commit to user
68 bukan berarti bahwa dapat dibiarkan begitu saja. Pemerintah tetap melakukan
kajian ulang terhadap perencanaan pembangunan ekonomi yang telah dilakukan selama ini dan melakukan perencanaan yang lebih baik sehingga
tingkat ketimpangan tidak semakin melebar dan konsekuensi dari ketimpangan tersebut dapat dihindari.
2. Hasil Estimasi Model
Dalam panel data terdapat tiga model, yaitu Common Effect Model, Fixed Effect Model
, dan Random Effect model. Ketiga model tersebut akan dipilih satu yang terbaik untuk dijadikan model dalam penelitian ini.
Sehingga diharapkan akan mengetahui perubahan pembentukan variabel dependen tingkat ketimpangan pembangunan ekonomi sebagai akibat
perubahan variabel – variabel independen yang mempengaruhinya, yaitu Proporsi Dana Alokasi Umum DAU, Rasio Belanja Modal provinsi dengan
pengeluaran pemerintah pusat RBM dan Rasio Pengeluaran Pemerintah Provinsi dengan pengeluaran pemerintah pusat RPP. Pengujian dalam
memilih model, dilakukan berikut ini:
a. Common Effects Model dengan Fixed Effects Model
CEM dengan FEM diuji dengan menggunakan Uji Chow. Uji Chow digunakan untuk mendapatkan model terbaik antara FEM dengan
CEM. Hasil dari Uji Chow, sebagai berikut:
commit to user
69 F
hitung
= [3,713261-0,34531633-1][0,345316132-33-4] =
[3,36794532][0,34531696] =
0,1052480,003597 =
29,25968 F
tabel
= 1,55 Hasil Uji Chow menunjukkan bahwa Fhitung Ftabel, sehingga
dapat disimpulkan bahwa model yang sebaiknya digunakan adalah Fixed Effects Model
FEM.
b. Fixed Effects Model dengan Random Effects Model
Jumlah data cross section N dalam penelitian ini sebanyak 33, dan jumlah data time series t sebanyak 4 tahun. Sampel yang digunakan
dalam penelitian ini tidak diambil secara random tetapi digunakan seluruhnya untuk penelitian yaitu 33 provinsi. Sesuai dengan point ketiga
menurut Judge dalam Aisyah, 2007, yang menyatakan bahwa Jika N besar dan t kecil, digunakan FEM jika unit tidak random dari sampel yang
besar dan digunakan REM jika unit diambil secara random. Maka model yang sebaiknya digunakan dalam menganalisis faktor–faktor yang
mempengaruhi tingkat ketimpangan pembangunan antar provinsi di Indonesia pada tahun 2006 – 2009 adalah Fixed Effects Model FEM.
c. Hasil Estimasi Fixed Effect Model
Hasil pengolahan data menggunakan program Eviews 3.0, dengan fixed effects Model
, adalah sebagai berikut:
commit to user
70
Tabel 4.7 Hasil
Fixed Effect Models
Dependent Variable: IW? Method: GLS Cross Section Weights
Date: 022511 Time: 07:49 Sample: 2006 2009
Included observations: 4 Total panel observations 132
White Heteroskedasticity-Consistent Standard Errors Covariance
Variable Coefficient Std.
Error t-Statistic
Prob. DAU?
-1.64E-05 0.000632
-0.025988 0.9793
RBM? -0.004399 0.002053
-2.142510 0.0336
RPP? 0.007776
0.001423 5.462710
0.0000 Fixed Effects
_NAD—C 0.830430
_SUMUT—C 0.593656
_SUBAR—C 0.382474
_RIAU—C 0.699584
_KEPRI—C 0.692310
_JAMBI—C 0.385700
_SUMSEL—C 0.673727
_KEPBABEL--C 0.305257
_BENGKULU--C 0.393382
_LAMPUNG--C 0.230554
_DKI—C 0.460870
_JABAR—C 0.636743
_BANTEN—C 0.685277
_JATENG—C 0.592049
_DIY—C 0.378764
_JATIM—C 1.022969
_BALI—C 0.410232
_NTB—C 0.861417
_NTT—C 0.516300
_KALBAR—C 0.394574
_KALTENG--C 0.222294
_KALSEL—C 0.437263
_KALTIM—C 0.834014
_SULSEL—C 0.704066
_GTALO—C 0.269191
_SULUT—C 0.372640
_SULBAR—C 0.108537
_SULTENGH--C 0.281150
_SULTENGG--C 0.507372
_MALUKU—C 0.554048
_MALKUT—C 0.251569
_PAPBAR—C 0.467122
_PAPUA—C 0.577598
Weighted Statistics R-squared
0.999190 Mean dependent var 1.271097
Adjusted R-squared 0.998895 S.D. dependent var
1.803981 S.E. of regression
0.059975 Sum squared resid 0.345316
F-statistic 59211.75 Durbin-Watson stat
2.079038 ProbF-statistic
0.000000 Lanjutan ...
commit to user
71
Lanjutan … Unweighted Statistics
R-squared 0.944029 Mean dependent var
0.527467 Adjusted R-squared
0.923623 S.D. dependent var 0.227282
S.E. of regression 0.062813 Sum squared resid
0.378759 Durbin-Watson stat
1.891451 Sumber: Print out komputer Lihat Lampiran
Persamaan regresi yang dihasilkan berikut ini:
IW_X= C_X – 1.64E-05 DAU_X – 0.0043 RBM_X + 0.0077 RPP_X +
µ
it
t-stat -0.025988
-2.142510 5.462710
Prob t-stat 0.9793
0.0336 0.0000
R squared = 0.999190
F-stat = 59211.75
Prob F-stat = 0.0000
D-W stat = 2.079038
dimana, IW_X
= Indeks Williamson provinsi x. C_X
= Konstanta provinsi x. DAU_X = Proporsi Dana Alokasi Umum provinsi x.
RBM_X = Rasio Belanja Modal Provinsi x dengan Pengeluaran Pemerintah Pusat.
RPP_X = Rasio Pengeluaran Pemerintah Provinsi x dengan Pengeluaran Pemerintah Pusat.
µ
it
=
Kombinasi komponen error cross section dan time series
commit to user
72
TABEL 4.8 Hasil Konstanta
Dummy variable Dengan Fixed Effects Model Provinsi
Konstanta
C_X
Provinsi Konstanta
C_X
_NAD—C 0.830430 _NTB--C
0.861417 _SUMUT--C 0.593656 _NTT--C 0.516300
_SUBAR--C 0.382474 _KALBAR--C
0.394574 _RIAU—C 0.699584
_KALTENG--C 0.222294
_KEPRI—C 0.692310 _KALSEL--C
0.437263 _JAMBI--C 0.385700
_KALTIM--C 0.834014
_SUMSEL--C 0.673727 _SULSEL--C 0.704066 _KEPBABEL--C 0.305257 _GTALO--C 0.269191
_BENGKULU--C 0.393382 _SULUT--C 0.372640 _LAMPUNG--C 0.230554 _SULBAR--C 0.108537
_DKI—C 0.460870 _SULTENGH--C
0.281150 _JABAR--C 0.636743
_SULTENGG--C 0.507372
_BANTEN--C 0.685277 _MALUKU--C 0.554048
_JATENG--C 0.592049 _MALKUT--C
0.251569 _DIY—C 0.378764
_PAPBAR--C 0.467122
_JATIM—C 1.022969 _PAPUA--C 0.577598 _BALI—C 0.410232
Sumber: Hasil estimasi model analisis dengan program computer Eviews 3.0
Dummy variable dalam penelitian ini terdiri dari 33 provinsi di Indonesia. Konstanta yang dihasilkan dari hasil regresi menunjukkan bahwa
33 provinsi di Indonesia memiliki tingkat ketimpangan tinggi tanpa pengaruh dari DAU, RBM, dan RPP DAU = RPP = RBM = 0 . Provinsi Jawa Timur
merupakan provinsi yang memiliki konstanta tertinggi yaitu sebesar 1,0229. Hal ini berarti bahwa apabila variabel DAU, RBM dan RPP adalah nol maka
tingkat ketimpangan di Jawa Timur sebesar 1,0229. Sedangkan, provinsi yang memiliki konstanta terkecil adalah Sulawesi Barat yaitu besar 0,1085.
Hal ini berarti bahwa apabila variabel DAU, RBM dan RPP adalah nol, maka tingkat ketimpangan Sulawesi Barat yaitu sebesar 0,1085.
commit to user
73 3.
Uji Asumsi Klasik
d. Uji Multikolinier
Uji Multikolinieritas dilakukan guna mengetahui apakah dalam penelitan ini terdapat hubungan korelasi sempurna diantara variabel-
variabel yang terdapat dalam model. Uji Multikolinier dalam penelitian ini tidak dilakukan karena penelitian ini sudah menggunakan metode
Generalized Least Square GLS Samanhudi, 2009.
e. Uji Heteroskedastisitas
Uji Heteroskedastisitas dilakukan guna mengetahui ada tidaknya kesalahan atau residual yang diamati tidak memiliki varians yang konstan
dari satu observasi ke observasi lainnya Hanke Reitsch, 1998: 259 dalam Mudrajad Kuncoro, 2004: 96. Dalam penelitian menggunakan data
cross section , memungkinkan kecenderungan terdapat heteroskedastisitas.
Maka penelitian menggunakan teknik estimasi Fixed Effects Method dengan Weight Least Square atau yang biasa disebut metode Generalized
Least Square GLS. Teknik estimasi ini diharapkan dapat menghilangkan
atau memperbaiki heteroskedastisitas. f.
Uji Autokorelasi uji Autokorelasi dalam penelitian ini dilakukan menggunakan
Durbin-Watson test yang bertujuan untuk mengetahui apakah diantara
kesalahan pengganggu yang saling berurutan terjadi autokorelasi atau tidak. Hasil perhitungan menunjukkan bahwa nilai Durbin-Watson stat
sebesar 2,0790. Sedangkan nilai Durbin-Watson tabel pada α=5
N=132;k=3 diperoleh nilai d
L
= 1,61 dan d
U
=1,74. Berarti D-W stat
commit to user
74 terletak diantara Jika d
U
dan 4 – d
U
d
U
d 4 – d
U
, yaitu 1,742,07902,39. Hal ini menunjukkan bahwa Ho diterima dan model
yang digunakan dalam penelitian ini tidak terdapat autokorelasi, baik positif maupun negatif.
4. Uji Statistik
a. Uji t t Test
Hasil uji t yang didapat dari pengolahan data menggunakan Eviews 3.0
, berikut ini: 1
Variabel proporsi dana alokasi umum DAU secara sendiri – sendiri tidak berpengaruh secara signifikan terhadap tingkat ketimpangan
pembangunan ekonomi di Indonesia. Hal ini dapat dilihat dari nilai probabilitas dari DAU lebih besar dari tingkat signifikan yang dipakai
dalam penelitian ini yaitu 5. Nilai probabilitas dari DAU sebesar 0,9793.
2 Variabel Rasio Belanja Modal Provinsi dengan Pengeluaran
Pemerintah Pusat berpengaruh secara signifikan terhadap tingkat ketimpangan pembangunan ekonomi di Indonesia. Hal ini dapat dilihat
dari nilai probabilitas dari variabel RBM, yaitu 0,0336 yang nilainya lebih kecil dari tingkat signifikansinya yaitu 5.
3 Variabel rasio pengeluaran pemerintah provinsi dengan pengeluaran
pemerintah pusat RPP berpengaruh secara signifikan terhadap tingkat ketimpangan pembangunan ekonomi di Indonesia. Hal ini ditunjukkan
commit to user
75 oleh nilai probabilitas RPP yang nilainya lebih besar dari 5, yaitu
0,0000.
TABEL 4.9 Hasil Uji t
Variabel Probabilitas α
ket
DAU 0,9793
0,0500 tidak signifikan
RBM 0,0336 0,0500
signifikan RPP 0,0000 0,0500
signifikan
Sumber: Data diolah
b. Uji F F Test
Hasil olah data dengan menggunakan program Eviews 3.0 menunjukkan bahwa nilai F stat F tabel, yaitu 59211,7519,50 artinya
Ho ditolak dan Ha diterima atau tidak sama dengan nol. Sehingga dapat disimpulkan bahwa pada tingkat signifikansi 5 secara bersama – sama
variabel Proporsi Dana Alokasi Umum DAU, Rasio Belanja Modal Provinsi dengan Pengeluaran Pemerintah Pusat RBM dan Rasio
Pengeluaran Pemerintah Provinsi dengan Pengeluran Pemerintah Pusat berpengaruh signifikan terhadap Tingkat Ketimpangan Pembangunan
Ekonomi di Indonesia.
Tabel 4.10 Hasil Uji F
F stat tanda
F tabel ket
59211,75 19,50
signifikan
Sumber: Data diolah
5. Koefisien Determinasi R
