Saran Penelitian Lanjutan KESIMPULAN DAN SARAN
Lampiran 2
Hasil Estimasi Model Infrastruktur Air Bersih dengan Program STATA SE 10
. r egr es s l nai r 10 q61 q64r 4 q71 q79r 1 q79r 2 q79r 4 q79r 5 q114br 3 l npdr bk ap09 l nbi n l nbi n_d79r 3 dkot a dj awa
Sour ce | SS
df MS
Number of obs =
245 - - - - - - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
F 13, 231
= 4. 57
Model | 459. 490573
13 35. 3454287
Pr ob F =
0. 0000 Resi dual |
1785. 36174 231
7. 72883871 R- squar ed
= 0. 2047
- - - - - - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Adj R- s quar ed
= 0. 1599
Tot al | 2244. 85232
244 9. 20021441
Root MSE =
2. 7801 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
l nai r 10 | Coef .
St d. Er r . t
P| t | [ 95 Conf . I nt er v al ]
- - - - - - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - q61 |
- . 0053183 . 011802
- 0. 45 0. 653
- . 0285717 . 0179351
q64r 4 | . 0024567
. 012163 0. 20
0. 840 - . 0215079
. 0264213 q71 |
- . 0151609 . 0100225
- 1. 51 0. 132
- . 0349081 . 0045863
q79r 1 | - . 0176535
. 013785 - 1. 28
0. 202 - . 0448138
. 0095068 q79r 2 |
- . 0061704 . 0138045
- 0. 45 0. 655
- . 0333692 . 0210284
q79r 4 | . 0085748
. 0087749 0. 98
0. 329 - . 0087143
. 0258638 q79r 5 |
. 0200062 . 0169056
1. 18 0. 238
- . 0133026 . 053315
q114br 3 | - . 0138075
. 0044454 - 3. 11
0. 002 - . 0225664
- . 0050487 l npdr bk ap09 |
1. 032273 . 3674977
2. 81 0. 005
. 3081972 1. 756349
l nbi n | - . 1247
. 1236205 - 1. 01
0. 314 - . 3682677
. 1188678 l nbi n_q79r 3 |
. 0016862 . 0012616
1. 34 0. 183
- . 0007994 . 0041719
dk ot a | 1. 634095
. 5154508 3. 17
0. 002 . 6185092
2. 649681 dj awa |
. 7341221 . 4808715
1. 53 0. 128
- . 2133327 1. 681577
_c ons | 6. 346358
1. 838035 3. 45
0. 001 2. 724903
9. 967813 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
. est at vi f Var i abl e |
VI F 1 VI F
- - - - - - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - l nbi n_q79r 3 |
4. 29 0. 233248
q79r 5 | 3. 28
0. 305318 q79r 2 |
2. 96 0. 338245
l nbi n | 2. 84
0. 352429 q79r 1 |
2. 58 0. 387228
q64r 4 | 1. 72
0. 580735 q61 |
1. 40 0. 714997
l npdr bk ap09 | 1. 32
0. 760039 q79r 4 |
1. 26 0. 791339
dk ot a | 1. 22
0. 820514 q71 |
1. 14 0. 875089
q114br 3 | 1. 13
0. 884139 dj awa |
1. 12 0. 894564
- - - - - - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - Mean VI F |
2. 02 . est at het t es t
Br eus c h- Pagan Cook - Wei s ber g t est f or het er osk edas t i c i t y Ho: Const ant var i anc e
Var i abl es: f i t t ed val ues of l nAI R c hi 2 1
= 2. 37
Pr ob c hi 2 =
0. 1236
Lampiran 3
Hasil Estimasi Model Infrastruktur Listrik dengan Program STATA SE 10
. r egr es s l nl i s 10 q61 q64r 5 q114br 4 q108 l npdr bk ap09 l nbi n l nbi n_d79r 3 dkot a dj awa Sour ce |
SS df
MS Number of obs
= 245
- - - - - - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - F
9, 235
= 11. 79
Model | 145. 754183
9 16. 1949092
Pr ob F =
0. 0000 Resi dual |
322. 889847 235
1. 37399935 R- squar ed
= 0. 3110
- - - - - - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Adj R- s quar ed
= 0. 2846
Tot al | 468. 644031
244 1. 92067226
Root MSE =
1. 1722 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
l nl i s10 | Coef .
St d. Er r . t
P| t | [ 95 Conf . I nt er v al ]
- - - - - - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - q61 |
- . 0035808 . 0047291
- 0. 76 0. 450
- . 0128977 . 0057361
q64r 5 | . 0078101
. 0043847 1. 78
0. 076 - . 0008282
. 0164484 q114br 4 |
. 0001432 . 0025529
0. 06 0. 955
- . 0048863 . 0051727
q108 | - . 0811115
. 0389781 - 2. 08
0. 039 - . 1579027
- . 0043204 l npdr bk ap09 |
. 6621737 . 1528661
4. 33 0. 000
. 3610107 . 9633367
l nbi n | - . 0126607
. 0428284 - 0. 30
0. 768 - . 0970374
. 071716 l nbi n_q79r 3 |
- . 0000227 . 0003729
- 0. 06 0. 952
- . 0007574 . 0007121
dk ot a | . 9898073
. 2179475 4. 54
0. 000 . 5604266
1. 419188 dj awa |
. 5309507 . 2247074
2. 36 0. 019
. 0882523 . 9736491
_c ons | 3. 489686
. 5185848 6. 73
0. 000 2. 468017
4. 511355 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
. est at vi f Var i abl e |
VI F 1 VI F
- - - - - - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - l nbi n_q79r 3 |
2. 11 0. 474518
l nbi n | 1. 92
0. 521987 q64r 5 |
1. 65 0. 605554
q108 | 1. 48
0. 677091 dj awa |
1. 37 0. 728294
l npdr bk ap09 | 1. 28
0. 780900 q61 |
1. 26 0. 791647
dk ot a | 1. 23
0. 815885 q114br 4 |
1. 06 0. 942528
- - - - - - - - - - - - - +- - - - - - - - - - - - - - - - - - - - - - Mean VI F |
1. 48 . est at het t es t
Br eus c h- Pagan Cook - Wei s ber g t est f or het er os k edas t i ci t y Ho: Const ant var i anc e
Var i abl es: f i t t ed val ues of l nl i s 10 c hi 2 1
= 0. 44
Pr ob c hi 2 =
0. 5071
Lampiran 4
Nilai korelasi Pearson infrastruktur
Correlations
Fit for lnjln10
Fit for lnjln10
Pearson Correlation 1 Sig. 2-tailed
N 245 Fit for
lnair10 Fit for
lnlis10
Fit for lnair10
Fit for lnlis10
Pearson Correlation .723 1
Sig. 2-tailed .000 N 245 245
Pearson Correlation .835 .817
1 Sig. 2-tailed .000 .000
N 245
245 245
. Correlation is significant at the 0.01 level 2-tailed.
Lampiran 5
Hasil Estimasi Metode 2SLS dengan Program SPSS 16
2-Stage Least Squares. TSET NEWVAR=NONE.
2SLS lnJLN10 WITH Q61 Q64R1 Q64R3 Q64R5 Q71 Q79R2 Q79R4 Q79R5 Q114bR1 lnPDRBKap09 lnBIN lnBIN_Q79R3 dKota dJawa
INSTRUMENTS Q61 Q64R1 Q64R3 Q64R5 Q71 Q79R2 Q79R4 Q79R5 Q82 Q114b R1 lnPDRBKap09 lnBIN lnBIN_Q79R3 dKota dJawa lnJLN09
CONSTANT.
Model Description
Type of Variable Equation 1
lnJLN10 dependent
Q61 predictor instrumental
Q64R1 predictor instrumental
Q64R3 predictor instrumental
Q64R5 predictor instrumental
Q71 predictor instrumental
Q79R2 predictor instrumental
Q79R4 predictor instrumental
Q79R5 predictor instrumental
Q114bR1 predictor instrumental
lnPDRBKap09 predictor instrumental
lnBIN predictor instrumental
lnBIN_Q79R3 predictor instrumental
dKota predictor instrumental
dJawa predictor instrumental
Q82 instrumental
lnJLN09 instrumental
MOD_3
Model Summary
Equation 1 Multiple R
.710 R Square
.505 Adjusted R Square
.474 Std. Error of the Estimate
1.307
ANOVA
Sum of Squares df
Mean Square F
Sig. Equation 1 Regression
Residual Total
400.258 14 28.590 16.734 . 000
392.945 230 1.708
Coefficients
Unstandardized Coefficients
B Std. Error Beta
t Sig.
Equation 1 Constant 5.502
.823 6.687
.000 Q61
-.003 .006 -.033
-.567 .571
Q64R1 -.009
.008 -.103 -1.134
.258 Q64R3
.011 .007 .136
1.552 .122
Q64R5 -.001
.008 -.013 -.137
.891 Q71
.003 .005 .034
.672 .502
Q79R2 -.002
.007 -.030 -.372
.710 Q79R4
.002 .004 .029
.541 .589
Q79R5 -.012
.008 -.123 -1.542
.124 Q114bR1
-.004 .001 -.187
-3.680 .000
lnPDRBKap09 .108
.174 .033 .622
.534 lnBIN
-.114 .059 -.154
-1.950 .052
lnBIN_Q79R3 .002
.001 .247 2.566
.011 dKota
2.347 .246 .496
9.526 .000
dJawa 1.537
.227 .333 6.776
.000 2-Stage Least Squares.
TSET NEWVAR=NONE. 2SLS lnAIR10 WITH Q61 Q64R4 Q71 Q79R1 Q79R2 Q79R4 Q79R5 Q114bR3 lnPDR
BKap09 lnBIN lnBIN_Q79R3 dKota dJawa INSTRUMENTS Q61 Q64R4 Q71 Q79R1 Q79R2 Q79R4 Q79R5 Q114bR3 lnPDRBK
ap09 lnBIN lnBIN_Q79R3 dKota dJawa lnAIR09 CONSTANT.
Model Description
Type of Variable Equation 1
lnAIR10 dependent
Q61 predictor instrumental
Q64R4 predictor instrumental
Q71 predictor instrumental
Q79R1 predictor instrumental
Q79R2 predictor instrumental
Q79R4 predictor instrumental
Q79R5 predictor instrumental
Q114bR3 predictor instrumental
lnPDRBKap09 predictor instrumental
lnBIN predictor instrumental
lnBIN_Q79R3 predictor instrumental
dKota predictor instrumental
dJawa predictor instrumental
lnAIR09 instrumental
MOD_5
Model Summary
Equation 1 Multiple R
.452 R Square
.205 Adjusted R Square
.160 Std. Error of the Estimate
2.780
ANOVA
Sum of Squares df Mean Square F
Sig. Equation 1 Regression
459.495 13
35.346 4.573 .000 Residual
1785.357 231 7.729
Total 2244.852 244
Coefficients
Unstandardized Coefficients
B Std. Error Beta
t Sig.
Equation 1 Constant 6.346
1.838 3.453
.001 Q61
-.005 .012 -.031
-.451 .653
Q64R4 .002
.012 .016 .202
.840 Q71
-.015 .010 -.095 -1.513
.132 Q79R1
-.018 .014 -.121 -1.281
.202 Q79R2
-.006 .014 -.045
-.447 .656
Q79R4 .009
.009 .064 .977
.329 Q79R5
.020 .017 .126 1.184
.238 Q114bR3
-.014 .004 -.194 -3.106
.002 lnPDRBKap09 1.032
.367 .189 2.809 .005
lnBIN -.125
.124 -.100 -1.009 .314
lnBIN_Q79R3 .002
.001 .162 1.336 .183
dKota 1.634
.515 .205 3.170 .002
dJawa .734
.481 .095 1.527 .128
2-Stage Least Squares. TSET NEWVAR=NONE.
2SLS lnLIS10 WITH Q61 Q64R5 Q114bR4 Q108 lnPDRBKap09 lnBIN lnBIN_Q79R3 dKota dJawa
INSTRUMENTS Q61 Q64R5 Q114bR4 Q108 lnPDRBKap09 lnBIN lnBIN_Q79R3 d Kota dJawa lnLIS09
CONSTANT.
Model Description
Type of Variable Equation 1 lnLIS10
Q61 Q64R5
Q114bR4 Q108
lnBIN dKota
dJawa lnLIS09
dependent predictor instrumental
predictor instrumental predictor instrumental
predictor instrumental predictor instrumental
predictor instrumental predictor instrumental
instrumental MOD_34
Model Summary
Equation 1 Multiple R
.558 R Square
.311 Adjusted R Square
.285 Std. Error of the Estimate
1.172
ANOVA
Sum of Squares df Mean Square F
Sig. Equation 1 Regression
145.746 9
16.194 11.786 .000 Residual
322.899 235 1.374
Total 468.644 244
Coefficients
Unstandardized Coefficients
B Std. Error Beta
t Sig.
Equation 1 Constant 3.489
.519 6.728 .000
Q61 -.004
.005 -.046 -.757 .450
Q64R5 .008
.004 .124 1.781 .076 Q114bR4
.000 .003 .003
.056 .956 Q108
-.081 .039 -.137 -2.079 .039
lnPDRBKap09 .662
.153 .265 4.332 .000 lnBIN
-.013 .043 -.022
-.296 .767 lnBIN_Q79R3 -2.248E-5
.000 -.005 -.060 .952
dKota .990
.218 .272 4.541 .000 dJawa
.531 .225 .150 2.363 .019
GET FILE=D:\SUTARSONO\Tesis\Data\Data Tesis.sav.
DATASET NAME DataSet0 WINDOW=FRONT. 2-Stage Least Squares.
TSET NEWVAR=NONE. 2SLS gpdrbkap1011 WITH lnpdrbkap10 Q40 Q54R2 Q68R1 Q106 lnJLN_cap ln
AIR_cap lnLIS_cap lnmys lnbm INSTRUMENTS lnpdrbkap10 Q40 Q54R2 Q68R1 Q106 lnJLN_cap lnAIR_ca
p lnLIS_cap lnmys lnbm CONSTANT.
Model Description
Type of Variable Equation 1 gpdrbkap1011
dependent lnpdrbkap10
predictor instrumental Q40
predictor instrumental Q54R2
predictor instrumental Q68R1
predictor instrumental Q106
predictor instrumental lnJLN_cap
predictor instrumental lnAIR_cap
predictor instrumental lnLIS_cap
predictor instrumental lnmys
predictor instrumental lnbm
predictor instrumental MOD_1
Model Summary
Equation 1 Multiple R .382
R Square .146
Adjusted R Square .110
Std. Error of the Estimate 3.239
ANOVA
Sum of Squares df Mean Square F Sig.
Equation 1 Regression 420.628 10
42.063 4.010 .000 Residual
2454.831 234 10.491
Total 2875.459 244
Coefficients
Unstandardized Coefficients B
Std. Error Beta t Sig.
Equation 1 Constant 6.065
6.180 .981 .327
lnpdrbkap10 -1.955
.598 -.366 -3.270 .001 Q40
-.043 .021 -.133 -2.028 .044
Q54R2 -.032
.013 -.167 -2.389 .018 Q68R1
.027 .013 .148 2.011 .045
Q106 .030
.011 .169 2.629 .009 lnJLN_cap
.171 .414 .064 .412 .681
lnAIR_cap .074
.272 .030 .274 .785 lnLIS_cap
-.401 .907 .089 -.442 .659
lnmys 1.668
1.558 .083 1.070 .286 lnbm
.199 .415 .032 .479 .632
2-Stage Least Squares. TSET NEWVAR=NONE.
2SLS gPDRBKap1011 WITH lnPDRBKap10 Q40 Q54R2 Q68R1 Q106 lnJLN_cap lnM YS lnBM
INSTRUMENTS lnPDRBKap10 Q40 Q54R2 Q68R1 Q106 lnJLN_cap lnMYS lnBM CONSTANT.
Model Description
Type of Variable Equation 1
gPDRBKap1011 dependent
lnPDRBKap10 predictor instrumental
Q40 predictor instrumental
Q54R2 predictor instrumental
Q68R1 predictor instrumental
Q106 predictor instrumental
lnJLN_cap predictor instrumental
lnMYS predictor instrumental
lnBM predictor instrumental
MOD_31
Model Summary
Equation 1 Multiple R
.381 R Square
.145 Adjusted R Square
.116 Std. Error of the Estimate
3.228
ANOVA
Sum of Squares df Mean Square F
Sig. Equation 1 Regression
416.845 8
52.106 5.002 .000 Residual
2458.614 236 10.418
Total 2875.459 244
Coefficients
Unstandardized Coefficients
B Std. Error Beta
t Sig.
Equation 1 Constant 6.447
6.110 1.055 .292
lnPDRBKap10 -1.684 .375 -.315 -4.489 .000
Q40 -.044
.021 -.135 -2.065 .040 Q54R2
-.031 .013 -.166 -2.397 .017
Q68R1 .028
.013 .154 2.117 .035 Q106
.029 .011 .165 2.592 .010
lnJLN_cap .382
.196 .142 1.944 .053 lnMYS
1.724 1.546 .086 1.115 .266
lnBM .220
.408 .036 .539 .590
2-Stage Least Squares. TSET NEWVAR=NONE.
2SLS gPDRBKap1011 WITH lnPDRBKap10 Q40 Q54R2 Q68R1 Q106 lnAIR_cap lnM YS lnBM
INSTRUMENTS lnPDRBKap10 Q40 Q54R2 Q68R1 Q106 lnAIR_cap lnMYS lnBM CONSTANT.
Model Description
Type of Variable Equation 1
gPDRBKap1011 dependent
lnPDRBKap10 predictor instrumental
Q40 predictor instrumental
Q54R2 predictor instrumental
Q68R1 predictor instrumental
Q106 predictor instrumental
lnAIR_cap predictor instrumental
lnMYS predictor instrumental
lnBM predictor instrumental
MOD_32
Model Summary
Equation 1 Multiple R
.374 R Square
.140 Adjusted R Square
.111 Std. Error of the Estimate
3.237
ANOVA
Sum of Squares df Mean Square F
Sig. Equation 1 Regression
403.102 8
50.388 4.810 .000 Residual
2472.356 236 10.476
Total 2875.459 244
Coefficients
Unstandardized Coefficients
B Std. Error Beta
t Sig.
Equation 1 Constant 5.637
6.160 .915 .361
lnPDRBKap10 -1.890 .426 -.354 -4.432 .000
Q40 -.042
.021 -.129 -1.983 .049 Q54R2
-.032 .013 -.169 -2.434 .016
Q68R1 .028
.013 .155 2.121 .035 Q106
.028 .011 .158 2.481 .014
lnAIR_cap .312
.199 .125 1.564 .119 lnMYS
2.385 1.455 .119 1.640 .102
lnBM .177
.408 .029 .433 .665
2-Stage Least Squares. TSET NEWVAR=NONE.
2SLS gPDRBKap1011 WITH lnPDRBKap10 Q40 Q54R2 Q68R1 Q106 lnLIS_cap lnM YS lnBM
INSTRUMENTS lnPDRBKap10 Q40 Q54R2 Q68R1 Q106 lnLIS_cap lnMYS lnBM CONSTANT.
Model Description
Type of Variable Equation 1
gPDRBKap1011 dependent
lnPDRBKap10 predictor instrumental
Q40 predictor instrumental
Q54R2 predictor instrumental
Q68R1 predictor instrumental
Q106 predictor instrumental
lnLIS_cap predictor instrumental
lnMYS predictor instrumental
lnBM predictor instrumental
MOD_33
Model Summary
Equation 1 Multiple R
.381 R Square
.145 Adjusted R Square
.116 Std. Error of the Estimate
3.227
ANOVA
Sum of Squares df Mean Square F
Sig. Equation 1 Regression
417.537 8
52.192 5.011 .000 Residual
2457.922 236 10.415
Total 2875.459 244
Coefficients
Unstandardized Coefficients
B Std. Error Beta
t Sig.
Equation 1 Constant 6.130
6.114 1.003 .317
lnPDRBKap10 -2.097 .460 -.392 -4.560 .000
Q40 -.042
.021 -.129 -1.987 .048 Q54R2
-.033 .013 -.173 -2.511 .013
Q68R1 .026
.013 .145 1.987 .048 Q106
.030 .011 .168 2.621 .009
lnLIS_cap .826
.421 .182 1.961 .051 lnMYS
1.750 1.537 .087 1.139 .256
lnBM .152
.404 .025 .376 .707
iran 6 Ringkasan penelitian terdahulu
PENELITI JUDUL
METODE VARIABEL
DATA HASIL
3 2
5 6
7 8
De 2010 Governance, Institutions,
and Regional Infrastructure in Asia
OLS, Ordered
Probit, dan GMM
Infrastuktur indeks, governance
, penduduk, pendapatan per kapita,
keterbukaan perdagangan
Asia, 1996 dan 2006
Pendapatan dan tata kelola berpengaruh positif terhadap
infrastruktur
Kis-Katos Sjahrir 2011
Does local governments’ responsiveness increase
with decentralization and democratization?
Evidence from sub- national budget allocation
in Indonesia Data Panel
Belanja pembangunan pendidikan, kesehatan,
infrastruktur, pendapatan, rasio
puskesmas, rata2 lama sekolah, partisipasi
sekolah, share desa dengan jalan beraspal,
kepala daerah Indonesia, 271
kabkota, 1993- 2007
Desentralisasi fiskal dan administrasi meningkatkan res
pemerintah lokal terhadap pengalokasian dana penyediaan
fasilitas publik, tetapi pemiluk berdampak sebaliknya.
Chowdhury et al.
2007 Governance
Decentralization and Infrastructure Provision in
Indonesia OLS, Fixed
Effect, Ordered
Probit Jalan desa, sekolah,
puskesmas, karakteristik kepala desa umur, jenis
kelamin, pendidikan, penduduk
Indonesia, 1996, 2000, 2006
Podes Penyediaan pelayanan publik
dipengaruhi oleh endowment pemerintah lokal.
Elhiraika 2007
Fiscal Decentralization and Public Service
Delivery in South Africa Data Panel
PAD, transfer, GNP per kapita, share
pengeluaran pendidikan kesehatan
8 provinsi di Afrika Selatan,
1996-2005 Desentralisasi fiskal tidak
berdampak signifikan terhadap share
belanja untuk penyediaan pelayanan publik pendidikan
kesehatan Muriisa
2008 Decentralisation in
Uganda: Prospects for Desentralisasi di Uganda
meningkatkan pelayanan keseh
PENELITI JUDUL
METODE VARIABEL
DATA HASIL
3 2
5 6
7 8
Improved Service Delivery
dan pendidikan. Akai et al.
2007 Fiscal Decentralization
and Economic Volatility — vidence from State-
level Cross-section Data of the United States
Data Panel Output per kapita, pajak,
pendidikan, gini, paten, keterbukaan, penduduk,
luas wilayah US,
1992-1997 Desentralisasi fiskal mendoron
pertumbuhan ekonomi yang sta
Mulloch Sjahrir 2008
Endowments, Location or Luck? : Evaluating the
Determinants of Sub- National Growth in
Decentralized Indonesia Data Panel
PDRB, penduduk, pendidikan,
infrastruktur, kemiskinan
1993-2005 Kemiskinan cenderung
konvergen. Sebelum krisis, secara spasia
pertumbuhan ekonomi diverg faktor endowment tidak
signifikan terhadap pertumbu ekonomi.
Lessmann 2006
Fiscal Decentralization and Regional Disparity:
A Panel Data Approach for OECD Countries
Data Panel OLS
Desentralisasi penerimaan,
pengeluaran, pajak, ketimpangan GDP per
kapita, adgini, wcov 17 negara
OECD, 1980- 2001
Desentralisasi berpengaruh po terhadap disparitas wilayah tet
tidak signifikan
Im dan Lee Time, Decentralization
and Development Data Panel
Random Effect
GDP growth, desentralisasi fiskal,
desentralisasi politik, inflasi, pertumbuhan
penduduk 130 negara,
1970-2007 Di NB: desentralisasi politik
berorelasi negatif, dan desentralisasi fiskal tdk
berpengaruh terhadap growth. Di NSM: desentralisasi fiska
berkorelasi negatif terhadap growth
. Di NM: desentralisasi politik
fiskal tidak signifikan terhadap
PENELITI JUDUL
METODE VARIABEL
DATA HASIL
3 2
5 6
7 8
growth .
Sacchi dan Salotti
Income inequality, regional disparities, and
fiscal decentralization in industrialized countries
GMM Income per kapita,
populasi, urbanisasi, keterbukaan,
pengangguran, disparitas regional,
pajak, pengeluaran pemerintah
23 negara OECD, 1971-
2000 Desentralisasi pajak
meningkatkan disparitas pendapatan
Pengeluaran pemerintah berkorelasi negatif dengan
disparitas wilayah
Ebel Yilmaz 2002
On the Measurement and Impact of Fiscal
Decentralization OLS
Output perkapita, PAD pajak, non pajak,
hibah, pengeluaran pemerintah, pendapatan
OECD, 1997- 1999
PAD berpengaruh positif terhad pertumbuhan output per kapita
Vazquez McNab
1997 Fiscal Decentralization,
Economic Growth, and Democratic Governance
Kajian literatur
Desentralisasi fiskal dan pemerintahan yang
demokratis Terdapat hubungan timbal-bali
antara desentralisasi fiskal dan pemerintahan yang demokratis
ABSTRACT
SUTARSONO. A Nexus between Governance, Infrastructure and Economic Growth in Indonesia. Under supervision of BAMBANG JUANDA and NOER
AZAM ACHSANI.
Good governance has an important role to promote economy growth. The study relationship between governance with economic growth using aggregate
data in Indonesia did not find a significant relationship. Therefore, the purpose of this study was to explore the influence of governance on economic growth, both
direct effects and indirect effects through infrastructure provision. By employing two stages least square method on the data 245 districtscities in 2010, the results
of this study indicate that governance affects economic growth through the provision of road infrastructure and the electricity infrastructure. A discussion of
public policy and the firmness of the regional head on anti-corruption measures improving road infrastructure, while the duration of roadworks negatively affect
the provision of road infrastructure. Facilitation efforts by the local government will increase the supply of electricity infrastructure. Governance affects economic
growth directly through government policy that does not increase costs for businesses.
Keywords: governance, infrastructure, economic growth, two stages least square
RINGKASAN
SUTARSONO. Hubungan Tata Kelola Pemerintahan, Infrastruktur dan Pertumbuhan Ekonomi di Indonesia. Dibimbing oleh BAMBANG JUANDA dan
NOER AZAM ACHSANI.
Pada tahun 2001, Indonesia melakukan desentralisasi secara luas meliputi desentralisasi politik, desentralisasi fiskal, dan desentralisasi administrasi. Seiring
dengan pelaksanaan desentralisasi atau yang lebih dikenal dengan istilah otonomi daerah, pemerintah daerah mempunyai peran yang lebih besar dalam proses
pembangunan. Desentralisasi sendiri diyakini sebagai cara untuk mendekatkan pelayanan kepada masyarakat. Oates 1999 berpendapat bahwa pemerintah
daerah adalah yang lebih dekat dan langsung berhadapan dengan rakyat, memiliki kemampuan yang lebih baik dalam melayani kebutuhan rakyatnya, sehingga akan
meningkatkan efisiensi secara ekonomi.
Untuk itu, tata kelola pemerintahan daerah menjadi penting dalam pengelolaan perekonomian daerah. Menurut Bardhan dan Mookherjee 2006,
desentralisasi justru akan merugikan masyarakat apabila akuntabilitas pemerintah lokal rendah, karena desentralisasi hanya akan dinikmati oleh kelompok tertentu.
Namun, hasil penelitian McCulloch dan Malesky 2010 mengenai dampak tata kelola pemerintahan terhadap pertumbuhan ekonomi daerah di
Indonesia tidak menemukan hubungan yang signifikan antara tata kelola perekonomian daerah dengan pertumbuhan ekonomi daerah. Hal ini diduga
karena hubungan antara tata kelola pemerintahan dengan pertumbuhan ekonomi bersifat kompleks. De 2010 mengungkapkan bahwa hubungan antara tata kelola
pemerintahan dengan pertumbuhan ekonomi dan pendapatan per kapita bisa bersifat langsung dan tidak langsung, yaitu melalui jalur infrastruktur,
perdagangan, dan investasi.
Berdasarkan uraian tersebut, maka penelitian ini mempunyai dua tujuan. Pertama, memberikan gambaran mengenai tata kelola pemerintahan daerah dan
penyediaan infrastruktur di Indonesia. Kedua, menganalisis hubungan antara tata kelola pemerintahan daerah, penyediaan infrastruktur, dan pertumbuhan ekonomi
di Indonesia.
Data yang digunakan dalam penelitian ini merupakan data sekunder yang bersumber dari Komite Pemantau Pelaksanaan Otonomi Daerah KPPOD, Badan
Pusat Statistik BPS, Kementerian Keuangan, dan Kementerian Dalam Negeri. Cakupan penelitian ini adalah 245 kabupatenkota di 19 provinsi tahun 2010,
sesuai dengan cakupan studi Tata Kelola Ekonomi Daerah TKED yang dilaksanakan oleh KPPOD. Tata kelola pemerintahan dalam penelitian ini hanya
mencakup tata kelola pemerintahan daerah kabupatenkota, tidak mencakup tata kelola pemerintah pusat dan provinsi. Tata kelola pemerintahan daerah dinilai
berdasarkan persepsi pelaku usaha terhadap tata kelola pemerintah daerah hasil studi KPPOD yang meliputi sembilan aspek dengan 65 variabel penyusun.
Infrastruktur dalam penelitian hanya mencakup infrastruktur ekonomi dasar yang ada di semua kabupatenkota, yaitu: jalan, air bersih, dan listrik. Pertumbuhan
ekonomi dalam penelitian menggunakan pertumbuhan ekonomi jangka panjang yang digambarkan dengan pertumbuhan pendapatan per kapita.
Metode analisis deskriptif eksploratif dengan bantuan tabel, grafik, uji beda rata-rata, dan analisis spasial digunakan untuk menjawab pertanyaan
pertama. Sedangkan tujuan kedua dijawab secara deskriptif dengan korelasi pearson dan metode ekonometrika two stages least square 2SLS.
Hasil penelitian menunjukkan bahwa kualitas institusi daerah dan penyediaan infrastruktur baik jalan, air bersih, maupun listrik di Indonesia belum
merata, baik antar wilayah administrasi maupun geografis. Kualitas institusi dan penyediaan infrastruktur di kota lebih baik dibandingkan kabupaten, dan
kabupatenkota di Jawa lebih baik dibandingkan kabupatenkota di luar Jawa. Tata kelola pemerintahan daerah secara disagregat mempunyai pengaruh langsung dan
tidak langsung terhadap pertumbuhan ekonomi daerah. Tata kelola pemerintahan daerah diindikasikan berpengaruh tidak langsung melalui penyediaan infrastruktur
jalan dan infrastruktur listrik. Hal ini menjawab mengapa hubungan secara agregat dan langsung penelitian sebelumnya tidak diketemukan hubungan yang
signifikan. Penyediaan infrastruktur jalan dipengaruhi oleh tata kelola pemerintahan daerah melalui adanya diskusi kebijakan publik, lama perbaikan
jalan, dan ketegasan kepala daerah terhadap tindak pemberantasan korupsi, ketegasan kepala daerah terhadap tindak pemberantasan korupsi akan
meningkatkan efektifitas belanja infrastruktur jalan. Penyediaan infrastruktur listrik dipengaruhi tata kelola pemerintahan melalui pemberian fasilitas
pendukung bagi pelaku usaha sebagaimana diatur dalam Perpres No.56 Tahun 2011 yang merupakan pembaruan Perpres No.76 Tahun 2005. Adapun
penyediaan infrastruktur air bersih lebih dipengaruhi oleh tata kelola perusahaan. Adapun tata kelola pemerintahan berpengaruh langsung terhadap pertumbuhan
ekonomi melalui kebijakan pemerintah daerah yang tidak menyebabkan peningkatan biaya bagi pelaku usaha.
Untuk itu, Pemerintah pusat perlu mendorong pelaksanaan reformasi birokrasi untuk meningkatkan kualitas tata kelola pemerintahan daerah terutama
untuk pemerintah daerah kabupaten dan luar Jawa, sehingga kualitas pemerintah daerah tidak timpang. Penguatan kualitas institusi lokal di wilayah tertinggal
diperlukan mengingat tata kelola merupakan syarat perlu necessary condition bagi pengelolaan ekonomi daerah, dimana banyak daerah di kabupaten dan luar
Jawa yang sebenarnya mempunyai potensi sumber daya alam yang melimpah tetapi belum dikelola dengan baik karena kurangnya kapasitas pemda. Untuk
pembangunan infrastruktur harus ada keberpihakan political will. Pemerintah daerah harus menambah belanja publik guna meningkatkan penyediaan
infrastruktur dan mendorong pertumbuhan. Pemerintah pusat dapat mendorong pemerintah daerah untuk meningkatkan alokasi belanja infrastruktur, misalnya
dengan instrumen DAK atau pemberian insentif dalam hal alokasi dana perimbangan bagi daerah yang mengalokasikan belanja infrastruktur tertentu.
Selain itu, pemerintah daerah dapat mendorong pertumbuhan ekonomi dengan tidak membuat kebijakan yang menyebabkan peningkatan biaya bagi pelaku
usaha, seperti penghapusan Perda-perda yang menyebabkan ekonomi biaya tinggi.
Kata kunci: tata kelola pemerintahan, infrastruktur, pertumbuhan ekonomi, two stages least square