ANALISIS PENGARUH PENGELUARAN PEMERINTAH BIDANG KESEHATAN, PENGELUARAN PEMERINTAH BIDANG PENDIDIKAN, PENANAMAN MODAL ASING (PMA) DAN PENANAMAN MODAL DALAM NEGERI (PMDN) TERHADAP PERTUMBUHAN INDEKS PEMBANGUNAN MANUSIA (IPM)” (Studi Kasus Di Indonesia Tahun

PERTUMBUHAN INDEKS PEMBANGUNAN MANUSIA (IPM)” (Studi Kasus Di Indonesia Tahun 1985 Hingga 2014)

“ANALYSIS EFFECTS OF GOVERNMENT EXPENDITURE IN HEALTH SECTOR, GOVERNMENT EXPENDITURE IN EDUCATIONAL SECTOR, FOREIGN INVESTMENT AND DOMESTIC INVESTMENT TOWARDS

THE GROWTH OF HUMAN DEVELOPMENT INDEX (HDI)” (Study Case Of Indonesia From 1985 To 2014)

Disusun oleh :

KARINA GAMA SOLEHA 20130430122

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MUHAMMADIYAH YOGYAKARTA

2016

ix

rahmat serta kemudahan dalam penulisan skripsi dengan judul “Analisis Pengaruh Pengeluaran Pemerintah Bidang Kesehatan, Pengeluaran Pemerintah Bidang Pendidikan, Penanaman Modal Asing (PMA) dan Penanaman Modal Dalam Negeri

(PMDN) Terhadap Pertumbuhan Indeks Pembangunan Manusia (IPM)” (Studi Kasus Di Indonesia Tahun 1985 Hingga 2014).

Skripsi ini disusun sebagai persyaratan dalam memperoleh gelar sarjana pada Fakultas Ekonomi Universitas Muhammadyah Yogyakarta. Penulis memilih topik ini dengan harapan dapat memberikan sumbangan pemikiran dalam memperkaya wawasan konsep serta pemecahan permasalahan pembangunan manusia di Indonesia. Penyelesaian skripsi ini tidak terlepas dari bimbingan dan dukungan berbagai pihak, oleh karena itu pada kesempatan ini penulis mengucapkan terumakasih sebesar-besarnya kepada yang terhormat :

1. Bapak Dr. Nano Prawoto, S.E., M.Si selaku Dekan Fakultas Ekonomi Universitas Muhammadiyah Yogyakarta.

2. Bapak Dr. Imamudin Yuliadi, S.E., M.Si selaku Ketua Program Studi Ilmu Ekonomi Universitas Muhammadiyah Yogyakarta.

x

4. Ayah dan Ibu, Drs. Kaharuddin HM, M.Si dan Siti Aminah yang senantiasa memberikan dorongan dan perhatian serta do’a kepada penulis hingga dapat menyelesaikan studi.

5. Saudara-saudaraku tercinta, Addin Gama Bertaqwa S.T., M.T, Dunul Gama Bertaqwa, Adinda Gama Soleha yang selalu meberi dukungan dan do’a. 6. Yang tak terlupakan, keluarga dalam perantauan, teman-teman seperjuangan

yang selalu saling menguatkan. “Kita-Kita”: Kiki, Upeh, Nyak, Momon, Nur, Nia, Nailil, terimakasih banyak atas dukungan dan do’a kalian guys.

7. Wisnu Prambudi Wibowo, teman bertukar fikiran dan selalu mendukung dan mendo’akan penulis dalam menyelesaikan studi.

8. Semua pihak yang telah memberikan dukungan, bantuan, serta kemudahan dan semangat dalam proses penyelesaian skripsi ini.

Yogyakarta, 2 Desember 2016

✈

Jadilah manusia kuat iman, kaya ilmu, kaya jasa dan kaya harta. Semoga dirimu sama dengan seribu orang bahkan sejuta (Dr. KH. Abdullah Syukri Zarkasyi, MA)

✐

Nama : Karina Gama Soleha

Nomor Mahasiswa : 20130430122

Menyatakan bahwa skripsi dengan judul: “ANALISIS PENGARUH

PENGELUARAN PEMERINTAH BIDANG KESEHATAN,

PENGELUARAN PEMERINTAH BIDANG PENDIDIKAN, PENANAMAN MODAL ASING (PMA) DAN PENANAMAN MODAL DALAM NEGERI (PMDN) TERHADAP PERTUMBUHAN INDEKS PEMBANGUNAN MANUSIA (IPM)” (Studi Kasus Di Indonesia Tahun 1985 Hingga 2014) tidak terdapat karya yang pernah diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan Tinggi dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan dalam Daftar Pustaka. Apabila ternyata dalam skripsi ini diketahui terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain maka saya bersedia karya tersebut dibatalkan.

Yogyakarta, 2 Desember 2016

✂✄

xi

HALAMAN PERSETUJUAN DOSEN PEMBIMBING ...ii

HALAMAN PENGESAHAN ...iii

HALAMAN PERNYATAAN...iv

HALAMAN MOTTO...v

PERSEMBAHAN...vi

INTISARI ...vii

ABSTRAK ...viii

KATA PENGANTAR ...ix

DAFTAR ISI ...xi

DAFTAR TABEL ...xiii

DAFTAR GAMBAR...XIV BAB 1 PENDAHULUAN ...1

A. Latar Belakang ...1

B. Batasan Penelitian. ...7

C. Rumusan Penelitian ...7

D. Tujuan Penelitian ...8

E. Manfaat Penlitian ...9

BAB II TINJAUAN PUSTAKA ...10

A. Landasan Teori...10

1. Pembanguan...10

2. Pembanguna Manusia ...11

3. Indeks Pembanguna Manusia ...14

4. Pengeluaran Pemerintah...18

5. Penanaman Modal/Investasi...22

a. Penanaman Modal Asing ...22

b. Penanaman Modal Dalam Negeri...23

B. Penelitian Terdahulu ...24

C. Kerangka Berfikir ...30

D. Hipotesis. ...30

xii

F. Metode Analisis ...36

BAB IV HASIL DAN PEMBAHASAN ...48

A. Statistik Deskriptif ...48

B. Uji Akar Unit (Unit Root Test) ...50

C. Uji Panjang lag...58

D. Pengujian Stabilitas VAR ...64

E. Uji Kointegrasi Johansen.. ...50

F. Uji Kualitas Granger. ...51

G. Model VECM...53

H. Analisis Impulse Response Function (IRF). ...55

I. Analisis Variance Decomposition...59

J. Pembahasan...60

BAB V SIMPULAN DAN SARAN...66

A. Simpulan ...66

B. Saran ...67 DAFTAR PUSTAKA

☎✆✆✆

Domestic Investment of the growth of Human Development Index (HDI) in Indonesia from 1985 to 2014. The analysis tool used is the vector error correction model (VECM). The results from this study show that the variable of government expenditure in health sector has positive and significant effect on the HDI, government expenditure in educational sector has significant and negative effect on the HDI, foreign investment is a significant and negative effect and domestic investment has positive significant effect on the HDI.

Keywords: The Growth of HDI, Government Expenditure in Health Sector, Government Expenditure in Education Sector , Foreign Investment, Domestic Investment and VECM.

✝ ✞✞

Pengeluaran Pemerintah Bidang Kesehatan, Pengeluaran Pemerintah Bidang Pendidikan, PMA dan Penanaman Modal Dalam Negeri (PMDN) terhadap pertumbuhan Indeks Pembangunan Manusia (IPM) di Indonesia tahun 1985 hingga 2014. Alat analisis yang digunakan adalah ✟✠✡ ☛☞ ✌ error correction ♠☞ ✍✠ ✎

(VECM). Hasil dari penelitian ini menunjukkan bahwa variabel pertumbuhan Pengeluaran Pemerintah Bidang Kesehatan berpengaruh signifikan positif terhadap IPM, Pengeluaran Pemerintah Bidang Pendidikan berpengaruh signifikan dan negatif terhadap IPM, PMA pun berpengaruh signifikan dan negatif dan Penanaman Modal Dalam Negeri (PMDN) berpengaruh signifikan positif terhadap pertumbuhan IPM.

Kata Kunci : Pertumbuhan IPM, Pengeluaran Pemerintah Bidang Kesehatan, Pengeluaran Pemerintah Bidang Pendidikan, PMA , Penanaman Modal Dalam Negeri (PMDN), VECM.

1

BAB I

PENDAHULUAN

A. Latar Belakang

Salah satu tujuan didirikannya suatu negara adalah untuk meningkatkan kesejahteraan dan kemakmuran rakyat, dengan kata lain melakukan peningkatan pertumbuhan ekonomi yang sejalan dengan pembangunan manusia, hal ini dicerminkan memalui Indeks Pembanguna Manusia. Indeks Pembanguna Manusia (IPM) adalah indikator penting untuk mengukur keberhasilan dalam upaya membangun kualitas hidup manusia dan juga dapat menentukan peringkat pembangunan suatu negara yang di dalamnya terdapat tiga dimensi dasar, yakni umur panjang dan hidup sehat, pengetahuan dan standar hidup layak.

Pembangunan adalah syarat terpenting bagi kehidup suatu negara. Menciptakan pembangunan yang berkelanjutan adalah hal penting yang harus dilakukan oleh sebuah negara dengan tujuan untuk menciptakan kondisi bagi masyarakat untuk dapat menikmati lingkungan yang menunjang bagi hidup sehat, umur panjang dan menjalankan kehidupan yang produktif.

Pembangunan manusia merupakan tujuan sentral dari pembangunan ekonomi di suatu negara. Pembangunan sumber daya manusia mencakup peningkatan kapasitas dasar dalam proses

pembangunan. Kapasitas dasar menurut Todaro (2003) yakni tiga nilai pokok keberhasilan pembangunan ekonomi adalah kecukupan (sustenance), jati diri (selfsteem), dan kebebasan (freedom). Kecukupan

dalam hal ini merupakan kemampuan untuk memenuhi kebutuhan-kebutuhan dasar yang meliputi pangan, sandang, papan, kesehatan,dan keamanan. Fungsi dasar dari kegiatan ekonomi pada dasarnya adalah untuk menyediakan sebanyak mungkin kebutuhan dasar masyarakat, atas dasar itulah syarat penentu keberhasilan ekonomi adalah membaiknya kualitas kehidupan seluruh lapisan masyarakat (Ginting, 2008).

Pembangunan manusia dapat dilihat dari Human Development Index (HDI) atau yang lebih dikenal sebagai Indeks Pembanguan Manusia

yang dikeluarkan oleh United Nations Development Programme (UNDP). UNDP menerbitkan laporan tahunan mengenai kerja kinerja IPM pada Negara-negara di dunia.

Tabel 1.1 Peringkat IPM Negara-Negara Asia Tahun 2012-2014

No _Negara

IPM Negara di Asia Tenggara dari 188 Negara

2012 2013 2014

1 Singapura 11 9 11

2 Brunai Darussalam 30 30 32

3 Malaysia 62 62 62

4 Thailand 89 89 93

5 Indonesia 109 108 110

6 Filipina 118 117 115

7 Vietnam 121 121 141

8 Laos 139 139 116

9 Myanmar 150 150 148

10 Kamboja 137 137 143

Sumer: BPS DIY,2016

Tabel 1.1 memperlihatkan bahwa pada tahun 2014 posisi IPM Indonesia di dunia menurun dari 108 ditahun 2013 menjadi urutan ke-110 dari 187 negara, dengan IPM sebesar 0.684. dapat disimpulkan bahwa laju pertumbuhan IPM Indonesia termasuk rendah dibandingkan dengan Negara-negara lainnya. Indonesia berada pada peringkat kelima di antara neraga-negara Asia Tenggara, yakni dibawah Singapura, Brunai Darussalam, Malaysia, dan Thailand. Meskipun di Indonesia mengalami tren positif pada IPM, akan tetapi jika dibandingkan dengan negara terdekat, kedudukan Indonesia masih tertinggal sangat jauh. Dalam hal ini banyak faktor yang mempengaruhi, diantaranya tingginya jumlah penduduk dan faktor luas wilayah (Athar, 2016).

Pada saat ini Indonesia menghadapi masalah dalam pembangunan yaitu rendahnya tingkat pembangunan manusia, dalam hal ini dapat dipicu

oleh berbagai faktor seperti dalam bidang educational achievement yakni kurangnya tingkat pendidikan pada masyarakat, dalam bidang kesehatan yakni angka harapan hidup yang rendah dan dalam access to resource yakni PDB riil per kapita serta tingkat angkatan kerja yang cukup rendah. Hal ini merupakan masalah yang sangat penting dalam menciptakan pembangunan ekonomi bagi seluruh lapisan masyarakat Indonesia. Hal ini dapat dilihat dari tabel berikut :

Sumber: UNDP (2015)

Gambar 1.1

Pertumbuhan Indeks Pembangunan Manusia Indonesia Tahun 1984-2014

Dari tabel diatas terlihat bahwa indeks pembangunan manusia Indonesia secara keseluruhan terjadi beberapa kali penurunan, tetapi penurunan yang paling besar yakni terjadi tahun pada tahun 1985 IPM 0.512 menuju ke tahun 1986 dengan IPM 0.358. Pencapaian Indonesia dalam IPM tersebut sangat rendah berbanding terbalik dengan pertumbuhan ekonomi di Indonesia dari tahun ketahun. Produk Domestik Bruto dapat dilihat pada Gambar1.2.

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 19 85 19 87 19 89 19 91 19 93 19 95 19 97 19 99 20 01 20 03 20 05 20 07 20 09 20 11 20 13 IPM

Sumber: BPS DIY, 2016

Gambar 1.2

Laju pertumbuhan ekonomi di Indonesia Tahun 1985-2014

Gambar 1.2 menunjukkan bahwasanya pertumbuhan ekonomi Indonesia berfluktuasi. Hal ini berarti bahwa aktifitas perekonomian di Indonesia tumbuh namun tidak sejalan dengan IPM Indonesia yang masih tertinggal dibawah pencapaian IPM nasional.

Berdasarkan skala internasional, capaian IPM dikategorikan menjadi kategori tinggi (IPM ≥ 80), kategori menengah atas (66 ≤ IPM < 80), kategori menengah bawah (50 ≤ IPM < 66), dan kategori rendah (IPM < 50). Peringkat tersebut menempatkan Indonesia pada posisi menengah keatas, akan tetapi relatif jauh untuk dapat mencapai tingkat pembangunan manusia pada level tinggi.

Disisi lain Presiden Joko Widodo mengarahkan paket kebijakan ekonomi tahap II nya untuk fokus kepada upaya meningkatkan investasi, berupa deregulasi dan debirokratisasi peraturan untuk mempermudah investasi, seperti kemudahan layanan investasi 3 jam, pengurusan tax allowance dan tax holiday lebih cepat, PPN transpotrasi ditiadakan, pengurangan pajak bunga deposito, serta perampingan izin sektor

-10 0 10 20 30 19 85 19 87 19 89 19 91 19 93 19 95 19 97 19 99 20 01 20 03 20 05 20 07 20 09 20 11 20 13

kehutanan baik penanaman modal dalam negeri maupun penanaman modal asing bukan saja dalam rangka meningkatkan pertumbuhan dan pembangunan ekonomi Indonesia melainkan juga pembangunan manusianya.

Pembangunan manusia merupakan salah satu indikator bagi kemajuan suatu negara dimana pembangunan suatu negara tidak bisa dikatakan berhasil apabila hanya melihat dari besarnya pendapatan domestik. Oleh karena itu akan dicoba bahas secara mendalam melalui

penelitian, dengan judul “ANALISIS PENGARUH PENGELUARAN

PEMERINTAH BIDANG KESEHATAN, PENGELUARAN PEMERINTAH BIDANG PENDIDIKAN, PENANAMAN MODAL ASING (PMA) DAN PENANAMAN MODAL DALAM NEGERI (PMDN) TERHADAP PERTUMBUHAN INDEKS PEMBANGUNAN

MANUSIA (IPM)” (Studi Kasus Di Indonesia Tahun 1985 Hingga

B. Batasan Penelitian

Mengingat banyaknya faktor yang mempengaruhi pertumbuhan Indeks Pembangunan Manusia di Indonesia, maka penelitian hanya membahas, yakni :

1. Variabel-variabel yang dianggap berpengaruh terhadap pertumbuhan indeks pembangunan manusia yang terjadi di Indonesia

2. Data yang digunakan adalah data tahunan dari 1985 sampai dengan 2014 yang terdiri atas:

a. Data pertumbuhan Indeks Pembangunan Panusia (IPM)

b. Data pertumbuhan Pengeluaran Pemerintah Bidang Kesehatan (PPBK)

c. Data pertumbuhan Pengeluaran Pemerintah di Bidang Pendidikan (PPBP)

d. Data pertumbuhan Penanaman Modal Asing (PMA)

e. Data pertumbuhan Penanaman Modal Dalam Negeri (PMDN)

C. Rumusan Masalah Penelitian

1. Apakah pertumbuhan Pengeluaran Pemerintah Bidang Kesehatan (PPBK) berpengaruh terhadap pertumbuhan Indeks Pembangunan Manusia di Indonesia pada tahun 1985-2014?

2. Apakah pertumbuhan Pengeluaran Pemerintah Bidang Pendidikan (PPBP) berpengaruh terhadap pertumbuhan Indeks Pembangunan Manusia di Indonesia pada tahun 1985-2014?

3. Apakah pertumbuhan Penanaman Modal Asing (PMA) berpengaruh terhadap pertumbuhan Indeks Pembangunan Manusia di Indonesia pada tahun 1985-2014?

4. Apakah pertumbuhan Penanaman Modal Dalam Negeri (PMDN) berpengaruh terhadap pertumbuhan Indeks Pembangunan Manusia di Indonesia pada tahun 1985-2014?

D. Tujuan Penelitian

Adapun tujuan dari penulisan skripsi ini adalah :

1. Mengetahui pengaruh pertumbuhan Pengeluaran Pemerintah Bidang Kesehatan (PPBK) terhadap pertumbuhan Indeks Pembangunan Manusia di Indonesia pada tahun 1985-2014?

2. Mengetahui pengaruh pertumbuhan Pengeluaran Pemerintah Bidang Pendidikan (PPBP) terhadap pertumbuhan Indeks Pembangunan Manusia di Indonesia pada tahun 1985-2014?

3. Mengetahui pengaruh pertumbuhan Penanaman Modal Asing (PMA) terhadap pertumbuhan Indeks Pembangunan Manusia di Indonesia pada tahun 1985-2014?

4. Mengetahui pengaruh pertumbuhan Penanaman Modal Dalam Negeri (PMDN) terhadap pertumbuhan Indeks Pembangunan Manusia di Indonesia pada tahun 1985-2014?

E. Manfaat Penelitian 1. Manfaat Teoritis

Hasil penelitian ini diharapkan dapat memberikan sumbangan pemikiran dalam memperkaya wawasan konsep pertumbuhan Indeks Pembangunan Manusia (IPM) di Indonesia.

2. Manfaat Praktis

Hasil penelitian ini secara praktis diharapkan dapat menyumbangkan pemikiran terhadap pemecahan masalah pembangunan manusia di Indonesia terutama bagi para pengambil keputusan.

10 A. Landasan Teori

2.1 Pembangunan

Dari sudut pandang ilmu ekonomi, pembangunan dapat diartikan sebagai upaya dalam rangka meningkatkan pertumbuhan pendapatan per kapita (income per capita) yang berkelanjutan agar negara dapat memperbanyak outpu yang lebih cepat dibanding laju pertumbuhan penduduk. Terdapat tiga nilai-nilai atau komponen dasar yang berfungsi sebagai pedoman guna memahami arti pembangunan yang sebenarnya. Ketiga nilai ini tersebut adalah:

1. Kecukupan (sustenance), dimana segala sesuatu yang dibutuhkan baik itu sandang, pangan, papan terpenuhi guna mendukung kehidupan manusia pada tingkat yang paling minimum.

2. Harga diri (self-esteem), mengandung atri bahwa masyarakat akan merasa berharga ketika sistem, ekonomi, politik, dan lembaga sosial di negara tersebut menjunjung tinggi nilai-nilai kemanusiaan seperti, martabat, kemandirian, integritas dan kehormatan.

3. Kebebasan (freedom), yang berarti bahwa masyarakat dapat mengambil pilihan riil sesuai keinginannya, dengan berbagai alternatif untuk memuaskan keinginannya (Todaro & Smith, 2011).

2.2 Pembangunan Manusia

Menurut United Nations Development Programme (1995)

pembangunan manusia adalah proses memperluas pilihan-pilihan manusia, dalam hal ini yang paling utama dalah mengarah pada tingginya harapan hidup dan kesehatan,dapat hidup sesuai dengan standar kelayakan hidup dan dapat mengenyam pendidikan. Pembangunan manusia merupakan hal pokok yang harus dijunjung tinggi oleh pemerintah dari pada sekedar peningkatan pendapatan nasional semata. Pada dasarnya pembangunan manusia adalah pembangunan multi dimensi dalam upaya meningkatkan kemampuan insaninya menumbuhkan kreatifitas kehidupan yang sejalan dengan kebutuhan dan minatnya dalam rangka meningkatkan produktifitasnya.

Makna sesungguhnya dari pembangunan manusia menjadi dasar pemikiran bahwa sumberdaya manusia adalah harta kekayaan negara sesungguhnya dinama meskipun negara tersebut kaya akan alam dan seisinya tetapi tidak akan berarti bila tidak dikelola dan dijaga dengan baik oleh sumberdaya manusianya. Hal ini di sesuai dengan teori klasik Adam Smith (1729-1790) dimana manusia merupakan faktor produksi utama yang menentukan kemakmuran bangsa-bangsa. Alam (tanah) tidak ada artinya jika tidak ada SDM yang pandai mengolahnya agar bermanfaat bagi kehidupan. Kesejahteraan manusia akan selalu meningkat sebagai dampak positif dari pembagian kerja dan spesialisasi, yang dimaksud dalam teori tersebut adalah seluruh sumber daya manusia baik itu kaya maupun miskin.

Orang miskin merupakan orang yang tidak dapat memenuhi kebutuhan hidupnya, meskipun demikian setidaknya mereka memiliki asset berupa tenaga fisik yang juga merupakan kekayaan negara sesungguhnya. Dengan tenaga fisik sebagai awalnya potensi sumber daya manusia akan meningkat bersamaan dengan meningkatnya pengetahuan, kesehatan serta pendapatan yang dimilikinya.

Pada tahun UNDP (1990) memberikan laporan yang menegaskan pentingnya pembangunan manusia (human development) bahwa asset bangsa yang sesungguhnya adalah manusia. Tujuan pokok dari adanya pembangunan adalah menciptakan lingkungan yang dapat dinikmati secara utuh di umur yang panjang, sehat serta melaksanakan kehidupan yang produktif. Tujuan pokok tersebet merupakan kenyataan yang sederhana tetapi sangat sering terlupakan oleh manusia dikarenakan kesibukannya dalam jangka pendek. Dalam laporan UNDP tahun 1996 menjelaskan bahwa pembangunan manusia merupakan tujuan akhir dari pembangunan (the ultimate end), sedangkan pertumbuhan ekonomi adalah sarana (the principle means) untuk mencapai tujuan akhir pembangunan. Dalam rangka mewujudkan tujuan akhir pembangunana tersebut, ada 4 komponen pokok yang harus diperhatikan dalam pembangunan manusia, yaitu :

1. Produktivitas (productivity), yang berarti bahwa manusia yang produktif itu adalah manusia yang berguna mampu memenuhi kebutuhan dirinya sendiri, keluarga dan bangsanya. Oleh sebab itu pertumbuhan ekonomi adalah bagian dari pembangunan manusia, dan juga merupakan variable

yang nantinya akan berdampak pada indeks pembangunan manusia (UNDP, Human Development Report, 1995).

2. Keadlian (equality), yang berarti bahwa segala hal yang tidak adil dalam kehidupan manusia harus di hapuskan seperti praktik monopoli politik maupun monopoli ekonomi karena manusia merupakan makhluk social yang setiap individunya diberi kesempatan yang sama untuk menjalankan hidup yang lebih baik sesuai dengan aturan yang telah ditentukan secara konstitusional dan demokrstis (UNDP, Human Development Report, 1995).

3. Keberlanjutan (sustainability), yang bermakna bahwasanya setiap individu mempunyai tanggungjawab dalam pembangunan manusia yang berkelanjutan yang artinya sumber daya yang dapat diperbaharui yang tersedia saat ini merupakan kekayaan yang nantinya akan diperlukan oleh generasi yang akan datang yang harus dijaga, sedangkan sumberdaya yang tidak dapat diperbaharui harus digunakan secara bijak dan mencari subtitusi sumberdaya alternatif dari sumberdaya tersebut (UNDP, Human Development Report, 1995).

4. Pemberdayaan (empowerment), kita ketahui bahwa manusia memiliki keterbatasan masing-masing dalam mensejahterakan kehidupannya, sehingga perlu diadakannya pemberdayaan optimal agar terwujudnya pembangunan manusia. Dengan adanya pemberdayaan maka seluruh masyarakat berpartisipasi penuh dalam proses pengambilan putusan yang

mempengaruhi kesejahteraan mereka (UNDP, Human Development Report, 1995)

2.3 Indeks Pembangunan Manusia (IPM)

IPM diperkenalkan oleh United Nations Development Programme

(UNDP) pada tahun 1990 dan dipublikasikan secara berkala dalam laporan tahunan Human Development Report (HDR). IPM menjelaskan bagaimana

penduduk dapat mengakses hasil pembangunan dalam memperoleh pendapatan, kesehatan, pendidikan, dan sebagainya. Menurut Badan Pusat Statistik (2015), Indeks Pembangunan Manusia (IPM) mengukur capaian pembangunan manusia berbasis sejumlah komponen dasar kualitas hidup. Sebagai ukuran kualitas hidup, IPM dibangun melalui pendekatan tiga dimensi dasar.Dimensi tersebut mencakup umur panjang dan sehat; pengetahuan, dan kehidupan yang layak.Ketiga dimensi tersebut memiliki pengertian sangat luas karena terkait banyak faktor.Untuk mengukur dimensi kesehatan, digunakan angka harapan hidup waktu lahir.

Selanjutnya untuk mengukur dimensi pengetahuan digunakan gabungan indikator angka melek huruf dan rata-rata lama sekolah.Adapun untuk mengukur dimensi hidup layak digunakan indikator kemampuan daya beli masyarakat terhadap sejumlah kebutuhan pokok yang dilihat dari rata-rata besarnya pengeluaran per kapita sebagai pendekatan pendapatan yang mewakili capaian pembangunan untuk hidup layak.

Umur IPM merupakan indikator penting untuk mengukur keberhasilan dalam upaya membangun kualitas hidup manusia (masyarakat/penduduk).IPM dapat menentukan peringkat atau level pembangunan suatu wilayah/negara.

a. Pengukuran Indeks Pembangunan Manusia

Indeks pembangunan manusia memiliki tiga indikator dasar yang digunakan untuk menghitung indeks manusia suatu negara, yakni:

1. Tingkat kesehatan yang diukur adalah harapan hidup saat lahir (tingkat kematian bayi)

2. Tingkat pendidikan diukur dengan angka melek huruf (dengan bobot dua pertiga)

3. Indeks hidup layak yang diukur dengan tingkat pengeluaran per kapita per tahun.

Dalam mengukur indeks pembangunan manusia menggunakan rumus sebagai berikut :

IPM = 1/3 (Indeks X1 + Indeks X2 + Indeks X3) …………. (1)

Dimana:

X1 = Indeks kesehatan

X2 = Indeks pendidikan

Langkah awalnya adalah menghitung terlebih dahulu indeks ketiap komponen, yang diberi nilai antara 0 (terendah) dan 1 (terbaik) dan dalam rangka memberi kemudahan dalam menganalisa biasanya indeks ketiga konponen tersebut dikalikan 100.

b. Komponen-komponen IPM

1. Indeks Harapan Hidup

Indeks harapan hidup menunjukkan banyaknya tahun hidup yang diharapkan dapat dinikmati oleh penduduk di suatu wilayah dengan menggunakan angka kemtian dan kelahiran per tahun yang akan memperlihatkan tingkat hidup sehat dan rata-rata lama hidup. Karena terdapat kesulitan dalam memperoleh data orang yang meninggal dalam kurun waktu tertentu, maka digunakan metode tidak langsung dalam dalam menghitung angka harapan hidup.Data yang digunakan dalam metode ini adalahrata-rata anak masih hidup dari wanita yang pernah kawin dan dan rata-rat anak lahir hidup (BPS, 2009).

2. Indeks Pendidikan

Rata-rata lama sekolah/ Mean Years Of Schooling Index(MYS)

dan angka melek huruf / Adult Literacy Rate Index(Lit) adalah dua

indikator pada perhitungan indeks pendidikan. Kedua indikator tersebut diharapkan dapat menggambarkan tingkat pengetahuan (cerminan angka Lit) yang merupakan komponen masyarakat yang mampu baca tulis dalam kelompok masayrakat keseluruhan (BPS, 2009).

3. Indeks Hidup Layak

Indeks hidup layak merupakan gambaran daya beli mayarakat. Menurut UNDP real per capita GDP adjusted / PDB riil per kapita

yang disesuaikan merupakan indicator yang digunakan dalam menghitung standar hidup layak (daya beli), akan tetapi dalam perhitungan IPM se-nasional (kabupaten/kota dan provinsi) tidak menggunakan PDRB perkapita dikarenakan hanya mengukur produksi suatu wilayah. Sedangkan di Indonesia dalam mengukur standar hidup layak masyarakat BPS menggunakan data dari Survei Sosial Ekonomi Masyarakat yakni data rata-rata konsumsi 27 komoditi terpilih yang domonan dikonsumsi masyarakat Indonesia yang sesuaikan dnegan indeks PPP (Purchasing Power Parity) (BPS, 2009).

c. Manfaat Indeks Pembangunan Manusia

IPM dapat dimanfaatkan untuk beberapa hal sebagai berikut:

a) Untuk menyadarkan para pengambil keputusan agar lebih terfokus pada pencapaian manusia, Karena IPM diciptakan untuk menjadi hal utama dalam pembangunan sebuah negara, bukan pertumbuhan ekonomi.

b) Untuk mempertanyakan pilihan-pilihan kebijakan suatu negara. Bagaimana dua negara yang tingkat pendapatan perkapitanya sama dapat memiliki IPM yang berbeda.

c) Untuk memperlihatkan perbedaan di antara negara-negara, di antara provinsi-provinsi (atau negara bagian), di antara gender, kesukuan, dan kelompok sosial ekonomi lainnya. Dengan memperlihatkan disparitas atau kesenjangan di antara kelompok-kelompok tersebut, maka akan lahir berbagai debat dan diskusi di berbagai negara untuk mencari sumber masalah dan solusinya.

2.4 Pengeluaran Pemerintah

Pemerintah merupakan lembaga didalam masyarakat yang tujuannya tidak lain adalah menciptakan masyarakat yang sejahtera. Dalam rangka memenuhi fungsi dan tugas tersebut maka pemerintah memiliki hak dalam menggunakan barang dan jasa disuatu negara dalam berbagai bentuk, salah satunya berupa uang. Ketika pemerintah menggunakan uang tersebut dalam menjalankan tugas dan fungsinya maka inilah yang disebut dengan pengeluaran pemerintah.

Hal tersebut sejalan dengan pendapat Mangkoesubroto yang mengatakan bahwa pengeluaran pemerintah adalah gambaran kebijakan pemerintah yakni, ketika pemerintah memilih kebijakan untuk membeli barang dan jasa maka pengeluaran tersebut adalah biaya yang harus dikeluarkan oleh pemerintah dalam menjalankan kebijakan tersebut (Mangkoesubroto, 2000).

Dalam pemerintahan terdapat anggaran belanja yang digunakan dalam kegiatan pemerintahan salah satunya yang cukup penting adalah pengeluaran pembangunan yang dalam hal ini pembangunan tersebut telah

direncanakan pemerintah dalam penyusunan anggaran yang akan digunakan dalam pelaksaan pembangunan. Anggaran yang tersedia adalah variabel penting bagi proses pembangunan suatu negara, sehingga alokasi anggaran tersebut harus dipertimbangkan secara matang sesuai dengan tujuan yang ingin dicapai yang berpegang teguh pada Pancasila, Trilogi Pembangunan dan Undang-Undang Dasar 1945 (Suparmoko, 1994).

Pada pengeluaran pemerintah dibagi menjadi beberapa sektor antara lain adalah :

a. Pengeluaran pemerintah bidang kesehatan

Beberapa ekonom berpendapat bahwa kesehatan adalah fenomena ekonomi ketika dianggap sebagai sebuah investasi, yang akhirnya kesehatan menjadi salah satu variable yang dianggap penting untuk meningkatkan nilai tambah barang dan jasa dalam faktor produksi dan juga sebagai tujuan masyarakat yang dikenal dengan kesejahteraan. Sehingga kesehatan dikenal sebagai modal yang positif bagi masyarakat.

Undang-Undang No.36 tahun 2009 yang mengatur tentang dana kesehatan bahwa minimal anggaran kesehatan dialokasikan sebesar 5 persen dari APBN diluar gaji, dan anggaran kesehatan daerah provinsi dan kabupaten/kota sebesar 10 persen dari APBD diluar gaji. Oleh sebab itu sudah sepatutnya pemerintah memberikan layanan publik yang yang memadai dalam rangka peningkatan kualitas manusia yang selanjutnya akan meningkatkan Indeks Pembangunan Manusia (IPM) (Maryani, 2010).

b. Pengeluaran pemerintah bidang pendidikan

Ada beberapa sumber dana pendidikan di Indonesia yaitu anggaran pemerintah pusat, anggaran pemerintah tingkat provinsi dan anggaran pemerintah tingkat kabupaten. Pada hal ini akan membahas tentang anggaran pemerintah pusat dalam bidang pendidikan. Pada dasarnya dana pendidikan bersumber dari pemerintah pusat baik itu berupa (1) anggaran rutin seperti membiayai Sekolah Dasar (SD), administrasi sesuai dengan kegiatan pendidikan, sekolah-sekolah negeri, serta gaji guru. (2) anggaran kegiatan pengembangan fisik seperti pembangunan gedung, proyek-prokey perintisan, pengadaan tanah dan sarana penunnjang lainnya.

Dalam pengeluaran pemerintah bidang pendidikan Indonesia harus mampu membagi dengan baik anngaran, baik untuk anggaran rutin maupun anggaran pembangunan agar peningkatan pengeluaran pemerintah dalam pendidikan ini sesuai dengan yang diharapkan, karena pengeluaran untuk belanja pokok pendidikan lebih kepada mempertahankan fasilitas pendidikan yang ada dari pada memperluas fasilitas tersebut, padahal di masih banyak daerah terpencil yang membutuhkan bantuan pembangunan fasilitas pendidikan, sehingga pendidikan di Indonesia belum berkembang dengan baik yang akhirnya mempengaruhi IPM di Indonesia.

Hal ini sesuai dengan pendapat Sukirno (1985) yang menyatakan salah satu faktor yang nimbulkan hal tersebut adalah kurangnya fasilitas dan gaji yang relatif rendah yang menurunkan semangat guru-guru dalam memberikan pelajaran bagi murid atau mahasiswa dengan sebaik-baiknya.

Hal ini menunjukan bahwasanya anggaran pembangunan dari Departemen Pendidikan Nasional adalah sumber utama dalam memperbaiki mutu pendidikan.

Menurut Umar Tirtarahardja dan la Sula (1998) permasalahan di atas dapat diatasi bila :

1. Sesuai dengan Undang-Undang yang berlaku, minimal alokasi dana pendidikan dari APBN adalah 20 persen dan dari APBD 20 persen.

2. Pemerintah dapat memberikan kesempatan pemerataan pendidikan, yang berarti bahwa pemerintah dapat menyediakan tempat untuk melakukan pemerataan tersebut yaitu sekolah. 3. Pendidikan yang bermutu merupakan salah satu jawaban dari

masalah diatas, artinya seluruh perencanaan dan proses pendidikan yang dilaksanakan sesuai dengan tujuan yang dirumuskan.

4. Pelaksanaan pendidikan efisien yang sesuai rancangan.

5. Produk bermutu yang relevan, yang mengandung arti bahwa hasil akhir dari pendidikan sesuai dengan pembangunan dan kebutuhan masyarakat.

2.5 Penanaman Modal / Investasi

Investasi merupakan pembelanjaan penanaman modal guna membeli barang-barang modal serta perlengkapan produksi untuk meningkatkan produksi barang dan jasa di dalam perekonomian, sehingga investasi disebut juga penanaman modal. Menurut Adhisasmita (2005), mengatakan bahwa perpindahan modal atau investasi merupakan sarana bagi proses komulatif, baik dilakukan oleh pemerintah maupun swasta yang mengarah kebawah di daerah bernasib kurang baik dan mengarah keatas di daerah bernasib baik. Penanaman modal terbagi menjadi dua yakni :

a. Penanaman Modal Asing

Menurut Undang-Undang Republik Indonesia Nomor 25 Tahun 2007 tentang Penanaman Modal, penanaman modal asing adalah kegiatan menanam modal yang dilakukan oleh penanam modal asing, baik yang menggunakan modal asing sepenuhnya maupun yang berpatungan modal dalam negeri. Dalam Pasal 1 Undang-Undang Republik Indonesia Nomor 1 Tahun 1967 Tentang Penanaman Modal Asing, modal asing dalam undang-undang ini hanyalah meliputi penanaman modal secara langsung yang dilakukan menurut atau berdasarkan ketentuan Undang-undang ini yang digunakan untuk menjalankan perusahaan di Indonesia dalam arti bahwa pemilik menaggung resiko dari penanaman modal tersebut.

Berdasarkan pengertian di atas, Ismail Sunny dan Rudio Rochmat (1968) berpendapat bahwa pada PMA terdapat tiga unsure pokok, yakni : 1. Penanaman modal secara langsung

2. Penggunaan modal untuk menjalankan perusahaan 3. Resiko yang langsung ditanggung oleh pemilik modal

Menurut David K. Eiteman (1989), motif yang mendasari penanaman modal asing ada tiga yaitu motif strategi, motif perilaku ekonomi. Pada motif strategis dibesakan dalam mencari pasar, mencari bahan baku, mencari efesiensi produk, mencari pengetahuan serta keamanan politik. Sedangkan motif pelaku adalah rangsangan lingkungan eksternal dan yang lain dari organisasi didasarkan pada kebutuhan serta komitmen individu maupun kelompok. Disisi lain motif ekonomi merupakan motif untuk mencari keuntungan dengan memaksimalkan keuntungan jangka panjang dan harga pasar saham perusahaan.

b. Penanaman Modal Dalam Negeri

Dalam Undang-Undang Republik Indonesia Nomor 6 Pasal 1 Tahun 1968 tentang PMDN mengatakan bahwa bagian dari kekayaan masyarakat Indonesia, termasuk hak-hak dan benda-benda baik yang dimiliki swasta nasional maupun swasta asing yang berdomisili di Indonesia yang disediakan guna menjalankan suatu usaha sepanjang modal tersebut tidak diatur oleh pasal 2 Undang-Undang No.1 Tahun 1967 tentang penanaman modal asing.

Ditinjau dari dampaknya, investasi berpengaruh terhadap peningkatan kesejahteraan masyarakat baik itu Penanaman Modal Dalam Negeri (PMDN) maupun Penanaman Modal Asing (PMA), hal ini disebabkan karena investasi akan meningkatkan jumlah tenaga kerja yang

terserap. Pengangguran pun akan mendapat pekerjaan dan pendapatan. Seiring dengan meningkatnya pendapatan, maka daya beli masyarakat juga akan meningkat. Pertumbuhan ekonomi yang disertai dengan pemerataan pemdapatan akan mengakibatkan peningkatan jumlah IPM bila dibandingkan dengan pertumbuhan ekonomi yang tidak disertai dengan pemerataan pendapatan dalam masyarakat (Sumanto, 2012).

B. Penelitian Terdahulu

Beberapa penelitian telah dilakukan yang juga mengkaji tentang Indeks Pembangunan Manusia, baik yang mengambil studi kasus di Jawa Tengah maupun daerah yang lainnya.

Setiawan dan Hakim (2013) telah melakukan penelitian tentang Indeks Pembangunan Manusia (IPM) di Indonesia.Variabel-variabel yang digunakan adalah Produk Domestik Bruto (PDB), Pajak Pendapatan (PPN), variable dummy desentralisasi pemerintahan, variabel dummy krisis tahun 1997, dan variable dummy krisis tahun 2008. Metode yang digunakan adalah Error

Correction Model (ECM). Pada penelitian ini ditemukan bahwa PDB dan PPN

berpengaruh terhadap IPM dalam jangka panjang maupun jangka pendek. Estimasi model ECM menemukan bahwa krisis ekonomi tahun 2008 berpengaruh terhadap IPM, sementara krisis tahun 1997 dan desentralisasi pemerintahan berpengaruh negatif terhadap IPM.

Yuliati (2012) dalam kajiannya tentang faktor-faktor yang Mempengaruhi Indeks Pembangunan Manusia (IPM) di wilayah perbatasan darat Indonesia. Dalam penelitian ini meneliti variable-variabel yang

mempengaruhu IPM yakni: PDRB per kapita, rasio tenaga pendidikan SMP dan tingkat pengangguran terbuka,dan Persentase Penduduk Miskin, data yang digunakan adalah data skunder dari Badan Pusat Statistik dalam kurun waktu 2007-2010 dan metode analisis yang digunakan adalah menode analisis regresi data panel. Penelitian ini dilakukan di kabupaten perbatasan darat sebanyak 16 kabupaten pada 4 provinsi yaitu: Kalimantan Barat 5 kabupaten (Sambas, Bengkayang, Sintang, Sanggau dan Kapuas Hulu), Kalimantan Timur 3 kabupaten (Nunukan, Malinau dan Kutai Barat), Nusa Tenggara Timur 3 kabupaten (Kupang, Belu dan Timor Tengah Utara), dan Papua 4 kabupaten (Merauke, Boven Digoel, Pegunungan Bintang dan Keerom) dan 1 kota yaitu Kota Jayapura. Dari penelitian ini dapat disimpulkan bahwa PDRB per kapita signifikan bepengaruh positif terhadap IPM, sedangkan persentase penduduk miskin signifikan berpengaruh negatif terhadap IPM , dan rasio tenaga pendidikan SMP dan tingkat pengangguran terbuka tidak signifikan berpengaruh terhadap IPM di Indonesia.

Kajian pembangunan manusia dilakukan oleh Sugiarto Sumas yang berfokus pada kebijakan fiskal sektor pendidikan dan sektor kesehatandengan menggunakan data panel. Hasil analisis dari studi ini adalah sejak tahun 2004 hingga 2008 menunjukan bahwasanya kebijakan fiskal melalui sektor pendidikan dan sektor kesehatan mempunyai hubungan kausalitas terhadap indeks pembangunan manusia meskipun dampaknya kecil. Dalam rangka meninggkatkan IPM di Indonesia maka kebijakan fiscal yang paling efektif adalah dengan upaya meningkatkan daya beli masyarakat.

Penelitian tentang Indeks Pembangunan Manusia juga dilakukan Athar (2016).Penelitian ini mengaitkan Belanja Pemerintah Sektor Pendidikan, Sektor Kesehatan dan PDRB terhadap Pembangunan Manusia Pada Kabupaten/Kota di Provinsi Sulawesi Barat.Studi ini dilakukan di 5 Kabupaten/Kota di Provinsi Sulawesi Barat dari tahun 2006-2013.Alat analisis yang digunakan adalah analisis regresi data panel dengan teknik estimasi menggunakan Random Effect Model(REM). Hasil penelitian menunjukkan

bahwa variabel belanja pendidikan berpengaruh signifikan positif terhadap IPM.Variabel belanja kesehatan berpengaruh signifikan positif pada terhadap IPM.Variabel PDRB berpengaruh signifikan positifpada alpha 5 persen terhadap IPM. Variasi variabel independen dalam model mampu menjelaskan tingkat pencapaian IPM.

Selain itu, Pimpin Primananda juga meneliti tentang yang berfokus pada kinerja perekonomian daerah dan desentralisasi fiskal terhadap Indeks Pembangunan Manusia (IPM) pada 38 Kabupaten/Kota di Provinsi Jawa Timur dari tahun 2009 sampai dengan 2013. Alat analisis yang digunakan adalah analisis regresi data panel.Dari studi ini disimpilkan bahwa Desentalisasi Fiskal dan Perekonomian daerah berpengaruh signifikan terhadap IPM (Primananda, 2015).

Royan dkk (2015) juga meneliti tentang IPM yang berfokus pada pengaruh investasi publik dan swasta terhadap IPM di Jawa Timur.Metode analisis yang digunakan adalah regresi linear berganda menggunakan data panel tahun 2010-2013 pada 38 kabupaten/kota di Jawa Timur.Hasil studi

menunjukkan bahwa investasi publik dan swasta sama-sama berpengaruh positif signifikan terhadap peningkatan IPM di Jawa Timur.Peran Publik lebih besar dibanding swasta hal ini ditunjukkan oleh koefisien regresi yang relatif besar.Koefisien pada masing-masing kabupaten/kota berbeda, hal ini diduga karena kurangnya pemerataan investasi pada masing-masing kabupaten/kota di Jawa Timur.

Tabel 2. 1 Penelitian Terdahulu

No Judul Penulis Variabel Model Analisis Hasil Penelitian 1 Indeks Pembangunan

Manusia

Mohammad Bhakti Setiawan dan A.

Hakim

Produk Domestik Bruto (PDB), Pajak Pendapatan (PPN),

variable dummy desentralisasi pemerintahan, variabel

dummy krisis tahun 1997, dan variable dummy krisis tahun

2008.

Error Correction Model (ECM).

Pada penelitian ini ditemukan bahwa PDB dan PPN berpengaruh

terhadap IPM dalam jangka panjang maupun jangka pendek. Estimasi model ECM menemukan

bahwa krisis ekonomi tahun 2008 berpengaruh terhadap IPM, sementara krisis tahun 1997 dan

desentralisasi pemerintahan berpengaruh negatif terhadap IPM. 2 Analisi faktor-faktor

yang Mempengaruhi Indeks Pembangunan Manusia (IPM) Di Wilayah Perbatasan

Darat Indonesia.

Ambar Yuliati PDRB per kapita, rasio tenaga pendidikan SMP

dan tingkat pengangguran terbuka,dan Persentase

Penduduk Miskin

Analisis regresi data

panel

Pada penelitian ini ditemukan bahwa PDB dan PPN berpengaruh

terhadap IPM dalam jangka panjang maupun jangka pendek. Estimasi model ECM menemukan

bahwa krisis ekonomi tahun 2008 berpengaruh terhadap IPM, sementara krisis tahun 1997 dan

desentralisasi pemerintahan berpengaruh negatif terhadap IPM. 3 Dampak Kegiatan

Fiskal Sektor Pendidikan Dan Sektor

Kesehatan Terhadap

Sugiarto Sumas Kebijakan fiskal sektor pendidikan dan sektor

kesehatan

Analisis regresi data

panel

Hasil analisis dari studi ini adalah sejak tahun 2004 hingga 2008 menunjukan bahwasanya kebijakan

Indeks Pembangunan Manusia Di Indonesia

dan sektor kesehatan mempunyai hubungan kausalitas terhadap indeks pembangunan manusia meskipun dampaknya kecil. 4 Pengruh belanja Sektor

Pendidikan, Sektor Kesehatan, Dan PDRB

Terhadap Pembangunan MAnusia PAda Kabupaten/Kota Di

Provinsi Sulawesi Barat Tahun 2006-2013

Muhammad Athar Belanja Pemerintah Sektor Pendidikan, Sektor Kesehatan dan

PDRB

Random Effect Model(REM)

Variabel belanja pendidikan berpengaruh signifikan positif terhadap IPM. Variabel belanja kesehatan berpengaruh signifikan positif pada terhadap IPM. Variabel

PDRB berpengaruh signifikan positifpada alpha 5 persen terhadap

IPM. 5 Kinerja Perekonomian,

Desentralisasi Fiskal, Dan Hubungannya Dengan Pembangunan

Manusia Di Kabupaten/Kota Provinsi Jawa Timur

Pimpin Piramida Kinerja Perekonomian, Desentralisasi Fiskal, Pembangunan Manusia

Regresi data panel

Dari studi ini disimpilkan bahwa Desentalisasi Fiskal dan Perekonomian daerah berpengaruh

signifikan terhadap IPM

6 Pengaruh Investasi Publik Dan Swasta Terhadap Peningkatan

Indeks Pembangunan Manusia (IPM) Di

Jawa Timur

Mohamad Miftahur Royan, Aisah Jumiati,

Fajar Wahyu Prianto

Investasi publik dan swasta

Regresi Linear Berganda

Investasi publik dan swasta sama-sama berpengaruh positif signifikan

terhadap peningkatan IPM di Jawa Timur. Peran Publik lebih besar

dibanding swasta hal ini ditunjukkan oleh koefisien regresi

C. Kerangka Berfikir

Berdasarkan telaah pustaka yang dilakukan dalam menentukan faktor yang mempengaruhi pertumbuhan Indeks Pembangunan Manusia Indonesia, maka variable-variabel yang akan diteliti adalah pertumbuhan Pengeluaran Pemerintah Bidang Kesehatan, Pengeluaran Pemerintah Bidang Pendidikan, Penanaman Modal Dalam Negeri (PMDN) dan Penanaman Modal Asing (PMA) dalam krangka berfikir sebagai berikut:

D. Hipotesis

Pengeluaran Pemerintah Bidang Kesehatan dan Pengeluaran Pemerintah Bidang Pendidikan berpengaruh posisitf signifikan pada IPM, hal ini menunjukkan bahwa dengan ditingkatkannnya PPBK dan PPBP maka akan meningkatkan pembangunan manusia. Dengankata lain bahwa PPBK dan PPBP yamg disalurkan oleh poemerintah dapat meningkatkan komperensi masyarakt

Pengeluaran Pemerintah Bidang Kesehatan Pengeluaran Pemerintah

Bidang Pendidikan Penanaman Modal Asing

pertumbuhan Indeks Pembangunan Manusia di

Indonesia

Penanaman Modal Dalam Negeri

serta kesehatannya, karena PPBK dan PPBP merupakan duaindikator penting dalam pembangunan IPM. sudah sepatutnya pemerintah memberikan layanan publik yang yang memadai dalam rangka peningkatan kualitas manusia yang selanjutnya akan meningkatkan Indeks Pembangunan Manusia (IPM) (Maryani, 2010).

Menurut Pramono dan Rofi (2011) PMA berpengaruh positif terhadap IPM, hal ini didukung juga oleh Ningrum (2015) bahwasanya investasi baik itu PMA maupun PMDN berpengaruh positing terhadap Indeks pembangunan Manusia (IPM). Dengan meningkatnya jumlah investasi maka terjadi pertumbuhan ekonomi yang mengakibatkan peningkatan IPM.

Berdasatkan konsep, teori yang telah dikemukakan terdahulu dan telaah pustaka dapat disimpulkan, adapun hipotesis dalam penelitian ini adalah :

1. Pertumbuhan pengeluaran pemerintah bidang kesehatan berpengaruh positif terhadap pertumbuhan indeks pembangunan manusia di Indonesia.

2. Pertumbuhan pengeluaran pemerintah bidang pendidikan berpengaruh positif terhadap pertumbuhan indeks pembangunan manusia di Indonesia.

3. Pertumbuhan penanaman modal asing berpengaruh positif terhadap pertumbuhan indeks pembangunan manusia di Indonesia.

4. Pertumbuhan penanaman modal dalam negeri berpengaruh positif terhadap pertumbuhan indeks pembangunan manusia di Indonesia.

32

❆✏ Obyek dan Subyek Penelitian

1. Obyek Penelitian

Obyek penelitian ini adalah pertumbuhan indeks pembangungan manusia Indonesia dan metode penelitiannya adalah analisis kuantitatif yang bertujuan untuk memperoleh informasi tentang pertumbuhan Pengeluaran Pemerintah Bidang Kesehatan dan pendidikan, PMDN serta PMA terhadap pertumbuhan Indeks Pembangunan Manusia Indonesia tahun1985 sampai 2014.

2. Subyek Penelitian

Pada penelitian ini menggunakan variabel dependen pertumbuhan indeks pembangungan manusia Indonesia dan variable independennya adalah pertumbuhan Pengeluaran Pemerintsh Bidang Kesehatan dan pendidikan, PMDN dan PMA.

B. Jenis Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa time series dalam bentuk tahunan selama periode tahun

1985 sampai dengan 2014. Data yang digunakan meliputi, pertumbuhan Indeks Pembangunan Manusia Indonesia, pertumbuhan Pengeluaran Pemerintah Bidang Kesehatan dan pertumbuhan Pengeluaran Pemerintah

Bidang Pendidikan, pertumbuhan Penanaman Modal Asing (PMA) serta pertumbuhan Penanaman Modal Dalam Negeri (PMDN).

C. Teknik Pengumpulan Data

Teknik pengumpulan data dilakukan dengan mencari data variable penelitian dengan kata lain menggunakan metode library research yaitu

penelitian yang menggunakan suber-sumber dari kepustakaan seperti mengumpulkan catatan-catatan/data-data, artikel, jurnal, laporan ilmiah yang diperlukan sesuai penelitian yang akan dilakukan dari lembaga terkait.

D. Sumber Data

Data-data tersebut didapatkan dari sumber-sumber sebagai berikut: 1. Badan Pusat Statistik (BPS)

BPS merupakan lembaga pemerintah non kementrian yang yang menyediakan data statistic yang berkualitas melalui kegiatan statistic yang terintegrasi dan berstandar nasional maupun internasional serya bertanggung jawab langsung kepada presiden (Badan Pusat Statistik, 2016).

2. United Nations Development Programme (UNDP).

UNDP merupakan organisasi terbesar dari PBB yang perannya penting bagi negara-negara berkembang yang bertujuan untuk mendukung pemerintahan dengan sistem demokratis, menanggulangi kemiskinan, perluasan energy dan keseimbangan lingkungan serta penanggukangan HIV/AIDS (UNDP, 2014).

E. Definisi Oprerational Variabel Penelitian

Pada penelitian ini menggunakan variabel dependen pertumbuhan indeks pembangungan manusia Indonesia dan variable independennya adalah pertumbuhan Penanaman Modal Dalam Negeri (PMDN), Penanaman Modal Asing (PMA), Pengeluaran Pemerintah Bidang Kesehatan dan Pengeluaran Pemerintah Bidang Pendidikan. Berikut penjelasan definisi operational masing-masing variabel:

a. Indeks Pembangunan Manusia (IPM)

United Nation Development Programme (UNDP)

merupakan bagian dari Lembaga Perserikatan Bangsa-Bangsa (PBB) dalam bidang pembangunan menjelaskan Indeks Pembangunan Manusia sebagai proses memperluas pilihan manusia dalam hal ini yang diutamakan adalah harapan hidup, rata-rata lama sekolah dan paritas daya beli yang dilihat dari pertumbuhan ekonomi disuatu negara. Data diambil dari data UNDP Indonesia tahun 1985-2014 dinyatakan dalam bentuk persen.

b. Pengeluaran Pemerintah Bidang Kesehatan

Pengeluaran pemerintah bidang kesehatan adalah pengeluaran yang dilakukan pemerintah dibidang kesehatan baik itu dalam memberikatan dana-dana bantuan kesehatan bagi masyarakat terutama yang tidak mampu dan dan memberikan layanan yang baik. Data pengeluaran pemerintah bidang kesehatan diambil dari

Badan Pusat Statistik DIY tahun 1958 hingga 2014 dalam bentuk persen, yang diperoleh dengan rumus:

Pertumbuhan PPBK_t=

PPBK_t-PPBK_t-1 PPBK_t-1 x 100

c. Pengeluaran Pemerintah Bidang Pendidikan

Pengeluaran pemerintah bidang pendidikan adalah pengeluaran yang dilakukan pemerintah dibidang pendidkan untuk meningkatkan mutu pendidikan di guna mencerdaskan kehidupan bangsa. Data diperoleh dari Badan Pusat Statistik DIY dalam bentuk persen daritahun 1985-2014 dengan rumus:

Pertumbuhan PPBP_t=

PPBP_t-PPBP_t-1 PPBP_t-1 x 100

d. Penanaman Modal Asing (PMA)

Menurut ketentuan Pasal 1 ayat (1) UU No. 25 Tahun 2007 menyebutkan bahwa penanaman modal adalah segala bentuk kegiatan menanam modal, baik oleh penanam modal dalam negeri maupun penanam modal asing untuk melakukan usaha di wilayah Negara Republik Indonesia. data diamnil dari Badan Pusat Statistik DIY tahun 1985-2014 dalam bentuk persen.

Pertumbuhan PMA_t=

PMA_t-PMA_t-1 PMA_t-1 x 100

Penanaman modal dalam negeri adalah penanamn modal yang dilakukan oleh warga negara ataupun asing yang menetap disuatu negara. Data yang diperoleh dari Badan Pusat Statistik DIY dari tahun 1985-2014 dalam bentuk persen dengan rumus :

Pertumbuhan PMDN_t=

PMDN_t-PMDN_t-1 PMDN_t-1 x 100

F. Metode Analisis

Metodeanalisis Vector ❊✑ ✑✒ ✑ ❈✒ ✑ ✓✔✕✖✒ ✗ Model (VECM) dipilih

dalam menganalisis data pada penelitian ini. Analisis VECM digunakan untuk melihat ❚✑ ✓✗ ✘ statistik dalam data mengindikasikan bahwa ada

komponen long-run (jangka panjang) dan short-run (jangka pendek) dalam data time series.Penelitian tentang trend stokastik dalam variabel ekonomi terus berkembang, sehingga pada tahun 1981, Granger mengembangkan konsep kointegrasi.Pada tahun 1987, Engle bersama Granger mengembangkan konsep kointegrasi dan koreksi error (error correction).Kemudian, pada tahun 1990, Johansen dan Juselius mengembangkan konsep VECM. VECM menawarkan suatu prosedur kerja yang mudah untuk memisahkan komponen jangka panjang (long-run) dan komponen jangka pendek (short-run) dari proses pembentukan Metode Estimasi model regresi.

Menrut Gujarati (2003) terdapat keunggulan dalam menggunakan menggunakan VECM adalah:

1. Dapat melihat variable yang lebih banyak dalam menganalisis ekonomi jangka pendek maupun jangka panjang.

2. Dapat mengkaji kekonsistennan model empirik dengan teori ekonometrika

3. Mampu mencarikan pemecahan terhadap variable runtun waktu yang tidak stasioner dan regresi lancing.

Guna mendapat model yang tepat untuk data pada penelitian ini, maka ada beberapa tahapan yang harus dilalui yaitu :

a. Uji Stasioneritas Data

Uji stasioneritas data atau disebut juga uji akar unit. Uji akar unit adalah konsep dalam menguji kestasioneran data time series. Dickey dan Fuller mengembangkan pengujian ini dengan menggunakan Augmented Dickey Fuller ✙✚✛ ✜ (ADF). Menurut

Rusydiana, (2009) dalam (Basuki,2015) menyatakan bahwa data ekonomi time series umumnya bersifat stikastik (memiliki trend yang tidka stasioner/ data memiliki akar unit). Apabila terdapat akar unit akan menyulitkan dalam mengestimasi suatu model dikarenakan nilainya cenderung akan berfluktuasi bukan pada nilai rata-ratanya. Uji stasioneritas yang akan digunakan adalah uji ADF dengan menggunakan taraf nyata 5%.

Gujarati (2003) meneranggkann persamaan uji stasioneritas dengan menggunakan ADF dalam persamaan berikut:

_{….……….(1)}

∆Y_t= a₀+γ Y_t-1+ ∑p

i = 2Yt-i = 1+εt

Yang mana mengikuti proses white noise :_εt

γ= -(1

-p

∑

i-1 ai )

βi=

-p

∑

i-1 ai

pada persamaan diatas, hipotesis adalah 0 yang melawan _γ hipotesis alternatif γ< 0. apabila nilai ADF secara absolit lebih kecildibanding nilai kritis Mac Kinnon, maka yang terjadi adalah penerimaan terhadap hipotesis nol. Dengan kata lain, Yt mengandungsatu akar unit. Seri yang belum stasioner dapat dibuat menjadi stasioner dengan proses diferensiasi. Deferensiasi Yt pada tingkatderajat pertama dapat dinyatakan sebagai berikut :

……..……….(4)

∆Y_t= a₀+_β1 ∆Y_t-1+_εt

Apabila dalam hipotesis nol _β1 = 0 ditolak maka dapat

disimpulkan bahwa Yt telah stasioner pada derajat pertama.

b. Uji Panjang Lag Optimal

………..…….(2)

Penentuan jumlah lag (ordo) yang akan digunakan dalam model VAR dapat ditentukan berdasarkan kriteria sebagai berikut:

Akaike Information Criterion (AIC) : -2

(

_T1

)

+ 2(k + T)……….(1)

Schwarz Information Criterion (SIC):-2

(

_T1

)

+ klog (T)_T ……..….(2)

Hannan-Quinn(HQ) : -2

(

1_T

)

+ 2klog

(

log (T)_T

)

…(3)

Dimana :

1 : Jumlah Observasi

k : parameter yang diestimasi

Penentuan lag pada model VAR sesuai dengan criteria informasi yang direkomendasikan oleh Akaike Information Criterion

(AIC),Schwarz Information Criterion (SIC),Hannan-Quinn (HQ) dan Final Prediction Error (FPE). Kriteria yang memiliki AIC, SIC, HQ atau FPE paling kecil adalah lag yang akan digunakan. Pengujian lag ini digunakan agar tidak terdapat permasalahan autokorelasi dalam sistem (Basuki, 2015).

c. Uji Stabilitas Model VAR

Setelah menentukan kriteria panjang lag untuk estimasi VAR, langkah selanjutnya adalah pengujian stabilitas VAR menggunakan

Modulus polynomial kurang dari 1 (<1) berarti bahwa variable

tersebut stabil.Uji stabilitas model VAR perlu dilakukan karena apabila hasil dari estimasi VAR yang digabungkan dengan model koreksi kesalahan tidak stabil, hal ini akan berdampak pada Impuls

Response Function (IRF) dan Variance Decomposition(VD) menjadi tidak stabil (Basuki, 2015)

d. Uji Kointegrasi

Kointegrasi dilakukan guna menguji ada tidaknya Hubungan jangka panjang antar variable. Uji kointegrasi yang digunakan adalah uji kointegrasi Johansen dengan membandingkan ✢✣ ✤✥✦ ❙ ✧✤ ✧★✩ ✧★✥ dan

✪✣★✧★✥ ✤✫ Value 5% dan 1% atau membandingkan maksimum

Eigenvalue dengan Critical Value 5% dan 1%, apabila nilai ✢✣✤✥✦

❙✧✤✧★✩ ✧★✥ dan maksimum Eigenvalue lebih besar dari Critical Value

5% dan 1% maka pada variabel tersebut terdapat kointegrasi, begitupun sebaliknya.

Sebelum melangkah lebih jauh, terlebih dahulu perlu dilakukan uji stabilits VAR, untuk melihat baik tidaknya data.Maka dilakukan uji VAR berupa stability condition chek data VAR stabil

apabila rootsnya memiliki nilai modulus lebih kecil dari satu (<1).

Jika Xt merupakan vertor endogen dalam VAR dengan panjang lag p maka :

………..(1)

X_t= A₁X_t-1+ A₂X_t-2+…+ A_PX_t-p+βY_t+ε_t

Dimana:

= vektor variabel endogen

X_t

= parameter matriks

A_P

= d-vektor dari determinan variabel

βY_t

vektorinnovation

ε_t=

Spesifikasi VAR ini dapat pula dinyatakan dalam bentuk first

differencesebagai berikut:

∆X_t= IIX_t-1+∑p-1 ……….(2)

i = jr1∆Xt+ βYt+εt

II=∑p-1 ……….(3)

i = jAi-I

……….(4)

r₁=∑p-1 i = jAj

I = matriks identitas

Apabila terdapat hubungan kointegrasi, maka digunakan model unrestricted VAR. Apabila terdapat hubungan kointegrasi

maka digunakan ❱ ✬✭✮✯✰✱✰ ✰ ✯✰✲ ✯✰ ✰ ✬✳✮✴✯✵Model (VECM).

Uji kausalitas granger dilakukan untuk mengetahui apakah diantara variabel memiliki hubungan timbal balik atau tidak, karena masing-masing variabel dalam penelitian memiliki kesempatan untuk menjadi variabel eksogen maupun endogen. Pada uji kausalitas ini mrnggunakan VAR Pairwise Granger Causality ✹✺✻ ✼ dan

menggunakan taraf lima persen. Berikut hasil analisis Pairwise

Granger Causality ✹✺✻ ✼✽

Terdapat tiga interpretasi Granger : pertama ✉✾ ✿❀ ✿❁ ✺❂ ✼✿❃✾ ❄ ❅

❂❄✉✻ ❄ ❅✿✼❝, kedua ❜✿❅❄ ✼✺❁ ❄ ❅ ❂❄✉✻ ❄❅✿✼❝ dan ketiga ✿✾ ❀✺❇✺✾❀✺✾ ❂✺ ❂❄✉✻ ❄ ❅✿✼❝.❯✾ ✿❀✿❁ ✺❂ ✼✿❃ ✾❄❅ ❂❄✉✻ ❄❅✿✼❝terjadi jika koefisien lag variabel

dependen signifikan dan seluruh lag variabel independen adalah nol.

❉✿❅❄✼✺❁❄❅ ❂❄ ✉✻❄❅✿✼❝terjadi ketika koefisien lag seluruh variable baik

independen dan depanden signifikan ❋●❍■❏❑❏ ▲▼◆ Ekonometrika ❖❏P❏❑◆

2003).

Skala yang digunakan pada penelitian ini adalah 5%, artinya ketika nilai dibawah 5% maka Ha diterima atau dengan kata lain

terdapat pengaruh dari variabel satu ke variabel lain.

f. Vektor Error Correction Model (VECM).

◗✺ ❘ ✼❃ ❁ ❲❁ ❁ ❃❁ ❳❃❁ ❁ ✺❂ ✼✿❃✾ ❨❃❀✺ ❅ (VECM) adalah bentuk VAR

yang terrestriksi karena keberadaan bentuk data yang tidak stasioner namun terkointegrasi. Spesifikasi VECM merestriksi hubungan jangka panjang variabel-variabel endogen agar konvergen kedalam

hubungan kointegrasinya, namun tetap membiarkan keberadaan dinamisasi jangka pendek (Basuki, 2015).

Sumber : Gujarati (2004)

Gambar 3.1 Model VAR dan VECM

Level yang digunakan pada penelitian adalah 5%, artinya ketika nilai yang didapat lebih rendah dari 5% Ha diterima atau dengan kata lain

terdapat pengaruh dari variabel satu ke variabel lain.

g. Analisis Impuls Response Function

Fungsi dari Impulse Response adalah untuk melihat respon variabel

endogen dari waktu ke waktu trehadap guncangan (shock) variabel tertentu

dan berapa lama guncangan tersebut terjadi (Basuki, 2015).

Forecast ❬ ❭ ❭❪ ❭ Variance Decompotition (FEVD) atau dekomposisi

ragam kesalahan peramalan menguraikan inivasi pada suatu variabel terhadap komponen-komponen variabel yang lain dalam VAR. Informasi yang disampaikan dalam FEVD ini adalah pergerakan secara berurutan yang diakibatkan oleh guncangan sendiri serta variabel lain (Nugroho,2009 dalam Basuki, 2015).

45 A. Statistik Deskriptif

Statistik deskriptif mewakili seluruh contoh populasi dalam penelitian. Hal ini menjelaskan mengenai kecenderungan data tengah dan pengukuran dispersi. Eviews 9 digunakan sebagai alat ekonometrika untuk menganalisis data. Pada penelitian ini ditemukan statistik desktiptif sebagai berikut :

Table ❦❧♥ Statistik Deskriptif

IPM PPBK PPBP PMA PMDN

Mean 0.632187 19.54880 28.65989 36.15727 28.64490

Median 0.674000 14.23222 15.41574 16.99249 32.76737

Maximum 0.731000 102.7397 390.4988 449.5559 176.4058 Minimum 0.3584 -5176520 -44.80868 -86.52423 -58.89785 Std. Dev 0.102931 36.04140 74.92033 102.3469 58.61636 Skewness -1.377248 0.518209 3.878808 2.632065 0.692408 Observation 30 30 30 30 30

Sumber: Pengolahan Data, Lampiran 1

Tabel 4.1 memperlihatkan statistik deskriptif dari semua variabel yang berkaitan dengan perubahan pertumbuhan IPM, PPBK, PPBP, PMA dan PMDN. Dari table diatas dapat dilihat hasil dari nilai Mean, Median,

Maximum dan Minimum IPM masing-masing yakni, 0.632187, 0.674000, 0.731000, dan 0.3584, yang kedua nilai Mean, Median, Maximum dan Minimum PPBK adalah 19.54880, 14.23222, 102.7397 dan -5176520. Ketiga, nilai Mean, Median, Maximum dan Minimum PPBP adalah 28.65989,

15.41574, 390.4988 dan -44.80868. Selanjutnya nilai Mean, Median,

Maximum dan Minimum dari PMA adalah 36.15727, 16.99249, 449.5559 dan -86.52423. Terakhir nilai Mean, Median, Maximum dan Minimum dari PMDN masing-masing adalah 28.64490, 32.76737, 176.4058 dan -58.89785. Hasil menunnjukkan nilai mean yang positif diseluruh variabel. Nilai Skewness untuk seluruh variabel positif, selain Skewness dari IPM yaitu negatif (-1.377248).

B. Uji Akar Unit (Unit Root Test)

Uji akar unit atau disebut juga dengan uji stasioner yang digunakan untuk menguji data yang bersifat time series agar terhindar dari spurious regression. Jika nilai t-statistik lebih besar dari nilai kritis, data stasioner di level maka dapat dianalisis menggunakan metode VAR, tetapi jika nilai t-statistik lebih kecil dari nilai kritis maka data tidak stasioner pada tingkat level. Uji ADF digunakan untuk memeriksa data stasioner dan panjang lag dari enam variabel di level dan first difference. Ketika setiap variabel sudah dinyatakan stasioner maka koefisien dalam model akan menjadi lebih valid.Hasil unit root test disajikan melalui table dibawah ini.

Table 4.2 Unit Root Test – Augmented Dickey Fuller (ADF-test) Test ADF Level First Difference Variable t-statistic Prob Note t-statistic Prob Note

IPM -1.368691 0.5835 Tidak Stasioner -8.222278 0.0000 Stasioner PPBK -4.541918 0.0012 Stasioner -6.043751 0.0000 Stasioner PPBP -5.209408 0.0002 Stasioner -5.714227 0.0001 Stasioner PMDN -6.466452 0.0000 Stasioner -5.576984 0.0001 Stasioner PMA -5.937230 0.0000 Stasioner -4.998686 0.0005 Stasioner

Sumber : Pengolahan Data, Lampiran 2

Dari table 4.2 diatas memperlihatkan bahwa data pertumbuhan Indeks Pembangunan Manusia (IPM), Pengeluaran Pemerintah Bidang Kesehatan (PPBK), Pengeluaran Pemerintah Bidang Pendidikan (PPBP), Penanaman Modal Dalam Negeri (PDMN), dan Penanaman Modal Asing (PMA) telah stasioner pada first difference. Data dapat dikatakan stasioner ketika ADF t-statistik ♦Critical Value 5%.Karena kelima variable tersebut stasioner pada

first difference maka nilai didefinisikan dalam persamaan berikut ini :

DIPM₁= A₀+ A₁DPPBK_t

♣2

+ A₂DPPBP_t

♣2 + A q DPMA_t ♣2 + A r DPMDN_t ♣2

+ε_t

Karena D merupakn first difference, itu artinya bahwa DIPM merupakan first difference dari IPM, DPPBK merupakan first difference dari pengeluaran pemerintah bidang kesehatan, DPPBP merupakan first difference

dari pengeluaran pemerintah bidang pendidikan, DPMDN merupakan bentuk

first difference dari penanaman modal dalam negeri dan DPMA merupakan bentuk first difference dari penanaman modal asing.

C. Uji Panjang lag

Langkah kedua dalam proses ini adalah menentukan panjang lag optimal untuk sistem VAR guna melihat hubungan jangka panjang antar variabel. Penentuan lag pada model VAR sesuai dengan criteria informasi yang direkomendasikan oleh Akaike Information Criterion (AIC), Schwarz Information Criterion (SIC), Hannan-Quinn (HQ) dan Final Prediction Error

(FPE). Kriteria yang memiliki AIC, SIC, HQ atau FPE paling kecil adalah lag yang akan digunakan. Pengujian lag ini digunakan agar tidak terdapat permasalahan autokorelasi dalam sistem (Basuki, 2015).

Tabel 4.3 Kriteria Panjang Lag

Lag LogL LR FPE AIC SC HQ

0 s t✇ ①②③ ④⑤ ⑥ NA t② ④⑦ ⑧⑨⑦ ⑦ ⑩⑦ ②③ ⑤ ❶⑩ ④ ⑩⑦ ②⑩✇ ⑤③ ⑦ ⑩ ⑦②①①⑩ ① ❶

1 s t⑩ ①② t①✇ ⑥ ④ ⑥② ⑥✇ ① ❶✇❷ ⑦② ❶ ④⑧⑨⑦⑦❷ ①✇②tt⑩⑩④❷ ⑩ ❶②✇ ⑤ ⑥✇③❷ ①✇②✇ ✇ ④⑩⑤❷ ❷ indicates lag order selected by the criterion

❸❹ ❺ sequential modified ❸❹ test statistic (each test at 5% level)

FPE: Final prediction error AIC: Akaike information criterion SC: ❻❼❽❾❿➀ ➁ information criterion

HQ: Hannan-Quinn information criterion Sumber : Pengolahan Data, ➂➃➄ ➅➆ ➇➃ ➈ 3

Table memperlihatkan hasil otomatis panjang lag dengan

menggunakan Eview ✇② Hal ini memperlihatkan bahwa nilai dari ❸❹ statistic,

Final Prediction Error (FPE), Akaike information criterion (AIC), Schwarz Information Criterion (SC), dan Hannan-Quinn Information (HQ) berada pada lag 1 masing-masing dengan nilai sebesar ④ ⑥②⑥✇①❶✇➉ ⑦②❶④ ⑧⑨⑦⑦➉

①✇ ② t t⑩ ⑩ ④➉ ⑩ ❶②✇ ⑤ ⑥✇③ dan ①✇ ②✇✇④⑩ ⑤② Berdasarkan hasil pengolahan data diatas

D. Pengujian Stabilitas VAR

Setelah menentukan kriteria panjang lag untuk estimasi VAR, langkah selanjutnya adalah pengujian stabilitas VAR menggunakan Root of Characteristic Polynomial. Ketika nilai dari Roots dan Modulus polynomial kurang dari 1 (<1) berarti bahwa variable tersebut stabil.

Tabel 4.4 Root of Characteristic Polynomial

Root Modulus

➊ ➋➌ ➍ ➍➎➏ ➐ ➊ ➋➌ ➍ ➍➎➏ ➐

➑➊ ➋ ➐➒➓ ➍ ➍➒ - ➊ ➋➏ ➓ ➔ ➒→➌ ➣ ➊ ➋ ➍➍ ➎➍ ➎➒ ➑➊ ➋ ➐➒➓ ➍ ➍➒↔➊➋➏ ➓ ➔ ➒→➌ ➣ ➊ ➋ ➍➍ ➎➍ ➎➒

➊ ➋ ➎➌ ➏ →➓➊ - ➊➋➍➊ ➔ →➍➌ ➣ ➊ ➋ ➍➐➓ →➊ ➐ ➊ ➋ ➎➌ ➏ →➓➊↔➊➋➍➊➔→ ➍➌➣ ➊ ➋ ➍➐➓ →➊ ➐

➑➊ ➋ ➔➌ ➏➌→➓ - ➊ ➋➐ →➓ ➏ ➔ ➐➣ ➊ ➋➏ → ➐➍ ➔➐ ➑➊ ➋ ➔➌ ➏➌→➓↔➊➋➐ →➓ ➏ ➔ ➐➣ ➊ ➋➏ → ➐➍ ➔➐

➊ ➋ ➎➔➊ ➐ ➎➎ - ➊➋→ ➔➐ ➐➓ ➏ ➣ ➊ ➋ →➍➓ ➒➓➓ ➊ ➋ ➎➔➊ ➐ ➎➎↔➊➋→➔ ➐➐➓➏➣ ➊ ➋ →➍➓ ➒➓➓

➊ ➋ ➐➐ ➒➏➎→ ➊ ➋ ➐➐ ➒➏➎→

No root lies outside the unit circle.

Sumber : Pengolahan Data, ↕➙➛ ➜➝ ➞➙ ➟➠

Berdasarkan table ➔➋→ diatas semua nilai dari Roots dan Modulus

kurang dari 1 (<1), dan berdasarkan VAR , telah memenuhi stabilitas kontrol, yang menyebutkan bahwa ➡ No root lies outside the unit circle ➢ ini berarti

bahwa variabel dapat digunakan pada model VAR.

E. Uji Kointegrasi Johansen

Uji kointegrasi dilakukan dengan memeriksa nilai stasioner dari masing-masing variabel dalam penelitian ini. Uji ini bertujuan untuk mengetahui keberadaan hubungan antar variabel, khususnya dalam jangka panjang. Apabila ditemukan kointegrasi pada variabel-variabel dalam model,

maka sudah pasti terdapat hubungan jangka panjang antar variabel dan dapat dilanjutkan dengan menggunakan VECM. Namun, apabila tidak terkointegrasi maka dapat menggunakan model VAR first Difference (FDVAR). Guna melihat angka integrasinya dengan melihat Trace Statistic dan Maximal Eigen statistic dan berdasarkan probabilitasnya. Apabila probabilitasnya _α➤0.05, maka tidak terdapat kointegrasi pada variabel. Hasil dari uji kointegrasi johansen diperlihatkan pada table 4.5 dibawah ini .

Tabel 4.5 Uji Kointegrasi Johansen

Model Hypothesized Trace Statistic

Prob. Max-Eigen statistic

Prob. Variabel

None ➥

➦➧ ➨➩ ➫➭ ➫➯ 0.0000 ➲ ➳➩➲ ➨ ➫➵➧ 0.0003 IPM

At most 1 ➥ ➨ ➳➩➵➫➸➧➫ 0.0000 ➧ ➨➩➭ ➳ ➳➳ ➦ 0.0013 PPBK

At most 2 ➥ ➭➸➩ ➯ ➫➸➲ ➭ 0.0001 ➵➦➩➲ ➫➯ ➦➭ ➸➩➸➲ ➲ ➫ PPBP

At most 3 ➥ ➵ ➳➩➦➳➲➧➦ 0.0003 ➦➯ ➩➯ ➫ ➵➯ ➲ ➸➩➸➵➸➲ PMA

Panjang

➺➻➼➽ 1

At most ➲➥ ➦ ➵➩ ➭ ➵ ➦➯➫ ➸➩➸ ➸➸➲ ➦➵➩➭ ➵ ➦➯➫ ➸➩➸➸ ➸➲ PMDN

Sumber : Pengolahan Data, lampiran 5

Table ➲ ➩➭ diatas menunjukkan hasil dari Johansen Juselius

Co-integration test. P-value dari MacKinnon-Haug-Mihelis adalah 0.000 <_α=

0.05, hal ini berarti bahwa H0 ditolak dan Ha diterima, dengan kata lain model

signifikan. Pada Trace statistic dapat dilihat bahwa lima variable terkointegrasi dan pada Max-Eigen statisticterdapat lima variabel yang terkointegrasi. Dengan kata lain terdapat kointegrasi antara IPM, PPBK, PPBP, PMA, PMDN pada tahun ➦➳ ➨➭➾➵➸➦➲➩ Berdasarkan pada tes ini terdapat

F. Uji Kualitas Granger

Uji kausalitas granger dilakukan untuk mengetahui apakah diantara variabel memiliki hubungan timbal balik atau tidak, karena masing-masing variabel dalam penelitian memiliki kesempatan untuk menjadi variabel eksogen maupun endogen. Pada uji kausalitas ini mrnggunakan VAR Pairwise Granger Causality Test dan menggunakan taraf lima persen. Berikut hasil analisis Pairwise Granger Causality Test.

Tabel 4.6 Hasil Pairwise Granger Causality Test

Variabel Dependen Variabel Independen Probability

IPM PPBK 0.3146

PPBP ➚ ➪➚ ➚➚ ➶ ➹

PMA 0.0610

PPBK IPM 0.9814 PPBP 0.8195 PMA 0.5865 PMDN 0.9354

PPBP IPM 0.8590

PPBK 0.1821

PMA 0.3256

PMDN 0.2589

PMA IPM 0.9531

PPBK 0.6484 PPBP 0.9070 PMDN 0.8865

PMDN IPM 0.6972

PPBK 0.2829 PPBP 0.9423

PMA 0.5754

5%

α

Sumber : Pengolahan Data, ➬➮➱ ✃❐ ❒➮ ❮ 6

Dari table diatas dapat dilihat hasil dari IPM sebagai variabel dependen, terdapat satu variabel independen yang signifikan yang mempengaruhi IPM yaitu Pengeluaran Pemerintah Bidang Pendidikan (PPBP) dengan probabilitas sebesar ❰ Ï❰ ❰❰ Ð Ñ sedangkan variabel PPBK,

PMA dan PMDN tidak berpengaruh signifikan terhadap IPM.

Pada variabel PPBK tidak berpengaruh signifikan pada IPM, PPBP, PMA dan PMDN dengan probabilitas masing masing sebesar

❰ÏÒÐÓÔÑ❰ ÏÐÓÒÕÑ❰ ÏÕÐÖÕ dan ❰ÏÒ×Õ ÔÏ ini berarti H0 diterima.

Pada variabel PPBP tidak berpengaruh pada IPM, PPBK, PMA dan PMDN. Variabel PMA H0 diterima maka PMA tidak mempengaruhi variabel

G. Model VECM

Hasil dari pengolahan data pada VECM akan mendapatkan hubungan jangka panjang dan jangka pendek antara variabel dependen (DIPM) dan variabel independen (DPPBK, DPPBP, DPMA dan DPMDN). Pada penelitian ini menggunakan lag 1 berdasarkan pada lag length criteria. Tabel 4.7 memperlihatkan hubungan jangka panjang dan jangka pendek antara Indeks Pembangunan Manusia (DIPM) sebagai variabel depanden dan variabel lainnya sebagai variabel independen, hasilnya sebagai berikut:

Tabel 4.7 Model VECM Jangka Panjang.

Jangka Panjang

Variabel Koefisien T- Statistik PPBK (-1) 0.001444 2.13158

PPBP(-1) -0.001660 -4.88154 PMA (-1) -0.000676 -2.91624 PMDN (-1) 0.002500 5.58659

Sumber : Pengolahan Data Lampiran 7

Table 4.7 diatas merupakan ringkasan dari analisis VECM guna melihat pengaruh variabel yang signifikan dalam hubungan jangka panjang. Hasilnya adalah seluruh variabel independen yang mempengaruhi IPM memiliki nilai yang signifikan yaitu αØ 5 persen, dengan rincian pertumbuhan Pengeluaran Pemerintah Bidang Kesehatan (PPBK) 2.13158, Pengeluaran Pemerintah Bidang Pendidikan (PPBP) -4.88154, Penanaman Modal Asing (PMA) -2.9162, dan Penanaman Modal Dalam Negeri (PDMN) 5.58659.

IPM =ÙÚ Ù ÙÛÜÜ Ü PPBK (-1)-ÙÚ Ù ÙÛÝÝÙPPBP(-1)- ÙÚ Ù ÙÙÝ ÞÝPMA(

-1)

ß1) + 0.002500 PMDN(

Berdasarkan persamaan perkiraan VECM jangka panjang diatas, maka hubungan jangka panjang antara pertumbuhan Indeks Pembangunan Manusia (IPM) memiliki nilai positif signifikan terhadap PPBK dan PMDN. Sedangkan pertumbuhan IPM memiliki nilai negarif yang sinifikan terhadap pertumbuhan PPBP, PMA.

Tabel 4.8 Model VECM Jangka Pendek.

Jangka Pendek

Variabel Koefisien T- Statistik

CointEq1 à áâã äåã æ ç à çâ èææ å çéé é

D(IPM(-1)) áâ áã ããäê áëã á áì á

D(PPBK(-1)) áë áá áãìá 1.00561

D(PPBP(-1)) áë áá áä çì à çâ çíãèäéé é

D(PMA(-1)) àíâ åíîà á è ã â êæçíå

D(PMDN(-1)) íâãêî à á è áâ êä ìíê

C áâ áã ãåäå äâå åãáêéé é

R-squared áâíì èíèå

Adj. R-squared áâ èì ììãå

é éé ëé éëé â 1%, 5%, 10%

Sumber: pengolahan Data, ïðñ òó ô ðõö

Table ìâ ê diatas merupakan ringkasan dari analisis VECM guna

melihat pengaruh variabel yang signifikan dalam hubungan jangka pendek. Dalam jangka pendek pertumbuhan Pengeluaran Pemerintah Bidang Pendidikan (PPDP) negatif dan signifikan, sedangkan PPBK, PMA dan PMDN tidak signifikan, hal ini menunnjukkan bahwa dalam jangka pendek dan jangka panjang beberapa variabel memiliki pengaruh terhadap pertumbuhan IPM. Persamaan dari model VECM sebagai berikut :

Sample (adjusted): 1987 2014

Included observations: 28 after adjustments Trend assumption: Linear deterministic trend Series: IPM KES PEND PMA PMDN Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.829224 138.7576 69.81889 0.0000

At most 1 * 0.748061 89.27037 47.85613 0.0000 At most 2 * 0.535598 50.67045 29.79707 0.0001 At most 3 * 0.448686 29.19431 15.49471 0.0003 At most 4 * 0.360586 12.52167 3.841466 0.0004 Trace test indicates 5 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values

Lampiran 6. Uji Kualitas Granger

Sample (adjusted): 1987 2014

Included observations: 28 after adjustments Trend assumption: Linear deterministic trend Series: IPM KES PEND PMA PMDN Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.829224 138.7576 69.81889 0.0000

At most 1 * 0.748061 89.27037 47.85613 0.0000 At most 2 * 0.535598 50.67045 29.79707 0.0001 At most 3 * 0.448686 29.19431 15.49471 0.0003 At most 4 * 0.360586 12.52167 3.841466 0.0004 Trace test indicates 5 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values

Vector Error Correction Estimates Date: 12/03/16 Time: 09:17 Sample (adjusted): 1987 2014

Included observations: 28 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1

IPM(-1) 1.000000

KES(-1) 0.001444

(0.00068) [ 2.13158]

PEND(-1) -0.001660

(0.00034) [-4.88154]

PMA(-1) -0.000676

(0.00023) [-2.91624]

PMDN(-1) 0.002500

(0.00045) [ 5.58659]

C -0.654974

Error Correction: D(IPM) D(KES) D(PEND) D(PMA) D(PMDN)

CointEq1 -0.129173 1.228073 112.6644 127.3189 -149.4955 (0.03610) (86.8383) (179.840) (120.951) (131.483) [-3.57793] [ 0.01414] [ 0.62647] [ 1.05265] [-1.13699] D(IPM(-1)) 0.011128 -6.212221 98.10695 -21.82566 -157.0439 (0.11083) (266.580) (552.081) (371.302) (403.634) [ 0.10040] [-0.02330] [ 0.17770] [-0.05878] [-0.38908] D(KES(-1)) 0.000140 -0.389099 -0.924185 -0.212428 -0.543807 (0.00014) (0.33444) (0.69262) (0.46582) (0.50638) [ 1.00561] [-1.16343] [-1.33433] [-0.45603] [-1.07391] D(PEND(-1)) -0.000234 0.038151 -0.069871 -0.027218 0.018313 (7.0E-05) (0.16719) (0.34625) (0.23287) (0.25315) [-3.36152] [ 0.22819] [-0.20179] [-0.11688] [ 0.07234] D(PMA(-1)) -6.96E-05 -0.048608 -0.181940 -0.545225 -0.075793 (3.7E-05) (0.08936) (0.18507) (0.12447) (0.13531) [-1.87369] [-0.54393] [-0.98308] [-4.38038] [-0.56016] D(PMDN(-1)) 6.18E-05 0.014614 -0.421331 0.035840 -0.469503

(7.5E-05) (0.18021) (0.37321) (0.25101) (0.27286) [ 0.82468] [ 0.08109] [-1.12892] [ 0.14279] [-1.72066]

C 0.011929 0.161847 0.176743 -14.11413 0.526106

(0.00399) (9.59265) (19.8661) (13.3610) (14.5244) [ 2.99108] [ 0.01687] [ 0.00890] [-1.05637] [ 0.03622]

R-squared 0.645659 0.120489 0.304736 0.720087 0.484820

Adj. R-squared 0.544419 -0.130800 0.106090 0.640112 0.337626 Sum sq. resids 0.009026 52218.03 223959.7 101302.2 119712.4 S.E. equation 0.020731 49.86555 103.2703 69.45440 75.50224

F-statistic 6.377488 0.479485 1.534062 9.003877 3.293742

Log likelihood 72.82825 -145.1640 -165.5485 -154.4415 -156.7793

Akaike AIC -4.702018 10.86886 12.32489 11.53154 11.69852

Schwarz SC -4.368967 11.20191 12.65795 11.86459 12.03157

Mean dependent 0.011629 0.310690 1.678612 -16.06645 0.504064 S.D. dependent 0.030715 46.89297 109.2266 115.7753 92.77012 Determinant resid covariance (dof adj.) 2.81E+10

Determinant resid covariance 6.68E+09

Log likelihood -515.3565

Akaike information criterion 39.66832

Schwarz criterion 41.57147

- .0 2 - .0 1 .0 0 .0 1 .0 2 .0 3

2 4 6 8 10

Response of IPM to IPM

- .0 2 - .0 1 .0 0 .0 1 .0 2 .0 3

2 4 6 8 10

Response of IPM to KES

- .0 2 - .0 1 .0 0 .0 1 .0 2 .0 3

2 4 6 8 10

Response of IPM to PEND

- .0 2 - .0 1 .0 0 .0 1 .0 2 .0 3

2 4 6 8 10

Response of IPM to PMA

- .0 2 - .0 1 .0 0 .0 1 .0 2 .0 3

2 4 6 8 10

Response of IPM to PMDN

- 40 - 20 0 20 40 60

2 4 6 8 10

Response of KES to IPM

- 40 - 20 0 20 40 60

2 4 6 8 10

Response of KES to KES

- 40 - 20 0 20 40 60

2 4 6 8 10

Response of KES to PEND

- 40 - 20 0 20 40 60

2 4 6 8 10

Response of KES to PMA

- 40 - 20 0 20 40 60

2 4 6 8 10

Response of KES to PMDN

- 80 - 40 0 40 80

2 4 6 8 10

Response of PEND to IPM

- 80 - 40 0 40 80

2 4 6 8 10

Response of PEND to KES

- 80 - 40 0 40 80

2 4 6 8 10

Response of PEND to PEND

- 80 - 40 0 40 80

2 4 6 8 10

Response of PEND to PMA

- 80 - 40 0 40 80

2 4 6 8 10

Response of PEND to PMDN

- 80 - 40 0 40 80

2 4 6 8 10

Response of PMA to IPM

- 80 - 40 0 40 80

2 4 6 8 10

Response of PMA to KES

- 80 - 40 0 40 80

2 4 6 8 10

Response of PMA to PEND

- 80 - 40 0 40 80

2 4 6 8 10

Response of PMA to PMA

- 80 - 40 0 40 80

2 4 6 8 10

Response of PMA to PMDN

- 40 0 40

2 4 6 8 10

Response of PMDN to IPM

- 40 0 40

2 4 6 8 10

Response of PMDN to KES

- 40 0 40

2 4 6 8 10

Response of PMDN to PEND

- 40 0 40

2 4 6 8 10

Response of PMDN to PMA

- 40 0 40

2 4 6 8 10

Response of PMDN to PMDN

Response to CholeskyOne S.D. Innovations ± 2 S.E.

Variance Decomposition

of IPM:

Period S.E. IPM KES PEND PMA PMDN

1 0.020731 100.0000 0.000000 0.000000 0.000000 0.000000 2 0.038968 77.00467 0.915658 14.75756 1.468920 5.853194 3 0.052913 79.06236 1.725184 10.21805 0.905078 8.089328 4 0.066822 78.29109 1.137352 8.259551 1.545881 10.76612 5 0.079063 78.29047 1.179147 7.177694 1.422028 11.93066 6 0.089886 78.08033 1.071644 6.495821 1.576377 12.77582 7 0.099944 77.95746 1.056971 6.057290 1.563651 13.36462 8 0.109004 77.86364 1.033962 5.725494 1.616903 13.76000 9 0.117531 77.77835 1.019609 5.498911 1.624866 14.07827 10 0.125417 77.72345 1.012136 5.312521 1.647352 14.30454 Variance

Decomposition of KES:

Period S.E. IPM KES PEND PMA PMDN

1 49.86555 2.000732 97.99927 0.000000 0.000000 0.000000 2 60.85700 1.776804 97.53662 0.504991 0.170580 0.011007 3 72.01415 2.038898 97.41514 0.384071 0.141579 0.020313 4 81.46304 1.911811 97.47733 0.433021 0.154016 0.023826 5 89.72460 1.969487 97.45984 0.398731 0.150552 0.021389 6 97.50300 1.933476 97.48988 0.406180 0.151099 0.019366 7 104.5368 1.944967 97.49254 0.394075 0.151493 0.016929 8 111.2380 1.933923 97.50671 0.393388 0.150787 0.015188 9 117.4871 1.934879 97.51173 0.388460 0.151316 0.013618 10 123.4626 1.930988 97.51923 0.386524 0.150857 0.012403 Variance

Decomposition of PEND:

Period S.E. IPM KES PEND PMA PMDN

1 103.2703 3.489957 40.50586 56.00418 0.000000 0.000000 2 120.8574 4.538361 32.41179 60.59712 2.278534 0.174190 3 140.0583 4.112729 33.23919 60.69474 1.701212 0.252126 4 154.7981 3.722153 31.23698 62.93931 1.843460 0.258103 5 168.6720 3.569282 30.84459 63.69940 1.622985 0.263747 6 181.4561 3.313156 30.09268 64.69989 1.591025 0.303253 7 193.1208 3.196280 29.72505 65.27502 1.492332 0.311318 8 204.3910 3.042722 29.34750 65.82529 1.446757 0.337731 9 214.8322 2.953372 29.07196 66.23437 1.393722 0.346575 10 224.9595 2.856431 28.83837 66.58605 1.356516 0.362634 Variance

Decomposition of PMA:

Period S.E. IPM KES PEND PMA PMDN 1 69.45440 0.588477 24.46794 3.428236 71.51535 0.000000 2 83.59971 3.036026 30.08236 2.753235 61.78950 2.338874 3 102.3286 2.173756 29.43420 3.489463 63.04036 1.862223 4 114.8976 2.979888 30.44053 3.045275 60.76641 2.767897 5 128.1626 2.762226 30.91767 3.273591 60.39897 2.647544 6 139.1269 3.056822 31.06531 3.085507 59.77257 3.019797 7 149.9370 3.029632 31.43808 3.136610 59.37221 3.023471 8 159.6576 3.147607 31.49376 3.060077 59.11208 3.186477 9 169.0370 3.168161 31.70611 3.062780 58.83859 3.224357 10 177.8050 3.224284 31.76160 3.029129 58.67866 3.306332 Variance

Decomposition of PMDN:

Period S.E. IPM KES PEND PMA PMDN

1 75.50224 23.29541 0.051627 45.23854 8.545637 22.86878 2 84.54708 20.64325 6.282758 47.23098 7.157097 18.68591 3 99.05714 18.73732 4.594897 51.83421 7.455039 17.37854 4 107.8195 17.80078 5.785846 53.89609 6.758987 15.75830 5 116.9680 16.91934 5.190281 56.10230 6.872122 14.91596 6 124.9689 16.37695 5.326483 57.65909 6.517904 14.11957 7 132.4748 15.85380 5.137232 58.95239 6.504549 13.55202 8 139.6636 15.49433 5.098644 59.99707 6.327247 13.08271 9 146.3708 15.15467 5.025317 60.85077 6.277795 12.69144 10 152.8882 14.89740 4.972414 61.57551 6.180220 12.37445 Cholesky

Ordering: IPM KES PEND PMA PMDN