Jenis dan Sumber Data Spesifikasi Model Penelitian Definisi Operasional

BAB III METODE PENELITIAN

3.1 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa kombinasi data time series dan cross section dari tahun 1998 sampai tahun 2010 yang mencakup 35 wilayah, terdiri dari 29 kabupaten dan 6 kota di Provinsi Jawa Tengah. Data diperoleh dari Badan Pusat Statistik BPS Pusat dan BPS Provinsi Jawa Tengah. Data sekunder yang digunakan adalah sebagai berikut. Tabel 3.1 Jenis data dan Satuan yang Digunakan dalam Penelitian Data Satuan PDRB Per Kapita ADHK 2000 Rupiah Jumlah penduduk Jiwa Laju pertumbuhan PDRB Persen Jumlah angkatan kerja Jiwa Belanja daerah untuk modalpembangunan Rupiah Angka melek huruf Persen Rata-rata lama sekolah Tahun Angka harapan hidup Tahun Panjang jalan Kilometer km Penyaluran air bersih Meter 3 m 3 3.2 Metode Analisis Data 3.2.1 Analisis Trend Kesenjangan Ekonomi Antar Wilayah Besarnya kesenjangan ekonomi antar wilayah di Provinsi Jawa Tengah ditentukan menggunakan Indeks Williamson. Indeks Williamson merupakan salah satu alat ukur untuk mengukur tingkat kesenjangan regional yang semula dipergunakan oleh J. G. Williamson. Metode ini diperoleh dari perhitungan pendapatan regional per kapita dan jumlah penduduk masing-masing wilayah. Trend kesenjangan ekonomi antar wilayah di Provinsi Jawa Tengah dapat diamati dari hasil perhitungan indeks Williamson yang digambarkan dalam sebuah grafik. Rumus dari Indeks Williamson adalah sebagai berikut: Dimana: CVw = Indeks Williamson f i = Jumlah penduduk kabupatenkota ke-i di Provinsi Jawa Tengah jiwa f = Jumlah penduduk seluruh wilayah di Provinsi Tengah jiwa Yi = PDRB per kapita kabupatenkota ke-i di Provinsi Jawa Tengah rupiah Y = PDRB per kapita rata-rata seluruh wilayah di Provinsi Jawa Tengah rupiah Jika nilai indeks ketimpangan Williamson mendekati nol, menunjukan kesenjangan ekonomi antar wilayah di Provinsi Jawa Tengah semakin kecil. Sebaliknya semakin mendekati 1, menunjukkan kesenjangan ekonomi semakin melebar. Kriteria untuk menentukan tingkat kesenjangan adalah sebagai berikut: CVw 0,35 = Kesenjangan taraf rendah 0,35 ≤ CVw ≤ 0,5 = Kesenjangan taraf sedang CVw 0,5 = Kesenjangan taraf tinggi

3.2.2 Analisis Klassen Typology

Alat analisis Klassen Typology digunakan untuk mengetahui gambaran tentang pola pertumbuhan ekonomi setiap daerah sehingga diketahui apakah pelaksanaan pembangunan telah terjadi secara merata di seluruh wilayah atau sebaliknya. Klassen Typology membagi daerah berdasarkan dua indikator utama, yaitu tingkat pertumbuhan ekonomi daerah dan pendapatan PDRB per kapita   Y f fi Y Yi CVw I    . 2 daerah. Melalui analisis ini diperoleh empat klasifikasi daerah yang berbeda, yaitu: 1. Daerah maju dan cepat tumbuh Kuadran I Merupakan wilayah yang mengalami tingkat pertumbuhan PDRB dan PDRB per kapita lebih tinggi dari rata-rata seluruh wilayah di Provinsi Jawa Tengah. 2. Daerah maju tapi tertekan Kuadran II Merupakan wilayah yang relatif maju karena PDRB per kapita daerah lebih tinggi dari rata-rata seluruh wilayah di Provinsi Jawa Tengah. Tetapi dalam beberapa tahun terakhir tingkat pertumbuhan PDRB daerah menurun, lebih rendah dibanding rata-rata seluruh wilayah di Provinsi Jawa Tengah. 3. Daerah berkembang cepat Kuadran III Merupakan wilayah yang memiliki tingkat pertumbuhan PDRB daerah tinggi, namun PDRB per kapita daerahnya relatif rendah dibandingkan dengan rata- rata seluruh wilayah di Provinsi Jawa Tengah. 4. Daerah relatif tertinggal Kuadran IV Merupakan wilayah yang mempunyai tingkat pertumbuhan PDRB daerah dan PDRB per kapita daerah yang berada dibawah rata-rata dari seluruh wilayah di Provinsi Jawa Tengah. Tingkat kemakmuran masyarakat maupun tingkat pertumbuhan ekonomi di wilayah ini masih relatif rendah. Tabel.3.2 Klasifikasi Daerah Berdasarkan Klassen Typology Y R Yi Y Yi Y Ri R Kuadran I Daerah maju dan cepat tumbuh Kuadran III Daerah berkembang cepat Ri R Kuadran II Daerah maju tapi tertekan Kuadran IV Daerah relatif tertinggal Sumber: Sjafrizal, 1997 Dimana: Ri = laju pertumbuhan PDRB ADHK kabupatenkota i di Provinsi Jawa Tengah R = rata-rata laju pertumbuhan PDRB ADHK seluruh kabupatenkota di Provinsi Jawa Tengah Yi = PDRB per kapita kabupatenkota i di Provinsi Jawa Tengah Y = rata-rata PDRB per kapita seluruh kabupatenkota di Provinsi Jawa Tengah

3.2.3 Faktor-faktor yang Mempengaruhi Laju Pertumbuhan Ekonomi di Daerah Tertinggal

Estimasi faktor-faktor yang mempengaruhi laju pertumbuhan ekonomi di daerah tertinggal Provinsi Jawa Tengah dalam penelitian ini menggunakan alat analisis panel data yang merupakan gabungan dari data time series antar waktu dan data cross section antar individu. Beberapa keunggulan menggunakan pendekatan panel data dibandingkan dengan pendekatan standar cross section dan time series, yaitu : 1. Mampu mengontrol heterogenitas individu 2. Memberikan lebih banyak informasi, lebih bervariasi, mengurangi kolinearitas antar variabel, meningkatkan degree of freedom, dan lebih efisien. 3. Mampu mngidentifikasi dan mengukur efek yang secara sederhana tidak dapat diperoleh dari data cross section dan time series. 4. Dapat menguji dan membangun model yang lebih kompleks. Terdapat tiga metode pada teknik estimasi model panel data, yaitu :

1. Pooled OLS

Metode pooled OLS merupakan suatu metode pengkombinasian sederhana antara data time series dan cross section, selanjutnya dilakukan estimasi model yang mendasar menggunakan OLS. Spesifikasikan model yaitu: Y it = α + X it Dimana i adalah urutan kabupatenkota yang diobservasi pada data cross section, t menunjukkan periode pada data time series. Namun, pada metode ini intersep dan koefisien setiap variabel sama untuk setiap kabuaptenkota yang diobservasi.

2. Fixed Effect Model

Masalah yang timbul pada penggunaan metode pooled OLS yaitu adanya asumsi bahwa intersep dan koefisien dari setiap variabel sama pada setiap kabupatenkota yang diobservasi. Untuk memperhitungkan individualitas dari setiap unit cross section dapat dilakukan dengan cara menjadikan intersep berbeda pada tiap kabupatenkota. Pada metode fixed effect ditambahkan variabel dummy untuk mengubah intersep, tetapi koefisien-koefisien lainnya tetap sama bagi setiap kabupatenkota yang diobservasi. Spesifikasikan model yaitu: Y it = α + i X it + 2 W 2t + 3 W 3t + ...+ N W NT + 2 Z i2 + 3 Z i3 +... + T Z it + it Dimana Wit = 1 untuk kabupatenkota ke-i, i = 2,…, N 0 untuk lainnya Zit = 1 untuk kabupatenkota ke-t, t = 2,…, T 0 untuk lainnya Penambahan variabel dummy N-1+T-1 dalam model menghasilkan kolienaritas yang sempurna di antara variabel-variabel penjelas. Koefisien dari variabel dummy akan mengukur perubahan intersep cross section dan time series.

3. Random Effect Model

Terdapat masalah dalam fixed effect yaitu dengan dimasukannya dummy akan menyebabkan berkurangnya derajat bebas sehingga mengurangi efisiensi parameter. Masalah ini dapat diatasi menggunakan model random effect yang dapat mengamati individual effect di semua unit observasi karena dilakukan dengan pengambilan sampel dari populasi. Dalam model ini individual effect tidak berkorelasi dengan regressor atau individual effect yang mempunyai pola acak sehingga pada model individual effect terpisah dengan error term. Y it = α i + X it + U it , dimana α i = α + τ i sehingga model pertama menjadi Y it = α + X it + U it + τ i Dari model tersebut diketahui random effect mempunyai galat kombinasi, yaitu : W it = U it + τ i , dimana τ i merupakan error dari unobserved variable. Metode analisis dalam random effect menggunakan Generalized Least Square GLS untuk mengendalikan keragaman error agar lebih homogen karena ragam error selalu berubah-ubah. Dengan metode ini model ditransformasi dengan memberikan bobot pada data asli lalu menerapkan metode OLS pada model yang telah ditransformasi. Penduga GLS lebih konsisten dan efisien daripada OLS. 3.3 Metode Pemilihan Model 3.3.1 Uji Chow Uji Chow digunakan untuk menentukan model yang akan digunakan, apakah lebih tepat dijelaskan oleh model Pooled OLS atau model Fixed effect. Hipotesis: H : α 1 = α 2 = ... = α N PLS H 1: α 1 ≠ α 2 ≠ ... ≠ α N Fixed effect Kriteria uji: Prob.chi-square statistc taraf nyata α, maka tolak H Prob.chi-square statistic taraf nyata α, maka terima H Jika tolak Ho berarti model yang layak digunakan adalah fixed effect. Sebaliknya jika terima H berarti pendekatan yang tepat adalah PLS.

3.3.2 Uji Hausman

Digunakan untuk memilih menggunakan fixed effect atau random effect. Hipotesis: H : E τi xit = 0 Random effect H 1 : E τi xit ≠ 0 Fixed effect Kriteria uji: Prob.chi-square statistic taraf nyata α, maka tolak H Prob.chi-square statistic taraf nyata α, maka terima H Jika tolak H berarti model yang layak digunakan adalah fixed effect. Sebaliknya terima H berarti pendekatan yang tepat adalah Random effect. Terdapat tiga metode pada teknik estimasi model menggunakan data panel, yaitu Pooled Ordinary Least Square PLS, fixed effect, dan random effect. Dari ketiga metode tersebut akan dipilih model terbaik yang menggunakan Chow test dan Hausman test. 3.4 Uji Statistik 3.4.1 Uji Koefisien Determinasi R 2 Uji R 2 digunakan untuk melihat sejauh mana variabel independen bebas mampu menerangkan keragaman variabel dependen tak bebas. Semakin besar R 2 berarti semakin cocok garis regresi menggambarkan pola hubungan variabel independen dan dependen. Nilai R 2 berkisar antara 0 sampai dengan 1. Nilai R 2 yang kecil atau mendekati nol berarti kemampuan variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Sebaliknya, jika nilai R 2 mendekati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Gujarati, 2003. 3.4.2 Pengujian Secara Serempak Uji-F Uji F digunakan untuk mengetahui apakah semua variabel independen yang digunakan dalam model regresi secara bersama-sama berpengaruh terhadap variabel dependen, perlu dilakukan pengujian koefisien regresi secara serempak. Hipotesis: H : 1 = 2 = 3 = 4 = 5 = 0 H 1 : minimal ada satu parameter dugaan i yang tidak sama dengan 0 Kriteria uji: Probability P-Value taraf nyata α, maka tolak H Probability P-Value taraf nyata α, maka terima H Jika tolak H berarti minimal ada satu variabel independen yang berpengaruh signifikan terhadap variabel dependen dan model dapat diterima.

3.4.3 Pengujian Signifikasi Individu Uji t

Uji-t digunakan untuk mengetahui pengaruh dari variabel independen secara parsial terhadap variabel dependen dengan asumsi variabel yang lain konstan. Hipotesis:H : i = 0 variabel independen tidak mempengaruhi variabel dependen H 1 : i ≠ 0 variabel independen mempengaruhi variabel dependen Kriteria uji: Probability P-Value taraf nyata α, maka tolak H Probability P-Value taraf nyata α, maka terima H Jika tolak H berarti variabel independen berpengaruh secara signifikan terhadap variabel dependen. Sebaliknya jika terima H berarti variabel independen tidak signifikan mempengaruhi variabel dependen. 3.5 Uji Asumsi Klasik 3.5.1 Uji Normalitas Dilakukan jika sampel kurang dari 30. Uji ini berguna untuk melihat error term terdistribusi secara normal. Uji ini disebut uji Jarque-bera. Hipotesis: H : error term terdistribusi normal H 1 : error term tidak terdistribusi normal Kriteria uji: Probability P-Value taraf nyata α, maka tolak H Probability P-Value taraf nyata α, maka terima H Jika tolak H maka persamaan tersebut tidak memiliki error term terdistribusi normal. Sebaliknya jika terima H maka persamaan tersebut memiliki error term terdistribusi normal.

3.5.2 Uji Multikolinearitas

Adanya hubungan linier antarvariabel independen dalam suatu regresi disebut dengan multikolinearitas. Jika dalam suatu model terdapat multikolinearitas akan menyebabkan nilai R 2 yang tinggi dan lebih banyak variabel bebas yang tidak signifikan dari pada variabel bebas yang signifikan atau bahkan tidak satupun Gujarati, 2003. Masalah multikolinearitas dapat dilihat melalui correlation matrix, yaitu dengan melihat koefisien korelasi antar variabel bebas. Jika korelasinya kurang dari 0,8 rule of tumbs 0,8 maka dapat dikatakan tidak ada multikolinearitas. Gejala multikolineritas biasanya timbul pada data time series dimana korelasi antar variabel independen cukup tinggi. Sehingga dengan mengkombinasikan data yang ada dengan data cross section mengakibatkan masalah multikolineritas secara tekhnis dapat dikurangi .

3.5.3 Uji Heteroskedastisitas

Heteroskedasitas adalah keadaan dimana faktor gangguan tidak memiliki varian yang sama konstan. Adanya masalah heteroskedastisitas dalam model menyebabkan model menjadi tidak efisien meskipun tidak bias dan konsisten. Untuk mendeteksi adanya pelanggaran asumsi heteroskedastisitas digunakan uji White Heteroscedasticity yang diperoleh dari program EViews. Data panel dalam EViews 6 yang menggunakan metode General Least Square Cross Section Weights maka untuk mendeteksi adanya heteroskedastisitas adalah dengan membandingkan Sum Square Residual pada Weighted statistics dengan Sum Square Residual pada Unweight statistics. Jika Sum Square Residual pada Weighted statistics Sum Square Residual pada Unweight statistics maka terjadi heteroskedastisitas. Untuk mengatasi pelanggaran tersebut, bisa mengestimasi GLS dengan White Heteroscedasticity.

3.5.4 Uji Autokorelasi

Autokorelasi adalah keadaan dimana terdapat korelasi antar residual. Biasanya gejala autokorelasi terjadi dalam data time series. Uji autolorelasi yang paling sederhana adalah menggunakan uji Durbin-Watson DW. Karena jumlah variabel independen k 6 dan jumlah observasi n sebanyak 16, maka dU bernilai 0,50 dan dL bernilai 2,39. Kriteria uji autokorelasi adalah sebagai berikut. Tabel 3.3. Daerah Uji Statistik Durbin-Watson Nilai statistik d Hasil 0 d 0,50 ada autokorelasi 0,50 ≤ d ≤ 1,61 tidak ada keputusan 1,61 ≤ d ≤ β,γ9 tidak ada autokorelasi 2,39 ≤ d ≤ γγ,5 tidak ada keputusan 3,5 ≤ d ≤ 4 ada autokorelasi Sumber: Durbin Watson, 2006

3.6 Spesifikasi Model Penelitian

Secara matematis, hubungan antar variabel-variabel yang mempengaruhi laju pertumbuhan ekonomi di daerah tertinggal di Provinsi Jawa Tengah digambarkan dalam fungsi double log sebagai berikut: Y it = α + α 1 LnTK it + α 2 LnRLS it + α 3 LnAHH it + α 4 LnBM it + α 5 LnJLN it + α 6 LnAIR it + e it Dimana: Y = laju pertumbuhan ekonomi di daerah tertinggal Provinsi Jawa Tengah TK = jumlah tenaga kerja di daerah tertinggal Jawa Tengah RLS = rata-rata lama sekolah di daerah tertinggal Jawa Tengah AHH = angka harapan hidup di daerah tertinggal Jawa Tengah BM = belanja modalpembangunan di daerah tertinggal Jawa Tengah JLN = panjang jalan di daerah tertinggal Jawa Tengah AIR = penyaluran air bersih di daerah tertinggal Jawa Tengah α = intesrep α 1, α 2, ... , α 6 = koefisien regresi e = residu

3.7 Definisi Operasional

1. PDRB adalah jumlah nilai barang dan jasa akhir yang dihasilkan oleh berbagai unit produksi di suatu daerah dalam satu tahun. 2. Laju pertumbuhan ekonomi adalah PDRB tahun sekarang dikurangi PDRB tahun lalu kemudian dibagi PDRB tahun lalu. 3. Tenaga kerja adalah penduduk yang masuk dalam usia kerja yaitu di atas batas 15 tahun. 4. Rata-rata lama sekolah adalah perkiraan banyaknya tahun bagi seseorang untuk mengenyam pendidikan. 5. Angka harapan hidup adalah perkiraan rata-rata banyaknya tahun yang ditempuh oleh seseorang selama hidup. 6. Belanja modal adalah pengeluaran yang digunakan untuk pembelian pengadaanpembangunan asset tetap berwujud yang nilai manfaatnya lebih dari setahun dan atau pemakaian jasa dalam melaksanakan program dan kegiatan pemerintah daerah. 7. Infrastruktur adalah segala sesuatu yang merupakan penunjang bagi terselenggaranya pembangunan, misalnya panjang jalan dan kapasitas produksi maksimal air bersih yang disalurkan.

BAB IV GAMBARAN UMUM PROVINSI JAWA TENGAH

4.1 Kondisi Geografis

Jawa Tengah merupakan salah satu provinsi di Indonesia yang terletak di tengah Pulau Jawa. Secara geografis, Provinsi Jawa Tengah terletak antara 5°40 dan 8°30 Lintang Selatan dan antara 108°30 111°30 Bujur Timur termask Pulau Karimunjawa. Provinsi ini berbatasan dengan Laut Jawa di sebelah utara, Samudra Hindia dan D.I. Yogyakarta di sebelah selatan, Provinsi Jawa Barat di sebelah barat, dan Provinsi Jawa Timur di sebelah timur. Luas wilayahnya tercatat sebesar 3,25 juta hektar atau sekitar 25,04 persen dari luas Pulau Jawa dan 1,70 persen dari luas Indonesia. Sumber : Wikipedia.com Gambar 4.1 Peta Provinsi Jawa Tengah