PEMODELAN PERTUMBUHAN EKONOMI JAWA TIMUR
PEMODELAN PERTUMBUHAN EKONOMI JAWA TIMUR
TAHUN 2007 HINGGA 2011 DENGAN ANALISIS REGRESI
PANEL DINAMIS
Yasmin
Jurusan Matematika, F.MIPA, Universitas Brawijaya
Email: [email protected]
Abstrak. Hubungan di antara variabel-variabel yang sering digunakan dalam bidang ekonomi pada kenyataannya banyak
yang bersifat dinamis. Analisis data panel dapat digunakan pada model yang bersifat dinamis. Tujuan penelitian ini adalah
menerapkan analisis regresi panel dinamis untuk memodelkan laju pertumbuhan ekonomi Jawa Timur tahun 2007 hingga
2011. Selain itu ingin diketahui efek jangka panjang dan efek jangka pendek investasi dan tingkat pertisipasi angkatan kerja
(TPAK) terhadap laju pertumbuhan ekonomi (LPE) Jawa Timur. Metode pendugaan parameter yang digunakan adalah
Arellano dan Bond GMM (AB-GMM). Hubungan dinamis pada penelitian ini dicirikan oleh keberadaan lag pertumbuhan
ekonomi yaitu pertumbuhan ekonomi tahun sebelumnya sebagai variabel penjelas dan adanya lag dari variabel penjelas, yaitu
investasi tahun sebelumnya dan tingkat partisipasi angkatan kerja tahun sebelumnya. Hasil analisis menunjukkan bahwa
variabel laju pertumbuhan ekonomi (LPE) tahun sebelumnya, investasi tahun sebelumnya, tingkat partisipasi angkatan kerja
(TPAK) tahun ini, dan tingkat partisipasi angkatan kerja (TPAK) tahun sebelumnya memberikan pengaruh jangka pendek
yang signifikan terhadap laju pertumbuhan ekonomi (LPE) tahun ini, sedangkan variabel investasi tahun ini memberikan
pengaruh jangka pendek yang tidak signifikan terhadap laju pertumbuhan ekonomi (LPE) tahun ini. Secara jangka panjang,
laju pertumbuhan ekonomi (LPE) dipengaruhi oleh investasi sebesar 6.74 10-7% dan tingkat partisipasi angkatan kerja
(TPAK) sebesar 0.0255%.
Kata Kunci: Regresi Panel Dinamis, LPE, Investasi, TPAK.
1. PENDAHULUAN
Data panel adalah data yang merupakan hasil pengamatan beberapa individu (unit cross
sectional) yang masing-masing diamati dalam beberapa periode waktu yang berurutan (unit time
series). Hubungan di antara variabel-variabel yang sering digunakan dalam bidang ekonomi pada
kenyataannya banyak yang bersifat dinamis. Analisis data panel dapat digunakan pada model yang
bersifat dinamis. Sejalan dengan adanya model cross section atau time series, hubungan dinamis pada
data panel dicirikan oleh keberadaan lag variabel respon yaitu variabel respon pada tahun sebelumnya
yang menjadi variabel penjelas bersama dengan variabel penjelas lain dalam model. Hal ini
menyebabkan adanya korelasi antara lag variabel respon dengan galat, sehingga metode OLS
(Ordinary Least Square) akan menghasilkan penduga parameter yang bias. Oleh karena itu, perlu
digunakan metode Arellano dan Bond yang menghasilkan penduga parameter yang tidak bias,
konsisten, dan efisien.
Penelitian ini bertujuan untuk menerapkan regresi panel dinamis pada laju pertumbuhan
ekonomi di Jawa Timur tahun 2007 hingga 2011 dan menganalisis efek jangka pendek dan efek
jangka panjang dari variabel penjelas, yaitu investasi dan tingkat partisipasi angkatan kerja. Hubungan
dinamis pada penelitian ini dicirikan oleh keberadaan lag pertumbuhan ekonomi yaitu pertumbuhan
ekonomi tahun sebelumnya sebagai variabel penjelas, dan adanya lag dari variabel penjelas, yaitu
investasi tahun sebelumnya dan tingkat partisipasi angkatan kerja tahun sebelumnya.
2. TINJAUAN PUSTAKA
2.1 Model Regresi Data Panel Dinamis
Terdapat dua pendekatan model regresi panel dinamis, yaitu model efek tetap (fixed effect
model) dan model efek acak (random effect model). Model regresi data panel dinamis dengan efek
tetap dapat dituliskan sebagai berikut (Arellano dan Bond, 1991):
(1)
menyatakan matriks variabel penjelas berukuran 1 K,
dengan
menyatakan suatu skalar,
.
matriks berukuran K 1,
adalah intersep untuk unit cross section ke-i, dan
149
Sedangkan model regresi data panel dinamis dengan efek acak dapat dituliskan sebagai berikut:
(2)
saling bebas. Lai, dkk. (2008)
dengan
, di mana
) dan
(
mengemukakan bahwa model panel dinamis memiliki efek jangka pendek ( dari perubahan
dan
dari perubahan
.
efek jangka panjang
Masalah paling mendasar dalam model (1) dan (2) adalah adanya korelasi antara
dengan
komponen galat
, meskipun diasumsikan galat tidak saling berkorelasi. Hal ini menyebabkan
metode penduga OLS (Ordinary Least Square) maupun GLS (Generalized Least Square) menjadi bias
dan tidak konsisten (Verbeek, 2008). Oleh karena itu, Arellano and Bond (1991) menyarankan suatu
pendekatan Generalized Method of Moments (GMM) yang merupakan penyempurnaan dari metode
instrumental variable. Metode GMM akan menghasilkan penduga parameter yang tidak bias,
konsisten, dan efisien.
2.2 Arellano dan Bond GMM (AB-GMM)
Langkah pertama pada metode AB-GMM adalah melakukan first difference pada model panel
dinamis untuk menghilangkan efek individu ( . Selain itu first difference juga dapat mengatasi
permasalahan tidak stasionernya variabel-variabel yang sering digunakan dalam bidang ekonomi.
Setelah dilakukan first difference pada model efek tetap dan efek acak, maka kedua model menjadi
sama karena efek individu pada masing-masing model telah hilang, namun masih terdapat korelasi
antara
dan galat. Anderson and Hsiao (1982) menyarankan untuk menggunakan variabel
instrumen. Variabel instrumen yang dipilih untuk
, misal , adalah variabel yang berkorelasi
dengan
namun tidak berkorelasi dengan galat
Misal untuk untuk t = 4, maka
)
(
adalah
Pada kasus ini,
dan
merupakan variabel instrumen untuk (
), dan
variabel instrumen untuk
. Jadi, untuk periode ke-T terdapat T-2 variabel instrumen untuk
, sehingga matriks variabel instrumen
) dan satu variabel instrumen untuk
(
dengan metode AB-GMM adalah:
[
Atau dapat dituliskan
[
]
]
[
[
]
[
]
]
berukuran N(T-2) L, di mana L = K + (1+K) + ... + (T-1+K).
Berikut merupakan metode pendugaan oleh Arellano dan Bond menggunakan prinsip GMM
untuk mendapatkan penduga yang konsisten.
[
]
)
(
Karena banyaknya kolom dari matriks variabel instrumen z lebih banyak daripada jumlah parameter
yang akan ditaksir (L > K), atau dengan kata lain banyaknya persamaan momen lebih banyak daripada
jumlah parameter yang akan diduga, sehingga menduga ̂ menjadi sulit. Oleh karena itu diperlukan
matriks bobot sebagai berikut:
(
)
(
)
di mana W adalah matriks bobot berukuran L L.
Penduga GMM untuk merupakan suatu penduga yang meminimumkan
.
( ̂ )
Maka didapat penduga untuk
( ̂ )
150
̂ [
]
̂ tersebut merupakan penduga yang konsisten untuk
dengan memilih matriks bobot ̂
∑
. Penduga ini diperoleh dengan metode GMM (One Step Consistent Arellano and
Bond Estimator ). Sedangkan penduga yang efisien untuk (Two Step Efficient Arellano and Bond
∑
̂ ̂ ] , di mana ̂
Estimator ) diperoleh dengan memilih matriks bobot ̂
[
merupakan galat yang diperoleh pada One Step Consistent Arellano and Bond Estimator .
3. HASIL DAN PEMBAHASAN
Hasil pendugaan parameter pada Two Step Efficient AB-GMM dan signifikansi masing-masing
variabel penjelas disajikan pada Tabel 1. Hipotesis untuk pengujian signifikansi parameter secara
parsial adalah:
H0 : βi = 0 vs H1 : βi ≠ 0
di mana βi merupakan parameter untuk variabel ke-i. Kriteria pengambilan keputusan adalah
menerima H0 jika p-value > α (0.05) yang berarti variabel penjelas memberikan pengaruh yang tidak
signifikan terhadap variabel respon. Tolak H0 jika p-value < α (0.05) yang berarti variabel penjelas
berpengaruh signifikan terhadap variabel respon.
Tabel 1. Hasil Pendugaan Two Step Efficient AB-GMM dan Signifikansi Parameter
Variabel
Nilai duga Salah baku
thitung P-value
LPEi,t-1
-0.4091236
0.0526946
-7.76
0.000
5.28 10
-7
-7
0.55
0.585
Invi,t-1
4.22 10
-7
-7
1.30 10
3.26
0.001
TPAKi,t
0.0233425
0.0107444
2.17
0.030
TPAKi,t-1
0.0124679
0.0004421
28.20
0.000
Invi,t
9.65 10
Hasil pendugaan parameter dan signifikansi masing-masing variabel penjelas pada Tabel 1
menunjukkan bahwa variabel laju pertumbuhan ekonomi tahun sebelumnya, investasi tahun
sebelumnya, TPAK tahun ini, dan TPAK tahun sebelumnya berpengaruh signifikan terhadap laju
pertumbuhan ekonomi tahun ini karena diperoleh p-value untuk masing-masing variabel yang kurang
dari α (0.05). Sedangkan p-value untuk variabel investasi tahun ini lebih dari α (0.05), sehingga
investasi tahun ini berpengaruh tidak signifikan terhadap laju pertumbuhan ekonomi tahun ini.
Dari hasil pendugaan parameter dan signifikansi masing-masing variabel penjelas, dapat
dibentuk model panel dinamis untuk laju pertumbuhan ekonomi 20 Kabupaten/Kota di Jawa Timur
tahun 2007 hingga 2011 sebagai berikut:
LPEi,t = -0.4091 LPEi,t-1 + 5.28 10-7 Invi,t + 4.22 10-7 Invi,t-1 + 0.0234 TPAKi,t + 0.0125 TPAKi,t-1
Efek jangka pendek dan efek jangka panjang dari masing-masing variabel penjelas dapat
dijelaskan sebagai berikut:
- 1% kenaikan laju pertumbuhan ekonomi tahun sebelumnya akan menurunkan laju pertumbuhan
ekonomi tahun ini sebesar 0.4091% secara langsung, dengan asumsi variabel penjelas lain konstan.
Hubungan negatif tersebut tidak sesuai dengan pendapat dari Supriana (2008) yang menyatakan
hubungan positif antara pertumbuhan ekonomi yang dicapai pada masa sekarang dan masa
sebelumnya. Hubungan negatif tersebut dapat dilihat dari data laju pertumbuhan ekonomi (LPE)
Jawa Timur tahun 2007 hingga 2011 (Lampiran 1) yang naik turun dari satu periode ke periode
berikutnya. Oleh karena itu, untuk mencapai kenaikan pertumbuhan ekonomi, perlu perhatian
utama lebih kepada peningkatan investasi dan tingkat partisipasi angkatan kerja (TPAK).
- Kenaikan investasi tahun ini sebesar 1 juta rupiah secara langsung akan menaikkan pertumbuhan
ekonomi tahun ini sebesar 5.28 10-7%, dengan asumsi variabel penjelas lain konstan, namun tidak
signifikannya investasi tahun ini dalam mempengaruhi laju pertumbuhan ekonomi dapat dilihat
berdasarkan data bahwa naiknya investasi di Jawa Timur dari tahun 2007 hingga 2011 tidak selalu
diiringi dengan kenaikan laju pertumbuhan ekonomi di Jawa Timur.
151
- Kenaikan investasi tahun sebelumnya sebesar 1 juta rupiah secara langsung akan menaikkan
pertumbuhan ekonomi tahun ini sebesar 4.22 10-7%, dengan asumsi variabel penjelas lain konstan.
Hal ini sesuai dengan pendapat dari Kuncoro (2004), Saragih (2003), dan Todaro (2003) bahwa
investasi mempunyai pengaruh positif terhadap pertumbuhan ekonomi. Pengaruh yang signifikan
dari investasi tahun sebelumnya terhadap pertumbuhan ekonomi tahun ini membuktikan adanya
hubungan dinamis antara investasi dan pertumbuhan ekonomi, artinya investasi membutuhkan
tenggang waktu (lag) dalam mempengaruhi pertumbuhan ekonomi.
- 1% kenaikan tingkat partisipasi angkatan kerja (TPAK) tahun ini secara langsung menaikkan laju
pertumbuhan ekonomi tahun ini sebesar 0.0234%, dengan asumsi variabel penjelas lain konstan.
Hal ini sesuai dengan teori yang dikemukakan oleh Todaro dan Smith (2006), bahwa angkatan
kerja merupakan salah satu faktor positif yang dapat meningkatkan pertumbuhan ekonomi.
- 1% kenaikan tingkat partisipasi angkatan kerja (TPAK) tahun sebelumnya secara langsung
menaikkan laju pertumbuhan ekonomi tahun ini sebesar 0.0125%, dengan asumsi variabel penjelas
lain konstan. Sama halnya dengan investasi, TPAK juga membutuhkan tenggang waktu (lag) dalam
mempengaruhi pertumbuhan ekonomi tahun ini.
Efek jangka panjang diperoleh dengan asumsi berikut:
,
,
, sehingga efek
jangka panjang untuk investasi sebesar
6.74 10-7 dan untuk TPAK sebesar
0.0255, sehingga secara jangka panjang diperoleh model sebagai berikut:
LPE* = 6.74 10-7 Inv* + 0.0255 TPAK*
artinya secara jangka panjang, kenaikan investasi sebesar 1 juta rupiah akan menaikkan laju
pertumbuhan ekonomi sebesar 6.74 10-7%, dan 1% kenaikan tingkat partisipasi angkatan kerja
(TPAK) menaikkan laju pertumbuhan ekonomi sebesar 0.0255%.
4. KESIMPULAN
Model regresi panel dinamis yang terbentuk untuk menggambarkan pertumbuhan ekonomi Jawa
Timur secara jangka pendek adalah
LPEi,t = -0.4091 LPEi,t-1 + 5.28 10-7 Invi,t + 4.22 10-7 Invi,t-1 + 0.0234 TPAKi,t + 0.0125 TPAKi,t-1
dan secara jangka panjang
LPE* = 6.74 10-7 Inv* + 0.0255 TPAK*
sehingga untuk mencapai kenaikan pertumbuhan ekonomi, perlu perhatian utama lebih kepada
peningkatan investasi dan tingkat partisipasi angkatan kerja (TPAK).
Variabel laju pertumbuhan ekonomi tahun sebelumnya, investasi tahun sebelumnya, TPAK
tahun ini, dan TPAK tahun sebelumnya berpengaruh signifikan terhadap laju pertumbuhan ekonomi
tahun ini, sedangkan variabel investasi tahun ini memberikan pengaruh jangka pendek yang tidak
signifikan terhadap laju pertumbuhan ekonomi (LPE) tahun ini. Secara jangka panjang, laju
pertumbuhan ekonomi (LPE) dipengaruhi oleh investasi sebesar 6.74 10-7% dan tingkat partisipasi
angkatan kerja (TPAK) sebesar 0.0255%.
DAFTAR PUSTAKA
Anderson, T.W dan Hsiao, C., (1982), Formulation and Estimation of Dynamic Model Using Panel
Data. Journal of Econometrics, 18, hal. 47-82.
Arellano, M. dan Bond, S., (1991), Some tests of specification for panel data: Monte Carlo evidence
and an application to employment equations, Journal of Econometrics, 58, hal. 277–297.
Lai, T.L, Small, D.S dan Liu, J., (2008), Statistical Inference in Dynamic Panel Data Models, Journal
of Statistical Planning and Inference, 138, hal. 2763-2776.
Verbeek, M., (2008), A Guide to Modern Econometrics 3rd, RSM Erasmus University, Rotterdam.
152
TAHUN 2007 HINGGA 2011 DENGAN ANALISIS REGRESI
PANEL DINAMIS
Yasmin
Jurusan Matematika, F.MIPA, Universitas Brawijaya
Email: [email protected]
Abstrak. Hubungan di antara variabel-variabel yang sering digunakan dalam bidang ekonomi pada kenyataannya banyak
yang bersifat dinamis. Analisis data panel dapat digunakan pada model yang bersifat dinamis. Tujuan penelitian ini adalah
menerapkan analisis regresi panel dinamis untuk memodelkan laju pertumbuhan ekonomi Jawa Timur tahun 2007 hingga
2011. Selain itu ingin diketahui efek jangka panjang dan efek jangka pendek investasi dan tingkat pertisipasi angkatan kerja
(TPAK) terhadap laju pertumbuhan ekonomi (LPE) Jawa Timur. Metode pendugaan parameter yang digunakan adalah
Arellano dan Bond GMM (AB-GMM). Hubungan dinamis pada penelitian ini dicirikan oleh keberadaan lag pertumbuhan
ekonomi yaitu pertumbuhan ekonomi tahun sebelumnya sebagai variabel penjelas dan adanya lag dari variabel penjelas, yaitu
investasi tahun sebelumnya dan tingkat partisipasi angkatan kerja tahun sebelumnya. Hasil analisis menunjukkan bahwa
variabel laju pertumbuhan ekonomi (LPE) tahun sebelumnya, investasi tahun sebelumnya, tingkat partisipasi angkatan kerja
(TPAK) tahun ini, dan tingkat partisipasi angkatan kerja (TPAK) tahun sebelumnya memberikan pengaruh jangka pendek
yang signifikan terhadap laju pertumbuhan ekonomi (LPE) tahun ini, sedangkan variabel investasi tahun ini memberikan
pengaruh jangka pendek yang tidak signifikan terhadap laju pertumbuhan ekonomi (LPE) tahun ini. Secara jangka panjang,
laju pertumbuhan ekonomi (LPE) dipengaruhi oleh investasi sebesar 6.74 10-7% dan tingkat partisipasi angkatan kerja
(TPAK) sebesar 0.0255%.
Kata Kunci: Regresi Panel Dinamis, LPE, Investasi, TPAK.
1. PENDAHULUAN
Data panel adalah data yang merupakan hasil pengamatan beberapa individu (unit cross
sectional) yang masing-masing diamati dalam beberapa periode waktu yang berurutan (unit time
series). Hubungan di antara variabel-variabel yang sering digunakan dalam bidang ekonomi pada
kenyataannya banyak yang bersifat dinamis. Analisis data panel dapat digunakan pada model yang
bersifat dinamis. Sejalan dengan adanya model cross section atau time series, hubungan dinamis pada
data panel dicirikan oleh keberadaan lag variabel respon yaitu variabel respon pada tahun sebelumnya
yang menjadi variabel penjelas bersama dengan variabel penjelas lain dalam model. Hal ini
menyebabkan adanya korelasi antara lag variabel respon dengan galat, sehingga metode OLS
(Ordinary Least Square) akan menghasilkan penduga parameter yang bias. Oleh karena itu, perlu
digunakan metode Arellano dan Bond yang menghasilkan penduga parameter yang tidak bias,
konsisten, dan efisien.
Penelitian ini bertujuan untuk menerapkan regresi panel dinamis pada laju pertumbuhan
ekonomi di Jawa Timur tahun 2007 hingga 2011 dan menganalisis efek jangka pendek dan efek
jangka panjang dari variabel penjelas, yaitu investasi dan tingkat partisipasi angkatan kerja. Hubungan
dinamis pada penelitian ini dicirikan oleh keberadaan lag pertumbuhan ekonomi yaitu pertumbuhan
ekonomi tahun sebelumnya sebagai variabel penjelas, dan adanya lag dari variabel penjelas, yaitu
investasi tahun sebelumnya dan tingkat partisipasi angkatan kerja tahun sebelumnya.
2. TINJAUAN PUSTAKA
2.1 Model Regresi Data Panel Dinamis
Terdapat dua pendekatan model regresi panel dinamis, yaitu model efek tetap (fixed effect
model) dan model efek acak (random effect model). Model regresi data panel dinamis dengan efek
tetap dapat dituliskan sebagai berikut (Arellano dan Bond, 1991):
(1)
menyatakan matriks variabel penjelas berukuran 1 K,
dengan
menyatakan suatu skalar,
.
matriks berukuran K 1,
adalah intersep untuk unit cross section ke-i, dan
149
Sedangkan model regresi data panel dinamis dengan efek acak dapat dituliskan sebagai berikut:
(2)
saling bebas. Lai, dkk. (2008)
dengan
, di mana
) dan
(
mengemukakan bahwa model panel dinamis memiliki efek jangka pendek ( dari perubahan
dan
dari perubahan
.
efek jangka panjang
Masalah paling mendasar dalam model (1) dan (2) adalah adanya korelasi antara
dengan
komponen galat
, meskipun diasumsikan galat tidak saling berkorelasi. Hal ini menyebabkan
metode penduga OLS (Ordinary Least Square) maupun GLS (Generalized Least Square) menjadi bias
dan tidak konsisten (Verbeek, 2008). Oleh karena itu, Arellano and Bond (1991) menyarankan suatu
pendekatan Generalized Method of Moments (GMM) yang merupakan penyempurnaan dari metode
instrumental variable. Metode GMM akan menghasilkan penduga parameter yang tidak bias,
konsisten, dan efisien.
2.2 Arellano dan Bond GMM (AB-GMM)
Langkah pertama pada metode AB-GMM adalah melakukan first difference pada model panel
dinamis untuk menghilangkan efek individu ( . Selain itu first difference juga dapat mengatasi
permasalahan tidak stasionernya variabel-variabel yang sering digunakan dalam bidang ekonomi.
Setelah dilakukan first difference pada model efek tetap dan efek acak, maka kedua model menjadi
sama karena efek individu pada masing-masing model telah hilang, namun masih terdapat korelasi
antara
dan galat. Anderson and Hsiao (1982) menyarankan untuk menggunakan variabel
instrumen. Variabel instrumen yang dipilih untuk
, misal , adalah variabel yang berkorelasi
dengan
namun tidak berkorelasi dengan galat
Misal untuk untuk t = 4, maka
)
(
adalah
Pada kasus ini,
dan
merupakan variabel instrumen untuk (
), dan
variabel instrumen untuk
. Jadi, untuk periode ke-T terdapat T-2 variabel instrumen untuk
, sehingga matriks variabel instrumen
) dan satu variabel instrumen untuk
(
dengan metode AB-GMM adalah:
[
Atau dapat dituliskan
[
]
]
[
[
]
[
]
]
berukuran N(T-2) L, di mana L = K + (1+K) + ... + (T-1+K).
Berikut merupakan metode pendugaan oleh Arellano dan Bond menggunakan prinsip GMM
untuk mendapatkan penduga yang konsisten.
[
]
)
(
Karena banyaknya kolom dari matriks variabel instrumen z lebih banyak daripada jumlah parameter
yang akan ditaksir (L > K), atau dengan kata lain banyaknya persamaan momen lebih banyak daripada
jumlah parameter yang akan diduga, sehingga menduga ̂ menjadi sulit. Oleh karena itu diperlukan
matriks bobot sebagai berikut:
(
)
(
)
di mana W adalah matriks bobot berukuran L L.
Penduga GMM untuk merupakan suatu penduga yang meminimumkan
.
( ̂ )
Maka didapat penduga untuk
( ̂ )
150
̂ [
]
̂ tersebut merupakan penduga yang konsisten untuk
dengan memilih matriks bobot ̂
∑
. Penduga ini diperoleh dengan metode GMM (One Step Consistent Arellano and
Bond Estimator ). Sedangkan penduga yang efisien untuk (Two Step Efficient Arellano and Bond
∑
̂ ̂ ] , di mana ̂
Estimator ) diperoleh dengan memilih matriks bobot ̂
[
merupakan galat yang diperoleh pada One Step Consistent Arellano and Bond Estimator .
3. HASIL DAN PEMBAHASAN
Hasil pendugaan parameter pada Two Step Efficient AB-GMM dan signifikansi masing-masing
variabel penjelas disajikan pada Tabel 1. Hipotesis untuk pengujian signifikansi parameter secara
parsial adalah:
H0 : βi = 0 vs H1 : βi ≠ 0
di mana βi merupakan parameter untuk variabel ke-i. Kriteria pengambilan keputusan adalah
menerima H0 jika p-value > α (0.05) yang berarti variabel penjelas memberikan pengaruh yang tidak
signifikan terhadap variabel respon. Tolak H0 jika p-value < α (0.05) yang berarti variabel penjelas
berpengaruh signifikan terhadap variabel respon.
Tabel 1. Hasil Pendugaan Two Step Efficient AB-GMM dan Signifikansi Parameter
Variabel
Nilai duga Salah baku
thitung P-value
LPEi,t-1
-0.4091236
0.0526946
-7.76
0.000
5.28 10
-7
-7
0.55
0.585
Invi,t-1
4.22 10
-7
-7
1.30 10
3.26
0.001
TPAKi,t
0.0233425
0.0107444
2.17
0.030
TPAKi,t-1
0.0124679
0.0004421
28.20
0.000
Invi,t
9.65 10
Hasil pendugaan parameter dan signifikansi masing-masing variabel penjelas pada Tabel 1
menunjukkan bahwa variabel laju pertumbuhan ekonomi tahun sebelumnya, investasi tahun
sebelumnya, TPAK tahun ini, dan TPAK tahun sebelumnya berpengaruh signifikan terhadap laju
pertumbuhan ekonomi tahun ini karena diperoleh p-value untuk masing-masing variabel yang kurang
dari α (0.05). Sedangkan p-value untuk variabel investasi tahun ini lebih dari α (0.05), sehingga
investasi tahun ini berpengaruh tidak signifikan terhadap laju pertumbuhan ekonomi tahun ini.
Dari hasil pendugaan parameter dan signifikansi masing-masing variabel penjelas, dapat
dibentuk model panel dinamis untuk laju pertumbuhan ekonomi 20 Kabupaten/Kota di Jawa Timur
tahun 2007 hingga 2011 sebagai berikut:
LPEi,t = -0.4091 LPEi,t-1 + 5.28 10-7 Invi,t + 4.22 10-7 Invi,t-1 + 0.0234 TPAKi,t + 0.0125 TPAKi,t-1
Efek jangka pendek dan efek jangka panjang dari masing-masing variabel penjelas dapat
dijelaskan sebagai berikut:
- 1% kenaikan laju pertumbuhan ekonomi tahun sebelumnya akan menurunkan laju pertumbuhan
ekonomi tahun ini sebesar 0.4091% secara langsung, dengan asumsi variabel penjelas lain konstan.
Hubungan negatif tersebut tidak sesuai dengan pendapat dari Supriana (2008) yang menyatakan
hubungan positif antara pertumbuhan ekonomi yang dicapai pada masa sekarang dan masa
sebelumnya. Hubungan negatif tersebut dapat dilihat dari data laju pertumbuhan ekonomi (LPE)
Jawa Timur tahun 2007 hingga 2011 (Lampiran 1) yang naik turun dari satu periode ke periode
berikutnya. Oleh karena itu, untuk mencapai kenaikan pertumbuhan ekonomi, perlu perhatian
utama lebih kepada peningkatan investasi dan tingkat partisipasi angkatan kerja (TPAK).
- Kenaikan investasi tahun ini sebesar 1 juta rupiah secara langsung akan menaikkan pertumbuhan
ekonomi tahun ini sebesar 5.28 10-7%, dengan asumsi variabel penjelas lain konstan, namun tidak
signifikannya investasi tahun ini dalam mempengaruhi laju pertumbuhan ekonomi dapat dilihat
berdasarkan data bahwa naiknya investasi di Jawa Timur dari tahun 2007 hingga 2011 tidak selalu
diiringi dengan kenaikan laju pertumbuhan ekonomi di Jawa Timur.
151
- Kenaikan investasi tahun sebelumnya sebesar 1 juta rupiah secara langsung akan menaikkan
pertumbuhan ekonomi tahun ini sebesar 4.22 10-7%, dengan asumsi variabel penjelas lain konstan.
Hal ini sesuai dengan pendapat dari Kuncoro (2004), Saragih (2003), dan Todaro (2003) bahwa
investasi mempunyai pengaruh positif terhadap pertumbuhan ekonomi. Pengaruh yang signifikan
dari investasi tahun sebelumnya terhadap pertumbuhan ekonomi tahun ini membuktikan adanya
hubungan dinamis antara investasi dan pertumbuhan ekonomi, artinya investasi membutuhkan
tenggang waktu (lag) dalam mempengaruhi pertumbuhan ekonomi.
- 1% kenaikan tingkat partisipasi angkatan kerja (TPAK) tahun ini secara langsung menaikkan laju
pertumbuhan ekonomi tahun ini sebesar 0.0234%, dengan asumsi variabel penjelas lain konstan.
Hal ini sesuai dengan teori yang dikemukakan oleh Todaro dan Smith (2006), bahwa angkatan
kerja merupakan salah satu faktor positif yang dapat meningkatkan pertumbuhan ekonomi.
- 1% kenaikan tingkat partisipasi angkatan kerja (TPAK) tahun sebelumnya secara langsung
menaikkan laju pertumbuhan ekonomi tahun ini sebesar 0.0125%, dengan asumsi variabel penjelas
lain konstan. Sama halnya dengan investasi, TPAK juga membutuhkan tenggang waktu (lag) dalam
mempengaruhi pertumbuhan ekonomi tahun ini.
Efek jangka panjang diperoleh dengan asumsi berikut:
,
,
, sehingga efek
jangka panjang untuk investasi sebesar
6.74 10-7 dan untuk TPAK sebesar
0.0255, sehingga secara jangka panjang diperoleh model sebagai berikut:
LPE* = 6.74 10-7 Inv* + 0.0255 TPAK*
artinya secara jangka panjang, kenaikan investasi sebesar 1 juta rupiah akan menaikkan laju
pertumbuhan ekonomi sebesar 6.74 10-7%, dan 1% kenaikan tingkat partisipasi angkatan kerja
(TPAK) menaikkan laju pertumbuhan ekonomi sebesar 0.0255%.
4. KESIMPULAN
Model regresi panel dinamis yang terbentuk untuk menggambarkan pertumbuhan ekonomi Jawa
Timur secara jangka pendek adalah
LPEi,t = -0.4091 LPEi,t-1 + 5.28 10-7 Invi,t + 4.22 10-7 Invi,t-1 + 0.0234 TPAKi,t + 0.0125 TPAKi,t-1
dan secara jangka panjang
LPE* = 6.74 10-7 Inv* + 0.0255 TPAK*
sehingga untuk mencapai kenaikan pertumbuhan ekonomi, perlu perhatian utama lebih kepada
peningkatan investasi dan tingkat partisipasi angkatan kerja (TPAK).
Variabel laju pertumbuhan ekonomi tahun sebelumnya, investasi tahun sebelumnya, TPAK
tahun ini, dan TPAK tahun sebelumnya berpengaruh signifikan terhadap laju pertumbuhan ekonomi
tahun ini, sedangkan variabel investasi tahun ini memberikan pengaruh jangka pendek yang tidak
signifikan terhadap laju pertumbuhan ekonomi (LPE) tahun ini. Secara jangka panjang, laju
pertumbuhan ekonomi (LPE) dipengaruhi oleh investasi sebesar 6.74 10-7% dan tingkat partisipasi
angkatan kerja (TPAK) sebesar 0.0255%.
DAFTAR PUSTAKA
Anderson, T.W dan Hsiao, C., (1982), Formulation and Estimation of Dynamic Model Using Panel
Data. Journal of Econometrics, 18, hal. 47-82.
Arellano, M. dan Bond, S., (1991), Some tests of specification for panel data: Monte Carlo evidence
and an application to employment equations, Journal of Econometrics, 58, hal. 277–297.
Lai, T.L, Small, D.S dan Liu, J., (2008), Statistical Inference in Dynamic Panel Data Models, Journal
of Statistical Planning and Inference, 138, hal. 2763-2776.
Verbeek, M., (2008), A Guide to Modern Econometrics 3rd, RSM Erasmus University, Rotterdam.
152