Spatial Autoregressive Model dan Spatial Error Model pada Pertumbuhan Ekonomi Sektor Industri Pengolahan di Eks Karesidenan Surakarta.
SPATIAL AUTOREGRESSIVE MODEL DAN
SPATIAL ERROR MODEL PADA PERTUMBUHAN EKONOMI
SEKTOR INDUSTRI PENGOLAHAN
DI EKS KARESIDENAN SURAKARTA
oleh
WINDY RIZKI ADITA
M0112091
SKRIPSI
ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Sarjana Sains Matematika
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
2016
i
ABSTRAK
Windy Rizki Adita, 2016. SPATIAL AUTOREGRESSIVE MODEL DAN
SPATIAL ERROR MODEL PADA PERTUMBUHAN EKONOMI SEKTOR
INDUSTRI PENGOLAHAN DI EKS KARESIDENAN SURAKARTA. Fakultas
Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret.
Produk Domestik Regional Bruto (PDRB) merupakan indikator yang umum
digunakan untuk mengetahui pertumbuhan ekonomi suatu wilayah. Sektor industri pengolahan adalah sektor yang memberikan kontribusi terbesar terhadap
PDRB Provinsi Jawa Tengah. Wilayah eks Karesidenan Surakarta yang terdiri
atas Kota Surakarta, Kabupaten Boyolali, Sukoharjo, Karanganyar, Wonogiri,
Sragen, dan Klaten merupakan salah satu wilayah yang memberikan kontribusi
terbesar terhadap PDRB Jawa Tengah. Tujuan penelitian ini menerapkan model
spasial autoregresif (spatial autoregressive model ) dan model spasial eror (spatial error model ) pada pertumbuhan ekonomi sektor industri pengolahan dengan
pembobot persinggungan sisi-sudut di eks Karesidenan Surakarta. Faktor-faktor
yang diteliti adalah tenaga kerja, investasi, pengeluaran untuk belanja modal,
belanja barang dan jasa, serta belanja pegawai. Metode yang digunakan dalam
penelitian ini adalah regresi panel spasial. Berdasarkan hasil penelitian diperoleh
model spasial autoregresif dengan efek random memiliki nilai R2 sebesar 83,67%
dan model spasial eror dengan efek random memiliki nilai R2 sebesar 99,84%.
Faktor yang berpengaruh terhadap pertumbuhan ekonomi sektor industri pengolahan di eks Karesidenan Surakarta pada kedua model tersebut adalah investasi
serta belanja barang dan jasa.
Kata kunci: PDRB, panel, spasial, eks Karesidenan Surakarta
iii
ABSTRACT
Windy Rizki Adita, 2016. SPATIAL AUTOREGRESSIVE MODEL AND
SPATIAL ERROR MODEL OF THE ECONOMICS GROWTH MANUFACTU
RING SECTOR IN EX RESIDENCY OF SURAKARTA. Faculty of Mathematics and Natural Sciences, Sebelas Maret University.
Gross Regional Domestic Product (GDP) is an indicator that is commonly
used to determine the economic growth of a region. The largest contribution to
the GDP of Central Java province is given by manufacturing sector. The region
are consisting of the City of Surakarta, Boyolali Regency, Sukoharjo, Karanganyar, Wonogiri, Sragen and Klaten is one ot the region that provide the largest
contribution to the GDP of Central Java province. The aims of this research were
to apply spatial autoregressive model and spatial error model of the economic
growth of the manufacturing sector with the queen contiguity in ex Residency of
Surakarta. The factors studied were employment, investment, spending on capital
expenditure, spending on goods and services, as well as personal expenditure.
The method used in this research is spatial panel regression. The findings of the
research showed that spatial autoregressive model with random effect had an R2
value of 83,67% and a spatial error model with random effect had an R2 value of
99,84%. Factors influencing the economic growth of the manufacturing sector in
ex Residency of Surakarta on both models were the investment and spending on
goods and services.
Keywords: GDP, panel, spatial, ex Residency of Surakarta
iv
MOTO
Sesungguhnya bersama kesulitan ada kemudahan. (Q.S. Al-Insyirah : 6)
Tidak ada kesuksesan yang diraih secara instant dan tidak ada kerja keras yang
berakhir sia-sia.
v
PERSEMBAHAN
Karya ini dipersembahkan untuk
kedua orang tuaku yang telah mendidik, memberikan semangat dan bimbingan
untuk menjadi lebih baik serta kedua kakak saya yang selalu memberikan
semangat.
vi
KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas limpahan berkah dan karuniaNya
sehingga penulis dapat menyelesaikan penulisan skripsi ini. Ucapan terima kasih
penulis sampaikan kepada
1. Drs. Isnandar Slamet, M.Sc, Ph.D sebagai Pembimbing I yang telah memberikan arahan penentuan judul, bimbingan, motivasi, dan arahan dalam
penyusunan skripsi ini,
2. Dr. Dewi Retno Sari S, S.Si., M.Kom sebagai Pembimbing II yang telah
memberikan bimbingan, motivasi, arahan dalam hal penulisan skripsi, dan
penyusunan alur penulisan.
Semoga skripsi ini bermanfaat.
Surakarta,
Juni 2016
Penulis
vii
DAFTAR ISI
I
HALAMAN JUDUL . . . . . . . . . . . . . . . . . . . . . . . . . . . .
i
PENGESAHAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
ii
ABSTRAK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
iii
ABSTRACT
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
iv
MOTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
v
PERSEMBAHAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
vi
KATA PENGANTAR . . . . . . . . . . . . . . . . . . . . . . . . . . .
vii
DAFTAR ISI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
ix
DAFTAR TABEL . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
x
DAFTAR GAMBAR . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
PENDAHULUAN
1
1.1
Latar Belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.2
Perumusan Masalah
. . . . . . . . . . . . . . . . . . . . . . . . .
3
1.3
Tujuan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.4
Manfaat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
II LANDASAN TEORI
4
2.1
Tinjauan Pustaka . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
2.2
Landasan Teori . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2.2.1
Industri Pengolahan . . . . . . . . . . . . . . . . . . . . .
5
2.2.2
Model Regresi Panel . . . . . . . . . . . . . . . . . . . . .
6
2.2.3
Uji Chow . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
2.2.4
Uji Hausman . . . . . . . . . . . . . . . . . . . . . . . . .
7
viii
2.2.5
Uji Lagrange Multiplier (LM) . . . . . . . . . . . . . . . .
8
2.2.6
Matriks pembobot spasial . . . . . . . . . . . . . . . . . .
8
2.2.7
Indeks Moran . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.2.8
Model Regresi Spasial . . . . . . . . . . . . . . . . . . . .
10
2.2.9
Uji Pengali Lagrange . . . . . . . . . . . . . . . . . . . . .
13
2.2.10 Koefisien Determinasi
2.3
. . . . . . . . . . . . . . . . . . . .
14
2.2.11 Pengujian Asumsi Klasik . . . . . . . . . . . . . . . . . . .
14
Kerangka Pemikiran . . . . . . . . . . . . . . . . . . . . . . . . .
15
III METODE PENELITIAN
17
IV HASIL DAN PEMBAHASAN
19
4.1
Gambaran Umum eks Karesidenan Surakarta . . . . . . . . . . .
19
4.2
Model Regresi Panel . . . . . . . . . . . . . . . . . . . . . . . . .
20
4.2.1
Model PLS . . . . . . . . . . . . . . . . . . . . . . . . . .
20
4.2.2
Model Efek Tetap . . . . . . . . . . . . . . . . . . . . . . .
21
4.2.3
Model Efek Random . . . . . . . . . . . . . . . . . . . . .
22
4.3
Uji Chow . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
4.4
Uji LM
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
4.5
Uji Hausman . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
4.6
Model Regresi Spasial . . . . . . . . . . . . . . . . . . . . . . . .
28
4.6.1
Model Spasial Autoregresif dengan Efek Random . . . . .
29
4.6.2
Model Spasial Eror dengan Efek Random . . . . . . . . . .
31
V PENUTUP
33
5.1
Kesimpulan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
5.2
Saran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
DAFTAR PUSTAKA
34
ix
DAFTAR TABEL
4.1
Nilai estimasi parameter dan nilai thitung model PLS
. . . . . . .
21
4.2
Nilai estimasi parameter dan nilai thitung model efek tetap . . . .
22
4.3
Nilai estimasi parameter dan nilai thitung model efek random . . .
23
4.4
Nilai VIF untuk masing-masing variabel independen . . . . . . . .
27
4.5
Nilai estimasi parameter dan thitung model spasial autoregresif dengan efek random . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6
Nilai estimasi parameter dan nilai thitung model spasial autoregresif
dengan efek random
4.7
. . . . . . . . . . . . . . . . . . . . . . . . .
31
Nilai estimasi parameter dan thitung model spasial eror dengan efek
random . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.8
30
31
Nilai estimasi parameter dan thitung model spasial eror dengan efek
random . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
x
32
DAFTAR GAMBAR
2.1
Ilustrasi daerah yang bersinggungan . . . . . . . . . . . . . . . . .
9
4.1
Peta wilayah eks Karesidenan Surakarta . . . . . . . . . . . . . .
19
1
BAB I
PENDAHULUAN
1.1
Latar Belakang
Indikator keberhasilan pembangunan perekonomian suatu wilayah dapat
diukur berdasarkan tingkat pertumbuhan ekonomi yang dicapai wilayah tersebut. Nilai Produk Domestik Regional Bruto (PDRB) merupakan indikator yang
umum digunakan untuk mengetahui pertumbuhan ekonomi. Menurut Sukirno
[12], pertumbuhan ekonomi merupakan perkembangan kegiatan dalam perekonomian yang menyebabkan barang dan jasa yang diproduksi dalam masyarakat
bertambah sehingga akan meningkatkan kemakmuran masyarakat. Faktor-faktor
yang memengaruhi pertumbuhan ekonomi menurut Bappenas [2] adalah tenaga
kerja, investasi, pengeluaran untuk belanja modal, pengeluaran untuk belanja
barang dan jasa, dan pengeluaran untuk belanja pegawai.
Wilayah eks Karesidenan Surakarta yang terdiri atas Kota Surakarta, Kabupaten Boyolali, Sukoharjo, Karanganyar, Wonogiri, Sragen, dan Klaten merupakan salah satu wilayah yang memberikan kontribusi terbesar terhadap PDRB Jawa Tengah. Wilayah eks Karesidenan Surakarta memiliki perbedaan potensi ekonomi dan sektor unggulan, letak wilayah yang berdekatan, dan adanya komitmen
politik serta koordinasi dalam pengambilan kebijakan antar Kota/Kabupaten.
Kondisi tersebut menjelaskan wilayah eks Karesidenan Surakarta memenuhi kriteria model segitiga pertumbuhan sehingga kerja sama ekonomi berpotensi untuk
dikembangkan.
Sektor industri pengolahan merupakan sektor yang memberikan kontribusi
terbesar terhadap PDRB Provinsi Jawa Tengah. Menurut Bina Sosial [5], sektor industri pengolahan tahun 2008 sampai dengan 2012 mengalami peningkatan
positif. Begitu pula sektor lainnya, hampir selalu mengalami peningkatan kontri1
busi positif terhadap PDRB Jawa Tengah kecuali sektor pertanian menunjukkan
penurunan kontribusi dari tahun ke tahun. Hal ini dikarenakan berkembang pesatnya sektor industri pengolahan saat ini sehingga menggeser kontribusi sektor
pertanian terhadap PDRB Jawa Tengah.
Pada penelitian ini digunakan data PDRB 7 Kota/Kabupaten dari tahun
2010 sampai dengan 2014 sehingga digunakan model regresi dengan data panel.
Data panel merupakan data gabungan antara runtun waktu dan cross section.
Data runtun waktu meliputi satu objek pengamatan dengan beberapa periode
waktu (harian, bulanan, kuartalan, atau tahunan). Data cross section meliputi
beberapa objek pengamatan dengan beberapa jenis data. Menurut Baltagi [4],
ada tiga macam model data panel yaitu pooled least square (PLS) model, model
efek tetap, dan model efek random.
Faktor geografi dan demografi berperan dalam pertumbuhan ekonomi suatu
wilayah. Keterkaitan faktor-faktor tersebut dapat diketahui dengan model regresi yang dipengaruhi ruang atau posisi. Terkait hal itu, hukum pertama tentang
ruang yang dikemukakan oleh Tobler menyatakan bahwa segala sesuatu saling
berhubungan satu dengan yang lainnya tetapi sesuatu yang dekat mempunyai
pengaruh lebih besar daripada sesuatu yang jauh (Anselin [1]). Hukum tersebut merupakan konsep dasar dari suatu permasalahan yang mengandung efek
spasial. Dua jenis model regresi spasial adalah model spasial autoregresif (spatial
autoregressive model ) dan model spasial eror (spatial error model ). Model spasial
autoregresif adalah model yang mempertimbangkan adanya dependensi variabel
dependen pada suatu daerah dengan daerah lain yang berhubungan dengannya.
Sedangkan model spasial eror adalah model yang mempertimbangkan dependensi
nilai eror suatu daerah dengan eror pada daerah lain yang berhubungan dengannya.
Dalam penelitian ini, model spasial autoregresif dan model spasial eror diterapkan pada pertumbuhan ekonomi sektor industri pengolahan di eks Karesidenan Surakarta.
2
1.2
Perumusan Masalah
Berdasarkan latar belakang, rumusan masalah pada penelitian ini adalah
1. bagaimana menerapkan model spasial autoregresif dan model spasial eror
pada pertumbuhan ekonomi sektor industri pengolahan di eks Karesidenan
Surakarta, dan
2. faktor apa saja yang berpengaruh terhadap pertumbuhan ekonomi sektor
industri pengolahan di eks Karesidenan Surakarta.
1.3
Tujuan
Berdasarkan perumusan masalah, tujuan dari penelitian ini adalah
1. menerapkan model spasial autoregresif dan model spasial eror pada pertumbuhan ekonomi sektor industri pengolahan di eks Karesidenan Surakarta,
dan
2. menentukan faktor apa saja yang berpengaruh terhadap pertumbuhan ekonomi sektor industri pengolahan di eks Karesidenan Surakarta.
1.4
Manfaat
Penelitian ini diharapkan dapat menambah wawasan tentang model spasial autoregresif dan model spasial eror serta penerapannya pada pertumbuhan
ekonomi sektor industri pengolahan di eks Karesidenan Surakarta.
3
SPATIAL ERROR MODEL PADA PERTUMBUHAN EKONOMI
SEKTOR INDUSTRI PENGOLAHAN
DI EKS KARESIDENAN SURAKARTA
oleh
WINDY RIZKI ADITA
M0112091
SKRIPSI
ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Sarjana Sains Matematika
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
2016
i
ABSTRAK
Windy Rizki Adita, 2016. SPATIAL AUTOREGRESSIVE MODEL DAN
SPATIAL ERROR MODEL PADA PERTUMBUHAN EKONOMI SEKTOR
INDUSTRI PENGOLAHAN DI EKS KARESIDENAN SURAKARTA. Fakultas
Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret.
Produk Domestik Regional Bruto (PDRB) merupakan indikator yang umum
digunakan untuk mengetahui pertumbuhan ekonomi suatu wilayah. Sektor industri pengolahan adalah sektor yang memberikan kontribusi terbesar terhadap
PDRB Provinsi Jawa Tengah. Wilayah eks Karesidenan Surakarta yang terdiri
atas Kota Surakarta, Kabupaten Boyolali, Sukoharjo, Karanganyar, Wonogiri,
Sragen, dan Klaten merupakan salah satu wilayah yang memberikan kontribusi
terbesar terhadap PDRB Jawa Tengah. Tujuan penelitian ini menerapkan model
spasial autoregresif (spatial autoregressive model ) dan model spasial eror (spatial error model ) pada pertumbuhan ekonomi sektor industri pengolahan dengan
pembobot persinggungan sisi-sudut di eks Karesidenan Surakarta. Faktor-faktor
yang diteliti adalah tenaga kerja, investasi, pengeluaran untuk belanja modal,
belanja barang dan jasa, serta belanja pegawai. Metode yang digunakan dalam
penelitian ini adalah regresi panel spasial. Berdasarkan hasil penelitian diperoleh
model spasial autoregresif dengan efek random memiliki nilai R2 sebesar 83,67%
dan model spasial eror dengan efek random memiliki nilai R2 sebesar 99,84%.
Faktor yang berpengaruh terhadap pertumbuhan ekonomi sektor industri pengolahan di eks Karesidenan Surakarta pada kedua model tersebut adalah investasi
serta belanja barang dan jasa.
Kata kunci: PDRB, panel, spasial, eks Karesidenan Surakarta
iii
ABSTRACT
Windy Rizki Adita, 2016. SPATIAL AUTOREGRESSIVE MODEL AND
SPATIAL ERROR MODEL OF THE ECONOMICS GROWTH MANUFACTU
RING SECTOR IN EX RESIDENCY OF SURAKARTA. Faculty of Mathematics and Natural Sciences, Sebelas Maret University.
Gross Regional Domestic Product (GDP) is an indicator that is commonly
used to determine the economic growth of a region. The largest contribution to
the GDP of Central Java province is given by manufacturing sector. The region
are consisting of the City of Surakarta, Boyolali Regency, Sukoharjo, Karanganyar, Wonogiri, Sragen and Klaten is one ot the region that provide the largest
contribution to the GDP of Central Java province. The aims of this research were
to apply spatial autoregressive model and spatial error model of the economic
growth of the manufacturing sector with the queen contiguity in ex Residency of
Surakarta. The factors studied were employment, investment, spending on capital
expenditure, spending on goods and services, as well as personal expenditure.
The method used in this research is spatial panel regression. The findings of the
research showed that spatial autoregressive model with random effect had an R2
value of 83,67% and a spatial error model with random effect had an R2 value of
99,84%. Factors influencing the economic growth of the manufacturing sector in
ex Residency of Surakarta on both models were the investment and spending on
goods and services.
Keywords: GDP, panel, spatial, ex Residency of Surakarta
iv
MOTO
Sesungguhnya bersama kesulitan ada kemudahan. (Q.S. Al-Insyirah : 6)
Tidak ada kesuksesan yang diraih secara instant dan tidak ada kerja keras yang
berakhir sia-sia.
v
PERSEMBAHAN
Karya ini dipersembahkan untuk
kedua orang tuaku yang telah mendidik, memberikan semangat dan bimbingan
untuk menjadi lebih baik serta kedua kakak saya yang selalu memberikan
semangat.
vi
KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas limpahan berkah dan karuniaNya
sehingga penulis dapat menyelesaikan penulisan skripsi ini. Ucapan terima kasih
penulis sampaikan kepada
1. Drs. Isnandar Slamet, M.Sc, Ph.D sebagai Pembimbing I yang telah memberikan arahan penentuan judul, bimbingan, motivasi, dan arahan dalam
penyusunan skripsi ini,
2. Dr. Dewi Retno Sari S, S.Si., M.Kom sebagai Pembimbing II yang telah
memberikan bimbingan, motivasi, arahan dalam hal penulisan skripsi, dan
penyusunan alur penulisan.
Semoga skripsi ini bermanfaat.
Surakarta,
Juni 2016
Penulis
vii
DAFTAR ISI
I
HALAMAN JUDUL . . . . . . . . . . . . . . . . . . . . . . . . . . . .
i
PENGESAHAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
ii
ABSTRAK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
iii
ABSTRACT
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
iv
MOTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
v
PERSEMBAHAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
vi
KATA PENGANTAR . . . . . . . . . . . . . . . . . . . . . . . . . . .
vii
DAFTAR ISI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
ix
DAFTAR TABEL . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
x
DAFTAR GAMBAR . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
PENDAHULUAN
1
1.1
Latar Belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.2
Perumusan Masalah
. . . . . . . . . . . . . . . . . . . . . . . . .
3
1.3
Tujuan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.4
Manfaat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
II LANDASAN TEORI
4
2.1
Tinjauan Pustaka . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
2.2
Landasan Teori . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2.2.1
Industri Pengolahan . . . . . . . . . . . . . . . . . . . . .
5
2.2.2
Model Regresi Panel . . . . . . . . . . . . . . . . . . . . .
6
2.2.3
Uji Chow . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
2.2.4
Uji Hausman . . . . . . . . . . . . . . . . . . . . . . . . .
7
viii
2.2.5
Uji Lagrange Multiplier (LM) . . . . . . . . . . . . . . . .
8
2.2.6
Matriks pembobot spasial . . . . . . . . . . . . . . . . . .
8
2.2.7
Indeks Moran . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.2.8
Model Regresi Spasial . . . . . . . . . . . . . . . . . . . .
10
2.2.9
Uji Pengali Lagrange . . . . . . . . . . . . . . . . . . . . .
13
2.2.10 Koefisien Determinasi
2.3
. . . . . . . . . . . . . . . . . . . .
14
2.2.11 Pengujian Asumsi Klasik . . . . . . . . . . . . . . . . . . .
14
Kerangka Pemikiran . . . . . . . . . . . . . . . . . . . . . . . . .
15
III METODE PENELITIAN
17
IV HASIL DAN PEMBAHASAN
19
4.1
Gambaran Umum eks Karesidenan Surakarta . . . . . . . . . . .
19
4.2
Model Regresi Panel . . . . . . . . . . . . . . . . . . . . . . . . .
20
4.2.1
Model PLS . . . . . . . . . . . . . . . . . . . . . . . . . .
20
4.2.2
Model Efek Tetap . . . . . . . . . . . . . . . . . . . . . . .
21
4.2.3
Model Efek Random . . . . . . . . . . . . . . . . . . . . .
22
4.3
Uji Chow . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
4.4
Uji LM
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
4.5
Uji Hausman . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
4.6
Model Regresi Spasial . . . . . . . . . . . . . . . . . . . . . . . .
28
4.6.1
Model Spasial Autoregresif dengan Efek Random . . . . .
29
4.6.2
Model Spasial Eror dengan Efek Random . . . . . . . . . .
31
V PENUTUP
33
5.1
Kesimpulan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
5.2
Saran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
DAFTAR PUSTAKA
34
ix
DAFTAR TABEL
4.1
Nilai estimasi parameter dan nilai thitung model PLS
. . . . . . .
21
4.2
Nilai estimasi parameter dan nilai thitung model efek tetap . . . .
22
4.3
Nilai estimasi parameter dan nilai thitung model efek random . . .
23
4.4
Nilai VIF untuk masing-masing variabel independen . . . . . . . .
27
4.5
Nilai estimasi parameter dan thitung model spasial autoregresif dengan efek random . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6
Nilai estimasi parameter dan nilai thitung model spasial autoregresif
dengan efek random
4.7
. . . . . . . . . . . . . . . . . . . . . . . . .
31
Nilai estimasi parameter dan thitung model spasial eror dengan efek
random . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.8
30
31
Nilai estimasi parameter dan thitung model spasial eror dengan efek
random . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
x
32
DAFTAR GAMBAR
2.1
Ilustrasi daerah yang bersinggungan . . . . . . . . . . . . . . . . .
9
4.1
Peta wilayah eks Karesidenan Surakarta . . . . . . . . . . . . . .
19
1
BAB I
PENDAHULUAN
1.1
Latar Belakang
Indikator keberhasilan pembangunan perekonomian suatu wilayah dapat
diukur berdasarkan tingkat pertumbuhan ekonomi yang dicapai wilayah tersebut. Nilai Produk Domestik Regional Bruto (PDRB) merupakan indikator yang
umum digunakan untuk mengetahui pertumbuhan ekonomi. Menurut Sukirno
[12], pertumbuhan ekonomi merupakan perkembangan kegiatan dalam perekonomian yang menyebabkan barang dan jasa yang diproduksi dalam masyarakat
bertambah sehingga akan meningkatkan kemakmuran masyarakat. Faktor-faktor
yang memengaruhi pertumbuhan ekonomi menurut Bappenas [2] adalah tenaga
kerja, investasi, pengeluaran untuk belanja modal, pengeluaran untuk belanja
barang dan jasa, dan pengeluaran untuk belanja pegawai.
Wilayah eks Karesidenan Surakarta yang terdiri atas Kota Surakarta, Kabupaten Boyolali, Sukoharjo, Karanganyar, Wonogiri, Sragen, dan Klaten merupakan salah satu wilayah yang memberikan kontribusi terbesar terhadap PDRB Jawa Tengah. Wilayah eks Karesidenan Surakarta memiliki perbedaan potensi ekonomi dan sektor unggulan, letak wilayah yang berdekatan, dan adanya komitmen
politik serta koordinasi dalam pengambilan kebijakan antar Kota/Kabupaten.
Kondisi tersebut menjelaskan wilayah eks Karesidenan Surakarta memenuhi kriteria model segitiga pertumbuhan sehingga kerja sama ekonomi berpotensi untuk
dikembangkan.
Sektor industri pengolahan merupakan sektor yang memberikan kontribusi
terbesar terhadap PDRB Provinsi Jawa Tengah. Menurut Bina Sosial [5], sektor industri pengolahan tahun 2008 sampai dengan 2012 mengalami peningkatan
positif. Begitu pula sektor lainnya, hampir selalu mengalami peningkatan kontri1
busi positif terhadap PDRB Jawa Tengah kecuali sektor pertanian menunjukkan
penurunan kontribusi dari tahun ke tahun. Hal ini dikarenakan berkembang pesatnya sektor industri pengolahan saat ini sehingga menggeser kontribusi sektor
pertanian terhadap PDRB Jawa Tengah.
Pada penelitian ini digunakan data PDRB 7 Kota/Kabupaten dari tahun
2010 sampai dengan 2014 sehingga digunakan model regresi dengan data panel.
Data panel merupakan data gabungan antara runtun waktu dan cross section.
Data runtun waktu meliputi satu objek pengamatan dengan beberapa periode
waktu (harian, bulanan, kuartalan, atau tahunan). Data cross section meliputi
beberapa objek pengamatan dengan beberapa jenis data. Menurut Baltagi [4],
ada tiga macam model data panel yaitu pooled least square (PLS) model, model
efek tetap, dan model efek random.
Faktor geografi dan demografi berperan dalam pertumbuhan ekonomi suatu
wilayah. Keterkaitan faktor-faktor tersebut dapat diketahui dengan model regresi yang dipengaruhi ruang atau posisi. Terkait hal itu, hukum pertama tentang
ruang yang dikemukakan oleh Tobler menyatakan bahwa segala sesuatu saling
berhubungan satu dengan yang lainnya tetapi sesuatu yang dekat mempunyai
pengaruh lebih besar daripada sesuatu yang jauh (Anselin [1]). Hukum tersebut merupakan konsep dasar dari suatu permasalahan yang mengandung efek
spasial. Dua jenis model regresi spasial adalah model spasial autoregresif (spatial
autoregressive model ) dan model spasial eror (spatial error model ). Model spasial
autoregresif adalah model yang mempertimbangkan adanya dependensi variabel
dependen pada suatu daerah dengan daerah lain yang berhubungan dengannya.
Sedangkan model spasial eror adalah model yang mempertimbangkan dependensi
nilai eror suatu daerah dengan eror pada daerah lain yang berhubungan dengannya.
Dalam penelitian ini, model spasial autoregresif dan model spasial eror diterapkan pada pertumbuhan ekonomi sektor industri pengolahan di eks Karesidenan Surakarta.
2
1.2
Perumusan Masalah
Berdasarkan latar belakang, rumusan masalah pada penelitian ini adalah
1. bagaimana menerapkan model spasial autoregresif dan model spasial eror
pada pertumbuhan ekonomi sektor industri pengolahan di eks Karesidenan
Surakarta, dan
2. faktor apa saja yang berpengaruh terhadap pertumbuhan ekonomi sektor
industri pengolahan di eks Karesidenan Surakarta.
1.3
Tujuan
Berdasarkan perumusan masalah, tujuan dari penelitian ini adalah
1. menerapkan model spasial autoregresif dan model spasial eror pada pertumbuhan ekonomi sektor industri pengolahan di eks Karesidenan Surakarta,
dan
2. menentukan faktor apa saja yang berpengaruh terhadap pertumbuhan ekonomi sektor industri pengolahan di eks Karesidenan Surakarta.
1.4
Manfaat
Penelitian ini diharapkan dapat menambah wawasan tentang model spasial autoregresif dan model spasial eror serta penerapannya pada pertumbuhan
ekonomi sektor industri pengolahan di eks Karesidenan Surakarta.
3