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
                