Gambaran Umum Objek Penelitian

51 kesejahteraan masyarakat berkaitan erat dengan perkembangan investasi yaitu berupa nilai tambah oleh kegiatan investasi tersebut. Perkembangan investasi di Provinsi Jawa Barat mengalami fluktuasi dalam 12 tahun terakhir dimana pada investasi Penanaman Modal Dalam Negeri PMDN tertinggi pada tahun 2012 sebesar 17,45 milliar Rp dan terendah pada tahun 2002 sebesar milliar Rp sedangkan investasi Penanaman Modal Asing PMA tertinggi pada tahun 2013 sebesar ribu US dan terendah pada tahun 2002 sebesar 4.283 ribu US. 3. Penduduk dan Tenaga Kerja a Penduduk Pada tahun 2013 penduduk Jawa Barat terbanyak berada di Kabupaten Bogor, yaitu sebesar 5,2 juta jiwa dan diikuti oleh Kabupaten Bandung 3,4 juta jiwa. Hal ini tidak berbeda dengan kondisi di tahun sebelumnya. Sedangkan penduduk terkecil berada di kota Banjar yaitu sebanyak 0,18 juta jiwa. Jumlah rumah tangga pada tahun 2012 di Jawa Barat mencapai 12,1 Juta rumah tangga, dengan rata-rata per rumah tangga 4 anggota.Rata-rata Jumlah Penduduk di Jawa Barat lebih banyak laki-laki dibandingkan perempuan, dengan Sex rasio 102,99. Sex rasio tertinggi adalah Kabupaten Cianjur 106,31 disusul oleh Kabupaten Karawang sebesar 105,58. 52 Kepadatan Penduduk di Jawa Barat Pada tahun 2013 sebesar 1.219 orangkm, dengan luas wilayah sebesar 37.173,97 km2. Diantara Kabupatenkota se Jawa Barat kepadatan penduduk tertinggi adalah di Kota Bandung yaitu sebesar 14.613 orangkm2, disusul oleh Kota Cimahi 13.859 orangkm2 dan terendah di kabupaten Ciamis 421,59 orangkm2. b Tenaga kerja a. Komposisi penduduk usia kerja Penduduk Usia Kerja didefinisikan sebagai penduduk yang berumur 15 tahun dan lebih. Mereka terdiri dari Angkatan Kerja dan Bukan Angkatan Kerja. Proporsi penduduk yang tergolong Angkatan Kerja adalah mereka yang aktif dalam kegiatan ekonomi. Keterlibatan penduduk dalam kegiatan ekonomi diukur dengan porsi penduduk yang masuk dalam pasar kerja yakni yang bekerja atau mencari pekerjaan. Tingkat Partisipasi Angkatan Kerja TPAK merupakan ukuran yang menggambarkan jumlah angkatan kerja untuk setiap 100 penduduk usia kerja. Kesempatan kerja memberikan gambaran besarnya tingkat penyerapan pasar kerja, tenaga kerja yang tidak terserap di kategorikan sebagai penganggur. Pada tahun 2013, jumlah angkatan kerja di seluruh provinsi Jawa Barat sebanyak 20.620.610 orang, yang aktif bekerja sebanyak 18.731.943 53 orang atau sebesar 90,84 persen dan yang menganggur sebanyak 1.888.667 orang sebesar 9,16 persen. b. Komposisi penduduk yang bekerja Proporsi pekerja menurut lapangan pekerjaan merupakan salah satu ukuran untuk melihat potensi sektor perekonomian dalam menyerap tenaga kerja. Hal lain dapat pula mencerminkan struktur perekonomian suatu wilayah. Tabel 4.2 Luas Daerah, Jumlah Penduduk dan Kepadatan Penduduk menurut KabupatenKota di Provinsi Jawa Barat, 2014 No. Kabupaten Luas Wilayah Km2 Penduduk Kepadatan PendudukKm2 1. Bogor 2997,13 5 202 097 1 735,69 2. Sukabumi 4160,75 2 408 417 578,84 3. Cianjur 3594,65 2 225 313 619,06 4. Bandung 1756,65 3 405 475 1 938,62 5. G a r ut 3094,40 2 502 410 808,69 6. Tasikmalaya 2702,85 1 720 123 636,41 7. C i a m is 2740,76 1 541 600 421,59 8. Kuningan 1189,60 1 042 789 876,59 9. Cirebon 1071,05 2 093 075 1 954,32 10. Majalengka 1343,93 1 170 505 870,96 11. Sumedang 1560,49 1 125 125 721,01 54 12. Indramayu 2092,10 1 672 683 799,52 13. Subang 2164,48 1 496 886 691,57 14. Purwakarta 989,89 898 001 907,17 15. Karawang 1914,16 2 225 383 1 162,59 16. B e ka si 1269,51 3 002 112 2 364,78 17. BandungBarat 1335,60 1 588 781 1 189,56 18. Bogor 111,73 1 013 019 9 066,67 19. Sukabumi 48,96 311 822 6 368,91 20. Bandung 168,23 2 458 503 14 613,94 21. Cirebon 40,16 301 728 7 513,15 22. Bekasi 213,58 2 570 397 12 034,82 23. Depok 199,44 1 962 182 9 838,46 24. Cimahi 41,20 570 991 13 859,00 25. Tasikmalaya 184,38 651 676 3 534,42 26. Banjar 130,86 179 706 1 373,27 Jawa Barat 37173,97 45 340 799 1219,69 Sumber : BPS, Jawa Barat Dalam Angka 2014 4. Pertumbuhan Ekonomi Struktur perekonomian Jawa Barat selama dalam tiga tahun terakhir, Produk Domestik Regional Bruto PDRB ADHB Jawa Barat dengan migas mengalami peningkatan. Pada tahun 2011 nilai tambah yang terbentuk sebesar 862.234.648miliar 55 rupiah. Pada tahun 2012, angka ini sebesar 949.761.265miliar rupiah dan tahun 2013 sebesar 1.070.177.138 miliar rupiah. Pada tahun 2013 terdapat empat sektor yang memberikan sumbangan terbesar berdasarkan harga berlaku dengan migas, empat sektor tersebut adalah sektor industri pengolahan, sektor perdagangan hotel dan restoran, sektor pertanian, serta sektor jasa-jasa seperti ditunjukkan pada tabel 4.3. Menurut data dari Badan Pusat Statistik BPS tahun 2013, terjadi beberapa pergeseran struktur ekonomi bila dibandingkan kondisi tahun sebelumnya dimana hampir semua sektor mengalami peningkatan walaupun tidak semuanya mengalami peningkatan yang signifikan. Tabel 4.3 Distribusi Persentase PDRB Jawa Barat Menurut Lapangan Usaha Atas Dasar Harga Berlaku Dengan Migas persen, 2011-2013 Lapangan Usaha 2011 2012 2013 Pertanian 104 557 476 111 047 189 127 884 693 Pertambangan Penggalian 17 362 819 17 587 827 18 608 261 Industri Pengolahan 319 983 632 338 968 111 369 830 981 Listrik, Gas Air Bersih 21 943 285 24 169 676 29 190 228 Bangunan 35 034 275 41 721 346 47 133 450 56 Sumber: BPS Jawa Barat Dalam Angka 2013 Dilihat dari pertumbuhan ekonomi, perekonomian Jawa Bara mengalami peningkatan yang cukup baik. Hal ini ditunjukkan dari angka pertumbuhan ekonomi Jawa Barat dengan migas meningkat dari tahun ke tahunt.Begitu juga pertumbuhan eknomi tanpa migas meningkat dari tahin ke tahun.Dari berbagai macam sektor semuanya mengalami peningkatan yang cukup signifikan.

B. Estimasi Model ARIMA

1. Penanaman Modal Asing PMA

1 Preprocessing Data dan Indentifikasi Model a Plot Data Untuk melihat perkiraan kasar dari bentuk model yang sesuai yaitu dengan melihat plot data deret waktu dari Perdagangan Hotel dan Restoran 194 615 660 226 849 565 261 537 327 Pengangkutan dan Komunikasi 66 336 491 73 802 070 87 721 801 Keuangan Persewaan dan Jasa Perusahaan 24 479 916 27 913 245 32 212 810 Jasa-Jasa 77 921 093 87 702 235 96 057 585 PDRB Dengan Minyak dan Gas Bumi 862 234 648 648 949 761 265 1 070 177 138 57 obyek PMA Jawa Barat 1994-2014 apakah pola data dari grafik yang ditandai adanya kenaikan atau penurunan dalam perubahan waktu Rosadi, 2012.Seperti yang tampilkan pada Gambar 4.4 di bawah pada data tersebut terlihat bahwa data PMA Jawa Barat memiliki trend sehingga non stasioner pada mean dan selanjutnya dapat dilakukan dengan uji Stasioneritas data dengan menggunakan uji augmented Dickey-FullerADF yang menyatakan terdapat akar unit atau tidak. Gambar 4.2 Trend PMA Provinsi Jawa Barat Tahun 1994-2014 0E+00 1E+10 2E+10 3E+10 4E+10 5E+10 6E+10 7E+10 8E+10 94 96 98 00 02 04 06 08 10 12 14 16 18 PMA 58 b Uji Stasioneritas Data Tabel 4.4 ADF tingkat Level Sumber : Data diolah tahun 2015 Pada Tabel 4.4 terlihat bahwa data mengandung trend maka dilakukan Uji Stasioneritas data menggunakan uji akar unit dengan uji augmented Dickey-FullerADF atau menggunakan Plot ACFPACF. Dari hasil Uji ADF data PMA Jawa Barat pada level data Sebenarnya ADF test statistik bernilai 1.295424 sedangkan nilai test critical values t- statistik batas α=5 bernilai 3.029970 yang berarti terdapat akar unit dan data tidak stasioner selain itu dapat dilihat dari nilai probabilitasADF sebesar 0,9975 yang dapat disimpulkan bahwa data yang digunakan tidak stasioner karena lebih dari α=5. t-Statistic Prob. Augmented Dickey-Fuller test statistic 1.295424 0.9975 Test critical values: 1 level -3.831511 5 level -3.029970 10 level -2.655194 59 Tabel 4.5 ADF 1 st Different t-Statistic Prob. Augmented Dickey-Fuller test statistic -6.436249 0.0000 Test critical values: 1 level -3.831511 5 level -3.029970 10 level -2.655194 Sumber : Data diolah tahun 2015 Selanjutnya akan dilakukan Transformasi data Lagged differences Lag 1, dari hasil Lagged differences ADF bernilai 1 didapat nilai ADF test statistik adalah 6.436249 sedangkan nilai test critical values t- satistik batas α=5 adalah 3.029970 yang berarti tidak terdapat akar unit dan data stasioner, selain itu dapat dilihat dari nilai probabilitasADF sebesar 0,0000 yang dapat disimpulkan bahwa data yang digunakan stasioner karena kurang dari α=5. Dengan didapatnya data yang stationer maka dapat dilanjutkan dengan pembentukan model dalam analisis Least Square Method ARIMA dengan Menggunakan Eviews 6. 2 Analisis Leat Square Method dengan ARIMA a Metode ARIMA Autoregressive Moving Average merupakan metode alternatif dalam menganalisis data deret waktu yang terdapat komponen trend tetapi tidak terdapat komponen musiman Rosadi, 60 2012:118. Agar dapat dimodelkan dengan ARMA atau ARIMA maka hal pertama adalah data harus stationer. Berdasarkan pengujian stasioneritas data PMA didapatkan hasil bahwa data tidak stasioner pada tingkat level, dan stasioner pada different tingkat pertama.Pada different tingkat pertama dari data PMA, diberikan dalam bentuk tabel sebagai berikut : Tabel 4.6 Correlogram 1 st Different Autocorrelation Partial Correlation AC PAC Q-Stat Prob | . | | . | 1 -0.417 -0.417 4.0211 0.045 . |. | . | . | 2 0.238 0.078 5.4048 0.067 . | . | . | . | 3 -0.022 0.125 5.4168 0.144 . | . | . | . | 4 0.006 0.024 5.4178 0.247 . | . | . | . | 5 -0.073 -0.111 5.5734 0.350 . | . | . | . | 6 0.071 0.004 5.7309 0.454 . | . | . | . | 7 -0.117 -0.066 6.1907 0.518 . | . | . | . | 8 -0.018 -0.109 6.2022 0.625 . | . | . | . | 9 0.169 0.188 7.3461 0.601 . | . | . | . | 10 -0.111 0.064 7.8918 0.639 . | . | .| . | 11 -0.099 -0.246 8.3751 0.679 . | . | .| . | 12 -0.048 -0.271 8.5006 0.745 Sumber : Data diolah tahun 2015 Pada Tabel 4.6 dapat terlihat bahwa probabilitas keseluruhan data diatas lebih besar dari α=5 yang dapat disimpulkan bahwa data yang digunakan sudah stasioner, selain itu dari kolom autocorrelation dan partial correlation menunjukkan bahwa data yang digunakan tidak mengandung autokorelasi.