hutan dengan tujuan untuk menganalisis keadaan ekosistem hutan serta melihat laju deforestasi baik dalam tataran global, wilayah geografis, dan setiap negara. Tabel 1.2. memperlihatkan luas dan laju deforestasi tahunan hutan tropis periode 1990-2005.

BABI

4

PENDAHULUAN

Tabell.l. Rata-rata Luas dan Laju Deforestasi Tahunan Rutan Tropis 1990-2005 Deforestasi Luas (ribu ha} Laju (%} 90-00 90-00 00-05 00-0S AFRIKA -4.451,4 -4.098,4 41 -0,74 -0,73 West Sahelian Africa 9 -325,1 -277,8 -0,67 -0,61 East Sahelian Africa -909,6 7 -910,2 -0,83 -0,90 West Africa 8 -749,1 -710,0 -1,40 -1,55 Central Africa 6 -824,7 -611,4 -0,35 -0,27 Tropical Southern Africa -1.575,4 -1.552,6 10 -0,71 -0,76 Insular Africa 1 -37,0 -0,28 -0249 -6629 ASIA-PASIFIK 17 -2.705,5 -0,54 -2.978,6 -0,67 South Asia +0,27 212,7 -87,8 6 -0,11 Continental Southeast Asia 5 -564,1 -580,8 -0,59 -0,65 Insular Southeast Asia 5 -2.215,0 -2.171,0 -1,48 -1,70 Pacific Islands -139,1 -139,0 1 -0,44 -0,46 AMERIKA LATIN 33 -4.452,6 -0,42 -4.669,8 -0,44 Central America -727,8 -545,6 7 -0,77 -0,62 Carribean +32,9 +54,0 19 +0,07 +0,12 Troeical South America -4.178,2 7 -3.757,7 -0,47 -0,55 Total Rutan Tropis 91 -11.610 -0,63 -11.747 -0,59 Swnber: Global Forest Resources Assesment 2005 (FAO, 2006). Tanda negatif (-) mencerminkan deforestasi, tanda positif (+) mencenninkan adanya usaha reforestasi/penghutanan kembali.

Wilayab Geografis

Negara

Tabel 1.2. dengan jelas memperlihatkan bahwa sebagian besar hutan tropis di dunia dalam periode tahun 1990-2005 telah mengalami deforestasi. Hanya wilayah Karibia saja yang secara konsisten menunjukkan usaha penghutanan kembali. Argumentasi bahwa sumber daya hutan tropis digunakan sebagai pendukung aktivitas pembangunan terlebih aktivitas perekonomian suatu bangsa baik secara lokal maupun nasional sangat dimungkinkan masih berlaku. Literatur sumber daya alam dan lingkungan menyatakan bahwa deforestasi hutan tropis terutama dipengaruhi oleh aktivitas manusia dalam pemenuhan kebutuhan ekonomi dan pembangunan. Botkin (1993) menyebutkan bahwa sejak za.man Yunani kuno, manusia sudah menebang pohon untuk memenuhi kebutuhan

5

BABI PENDAHULUAN

akan kayu dan membuka laban hutan untuk pertanian. Barbier (2005) menyatakan bahwa ekspansi laban pertanian ke wilayah hutan dan masih rendahnya pembangunan

pertanian

untuk

meningkatkan

produktivitasnya

semakin

memberikan tekanan terhadap hutan. Aktivitas pengambilan kayu untuk energi di hutan tropis juga dapat menyebabkan deforestasi (Kahn, 1998). Meningkatnya kebutuhan akan kayu dan produk kayu dinyatakan oleh Houghton (2004) sebagai akibat dari pertumbuhan populasi penduduk yang cepat terutama di negara berkembang. Tietenberg ( 1996) mengutarakan bahwa deforestasi dipengaruhi oleh kegiatan ekspor kayu dan olahannya secara besar-besaran oleh negara-negara berkembang untuk mendapatkan devisa sehingga dapat membayar utang dan mengentaskan rakyatnya dari kemiskinan. Publikasi Human Development Report 200712008 yang disusun oleh United Nations Development Programme (UNDP, 2007) memperlihatkan bahwa 91 negara pemilik hutan tropis kesemuanya termasuk dalam kategori negara berkembang. Sebanyak 51,6% masuk dalam kategori negara berpendapatan rendah dengan pendapatan nasional bersih per kapita sebesar USD 875 atau kurang. Banyaknya negara yang masih miskin ini tentu akan terus berusaha meningkatkan pembangunan ekonominya untuk mencapai pendapatan yang lebih baik dan kualitas hidup yang lebih baik dan sejahtera. Dapat diindikasikan bahwa deforestasi hutan tropis akan masih terus berlanjut. Para ahli ekonomi secara umum berpendapat bahwa pembangunan ekonomi dapat diartikan sebagai suatu proses yang menyebabkan pendapatan per kapita atau produk domestik bruto (PDB) per kapita suatu negara terus-menerus

6

BABI PENDAHULUAN

bertambah dalam jangka panjang (Thomas eta/., 2000; Sadono Sukimo, 2006). Pendapatan per kapita secara kasar disebutkan oleh Ray ( 1998) dapat digunakan untuk menunjukkan taraf kemajuan pembangunan ekonomi yang dicapai suatu negara. Akan tetapi, tanpa mengecilkan arti penting sumbangan informasi pendapatan per kapita, perlu disadari bahwa data pendapatan per kapita sebagai indikator tingkat kemakmuran dan pembangunan mempunyai kelemahan Samuelson

&

Nordhaus

(2004)

menyatakan

bahwa

perhitungan

PDB

mengabaikan kerusakan dan kualitas lingkungan hidup. Polusi dan deplesi sumber daya alam sebagai akibat sampingan atau ekstemalitas negatif tidak turut dimasukkan dalam usaha-usaha pembentukan PDB yang berujung pada nilai pendapatan masyarakat. Hubungan antara aktivitas ekonomi dan lingkungan sudah banyak dibahas dalam banyak literatur teoritis. Akan tetapi belum cukup banyak bukti empiris pada level makroekonomi yang menunjukkan bagaimana perubahan kualitas lingkungan pada berbagai tingkatan pendapatan (Shafik & Bandyopadhyay, 1992). Berbagai penelitian yang menggunakan data pendapatan per kapita suatu negara dan kualitas lingkungan dalam model analisis antar negara menghasilkan suatu hipotesis yang disebut Environmental Kuznets Curve (EKC). Bentuk EKC secara grafts berupa kurva U terbalik seperti halnya hasil temuan Kuznets (1955) pada hubungan pendapatan per kapita dengan ketidakmerataan dalam analisis antar negara yang menjadi inspirasi nama bagi kurva baru ini. Kajian EKC semakin populer sejak Bank Dunia mengeluarkan World

Development Report 1992 yang menyatakan bahwa tidak dipungkiri bahwa

BABI PENDAHULUAN

7

pertumbuhan ekonomi pada tahap-tahap awal pembangunan akan menyebabkan degradasi lingkungan sampai pada suatu titik pendapatan tertentu (turning point) dan dengan semakin meningkatnya

pendapata~

maka kebutuhan akan kualitas

lingkungan yang lebih baik akan semakin meningkat seiring negara menjadi kaya. Sampai sekarang EKC telab berkembang menjadi salab satu indikator penting dalam penelitian mengenai hubungan pendapatan dan kualitas lingkungan walaupun sampai kini masih terns diperdebatkan hasilnya (Smulders et al., 2005). Penelitian mengenai hubungan pendapatan per kapita dengan deforestasi global dalam kerangka model EKC juga dilakukan mengingat deforestasi merupakan salah satu bentuk degradasi lingkungan. Shafik & Bandyopadhyay (1992) merupakan yang pertama kali mencoba meneliti EKC deforestasi dengan data panel sekitar 149 negara menggunakan data deforestasi antara tahun 19611986. Kesulitan dalam mendapatkan data deforestasi yang baik adalab rintangan utama dalam penelitian ini sehingga tidak terbentuk kwva EKC. Selanjutnya dengan menggunakan set data yang lebih baik yaitu data FAO Production Year book 1993 pada deforestasi hutan dan laban antara tahun 1961-1991, Cropper & Griffiths (1994) menyimpulkan adanya EKC deforestasi hutan dan laban untuk

Afrika dan Amerika Latin dengan turning point pendapatan per kapita masingmasing sebesar $4,760 dan $5,420. Penelitian Bhattarai & Hammig (2004) sebagai penelitian terakhir yang rnernbahas EKC deforestasi global periode 1980-1995 juga mengkonfirmasikan adanya EKC pada deforestasi hutan alam tropis dengan turning point pendapatan per kapita $5,940 sampai dengan $7,140. Konfirmasi ini, lanjut Bhattarai &

BABI PENDAHULUAN

8

Hammig (2004), menjadi perlu karena basil studi EKC dapat bervariasi tergantung teknik ekonometri yang dipakai dan variabel penjelas yang dipilih. Ini dapat dilihat jelas pada perbedaan nilai parameter setiap variabel dan perbedaan nilai turning point pendapatan per kapita setiap model. Kemungkinan terjadi

inkonsistensi basil EKC juga sangat dimungkinkan dengan adanya variasi variabel yang dipakai. Perubahan ildim global yang semakin dirasakan oleh masyarakat dunia dengan meningkatnya kejadian-kejadian bencana dan peristiwa alam membuat perhatian untuk lingkungan hidup yang lebih baik semakin diperlukan. Ancaman lingkungan hidup global dikemukakan oleh Todaro (1994) menjadi salah satu permasalahan kritis pada dasawarsa 1990-an yang mulai serius disikapi diantaranya adalah efek rumah kaca dan pelestarian hutan. Hutan yang berperan besar sebagai penyangga kehidupan semakin mendapat perhatian serius dalam forum-forum resmi intemasional. Contoh yang terakhir adalah dalam United Nations Framework Convention on Climate Change (UNFCCC) Bulan Desember

2007 di Indonesia. Hutan tropis bukan lagi dimiliki oleh negara itu sendiri namun sudah menjadi global public good yang mempunyai kepentingan mendunia. Oleh karena itu deforestasi yang terjadi juga menjadi perhatian seluruh dunia. Terlebih bahwa deforestasi di negara berkembang menyumbang emisi C02 sekitar 20%

dari emisi global (Stern, 2006). Pembangunan ekonomi dan pemanfaatan sumber daya hutan tropis yang berkelanjutan menjadi pemikiran yang jelas arahnya dalam rangka menyelamatkan bumi dan kehidupan manusia. Penelitian yang berkelanjutan juga menjadi perlu sebagai gambaran bagaimana manusia

9

BABI PENDAHULUAN

mengelola hutan dan sebagai landasan empiris bagi pembuatan kebijakan. Beberapa hal diatas menjadi latar belakang perlunya penelitian pengaruh pembangunan ekonomi terhadap deforestasi hutan tropis dalam kerangka EKC global dengan data periode tahun 1990-2005 yang dikeluarkan oleh FAO. Beberapa variabel yang diduga mempengaruhi deforestasi seperti dikemukakan oleh literatur yaitu ekspor kayu dan olahannya, konsumsi kayu energi, produktivitas pertanian, pertumbuhan penduduk serta kebijakan yang diambil suatu negara dicoba dilihat bagaimana pengaruhnya saat ini. Penggunaan periode yang berbeda dan variasi variabel dalam model diharapkan dapat menguji konsistensi terjadinya EKC deforestasi hutan tropis.

1.2. Identifikasi dan Rumusan Masalah Terdapat pertanyaan mendasar yaitu apakah pembangunan ekonomi yang dilakukan untuk mencapai kesejahteraan ini masih mengorbankan kualitas lingkungan, khususnya ekosistem hutan tropis dalam rentang waktu tahun 1990 sampai dengan tahun 2005. Hal ini didasari fakta bahwa sebagaian besar negara yang mempunyai ekosistem hutan tropis merupakan negara berkembang yang hidup dalam tingkat pendapatan yang rendah. Di lain pihak, kepentingan untuk menyelamatkan hutan tropis yang tersisa di bumi juga semakin menguat seiring dengan semakin pentingnya kedudukan hutan tropis dalam konteks perubahan iklim global. Hipotesis EKC dapat menjadi konsep yang mampu menerangkan hal tersebut sekaligus dapat memberikan rekomendasi kebijakan. Konsep dasar EKC deforestasi memberikan pandangan bagaimana negara-negara mendeforestasi

BABI PENDAHULUAN

10

hutan tropisnya dan bagaimana nantinya perlakuan negara-negara tersebut terhadap ekosistem hutan tropisnya apabila mereka beranjak semakin kaya dan sejahtera yang diperlihatkan dengan pendapatan per kapitanya yang semakin meningkat. Pada awal mula pembentukan EKC, diyakini pada titik tertentu negara tersebut akan menjadi sadar dan otomatis memperhatikan kualitas lingkungannya. Akan tetapi pada dasawarsa 1990-an sampai sekarang, tentu saja kesadaran itu tidak akan datang secara alamiah lagi. Perlu suatu kebijakan yang diterapkan pemerintah terutama kebijakan ekonomi untuk mempercepat proses kesadaran alamiah ini. Beberapa variabel yang dapat mempengaruhi deforestasi termasuk juga variabel kebijakan ekonomi digabungkan dalam konsep EKC untuk memberi gambaran aktivitas manusia dengan hutan dan menguji konsistensi terjadinya EKC dengan data yang berbeda dan variasi variabel dalam model. Oleh karena itu, beberapa permasalahan yang dapat dirumuskan dalam penelitian ini adalah: 1. Apakah terbentuk EKC pada deforestasi hutan tropis periode tahun 19902005 dalam analisis antar negara dan konsisten apabila dilakukan variasi variabel dalam model EKC tersebut? 2. Bagaimana besamya nilai turning point pendapatan per kapita apabila terbentuk EKC pada model-model yang diajukan? 3. Bagaimana pengaruh variabel ekspor kayu dan olahannya, konsumsi kayu energi, produktivitas pertanian, pertumbuhan penduduk, dan kebijakan ekonomi suatu negara yang dalam hal ini adalah kebijakan utang dan harga ekspor kayu gergajian terhadap deforestasi hutan tropis?

BABI PENDAHULUAN

11

1.3. Tujuan Penelitian Tujuan yang hendak dicapai dari penelitian ini adalah: 1. Menguji konsistensi keberadaan EKC pada deforestasi hutan tropis dengan menggunakan data tahun 1990-2005 dan variasi variabel dalam model. 2. Mengetahui besarnya nilai turning point pendapatan per kapita apabila terbentuk EKC pada model-model yang diajukan sebagai bentuk implikasi kebijakan dari hipotesis EKC. 3. Mengetahui pengaruh variabel ekspor kayu dan olahannya, kebutuhan kayu energi, produktivitas pertanian, pertumbuhan penduduk, kebijakan utang, dan harga ekspor kayu gergajian terhadap deforestasi hutan tropis.

1.4. Manfaat Penelitian Manfaat yang diharapkan dapat diperoleh dari penelitian ini antara lain: 1. Manfaat akademis untuk menambah khasanah ilmu pengetahuan ekonomi, khususnya tentang hipotesis EKC terhadap deforestasi hutan tropis dan pembangunan berkelanjutan. 2. Manfaat praktis sebagai bahan petimbangan dalam pengambilan kebijakan kehutanan dan lingkungan, khususnya bagi Indonesia sebagai salah satu negara dengan hutan tropis terbesar di dunia. 3. Manfaat umum sebagai informasi yang dapat memperluas wawasan dan pola pikir mengenai efek pembangunan terhadap kualitas lingkungan khususnya deforestasi hutan tropis.

Tidak ada yang dapat menggantikan ketekunan. Tidak juga bakat, tidak ada yang luar biasa dari orang yang berbakat tetapi gagal. Tidak juga dengan jenius, jenius tanpa realisasi hanyalah merupakan pepatah. Pendidikan pun tidak, dunia ini penuh dengan orang-orang terdidik yang ditinggalkan. Hanyalah ketekunan dan tekad yang dapat mencapai segalanya. Calvin Coolidge Jadi, jangan kamu menyerah!

BABD KAJIAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESIS

2.1. Kajian Pustaka 2.1.1. Sumber Daya Alam dan Pembangunan Ekonomi

1) Peran Sumber Daya Alam Telah disadari bahwa tidak hanya akumulasi modal fisik (Kp) dan modal manusia (KH) yang mampu membentuk kesejahteraan manusia. Barbier (2005) menyebutkan bahwa para ahli ekonomi sekarang menerima bentuk modal ketiga yang juga krusial dalam fungsi ekonomi baik produksi, konsumsi, dan kesejahteraan secara keseluruhan yaitu modal alam (KN). Ketiga bentuk modal ini menyumbang kontribusi bagi kesejahteraan manusia dalam produksi barang dan jasa. Modal alam, lebih lanjut dikatakan Barbier (2005) digunakan sebagai material maupun input energi dalam sistem produksi. Tidak hanya itu, modal alam juga mempunyai fungsi estetika seperti bentang alam yang memberikan berbagai manfaat ekologis yang juga mendukung kehidupan dan kesejahteraan manusia (Pearce & Barbier, 2000 dalam Barbier, 2005). Negara-negara berkembang sangat mengandalkan sumber daya alam karena secara umum tidak ada faktor lain sebagai anugerah bagi pembangunan ekonomi (Nommy Siahaan, 2007). Friedman (1992) menyatakan bahwa sumber daya alam mempunyai tiga fungsi utama menurut kepentingan negara-negara berkembang yaitu: 1) sumber daya alam sebagai faktor produksi, diolah untuk mempertahankan hidup rakyatnya yang miskin, sehingga sifatnya lebih subsisten,

12

BAB/1 KA.JIAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESIS

13

2) sumber daya alam menjadi komoditi bagi pembangunan dan dalam mencapai kemajuan dan modernisasi dan 3) sumber daya alam sebagai jaminan atas transaksi utang dalam pembiayaan pembangunan. Peran modal alam dalam pertumbuhan ekonomi diteliti oleh Lopez ( 1994) dengan penggunaan model pertumbuhan neoklasik. Menurut model pertumbuhan neoklasik, pertumbuhan ekonomi merupakan fungsi dari modal, tenaga keija, dan teknologi. Dianggap bahwa ekonomi dibentuk dari dua sektor yaitu sektor primer yang menggunakan sumber daya alam sebagai faktor produksi dan sektor non primer yang tidak menggunakan sumber daya alam. Pada tahap awal pertumbuhan, eksploitasi sumber daya alam menjadi tidak terelakkan, namun seiring dengan pertumbuhan dan masuknya teknologi, maka pengunaan sumber daya alam mulai berkurang.

Pemikir-pemikir neoklasik diungkapkan oleh Hussen (2000)

memahami benar terbatasnya persediaan sumber daya alam, namun demikian mereka percaya dengan adanya teknologi akan ditemukan sumber-sumber baru sebagai substitusi dan pemanfaatan sumber daya secara efisien. 2) Perhitungan Hijau dan Pembangunan Berkelanjutan

Pertumbuhan ekonomi memanfaatkan sumber daya alam melalui industrialisasi dan kemajuan teknologi. Akan tetapi, para ahli mulai menyadari adanya permasalahan lingkungan dalam pembangunan. Pemanfaatan sumber daya alam secara berlebihan tanpa memperhatikan kelestariannya dapat meningkatkan tekanan terhadap kualitas lingkungan. Oleh karena itu diperlukan pergeseran paradigma berpikir yang mendesak dilakukan sehingga pembangunan tidak saja mengarah pada kesejahteraan generasi sekarang namun juga generasi di masa

BABII KA.JIAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESIS

14

datang. Konsep ini secara luas dikenal sebagai pembangunan berkelanjutan (Armida Alisjahbana & Yusuf, 2004; Todaro & Smi~ 2006). Pembangunan berkelanjutan mensyaratkan teijaga atau meningkatnya seluruh jenis modal dari waktu ke waktu. Atas dasar ini Armida Alisjahbana & Yusuf (2004) mengungkapkan bahwa telah berkembang dua pemikiran mengenai kelestarian modal ini dalam dua konsep yaitu Weak Sustainability dan Strong Sustainability. Pearce & Barbier (2000) dalam Barbier (2005) menjelaskan bahwa dalam konsep Weak Sustainability, KN dapat disubstitusi baik oleh Kp dan KH sehingga secara keseluruhan akumulasi modal ·adalah konstan (constant capital rule). Adapun konsep Strong Sustainability menyebutkan bahwa akumulasi modal tidak boleh menurun. KN tidak semuanya boleh menurun karena ada beberapa modal alam yang esensial dan sifatnya komplementer dan bukan sebagai substitusi sehingga harus dijaga keutuhannya. Guna mewujudkan cita-cita pembangunan berkelanjutan, para perencana pembangunan harus selalu melibatkan perhitungan lingkungan (environmental accounting) atau yang dikenal juga dengan perhitungan hijau (green accounting) ketika merumuskan kebijakan-kebijakannya. Todaro & Smith (2006) memberikan gambaran bahwa kualitas lingkungan harus dihitung sebagai faktor penambah atau pengurang tingkat pertumbuhan ekonomi dan tingkat kemajuan kesejahteraan secara agregat. Pearce & Warford (1993) dalam Todaro & Smith (2006) telah mengembangkan perhitungan kalkulasi Pendapatan Nasional Kotor (PNK) menjadi perhitungan Pendapatan Nasional Bersih Berkelanjutan (PNBB) yang merupakan jumlah total yang dapat dikonsumsi tanpa mengikis stok modal jenis

BABII KAJIAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESIS

15

apapun. Rumusan tersebut dapat dijabarkan dalam dua persamaan sebagai berikut:

PNBB = PNK -Dp-DN······································································· (2.1) PNBB =PNK -Dp-DN-R-A .......................................................... (2.2)

Persamaan (2.1) menyatakan bahwa dengan mengurangi PNK dengan depresiasi aset modal fisik (Dp) dan depresiasi modal alam

(~).

akan didapatkan

pendapatan nasional bersih yang berkelanjutan. Adapun persamaan (2.2) menunjukkan bahwa apabila persamaan (2.1) diperluas lagi berdasarkan metode koleksi data saat ini, maka dengan mengurangi lagi pengeluaran untuk mengembalikan modal alam

seperti sediakala (R) serta pengeluaran yang

diperlukan untuk memperbaiki kerusakan modal alam yang telah terlanjur terjadi di masa sebelumnya (A), maka akan didapat nilai pendapatan bersih yang berkelanjutan. Konsep perhitungan ini juga dikenal dengan perhitungan PDB Hijau yang merupakan perhitungan yang paling populer dalam menyesuaikan kegiatan makroekonomi secara agregat dalam konsep perhitungan hijau (Armida Alisjahbana & Yusuf, 2004). Perhitungan PDB Hijau ini apabila sudah dilakukan secara terstruktur dan konsisten di setiap negara dapat menggantikan perhitungan PDB konvensional yang selama ini masih sangat dominan digunakan dalam perhitungan-perhitungan ekonomi. Depresiasi dan biaya perbaikan lingkungan yang dimasukkan dalam perhitungan PDB Hijau mengakomodasi kerusakan lingkungan yang ditimbulkan oleh kegiatan pembangunan. Hanya saja, perhitungan ini masih belum dapat dilaksanakan di setiap negara karena beragam kendala. Inilah yang membuat konsep-konsep hubungan PDB konvensional dengan kerusakan lingkungan masih

BABJJ KAJIAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESJS

16

sangat diperlukan untuk memberikan pedoman dan peringatan bahwasanya pembangunan yang dilakukan belum memasukkan kepentingan lingkungan dan memberikan kehidupan yang lebih baik bagi generasi mendatang.

2.1.2. Deforestasi Rutan Tropis 1) Definisi dan Manfaat Rutan Tropis Hutan didefinisikan sebagai laban dengan luasan minimal 0,5 hektar, bertumbuhkan vegetasi berkayu yang mencapai tinggi minimum 5 meter secara in

situ dengan tajuk kanopi minimum 10% {FAO, 2004). Hutan tropis adalah hutan yang terletak diantara wilayah tropis Capricorn yaitu dari garis khatulistiwa sampai 23,5° Lintang Selatan dan tropis Cancer yaitu dari garis khatlistiwa sampai 23,5° Lintang Utara seperti yang ditunjukkan oleh Gambar 2.1. Hutan tropis terbagi menjadi dua yaitu hutan hujan tropis dan hutan tropis kering (Kahn, 1998). Kekhasan dari hutan hujan tropis (bagian yang diarsir pada Gambar 2.1.) adalah bahwa sinar matahari sulit menembus sampai dasar hutan sehingga keadaa.n di dalam hutan terbentuk iklim mikro yang bersifat panas dan lembab. Hutan tropis kering dicirikan dengan curah hujan yang sedikit, lebih sedikit pohon yang menutupi laban, dan lebih banyak rumput yang tumbuh diselasela pepohonan. Hendrick (200 1) membagi hutan tropis menjadi tiga formasi yaitu formasi Amerika, formasi Afrika, dan formasi Indo-Malesian. Formasi Amerika meliputi hutan hujan tropis di wilayah lembah Sungai Amazon, wilayah Amerika Tengah, dan Kepulauan Karibia. Formasi Afrika membentang dari Sierra Leone sampai ke Uganda. Formasi lndo-Malesian sebagian besar merupakan hutan hujan

BABII

17

KAJIAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESIS

tropis yang membentang dari Asia Selatan, Asia Tenggara sampai ke Pasifik.

Somber: Hendrick (200 1)

Gam bar 2.1. Peta Lokasi Hutan Tropis Donia

Rutan tropis memiliki banyak manfaat bagi manusia baik manfaat yang dapat dinilai maupun yang tidak dapat dinilai. Kahn (1998) menyebutkan bahwa hutan dengan tingkatan-tingkatan tajuknya memperlambat jatuhnya air hujan langsung ke permukaan tanah sehingga mencegah erosi dan terbawanya nutrisi sebelum mencapai akar pohon. Rutan sebagai habitat beragam jenis tumbuhan dan hewan merupakan sumber keanekaragaman hayati yang dapat dimanfaatkan seperti tanaman obat, buah-buahan, madu. dan lain-lain. Akan tetapi, manfaat yang paling nyata dan penting adalah kemampuannya dalam menyediakan kayu untuk berbagai macam keperluan (Montagnini & Jordan, 2005). 2) ldentifikasi Penyebab Deforestasi Hutan Tropis Deforestasi menurut FAO (2004) menggambarkan kerugian permanen dari penutupan laban oleh hutan dalam jangka panjang yang hanya dapat disebabkan


18

oleh aktivitas manusia baik didukung atau tidak oleh kejadian alam. Deforestasi yang diukur oleh FAO termasuk area konversi hutan menjadi pertanian. padang penggembalaan. area penyimpanan air, maupun untuk pembangunan wilayah. Deforestasi juga termasuk laban hutan yang akibat adanya gangguan sehingga terjadi pemanfaatan berlebih atau terjadi perubahan kondisi lingkungan sehingga mengakibatkan tutupan tajuk tidak dapat melebihi 10%. Penyebab deforestasi sampai saat ini masih menimbulkan kotroversi karena merupakan peristiwa yang kompleks (Kahn, 1998; Tomich, 2003; Folmer & van Kooten, 2006). Merujuk pada aktivitas-aktivitas manusia dan interaksi

manusia dengan hutan seperti yang diungkapkan oleh Botkin (1993), Tietenberg (1996), Kahn (1998), dan Houghton (2004), maka penyebab deforestasi dapat dipilah dalam tiga hal mendasar yaitu pengambilan kayu untuk kayu bahan, konsumsi kayu energi, dan konversi laban terutama pertanian. Geist & Lambin (2002) mendukung pemyataan para peneliti terdahulu berdasarkan komparasi analisis 152 studi kasus mengenai deforestasi hutan tropis

di negara-negara Amerika Latin, Asia, dan Afrika. Selanjutnya penyebab deforestasi dibagi dalam kelompok penyebab langsung (proximate causes) yang merupakan aktivitas manusia dan penyebab yang mendasari (underlying causes) yang menjelaskan bahwa aktivitas langsung manusia tersebut dipengaruhi oleh faktor makroekonomi dan sosial bak di level regional, nasional maupun tataran global. Pemikiran ini menunjukkan hubungan sating terkait antar penyebab tersebut. Gambar 2.2. memperlihatkan pembagian penyebab deforestasi.

BABII

19


Proximate Causes

Perluasan Infrastruktur

Ekspansi Pertanian

Pengambilan Kayu

I

I

I

[;] n

I I I

l ~-----------------------------------1

I

I

I

I

I

Faktor Ekonomi

Faktor Teknologi

Faktor Kebijakan& Kelembagaan

Faktor Budaya

Faktor Demografi

Underlying Causes Sumber: Geist & Lambin (2002)

Gambar2.2. Pembagian Penyebab-penyebab l)eforestasi Rutan Tropis Berdasarkan kerangka Geist & Lambin (2002), hutan diambil kayunya untuk tujuan komersial (perdagangan), kayu bahan, dan kayu energi. Sementara itu, lahan hutan dibuka untuk tujuan pembukaan lahan pertanian permanen, perladangan berpindah yang sering dilakukan dengan cara pembakaran lahan

(slash and burn), peternakan, dan proyek transmigrasi berbasis pertanian. Lahan hutan juga dimanfaatkan untuk pembangunan infrastruktur seperti pembangunan sarana transportasi, pasar, pemukiman, bangunan pelayanan publik seperti pengairan dan listrik serta juga dibuka untuk areal penambangan. Adapun faktor lainnya yang menyebabkan deforestasi adalah faktor alam seperti kebakaran, serangan hama/penyakit, kualitas tanah, dan pemicu kejadian sosial seperti peperangan, revolusi, goncangan ekonomi, dan lain-lain. Penyebab yang mendasari terjadinya deforestasi dijabarkan oleh Geist &

BAB/1 KA.IIAN PUSTAKA., KERANGKA PEMIKIRAN, DAN HIPOTESIS

20

Lambin (2002) adalah: 1) faktor demografi seperti pertumbuhan alamiah, migrasi, kepadatan, dan distribusi penduduk, 2) faktor ekonomi seperti pertumbuhan pasar, struktur ekonomi, industrialisasi, harga, dan keunggulan komparatif, 3) faktor teknologi seperti teknologi pertanian dan teknologi kehuta.nan, 4) faktor kebijakan dan kelembagaan seperti kebijakan pembangunan ekonomi, hak kepemilikan, dan kualitas manajemen seperti korupsi, dan 5) faktor budaya seperti nilai dan kepercayaan serta perilaku individu dan rumah tangga. (1) Aktivitas Pengam bilan Kayo Aktivitas pengambilan kayu dari huta.n dinyatakan oleh Kahn (1998) sebagai aktivitas utama yang menyebabkan deforestasi. Aktivitas pengambilan kayu biasanya dibedakan menjadi pengambilan kayu sebagai kayu baban

(timbers) dan pengambilan kayu untuk kayu energi (foe/wood). Palo (1987) dalam Hofstad (2005) menyebutkan bahwa eksploitasi kayu merubah ekologi hutan secara dramatis dan meningkatkan akses kepada pembukaan laban untuk pertanian. Sementara itu pengambilan kayu energi juga akan membuat kerusakan huta.n apabila dilakukan dalam jangka waktu yang lama. Adanya industri kehuta.nan disebutkan oleh FAO (1987) memberikan kontribusi pada pembangunan dan memberikan manfaat sosial yaitu pendapatan bagi pemerintah maupun masyarakat lokal namun dapat menyebabkan tekanan terhadap hutan semakin tinggi. (2) Aktivitas Konversi Laban Hutan Beberapa penelitian empiris menduga bahwa hilangnya hutan di negara tropis merupakan basil dari kepentingan penggunaan laban terutama pertanian (Barbier, 2001). Laporan FAO (1987) membeberkan fakta bahwa konversi laban

21

BAB/1 KAJIAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESIS

hutan untuk pertanian baik pertanian sementara maupun tetap terjadi sekitar 11,3 juta hektar setiap tahun dan terjadi untuk pemenuhan kebutuhan akan pangan bagi penduduknya. Sayangnya sebagian besar dari lahan pertanian hasil konversi tersebut tidak dapat memberikan hasil yang produktif dalam waktu lama dikarenakan terjadinya penurunan kesuburan tanah dan kerusakan lingkungan. Barbier & Burgess (200 1) telah meneliti bahwa peningkatan produktivitas hasil pertanian dapat mengurangi peningkatan konversi lahan hutan secara signifikan. Oleh karena itu, perubahan teknologi di bidang pertanian dapat membantu intensifikasi pertanian yang akan mengurangi ekspansi pertanian ke hutan. Konversi lahan hutan untuk pembangunan infrastruktur berupa jalan dengan perkerasan baik jalan negara maupun antar negara dan berbagai proyekproyek pembangunan diteliti oleh Pfaff (1999) secara positif dan signifikan mempengaruhi hilangnya hutan tropis di Amazon. Tomich (2003) memperkuat bahwa pembangunan jalan merupakan faktor kunci untuk memperluas integrasi dan ekspansi pasar bagi produk peternakan dan produk-produk lain sehingga membuat konversi hutan menjadi semakin menguntungkan. Hal ini mengingat dengan tersedianya akses menuju pasar, biaya transpor akan semakin murah. (3) Faktor Kependudukan

Harris (2002) menyebutkan bahwa penduduk memerlukan makanan dan seiring dengan pertumbuhan penduduk, semakin dibutuhkan lahan untuk pertanian dan fasilitas lain. Pertumbuhan populasi penduduk diindikasikan oleh Cropper & Griffiths ( 1994) sebagai faktor penekan atas kejadian deforestasi. Penduduk desa yang memandang pertanian sebagai mata pencaharian akan


22

melakukan deforestasi seiring dengan meningkatnya kepadatan penduduknya. Pertumbuhan penduduk juga akan meningkatkan permintaan akan kayu baik untuk bahan maupun kayu energi. Populasi penduduk menurut Kaimowitz & Angel sen ( 1998) merupakan variabel penelitian yang paling konsisten disertakan dalam model deforestasi. Beberapa penelitian menunjukkan bahwa kepadatan dan pertumbuhan penduduk mempunyai korelasi positif dengan deforestasi. Kependudukan juga terkait dengan faktor ikutan lain seperti pendidikan, pengetahuan penduduk serta budayanya. Penelitian Bhattarai & Hammig (2004) menunjukkan bahwa semakin tinggi tingkat pendidikan penduduk, deforestasi dapat ditekan. Hal ini terkait dengan kesadaran penduduk yang semakin baik untuk menjaga lingkungan. Lebih jauh, pendidikan meningkatkan kualitas modal manusia dalam menguasai teknologi yang lebih baik dan lebih ramah lingkungan. (4) Faktor Ekonomi Kaimowitz & Angelsen ( 1998) menyebutkan bahwa dalam beberapa penelitian, variabel ekonomi makro yang banyak diteliti berkaitan sebagai faktor tidak langsung penyebab deforestasi adalah pendapatan, utang, dan perdagangan. Akan tetapi, basil pengujian variabel-variabel tersebut menghasilkan kesimpulan yang beragam akibat rendahnya kualitas data tutupan hutan. Oleh karena itu hasilnya perlu diinterpretasi dengan hati-hati. Model penelitian deforestasi dengan pendapatan per kapita menurut pendapat Kaimowitz ·& Angelsen (1998) banyak mengasosiasikan bahwa semakin tinggi pendapatan per kapita di negara berkembang terkait dengan deforestasi yang semain meningkat. Banyak model yang tidak secara jelas menyimpulkan apakah nantinya deforestasi itu akan


23

semakin menurun seiring semakin kayanya negara tersebut. Bhattarai & Hammig (2004) melalui analisisnya menyebutkan bahwa dengan dapatnya mengk:onfirmasi teijadinya hipotesis EKC di dalam model deforestasi ini, dapat menerangkan bagaimana perilaku negara terhadap deforestasi yang terjadi. Tietenberg ( 1996) dalam bukunya menyebutkan bahwa deforestasi dapat teijadi karena dipengaruhi oleh utang negara. Utang yang semakin besar di negara berkembang memaksa negara untuk melak:ukan over eksploitasi sumber dayanya. Penelitian Bhattarai & Hammig (2004) membenarkan kesimpulan Tietenberg (1996) dengan basil penelitiannya bahwa proporsi utang terhadap Produk Domestik Bruto berpengaruh positif dan signifikan terhadap laju deforestasi hutan alam tropis. Besarnya utang maupun keputusan suatu negara untuk menambah maupun mengurangi utangnya dapat menjadi suatu kebijakan ekonomi yang mempengaruhi keputusan deforestasi. Perdagangan basil hutan dengan ekspor kayu dinyatakan oleh Tietenberg (1996) akan mampu meningkatkan perolehan devisa dari perbedaan nilai tukar mata uang. Dengan memperbesar ekspor kayu, pemerintah dapat membayar utang dan menekan kemiskinan penduduknya. Penelitian Martinez et a/. (2002) memperlihatkan bahwa rasio ekspor kehutanan tiap negara terhadap total ekspor kehutanan global mempunyai pengaruh yang positif terhadap Iaju deforestasi. Harga kayu dapat digunakan sebagai suatu alat kebijakan pada level makroekonomi. Kaimowitz & Angelsen (1998) menjelaskan bahwa kebijakan harga dapat memberikan pengaruh yang beragam terhadap deforestasi. Tanpa penanganan yang tepat, kenaikan harga justru akan meningk:atkan deforestasi.

BABII KAIIAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESIS

24

(5) Faktor Kepemerintahan dan Kebijakan Pemerintah

Pemerintah mempunyai peran penting dalam penggunaan sumber daya hutan. Bhattarai & Hammig (2004) menyebutkan bahwa lebih dari 90% hutan tropis di dunia berada dalam kontrollangsung pemerintah. Industri perkayuan di negara berkembang hampir selalu dalam aliansi yang difasilitasi oleh pemerintah. Oleh karena

i~

perbaikan

pengelolaan sektor kehutanan bahkan mungkin

memerlukan perubahan rezim pemerintahan (Sunderlin & Resosudarmo, 1996). Barbier (200 1) menyebutkan bahwa beberapa analisis empiris telah mengeksplorasi hubungan variabel kelembagaan seperti konflik laban, keamanan dalam kepemilikan, stabilitas politik dan peran hukum terhadap deforestasi. Deacon ( 1994) menemukan basil bahwa ketidakamanan secara politik dan revolusi politik mempunyai hubungan yang positif dengan proses deforestasi. Penelitian Bhattarai & Hammig (2004) mengenai peran kepemerintahan yang baik menunjukkan hubungan negatif terhadap deforestasi. Interpretasinya adalah semakin baik kualitas kepemerintahan dan kebijakan pemerintah dapat mengurangi deforestasi. Meskipun demikian, Barbier &

Burgess (200 1)

mengingatkan bahwa walaupun beberapa model memperlihatkan pentingnya faktor kelembagaan, pertanyaan mendasar dan penting yang patut diajukan adalah seberapa besar pembobotan bagi masing-masing indeks tersebut terutama dibandingkan dengan variabel penjelas yang lain. Keterbatasan lain adalah bahwa indeks-indeks tersebut tidak bervariasi nilainya pada periode waktu yang panjang serta hanya terdapat pada beberapa sampel negara tropis saja.


25

2.1.3. Hipotesis Environmental Kuznets Curve (EKC)

1) Latar Belakang Teoritis Pada pertemuan tahunan ke-67 dari The American Economic Association di tahun 1954, Simon Kuznets memberikan sambutan presiden asosiasi dengan judul Economic Growth and Income Inequality. Kuznets menduga bahwa dengan semakin meningkatnya pendapatan per kapita, ketimpangan pendapatan juga akan meningkat pada awalnya, akan tetapi pada suatu titik balik (turning point) tertentu ketimpangan tersebut akan mulai menurun (Kuznets, 1955). Kuznets percaya bahwa distribusi pendapatan menjadi tidak merata pada tahap-tahap awal pertumbuhan ekonomi akan tetapi kemudian distribusi pendapatan ini mulai berbalik semakin merata seiring berlanjutnya pertumbuhan ekonomi. Berdasarkan analisis empiris yang dilakukannya, didapat basil bentuk kurva yang senng disebut Kurva U Terbalik atau Kurva Kuzn~ts seperti pada Gambar 2.3.

titik balik pendapatan per kapita

~

+

~~

.,·.::s ~

I

>

pendapatan per kapita

Gambar2.3. Kurva U Terbalik Kuznets


26

Pada tahun 1991, Kurva Kumets mendapatkan eksistensi baru. Konsep ini menjadi alat baru untuk menjelaskan hubungan antara pendapatan per kapita dan kualitas lingkungan. Hasil penelitian empiris Grossman & Krueger ( 1991) dalam Stem (2004) secara khusus memperlihatkan bahwa terdapat temuan bahwa tingkat degradasi lingkungan dari beberapa polutan dan pendapatan per kapita mempunyai hubungan yang sama dengan bentuk Kurva Kumets. Kurva baru yang menggambarkan hubungan pendapatan per kapita dengan kualitas lingkungan ini disebut Environmental Kuznets Curve (EKC) seperti terlihat pada Gambar 2.4.

titik balik pendapatan per kapita

~

I

>

pendapatan per kapita

Gambar2.4.

Environmental Kuznets Cut'Ve (EKC) Hipotesis EKC pertama kali berkembang pada tahun 1990an saat Grossman & Krueger mempublikasikan hasil penelitian mengenai hubungan pendapatan per kapita dengan polusi S02, dark matter, dan suspended particles (SPM) sebagai studi dampak lingkungan dari penerapan North American Free

Trade Agreement (Stem, 2004 ). Karyanya merupakan analisis data panel dari The

BABII KAJIAN PUSTAKA, KERANGKA PEMIKJRAN, DAN HIPOTESIS

27

Global Environmental Monitoring System di 52 kota dan 32 negara selama periode 1977-1988. Hasilnya adalah bentuk kurva U Terbalik dengan turning

point pendapatan per kapita sebesar $4,772-$5,965 untuk S02 dan dark matter. Shafik & Bandyopadhyay ( 1992) kemudian meneliti berbagai kualitas lingkungan mulai dari kesulitan air bersih dan sanitasi perkotaan, S02, laju deforestasi tahunan, sampah perkotaan, serta emisi karbon dengan pendapatan per kapita yang hasilnya melandasi pembuatan World Development Report 1992. Stem (2004) menyebutkan bahwa hipotesis EKC ini dipopulerkan dalam

World Development Report 1992 terbitan Bank Dunia yang memandang bahwa kegiatan ekonomi yang lebih besar tidak terelakkan lagi akan merusak lingkungan. Akan tetapi, ketika pendapatan meningkat, permintaan akan lingkungan yang lebih baik meningkat seiring dengan investasi yang tersedia bagi lingkungan dan teknologi yang telah berkembang lebih baik. Munculnya literatur mengenai EKC mempunyai implikasi penting dalam pemikiran pembangunan berkelanjutan (Barbier, 2005). Penelitian EKC terhadap hubungan pendapatan per kapita dan deforestasi dalam analisis antar negara pertama kali dilakukan oleh Shafik & Bandyopadhyay (1992) dengan data panel sekitar 149 negara menggunakan deforestasi antara tahun 1961-1986. Akan tetapi, penelitian ini secara statistik tidak mendapatkan basil yang signifikan sehingga bentuk EKC deforestasi tidak ditemukan. Penelitian yang dilakukan Cropper & Griffiths ( 1994) akhimya menyimpulkan adanya EKC deforestasi hutan dan laban untuk data Afrika dan Amerika Latin dengan turning point pendapatan per kapita senilai masing-masing $4,760 dan

BABII KAHAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESIS

28

$5,420. Selanjutnya penelitian Bhattarai & Hammig (2004) juga menemukan hal yang serupa untuk pengujian EKC deforestasi global pada hutan alam tropis. Mereka menggunakan data dari World Resources Institute periode 1980-1995 dengan berbagai variasi variabel yang kemudian menghasilkan turning point pendapatan per kapita bervariasi antara $5,940-$7,140. Hipotesis EKC telah berkembang menjadi salah satu alat analisis utama dalam meneliti kualitas lingkungan terkait pembangunan ekonomi. Akan tetapi, menurut Panayotou (2001), hipotesis EKC ini harus terus didukung dengan buktibukti dan analisis empiris. Hal ini dikarenakan dalam kasus-kasus EKC, beberapa isu yang mengemuka antara lain: 1) pada level pendapatan per kapita berapakah terjadi turning point?, 2) seberapa parahkah kerusakan lingkungan tersebut dan dapatkan dikurangi?, 3) apakah perbaikan lingkungan pada pendapatan yang lebih tinggi ini bersifat otomatis atau memerlukan perbaikan kebijakan?, dan 4) bagaimana mempercepat pembangunan di negara berkembang (miskin) sehingga dapat merasakan kondisi lingkungan dan ekonomi yang sama seperti yang dirasakan oleh negara maju (kaya)? 2) Kerangka Ekonometrika

Hipotesis EKC dikatakan oleh Stern (2004) sebagai suatu fenomena analisis empiris dan pada awalnya merupakan fungsi kuadratik sederhana dari data pendapatan per kapita dan kualitas lingkungan dalam bentuk data level mengacu pada penelitian Grossman & Krueger ( 1991 ). Model EKC banyak diaplikasikan pada analisis antar negara baik dalam bentuk analisis data crosssection maupun data panel. Dalam perkembangannya banyak sekali modifikasi

BAB/1

29


bentuk persamaan EKC yang dilakukan oleh peneliti-peneliti seperti mengunakan data level maupun ditransformasi dalam bentuk logaritma natural dalam analisis data panel (Panayotou, 2001). Oleh karena itu, berbagai bentuk persamaan dasar EKC terutama untuk variabel bebas pendapatan per kapita (Y) dan variabel terikat indikator lingkungan (E) dapat dinyatakan dalam berbagai versi sebagai berikut:

Eil = ao + a1Y;t + a2Y/+ eil ............................................................... (2.3) Eil =Po+ P1lnY;, + P2(/nY;J 2+ vii ..................................................... (2.4) /nEil= ~o + ~1/nY;, + ~2(/nY;J 2 + ~3(/nY;J 3 +ail .............................. (2.5) ln(E/p)u = 8; + Yt + A.1/nY;t + A.2(/nY;J2+ (/J;t ..................................... (2.6) Persamaan (2.3) dan (2.4) dirangkum oleh Panayotou (2001). Persamaan (2.5) dikemukakan oleh Zarzoso & Morancho (2003) dengan membuat model kubik dalam bentuk logaritma natural. Stern (2004) membuat model persamaan (2.6) menggunakan konsep per kapita dalam semua variabel. Indikasi terjadinya EKC dapat ditunjukkan dari basil koefisien regresi yaitu apabila parameter pada variabel Y yaitu a1,

p1,

~ 1•

A. 1 mempunyai nilai positif signifikan dan parameter

pada variabel Y2 yaitu a2, P2. ~2. A.2 bernilai negatif signifikan.

Turning point pendapatan per kapita dapat dicari dengan pnnstp maksimalisasi yaitu dari turunan pertama parsial kualitas lingkungan terhadap pendapatan per kapita sama dengan nol. Titik turning point pendapatan per kapita menjadi hal penting yang akan didapat apabila terjadi EKC (Panayotou, 2001 ). Titik ini merupakan awal menurunnya degradasi lingkungan seiring naiknya pendapatan per kapita (Barbier, 2005). Kajian yang dilakukan oleh Stern (2004) menyebutkan bahwa apabila data pendapatan per kapita negara yang dipakai


30

adalah data yang sudah disesuaikan dengan paritas daya beli, maka nilai turning point pendapatan per kapita yang didapat akan lebih tinggi. Begitu juga apabila

lebih banyak memasukkan data pendapatan negara-negara miskin diindikasikan juga akan menghasilkan titik turning point yang lebih tinggi. Variasi hasil empiris EKC sangat bergantung pada indikator lingkungan yang dipilih, bentuk fungsional model, teknik ekonometri, variabel penjelas, jangka waktu, dan banyaknya negara yang dimasukkan sebagai data (Zarzoso & Morancho, 2003; Bhattarai & Hammig, 2004). Oleh karena itu, Barbier (2005) menyatakan perlunya uji EKC secara kontinyu. Perdebatan akan hasil EKC disebutkan oleh Stem (2004) dapat terjadi karena EKC secara esensial sebenarnya merupakan fenomena empiris yang mempunyai kelemahan secara ekonometrik. Terlihat di banyak literatur EKC yang sedikit sekali memperhatikan sifat data secara statistik. Lebih lanjut Stem (2004) mengungkapkan bahwa asumsi di banyak penelitian adalah apabila secara individual koefisien regresi pada pendapatan per kapita bernilai signifikan dan mempunyai tanda yang diharapkan, maka EKC terjadi. Padahal, salah satu tujuan utama menggunakan teknik ekonometri adalah melihat hubungan dalam suatu relasi yang dapat saja berbeda dengan berbagai variasi pemilihan variabel dalam model tersebut. Sensitivitas terjadinya bentuk EKC terutama pada polusi telah mendapat perhatian dari beberapa peneliti. Terdapat empat hal yang mempengaruhi sensitivitas EKC terhadap polusi yang dirangkum oleh He (2007) berdasarkan berbagai model penelitian EKC yaitu bahwa bentuk EKC sensitif terhadap: 1. Pemilihan periode waktu. He (2007) mencontohkan bahwa Harbaugh eta/.

31


(2000) menggunakan bentuk model dan somber data yang sama persis dengan penelitian Grossman & Krueger (1991) kemudian menambah periode waktu selama 10 tahun. Perubahan ini membuat basil kurva berubah dari bentuk semula yaitu U terbalik menjadi bentuk S terbalik. 2. Pemilihan sampel negara. He (2007) menggunakan basil penelitian Selden & Song (1994) dan membandingkannya dengan basil dari Stem &

Common (200 1) yang menggunakan sampel data negara yang lebib banyak. Hasilnya adalah teijadi perbedaan nilai turning point pendapatan per kapita. Stem & Common (200 1) mendapatkan basil turning point yang lebib tinggi akibat memasukkan lebib banyak data negara berkembang. 3. Pemilihan ukuran kualitas lingkungan yang digunakan. He (2007) mengungkapkan bahwa terdapat dua bentuk ukuran polusi yang dipakai dalam penelitian EKC terhadap polusi yaitu emisi dan konsentrasi zat polutan tersebut. Emisi lebib merupakan bentuk data yang bersifat flow dan konsentrasi lebib menyerupai data yang bersifat stock. Selden & Song ( 1994) menyebutkan bahwa data konsentrasi polutan lebib mudah membentuk grafik U terbalik

karena data konsentrasi yang mengukur

kualitas polutan per unit area merupakan indikator yang lebib terasa langsung baik pada produksi maupun kesehatan publik dibanding emisi. 4. Pemilihan

bentuk

penyelesaian

secara

ekonometrika.

He

(2007)

mengemukakan bahwa analisis EKC polusi dilakukan dengan berbagai teknik estimasi menggunakan data time series, cross-section sampai estimasi data panel dalam bentuk persamaan kuadratik maupun kubik akan

32


menghasilkan turning point pendapatan per kapita yang berbeda-beda.

2.1.4. Penelitian-penelitian Sebelumnya

Hasil penelitian-penelitian yang sudah pemah dilakukan merupakan landasan empiris bagi tesis ini. Ringkasan basil penelitian-penelitian sebelumnya disajikan pada Tabel 2.1. Studi empiris ini terbagi dua yaitu studi empiris mengenai EKC deforestasi dan studi empiris mengenai variabel-variabel yang mempengaruhi deforestasi. Bersama dengan landasan teoritis yang telah dikemukakan pada sub bah sebelumnya, basil-basil penelitian sebelumnya menjadi rujukan bagi pembuatan kerangka berpikir untuk menjawab pertanyaan penelitian. Model-model penelitian yang digunakan oleh peneliti-peneliti sebelumnya menjadi inspirasi pembuatan model dan disain penelitian. Hasil-basil studi empiris ini dapat menjadi pembanding dalam pembahasan basil yang akan dihasilkan oleh tesis ini sehingga diketahui posisi penelitian yang sedang dilakukan dalam tesis ini. 1) Penelitian Maureen Cropper dan Charles Griffiths (1994)

Cropper & Griffiths ( 1994) mengemukakan bahwa tekanan penduduk menjadi penyebab deforestasi. Pertumbuhan penduduk berarti bertambahnya kebutuhan akan laban yang meningkatkan ekspansi ke butan. Disamping itu, penelitian ini akan mencoba mengungkapkan terjadinya EKC terbadap deforestasi. Pendapatan merupakan ujung yang penting dalam

kebidupan.

Mereka

mengunakan data panel 64 negara berkembang pada tahun 1961-1988. Analisis dibedakan untuk wilayah Afrika, Arnerika Latin, dan Asia. Laju deforestasi (DF)

33

BABJJ

KAJ/AN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESIS

merupakan fungsi dari kepadatan penduduk desa (RPD), pertumbuhan populasi (ll POP), harga kayu (TP), persentase pertumbuhan PDB (ll PCGDP), PDB per kapita (PCGDP), dan kuadrat PDB per kapita dengan model matematis

F,,t-1 - F,, f(RPD,llPOP,TP,llPCG DP,PCGDP,PCGDP 2 )u ........ (2.7) F,,l-1 Hasil penelitian ini menunjukkan terjadi EKC untuk Afrika dan Amerika

Latin dengan turning point pendapatan per kapita masing-masing $4,760 dan $5,420. Kenaikan pendapatan per kapita mempengaruhi penurunan laju deforestasi di Afrika dan juga di Amerika Latin. Kepadatan penduduk di desa berpengaruh negatif dan signifikan terhadap deforestasi di Afrika sedangkan pertumbuhan populasi tidak memberikan pengaruh yang nyata di tiga wilayah tersebut. Adapun harga kayu berpengaruh positif dan signifikan dalam mempengaruhi deforestasi di Amerika Latin. Akan halnya yang terjadi di Asia, temyata tak satupun variabel bebas ini mempengaruhi laju deforestasi disana yang mungkin dipengaruhi oleh adanya pembangunan hutan tanaman yang begitu penting di Asia sehingga mempengaruhi data deforestasi yang didapat. 2) Penelitian E.B. Barbier dan J.C. Burgess (2001) Barbier & Burgess (200 1) meneliti deforestasi hutan tropis dalam cara pandang yang lain. Mereka menggunak:an perspektif ekspansi laban pertanian sebagai proksi deforestasi di tiap negara tropis. Hal ini didasari dengan pemikiran bahwa di banyak: negara berkembang, penurunan hutan dan laban berkayu lainnya terutama merupakan basil dari konversi laban pansi pertanian. Tujuan dari


34

penelitian ini adalab untuk mengetahui penyebab ekonomi dari deforestasi hutan tropis yang tetjadi di negara-negara Asia. Amerika Lati~ dan Afrika. Penelitian ini menggunakan data panel antar negara dengan periode waktu antara tahun 1961-1994. Data persentase perubaban laban pertanian tahunan (%AGR) merupakan variabel terikat, sedangkan variabel bebas yang dipilih adalab: I) PDB per kapita atas dasar harga dollar konstan tahun 1987 yang disesuaikan dengan Paritas Daya Beli (GDP), 2) pertumbuhan PDB (GDPG), 3) pertumbuhan populasi (POP), 4) produktivitas pertanian (CEREAL), 5) persentase laban pertanian (CROPLN), 6) share ekspor pertanian (EXPAGR), 7) lahan pertanian per kapita (AGRCAP), 8) Indeks korupsi (CORRUPT), 9) Indeks Kepemilikan (PROPINX), dan 10) Indeks Kestabilan Politik (POLINX). Penelitian ini membagi estimasi model menjadi 4 bagian yaitu estimasi seluruh negara tropis, estimasi wilayab Afrika saja, Amerika Latin saja. dan wilayab Asia saja sehingga dapat diketahui spesifikasi di tiap wilayab tersebut. Adapun model matematis persamaan ini adalab sebagai berikut:

Fit- Fit-! =Ail- Ait-1 = %A GRit = f (GDP, GDr, GDPG, POP, CEREAL, CROPLN, EXPA GR. AGRCAP, CORRUPT, PROPINX POLINX)it ......................................................... (2.8) Hasil penelitian menunjukkan babwa hipotesis EKC terhadap persentase ekspansi laban pertanian tahunan hanya tetjadi pada estimasi seluruh negara dan wilayab Amerika Latin saja dengan turning point pendapatan per kapita masingmasing $5,445 dan $4,946. Pertumbuhan populasi penduduk berpengaruh positif dan signifikan secara keseluruhan dan secara khusus di Amerika Latin dan Asia.


35

Produktivitas sereal per hektar berpengaruh negatif Hal yang menarik adalah bahwa dengan makin bertambahnya luasan lahan pertanian, produktivitas yang semakin bertambah tidak mempengaruhi deforestasi. Peningkatan ekspor mempengaruhi peningkatan ekspansi lahan pertanian kecuali di Afrika dan Asia yang tidak berpengaruh. Variabel kelembagaan mempunyai basil yang bervariasi. Korupsi berpengaruh positif terhadap ekspansi lahan pertanian di Asia saja. Secara global, kestabilan politik berpengaruh positif dalam mempengaruhi ekspansi lahan pertanian ke hutan. Hanya saja secara statistik, nilai adjusted R2 yang rendah berkisar 0,073 sampai 0,450 memperlihatkan bahwa variabel yang ada kurang baik dalam menjelaskan ekspansi lahan pertanian/deforestasi. 3) Penelitian Madhusudan Bhattarai dan Michael Hammig (2004)

Bhattarai & Hammig (2004) meneliti deforestasi hutan alam tropis dan berusaha mengkonfirmasi hipotesis EKC dengan set data periode tahun 19801995. EKC dilihat dengan menggunakan data stock deforestasi hutan alam tropis dengan studi panel antar negara di Amerika Latin, Afrika, dan Asia dengan total 63 negara. Sebagai pembeda, mereka ingin mengetahui pengaruh faktor kualitas kepemerintahan (governance) dan kebijakan ekonomi. Adapun data tutupan hutan alam tropis yang digunakan berasal dari data World Resources Institute (WRI). Variabel terikat yang dipakai adalah Iuas deforestasi tahunan (DF). Variabel bebasnya adalah: 1) PDB per kapita yang dihitung dalam USD tahun 1990 sesuai Paritas Daya Beli (GDP), 2) variabel struktural berupa pertumbuhan produktivitas pertanian (CEREAL) dan tingkat pendaftaran masuk pendidikan sekunder (SCHOOL), 3) variabel kelembagaan yang terdiri dari kepemerintahan

36

BAB/1 KAIIAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESIS

(GOV) dan kelembagaan politik (POLINS), 4) variabel kebijakan ekonomi makro yang terdiri dari laju pertumbuhan ekonomi (ECGR) dan persentase utang terhadap PDB (DEBT), dan 5) variabel populasi yang terdiri dari pertumbuhan populasi (POP) dan kepadatan penduduk pedesaan (RURDENS). Ditambahkan pula variabel luas hutan per kapita (FORCAP) untuk meminimalkan efek bias skala dari luasnya hutan yang berbeda-beda di tiap negara. Pengukuran deforestasi tahunan dihitung selama periode 1980-1990 dan periode 1990-1995. Data-data dianalisis dengan teknik regresi data panel dengan model efek tetap. Terdapat tiga model yang dianalis. Sehubungan dengan kelengkapan data antar negara, maka untuk Model 1 dan 3 menggunakan data 55 negara dan Model 2 menggunakan data 63 negara. Secara matematis ketiga model ditunjukkan sebagai berikut:

DFit = f (GDP, GDr, GOV. ECGR. DEBT, CEREAL, SCHOOL, POP, RURDENS, FORCAP)it ................................................ (2.9) DF;r = f (GDP, GDr, POLINS, ECGR. DEBT, CEREAL, SCHOOL, POP, RURDENS, FORCAP);r ............................................... (2.10) DF;r

=

f(GDP, GDr, GOV. GDP*GOV, ECGR. DEBT, CEREAL, SCHOOL, POP, RURDENS, FORCAP);r ............................. (2.11)

Hasil penelitian mengkonfirmasi terjadinya EKC pada ketiga model yang diajukan dengan sangat signifikan. Nilai adjusted R2 yang cukup tinggi yaitu 0,66-0,67 menunjukkan kekuatan variabel penjelas dalam model ini lebih baik dari penelitian sebelumnya. Besarnya nilai turning point pendapatan per kapita berturut-turut adalah $7,080; $7,140; dan $5,940. Variabel kepemerintahan berpengaruh negatif dan signifikan sehingga mengindikasikan bahwa semakin baik kualitas kepemerintahan, deforestasi dapat ditekan. Hasil ini memperkuat


37

temuan penelitian terdahulu yang menunjukkan pentingnya faktor kelembagaan terhadap deforestasi hutan tropis. Perubahan produktivitas hasil pertanian dalam hal ini adalah biji-bijian sebagai bahan pangan pokok berpengaruh negatif dan signifikan terhadap deforestasi. Ini menunjukkan bukti baru dan memperlihatkan pentingnya intensifikasi pertanian serta modernisasi pertanian sebagai insentif pengembangan pertanian dan mengurangi tekanan terhadap hutan. Hasil yang sama juga teijadi pada bidang pendidikan yang mengindikasikan bahwa semakin terdidik dan meningkatnya kualitas modal manusia akan menurunkan tekanan terhadap hutan. Populasi penduduk sebagai pendorong deforestasi terbukti dalam semua model yaitu memperlihatkan pengaruh positif dan signifikan dari pertumbuhan penduduk terhadap deforestasi.

Akan halnya kepadatan penduduk pedesaan yang

berhubungan negatif menunjukkan bahwa penduduk pedesaan bukan merupakan aktor utama yang berperan dalam deforestasi. 4) Penelitian Emmanuel K. Yiridoe dan David M. Nanang (2001) Penelitian Yiridoe & Nanang (2001) bertujuan untuk mengetahui hubungan yang kompleks antara deforestasi dan faktor-faktor yang mempengaruhinya di Ghana. Deforestasi menjadi permasalahan di Ghana karena lajunya yang lebih cepat diantara negara tropis yang sedang berkembang lainnya. Deforestasi dimodelkan dalam dua tahap melalui bentuk persamaan rekursif dengan data time series selama periode 1961-1999. Terdapat empat persamaan rekursif untuk menganalisis faktor-faktor yang mempengaruhi deforestasi di Ghana yaitu ekspor hasil hutan (FORX), konsumsi kayu energi (FWCON),


38

produksi kakao (COCO), dan produksi tanaman pangan (FOOD). Ekspor basil hutan merupakan fungsi dari GDP, harga ekspor (XP), utang (DEBT), dan luas hutan (FORAREA). Konsumsi kayu energi merupakan fungsi dari GDP, pertumbuhan penduduk tahunan (POP), luas hutan, hak kepemilikan lahan (PROPR), dan waktu (T). Adapun produksi kakao merupakan fungsi dari pertumbuhan GDP (GDPG), pertumbuhan penduduk tahunan di sektor pertanian (AGRPOP), luas hutan, hak kepemilikan lahan, utang, indeks kakao (COCOIN), dan harga kakao (COCOP). Sedangkan produksi tanaman pangan merupakan fungsi dari pertumbuhan GDP, pertumbuhan penduduk tahunan, luas hutan, hak kepemilikan lahan, dan indeks pangan (FOODIN). Secara matematis, penelitian ini dapat dimodelkan sebagai berikut:

FORX,

=

FWCON,

f(GDP, XPRICE, DEBT, FORAREA) 1••••••••••••••••••••••••••••••••• (2.12) =

f (GDP, POP, FORAREA, PROPR, T} 1 ........................... (2.13)

COC01 = f (GDPG, AGRPOP, FORAREA, PROPR. DEBT, COCOIN, COCOP) 1•••••••••••••••••••.••••••••••••••••••.....•••••••••••••• (2.14) FOOD1 = f (GDPG, POP, FORAREA, PROPR. FOODIN} 1•••.••••••.•.•• (2.15) DEFOR1= f(FORX, FWCON, COCO, FOOD), .................................. (2.16)

Hasil penelitian menunjukkan bahwa seluruh variabel yang mempengaruhi deforestasi berpengaruh secara signifikan terhadap luas deforestasi di Ghana periode 1961-1999. Ekspor hasil hutan dan konsumsi kayu energi berpengaruh positif Kedua variabel ini merupakan variabel yang langsung berhubungan dengan hutan sebagai penyedia sumber basil hutan. Adapun produksi tanaman pangan juga berpengaruh positif terhadap deforestasi yang semakin menunjukkan pentingnya pangan dan dapat saja menggunakan hutan sebagai lahan. Adapun


39

produksi kakao berpengaruh negatif karena sampai kini banyak perkebunan kakao yang ditutup dan diganti dengan tanaman pangan. Kebijakan penanggulangan deforestasi temyata tidak dapat ditangani oleh sektor kehutanan sendiri saja karena dipengaruhi juga oleh sektor pertanian, ekonomi, demografi, dan politik.

S) Penelitian Karen Ehrhardt-Martinez, Edward M. Crenshaw, dan J.C.

Jenkins (2002) Martinez et al. (2002) melakukan penelitian untuk menguji sumbersumber hipotesis EKC pada deforestasi yaitu dari pembangunan ekonomi menggunakan Teori Modernisasi Ekologi dan ekonomi politik internasional. Variabel terikat yang digunakan adalah persentase laju deforestasi tahunan periode 1980-1995 dari seluruh negara berkembang yang didapat dari WRI. Variabel bebas bervariasi dari variabel modemisasi struktural, modemisasi politik, dan variabel ekonomi politik intemasional. Modernisasi struktural menggunakan variabel PDB per kapita, urbanisasi, pertumbuhan populasi, urbanisasi, dan pekerjaan sektor jasa. Modemisasi politik menggunakan variabel pendidikan, areal konservasi, lingkup kerja pemerintah, dan level demokrasi. Adapun ekonomi politik intemasional menggunakan variabel utang, sistem global, dan perdagangan hasil hutan yang diukur dalam empat cara yaitu nilai ekspor terhadap PDB riil, nilai ekspor tiap negara sebagai proporsi terhadap ekspor global, nilai impor sebagai proporsi terhadap impor global, dan rasio impor-ekspor. Terdapat 18 variasi model yang dibangun dalam penelitian 1m yang diestimasi dengan menggunakan teknik regresi OLS. Hasil penelitian Martinez et a/. (2002) dipilih 2 dari 18 model yang sesuai dengan penelitian dalam tesis ini yaitu Model 1 yang mengamati terjadinya EKC dengan variabel luas hutan

BABII KAJJAN PUSTAKA, KERANGKA PEMIKIRAN, DAN HIPOTESJS

40

(FORAREA) dan PDB per kapita (GDP) dan tambahan reliabilitas data (R) untuk meminimasi bias serta Model 14 untuk mengetahui pengaruh perdagangan intemasional terutama share ekspor basil hutan terhadap PDB (SX) dengan memperhitungkan luas hutan dan penduduk perkotaan (URPOP). Secara matematis kedua model tersebut dijabarkan sebagai berikut:

DF-Olit = f(logFORAREA, R.logGDP, logGDr)it .......................... (2.17) DF-14it =[(log FORAREA, R. %URPOP, URPOr, SX)it················ (2.18)

Hasil analisis Model 1 membuktikan terjadinya EKC dengan turning point

pendapatan perkapita $1,150. Dalam Model 1 terbukti peranan variabel reliabilitas data karena semakin luas hutan, persentase laju deforestasi tahunan terlihat kecil sehingga variabel reliabilitas data menjadi pengkontrol bagi terjadinya bias yang tidak diinginkan. Sementara dalam Model 14 memperlihatkan bahwa share ekspor basil hutan terhadap PDB tahun 1980 tidak mempunyai pengaruh yang signifikan terhadap deforestasi. Hasil ini sekaligus menjadi bukti bahwa dalam kerangka pemikiran yang modem terdapat juga kondisi EKC. EKC dapat menjadi salah satu tolok kebijakan untuk menggabungkan kebijakan dan praktek-praktek kehutanan dalam pembangunan yang dapat menurunkan deforestasi sehingga diharapkan dapat menciptakan kelestarian lingkungan dalam pembangunan berkelanjutan.

~~ ~~

Tabel2.1. Ringkasan Basil Penelitian Sebelumnya

No 1

Penulis dan Judul Cropper & Griffiths ( 1994) The Interaction of Population Growth and Environmental Quality

Tujuan Mengungkapkan terjadinya EKC terhadap deforestasi dan pengaruh populasi penduduk.

Metode Regresi data panel 64 negara berkembang pada tahun 1961-1988 yang dibedakan untuk wilayah Afrika, Amerika Latin, dan Asia. Deforestasi yang digunakan adalah persentase deforestasi tahunan. Model:

%DF11 = f(RPD, APOP, TP, L1PCGDP, PCGDP,PCGDP) 11 2

Barbier & Burgess (200 1) The Economics of Tropical Deforestation

Mengetahuipenyebab ekonomi dari deforestasi hutan tropis yang terjadi di negara-negara Amerika Latin, Afrika, dan Asia

~~

Basil

""tl

Terjadi EKC untuk Afrika dan Amerika Latin dengan titik balik pendapatan per kapita masingmasing $4,760 dan $5,420.

~

Kepadatan penduduk di desa berpengaruh negatif terhadap deforestasi di Afrika. Namun, pertumbuhan populasi tidak memberikan pengaruh yang nyata di tiga wilayah tersebut.

Regresi data panel antar negara dengan EKC hanya terjadi pada estimasi periode waktu antara tahun 1961-1994. global dan wilayah Amerika Deforestasi diproksi dengan data Latin saja dengan titik balik persentase perubahan lahan pertanian pendapatan per kapita masingtahunan (%AGR). masing $5,445 dan $4,946. Model:

'YoAGR11 = f(GDP, GDP, GDPG, PO~CEREAL,CROPLN,

EXPAGR, AGRCAP, CORRUPT, PROPINX, POLINX)11

Pertumbuhan populasi penduduk mempunyai pengaruh positif, produktivitas serealia per hektar berpengaruh negatif. Secara global, kestabilan politik berpengaruh positif dalam mempengaruhi deforestasi.

~

~

~

~ ~

~

~~ ~ ~

~ ~

~

V:5

~

No

Penulis dan Judul

Tujuan

Metode

Basil

3

Bhattarai & Hammig (2004)

Mengkonfirmasi hipotesis EKC dengan set data terbaru periode tahun 1980-1995.

Regresi data panel antar negara Asia, Afrika, dan Amerika Latin sebanyak 63 negara dengan periode waktu antara tahun 1980-1995. Deforestasi yang digunakan adalah luas deforestasi tahunan.

Hasil penelitian mengkonfirmasi terjadinya EKC pada ketiga model yang diajukan dengan sangat signiflkan. Titik balik pendapatan per kapita berturutturut adalah $7,080; $7,140; dan $5,940.

Governance, Economic Policy, and The Environmental Kumets Curve for Natural Tropical Forests

4

Yiridoe & Nanang (200 1) An Econometric Analysis of The Causes of Tropical Deforestation: Ghana

Sebagai pem.beda, mereka ingin mengetahui pengaruh faktor governance dan kebijakan ekonomi.

Mengetahuihubungan yang kompleks antara deforestasi dan faktorfaktor yang mem.pengaruhi deforestasi di Ghana.

Model: DFu = f (GDP, GDr, GOV. ECGR, DEBT, CEREAL, SCHOOL, POP, RURDENS, FORCAP) 11 DFu = f (GDP, GDr, POLINS, ECGR, DEBT, CEREAL, SCHOOL, POP, RURDENS, FORCAP) 11 DFu = f (GDP, GDr, GOV. GDP*GOV, ECGR, DEBT, CEREAL, SCHOOL,POP, RURDENS, FORCAP) 11 Regresi runtut waktu periode 19611999 dengan 4 persamaan rekursif Deforestasi yang digunakan adalah luas deforestasi tahunan. Model: FORX, = f (GDP, XPRICE, DEBT, FORAREA), FWCON, = f(GDP, POP, FORAREA, PROPR, T} 1

Perubahan produktivitas hasil pertanian serealia berpengaruh negatif. Populasi penduduk sebagai pendorong deforestasi terbukti dalam semua model. Sem.akin baik kualitas governance di suatu negara, deforestasi dapat ditekan.

Seluruh variabel yang mem.pengaruhi deforestasi berpengaruh secara signiflkan terhadap deforestasi di Ghana. Ekspor hasil hutan, konsumsi kayu energi, dan produksi tanaman pangan berpengaruh positif terhadap deforestasi. Produksi kakao berpengaruh negatif karena sampai kini

~~

~~

"'tl ?33

~

~

~

~ ~

~

~ ~ ~

~ ~

~

Vj

~

N

No

Penulis dan Judul

Tujuan

Metode

Basil

f (GDPG, AGRPOP, FORAREA, PROPR, DEBT, COCOIN, COCOP) 1 FOOD,= f (GDPG, POP, FORAREA, PROPR, FOODIN) 1 DEFOR,= f(FORX, FWCON, COCO, FOOD),

banyak perkebunan kakao yang ditutup dan diganti dengan tanaman pangan.

Regresi data panel seluruh negara berkembang periode 1980-1995 dengan 18 model menggunakan variasi variabel modernisasi struktural dan politik serta variabel ekonomi politik intemasional. Persentase deforestasi tahunan digunakan sebagai variabel terikat.

Terjadi EKC dengan titik balik pendapatan perkapita $1,150.

COCO,

5

Martinez eta/. (2002) Deforestation and The Environmental Kuznets Curve: A Cross-National Investigation of Intervening Mechanisms

Menguji swnber-swnber hipotesis EKC pada deforestasi dengan menggunakan Teori Modernisasi Ekologi dan ekonomi politik intemasional

=

Model: DF-0 11,

=

DF-1411

=

f (logFORAREA, R, logGDP, logGDpl)u f(log FORAREA, R, %URPOP, URPOpl, SX)u

~~ ~tl:l

~~

""0

?33 ~

~

Share ekspor basil hutan terhadap PDB tahun 1980 tidak mempunyai pengaruh yang signifikan terhadap deforestasi.

~

~

~

~

~ ~

~

~ ~

~

Vj

~

w


44

2.2. Kerangka Pemikiran Hipotesis EKC deforestasi dalam analisis antar negara menggambarkan hubungan pendapatan per kapita suatu negara secara makro sebagai pengukur kegiatan pembangunan ekonomi terhadap deforestasi hutan tropis. Model EKC dapat memberi bukti bagaimana secara global negara tropis memperlakukan sumber daya hutannya seiring dengan kenaikan pendapatan per kapitanya. Hipotesis

EKC

sebagai

bentuk

analisis

empiris

masih

dipertanyakan

konsistensinya. Hal ini terkait dengan temuan-temuan penelitian pada model EKC polusi. Oleh karena itu, dengan merujuk pada sensitivitas bentuk EKC polusi, model EKC deforestasi akan dilihat konsistensinya terhadap periode waktu dan variasi variabel dalam model ekonometrik data panel antar negara. Disadari bahwa dasar pendapatan per kapita saja tidak culmp menerangkan deforestasi, maka dalam model EKC ditambahkan pula berbagai variabel yang diduga mempengaruhi deforestasi hutan tropis. Ekspor kayu dan olahannya, pemenuhan kebutuhan akan kayu energi, dan produktivitas pertanian sebagai indikasi terdapatnya teknologi pertanian yang diharapkan dapat mengurangi konversi laban hutan dimasukkan dalam model untuk mewakili interaksi manusia dengan hutan. Aktivitas manusia ini merupakan konsekuensi dari semakin bertambahnya penduduk di setiap negara yang memerlukan pemenuhan kebutuhan hidup. Tentu saja, kesemuanya tidak terlepas dari kebijakan terutama kebijakan ekonomi yang diterapkan yang dalam hal ini dipilih utang ekstemal dan harga ekspor kayu gergajian. Kerangka pemikiran ini dijabarkan dalam Gambar2.5.

BAB/1

45


EksporKayu dan Olahannya Kebutuhan KayuEnergi

1-

Hipotesis Environmental Kuznets Curve Terhadap Deforestasi Rutan Tropis

,_

__!::=-

-=:!__ Produktivitas Pertanian Pertumbuhan Penduduk

,___.... DEFORESTAS! HUTAN TROPIS

-

-

Utang Ekstemal

1-

Harga Ekspor Kayu Gergajian

1---

Pendapatan perKapita Suatu Negara

Gambar 2.5. Kerangka Pemikiran

2.3. Hipotesis Hipotesis yang dapat dibangun untuk penelitian ini adalah:

1. Terbentuk

Environmental

Kuznets

Curve

dalam

seluruh

model

ekonometrika yang dibangun dengan menggunaka:n data tahun 1990-2005 dan variasi variabel dalam model. 2. Terdapat perbedaan titik turning point pendapatan per kapita dalam seluruh model akibat variasi variabel yang digunakan. 3. Ekspor kayu dan olahannya, kebutuhan kayu energi, produktivitas pertanian, pertumbuhan penduduk, kebijakan utang, dan harga ekspor kayu gergajian berpengaruh terhadap deforestasi hutan tropis.

Jika Anda Berpilir Jika anda berpikir and a dikalahkan, maka and a akan kalah. Jika anda berpikir and a tidak takut, maka anda tidak akan takut. Jika anda ingin menang tetapi merasa tidak mampu, hampir dapat dipastikan anda tidak akan menang. Jika anda berpikir anda merugi, maka anda akan rugi. Karena apa yang kita hadapi di dunia, keberhasilan berasal dari kemauan diri dan semuanya ada di dalam pikiran kita. Jika anda berpikir and a tidak berkelas, akan seperti itulah and a. Anda harus berpikir tinggi untuk dapat meraih . Anda harus memiliki keyakinan diri sebelum anda dapat meraih kemenangan . Pe~uangan hidup bukan selalu menjadi milik orang yang lebih kuat dan lebih cepat, tetapi cepat atau lambat pemenangnya adalah orang yang berpikir bahwa ia mampu

BABm

METODOLOGIPENE LnnAN

3.1. Objek Penelitian Objek utama penelitian ini adalah deforestasi hutan tropis. Berdasarkan data FAO (2006), terdapat 91 negara yang memiliki ekositem hutan tropis. Akan tetapi, dalam penelitian ini nantinya akan dipilih negara-negara yang mengalami deforestasi saja. Objek penelitian lainnya adalah kondisi perekonomian negara tersebut yang diindikasikan mempunyai hubungan dengan deforestasi yaitu pendapatan per kapita, ekspor kayu dan olahannya, kebutuhan kayu untuk energi, dan produktivitas basil pertanian yang diproksi dengan hasip panen serealia sebagai sumber makanan pokok. Ditambahkan pula variabel pertumbuhan penduduk, utang ekstemal, dan harga ekspor kayu gergajian. Adapun rentang waktu yang digunakan dalam penelitian ini adalah dari tahun 1990 sampai dengan tahun 2005 sesuai dengan ketersediaan data mengenai luasan hutan yang dikeluarkan dalam Global Forest Resources Assessment 2005 (FAO, 2006). Oleh karena itu, terdapat dua periode waktu yang digunakan dalam penelitian ini yaitu periode tahun 1990-2000 dan periode tahun 2000-2005 yang juga diterapkan untuk variabellainnya.

3.2. Model dan Disain Penelitian Penelitian yang dilakukan dalam tesis ini merupakan bentuk penelitian kuantitatif menggunakan pemodelan ekonometrika. Model yang digunakan dalam

46

BAB/11 METODOLOGI PENELITIAN

47

penelitian ini menggunakan dasar model hipotesis EKC. Penelitian ini menggunakan modifikasi bentuk persamaan EKC seperti diperkenalkan oleh Grossman & Krueger ( 1995) yaitu hanya menggunakan bentuk persamaan kuadratik dalam bentuk data level. Variabel-variabel yang dipergunakan dalam pengujian kembali hipotesis EKC ini terutama terinspirasi dari penelitian Cropper & Griffiths (1994), Yiridoe & Nanang (2001), dan Bhattarai & Hammig (2004).

Konsistensi terjadinya bentuk EKC deforestasi dengan set data tahun 1990-2005 dengan berbagai variasi variabel baik variabel bebas maupun variabel terikatnya merupakan hal yang ingin dibuktikan dalam penelitian ini. Konsistensi terbentuknya EKC dengan set data yang berbeda dan sensitivitas model akibat variaasi variabel menjadi pembeda penelitian ini dengan penelitian-penelitian terdahulu. Panayotou (200 1) dan He (2007) yang merangkum berbagai penelitianpenelitian EKC terdahulu mendapati fakta bahwa para peneliti kebanyakan menggunakan satu macam model dengan satu macam ukuran kualitas lingkungan yang dipilih untuk diteliti. Akibatnya, ketika diteliti ulang oleh peneliti lain sangat dimungkinkan ditemukan hasil yang berbeda. perbedaan ini menyebabkan terus terjadinya perdebatan di kalangan para ahli mengenai EKC. Oleh karena itu, penelitian yang dilakukan dalam tesis ini mencoba untuk melakukan analisis EKC deforestasi hutan tropis dalam variasi variabel dalam model ekonometrika yang dipilih baik variasi dalam variabel bebas maupun dalam variabel terikat untuk menemukan dan menguji konsistensi bentuk EKC dan sensitivitas bentuk EKC terhadap spesifikasi model. Terdapat empat macam model EKC deforestasi yang dipilih untuk

BABIII METODOLOGI PENELITIAN

48

dianalisis. Empat model ini merupakan perwakilan dari spesifikasi model yang telah digunakan dalam berbagai penelitian terdahulu. Model-model ekonometrika dalam penelitian ini adalah sebagai berikut:

DF;r = ao+ a I fit+ a2Y2;r+ a~t+ a~;r+ asAG;r+ a~OP;r+ a 1EDu + aaSPu + a9Fu + eu .................................................. (3.1) PDFit =Po+ PI fit+ P2Y2;1+ P~t+ P~it+ PsAGit+ P~OPit + P 1EDu + paSPit + f/J;t ............................................................ (3.2) CDFu =Yo+ y I fit+ y 2Y2it+ y 3C¥;,+ y ~FW;,+ y sCAGu+ y ~OPu + y 1EDit + y aSPu + ail ......................................... (3.3) ODF;t = ~o+ ~1 fit+ ~ 2Y2;r+ ~ 30Xjt+ ~ -IJFW;t+ ~sOA G;r+ ~~OPit+ ~1EDu + ~aSPu + O;r ........................................... (3.4) Keterangan: DF PDF CDF ODF y X

ex ox

FW CFW OFW AG CAG OAG POP ED

SP F

a. p, y, 0 E,
t

a, 9

: luas deforestasi tahunan : laju deforestasi tahunan : luas deforestasi tahunan per kapita : luas deforestasi tahunan per output perekonomian (PDB) : pendapatan per kapita : ekspor kayu dan olahannya : ekspor kayu dan olahannya per akpita : ekspor kayu dan olahannya per output perekonomian : kebutuhan kayu energi : kebutuhan kayu energi per kapita : kebutuhan kayu energi per output perekonomian : produktivitas pertanian : produktivitas pertanian per kapita : produktivitas pertanian per output perekonomian : pertumbuhan penduduk : utang eksternal : harga ekspor kayu gergajian : luas hutan per kapita :parameter : eror : negara, i = 1,2,3,... , n : periode, t = 1 (1990-2000), 2 (2000-2005)

Model dalam persamaan (3.1) terinspirasi dari penelitian Bhattarai & Hammig (2004) yang juga menggunakan variabel terikat berupa luas deforestasi

BAB/1/ METODOLOGI PENEL/TIAN

49

tahunan. Adapun alasan pemilihan variabel terikat luas deforestasi tahunan adalah untuk melihat bukti fisik suatu negara mengeksploitasi hutannya untuk aktivitas pembangunan. Hal ini diperlukan karena dipandang bahwa luasan hutan tropis yang terus berkurang perlu mendapatkan perhatian serius secara global. Untuk meminimalisasi bias dari efek skala (scale effect bias) dari perbedaan luasan hutan tropis yang dimiliki oleh tiap negara, ditambahkan variabel luas hutan per kapita sebagai kontrol. Penambahan variabel luas hutan per kapita ini menjadi penting mengingat deforestasi dengan luasan yang sama menjadi tidak relevan untuk diperbandingkan apabila dilakukan oleh negara yang memiliki luasan hutan berbeda. variabelluas hutan per kapita menjadi kontrol bagi variabel terikat luas deforestasi tahunan. Persamaan (3.2) menggunakan variabel terikat laju deforestasi tahunan dengan variabel kontrol utama sama dengan variabel kontrol pada persamaan (3 .1 ). Hanya saja variabel luas hutan per kapita tidak dimasukkan dalam model dikarenakan laju deforestasi tahunan yang diukur dalam persentase sudah mampu mewakili perbandingan skala deforestasi dengan luasan kepemilikan hutan tropis di tiap negara. Pemilihan variabel laju deforestasi tahunan ini terinspirasi dari penelitian yang dilakukan oleh Cropper & Griffiths (1994). Selain luasan deforestasi, laju deforestasi sangat mendapat perhatian serius dalam penilaian FAO karena pertumbuhannya yang sudah mencapai tahap yang mengkhawatirkan perlu mendapatkan perhatian serius secara global. Memerangi deforestasi kini tidak hanya terkait luasannya saja namun juga laju perubahannya. Model dalam persamaan (3.3) mempunyai variasi variabel baik pada

BABI/1 METODOLOGI PENELITIAN

50

variabel terikat maupun variabel bebas dengan pembagi jumlah penduduk. Variabel terikat yaitu deforestasi tahunan per kapita merujuk pada bentuk persamaan EKC yang dibuat oleh Stem (2004). Variabel terikat ini akan menjelaskan peran penduduk dalam deforestasi hutan tropis. Pemilihan spesifikasi model ini dilandasi dengan pemikiran bahwa untuk meningkatkan pendapatan per kapita suatu negara maka deforestasi hutan tropis untuk meningkatkan output kehutanan yang ditanggung oleh setiap penduduk juga akan meningkat. Dalam jangka panjang, maka seiring peningkatan pendapatan per kapita yang mampu dicapai oleh negara tersebut, kesadaran akan lingkungan yang lebih baik dimungkinkan dapat membawa pada penurunan deforestasi per kapita. Pemilihan variabel deforestasi per kapita juga mengeliminasi bias dari efek skala perbedaan luas hutan yang terdeforestasi. Persamaan (3.3) mengingatkan akan efek bertambahnya penduduk suatu negara yang akan meningkatkan konsumsi baik konsumsi pangan maupun basil hutan sehingga dapat mempengaruhi deforestasi. Persamaan (3.4) menggunakan pembagi Produk Domestik Bruto pada variabel terikat dan variabel kontrolnya. Persamaan ini dipilih untuk melihat bentuk EKC deforestasi yang diakibatkan oleh setiap usaha untuk menghasilkan output perekonomian. Pembangunan ekonomi yang mengandalkan sumber daya alam dalam hal ini sumber daya hutan pada tahap awal diduga akan meningkatkan share deforestasi hutan tropis terhadap output perekonomian yang ditandai dengan

kontribusi sektor kehutanan terhadap PDB. Namun seiring dengan peningkatan pendapatan per kapita dan kemajuan negara, dimungkinkan terjadi penurunan kontribusi kehutanan sehingga menurunkan share deforestasi hutan tropis.

51

BABIII

METODOLOGI PENELITIAN

Sesuai dengan prinsip ceteris paribus yaitu apabila variabel kontrol dianggap konstan pengaruhnya, maka EKC terbentuk apabila secara signifikan parameter pendapatan per kapita bernilai positif dan kuadrat pendapatan per kapita bernilai negatif Tabel 3.1 menunjukkan syarat terbentuknya EKC di setiap model ekonometrika yang dipilih dalam penelitian ini. Apabila seluruh model memenuhi persayaratan ini, maka EKC terbukti konsisten terjadi di seluruh model.

Tabel3.1. Persyaratan Terjadinya EKC

(3.1)

)0 oDF ay-=a

(3.2)

oPDF oY

(3.3) (3.4)

y

y

Model 1

OCDF

ar OODF oY

p, ) 0

,

. "fikan 1 s1gm , signifikan

r, ) 0 , signifikan 81 ) 0 , signifikan

(0 oDF oY2 =a2

.

"tikan

, S1gn1 1

oPDF

P2 (

0 , signitikan

OCDF

r2 (

0 , signifikan

OODF oY 2

8 2 ( 0 , signifikan

3.3. Metode Estimasi 3.3.1. Estimasi data Model diestimasi dengan menggunakan teknik regresi data panel. Hsiao (2003)

dan Baltagi

(2005)

menyebutkan beberapa keuntungan dengan

menggunakan data panel dibandingkan menggunakan data time series atau cross

section saja. Beberapa keuntungan tersebut adalah: 1) mampu menyediakan data yang lebih banyak sehingga akan menghasilkan derajat bebas yang lebih besar, 2) lebih informatif, variatif, dan efisien, 3) mampu mengontrol heterogenitas

52

BAB//1 METODOLOGI PENELITIAN

individual, 4) mengurangi hubungan kolinearitas antar variabel sehingga ak:an meningkatkan hasil estimasi, 5) data panel dapat mengidentifikasi dan mengukur efek yang tidak: terdeteksi dengan menggunak:an data time series atau cross

section saja, 6) dapat digunak:an untuk studi perubahan yang bersifat dinamik, dan 7) memungkinkan mempelajari model perilaku yang lebih kompleks. Secara umum, dengan menggunakan teknik estimasi data panel akan dihasilkan intersep, slope koefisien, dan error term yang berbeda antar individu dan antar wak:tu. Gujarati (2003) memberikan beberapa kemungkinan yang terkait hal ini yaitu: 1) diasumsikan bahwa intersep dan slope koefisien adalah tetap sepanjang wak:tu dan individu serta perbedaan intersep dan slope koefisien dijelaskan oleh error term, 2) slope koefisien diasumsikan konstan sedangkan intersep berbeda antar individu, 3) slope koefisien diasumsikan konstan sedangkan intersep berbeda antar individu dan antar wak:tu, 4) semua koefisien berbeda antar individu, dan 5) semua koefisien berbeda antar wak:tu dan antar individu. Kemungkinan pertama mempergunakan teknik regresi Ordinary Least

Squares (OLS) biasa dan dikenal dengan teknik common effect. Akan tetapi, kemungkinan pertama ini sangat jauh dari kenyataan karena pasti terdapat perbedaan karakteristik antar individu. Oleh karena itu, secara sederhana perbedaan-perbedaan

tersebut

dapat

lebih

mudah

diungkapkan

dengan

menggunak:an kemungkinan kedua (Agus Widarjono, 2007). Terdapat dua pendekatan yang umum digunakan dalam estimasi regresi data panel dengan asumsi slope koefisien konstan sedangkan intersep berbeda antar individu yaitu Fixed Effect Model (FEM) dan Random Effect Model (REM).

53

BABI/1 METODOLOGI PENELITIAN

FEM adalah teknik estimasi regersi data panel dengan menggunakan variabel dummy untuk menangkap perbedaan intersep. Adapun REM mengasumsikan

bahwa intersep adalah variabel random dan error term terdiri dari kombinasi error time series dan cross section dan e"or gabungan. Pemilihan penggunaan FEM

atau REM ini didasari pada dua pertimbangan yang disebutkan oleh Gujarati (2003) yaitu: 1) ada tidaknya korelasi antara error term dan variabel bebasnya. Jika terdapat korelasi, maka lebih baik menggunakan FEM dan sebaliknya, 2) terkait dengan jumlah sampel dalam penelitian yang apabila hanya merupakan bagian kecil dari populasi maka akan didapat e"or term yang bersifat random sehingga lebih baik menggunakan REM. Uji yang lebih formal untuk pemilihan model ini diajukan oleh Hausman (1978) yang menggunakan distribusi Chi Square untuk menentukan pemilihan diantara kedua model ini. Apabila basil statistik Chi Square lebih kecil dari nilai Chi Square tabel, maka REM lebih tepat digunakan, sedangkan apabila nilai

statistik Chi Square lebih besar daripada nilai Chi Square tabel, maka FEM lebih tepat untuk dipilih.

3.3.2. Evaluasi Model Model

dievaluasi baik secara kriteria ekonometrik, statistik, maupun

ekonomi. Kriteria ekonometrik yang dilakukan berupa uji asumsi klasik yang berkaitan dengan ada tidaknya masalah dalam pengujian regresi linear yaitu permasalahan multikolinearitas, heteroskedastisitas, dan autokorelasi. Adapun kriteria statistik yang diuji adalah penaksiran koefisien determinasi (R2), uji

54


t-statistik, dan uji F-statistik. Adapun pengujian secara ekonomi dilakukan dengan membandingkan basil dengan prinsip-pmsip ekonomi yang berlaku. 1) Kriteria Ekonometrik Pengujian kriteria ekonometrik berkaitan dengan asumsi klasik dalarn regresi yaitu adanya permasalahan multikolinearitas, heteroskedastisitas, dan autokorelasi. Multikolinearitas adalah masalah hubungan antara variabel bebas dalarn regresi berganda. Heteroskedastisitas adalah permasalahan variabel gangguan yang tidak konstan. Adapun permasalahan autokorelasi adalah adanya hubungan variabel gangguan antara satu observasi dengan observasi yang lain. (1) Multikolinearitas Jika dalarn suatu model terdapat permasalahan multikolinearitas, maka akan terlihat dari nilai R 2 yang tinggi namun lebih banyak variabel bebas yang tidak signifikan atau bahkan tidak ada satupun variabel bebas yang signifikan. Cara

untuk

melihat

adanya

multikolinearitas

dapat

dilakukan

dengan

menggunakan nilai Variance Inflating Factor (VIF) dengan batas nilai sarna dengan 10 untuk menunjukkan tidak adanya multikolinearitas. Adapun rum us penentuan nilai VIF adalah sebagai berikut:

1 VIF = - 2 1-R

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

(3.5)

(2) Heteroskedastisitas Salah satu asumsi penting dalarn regesi linear klasik adalah asumsi pola perubahan yang sarna untuk semua data yang diobservasi atau dengan kata lain harus

homoskedatis.

Pelanggaran terhadap asumsi

ini

disebut dengan

55


heteroskedastisitas. Apabila terjadi masalah heteroskedastisitas, maka estimator tidak lagi mempunyai varian yang minimum yang menyebabkan perhitungan standard error metode OLS tidak lagi dapat dipercaya kebenarannya. Adanya

masalah heteroskedastisitas diketahui dari basil Uji White (Gujarati, 2003). Hipotesis nol yang diajukan adalah bahwa model bersifat homoskedastis dan hipotesis alternatifnya adalah model mempunyai masalah heteroskedastisitas. Pengujian hipotesis menggunakan perbandingan nilai Obs*R-squared dengan nilai Chi-Square tabel dengan kepercayaan tertentu. Estimasi data panel dapat dibebaskan dari heteroskedastisitas dengan beberapa metode seperti Metode White maupun Panel Corrected Standard Error (PCSE). (3) Otokorelasi

Pengujian otokorelasi digunakan untuk melihat ada tidaknya serial korelasi dari setiap variasi dalam model yang terdapat apabila menggunakan data time

series. Cara untuk mendeteksi masalah otokorelasi adalah dengan menggunakan

Uji Durbin-Watson yang memperbandingkan nilai Durbin-Watson statistik dan tabelnya (Gujarati, 2003) dengan kriteria seperti pada Tabel3.2.

Tabel3.2. Uji Statistik Durbin-Watson d Nilai statistik d

Basil

0 < d

56

BAB//1 METODOLOGJ PENELITIAN

2) Kriteria Statistik Hasil estimasi regresi data panel perlu diinterpretasikan secara statistik. Interpretasi ini merupakan pembuktian atas hipotesis yang diajukan dan generalisasi sampel terhadap karakteristik populasi (Agus Widarjono, 2007). (1) Pengujian Koefisien Determinasi (R2) Koefisien Determinasi (R2) digunakan untuk mengukur kedekatan hubungan antar variabel bebas yang digunakan dengan variabel terikat. R2 adalah angka yang menunjukkan besarnya proporsi atau persentase variasi variabel terikat yang dijelaskan oleh variabel bebas secara bersama-sama. Besamya R 2 berada diantara 0 dan 1 (0 < R2 < 1). Semakin nilainya mendekati 1, dapat dikatakan bahwa model tersebut semakin baik karena dapat menjelaskan data-data dengan baik dan mempunyai residual yang semakin kecil. (2) Pengujian t-statistik Uji t-statistik digunakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat secara parsial. Penguj ian dilakukan dengan cara membandingkan nilai t-hitung yang didapat dari hasil regresi dengan nilai kritis yang didapat dari tabel distribusi t pada tingkat kepercayaan tertentu. Adapun hipotesis nol yang diajukan adalah Ho : a 1

=

0 dan hipotesis altematif yang

diajukan adalah Ha : a 1 :j:. 0. Jika nilai t-hitung lebih kecil daripada nilai t-tabel, maka Ho tidak ditolak sehingga variabel bebas secara parsial tidak berpengaruh nyata terhadap variabel terikat. Akan tetapi, apabila nilai t-hitung lebih besar daripada nilai t-tabel, maka Ho ditolak sehingga terdapat pengaruh yang nyata dari variabel bebas yang diuji terhadap variabel terikatnya.

57


(3) Pengujian F-statistik Untuk mengetahui pengaruh bersama dari variabel-variabel bebas secara keseluruhan terhadap variabel terikat digunakan uji F-statistik. Disamping menguji berarti tidaknya variabel-variabel bebas secara bersamaan, uji F-statistik juga sekaligus menguji signifikansi nilai R 2• Hasil uji F-statistik yang signifikan juga akan menyebabkan nilai R 2 yang diperoleh secara statistik tidak sama dengan nol. Adapun hipotesis nol yang diajukan adalah Ho : a1

=

az = a3 =

... =

an =

0 dan

hipotesis altematifberupa Ha: minimal salah satu tidak sarna dengan nol. Prosedur uji F-statistik ini adalah dengan cara membandingkan nilai Fhitung dengan nilai tabel Distribusi F pada tingkat kepercayaan tertentu. Apabila nilai F-hitung lebih besar daripada F-tabel berarti variabel-variabel bebas secara bersama-sama berpengaruh nyata terhadap variabel terikatnya. Apabila nilai Fhitung lebih kecil daripada F-tabel berarti variabel-variabel bebas secara bersamasama tidak mempunyai pengaruh yang nyata terhadap variabel terikatnya.

3) Kriteria Ekonomi Interpretasi basil estimasi model tidak boleh terlepas dari prinsip-prinsip dan teoti ekonomi yang berlaku sehingga model dapat diterapkan untuk menanggapi fenomena ekonomi yang teijadi. Kriteria ekonomi dapat dilihat dari tanda (sign) dan besaran (magnitude) dari parameter suatu variabel bebas setelah secara statistik mempunyai pengaruh yang nyata terhadap variabel terikatnya. Tanda positif berarti variabel bebas mempunyai pengaruh searah terhadap variabel terikatnya. Tanda negatif berarti variabel bebas mempunyai pengaruh berlawanan terhadap variabel terikatnya. Adapun besaran parameter merupakan

58


nilai perubahan variabel terikat terhadap perubahan variabel bebasnya.

3.4. Sumber dan Jenis Data

Data yang dikumpulkan seluruhnya merupakan data sekunder. Adapun sumber perolehan data didapat dari website World Resources Institute (WRI) Tahun 2007 yang bersumber dari FAO, FAOSTAT, dan World Development

Indicator (WDI) Tahun 2007 dari Bank Dunia. Data yang berasal dari WRI adalah data deforestasi hutan tropis, ekspor kayu dan olahannya, kebutuhan kayu energi. Data yang diambil dari FAOSTAT adalah data harga ekspor kayu gergajian. Data yang diperoleh dari WDI adalah data PDB per kapita, produktivitas pertanian yang diproksi dari produktivitas panen biji-bijian (serealia), pertumbuhan penduduk, dan utang ekstemal. Seluruh data yang dikumpulkan dalam bentuk data rasio. Untuk mempermudah pemahaman atas variabel-variabel yang dipilih, maka perlu

dilakukan

operasionalisasi

variabel.

Tabel

3.3

memperlihatkan

operasionalisasi variabel yang dipergunakan dalam model penelitian.

Tabel3.3. Operasionalisasi Variabel Penelitian Simbol

Nama

DF

Rata-rata luas deforestasi tabunan

PDF

Rata-rata laju deforestasi tabunan Rata-rata luas deforestasi tabunan perkapita Rata-rata luas deforestasi tabunan

CDF

ODF

Definisi

Konversi laban hutan ke bentuk bukan hutan dalam waktu yang relatif lama sehingga penutupan kanopi laban kurang dari 10%. Deforestasi dihitung sebagai luas pengurangan laban hutan rata-rata tahunan. Persentase pengurangan laban hutan ratarata tabunan. Luas deforestasi dibagi jumlab penduduk, dihitung dalam rata-rata tabunan.

Satuan

ribu hektar

%

mete? per kapita

Luas deforestasi dibagi PDB, dihitung mete? per dalam rata-rata tabunan. USD

59


Simbol

y

X FW

AG POP

ED

SP F

ex CFW CAG

ox OFW OAG

Nama per output perekonomian Pendapatan per kapita

Definisi

Rata-rata tahunan pendapatan per kapita negara yang diproksi dengan nilai Produk Domestik: Bruto per kapita yang dihitung dalam harga konstan dalam USD tahun 2000 yang sudah disesuaikan dengan Purchasing Power Parity. Nilai uang dari total ekspor kayu dan Ekspor kayu dan olahannya rata-rata tahunan. olahannya Seluruh bagian kayu yang digunakan untuk Kebutuhan kayu kebutuhan kayu energi seperti memasak, energi peruanas, dan produksi tenaga di wilayah domestik. Data kebutuhan kayu energi yang dipakai adalah rata-rata tahunan. Produktivitas basil panen serealialbiji-bijian Produktivitas dalam rata-rata tahunan. pertanian Persentase rata-rata tahunan perubahan Pertumbuhan tahun terhadap penduduk jumlah penduduk sebelumnya Total utang luar negeri yang dibayar baik Utang eksternal dalam bentuk mata uang asing, barang maupun jasa yang dihitung sebagai persentase dari PDB. Utang eksternal dihitung dalam rata-rata tahunan. Harga rata-rata tahunan ekspor kayu Harga ekspsor kayu gergajian per metd. gerg~ian Luas hutan per kapita Luas hutan pada setiap periode dibagi jumlah penduduk. Nilai rata-rata tahunan ekspor kayu dan Ekspor kayu dan olahannya per kapita olahannya dibagi jumlah penduduk. Rata-rata tahunan kebutuhan kayu energi Kebutuhan kayu dibagi jumlah penduduk energi per kapita Rata-rata tahunan produktivitas pertanian Produktivitas dibagi jumlah penduduk pertanian per kapita Nilai rata-rata tahunan ekspor kayu dan Ekspor kayu dan olahannya dalam persentase terhadap PDB olahannya per PDB Rata-rata tahunan kebutuhan kayu energi Kebutuhan kayu dibagiPDB PDB energi per Rata-rata tahunan produktivitas pertanian Produktivitas dibagi PDB pertanian per PDB

Satuan

ribu USD

ribu USD ribu metd

kglha %

%

USD hektar kapita USD kapita mete? kapita kg/ha kapita %

per per per per

mete? per USD kg/ha per USDI,OOO

"Siapa yang mau mencintai hid up dan mau melihat hari-hari baik, ia harus menjaga lidahnya terhadap yang jahat dan bibirnya terhadap ucapan-ucap an yang menipu. Sebab mata Tuhan tertuju pacta orang-orang benar dan telinga-Nya kepada permohonan mereka yang minta tolong, tetapi wajah Tuhan menentang orang-orang yang berbuat jahat" 1 Petrus 3: 10; 12

BABIV HASD... PENELITIAN DAN PEMBAHASAN

4.1. Deskripsi Objek Penelitian dan Data Deskripsi objek peneltian dan data difokuskan pada kondisi hutan tropis dunia terutama periode tahun 1990-2005. Negara tropis yang diobservasi sebanyak 60 negara dari 91 negara yang memiliki hutan tropis yang terdiri dari 32 negara Afrika, 12 negara Asia, dan 16 negara Amerika Latin. Adapun data-data yang telah dikumpulkan untuk menjadi variabel penelitian dilakukan uji statistik deskriptif untuk mengetahui sebaran data tersebut.

4.1.1. Kondisi Rutan Tropis Donia Hutan tropis mempunyai permasalahan yang sama dengan tipe hutan yang lain di seluruh dunia yaitu deforestasi dan degradasi. FAO setiap lima tahun melaksanakan penilaian terhadap kondisi hutan di setiap negara dan memperbaharui data-data. Luas hutan secara total terus menerus menurun namun laju penurunan tersebut mulai melambat. Apabila rata-rata laju deforestasi pada periode 1981-1990 sekitar 0,8% per tahun (FAO, 1993), maka pada periode 19902000 menjadi 0,59% (F AO, 2006). Wilayah Afrika dan Amerika Latin kernbali menjadi wilayah dengan kehilangan hutan yang terbesar. Sementara itu, hutan di wilayah Asia khususnya Asia Tenggara yang dikaruniai ekosistem hutan hujan tropis yang luas menjadi hutan dengan tekanan yang paling berat karena konversi lahan hutan disamping penebangan hutan untuk diambil kayunya. Gambar 4.1

60

61

BABIV HASIL PENELITIAN DAN PEMBAHASAN

menyajikan trendluas hutan tropis periode 1990-2005.

Amerila Latil

Afn"ka

Asia Pasifk

Sumber: FAO (2006), diolah Gam bar 4.1. Perbandingan Luas Rutan Tropis Periode Tahun 1990-2005 Negara-negara yang dikaruniai hutan tropis yang luas mendapat kesempatan untuk melakukan ekstraksi hutan lebih luas. Brazil, Indonesia, Sudan, Republik Demokratik Congo, Myanmar, dan Zambia berturut-turut tercatat sebagai negara-negara yang melakukan deforestasi terluas setiap tahun. Rentang deforestasi tahunan pada periode tahun 1990-2000 berkisar antara 444,80 ribu hektar yang dilakukan oleh Zambia sampai dengan 2.681,4 ribu hektar yang dilakukan oleh Brazil. Sedangkan catatan untuk periode 2000-2005 adalah berkisar antara 319,4 ribu hektar yang dilakukan oleh Republik Demokratik Congo sampai dengan 3.103 ribu hek.tar yang dilakukan oleh Brazil. Gambar 4.2 memperlihatkan total luasan deforestasi hutan tropis yang dilakukan oleh 15 negara selama kurun waktu 1990-2005 yang merupakan negara-negara dengan total deforestasi terluas sepanjang kurun waktu 15 tahun basil penilaian FAO.

62


(ribu hektar) 0

5000

10000

15000

20000

25000

30000

35000

40000

45000

Brazl hdonesia Sudan Myanrrar

Congo Dem. Rep Zarrbia Tanzania Ngeria

Mexico Zirrilabwe Venezuela Bolivia

f'hippines cameroon Ecuador

Sumber: FAO (2006), diolah

Gambar 4.2. Luas Deforestasi Total Beberapa Negara Periode Tahun 1990-2005

Gambar 4.2 menunjukkan bahwa Brazil sebagai pemilik hutan tropis terbesar di dunia menduduki peringkat pertama deforestasi terluas yaitu sekitar 42,3 juta hektar hutan hilang selama 15 tahun atau sekitar 2,8 juta hektar hutan beralih rupa setiap tahunnya. Indonesia menduduki peringkat kedua dengan deforestasi total sebesar 28 juta hektar atau sekitar 1,87 juta hektar setiap tahun hutan terdeforestasi. Kedua negara ini mempunyai luasan hutan lebih dari 70% daratannya dan sudah terbukti mengandalkan sumber daya hutannya untuk kepentingan pembangunan. Adapun negara-negara lain mempunyai

luas

deforestasi total kurang dari 10 juta hektar. Apabila dilihat dari wilayahnya, maka

63


wilayah Amerika Latin dan Afrika memang patut mendapat perhatian yang lebih karena banyak hutan hilang di wilayah ini. Fakta yang terlihat dari data deforestasi periode 1990-2005 yang walaupun menunjukkan penurunan sehingga merupakan berita yang menggembirakan bagi dunia, namun tetap harus dicatat bahwa laju deforestasi tahunan temyata meningkat 6,78% menjadi 0,63% pada periode 2000-2005 dibandingkan dengan periode 1990-2000. Kenyataan ini menggambarkan bahwa betapa perilaku deforestasi suatu negara tidak dapat diprediksi karena banyak sekali faktor-faktor penyebab deforestasi yang kompleks. Gambar 4.3 menyajikan data perubahan pada laju deforestasi total dari periode 2000-2005 terhadap periode 1990-2000 pada beberapa negara dengan perubahan tertinggi.

90 .._,_.., 80 70

60

_50 ';/!.

-40 30 20

10 0 Malaysia Cambocia Burundi

Togo

Ngeria Sri Lanka

Benin

Brazil

Uganda ndonesia

Sumber: FAO (2006), diolah

Gambar4.3. Perubahan Deforestasi Total Periode 2000-2005 Terhadap 1990-2000

Gambar 4.2 memperlihatkan bahwa negara-negara yang selalu disorot melakukan deforestasi seperti Brazil dan Indonesia temyata mempunyat


64

perubahan luas deforestasi total yang kecil sehingga menempati urutan kedelapan dan kesepuluh. Dapat dimungkinkan bahwa tekanan untuk meminimalkan deforestasi di Brazil dan Indonesia demikian tinggi sehingga membuat laju deforestasi total yang dilakukan, sebesar 21,2% dan 18,6% meskipun masih cukup besar namun tidak membuat kedua negara ini menduduki peringkat pertama dan kedua seperti halnya ketika deforestasi dihitung dalam luasan. Hal yang menarik tetjadi pada negara-negara yang secara teknis tidak dipandang signifikan kontribusi luasannya dalam deforestasi global seperti Malaysia, Cambodia, atau bahkan Sri Lanka. Negara-negara ini malah masuk dalam peringkat atas yang total deforestasi hutan tropis pada periode 2000-2005 naik lebih dari 25% daripada periode 1990-2000. Deforestasi di Malaysia naik 85,7% dan di Cambodia naik 74,3% padahal dari luas hutannya mereka hanya sekitar seperempat kali luas hutan Indonesia. Kenyataan ini memberikan peringatan bahwa memerangi deforestasi hutan tropis sesungguhnya tidak hanya dilakukan untuk menurunkan luasannya saja namun juga harus mendorong penurunan persentase perubahannya. Kedua alasan ini yang membuat pemilihan Model 1 dan Model 2 dalam persamaan EKC menjadi diperlukan untuk diteliti.

4.1.2. Statistik DeskriptifVariabel Penelitian 1) Modell Model 1 menggunakan data rata-rata luas deforestasi tahunan hutan tropis ebagai variabel terikat. Tabel 4.1 menyajikan statistik deskriptif variabel-variabel yang digunakan dalam Model 1. Adapun statistik deskriptif yang ditampilkan

65


adalah nilai rata-rata, nilai maksimwn dan minimum, serta standar deviasinya.

Tabel4.1. Statistik Deskriptif Modell Variabel Luas deforestasi tahunan (ribu hektar) Pendapatan per kapita (ribu USD) Ekspor kayu dan olahannya (ribu USD) Kebutuhan kayu energi (ribumetd) Produktivitas pertanian (kglha) Pertumbuhan penduduk (%) Utang eksternal (%) Harga ekspor ~ gergajian (USD per met ) Luas hutan per kapita (hektar per kapita} Sumber: pengolahan data

Rata-rata Maksimum

Minimum

Std. Dev.

200,333

3103

0,200

440,865

2.798

13.733

0.121

2.606

243994

5029459

0

835924

15389,57

135040,7

10,909

24243,47

1655,240 2,187 122,757

4180,050 3,886 1212,327

291,645 0,109 0

883,173 0,746 171,424

350.012

844.631

0

170.755

2,387

46,975

0,013

5,877

Data luas deforestasi tahunan hutan tropis periode 1990-2005 mempunyai rata-rata sebesar 200,333 ribu hektar. Negara yang paling kecil luasan deforestasinya adalah Dominica sedangkan yang terbesar adalah Brazil. Dilihat dari pendapatan per kapita yang diproksi menggunakan nilai PDB per kapita yang disesuaikan dengan Purchasing Power Parity (PPP), maka Brunei Darussalam yang berada di wilayah Asia merupakan negara terkaya dan Liberia, salah satu negara di Afrika, merupakan negara termiskin. Rata-rata nilai ekspor kayu dan olahannya adalah USD 243,994,000. Indonesia menempatkan diri sebagai negara pengekspor kayu dan olahannya terbesar. Brazil merupakan negara dengan kebutuhan kayu energi terbanyak, adapun Brunei Darussalam merupakan negara yang mempunyai kebutuhan akan kayu energi paling sedikit.

66


Rata-rata produktivitas pertanian yang dalam hal ini adalah basil panen serealia adalah 1,655 tonlhektar dengan produktivitas tertinggi dicapai oleh Indonesia. Sementara itu, negara yang paling sedikit basil panennya adalah Botswana dengan nilai hanya 2,916 kwintal/hektar. Pertumbuhan penduduk di negara-negara tropis rata-rata 2,187% dengan pertumbuhan tertinggi di Sierra Leone dan yang terendah terjadi di Dominica. Rata-rata utang eksternal yang dimiliki suatu negara sebesar 122,757% dari PDB. Negara yang proporsi utangnya terhadap PDB paling banyak adalah Thailand. Adapun harga ekspor kayu 3 gergajian rata-rata sebesar USD350.012 per meter dengan rentang antara USDO

sampai USD844.631. Luas hutan per kapita tertinggi terdapat di Republik Demokratik Congo sedangkan yang terendah dimiliki oleh Haiti. Gambar 4.4 menunjukkan sebaran data pendapatan per kapita dan luas deforestasi dalam .bentuk scatter diagram.

~ ~------------------------------~

.

3000

•~ :!

2000

• •

.1:

~2500 ·c c:

2

OF= 54,097+ 81,626Y-5,639Y

••

R2 =0,038

~ 1500

i!0

....

.. 1000

•

.E!

500

0 0

2

6

4

8

12

10

pendapatan per kapita (ribu

14

16

~

Sumber: pengolahan data

Gambar 4.4.

Trend Hubungan Pendapatan per Kapita dan Luas Deforestasi Tahunan

67


Sebaran data pada Gambar 4.4 memperlihatkan bahwa luas deforestasi tahunan secara global berada dibawah 500 ribu hektar setiap tahunnya. Terdapat empat titik data deforestasi yang berada sangat jauh dari rata-rata (data outlier) yaitu data deforestasi Indonesia dan Brazil. Hal ini dikarenakan kedua negara tersebut merupakan negara dengan luas hutan terbesar dan dari Gambar 4.2 dapat diketahui bahwa luasan deforestasinya begitu besar. Sebagian besar pendapatan per kapita negara-negara tropis masih berada di level rendah. Secara umum, tampilan

scatter

diagram

pada

Gambar

4.4

menggambarkan

adanya

kecenderungan bahwa terjadi penurunan luas deforestasi tahunan semng pendapatan per kapita negara tersebut yang semakin meningkat.

Trend

kecenderungan dalam hubungan dua variabel ini menunjukkan gambaran kasar bahwa deforestasi hanya dipengaruhi oleh pendapatan per kapita saja yang ditunjukkan dengan nilai koefisien determinasi yang sangat kecil. Oleh karena itu dalam estimasi model, akan didapatkan gambaran yang menyeluruh tidak saja pengaruh pendapatan per kapita namun juga variabel-variabel lain yang mempengaruhi deforestasi sehingga dapat mendekati dan menjelaskan keadaan yang sebenarnya.

2) Model2 Model 2 menggunakan data rata-rata laju deforestasi tahunan hutan tropis di 60 negara. Tabel 4.2 menyajikan statistik deskriptif variabel-variabel yang digunakan dalam model untuk mengetahui sebaran dan variasinya. Adapun gambaran kasar trend hubungan antara pendapatan per kapita dan laju deforestasi tahunan saja dapat dilihat pada Gambar 4.5

68


Tabel4.2. Statistik Deskriptif Model 2 Varia bel Laju deforestasi tahunan (%) Pendapatan per kapita (ribu USD) Ekspor kayu dan olahannya (juta USD) Kebutuhan kayu energi (juta mete~) Produktivitas pertanian (tonlhektar) Pertumbuhan penduduk (%) Utang eksternal (%) Harga ekspor kayu gergajian {ribu USD per metd) Sumber: pengolahan data

Rata-rata Maksimum Minimum

Std. Dev.

1,056392

4,646

0,046

0,899

2.798

13.733

0.121

2.606

243.994

5029.459

0

835.924

15,38957

135,0407

0,010909

24,24347

1,655240 2,187 122,757

4,180050 3,886 1212,327

0,291645 0,109 0

0,883173 0,746 171,424

0.350012

0.844631

0

0.170755

Data laju deforestasi tahunan hutan tropis periode 1990-2005 mempunyai rata-rata sebesar 1,056% yang berarti masih dalam range sesuai dengan pengertian deforestasi. Deforestasi dengan rata-rata laju terkecil dilakukan oleh Gabon yang terletak di wilayah Afrika dengan besar 0,046% per tahun, sementara rata-rata laju deforestasi tahunan tertinggi dilakukan oleh Burundi sebesar 4,646% yang juga terletak di wilayah Afrika. Perubahan satuan pada beberapa variabel kontrol tidak mempengaruhi artinya yang masih sama dengan hasil statistik deskriptifModel 1. Gambar 4.5 di bawah ini memperlihatkan bahwa sebagian besar pendapatan per kapita negara-negara tropis masih berada di level rendah. Grafik hubungan ini memberi gambaran bahwa negara-negara tropis dengan pendapatan per kapita kecil seperti Burundi, Guatemala, dan Nigeria mendeforestasi hutannya dengan rata-rata laju deforestasi tahunan yang lebih besar daripada negara-negara yang lebih kaya seperti Brazil, Mexico, dan Brunei Darussalam. Trend yang

69


2 sangat kasar yang ditunjukkan dengan nilai R yang sangat kecil ini menunjukkan

bahwa pendapatan per kapita saja tidak dapat menjelaskan perilaku deforestasi dengan baik.

5,00

•

4,50

•

4,00

. •• . • • ..·'.. .'•.....•,.. • . .• •:. .• i:f.. .... ...

3,50

..

'i

j

3,00

!

2,50

...•

2,00

~

1,50

•

.!!

2

PDF= 0,004Y

~

2

R

~·

::JI

-

0,124Y + 1,339

=0,056

•

1,00 0,50 0,00 0

2

6

4

8

•• 10

12

14

16

pendapatan per kapita (ribu USC)


Gambar4.5.

Trend Hubungan Pendapatan per Kapita dan Laju Deforestasi Tahunan

3) ModelJ Model 3 menggunakan data rata-rata luas deforestasi tahunan hutan tropis per kapita sebagai variabel terikat. Model ini merupakan penggambaran dari kontribusi penduduk dalam deforestasi. Dengan model ini, kita dapat mengetahui sumbangan setiap orang penduduk di negara tersebut terhadap deforetasi hutan tropis. Tabel 4.3 menyajikan statistik deskriptifvariabel-variabel yang digunakan dalam model untuk mengetahui sebaran dan variasinya. Modifikasi satuan dalam beberapa variabel dilakukan agar koefisien regresi pada hasil estimasi dapat diinterpretasikan dengan lebih baik.

70


Tabel4.3. Statistik Deskriptif Modell Variabel Luas deforestasi tahunan per kapita (mete~ per kapita) Pendapatan per kapita (ribu USD) Ekspor kayu dan olahannya per kapita (USD per kapita) Kebutuhan kayu energi per kapita (metee per kapita) Produktivitas pertanian per kapita (kg/ha per kapita) Pertumbuhan penduduk (%) Utang eksternal (%) Harga ekspor kayu gergajian {ribu USD ~er mete?} Sumber: pengolahan data

Rata-rata Maksimum

Minimum

Std. Dev.

122,5220

1814,0

0,95459

210,8303

2.798

13.733

0.121

2.606

11.504

260.900

0

37.4585

1,069

19,277

0,023

2,519

0,00056 2,187 122,757

0,0185 3,886 1212,327

0,0000085 0,109 0

0,0024 0,746 171,424

0.350012

0.844631

0

0.170755

Luas deforestasi tahunan hutan tropis per kapita periode 1990-2005 mempunyai rata-rata sebesar 120 mete~ per orang per tahun. Kontribusi penduduk terhadap deforestasi yang terluas berada di Republik Demokratik Congo dan yang terendah berada di Haiti. Ekspor kayu dan olahannya rata-rata senilai USD11.504 per kapita, yang tertinggi dicapai oleh Gabon. Kebutuhan kayu energi per kapita terbesar ditemukan di Republik Demokratik Congo, sedangkan yang terendah ditemukan di Congo. Produktivitas pertanian perkapita rata-rata sebesar 0,56 kglha per 1000 orang penduduk dengan produktivitas tertinggi dihasilkan di negara Dominica dan yang terendah di negara Nigeria. Bentuk hubungan antara variabel pendapatan per kapita dan luas deforestasi tahunan per kapita secara garis besar ditunjukkan dengan gambar

scatter diagram seperti yang tersaji pada Gambar 4.6. Hasil scatter diagram memperlihatkan bahwa makin kecil pendapatan per kapita suatu negara, makin


71

besar luas deforestasi per kapita yang terjadi. Trend ini memberikan gambaran yang kasar bagaimana pendapatan per kapita mempengaruhi luas deforestasi tahunan per kapita.

------

2000

•

1800 1600

i~:;.Ci 1400 • ... - 1200 .. 'i 1000

=

CDF 0.5925Y2 - 6.6885Y + 132.61 R2 = 0.0009

~

.

.. e

~

! ... 800

~s

!~

._

600

.a

400

•

•

••

•

••

200

•• 2

6

4

8

10

12

14

16

pendapatan per kapita (ribu USD)


Gambar4.6. Trend Hubungan Pendapatan per Kapita dan Luas Deforestasi Tahunan per Kapita

4) Model4 Model 4 menggunakan data rata-rata luas deforestasi tahunan hutan tropis per output perekonomian dalam hal ini dengan pembagi nilai PDB. Model 4 digunakan untuk melihat besaran deforestasi akibat penambahan output nasional sebuah negara. Model ini menggambarkan bagaimana deforestasi terjadi akinbat kemajuan perekonomian hasil kegiatan pembangunan sebuah negara. Jumlah negara tropis yang dioservasi sebanyak 60 negara Tabel 4.4 menyajikan statistik deskriptif variabel-variabel yang digunakan dalam model untuk mengetahui

72


sebaran dan variasinya. Mod.ifikasi satuan kembali d.ilakukan pada beberapa variabel agar interpretasi data lebih mudah dilakukan.

Tabel4.4. Statistik Deskriptif Model 4 Variabel Luas deforestasi tahunan per PDB (meter per USD) Pendapatan per kapita (ribu USD) Ekspor kayu dan o1ahannya per PDB (%) Kebutuhan kayu energi per PDB (mete~ per USD) Produktivitas pertanian per PDB (kglha per USDl,OOO) Pertumbuhan penduduk (%) Utang eksternal (%) Harga ekspor kayu gergajian {ribu USD ~er mete~} Sumber: pengo1ahan data

Rata-rata

Maksimum

Minimum

Std. Dev.

0,110969

2,101

0,000412

0,312884

2.798

13.733

0.121

2.606

0,811

43,200

0

4,295

0,0011

0,0305

0,0000026

0,0036

0,000219 2,187 122,757

0,003965 3,886 1212,327

0,0000022 0,109 0

0,000597 0,746 171,424

350.012

844.631

0

170.755

Luas deforestasi tahunan hutan tropis per output perekonomian periode 1990-2005 mempunyai rata-rata sebesar 111 mete? per USDI,OOO. Deforestasi tertinggi terjad.i d.i Liberia sebesar 2100 mete? per USD 1,000 dan deforestasi terkecil terjad.i d.i negara Jamaica seluas 0,412 meter2 per USD1,000. Ekspor kayu dan olahannya rata-rata menyumbang 0,811% pada PDB. Sumbangan ekspor kayu dan olahannya terbesar di negara Liberia sebesar 43,2% terhadap PDB. Kebutuhan kayu energi setiap penambahan output nasional rata-rata sebesar 1,1 meter3 per USD 1,000 yang tertinggi terjad.i d.i negara Republik Demokratik Congo dan yang terendah terdapat di Brunei Darussalam. Produktivitas pertanian yang diproksi dari hasil panen serealia tertinggi di negara Liberia sedangkan terendah d.i negara Brazil.

73


Bentuk hubungan antara variabel pendapatan per kapita dan luas deforestasi tahunan secara garis besar ditunjukkan dengan gambar scatter diagram seperti yang tersaji pada Gambar 4.7. Hasil penggambaran menunjukkan bahwa secara umum deforestasi untuk setiap tambahan output perekonomian semakin kecil di negara dengan tingkat pendapatan per kapita yang tinggi. Hal ini menggambarkan bahwa semakin besar kemajuan ekonomi suatu negara, maka deforestasi yang dilakukan untuk setiap tambahan PDB akan semakin kecil..

2,5 r--- - - - - - - - - - - - - - - - - - ,

20

~

•

=

ODF 0,0644Y' ~=0,3041

0

2

6

8

10

12

1 05 '

14

16



Gambar4.7. Trend Hubungan Pendapatan per Kapita dan Luas Deforestasi Tahunan per Output Perekonomian (PDB)

4.2. Basil Estimasi/Pengolahan Data 4.2.1. Model 1 Estimasi model regresi data panel pada Model I didahului dengan memilih antara mengunakan pendekatan Random Effect Model (REM) atau Fixed Effect Model (FEM). Untuk itu, dari basil estimasi REM dilakukan Uji Hausman untuk

74


membandingkan kedua pendekatan tersebut. Nilai Chi-Square statistik Uji Hausman sebesar 32,059840. Nilai Chi-Square tabel menggunakan df-=9 dan a=5% sebesar 19,919. Oleh karena nilai Chi-Square statistik lebih besar daripada

nilai Chi-Square tabel, maka pendekatan FEM lebih tepat untuk digunakan. Hasil estimasi Modell menggunakan pendekatan FEM disajikan pada Tabel4.5.

Tabel4.5. Basil Estimasi Modell Menggunakan Pendekatan FEM Variable

c Y? (Y?)"2 X? FW? AG? POP? ED? SP? F?

Coefftcient

Std. E"or

30,49176 4,136667 0,332280 0,000042 0,000430 0,002506 2,663685 0,035444 0,002538 4,400563

Prob.

3,601941 1,378863 -1,611430 2,781049 2,689975 1,035244 -2,484259 3,096024 2,696509 2,874324

0,0007 0,1740 0,1133 0,0076 0,0096 0,3054 0,0163 0,0032 0,0095 0,0059

Weighted Statistics Durbin-Watson stat Prob(F-statistic2

3,934426 0,000000

109,8295 5,703896 -0,535446 0,000117 0,001157 0,002594 -6,617285 0,109736 0,006844 12,64864

R-squared F-statistic

t-Statistic

0,999806 3862,615 Sumber: pengolahan data. Variabel bebas: DF

Penggunaan metode Pooled EGLS (Cross-section weights) bertujuan untuk membebaskan model dari permasalahan otokorelasi. Penggunaan metode White diagonal standard errors & covariance bertujuan untuk membebaskan

model dari permasalahan heteroskedastisitas. Pendekatan FEM memungkinkan masing-masing

negara

memiliki

intersep

sendiri-sendiri

dengan

cara

menjumlahkan intersep masing-masing dengan intersep rata-rata yaitu nilai C. Persamaan Model I hasil estimasi adalah sebagai berikut:

75


DF = 109,8295 + 5,703896Y- 0,535446Y2 + 0,000117X + 0,001157FW + t = (3,601941) (1,378863) (-1,61143) {2,781049)** (2,689975)** 0,002594AG- 6,617285POP + 0,109736ED + 0,006844SP + (1,035244) (-2,484259)** (3,096024)** (2,695509)** 12,64864F ................................................................................... (4.1) (2,874324)** DW = 3,934426 R2 = 0,999806 Keterangan: ** : signifikan pada a=1%

F-stat = 3862,615**

4.2.2. Model 2

Uji Hausman kembali dilakukan untuk mengetahui pemilihan pendekatan estimasi Model2. Nilai Chi-Square statistik Uji Hausman sebesar 2,152909. Nilai Chi-Square tabel menggunakan df=8 dan a=5% sebesar 15,5073. Oleh karena

nilai Chi-Square statistik lebih kecil daripada nilai Chi-Square tabel, maka pendekatan REM disarankan untuk digunakan. Akan tetapi karena diyakini bahwa sampel negara-negara tropis sebanyak 60 negara ini bukan diambil secara random dan tidak terdapat korelasi antara error dan variabel bebasnya, maka dapat dipilih pendekatan FEM seperti yang diungkapkan oleh Judge et al. dalam Gujarati (2003). Hasil estimasi Model2 menggunakan pendekatan FEM dapat dilihat pada Tabel4.6.

76


Tabel4.6. Basil Estimasi Model 2 Menggunakan Pendekatan FEM Variable

c

Coefficient

Std. E"or

t-Statistic

4,639828 0,098958 3,696807 0,043531 -2,749349 0,002812 -0,563138 0,000056 2,760936 0,002767 3,384231 0,019017 11,28731 0,001608 3,140703 0,000097 -2,862325 0,033739 Weighted Statistics Durbin-Watson stat 0,999389 R-squared Prob(f'-statisticl F-statistic 1269,166 Sumber: pengolahan data. Variabel bebas: PDF Y? (Y?)"2 X? FW? AG? POP? ED? SP?

Prob. 0,0000 0,0005 0,0082 0,5758 0,0079 0,0014 0,0000 0,0028 0,0060

0,459149 0,160925 -0,007732 -0,000032 0,007638 0,064358 0,018152 0,000305 -0,096572

3,934426 0,000000

Penggunaan metode Pooled EGLS (Cross-section weights) bertujuan untuk membebaskan model dari pennasalahan otokorelasi. Model 2 tidak mengandung masalah heteroskedastisitas sehingga tidak perlu dilakukan pemilihan metode White diagonal standard errors & covariance. Persamaan Model 2 basil estimasi adalah sebagai berikut: PDF= 0,459149 + 0,160925Y - 0,007732Y2 t = (4,639828) (3,696807)** (-2,749349)**

0,000032X + (-0,563138)

0,007638FW + 0,064352AG + 0,0 18152POP + 0,000305ED (2,760936)** (3,384231)** (11,28731)** (3,140703)** 0,096572SP ................................................................................ (4.2) (-2,862325)** DW = 3,934426 R2 = 0,999389 Keterangan : **: signifikan pada a= 1%

F-stat = 1269,166**

4.2.3. Model 3 Uji Hausman kembali dilakukan untuk mengetahui pemilihan pendekatan estimasi Model 3. Nilai Chi-Square statistik Uji Hausman sebesar 60,744693.

77


Nilai Chi-Square tabel menggunakan df=8 dan a=5% sebesar 15,5073. Oleh karena nilai Chi-Square statistik lebih besar daripada nilai Chi-Square tabel, maka pendekatan FEM disarankan untuk digunakan. Hasil estimasi Model 3 menggunakan pendekatan FEM disajikan pada Tabel 4. 7.

Tabel4.7.

Basil Estimasi Model 3 Menggunakan Pendekatan FEM Variable

c

Coefficient

Y? (Y?)"2 CX? CFW? CAG? POP? ED? SP?

-550,3493 136,4850 -9,243372 -0,803139 378,1492 37547,55 11,61931 0,108011 -82,60069


0,999551 1727,637

Std. E"or

t-Statistic

Prob.

-11,60776 11,24374 -12,74756 -4,200961 16,44749 18,77932 4,785214 8,277800 -10,26133

0,0000 0,0000 0,0000 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000

Weighted Statistics Durbin-Watson stat Prob(F-statisticl

3,934426 0,000000

47,41218 12,13876 0,725109 0,191180 22,99130 1999,409 2,428170 0,013048 8,049703

Sumber: pengolahan data. Variabel bebas: CDF Penggunaan metode Pooled EGLS (Cross-section weights) bertujuan untuk membebaskan model dari otokorelasi. Metode White diagonal standard errors & covariance bertujuan untuk membebaskan model dari permasalahan

heteroskedastisitas. Persamaan Model 3 basil estimasi adalah sebagai berikut: CDF = -550,3493 + 136,485Y - 9,243372Y2 t = (-11,60776) (11,24374)** (-12,74756)**

0,803139CX + (-4,200961)**

378,1492CFW + 37547,55CAG + 11,61931POP + 0,108011ED(16,44749)** (18,77932)** (4,785214)** (8,277800)** 82,60069SP ............................................................................... (4.3) (~10,26133)**

R2 = 0,999551 DW = 3,934426 Keterangan: **: signifikan pada a=1%

F-stat = 1727,637**

78


4.2.4. Model 4 Uji Hausman kembali dilakukan untuk mengetahui pemilihan pendekatan estimasi Model 4. Nilai Chi-Square statistik Uji Hausman sebesar 1044,449059. Nilai Chi-Square tabel menggunakan df=8 dan a=5% sebesar 15,5073. Oleh karena nilai Chi-Square statistik lebih besar daripada nilai Chi-Square tabel, maka pendekatan FEM disarankan untuk digunakan. Hasil estimasi Model 4 menggunakan pendekatan FEM disajikan pada Tabel4.8.

Tabel4.8. Basil Estimasi Model 4 Menggunakan Pendekatan FEM

Y? (Y?)"2 OX? OFW? OAG? POP? ED? SP?

Coefficient 0,254577 -0,057612 0,003127 -0,021515 -70,62223 216,7185 0,010735 0,000064 -0,035479


0,999901 7835,162

Variable

c

Std. E"or 0,015875 0,005095 0,000292 0,001185 1,229375 15,89967 0,000910 0,0000089 0,004862

t-Statistic 16,03661 -11,30665 10,69539 -18,15797 -57,44563 13,63038 11,79174 7,171834 -7,297586

Weighted Statistics Durbin-Watson stat Prob(F-statistic)

Prob.

0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 3,934426 0,000000

Sumber: pengolahan data. Variabel bebas: ODF

Penggunaan metode Pooled EGLS (Cross-section weights) bertujuan untuk membebaskan model dari otokorelasi. Metode White diagonal standard

errors & covariance bertujuan untuk membebaskan model dari permasalahan heteroskedastisitas. Persamaan Model 4 basil estimasi adalah sebagai berikut:

79

BABIV HASIL PENELITI AN DAN PEMBAHA SAN

ODF = 0,254577 - 0,057612Y + 0,003127Y2 - 0,021515 0Xt = (16,03661) (-11,30665)** (10,69539)** (-18,15797)** 70,622230FW + 216,71850AG + 0,010735POP + 0,000064 ED(11,79174)** (7,171834)** (-57,44563)** (13,63038)** 0,035479SP ............................................................................... (4.4) (-7,297586)** DW = 3,934426 R2 = 0,999901 Keterangan : **: signifikan pada a=1%

F-stat = 7835,162**

4.3. Evaluasi Model

Model EKC deforestasi selanjutnya dilakukan evaluasi model. Evaluasi yang berhubungan dengan kriteria ekonometrik adalah pengujian terhadap ada tidaknya multikolinearitas, heteroskedastisitas, dan otokorelasi yang merupakan uji-uji asumsi regresi linear klasik (classical linear regression model). Sedangkan evaluasi yang berhubungan dengan kriteria statistik dilakukan dengan menguji koefisien determinasi (R2), pengujian t-statistik, dan uji F-statistik.

4.3.1. Kriteria Ekonometrik 1) Multikolinearitas

Pengujian multikolinearitas dilakukan dengan melakukan regresi diantara variabel-variabel bebas dalam model. Model 1 mempunyai 9 variabel bebas, 2 karenanya dibuat 9 regresi antar variabel bebas untuk mendapatkan nilai R

masing-masing dimensi. Nilai R2 tersebut digunakan untuk menghitung besamya nilai VIF untuk menentukan ada tidaknya multikolinearitas. Tabel 4.9. menyajikan basil perhitungan multikolinearitas Model 1.

80


Tabel4.9. Basil Uji Multikolinieritas Terhadap Modell Dimensi

Fungsi

Y = ftY2,X,FW,AG,POP, ED,SP,F) 2 ,X,FW,AG,POP, ftY = Y 2 ED,SP,F) X= f(Y, Y2,FW,AG,POP, 3 ED,SP,F) FW = f(Y,Y2,X,AG,POP, 4 ED,SP,F) AG = ftY,Y2,X,FW,POP, 5 ED,SP,F) POP = f(Y, Y2,X,FW,AG, 6 ED,SP,F) ED= f(Y,Y2,X,FW, AG, 7 POP,SP,F) SP = f(Y, Y2,X,FW,AG, 8 POP,ED,F) F = f(Y, Y2,X,FW,AG,POP, 9 ED,SP} Swnber: pengolahan data I

R:!

VIF

Kesimpulan

14,1287 Terdapat multikolinearitas 0,915872 11,8866 Terdapat multikolinearitas 1,9115 Tidak terdapat 0,476842 multikolinearitas 1,6493 Tidak terdapat 0,393675 multikolinearitas 0,449786 1,8175 Tidak terdapat multikolinearitas 1,5167 Tidak terdapat 0,340679 multikolinearitas 1,0371 Tidak terdapat 0,035755 multikolinearitas 1,2091 Tidak terdapat 0,172913 multikolinearitas 1,1025 Tidak terdapat 0,092954 multikolinearitas 0,929222

Hasil nilai VIF menunjukkan bahwa terdapat dua dimensi regresi yang mempunyai nilai VIF diatas 10 sehingga dapat dinyatakan bahwa model mengandung permasalahan multikolinearitas. Akan tetapi apabila dilihat lebih lanjut bahwa model EKC deforestasi merupakan suatu bentuk persamaan kuadratik maka sebenarnya jelas akan mengandung hubungan antara variabelvariabel yang mempunyai bentuk kuadratik yaitu Y dan Y2. Terlihat bahwa nilai R 2 menjadi tinggi akibat adanya korelasi antara variabel Y dan Y2. Akan tetapi, karena variabel kontrol lainnya merupakan bentuk linear, maka tetap perlu diuji multikolinearitasnya. Hasilnya terlihat bahwa ketika regresi dilakukan pada dimensi lainnya temyata tidak menunjukkan masalah multikolinearitas.

81


Hasil pengujian multikolinearitas Model 2 dapat dilihat pada Tabel 4.1 0. Model 2 mempunyai 8 variabel bebas. Oleh karena itu. dilakukan regresi diantara kedelapan variabel bebas tersebut. Hasil yang ditunjukkan oleh besamya nilai VIF disetiap dimensi menunjukkan hal yang tidak berbeda dengan basil pada Model 1. Multikolinearitas berdasarkan nilai VIF hanya terdapat pada Dimensi 1 dan Dimensi 2 yang memuat korelasi antara variabel Y dan Y2 .

Tabel4.10.

Dimensi

Basil Uji Multikolinieritas Terhadap Model 2 R2 VIF Fungsi

Y = t{Y2,X,FW,AG, POP, ED,SP) 2 Y = ftY,X,FW,AG,POP, 2 ED,SP) 3 X= ftY, Y2,FW,AG,POP, ED,SP) FW = ftY,Y2,X,AG,POP, 4 ED,SP) AG = ftY,Y2,X,FW,POP, 5 ED,SP) 6 POP= ftY, Y2,X,FW,AG, ED,SP) 7 ED= ftY,Y2,X,FW,AG, POP,SP) 8 SP = ftY,Y2,X,FW,AG,POP, ED) Sumber: pengolahan data 1

0,927161 0,914157 0,470601 0,355768 0,435330 0,333487 0,034987 0,163467

Kesimpulan

13,7289 Terdapat multikolinearitas 11,6492 Terdapat multikolinearitas 1,8889 Tidak terdapat multikolinearitas 1,5522 Tidak terdapat multikolinearitas 1,7709 Tidak terdapat multikolinearitas 1,5003 Tidak terdapat multikolinearitas 1,0363 Tidak terdapat multikolinearitas 1,1954 Tidak terdapat multikolinearitas

Pengujian multikolinearitas pada Model 3 dilakukan dengan regresi antar 8 variabel bebasnya. Hasil uji multikolinearitas dapat dilihat pada Tabel 4.11. Hasil yang ditunjukkan oleh besamya nilai VIF disetiap dimensi menunjukkan hal yang tidak berbeda dengan basil pada model-model sebelumnya. Multikolinearitas berdasarkan nilai VIF lebih dari 10 hanya terdapat pada Dimensi 1 dan Dimensi 2

82


yang memuat korelasi antara variabel Y dan Y2. Tabel4.11. Basil Uji Multikolinierita s Terhadap Model3 R:z VIF Fungsi

Dimensi

1

y = f(Y2,CX,CFW,CAG,

POP,ED,SP) f(Y,CX,CFW,CAG, 2 POP,ED,SP) CX = f(Y,Y2,CFW,CAG, 3 POP,ED,SP) 2,CX,CAG, f(Y,Y = CFW 4 POP,ED,SP) CAG = f(Y,Y2,CX,CFW, 5 POP,ED,SP) POP= f(Y,Y2,CX,CFW, 6 CAG,ED,SP) ED= f(Y,Y2,CX,CFW,CAG, 7 POP,SP) SP = f(Y,Y2,CX,CFW,CAG, 8 POP,ED} Sumber: pengolahan data Y2 =

0,917592 0,904700 0,138133 0,154525 0,262106 0,396507 0,030862 0,139827

Kesimpulan


Pengujian multikolinearitas pada Model4 dilakukan dengan regresi antar 8 variabel bebasnya. Hasil uji multikolinearitas Model4 disajikan pada Tabel4.12. Hasil yang ditunjukkan oleh besamya nilai VIF disetiap dimensi menunjukkan hal yang tidak berbeda dengan basil pada model-model sebelumnya. Multikolinearitas berdasarkan nilai VIF lebih dari 10 hanya terdapat pada Dimensi 1 dan Dimensi 2 yang memuat korelasi antara variabel Y dan Y2. Variabel-variabel lain terbukti tidak mempunyai hubungan kolinearitas. Hal ini semakin memperkuat pendapat Gujarati (2003) bahwa persyaratan terbebas dari multikolinearitas tidak berlaku bagi model dengan bentuk persamaan regresi kuadratik seperti model-model EKC.


83

Tabel4.12. Basil Uji Multikolinieritas Terhadap Model 4 Dimensi

R2

Fungsi

Y = f{Y2,0X,OFW,OAG, POP,ED,SP) 2 Y2 = ftY,X,FW,AGR,POP, DEBT,SP) 3 X= ftY, Y2,FW,AGR,POP, DEBT,SP) 4 FW = ftY,Y2,X,AGR,POP, DEBT,SP) 5 AGR = ftY,Y2,X,FW,POP, DEBT,SP) 6 POP = ftY, Y2,X,FW,AGR, DEBT,SP) 7 DEBT= ftY,Y2,X,FW,AGR, POP,SP) 8 SP = ftY, Y2,X,FW,AGR, POP,DEBT) Sumber: pengolahan data 1

0,915473 0,904803 0,309140 0,200521 0,306053 0,345852 0,190341 0,158141

VIF

Kesimpulan


2) Heteroskedastisitas Pengujian heteroskedastisitas dilakukan dengan menggunakan Uji White. Uji dilakukan dalam bentuk data series sehingga keseluruhan terdapat 120 buah data. Hasil Uji White no cross term untuk mengetahui ada tidaknya permasalahan heteroskedastisitas seluruh model ditampilkan pada Tabel4.13.

Tabel4.13. Basil Uji White no Cross Term Model

df

itabel

Obs*R-squared

Kesimpulan

a=5%

Modell

9

19,9190

80,50019 Terdapat heteroskedastisitas

Model2

8

15,5073

9,094205 Tidak terdapat heteroskedastisitas

Model3

8

15,5073


Model4

8

15,5073


Su.mber: pengolahan data

84


Model 1, Model 3, dan Model 4 ditemukan adanya permasalahan heteroskedastisitas. Hanya Model 2 saja yang tidak ditemukan permasalahan heteroskedastisitas. Dalam pelaksanaan estimasi regresi data panel, Model 1, Model3, dan Model4 diestimasi dengan menggunakan pemilihan metode White diagonal standard errors & covariance yang bertujuan untuk membebaskan

model dari permasalahan heteroskedastisitas. 3) Otokorelasi Pengujian masalah otokorelasi menggunakan nilai statistik Durbin-Watson (d) yang terdapat pada hasil estimasi regresi data panel. Seluruh model mempunyai jumlah observasi yang sama yaitu 120 buah data. Model 1 mempunyai 9 variabel bebas dan model yang lain mempunyai 8 variabel bebas. sehingga nilai tabel Durbin-Watson pada a=5% akan berbeda. Hasil pengujian masalah otokorelasi disajikan pada Tabel4.14. Tabel4.14. Basil Pengujian Otokorelasi du

4-du

4-dL

d-stat

1,534

1,869

2,131

2,466

3,934426

8

1,552

1,848

2,152

2,448

120

8

1,552

1,848

2,152

2,448

120

8

1,552

1,848

2,152

2,448

Model

n

k

1

120

9

2

120

3 4

dL

Kesimpulan

Otokorelasi negatif 3,934426 Otokorelasi negatif 3,934426 Otokorelasi negatif 3,934426 Otokorelasi negatif


Seluruh model didapati mengandung masalah otokorelasi negatif karena nilai d statistik berada diantara 4-dL dan 4. Permasalahan otokorelasi akibat


85

adanya data time series perlu tetap diminimalkan meskipun menurut Nachrowi Djalal Nachrowi dan Hardius Usman (2006), dalam regresi data panel yang menggunakan pendekatan FEM tidak: membutuhkan asumsi terbebas dari serial korelasi. Oleh karena itu, pemilihan metode estimasi data panel dengan menggunakan Generalized Least Squares (cross-section weight) digunakan untuk meminimalkan permasalahan otokorelasi ini.

4.3.2. Kriteria Statistik 1) Pengujian Koefi.sien Determinasi (R2) Hasil estimasi regresi Model 1 dengan pendekatan FEM seperti yang dapat dilihat pada Tabel4.5 menghasilkan nilai koefisien determinasi sebesar 0,999806. Nilai ini menunjukkan bahwa sebesar 99,9806% variasi rata-rata luas deforestasi hutan tropis tahunan periode 1990-2005 dapat diterangkan oleh variabel bebasnya sedangkan sisanya sebesar 0,0194% diterangkan oleh variabellain diluar model. Hasil estimasi regresi Model 2 dengan pendekatan FEM seperti yang dapat dilihat pada Tabel 4.6 menghasilkan nilai koefisien determinasi sebesar 0,999389. Nilai ini menunjukkan bahwa sebesar 99,9389% variasi rata-rata laju deforestasi hutan tropis tahunan periode 1990-2005 dapat diterangkan oleh variabel bebasnya sedangkan sisanya sebesar 0,0611% diterangkan oleh variabel lain diluar model. Hasil estimasi regresi Model 3 dengan pendekatan FEM seperti yang dapat dilihat pada Tabel4.7 menghasilkan nilai koefisien determinasi sebesar 0,999551. Nilai ini menunjukkan bahwa sebesar 99,9551% variasi rata-rata luas deforestasi


86

hutan tropis tahunan per kapita periode 1990-2005 dapat diterangkan oleh variabel bebasnya sedangkan sisanya sebesar 0,0449% diterangkan oleh variabel lain diluar model. Hasil estimasi regresi Model 4 dengan pendekatan FEM seperti yang dapat dilihat pada Tabel4.8 menghasilkan nilai koefisien determinasi sebesar 0.999901. Nilai ini menunjukkan bahwa sebesar 99,9901% variasi rata-rata luas deforestasi hutan tropis tahunan per output perekonomian periode 1990-2005 dapat diterangkan oleh variabel bebasnya sedangkan stsanya sebesar 0,0099% diterangkan oleh variabellain diluar model. Besamya nilai koefisien determinasi yang didapat dalam keempat model ini sangat berbeda dengan besamya nilai koefisien determinasi pada model-model EKC deforestasi basil penelitian-penelitian sebelumnya. Hasil penelitian Bhattarai & Hammig (2004) menghasilkan nilai R2 kurang dari 0,7 untuk penelitian EKC

deforestasi yang menitikberatkan pada variabel governance. Penelitian Barbier & Burgess (2001) menghasilkan R2 kurang dari 0,5 akibat variasi variabel bebas kurang dapat menjelaskan ekpansi laban pertanian. Besarnya nilai R 2 dalam keempat model ini karenanya dimungkinkan oleh penggunaan variabel yang berbeda dalam model dan pemilihan metode estimasi. Pemilihan metode FEM dengan pembobotan pada sisi cross-section yaitu pada negara-negara dengan harapan meminimalkan permasalahan otokorelasi dimungkinkan membuat nilai koefisien determinasi menjadi lebih besar.

2) Pengujian t-statistik Pengujian t-statistik merupakan uji signifikansi pengaruh variabel bebas

87


terhadap variabel terikat secara parsial. Nilai t-statistik didapat dari basil estimasi model dibandingkan dengan nilai t-tabel dengan kesalahan dan derajat bebas tertentu. Hasil pengujian t-statistik untuk Modell disajikan pada Tabel4.15.

Tabel4.15. Basil Uji t-statistik Model 1 Variabel Pendapatan per kapita Kuadrat pendapatan per kapita

t-statistik

Hipotesis

Kesimpulan

1,378863

Ho tidak ditolak

Tidak signifikan

-1,611430

Ho tidak ditolak

Tidak signiflkan

Ekspor kayu dan olahannya

2,781049

Ho ditolak

Signifikan pada a = 1%

Kebutuhan kayu energi

2,689975

Ho ditolak


Produktivitas pertanian

1,035244

Ho tidak ditolak

Tidak signifikan

Pertumbuhan penduduk

-2,484259

Ho ditolak

Signiflkan pada a= 5%

Utang eksternal

3,096024

Ho ditolak


Harga ekspor kayu gergajian

2,696509

Ho ditolak


Luas hutan per kapita

2,874324

Ho ditolak

Signifikan pada a= 1%

Sumber: pengolahan data. t-tabel (0,01;110) = 2,621. t-tabel (0,05;110) = 1,982.

Hasil uji signifikansi secara parsial pada Model 1 memperlihatkan bahwa variabel ekspor kayu dan olahannya, kebutuhan kayu energi, utang ekstemal, harga ekspor kayu gergajian, dan luas hutan per kapita berpengaruh positif dan signifikan pada kepercayaan 99% terhadap luas deforestasi hutan tropis tahunan. Adapun pertumbuhan penduduk berpengaruh negatif dan signifikan terhadap luas deforestasi hutan tropis tahunan pada tingkat kepercayaan 95%. Sedangkan PDB per kapita, kuadrat PDB per kapita, dan produktivitas pertanian tidak mempunyai pengaruh yang signifikan terhadap luas deforestasi hutan tropis tahunan.

88


Tabel4.16. Basil Uji t-statistik Modell PDB per kapita

4,639828

Ho ditolak

Kuadrat PDB per kapita

3,696807

Ho ditolak

Kesimpulan Signifikan pada a = 1% Signifikan pada a = 1%

Varia bel

t-statistik

Hipotesis

Ekspor kayu dan olahannya

-2,749349

Ho tidak ditolak

Tidak signifikan

Kebutuhan kayu energi

-0,563138

Ho ditolak


Produktivitas pertanian

2,760936

Hoditolak


Pertwnbuhan penduduk

3,384231

Hoditolak


Utang eksternal

11,28731

Ho ditolak



3, 140703

Ho ditolak


Sumber: pengolahan data. t-tabel (0,01;111) = 2,621.

Hasil uji signifikansi secara parsial Model 2 yang ditampilkan pada Tabel 4.16 memperlihatkan bahwa hanya variabel ekspor kayu dan olahannya yang tidak menunjukkan pengaruh yang signifikan terhadap laju deforestasi tahunan hutan tropis. Variabel PDB per kapita, kebutuhan kayu energi, produktivitas pertanian, pertumbuhan penduduk, dan utang eksternal berpengaruh positif dan signifikan pada kepercayaan 99% terhadap laju deforestasi tahunan hutan tropis. Variabel kuadrat PDB per kapita dan harga ekspor kayu gergajian berpengaruh negatif dan signifikan berturut-turut pada kepercayaan 99% dan 95% terhadap laju deforestasi hutan tropis tahunan. Hasil uji signifikansi secara parsial pada Model 3 yang disajikan pada Tabel 4.17 memperlihatkan bahwa seluruh variabel bebas berpengaruh signifikan pada kepercayaan 99% terhadap luas deforestasi tahunan hutan tropis per kapita. Variabel PDB per kapita, kebutuhan kayu energi per kapita, produktivitas pertanian per kapita, pertumbuhan penduduk, dan utang eksternal berpengaruh positif. Adapun variabel kuad.rat PDB per kapita, ekspor kayu dan olahannya per

89


kapita, dan harga ekspor kayu gergajian berpengaruh negatif

Tabel4.17. Basil Uji t-statistik Modell t-statistik

Hipotesis

Kesimpulan

11,24374

Hoditolak


Kuadrat PDB per kapita

-12,74756

Ho ditolak


Ekspor kayu dan olahannya per kapita

-4,200961

Ho ditolak


Kebutuhan kayu energi per kapita

16,44749

Hodito1ak


Produktivitas pertanian per kapita

18,77932

Hoditolak



4,785214

Hodito1ak


Utang eksternal

8,277800

Ho ditolak


-10,26133

Ho ditolak

Signifikan pada a= 1%

Variabel PDB per kapita


Sumber: pengolahan data. Nilai t-tabel (0,01;111) = 2,621.

Tabel4.18. Basil Uji t-statistik Model4 t-statistik

Hipotesis

Kesimpulan

-11,30665

Ho ditolak


10,69539

Ho ditolak


Ekspor kayu dan olahannya per PDB

-18,15797

Ho ditolak


Kebutuhan kayu energi per PDB

-57,44563

Ho ditolak

SignifJ.kan pada a = 1%

Produktivitas pertanian per PDB

13,63038

Ho dito1ak

Signiftkan pada a= 1%


11,79174

Ho ditolak


Utang eksternal

7,171834

Ho ditolak


-7,297586

Ho ditolak

Signiftkan pada a= 1%

Variabel PDB per kapita Kuadrat PDB per kapita


Sumber: pengolahan data. Nilai t-tabel (0,01;111) = 2,621.

Hasil uji signifikansi secara parsial pada Model 4 seperti terlihat pada Tabel4.18 memperlihatkan bahwa seluruh variabel bebas berpengaruh signifikan pada kepercayaan 99% terhadap luas deforestasi tahunan hutan tropis per output perekonomian. Variabel PDB per kapita, ekspor kayu olahan per PDB, kebutuhan kayu energi per PDB, dan harga ekspor kayu gergajian berpengaruh negatif

90


Adapun variabel kuadrat PDB per kapita, produktivitas pertanian per PDB, pertumbuhan penduduk, dan utang eksternal berpengaruh positif

3) Pengujian F-statistik Uji F-statistik digunakan untuk menentukan bagaimana seluruh variabel bebas dalam model berpengaruh secara simultan terhadap variabel terikatnya. Hasil nilai F-statistik yang didapat dari basil regresi data panel dibandingkan

dengan nilai F-tabel dalam tingkat kesalahan tertentu. Adapun basil uji F-statistik untuk seluruh model EKC deforestasi dapat dilihat pada Tabel4.19.

Tabel4.19. Basil Uji F-statistik Model EKC Deforestasi Model df(a,k-1, n-k) 1

(0,01;9;110) (0,05;9;110) 2 (0,01;8;111) (0,05;8;111) 3 (0,0 1;8; Ill) (0,05;8;111) 4 (0,01;8;111) (0,05;8;111) Sumber: pengolahan data

F-tabel F-statistik 1,966 2,573 2,023 2,676 2,023 2,676 2,023 2,676

3862,615 1269,166 1727,637 7835,162

Kesimpulan Berpengaruh signifikan secara simultan Berpengaruh signifikan secara simultan Berpengaruh signifikan secara simultan Berpengaruh signift.kan secara simultan

Hasil pengujian F-statistik pada seluruh model menunjukkan nilai yang signifikan dilihat dari nilai F-statistik yang lebih besar dari nilai F-tabel pada kepercayaan 99%. Hasil pengujian ini mempunyai arti bahwa dalam setiap model EKC deforestasi, seluruh variabel bebas dalam setiap model bersama-sama mempunyai pengaruh yang signifikan terhadap deforestasi hutan tropis tahunan.

91


4.4. Analisis Ekonomi dan Pembahasan Basil Penelitian Pada sub bab ini akan dibahas hubungan antara variabel bebas dengan variabel terikatnya dari sudut pandang kriteria ekonomi terkait dengan teori maupun pendekatan empiris yang sudah ada. Hal yang akan dilihat adalah besaran dan tanda suatu variabel yang menunjukkan pengaruh yang signifikan terhadap variabel bebasnya. Pembahasan secara ekonomi ini terbagi dalam pembahasan mengenai

EKC

pada deforestasi

hutan tropis

dan faktor-faktor

yang

mempengaruhi deforestasi hutan tropis pada periode 1990-2005.

4.4.1. Bipotesis EKC pada Deforestasi Butan Tropis Salah satu langkah penting menuju pembangunan hijau adalah menghilangkan hubungan antara pertumbuhan ekonomi dan deteriorasi lingkungan. Hipotesis EKC memberikan gambaran untuk menuju kearah tersebut. Keberadaan hubungan U terbalik dalam hipotesis EKC antara berbagai indikator pencemaran lingkungan maupun deplesi sumber daya alam dan level pendapatan per kapita memberikan pandangan bahwa pertumbuhan ekonomi akan juga memperhatikan kualitas lingkungan secara otomatis walaupun pada awalnya mengorbankan aset lingkungan. Deforestasi hutan tropis yang semakin mengkhawatirkan membuat penelitian-penelitian deforestasi secara terus menerus menjadi semakin penting untuk memonitor dan memberikan solusi bagi usaha-usaha pencegahannya. Telah diteliti bahwa hubungan pendapatan per kapita dengan deforestasi pun mengikuti pola hipotesis EKC. Akan tetapi mengingat bahwa masih teljadi perdebatan


92

mengenai eksistensi hipotesis ini terkait hasilnya yang beragam tergantung perlakuan ekonometrik yang dipilih, maka penelitian EKC deforestasi dalam tesis ini pun mencoba turut memberikan gambaran konsistensi EKC pada deforestasi hutan tropis periode 1990-2005. Secara ekonometrik, persyaratan tetjadinya EKC deforestasi seperti yang dikemukakan pada Tabel 3.1 menjadi pedoman penting untuk melibat konsistensi EKC deforestasi butan tropis. Menggunakan data yang ada, basil pengujian keberadaan EKC pada deforestasi hutan tropis periode 1990-2005 dapat dilibat pada tabel 4.20. Hasil ini akan menjadi penanda konsistensi terjadinya EKC berdasarkan variasi variabel dalam model yang dipilib.

Tabel4.20. Basil Pengujian Bipotesis EKC Deforestasi Butan Tropis

Indikator

Modell

Model2

Modell

Model4

5,70389615

0,160925

136,4850

-0,057612

-0,53544615

-0,007732••

-9,243372 ••

0,003127••

TerjadiEKC

TIDAK

YA

YA

TIDAK

Turning point (USD)

(5,326)

10,406

7,283

(9,212)

Pendapatan per kapita (Y) Kuadrat pendapatan kapita(Y2)

per

Sumber: pengolahan data. (**) = signifikan pada a= 1%, (ts) = tidak signifJ.kan.

Hasil penguJian EKC deforestasi butan tropis pada keempat model persamaan regresi data panel antar negara periode tahun 1990-2005 menunjukkan basil yang bervariasi. Model 1 yang menggunakan data rata-rata luas deforestasi tabunan tidak menunjukkan bentuk EKC dengan signifikan walaupun mungkin menurut tanda pada nilai koefisien variabel Y dan Y2 menunjukkan kesesuaian. Sesuai dengan hipotesis nol pada uji t, maka seberapa pun besamya koefisien pada

93


variabel

Y dan Y2,

nilainya sama dengan nol.

Gambar 4.8 berikut

menggambarkan hubungan pendapatan per kapita dan luas deforestasi tahunan dalam kerangka Model EKC yang sudah diperluas dengan masuknya faktor-faktor yang mempengaruhi deforestasi sebagai variabel kontrol. Hasil penggambaran

pada Gambar 4.8 ini akan sangat berbeda dengan Gambar 4.4 sebelumnya. Meskipun EKC deforestasi tidak terbentuk secara statistik, namun bentuk kurva mengikuti bentuk formal EKC. Secara simultan (berdasarkan hasil Uji F) Model 1 dapat menjelaskan fenomena pembangunan ekonomi negara tropis pada tahap awal mengeksploitasi hutan dan sampai tingkat pendapatan per kapita tertentu, negara-negara tersebut mulai memperdulikan kualitas hutannya dengan berusaha mengurangi luas deforestasi tahunannya.

900

. .t:.

:I

••

• •

800

700

.a

E.soo

•

••

c

"~500

•

.t:.

!! ii400

••

"

• •

1ft

~300

• !200 ~

.a"

• ••

••

100 0 0

2

4

6

8

12

10

pendapatan per kaplta (rlbu

us~

Sumber: basil estimasi Model 1 (Persamaan 4.1)

Gambar4.8. Kurva EKC Modell

14

16

94

BABIV HASIL PENEUTIAN DAN PEMBAHASAN

Model 2 yang menggunakan data rata-rata laju deforestasi tahunan menunjukkan bentuk EKC. Dapat diinterpretasikan bahwa dalam prinsip ceteris paribus, laju deforestasi tahunan hutan tropis akan meningkat sebesar 0,160925% atau seluas 322,386 hektar setiap kenaikan PDB per kapita (PPP) sebesar USD1 ,000 dan sampai pada titik PDB per kapita (PPP) sebesar USD10,406 laju deforestasi hutan tropis tahunan akan menurun sebesar 0,007732% atau seluas 15,49 hektar setiap kenaikan PDB per kapita (PPP) sebesar USD1,000. Gambar 4.9 berikut menggambarkan hubungan pendapatan per kapita dan luas deforestasi tahunan dalam kerangka Model EKC yang sudah diperluas dengan masuknya faktor-faktor yang mempengaruhi deforestasi sebagai variabel kontrol sehingga hasilnya akan sangat berbeda dengan gambaran kasar yang diperlihatkan oleh Gambar4.5.

2,5

••

2

~

~

•

1,5

!"II •

I

i

• •

• • ••

• •

1

:I

s: 0 ,5

0 0

2

6

8

~ndap.tan ~r

10

kap!UI (rlbu USD)

Sumber: basil estimasi Model2 (Persamaan 4.2)

Gam bar 4.9. Kurva EKC Model 2

12

14

16


95

Model 2 membetuk EKC dengan titik turning point pendapatan per kapita sebesar USD10,406. Gambar 4.9 ini menggambarkan bahwa perhatian global yang tidak hanya berfokus pada luasan deforestasi tahunan namun juga pada laju deforestasi tahunan sudah semakin nyata. Laju deforestasi tahunan yang pada awal tahap-tahap awal pembangunan semakin meningkat, setelah mencapai pendapatan per kapita USD10,406 menunjukkan perkembangan yang menurun. Hal ini menunjukkan bahwa faktor-faktor yang mempengaruhi deforestasi semakin diperhatikan dan berusaha untuk diminimalkan pengaruhnya. Model 3 yang menggunakan data rata-rata luas deforestasi tahunan per kapita juga menunjukkan terjadinya bentuk EKC deforestasi. Sesuai prinsip

ceteris paribus, setiap kenaikan PDB per kapita (PPP) sebesar USD 1,000 akan meningkatkan luas deforestasi tahunan per kapita sebesar 136,4850 meter per kapita. Peningkatan ini terus berlangsung sampai pada suatu saat negara dapat mencapai tingkat PDB per kapita (PPP) sebesar USD7,283. Setelah nilai PDB per kapita tersebut dilalui, maka luas deforestasi tahunan per kapita mulai menurun sebesar 9,2434 meter per kapita setiap kenaikan PDB per kapita (PPP) sebesar USDl,OOO.

Gambar 4.10 berikut menggambarkan hubungan pendapatan per

kapita dan luas deforestasi tahunan dalam kerangka Model EKC yang sudah diperluas dengan masuknya faktor-faktor yang mempengaruhi deforestasi sebagai variabel kontrol sehingga hasilnya akan sangat berbeda dengan gambaran kasar yang diperlihatkan oleh Gambar 4.6.


96

0000 ~-----------------------------.

~ 7000 a.

c:.:

6000

•

•

-2000 -'-----------------------------------' pendapatan per kapita (rilu USD)

Sumber: hasil estimasi Model3 (Persamaan 4.3)

Gambar 4.10. Kurva EKC Model 3

Model 3 membetuk EKC dengan titik turning point pendapatan per kapita sebesar USD7,283. Gambar 4.10 ini menggambarkan bahwa peningkatan pendapatan per kapita pada tahap awal pembangunan mempengaruhi peningkatan peran penduduk dalam deforestasi, namun sampai pada titik pendapatan per kapita USD7,385 maka penduduk semakin sadar untuk mempertahankan luasan hutan yang tersisa seiring peningkatan kesejahteraan mereka. Hasil estimasi Model 3 memberikan gambaran bahwa pada tahap awal pembangunan kontribusi setiap 1000 orang penduduk akan meningkatkan deforestasi seluas 13,649 hektar dan setelah tercapai pendapatan per kapita sebesar USD7.2.83 maka deforestasi akan menurun sebesar 0,924 hektar yang merupakan kontribusi 1000 orang penduduk,

ceteris paribus. Nyata bahwa peran penduduk sedemikian berpengaruh dalam pengelolaan sumber daya hutan. Aktivitas manusia dalam melaksanakan

97


pembangunan disamping juga dalam pemenuhan kebutuhannya berpegang pada hipotesis EKC ini. temyata akan semakin memperhatikan kualitas lingkungan. Kesadaran manusia dan perubahan pola pikir serta penciptaan teknologi yang tepat akan membantu pemanfaatan sumber daya hutan dengan lebih baik. Akan tetapi. anomali terjadi dari basil estimasi Model 4. Hasil estimasi Model 4 tidak menunjukkan hipotesis EKC deforestasi terpenuhi walaupun koefisien variabel Y dan Y2 berpengaruh signifikan terhadap luas deforestasi tahunan per output perekonomian yang dihasilkan. Hal ini terjadi karena tanda pada variabel tersebut tidak sesuai dengan persyaratan terjadinya EKC. Model 4 dapat diinterpretasikan sebagai sebuah model yang melihat bagaimana pengorbanan

lingkungan

dalam

mencapai

suatu

output

perekonomian.

Pembangunan yang dilakukan semua negara dalam rangka mencapai kemajuan ekonomi dan kesejahteraan. nyata-nyata masih mengorbankan kualitas lingkungan. Setiap industri mengeluarkan limbah dan polusi dalam memproduksi outputnya. Seperti halnya yang terjadi pada ekosistem hutan tropis yang diekploitasi dan kehilangan fungsi-fungsinya yang sangat bermanfaat tidak saja bagi masyarakat sekitar. tetapi juga bagi dunia. Sifat manusia dalam mengelola hutan

Hasil estimasi Model 4 memperlihatkan hubungan pendapatan per kapita dan deforestasi sebagai Kurva U. Bentuk ini dapat diartikan bahwa kontribusi sumber daya hutan sebagai salah satu modal alam menurun mulai dari tahap awal pembangunan sampai tercapai pendapatan per kapita sebesar USD9 .212 (PPP). Setiap kenaikan PDB per kapita sebesar USDl.OOO menyebabkan penurunan luas deforestasi tahunan hutan tropis sebesar 5,76 hektar setiap output perekonomian


sebesar USD I juta

98

yang dihasilkan, ceteris paribus. Akan tetapi setelah

pendapatan per kapita mencapai USD9,2I2 maka tiap kenaikan PDB per kapita USDI,OOO akan membuat negara tersebut meningkatkan deforestasi sebesar 0,313 hektar setiap USD I juta output perekonomian yang dihasilkan, ceteris paribus. Hal

ini

dimungkinkan adanya penemuan teknologi

kehutanan maupun

penggunaan laban hutan untuk keperluan perluasan industri. Anomali yang tetjadi pada Model 4 memperlihatkan bahwa semakin kaya suatu negara, negara tersebut dapat semakin menguras sumber daya alamnya, khususnya hutan tropisnya untuk menambah kekayaan. Untuk mendapatkan output perekonomian yang lebih besar, masih mengorbankan lingkungan. Sifat konsumerisme manusia dapat berperan dalam hal ini. Harris (2002) memberikan pandangannya lewat konsumsi energi. Dinyatakan bahwa seiring dengan pertumbuhan penduduk dan peningkatan standar hidup sangat memerlukan peningkatan konsumsi energi. Interpretasi Model 4 memperlihatkan bahwa pembangunan yang dilakukan apabila tidak didasari dengan perubahan sikap masih akan terus membuat deforestasi hutan tropis tetjadi. Cropper & Griffiths ( I994) juga mendapatkan anomali basil seperti ini untuk penelitian di wilayah Asia meskipun hasilnya tidak signifikan. Gambar 4.11 memperlihatkan luas deforestasi per output perekonomian sebagai fungsi tidak hanya pendapatan per kapita saja namun juga berbagai faktor yang mempengaruhi deforestasi. Apabila dibandingkan dengan gambaran kasar hubungan pendapatan per kapita dengan deforestasi pada Gambar 4.7, maka interpretasinya menjadi berbeda karena tidak terbuktinya EKC pada Model4.

99


0.8 , . - - - - - - - - - - - - - - - - - - - - - ,

m

.._

Cl

• •

': 0.7 aao.6 C:U)

... ::::)

c::::o.s

••

::Ia

..

.r:. ..

~~0.4

_

...e.....-:o.2 ..- 0.1 CI>Q.

.!! ~0.3

•

•

......

-a

•

:::1

0

2

4

6

8

10

12

14

16


Sumber: basil estimasi Model4 (Persamaan 4.4)

Gam bar 4.11. Kurva EKC Model 4

Hasil pengujian tetjadinya EKC deforestasi pada Model 1 berbeda dengan basil penelitian Bhattarai & Hammig (2004) yang juga menggunak.an variabel terikat luas deforestasi tahunan. Adapun basil yang didapat dari estimasi Model 2 serupa dengan basil penelitian yang dilakukan oleb Cropper & Griffiths (1994) maupun Barbier & Burgess (200 1) yang juga menggunakan bentuk data dalam persen perubahan. Variasi basil EKC ini membuktikan pemikiran Zarzoso & Morancbo (2003) maupun Bhattarai & Hammig (2004) yang menyebutkan bahwa variasi dalam model dapat menyebabkan perbedaan basil interpretasi model EKC. Cropper & Griffiths (1994) bahkan secara jelas menyatak.an bahwa interpretasi basil ekonometrik dapat membingungkan dan tidak sesuai dengan kenyataan. Besarnya nilai turning point pendapatan per kapita yang ditemukan dalam Model 2 dan Model 3 apabila dibandingkan dengan pendapatan rata-rata per kapita basil uji statistik deskriptifyang banya sebesar USD2,798 mak.a artinya bila


100

suatu negara ingin mencapai pendapatan per kapita sebesar ini, mereka harus meningkatkan pendapatan per kapita mereka lebih dari dua setengah sampai hampir empat kalinya. Kenyataan ini temyata ditemukan juga dalam model EKC deforestasi dengan menggunakan data deforestasi periode 1961-1988 yang telah dilakukan oleh Cropper & Griffiths (1994). Lebih jauh, apabila dicermati dari sebaran data, maka negara yang mampu mencapai tingkat pendapatan per kapita sesuai hasil turning point dari Model 2 hanyalah Brunei Darussalam. Sedangkan negara-negara yang mampu mencapai pendapatan per kapita setara dengan nilai turning point Model 3 yaitu negara-negara dengan pendapatan per kapita lebih

dari USD6,000 adalah Botswana, Brazil, Colombia, Malaysia, Mexico, Panama, Thailand, dan Venezuela. Daftar negara ini sebenamya masih menimbulkan kontroversi karena terdapat negara yang tingkat deforestasi pada periode 20002005 lebih tinggi daripada periode 1990-2000 seperti Malaysia dan Botswana. Apabila dicermati dan dibandingkan dengan hasil-hasil penelitian sebelumnya, maka besamya nilai turning point pendapatan per kapita (PPP) sebesar USD7,385- USD10,406 yang dihasilkan dalam model deforestasi hutan tropis pada periode 1990-2005 temyata tidak jauh berbeda. Hal ini didasari dari temuan Yandle et a/. (2004) yang menghitung kembali nilai turning point pendapatan per kapita dengan nilai USD harga konstan dengan tahun dasar yang lebih bam. Beberapa hasil penyesuaian nilai turning point pendapatan per kapita ini dapat dilihat pada Tabel 4.21.


101

Tabel4.21.

Perbandingan Nilai Turning Point Pendapatan per Kapita Penelitian (tahun)

Turning point lama (USD)

Turning point baru (USD)

Cropper & Griffiths ( I994)

4, 760- 5,420 (1985)

7,900-9,100 (200I)

Barbier & Burgess (200 I)

5,445 (I987)

8, 700 (2003)

6,000 -7,000 (I985)

I 0,000 - II,800 (2003)

Bhattarai & Hammig (2004) Tesis*

7,283- I0,406 (2000)

Sumber: Yandle eta/. (2004 ). Angka di dalam kurung pada penelitian menunjukkan tahun terbit artikel sedangkan angka di dalam kurung pada nilai turning point menunjukkan perhitungan tah.un dasar

Pengujian ada tidaknya hipotesis EKC pada deforestasi hutan tropis periode tahun 1990-2005 menunjukkan salah satu bukti empiris bahwa hipotesis EKC khususnya pada deforestasi hutan tropis belum menunjukkan konsistensi. Tidak konsistennya hipotesis EKC ini dapat berasal dari pemilihan variabel, pemilihan sampel negara, dan yang sangat mungkin terjadi adalah perbedaan data yang menunjukkan perilaku dan aktivitas manusia (negara) yang berbeda antara periode waktu yang dipilih dengan periode waktu penelitian-penelitian sebelumnya. Oleh karena itu, EKC sampai saat ini masih sebatas hipotesis dan belum dapat dijadikan teori. Barbier (2005) bahkan menyebutkan bahwa hipotesis EKC sebagai sebuah falsifiable hypothesis yang dapat dan terus berlanjut untuk diuji keberadaannya melalui penyelidikan empiris. Nilai turning point pendapatan per kapita pada model-model yang menghasilkan EKC temyata ditemukan perbedaan nilai yang cukup besar. Hal ini membuktikan bahwa EKC khususnya EKC deforestasi hutan tropis periode 19902005 sensitif terhadap pemilihan variabel. Perbedaan ukuran deforestasi dan variasi variabel bebasnya menyebabkan perbedaan nilai turning point pendapatan


102

per kapita. Hasil ini sesuai dengan yang dikemukakan oleh He (2007).

4.4.2. Faktor-faktor yang Mempengaruhi Deforestasi Hutan Tropis Faktor-faktor yang mempengaruhi deforestasi hutan tropis sebagai variabel bebas dalam model terutama merupakan penjabaran dari kerangka yang disusun oleh Geist & Lambin (2002). Penyebab langsung berupa pengambilan kayu diwakili oleh variabel kebutuhan kayu energi dan ekspor kayu dan olahannya yang bersama dengan variabel harga ekspor kayu gergajian terkait dalam penyebab yang mendasari deforestasi yaitu sebagai bentuk keputusan ekonomi untuk melakukan perdagangan. Ekspansi pertanian diwakili oleh variabel produktivitas pertanian yang dalam hal ini merupakan produktivitas hasil panen serealia/biji-bijian yang merupakan sumber makanan pokok penduduk dunia. Pertumbuhan penduduk dipilih sebagai proksi faktor demografi. Adapun variabel utang eksternal dipilih sebagai salah satu bentuk kebijakan makroekonomi untuk melihat pengaruh kebijakan dalam keputusan deforestasi sekaligus sebagai kontrol bagi Model EKC deforestasi. Pembahasan setiap variabel dilakukan dengan menganut prinsip ceteris paribus yang artinya adalah pengaruh suatu variabel diamati ketika variabel yang lain dianggap konstan. 1) Modell Hasil estimasi Model 1 menunjukkan bahwa apabila seluruh variabel bebas dianggap konstan nol dalam prinsip ceteris paribus, maka rata-rata deforestasi tahunan secara global sebesar 109,83 ribu hektar. Nilai ini lebih kecil daripada nilai rata-rata luas deforestasi tahunan dalam sebaran data. Hasil estimasi


103

variabel ekspor kayu dan olahannya serta kebutuhan akan kayu energi sebagai aktivitas manusia yang langsung berhubungan dengan hutan menunjukkan pengaruh positif. Untuk meningkatkan ekspor sebesar USD1,000 akan terjadi deforestasi tahunan sebesar 0,117 hektar dan setiap kebutuhan akan kayu energi naik sebesar 1000 meter3 akan meningkatkan deforestasi tahunan sebesar 1,157 hektar. Harga ekspor kayu gergajian yang semakin tinggi temyata semakin memacu suatu negara melakukan deforestasi, setiap kenaikan harga USD 1 membuat deforestasi rata-rata bertambah 6,844 hektar. Hal ini membuktikan bahwa produk olahan kayu masih memegang peranan penting dalam kehidupan sehingga kenaikan harga membuat industri perkayuan bergerak cepat. Penelitian Yiridoe & Nanang (200 1) juga memberikan gambaran yang sama mengenai pengaruh variabel tersebut. Disamping itu, temyata kebutuhan rumah tangga dan industri akan energi yang murah dari kayu ini temyata sampai sekarang masih terjadi. Kayu masih menjadi andalan karena mudah mendapatkan dan murah harganya sehingga lebih terjangkau oleh masyarakat. Kahn (1998) menyebutkan bahwa aktivitas pengambilan kayu untuk energi ini lebih sering terjadi di hutan-hutan Afrika. Akan tetapi melihat kenyataan dari hasil estimasi, terlihat bahwa persoalan energi sudah semakin mengglobal sehingga kebutuhan energi dari kayu ini kian menjadi persoalan primer yang perlu mendapat perhatian serius agar tidak sampai mengancam kelestarian hutan. Krisis energi dari bahan bakar fosil yang memaksa masyarakat untuk kembali menggunakan kayu.


104

Eksploitasi kayu temyata didukung oleh kenyataan bahwa variabel luas hutan per kapita sebagai kontrol dari bias skala akibat perbedaan luasan wilayah hutan bemilai positi£ Hal ini menunjukkan bahwa negara yang mempunyai luasan hutan per kapita Iebih besar akan lebih leluasa untuk melakukan deforestasi lebih luas. Akan tetapi fenomena ini bertentangan dengan pertumbuhan penduduk yang berpengaruh negatif terhadap luas deforestasi. Bhattarai & Hammig (2004) menyebutkan bahwa walaupun dalam model penelitiannya variabel pertumbuhan penduduk berpengaruh signifikan, namun sampai sekarang dampak pertumbuhan penduduk terhadap deforestasi masih menjadi isu yang kontroversial dalam literatur deforestasi. Adapun variabel utang eksternal sesuai dengan penelitian Bhattarai & Hammig (2004) berpengaruh positif terhadap keputusan deforestasi. Setiap kenaikan rasio utang sebesar I% akan meningkatkan deforestasi sebesar 109,736 hektar. Oleh karena itu, negara harus mengendalikan besamya utang agar tidak mengancam kelestarian lingkungan.

2) Model2 Model 2 menggunakan variabel terikat laju deforestasi tahunan yang merupakan variabel yang lazim dipakai dalam model-model deforestasi. Sesuai prinsip ceteris paribus apabila seluruh variabel bebas dianggap konstan nol, maka secara global laju deforestasi rata-rata sebesar 0,459% per tahun. Apabila hitungan ini dijadikan patokan maka dalam waktu sepuluh tahun mendatang, dunia akan kehilangan ekosiestem hutan tropis sebesar 4,59% atau sekitar 82,6 juta hektar yang berasal dari faktor-faktor lain Kebutuhan kayu energi temyata kembali berperan dalam deforestasi. Setiap kenaikan kebutuhan akan kayu energi


105

sebesar satu juta meter3 membuat deforestasi meningk:at 0,00764%. Walaupun besaran ini cukup kecil, namun mengingat Kahn ( 1998) menyebutkan bahwa aktivitas pengambilan kayu terpenting setelah pengambilan kayu untuk olahan adalah pengambilan kayu untuk energi, maka pengaruh kebutuhan kayu untuk energi ini layak mendapatkan perhatian serius. Produksi serealia berpengaruh positif artinya setiap kenaikan produksi 1000 ton per hektar membuat deforestasi meningkat sebesar 64,4%. Pada Model 1, walaupun tidak signifikan namun variabel ini mempunyai tanda yang sama. Hal ini berarti bahwa dimungkinkan peningk:atan produktivitas pertanian tidak lagi dilakukan di lahan yang diperuntukkan bagi pertanian namun telah dilakukan di lahan yang sebelumnya adalah hutan. Konversi lahan pertanian sebagai tempat tinggal, kawasan industri dan sebagainya memaksa pertanian menyingk:ir ke lahan hutan. Kenyataan ini sejalan dengan publikasi FAO (2006) yang melaporkan bahwa deforestasi hutan tropis secara global disebabkan oleh konversi lahan hutan untuk pertanian yang luasannya sudah masuk dalam tahap mengkhawatirkan yaitu sekitar 13 juta hektar per tahun. Pertumbuhan penduduk yang semakin meningk:at juga meningk:atkan deforestasi. Pertumbuhan penduduk meningkat 1% akan meningkatkan deforestasi sebesar 0,018%. Ini sesuai dengan teori kependudukan dan lingk:ungan seperti yang diungk:ap oleh Kahn (1998) dan sesuai dengan prediksi Cropper & Griffiths ( 1994) yang menyatakan bahwa tekanan penduduklah yang menyebabkan tekanan terhadap hutan. Akan tetapi, perlu diingat bahwa tidak serta merta peningkatan penduduk langsung menyebabkan deforestasi karena penduduk hanyalah faktor


106

pemicu yang mendasari suatu kegiatan langsung terhadap hutan baik ekploitasi maupun konversi. Sementara itu, harga ekspor kayu gergajian menunjukkan pengaruh yang negatif artinya dengan harga yang semakin meningkat maka tidak perlu membabat hutan lebih banyak untuk mendapatkan nilai uang yang sama. Setiap kenaikan USDl,OOO harga ekspor kayu gergajian akan menurunkan deforestasi tahunan sebesar 0,0966%. Apabila dicocokkan dengan interpretasi nilai ekspor yang walaupun tidak signifikan namun memberikan pengertian yang serupa. Kebijakan utang juga mempunyai tanda yang diharapkan yaitu berpengaruh positif yang dapat menjadi kebijakan yang baik untuk melindungi ekosistem hutan tropis dari eksploitasi berlebihan. Satu hal yang perlu mendapatkan perhatian dari interpretasi Model 2 secara ekonomi yaitu bahwa pengaruh yang ditimbulkan meskipun signifikan namun besarannya sangat kecil bahkan mendekati nol. Akan tetapi meskipun demikian, pengaruh tersebut tetap harus menjadi perhatian dan pertimbangan dalam menentukan kebijakan suatu negara terhadap hutan tropisnya.

3) Model3 Hasil estimasi Model 3 memperlihatkan bahwa luas deforestasi tahunan per kapita dipengaruhi oleh seluruh variabel bebasnya. Nilai ekspor kayu dan olahannya per kapita dan juga harga ekspor kayu gergajian yang semakin meningkat dapat menurunkan deforestasi hutan tropis per kapita. Sementara itu peningkatan kebutuhan akan kayu energi per kapita dan bahan makanan pokok per kapita tetap memaksa masyarakat melaksanakan deforestasi. Setiap kenaikan kebutuhan kayu energi per kapita sebesar 10 meter3 per kapita, masyarakat


107

melaksanakan deforestasi sebesar 0,378 hektar per kapita dan setiap kenaikan produktivitas pertanian I kg/ha per kapita akan menaikkan luas deforestasi tahunan hutan tropis per kapita sebesar 3,754 hektar per kapita. Hal ini tidak terlepas dari pertumbuhan penduduk yang apabila meningkat I% juga akan meningkatkan luas deforestasi tahunan per kapita walaupun dengan peningkatan yang sangat kecil. Adapun variabel utang eksternal kembali menunjukkan pengaruh positif dalam peningkatan luas deforestasi per kapita.

4) Model4 Hasil estimasi Model 4 memperlihatkan bahwa luas deforestasi tahunan per output perekonomian juga dipengaruhi oleh seluruh variabel bebasnya. Yang menarik adalah bahwa kenaikan produktivitas pertanian sebesar I Kg/ha untuk setiap output perekonomian yang dihasilkan mempengaruhi peningkatan luas deforestasi tahunan per PDB yang dihasilkan sebesar 2I ,692 hektar tiap USD. Sedangkan variabel kebutuhan kayu energi per output perekonomian berpengaruh negatif yang artinya setiap peningkatan kebutuhannya sebesar I 000 meter3 per USD menurunkan luas deforestasi per PDB sebesar 7,063 hektar per USD. Besaran-besaran ini patut disikapi dengan bijaksana agar basil yang dirasa jelas tidak mungkin, tidak menimbulkan kesalahan interpretasi (Cropper & Griffiths, 1994). Variabel share ekspor kayu dan olahannya serta harga ekspor kayu gergajian berpengaruh negatif terhadap luas deforestasi tahunan per PDB. Hal ini berarti bahwa terjadi peningkatan nilai kayu. Kayu menjadi semakin mahal dan semakin dihargai sehingga dengan nilainya yang semakin tinggi membuat pemanfaatannya semakin efisien sehingga tidak perlu melakukan penebangan

108


pohon yang lebih banyak: untuk mendapatkan nilai ekspor yang sama. V ariabel kebijak:an

utang

eksternal

semak:in

menunjukkan

bahwa

negara

perlu

melaksanak:an manajemen utang terkait dengan penyelamatan dan pengoptimalan pemanfaatan sumber daya hutannya.

4.5. Implikasi Kebijakan dan Solusi Terhadap Permasalahan Praktis 4.5.1. Implikasi Kebijakan dari Basil Hipotesis EKC Banyak:

perdebatan

yang

muncul

dalam

pembicaraan

mengena1

Environmental Kuznets Curve. Salah satu yang penting adalah apabila sudah terbukti eksistensi dari EKC lalu apakah dengan sendirinya (otomatis) suatu negara dengan semakin kaya akan semak:in memperhatikan lingkungannya. Banyak pakar berpendapat bahwa perubahan perilak:u dengan kesadaran sendiri ini akan sangat susah untuk dicapai. Oleh karena itu sangat diperlukan adanya intervensi kebijakan untuk merubah kesadaran jauh sebelum level pendapatan per kapita tertentu sebagai titik turning point tercapai. Panayotou ( 1997) menyebutkan bahwa meskipun banyak: pendapat mengiringi keberadaan EKC, namun demikian hipotesis ini dapat menjadi alat kebijak:an yang potensial dengan berfokus pada perubahan struktural dari permintaan dan penawaran suatu komoditas dan peran dari kebijak:an-kebijak:an yang dapat mengurangi dampak: ekstemalitas negatif terhadap lingkungan. Variasi variabel dalam model EKC dapat memberikan implikasi kebijakan bahwa semak:in kaya suatu negara, perilak:u yang dilak:ukan dapat sangat berbeda. Hasil estimasi Model 2 dan Model 3 menunjukkan bahwa semak:in kaya suatu


109

negara, negara tersebut akan mengusahakan kehidupan yang lebih baik dan mulai menghemat sumber daya alamnya. Kebijakan moral untuk menyelamatkan bumi dan memberikan kehidupan yang lebih baik kepada generasi mendatang sesuai dengan prinsip pembangunan berkelanjutan menjadi pegangan baik baik negara yang paling miskin sekalipun. Dari perspektif pembangunan ekonomi, hipotesis EKC sejalan dengan konsep pembangunan berkelanjutan yang menginginkan bahwa pembangunan yang dilakukan saat ini harus juga memperhatikan kepentingan generasi mendatang, diantaranya dalam menjaga kualitas lingkungan. Penemuan teknologi baru yang lebih baik akan membuat pemanfaatan sumber daya hutan yang lebih efisien. Hasil estimasi model EKC deforestasi memberikan basil bahwa EKC terjadi pada deforestasi hutan tropis pada periode 1990-2005, sama seperti pada periode penelitian-penelitian sebelumnya. Nilai turning point setiap periode menunjukkan perbedaan dan biasanya malah kenaikan meskipun dalam tahun dasar yang sama memberikan basil yang tidak jauh berbeda. Permasalahannya adalah tidak semua negara terutama negara-negara tropis berada pada level pendapatan per kapita yang mendekati nilai turning point. Sebagai contoh adalah negara-negara dengan luas hutan terbesar seperti Brazil, Republik Demokratik Congo, dan Indonesia mempunyai pendapatan per kapita yang jauh bahkan sangat jauh dari nilai USDIO,OOO. Dengan kata lain, deforestasi hutan tropis cenderung masih akan terjadi pada negara-negara tersebut jika tidak ada kebijakan yang mendorong untuk mulai menurunkan deforestasi sejak saat ini. Berpedoman pada hipotesis EKC ini suatu negara dapat mengembangkan

110


kebijakannya untuk segera berbalik jauh sebelurn level turning point global itu tercapai. Perlu diperhatikan pula bahwa masalah deforestasi bukan hanya menjadi permasalahan bangsa itu sendiri saja, namun juga permasalahan bangsa-bangsa di dunia. Oleh karena itu, harus ada kerja sama internasional untuk mengurangi deforestasi dan menyelamatkan hutan tropis sebagai global public goods. Dalam hal

inilah

pendapat

Pearce

(2004)

mengenai

kontribusi

EKC

dapat

diimplementasikan secara nyata. Pearce (2004) menyebutkan dengan pedoman EKC, dapat dilihat bahwa saat ini negara-negara berkembang sedang dalam bagian kurva yang menanjak sedangkan negara-negara kaya sudah masuk dalam bagian kurva yang menurun. Ini terjadi karena kerusakan lingkungan dan segala bentuk degradasi yang dialami oleh negara berkembang saat ini sudah dialami oleh negara kaya lebih dari 50 tahun yang lalu. Saat ini tidak dapat dipungkiri bahwa kontribusi negara kaya dalam kerusakan lingkungan sangat signifikan. Oleh karena itu sudah layak mereka turut menanggung beban dalam usaha perbaikannya. Tanggung jawab bersama tersebut salah satunya dapat dilaksanakan dalam bentuk memberikan rewards yang berasal dari negara-negara maju kepada negara berkembang yang berhasil mengurangi deforestasinya. Mekanisme rewards dari negara maju ini salah satunya dalam bentuk

Debt-for-Nature Swaps (DNS). DNS merupakan mekanisme pembatalan utang luar negeri dimana negara debitur memberikan komitmen untuk memobilisasi surnber keuangan domestik untuk kegiatan konservasi. Pola DNS merupakan usaha nyata dari negara-negara maju dalam rangka memenuhi kewajibannya untuk mendukung perlindungan lingkungan hidup di negara berkembang dengan


111

cara meringankan beban utang negara berkembang. Konsep DNS yang pertama kali diperkenalkan pada tahun 1984 ini sudah dilaksanakan lebih dari selusin negara di dunia terutama setelah krisis utang di Amerika Latin. Undang-Undang Perlindungan Hutan Tropis (The Tropical Forest

Conservation Act-TFCA) yang disahkan pada 1998 memberi peluang bagi negara berkembang yang memenuhi persyaratan untuk mendapatkan keringanan utang dari pemerintah Amerika Serikat dan pada saat yang sama mampu mengumpulkan dana lokal untuk mendukung upaya perlindungan hutan tropis. Indonesia merupakan negara ke-15 yang menandatangi Pakta undang-undang ini, setelah Bangladesh, Belize, Botswana, Colombia, Costa Rica, El Salvador, Guatemala, Jamaica, Panama, Paraguay, Peru, dan Filipina. Pembayaran dan bunga pokok utang yang dimaksud dialihkan menjadi dana kehutanan tropis lokal. Pengalihan ini melibatkan LSM yang memberikan dana untuk mengurangi atau menghapus sejumlah utang negara debitur yang layak. Ancaman perubahan iklim sudah disadari oleh dunia secara resmi dengan dibentuknya The United Nations Framwork Convention on Climate Change (UNFCCC) pada saat Konferensi PBB untuk Lingkungan dan Pembangunan pada Bulan Desember 1992. Sampai Bulan Mei 2004, sudah sebanyak 188 negara ikut dalam perjanjian ini. Salah satu hasil UNFCCC adalah Protokol Kyoto yang dihasilkan oleh Conference of the Parties (COP) 3 yang berisi target-target reduksi dan jadwal waktu bagi pelaksanaan reduksi gas rumah kaca yang termasuk juga penanganan reduksi gas rumah kaca dari sektor kehutanan. Kesemuanya ini harus dapat dilihat kemajuannya di tahun 2005 dan dilaksanakan


112

di tahun 2008-2012. Peran hutan disini adalah bahwa aktivitas kehutanan baik aforestasi, reforestasi, maupun deforestasi dihitung sejak tahun 1990. Oleh karena itu, peran hutan sejak tahun 1990 menjadi begitu penting. Mekanisme penting basil Protokol Kyoto yang berkaitan dengan pembangunan kehutanan adalah Mekanisme Pembangunan Bersih (Clean

Development Mechanism/CDM) yang memungkinkan negara-negara berkembang mendapatkan kredit karbon untuk proyek-proyek reduksi emisi. Sayangnya mekanisme dan proyek untuk mengurangi deforestasi dan degradasi tidak memenuhi syarat untuk masuk dalam CDM karena terdapat banyak permasalahan yang terkait dengan pendekatan berbasis proyek. Oleh karena itu, dalam pertemuan COP 13 di Indonesia disepakati Bali Action Plan yang menyepakati suatu pengurangan emisi dari deforestasi dan degradasi hutan (Reduced Emission

from Deforestation and Degradation!REDD) di negara-negara berkembang yang merupakan bagian penting dari aksi mitigasi perubahan iklim. Mekanisme REDD merupakan wacana baru yang dapat digunakan oleh negara berkembang untuk mengurangi deforestasinya. Porr(rra et a/. (2007) menyebutkan bahwa secara kolektif, emisi C02 dari penggunaan laban, perubahan penggunaan laban, dan kehutanan diperkirakan sebesar sepertiga dari total emisi global. Indonesia dan Brazil merupakan negara penyumbang emisi terbesar dari kegiatan perubahan penggunaan laban sebesar 34% dan 18% sehingga apabila laju deforestasi hutannya terus berlanjut dengan tingkatan seperti saat ini, maka dapat dimungkinkan bahwa usaha reduksi emisi dari kedua negara ini saja hampir sama dengan empat perlima target penurunan


113

emisi negara-negara Annex I dalam Protokol Kyoto. Belum lagi negara-negara seperti Malaysia, Myanmar, dan Republik Demokmtik Congo yang mulai menunjukkan kontribusi emisi yang signifikan dari perubahan penggunaan lahan dan kehutanan. Oleh karena itu, skema REDD semakin dilihat kepentingannya untuk melawan pemanasan global dan banyak dari elemen REDD yang sudah mendapat kesepakatan secara meluas. Beberapa kesepakatan tersebut diantaranya perlunya memberikan pendanaan yang memadai dari negara industri, pentingnya pembangunan kapasitas teknis dan institusional serta peran utama keuntungan bersama seperti menjaga keanekaragaman hayati dan hak-hak serta mata pencaharian masyarakat hutan. Negara maju harus memenuhi kewajiban peningkatan target penurunan emisi dan membantu negara berkembang dalam transfer teknologi, finansial dan peningkatan capacity building. Negara berkembang juga didorong melakukan aksi nyata dalam upaya mitigasi dan adaptasi terhadap perubahan iklim dalam konteks pembangunan berkelanjutan, antara lain melalui integrasi upaya adaptasi dan mitigasi perubahan iklim kedalam perencanaan nasional dan perencanaan sektoral. Inilah nanti yang akan menunjukkan penurunan pada bagian kurva EKC deforestasi terjadi.

4.5.2. Faktor-Faktor yang Mempengaruhi Deforestasi Faktor-faktor yang mempengaruhi deforestasi hutan tropis yang diestimasi dalam empat model secara umum memberikan pengaruh secara nyata terhadap deforestasi hutan tropis periode 1990-2005. Ekspor kayu dan olahannya secara


114

urn urn nilai uangnya memberikan pengaruh negatif terhadap deforestasi. Semakin tinggi nilai uang ekspor, deforestasi dapat ditekan, dan sebaliknya. Pemahaman ini berarti bahwa negara akan berusaha berhemat dan memperhatikan kualitas ekspor yang dilakukan. Pengaruh ini sejalan dengan harga ekspor yang juga memberikan pengaruh secara negatif secara umum terhadap deforestasi. Kebijakan harga dan perdagangan dapat digunakan untuk menekan degradasi lingkungan sehingga EKC tidak menjadi suatu hal yang otomatis lagi. Sertifikasi hutan dan basil hutan yang terus dilaksanakan hingga saat ini dapat membantu menaikkan harga kayu olahan sehingga kelestarian hutan dan kelestarian perusahaan dapat terjamin. Hal ini terlihat dari semakin banyaknya negara pengimpor kayu dan produk olahan kayu yang mensyaratkan produk tersebut merupakan basil dari pengelolaan hutan yang lestari dan legal. Ini sangat terkait dengan deforestasi yang menyebabkan praktek-praktek perdagangan kayu ilegal karena dihasilkan dari pembalakan liar yang merugikan tidak saja bagi masyarakat sekitar namun juga negara itu sendiri. Peningkatan kebutuhan akan kayu energi temyata sangat signifikan dalam mengurangi luasan hutan. Bahan bakar dari kayu yang murah dan mudah didapat menjadi altematif pilihan dalam krisis energi saat ini. Efeknya adalah deforestasi semakin meningkat. Kebutuhan kayu untuk energi merupakan kebutuhan dasar di sebagian besar negara-negara berkembang. Masyarakat di sekitar hutan, terutama, sangat bergantung pada kayu. Trend kebutuhan kayl! energi semakin meningkat terutama di Afrika dan Asia. Ketergantungan ini ditengarai karena kemiskinan yang menyebabkan pemanfaatan kayu sebagai bahan bakar yang murah dan mudah didapat menjadi penting. Peralihan sumber energi dari kayu ke sumber


115

komersial lain seperti dari minyak di banyak negara terlihat apabila pendapatan masyarakat meningkat. Hal inilah yang tidak dapat dilakukan di negara miskin. Hasil penelitian yang menyebutkan adanya pengaruh searah antara kebutuhan kayu untuk energi dan deforestasi memberikan kejelasan kebijakan yang harus diambil oleh pemerintah. Pengusahaan sumber-sumber kayu energi yang tidak hanya berasal dari hutan alam seperti dari perkebunan, hutan tanaman, tanaman kanan-kiri jalan, dan sebagainya dapat mengurangi ketergantungan akan pengambilan kayu energi dari hutan. Sekali lagi, pencarian sumber energi altematif dan teknologi energi ramah lingkungan menjadi penting untuk dikembangkan. Produktivitas pertanian yang meningkat temyata tidak mengurangt ekspansi pertanian ke lahan hutan. Ditinjau dari kondisi saat ini bahwa krisis pangan terus membayangi akibat tidak terpenuhinya cukup pasokan pangan bagi penduduk bumi. Konversi lahan pertanian yang terus dilakukan memaksa pertanian untuk berpindah ke laban hutan. Padahal hutan juga merupakan sumber keanekaragaman hayati yang dapat berfungsi sebagai sumber pangan. Kebijakan penghentian konversi lahan pertanian dan perpindahan lahan pertanian terutama pertanian komersial ke hutan perlu mendapat perhatian serius agar deforestasi hutan tropis tidak terus berlanjut. FAO (2006) yang secara jelas menyebutkan bahwa penyebab utama deforstasi adalah ekspansi pertanian ke hutan perlu mendapatkan perhatian serius. Krisis pangan akibat banyaknya jumlah penduduk yang membutuhkan pangan dan terbatasnya lahan pertanian seharusnya tidak disikapi dengan konversi lahan pertanian ke hutan. Peningkatan teknologi

116


pertanian sehingga dapat meningkatkan produktivitasnya di laban yang ada tanpa menambah luasan laban merupakan kebijakan pertanian yang perlu dilaksanakan terus menerus. Penelitian dan pengembangan pertanian sebagai salah satu bentuk perubahan teknologi hasil dari pembangunan ekonomi perlu dilakukan. Pertumbuhan penduduk secara umum berpengaruh positif dengan deforestasi. Hal ini semakin mengukuhkan pendapat Geist & Lambin (2002) bahwa faktor demografi merupakan salah satu penyebab yang mendasari terjadinya deforestasi. Saat ini sudah semakin gencar usaha untuk menurunkan pertumbuhan penduduk mengingat daya dukung bumi yang semakin kecil. Penduduk juga berhubungan dengan kemiskinan. Fakta menunjukkan bahwa di negara-negara tropis, kemiskinan masih terus membayangi.

Kemiskinan

menyebabkan ketergantungan terhadap sumber daya alam juga semakin meningkat karena alam

menyediakan

bahan-bahan

yang

murah

untuk

kelangsungan hidup, seperti halnya di hutan. Oleh karena itu, FAO sudah membuat kebijakan dan kajian mengenai peluang hutan dapat menurunkan kemiskinan dengan menjaga hubungan harmonis antara manusia dan hutan. Kebijakan

perencanaan

utang

temyata

merupakan

kebijakan

makroekonomi yang ampuh untuk menekan deforestasi. Pengaruh positif tingkat utang ekstemal terhadap deforestasi membawa konsekuensi bahwa apabila suatu negara banyak berutang, maka sumber daya alam yang dimiliki negara tersebut akan semakin menipis untuk menutup utang. Kebijakan utang suatu negara berdasarkan hasil estimasi model EKC dapat digunakan sebagai pembatas menuju upaya pelestarian sumber daya alam. Oleh karena itu, manajemen utang dan

117


program-program pembatalan utang demi usaha konservasi perlu dilakukan yang tentu saja menuntut kerja sama antara negara kaya dan negara-negara berkembang.

4.5.3. Rekomendasi Bagi Indonesia Estimasi model EKC deforestasi dan faktor-faktor yang mempengaruhi deforestasi dalam analisis global ini dapat menjadi cermin bagi pengambilan kebijakan di Indonesia. Indonesia sebagai negara dengan hutan tropis terbesar ketiga di dunia tidak terlepas dari permasalahan deforestasi dan faktor-faktor yang mempengaruhinya. Deforestasi di Indonesia tidak saja terns diperhatikan oleh dunia namun sudah menjadi perhatian serius pemerintah Indonesia, dalam hal ini Departemen Kehutanan. Data deforestasi di Indonesia menurut Departemen Kehutanan dapat dilihat pada Tabel 4.22.

Tabel4.22. Deforestasi Tujuh Pulau Besar di Indonesia Tahun

Luas deforestasi ( ribu hektar/tahun) SUM

KAL

SUL

MAL

PAP

JAW

BANT Indonesia

2000-01

259,50

212,00

154,00

20,00

147,20

118,30

107,20

1018,20

2001-02

202,60

129,70

150,40

41,40

160,50

142,10

99,60

926,30

2002-03

339,00

480,40

385,80

132,40

140,80 343,40

84,30

1906,10

2003-04

208,70

173,30

41,50

10,60

100,80

71,70

28,10

634,70

2004-05

335,70

234,70

134,60

10,50

169,10

37,30

40,60

962,50

TOTAL

1345,50

1230,10 866,30

214,90

718,40

712,80

359,80

5447,80

Rata2

269,10

173,26

42,98

143,68

142,56

71,96

1089,56

246,02

Sumber: Departemen Kehutanan (2008). SUM: Sumatera, KAL: Kalimantan, SUL: Sulawesi, MAL: Maluku, PAP: Papua, JAW: Jawa, BANT: Bali-Nusa Tenggara

118


Sunderlin & Resosudarmo (1996) telah mencatat bahwa penyebab deforestasi di Indonesia selain oleb tumbuhnya industri perkayuan sejak tabun 1960-an, juga terutama

oleb

pertumbuhan

penduduk

dan

peningkatan

kepadatannya dan maraknya perkebunan besar yang mengkonversi laban butan. Indonesia tidak banya dibelit dengan permasalahan ekonomi nasional namun juga kasus-kasus pembalakan liar, kebakaran butan, dan pengelolaan butan yang justru turut mempengaruhi bilangnya butan bukan dari sisi ekonomi dan kebutuhan hidup masyarakat. Kini, butan yang tersisa masib menjadi gantungan bagi kehidupan masyarakat terutama di perdesaan dan sekitar butan. Pemerintah Indonesia semakin serius dalam memerangi permasalahan deforestasi dan berharap dengan dukungan internasional dapat menyelamatkan butan tropis yang tersisa. Beberapa solusi terbadap permasalahan praktis bagi pemerintab Indonesia terkait basil penelitian ini dapat dipilah menjadi solusi terkait basil EKC dan terkait faktor-faktor yang mempengaruhi deforestasi. Mekanisme kerjasama intemasional dalam pencegahan perubaban iklim dan pengurangan emisi dari deforestasi merupakan insentif tidak saja bagi pemerintah namun juga bagi masyarakat terutama yang berada disekitar butan. Rewards dari negara kaya bagi penyelamatan butan tropis di Indonesia dibarapkan

dapat menjadi solusi bagi pencegahan deforestasi. Oleb karena itu, mekanisme REDD untuk Indonesia (REDDI) barus segera dilaksanakan mulai dari penyiapan perangkat dan lokasi sehingga diharapkan REDDI pada akhir 2012 sudah operasional penuh. Di era otonomi daerah, dimana pemerintah daerab juga turut menentukan kebijakan kebutanan di daerahnya, maka pemerintah dapat

119


mengawasi

upaya-upaya pembangunan kehutanan yang berkelanjutan di

daerahnya masing-masing. Beberapa daerah di Indonesia sudah menyatakan kesiapannya untuk melaksanakan konservasi hutan dalam perdagangan karbon Kebijakan utang yang tepat sehingga tidak memberatkan negara perlu dijalankan. Total External Debt yang juga melibatkan utang-utang di luar pemerintah harus diperhatikan. Utang yang semakin banyak akan mengorbankan sumber daya alam karena akan terus dieksploitasi untuk pelunasannya. Kebijakan makroekonomi dapat berperan dalam usaha-usaha penyelamatan lingkungan. Kebijakan ketahanan pangan dan energi terutama bagi masyarakat perdesaan yang tinggal di dekat hutan dapat menjadi fokus dalam peningkatan kesejahteraan masyarakat.

Pengembangan Rutan Cadangan Pangan yang

menganut kaidah kelestarian dimana pelaksanaannya harus memandang hutan sebagai satu kesatuan ekosistem perlu dikembangkan untuk menunjang ketahanan pangan. Kegiatan yang dikembangkan tidak merombak

huta~

namun diarahkan

pada upaya optimalisasi ruang tumbuh melalui perbaikan struktur dan komposisi hutan, oleh karena itu dapat menghindari usaha deforestasi. Program Pengelolaan Rutan Bersama Masyarakat (PHBM) yang selama ini dilakukan oleh Perum Perhutani dalam pengelolaan hutan di Jawa dapat menjadi contoh nyata pemanfaatan laban hutan untuk pangan tanpa merusaknya yang hasilnya bukan saja berupa basil pangan, namun juga penyediaan lapangan kerja sehingga dapat menambah penghasilan keluarga. Pembangunan hutan kayu energi yang menanam berbagai jenis kayu yang dapat digunakan selain untuk bahan bangunan juga untuk pemenuhan energi


120

perdesaan. Pemanfaatan Hasil Hutan Bukan Kayu (HHBK) dapat menjadi salah satu alternatif nyata dalam pemanfaatan hutan dewasa ini. Program Desa Mandiri Energi yang memanfaatkan HHBK penghasil bioenergi dapat menggantikan kebutuhan akan kayu bakar. Disamping itu, program ini dapat menjadi salah satu usaha ekonomi masyarakat yang dapat membantu meningkatkan kesejahteraannya. Penerapan manajemen hutan lestari terus dilakukan untuk menjaga kelestarian hutan dan kelestarian usaha. Penerapan sertifikasi hutan dan hasil hutan dapat menjadi fokus bagi pengusahaan hutan agar dapat bersaing dan diterima dalam perdagangan intemasional yang legal. Inilah nanti konsekuensi dari pengaruh negatif ekspor dan harga kayu yang bersaing sehingga dapat menurunkan deforestasi. Peningkatan harga ekspor akan meningkatkan usahausaha konservasi dan manajemen hutan lestari seperti usaha penanaman kembali dan perbaikan pengelolaan industri yang akan membawa manfaat juga bagi masyarakat dalam penyerapan tenaga kerja. Akan tetapi, tanpa mengesampingkan usaha-usaha pencegahan deforestasi yang terjadi akibat pengaruh faktor-faktor seperti dalam penelitian ini, usaha pencegahan deforestasi akibat faktor lain perlu terns mendapat perhatian serius. Pencegahan deforestasi dari pembalakan dan perdagangan ilegal kayu-kayu Indonesia perlu mendapatkan perhatian yang sangat serius dari aparat penegak hukum dan pemerintahan di Indonesia Ini perlu dilakukan agar tidak ada ketimpangan dalam usaha memerangi deforestasi yang sudah menjadi perhatian semua pihak sehingga keinginan dan cita-cita bersama untuk mewariskan sumber daya hutan tropis kepada generasi mendatang tidak hanya menjadi angan belaka.

Tertawa beresiko memper1ihatkan kebodohan. Menangis beresiko memper1ihatkan kecengengan. Bertemu orang lain beresiko memper1ihatkan keter1ibatan. Menunjukkan perasaan beresiko memper1ihatkan diri anda yang sebenamya. Mengemukakan gagasan dan impian anda di hadapan orang lain beresiko kehilangan mereka. Mencintai beresiko untuk tidak dicintai. Hidup beresiko mati. Berharap beresiko putus asa. Mencoba beresiko gagal. Teta pi resiko harus diambil karen a bahaya yang terbesar dalam hid up adalah tidak mengambil resiko apapun. Orang yang tidak mengambil resiko tidak melakukan apapun, tidak memiliki apapun, dan tidak berarti apa-apa. Mereka dapat menghindar dari penderitaan dan kesedihan, tetapi mereka tidak dapat belajar, merasakan, berubah, bertumbuh, mencintai, atau hidup. Mereka adalah budak-budak yang dikungkung oleh sikap mereka sendiri yakni kehilangan kebebasan. Orang yang merdeka hanyalah mereka yang berani mengambil resiko.

BABV KESIMPULAN DAN REKOMENDASI KEBIJAKAN

5.1. Kesimpulan Kesimpulan yang dapat diambil dari basil penelitian ini adalah sebagai berikut: 1. Terbentuk EKC deforestasi hutan tropis periode 1990-2005 namun tidak konsisten dalam seluruh model. EKC deforestasi hanya terjadi pada hubungan pendapatan per kapita dengan laju deforestasi rata-rata tahunan (Model 2) dan dengan luas deforestasi tahunan rata-rata per kapita (Model 3). Adapun Model 1 dan Model 4 tidak memenuhi persyaratan bagi

terbentuknya EKC. Variasi variabel yang digunakan temyata

mempengaruhi konsisten tidaknya EKC deforestasi hutan tropis periode 1990-2005. 2. Nilai turning point pendapatan per kapita pada EKC deforestasi yang terjadi adalah sebesar USD10,406 pada Model 2 dan USD7,283 pada Model 3. Nilai turning point pendapatan per kapita dinyatakan dalam harga konstan USD intemasional tahun 2000 yang sudah disesuaikan dengan Purchasing Power Parity. Besamya nilai turning point pendapatan per kapita

juga tidak konsisten dalam setiap EKC yang mengindikasikan bahwa hipotesis EKC sensitif terhadap variabel dan teknik estimasi yang digunakan. 3. Variabel ekspor kayu dan olahannya, produktivitas pertanian, dan harga ekspor kayu gergajian secara umum memberikan pengaruh yang

121

122

BABV KESIMPULAN DAN REKOMENDASI KEBIJAKAN

berlawanan (negatif) terhadap deforestasi. Adapun variabel kebutuhan kayu energi, pertumbuhan penduduk, dan utang ekstemal secara umum memberikan pengaruh searah (positif) deforestasi hutan tropis.

5.2. Rekomendasi Kebijakan Rekomendasi kebijakan yang dapat diajukan adalah sebagai berikut: 1. Hipotesis EKC selaras dengan usaha-usaha global untuk menurunkan deforestasi. Implementasi mekanisme-mekanisme kerjasarna intemasional dalam pemberian rewards bagi usaha-usaha pengurangan deforestasi seperti Debt-for-Nature Swaps maupun skema REDD perlu terus dikawal

dan segera diimplementasikan. 2. Pengaturan kebijakan utang yang tepat sehingga tidak memberatkan negara dan masyarakat pada umumnya dan tidak menambah laju deforestasi hutan akibat tekanan utang. 3. Kebijakan ketahanan pangan dan energi terutama bagi masyarakat perdesaan yang tinggal di dekat hutan serta pemanfaatan Hasil Rutan Bukan Kayu (HHBK) dapat menjadi salah satu alternatif penyelamatan hutan dan meminimalkan deforestasi dari aktivitas masyarakat. 4. Penelitian kehutanan perlu dilaksanakan secara kontinyu dengan data yang lebih baik terutama mengenai pengaruh berbagai kebijakan terhadap deforestasi.

Perluasan

model

EKC

dengan

berbagai

indikator

pembangunan berkelanjutan perlu untuk dilakukan untuk semakin mempertegas kajian EKC.

"Let anotfierman praise you, anddon't your own moutfi. CJ3etter a staTl{jer not your own fip n

"CBiarl4fi oraTl{] fain memuji eTl{j/(,au dan 6ul(,an mu[utmu, oraTl{] yaTl{] tidal(l(au l(,ena[dan 6uk.gn 6i6irmu serufiri" Amsal27:2

DAFTARPUSTAKA

Agus Widarjono. (2007). "Ekonometrika: Teori dan Aplikasi Untuk Ekonomi dan Bisnis". Edisi ke-2. Ekonisia Yogyakarta. Armida S. Alisjahbana & A.A. Yusuf. (2004). "Green Accounting and Sustainable Development in Indonesia". Unpad Press. Bandung. Baltagi, Badi H. (2005). "Econometric Analysis of Panel Data". Edisi ke-3. John Wiley & Sons Ltd. England. Barbier, Edward B. (2001). ''The Economics of Tropical Deforestation and Land Use: An Introduction to The Spatial Issue". Land Economics 77(2): 155171. ----------------------- (2005). "Natural Resources and Economic Development". Cambridge University Press. Cambridge. Barbier, E.B & J. C. Burgess. (2001). "The Economics of Tropical Deforestation". Journal ofEconomic Surveys 15(3): 413-433. Bhattarai, M & M. Hammig. (2004). "Governance, Economic Policy, and The Environmental Kuznets Curve for Natural Tropical Forests". Environment and Development Economics 9: 367-382. Botkin, Daniel B. (1993). "Forest Dynamics: An Ecological Model". Oxford University Press, Inc. New York. Cropper, Maureen & C. Griffiths. (1994). ''The Interaction of Population Growth and Environmental Quality". The American Economic Review 84(2): 250-254. Deacon, R.T. (1994). "Deforestation and The Rule of Law in A Cross-Section of Countries". Land Economics 10:414-430. Departemen Kehutanan. (2008). "Statistik Kehutanan 2007". Departemen Kehutanan. Jakarta. FAO. (1987). "Tropical Forestry Action Plan". FAO. Rome. (1993). "Forest Resources Assessment 1990 Tropical Countries". FAO Forestry Paper 112. FAO. Rome. ------. (2004). "Global Forest Resources Assessment Update 2005: Terms and

123

124

DAFTAR PUSTAKA

Definitions (final version)". FRA Working Paper Series No. 84/E. Rome. ------. (2005). "Trends in Wood Products 1961-2003". FAO. Rome. ------. (2006). "Global Forest Resources Assessment 2005: Progress Towards Sustainable Forest Management". FAO Forestry Paper 147. Rome. Folmer, Henk & G.C van Kooten. (2006). "Deforestation". REPA Working Paper 2006-06. Department of Economics University of Victoria. Victoria. Friedman, J. (1992). "Empowerment: The Politics of Alternative Development". Blackwell. Cambridge. Geist, Herman J & E.F. Lambin. (2002). "Proximate Causes and Underlying Driving Forces of Tropical Deforestation". BioScience 52(2): 143-149. Grossman, Gene M. & A.B. Krueger (1995). "Economic Growth and The Environment". The Quarterly Journal ofEconomics 110(2): 353-377. Gujarati, Damodar N. (2003). "Basic Econometrics". Edisi ke-4. McGraw-Hill Higher Education. Singapore. Harris, Jonathan M. (2002). "Environmental and Natural Resource Economics: A Contemporary Approach". Houghton Mifflin Co. Boston. Hausmann, J.A. (1978). "Specification Tests in Econometrics". Econometrica 46(6): 1251-1271. Hendrick, Ronald L. (2001). "Forest Types and Classification" dalam J. Evans (ed). "The Forests Handbook Volume I: An Overview of Forest Science". Blackwell Science Ltd. Oxford. He, Jie. (2007). "Is the Environmental Kuznets Curve Hypothesis Valid for Developing Countries? A Survey". Groupe de Recherche en Economie et Developement International Working Paper 01-03. Universite de Sherbrooke. Canada. Hofstad, 0. (2005). "Deforestation Processes in Temperate and Tropical Forests: An Economic Perspective" dalam J.L. Innes, G.M. Hickey, & H.F. Hoen (eels). "Forestry and Environmental Change: Socioeconomics and Political Dimensions". CAB lnternasional. Oxon. Houghton, John. (2004). "Global Warming: The Complete Briefing". Edisi ke-3. Cambridge University Press. New York.

125 DAFTAR PUSTAKA

Hsiao, Cheng. (2003). "Analysis of Panel Data". Edisi ke-2. Cambridge University Press. Cambridge. Hussen, Ahmed M. (2000). "Principles of Environmental Economics". Routledge. New York. Kahn, James R. (1998). "The Economic Approach to Environmental and Natural Resources". Edisi ke-2. The Dryden Press. Orlando. Kaimowitz, David & A. Angelsen. ( 1998). "Economic Models of Tropical Deforestation A Review". CIFOR. Bogor. Kuznets, Simon. (1955). "Economic Growth and Income Inequality". American Economic Review 45(1): 1-28. Lopez, Ramon. (1994). "The Environment as a Factor of Production: The Effects of Economic Growth and Trade Liberalization". Journal of Environmental Economics and Management 27:163-184. Martinez, Karen E, E.M. Crenshaw, & J.C. Jenkins. (2002). "Deforestation and The Environmental Kuznets Curve: A Cross-National Investigation of Intervening Mechanisms". Social Science Quarterly 83(1 ): 226-243. Montagnini, Florencia & C.F. Jordan. (2005). "Tropical Forest Ecology". Springer. Berlin. Nachrowi D. Nachrowi & H. Usman. (2006). "Pendekatan Populer dan Praktis Ekonometrika untuk Analisis Ekonomi dan Keuangan". Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Jakarta. Nommy

H.T. Siahaan. (2007). "Rutan, Lingkungan, Pembangunan". Pancuran Alam. Jakarta.

dan

Paradigma

Panayotou, T. (1997). "Demystifying The Environmental Kuznets Curve: Turning a Black Box into a Policy Tool". Environment and Development Economics 2:465-484. ---------------. (2001). "Economic Growth and The Environment". CID Working Paper No. 56. Harvard University. Pearce, David. (2004 ). "Growth and the Environment: Can We Have Both?". Environment Matters No. 30956. The World Bank. Washington DC. Pfaff, Alexander S.P. (1999). "What Drivers Deforestation in The Brazilian Amazon? Evidence from Satellite and Socioeconomic Data". Journal of Environmental and Management 37: 26-43.

126 DAFTAR PUSTAKA

Porn'lra, Manuel E, E. Corbera & K. Brown. (2007). "Reducing Greenhouse Gas Emissions from Deforestation in Developing Countries: Revisiting the Assumptions". Tyndall Centre for Climate Change Research Working Paper 115. Ray, Debraj. (1998). "Development Economics". Princeton University Press. New Jersey. Sadono Sukimo. (2006). "Ekonomi Pembangunan: Proses, Masalah, dan Dasar Kebijakan". Edisi ke-2. Kencana Prenada Media Group. Jakarta. Samuelson, Paul & W.D. Nordhaus. (2004). "Ilmu Makroekonomi". Edisi ke-17. PT. Media Global Edukasi. Jakarta. Shafik, Nemat & S. Bandyopadhyay. (1992). "Economic Growth and Environmental Quality: Time-Series and Cross-Country Evidence". The Policy Research Working Paper Series WPS 904. Smulders, Sjak, L. Bretschger, & H. Egli. (2005). "Economic Growth and The Diffusion of Clean Technologies: Explaining Environmental Kuznets Curve". Economics Working Paper Series 05/42. Swiss Federal Institute of Technology Zurich. Stem, David I. (2004). "The Rise and Fall of the Environmental Kuznets Curve". World Development 32(8): 1419-1439. Stern, Nicholas. (2006). "Stem Review: The Economics of Climate Change". URL: http://www.hmtreasury.gov. uk/independent_reviews/stem_review_ economics_climate_change/stem_review_report.cfm. Diakses tanggal 20 Juli 2009. Sunderlin, William D & I.A.P. Resosudarmo. (1996). "Rates and Causes of Deforestation in Indonesia: Towards a Resolution of The Ambiguities". CIFOR Occasional Paper No. 9. CIFOR. Bogor. Thomas, Vinod, M. Dailami, A. Dhareshwar, D. Kaufmann, N. Kishor, R. Lopez, & Y. Wang. (2000). "The Quality of Growth". The International Bank for Reconstruction and Development/The World Bank. Washington, D. C. Tietenberg, Tom. (1996). "Environmental and Natural Resource Economics". Edisi ke-4. HarperCollins College Publishers. New York. Todaro, Michael P. (1994). "Pembangunan Ekonomi" (teijemahan). Edisi ke-5. Bumi Aksara. Jakarta.

127 DAFTAR PUSTAKA

Todaro, Michael P. & S.C. Smith. (2006). "Economic Development". Edisi ke-9. Pearson Education Limited. Essex. Tomich, Thomas (ed). (2003). "Forces Driving Tropical Deforestation". ASB Policybriefs No. 6. The Alternatives Slash-and-Bum Programme. Nairobi. UNDP. (2007). "World Development Report 2007/2008". Palgrave Macmillan. New York. World Bank. (2001). "World Development Report 2000/2001: Attacking Poverty". Oxford University Press. Oxford --------------. (2007). "World Development Indicators 2007'. CD-ROM. The International Bank for Recronstruction and Development/The World Bank. Washington D.C. World Resources Institute. (2007). "Earth Trends: The Environmental Information Portal". URL: http://earthtrends.wri.org. Diakses tanggal21 Mei 2009. Yandle, Bruce, M. Bhattarai & M. Vijayaraghavan. (2004 ). " Environmental Kumets Curve: A Review of Findings, Methods, and Policy Implications". PERC Research Study 02-1. URL: http://www.perc.org/ pdf/rs02_1a.pdf Diakses tanggal18 Juli 2009. Yiridoe, Emmanuel K & D.M. Nanang. (200 1). "An Econometric Analysis of The Causes of Tropical Deforestation: Ghana". Makalah dipresentasikan pada the American Agricultural Economics Association Conference 5-8 Agustus 2001 di Chicago. URL: http://ageconsearch. umn.edu/ bitstream/20750/11 sp01yi01.pdf. Diakses tanggal11 Februari 2009. Zarzoso, lnmaculada M & A.B. Morancho. (2003). "Testing for An Environmental Kumets Curve in Latin American Countries". Revista de Analisis Econ6mico 18(1): 3-26.

'Wefler fook..fJact unfess you am faugh :Never fooijorwartf, unfess you am aream, f£dc[ie Jordan

128

Lampiran 1. Daftar Negara Tropis yang Diobservasi Wilayah : AFRIKA No Singk.

1 2 3 4 5

6 7 8 9 10 11

12 13

14 15 16

AGO BEN BWA BFA BDI CMR CAF TCD COG COD E1H GAB GHA GIN GNB KEN

Nama Angola Benin Botswana Burkina Faso Burundi Cameroon Central African Republic Chad Congo Congo Democratic Republic Ethiopia Gabon Ghana Guinea Guinea-Bissau Kenya

No Singk.

17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

Nama

LBR MDG MWI MLI MRT MOZ NER NGA SEN SLE SDN TZA TGO UGA ZMB ZWE

Liberia Madagascar Malawi Mali Mauritania Mozambique Niger Nigeria Senegal Sierra Leone Sudan Tanzania Togo Uganda Zambia Zimbabwe

No Singk.

Nama

Wilayah : ASIA PASIFIK No Singk.

I

2 3 4 5

6

BRN KHM IDN LAO MYS MMR

Nama Brunei Darussalam Cambodia Indonesia Lao People's Dem. Rep. Malaysia Myanmar

7 8 9 10 11

NPL PAK PNG PHL LKA

12

1HA

Nepal Pakistan Papua New Guinea Philippines Sri Lanka Thailand

Wilayab : AMERIKA LATIN No Singk. 1

2 3 4 5

6 7 8

BOL BRA COL DMA ECU SLV GTM HTA

Nama Bolivia Brazil Colombia Dominica Ecuador El Salvador Guatemala Haiti

No Singk.

9 10 11

12 13 14 15 16

HND JAM MEX NIC PAN PRY PER VEN

Nama Honduras Jamaica Mexico Nicaragua Panama Paraguay Peru Venezuela

129

Lampiran 2. Data-data Penelitian

2.1. Data Deforestasi Hutan Tropis 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 34 35 36 37 38 39 40 41 42

Negara

AGO BEN BOL BWA BRA BRN BFA BDI KHM

CMR. CAF TCD COL COG COD DMA ECU SLV ETH GAB

GHA GTM GIN GNB

HTI HND

IDN JAM

KEN LAO LBR MDG MWI

MYS MLI MR.T MEX

MOZ MMR

NPL NIC NER

1990-2000

DF 124,80 64,70 270,40 118,30 2681,40 2,50 24,00 9,10 140,50 220,00 30,00 79,30 47,60 17,00 532,40 0,30 197,60 5,10 140,90 10,10 135,40 54,00 50,40 9,60 0,70 195,50 1871,50 0,40 12,60 78,20 60,30 66,90 32,90 78,50 100,00 9,80 347,60 50,00 466,50 91,70 99,90 61,70

PDF

CDF

2000-2005

ODF

DF

PDF

0,205 102,141 0,0723 124,80 0,209 1,948 64,80 2,422 104,581 0,1172 0,431 361,281 0,1612 270,20 0,450 0,862 118,40 0,945 736,314 0,1126 0,516 166,022 0,0245 3103,00 0,629 0,799 2,00 0,694 84,746 0,0062 0,335 24,00 0,347 24,344 0,0259 3,149 9,20 4,646 14,880 0,0193 1,085 124,209 0,0857 218,80 1,896 0,896 165,651 0,0915 220,00 0,985 0,129 29,60 0,129 88,165 0,0746 0,605 112,138 0,1326 79,20 0,643 0,077 47,00 0,077 12,351 0,0021 0,075 3,826 0,0034 17,00 0,075 0,379 1814,011 2,0391 319,40 0,236 0,600 0,20 0,426 41,634 0,0081 1,430 197,60 1,669 174,130 0,0526 1,360 5,20 1,605 8,983 0,0021 0,932 141,00 1,029 24,603 0,0325 0,046 10,20 0,047 90,386 0,0140 1,818 115,40 1,894 76,514 0,0435 1,137 54,00 1,283 54,042 0,0145 0,680 36,00 0,521 67,881 0,0369 0,433 9,60 0,453 80,782 0,0832 0,603 0,80 0,734 0,946 0,0005 2,647 156,40 2,880 347,020 0,1225 1,606 97,188 0,0350 1871,40 1,912 0,116 0,40 0,117 1,608 0,0005 0,340 12,00 0,335 4,641 0,0044 0,452 78,00 0,472 166,609 0,1324 1,486 60,20 1,742 255,034 2,1010 0,489 37,00 0,284 47,723 0,0567 0,844 33,00 0,925 31,892 0,0583 0,351 140,20 0,649 38,502 0,0053 0,711 100,00 0,765 98,100 0,1363 2,361 10,00 3,155 42,334 0,0226 0,504 260,40 0,397 38,262 0,0047 0,250 50,00 0,256 31,789 0,0472 1,189 466,40 1,350 105,112 0,1182 1,904 52,80 1,354 42,225 0,0358 1,528 70,00 1,264 224,075 0,0801 3,172 12,40 0,934 61,626 0,0857

CDF

ODF

83,991 83,034 308,844 670,435 172,253 56,567 19,612 13,205 163,242 141,062 75,703 88,220 10,714 3,171 859,629 28,026 154,817 7,900 20,780 76,724 54,986 45,504 40,401 65,153 0,972 229,493 87,728 1,525 3,701 139,328 188,333 21,275 27,046 57,958 79,600 35,051 25,905 26,513 94,884 20,479 138,473 9,650

0,0501 0,0830 0,1276 0,0701 0,0237 0,0043 0,0189 0,0206 0,0810 0,0714 0,0663 0,0875 0,0018 0,0030 1,4341 0,0051 0,0439 0,0017 0,0243 0,0124 0,0269 0,0113 0,0199 0,0838 0,0006 0,0782 0,0280 0,0004 0,0035 0,0846 1,1953 0,0262 0,0475 0,0065 0,0916 0,0183 0,0028 0,0276 0,0924 0,0151 0,0439 0,0139

130

No

Negara

2000-2005

1990-2000

DF

PDF

ODF

eDF

DF

PDF

eDF

ODF

409,70 2,377 409,60 3,118 43 NGA 39,404 0,0466 32,888 0,0362 42,80 2,023 41,10 1,626 PAK 44 3,352 0,0019 2,916 0,0015 6,90 0,158 2,60 0,060 45 PAN 25,799 0,0048 8,412 0,0014 0,461 139,00 46 0,441 139,10 PNG 248,429 0,1093 296,308 0,1251 178,60 0,922 317,664 0,0780 178,90 0,846 47 PRY 373,234 0,0834 94,20 0,136 94,30 0,134 PER 48 34,939 0,0071 39,540 0,0092 1,980 157,40 2,483 262,50 49 PHL 19,818 0,0047 38,372 0,0103 45,00 0,506 45,00 0,481 50 SEN 40,934 0,0274 49,251 0,0366 19,40 0,680 19,30 0,634 51 45,906 0,0731 SLE 38,716 0,0626 1,431 29,80 26,80 1,140 52 15,489 0,0042 LKA 0,0051 14,780 589,00 0,836 170,481 0,1022 589,00 0,771 SDN 53 200,301 0,1567 412,20 1,105 112,762 0,1912 412,30 0,995 TZA 54 134,195 0,2681 58,80 0,397 115,10 0,721 THA 55 9,355 0,0013 19,773 0,0034 20,00 4,115 19,90 2,905 34,739 0,0260 TOO 56 43,414 0,0318 86,40 2,129 86,50 1,757 57 32,626 0,0266 UGA 41,306 0,0420 287,60 0,585 113,025 0,0206 287,50 0,553 58 130,463 0,0216 VEN 444,80 0,996 397,445 0,4721 444,80 0,905 ZMB 59 465,525 0,5602 313,00 1,638 244,253 0,1127 312,90 1,407 266,887 0,1001 60 ZWE Sumber: WRI (2007), diolah. DF: luas deforestasi tahunan dalam ribu hektar; PDF: laju deforestasi tahunan dalam %; CDF: luas deforestasi tahunan per kapita dalam met~ per kapita; ODF: luas deforestasi tahunan per output perekonomian dalam met~ per USD

2.2. Data Ekspor Kayo dan Olahannya 2000-2005

1990-2000 No

Negara

X 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

AGO BEN BOL BWA BRA BRN BFA BDI KHM CMR CAF TCD COL COG COD DMA ECU SLV

1000,091 823,300 54100,545 0,000 2385314,273 161,500 149,111 66,667 83535,455 336724,818 30975,000 60,556 51471,636 127608,455 46309,818 179,667 55319,273 7262,636

ex 0,082 0,133 7,228 0,000 14,769 0,547 0,015 0,011 7,385 25,354 9,103 0,009 1,336 2,872 15,779 2,493 4,875 1,279

ox

X

5,792E-03 1,491E-02 3,225E-01 O,OOOE+OO 2,176E-01 3,986E-03 1,610E-03 1,415E-03 5,097E-01 1,401E+OO 7,704E-01 1,012E-03 2,240E-02 2,543E-01 1,774E+OO 4,864E-02 1,473E-01 3,040E-02

1815,000 4420,167 28803,500 0,000 3673006,667 490,167 838,500 352,500 14295,667 373514,167 75933,833 942,333 136017,000 197869,667 25603,333 531,500 75128,333 12081,500

ex 0,122 0,566 3,292 0,000 20,389 1,386 0,069 0,051 1,067 23,949 19,420 0,105 3,101 3,690 6,891 7,448 5,886 1,835

ox 7,288E-03 5,663E-02 1,360E-01 O,OOOE+OO 2,804E-01 1,058E-02 6,608E-03 7,890E-03 5,294E-02 1,213E+OO 1,702E+OO 1,041E-02 5,071E-02 3,445E-01 1,150E+OO 1,356E-01 1,670E-01 3,973E-02

131

2000-2005

1~2000

No

Negara

X

ex

ox

X

ex

ox

0,000 O,OOOE+OO 0,000 ETH 0,003 4,281E-04 19 185,625 346880,833 260,922 4,234E+OO GAB 20 254116,818 227,412 3,531E+OO 7,512 3,676E-01 157647,167 GHA 9,183 5,216E-01 21 162509,000 2,617 6,474E-02 31060,333 1,656 4,454E-02 GTM 22 16549,727 0,809 3,991E-02 7204,667 0,741 4,028E-02 GIN 23 5502,455 0,616 7,921E-02 907,667 1,835 1,889E-01 GNB 24 2180,273 0,002 1,381E-04 17,500 0,001 4,793E-05 HTI 25 6,200 5,462 1,862E-01 37225,833 5,660 1,998E-01 HND 26 31888,727 23,577 7,520E-01 IDN 24,192 8,702E-01 5029459,000 27 4658496,000 0,033 8,821E-04 85,667 0,248 6,968E-03 28 618,000 JAM 0,462 4,384E-02 14982,667 0,100 9,478E-03 KEN 29 2721,455 9,736 5,910E-Ol 54504,500 LAO 10,624 8,444E-Ol 30 49864,091 68,006 4,316E+01 217379,333 LBR 22,451 1,850E+01 31 53082,455 0,975 1,203E-01 16964,000 0,493 5,854E-02 MDG 6907,273 32 0,098 1,724E-02 1197,833 MWI 0,152 2,778E-02 33 1566,727 MYS 34 3587259,727 175,945 2,404E+OO 3010516,000 124,454 1,395E+OO 0,112 1,294E-02 1412,000 1,130E-02 0,081 35 MLI 829,400 0,185 9,665E-03 527,167 0,097 5,195E-03 36 MRT 225,700 2,500 2,708E-02 251348,333 2,802 3,425E-02 37 MEX 254596,909 1,663 1,731E-01 31370,333 7,371E-02 0,497 MOZ 38 7809,545 6,573 6,400E-01 323100,167 5,452 6,129E-01 39 MMR 241973,455 0,175 1,295E-02 4520,333 NPL 0,027 2,272E-03 40 582,091 3,243 1,027E-01 16393,667 NIC 2,528 9,034E-02 41 11270,000 0,076 1,089E-02 972,333 NER 0,021 2,881E-03 42 207,444 0,202 2,221E-02 25143,167 0,240 2,836E-02 NGA 43 24913,909 0,002 8,717E-05 249,000 1,162E-04 0,002 44 PAK 253,909 4,468 7,175E-02 13810,667 2,388 4,426E-02 45 PAN 6387,273 39,758 1,749E+OO 222452,333 69,490 2,934E+OO 46 PNG 326214,818 6,678 1,640E-01 37546,333 47 PRY 12,492 2,791E-01 59875,182 3,672 7,433E-02 98996,000 1,295 2,999E-02 PER 48 30881,273 1,434 3,383E-02 113871,833 1,168 3,127E-02 PHL 49 79930,636 1,054E-02 0,158 1731,667 0,079 5,884E-03 SEN 50 723,889 0,269 4,351E-02 1348,167 1,804E-02 0,113 SLE 476,364 51 0,891 2,399E-02 17144,667 0,163 5,674E-03 LKA 2954,000 52 1,758E-03 0,029 1013,000 5,696E-04 SON 0,007 53 214,100 0,207 3,503E-02 7552,000 0,184 3,677E-02 TZA 54 5654,909 14,946 2,154E-01 939380,500 6,858 1,167E-Ol THA 55 399187,636 0,317 2,375E-02 1826,000 0,220 1,611E-02 56 1007,600 TOO 0,032 2,584E-03 838,667 0,006 6,160E-04 57 126,889 UGA 1,770 3,222E-02 45037,500 2,623 4,337E-02 VEN 58 57800,909 1,715E-02 0,144 1615,333 0,074 8,887E-03 ZMB 59 705,636 1,565 7,226E-02 20061,167 1,964 7,367E-02 60 ZWE 23021,455 ribu USD; CX: dalam olahannya dan kayu ekspor nilai X: diolah. Sumber : WRI (2007), nilai ekspor kayu dan olahannya per kapita dalam USD per kapita; OX: nilai ekspor kayu dan olahannya terhadap PDB dalam %

132

2.3. Data Kebutuhan Kayu Energi No

1990-2000

Negara FW

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 34 35 36 37 38 39 40 41 42 43 44 45

AGO BEN BOL BWA BRA BRN BFA BDI

KHM CMR CAF TCD COL COG COD DMA ECU SLV ETH GAB GHA GTM GIN GNB HTI

HND IDN JAM KEN LAO LBR MDG MWI MYS MLI MRT

MEX MOZ

MMR NPL NIC NER NGA

PAK PAN

2776,727 5788,273 2025,182 619,364 126521,909 10,909 9564,727 6308,182 10837,000 8562,273 2780,909 5214,182 7496,091 1060,364 56577,909 556,000 4337,364 4183,182 82104,750 487,636 18337,818 12898,909 9672,182 422,000 1844,455 8616,364 103627,545 544,273 18592,727 5750,273 3383,364 8782,727 4988,636 3632,727 4397,000 1280,273 36096,818 16150,364 23452,364 12510,455 5653,545 6791,182 55891,000 25235,000 1335,364

CFW

0,227 0,936 0,271 0,385 0,783 0,037 0,970 1,031 0,958 0,645 0,817 0,737 0,195 0,024 19,277 7,716 0,382 0,737 1,434 0,436 1,036 1,291 1,303 0,355 0,249 1,529 0,538 0,219 0,685 1,225 1,431 0,627 0,484 0,178 0,431 0,553 0,397 1,027 0,528 0,576 1,268 0,678 0,538 0,206 0,499

2000-2005 OFW

FW

1,608E-04 1,048E-03 1,207E-04 5,896E-05 1,154E-04 2,693E-06 1,033E-03 1,339E-03 6,613E-04 3,562E-04 6,917E-04 8,716E-04 3,263E-05 2,113E-05 2,167E-02 1,505E-03 1,155E-04 1,751E-04 1,894E-03 6,776E-05 5,885E-04 3,472E-04 7,081E-04 3,656E-04 1,426E-04 5,399E-04 1,936E-04 6,137E-05 6,475E-04 9,738E-04 1,179E-02 7,443E-04 8,845E-04 2,434E-05 5,992E-04 2,947E-04 4,856E-05 1,524E-03 5,940E-04 4,883E-04 4,532E-04 9,431E-04 6,362E-04 1,155E-04 9,253E-05

3364,500 2095,167 2195,667 647,667 135040,667 12,000 7589,667 7773,333 9657,500 9295,333 2000,000 6182,333 9991,000 1254,500 67938,167 556,000 5314,667 4345,500 90935,167 703,333 20678,000 15389,833 11563,000 422,000 1981,833 8710,333 81173,500 580,667 20100,500 5906,833 5253,333 10345,000 5049,333 3203,167 4877,000 1523,167 38002,833 16724,000 36435,500 12723,833 5849,000 7440,833 60281,000 27375,000 1241,667

CFW

0,226 0,268 0,251 0,367 0,750 0,034 0,620 1,116 0,721 0,596 0,512 0,689 0,228 0,023 18,285 7,791 0,416 0,660 1,340 0,529 0,985 1,297 1,298 0,286 0,241 1,278 0,381 0,221 0,620 1,055 1,643 0,595 0,414 0,132 0,388 0,534 0,378 0,887 0,741 0,493 1,157 0,579 0,484 0,186 0,402

OFW

1,351E-04 2,684E-04 1,037E-04 3,834E-05 1,031E-04 2,589E-06 5,982E-04 1,740E-03 3,576E-04 3,018E-04 4,482E-04 6,828E-04 3,725E-05 2,184E-05 3,050E-02 1,418E-03 1,182E-04 1,429E-04 1,568E-03 8,584E-05 4,822E-04 3,208E-04 6,405E-04 3,683E-04 1,564E-04 4,357E-04 1,214E-04 5,979E-05 5,881E-04 6,405E-04 1,043E-02 7,336E-04 7,268E-04 1,484E-05 4,468E-04 2,793E-04 4,094E-05 9,231E-04 7,217E-04 3,645E-04 3,666E-04 8,331E-04 5,325E-04 9,583E-05 6,451E-05

133

No

Negara

1990-2000

FW

CFW

2000-2005

OFW

FW

CFW

OFW

46 PNG 5533,000 1,179 4,977E-04 5533,000 0,989 4,351E-04 47 PRY 5231,000 1,091 2,439E-04 5795,667 1,031 2,532E-04 48 PER 7058,000 0,296 6,854E-05 7395,833 0,274 5,553E-05 49 PHL 25889,545 0,378 1,013E-04 22532,167 0,284 6,694E-05 50 SEN 4924,909 0,539 4,003E-04 5194,333 0,472 3,161E-04 51 SLE 4776,636 1,136 1,809E-03 5384,833 1,075 1,738E-03 52 LKA 7886,636 0,435 1,515E-04 5743,500 0,299 8,036E-05 53 SDN 16357,909 0,556 4,352E-04 17178,500 0,497 2,981E-04 54 TZA 20077,455 0,653 1,306E-03 21231,667 0,581 9,849E-04 55 THA 20953,273 0,360 6,124E-05 20193,833 0,321 4,629E-05 56 TOO 5140,818 1,122 8,219E-04 5414,500 0,940 7,042E-04 57 UGA 31999,909 1,528 1,554E-03 35426,333 1,338 1,091E-03 58 VEN 3252,545 0,148 2,441E-05 3722,167 0,146 2,663E-05 59 ZMB 7032,636 0,736 8,857E-04 7219,000 0,645 7,662E-04 60 ZWE 7130,364 0,608 2,282E-04 8115,000 0,633 2,923E-04 Sumber: WRI (2007), diolah. FW: kebutuhan kayu energi dalam ribu mete?; CFW: kebutuhan kayu energi per kapita dalam met~ per kapita; OFW: kebutuhan kayu energi per output perekonomian dalam met~ per USD.

2.4. Data Produktivitas Pertanian No

Negara

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

AGO BEN BOL BWA BRA BRN BFA BDI

K.HM CMR CAF TCD COL COG COD DMA ECU SLV ETH GAB GHA GTM

1990-2000

2000-2005

AG

CAG

OAG

AG

CAG

OAG

474,627 1004,518 1469,173 291,645 2359,655 1461,936 836,855 1341,000 1640,945 1311,227 922,027 619,055 2747,209 779,573 786,700 1318,282 1925,127 1946,136 1146,825 1745,882 1265,891 1793,545

3,885E-05 1,624E-04 1,963E-04 1,815E-04 1,461E-05 4,956E-03 8,488E-05 2,193E-04 1,451E-04 9,873E-05 2,710E-04 8,754E-05 7,128E-05 1,755E-05 2,680E-04 1,830E-02 1,696E-04 3,428E-04 2,002E-05 1,562E-03 7,153E-05 1,795E-04

2,75E-05 1,82E-04 8,76E-05 2,78E-05 2,15E-06 3,61E-04 9,03E-05 2,85E-04 l,OOE-04 5,46E-05 2,29E-04 1,03E-04 1,20E-05 1,55E-05 3,01E-04 3,57E-03 5,13E-05 8,15E-05 2,65E-05 2,43E-04 4,06E-05 4,83E-05

555,933 1093,067 1764,483 372,067 3017,017 912,700 941,200 1316,317 2055,483 1725,417 1029,983 661,167 3453,217 794,433 772,067 1320,500 2309,550 2321,517 1241,350 1523,817 1359,317 1760,967

3,741E-05 1,401E-04 2,017E-04 2,107E-04 1,675E-05 2,581E-03 7,691E-05 1,889E-04 1,534E-04 1,106E-04 2,634E-04 7,365E-05 7,872E-05 1,482E-05 2,078E-04 1,850E-02 l,SIOE-04 3,527E-04 1,829E-05 1,146E-03 6,477E-05 1,484E-04

2,23E-05 1,40E-04 8,33E-05 2,20E-05 2,30E-06 1,97E-04 7,42E-05 2,95E-04 7,61E-05 5,60E-05 2,31E-04 7,30E-05 1,29E-05 1,38E-05 3,47E-04 3,37E-03 5,14E-05 7,63E-05 2,14E-05 1,86E-04 3,17E-05 3,67E-05

134

No

Negara

23 24

GIN GNB HTI liND IDN JAM KEN LAO LBR MDG

1990-2000

AG

CAG

2000-2005

OAG

AG

CAG

OAG

1212,664 1,633E-04 8,88E-05 1432,800 1,608E-04 7,94E-05 1322,591 1,113E-03 1,15E-03 1105,067 7,500E-04 9,64E-04 25 1,299E-04 7,43E-05 961,127 846,050 1,028E-04 6,68E-05 26 1370,164 2,432E-04 8,58E-05 1240,467 1,820E-04 6,20E-05 27 2,021E-05 7,27E-06 4180,050 3890,845 1,960E-05 6,25E-06 28 1298,764 5,221E-04 1,46E-04 1166,583 4,447E-04 1,20E-04 29 1569,073 5,779E-05 5,46E-05 1454,650 4,486E-05 4,26E-05 30 2564,864 5,465E-04 4,34E-04 3117,800 5,569E-04 3,38E-04 31 1137,845 4,812E-04 3,96E-03 996,133 3,116E-04 1,98E-03 32 1941,673 1,385E-04 1,65E-04 2140,017 1,230E-04 1,52E-04 33 MWI 1219,209 1,182E-04 2,16E-04 1211,350 9,928E-05 1,74E-04 34 MYS 2968,145 1,456E-04 1,99E-05 3215,783 1,329E-04 1,49E-05 MLI 35 950,891 9,328E-05 900,300 7,166E-05 8,25E-05 1,30E-04 36 MRT 1,87E-04 813,300 3,513E-04 956,383 3,352E-04 1,75E-04 37 MEX 2,861E-05 3,50E-06 2859,383 2,845E-05 3,08E-06 2598,927 38 MOZ 643,882 4,094E-05 6,08E-05 875,417 4,642E-05 4,83E-05 39 MMR 6,759E-05 6,58E-05 7,34E-05 3322,367 2896,836 6,527E-05 40 NPL 1920,445 8,843E-05 7,50E-05 2222,900 8,622E-05 6,37E-05 41 NIC 1640,345 3,679E-04 3,431E-04 1,09E-04 1,31E-04 1734,433 42 NER 321,955 3,216E-05 4,47E-05 378,450 2,945E-05 4,24E-05 43 NGA 1166,364 1,122E-05 8,525E-06 9,38E-06 1,33E-05 1061,683 44 PAK 1,646E-05 9,24E-06 2369,033 1,614E-05 8,29E-06 2018,609 PAN 45 1900,964 7,108E-04 1,32E-04 1954,650 6,324E-04 1,02E-04 46 PNG 3246,918 6,917E-04 2,92E-04 3820,150 6,828E-04 3,00E-04 47 PRY 3,754E-04 9,22E-05 2021,327 4,217E-04 9,42E-05 2110,517 48 PER 1,230E-04 2,49E-05 2723,236 1,142E-04 2,64E-05 3317,100 49 PHL 3,529E-05 8,33E-06 2272,800 3,322E-05 8,89E-06 2803,083 50 SEN 789,009 8,635E-05 6,41E-05 900,750 8,194E-05 5,48E-05 51 SLE 2,392E-04 3,87E-04 1180,364 2,808E-04 4,47E-04 1198,683 52 LKA 1,700E-04 5,92E-05 3408,783 1,772E-04 4,77E-05 3082,664 53 SDN 510,333 1,477E-05 8,86E-06 1,40E-05 526,464 1,790E-05 54 TZA 1463,450 4,003E-05 6,79E-05 1281,900 4,172E-05 8,34E-05 THA 55 7,04E-06 2721,350 4,330E-05 6,24E-06 2410,218 4,141E-05 56 TOO 1,792E-04 1,34E-04 869,345 1,897E-04 1,39E-04 1031,950 57 UGA 1641,933 6,200E-05 5,06E-05 1471,973 7,029E-05 7,15E-05 VEN 58 1,293E-04 2,35E-05 1,332E-04 2,20E-05 3290,633 2935,764 ZMB 59 1,356E-04 1,61E-04 1466,109 1,534E-04 1,85E-04 1517,517 60 ZWE 847,500 6,614E-05 3,05E-05 1,029E-04 3,86E-05 1206,400 Sumber: World Bank (2007), diolah. AG: produktivitas basil panen serealia dalam kglha; CAG: produktivitas basil panen serealia per kapita dalam kglha per kapita; OAG: produktivitas basil panen serealia per output perekonomian dalam kglha per USDl,OOO

135

2.5. Data Pendapatan per Kapita dan Luas Hutan per Kapita No Negara 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 34 35 36 37 38 39 40 41 42 43 44 45

AGO BEN BOL BWA BRA BRN BFA BDI KHM

CMR CAF TCD COL COG COD DMA ECU SLV ETH GAB GHA GTM GIN GNB HTI HND

IDN JAM

KEN LAO LBR MDG MWI

MYS MLI

MRT MEX

MOZ MMR

NPL NIC NER NGA PAK PAN

2000-2005

1990-2000 y

1,413 0,893 2,241 6,538 6,787 13,733 0,940 0,771 1,449 1,810 1,182 0,846 5,%1 1,129 0,890 5,127 3,310 4,208 0,757 6,440 1,761 3,718 1,840 0,971 1,748 2,833 2,780 3,565 1,058 1,258 0,121 0,842 0,547 7,320 0,720 1,877 8,182 0,674 0,890 1,180 2,798 0,719 0,845 1,782 5,396

F 4,939 0,485 8,209 8,170 3,137 1,019 0,713 0,040 1,082 1,765 6,775 1,798 1,588 0,510 46,975 0,673 1,131 0,062 0,252 19,578 0,383 0,448 0,%4 1,824 0,015 1,137 0,557 0,138 0,134 3,606 1,589 0,953 0,362 1,078 1,331 0,158 0,741 1,256 0,831 0,201 1,354 0,163 0,146 0,019 1,623

y

1,676 1,000 2,421 9,566 7,273 13,109 1,037 0,641 2,015 1,975 1,141 1,009 6,114 1,071 0,599 5,494 3,524 4,620 0,855 6,163 2,043 4,043 2,026 0,778 1,540 2,934 3,135 3,702 1,054 1,647 0,158 0,811 0,569 8,923 0,869 1,912 9,235 0,%1 1,027 1,354 3,156 0,695 0,909 1,946 6,227

F 3,999 0,322 6,791 6,930 2,695 0,800 0,560 0,025 0,820 1,397 5,839 1,350 1,387 0,420 36,175 0,652 0,889 0,047 0,197 16,398 0,277 0,343 0,765 1,423 0,013 0,739 0,437 0,130 0,110 2,918 1,034 0,743 0,286 0,878 1,021 0,102 0,646 1,028 0,679 0,146 1,061 0,101 0,097 0,014 1,391

136

No Negara

1990-2000 y

2000-2005 F

y

F

46 PNG 2,368 6,567 2,273 5,323 47 PRY 4,475 4,227 4,071 3,365 48 PER 4,318 2,922 4,940 2,558 49 PHL 3,736 0,135 4,238 0,095 50 SEN 1,346 0,998 1,495 0,799 51 SLE 0,628 0,701 0,618 0,559 52 LKA 2,871 0,122 3,715 0,104 53 SON 1,278 2,497 1,668 1,998 54 TZA 0,500 1,282 0,590 0,993 55 THA 5,878 0,264 6,940 0,233 56 TOO 1,365 0,128 1,336 0,076 57 UGA 0,984 0,214 1,226 0,145 58 VEN 6,047 2,296 5,493 1,903 59 ZMB 0,831 4,909 0,842 3,893 60 ZWE 2,665 1,763 2,167 1,430 Sumber: World Bank (2007), diolah. Y: pendapatan per kapita yang diproksi dengan PDB per kapita dalam harga konstan internasional USD tahun 2000 (PPP); F: luas hutan per kapita dalam hektar per kapita

2.6. Data Pertumbuhan Penduduk, Hutang Eksternal dan Barga Ekspor Kayu Gergajian No Negara 1 2 3 4

5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

AGO BEN BOL BWA BRA BRN BFA BDI KHM CMR CAF TCD COL COG COD DMA ECU SLV Ern GAB

1990-2000

POP 2,729 3,306 2,215 2,116 1,534 2,625 2,814 1,447 2,758 2,470 2,312 3,051 1,870 3,247 2,870 0,151 1,852 2,031 2,408 2,880

ED 158,719 76,387 73,835 12,961 29,301 0,000 47,915 115,573 85,166 88,746 77,730 57,981 34,647 219,520 188,980 49,294 87,016 31,862 100,966 82,458

2000-2005

SP 327,653 631,052 450,917 0,000 269,623 749,210 492,908 424,880 288,897 385,817 340,093 0,000 257,049 417,420 426,360 93,851 613,287 189,512 224,859 398,052

POP 2,769 3,155 1,993 0,278 1,405 2,300 3,127 2,803 1,999 1,912 1,394 3,403 1,607 3,054 2,694 0,109 1,447 1,850 2,110 1,768

ED 70,354 57,996 67,630 6,353 36,898 0,000 45,263 185,123 66,157 78,559 86,712 56,642 38,331 148,338 203,330 90,680 62,992 44,548 74,248 64,557

SP 310,292 447,031 536,777 0,000 207,335 771,504 234,150 392,851 301,522 564,116 299,973 838,182 311,165 384,807 527,706 148,427 642,353 567,403 0,000 378,377

137

No 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54

Negara GHA GTM GIN GNB HTI HND

1990-2000

POP

ED

2000-2005

SP

POP

ED

SP

2,522 82,289 383,449 2,152 99,545 381,691 2,276 24,111 243,214 2,399 19,491 284,604 3,084 92,067 274,309 2,157 100,658 415,260 2,957 355,101 429,738 2,966 314,663 356,293 1,497 29,729 0,000 1,432 28,393 297,532 2,796 112,512 185,271 2,329 78,556 301,645 IDN 1,491 76,292 488,795 1,336 66,116 345,464 JAM 0,786 79,830 514,359 0,512 66,131 0,000 KEN 2,756 74,036 356,950 2,205 43,250 661,409 LAO 2,463 156,852 238,324 2,315 124,043 396,568 LBR 3,183 881,679 338,649 2,016 479,958 332,771 MDG 2,953 124,131 299,888 2,801 93,556 192,576 MWI 2,133 118,771 201,919 2,317 130,643 396,525 MYS 2,544 42,405 276,062 1,997 45,809 233,178 MLI 2,679 118,651 364,570 2,960 85,796 556,811 MRT 2,614 185,152 330,489 2,965 180,122 555,144 MEX 1,654 37,450 355,735 1,086 25,217 375,095 MOZ 2,737 229,219 341,744 2,027 108,639 395,704 MMR 1,598 179,039 356,392 1,162 159,873 304,590 NPL 2,451 52,600 327,424 2,127 47,069 333,333 NIC 2,199 427,690 218,758 1,048 146,818 188,045 NER 3,283 81,031 267,460 3,397 76,294 458,540 NGA 2,637 104,336 437,591 2,259 55,451 441,332 PAK 2,466 49,989 240,964 2,411 40,676 0,000 PAN 2,020 81,105 380,752 1,842 65,696 202,342 PNG 2,525 67,097 321,309 2,142 66,606 379,941 PRY 2,448 33,298 124,267 2,004 50,106 156,909 PER 1,789 58,418 539,683 1,517 47,024 626,093 PHL 2,168 66,910 196,498 1,858 74,665 114,775 SEN 2,623 74,773 406,710 2,406 64,599 341,250 SLE 1,069 175,015 423,812 3,886 161,591 484,310 LKA 1,275 63,772 438,217 0,504 55,133 460,088 SDN 2,313 215,978 518,182 1,961 105,149 229,405 TZA 2,865 122,349 469,156 1,979 68,549 547,698 55 THA 1,198 1212,327 844,631 0,902 594,004 161,322 56 TOO 3,022 1,132 240,999 2,812 1,152 254,915 57 UGA 3,179 59,277 484,578 3,358 39,437 230,351 58 VEN 2,101 810,853 304,437 1,792 619,383 208,299 59 ZMB 2,498 9,869 425,759 1,779 5,905 557,682 60 ZWE 1,872 128,642 192,178 0,698 95,549 213,345 Sumber: World Bank (2007) dan FAOSTAT (2009), diolah. POP: pertumbuhan penduduk dalam %; ED: total utang eksternal per PDB dalam %; SP: harga ekspor kayu gergajian dalam USD

138

Lampiran 3. Estimasi Modell 3.1. Basil Uji Hausman Correlated Random Effects - Hausman Test Pool: MODEL 01 Test cross-section random effects Test Summary

Chi-Sq. Statistic

Chi-Sq. d.f.

32.059840

9

Cross-section random

Prob. 0.0002

Basil Uji Hausman : Dipilih Fixed Effect Model

3.2. Estimasi Modell dengan pendekatan Fixed Effect Model Dependent Variable: DF? Method: Pooled EGLS (Cross-section weights) Sample: 12 Included observations: 2 Cross-sections included: 60 Total pool (balanced) observations: 120 Linear estimation after one-step weighting matrix White diagonal standard errors & covariance (df corrected) Variable

c Y? (Y?)"2 X? FW? AG? POP? ED? SP? F? Fixed Effects (Cross) _ANGOLA--C _BENIN-C _BOLIVIA-C _BOTSWANA--C _BRAZIL--C _BRUNEI-C _BURKINA-C _BURUNDI--C _CAMBODIA--C _CAMEROON--C _ CENTRALAFRICAN--C CHAD--C

Coefficient 109.8295 5.703896 -0.535446 0.000117 0.001157 0.002594 -6.617285 0.109736 0.006844 12.64864 -50.69615 -52.37668 46.50155 -91.69471 2222.384 -91.17721 -99.22965 -121.7038 32.58025 27.40498 -176.2320 -51.43266

Std. Error 30.49176 4.136667 0.332280 4.22E-05 0.000430 0.002506 2.663685 0.035444 0.002538 4.400563

t-Statistic 3.601941 1.378863 -1.611430 2.781049 2.689975 1.035244 -2.484259 3.096024 2.696509 2.874324

Prob. 0.0007 0.1740 0.1133 0.0076 0.0096 0.3054 0.0163 0.0032 0.0095 0.0059

139

COLOMBIA--C _CONGO-C _CONGODR-C _OOMINICA--C _ECUADOR-C _ELSALVADOR--C _ETIDOPIA--C _GABON-C _GHANA--C _GUATEMALA--C GUINEA--C _ GUINEABISSAU--C _HAITI--C HONDURAS--C _ INDONESIA--C _JAMAICA-C _KENYA-C _LAOPDR--C _LffiERIA-C _MADAGASCAR--C MALAWI-C MALAYSIA--C _MALI-C _MAURITANIA--C _MEXICO-C _MOZAMBIQUE-C MYANMAR-C _NEPAL-C _NICARAGUA-C _NIGER-C _NIGERIA-C P AKISTAN--C PANAMA--C PAPUANEW-C _PARAGUAY--C _PERU-C _PHILIPPINES--C _SENEGAL-C _SIERRALEONE--C _SRILANKA--C _SUDAN-C TANZANIA-C _ THAILAND-C _TOGO-C _UGANDA--C VENEZUELA--C _ZAMBIA-C _ZIMBABWE-C

-119.8727 -128.9043 -298.4183 -144.8882 41.41566 -125.6390 -74.65147 -377.4266 -39.41190 -87.39571 -98.64432 -148.9978 -116.2567 29.59911 1055.767 -134.1419 -125.3581 -102.1434 -150.4011 -85.31005 -94.12677 -414.3266 -32.50772 -119.0333 99.94777 -107.1623 254.4791 -58.99707 -87.19936 -76.44270 225.0593 -102.6859 -144.0627 -98.39755 -1.935480 -87.77395 42.97528 -84.97259 -116.0493 -117.0394 416.6615 258.9152 -245.0782 -89.15668 -60.64135 50.62405 272.5738 153.1040

Effects Specification Cross-section fJXed (dummy variables)

140

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

0.999806 Mean dependent var 0.999547 S.D. dependent var 24.09503 Swn squared resid 3862.615 Durbin-Watson stat 0.000000

700.4455 1186.850 29609.09 3.934426

Unweighted Statistics R-squared Swn squared resid

0.997028 68733.51

Mean dependent var Durbin-Watson stat

200.3325 3.934426

141

Lampiran 4. Estimasi Model 2 4.1. Basil Uji Hausman Correlated Random Effects - Hausman Test Pool: MODEL 02 Test cross-section random effects Test Summary

Chi-Sq. Statistic

Chi-Sq. d.f.

2.152909

8


Prob. 0.9760

Basil Uji Hausman : Disarankan Random Effect Model tetapi dipilih Fixed Effect Model

4.2. Estimasi Model 2 dengan pendekatan Fixed Effect Model Dependent Variable: PDF? Method: Pooled EGLS (Cross-section weights) Sample: 12 Included observations: 2 Cross-sections included: 60 Total pool (balanced) observations: 120 Linear estimation after one-step weighting matrix Variable

c Y? (Y?)"2 X? FW? AG? POP? ED? SP? Fixed Effects (Cross) _ANGOLA--C BENIN-C _BOLIVIA-C _BOTSW ANA--C _BRAZIL--C _BRUNEI--C _BURKINA-C BURUNDI-C _CAMBODIA--C _ CAMEROON--C _ CENTRALAFRICAN--C CHAD--C _ COLOMBIA-C _CONGO-C

Coefficient 0.459149 0.160925 -0.007732 -3.17E-05 0.007638 0.064358 0.018152 0.000305 -0.096572 -0.592704 1.455894 -0.482613 -0.383260 -1.724906 -0.526718 -0.425382 3.144420 0.543046 0.030497 -0.613800 -0.097985 -1.350423 -0.680653

Std. Error 0.098958 0.043531 0.002812 5.64E-05 0.002767 0.019017 0.001608 9.71E-05 0.033739

t-Statistic 4.639828 3.696807 -2.749349 -0.563138 2.760936 3.384231 11.28731 3.140703 -2.862325

Prob.

0.0000 0.0005 0.0082 0.5758 0.0079 0.0014 0.0000 0.0028 0.0060

142

CONGODR-C _ DOMINICA--C _ECUADOR-C ELSALV ADOR--C _ETHIOPIA--C _GABON--C _GHANA--C _ GUATEMALA--C _GUINEA--C GUINEABISSAU--C HAITI--C HONDURAS--C INDONESIA--C _JAMAICA--C KENYA--C _LAOPDR-C _LffiERIA-C MADAGASCAR--C MALAWI--C MALAYSIA--C MALI-C _MAURITANIA--C MEXICO--C MOZAMBIQUE-C MYANMAR-C _NEPAL--C NICARAGUA-C _NIGER--C _NIGERIA--C P AKISTAN--C _PANAMA--C PAPUANEW--C PARAGUAY--C PERU-C PHILIPPINES--C _SENEGAL-C SIERRALEONE--C SRILANKA--C SUDAN--C TANZANIA-C THAILAND--C TOGO--C _UGANDA--C VENEZUELA-C ZAMBIA-C ZIMBABWE--C

-0.855798 -0.683573 0.467600 0.284086 -0.397874 -1.246869 0.857303 -0.002236 -0.350433 -0.350081 -0.128071 1.703421 0.072979 -0.918063 -0.541488 -0.495538 0.812876 -0.466012 0.171948 -0.901596 0.023114 1.890541 -1.271281 -0.565326 0.198573 0.723973 0.277065 1.357517 1.612246 0.703750 -1.185756 -0.629765 -0.334358 -1.139942 0.865861 -0.302352 -0.067169 0.130128 -0.088686 0.235599 -1.158594 2.716825 0.918032 -1.014619 0.218010 0.558618

Effects Specification Cross-section fiXed (dummy variables) Weighted Statistics

143

R-squared Adjusted R-squared S.E. ofregression F-statistic Prob(F-statistic)

0.999389 0.998601 0.319195 1269.166 0.000000

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

7.083569 14.60886 5.298043 3.934426

Unweighted Statistics R-squared Sum squared resid

0.935310 6.234828


1.056392 3.934426

144

Lampiran S. Estimasi Modell S.l. Basil Uji Hausman Correlated Random Effects - Hausman Test Pool: MODEL 03 Test cross-section random effects Test Summary

Chi-Sq. Statistic

Chi-Sq. d.f.

Prob.

60.744693

8

0.0000

Cross-section random Basil Uji Hausman : Dipilih Fixed Effect Model

5.2. Estimasi Model 3 dengan pendekatan Fixed Effect Model Dependent Variable: CDF? Method: Pooled EGLS (Cross-section weights) Sample: 1 2 Included observations: 2 Cross-sections included: 60 Total pool (balanced) observations: 120 Linear estimation after one-step weighting matrix White diagonal standard errors & covariance (no d.f correction) Variable

c Y? (Y?)/\2 CX? CFW? CAG? POP? ED? SP? Fixed Effects (Cross) _ANGOLA--C BENIN--C BOLIVIA-C _BOTSWANA--C _BRAZIL--C _BRUNEI--C _BURKINA--C _BURUNDI-C _CAMBODIA-C _CAMEROON-C CENTRALAFRICAN--C CHAD--C _COLOMBIA-C

Coefficient -550.3493 136.4850 -9.243372 -0.803139 378.1492 37547.55 11.61931 0.108011 -82.60069 349.8370 289.9761 524.3128 610.7021 -59.90104 335.1372 133.3106 51.93748 155.0355 264.5851 232.3906 250.2630 -6.847947

Std. Error 47.41218 12.13876 0.725109 0.191180 22.99130 1999.409 2.428170 0.013048 8.049703

t-Statistic -11.60776 11.24374 -12.74756 -4.200961 16.44749 18.77932 4.785214 8.277800 -10.26133

Prob. 0.0000 0.0000 0.0000 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000

145

_CONGO-C _CONGODR--C _DOMINICA--C _ECUADOR-C _ELSALVADOR- C _ETIDOPIA-C _GABON-C _GHANA--C _ GUATEMALA--C _GUINEA--C GUINEABISSAU- C HAITI-C _HONDURAS--C _INDONESIA-C _JAMAICA--C _K.ENYA-C _LAOPDR-C LffiERIA--C _MADAGASCAR- -C _MALAWI--C MALAYSIA--C MALI-C _MAURITANIA--C _MEXICO-C _MOZAMBIQUE- C _MYANMAR--C _NEPAL-C _NICARAGUA--C _NIGER-C NIGERIA--C _PAKISTAN--C _PANAMA--C _PAPUANEW-C _PARAGUAY--C _PERU-C PHILIPPINES-C SENEGAL-C SIERRALEONE--C SRILANKA--C _SUDAN-C TANZANIA-C THAILAND-C TOGO--C UGANDA--C _VENEZUELA-C ZAMBIA--C _ZIMBABWE-C

384.7067 -5325.103 -3496.564 227.9091 -134.5265 -82.57531 100.9791 6.779145 -291.5584 -134.3411 317.8067 247.1280 -32.30928 175.3125 82.66391 179.1589 64.56785 117.3589 218.1407 318.1615 152.4113 373.0285 129.7860 -37.17900 96.16229 283.4138 213.6728 -95.07696 238.0104 279.7145 233.2475 -111.0534 158.5602 54.50646 67.77246 39.20648 220.1937 74.10950 93.38655 344.1222 371.0782 -117.3392 11.84446 -110.2132 55.59505 622.5644 284.0405

Effects Specification Cross-section fJX.ed (dummy variables) Weighted Statistics

146

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

0.999551 0.998972 51.43614 1727.637 0.000000

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

646.3993 1951.283 137575.2 3.934426


0.960088 211112.4


122.5220 3.934426

147

Lampiran 6. Estimasi Model4 6.1. Basil Uji Hausman Correlated Random Effects- Hausman Test Pool: MODEL Test cross-section random effects Test Summary

Chi-Sq. Statistic

Chi-Sq. d.f.

1044.449059

8


Prob. 0.0000

Basil Uji Bausman : Dipilih Fixed Effect Model

6.2. Estimasi Model 4 dengan pendekatan Fixed Effect Model Dependent Variable: ODF? Method: Pooled EGLS (Cross-section weights) Sample: 1 2 Included observations: 2 Cross-sections included: 60 Total pool (balanced) observations: 120 Linear estimation after one-step weighting matrix White diagonal standard errors & covariance (no d.f. correction) Variable

c Y? (Y?)"2 OX? OFW? OAG? POP? ED? SP? Fixed Effects (Cross) ANGOLA--C BENIN--C BOLIVIA--C BOTSWANA--C BRAZIL--C BRUNEI--C BURKINA--C BURUNDI--C CAMBODIA-C CAMEROON-C CENTRALAFRICAN--C CHAD--C COLOMBIA-C

Coefficient 0.254577 -0.057612 0.003127 -0.021515 -70.62223 216.7185 0.010735 6.35E-05 -0.035479 -0.132188 -0.110199 -0.008105 0.075363 0.022984 -0.099145 -0.160370 -0.167313 -0.077958 -0.047935 -0.118199 -0.081351 -0.029158

Std. Error 0.015875 0.005095 0.000292 0.001185 1.229375 15.89967 0.000910 8.85E-06 0.004862

t-Statistic 16.03661 -11.30665 10.69539 -18.15797 -57.44563 13.63038 11.79174 7.171834 -7.297586

Prob. 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

148

_CONGO-C CONGODR--C DOMINICA--C ECUA.DOR-C ELSALV ADOR--C ETHIOPIA--C GABON-C GHANA--C _ GUATEMALA--C GUINEA--C GUINEABISSAU--C HAITI-C _HONDURAS--C _INDONESIA--C _JAMAICA--C KENYA-C LAOPDR--C LffiERIA--C MADAGASCAR--C MALAWI--C MALAYSIA--C MALI-C MAURITANIA--C MEXICO--C _MOZAMBIQUE--C _MYANMAR-C NEPAL--C NICARAGUA-C NIGER-C NIGERIA--C PAKISTAN--C PANAMA--C

PAPUANEW--C PARAGUAY--C PERU-C PHILIPPINES-C SENEGAL--C _ SIERRALEONE--C SRILANKA--C SUDAN--C TANZANIA-C THAILAND--C _TOGO-C UGANDA--C VENEZUELA-C ZAMBIA-C ZIMBABWE-C

-0.218322 3.301004 -0.678330 -0.045678 -0.074347 -0.090532 0.024103 -0.098939 -0.066837 -0.118267 -0.362138 -0.184769 -0.016451 -0.057959 -0.113103 -0.171899 -0.103678 2.146553 -0.176851 -0.176607 0.031205 -0.103029 -0.180905 0.012279 -0.118199 -0.065941 -0.161945 -0.072351 -0.140169 -0.141457 -0.175600 -0.056368 -0.018300 -0.004343 -0.047543 -0.083115 -0.152651 -0.137671 -0.095134 -0.043613 0.056793 -0.057143 -0.151441 -0.105800 -0.064962 0.322725 -0.028701

Effects Specification Cross-section fixed (dummy variables) Weighted Statistics

149

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

0.999901 0.999773 0.021089 7835.162 0.000000

Mean dependent var S.D. dependent var Sum squaredresid Durbin-Watson stat

0.640763 2.643057 0.023127 3.934426


0. 997827 0.025314


0.110969 3.934426

PEMBANGUNAN EKONOMI DAN DEFORESTASI HUT AN TROPIS (Mengkaji Kembali Hipotesis Environmental Kuznets Curve Menggunakan Analisis Antar Negara)

Recommend Documents