Implikasi Kebijakan KESIMPULAN DAN IMPLIKASI KEBIJAKAN

The SAS System The TSCSREG Procedure Dependent Variable: DAU DAU Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 1.3539E13 DFE 82 MSE 1.651097E11 Root MSE 406336.9606 R ‐Square 0.9648 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 82 17.66 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 ‐1020098 370006 ‐2.76 0.0072 Cross Sectional Effect 1 CS2 1 ‐1671898 1907809 ‐0.88 0.3834 Cross Sectional Effect 2 CS3 1 215350.8 434630 0.50 0.6216 Cross Sectional Effect 3 CS4 1 ‐2812575 755733 ‐3.72 0.0004 Cross Sectional Effect 4 CS5 1 ‐405987 278888 ‐1.46 0.1493 Cross Sectional Effect 5 CS6 1 ‐1458145 863424 ‐1.69 0.0951 Cross Sectional Effect 6 CS7 1 ‐12921.7 296570 ‐0.04 0.9654 Cross Sectional Effect 7 CS8 1 ‐931369 991311 ‐0.94 0.3502 Cross Sectional Effect 8 CS9 1 ‐7846791 7011845 ‐1.12 0.2664 Cross Sectional Effect 9 CS10 1 ‐4688470 5535097 ‐0.85 0.3994 Cross Sectional Effect 10 CS11 1 ‐324851 326788 ‐0.99 0.3231 Cross Sectional Effect 11 CS12 1 ‐441417 325500 ‐1.36 0.1788 Cross Sectional Effect 12 CS13 1 ‐416506 483770 ‐0.86 0.3918 Cross Sectional Effect 13 CS14 1 95117.08 426795 0.22 0.8242 Cross Sectional Effect 14 CS15 1 80766.03 466438 0.17 0.8630 Cross Sectional Effect 15 CS16 1 ‐126597 302810 ‐0.42 0.6770 Cross Sectional Effect 16 CS17 1 ‐2545593 271564 ‐9.37 .0001 Cross Sectional Effect 17 CS18 1 38032.48 269604 0.14 0.8882 Cross Sectional Effect 18 CS19 1 ‐596506 1163541 ‐0.51 0.6096 Cross Sectional Effect 19 CS20 1 322270.7 333236 0.97 0.3363 Cross Sectional Effect 20 Intercept 1 8243.43 464529 0.02 0.9859 Intercept BLJ 1 0.384778 0.0367 10.48 .0001 BLJ POP 1 243.3648 193.2 1.26 0.2114 POP The SAS System The TSCSREG Procedure Dependent Variable: BSP BSP Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 2.132451E12 DFE 82 MSE 26005505188 Root MSE 161262.2249 R ‐Square 0.9838 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 82 9.01 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 ‐448135 126274 ‐3.55 0.0006 Cross Sectional Effect 1 CS2 1 ‐1344272 227190 ‐5.92 .0001 Cross Sectional Effect 2 CS3 1 70860.1 129420 0.55 0.5855 Cross Sectional Effect 3 CS4 1 156775.9 104021 1.51 0.1356 Cross Sectional Effect 4 CS5 1 493897.2 114284 4.32 .0001 Cross Sectional Effect 5 CS6 1 ‐241643 123747 ‐1.95 0.0543 Cross Sectional Effect 6 CS7 1 632110.2 114347 5.53 .0001 Cross Sectional Effect 7 CS8 1 92549.43 127356 0.73 0.4695 Cross Sectional Effect 8 CS9 1 ‐3475777 469782 ‐7.40 .0001 Cross Sectional Effect 9 CS10 1 ‐3239379 523844 ‐6.18 .0001 Cross Sectional Effect 10 CS11 1 200147.3 126061 1.59 0.1162 Cross Sectional Effect 11 CS12 1 353582.1 115510 3.06 0.0030 Cross Sectional Effect 12 CS13 1 370967.1 116167 3.19 0.0020 Cross Sectional Effect 13 CS14 1 74449.7 121926 0.61 0.5431 Cross Sectional Effect 14 CS15 1 320211.8 108407 2.95 0.0041 Cross Sectional Effect 15 CS16 1 300929.5 107527 2.80 0.0064 Cross Sectional Effect 16 CS17 1 ‐92659.4 110767 ‐0.84 0.4053 Cross Sectional Effect 17 CS18 1 458080.7 115050 3.98 0.0001 Cross Sectional Effect 18 CS19 1 ‐992500 183122 ‐5.42 .0001 Cross Sectional Effect 19 CS20 1 568806.4 110505 5.15 .0001 Cross Sectional Effect 20 Intercept 1 ‐1318667 114552 ‐11.51 .0001 Intercept PAT 1 0.180641 0.0187 9.66 .0001 PAT PNS 1 14.67299 1.4083 10.42 .0001 PNS The SAS System The TSCSREG Procedure Dependent Variable: BSK BSK Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 1.765151E11 DFE 82 MSE 2152623263 Root MSE 46396.3712 R ‐Square 0.9799 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 82 9.67 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 ‐222401 36330.0 ‐6.12 .0001 Cross Sectional Effect 1 CS2 1 ‐454543 65364.3 ‐6.95 .0001 Cross Sectional Effect 2 CS3 1 ‐137131 37235.1 ‐3.68 0.0004 Cross Sectional Effect 3 CS4 1 ‐131228 29927.5 ‐4.38 .0001 Cross Sectional Effect 4 CS5 1 1085.218 32880.5 0.03 0.9738 Cross Sectional Effect 5 CS6 1 ‐184153 35602.8 ‐5.17 .0001 Cross Sectional Effect 6 CS7 1 93758.09 32898.5 2.85 0.0055 Cross Sectional Effect 7 CS8 1 ‐172673 36641.3 ‐4.71 .0001 Cross Sectional Effect 8 CS9 1 ‐1239236 135160 ‐9.17 .0001 Cross Sectional Effect 9 CS10 1 ‐1180025 150714 ‐7.83 .0001 Cross Sectional Effect 10 CS11 1 ‐91554.3 36268.7 ‐2.52 0.0135 Cross Sectional Effect 11 CS12 1 ‐42635.4 33233.0 ‐1.28 0.2031 Cross Sectional Effect 12 CS13 1 ‐20152.4 33422.1 ‐0.60 0.5482 Cross Sectional Effect 13 CS14 1 ‐59878.5 35079.2 ‐1.71 0.0916 Cross Sectional Effect 14 CS15 1 16613.52 31189.5 0.53 0.5957 Cross Sectional Effect 15 CS16 1 43016.52 30936.4 1.39 0.1681 Cross Sectional Effect 16 CS17 1 ‐142733 31868.4 ‐4.48 .0001 Cross Sectional Effect 17 CS18 1 ‐43364.6 33100.7 ‐1.31 0.1938 Cross Sectional Effect 18 CS19 1 ‐346463 52685.5 ‐6.58 .0001 Cross Sectional Effect 19 CS20 1 60891.81 31793.1 1.92 0.0589 Cross Sectional Effect 20 Intercept 1 ‐221187 32957.5 ‐6.71 .0001 Intercept PAT 1 0.068016 0.00538 12.64 .0001 PAT PNS 1 3.734001 0.4052 9.22 .0001 PNS The SAS System The TSCSREG Procedure Dependent Variable: GPST GPST Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 2.020151E11 DFE 83 MSE 2433916600 Root MSE 49334.7403 R ‐Square 0.8692 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 83 6.54 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 140134.8 31552.7 4.44 .0001 Cross Sectional Effect 1 CS2 1 ‐6408.61 33037.2 ‐0.19 0.8467 Cross Sectional Effect 2 CS3 1 37370.3 31219.9 1.20 0.2347 Cross Sectional Effect 3 CS4 1 108335.4 31689.4 3.42 0.0010 Cross Sectional Effect 4 CS5 1 83258.86 34035.4 2.45 0.0165 Cross Sectional Effect 5 CS6 1 18900.68 31203.8 0.61 0.5464 Cross Sectional Effect 6 CS7 1 86030.17 34936.7 2.46 0.0159 Cross Sectional Effect 7 CS8 1 30308.21 31866.1 0.95 0.3443 Cross Sectional Effect 8 CS9 1 ‐235978 52894.3 ‐4.46 .0001 Cross Sectional Effect 9 CS10 1 ‐216635 49037.9 ‐4.42 .0001 Cross Sectional Effect 10 CS11 1 16050.07 33541.4 0.48 0.6335 Cross Sectional Effect 11 CS12 1 38633.35 32308.7 1.20 0.2352 Cross Sectional Effect 12 CS13 1 77751.22 33356.3 2.33 0.0222 Cross Sectional Effect 13 CS14 1 100202.5 32050.7 3.13 0.0024 Cross Sectional Effect 14 CS15 1 67681.75 31745.0 2.13 0.0360 Cross Sectional Effect 15 CS16 1 52109.76 31557.0 1.65 0.1025 Cross Sectional Effect 16 CS17 1 ‐6087.67 33712.8 ‐0.18 0.8571 Cross Sectional Effect 17 CS18 1 48937.37 33870.8 1.44 0.1523 Cross Sectional Effect 18 CS19 1 54564.25 31853.6 1.71 0.0905 Cross Sectional Effect 19 CS20 1 77449.23 33800.3 2.29 0.0245 Cross Sectional Effect 20 Intercept 1 ‐52673.8 31574.6 ‐1.67 0.0990 Intercept PAT 1 0.052731 0.00496 10.64 .0001 PAT The SAS System The TSCSREG Procedure Dependent Variable: GPSI GPSI Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 2183913470 DFE 83 MSE 26312210.48 Root MSE 5129.5429 R ‐Square 0.9010 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 83 9.01 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 12036.3 3280.7 3.67 0.0004 Cross Sectional Effect 1 CS2 1 4315.63 3435.0 1.26 0.2125 Cross Sectional Effect 2 CS3 1 ‐6159.16 3246.1 ‐1.90 0.0612 Cross Sectional Effect 3 CS4 1 ‐5925.61 3294.9 ‐1.80 0.0757 Cross Sectional Effect 4 CS5 1 775.1274 3538.8 0.22 0.8272 Cross Sectional Effect 5 CS6 1 ‐8584.98 3244.4 ‐2.65 0.0097 Cross Sectional Effect 6 CS7 1 2038.54 3632.5 0.56 0.5762 Cross Sectional Effect 7 CS8 1 ‐2620.79 3313.3 ‐0.79 0.4312 Cross Sectional Effect 8 CS9 1 3949.63 5499.6 0.72 0.4747 Cross Sectional Effect 9 CS10 1 ‐20884.4 5098.7 ‐4.10 .0001 Cross Sectional Effect 10 CS11 1 ‐4254.51 3487.4 ‐1.22 0.2259 Cross Sectional Effect 11 CS12 1 4870.53 3359.3 1.45 0.1509 Cross Sectional Effect 12 CS13 1 ‐800.38 3468.2 ‐0.23 0.8181 Cross Sectional Effect 13 CS14 1 1602.305 3332.5 0.48 0.6319 Cross Sectional Effect 14 CS15 1 ‐6266.28 3300.7 ‐1.90 0.0611 Cross Sectional Effect 15 CS16 1 ‐6553.37 3281.1 ‐2.00 0.0491 Cross Sectional Effect 16 CS17 1 ‐5997.91 3505.3 ‐1.71 0.0908 Cross Sectional Effect 17 CS18 1 ‐1101.26 3521.7 ‐0.31 0.7553 Cross Sectional Effect 18 CS19 1 8413.099 3312.0 2.54 0.0129 Cross Sectional Effect 19 CS20 1 5647.112 3514.4 1.61 0.1119 Cross Sectional Effect 20 Intercept 1 ‐3061.87 3282.9 ‐0.93 0.3537 Intercept PAT 1 0.004244 0.000516 8.23 .0001 PAT The SAS System The TSCSREG Procedure Dependent Variable: GPSB GPSB Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 3.247408E12 DFE 83 MSE 39125396494 Root MSE 197801.4067 R ‐Square 0.9146 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 83 10.15 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 33725.2 126506 0.27 0.7904 Cross Sectional Effect 1 CS2 1 ‐8702.48 132459 ‐0.07 0.9478 Cross Sectional Effect 2 CS3 1 ‐76930.6 125172 ‐0.61 0.5405 Cross Sectional Effect 3 CS4 1 296996 127054 2.34 0.0218 Cross Sectional Effect 4 CS5 1 145731.7 136461 1.07 0.2886 Cross Sectional Effect 5 CS6 1 453480.1 125108 3.62 0.0005 Cross Sectional Effect 6 CS7 1 120918.7 140074 0.86 0.3905 Cross Sectional Effect 7 CS8 1 10892.96 127763 0.09 0.9323 Cross Sectional Effect 8 CS9 1 ‐710255 212073 ‐3.35 0.0012 Cross Sectional Effect 9 CS10 1 ‐982970 196611 ‐5.00 .0001 Cross Sectional Effect 10 CS11 1 ‐91423.3 134480 ‐0.68 0.4985 Cross Sectional Effect 11 CS12 1 ‐116986 129537 ‐0.90 0.3691 Cross Sectional Effect 12 CS13 1 ‐64137.8 133738 ‐0.48 0.6328 Cross Sectional Effect 13 CS14 1 ‐49639 128503 ‐0.39 0.7003 Cross Sectional Effect 14 CS15 1 177354.2 127277 1.39 0.1672 Cross Sectional Effect 15 CS16 1 64098.03 126524 0.51 0.6138 Cross Sectional Effect 16 CS17 1 624023.5 135167 4.62 .0001 Cross Sectional Effect 17 CS18 1 ‐15732.1 135801 ‐0.12 0.9081 Cross Sectional Effect 18 CS19 1 ‐6868.65 127713 ‐0.05 0.9572 Cross Sectional Effect 19 CS20 1 57353.58 135518 0.42 0.6732 Cross Sectional Effect 20 Intercept 1 ‐84519.4 126595 ‐0.67 0.5062 Intercept PAT 1 0.211716 0.0199 10.65 .0001 PAT The SAS System 00:12 Friday, January 16, 2012 The TSCSREG Procedure Dependent Variable: GPSLL GPSLL Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 6.859477E12 DFE 82 MSE 83652156786 Root MSE 289226.8258 R ‐Square 0.9912 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 82 7.61 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 ‐784367 187328 ‐4.19 .0001 Cross Sectional Effect 1 CS2 1 ‐1619725 211684 ‐7.65 .0001 Cross Sectional Effect 2 CS3 1 ‐1705581 209656 ‐8.14 .0001 Cross Sectional Effect 3 CS4 1 ‐757007 186446 ‐4.06 0.0001 Cross Sectional Effect 4 CS5 1 ‐1311459 218014 ‐6.02 .0001 Cross Sectional Effect 5 CS6 1 ‐1257918 190029 ‐6.62 .0001 Cross Sectional Effect 6 CS7 1 ‐1247765 221444 ‐5.63 .0001 Cross Sectional Effect 7 CS8 1 ‐1462457 208302 ‐7.02 .0001 Cross Sectional Effect 8 CS9 1 ‐1681313 327188 ‐5.14 .0001 Cross Sectional Effect 9 CS10 1 ‐3420424 362220 ‐9.44 .0001 Cross Sectional Effect 10 CS11 1 ‐1236756 219159 ‐5.64 .0001 Cross Sectional Effect 11 CS12 1 ‐1326276 212733 ‐6.23 .0001 Cross Sectional Effect 12 CS13 1 ‐1335233 216039 ‐6.18 .0001 Cross Sectional Effect 13 CS14 1 ‐1341364 207110 ‐6.48 .0001 Cross Sectional Effect 14 CS15 1 ‐1441795 201953 ‐7.14 .0001 Cross Sectional Effect 15 CS16 1 ‐1412516 200685 ‐7.04 .0001 Cross Sectional Effect 16 CS17 1 180859.9 201667 0.90 0.3724 Cross Sectional Effect 17 CS18 1 ‐1221731 216577 ‐5.64 .0001 Cross Sectional Effect 18 CS19 1 ‐1228219 198107 ‐6.20 .0001 Cross Sectional Effect 19 CS20 1 ‐961979 209836 ‐4.58 .0001 Cross Sectional Effect 20 Intercept 1 1259697 207364 6.07 .0001 Intercept PAT 1 0.129308 0.0486 2.66 0.0093 PAT BSPK 1 1.893701 0.1050 18.04 .0001 The SAS System The TSCSREG Procedure Dependent Variable: PKRT PKRT Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 7.454278E13 DFE 82 MSE 9.090583E11 Root MSE 953445.4953 R ‐Square 0.9995 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 82 186.14 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 ‐1.027E7 1038465 ‐9.89 .0001 Cross Sectional Effect 1 CS2 1 ‐4746663 7317176 ‐0.65 0.5183 Cross Sectional Effect 2 CS3 1 ‐1753314 1530569 ‐1.15 0.2553 Cross Sectional Effect 3 CS4 1 ‐2.134E7 1777609 ‐12.00 .0001 Cross Sectional Effect 4 CS5 1 1643283 699047 2.35 0.0211 Cross Sectional Effect 5 CS6 1 ‐1637644 3128103 ‐0.52 0.6020 Cross Sectional Effect 6 CS7 1 789363.1 779865 1.01 0.3144 Cross Sectional Effect 7 CS8 1 ‐4466576 4438183 ‐1.01 0.3172 Cross Sectional Effect 8 CS9 1 ‐3800595 28438235 ‐0.13 0.8940 Cross Sectional Effect 9 CS10 1 ‐1.023E7 24632866 ‐0.42 0.6791 Cross Sectional Effect 10 CS11 1 ‐2650788 996259 ‐2.66 0.0094 Cross Sectional Effect 11 CS12 1 ‐1665457 942017 ‐1.77 0.0808 Cross Sectional Effect 12 CS13 1 ‐3230011 2075885 ‐1.56 0.1236 Cross Sectional Effect 13 CS14 1 1044685 2047769 0.51 0.6113 Cross Sectional Effect 14 CS15 1 ‐2732799 1783504 ‐1.53 0.1293 Cross Sectional Effect 15 CS16 1 ‐3930160 788000 ‐4.99 .0001 Cross Sectional Effect 16 CS17 1 ‐3.668E7 3015068 ‐12.17 .0001 Cross Sectional Effect 17 CS18 1 ‐1592845 642249 ‐2.48 0.0152 Cross Sectional Effect 18 CS19 1 ‐4786295 5316655 ‐0.90 0.3706 Cross Sectional Effect 19 CS20 1 1115942 955222 1.17 0.2461 Cross Sectional Effect 20 Intercept 1 ‐1641900 1934348 ‐0.85 0.3985 Intercept PDRBSEC 1 0.524469 0.0417 12.57 .0001 PDRBSEC POP 1 932.8044 1008.4 0.93 0.3576 POP The SAS System The TSCSREG Procedure Dependent Variable: PMTB PMTB Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 4.289875E13 DFE 82 MSE 5.231555E11 Root MSE 723294.9132 R ‐Square 0.9963 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 82 29.19 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 ‐4710265 509558 ‐9.24 .0001 Cross Sectional Effect 1 CS2 1 ‐5031814 1040416 ‐4.84 .0001 Cross Sectional Effect 2 CS3 1 ‐2984449 489571 ‐6.10 .0001 Cross Sectional Effect 3 CS4 1 837241.1 957978 0.87 0.3847 Cross Sectional Effect 4 CS5 1 ‐2549816 482053 ‐5.29 .0001 Cross Sectional Effect 5 CS6 1 ‐1218980 659203 ‐1.85 0.0680 Cross Sectional Effect 6 CS7 1 ‐2544599 494184 ‐5.15 .0001 Cross Sectional Effect 7 CS8 1 ‐3278047 479680 ‐6.83 .0001 Cross Sectional Effect 8 CS9 1 ‐1.171E7 3245016 ‐3.61 0.0005 Cross Sectional Effect 9 CS10 1 ‐8173930 1689336 ‐4.84 .0001 Cross Sectional Effect 10 CS11 1 ‐685175 459445 ‐1.49 0.1397 Cross Sectional Effect 11 CS12 1 ‐2865084 468099 ‐6.12 .0001 Cross Sectional Effect 12 CS13 1 ‐1036391 464305 ‐2.23 0.0283 Cross Sectional Effect 13 CS14 1 ‐2645944 483624 ‐5.47 .0001 Cross Sectional Effect 14 CS15 1 101460.8 462949 0.22 0.8271 Cross Sectional Effect 15 CS16 1 ‐4029899 462275 ‐8.72 .0001 Cross Sectional Effect 16 CS17 1 ‐6257177 1356802 ‐4.61 .0001 Cross Sectional Effect 17 CS18 1 ‐2029671 484145 ‐4.19 .0001 Cross Sectional Effect 18 CS19 1 ‐3555615 518400 ‐6.86 .0001 Cross Sectional Effect 19 CS20 1 ‐2297623 507080 ‐4.53 .0001 Cross Sectional Effect 20 Intercept 1 1688004 416307 4.05 0.0001 Intercept PDRBSEC 1 0.198449 0.0170 11.65 .0001 PDRBSEC KUK 1 201.6652 96.7357 2.08 0.0402 KUK The SAS System The TSCSREG Procedure Dependent Variable: TQST TQST Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 3.293813E13 DFE 82 MSE 4.016845E11 Root MSE 633785.8250 R ‐Square 0.9962 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 82 234.73 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 3859227 437119 8.83 .0001 Cross Sectional Effect 1 CS2 1 18932555 1240745 15.26 .0001 Cross Sectional Effect 2 CS3 1 4251728 403360 10.54 .0001 Cross Sectional Effect 3 CS4 1 9954762 440905 22.58 .0001 Cross Sectional Effect 4 CS5 1 1407421 473604 2.97 0.0039 Cross Sectional Effect 5 CS6 1 6819794 978395 6.97 .0001 Cross Sectional Effect 6 CS7 1 99476.5 697672 0.14 0.8870 Cross Sectional Effect 7 CS8 1 9862242 1017797 9.69 .0001 Cross Sectional Effect 8 CS9 1 30347457 1733559 17.51 .0001 Cross Sectional Effect 9 CS10 1 26062661 2113930 12.33 .0001 Cross Sectional Effect 10 CS11 1 835929.1 524321 1.59 0.1147 Cross Sectional Effect 11 CS12 1 1932211 496106 3.89 0.0002 Cross Sectional Effect 12 CS13 1 1098871 406321 2.70 0.0083 Cross Sectional Effect 13 CS14 1 715280.8 733835 0.97 0.3326 Cross Sectional Effect 14 CS15 1 3014017 529290 5.69 .0001 Cross Sectional Effect 15 CS16 1 2863202 449865 6.36 .0001 Cross Sectional Effect 16 CS17 1 3042283 993103 3.06 0.0030 Cross Sectional Effect 17 CS18 1 532116.5 965824 0.55 0.5832 Cross Sectional Effect 18 CS19 1 8032401 829775 9.68 .0001 Cross Sectional Effect 19 CS20 1 ‐1251487 1292611 ‐0.97 0.3358 Cross Sectional Effect 20 Intercept 1 ‐3342166 14697231 ‐0.23 0.8207 Intercept LOGTKST 1 404676.2 1075856 0.38 0.7078 GPST 1 5.170432 0.9292 5.56 .0001 GPST The SAS System The TSCSREG Procedure Dependent Variable: TQSI TQSI Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 3.513491E14 DFE 82 MSE 4.284745E12 Root MSE 2069962.678 R ‐Square 0.9950 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 82 128.14 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 1735093 1414727 1.23 0.2235 Cross Sectional Effect 1 CS2 1 1978928 2189258 0.90 0.3687 Cross Sectional Effect 2 CS3 1 ‐1521884 1426306 ‐1.07 0.2891 Cross Sectional Effect 3 CS4 1 2284158 1426344 1.60 0.1131 Cross Sectional Effect 4 CS5 1 ‐193872 1386245 ‐0.14 0.8891 Cross Sectional Effect 5 CS6 1 3812830 1453922 2.62 0.0104 Cross Sectional Effect 6 CS7 1 ‐107028 1368323 ‐0.08 0.9378 Cross Sectional Effect 7 CS8 1 ‐3706125 1551818 ‐2.39 0.0192 Cross Sectional Effect 8 CS9 1 ‐1.843E7 12033061 ‐1.53 0.1294 Cross Sectional Effect 9 CS10 1 ‐7.582E7 11508886 ‐6.59 .0001 Cross Sectional Effect 10 CS11 1 ‐8334906 1809550 ‐4.61 .0001 Cross Sectional Effect 11 CS12 1 ‐1.113E7 1795267 ‐6.20 .0001 Cross Sectional Effect 12 CS13 1 ‐6992601 1581799 ‐4.42 .0001 Cross Sectional Effect 13 CS14 1 ‐5090241 1411630 ‐3.61 0.0005 Cross Sectional Effect 14 CS15 1 764763.1 1437429 0.53 0.5961 Cross Sectional Effect 15 CS16 1 ‐2540340 1483442 ‐1.71 0.0906 Cross Sectional Effect 16 CS17 1 27237630 1395624 19.52 .0001 Cross Sectional Effect 17 CS18 1 ‐973965 1403470 ‐0.69 0.4897 Cross Sectional Effect 18 CS19 1 ‐3514187 1522019 ‐2.31 0.0235 Cross Sectional Effect 19 CS20 1 ‐577419 1324783 ‐0.44 0.6641 Cross Sectional Effect 20 Intercept 1 ‐633306 1073602 ‐0.59 0.5569 Intercept TKSI 1 47.97675 4.4832 10.70 .0001 TKSI GPSI 1 41.00406 33.9592 1.21 0.2307 GPSI The SAS System The TSCSREG Procedure Dependent Variable: TQSB TQSB Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 2.047595E12 DFE 81 MSE 25278945413 Root MSE 158993.5389 R ‐Square 0.9965 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 81 193.63 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 389223 105683 3.68 0.0004 Cross Sectional Effect 1 CS2 1 4174885 152157 27.44 .0001 Cross Sectional Effect 2 CS3 1 302933.5 107097 2.83 0.0059 Cross Sectional Effect 3 CS4 1 822760.5 112745 7.30 .0001 Cross Sectional Effect 4 CS5 1 ‐474439 123349 ‐3.85 0.0002 Cross Sectional Effect 5 CS6 1 2343410 107498 21.80 .0001 Cross Sectional Effect 6 CS7 1 ‐714784 109367 ‐6.54 .0001 Cross Sectional Effect 7 CS8 1 328811.9 111081 2.96 0.0040 Cross Sectional Effect 8 CS9 1 4751136 144885 32.79 .0001 Cross Sectional Effect 9 CS10 1 4892254 333460 14.67 .0001 Cross Sectional Effect 10 CS11 1 361330.2 145163 2.49 0.0149 Cross Sectional Effect 11 CS12 1 ‐414232 156568 ‐2.65 0.0098 Cross Sectional Effect 12 CS13 1 74213.78 114108 0.65 0.5173 Cross Sectional Effect 13 CS14 1 ‐327034 104589 ‐3.13 0.0025 Cross Sectional Effect 14 CS15 1 729908.1 108759 6.71 .0001 Cross Sectional Effect 15 CS16 1 153068.8 111541 1.37 0.1738 Cross Sectional Effect 16 CS17 1 1292445 123794 10.44 .0001 Cross Sectional Effect 17 CS18 1 1206322 111473 10.82 .0001 Cross Sectional Effect 18 CS19 1 380639.3 103799 3.67 0.0004 Cross Sectional Effect 19 CS20 1 ‐853640 106602 ‐8.01 .0001 Cross Sectional Effect 20 Intercept 1 708031.3 92659.4 7.64 .0001 Intercept TTKKSB 1 0.683962 0.0561 12.19 .0001 GPSB 1 0.371688 0.0762 4.88 .0001 GPSB JLHK 1 0.095129 0.0631 1.51 0.1357 JLHK The SAS System The TSCSREG Procedure Dependent Variable: TQSLL TQSLL Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 2.754201E14 DFE 81 MSE 3.400248E12 Root MSE 1843976.256 R ‐Square 0.9957 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 81 202.13 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 2350375 1333739 1.76 0.0818 Cross Sectional Effect 1 CS2 1 5688842 3655245 1.56 0.1235 Cross Sectional Effect 2 CS3 1 ‐3006234 1596707 ‐1.88 0.0633 Cross Sectional Effect 3 CS4 1 34701256 1779326 19.50 .0001 Cross Sectional Effect 4 CS5 1 ‐9627351 1556856 ‐6.18 .0001 Cross Sectional Effect 5 CS6 1 6903281 1824819 3.78 0.0003 Cross Sectional Effect 6 CS7 1 ‐9471114 1340801 ‐7.06 .0001 Cross Sectional Effect 7 CS8 1 ‐8711327 1866176 ‐4.67 .0001 Cross Sectional Effect 8 CS9 1 10556211 14364954 0.73 0.4645 Cross Sectional Effect 9 CS10 1 ‐2.188E7 10922480 ‐2.00 0.0485 Cross Sectional Effect 10 CS11 1 ‐1.136E7 2011382 ‐5.65 .0001 Cross Sectional Effect 11 CS12 1 ‐9112684 2125218 ‐4.29 .0001 Cross Sectional Effect 12 CS13 1 ‐8643087 1748215 ‐4.94 .0001 Cross Sectional Effect 13 CS14 1 ‐9674641 1254819 ‐7.71 .0001 Cross Sectional Effect 14 CS15 1 ‐6381365 1506419 ‐4.24 .0001 Cross Sectional Effect 15 CS16 1 ‐4867013 1568055 ‐3.10 0.0026 Cross Sectional Effect 16 CS17 1 33444036 1308367 25.56 .0001 Cross Sectional Effect 17 CS18 1 ‐7785979 1408456 ‐5.53 .0001 Cross Sectional Effect 18 CS19 1 ‐4647583 2122236 ‐2.19 0.0314 Cross Sectional Effect 19 CS20 1 ‐1.039E7 1253787 ‐8.29 .0001 Cross Sectional Effect 20 Intercept 1 9963777 1122159 8.88 .0001 Intercept TKKSL 1 9.25683 2.1205 4.37 .0001 TKKSL GPSLL 1 0.540797 0.2770 1.95 0.0544 GPSLL JLHK 1 2.262018 0.6341 3.57 0.0006 JLHK The SAS System The TSCSREG Procedure Dependent Variable: TKST TKST Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 7.081342E11 DFE 83 MSE 8531736803 Root MSE 92367.4012 R ‐Square 0.9965 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 83 210.27 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 16316.74 88172.2 0.19 0.8536 Cross Sectional Effect 1 CS2 1 1756355 277717 6.32 .0001 Cross Sectional Effect 2 CS3 1 7931.17 84731.0 0.09 0.9256 Cross Sectional Effect 3 CS4 1 106921.6 159057 0.67 0.5033 Cross Sectional Effect 4 CS5 1 ‐187274 59966.4 ‐3.12 0.0025 Cross Sectional Effect 5 CS6 1 1133570 114960 9.86 .0001 Cross Sectional Effect 6 CS7 1 ‐367113 58874.6 ‐6.24 .0001 Cross Sectional Effect 7 CS8 1 1197140 148304 8.07 .0001 Cross Sectional Effect 8 CS9 1 3401593 441148 7.71 .0001 Cross Sectional Effect 9 CS10 1 5265694 383109 13.74 .0001 Cross Sectional Effect 10 CS11 1 ‐238796 58439.3 ‐4.09 0.0001 Cross Sectional Effect 11 CS12 1 ‐213367 62157.3 ‐3.43 0.0009 Cross Sectional Effect 12 CS13 1 32890.72 59603.1 0.55 0.5825 Cross Sectional Effect 13 CS14 1 677232 60183.5 11.25 .0001 Cross Sectional Effect 14 CS15 1 329425.2 72653.5 4.53 .0001 Cross Sectional Effect 15 CS16 1 ‐154765 69728.7 ‐2.22 0.0292 Cross Sectional Effect 16 CS17 1 ‐490143 74375.3 ‐6.59 .0001 Cross Sectional Effect 17 CS18 1 ‐494376 58536.9 ‐8.45 .0001 Cross Sectional Effect 18 CS19 1 857083.5 135052 6.35 .0001 Cross Sectional Effect 19 CS20 1 ‐600259 64630.5 ‐9.29 .0001 Cross Sectional Effect 20 Intercept 1 878637.3 59689.1 14.72 .0001 Intercept TQST 1 0.000212 0.0136 0.02 0.9876 TQST The SAS System The TSCSREG Procedure Dependent Variable: TKSI TKSI Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 89276672732 DFE 83 MSE 1075622563 Root MSE 32796.6852 R ‐Square 0.9985 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 83 591.34 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 ‐8174.12 21412.3 ‐0.38 0.7036 Cross Sectional Effect 1 CS2 1 134166.5 31593.5 4.25 .0001 Cross Sectional Effect 2 CS3 1 66483.83 21097.9 3.15 0.0023 Cross Sectional Effect 3 CS4 1 23069.27 22561.6 1.02 0.3095 Cross Sectional Effect 4 CS5 1 25262.89 20798.1 1.21 0.2279 Cross Sectional Effect 5 CS6 1 2806.191 22847.4 0.12 0.9025 Cross Sectional Effect 6 CS7 1 10321.24 20743.5 0.50 0.6201 Cross Sectional Effect 7 CS8 1 115380.8 21118.9 5.46 .0001 Cross Sectional Effect 8 CS9 1 1322715 125709 10.52 .0001 Cross Sectional Effect 9 CS10 1 1979758 56109.0 35.28 .0001 Cross Sectional Effect 10 CS11 1 203596.6 20858.3 9.76 .0001 Cross Sectional Effect 11 CS12 1 248270.3 20823.6 11.92 .0001 Cross Sectional Effect 12 CS13 1 157258.4 20744.3 7.58 .0001 Cross Sectional Effect 13 CS14 1 107512 20745.0 5.18 .0001 Cross Sectional Effect 14 CS15 1 29795.07 21246.3 1.40 0.1645 Cross Sectional Effect 15 CS16 1 83536.25 20923.1 3.99 0.0001 Cross Sectional Effect 16 CS17 1 ‐292587 41194.3 ‐7.10 .0001 Cross Sectional Effect 17 CS18 1 36004.11 20752.7 1.73 0.0865 Cross Sectional Effect 18 CS19 1 104375.5 21454.0 4.87 .0001 Cross Sectional Effect 19 CS20 1 14146.07 20745.0 0.68 0.4972 Cross Sectional Effect 20 Intercept 1 3274.099 14675.9 0.22 0.8240 Intercept TQSI 1 0.012318 0.00109 11.34 .0001 TQSI The SAS System The TSCSREG Procedure Dependent Variable: TKKSB TKKSB Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 46506524904 DFE 83 MSE 560319577.2 Root MSE 23671.0705 R ‐Square 0.9921 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 83 511.99 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 63159.87 15837.1 3.99 0.0001 Cross Sectional Effect 1 CS2 1 163106.1 15235.2 10.71 .0001 Cross Sectional Effect 2 CS3 1 47361.88 15749.1 3.01 0.0035 Cross Sectional Effect 3 CS4 1 130986.4 21803.3 6.01 .0001 Cross Sectional Effect 4 CS5 1 26809.9 17214.6 1.56 0.1232 Cross Sectional Effect 5 CS6 1 63446.35 17025.2 3.73 0.0004 Cross Sectional Effect 6 CS7 1 19744.12 21924.8 0.90 0.3704 Cross Sectional Effect 7 CS8 1 74115.66 15736.0 4.71 .0001 Cross Sectional Effect 8 CS9 1 870336.5 20945.5 41.55 .0001 Cross Sectional Effect 9 CS10 1 838083.9 15029.5 55.76 .0001 Cross Sectional Effect 10 CS11 1 71320.37 22123.5 3.22 0.0018 Cross Sectional Effect 11 CS12 1 107597.8 18456.2 5.83 .0001 Cross Sectional Effect 12 CS13 1 30682.99 15915.4 1.93 0.0573 Cross Sectional Effect 13 CS14 1 9306.583 15547.2 0.60 0.5511 Cross Sectional Effect 14 CS15 1 20478.4 18461.3 1.11 0.2705 Cross Sectional Effect 15 CS16 1 32128.67 15163.7 2.12 0.0371 Cross Sectional Effect 16 CS17 1 81721.37 21059.5 3.88 0.0002 Cross Sectional Effect 17 CS18 1 ‐58136.1 56383.1 ‐1.03 0.3055 Cross Sectional Effect 18 CS19 1 120292.9 16156.5 7.45 .0001 Cross Sectional Effect 19 CS20 1 24091.87 29064.8 0.83 0.4095 Cross Sectional Effect 20 Intercept 1 ‐20827.4 33670.3 ‐0.62 0.5379 Intercept RTQSB 1 781324.4 545161 1.43 0.1556 The SAS System The TSCSREG Procedure Dependent Variable: TKKSL TKKSL Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 6.580078E11 DFE 83 MSE 7927804717 Root MSE 89038.2205 R ‐Square 0.9981 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 83 675.91 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 120474.6 61066.7 1.97 0.0518 Cross Sectional Effect 1 CS2 1 979606.9 107632 9.10 .0001 Cross Sectional Effect 2 CS3 1 443856.8 57523.2 7.72 .0001 Cross Sectional Effect 3 CS4 1 ‐568953 152219 ‐3.74 0.0003 Cross Sectional Effect 4 CS5 1 375437.2 61173.1 6.14 .0001 Cross Sectional Effect 5 CS6 1 234732.2 73663.1 3.19 0.0020 Cross Sectional Effect 6 CS7 1 294651.6 66192.4 4.45 .0001 Cross Sectional Effect 7 CS8 1 687471.9 56678.5 12.13 .0001 Cross Sectional Effect 8 CS9 1 4795839 286096 16.76 .0001 Cross Sectional Effect 9 CS10 1 4293445 168693 25.45 .0001 Cross Sectional Effect 10 CS11 1 694701.6 57770.2 12.03 .0001 Cross Sectional Effect 11 CS12 1 663141.9 56321.7 11.77 .0001 Cross Sectional Effect 12 CS13 1 614330.6 58033.8 10.59 .0001 Cross Sectional Effect 13 CS14 1 381572.1 63307.3 6.03 .0001 Cross Sectional Effect 14 CS15 1 400978.9 56810.1 7.06 .0001 Cross Sectional Effect 15 CS16 1 409587.5 56314.0 7.27 .0001 Cross Sectional Effect 16 CS17 1 ‐766376 139987 ‐5.47 .0001 Cross Sectional Effect 17 CS18 1 381504.4 60419.6 6.31 .0001 Cross Sectional Effect 18 CS19 1 751824.2 59484.1 12.64 .0001 Cross Sectional Effect 19 CS20 1 280021.4 68739.0 4.07 0.0001 Cross Sectional Effect 20 Intercept 1 ‐196373 61012.2 ‐3.22 0.0018 Intercept TQSLL 1 0.028022 0.00324 8.65 .0001 TQSLL The SAS System The TSCSREG Procedure Dependent Variable: AHH AHH Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 12.6999 DFE 82 MSE 0.1549 Root MSE 0.3935 R ‐Square 0.9851 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 82 241.18 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 2.662657 0.4304 6.19 .0001 Cross Sectional Effect 1 CS2 1 0.886592 0.2716 3.26 0.0016 Cross Sectional Effect 2 CS3 1 1.354417 0.2701 5.01 .0001 Cross Sectional Effect 3 CS4 1 3.338913 0.2489 13.41 .0001 Cross Sectional Effect 4 CS5 1 2.005094 0.2710 7.40 .0001 Cross Sectional Effect 5 CS6 1 0.835177 0.2591 3.22 0.0018 Cross Sectional Effect 6 CS7 1 3.783513 0.4164 9.09 .0001 Cross Sectional Effect 7 CS8 1 3.590489 0.4750 7.56 .0001 Cross Sectional Effect 8 CS9 1 ‐0.96377 0.4164 ‐2.31 0.0231 Cross Sectional Effect 9 CS10 1 3.700028 0.6613 5.60 .0001 Cross Sectional Effect 10 CS11 1 8.071256 0.4393 18.37 .0001 Cross Sectional Effect 11 CS12 1 4.2223 0.2952 14.30 .0001 Cross Sectional Effect 12 CS13 1 ‐3.23502 0.5939 ‐5.45 .0001 Cross Sectional Effect 13 CS14 1 1.317224 0.5377 2.45 0.0164 Cross Sectional Effect 14 CS15 1 0.028981 0.3876 0.07 0.9406 Cross Sectional Effect 15 CS16 1 ‐3.72988 0.3478 ‐10.72 .0001 Cross Sectional Effect 16 CS17 1 1.527454 0.3407 4.48 .0001 Cross Sectional Effect 17 CS18 1 6.482882 0.3734 17.36 .0001 Cross Sectional Effect 18 CS19 1 3.609548 0.4924 7.33 .0001 Cross Sectional Effect 19 CS20 1 2.3753 0.5354 4.44 .0001 Cross Sectional Effect 20 Intercept 1 61.44018 0.9022 68.10 .0001 Intercept BSK 1 1.228E‐6 4.785E‐7 2.57 0.0121 BSK KRTCAP 1 0.001325 0.000237 5.59 .0001 The SAS System The TSCSREG Procedure Dependent Variable: AMH AMH Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 22.3300 DFE 81 MSE 0.2757 Root MSE 0.5251 R ‐Square 0.9948 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 81 640.59 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 21.93166 0.5847 37.51 .0001 Cross Sectional Effect 1 CS2 1 21.02355 0.4229 49.71 .0001 Cross Sectional Effect 2 CS3 1 20.84239 0.4607 45.24 .0001 Cross Sectional Effect 3 CS4 1 22.22797 0.4226 52.60 .0001 Cross Sectional Effect 4 CS5 1 21.39638 0.4341 49.29 .0001 Cross Sectional Effect 5 CS6 1 20.8407 0.4175 49.92 .0001 Cross Sectional Effect 6 CS7 1 21.1358 0.5655 37.37 .0001 Cross Sectional Effect 7 CS8 1 19.75888 0.6938 28.48 .0001 Cross Sectional Effect 8 CS9 1 17.97038 0.7754 23.18 .0001 Cross Sectional Effect 9 CS10 1 11.8157 1.0511 11.24 .0001 Cross Sectional Effect 10 CS11 1 13.7145 0.6256 21.92 .0001 Cross Sectional Effect 11 CS12 1 11.68728 0.4625 25.27 .0001 Cross Sectional Effect 12 CS13 1 6.535618 0.8043 8.13 .0001 Cross Sectional Effect 13 CS14 1 12.87487 0.7232 17.80 .0001 Cross Sectional Effect 14 CS15 1 15.13792 0.5267 28.74 .0001 Cross Sectional Effect 15 CS16 1 20.80861 0.4684 44.42 .0001 Cross Sectional Effect 16 CS17 1 19.35648 0.4905 39.47 .0001 Cross Sectional Effect 17 CS18 1 25.49593 0.5594 45.58 .0001 Cross Sectional Effect 18 CS19 1 11.29956 0.6649 16.99 .0001 Cross Sectional Effect 19 CS20 1 24.96826 0.7198 34.69 .0001 Cross Sectional Effect 20 Intercept 1 71.15078 1.2060 59.00 .0001 Intercept BSK 1 5.312E‐7 1.584E‐6 0.34 0.7382 BSK BSP 1 4.04E‐7 4.551E‐7 0.89 0.3774 BSP KRTCAP 1 0.000856 0.000320 2.68 0.0090 The SAS System The TSCSREG Procedure Dependent Variable: RLS RLS Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 0.7092 DFE 81 MSE 0.0088 Root MSE 0.0936 R ‐Square 0.9895 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 81 287.24 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 2.48327 0.1067 23.27 .0001 Cross Sectional Effect 1 CS2 1 2.058631 0.0709 29.02 .0001 Cross Sectional Effect 2 CS3 1 1.772071 0.0727 24.36 .0001 Cross Sectional Effect 3 CS4 1 1.993056 0.0628 31.71 .0001 Cross Sectional Effect 4 CS5 1 1.400744 0.0674 20.80 .0001 Cross Sectional Effect 5 CS6 1 1.099648 0.0616 17.85 .0001 Cross Sectional Effect 6 CS7 1 2.121855 0.1020 20.80 .0001 Cross Sectional Effect 7 CS8 1 1.40423 0.1225 11.47 .0001 Cross Sectional Effect 8 CS9 1 0.897531 0.1279 7.02 .0001 Cross Sectional Effect 9 CS10 1 0.494993 0.1838 2.69 0.0086 Cross Sectional Effect 10 CS11 1 2.605316 0.1155 22.55 .0001 Cross Sectional Effect 11 CS12 1 1.39609 0.0776 17.98 .0001 Cross Sectional Effect 12 CS13 1 1.044383 0.1432 7.29 .0001 Cross Sectional Effect 13 CS14 1 0.695539 0.1284 5.42 .0001 Cross Sectional Effect 14 CS15 1 0.66624 0.0939 7.10 .0001 Cross Sectional Effect 15 CS16 1 1.309376 0.0833 15.72 .0001 Cross Sectional Effect 16 CS17 1 2.017669 0.0761 26.51 .0001 Cross Sectional Effect 17 CS18 1 2.893203 0.0955 30.28 .0001 Cross Sectional Effect 18 CS19 1 1.27015 0.1227 10.35 .0001 Cross Sectional Effect 19 CS20 1 2.886834 0.1287 22.43 .0001 Cross Sectional Effect 20 Intercept 1 5.114478 0.2190 23.35 .0001 Intercept BSP 1 4.403E‐8 3.384E‐8 1.30 0.1970 BSP KRTCAP 1 0.000308 0.000052 5.89 .0001 APSD 1 ‐0.08232 0.0361 ‐2.28 0.0253 APSD The SAS System The TSCSREG Procedure Dependent Variable: PPP PPP Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 1120.3852 DFE 82 MSE 13.6632 Root MSE 3.6964 R ‐Square 0.9411 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 82 60.41 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 29.74814 3.3015 9.01 .0001 Cross Sectional Effect 1 CS2 1 36.08537 4.3929 8.21 .0001 Cross Sectional Effect 2 CS3 1 39.92786 2.5337 15.76 .0001 Cross Sectional Effect 3 CS4 1 40.01833 2.6524 15.09 .0001 Cross Sectional Effect 4 CS5 1 42.09954 2.5586 16.45 .0001 Cross Sectional Effect 5 CS6 1 23.14077 3.0112 7.68 .0001 Cross Sectional Effect 6 CS7 1 56.72577 3.7442 15.15 .0001 Cross Sectional Effect 7 CS8 1 52.80625 3.8513 13.71 .0001 Cross Sectional Effect 8 CS9 1 65.88268 15.6321 4.21 .0001 Cross Sectional Effect 9 CS10 1 72.94951 8.2632 8.83 .0001 Cross Sectional Effect 10 CS11 1 79.4364 3.7585 21.14 .0001 Cross Sectional Effect 11 CS12 1 44.10974 2.6768 16.48 .0001 Cross Sectional Effect 12 CS13 1 77.64939 4.7749 16.26 .0001 Cross Sectional Effect 13 CS14 1 37.42984 4.2827 8.74 .0001 Cross Sectional Effect 14 CS15 1 47.29236 3.1569 14.98 .0001 Cross Sectional Effect 15 CS16 1 51.84096 2.8606 18.12 .0001 Cross Sectional Effect 16 CS17 1 18.05133 3.1389 5.75 .0001 Cross Sectional Effect 17 CS18 1 52.80359 3.3459 15.78 .0001 Cross Sectional Effect 18 CS19 1 63.71976 3.8795 16.42 .0001 Cross Sectional Effect 19 CS20 1 47.70833 4.5697 10.44 .0001 Cross Sectional Effect 20 Intercept 1 519.7975 7.6547 67.91 .0001 Intercept U 1 ‐0.00002 6.502E‐6 ‐2.32 0.0229 U KRTCAP 1 0.017271 0.00176 9.80 .0001 The SAS System The TSCSREG Procedure Dependent Variable: TKDK TKDK Model Description Estimation Method FixOne Number of Cross Sections 21 Time Series Length 5 Fit Statistics SSE 71.2700 DFE 83 MSE 0.8587 Root MSE 0.9266 R ‐Square 0.9906 F Test for No Fixed Effects Num DF Den DF F Value Pr F 20 83 230.91 .0001 Parameter Estimates Standard Variable DF Estimate Error t Value Pr |t| Label CS1 1 ‐12.184 0.5898 ‐20.66 .0001 Cross Sectional Effect 1 CS2 1 ‐21.7847 0.7926 ‐27.49 .0001 Cross Sectional Effect 2 CS3 1 ‐24.5333 0.8099 ‐30.29 .0001 Cross Sectional Effect 3 CS4 1 ‐23.3876 0.8673 ‐26.97 .0001 Cross Sectional Effect 4 CS5 1 ‐24.8834 0.7981 ‐31.18 .0001 Cross Sectional Effect 5 CS6 1 ‐16.8036 0.7243 ‐23.20 .0001 Cross Sectional Effect 6 CS7 1 ‐14.1794 0.7694 ‐18.43 .0001 Cross Sectional Effect 7 CS8 1 ‐15.6547 0.6639 ‐23.58 .0001 Cross Sectional Effect 8 CS9 1 ‐22.7349 0.7946 ‐28.61 .0001 Cross Sectional Effect 9 CS10 1 ‐14.8839 0.8342 ‐17.84 .0001 Cross Sectional Effect 10 CS11 1 ‐14.8923 1.0273 ‐14.50 .0001 Cross Sectional Effect 11 CS12 1 ‐29.3509 0.7885 ‐37.22 .0001 Cross Sectional Effect 12 CS13 1 ‐10.1626 0.8299 ‐12.25 .0001 Cross Sectional Effect 13 CS14 1 ‐11.8521 0.5869 ‐20.20 .0001 Cross Sectional Effect 14 CS15 1 ‐23.3446 0.7198 ‐32.43 .0001 Cross Sectional Effect 15 CS16 1 ‐28.3513 0.8317 ‐34.09 .0001 Cross Sectional Effect 16 CS17 1 ‐24.6596 0.8438 ‐29.23 .0001 Cross Sectional Effect 17 CS18 1 ‐26.1381 0.7551 ‐34.62 .0001 Cross Sectional Effect 18 CS19 1 ‐21.6201 0.7925 ‐27.28 .0001 Cross Sectional Effect 19 CS20 1 ‐6.97159 0.6085 ‐11.46 .0001 Cross Sectional Effect 20 Intercept 1 111.7009 10.1613 10.99 .0001 Intercept PPP 1 ‐0.12184 0.0172 ‐7.08 .0001 PPP Lampiran 3. Program Validasi Model Fiskal dan Indeks Pembangunan Manusia PROGRAM SIMULASI MODEL HUBUNGAN FISKAL DAN IPM ============================================== Option ps=500 ls=240 nocenter nodate nonumber; LIBNAME IN C:\; Data dt; set in.raw110112; BLJ = GPST+GPSI+GPSB+BSP+BSK+BSL; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐; NX1 = NX; NX = NX1+PKP‐BLJ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐; KRTCAP = PKRTPOP; BSPK = BSP+BSK; PDRBEXP= PKRT+BLJ+PMTB+NX; PDRBSEC=TQST+TQSI+TQSB+TQSLL; TKS = TKST+TKSI+TKKSB+TKKSL; U = AK‐TKS; RTQSB=TQSBPDRBSEC; TTKKSB= TKKSBTREN; LOGTKST=LOGTKST; IHP = AHH‐2585‐25; IP = 13RLS15+23AMH100; IHL = PPP‐360732.720‐300; IF PROV=72 THEN DELETE; Variabel dummy propinsi; if PROV=11 then D11=1; else D11=0; if PROV=12 then D12=1; else D12=0; if PROV=13 then D13=1; else D13=0; if PROV=14 then D14=1; else D14=0; if PROV=15 then D15=1; else D15=0; if PROV=16 then D16=1; else D16=0; if PROV=17 then D17=1; else D17=0; if PROV=18 then D18=1; else D18=0; if PROV=32 then D32=1; else D32=0; if PROV=33 then D33=1; else D33=0; if PROV=34 then D34=1; else D34=0; if PROV=51 then D51=1; else D51=0; if PROV=52 then D52=1; else D52=0; if PROV=53 then D53=1; else D53=0; if PROV=61 then D61=1; else D61=0; if PROV=63 then D63=1; else D63=0; if PROV=64 then D64=1; else D64=0; if PROV=71 then D71=1; else D71=0; if PROV=73 then D73=1; else D73=0; if PROV=81 then D81=1; else D81=0; run ; Proc simnlin data=dt out=hasil stats simulate outpredict theil; Endogenous PJKD DAU PAD DNP PAT BSP BSK GPST GPSI GPSB GPSLL BSPK BLJ PKRT PMTB PDRBEXP KRTCAP TQST TQSI TQSB TQSLL RTQSB PDRBSEC TKST TKSI TKKSB TKKSL TKS U AHH AMH RLS PPP TKDK IHP IP IHL IPM; Exogenous PP POP PNS KUK LOGTKST TTKKSB JLHK NPJKD DAK BHPBP PLAIN NX AK APSD; LOGTKST=LOGTKST; Parms PJKD DAU BSP BSK GPST GPSI d111 ‐322740 d211 ‐1020098 d311 ‐448135 d411 ‐222401 d511 140134.8 d611 12036.3 d112 449400.5 d212 ‐1671898 d312 ‐1344272 d412 ‐454543 d512 ‐6408.61 d612 4315.63 d113 34088.64 d213 215350.8 d313 70860.1 d413 ‐137131 d513 37370.3 d613 ‐6159.16 d114 ‐185510 d214 ‐2812575 d314 156775.9 d414 ‐131228 d514 108335.4 d614 ‐5925.61 d115 ‐200386 d215 ‐405987 d315 493897.2 d415 1085.218 d515 83258.86 d615 775.1274 d116 ‐52791.2 d216 ‐1458145 d316 ‐241643 d416 ‐184153 d516 18900.68 d616 ‐8584.98 d117 ‐267749 d217 ‐12921.7 d317 632110.2 d417 93758.09 d517 86030.17 d617 2038.54 d118 ‐126410 d218 ‐931369 d318 92549.43 d418 ‐172673 d518 30308.21 d618 ‐2620.79 d132 1486278 d232 ‐7846791 d332 ‐3475777 d432 ‐1239236 d532 ‐235978 d632 3949.63 d133 716330.6 d233 ‐4688470 d333 ‐3239379 d433 ‐1180025 d533 ‐216635 d633 ‐20884.4 d134 ‐99427.4 d234 ‐324851 d334 200147.3 d434 ‐91554.3 d534 16050.07 d634 ‐4254.51 d151 205928.2 d251 ‐441417 d351 353582.1 d451 ‐42635.4 d551 38633.35 d651 4870.53 d152 ‐248039 d252 ‐416506 d352 370967.1 d452 ‐20152.4 d552 77751.22 d652 ‐800.38 d153 ‐336373 d253 95117.08 d353 74449.7 d453 ‐59878.5 d553 100202.5 d653 1602.305 d161 ‐236657 d261 80766.03 d361 320211.8 d461 16613.52 d561 67681.75 d661 ‐6266.28 d163 ‐50367.2 d263 ‐126597 d363 300929.5 d463 43016.52 d563 52109.76 d663 ‐6553.37 d164 ‐178463 d264 ‐2545593 d364 ‐92659.4 d464 ‐142733 d564 ‐6087.67 d664 ‐5997.91 d171 ‐255484 d271 38032.48 d371 458080.7 d471 ‐43364.6 d571 48937.37 d671 ‐1101.26 d173 ‐4715.28 d273 ‐596506 d373 ‐992500 d473 ‐346463 d573 54564.25 d673 8413.099 d181 ‐316288 d281 322270.7 d381 568806.4 d481 60891.81 d581 77449.23 d681 5647.112 a10 289904.4 a20 8243.43 a30 ‐1318667 a40 ‐221187 a50 ‐52673.8 a60 ‐3061.87 a11 0.038427 a21 0.384778 a31 0.180641 a41 0.068016 a51 0.052731 a61 0.004244 a12 0.011069 a22 243.3648 a32 14.67299 a42 3.734001 GPSB GPSLL PKRT PMTB TQST TQSI d711 33725.2 d811 ‐784367 d911 ‐1.027E7 d1011 ‐4708754 d1111 3859227 d1211 1735093 d712 ‐8702.48 d812 ‐1619725 d912 ‐4746663 d1012 ‐5024298 d1112 18932555 d1212 1978928 d713 ‐76930.6 d813 ‐1705581 d913 ‐1753314 d1013 ‐2979768 d1113 4251728 d1213 ‐1521884 d714 296996 d814 ‐757007 d914 ‐2.134E7 d1014 841032.9 d1114 9954762 d1214 2284158 d715 145731.7 d815 ‐1311459 d915 1643283 d1015 ‐2547736 d1115 1407421 d1215 ‐193872 d716 453480.1 d816 ‐1257918 d916 ‐1637644 d1016 ‐1218538 d1116 6819794 d1216 3812830 d717 120918.7 d817 ‐1247765 d917 789363.1 d1017 ‐2544318 d1117 99476.5 d1217 ‐107028 d718 10892.96 d818 ‐1462457 d918 ‐4466576 d1018 ‐3276247 d1118 9862242 d1218 ‐3706125 d732 ‐710255 d832 ‐1681313 d932 ‐3800595 d1032 ‐1.17E7 d1132 30347457 d1232 ‐1.843E7 d733 ‐982970 d833 ‐3420424 d933 ‐1.023E7 d1033 ‐8159276 d1133 26062661 d1233 ‐7.582E7 d734 ‐91423.3 d834 ‐1236756 d934 ‐2650788 d1034 ‐684539 d1134 835929.1 d1234 ‐8334906 d751 ‐116986 d851 ‐1326276 d951 ‐1665457 d1051 ‐2862344 d1151 1932211 d1251 ‐1.113E7 d752 ‐64137.8 d852 ‐1335233 d952 ‐3230011 d1052 ‐1035419 d1152 1098871 d1252 ‐6992601 d753 ‐49639 d853 ‐1341364 d953 1044685 d1053 ‐2644861 d1153 715280.8 d1253 ‐5090241 d761 177354.2 d861 ‐1441795 d961 ‐2732799 d1061 102943.7 d1161 3014017 d1261 764763.1 d763 64098.03 d863 ‐1412516 d963 ‐3930160 d1063 ‐4028856 d1163 2863202 d1263 ‐2540340 d764 624023.5 d864 180859.9 d964 ‐3.668E7 d1064 ‐6262546 d1164 3042283 d1264 27237630 d771 ‐15732.1 d871 ‐1221731 d971 ‐1592845 d1071 ‐2109849 d1171 532116.5 d1271 ‐973965 d773 ‐6868.65 d873 ‐1228219 d973 ‐4786295 d1073 ‐3551010 d1173 8032401 d1273 ‐3514187 d781 57353.58 d881 ‐961979 d981 1115942 d1081 ‐2297894 d1181 ‐1251487 d1281 ‐577419 a70 ‐84519.4 a80 1259697 a90 ‐1641900 a100 1688554 a110 ‐3342166 a120 ‐633306 a71 0.211716 a81 0.129308 a91 0.524469 a101 0.198536 a111 404676.2 a121 47.97675 a82 1.893701 a92 932.8044 a102 199.449 a112 5.170432 a122 41.00406 TQSB TQSLL TKST TKSI TKKSB TKKSL d1311 389223 d1411 2350375 d1511 16316.74 d1611 ‐8174.12 d1711 63159.87 d1811 120474.6 d1312 4174885 d1412 5688842 d1512 1756355 d1612 134166.5 d1712 163106.1 d1812 979606.9 d1313 302933.5 d1413 ‐3006234 d1513 7931.17 d1613 66483.83 d1713 47361.88 d1813 443856.8 d1314 822760.5 d1414 34701256 d1514 106921.6 d1614 23069.27 d1714 130986.4 d1814 ‐568953 d1315 ‐474439 d1415 ‐9627351 d1515 ‐187274 d1615 25262.89 d1715 26809.9 d1815 375437.2 d1316 2343410 d1416 6903281 d1516 1133570 d1616 2806.191 d1716 63446.35 d1816 234732.2 d1317 ‐714784 d1417 ‐9471114 d1517 ‐367113 d1617 10321.24 d1717 19744.12 d1817 294651.6 d1318 328811.9 d1418 ‐8711327 d1518 1197140 d1618 115380.8 d1718 74115.66 d1818 687471.9 d1332 4751136 d1432 10556211 d1532 3401593 d1632 1322715 d1732 870336.5 d1832 4795839 d1333 4892254 d1433 ‐2.188E7 d1533 5265694 d1633 1979758 d1733 838083.9 d1833 4293445 d1334 361330.2 d1434 ‐1.136E7 d1534 ‐238796 d1634 203596.6 d1734 71320.37 d1834 694701.6 d1351 ‐414232 d1451 ‐9112684 d1551 ‐213367 d1651 248270.3 d1751 107597.8 d1851 663141.9 d1352 74213.78 d1452 ‐8643087 d1552 32890.72 d1652 157258.4 d1752 30682.99 d1852 614330.6 d1353 ‐327034 d1453 ‐9674641 d1553 677232 d1653 107512 d1753 9306.583 d1853 381572.1 d1361 729908.1 d1461 ‐6381365 d1561 329425.2 d1661 29795.07 d1761 20478.4 d1861 400978.9 d1363 153068.8 d1463 ‐4867013 d1563 ‐154765 d1663 83536.25 d1763 32128.67 d1863 409587.5 d1364 1292445 d1464 33444036 d1564 ‐490143 d1664 ‐292587 d1764 81721.37 d1864 ‐766376 d1371 1206322 d1471 ‐7785979 d1571 ‐494376 d1671 36004.11 d1771 ‐58136.1 d1871 381504.4 d1373 380639.3 d1473 ‐4647583 d1573 857083.5 d1673 104375.5 d1773 120292.9 d1873 751824.2 d1381 ‐853640 d1481 ‐1.039E7 d1581 ‐600259 d1681 14146.07 d1781 24091.87 d1881 280021.4 a130 708031.3 a140 9963777 a150 878637.3 a160 3274.099 a170 ‐20827.4 a180 ‐196373 a131 0.683962 a141 9.25683 a151 0.000212 a161 0.012318 a171 781324.4 a181 0.028022 a132 0.371688 a142 0.540797 a133 0.095129 a143 2.262018 AHH AMH RLS PPP TKDK d1911 2.662657 d2011 21.93166 d2111 2.48327 d2211 29.74814 d2311 ‐12.184 d1912 0.886592 d2012 21.02355 d2112 2.058631 d2212 36.08537 d2312 ‐21.7847 d1913 1.354417 d2013 20.84239 d2113 1.772071 d2213 39.92786 d2313 ‐24.5333 d1914 3.338913 d2014 22.22797 d2114 1.993056 d2214 40.01833 d2314 ‐23.3876 d1915 2.005094 d2015 21.39638 d2115 1.400744 d2215 42.09954 d2315 ‐24.8834 d1916 0.835177 d2016 20.8407 d2116 1.099648 d2216 23.14077 d2316 ‐16.8036 d1917 3.783513 d2017 21.1358 d2117 2.121855 d2217 56.72577 d2317 ‐14.1794 d1918 3.590489 d2018 19.75888 d2118 1.40423 d2218 52.80625 d2318 ‐15.6547 d1932 ‐0.96377 d2032 17.97038 d2132 0.897531 d2232 65.88268 d2332 ‐22.7349 d1933 3.700028 d2033 11.8157 d2133 0.494993 d2233 72.94951 d2333 ‐14.8839 d1934 8.071256 d2034 13.7145 d2134 2.605316 d2234 79.4364 d2334 ‐14.8923 d1951 4.2223 d2051 11.68728 d2151 1.39609 d2251 44.10974 d2351 ‐29.3509 d1952 ‐3.23502 d2052 6.535618 d2152 1.044383 d2252 77.64939 d2352 ‐10.1626 d1953 1.317224 d2053 12.87487 d2153 0.695539 d2253 37.42984 d2353 ‐11.8521 d1961 0.028981 d2061 15.13792 d2161 0.66624 d2261 47.29236 d2361 ‐23.3446 d1963 ‐3.72988 d2063 20.80861 d2163 1.309376 d2263 51.84096 d2363 ‐28.3513 d1964 1.527454 d2064 19.35648 d2164 2.017669 d2264 18.05133 d2364 ‐24.6596 d1971 6.482882 d2071 25.49593 d2171 2.893203 d2271 52.80359 d2371 ‐26.1381 d1973 3.609548 d2073 11.29956 d2173 1.27015 d2273 63.71976 d2373 ‐21.6201 d1981 2.3753 d2081 24.96826 d2181 2.886834 d2281 47.70833 d2381 ‐6.97159 a190 61.44018 a200 71.15078 a210 5.114478 a220 519.7975 a230 111.7009 a191 1.228E‐6 a201 5.312E‐7 a211 4.403E‐8 a221 ‐0.00002 a231 ‐0.12184 a192 0.001325 a202 4.04E‐7 a212 0.000308 a222 0.017271 a203 0.000856 a213 ‐0.08232 ; BLOK PENDAPATAN DAERAH; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐; PJKD = a10+a11BLJ+a12PP+ d111D11+d112D12+d113D13+d114D14+d115D15+d116D16+d117D17+d118D18+d132D32+d133D33+ d134D34+d151D51+d152D52+d153D53+d161D61+d163D63+d164D64+d171D71+d173D73+d181D81; DAU = a20+a21blj+a22POP+ d211D11+d212D12+d213D13+d214D14+d215D15+d216D16+d217D17+d218D18+d232D32+d233D33+ d234D34+d251D51+d252D52+d253D53+d261D61+d263D63+d264D64+d271D71+d273D73+d281D81; PAD = PJKD+NPJKD; DNP = DAU+DAK+BHPBP+PLAIN; PAT = PAD+DNP; BLOK BELANJA DAERAH ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; BSP = a30+a31PAT+a32PNS+ d311D11+d312D12+d313D13+d314D14+d315D15+d316D16+d317D17+d318D18+d332D32+d333D33+ d334D34+d351D51+d352D52+d353D53+d361D61+d363D63+d364D64+d371D71+d373D73+d381D81; BSK = a40+a41PAT+a42PNS+ d411D11+d412D12+d413D13+d414D14+d415D15+d416D16+d417D17+d418D18+d432D32+d433D33+ d434D34+d451D51+d452D52+d453D53+d461D61+d463D63+d464D64+d471D71+d473D73+d481D81; GPST = a50+a51PAT+ d511D11+d512D12+d513D13+d514D14+d515D15+d516D16+d517D17+d518D18+d532D32+d533D33+ d534D34+d551D51+d552D52+d553D53+d561D61+d563D63+d564D64+d571D71+d573D73+d581D81; GPSI = a60+a61PAT+ d611D11+d612D12+d613D13+d614D14+d615D15+d616D16+d617D17+d618D18+d632D32+d633D33+ d634D34+d651D51+d652D52+d653D53+d661D61+d663D63+d664D64+d671D71+d673D73+d681D81; GPSB = a70+a71PAT+ d711D11+d712D12+d713D13+d714D14+d715D15+d716D16+d717D17+d718D18+d732D32+d733D33+ d734D34+d751D51+d752D52+d753D53+d761D61+d763D63+d764D64+d771D71+d773D73+d781D81; GPSLL= a80+a81PAT+a82BSPK+ d811D11+d812D12+d813D13+d814D14+d815D15+d816D16+d817D17+d818D18+d832D32+d833D33+ d834D34+d851D51+d852D52+d853D53+d861D61+d863D63+d864D64+d871D71+d873D73+d881D81; BSPK = BSP+BSK; BLJ = GPST+GPSI+GPSB+GPSLL; BLOK PERMINTAAN AGREGAT ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; PKRT = a90+a91PDRBSEC+a92POP+ d911D11+d912D12+d913D13+d914D14+d915D15+d916D16+d917D17+d918D18+d932D32+d933D33+ d934D34+d951D51+d952D52+d953D53+d961D61+d963D63+d964D64+d971D71+d973D73+d981D81; PMTB = a100+a101PDRBSEC+a102KUK+ d1011D11+d1012D12+d1013D13+d1014D14+d1015D15+d1016D16+d1017D17+d1018D18+d1032D32+ d1033D33+d1034D34+d1051D51+d1052D52+d1053D53+d1061D61+d1063D63+d1064D64+d1071D71+ d1073D73+d1081D81; PDRBEXP= PKRT+BLJ+PMTB+NX; KRTCAP=PKRTPOP; BLOK PENAWARAN AGREGAT ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; TQST = a110+a111LOGTKST+a112GPST+ d1111D11+d1112D12+d1113D13+d1114D14+d1115D15+d1116D16+d1117D17+d1118D18+d1132D32+ d1133D33+d1134D34+d1151D51+d1152D52+d1153D53+d1161D61+d1163D63+d1164D64+d1171D71+ d1173D73+d1181D81; TQSI = a120+a121TKSI+a122GPSI+ d1211D11+d1212D12+d1213D13+d1214D14+d1215D15+d1216D16+d1217D17+d1218D18+d1232D32+ d1233D33+d1234D34+d1251D51+d1252D52+d1253D53+d1261D61+d1263D63+d1264D64+d1271D71+ d1273D73+d1281D81; TQSB = a130+a131TTKKSB+a132GPSB+a133JLHK+ d1311D11+d1312D12+d1313D13+d1314D14+d1315D15+d1316D16+d1317D17+d1318D18+d1332D32+ d1333D33+d1334D34+d1351D51+d1352D52+d1353D53+d1361D61+d1363D63+d1364D64+d1371D71+ d1373D73+d1381D81; TQSLL= a140+a141TKKSL+a142GPSLL+a143JLHK+ d1411D11+d1412D12+d1413D13+d1414D14+d1415D15+d1416D16+d1417D17+d1418D18+d1432D32+ d1433D33+d1434D34+d1451D51+d1452D52+d1453D53+d1461D61+d1463D63+d1464D64+d1471D71+ d1473D73+d1481D81; RTQSB=TQSBPDRBSEC; PDRBSEC=TQST+TQSI+TQSB+TQSLL; BLOK TENAGA KERJA ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; TKST = a150+a151TQST+ d1511D11+d1512D12+d1513D13+d1514D14+d1515D15+d1516D16+d1517D17+d1518D18+d1532D32+ d1533D33+d1534D34+d1551D51+d1552D52+d1553D53+d1561D61+d1563D63+d1564D64+d1571D71+ d1573D73+d1581D81; TKSI = a160+a161TQSI+ d1611D11+d1612D12+d1613D13+d1614D14+d1615D15+d1616D16+d1617D17+d1618D18+d1632D32+ d1633D33+d1634D34+d1651D51+d1652D52+d1653D53+d1661D61+d1663D63+d1664D64+d1671D71+ d1673D73+d1681D81; TKKSB= a170+a171RTQSB+ d1711D11+d1712D12+d1713D13+d1714D14+d1715D15+d1716D16+d1717D17+d1718D18+d1732D32+ d1733D33+d1734D34+d1751D51+d1752D52+d1753D53+d1761D61+d1763D63+d1764D64+d1771D71+ d1773D73+d1781D81; TKKSL= a180+a181TQSLL+ d1811D11+d1812D12+d1813D13+d1814D14+d1815D15+d1816D16+d1817D17+d1818D18+d1832D32+ d1833D33+d1834D34+d1851D51+d1852D52+d1853D53+d1861D61+d1863D63+d1864D64+d1871D71+ d1873D73+d1881D81; TKS = TKST+TKSI+TKKSB+TKKSL; U = AK‐TKS; BLOK INDEKS PEMBANGUNAN MANUSIA ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; AHH = a190+a191BSK+a192KRTCAP+ d1911D11+d1912D12+d1913D13+d1914D14+d1915D15+d1916D16+d1917D17+d1918D18+d1932D32+ d1933D33+d1934D34+d1951D51+d1952D52+d1953D53+d1961D61+d1963D63+d1964D64+d1971D71+ d1973D73+d1981D81; AMH = a200+a201BSK+a202BSP+a203KRTCAP+ d2011D11+d2012D12+d2013D13+d2014D14+d2015D15+d2016D16+d2017D17+d2018D18+d2032D32+ d2033D33+d2034D34+d2051D51+d2052D52+d2053D53+d2061D61+d2063D63+d2064D64+d2071D71+ d2073D73+d2081D81; RLS = a210+a211BSP+a212KRTCAP+a213APSD+ d2111D11+d2112D12+d2113D13+d2114D14+d2115D15+d2116D16+d2117D17+d2118D18+d2132D32+ d2133D33+d2134D34+d2151D51+d2152D52+d2153D53+d2161D61+d2163D63+d2164D64+d2171D71+ d2173D73+d2181D81; PPP = a220+a221U+a222KRTCAP+ d2211D11+d2212D12+d2213D13+d2214D14+d2215D15+d2216D16+d2217D17+d2218D18+d2232D32+ d2233D33+d2234D34+d2251D51+d2252D52+d2253D53+d2261D61+d2263D63+d2264D64+d2271D71+ d2273D73+d2281D81; TKDK = a230+a231PPP+ d2311D11+d2312D12+d2313D13+d2314D14+d2315D15+d2316D16+d2317D17+d2318D18+d2332D32+ d2333D33+d2334D34+d2351D51+d2352D52+d2353D53+d2361D61+d2363D63+d2364D64+d2371D71+ d2373D73+d2381D81; IHP = AHH‐2585‐25; IP = 13RLS15+23AMH100; IHL = PPP‐360732.720‐300; IPM = 13IHP+IP+IHL100; RUN ; Lampiran 4. Hasil Validasi Model Fiskal dan Indeks Pembangunan Manusia The SAS System The SIMNLIN Procedure Model Summary Model Variables 52 Endogenous 38 Exogenous 14 Parameters 525 Equations 39 Number of Statements 39 The SAS System The SIMNLIN Procedure Simultaneous Simulation Data Set Options DATA= DT OUT= HASIL Solution Summary Variables Solved 38 Solution Method NEWTON CONVERGE= 1E‐8 Maximum CC 1.32E‐14 Maximum Iterations 2 Total Iterations 210 Average Iterations 2 Observations Processed Read 105 Solved 105 The SAS System The SIMNLIN Procedure Simultaneous Simulation Descriptive Statistics Actual Predicted Variable N Obs N Mean Std Dev Mean Std Dev Label PJKD 105 105 476753 572920 481566 540645 PJKD DAU 105 105 2469343 1921812 2517539 1910509 DAU PAD 105 105 702987 765404 726095 768630 PAD DNP 105 105 3600011 2354694 4068197 2752369 DNP PAT 105 105 4650130 3249866 4794292 3441288 PAT BSP 105 105 1169348 1124502 1195389 1122361 BSP BSK 105 105 381540 290599 391345 298029 BSK GPST 105 105 219799 121848 227401 126689 GPST GPSI 105 105 15457.8 14565.0 16070.8 14688.0 GPSI GPSB 105 105 893363 604688 923886 626338 GPSB GPSLL 105 105 3532532 2730835 3619054 2793662 GPSLL BSPK 105 105 1550888 1408301 1586733 1413097 BLJ 105 105 4661152 3363180 4786412 3453997 BLJ PKRT 105 105 26268198 38122285 26359620 37962962 PKRT PMTB 105 105 9105856 10500705 9136436 10408115 PMTB PDRBEXP 105 105 49863092 59802665 50110353 59483217 PDRBEXP KRTCAP 105 105 3210.7 959.2 3245.5 1043.9 TQST 105 105 9709343 9163807 9748646 9120215 TQST TQSI 105 105 12986648 25974167 13047886 25783741 TQSI TQSB 105 105 2406790 2372168 2418136 2360919 TQSB TQSLL 105 105 24761602 24814011 24824545 24711425 TQSLL RTQSB 105 105 0.0562 0.0296 0.0560 0.0300 PDRBSEC 105 105 49864383 59801738 50039213 59479370 PDRBSEC TKST 105 105 1453845 1402319 1453850 1399883 TKST TKSI 105 105 371039 753404 371793 751636 TKSI TKKSB 105 105 153368 237844 153253 236973 TKKSB TKKSL 105 105 1234052 1826185 1235825 1822621 TKKSL TKS 105 105 3212304 4107566 3214721 4102749 U 105 105 355341 552616 352925 571804 U AHH 105 105 68.1555 2.8600 68.2145 2.8684 AHH AMH 105 105 91.7568 6.4063 91.8018 6.2808 AMH RLS 105 105 7.6323 0.8043 7.6433 0.7872 RLS PPP 105 105 616.5 13.5216 615.4 13.3842 PPP TKDK 105 105 18.0858 8.5387 18.2228 8.2843 TKDK IHP 105 105 0.7193 0.0477 0.7202 0.0478 IP 105 105 0.7813 0.0572 0.7819 0.0558 IHL 105 105 0.5928 0.0312 0.5903 0.0309 IHL IPM 105 105 69.7815 3.3912 69.7466 3.2497 IPM Statistics of fit Mean Mean Mean Abs Mean Abs RMS RMS Variable N Error Error Error Error Error Error R‐Square Label PJKD 105 4813.1 37.5595 81812.1 52.4418 173081 146.4 0.9079 PJKD DAU 105 48196.0 5.9239 367739 20.0822 502921 30.5497 0.9309 DAU PAD 105 23108.5 14.7629 79744.6 23.5937 161200 60.8121 0.9552 PAD DNP 105 468186 15.8394 599232 19.8106 1125417 33.6878 0.7694 DNP PAT 105 144162 4.4732 484473 11.5240 1161426 21.6684 0.8711 PAT BSP 105 26040.6 5.3439 153794 16.9020 283326 34.8921 0.9359 BSP BSK 105 9805.2 4.7607 53213.1 15.4644 94498.9 23.5304 0.8932 BSK GPST 105 7601.6 7.7158 40054.5 18.6414 75021.3 29.4718 0.6173 GPST GPSI 105 613.0 11.2926 3388.8 28.8112 6618.5 64.4215 0.7915 GPSI GPSB 105 30523.6 6.8047 149042 16.4840 295523 26.8588 0.7589 GPSB GPSLL 105 86521.7 4.3112 461439 13.8192 838588 20.8905 0.9048 GPSLL BSPK 105 35845.9 4.9792 201886 15.7205 372856 29.2463 0.9292 BLJ 105 125260 4.9965 624566 13.8750 1189889 22.0812 0.8736 BLJ PKRT 105 91421.4 0.7702 1245498 5.5304 2459344 8.0040 0.9958 PKRT PMTB 105 30579.9 0.5343 623177 13.0480 1009892 24.5316 0.9907 PMTB PDRBEXP 105 247261 1.3131 2045852 4.7831 3793187 9.9487 0.9959 PDRBEXP KRTCAP 105 34.7745 0.7702 185.7 5.5304 304.8 8.0040 0.8981 TQST 105 39303.4 1.4084 403377 5.0100 645320 10.4331 0.9950 TQST TQSI 105 61238.0 12.2692 991563 29.8779 2887126 112.7 0.9875 TQSI TQSB 105 11345.9 0.5359 113576 11.3764 173372 25.2516 0.9946 TQSB TQSLL 105 62943.3 0.3638 1232722 7.0105 1904591 10.8771 0.9941 TQSLL RTQSB 105 ‐0.00015 ‐0.7330 0.00372 10.1711 0.00553 23.0147 0.9646 PDRBSEC 105 174831 0.9333 2343618 5.9037 4745486 10.8769 0.9936 PDRBSEC TKST 105 4.9215 0.3410 51245.4 4.2463 82121.3 5.8473 0.9965 TKST TKSI 105 753.7 13.2117 24911.4 23.5027 45478.1 73.3079 0.9963 TKSI TKKSB 105 ‐115.1 1.6681 13450.0 15.7009 21323.3 25.8093 0.9919 TKKSB TKKSL 105 1772.8 1.4935 51422.3 6.7130 88561.7 13.3377 0.9976 TKKSL TKS 105 2416.3 0.3028 72927.8 2.5118 160701 4.3101 0.9985 U 105 ‐2416.3 ‐5.5343 72927.8 30.8894 160701 75.2734 0.9146 U AHH 105 0.0590 0.0898 0.3539 0.5212 0.5786 0.8549 0.9587 AHH AMH 105 0.0450 0.0626 0.3918 0.4425 0.5807 0.6968 0.9917 AMH RLS 105 0.0110 0.1855 0.0787 1.0686 0.1175 1.6875 0.9785 RLS PPP 105 ‐1.0995 ‐0.1701 4.5524 0.7365 7.7770 1.2650 0.6660 PPP TKDK 105 0.1370 1.5554 0.8224 5.3793 1.1094 7.5873 0.9830 TKDK IHP 105 0.000983 0.1451 0.00590 0.8265 0.00964 1.3581 0.9587 IP 105 0.000545 0.0887 0.00411 0.5441 0.00618 0.8761 0.9882 IHL 105 ‐0.00254 ‐0.3805 0.0105 1.7665 0.0180 3.0607 0.6660 IHL IPM 105 ‐0.0350 ‐0.0285 0.6112 0.8869 1.0125 1.5194 0.9100 IPM Theil Forecast Error Statistics MSE Decomposition Proportions Corr Bias Reg Dist Var Covar Inequality Coef Variable N MSE R UM UR UD US UC U1 U Label PJKD 105 2.996E10 0.95 0.00 0.00 1.00 0.03 0.96 0.2329 0.1181 PJKD DAU 105 2.529E11 0.97 0.01 0.01 0.98 0.00 0.99 0.1610 0.0801 DAU PAD 105 2.599E10 0.98 0.02 0.02 0.96 0.00 0.98 0.1555 0.0771 PAD DNP 105 1.267E12 0.93 0.17 0.25 0.58 0.12 0.70 0.2620 0.1223 DNP PAT 105 1.349E12 0.94 0.02 0.11 0.88 0.03 0.96 0.2050 0.1005 PAT BSP 105 8.027E10 0.97 0.01 0.01 0.98 0.00 0.99 0.1750 0.0871 BSP BSK 105 8.9301E9 0.95 0.01 0.06 0.93 0.01 0.98 0.1974 0.0974 BSK GPST 105 5.6282E9 0.82 0.01 0.13 0.86 0.00 0.99 0.2989 0.1468 GPST GPSI 105 43804809 0.90 0.01 0.06 0.93 0.00 0.99 0.3123 0.1542 GPSI GPSB 105 8.733E10 0.89 0.01 0.09 0.90 0.01 0.98 0.2744 0.1348 GPSB GPSLL 105 7.032E11 0.95 0.01 0.05 0.94 0.01 0.98 0.1881 0.0930 GPSLL BSPK 105 1.39E11 0.97 0.01 0.02 0.97 0.00 0.99 0.1784 0.0886 BLJ 105 1.416E12 0.94 0.01 0.06 0.93 0.01 0.98 0.2074 0.1023 BLJ PKRT 105 6.048E12 1.00 0.00 0.00 1.00 0.00 0.99 0.0533 0.0267 PKRT PMTB 105 1.02E12 1.00 0.00 0.00 1.00 0.01 0.99 0.0729 0.0365 PMTB PDRBEXP 105 1.439E13 1.00 0.00 0.00 0.99 0.01 0.99 0.0489 0.0244 PDRBEXP KRTCAP 105 92876.9 0.96 0.01 0.17 0.82 0.08 0.91 0.0910 0.0451 TQST 105 4.164E11 1.00 0.00 0.00 1.00 0.00 0.99 0.0484 0.0242 TQST TQSI 105 8.335E12 0.99 0.00 0.00 1.00 0.00 1.00 0.0998 0.0500 TQSI TQSB 105 3.006E10 1.00 0.00 0.00 0.99 0.00 0.99 0.0514 0.0257 TQSB TQSLL 105 3.627E12 1.00 0.00 0.00 1.00 0.00 1.00 0.0545 0.0272 TQSLL RTQSB 105 0.000031 0.98 0.00 0.03 0.97 0.01 0.99 0.0873 0.0436 PDRBSEC 105 2.252E13 1.00 0.00 0.00 1.00 0.00 0.99 0.0611 0.0306 PDRBSEC TKST 105 6.7439E9 1.00 0.00 0.00 1.00 0.00 1.00 0.0407 0.0204 TKST TKSI 105 2.0683E9 1.00 0.00 0.00 1.00 0.00 1.00 0.0544 0.0272 TKSI TKKSB 105 4.5468E8 1.00 0.00 0.00 1.00 0.00 1.00 0.0756 0.0379 TKKSB TKKSL 105 7.8432E9 1.00 0.00 0.00 1.00 0.00 1.00 0.0403 0.0202 TKKSL TKS 105 2.582E10 1.00 0.00 0.00 1.00 0.00 1.00 0.0309 0.0155 U 105 2.582E10 0.96 0.00 0.07 0.93 0.01 0.99 0.2454 0.1213 U AHH 105 0.3348 0.98 0.01 0.01 0.98 0.00 0.99 0.0085 0.0042 AHH AMH 105 0.3373 1.00 0.01 0.03 0.96 0.05 0.95 0.0063 0.0032 AMH RLS 105 0.0138 0.99 0.01 0.01 0.99 0.02 0.97 0.0153 0.0077 RLS PPP 105 60.4817 0.83 0.02 0.07 0.91 0.00 0.98 0.0126 0.0063 PPP TKDK 105 1.2308 0.99 0.02 0.03 0.96 0.05 0.93 0.0555 0.0277 TKDK IHP 105 0.000093 0.98 0.01 0.01 0.98 0.00 0.99 0.0134 0.0067 IP 105 0.000038 0.99 0.01 0.03 0.96 0.05 0.94 0.0079 0.0039 IHL 105 0.000323 0.83 0.02 0.07 0.91 0.00 0.98 0.0303 0.0152 IHL IPM 105 1.0252 0.95 0.00 0.00 1.00 0.02 0.98 0.0145 0.0072 IPM Theil Relative Change Forecast Error Statistics Relative Change MSE Decomposition Proportions Corr Bias Reg Dist Var Covar Inequality Coef Variable N MSE R UM UR UD US UC U1 U Label PJKD 104 3.4298 0.79 0.00 0.05 0.95 0.31 0.69 0.6187 0.3701 PJKD DAU 104 0.0905 0.78 0.02 0.14 0.84 0.00 0.98 0.6553 0.3183 DAU PAD 104 0.6345 0.94 0.03 0.54 0.43 0.39 0.58 0.5057 0.2173 PAD DNP 104 0.1417 0.78 0.14 0.29 0.57 0.07 0.78 0.8056 0.3489 DNP PAT 104 0.0623 0.85 0.01 0.08 0.91 0.00 0.99 0.5334 0.2644 PAT BSP 104 0.1806 0.68 0.02 0.42 0.56 0.10 0.88 0.9378 0.4033 BSP BSK 104 0.0749 0.85 0.02 0.10 0.88 0.00 0.98 0.5522 0.2696 BSK GPST 104 0.1151 0.73 0.02 0.28 0.70 0.04 0.94 0.7906 0.3615 GPST GPSI 104 0.2282 0.98 0.01 0.27 0.72 0.20 0.79 0.2113 0.1008 GPSI GPSB 104 0.0808 0.81 0.03 0.16 0.81 0.01 0.96 0.6223 0.2964 GPSB GPSLL 104 0.0582 0.86 0.02 0.07 0.92 0.00 0.98 0.5227 0.2594 GPSLL BSPK 104 0.1228 0.75 0.02 0.29 0.69 0.05 0.93 0.7745 0.3520 BLJ 104 0.0623 0.84 0.02 0.09 0.89 0.00 0.98 0.5492 0.2695 BLJ PKRT 104 0.0146 1.00 0.04 0.44 0.52 0.39 0.57 0.1316 0.0631 PKRT PMTB 104 0.8528 1.00 0.02 0.91 0.08 0.88 0.10 0.3490 0.1498 PMTB PDRBEXP 104 0.0221 0.99 0.04 0.36 0.60 0.29 0.66 0.1768 0.0841 PDRBEXP KRTCAP 104 0.00758 0.91 0.02 0.33 0.65 0.16 0.82 0.4991 0.2260 TQST 104 0.0133 0.98 0.02 0.15 0.82 0.09 0.88 0.2144 0.1036 TQST TQSI 104 1.4319 0.95 0.03 0.17 0.80 0.07 0.90 0.3344 0.1592 TQSI TQSB 104 0.1793 0.99 0.02 0.68 0.29 0.63 0.35 0.2374 0.1083 TQSB TQSLL 104 0.0167 0.99 0.03 0.33 0.64 0.27 0.70 0.1544 0.0741 TQSLL RTQSB 104 0.0287 0.96 0.00 0.29 0.71 0.17 0.83 0.3372 0.1576 PDRBSEC 104 0.0182 0.99 0.04 0.38 0.58 0.32 0.63 0.1609 0.0767 PDRBSEC TKST 104 0.00359 1.00 0.00 0.00 1.00 0.00 1.00 0.0962 0.0481 TKST TKSI 104 0.3645 0.92 0.02 0.27 0.71 0.12 0.85 0.4542 0.2094 TKSI TKKSB 104 0.0411 0.97 0.00 0.00 1.00 0.00 1.00 0.2411 0.1216 TKKSB TKKSL 104 0.0128 0.99 0.01 0.03 0.96 0.01 0.98 0.1456 0.0722 TKKSL TKS 104 0.00237 1.00 0.01 0.04 0.95 0.03 0.96 0.0799 0.0397 U 104 0.5119 0.82 0.01 0.18 0.81 0.02 0.97 0.6205 0.2981 U AHH 104 0.000073 0.94 0.01 0.02 0.96 0.00 0.99 0.3500 0.1756 AHH AMH 104 0.000048 0.98 0.01 0.00 0.99 0.03 0.97 0.1928 0.0980 AMH RLS 104 0.000273 0.96 0.01 0.00 0.99 0.01 0.98 0.2777 0.1411 RLS PPP 104 0.000163 0.75 0.02 0.36 0.62 0.09 0.89 0.8415 0.3733 PPP TKDK 104 0.00549 0.98 0.04 0.05 0.91 0.02 0.94 0.1875 0.0923 TKDK IHP 104 0.000183 0.94 0.01 0.02 0.96 0.00 0.99 0.3508 0.1758 IP 104 0.000075 0.98 0.01 0.00 0.99 0.02 0.97 0.2232 0.1136 IHL 104 0.000975 0.74 0.02 0.39 0.60 0.10 0.88 0.8749 0.3838 IHL IPM 104 0.000232 0.85 0.00 0.11 0.89 0.00 1.00 0.5520 0.2716 IPM Lampiran 5. Program Simulasi Model Fiskal dan Indeks Pembangunan Manusia Kebijakan Afirmatif Terhadap Provinsi Quantil 1 IPM Terendah Option ps=500 ls=240 nocenter nodate nonumber; Data EXO_F; set EXO_fORCST; Simulasi 1 = KENAIKAN DANA ALOKASI UMUM; if PROV in 94 52 53 61 63 then DAU=DAU1.4; else if PROV in 73 18 32 81 33 then DAU=DAU1.2; else if PROV in 11 51 16 15 17 then DAU=DAU1.2; else DAU=DAU1.2; Variabel dummy propinsi; if PROV=11 then D11=1; else D11=0; if PROV=12 then D12=1; else D12=0; if PROV=13 then D13=1; else D13=0; if PROV=14 then D14=1; else D14=0; if PROV=15 then D15=1; else D15=0; if PROV=16 then D16=1; else D16=0; if PROV=17 then D17=1; else D17=0; if PROV=18 then D18=1; else D18=0; if PROV=32 then D32=1; else D32=0; if PROV=33 then D33=1; else D33=0; if PROV=34 then D34=1; else D34=0; if PROV=51 then D51=1; else D51=0; if PROV=52 then D52=1; else D52=0; if PROV=53 then D53=1; else D53=0; if PROV=61 then D61=1; else D61=0; if PROV=63 then D63=1; else D63=0; if PROV=64 then D64=1; else D64=0; if PROV=71 then D71=1; else D71=0; if PROV=73 then D73=1; else D73=0; if PROV=81 then D81=1; else D81=0; IF 2009=THN=2015; run ; Proc simnlin data=EXO_F out=hasil stats simulate outpredict theil; Endogenous PJKD PAD DNP PAT BSP BSK GPST GPSI GPSB GPSLL BSPK BLJ PKRT PMTB PDRBEXP KRTCAP TQST TQSI TQSB TQSLL RTQSB PDRBSEC TKST TKSI TKKSB TKKSL TKS U AHH AMH RLS PPP TKDK IHP IP IHL IPM; instruments PP POP PNS KUK LOGTKST TTKKSB JLHK NPJKD DAK BHPBP PLAIN NX AK APSD DAU; Parms PJKD DAU BSP BSK GPST GPSI d111 ‐322740 d211 ‐1020098 d311 ‐448135 d411 ‐222401 d511 140134.8 d611 12036.3 d112 449400.5 d212 ‐1671898 d312 ‐1344272 d412 ‐454543 d512 ‐6408.61 d612 4315.63 d113 34088.64 d213 215350.8 d313 70860.1 d413 ‐137131 d513 37370.3 d613 ‐6159.16 d114 ‐185510 d214 ‐2812575 d314 156775.9 d414 ‐131228 d514 108335.4 d614 ‐5925.61 d115 ‐200386 d215 ‐405987 d315 493897.2 d415 1085.218 d515 83258.86 d615 775.1274 d116 ‐52791.2 d216 ‐1458145 d316 ‐241643 d416 ‐184153 d516 18900.68 d616 ‐8584.98 d117 ‐267749 d217 ‐12921.7 d317 632110.2 d417 93758.09 d517 86030.17 d617 2038.54 d118 ‐126410 d218 ‐931369 d318 92549.43 d418 ‐172673 d518 30308.21 d618 ‐2620.79 d132 1486278 d232 ‐7846791 d332 ‐3475777 d432 ‐1239236 d532 ‐235978 d632 3949.63 d133 716330.6 d233 ‐4688470 d333 ‐3239379 d433 ‐1180025 d533 ‐216635 d633 ‐20884.4 d134 ‐99427.4 d234 ‐324851 d334 200147.3 d434 ‐91554.3 d534 16050.07 d634 ‐4254.51 d151 205928.2 d251 ‐441417 d351 353582.1 d451 ‐42635.4 d551 38633.35 d651 4870.53 d152 ‐248039 d252 ‐416506 d352 370967.1 d452 ‐20152.4 d552 77751.22 d652 ‐800.38 d153 ‐336373 d253 95117.08 d353 74449.7 d453 ‐59878.5 d553 100202.5 d653 1602.305 d161 ‐236657 d261 80766.03 d361 320211.8 d461 16613.52 d561 67681.75 d661 ‐6266.28 d163 ‐50367.2 d263 ‐126597 d363 300929.5 d463 43016.52 d563 52109.76 d663 ‐6553.37 d164 ‐178463 d264 ‐2545593 d364 ‐92659.4 d464 ‐142733 d564 ‐6087.67 d664 ‐5997.91 d171 ‐255484 d271 38032.48 d371 458080.7 d471 ‐43364.6 d571 48937.37 d671 ‐1101.26 d173 ‐4715.28 d273 ‐596506 d373 ‐992500 d473 ‐346463 d573 54564.25 d673 8413.099 d181 ‐316288 d281 322270.7 d381 568806.4 d481 60891.81 d581 77449.23 d681 5647.112 a10 289904.4 a20 8243.43 a30 ‐1318667 a40 ‐221187 a50 ‐52673.8 a60 ‐3061.87 a11 0.038427 a21 0.384778 a31 0.180641 a41 0.068016 a51 0.052731 a61 0.004244 a12 0.011069 a22 243.3648 a32 14.67299 a42 3.734001 GPSB GPSLL PKRT PMTB TQST TQSI d711 33725.2 d811 ‐784367 d911 ‐1.027E7 d1011 ‐4708754 d1111 3859227 d1211 1735093 d712 ‐8702.48 d812 ‐1619725 d912 ‐4746663 d1012 ‐5024298 d1112 18932555 d1212 1978928 d713 ‐76930.6 d813 ‐1705581 d913 ‐1753314 d1013 ‐2979768 d1113 4251728 d1213 ‐1521884 d714 296996 d814 ‐757007 d914 ‐2.134E7 d1014 841032.9 d1114 9954762 d1214 2284158 d715 145731.7 d815 ‐1311459 d915 1643283 d1015 ‐2547736 d1115 1407421 d1215 ‐193872 d716 453480.1 d816 ‐1257918 d916 ‐1637644 d1016 ‐1218538 d1116 6819794 d1216 3812830 d717 120918.7 d817 ‐1247765 d917 789363.1 d1017 ‐2544318 d1117 99476.5 d1217 ‐107028 d718 10892.96 d818 ‐1462457 d918 ‐4466576 d1018 ‐3276247 d1118 9862242 d1218 ‐3706125 d732 ‐710255 d832 ‐1681313 d932 ‐3800595 d1032 ‐1.17E7 d1132 30347457 d1232 ‐1.843E7 d733 ‐982970 d833 ‐3420424 d933 ‐1.023E7 d1033 ‐8159276 d1133 26062661 d1233 ‐7.582E7 d734 ‐91423.3 d834 ‐1236756 d934 ‐2650788 d1034 ‐684539 d1134 835929.1 d1234 ‐8334906 d751 ‐116986 d851 ‐1326276 d951 ‐1665457 d1051 ‐2862344 d1151 1932211 d1251 ‐1.113E7 d752 ‐64137.8 d852 ‐1335233 d952 ‐3230011 d1052 ‐1035419 d1152 1098871 d1252 ‐6992601 d753 ‐49639 d853 ‐1341364 d953 1044685 d1053 ‐2644861 d1153 715280.8 d1253 ‐5090241 d761 177354.2 d861 ‐1441795 d961 ‐2732799 d1061 102943.7 d1161 3014017 d1261 764763.1 d763 64098.03 d863 ‐1412516 d963 ‐3930160 d1063 ‐4028856 d1163 2863202 d1263 ‐2540340 d764 624023.5 d864 180859.9 d964 ‐3.668E7 d1064 ‐6262546 d1164 3042283 d1264 27237630 d771 ‐15732.1 d871 ‐1221731 d971 ‐1592845 d1071 ‐2109849 d1171 532116.5 d1271 ‐973965 d773 ‐6868.65 d873 ‐1228219 d973 ‐4786295 d1073 ‐3551010 d1173 8032401 d1273 ‐3514187 d781 57353.58 d881 ‐961979 d981 1115942 d1081 ‐2297894 d1181 ‐1251487 d1281 ‐577419 a70 ‐84519.4 a80 1259697 a90 ‐1641900 a100 1688554 a110 ‐3342166 a120 ‐633306 a71 0.211716 a81 0.129308 a91 0.524469 a101 0.198536 a111 404676.2 a121 47.97675 a82 1.893701 a92 932.8044 a102 199.449 a112 5.170432 a122 41.00406 TQSB TQSLL TKST TKSI TKKSB TKKSL d1311 389223 d1411 2350375 d1511 16316.74 d1611 ‐8174.12 d1711 63159.87 d1811 120474.6 d1312 4174885 d1412 5688842 d1512 1756355 d1612 134166.5 d1712 163106.1 d1812 979606.9 d1313 302933.5 d1413 ‐3006234 d1513 7931.17 d1613 66483.83 d1713 47361.88 d1813 443856.8 d1314 822760.5 d1414 34701256 d1514 106921.6 d1614 23069.27 d1714 130986.4 d1814 ‐568953 d1315 ‐474439 d1415 ‐9627351 d1515 ‐187274 d1615 25262.89 d1715 26809.9 d1815 375437.2 d1316 2343410 d1416 6903281 d1516 1133570 d1616 2806.191 d1716 63446.35 d1816 234732.2 d1317 ‐714784 d1417 ‐9471114 d1517 ‐367113 d1617 10321.24 d1717 19744.12 d1817 294651.6 d1318 328811.9 d1418 ‐8711327 d1518 1197140 d1618 115380.8 d1718 74115.66 d1818 687471.9 d1332 4751136 d1432 10556211 d1532 3401593 d1632 1322715 d1732 870336.5 d1832 4795839 d1333 4892254 d1433 ‐2.188E7 d1533 5265694 d1633 1979758 d1733 838083.9 d1833 4293445 d1334 361330.2 d1434 ‐1.136E7 d1534 ‐238796 d1634 203596.6 d1734 71320.37 d1834 694701.6 d1351 ‐414232 d1451 ‐9112684 d1551 ‐213367 d1651 248270.3 d1751 107597.8 d1851 663141.9 d1352 74213.78 d1452 ‐8643087 d1552 32890.72 d1652 157258.4 d1752 30682.99 d1852 614330.6 d1353 ‐327034 d1453 ‐9674641 d1553 677232 d1653 107512 d1753 9306.583 d1853 381572.1 d1361 729908.1 d1461 ‐6381365 d1561 329425.2 d1661 29795.07 d1761 20478.4 d1861 400978.9 d1363 153068.8 d1463 ‐4867013 d1563 ‐154765 d1663 83536.25 d1763 32128.67 d1863 409587.5 d1364 1292445 d1464 33444036 d1564 ‐490143 d1664 ‐292587 d1764 81721.37 d1864 ‐766376 d1371 1206322 d1471 ‐7785979 d1571 ‐494376 d1671 36004.11 d1771 ‐58136.1 d1871 381504.4 d1373 380639.3 d1473 ‐4647583 d1573 857083.5 d1673 104375.5 d1773 120292.9 d1873 751824.2 d1381 ‐853640 d1481 ‐1.039E7 d1581 ‐600259 d1681 14146.07 d1781 24091.87 d1881 280021.4 a130 708031.3 a140 9963777 a150 878637.3 a160 3274.099 a170 ‐20827.4 a180 ‐196373 a131 0.683962 a141 9.25683 a151 0.000212 a161 0.012318 a171 781324.4 a181 0.028022 a132 0.371688 a142 0.540797 a133 0.095129 a143 2.262018 AHH AMH RLS PPP TKDK d1911 2.662657 d2011 21.93166 d2111 2.48327 d2211 29.74814 d2311 ‐12.184 d1912 0.886592 d2012 21.02355 d2112 2.058631 d2212 36.08537 d2312 ‐21.7847 d1913 1.354417 d2013 20.84239 d2113 1.772071 d2213 39.92786 d2313 ‐24.5333 d1914 3.338913 d2014 22.22797 d2114 1.993056 d2214 40.01833 d2314 ‐23.3876 d1915 2.005094 d2015 21.39638 d2115 1.400744 d2215 42.09954 d2315 ‐24.8834 d1916 0.835177 d2016 20.8407 d2116 1.099648 d2216 23.14077 d2316 ‐16.8036 d1917 3.783513 d2017 21.1358 d2117 2.121855 d2217 56.72577 d2317 ‐14.1794 d1918 3.590489 d2018 19.75888 d2118 1.40423 d2218 52.80625 d2318 ‐15.6547 d1932 ‐0.96377 d2032 17.97038 d2132 0.897531 d2232 65.88268 d2332 ‐22.7349 d1933 3.700028 d2033 11.8157 d2133 0.494993 d2233 72.94951 d2333 ‐14.8839 d1934 8.071256 d2034 13.7145 d2134 2.605316 d2234 79.4364 d2334 ‐14.8923 d1951 4.2223 d2051 11.68728 d2151 1.39609 d2251 44.10974 d2351 ‐29.3509 d1952 ‐3.23502 d2052 6.535618 d2152 1.044383 d2252 77.64939 d2352 ‐10.1626 d1953 1.317224 d2053 12.87487 d2153 0.695539 d2253 37.42984 d2353 ‐11.8521 d1961 0.028981 d2061 15.13792 d2161 0.66624 d2261 47.29236 d2361 ‐23.3446 d1963 ‐3.72988 d2063 20.80861 d2163 1.309376 d2263 51.84096 d2363 ‐28.3513 d1964 1.527454 d2064 19.35648 d2164 2.017669 d2264 18.05133 d2364 ‐24.6596 d1971 6.482882 d2071 25.49593 d2171 2.893203 d2271 52.80359 d2371 ‐26.1381 d1973 3.609548 d2073 11.29956 d2173 1.27015 d2273 63.71976 d2373 ‐21.6201 d1981 2.3753 d2081 24.96826 d2181 2.886834 d2281 47.70833 d2381 ‐6.97159 a190 61.44018 a200 71.15078 a210 5.114478 a220 519.7975 a230 111.7009 a191 1.228E‐6 a201 5.312E‐7 a211 4.403E‐8 a221 ‐0.00002 a231 ‐0.12184 a192 0.001325 a202 4.04E‐7 a212 0.000308 a222 0.017271 a203 0.000856 a213 ‐0.08232 ; BLOK PENDAPATAN DAERAH; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐; PJKD = a10+a11BLJ+a12PP+ d111D11+d112D12+d113D13+d114D14+d115D15+d116D16+d117D17+d118D18+d132D32+d133D33+ d134D34+d151D51+d152D52+d153D53+d161D61+d163D63+d164D64+d171D71+d173D73+d181D81; DAU = a20+a21blj+a22POP+ d211D11+d212D12+d213D13+d214D14+d215D15+d216D16+d217D17+d218D18+d232D32+d233D33+ d234D34+d251D51+d252D52+d253D53+d261D61+d263D63+d264D64+d271D71+d273D73+d281D81; PAD = PJKD+NPJKD; DNP = DAU+DAK+BHPBP+PLAIN; PAT = PAD+DNP; BLOK BELANJA DAERAH ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; BSP = a30+a31PAT+a32PNS+ d311D11+d312D12+d313D13+d314D14+d315D15+d316D16+d317D17+d318D18+d332D32+d333D33+ d334D34+d351D51+d352D52+d353D53+d361D61+d363D63+d364D64+d371D71+d373D73+d381D81; BSK = a40+a41PAT+a42PNS+ d411D11+d412D12+d413D13+d414D14+d415D15+d416D16+d417D17+d418D18+d432D32+d433D33+ d434D34+d451D51+d452D52+d453D53+d461D61+d463D63+d464D64+d471D71+d473D73+d481D81; GPST = a50+a51PAT+ d511D11+d512D12+d513D13+d514D14+d515D15+d516D16+d517D17+d518D18+d532D32+d533D33+ d534D34+d551D51+d552D52+d553D53+d561D61+d563D63+d564D64+d571D71+d573D73+d581D81; GPSI = a60+a61PAT+ d611D11+d612D12+d613D13+d614D14+d615D15+d616D16+d617D17+d618D18+d632D32+d633D33+ d634D34+d651D51+d652D52+d653D53+d661D61+d663D63+d664D64+d671D71+d673D73+d681D81; GPSB = a70+a71PAT+ d711D11+d712D12+d713D13+d714D14+d715D15+d716D16+d717D17+d718D18+d732D32+d733D33+ d734D34+d751D51+d752D52+d753D53+d761D61+d763D63+d764D64+d771D71+d773D73+d781D81; GPSLL= a80+a81PAT+a82BSPK+ d811D11+d812D12+d813D13+d814D14+d815D15+d816D16+d817D17+d818D18+d832D32+d833D33+ d834D34+d851D51+d852D52+d853D53+d861D61+d863D63+d864D64+d871D71+d873D73+d881D81; BSPK = BSP+BSK; BLJ = GPST+GPSI+GPSB+GPSLL; BLOK PERMINTAAN AGREGAT ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; PKRT = a90+a91PDRBSEC+a92POP+ d911D11+d912D12+d913D13+d914D14+d915D15+d916D16+d917D17+d918D18+d932D32+d933D33+ d934D34+d951D51+d952D52+d953D53+d961D61+d963D63+d964D64+d971D71+d973D73+d981D81; PMTB = a100+a101PDRBSEC+a102KUK+ d1011D11+d1012D12+d1013D13+d1014D14+d1015D15+d1016D16+d1017D17+d1018D18+d1032D32+ d1033D33+d1034D34+d1051D51+d1052D52+d1053D53+d1061D61+d1063D63+d1064D64+d1071D71+ d1073D73+d1081D81; PDRBEXP= PKRT+BLJ+PMTB+NX; KRTCAP=PKRTPOP; BLOK PENAWARAN AGREGAT ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; TQST = a110+a111LOGTKST+a112GPST+ d1111D11+d1112D12+d1113D13+d1114D14+d1115D15+d1116D16+d1117D17+d1118D18+d1132D32+ d1133D33+d1134D34+d1151D51+d1152D52+d1153D53+d1161D61+d1163D63+d1164D64+d1171D71+ d1173D73+d1181D81; TQSI = a120+a121TKSI+a122GPSI+ d1211D11+d1212D12+d1213D13+d1214D14+d1215D15+d1216D16+d1217D17+d1218D18+d1232D32+ d1233D33+d1234D34+d1251D51+d1252D52+d1253D53+d1261D61+d1263D63+d1264D64+d1271D71+ d1273D73+d1281D81; TQSB = a130+a131TTKKSB+a132GPSB+a133JLHK+ d1311D11+d1312D12+d1313D13+d1314D14+d1315D15+d1316D16+d1317D17+d1318D18+d1332D32+ d1333D33+d1334D34+d1351D51+d1352D52+d1353D53+d1361D61+d1363D63+d1364D64+d1371D71+ d1373D73+d1381D81; TQSLL= a140+a141TKKSL+a142GPSLL+a143JLHK+ d1411D11+d1412D12+d1413D13+d1414D14+d1415D15+d1416D16+d1417D17+d1418D18+d1432D32+ d1433D33+d1434D34+d1451D51+d1452D52+d1453D53+d1461D61+d1463D63+d1464D64+d1471D71+ d1473D73+d1481D81; RTQSB=TQSBPDRBSEC; PDRBSEC=TQST+TQSI+TQSB+TQSLL; BLOK TENAGA KERJA ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; TKST = a150+a151TQST+ d1511D11+d1512D12+d1513D13+d1514D14+d1515D15+d1516D16+d1517D17+d1518D18+d1532D32+ d1533D33+d1534D34+d1551D51+d1552D52+d1553D53+d1561D61+d1563D63+d1564D64+d1571D71+ d1573D73+d1581D81; TKSI = a160+a161TQSI+ d1611D11+d1612D12+d1613D13+d1614D14+d1615D15+d1616D16+d1617D17+d1618D18+d1632D32+ d1633D33+d1634D34+d1651D51+d1652D52+d1653D53+d1661D61+d1663D63+d1664D64+d1671D71+ d1673D73+d1681D81; TKKSB= a170+a171RTQSB+ d1711D11+d1712D12+d1713D13+d1714D14+d1715D15+d1716D16+d1717D17+d1718D18+d1732D32+ d1733D33+d1734D34+d1751D51+d1752D52+d1753D53+d1761D61+d1763D63+d1764D64+d1771D71+ d1773D73+d1781D81; TKKSL= a180+a181TQSLL+ d1811D11+d1812D12+d1813D13+d1814D14+d1815D15+d1816D16+d1817D17+d1818D18+d1832D32+ d1833D33+d1834D34+d1851D51+d1852D52+d1853D53+d1861D61+d1863D63+d1864D64+d1871D71+ d1873D73+d1881D81; TKS = TKST+TKSI+TKKSB+TKKSL; U = AK‐TKS; BLOK INDEKS PEMBANGUNAN MANUSIA ; ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; AHH = a190+a191BSK+a192KRTCAP+ d1911D11+d1912D12+d1913D13+d1914D14+d1915D15+d1916D16+d1917D17+d1918D18+d1932D32+ d1933D33+d1934D34+d1951D51+d1952D52+d1953D53+d1961D61+d1963D63+d1964D64+d1971D71+ d1973D73+d1981D81; AMH = a200+a201BSK+a202BSP+a203KRTCAP+ d2011D11+d2012D12+d2013D13+d2014D14+d2015D15+d2016D16+d2017D17+d2018D18+d2032D32+ d2033D33+d2034D34+d2051D51+d2052D52+d2053D53+d2061D61+d2063D63+d2064D64+d2071D71+ d2073D73+d2081D81; RLS = a210+a211BSP+a212KRTCAP+a213APSD+ d2111D11+d2112D12+d2113D13+d2114D14+d2115D15+d2116D16+d2117D17+d2118D18+d2132D32+ d2133D33+d2134D34+d2151D51+d2152D52+d2153D53+d2161D61+d2163D63+d2164D64+d2171D71+ d2173D73+d2181D81; PPP = a220+a221U+a222KRTCAP+ d2211D11+d2212D12+d2213D13+d2214D14+d2215D15+d2216D16+d2217D17+d2218D18+d2232D32+ d2233D33+d2234D34+d2251D51+d2252D52+d2253D53+d2261D61+d2263D63+d2264D64+d2271D71+ d2273D73+d2281D81; TKDK = a230+a231PPP+ d2311D11+d2312D12+d2313D13+d2314D14+d2315D15+d2316D16+d2317D17+d2318D18+d2332D32+ d2333D33+d2334D34+d2351D51+d2352D52+d2353D53+d2361D61+d2363D63+d2364D64+d2371D71+ d2373D73+d2381D81; IHP = AHH‐2585‐25; IP = 13RLS15+23AMH100; IHL = PPP‐360732.720‐300; IPM = 13IHP+IP+IHL100; id prov thn; RUN ; DATA ENDOGEN; SET HASIL; KEEP PROV THN PJKD DAU PAD DNP PAT BSP BSK GPST GPSI GPSB GPSLL BSPK BLJ PKRT PMTB PDRBEXP KRTCAP TQST TQSI TQSB TQSLL RTQSB PDRBSEC TKST TKSI TKKSB TKKSL TKS U AHH AMH RLS PPP TKDK IHP IP IHL IPM; RUN; proc export data=ENDOGEN outfile=D:\Mydoc\Berpacu Waktu_Sugiarto\SimTerbuka\HASIL0_FORECASTE.xls dbms=excel replace; run; Lampiran 6. Ringkasan Hasil Simulasi Kebijakan Fiskal terhadap Indeks Pembangunan Manusia Periode Tahun 2004-2008 Variabel Simulasi Dasar Simulasi 1 Simulasi 2 Simulasi 3 Simulasi 4 Simulasi 5 Simulasi 6 Simulasi 7 Simulasi 8 Nilai Dasar Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen PJKD t 481 566 505 573 4.99 496 961 3.20 489 453 1.64 509 418 5.78 500 467 3.92 507 704 5.43 531 977 10.47 521 616 8.32 DAU t 2 517 539 2 757 921 9.55 3 021 047 20 2 596 505 3.14 2 796 423 11.08 5 5 6 6 3 022 314 20.05 2 918 566 15.93 PAD t 726 095 750 102 3.31 741 489 2.12 733 981 1.09 753 947 3.84 744 995 2.60 752 232 3.60 776506 6.94 766 145 5.52 DNP t 4 068 197 4 308 578 5.91 4 513 869 10.96 4 147 163 1.94 4 347 080 6.86 4 615 362 13.45 4 824 878 18.60 4 572 972 12.41 4 469 223 9.86 PAT t 4 794 292 5 058 680 5.51 5 255 359 9.62 4 881 144 1.81 5 101 027 6.40 5 360 358 11.81 5 577 110 16.33 5 349 478 11.58 5 235 368 9.20 BSP t 1 195 389 14 34 467 20 1 278 676 6.97 1 211 078 1.31 14 34 467 20 1 297 643 8.55 1 336 798 11.83 1 295 678 8.39 8 8 BSK t 391 345 469 614 20 422 705 8.01 397 252 1.51 469 614 20 429 846 9.84 444 589 13.61 429 106 9.65 8 8 GPST t 227 401 241 343 6.13 251 714 10.69 231 981 2.01 243 576 7.11 257 250 13.13 268 680 18.15 256 677 12.87 250 659 10.23 GPSI t 16 070.8 17 192.9 6.98 18 027.6 12.18 16 439.4 2.29 17 372.6 8.10 18 473.2 14.95 19 393.1 20.67 18 427 14.66 17 942.7 11.65 GPSB t 923 886 979 862 6.06 1 021 502 10.57 1 108 663 20 1 108 663 20 1 043 732 12.97 1 089 622 17.94 1 041 428 12.72 1 017 269 10.11 GPSLL t 3 619 054 4 172 743 15.30 3 895 782 7.65 3 671 182 1.44 4 178 219 15.45 3 958 801 9.39 4 088 894 12.98 3 952 271 9.21 4 542 769 25.52 BSPK t 1586 733 1 861 065 17.29 1 701 381 7.23 1 608 330 1.36 1 861 065 17.29 1 727 490 8.87 1 781 387 12.27 1 724 784 8.70 2 044 398 28.84 BLJ t 4 786 412 5 411 140 13.05 5 187 024 8.37 4 991 637 4.29 5 511 203 15.14 5 278 256 10.28 5 466 588 14.21 7 7 5 828 641 21.77 PKRT t 26 359 620 26 679 380 1.21 26 653 439 1.11 26 440 262 0.31 26 714 950 1.35 26 720 350 1.37 26 858 477 1.89 26 713 417 1.34 26 893 073 2.02 PMTB t 9 136 436 9 257 480 1.32 9 247 660 1.22 9 166 963 0.33 9 270 945 1.47 9 272 989 1.49 9 325 277 2.07 9 270 364 1.47 9 338 373 2.21 PDRBEXP t 50 110 353 51 175 886 2.13 50 916 008 1.61 50 426 748 0.63 51 324 982 2.42 51 099 481 1.97 51 478 228 2.73 51 909 940 3.59 51 887 971 3.55 KRTCAP t 3 245.5 3 291.7 1.42 3 295 1.53 3259.3 0.43 3298.3 1.63 3 313.5 2.10 3 327.5 2.53 3302.1 1.74 3318.4 2.25 TQST t 9 748 646 9 820 730 0.74 9 874 352 1.29 9 772 326 0.24 9 832 275 0.86 9 902 980 1.58 9 962 075 2.19 9 900 013 1.55 9 868 902 1.23 TQSI t 13 047 886 13 160 371 0.86 13 244 050 1.50 13 084 838 0.28 13 178 388 1.00 13 288 722 1.85 13 380 941 2.55 13 284 093 1.81 13 235 544 1.44 TQSB t 2 418 136 2 438 942 0.86 2 454 419 1.50 2 473 202 2.28 2 473 202 2.28 2 462 681 1.84 2 479 738 2.55 2 461 825 1.81 2 452 846 1.44 TQSLL t 24 824 545 25 228 854 1.63 25 026 614 0.81 24 862 609 0.15 25 232 853 1.64 25 072 632 1.00 25 167 626 1.38 25 067 863 0.98 25 499 051 2.72 RTQSB t 0.056 0.0557 -0.54 0.0562 0.36 0.0574 2.50 0.0565 0.89 0.0562 0.36 0.0564 0.71 0.0563 0.54 0.0555 -0.89 PDRBSEC t 50 039 213 50 648 897 1.22 50 599 435 1.12 50 192 974 0.31 50 716 718 1.35 50 727 015 1.37 50 990 381 1.90 50 713 795 1.35 51 056 343 2.03 TKST t 1 453 850 1 453 865 0.00 1 453 876 0.00 1 453 855 0.00 1 453 867 0.00 1 453 882 0.00 1 453 895 0.00 1 453 882 0.00 1 453 875 0.00 TKSIt 371 793 373 179 0.37 374 209 0.65 372 248 0.12 373 401 0.43 374 760 0.80 375 896 1.10 374 703 0.78 374 105 0.62 TKKSB t 153 253 153 013 -0.16 153 384 0.09 154305 0.69 153 646 0.26 153 379 0.08 153 575 0.21 153 493 0.16 152 888 -0.24 TKKSL t 1 235 825 1 247 154 0.92 1 241 487 0.46 1236891 0.09 1 247 266 0.93 1 242 777 0.56 1 245 438 0.78 1 242 643 0.55 1 254 726 1.53 TKST t 3 214 721 3 227 211 0.39 3 222 956 0.26 3217299 0.08 3 228 180 0.42 3 224 798 0.31 3 228 804 0.44 3 224 720 0.31 3 235 594 0.65 U t 352 925 340 434 -3.54 344 689 -2.33 350 346 -0.73 339 465 -3.81 342 848 -2.86 338 841 -3.99 342 925 -2.83 332 052 -5.91 AHH t 68.2 145 68.3574 0.21 68.3186 0.15 68.2401 0.04 68.3662 0.22 68.3519 0.20 68.3885 0.26 68.3359 0.18 68.4472 0.34 201 Lampiran 6. Lanjutan Variabel Simulasi Dasar Simulasi 1 Simulasi 2 Simulasi 3 Simulasi 4 Simulasi 5 Simulasi 6 Simulasi 7 Simulasi 8 Nilai Dasar Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen AMH t 91.8018 91.9606 0.159 91.8944 0.093 91.8231 0.021 91.9663 0.165 91.9217 0.120 91.9574 0.156 91.9108 0.109 92.0631 0.28 PPPt 615.4 616.5 0.18 616.5 0.18 615.7 0.05 616.6 0.19 616.8 0.23 617.1 0.28 616.6 0.19 617.1 0.28 TKDKt 18.2228 18.0952 -0.128 18.0986 -0.124 18.1875 -0.035 18.0788 -0.144 18.0552 -0.168 18.0159 -0.207 18.0793 -0.144 18.0186 -1.12 IHPt 0.7202 0.7226 0.33 0.722 0.25 0.7207 0.07 0.7228 0.36 0.7225 0.32 0.7231 0.40 0.7223 0.29 0.7241 0.54 IPt 0.7819 0.7834 0.19 0.7829 0.13 0.7821 0.03 0.7835 0.20 0.7832 0.17 0.7836 0.22 0.7831 0.15 0.7844 0.32 IHLt 0.5903 0.5927 0.41 0.5926 0.39 0.591 0.12 0.593 0.46 0.5935 0.54 0.5942 0.66 0.593 0.46 0.5942 0.66 IPMt 69.7466 69.9592 0.213 69.9176 0.171 69.7915 0.045 69.9773 0.231 69.9744 0.228 70.032 0.285 69.9452 0.199 70.0909 0.49 Keterangan: 1 Simulasi 1 : Belanja Sektor Pendidikan dan Belanja Sektor Kesehatan Meningkat 20 persen BSP=BSP1.2 dan BSK=BSK1.2; 2 Simulasi 2 : Transfer Dana Alokasi Umum Meningkat 20 persen DAU=DAU1.2 3 Simulasi 3 : Belanja Pemerintah Sektor Bangunan dan Infrastruktur Meningkat 20 Persen GPSB=GPSB1.2 4 Simulasi 4 : Belanja Sektor Pendidikan, Belanja Sektor Kesehatan, dan Belanja Pemerintah Sektor Bangunan dan Infrastruktur Meningkat 20 Persen BSP=BSP1.2,BSK =BSK1.2, dan GPSB = GPSB1.2 5 Simulasi 5 : Kebijakan Afirmatif I Provinsi Dengan IPM Terendah Quantil 1 Dengan DAU=DAU1.4 dan Lainnya DAU=DAU1.2 6 Simulasi 6 : Kebijakan Afirmatif II Provinsi Dengan IPM Terendah Quantil 1 dan 2 Dengan DAU=DAU1.4 dan Lainnya DAU=DAU1.2 7 Simulasi 7 : Kebijakan Afirmatif III Provinsi Dengan IPM Terendah Quantil 1 dan 2 Dengan BLJ=BLJ1.4 dan Lainnya BLJ=BLJ1.2 8 Simulasi 8 : Kebijakan Afirmatif III Provinsi Dengan IPM Terendah Quantil 1 dan 2 Dengan BSP = BSP1.4 dan Lainnya BSP=BSP1.2 202 Lampiran 7. Ringkasan Hasil Simulasi Kebijakan Fiskal terhadap Indeks Pembangunan Manusia Periode Tahun 2009-2015 Variabel Simulasi Dasar Simulasi 1 Simulasi 2 Simulasi 3 Simulasi-4 Simulasi 5 Simulasi 6 Simulasi 7 Simulasi-8 Nilai Dasar Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen PJKD t 630 554 665 869 5.60 666 256 5.66 658 734 4.47 684 518 8.56 673 818 6.86 685 170 8.66 735 854 16.70 694 927 10.21 DAU t 4 213 229 4 566 847 8.39 5 055 875 20 4 495 405 6.70 4 753 584 12.83 5 5 6 6 5 267 625 25.03 4 857 811 15.30 PAD t 1 067 209 1 102 524 3.31 1 102 911 3.35 1 095 389 2.64 1 121 173 5.06 1 110 473 4.05 1 121 825 5.12 1 172 509 9.87 1 131 582 6.03 DNP t 6 696 964 7 050 583 5.28 7 730 559 15.43 6 979 141 4.21 7 237 319 8.07 7 949 493 18.70 8 278 139 23.61 7 751 361 15.74 7 341 547 9.63 PAT t 7 764 173 8 153 107 5.01 8 833 470 13.77 8 074 530 4.00 8 358 492 7.65 9 059 966 16.69 9 399 964 21.07 8 923 870 14.94 8 473 129 9.13 BSP t 2 334 725 2 801 670 20 2 527 884 8.27 2 390 788 2.40 2 801 670 20 2 568 798 10.03 2 630 216 12.66 2 544 214 8.97 8 8 BSK t 746 759 896 110.8 20 819 489 9.74 767 869 2.83 896 110.8 20 834 894 11.80 858 019 14.90 825 637 10.56 8 8 GPST t 384 006 404 515 5.34 440 391 14.68 400 371 4.26 415 345 8.16 452 334 17.79 470 263 22.46 445 158 15.92 421 390 9.74 GPSI t 28 675 30 325.6 5.76 33 213.1 15.83 29 992.1 4.59 31 197.3 8.80 34 174.3 19.18 35 617.3 24.21 33 596.7 17.16 31 683.8 10.49 GPSB t 1 552 658 1 635 001 5.30 1 779 045 14.58 1 863 190 20 1 863 190 20 1 826 998 17.67 1 898 981 22.31 1 798 184 15.81 1 702 755 9.67 GPSLL t 6 833 695 7 648 211 11.92 7 475 476 9.39 7 019 968 2.73 7 674 769 12.31 7 611 417 11.38 7 815 480 14.37 7 529 733 10.19 8 318 410 21.73 BSPK t 3 081 484 3 485 046 13.10 3 347 373 8.63 3 158 657 2.50 3 485 046 13.10 3 403 692 10.46 3 488 235 13.20 3 369 851 9.36 3 817 103 23.87 BLJ t 8 799 033 9 718 053 10.44 9 728 125 10.56 9 532 383 8.33 10 203 363 15.96 9 924 923 12.80 10 220 341 16.15 7 7 10 474 239 19.04 PKRT t 32 181 362 32 651 752 1.46 32 862 781 2.12 32 469 531 0.90 32 824 269 2.00 33 007 118 2.57 33 223 785 3.24 32 920 389 2.30 33 038 798 2.66 PMTB t 11 599 744 11 777 808 1.54 11 857 692 2.22 11 708 829 0.94 11 843 114 2.10 11 912 331 2.69 11 994 349 3.40 11 879 500 2.41 11 924 323 2.80 PDRBEXP t 59 791 013 61 358 487 2.62 61 659 473 3.12 60 921 616 1.89 62 081 619 3.83 62 055 246 3.79 62 649 348 4.78 63 550 068 6.29 62 648 233 4.78 KRTCAP t 4 124.6 4 161.1 0.88 4 265.7 3.42 4 179.5 1.33 4 197.5 1.77 4 303.5 4.34 4 327 4.91 4 250.1 3.04 4212.1 2.12 TQST t 10 571 175 10 677 215 1.00 10 862 710 2.76 10 655 791 0.80 10 733 211 1.53 10 924 463 3.34 11 017 160 4.22 10 887 357 2.99 10 764 466 1.83 TQSI t 14 311 441 14 476 915 1.16 14 766 380 3.18 14 443 484 0.92 14 564 298 1.77 14 862 745 3.85 15 007 399 4.86 14 804 841 3.45 14 613 071 2.11 TQSB t 3 472 395 3 503 001 0.88 3 556 541 2.42 3 669 165 5.67 3 669 165 5.67 3 574 364 2.94 3 601 119 3.71 3 563 655 2.63 3 528 185 1.61 TQSLL t 31 675 647 32 270 415 1.88 32 144 282 1.48 31 811 666 0.43 32 289 808 1.94 32 243 547 1.79 32 392 556 2.26 32 183 901 1.60 32 759 801 3.42 RTQSB t 0.0643 0.0637 -0.93 0.0641 -0.31 0.0683 6.22 0.0671 4.35 0.064 -0.47 0.0641 -0.31 0.0644 0.16 0.0632 -1.71 PDRBSE t 60 030 658 60 927 546 1.49 61 329 914 2.16 60 580 106 0.92 61 256 482 2.04 61 605 119 2.62 62 018 235 3.31 61 439 754 2.35 61 665 522 2.72 TKKSB t 159 758 159 220 -0.34 159 557 -0.13 162 844 1.93 161 932 1.36 159 527 -0.14 159 583 -0.11 159 770 0.01 158 882 -0.55 203 Variabel Simulasi Dasar Simulasi 1 Simulasi 2 Simulasi 3 Simulasi-4 Simulasi 5 Simulasi 6 Simulasi 7 Simulasi-8 Nilai Dasar Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen Predicted Persen TKST t 1 454 024 1 454 047 0.00 1 454 086 0.00 1 454 042 0.00 1 454 058 0.00 1 454 099 0.01 1 454 119 0.01 1 454 091 0.00 1 454 065 0.00 TKSI t 387 358 389 396 0.53 392 961 1.45 388 984 0.42 390 472 0.80 394 148 1.75 395 930 2.21 393 435 1.57 391 073 0.96 TKKSL t 1 427 806 1 444 473 1.17 1 440 938 0.92 1 431 618 0.27 1 445 016 1.21 1 443 720 1.11 1 447 895 1.41 1 442 049 1.00 1 458 186 2.13 TKST t 3 428 946 3 447 136 0.53 3 447 542 0.54 3 437 488 0.25 3 451 479 0.66 3 451 494 0.66 3 457 528 0.83 3 449 345 0.59 3 462 206 0.97 U t 364 387 346 197 -4.99 345 790 -5.10 355 845 -2.34 341 853 -6.18 341 838 -6.19 335 805 -7.84 343 988 -5.60 331 127 -9.13 AHH t 69.8158 70.0128 0.28 70.092 0.40 69.9144 0.14 70.0611 0.35 70.161 0.49 70.2205 0.58 70.0789 0.38 70.1802 0.52 AMH t 93.2034 93.413 0.22 93.4408 0.25 93.2842 0.09 93.4442 0.26 93.4979 0.32 93.5551 0.38 93.4373 0.25 93.6012 0.43 RLS t 8.0063 8.0299 0.29 8.0582 0.65 8.0256 0.24 8.0411 0.43 8.0716 0.82 8.0816 0.94 8.0541 0.60 8.0567 0.63 PPP t 630.4 631.4 0.16 633.2 0.44 631.5 0.17 632.1 0.27 633.9 0.56 634.5 0.65 633 0.41 632.6 0.35 TKDK t 16.4008 16.2797 -0.74 16.0587 -2.09 16.2645 -0.83 16.1925 -1.27 15.9695 -2.63 15.9054 -3.02 16.0871 -1.91 16.1356 -1.62 IHPt t 0.7469 0.7502 0.44 0.7515 0.62 0.7486 0.23 0.751 0.55 0.7527 0.78 0.7537 0.91 0.7513 0.59 0.753 0.82 IP t 0.7993 0.8012 0.24 0.802 0.34 0.8002 0.11 0.8017 0.30 0.8027 0.43 0.8033 0.50 0.8019 0.33 0.803 0.46 IHL t 0.6249 0.6271 0.35 0.6313 1.02 0.6274 0.40 0.6288 0.62 0.633 1.30 0.6342 1.49 0.6308 0.94 0.6299 0.80 IPM t 72.3685 72.6186 0.35 72.8294 0.64 72.5417 0.24 72.7158 0.48 72.9468 0.80 73.0405 0.93 72.8004 0.60 72.8643 0.69 Keterangan: 1 Simulasi 1 : Belanja Sektor Pendidikan dan Belanja Sektor Kesehatan Meningkat 20 persen BSP=BSP1.2 dan BSK=BSK1.2; 2 Simulasi 2 : Transfer Dana Alokasi Umum Meningkat 20 persen DAU=DAU1.2 3 Simulasi 3 : Belanja Pemerintah Sektor Bangunan dan Infrastruktur Meningkat 20 Persen GPSB=GPSB1.2 4 Simulasi 4 : Belanja Sektor Pendidikan, Belanja Sektor Kesehatan, dan Belanja Pemerintah Sektor Bangunan dan Infrastruktur Meningkat 20 Persen BSP=BSP1.2,BSK =BSK1.2, dan GPSB = GPSB1.2 5 Simulasi 5 : Kebijakan Afirmatif I Provinsi Dengan IPM Terendah Quantil 1 Dengan DAU=DAU1.4 dan Lainnya DAU=DAU1.2 6 Simulasi 6 : Kebijakan Afirmatif II Provinsi Dengan IPM Terendah Quantil 1 dan 2 Dengan DAU=DAU1.4 dan Lainnya DAU=DAU1.2 7 Simulasi 7 : Kebijakan Afirmatif II Provinsi Dengan IPM Terendah Quantil 1 dan 2 Dengan BLJ=BLJ1.4 dan Lainnya BLJ=BLJ1.2 8 Simulasi 8 : Kebijakan Afirmatif II Provinsi Dengan IPM Terendah Quantil 1 dan 2 Dengan BSP = BSP1.4 dan Lainnya BSP=BSP1.2 Lampiran 8. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Belanja Sektor Pendidikan dan Sektor Kesehatan Meningkat 20 Persen Variabel Tahun 2013 2014 2015 PJKD t 692 585.07 719 301.10 746 017.12 DAU t 4 868 334.83 5 169 822.55 5 471 310.27 PAD t 1 161 261.13 1 219 998.22 1 278 735.30 DNP t 7 507 583.47 7 964 584.20 8 421 584.94 PAT t 8 668 844.60 9 184 582.42 9 700 320.24 GPST t 431 710.12 458 905.49 486 100.86 GPSI t 32 514.40 34 703.19 36 891.99 GPSB t 1 744 191.28 1 853 381.22 1 962 571.17 GPSLL t 8 227 455.61 8 806 700.20 9 385 944.79 BSPK t 3 755 708.95 4 026 372.36 4 297 035.77 BLJ t 10 435 871.41 11 153 690.11 11 871 508.82 PKRT t 33 648 159.69 34 646 962.32 35 646 560.17 PMTB t 12 198 245.88 12 619 590.38 13 041 235.91 PDRBEXP t 63 056 982.09 64 758 779.29 66 461 672.74 KRTCAP t 4 300.70 4 431.00 4 558.43 TQST t 10 819 468.49 10 960 836.81 11 101 903.88 TQSI t 14 696 339.33 14 915 763.33 15 135 187.33 TQSB t 3 682 767.99 3 867 986.98 4 055 023.45 TQSLL t 33 444 008.25 34 617 601.66 35 791 195.07 PDRBSEC t 62 642 584.05 64 362 188.77 66 083 309.73 TKST t 1 454 076.74 1 454 106.71 1 454 136.61 TKSI t 392 098.70 394 801.56 397 504.43 TKKSB t 160 240.77 161 250.48 162 256.15 TKKSL t 1 477 359.23 1 510 245.66 1 543 132.10 TKS t 3 483 775.44 3 520 404.41 3 557 029.29 U t 347 171.85 348 157.45 349 147.14 AHH t 70.28 70.54 70.79 AMH t 93.65 93.88 94.11 RLS t 8.09 8.14 8.20 PPP t 633.77 636.00 638.18 TKDK t 15.99 15.72 15.45 IPM t 73.05 73.46 73.86 Lampiran 9. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Dana Alokasi Umum Meningkat 20 Persen Variabel Tahun 2013 2014 2015 PJKD t 694 471.99 722 687.88 750 903.76 PAD t 1 163 148.05 1 223 385.00 1 283 621.94 DNP t 8 266 674.21 8 802 789.22 9 338 904.22 PAT t 9 429 822.26 10 026 174.21 10 622 526.16 BSP t 2 736 085.12 2 944 286.41 3 152 487.69 BSK t 885 619.39 951 750.04 1 017 880.69 GPST t 471 837.24 503 283.47 534 729.71 GPSI t 35 743.99 38 274.91 40 805.83 GPSB t 1 905 302.42 2 031 559.67 2 157 816.92 GPSLL t 8 072 091.76 8 668 707.50 9 265 323.24 BSPK t 3 621 704.51 3 896 036.45 4 170 368.38 BLJ t 10 484 975.41 11 241 825.55 11 998 675.70 PKRT t 33 898 684.00 34 936 981.71 35 976 074.65 PMTB t 12 293 081.03 12 729 376.26 13 165 972.52 PDRBEXP t 63 451 445.54 65 246 720.00 67 043 090.71 KRTCAP t 4 421.36 4 566.38 4 708.10 TQST t 11 026 943.00 11 190 290.12 11 353 336.00 TQSI t 15 020 102.21 15 273 824.01 15 527 545.82 TQSB t 3 742 651.07 3 934 213.77 4 127 593.96 TQSLL t 33 330 560.07 34 516 838.05 35 703 116.04 TKST t 1 454 120.72 1 454 155.35 1 454 189.92 TKSI t 396 086.81 399 212.15 402 337.50 TKKSB t 160 537.24 161 496.59 162 449.70 TKKSL t 1 474 180.18 1 507 422.06 1 540 663.95 U t 346 022.33 346 275.69 346 535.36 AHH t 70.38 70.65 70.92 AMH t 93.69 93.94 94.18 RLS t 8.12 8.18 8.24 PPP t 635.88 638.38 640.82 TKDK t 15.73 15.43 15.13 IPM t 73.30 73.74 74.18 Lampiran 10. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Belanja Pemerintah Sektor Bangunan dan Infrastruktur Meningkat 20 Persen Variabel Tahun 2013 2014 2015 PJKD t 686 947.92 715 161.52 743 375.13 DAU t 4 811 888.72 5 128 372.08 5 444 855.44 PAD t 1 155 623.97 1 215 858.64 1 276 093.31 DNP t 7 451 137.36 7 923 133.74 8 395 130.11 PAT t 8 606 761.34 9 138 992.38 9 671 223.42 BSP t 2 587 406.57 2 784 024.99 2 980 643.41 BSK t 829 638.08 891 407.48 953 176.88 GPST t 428 436.41 456 501.49 484 566.56 GPSI t 32 250.92 34 509.71 36768.50 GPSLL t 7 578 098.81 8 136 229.83 8 694 360.84 BSPK t 3 417 044.65 3 675 432.47 3 933 820.30 BLJ t 10 289 173.56 11 045 964.44 11 802 755.33 PKRT t 33 475 420.68 34 483 705.94 35 492 786.42 PMTB t 12 132 856.10 12 557 790.22 12 983 025.37 PDRBEXP t 62 72 155.46 64 425 997.08 66 180 934.95 KRTCAP t 4 326.97 4 464.21 4 598.29 TQST t 10 802 541.98 10 948 407.04 11 093 970.87 TQSI t 14 669 925.60 14 896 366.75 15 122 807.90 TQSB t 3 870 915.02 4 078 117.89 4 287 138.25 TQSLL t 32 969 841.65 34 128 017.72 35 286 193.79 PDRBSEC t 62 313 224.25 64 050 909.41 65 790 110.79 TKST t 1 454 073.15 1 454 104.07 1 454 134.93 TKSI t 391 773.33 394 562.64 397 351.94 TKKSB t 164 173.25 165 422.09 166 648.84 TKKSL t 1 464 072.13 1 496 526.54 1 528 980.95 TKS t 3 474 091.86 3 510 615.33 3 547 116.66 U t 356 855.42 357 946.52 359 059.77 AHH t 70.19 70.44 70.70 AMH t 93.52 93.75 93.98 RLS t 8.09 8.14 8.20 PPP t 634.03 636.38 638.67 TKDK t 15.96 15.67 15.39 IPM t 72.99 73.40 73.81 Lampiran 11. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Sektor Pendididikan, Sektor Kesehatan, Sektor Bangunan dan Infrastruktur Naik 20 Persen Variabel Tahun 2013 2014 2015 PJKD t 713 701.40 742 884.74 772 068.08 DAU t 5 079 777.22 5 405 970.74 5 732 164.27 PAD t 1 182 377.46 1 243 581.86 1 304 786.26 DNP t 7 719 025.86 8 200 732.40 8 682 438.94 PAT t 8 901 403.31 9 444 314.26 9 987 225.20 BSP t 443 973.18 472 601.41 501 229.65 BSK t 33 501.38 35 805.50 38 109.61 GPST t 8 257 527.31 8 840 285.60 9 423 043.90 GPSI t 3 755 708.95 4 026 372.36 4 297 035.77 GPSLL t 10 985 389.28 11 767 415.94 12 549 442.59 BSPK t 33 843 500.56 34 865 127.64 35 887 549.93 BLJ t 12 272 191.52 12 702 176.14 13,132,461.79 PKRT t 63 875 786.48 65 673 256.19 67 471 822.14 PMTB t 4 341.85 4 476.51 4 608.17 PDRBEXP t 10 882 873.78 11 031 650.63 11 180 126.24 KRTCAP t 14 795 282.94 15 026 267.92 15 257 252.90 TQST t 3 870 15.02 4 078 117.89 4 287 138.25 TQSI t 33 465 966.89 34 642 126.04 35 18 285.19 TQSB t 63 015 038.63 64 778 162.49 66 542 802.58 TQSLL t 1 454 090.18 1 454 121.72 1 454 153.20 PDRBSEC t 393 317.48 396 162.76 399 008.03 TKST t 163 213.28 164 412.93 165 590.74 TKSI t 1 477 974.55 1 510 932.88 1 543 891.22 TKKSB t 3 488 595.50 3 525 630.29 3 562 643.18 TKKSL t 342 351.79 342 931.57 343 533.24 TKS t 70.34 70.60 70.86 U t 93.69 93.92 94.15 AHH t 8.10 8.16 8.22 AMH t 634.58 636.89 639.15 RLS t 15.89 15.61 15.33 PPP t 73.16 73.58 73.99 Lampiran 12. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Afirmatif kepada Provinsi Quantil 1 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen Variabel Tahun 2013 2014 2015 PJKD t 702 710.4583 731 602.44 760 494.42 DAU t 1 171 386.516 1 232 299.561 1 293 212.60 PAD t 8 505 181.378 9 060 869.792 9 616 558.20 DNP t 9 676 567.895 10 293 169.35 10 909 770.81 PAT t 2 780 657.497 2 992 516.67 3 204 375.85 BSP t 902 402.0392 969 909.98 1 037 417.92 BSK t 484 848.3797 517 362.39 549 876.40 GPST t 36 791.1805 39 408.03 42 024.89 GPSI t 1 957 542.422 2 088 086.81 2 218 631.21 GPSLL t 8 220 186.021 8 828 955.31 9 437 724.61 BSPK t 3 683 059.536 3 962 426.65 4 241 793.77 BLJ t 10 699 368 11 473 812.56 12 248 257.12 PKRT t 3 4055 924.84 35 107 126.74 36 159 123.85 PMTB t 12 352 604.03 12 793 784.1 13 235 265.19 PDRBEXP t 6 388 2601.98 65713259.87 67 545 014.01 KRTCAP t 4 462.21 4609.98 4 754.36 TQST t 11 094 216.24 11 263 084.22 11 431 650.97 TQSI t 1 512 5081.74 15 387 418.83 15 649 755.92 TQSB t 3 762 068.04 3 955 224.23 4 150 197.89 TQSLL t 33 438 699.93 34 633 852.56 35 829 005.19 PDRBSEC t 6 342 0065.95 6 523 959.84 67 060 609.97 TKST t 1 454 134.98 1 454 170.78 1 454 206.52 TKSI t 397 379.94 400611.41 403 842.88 TKKSB t 160 502.38 161455.96 162 403.11 TKKSL t 1 477 210.47 1 510 701.04 1 544 191.61 TKS t 3 489 227.78 3 526 939.20 3 564 644.13 U t 341 719.49 341 622.64 341532.2956 AHH t 70.45 70.73 71.00 AMH t 93.75 94.00 94.24 RLS t 8.13 8.19 8.25 PPP t 636.66 639.22 641.71 TKDK t 15.63 15.32 15.01 IPM t 73.42 73.87 74.32 Lampiran 13. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen Variabel Tahun 2013 2014 2015 PJKD t 714 748.30 744 326.11 773 903.92 DAU t 1 183 424.36 1 245 023.23 1 306 622.11 PAD t 8 853 682.14 9 429 225.62 10 004 769.11 DNP t 10 037 106.49 10 674 248.85 11 311 391.21 PAT t 2 845 785.55 3 061 355.26 3 276 924.97 BSP t 926 924.43 995 829.48 1 064 734.53 BSK t 503 859.94 537 457.09 571 054.25 GPST t 38 321.31 41 025.34 43 729.37 GPSI t 2 033 874.21 2 168 767.44 2 303 660.68 GPSLL t 8 436 77.69 9 057 675.42 9 678 773.16 BSPK t 3 772 709.98 4 057 184.74 4 341 659.50 BLJ t 11 012 633.14 11 804 925.30 12 597 217.46 PKRT t 34 285 681.26 35 349 973.03 36 415 060.01 PMTB t 12 439 577.56 12 885 712.76 13 332 148.98 PDRBEXP t 64 512 597.07 66 379 147.56 68 246 794.30 KRTCAP t 4 487.21 4 636.39 4 782.13 TQST t 11 192 514.22 11 366 982.52 11 541 149.58 TQSI t 15 278 475.22 15 549 551.57 15 820 627.92 TQSB t 3 790 439.66 3 985 212.26 4 181 802.33 TQSLL t 33 596 711.21 34 800 866.19 36 005 021.17 PDRBSEC t 63 858 140.31 65 702 612.54 67 548 601.00 TKST t 1 454 155.82 1 454 192.81 1 454 229.73 TKSI t 399 269.45 402 608.57 405 947.68 TKKSB t 160 540.99 161 479.18 162 411.47 TKKSL t 1 481 638.27 1 515 381.10 1 549 123.93 TKS t 3 495 604.53 3 533 661.65 3 571 712.82 U t 335 342.75 334 900.20 334 463.61 AHH t 70.52 70.80 71.08 AMH t 93.82 94.07 94.32 RLS t 8.15 8.21 8.27 PPP t 637.23 639.81 642.34 TKDK t 15.57 15.25 14.94 IPM t 73.53 73.98 74.43 Lampiran 14. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Total Belanja 40 Persen Variabel Tahun 2013 2014 2015 PJKD t 769 833.80 803 813.29 837 792.78 DAU t 5 641 843.32 6 016 061.76 6 390 280.19 PAD t 1 238 509.86 1 304 510.41 1 370 510.96 DNP t 8 281 091.96 8 810 823.41 9 340 554.85 PAT t 9 519 601.82 10 115 333.82 10 711 065.82 BSP t 2 752 302.99 2 960 392.29 3 68 481.59 BSK t 891 725.83 957 814.32 1 023 902.80 GPST t 476 71.40 507 984.95 539 398.49 GPSI t 36 125.02 38 653.30 41 181.59 GPSLL t 1 924 310.19 2 050 436.19 2 176 562.18 BSPK t 8 125 976.55 8 722 220.21 9 318 463.86 BLJ t 3 644 028.82 3 918 206.61 4 192 384.39 PKRT t 33 955 896.82 34 993 799.47 36 032 497.33 PMTB t 12 314 738.75 12 750 884.43 13 187 331.14 PDRBEXP t 65 491 484.23 67 436 202.56 69 382 017.14 KRTCAP t 4 402.02 4 543.43 4 681.59 TQST t 11 051 420.68 11 214 598.78 11 377 475.63 TQSI t 15 058 299.51 15 311 757.55 15 565 215.59 TQSB t 3 749 716.02 3 941 229.95 4 134 561.35 TQSLL t 33 369 907.26 34 555 913.55 35 741 919.84 PDRBSEC t 63 229 343.48 65 023 499.83 66 819 172.40 TKST t 1 454 125.91 1 454 160.51 1 454 195.04 TKSI t 396 557.32 399 679.42 402 801.52 TKKSB t 160 782.78 161 775.62 162 762.23 TKKSL t 1 475 282.77 1 508 517.04 1 541 751.31 TKS t 3 486 748.79 3 524 132.58 3 561 510.09 U t 344 198.50 344 429.28 344 666.34 AHH t 70.36 70.63 70.89 AMH t 93.69 93.93 94.16 RLS t 8.12 8.18 8.24 PPP t 635.58 638.02 640.40 TKDK t 15.77 15.47 15.18 IPM t 73.26 73.70 74.12 Lampiran 15. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Belanja Sektor Pendidikan dan Belanja Sektor Kesehatan 40 Persen Variabel Tahun 2013 2014 2015 PJKD t 723 812.16 752 697.29 781 582.43 DAU t 5 181 018.46 5 504 226.01 5 827 433.55 PAD t 1 192 488.21 1 253 394.41 1 314 300.61 DNP t 7 820 267.11 8 298 987.66 8 777 708.22 PAT t 9 012 755.32 9 552 382.08 10 092 008.83 BSP t 449 844.88 478 299.94 506 755.00 BSK t 33 973.96 36 264.14 38 554.31 GPST t 1 817 002.68 1 931 250.30 2 045 497.91 GPSI t 8 947 683.77 9 576 957.29 10 206 230.81 GPSLL t 4 112 553.96 4 408 004.76 4 703 455.55 BSPK t 11 248 505.28 12 022 771.66 12 797 038.03 BLJ t 34 064 097.30 35 091 792.05 36 120 282.01 PKRT t 12 355 697.69 12 787 979.20 13 220 561.74 PMTB t 64 443 005.38 66 241 079.38 68 040 249.63 PDRBEXP t 4 355.62 4 489.48 4 620.37 KRTCAP t 10 913 233.02 11 061 114.46 11 208 694.66 TQST t 14 842 658.37 15 072 246.08 15 301 833.78 TQSI t 3 709 831.11 3 896 929.98 4 085 846.33 TQSB t 33 969 925.80 35 180 050.82 36 390 175.83 TQSLL t 63 435 648.30 65 210 341.34 66 986 550.61 PDRBSEC t 1 454 096.62 1 454 127.97 1 454 159.25 TKST t 393 901.06 396 729.12 399,557.18 TKSI t 159 867.22 160 843.90 161 817.09 TKKSB t 1 492 096.49 1 526 006.61 1 559 916.74 TKKSL t 3 499 961.39 3 537 707.59 3 575 450.26 TKS t 330 985.90 330 854.26 330 726.17 U t 70.46 70.73 71.00 AHH t 93.85 94.10 94.34 AMH t 8.12 8.18 8.23 RLS t 635.04 637.36 639.62 PPP t 15.83 15.55 15.28 TKDK t 73.31 73.74 74.15 ABSTRACT Sugiarto Sumas . Impact of Fiscal Policy for Education and Health Sectors on Human Development Index in Indonesia Bonar M. Sinaga as Chairman, Nunung Kusnadi and Rukman Sardjadidjaja as Members of the Advisory Committee Human Development Index HDI as a proxy for performance of human development has been recognized at national and international. Indonesia which has a nominal value of 72.9 in human development index within the scale of 0 to 100 is under the intermediate group 50 HDI 80 and ranked at the 111 th level in the world, in year 2009. At the national level, the human development index in each province shows some disparities between provinces from year to year. If this phenomenon allowed then could make a social jealousy and a disintegration of the nation. This study has successfully formulated a panel method of simultaneous equations as a tool in formulating fiscal policy to increase a human development index as well as to ensure equal distribution of the development. The result of 5 years data analysis year 2004 through year 2008 is showed that a fiscal policy through education and health sector expenses has a causal relationship to human development index, but with a minimum impact. The most efective fiscal policy used to improve the human development index is through an effort aimed to improve peoples purchasing power. The forecast’s results are indicated that the Indonesian millennium development goals of year 2015 can not being achieved. Efforts for improving human development index must be supported by an affirmative policy in order to reduce development gap among regions in Indonesia. Keywords: Fiscal Policy, Human Development, Human Development Index.

I. PENDAHULUAN

1.1. Latar Belakang

Peringkat Indeks Pembangunan Manusia IPM, peningkatan angka nominal indeks pembangunan manusia, dan pencapaian sasaran Millennium Development Goals MDGs tahun 2015 telah menjadi komitmen Indonesia dalam pembangunan di segala bidang. Indeks pembangunan manusia merupakan proksi kinerja pembangunan yang berpusat pada manusia people centered development, sedangkan MDGs merupakan sasaran pembangunan manusia hingga tahun 2015. Tujuan MDGs terdiri dari, yaitu: 1 mengurangi kemiskinan dan kelaparan reducing poverty and hunger, 2 mencapai pendidikan dasar untuk semua achieving universal primary education, 3 mempromosikan kesetaraan dan keadilan gender, khususnya di pendidikan promoting gender equality, especially in education serta pemberdayaan perempuan empowering women, 4 menurunkan angka kematian balita reducing child mortality, 5 meningkatkan kesehatan ibu improving maternal health, 6 mencegah HIVAIDS, malaria, dan penyakit lainnya combating HIVAIDS, malaria, and other diseases, 7 menjamin lingkungan berkelanjutan ensuring environmental sustainability, dan 8 memperkuat kemitraan global antara negara kaya dan negara miskin strengthening partnership between rich and poor countries United Nations Development Programme , 2003. UNDP menguraikan MDGs ke dalam target spesifik tahun 2015, yaitu: 1 menurunkan proporsi penduduk yang tingkat pendapatannya di bawah US1 Purchacing Power Pariety atau PPP per hari menjadi setengahnya dalam kurun waktu tahun 1990 sampai dengan tahun 2015, 2 menjamin seluruh anak laki-laki dan perempuan untuk menyelesaikan pendidikan dasar, 3 mengeleminasi perbedaan gender di semua jenjang pendidikan, 4 mengurangi kematian anak balita sebesar dua per tiganya dalam kurun waktu tahun 1990 sampai dengan tahun 2015, 5 mengurangi rasio kematian ibu melahirkan sebesar tiga per empatnya dalam kurun waktu tahun 1990 sampai dengan tahun 2015, 6 menghentikan dan mulai membalikkan penyebaran HIVAIDS dan kejadian malaria dan penyakit utama lainnya, 7 mengurangi setengah proporsi dari penduduk tanpa akses air minum yang baik, dan 8 menaruh perhatian lebih besar kepada kebutuhan khusus negara negara sedang berkembang yang terisolir dan pulau-pulau kecil Todaro and Smith, 2006. Berdasarkan cara pengukuran indeks pembangunan manusia yang dilakukan di seluruh dunia, maka indeks pembangunan manusia Indonesia diukur dengan rumus tertentu yang terdiri atas tiga dimensi pokok pembangunan manusia di Indonesia, yaitu: 1 hidup layak yang diukur dari Indeks Hidup Layak IHL, 2 hidup panjang yang diukur dari Indeks Hidup Panjang IHP, dan 3 hidup mudah yang diukur dari Indeks Pendidikan IP. Masing masing komponen diberi bobot satu per tiga. Meskipun pembobotan indeks hidup panjang, indeks pendidikan, indeks hidup layak dihitung berdasarkan persamaan identitas, tetapi memberikan hasil yang hampir sama dengan analisis multivarians, dimana masing masing bernilai 0.34, 0.34, dan 0.32 Biswas and Caliendo, 2001. Berdasarkan laporan United Nations Development Programme UNDP tanggal 5 Oktober 2009 bahwa indeks pembangunan manusia untuk Indonesia berada pada peringkat ke 111 dari 182 negara. Jika dibandingkan dengan negara- negara tetangga sesama anggota Association of Southeast Asian Nations ASEAN, maka peringkat indeks pembangunan manusia Indonesia masih jauh, khususnya dari Singapura yang berada pada peringkat 23 dan Malaysia berada pada peringkat 66. Pemerintah Indonesia sepertinya masih belum menemukan formula yang tepat untuk mencapainya. Oleh sebab itu nilai nominal indeks pembangunan manusia Indonesia masih tertinggal di belakang dari sasaran MDGs. Misalnya Pemerintah Jawa Barat masih belum menemukan bagaimana cara mencapai indeks pembangunan manusia menjadi sebesar 80, yang notabene menjadi nilai paling rendah dari kelompok negara maju dengan nilai indeks pembangunan manusia antara 80 dan 100. 1 Secara logika angka nominal indeks pembangunan manusia Indonesia akan meningkat apabila indeks pembangunan manusia seluruh provinsi di Indonesia meningkat, padahal angka nominal indeks pembangunan manusia akan meningkat apabila meningkatnya indeks-indeks komponen pembentuknya, yaitu: indeks hidup layak yang unsur utamanya adalah pendapatan per kapita berdasarkan kemampuan daya beli, indeks hidup panjang yang unsurnya adalah Angka Harapan Hidup AHH, dan Indeks Pendidikan yang unsurnya adalah Angka Melek Huruf AMH dan Rata-rata Lama Sekolah RLS. Sementara itu, upaya meningkatkan ketiga indeks tersebut secara ekonomi dapat dilakukan dengan meningkatkan investasi di provinsi yang bersangkutan, baik investasi dalam bentuk sumber daya modal maupun investasi dalam bentuk sumber daya manusia. Melalui investasi sumber daya modal dan sumber daya manusia akan terjadi pertumbuhan ekonomi dan pembangunan manusia secara timbal balik. - ------------------------------------------------------- 1 Harian Kompas, 16 Desember 2010: Pencapaian Indeks Pembangunan Manusia Diundur Jadi 2022 Pertumbuhan ekonomi akan meningkatkan pembangunan manusia dan sebaliknya pembangunan manusia pada gilirannya juga akan meningkatkan pertumbuhan ekonomi Ranis and Steward,2002; Ranis, 2004. Kebijakan fiskal menjadi salah satu instrumen investasi dari Pemerintah yang disalurkan melalui Anggaran Pendapatan dan Belanja Negara APBN dan Anggaran Pendapatan dan Belanja Daerah APBD. Kebijakan ini di bawah pengelolaan dan kendali aparatur Pemerintah dengan harapan akan lebih mudah dan cepat dilaksanakan, serta dengan sasaran yang dapat diarahkan langsung menyentuh komponen pembentuk indeks pembangunan manusia tersebut. Bersamaan dengan itu, melalui pertumbuhan ekonomi akan menyediakan fiskal bagi belanja Pemerintah yang bersumber dari pajak yang dibayarkan oleh dunia usaha dan masyarakat. Kontribusi masyarakat dan dunia usaha tidak hanya sebagai pembayar pajak dan retribusi yang pada akhirnya menjadi pendapatan negara dan daerah, namun mereka juga berkonstribusi langsung dalam peningkatan indeks pembangunan manusia melalui pengeluaran konsumsi dan investasi, terutama melalui konsumsi rumah tangga untuk kebutuhan pendidikan dan kesehatan.

1.2. Perumusan Masalah

Indeks pembangunan manusia memberikan makna yang penting dalam pembangunan suatu negara. Makna dari angka nominal indeks pembangunan manusia adalah untuk menggambarkan pencapaian pembangunan manusia, yang biasanya dibagi menjadi tiga kelompok pencapaian, yaitu: 1 kelompok indeks pembangunan manusia bernilai nominal lebih kecil dari 50 dengan predikat tingkat pembangunan manusia rendah, 2 kelompok indeks pembangunan manusia yang memiliki nilai indeks pembangunan manusia di antara 50 dan 80 dengan predikat tingkat pembangunan manusia sedang, dan 3 indeks pembangunan manusia bernilai 80 dan 100 dengan predikat tingkat pembangunan manusia tinggi Badan Pusat Statistik, 2008. Peringkat indeks pembangunan manusia menggambarkan tentang perbandingan pencapaian indeks pembangunan manusia antar negara, antar daerah antar wilayah yang diukur. Peringkat satu merupakan peringkat yang tertinggi dalam pencapaian pembangunan manusia. Setiap negara atau daerah tentunya ingin mencapai peringkat yang lebih baik dari waktu ke waktu, sehingga kenaikan nilai nominal indeks pembangunan manusia saja menjadi kurang berarti jika tidak diikuti dengan kenaikan peringkat indeks pembangunan manusia. Kondisi ini menstimulasi pihak-pihak yang berkepentingan untuk menaikkan nilai nominal indeks pembangunan manusia masing-masing, sehingga pada saatnya nanti disparitas nilai nominal satu sama lainnya akan semakin menyempit dan kesejahteraan rakyat semakin merata. Mengikuti laporan UNDP dari tahun 1995 hingga tahun 2009, maka setiap negara yang diukur indeks pembangunan manusianya secara berkelanjutan memiliki angka nominal indeks pembangunan manusia dengan kecendrungan meningkat. Sebagai contoh Norwegia sebagai pemegang peringkat tertinggi dalam laporan UNDP tahun 2009 selama tahun 1980 hingga 2007, sedangkan Nigeria berada pada peringkat terendah, yaitu diurutan 182 dalam laporan UNDP tahun 2009. Di sisi lain Indonesia berada pada peringkat 111 dalam laporan UNDP tahun 2009 memiliki kecendrungan yang meningkat pula dari tahun ke tahun. Selama ini indeks pembangunan manusia yang terus meningkat tidak disertai dengan konvergensi pencapaian indeks pembangunan manusia antar negara, sehingga disparitas indeks pembangunan manusia antar negara belum teratasi. Untuk melihat disparitas indeks pembangunan manusia ketiga negara tersebut disajikan pada Gambar 1. Sumber: United Nations Development Programme, 2009. Gambar 1. Disparitas Indeks Pembangunan Manusia di Norwegia, Indonesia, dan Nigeria Tahun 1980-2007 Grafik di atas menunjukkan bahwa ketiga negara memiliki indeks pembangunan manusia yang cendrung meningkat, namun disparitas antar negara masih relatif dalam. Hal ini juga menunjukan bagaimana perbedaan kedalaman disparitas pembangunan manusia di ketiga negara tersebut. Bagi Indonesia, perlu diakui jika relatif sangat jauh untuk mengejar ketertinggalan indeks pembangunan manusia Norwegia. Pada Gambar 2 menampilkan kecendrungan indeks pembangunan manusia Norwegia, Indonesia, dan Nigeria dengan menggunakan persamaan linier sederhana. Tahun 1980 sebagai tahun dasar bagi jangka waktu angka nol. Berdasarkan regresi sederhana dengan menggunakan bantuan Microsoft Office Excel , maka persamaan linier indeks pembangunan manusia masing-masing negara adalah sebagai berikut: Norwegia : Y = 1.1095X + 89.432 sehingga X = 0.9013Y - 89.432 Indonesia : Y = 3.1321X + 51.218 sehingga X = 0.3192Y - 51.218 Nigeria : Y = 2,51X + 15.26 sehingga X = 0.3984Y-15.26 Sumber: United Nations Development Programme, 2009 diolah. Gambar 2. Grafik Linier Indeks Pembangunan Manusia di Norwegia, Indonesia, dan Nigeria Y adalah besaran nilai indeks pembangunan manusia dan X adalah jangka waktu tahun, maka secara sederhana dapat dihitung waktu yang harus ditunggu Indonesia untuk mencapai nilai nominal indeks pembangunan manusia Indonesia sama dengan nilai nominal indeks pembangunan manusia Norwegia adalah sekitar 19 tahun. Sedangkan nilai nominal indeks pembangunan manusia Nigeria berada di bawah indeks pembangunan manusia Indonesia, yaitu sekitar 58 tahun. Namun, pada kenyataannya, pencapaian angka nominal indeks pembangunan manusia suatu negara tidak sesederhana persamaan linier tersebut, karena berkaitan dengan banyak faktor yang menjadi variabel peubahnya, yang terdiri atas variabel di bidang ekonomi, sosial, budaya, politik, dan keamanan. Indeks pembangunan manusia Indonesia merupakan rata-rata dari akumulasi indeks pembangunan manusia yang terjadi di 33 provinsi. Pada tahun 2008, indeks pembangunan manusia di 33 provinsi menunjukan selang antara indeks pembangunan manusia tertinggi di Daerah Khusus Ibukota Jakarta sebesar 77.03 dan indeks pembangunan manusia terendah di Papua sebesar 64, sedangkan yang berada di peringkat moderat, yaitu peringkat 17, adalah Daerah Istimewa Aceh sebesar 70.76. Sumber: Badan Pusat Statistik, 2009c diolah. Gambar 3. Indeks Pembangunan Manusia Daerah Khusus Ibukota Jakarta, Daerah Istimewa Aceh, dan Papua Tahun 2005-2008 Indeks pembangunan manusia provinsi Daerah Khusus Ibukota, Daerah Istimewa Aceh, dan Papua dapat dijadikan sebagai contoh disparitas capaian indeks pembangunan manusia antar daerah di Indonesia. Indeks pembangunan manusia tertinggi pada tahun 2005 sampai dengan tahun 2008 berada di Daerah Khusus Ibukota Jakarta. Indeks pembangunan manusia moderat diwakili Daerah Istimewa Aceh, sedangkan indeks pembangunan manusia terendah dimiliki oleh Provinsi Papua. Kecendrungan indeks pembangunan manusia dan disparitas tiga provinsi tersebut dijelaskan secara grafis dalam Gambar 3. Lebih jauh bahwa disparitas indeks pembangunan manusia tersebut mengandung arti pula disparitas sebagian hingga keseluruhan dari variabel pembentuk indeks pembangunan manusia, seperti angka harapan hidup, angka melek huruf, rata-rata lama sekolah, dan pendapatan per kapita yang didekati dengan daya beli. Disparitas pembangunan sosial ekonomi antara provinsikabupatenkota maju dan provinsikabupatenkota tertinggal di Indonesia, menunjukan jurang kemiskinan yang dalam di provinsikabupatenkota yang tertinggal tersebut. Membiarkan hal ini terus berlangsung telah melanggar amanat Undang-Undang Dasar Tahun 1945 yang menjamin keadilan sosial bagi seluruh rakyat Indonesia dan berpotensi menimbulkan kecemburuan sosial antar penduduk dan antar daerah di Indonesia, yang pada akhirnya dapat menimbulkan disintegritas bangsa. Oleh sebab itu disparitas indeks pembangunan manusia dapat menjadi disintegritas bangsa apabila tidak diantisipasi dengan baik. Laporan pencapaian pembangunan manusia Indonesia tahun 2007 menjelaskan bahwa upaya yang dilakukan Pemerintah terhadap pencapaian MDGs sudah dalam jalur yang benar. Namun menurut Alisyahbana, Menteri - ------------------------------------------------------- 2 Harian Kompas, 4 Agustus 2010. 71-3: Wajah Muram MDGs di Indonesia Negara Perencanaan Pembangunan NasionalKepala Bappenas pada tanggal 20 April tahun 2010, capaian MDGs berpotensi gagal dicapai pada tahun 2015. 2 Begitu juga dengan Susilo pada Harian Kompas tanggal 4 Agustus tahun 2010 yang mengutip progress report MDGs di kawasan Asia dan Pasifik, dimana Indonesia masih masuk kategori negara yang lamban langkahnya dalam mencapai MDGs pada tahun 2015. Agar hal ini tidak terjadi maka diperlukan penguatan komitmen Pemerintah Pusat, Pemerintah Daerah political will, dan peran pemuka masyarakat dalam mempercepat pencapaian MDGs tersebut. 3 Sumber potensi kegagalan yang disebutkan oleh Alisyahbana sama dengan sumber kelambanan yang disebutkan oleh Susilo, yaitu merujuk kepada masih tingginya angka kematian ibu AKI melahirkan, belum teratasinya laju penularan HIVAIDS, makin meluasnya laju deforestrasi, rendahnya tingkat pemenuhan air minum dan sanitasi yang buruk, serta beban utang luar negeri yang terus menggunung United Nations Economic and Social Commission for Asia and the Pacific , 2010. Ditambahkan oleh Wakil Presiden, Budiono, bahwa penyebab lambannya kemajuan pencapaian MDGs adalah dukungan fiskal dari negara maju dan alokasi dana dalam negeri yang kurang memadai untuk melanjutkan MDGs tahun 2015. Komitmen negara maju seperti yang dicetuskan pada pertemuan di Montereym, Meksiko pada tahun 2002 dan di Gleneagles, Skotlandia pada tahun 2005 telah memudar akibat krisis global tahun 2008. Komitmen semula dari negara maju menyisihkan 0.7 persen dari Produk Domestik Bruto PDB, namun pada kenyataannya mereka hanya merealisasikan 0.31 persen PDB-nya guna membantu negara miskin dalam mencapai MDGs. 4 - ------------------------------------------------------- 3 Harian Kompas, 21 April 2010. 33-4: Tujuan Milenium Berpotensi Gagal 4 Harian Bisnis Indonesia, 4 Agustus 2010. 2 3-6 : Wapres Tagih Komitmen Negara Maju Soal MDGs. Susilo juga menyebut penyebab utama potensi kegagalan atau kelambanan pelaksanaan anggaran Pemerintah adalah karena pencapaian MDGs dan penanggulangan kemiskinan tidak dijadikan indikator keberhasilannya. Selama ini indikator-indikator yang dipakai untuk penyusunan APBN dan APBD hanya indikator-indikator makroekonomi tanpa menyertakan indikator target MDGs dan indeks pembangunan manusia. Semestinya harus ada perubahan mendasar dalam menilai keberhasilan pembiayaan negara bukan hanya pada tingkat penyerapan anggaran tetapi juga pada dampak penggunaan anggaran terhadap pencapaian target MDGs dan indikator indeks pembangunan manusia yang terukur. Sama dengan fenomena pencapaian agregat MDGs tingkat nasional, pencapaian MDGs provinsi-provinsi di Indonesia dikhawatirkan tidak tercapai. Untuk sebagai contoh, berikut adalah data pencapaian tiga provinsi di Indonesia menyangkut indeks pembangunan manusia dan variabel-variabel turunannya pada tahun 2008 dan tahun 2009. Tabel 1. Indeks Pembangunan Manusia dan Variabel Turunannya Tahun 2008-2009 No. Provinsi ranking Angka Harapan Hidup Tahun Angka Melek Huruf Persen Rata-Rata Lama Sekolah Tahun Pengeluaran per Kapita Rp. 1 000 Indeks Pembangunan Manusia 2008 2009 2008 2009 2008 2009 2008 2009 2008 2009 1. Daerah Khusus Ibukota 1 73.90 73.05 98.76 98.94 10.80 10.9 625.70 627.46 77.03 77.36 2. Daerah Istimewa Aceh 17 68.50 68.60 96.20 96.39 8.50 8.63 605.56 610.27 70.76 71.31 3. Papua 33 68.10 68.35 75.41 75.58 6.52 6.57 599.65 603.88 64.53 64.53 Sumber: Badan Pusat Statistik, 2010. Keterangan: Pengeluaran riil per kapita disesuaikan Purchacing Power Pariety atau PPP. Betapapun Indonesia dinyatakan sudah berada pada jalur pencapaian MDGs, menurut Palupi 2010, walaupun telah terjadi peningkatkan anggaran untuk penanggulangan kemiskinan sebesar 300 persen lebih, yaitu dari Rp. 23 `triliun pada tahun 2005 menjadi Rp. 70 triliun pada tahun 2008, namun angka kemiskinan hanya berkurang 1 persen. Hal ini karena program penanggulangan kemiskinan sama sekali tidak efektif, dan karena itu data capaian target MDGs terkait pengurangan kemiskinan diragukan. 5 Landasan hukum, konsensus dan komitmen Indonesia sesungguhnya sudah sangat kuat dalam pembangunan yang berpusat pada manusia yang didekati dengan peningkatan indeks pembangunan manusia. Salah satunya adalah digunakannya indikator indeks pembangunan manusia untuk dasar mengukur besaran anggaran transfer pusat ke daerah melalui dana alokasi umum DAU. Kebijakan yang sudah baik ini, dari sisi anggaran pendapatan daerah, seharusnya diikuti dengan memberikan landasan yang kuat dari sisi belanja daerah, yaitu dengan menunjukkan sektor apa yang paling tepat sebagai dasar kebijakan fiskal untuk percepatan pembangunan daerah. Dengan kata lain, setidaknya ada landasan ilmiah mengapa sektor pendidikan dan atau sektor kesehatan yang dijadikan prioritas pembangunan manusia di Indonesia selama ini. Fakta di lapangan menunjukan bahwa kebijakan fiskal yang menjadi kewenangan Pemerintah, Pemerintah Provinsi, Pemerintah KabupatenKota, yang dikaitkan dengan upaya peningkatan angka nominal indeks pembangunan manusia, dilakukan lebih bersifat coba-coba karena tidak adaa model ekonominya, sehingga tidak mampu meramalkan kombinasi besaran dan jangka waktu dalam mencapai sasaran pembangunan manusia yang ditetapkan dalam MDGs. Sejauh ini, kebijakan fiskal oleh Pemerintah atau Pemerintah ProvinsiKabupatenKota kebanyakan adalah dengan memperbesar anggaran sektor pendidikan dan atau sektor kesehatan. Pilihan memperbesar anggaran sektor pendidikan berdasarkan - ------------------------------------------------------- 5 Harian Kompas, 5 Agustus 2010. 63-6: MDGs, Proyek Menjinakkan Nurani ?. Undang-Undang Dasar Tahun 1945, yang mengamanatkan pengalokasiannya minimal 20 persen dari total anggaran. Sedangkan pilihan memperbesar sektor kesehatan tentunya didasarkan asumsi bahwa sektor kesehatan mengandung komponen angka harapan hidup yang menjadi pembentuk persamaan identitas indeks pembangunan manusia. Pilihan-pilihan tersebut masih menyimpan pertanyaan mengenai ketepatan jumlah alokasi fiskal, ketepatan pemilihan sektor, dan jawaban tentang pertanyaan kapan target MDGs dapat tercapai, karena selama ini belum ada model yang menempatkan komponen-komponen indeks pembangunan manusia sebagai variabel endogen dan menjadi bagian dari model ekonometrika. Jika model ekonometrika indeks pembangunan manusia sudah terbangun secara terintegrasi, maka berbagai permasalahan di atas dapat dengan lebih mudah diselesaikan. Berdasarkan uraian di atas dan uraian pada latar belakang, maka yang menjadi permasalahan dalam penelitian ini adalah: 1. Bagaimana model ekonometrika mampu menjelaskan kaitan komponen- komponen perekonomian makro APBD, pasar barang dan pasar tenaga kerja dengan komponen-komponen indeks pembangunan manusia angka harapan hidup, angka melek huruf, rata-rata lama sekolah, dan pendapatan per kapita, serta bagaimana dampak kebijakan fiskal terhadap indeks pembangunan manusia di Indonesia? 2. Bagaimana stategi kebijakan fiskal yang efektif dalam rangka mengurangi pengangguran dan kemiskinan, serta mendukung pemerataan pembangunan antar provinsi di Indonesia?