Hasil Penelitian

5.1 Hasil Penelitian

Dalam penelitian ini dilakukan empat estimasi sekaligus sebagai upaya pengontrolan, dengan menggunakan Mixed model, Random Effects dengan maximum likelihood, Fixed effect. Keempat metode ini digunakan untuk mengetahui pola dari model yang dibangun. Mixed model merupakan estimasi dengan menggunakan Ordinary Least Square (OLS) atau persamaan regresi linear untuk melihat pola dasar dari model yang terbentuk sebagaimana digambarkan pada lampiran Sementara Random effect untuk melihat dampak waktu

Paribus) terhadap model, sementara sebaliknya Fixed Effect untuk melihat dampak spesifik dari kabupaten/kota terhadap model. Sebagaimana diungkapkan

(2002). Sementara itu keterbatasan ketiga model ini baru akan dianalisis secara mendalam dalam regresi Instrumental

dengan menggunakan persamaan sistem. Hasil dari pola estimasi control ini menunjukkan kondisi yang beragam. Metode OLS memiliki kesesuaian dengan asumsi dasar mengenai dampak negative peningkatan pembangunan infrastruktur (INF) terhadap peningkatan ketimpangan pengeluaran penduduk menurut rasio gini

General Method of Moment

Meskipun variabel ini tidak signifikan. Kesesuaian dengan asumsi awal juga terdapat pada variabel Deflator (sebagai representasi harga) yang memilki dampak positif terhadap peningkatan ketimpangan penduduk desa (lihat lampiran

Kondisi berbeda ketika estimasi dilakukan dengan mempersempit ruang analisis terhadap waktu, maupun efek spesifik dari

infrastruktur memiliki dampak yang positif terhadap peningkatan variabel ketimpangan. Hal ini terlebih terjadi pada model fixed effect yang dibangun. Faktor spesifik/ institusi dari daerah membuat bias model, dengan menghasilkan parameter yang signifikan terhadap model. Oleh karena itu model penghalusan dengan menggunakan metode

kabupaten/ kota. Dimana

berperan disini. (lihat Tabel 5.1)

Tabel 5.1: Ringkasan Regresi Variabel Kontrol 1

Fixed Effect ln_INF

Mixed Model

Random

ln_DEF

Fixed Effect R-Sq

Mixed Model

BP tets VIF

AIC Keterangan:

RE: Brackets score __**: valid in alpha 2% BP-test null: Constat Variance is no valid (Multicol is Happened)

Estimasi utama dilakukan dalam bentuk first difference, sementara instrument yang dipilih adalah turunan kedua dari masing-masing variabel. Hal ini dilakukan dengan asumsi faktor korelasi antar waktu, dan faktor spesifik masing-masing negara bisa dihilangkan. Hasilnya, baik variabel infrastruktur maupun wakil harga memenuhi hipotesis atas dampaknya terhadap nilai ketimpangan. Variabel infrastruktur (D1.ln_INF) memiliki hubungan yang negative sebesar 0.3334 atas gini ratio (D1.ln_INQ) dengan signifikansi 1%. Sementara variabel harga (D1.ln_DEF) memiliki korelasi yang positif dengan elastisitas sebesar 1.2418 dan signifikan pada 1%. (lihat tabel 5.2).

Upaya estimasi instrumental dalam tahap pertama (first-stage), masing-masing variabel endogennya (D1.ln_INF dan D1.ln_DEF) diiterasi secara secara bersamaan terhadap variabel instrumennya (D2.ln_INQ, D2.ln_INF dan, D2.ln_DEF) dan diiterasi dengan menggunakan kode perintah opsi igmm. Untuk iterasi tahap pertama variabel tutunan pertama ln_INF memiliki korelasi negative terhadap lag turunan terdekatnya sebesar 0.0863. dan positif terhadap lag turunan terdekat dari variabel DEF sebesar 0.4450 dengan masing-masing memiliki tingkat

1 lihat lampiran 9, 10 & 11 1 lihat lampiran 9, 10 & 11

memiliki korelasi negative terhadap variabel lag turunan terdekat dari variabel

Adapun iterasi tahap pertama dari

dan sebesar 0.0158 dan 0.025. Sementar itu lag turunan terdekat dari turunan pertama dari variabel tidak memilki korelasi yang signifikan dari

Hasil uji keberadaan endogenitas dengan dengan menggunakan Test of endogeneity (orthogonality conditions) GMM C statistic chi2(2) menunjukkan memang terdapat endogenitas

Masalah utama dari model adalah seperti yang diungkapkan dalam bab III bahwa model ini menjadi kurang meyakinkan dikarenakan informasi yang dimiliki oleh indeks infrastruktur yang dibuat sangat kecil, yakni sekitar

Hal ini disebabkan keterbatasan data yang disediakan PODES, terutama pada tahun 2014. Dimana kode status desa dirahasiakan 2 . Akibatnya deteksi tingkat perkembangan desa menjadi terganggu ketika operasi dilaksanakan. Buruknya kualitas indeks infrastruktur ini juga berdampak pada deskripsi model yang dibangun dengan sebaran yang terjadi pada garis regresi yang dibangun. Nilai dengan menggunakan

Partial R-Square meninjukkan angka yang sangat kecil. Meskipun mengatakan bahwa kondisi ini bisa ditolerir dekarenakan angka tersebut merupakan kondisi orthogonal dari sampel terhadap garis regresinya. Hal ini diperkuat dengan Namun nilai dari model juga memiliki nilai kecil. Sehingga seperti dikatakan Baum (2003) hal ini tidak sesuai dengan kaidah dimana bila

parisal adj kecil maka model bias. Untuk hasil tes mengenai kevalidan metode

besar, dan

sudah cukup baik dimana hipotesis mengai adanya restriksi overidentifikasi dalam menunjang kelancaran estimasi dengan menggunakan

probilitas kejadiannya sangat kecil. Sebagaimana ditampilkan sebagai berikut:

tertolak, yakni Uji

J terhadap

2 Data PODES masih belum memiliki versi lengkap dengan alasan kerahasiaan negara untuk tujuan perhitungan Alokasi Dana Desa sesuai PP 60/2014.

Tabel 5.2: Ringkasan Regresi Variabel Kontrol 3

Variabel IV-GMM

IV-GMM next

Shea's R-Square, First Stage -0.0863

0.0312 (-0.641)***

Hansen's J (Chi-2) (0.3868)

F (3.68)*** D2.INQ

0.15479 (-0.8) C-INF

F (2.81)*** -0.0158 (-6.24)***

F (-0.14) D2.INQ

-0.1222 (-1.36) C-DEF

C -0.248 (-2.77)***