4.1.7. Pendapatan Daerah
Pertumbuhan pendapatan nasional akan lebih cepat meningkat jika penyerapan tenaga kerja meningkat dari pada jika jumlah tenaga kerja yang
meningkat. Seperti halnya pendapatan nasional, pendapatan daerah menunjukkan bahwa dari sisi penawaran, peningkatan penyerapan tenaga kerja
akan meningkatkan pendapatan regional Dalam penelitian ini, data mengenai investasi didekati dengan jumlah aset
yang dimiliki pada setiap sektor. Oleh karena itu investasi pada pendapatan daerah meliputi PMDN Penanaman Modal Dalam Negeri dan PMA
Penanaman Modal Asing. Pendapatan daerah dianalisis secara sektoral dipengaruhi oleh penyerapan tenaga kerja sektoral, investasi sektoral dan
pengeluaran pembangunan sektoral dan lag endogenusnya maka bentuk persamanya sebagai berikut:
PDBPR
t
= o + o
1
PTP
t
+ o
2
IP
t-1
+ o
3
EXPR
t-1
+ o
4
PDBPR
t-1
+ U
15
… 35 PDBAR
1
= p + p
1
PTA
t
+ p
2
IA-IA
t-1
+ p
3
EXAR
t
+ p
4
PDBAR
t-1
+ U
16
36 PDBBR
t
= q +q
1
PTB-PTB
t-1
+q
2
IB-IB
t-1
+ q
3
EXBR
t-1
+q
4
T + q
5
PDRBB
t-1
+U
17
.................................................................................... 37
PDRBJ
t
= r +r
1
PTJ
t-1
+ r
2
IJ-IJ
t-1
+ r
3
EXJR
t
+ r
4
T + r
5
PDRBA
t-1
+ U
18
.................................................................................. 38 PDRBT
t
= PDRBP
t
+ PDRBA
t
+ PDRBB
t
+ PDRBJ
t
........................... 39 Parameter dugaan adalah:
o ,o
1
, o
2
, o
3
,p ,p
1
,p
2
,p
3
, q
1
,q
2
,q
3
,r ,r
1
,r
2
,r
3
0; 0o
4
,p
4
,q
4
, r
4
1 dimana;
PDBPR
t
= produk domestik regional bruto sub sektor perdagangan Provinsi DKI Jakarta tahun ke-t milyar rupiah
PDBAR
t
= produk domestik regional bruto sub sektor angkutan Provinsi DKI Jakarta tahun ke-t milyar rupiah
PDBBR
t
= produk domestik regional bruto sub sektor perbankkan Provinsi DKI Jakarta tahun ke-t milyar rupiah
PDBJR
t
= produk domestik regional bruto sub sektor jasa Provinsi DKI Jakarta tahun ke-t milyar rupiah
EXPR
t-1
= pengeluaran pembangunan Provinsi DKI Jakarta sub sektor perdagangan tahun lalu milyar rupiah
EXAR
t
= pengeluaran pembangunan Provinsi DKI Jakarta sub sektor angkutan tahun ke-t milyar rupiah
EXBR
t-1
= pengeluaran pembangunan Provinsi DKI Jakarta sub sektor perbankkan tahun lalu milyar rupiah
EXJR
t
= pengeluaran pembangunan Provinsi DKI Jakarta sub sektor jasa tahun ke-t milyar rupiah
PDRBT
t
= total produk domestik regional bruto sektor tersier tahun ke-t milyar rupiah
IP
t-1
= investasi sub sektor perdagangan tahun lalu milyar rupiah IA
t-1
= investasi sub sektor angkutan tahun lalu milyar rupiah IB
t-1
= investasi sub sektor perbangkan tahun lalu milyar rupiah IJ
t-1
= investasi sub sektor jasa tahun lalu milyar rupiah 4.2. Identifikasi Model
Identifikasi model merupakan suatu masalah perumusan model dari pada pendugaan atau penilaian model Koutsoyiannis,1977. Model Ekonometrik
dalam bentuk simultan dikatakan lengkap apabilah jumlah Current endogenous sama dengan jumlah persamaan. Untuk mengidentifikasi model, ada beberapa
aspek yang perlu diperhatikan, antara lain:
a. Jumlah Current endogenous variables dalam model G, b. Jumlah Current endogenous variables terdapat pada setiap persamaan g,
c. Jumlah predetermined variables dalam model K, d. Jumlah predetermined variables yang terdapat pada setiap persamaan k .
Berdasarkan order condition, suatu persamaan dapat diidentifikasi jika jumlah peubah yang tercakup dalam persamaan lebih besar atau sama dengan
jumlah seluruh peubah endogen dikurangi satu. Rumus identifikasi persamaan struktural berdasarkan order condition menurut Koutsoyiannis, 1977 adalah
sebagai berikut: G - g + K – k G - 1 atau K – k g – 1
Jika: 1. K – M = G – 1 maka persamaan dalam model dikatakan exactly
identified 2. K – M G – 1 maka persamaan dalam model dikatakan unidentified
3. K – M G – 1 maka persaman dalam model dikatakan over identified Model pasar tenaga kerja sektor tersier terdiri dari 18 persamaan struktural
dan 5 persamaan identitas. Model terdiri dari 23 peubah current endogenous, 13 peubah lag endogenous dan 16 peubah exogenous, sehinga ada 29 peubah
predetermine. Mengikuti prosedur order condition, maka dapat diketahui hasil identifikasi model adalah over identified. Dengan kata lain , setiap persamaan
dalam model yang disusun adalah teridentifikasi berlebih.
4.3. Metode Pendugaan Model
Kategori