P. 1
2011 Psa

2011 Psa

|Views: 133|Likes:
Dipublikasikan oleh Meissha Ayu Ardini
56ujnhnytkkkkihyk m
56ujnhnytkkkkihyk m

More info:

Categories:Topics, Art & Design
Published by: Meissha Ayu Ardini on Apr 23, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/13/2013

pdf

text

original

Sections

  • VI. KESIMPULAN DAN SARAN
  • 6.1. Kesimpulan
  • 6.2. Implikasi Kebijakan
  • 6.3. Saran

ANALISIS PENGARUH PROGRAM PEMBANGUNAN INFRASTRUKTUR TERHADAP PENURUNAN KEMISKINAN DI KABUPATEN TERTINGGAL

PERWITA SARI NRP. H 151090294

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis berjudul Analisis Pengaruh Program Pembangunan Infrastruktur terhadap Penurunan Kemiskinan di Kabupaten Tertinggal adalah karya saya dengan arahan dari Komisi Pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam daftar pustaka di bagian akhir tesis ini.

Bogor, Mei 2011

Perwita Sari NRP : H 151090294

Halaman ini sengaja dikosongkan .

Therefore this condition makes the economy unable to reduce poverty on underdeveloped region. inequality and poverty reduction. However. Using dynamic panel data model. Under direction of NUNUNG NURYARTONO and LUKYTAWATI ANGGRAENI. which is an infrastructure development program in underdeveloped region. Raising up welfare and reducing poverty are some of the government goals in underdeveloped region. Impact Analysis of Infrastructure Development Program to Reduce Poverty on Underdeveloped Region.ABSTRACT PERWITA SARI. inequality. increased of per capita GDRP is not only comes from increased of P2IPDT but also from increased of inequality. dynamic panel data model . economy. The purpose of this study is to analyse the impact of this programs on the economy. Therefore the ministry of underdeveloped region accelerate these by implementing P2IPDT. the result shows that P2IPDT has significant and positive impact to per capita GDRP in the medium and long run. poverty. Keywords: P2IPDT.

Halaman ini sengaja dikosongkan .

RINGKASAN PERWITA SARI. et al 2009.997. Berdasarkan latar belakang tersebut. Kebijakan tersebut dilakukan mengingat masih banyaknya kabupaten yang masuk kategori sebagai daerah tertinggal di Indonesia (183 kabupaten atau sekitar 40. Perkins.82 milyar. Pemerintah dalam hal ini Kementrian PDT.09 juta atau sekitar 25. sedangkan rata-rata PDRB kabupaten tertinggal di wilayah KTI hanya sebesar Rp 1.189. 2011). penelitian ini bertujuan mengkaji pengaruh program pembangunan infrastruktur dan kaitannya terhadap perekonomian. angka gini rasio Indonesia adalah sebesar 0.05 juta atau sekitar 42. Prasetyo 2010). Munnel 1992.37 dimana menurut Todaro dan Smith (2006) angka ini sudah tidak lagi mencerminkan pendapatan masyarakat yang relatif merata. Canning dan Pedroni 1999. Data empiris menunjukkan bahwa pada tahun 2009.47% pada tahun 2009). Analisis Pengaruh Program Pembangunan Infrastruktur terhadap Penurunan Kemiskinan di Kabupaten Tertinggal. ketimpangan pendapatan dan kemiskinan di kabupaten tertinggal. dan Berkeadilan” (Kementrian Keuangan. Pada Tahun 2008. Pada Tahun 2007 Kementrian PDT mengucurkan dana untuk program P2IPDT sebesar Rp 105. rata-rata PDRB kabupaten tertinggal di wilayah KBI hanya sebesar Rp Rp 1. et al 2005. Ketimpangan pembangunan ekonomi tersebut juga diikuti dengan ketimpangan pendapatan rumahtangga. telah berupaya memberikan bantuan stimulus untuk pembangunan infrastruktur daerah tertinggal. Seetanah.37 milyar dan pada Tahun 2008 naik lebih dari dua kali lipat menjadi sebesar Rp 274.14 persen dari rata-rata nasional. Angka kemiskinan yang tinggi di kabupaten tertinggal ini ternyata diikuti oleh kinerja perekonomian yang buruk. Salah satunya adalah penerapan program Percepatan Pembangunan Infrastruktur Pedesaan Daerah Tertinggal (P2IPDT) yang dilaksanakan oleh pemerintah melalui Kementrian Pembangunan Daerah Tertinggal (PDT). Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2010-2014 telah menggariskan bahwa Visi Pembangunan 2010-2014 adalah “Terwujudnya Indonesia yang Sejahtera. Perbedaan yang cukup signifikan dari rata-rata output. Demokratis. melalui peningkatan infrastruktur diharapkan dapat membawa kesejahteraan dan mendorong perekonomian. . baik di wilayah KBI maupun KTI dengan rata-rata nasional ini mengindikasikan bahwa di Indonesia masih terjadi ketimpangan pembangunan ekonomi yang cukup besar. Visi pembangunan tersebut kemudian dijadikan landasan bagi pemerintah dalam mengambil berbagai kebijakan. Sarana dan prasarana infrastruktur dibutuhkan tidak hanya oleh rumah tangga namun juga oleh dunia usaha. Pemilihan 82 kabupaten tertinggal tersebut didasarkan pada pertimbangan ketersediaan data.23 persen dari rata-rata nasional. dimana 82 kabupaten yang terpilih tersebut mendapatkan dana bantuan P2IPDT secara kontinu setiap tahunnya. Upaya mendorong perekonomian kabupaten tertinggal melalui peningkatan infrastruktur sejalan dengan penelitian-penelitian empiris sebelumnya (Aschauer 1989. Dibimbing oleh NUNUNG NURYARTONO dan LUKYTAWATI ANGGRAENI. Cakupan analisis dalam penelitian ini adalah pada 82 kabupaten yang termasuk dalam 199 kabupaten tertinggal yang ditetapkan oleh Kementrian PDT Tahun 2005.39%) dan masih tingginya rata-rata persentase jumlah penduduk miskin di daerah tertinggal (sebesar 17.

dimana infrastruktur energi merupakan jenis infrastruktur dengan cakupan kabupaten penerima bantuan dan nilai proporsi bantuan yang terbesar tiap tahunnya. data panel dinamis dan panel instrumental variable. informasi dan telekomunikasi. hasil estimasi pengaruh perekonomian terhadap kemiskinan menunjukkan bahwa variabel yang nyata memengaruhi tingkat kemiskinan adalah tingkat kemiskinan tahun sebelumnya. melihat kebaikan. Variabel populasi penduduk ternyata tidak signifikan memengaruhi perekonomian kabupaten tertinggal. Berdasarkan hasil estimasi yang diperoleh. robustness model. Beberapa metode ekonometrik yang digunakan diantaranya metode data panel statis. . Hasil estimasi total bantuan menunjukkan bahwa variabel yang nyata secara statistik terhadap perekonomian kabupaten tertinggal (didekati dengan nilai PDRB per kapita) adalah PDRB per kapita tahun sebelumnya. tercermin dari adanya peningkatan ratarata PDRB atas dasar harga konstan. Bantuan stimulus infrastruktur nyata positif memengaruhi perekonomian dalam jangka panjang. Program P2IPDT dilaksanakan pada kurun waktu 20072009 pada 5 bidang infrastruktur yaitu transportasi. Infrastruktur energi merupakan infrastruktur yang diprioritaskan oleh Kementrian PDT. Hal ini menyebabkan kondisi tersebut belum mampu menurunkan persentase penduduk miskin di kabupaten tertinggal. sedangkan dinamika kemiskinan membaik yang ditunjukkan dengan adanya penurunan ratarata persentase kemiskinan. maka dapat disimpulkan bahwa peningkatan investasi infrastruktur P2IPDT dan kenaikan ketimpangan distribusi pendapatan menyebabkan kenaikan PDRB per kapita di kabupaten tertinggal. energi. Sementara. Analisis deskriptif digunakan untuk memberikan gambaran mengenai dinamika kemiskinan dan ketimpangan pendapatan yang terjadi di kabupaten tertinggal sebelum dan sesudah implementasi program P2IPDT. sedangkan untuk variabel indeks gini dan inflasi juga menunjukkan arah yang positif. Dinamika ketimpangan menunjukkan angka yang meningkat (semakin timpang) pada kurun waktu yang sama. inflasi tahun sebelumnya dan gini rasio. serta validitas di antara berbagai metode estimasi yang digunakan. Metode analisis yang digunakan adalah analisis deskriptif dan analisis ekonometrik.Jenis data yang digunakan adalah data sekunder yang dihimpun dari Kementrian PDT dan Badan Pusat Statistik (BPS). bantuan stimulus infrastruktur. Analisis deskriptif menunjukkan bahwa dinamika pertumbuhan di kabupaten tertinggal pada kurun waktu 2006 (sebelum implementasi P2IPDT) dan 2009 (setelah implementasi P2IPDT) membaik. periode 2007-2009. Analisis ekonometrik digunakan untuk melihat pengaruh infrastruktur terhadap perekonomian dan kemiskinan. Penggunaan berbagai metode estimasi ini diharapkan dapat menunjukkan variasi hasil estimasi. ekonomi dan sosial. PDRB per kapita dan pengeluaran pemerintah. Variabel PDRB perkapita nyata positif memengaruhi tingkat kemiskinan sedangkan variabel pengeluaran nyata negatif memengaruhi penurunan kemiskinan.

Pengutipan tersebut tidak merugikan kepentingan yang wajar IPB. tahun 2011 Hak Cipta dilindungi Undang-Undang 1. penelitian. penulisan kritik atau tinjauan suatu masalah. Dilarang mengutip sebagian atau seluruh karya tulis tanpa mencantumkan atau menyebutkan sumbernya. penyusunan laporan. Pengutipan hanya untuk kepentingan pendidikan. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya tulis dalam bentuk apapun tanpa ijin IPB . a. 2.© Hak Cipta milik IPB. penulisan karya ilmiah. b.

Halaman ini sengaja dikosongkan .

ANALISIS PENGARUH PROGRAM PEMBANGUNAN INFRASTRUKTUR TERHADAP PENURUNAN KEMISKINAN DI KABUPATEN TERTINGGAL PERWITA SARI NRP. H 151090294 Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Ilmu Ekonomi SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 .

.

R.Judul Penelitian : Analisis Pengaruh Pembangunan Infrastruktur Penurunan Kemiskinan di Kabupaten Tertinggal Nama NRP Program Studi : Perwita Sari : H 151090294 : Ilmu Ekonomi terhadap Disetujui.Si Ketua Dr. Lukytawati Anggraeni. Ir. Sc. R. M.Si Anggota Diketahui.Si Tanggal Ujian : Dr. Ir. Ir. Komisi Pembimbing Dr. Dahrul Syah. Nunung Nuryartono. Nunung Nuryartono. M. M. Ketua Program Studi Ilmu Ekonomi Dekan Sekolah Pascasarjana Dr. M.Agr Tanggal Lulus : . SP.

.

Penguji Luar Komisi pada Ujian Tesis : Dr. Ali Said. MA .

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala Rahmat dan Karunia-Nya sehingga tesis dengan judul Analisis Pengaruh Program Pembangunan Infrastruktur terhadap Penurunan Kemiskinan di Kabupaten Tertinggal dapat terselesaikan. Tesis ini merupakan salah satu syarat untuk menyelesaikan jenjang pendidikan S2 dan memperoleh gelar Magister Sains dari Program Studi Ilmu Ekonomi di Institut Pertanian Bogor. Penulis menyampaikan rasa terima kasih yang tak terhingga kepada Dr. Ir. R. Nunung Nuryartono, M.Si selaku Ketua Komisi Pembimbing dan Dr. Lukytawati Anggraeni, SP, M.Si selaku Anggota Komisi Pembimbing, yang dengan segala kesibukannya masih meluangkan waktu untuk memberikan arahan dan bimbingan yang sangat bermanfaat bagi penulisan tesis ini. Ucapan terima kasih juga penulis sampaikan kepada Dr. Ali Said, MA atas kesediaannya menjadi penguji luar komisi, dan Dr. Ir. Yeti Lis Purnamadewi, M.Sc.Agr. selaku perwakilan Program Studi Ilmu Ekonomi. Rasa terima kasih dan penghargaan juga penulis sampaikan untuk semua dosen yang telah mengajar penulis dan rekan-rekan kuliah yang senantiasa membantu penulis selama mengikuti perkuliahan di kelas Magister Program Studi Ilmu Ekonomi IPB. Dedikasi para dosen yang tinggi dan dukungan rekan-rekan kuliah, telah banyak membantu penulis selama ini. Tak lupa penulis mengucapkan terima kasih yang tak terkira kepada Bapak dan Ibu yang tercinta, atas segala doa dan dukungan yang telah diberikan. Secara khusus, penulis juga mengucapkan terima kasih dan penghargaan yang sebesar-besarnya kepada Kepala BPS yang telah memberikan kesempatan kepada penulis untuk mengikuti kuliah di Magister Program Studi Ilmu Ekonomi IPB. Penulis juga menyampaikan terima kasih dan penghargaan kepada teman-teman pada Direktorat Diseminasi Statistik, khususnya kepada Ir. Agoes Subeno, M.Si yang telah membantu memberi dukungan dalam proses perkuliahan hingga dalam penyelesaian tesis ini. Akhir kata penulis juga mengucapkan terima kasih dan penghargaan yang sebesar-besarnya kepada pihak-pihak lain yang telah membantu namun namanya tak dapat penulis sebutkan satu persatu. Apabila terdapat kesalahan dalam penulisan tesis ini maka hanya penulis yang bertanggungjawab. Kiranya hanya Allah SWT yang Maha Kuasa yang akan memberi balasan kepada pihak-pihak yang telah banyak membantu penulis.

Bogor, Mei 2011

Perwita Sari

Halaman ini sengaja dikosongkan

Jakarta. pada tahun 1998 penulis melanjutkan pendidikan ke Sekolah Tinggi Ilmu Statistik (STIS) Jakarta. Kemudian bekerja pada Badan Pusat Statistik Provinsi Kalimantan Timur selama lebih kurang 1. di Jakarta. Penulis melanjutkan pendidikan ke jenjang yang lebih tinggi pada Sekolah Pascasarjana Institut Pertanian Bogor Penyelenggaraan Khusus Departemen Ekonomi Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor setelah sebelumnya mengikuti program alih jenjang pada perguruan tinggi yang sama. Penulis menamatkan sekolah dasar pada SD Negeri Ulujami 02 Pagi. Sukidjo Hardjo Utomo dan Ibu K. dari pasangan Bapak Drs. Pada tahun yang sama penulis diterima di SMUN 70 Bulungan. Jakarta pada tahun 1992.T. Penulis merupakan anak keenam dari delapan bersaudara.RIWAYAT HIDUP Penulis bernama Perwita Sari lahir pada tanggal 6 Februari 1980. pada tahun 2004 penulis dipindahtugaskan ke Badan Pusat Statistik Kabupaten Merauke. .5 tahun. Setelah menamatkan pendidikan di tingkat SMU. Jakarta dan lulus pada tahun 1998. Wahyuni. tamat pada tahun 2002 dengan gelar Sarjana Sains Terapan (S. Program Penyelenggaraan Khusus Departemen Ekonomi Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor ini merupakan kerja sama BPS dan IPB. BPS. selanjutnya menamatkan jenjang SLTP pada SMPN Negeri 56 Melawai. Provinsi Papua dan sejak tahun 2009 hingga sekarang penulis bertugas di Direktorat Diseminasi Statistik.ST). Jakarta pada tahun 1995.

.......1................................................................................... 1............... 2..........1............ Ruang Lingkup Penelitian .........................1........ Kerangka Pemikiran ..... Pengaruh Investasi Infrastruktur ............................. 2.............. PENDAHULUAN ..............................1.....................................1....... Strategi Pengentasan Kemiskinan di Daerah Tertinggal 2.........10.............1.......4.....2. 1..... Manfaat Penelitian .......................... 2........................... Kerangka Teori ...8...................................... 2........... Faktor-Faktor Penyebab Ketimpangan ......... Tujuan Penelitian .1........................................................... Konsep Kemiskinan ............................ Pertumbuhan Ekonomi .................4.......................... TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN ........ 2.3................. II....... Hipotesis Penelitian .........................................................3..........................................3... 2.......................... Konsep Ketimpangan Pendapatan ........................................ 1.. Konsep dan Kriteria Kabupaten Tertinggal ............................ Operasionalisasi Kebijakan Kabupaten Tertinggal ......1..........1..............................1....... 2...................... 2...................DAFTAR ISI Halaman DAFTAR TABEL ....2..1.........5............ 1... 2.......... I............... 2............. Faktor-Faktor Penyebab Terjadinya Kemiskinan .............................. 2.. DARTAR GAMBAR ..................9........................... Latar Belakang ..12.1.........1........................ 2........ Percepatan Pembangunan Infrastruktur Pedesaan Daerah Tertinggal ..........................2..... DAFTAR LAMPIRAN ........... Konsep Infrastruktur ... Perumusan Masalah .......... 2...................7........ Faktor-Faktor yang Memengaruhi Pertumbuhan Ekonomi .............................11............................................... xx xxi xxiii 1 1 7 8 9 9 11 11 11 14 18 21 22 23 25 27 28 30 31 32 34 36 xvii .1..........1................................. 1....5.................6............ 2..........

.............................2..2..1.... 3............1......................... METODE PENELITIAN ..... 3.......... 3.... 53 53 55 57 58 58 61 64 70 V...2... 5............2.................................. 37 37 37 37 38 38 44 49 51 52 IV............. Dinamika Ketimpangan ................ Analisis Pengaruh Bantuan Stimulus Infrastruktur terhadap Perekonomian.... 4.......3......................................2............. Dinamika Pertumbuhan ............ Analisis Data Panel ............ 4..1..............… 3.. KERAGAAN DAN DINAMIKA KABUPATEN TERTINGGAL SERTA UPAYA PERCEPATAN PEMBANGUNAN INFRASTRUKTUR KABUPATEN TERTINGGAL ……………………………............................ Jenis dan Sumber Data .................III..............2................1.....................................1. 3....................... 4..... Keragaan Kabupaten Tertinggal Kawasan Timur Indonesia ........................ 3... 4........ 4..2..... KETIMPANGAN DAN KEMISKINAN KABUPATEN TERTINGGAL .. 3........ Keragaan Kabupaten Tertinggal Kawasan Barat Indonesia ...................2................... Uji Spesifikasi Model ... Metode Analisis .........1.... Hasil Estimasi .......... Ketimpangan dan Penurunan Kemiskinan .........2.... 81 81 xviii .................. ANALISIS PENGARUH BANTUAN STIMULUS INFRASTRUKTUR TERHADAP PEREKONOMIAN...... Definisi Operasional ............ 3................. Keragaan Kabupaten Tertinggal ............................................................ Bantuan Stimulus Infrastruktur ....................... Pengaruh Peningkatan Perekonomian terhadap Kemiskinan ………………………...2.................3..1................................2.................3............. Analisis Deskriptif ... Ketimpangan Pendapatan terhadap Perekonomian …….....4........................2.... Pengaruh Infrastruktur.......................... 4.................2.................................................. Dinamika Kemiskinan ..........2........2. Dinamika Kabupaten Tertinggal ..... 3......2.1.... 4........ 4.........................................................................................3................................1...........2............2......2....................................

.................................................... Uji Spesifikasi Model Panel Data Dinamis .....2............... Kesimpulan ........................................................1........ 5............ KESIMPULAN DAN SARAN ........ Analisis Pengaruh Perekonomian terhadap Penurunan Kemiskinan di Kabupaten Tertinggal ..................................................................................................... VI.......... 6......1........ Implikasi Kebijakan ...5... VII... 83 89 91 93 93 94 96 97 xix ............................ Analisis Pengaruh Bantuan Infrastruktur terhadap Perekonomian Kabupaten Tertinggal ...... 5............3................ DAFTAR PUSTAKA ............. 6.......................2............. 6.......................1........2......1................ Saran ......

78 5. 90 xx . Panel Dinamis dan Panel Instrumental Variabel Hal 6 4.1.2.1. 84 5. Jumlah Bantuan Stimulus P2IPDT Kabupaten Tertinggal di Indonesia.DAFTAR TABEL Nomor 1. Tahun 2007-2009 Hasil Estimasi Pengaruh Bantuan P2IPDT (Total dan per Jenis Bantuan) menggunakan Panel Data Statis dan Dinamis Hasil Estimasi Pengaruh Perekonomian terhadap Penurunan Kemiskinan dengan Menggunakan Metode Panel Statis.1. Tahun 2007 dan 2008 (Juta Rupiah) Cakupan Kabupaten Penerima P2IPDT dan Proporsi Nilai Bantuan P2IPDT per jenis Bantuan di Kabupaten Tertinggal.

60 4. menurut Provinsi Tahun 20062009 Perbandingan Pertumbuhan PDRB Atas Dasar Harga Konstan Kabupaten Tertinggal KTI.6. 4.1.3.5. 62 4.2.7. Perbandingan Persentase Penduduk Miskin di Kabupaten Maju dan Kabupaten Tertinggal. 2. 2. 59 4. Tahun 2005 dan 2010 Perbandingan Persentase Jumlah Kabupaten Tertinggal KBI menurut Provinsi Tahun 2005 dan 2010 Perbandingan Persentase Jumlah Kabupaten Tertinggal KTI menurut Provinsi Tahun 2005 dan 2010 Perbandingan Pertumbuhan PDRB Atas Dasar Harga Konstan Kabupaten Tertinggal KBI.4. 2.DAFTAR GAMBAR Nomor 1. menurut Provinsi Tahun 20062009 Perbandingan Angka Indeks Gini Kabupaten Tertinggal KBI. 3 1. 56 4. 4 19 21 23 33 35 54 4.1. 2. 63 xxi . KTI dan Nasional.3. menurut Provinsi Tahun 2006-2009 Perbandingan Angka Indeks Gini Kabupaten Tertinggal KTI.3.2. Tahun 2002-2008 The Poverty-Growth-Inequality Triangle Kurva Lorenz Skenario Pembangunan Daerah Tertinggal Mekanisme Transmisi dari Investasi Publik Kerangka Pemikiran Penelitian Perbandingan Persentase Kabupaten Tertinggal KBI. menurut Provinsi Tahun 2006-2009 Hal 2 1.1.4. 2. Tahun 2008 Perbandingan Rata-Rata PDRB Kabupaten Tertinggal di Wilayah KBI dan KTI dengan Rata-Rata PDRB Nasional Perkembangan Indeks Gini di Indonesia.2.5. 57 4.

8. 66 4. 71 4. 67 4. Tahun 2008-2009 65 4. menurut Provinsi Tahun 2006-2009 Perbandingan Rata-rata Bantuan Stimulus Infrastruktur (P2IPDT) di KTI.12.9.1. 73 5. menurut Provinsi Tahun 2006-2009 Perbandingan Rata-rata Bantuan Stimulus Infrastruktur (P2IPDT) di KBI. Tahun 2006-2009 Perbandingan Rata-Rata Persentase Penduduk Miskin Kabupaten Tertinggal KBI. 86 xxii . menurut Provinsi Tahun 2006-2009 Growth Incidence Curve Kabupaten Tertinggal di Indonesia.4. menurut Provinsi Tahun 20062009 Perbandingan Rata-Rata Persentase Penduduk Miskin Kabupaten Tertinggal KTI.11. Rata-Rata Penurunan Persentase Penduduk Miskin Kabupaten Tertinggal.13.10. 72 4. menurut Provinsi Tahun 20062009 Perbandingan Pertumbuhan Bantuan Stimulus Infrastruktur (P2IPDT).

9. Perkembangan Rata-rata Garis Kemiskinan Kabupaten Tertinggal menurut Provinsi. 119 120 xxiii . Tahun 2006-2009 Hasil Analisis Kuadran (Dinamika Pertumbuhan dan Kemiskinan) di Kabupaten Tertinggal Rata-rata Bantuan P2IPDT. 105 111 4. Tahun 2007-2009 Hasil Output Stata Hal 104 2. 3. 114 115 8. 7. 113 6.DAFTAR LAMPIRAN Nomor 1. Tahun 20062009 Dinamika Kemiskinan Kabupaten Tertinggal. 112 5. Tahun 2006-2009 Dinamika Ketimpangan Kabupaten Tertinggal. Tahun 2006-2009 Daftar 183 Kabupaten Tertinggal di Indonesia Jumlah dan Persentase Kabupaten Tertinggal menurut Provinsi Tahun 2005 dan 2010 Dinamika PDRB atas Dasar Harga Konstan Tahun 2000 Kabupaten Tertinggal.

Gambar 1. yakni sebesar 40. Kebijakan percepatan pembangunan daerah tertinggal dilakukan mengingat masih banyaknya kabupaten yang masuk kategori sebagai daerah tertinggal. Demokratis. Visi pembangunan tersebut kemudian dijadikan landasan bagi pemerintah dalam mengambil berbagai kebijakan.39 % dan 8. dan Berkeadilan” (Kementrian Keuangan.26 % berlokasi di wilayah kabupaten yang tergolong maju dan 33.39 % (183 kabupaten) dan masih banyaknya penduduk kabupaten tertinggal yang masuk kategori miskin.I. Upaya melaksanakan kebijakan tersebut adalah dengan membentuk Kementrian Pembangunan Daerah Tertinggal (Kementrian PDT) yang dalam Perpres No. Dugaan ini cukup beralasan mengingat berbagai keterbatasan dan keterbelakangan daerah tertinggal jika .68 %. Latar Belakang Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2010-2014 telah menggariskan bahwa Visi Pembangunan 2010-2014 adalah “Terwujudnya Indonesia yang Sejahtera.74 % penduduk miskin berlokasi di wilayah kabupaten tertinggal (Gambar 1. Dari sejumlah penduduk miskin 66. Kenyataan bahwa masih cukup banyaknya penduduk miskin yang berlokasi di wilayah kabupaten tertinggal ini sangatlah ironis. 9 tahun 2005 memiliki tugas pokok dan fungsi membantu Presiden dalam merumuskan kebijakan dan koordinasi di bidang pembangunan daerah tertinggal.1. Salah satu kebijakan tersebut antara lain adalah percepatan pembangunan daerah tertinggal dalam rangka penanggulangan kemiskinan.1 %) penduduk Indonesia masih hidup di bawah garis kemiskinan (BPS. PENDAHULUAN 1. masih terdapat lebih dari 34 juta (15. 2011). Data empiris menunjukkan bahwa pada tahun 2008. 2008). hal ini menimbulkan dugaan awal bahwa kemiskinan yang terjadi di kabupaten tertinggal ini dapat dikategorikan sebagai kemiskinan yang kronis (chronic poverty).1).1 juga memperlihatkan kondisi bahwa pulau dengan persentase jumlah penduduk miskin yang tinggal di wilayah kabupaten tertinggal terbanyak adalah Pulau Sumatera dan Jawa yang tercatat memiliki persentase jumlah penduduk miskin di kabupaten tertinggal masing-masing sebesar 9.

1.59%) Kalimantan Sulawesi (5. namun besaran nominalnya masih di bawah capaian rata-rata nasional (Gambar 1.09 juta atau sekitar 25. dan letak geografis yang jauh dari pusat-pusat pertumbuhan sehingga menyebabkan akses penduduk menjadi terbatas.23 persen dari rata-rata nasional. Gambar 1. diolah Gambar 1.997.26% Papua (2. Maju 66.05 juta atau hanya sekitar 42.39%) Jawa (8. Tahun 2008 Kemiskinan di kabupaten tertinggal ini semakin kronis apabila diikuti oleh rendahnya output maupun pertumbuhan ekonomi wilayah kabupaten tertinggal. baik sumber daya alam maupun sumber daya manusia.00%) Maluku (1.74% Bali&NT (5. Sumatera (9.34%) Kab.28%) Sumber : BPS (2008). Perbandingan Persentase Penduduk Miskin di Kabupaten Maju dan Kabupaten Tertinggal. diantaranya rendahnya kualitas sumber daya. Perbedaan yang cukup signifikan dari rata-rata .189.  Tertinggal 33.14 persen dari rata-rata nasional. sedangkan rata-rata PDRB kabupaten tertinggal di wilayah KTI hanya sebesar Rp 1. rata-rata PDRB kabupaten tertinggal di wilayah KBI hanya sebesar Rp 1.68%) Kab. rendahnya kualitas maupun kuantitas infrastruktur.2 juga menunjukkan bahwa pada tahun 2009.2.2 dibandingkan dengan daerah lain yang tergolong maju. Data empiris menunjukkan bahwa meskipun tiap tahunnya rata-rata produk domestik regional bruto (PDRB) kabupaten tertinggal baik di wilayah Kawasan Barat Indonesia (KBI) dan Kawasan Timur Indonesia (KTI) tiap tahunnya mengalami kenaikan.).

500 00 450 00 400 00 350 00 300 00 250 00 200 00 150 00 100 00 50 00 0 20 006 2007 KBI Sumber: BPS (2010). Kondisi ke etimpangan yang mem miliki kecend derungan untuk men ningkat tiap p tahunnya a perlu diw waspadai ter rkait dengan n potensiny ya dalam meningkat tkan angka kemiskinan n. yang g tercermin n dari angk ka indeks gini g yang masih cuk kup besar dan d menunj jukkan tren kenaikan untuk u period de 2004-20 007. KT TI dan rata-rata nasion nal mengindikasikan bahwa b di output ant Indonesia masih ter rjadi ketimp pangan pem mbangunan n ekonomi yang cuku up besar antarwilay yah.3 tara wilaya ah KBI.36 dima ana menuru ut Todaro dan Smith h (2006) an ngka ini su udah tidak lagi mence erminkan di istribusi pen ndapatan masyaraka at yang rela atif merata. diolah KTI 200 08 Nasiona al 2009 Gambar r 1. . Pada tahun 200 09. .2. Hal in ni terlihat da ari masih tin ngginya ket timpangan distribusi d pendapata an masyarak kat di Indo onesia. angka in ndeks gini In ndonesia ad dalah sebesa ar 0. Perbandingan Rata-Rata R P PDRB Kab bupaten Te ertinggal di i yah KBI da an KTI den ngan Rata-Rata PDR RB Nasional l Wilay Ketimpangan pembanguna p an ekonomi i tersebut ju uga diikuti dengan d ketim mpangan pendapata an rumahtan ngga.

33 0.36 0. Tahun 2002-2009 Kebijakan percepatan pembangunan daerah tertinggal yang bertujuan untuk mengurangi kemiskinan melalui peningkatan pertumbuhan ekonomi dan pengurangan ketimpangan dioperasionalisasikan pada berbagai program bantuan.3 0. terdapat beberapa alternatif pengembangan suatu daerah.31 0. Program dan instrumen ini dimaksudkan untuk membantu kabupaten tertinggal agar dapat menjadi kabupaten yang terbuka dan mampu berinteraksi dengan “dunia luar” sehingga akses ke berbagai faktor produksi menjadi semakin mudah untuk dijangkau.35 0.37 0.32 0.34 0.3.32 0.4 0. seperti .37 0. Perkembangan Indeks Gini di Indonesia.29 0. diolah Gambar 1.36 0. yang pada gilirannya dapat membuka peluang semakin bergeraknya perekonomian kabupaten tertinggal. Salah satu bantuan stimulus tersebut adalah Program Percepatan Pembangunan Infrastruktur Pedesaan Daerah Tertinggal (P2IPDT) yang dilakukan oleh Kementrian PDT sejak Tahun 2006.36 2002 2003 2004 2005 2006 2007 2008 2009 Sumber: BPS (2009a). Alternatif tersebut dapat berupa investasi yang langsung diarahkan pada sektor produktif atau investasi pada bidang social overhead.33 0.34 0. Upaya mendorong perekonomian kabupaten tertinggal dan mengentaskannya dari ketertinggalan yang telah dilakukan Kementrian PDT melalui instrumen P2IPDT ini sudah cukup tepat.38 0.38 0. Hal ini sesuai dengan yang dikemukakan oleh Aziz (1994) bahwa untuk mengejar ketertinggalan dari daerah lainnya. Hal tersebut merupakan stimulus bagi daerah tertinggal untuk mendorong peningkatan pertumbuhan ekonomi yang diikuti dengan adanya pemerataan pendapatan.32 0.39 0.

Tabel 1. Pemerintah melalui Kementrian PDT. menjadi sebesar Rp 274. 2010). jaringan listrik dan telekomunikasi serta pengadaan air bersih sangatlah penting dalam rangka meningkatkan perekonomian masyarakat di suatu wilayah (Aschauer. Sibarani. telah berupaya memberikan bantuan stimulus untuk pembangunan infrastruktur daerah tertinggal.37 milyar dan meningkat lebih dari dua kali lipat pada tahun 2008.1999. Sarana dan prasarana infrastruktur dibutuhkan tidak hanya oleh rumah tangga namun juga oleh dunia usaha. Daerah dengan infrastruktur yang memadai mempunyai keuntungan yang lebih besar dalam menarik investasi masuk ke daerahnya sehingga menyebabkan daerah akan menjadi lebih cepat berkembang dibandingkan dengan daerah yang memiliki infrastruktur yang kurang memadai.82 milyar. Canning dan Pedroni.1 memperlihatkan bahwa dana yang digulirkan Kementrian PDT untuk percepatan pembangunan infrastruktur pedesaan daerah tertinggal mengalami kenaikan yang sangat signifikan. Tercatat pada tahun 2007 Kementrian PDT mengucurkan dana untuk program P2IPDT sebesar Rp 105. Sehingga peningkatan infrastruktur diharapkan dapat membawa kesejahteraan dan mempercepat pertumbuhan ekonomi. Munnel.2002 dan Prasetyo. fasilitas kesehatan.1989. Studi terdahulu menunjukkan bahwa pembangunan infrastruktur baik berupa sarana dan prasarana transportasi. .5 pembangunan jalan.2010). Hal ini dikarenakan terbukanya keterisolasian daerah sehingga akses ke berbagai faktor produksi dimungkinkan untuk membuka peluang bergeraknya perekonomian daerah. Pola sebaran bantuan yang diberikan cukup sesuai mengingat share bantuan simulus infrastruktur paling besar diberikan pada daerah yang sejatinya merupakan daerah dengan indeks infrastruktur yang rendah (Prasetyo.1992. pendidikan dan prasarana infrastruktur lainnya.

489.41 31.76 Bali dan Nusa Tenggara (10.613.34) (11. Studi empirik yang mengkaji mengenai dampak kebijakan tersebut terhadap pertumbuhan ekonomi dan penurunan kemiskinan kabupaten tertinggal kiranya perlu dilakukan untuk mendeskripsikan implementasi bantuan infrastruktur yang telah dilaksanakan.240. Berdasarkan latar belakang tersebut.41) (9.32) 27.92) 13.55) 4.239.00) Sumber: Kementrian PDT (2009).00) (100.93) 11.13) (5.733.269.72 Papua (12.41) (10.11 Kalimantan (4.219.31) (12.949.82 Jumlah (100.42 Jawa (11.36) 10.55) (29.85) (20. diolah Cat: Angka dalam kurung menunjukkan nilai proporsi Pulau Kondisi ini mencerminkan bahwa pemerintah memiliki perhatian yang cukup serius untuk melakukan pembangunan infrastruktur di daerah tertinggal yang dimaksudkan untuk mendorong pertumbuhan ekonomi kabupaten tertinggal sehingga dapat mengurangi kemiskinan melalui percepatan pembangunan infrastruktur.26 Sulawesi (25.253.566. penelitian ini menganalisis pengaruh program percepatan pembangunan infrastruktur dalam meningkatkan perekonomian serta kaitannya dengan ketimpangan pendapatan dan penurunan kemiskinan di kabupaten tertinggal.98 274.91 29.864.030.646.06 34. mengingat pola pembangunan infrastruktur yang diterapkan haruslah sesuai dengan karakteristik dan kebutuhan dasar daerah tertinggal.64) 105.27 Sumatera (27.1. Kajian mengenai pola pembangunan infrastruktur di daerah tertinggal juga menjadi relevan untuk diteliti.28) 8. .53 82.90 16.99 25.818.6 Tabel 1.373. Jumlah Bantuan Stimulus P2IPDT Kabupaten Tertinggal di Indonesia Tahun 2007 dan 2008 (Juta Rupiah) Tahun 2007 2008 29.27 Maluku (8.076.17 55.

Namun kajian mengenai dampaknya terhadap penurunan kemiskinan dan ketimpangan pendapatan belum banyak dilakukan. yang diukur dengan adanya pertumbuhan ekonomi yang disertai penurunan angka kemiskinan dan pemerataan distribusi pendapatan. Salah satu program yang dilaksanakan Kementrian PDT adalah Program Pengembangan Sarana dan Prasarana melalui instrumen Percepatan Pembangunan Infrastruktur Pedesaan Daerah Tertinggal (P2IPDT). sehingga pemerintah tidak mungkin selamanya mampu memberikan dana bantuan. untuk itu kabupaten tertinggal harus mampu secara aktif dan mandiri meningkatkan pertumbuhan ekonominya dengan mewujudkan pembangunan ekonomi yang berkelanjutan. perlu dilakukan studi mengenai dinamika pertumbuhan ekonomi. Upaya yang dilakukan oleh Kementrian PDT adalah melaksanakan berbagai program bantuan yang diberikan kepada 183 (seratus delapan puluh tiga) kabupaten yang termasuk kategori kabupaten tertinggal di Indonesia. kemiskinan dan ketimpangan pendapatan masing-masing kabupaten tertinggal. Tahun 2005). Program dan instrumen ini bermaksud membantu kabupaten tertinggal agar dapat menjadi suatu kabupaten yang terbuka dan mampu berinteraksi dengan “dunia luar” sehingga akses ke berbagai faktor produksi menjadi semakin mudah untuk dijangkau. Kajian tersebut perlu dilakukan mengingat keterbatasan anggaran pemerintah (keterbatasan ruang fiskal). 9.7 1. Perumusan Masalah Upaya campur tangan yang dilakukan pemerintah dalam mengurangi ketertinggalan dan mengurangi jumlah rakyat miskin di kabupaten tertinggal dilakukan dengan membentuk Kementrian PDT yang tugas. Terkait dengan besaran belanja modal pemerintah pusat yang .2. yang pada gilirannya dapat membuka peluang semakin bergeraknya perekonomian kabupaten tertinggal. Penelitian sebelumnya menyimpulkan bahwa program bantuan yang dilaksanakan Kementrian PDT mampu secara signifikan meningkatkan pertumbuhan ekonomi kabupaten tertinggal di Kawasan Timur Indonesia (Sari. pokok dan fungsinya adalah membantu Presiden dalam merumuskan kebijakan dan koordinasi di bidang pembangunan daerah tertinggal (Perpres No. 2009). Berdasarkan latar belakang tersebut.

penulis merumuskan masalah sebagai berikut: 1. penurunan kemiskinan dan ketimpangan pendapatan di kabupaten tertinggal? 1. Menganalisis dinamika kemiskinan dan ketimpangan pendapatan yang terjadi di kabupaten tertinggal sebelum adanya implementasi program P2IPDT dan setelah adanya implementasi program P2IPDT. penurunan kemiskinan dan ketimpangan pendapatan di kabupaten tertinggal. Berdasarkan fakta tersebut. Menganalisis hubungan antara perekonomian. Menganalisis pengaruh program P2IPDT terhadap perekonomian kabupaten tertinggal dan faktor-faktor apa saja yang memengaruhi perekonomian kabupaten tertinggal. Tujuan Penelitian Tujuan penelitian yang ingin dicapai antara lain: 1. 3.74% dari total jumlah penduduk miskin di Indonesia). Menganalisis pola pembangunan infrastruktur di daerah tertinggal yang saat ini telah dilakukan oleh Kementrian PDT. Lebih jauh perlu diteliti pengaruh peningkatan perekonomian yang dicapai kabupaten tertinggal terhadap kemiskinan dan ketimpangan pendapatan. Bagaimana hubungan antara perekonomian.3. Bagaimana pengaruh program P2IPDT terhadap perekonomian kabupaten tertinggal dan faktor-faktor apa saja yang memengaruhi perekonomian kabupaten tertinggal? 4. perlu dilakukan kajian apakah instrumen P2IPDT memiliki pengaruh yang signifikan pada peningkatan perekonomian kabupaten tertinggal. 4. Hal ini perlu dilakukan mengingat masih banyaknya penduduk miskin yang tinggal di kabupaten tertinggal (33. 2.8 dilaksanakan oleh Kementrian PDT melalui instrumen P2IPDT. Bagaimana dinamika kemiskinan dan ketimpangan pendapatan yang terjadi di kabupaten tertinggal sebelum adanya implementasi program P2IPDT dan setelah adanya implementasi program P2IPDT? 2. Bagaimana pola pembangunan infrastruktur di daerah tertinggal? 3. .

memberikan deskripsi dinamika kemiskinan dan ketimpangan pendapatan yang terjadi di kabupaten tertinggal sebelum adanya implementasi program P2IPDT dan setelah adanya implementasi program P2IPDT. 5. Analisis pola pembangunan infrastruktur di daerah tertinggal diharapkan dapat memberikan gambaran mengenai pelaksanaan program pembangunan infrastruktur di daerah tertinggal dan diharapkan dapat memberikan masukan pada pengambil kebijakan. Analisis mengenai faktor-faktor yang memengaruhi perekonomian diharapkan dapat memberikan masukan bagi Kementrian PDT maupun pemangku kebjakan yang lain untuk lebih memfokuskan kebijakan maupun programnya pada peningkatan faktor-faktor yang mempengaruhi pertumbuhan untuk mendorong meningkatnya aktifitas ekonomi suatu daerah. Pertama. penurunan kemiskinan dan ketimpangan pendapatan diharapkan dapat digunakan oleh Kementrian PDT dan pemangku kebijakan yang lain sebagai bahan masukan dalam perumusan kebijakan yang tidak hanya pro pada pertumbuhan namun juga pro terhadap rakyat miskin. 3. sehingga dapat lebih meningkatkan dampak positif dari pelaksanaan kebijakan. Analisis hubungan perekonomian. Deskripsi mengenai dinamika kemiskinan dan ketimpangan pendapatan yang terjadi di kabupaten tertinggal sebelum adanya implementasi program P2IPDT dan setelah adanya implementasi program P2IPDT diharapkan dapat digunakan untuk menilai dampak dari adanya program P2IPDT di kabupaten tertinggal. 4. melakukan studi ekonometrik mengenai . Analisis mengenai pengaruh program P2IPDT melalui studi ekonometrik diharapkan dapat memberikan masukan bagi Kementrian PDT tentang pentingnya program P2IPDT bagi kesejahteraan masyarakat kabupaten tertinggal. Kedua. Ruang Lingkup Penelitian Ruang lingkup penelitian meliputi tiga hal. 1. Manfaat Penelitian Manfaat yang diharapkan dapat diperoleh dari hasil penelitian antara lain: 1.9 1.5. 2. sehingga dapat digunakan sebagai salah satu alat evaluasi bagi Kementrian PDT.4.

melakukan studi ekonometrik untuk melihat hubungan antara perekonomian. Cakupan analisis dalam penelitian ini adalah pada kabupaten tertinggal. dimana 82 kabupaten yang dipilih merupakan kabupaten yang mendapatkan dana bantuan stimulus infrastruktur (P2IPDT) secara terus menerus (2007-2009).10 pengaruh program P2IPDT terhadap perekonomian dan faktor-faktor yang memengaruhi perekonomian. penurunan kemiskinan dan ketimpangan pendapatan. Ketiga. selain juga mempertimbangkan faktor ketersediaan data pendukung lainnya. sedangkan analisis ekonometrik difokuskan pada 82 kabupaten tertinggal di Indonesia (KBI dan KTI) yang termasuk dalam 199 kabupaten tertinggal yang telah ditetapkan oleh Kementrian PDT. . Pemilihan 82 kabupaten tertinggal tersebut didasarkan pada kontinuitas dana yang digulirkan oleh Kementrian PDT. dimana analisis deskriptif yang dilakukan mencakup 199 kabupaten yang dikategorikan tertinggal oleh Kementrian PDT pada tahun 2005.

biasanya berkaitan dengan ukuran di bawah tingkat rata-rata distribusi pendapatan nasional. selain kemiskinan absolut. bukan nilai tukar resmi (exchange rate). indeks gini merupakan salah satu contoh ukuran kemiskinan relatif.1.1. Studi yang dilakukan oleh Chen dan Ravallion (2008) menyatakan bahwa menurut standar PPP dari International Comparison Program (ICP) tahun 2005 bahwa garis kemiskinan internasional sebesar US$ 1 per hari tidak lagi sesuai dengan nilai PPP tahun 2005. Kemiskinan relatif merupakan ukuran mengenai kesenjangan di dalam distribusi pendapatan. tidak adanya perwakilan dan kebebasan.1. Konsep Kemiskinan Berbagai konsep mengenai kemiskinan dikemukakan oleh para ahli. Kemiskinan dari sisi pendapatan lebih sering didiskusikan karena lebih mudah diukur. TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN 2. tetapi yang umum dijadikan standar untuk membandingkan antar negara adalah garis kemiskinan internasional yang menggunakan pendapatan perkapita sebesar US$ 1 per hari. sedangkan dari dimensi non pendapatan ditandai dengan adanya ketidakmampuan. Kerangka Teori 2. dan dapat dibedakan menjadi kemiskinan relatif dan kemiskinan absolut. . Todaro dan Smith (2006) berpendapat bahwa kemiskinan absolut adalah sejumlah penduduk yang tidak mampu mendapatkan sumberdaya yang cukup untuk memenuhi kebutuhan dasar. atau dapat dikatakan hidup di bawah garis kemiskinan internasional. Mereka hidup di bawah tingkat pendapatan riil minimum tertentu. diantaranya Bellinger (2007) yang berpendapat bahwa kemiskinan memiliki dua dimensi yaitu dimensi pendapatan dan nonpendapatan. World Bank (1990) menyatakan bahwa garis kemiskinan berbeda untuk tiap negara. Kemiskinan dalam dimensi pendapatan didefinisikan sebagai keluarga yang memiliki pendapatan rendah. US dollar yang digunakan adalah US $ PPP (Purchasing Power Parity).II. beberapa ekonom mencoba mengkalkulasikan indikator jurang kemiskinan total yang mengukur pendapatan total yang diperlukan untuk mengangkat mereka yang masih di bawah garis kemiskinan ke atas garis tersebut. ketiadaan harapan.

896/kapita/bulan untuk daerah perkotaan dan Rp 161.. N = jumlah penduduk. 2. BPS juga menghitung rasio kedalaman kemiskinan (poverty gap ratio) dan Indeks keparahan kemiskinan (poverty severity index) dengan menggunakan metode Foster-GreerThorbecke (FGT). Garis kemiskinan juga berbeda-beda untuk tiap daerah tergantung besarnya biaya hidup minimum masing-masing daerah.831/kapita /bulan untuk daerah pedesaan.. Rasio kedalaman kemiskinan P 1 merupakan ukuran rata-rata kesenjangan pengeluaran masing-masing penduduk miskin terhadap batas kemiskinan. jika α = 1 adalah rasio kedalaman kemiskinan (P 1 ). α = 0. yi = rata-rata pengeluaran perkapita sebulan penduduk yang berada di bawah garis kemiskinan (i = 1. Garis kemiskinan yang ditetapkan BPS pada tahun 2008 sebesar Rp 204. dan jika α = 2 adalah Indeks keparahan kemiskinan (P 2 ).12 untuk itu Chen dan Ravallion menyatakan bahwa garis kemiskinan internasional yang lebih tepat dengan menggunakan nilai PPP tahun 2005 dari ICP adalah sebesar US$ 1. Semakin . yi < q. Penghitungan indikator kemiskinan yang dilakukan oleh Badan Pusat Statistik (BPS) tidak terbatas pada jumlah dan persentase penduduk miskin. Badan Pusat Statistik (2008) mendefinisikan kemiskinan sebagai kondisi seseorang yang hanya dapat memenuhi makannya kurang dari 2100 kalori perkapita per hari yang setara dengan beras 320 kg/kapita/tahun di pedesaan dan 480 kg/kapita/tahun di daerah perkotaan.25 per hari. yang dirumuskan sebagai: α Pα = dimana: z 1 q  z − yi  ∑ z  N i =1   (2.1 dan 2.q).. Perkembangan garis kemiskinan dapat dilihat pada Lampiran 1.. . Jika α = 0 maka diperoleh persentase penduduk miskin (P 0 ). q = banyaknya penduduk yang di bawah garis kemiskinan.. 3.1) = besarnya garis kemiskinan yang ditetapkan..

Beberapa ahli yang mendalami masalah kemiskinan membagi ukuran kemiskinan tidak hanya berdasarkan P 1 maupun P 2 saja. Tipe kemiskinan menurut Jalan dan Ravallion (1998) dapat dibedakan menjadi dua jenis. Kebijakan yang berbeda diperlukan dalam menangani kedua tipe kemiskinan. Kemiskinan dikonseptualisasikan sebagai ketidakmampuan dalam memenuhi kebutuhan dasar. Sedangkan P 2 sampai batas tertentu dapat memberikan gambaran mengenai penyebaran pengeluaran di antara penduduk miskin. yang dikarenakan penurunan standar hidup individu dalam jangka pendek. Kemiskinan sementara (transient poverty) dapat diartikan sebagai kondisi dimana kemiskinan yang terjadi pada suatu waktu hanya merupakan kondisi sementara yang tidak bersifat permanen. namun berdasarkan tipe kemiskinan. . yaitu chronic poverty dan transient poverty. Investasi jangka panjang untuk orang miskin seperti peningkatan modal fisik maupun modal manusia merupakan kebijakan yang sesuai untuk menangani kasus chronic poverty. Kemiskinan kronis (chronic poverty) dapat diartikan kondisi dimana suatu individu yang tergolong miskin pada suatu waktu. dengan kata lain. Metode penghitungan penduduk miskin yang dilakukan BPS sejak pertama kali hingga saat ini menggunakan pendekatan yang sama yaitu pendekatan kebutuhan dasar (basic needs). sedangkan asuransi dan skema stabilisasi pendapatan yang memproteksi rumahtangga dari guncangan ekonomi (economic shocks) akan menjadi kebijakan yang penting ketika tipe kemiskinan yang terjadi adalah transient poverty. kemiskinan dipandang sebagai ketidakmampuan dari sisi ekonomi untuk memenuhi kebutuhan makanan maupun non makanan yang bersifat mendasar. dan dapat juga digunakan untuk mengetahui intensitas kemiskinan.13 tinggi nilai P 1 berarti semakin besar kesenjangan pengeluaran penduduk miskin terhadap garis kemiskinan atau menunjukkan kehidupan ekonomi penduduk miskin semakin terpuruk. kemiskinannya terus meningkat dan berada pada tingkat kesejahteraan yang rendah dalam jangka panjang.

14 2.1.2. Pertumbuhan Ekonomi Pembangunan ekonomi dan pertumbuhan ekonomi keduanya merupakan fenomena ekonomi yang saling berhubungan. Sampai dengan Tahun 1960, teori pembangunan ekonomi diperlakukan sebagai perluasan dari teori ekonomi konvensional dan untuk itu pembangunan dapat dikatakan hampir sama dengan pertumbuhan (Reungsri, 2010). Hall (1983) menyatakan bahwa pertumbuhan secara sederhana dapat didefinisikan sebagai peningkatan dalam produksi nasional maupun pendapatan nasional, namun Seers (1969) berargumen bahwa pembangunan tidak hanya berarti pertumbuhan, namun juga harus mengikutsertakan aspek sosial seperti adanya penurunan kemiskinan, ketimpangan dan pengangguran. Menurut Todaro dan Smith (2006), pertumbuhan ekonomi merupakan suatu proses peningkatan kapasitas produktif dalam suatu perekonomian secara terusmenerus atau berkesinambungan sepanjang waktu sehingga menghasilkan tingkat pendapatan dan output nasional yang semakin lama semakin besar. Tiga komponen pertumbuhan ekonomi yang penting bagi setiap masyarakat adalah: 1. Akumulasi modal, dimana akumulasi modal termasuk di dalamnya semua investasi baru dalam tanah, peralatan fisik dan sumberdaya manusia melalui perbaikan di bidang kesehatan, pendidikan dan keterampilan keja 2. Pertumbuhan jumlah penduduk yang pada akhirnya menyebabkan pertumbuhan angkatan kerja 3. Kemajuan teknologi yang secara luas diartikan sebagai cara baru dalam menyelesaikan pekerjaan. Sukirno (2004) menyatakan bahwa pertumbuhan ekonomi adalah

perkembangan kegiatan ekonomi dari waktu ke waktu dan menyebabkan pendapatan nasional riil berubah. Tingkat pertumbuhan ekonomi menunjukkan persentase kenaikan pendapatan nasional riil pada suatu tahun tertentu dibandingkan dengan pendapatan nasional riil pada tahun sebelumnya. Pendapatan nasional ini dihitung berdasarkan jumlah seluruh output barang dan jasa yang dihasilkan oleh perekonomian suatu negara. Pendapatan nasional atau jumlah seluruh output barang dan jasa ini dikenal sebagai Pendapatan Domestik Bruto (PDB).

15 PDB merupakan pendapatan total dan pengeluaran total nasional atas output barang dan jasa yang dihasilkan oleh suatu negara. PDB dapat mengukur pertumbuhan ekonomi suatu negara, karena PDB merupakan nilai tambah yang merupakan refleksi dari seluruh kegiatan ekonomi di suatu negara (Mankiw, 2007). Nilai PDB ini merupakan indikator yang umum digunakan sebagai gambaran tingkat pertumbuhan ekonomi suatu daerah. Terdapat dua pendekatan yang lazim digunakan dalam penghitungan PDB, yaitu pendekatan produksi dan pendekatan pengeluaran. Metode penghitungan PDB terbagi menjadi dua jenis, yaitu atas dasar harga berlaku yang menghitung nilai tambah yang dihasilkan dari seluruh kegiatan ekonomi dengan mengalikan total nilai tambah dengan harga pada tahun berjalan dan atas dasar harga konstan yang dihitung dengan mengalikan seluruh nilai tambah dari hasil kegiatan ekonomi dengan harga pada tahun dasar. Data PDB yang digunakan untuk mengukur besaran nilai pertumbuhan ekonomi adalah PDB atas dasar harga konstan. Nilai PDB pada dasarnya merupakan penjumlahan dari seluruh nilai Produk Domestik Regional Bruto (PDRB) dari masing-masing provinsi/kabupaten di suatu negara (BPS, 2005). Pengaruh peningkatan investasi infrastruktur yang akan diteliti dalam studi kali ini diukur dengan melakukan pendekatan kuantitatif pada indikator pembangunan ekonomi. Indikator pembangunan ekonomi diukur melalui nilai Produk Domestik Bruto (PDB) maupun Produk Domestik Regional Bruto (PDRB). PDB maupun PDRB secara umum digunakan sebagai pendekatan dalam mengukur kinerja perekonomian (Sen, 1988).

Teori Pertumbuhan Harrod Domar Teori pertumbuhan pertama kali dikemukakan oleh Harod dan Domar, yang menggunakan model Keynesian untuk menganalisis pertumbuhan ekonomi dalam perekonomian tertutup. Teori ini kemudian dikenal lebih luas dengan model pertumbuhan Harrod-Domar. Model pertumbuhan Harrod-Domar didasarkan pada tiga asumsi.

16 Pertama, bahwa perekonomian menyebabkan terjadi peningkatan tabungan (S) dalam proporsi yang konstan (s) terhadap pendapatan nasional (Y): S=sY dimana s merupakan rasio tabungan baik marginal mapun rata-rata. Kedua, bahwa perekonomian berada pada keseimbangan, dimana investasi yang direncanakan sama dengan tabungan yang direncanakan: I=S (2.4) (2.3)

Ketiga, bahwa investasi dipengaruhi oleh ekspektasi kenaikan pendapatan nasional (ΔY) dan koefisien teknis tetap v yang dikenal sebagai Incremental Capital Output Ratio (ICOR): I=v ΔY ekonomi (g y ) sebagai perubahan pendapatan tiap satu satuan pendapatan: gy = (2.6) (2.5)

Model pertumbuhan Harrod-Domar kemudian mendefinisikan pertumbuhan

Mensubstitusikan hubungan pada persamaan (2.4) dan (2.5) memberikan definisi alternatif untuk pertumbuhan sebagai: gy = (2.7)

Persamaan (2.7) berimplikasi bahwa jika ketiga asumsi yang mendasari teori ini terpenuhi, maka perekonomian akan tumbuh pada suatu level yang dipengaruhi oleh parameter s dan v. Meskipun demikian, paling tidak dalam prakteknya ada dua asumsi yang tidak mungkin dipegang, yakni bahwa nilai ICOR yang tetap berimplikasi bahwa terdapat hubungan yang tetap antara jumlah stok kapital dan output, kedua bahwa input tenaga kerja tidak dimasukkan dalam model, sehingga hal ini menyebabkan teori pertumbuhan ekonomi Harrod-Domar ini memiliki asumsi yang lemah.

Teori Pertumbuhan Solow Mankiw (2007) menyatakan bahwa model pertumbuhan Solow dirancang untuk menunjukkan bagaimana pertumbuhan stok kapital, pertumbuhan angkatan

17 kerja dan kemajuan teknologi berinteraksi dalam perekonomian, serta bagaimana pengaruhnya terhadap output barang dan jasa suatu negara secara keseluruhan. Permintaan terhadap barang dalam model Solow berasal dari konsumsi dan investasi. Dengan kata lain, output per pekerja (y) merupakan konsumsi per pekerja (c) dan investasi per pekerja (i): y=c+I (2.8)

Model Solow mengasumsikan bahwa setiap tahun orang menabung sebagian s dari pendapatan mereka dan mengkonsumsi sebagian (1-s), hubungan ini dapat dinyatakan sebagai: c = (1-s)y y = (1-s)y + I (2.9) (2.10)

Meskipun model Solow telah mampu memasukkan tenaga kerja sebagai faktor yang memengaruhi pertumbuhan, namun model ini gagal menjelaskan bagaimana dan mengapa kemajuan teknologi terjadi. Romer (1986) kemudian menggagas model alternatif dengan memasukkan kemajuan teknologi ke dalam model, namun demikian tingkat pertumbuhan ekonomi yang dicapai tidak akan mencapai tingkat pareto optimal. Model Romer (1986) tersebut kemudian dikenal sebagai teori pertumbuhan endogen.

Teori Pertumbuhan Endogen Kelemahan dari teori pertumbuhan neoklasik kemudian memicu

berkembangnya teori pertumbuhan endogen. Paul Romer merupakan salah satu penggagas teori ini dengan model pertumbuhan endogen yang memasukkan kemajuan teknologi ke dalam model. Romer dalam Capello (2009) juga menyatakan bahwa selain kemajuan teknologi, salah satu sumber pertumbuhan adalah berasal dari eksternalitas yang terjadi akibat adanya akumulasi stok pengetahuan teknis yang kemudian berkolaborasi dengan modal tetap pada suatu waktu tertentu dalam mencapai tingkat output tertentu.

18 Robert Lucas juga merupakan ahli ekonomi yang juga merupakan penggagas teori pertumbuhan endogen. Lucas dalam Capello (2009) menyatakan hal yang sama dengan apa yang dikemukakan Romer, bahwa modal yang menentukan tingkat output yang dicapai dapat diklasifikasikan menjadi dua bagian yaitu modal fisik dan modal manusia. Kombinasi keduanya dalam fungsi produksi dapat meningkatkan tingkat output tertentu. Teori pertumbuhan endogen menyatakan bahwa perbaikan dan kemajuan teknologi dihasilkan dari investasi yang secara langsung menyebabkan pertumbuhan, sehingga investasi dapat berkontribusi pada pertumbuhan ekonomi jangka panjang (Economic Planning Advisory Commission, 1995). Reungsri (2010) juga menyatakan bahwa investasi merupakan salah satu faktor penting pada model pertumbuhan endogen, investasi dapat menyebabkan perbaikan pada kapasitas produksi dan kenaikan laba yang berimplikasi pada adanya pertumbuhan ekonomi. Pada teori pertumbuhan neoklasik, adanya asumsi “law of diminishing return” membawa pada argumentasi bahwa investasi tidak mampu memengaruhi pertumbuhan. Namun pada teori pertumbuhan endogen, meskipun dibawah asumsi “law of diminishing return” investasi tetap mampu meningkatkan pertumbuhan. Sebagai contoh, adanya kemajuan teknologi yang didanai dari investasi akan mampu meningkatkan pertumbuhan ekonomi, selain itu, tenaga kerja ahli yang didapat dari hasil pendidikan maupun pelatihan juga dapat meningkatkan pertumbuhan ekonomi. Berdasarkan pemikiran tersebut, dalam penelitian ini peranan investasi terutama investasi infrastruktur terhadap pertumbuhan ekonomi didekati dengan menggunakan model pertumbuhan endogen.

2.1.3. Konsep Ketimpangan Pendapatan Glaeser (2006) menyatakan ketimpangan pendapatan adalah suatu kondisi dimana distribusi pendapatan yang diterima masyarakat tidak merata. Ketimpangan ditentukan oleh tingkat pembangunan, heterogenitas etnis, ketimpangan juga berkaitan dengan kediktatoran dan pemerintah yang gagal menghargai property rights.

19 Bourguignon (2004) menyatakan bahwa ketimpangan merujuk pada adanya disparitas pendapatan relatif penduduk. Disparitas dalam pendapatan ini didapat setelah menormalisasi seluruh pengamatan dengan rata-rata populasi sehingga membuatnya sebagai skala yang independen terhadap pendapatan. Ketimpangan pendapatan memiliki hubungan yang cukup erat dengan pertumbuhan ekonomi dan kemiskinan, sehingga dikembangkanlah kerangka konseptual the poverty-growthinequality triangle untuk melihat hubungan antara ketiga variabel.

Kemiskinan absolut dan penurunan kemiskinan

“Strategi Pembangunan” Distribusi dan Perubahan Distribusi pendapatan Tingkat pendapatan agregat dan pertumbuhan

Sumber: Bourguignon (2004) Gambar 2.1. The Poverty-Growth-Inequality Triangle

Ketimpangan pendapatan terjadi apabila sebagian besar penduduk memperoleh pendapatan yang rendah dan pendapatan yang besar hanya dinikmati oleh sebagian kecil penduduk. Semakin besar perbedaan pendapatan yang diterima masing-masing kelompok menunjukkan semakin besarnya ketimpangan. Adanya ketimpangan yang tinggi antara kelompok kaya dan miskin menurut Todaro dan Smith (2006) akan menimbulkan setidaknya dua dampak negatif yaitu: 1. Terjadinya inefisiensi ekonomi. 2. Melemahkan stabilitas dan solidaritas sosial.

11) . penelitian ini menggunakan indeks gini dalam mengukur ketimpangan pendapatan. Indeks gini adalah ukuran ketimpangan agregat yang nilainya berkisar antara nol dan satu. Indeks gini adalah salah satu ukuran dalam mengukur ketimpangan. Hal ini disebabkan penghitungan indeks gini yang relatif mudah dan dapat menggunakan berbagai pendekatan baik pengeluaran atau pendapatan.20 hingga 0. sedang atau tinggi. kriteria Bank Dunia dan Indeks Williamson. Rumusan di ilustrasikan pada gambar 2. Berdasarkan alasan tersebut. Indeks gini dirumuskan sebagai rasio antara luas bidang yang terletak antara Kurva Lorenz dan garis diagonal (luas bidang A) dengan luas separuh segi empat dimana Kurva Lorenz berada (luas bidang BCD). antara lain Indeks Theil.50 hingga 0. sehingga dapat mengukur perbedaan tingkat daya beli masyarakat secara riil. nilainya antara 0. Indeks gini dihitung dengan menggunakan Kurva Lorenz.70. Nilai indeks gini nol artinya tidak ada ketimpangan (pemerataan sempurna) sedangkan nilai satu artinya ketimpangan sempurna.20 Terdapat beragam ukuran dalam menilai ketimpangan pendapatan suatu wilayah.35 (Todaro dan Smith. Ketimpangan pendapatan dalam masyarakat dapat dikelompokkan sebagai ketimpangan rendah. Nilai indeks gini pada negara-negara yang ketimpangannya tinggi berkisar antara 0. selain itu terdapat beberapa ukuran lainnya.2. 2006). Pengelompokkan yang dilakukan sesuai dengan ukuran ketimpangan yang digunakan. sebagai berikut: Luas bidang A Indeks gini = Luas bidang BCD (2. Indeks gini merupakan ukuran ketimpangan yang paling sering digunakan. sedangkan untuk negaranegara yang distribusi pendapatanya relatif merata.

1. . Kodoatie (2003) menyatakan bahwa infrastruktur merupakan pendukung utama fungsi-fungsi sistem sosial dan sistem ekonomi dalam kehidupan sehari-hari masyarakat.2. maka infrastruktur secara lebih jelas merupakan fasilitas-fasilitas dan struktur-struktur fisik yang dibangun guna berfungsinya sistem sosial dan sistem ekonomi menunjuk pada suatu keberlangsungan dan keberlanjutan aktivitas masyarakat dimana infrastruktur fisik mewadahi interaksi antara aktivitas manusia dengan lingkungannya. negara dan antar disiplin ilmu mengenai konsep infrastruktur. infrastruktur dapat dipandang sebagai sumberdaya modal yang digunakan dalam aktifitas konsumsi.4. Implikasi atas pengertian ini mendorong timbulnya klasifikasi infrastruktur menjadi infrastruktur ekonomi dan infrastruktur sosial (Torrisi dalam Riadi (2010)). produksi dan investasi. Kurva Lorenz 2. Dari sisi ekonomi.21 Sumber: Todaro dan Smith (2006) Gambar 2. belum terdapat kesamaan pandangan antar lembaga. Konsep Infrastruktur Konsep infrastruktur memiliki pengertian yang berbeda-beda menurut sudut pandang kepentingannya.

et al. .5. kanal. meliputi pendidikan. Infrastruktur sosial. World Bank (1994) membagi infrastruktur menjadi tiga komponen utama. Tugas pokok dan fungsi ini kemudian disempurnakan melalui Peraturan Presiden Nomor. dimana Kementrian PDT mempunyai penambahan fungsi operasional kebijakan di bidang: 1. air. kesehatan. irigasi dan drainase) dan sektor transportasi (jalan. Pengembangan ekonomi Lokal 3. dengan dibentuknya Kementrian Pembangunan Daerah Tertinggal yang memiliki tugas pokok dan fungsi membantu Presiden dalam merumuskan kebijakan dan koordinasi di bidang pembangunan daerah tertinggal. yaitu: 1. Infrastruktur administrasi. Bantuan infrastruktur pedesaan 2. 09 tahun 2005 tentang Kedudukan.22 Hudson. Kua1itas dan efisiensi infrastruktur mempengaruhi kualitas hidup kesehatan sistem sosial dan keber1anjutan kegiatan perekonomian dan bisnis. 3. telekomunikasi. meliputi penegakan hukum. (1997) menyatakan bahwa keberhasilan dan kemajuan kelompok masyarakat tergantung pada infrastruktur fisik untuk pendistribusian sumber daya dan pelayanan publik. lapangan terbang dan sebagainya). sanitasi. Bukti keseriusan pemerintah dalam hal ini adalah. Fungsi. pelabuhan. Tugas Pokok. merupakan infrastruktur fisik yang diperlukan untuk menunjang aktivitas ekonomi. 2. public work (jalan. sesuai Peraturan Presiden Nomor. Susunan Organisasi dan Tata Kerja Kementerian Negara Republik Indonesia. kontrol administrasi dan koordinasi. rel. Strategi Pengentasan Kemiskinan di Daerah Tertinggal Pemerintah memiliki perhatian yang cukup serius dalam mengembangkan kabupaten tertinggal. Pemberdayaan Masyarakat. Infrastruktur ekonomi. 90 tahun 2006. 2. Grigg (1988) menyatakan bahwa infrastruktur adalah semua fasilitas fisik yang sering disebut dengan pekerjaan umum. gas). bendungan. perumahan dan rekreasi. meliputi public utilities (tenaga listrik.1.

23 Perhatian pemerintah pada kabupaten tertinggal tidak hanya pada pengentasan kabupaten-kabupaten tertinggal. Hal ini sejalan dengan tema Rencana Kerja Pemerintah (RKP) 2009 yakni peningkatan kesejahteraan rakyat dan pengurangan kemiskinan. Dalam Keputusan Menteri tersebut kabupaten tertinggal adalah daerah kabupaten yang relatif kurang berkembang dibandingkan daerah lain dalam skala nasional dan berpenduduk yang relatif tertinggal. Suatu daerah dikategorikan sebagai daerah tertinggal.3. karena beberapa faktor penyebab.3). Skenario Pembangunan Daerah Tertinggal 2. sinkronisasi dan sinergitas kegiatan Tema RKP 2009 Peningkatan Kesejahteeraan Rakyat dan Pengurangan Kemiskinan Sumber: Kementrian PDT (2008) Gambar 2. Konsep dan Kriteria Kabupaten Tertinggal Konsep dan kriteria kabupaten tertinggal tertuang dalam Keputusan Menteri Negara Pembangunan Daerah Tertinggal Nomor. 001/KEP/M-PDT/I/2005. Tema RKP tersebut tertuang pada skenario pembangunan daerah tertinggal yang dilaksanakan oleh Kementrian PDT (Gambar 2. antara lain: .1.6. namun juga berupaya untuk mengurangi jumlah penduduk miskin di kabupaten tertinggal. Kondisi Upaya-Upaya Kondisi yang Diharapkan Tahun 2009 • 40 kabupaten terentaskan • Meningkatnya pendapatan masyarakat • Berkurangnya penduduk miskin • Tercapainya rehabilitasi daerah pasca konflik dan bencana • Tahun 2004 199 kabupaten tertinggal • Awal Tahun 2008 28 kabupaten terentaskan (perlu dibina sampai tahun 2009) • Kerangka Regulasi  Rancangan Inpres PPDT  Rancangan UU PPDT  Stranas PPDT  RAN PPDT  RAD PPDT • Kerangka Anggaran Mainstreaming DAK per Bidang DAK SPP-DT Kendala Antara lain belum optimalnya koordinasi.

Sumberdaya alam Beberapa daerah tertinggal tidak memiliki potensi sumberdaya alam. irigasi. e. air bersih. pesisir dan pulau-pulau terpencil atau karena faktor geomorfologis lainnya sehingga sulit dijangkau oleh jaringan baik transportasi maupun media komunikasi. kepulauan. d. transportasi. kesehatan. penddikan dan pelayanan lainnya yang menyebabkan masyarakat di daerah tertinggal tersebut mengalami kesulitan utuk melakukan aktivitas ekonomi dan sosial. . Sumberdaya Manusia Pada umumnya masyarakat di daerah tertinggal mempunyai tingkat pendidikan. kesalahan pendekatan dan prioritas pembangunan serta tidak dilibatkannya kelembagaan masyarakat adat dalam perencanaan dan pembangunan. daerah yang memiliki sumberdaya alam yang besar namun lingkungan sekitarnya merupakan daerah yang dilindungi atau tidak dapat dieksploitasi dan daerah tertinggal akibat pemanfaatan sumberdaya alam yang berlebihan. pengetahuan dan keterampilan yang relatif rendah serta kelembagaan atau institusi yang belum berkembang. Kebijakan Pembangunan Suatu daerah menjadi tertinggal dapat disebabkan oleh beberapa kebijakan yang tidak tepat seperti kurang memihak pada pembangunan daerah tertinggal. perbukitan/pegunungan. b. Daerah Rawan Bencana dan Konflik Sosial Seringnya suatu daerah mengalami bencana alam dan konflik sosial dapat menyebabkan terganggunya kegiatan pembangunan sosial dan ekonomi f. Geografis Umumnya secara geografis daerah tertinggal relatif sulit dijangkau karena letaknya yang jauh di pedalaman. Prasarana dan Sarana Keterbatasan prasarana dan sarana komunikasi. c.24 a.

Daerah yang sebagian besar wilayahnya berupa pesisir. aksesibilitas dan karakteristik daerah. Daerah yang terletak di wilayah rawan bencana alam baik gempa. kemampuan keuangan lokal (celah fiskal). Daerah yang secara administratif sebagian atau seluruhnya terletak di perbatasan antarnegara baik batas darat maupun laut d. Berdasarkan pendekatan tersebut. Penetapan kriteria daerah tertinggal dilakukan dengan menggunakan pendekatan berdasarkan pada perhitungan 6 kriteria dasar yaitu: perekonomian masyarakat. antara lain: a. Daerah yang terletak di wilayah pedalaman. ditetapkan 183 kabupaten yang dikategorikan kabupaten tertinggal. maupun banjir. sumberdaya manusia. tepi hutan.7. Operasionalisasi Kebijakan Pembangunan Kabupaten Tertinggal Upaya pengentasan kabupaten tertinggal dilakukan dengan mengimplementasikan kebijakan pembangunan daerah tertinggal secara terpadu dan tepat sasaran serta tepat kegiatan. gunung api.1. prasarana (infrastruktur). longsor.25 Sebaran daerah tertinggal secara geografis digolongkan menjadi beberapa kelompok. Daftar kabupaten tertinggal tersaji pada Lampiran 2. Daerah yang terletak di pulau-pulau kecil. e. maka dalam Strategi Nasional Pembangunan Daerah Tertinggal. dan pegunungan yang pada umumnya tidak atau belum memiliki akses ke daerah lain yang relatif lebih maju b. 2. antara lain: a. gugusan pulau yang berpenduduk dan memiliki kesulitan akses ke daerah lain yang lebih maju c. maka KPDT melaksanakan program prioritas yang diarahkan untuk menyelesaikan persoalan-persoalan mendasar yang dihadapi oleh semua daerah tertinggal ke dalam bidang-bidang kegiatan. Bidang Pembangunan Infrastruktur Pedesaan dengan melaksanakan program Percepatan Pembangunan Infrastruktur Pedesaan Daerah Tertinggal (P2IPDT) yang dilakukan dengan melakukan penyediaan sarana dan prasarana transportasi .

termasuk kawasan industri terpadu dan kawasan perdagangan bebas atau kawasan ekonomi khusus. peternakan. pertambangan rakyat. pariwisata berikut industri pengolahan dan pendukung yang dikelola secara kemitraan antara pemerintah. Bidang Pemberdayaan Masyarakat dengan melaksanakan tiga program yaitu: 1. perikanan. penyediaan sarana dan prasarana lokal dan pemberdayaan masyarakat serta peningkatan kapasitas pemerintah daerah. pelayanan sosial dasar dan pemberdayaan masyarakat adat terasing. pengembangan sistem distribusi barang dan jasa. 2. pelayanan sosial dasar dan pelayanan lintas batas c. . Bidang Pengembangan Ekonomi Lokal dengan melaksanakan dua program prioritas yaitu: 1. Percepatan Pembangunan Wilayah Perbatasan (P2WP) yang dilakukan melalui penyediaan sarana dan prasarana transportasi/komunikasi.26 dan komunikasi. pelayanan informasi. maupun pengembangan jaringan prasarana antar wilayah (transportasi dan komunikasi) 3. dunia usaha dan masyarakat 2. b. Percepatan Pembangunan Pusat Pertumbuhan (P4DT) yang dilakukan melalui pembangunan pusat pelayanan jasa dan distribusi/kota penyangga. Percepatan Pembangunan Kawasan Produksi Daerah Tertinggal (P2KPDT) yang dilakukan melalui penyiapan lahan dan investasi dalam kegiatan usaha di bidang pertanian. perkebunan. dunia usaha dan masyarakat. kehutanan. pengembangan ekonomi lokal. Percepatan Pembangunan Sosial Ekonomi Daerah Tertinggal (P2SEDT) yang dilakukan melalui manajemen marketing dan regional. Percepatan Pembangunan Daerah Tertinggal dan Khusus (P2DTK) yang dilakukan dengan menyediakan “block grant” untuk mendukung pengembangan ekonomi lokal.

P2IPDT dicanangkan dan dilaksanakan di kabupaten tertinggal sebagi solusi mengatasi ketimpangan infrastruktur. dalam membentuk bantuan sosial. sosial. bagi terciptanya pertumbuhan ekonomi lokal. ekonomi dan energi. sosial. b.1. d. pengawasan. dengan pendekatan pemberdayaan masyarakat. Bantuan stimulan bersifat komplementer dan integral terhadap sektor terkait dan dengan program daerah yang bersangkutan. informasi dan telekomunikasi. Memberikan arah dan panduan teknis terhadap pelaksanaan program P2IPDT di daerah tertinggal. pelaksanaan koordinasi dan pelaporan yang meliputi: . Menjamin terlaksananya koordinasi pusat dan kabupaten dalam pelaksanaan bantuan stimulan infrastruktur pedesaan. Instrumen P2IPDT dilaksanakan pada kabupaten tertinggal. juga melaksanakan fungsi operasionalisasi kebijakan di bidang infrastruktur pedesaan. Merupakan upaya Kementrian PDT dalam mengurangi keterisolasian daerah tertinggal agar menjadi daerah maju yang setara dengan daerah lainnya. pemantauan.8. pelaksanaan koordinasi. Percepatan Pembangunan Infrastruktur Pedesaan Daerah Tertinggal (P2IPDT) Instrumen Percepatan Pembangunan Infrastruktur Pedesaan Daerah Tertinggal (P2IPDT) dilaksanakan di bawah tanggung jawab Deputi Bidang Peningkatan Infrastruktur Kementrian PDT. c. Instrumen ini merupakan salah satu bentuk kegiatan pokok dari pemerintah kepada daerah tertinggal di bidang pembangunan infrastruktur pedesaan dan menjadi stimulan kegiatan pendukung atau pendorong dan pemicu pembangunan infrastruktur daerah melalui penyediaan sarana dan prasarana transportasi. Sebagai bahan dari implementasi kebijakan pengembangan infrastruktur pedesaan dalam bidang transportasi. informasi dan telekomunikasi. ekonomi dan energi di daerah tertinggal yang dapat difasilitasi oleh Kementrian PDT. dengan tujuan antara lain: a. Deputi Bidang Peningkatan Infrastruktur selain sebagai penanggungjawab instrumen. Ruang lingkup dari instrumen P2IPDT pada dasarnya adalah melaksanakan kegiatan mulai dari perencanaan.27 2.

antara lain: 1. 2. Kurangnya motivasi atau keterampilan individu 2. namun besaran pengaruhnya masing-masing relatif kecil. perubahan ketimpangan pendapatan yang didekati dengan variabel indeks gini dan perubahan pengeluaran pemerintah yang diukur melalui persentasenya terhadap PDB. Bantuan peningkatan infrastruktur energi. Kebijakan pemerintah yang menyebabkan terjadinya penurunan pendapatan dan partisipasi kerja Hasil penelitian dari Siregar dan Wahyuniarti (2007) dalam penelitiannya mengunakan fixed effect model menyimpulkan bahwa penurunan jumlah penduduk miskin dipengaruhi oleh pertumbuhan ekonomi yang didekati dari besaran Produk Domestik Regional Bruto (PDRB).28 a. Variabel yang signifikan dan relatif paling besar pengaruhnya terhadap penurunan kemiskinan ialah pendidikan. Bantuan peningkatan infrastruktur transportasi b.9. Bantuan peningkatan infrastruktur informasi dan telekomunikasi c. Adanya hambatan sosial terhadap akses pada kesempatan (society’s barrier to opportunity) 3. ketimpangan dan pengeluaran pemerintah menunjukkan bahwa perubahan jumlah penduduk miskin dipengaruhi oleh pertumbuhan PDB per kapita atas dasar harga konstan. dalam studi mengenai peranan pertumbuhan. Faktor-Faktor Penyebab Terjadinya Kemiskinan Schiller (2004) menyatakan bahwa terdapat tiga hal yang dapat menjadi penyebab kemiskinan. Peningkatan pangsa sektor pertanian dan pangsa sektor industri terhadap PDRB juga cukup signifikan mengurangi kemiskinan. namun besarnya pengaruh tersebut relatif tidak besar.1. Inflasi maupun populasi penduduk juga berpengaruh signifikan terhadap kemiskinan. Iradian (2005) menggunakan dua metode ekonometrik. yakni Ordinary Least Square (OLS) dan Generalized Method of Moment (GMM). Bantuan peningkatan infrastruktur ekonomi d. Iradian (2005). Hasil penelitiannya menunjukkan bahwa koefisien regresi dari pertumbuhan PDB per kapita atas dasar harga konstan .

Fan. ketimpangan dan pengeluaran pemerintah melalui investasi publik di daerah pedesaan Cina dalam mengurang kemiskinan. .29 dan perubahan ketimpangan pendapatan signifikan secara statistik dalam mengurangi kemiskinan. tidak hanya berperan dalam meningkatkan pertumbuhan. (2009) membandingkan model panel data fixed effect dan GMM dinamis dalam melihat pengaruh investasi publik khususnya investasi infrastruktur dalam mengurangi kemiskinan di negara berkembang. namun ketimpangan pendapatan tersebut tidak memiliki efek yang signifikan pada tingkat kemiskinan. et al. kebijakan pemerintah seharusnya memperhatikan pentingnya perbaikan akses penduduk miskin pada infrastruktur transportasi dan komunikasi. mengembangkan model persamaan simultan untuk mengestimasi efek perbedaan jenis pengeluaran pemerintah. Pertumbuhan ekonomi akan mengurangi kemiskinan jika dibarengi dengan penurunan ketimpangan sedangkan penurunan kemiskinan akan sulit terjadi jika pertumbuhan ekonomi dibarengi dengan adanya peningkatan ketimpangan pendapatan. Hasil penelitian menggunakan kedua model tersebut mendukung pernyataan bahwa infrastruktur transportasi dan komunikasi merupakan alat yang efisien dalam memerangi kemiskinan di pedesaan. et al. Pengeluaran pemerintah dalam hal ini. Penelitian tersebut menggunakan analisis regresi data panel untuk melihat hubungan antara pertumbuhan. Penelitian tersebut juga menyimpulkan bahwa efek positif dari pertumbuhan ekonomi dalam mengurangi kemiskinan mendominasi efek negatif dari adanya ketimpangan pendapatan. Hasil penelitian menunjukkan bahwa pengeluaran pemerintah berperan dalam mendorong investasi yang juga mendorong pertumbuhan ekonomi. namun juga mampu mengurangi kemiskinan dan ketimpangan pendapatan di daerah pedesaan Cina. Sehingga. Fan. Seetanah. Hajiji (2009) menyatakan bahwa pertumbuhan ekonomi di Riau dapat meningkatkan ketimpangan pendapatan. ketimpangan pendapatan dan kemiskinan. et al. (2002) menganalisis peranan pertumbuhan.

infrastruktur dipandang sebagai lokomotif pembangunan nasional dan daerah. menurut Stern dapat meningkatkan output melalui minimalisasi pemborosan sumberdaya dan perbaikan efisiensi. Infrastruktur sangat penting untuk produktifitas dan pertumbuhan. Faktor-Faktor yang Memengaruhi Pertumbuhan Ekonomi Stern (1991) mengemukakan adanya postulat penting bahwa terdapat tiga faktor standar yang memengaruhi pertumbuhan ekonomi. Sebagai contoh selama tahun 1960 hingga 1970. Distribusi sumberdaya yang optimal ini mengakibatkan tumbuhnya perekonomian dan berdampak pada pemerataan sosial. namun karena adanya manajemen yang buruk. . Alokasi Sumberdaya Faktor kedua yang dapat memengaruhi pertumbuhan menurut Stern adalah alokasi sumberdaya. India berhasil meningkatkan tingkat tabungannya.1. sedangkan dalam konteks ekonomi mikro. Secara ekonomi makro ketersediaan dari jasa pelayanan infrastruktur memengaruhi marginal productivity of private capital.30 2. Hal ini menyebabkan terjadinya distorsi ekonomi yang menyebabkan distribusi sumberdaya menjadi optimal. sedangkan manajemen yang buruk dapat menyebabkan terjadinya penuruanan produktifitas. Infrastruktur Infrastruktur menjadi faktor ketiga yang menurut Stern dapat memengaruhi pertumbuhan.10. Kwik dalam Haris (2009) menyatakan bahwa infrastruktur merupakan roda penggerak pertumbuhan ekonomi. Faktor-faktor tersebut adalah manajemen organisasi. Manajemen Organisasi Organisasi yang diatur dengan baik. kondisi ini gagal meningkatkan pertumbuhan ekonominya (Ahluwalia 1985). Stern menemukan bahwa pengaturan alokasi sumberdaya oleh institusi di negara-negara berkembang sangat bervariasi. Dari alokasi pembiayaan publik dan swasta. alokasi sumberdaya dan infrastruktur.

termasuk Bourguignon (2004) yang menggagas konsep The Poverty-Growth-Inequality Triangle. kemiskinan dan . ketimpangan dan kemiskinan. Faktor-Faktor Penyebab Ketimpangan Distribusi pendapatan dan kaitannya terhadap pertumbuhan dan kemiskinan telah menjadi perhatian utama bagi para ekonom. Penelitian ini menyimpulkan bahwa kemiskinan dapat terus menjadi tinggi jika suatu negara gagal mencapai pertumbuhan yang cepat dan berkelanjutan. Hasil penelitian menunjukkan bahwa perbaikan di sektor pendidikan dan infrastruktur serta tingkat inflasi yang rendah dapat mendorong pertumbuhan dan pemerataan pendapatan yang progresif. pada penelitiannya di Armenia menyimpulkan bahwa pertumbuhan ekonomi tidak memiliki dampak pada ketimpangan. mendukung pernyataan bahwa terdapat hubungan antara pertumbuhan ekonomi dan ketimpangan pendapatan. Lopez (2003). Laabas dan Limam (2004) menggunakan sistem persamaan simultan dalam melihat hubungan antara investasi publik. pertumbuhan ekonomi. 2.11. yang dalam hal ini haruslah didukung dengan adanya penurunan pada ketimpangan pendapatan. namun ketimpangan dapat memberikan efek negatif pada pertumbuhan ekonomi. Iradian (2004). Selain itu. pembangunan di sektor keuangan. Penelitian ini mengkaji dampak kebijakan pro growth yaitu perbaikan pada sektor pendidikan dan infrastruktur pada pertumbuhan dan ketimpangan pendapatan. meskipun tidak menganalisis dampak pada kemiskinan. Gelaw (2010) menggunakan estimasi model fixed effect dalam meneliti hubungan triangular antara pertumbuhan. keterbukaan dalam perdagangan dan penurunan government size dapat mendorong pertumbuhan ekonomi yang cepat dengan peningkatan pada ketimpangan pendapatan.1. Banyak penelitian telah mengkaji hubungan triangular antara ketiga variabel ini.31 ketersediaan jasa pelayanan infrastruktur berpengaruh terhadap pengurangan biaya produksi. Pertumbuhan ekonomi dapat mengurangi kemiskinan apabila pertumbuhan tersebut memiliki dampak yang kecil pada ketimpangan pendapatan.

Penelitian tersebut menggunakan tiga variabel endogen yaitu pertumbuhan. Paradigma ekonomi Keynesian. Infrastruktur merupakan roda penggerak perekonomian. . Hasil estimasi menyimpulkan bahwa investasi diketahui memiliki hubungan yang erat dengan tingginya pertumbuhan ekonomi yang dicapai suatu wilayah. sedangkan dari sudut pandang alokasi pembiayaan publik dan swasta. 1991).12. infrastruktur dipandang sebagai lokomotif pembangunan nasional dan daerah. Infrastruktur bukanlah merupakan faktor yang dapat secara langsung memengaruhi pertumbuhan ekonomi. Infrastruktur memengaruhi pertumbuhan dengan memfasilitasi produktifitas melalui penyediaan sarana dan prasarana yang memadai. Faktor penting yang lain dalam penelitian tersebut adalah faktor kelembagaan yang merupakan salah satu sumber pertumbuhan yang penting karena dapat berdampak pada kontribusi pelaku ekonomi dalam memberikan insentif pada pertumbuhan. Pemerintah dapat menggunakan investasi infrastruktur ini sebagai alat untuk menaikkan investasi swasta atau untuk menurunkan permintaan. 2. investasi dapat menstimulus pengeluaran pemerintah yang kemudian berdampak pada terjadinya crowding out dan crowding in investasi swasta (Gambar 2. Reungsri (2010) menyatakan bahwa infrastruktur sebagai representasi dari investasi publik memiliki pengaruh pada dua aspek.1).1.32 ketimpangan pendapatan. yaitu aspek ekonomi dan sosial. Aspek Ekonomi (Pertumbuhan) Investasi infrastruktur yang merupakan investasi publik berdampak pada pertumbuhan ekonomi. ketimpangan dan pendapatan. Pengaruh Investasi Infrastruktur Sebagaimana telah dijelaskan sebelumnya bahwa infrastruktur merupakan salah satu faktor penentu pertumbuhan ekonomi (Stern.

et al. jalan tol. diukur dengan adanya penurunan kemiskinan. antara lain mampu meningkatkan kesejahteraan masyarakat. Peningkatan kesejahteraan masyarakat. bandara dan sistem transportasi massal merupakan peranan pemerintah yang penting dalam meningkatkan pertumbuhan dan perbakan produktifitas. Hasil penelitian menunjukkan bahwa dalam memberikan stimulus ekonomi yang cepat. Aschauer meneliti hubungan antara output agregat dengan stok dan aliran pengeluaran pemerintah dan menyimpulkan bahwa infrastruktur inti seperti jalan. Investasi Publik Suku Bunga Riil PDB Return to Capital Investasi Swasta Investasi Swasta Investasi Swasta PDB Crowding Out PDB Crowding In Sumber: Aromdee. investasi . Munnel (1992) juga menganalisis kebijakan pemerintah dalam hal investasi infrastruktur dan kaitannya terhadap pertumbuhan ekonomi. selain memiliki pengaruh pada aspek ekonomi. pemerataan dan redistribusi pendapatan dan mitigasi dalam memerangi degradasi lingkungan.33 Aspek Sosial (Pemerataan) Infrastruktur. juga memiliki dampak pada aspek sosial.4. (2005) Gambar 2. Mekanisme Transmisi dari Investasi Publik Aschauer (1989) menyatakan bahwa investasi publik pada infrastruktur sangat penting sebagai salah satu sumber pendukung pertumbuhan ekonomi.

Untuk memberikan gambaran mengenai alur pemikiran dalam penelitian ini. Canning menggunakan metode error correction model dalam menganalisis pengaruh jangka panjang antara infrastruktur dan pertumbuhan ekonomi. et al.34 publik pada infrastruktur memiliki efek positif yang signifikan terhada pertumbuhan ekonomi. . (2005) meneliti hubungan antara investasi infrastruktur ekonomi dan pertumbuhan ekonomi di Afrika Selatan. Penelitian ini menggunakan metode F-tests yang dikembangkan oleh Pesaran. kemiskinan dan ketimpangan pendapatan.2. seperti tergambar di bawah ini. berikut digambarkan kerangka pemikiran penelitian. Canning dan Pedroni (1999) menyimpulkan bahwa telefon dan jalan sebagai pendukung infrastruktur mampu mendorong peningkatan pertumbuhan ekonomi dalam jangka panjang. Perkins. Hasil penelitian menunjukkan bahwa infrastruktur ekonomi dan pertumbuhan memiliki hubungan dua arah. maka kiranya diperlukan suatu studi mengenai pengaruh program peningkatan infrastruktur Kementrian PDT terhadap pertumbuhan ekonomi. Kerangka Pemikiran Dalam upaya memberikan masukan untuk perbaikan strategi dan kebijakan yang diambil oleh KPDT dalam mengefektifkan program yang dilaksanakan. Investasi yang tidak memadai pada infrastruktur dapat menciptakan bottlenecks dan hilangnya kesempatan dalam mendorong pertumbuhan ekonomi. Shin dan Smith. 2.

35 Kabupaten Tertiggal Investasi Infrastruktur (P2IPDT) Transportasi Sosial Informasi dan telekomunikasi Ekonomi Energi Transmisi tidak langsung (sisi makro) Pendapatan Nasional dan Pertumbuhan Ekonomi Peningkatan Produktifitas Transmisi langsung (sisi mikro) Tenaga Kerja Peningkatan Pendapatan Riil/Konsumsi Masyarakat Aspek Pertumbuhan Ketimpangan Pendapatan Penurunan Kemiskinan Aspek Pemerataan Strategi Pembangunan Ekonomi untuk Pengentasan Kemiskinan di Kabupaten Tertinggal Gambar 2. Kerangka Pemikiran Penelitian .5.

36 2. ketimpangan pendapatan dan kinerja perekonomian di kabupaten tertinggal. . 3. Hipotesis Penelitian Hipotesis yang disusun dalam penelitian ini adalah: 1. Investasi infrastruktur dalam hal ini adalah instrumen P2IPDT Kementrian PDT. sebagai representasi dari investasi publik pemerintah memiliki pengaruh positif dalam meningkatkan perekonomian. Peningkatan kinerja perekonomian di kabupaten tertinggal mampu menurunkan ketimpangan pendapatan. 4. 2. Peningkatan kinerja perekonomian di kabupaten tertinggal dapat menurunkan tingkat kemiskinan.3. Terjadi perbaikan pada dinamika kemiskinan.

Analisis deskriptif digunakan untuk memberikan deskripsi mengenai dinamika kemiskinan dan ketimpangan pendapatan yang terjadi di kabupaten tertinggal sebelum adanya implementasi program P2IPDT dan setelah adanya implementasi program P2IPDT. data panel dinamis dan panel instrumental variable. Data mengenai bantuan stimulus infrastruktur juga digunakan dalam penelitian ini. diantaranya publikasi indikator kesejahteraan rakyat dan produk domestik regional bruto. yang bersumber dari Kementrian PDT. melihat kebaikan. serta validitas di antara berbagai metode estimasi yang digunakan.III.2.1. sedangkan analisis ekonometrik dilakukan pada 82 kabupaten tertinggal yang secara kontinu mendapatkan bantuan stimulus infrastruktur dari Kementrian PDT tiap tahunnya.2. Beberapa metode ekonometrik yang digunakan diantaranya metode data panel statis. 3. Metode Analisis Metode analisis yang digunakan adalah analisis deskriptif dan analisis ekonometrik. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder dari berbagai publikasi Badan Pusat Statistik (BPS).1. grafik maupun narasi dengan tujuan untuk . robustness model. Analisis ekonometrik digunakan untuk melihat pengaruh infrastruktur terhadap perekonomian dan kemiskinan. selain itu digunakan pula data Suvei Sosial Ekonomi Nasional (SUSENAS). Data yang dihimpun mencakup 199 kabupaten tertinggal yang ditetapkan Kementrian PDT tahun 2005 dan digunakan untuk melakukan analisis deskriptif. Penggunaan berbagai metode estimasi ini diharapkan dapat menunjukkan variasi hasil estimasi. Analisis Deskriptif Metode analisis deskriptif merupakan suatu metode analisis sederhana yang dapat digunakan untuk menggambarkan kondisi suatu observasi dengan menyajikannya dalam bentuk tabel. 3. METODE PENELITIAN 3.

yaitu 2005 dan 2009.2.2. Dua periode waktu tersebut diharapkan dapat memberikan gambaran dinamika pertumbuhan. pada dua periode waktu. Ketimpangan dan Penurunan Kemiskinan terhadap Studi mengenai peranan program P2IDT dalam mendorong kinerja perekonomian. 2000).38 memudahkan pembaca dalam menafsirkan hasil observasi. Salah satu analisis deskriptif yang digunakan adalah teknik analisis kuadran. 3. Analisis regresi dilakukan dengan tujuan utama adalah untuk memperkirakan nilai dari variabel tak bebas pada nilai variabel bebas tertentu (Supranto.2. Penggunaan analisis panel data dalam estimasi ekonometrika memiliki beberapa kelebihan dan kelemahan. ketimpangan dan kemiskinan kabupaten tertinggal. Pada penelitian ini analisis regresi yang digunakan adalah analisis regresi data panel. dan Tahun 2009 di pilih untuk melihat kondisi terkini di kabupaten tertinggal. Data panel adalah data silang dari sekumpulan variabel yang di survei secara periodik. 3. Analisis Pengaruh Bantuan Stimulus Infrastruktur Perekonomian. menurunkan ketimpangan dan kemiskinan ini dilakukan dengan menggunakan metode analisis regresi.2. Baltagi (2005) menyatakan bahwa panel data memiliki kelebihan antara lain: 1. Berdasarkan pemikiran tersebut penulis menggunakan metode ini untuk menjelaskan pengaruh program P2IDT dalam meningkatkan perekonomian. Dapat mengontrol heterogenitas individu 2. menurunkan ketimpangan dan kemiskinan.1. Analisis Data Panel Analisis data panel adalah bentuk analisis data longitudinal yang cukup populer di kalangan peneliti bidang ilmu sosial dan ilmu perilaku. Pemilihan Tahun 2005 sebagai tahun awal dimana program P2IPDT belum diimplementasikan. Panel data memberikan data yang lebih lengkap dengan kolinieritas yang rendah dan derajat bebas yang lebih besar serta lebih efisien . Analisis kuadran digunakan untuk melihat hubungan dan dinamika pertumbuhan ekonomi dengan ketimpangan serta pertumbuhan ekonomi dan kemiskinan kabupaten tertinggal.

Mengatasi data deret waktu yang pendek 4. analisis panel data memiliki beberapa kelemahan. Model ini dikenal juga sebagai Least Squares Dummy Variable Model. Gangguan yang timbul akibat kesalahan pengukuran (measurement errors) 3. Panel data dapat digunakan untuk membangun dan menguji model dengan perilaku yang kompleks. dimana model ini memiliki konstan slope namun memiliki intersep yang bergantung pada data panel dari serangkaian grup observasi.T (3. 2. Panel data baik digunakan untuk mengkaji mengenai penyesuaian dinamis (dynamic of adjustment) 4. antara lain: 1. untuk two way error component. t=1….. i=1. termasuk masalah cakupan dan kelengkapan data 2. karena sebanyak i-1 variabel dummy digunakan dalam model ini. antara lain: 1..1) dimana u it =μ i + v it . Untuk model data panel ini dapat menggunakan metode ordinary least squares regression model.N. Terdapat beberapa tipe model analisis data panel statis. Terdapat hubungan antar individu Analisis Data Panel Statis Analisis data panel statis merupakan analisis data longitudnal yang tidak melibatkan variabel lag dependent dalam model. Constant coefficient model (Pooled OLS) adalah salah satu tipe model data panel yang memiliki koefisien yang konstan untuk intersep dan slope. Panel data lebih handal dalam mengidentifikasi dan mengukur efek individu maupun efek waktu yang tidak dapat dilakukan dalam teknik analisis deret waktu (time series) maupun analisis antar individu (cross section) 5. Persamaan model ini adalah sebagai berikut: y it = α i + x’ it β + u it . Tipe model data panel lainnya adalah fixed effect model (FEM).39 3..…. untuk one way error component dan u it = μ i + λ t + v it . Namun demikian. Masalah dalam desain dan pengumpulan data.

Generalized Least Square (GLS)/Weighted Least Square (WLS): Cross Sectional Weight. yakni residual secara menyeluruh ε it dan residual secara individu. Analisis data panel dinamis dapat digunakan pada model yang bersifat dinamis yang melibatkan variabel lag dependen sebagai variabel regresor di dalam model. Analisis Data Panel Dinamis Baltagi (2005) menyatakan bahwa hubungan di antara variabel-variabel ekonomi pada kenyataan banyak yang bersifat dinamis. Sehingga dalam model random effects terdapat dua komponen residual.. jika struktur matriks varians-covarians residualnya diasumsikan bersifat heterokedastik dan tidak ada cross sectional correlation. Persamaan model random effects dapat ditulis sebagai berikut: (3.t-1 + u it . u it diasumsikan mengikuti model one way error component sebagai berikut: .40 3. i=1. yaitu: 1.T (3. t=1…. didasarkan pada asumsi struktur matriks varians dan covarians residualnya. Feasible Generalized Least Square (FGLS)/Seemingly Uncorrelated Regression (SUR). Sebagai ilustrasi.N.. Random Effect Model (REM).2) Metode estimasi yang digunakan pada model analisis regresi data panel statis. jika struktur matriks varians-covarians residualnya diasumsikan bersifat homokedastik dan tidak ada cross sectional correlation. 2.…. yang terdiri dari 3 metode. x’ it menyatakan matriks berukuran 1xK dan β matriks berukuran Kx1. Pada model ini. dalam model ini terdapat perbedaan intersep untuk setiap individu dan intersep tersebut merupakan variabel random atau stokastik. 3.3) dengan δ menyatakan suatu skalar. Keuntungan penggunaan panel data dinamis adalah bahwa panel data dinamis dapat mengkaji mengenai analisis penyesuaian dinamis (dynamic of adjustment). Ordinary Least Square (OLS/LSDV). jika struktur matriks varians-covarians residualnya diasumsikan bersifat heterokedastik dan ada cross sectional correlation.. model data panel dinamis adalah sebagai berikut: y it = δ y i.

System GMM (SYS-GMM) tidak berkorelasi . Kedua. Pendekatan GMM merupakan salah satu yang populer. Terdapat dua jenis prosedur estimasi GMM yang umumnya digunakan untuk mengestimasi model linear autoregresif. dapat ditunjukkan adanya konsistensi dan efisiensi baik pada FEM maupun REM terkait perlakuan terhadap model dinamis. Karena . karena fungsi dari maka y i.t-1 dengan u it . menyatakan gangguan yang saling bebas satu sama lain atau dalam beberapa literatur disebut sebagai transient error. penduga GMM juga tidak terlepas dari kelemahan. yaitu: (i) GMM estimator adalah asymptotically efficient dalam ukuran contoh besar tetapi kurang efisien dalam ukuran contoh yang terbatas (finite). Dalam model data panel statis. pertama.. Beberapa kelemahan metode GMM. terutama terhadap maximum likelihood. Dalam merupakan adalah fungsi dari u it maka akan terjadi korelasi antara variabel regresor y i. Namun demikian. dan (ii) estimator ini terkadang memerlukan sejumlah implementasi pemrograman sehingga dibutuhkan suatu perangkat lunak (software) yang mendukung aplikasi pendekatan GMM. GMM memberikan alternatif yang sederhana terhadap estimator lainnya.41 u it =μ i + v it dengan u it ~ IID(0. situasi ini secara substansi sangat berbeda. Hal ini akan menyebabkan penduga least square (sebagaimana digunakan pada model data panel statis) menjadi bias dan inkonsisten. First-difference GMM (FD-GMM atau AB-GMM) 2. Arrelano dan Bond menyarankan suatu pendekatan generalized method of moments (GMM).t-1 juga merupakan fungsi dari . Setidaknya ada dua alasan yang mendasari.4) ) ) menyatakan pengaruh individu dan v it ~ IID(0. yakni: 1. Pendekatan method of moments dapat digunakan untuk mengatasi masalah bias dan inkonsistensi. bahkan bila serial sekalipun. (3. GMM merupakan common estimator dan memberikan kerangka yang lebih bermanfaat untuk perbandingan dan penilaian.

v it-1 ).…. Ide dasar dari penggunaan metode system GMM adalah mengestimasi sistem persamaan baik pada first-differences maupun pada level yang mana . Sebagai contoh.y i.t-2 berkorelasi dengan (y it .t-1 + µ i + v it Parameter persamaan (3.y it-1 ) tetapi tidak berkorelasi dengan. Persamaan dinamis dengan first-differences kemudian dapat dijabarkan sebagai berikut: y it . maka dimungkinkan (dan sangat dianjurkan bagi sampel berukuran kecil) menekankan ketidakberadaan autokorelasi pada v it dan juga dikombinasikan dengan asumsi homoskedastis.6) juga dapat diestimasi (3.t-1 .. maka Persamaan (3. Metode first-differences dilakukan untuk mendapatkan estimasi δ yang konsisten di mana N → ∞ dengan T dan mengeliminasi pengaruh individual. t=2.6) menggunakan generalisasi variabel instrumen atau pendekatan GMM. y i. Oleh karena pendugaan matriks penimbang optimal tidak terestriksi. transformasi dengan menggunakan first difference ini dapat menggunakan suatu pendekatan variabel instrumen.. Pendekatan GMM secara umum tidak menekankan bahwa v it ~ IID pada seluruh individu dan waktu.y it-1 = δ (y i.3) dapat dituliskan kembali menjadi y it = x’ it β + δ y i. Di sini. y i. ketidakberadaan autokorelasi dibutuhkan untuk menjamin validitas kondisi momen. T (3. selain itu sekumpulan instrumen tambahan yang berbeda dapat pula dibangun.5) Pendugaan dengan metode least square (OLS) akan menghasilkan penduga δ yang inkonsisten karena y it dan v it-1 berdasarkan definisi berkorelasi. Jika model data panel dinamis yang mengandung variabel eksogenus. Untuk itu. bahkan bila T → ∞.42 First-differences GMM (AB-GMM) Metode first-differences GMM (AB-GMM) dikembangkan oleh Arellano dan Bond. dan matriks penimbang optimal kemudian diestimasi tanpa mengenakan restriksi. Bergantung pada asumsi yang dibuat terhadap x’ it .t-2 ) + (v it . System GMM (SYS-GMM) Pendekatan system GMM berkembang berdasarkan pemikiran Blundell dan Bond. v it-1 dan v it tidak berkorelasi serial. Sebagai catatan bahwa.t-2 akan digunakan sebagai instrumen.

Variabel z it haruslah memiliki korelasi yang erat dengan x it .….43 instrumen yang digunakan pada level adalah lag first-differences dari deret. namun tidak berkorelasi dengan error. maka estimasi dengan OLS menjadi bias dan tidak konsisten. Model instrumental variable dalam bentuk persamaan: y it = x it β 1 + ε it (3. Verbeek ( 2008) menyatakan bahwa apabila variable bebas dalam model merupakan variabel endogen. untuk itu diperlukan suatu teknik estimasi yang lebih baik. Blundell dan Bond dalam Baltagi (2005) menyatakan pentingnya pemanfaatan initial condition dalam menghasilkan penduga yang efisien dari model data panel dinamis ketika T berukuran kecil. E(v it ) = 0 dan E(μ i v it ) = 0 untuk i =1. Pada System GMM. Misalkan diberikan model autoregresif data panel dinamis tanpa regresor eksogenus sebagai berikut: y it = δ y i. 2.t-1 + μ i + v it (3. salah satunya adalah estimasi instrumental variable. dengan menggunakan suatu variabel lain (z it ) yang berkorelasi dengan y it . Penggunaan teknik instrumental variable dapat mengatasi masalah ini.ε it ) ≠ 0. Metode instrumental variable merupakan salah satu cara untuk mendapatkan estimasi parameter yang konsisten (Baum. sehingga x it memengaruhi y it hanya melalui instrumen z it.7) dengan E(μ i ) = 0. dimana variabel bebas berkorelasi dengan error.T. estimator ini dapat direpresentasikan .….8) Jika x it merupakan variabel endogen. Dalam hal ini. dimana E(x it . Estimasi dengan teknik instrumental variable tersebut dapat menggunakan metode two stage least squares (2SLS) estimator. oleh karenanya hanya terdapat satu kondisi ortogonal sedemikian sehingga δ tepat teridentifikasi (just identified). 2009). Blundel dan Bond memfokuskan pada T = 3. Blundell dan Bond mengaitkan bias dan lemahnya presisi dari penduga first-difference GMM dengan masalah lemahnya instrumen yang mana hal ini dicirikan dari parameter konsentrasi τ. N. maka penggunaan estimasi dengan metode OLS tidak lagi menghasilkan estimasi yang tidak bias dan konsisten. Secara umum. Analisis Data Panel Instrumental Variable Metode data panel instrumental variable dikenal sebagai solusi dalam mengatasi masalah endogenous regressors. t = 1. 2.

44 dapat diinterpretasikan sebagai penggunaan estimator yang sama dalam dua tahap.2. Panel data statis digunakan dalam penelitian ini untuk melihat secara sederhana pengaruh infrastruktur dan ketimpangan terhadap perekonomian. Panel data dinamis juga digunakan dalam penelitian ini. Model panel data dinamis pada penelitian tersebut digambarkan ke dalam satu persamaan dinamis sederhana.2. sehingga kondisi ini menyebabkan hasil estimasi dengan teknik instrumental variable menjadi bias. persamaan reduced form diestimasi dengan menggunakan OLS (regresi variabel endogen dengan semua instrumen). Verbeek (2008) juga menyatakan bahwa permasalahan dapat timbul dalam penggunaan teknik instrumental variable ini adalah pada masalah “lemahnya instrumen”. juga dengan menggunakan OLS. Penggunaan model panel data dinamis juga dilakukan mengingat adanya pengaruh ekspektasi nilai output dari para pelaku pasar. Penggunaan dua metode estimasi ini diharapkan dapat melihat perbandingan hasil estimasi dan melihat kebaikan serta robustness model. yang dapat memengaruhi nilai output saat ini juga menjadi salah satu alasan penggunaan. merujuk pada penelitian Calderon dan Serven (2008). Perekonomian Ketimpangan Pendapatan terhadap Analisis mengenai pengaruh infrastruktur dan ketimpangan terhadap perekonomian dalam penelitian ini menggunakan analisis ekonometrik panel data statis dan dinamis. tanpa melihat pengaruh waktu (time lag) dalam permodelan. Kedua tahap tersebut dapat diestimasi dengan menggunakan teknik least square estimator. 2008). untuk melihat pengaruh waktu mengingat adanya time lag dari pengaruh infrastruktur yang menyebabkan dampak investasi infrastruktur tidak hanya dirasakan pada saat yang sama namun juga pada jangka panjang. Persamaan dinamis sederhana yang digunakan dalam penelitian ini. dengan mengganti nilai variabel endogen dengan nilai prediksi dari hasil regresi sebelumnya yang menggunakan persamaan reduced form (Verbeek. Pada tahap pertama. Masalah ini timbul apabila instrumen yang digunakan memiliki korelasi yang lemah dengan variabel endogennya. Pengaruh Infrastruktur. yaitu: .2. 3. Pada tahap kedua persamaan struktural diestimasi.

Lag dependent variabel tersebut ternyata juga memiliki pengaruh pada ukuran ketimpangan pendapatan (K) dan bantuan stimulus infrastruktur (Z). sehingga terjadi reverse causality antara pertumbuhan ekonomi dan ketimpangan pendapatan (Heshmati. Permasalahan endogeneity yang muncul akibat adanya lag dependent variabel yang ikut dalam persamaan sebagai variabel bebas yang menyebabkan adanya korelasi antara lag dependent variabel tersebut dengan error. dimana X it = (K’ it . 2008). Kondisi ini menyebabkan perlunya diterapkan teknik estimasi menggunakan variabel instrumen untuk memodelkan faktor-faktor yang memengaruhi nilai bantuan stimulus infrastruktur. Permasalahan endogeneity muncul akibat terdapat banyak faktor yang memengaruhi keputusan pengambil kebijakan dalam menentukan besaran nilai bantuan stimulus infrastruktur. Z’ it ) dan β’= (φ’. Permasalahan endogeneity juga berpotensi terjadi pada persamaan tersebut mengingat ketimpangan (K) memiliki memiliki pengaruh terhadap pertumbuhan. 2. γ’). 3. persamaan tersebut di atas berpotensi memiliki tiga permasalahan endogeneity. Calderon dan Serven (2008) dalam penelitiannya . namun menjadi variabel endogen. Munculnya permasalahan endogeneity tersebut menyebabkan estimasi dengan metode ordinary least square (OLS) menjadi tidak lagi konsisten (Verbeek. Ditinjau dari sisi ekonometrik. Hal ini menyebabkan variabel bantuan stimulus infrastruktur tidak lagi murni sebagai variabel eksogen yang tidak berkorelasi dengan error. ketimpangan dan infrastruktur.45 y it – y it-1 = αy it-1 + φ’ K it + γ’Z it + μ t + η t + ε it = αy it-1 + β’X it + μ t + η i + ε it (3.9) (3. Masalah tersebut antara lain: 1. 2004).9 diperoleh dengan menggabungkan faktor-faktor dari pertumbuhan.10) Dimana: y K Z = tingkat output = ukuran ketimpangan pendapatan = bantuan stimulus infrastruktur Persamaan 3.

Penelitian Aschauer diperkuat oleh Munnel (1992) yang menyatakan bahwa investasi publik di bidang infrastruktur berpengaruh positif terhadap pertumbuhan. Kelemahan ini menyebabkan teknik analisis panel data dinamik tidak dapat digunakan untuk melihat secara simultan pengaruh infrastruktur terhadap penurunan kemiskinan (melalui jalur pertumbuhan). Pemilihan faktor-faktor yang memengaruhi pertumbuhan ekonomi.56. Metode analisis panel instrumental variable digunakan untuk menjawab permasalahan ini.. Canning dan Pedroni (1999) menyimpulkan bahwa infrastruktur telepon dan jalan aspal positif .38 dan 0. mengingat kelebihan metode ini dalam menangani regresi dengan lebih dari satu persamaan melalui penggunaan variabel instrumen. antara lain Aschauer (1989) yang menyatakan bahwa peran pemerintah dalam investasi publik sangatlah penting dalam mendorong pertumbuhan. Ketiga permasalahan endogeneity tersebut menurut Verbeek (2008) dapat diatasi dengan menerapkan metode generalized method of moment (GMM). Faktor-faktor yang memengaruhi aktifitas perekonomian dan pertumbuhan ekonomi daerah yang dikaji dalam penelitian ini antara lain: Infrastruktur Infrastruktur. terbukti merupakan senjata yang ampuh dalam mendorong perekonomian. Penelitian tersebut menyimpulkan bahwa pengeluaran pemerintah positif meningkatkan output dengan elastisitas berkisar antara 0. Hal ini sejalan dengan penelitian yang dilakukan berbagai peneliti. Penggunaan metode analisis panel dinamis meskipun memiliki kelebihan dalam menangani masalah endogeneity (khususnya pada penanganan data dengan pengaruh time lag).46 melibatkan lag dependent infrastruktur sebagai instrumen internal dan kepadatan penduduk sebagai instrumen eksternal. namun metode ini hanya dapat diterapkan pada permodelan dengan satu persamaan. didasarkan oleh berbagai variabel yang digunakan dalam penelitian-penelitian terdahulu. Penerapan metode GMM dalam analisis panel data dinamis dapat mengurangi bias pada penggunaan teknik OLS dan standard error yang dihasilkan menjadi lebih efisien jika dibandingkan dengan penggunaan estimasi two stage least square (2SLS).

Hasil penelitian dari Li dan Zou (2002) dengan menggunakan analisis panel data dari berbagai negara. Ketimpangan Pendapatan Ketimpangan memengaruhi pendapatan merupakan Heshmati faktor lain dalam yang mampu perekonomian. Iradian (2005) meneliti pengaruh ketimpangan (indeks gini). Penelitian tersebut menyimpulkan bahwa terdapat hubungan negatif antara ketimpangan dan pendapatan dan terdapat hubungan positif antara investasi dan pertumbuhan ekonomi. sedangkan infrastruktur air bersih tidak berpengaruh secara statistik. investasi dan pendidikan memiliki pengaruh pada perekonomian. Inflasi Penggunaan variabel inflasi sebagai salah satu faktor yang memengaruhi perekonomian didasarkan atas hasil penelitian yang dilakukan oleh Mallik dan Chowdurry (2001) yang menyatakan bahwa inflasi dan pertumbuhan memiliki hubungan jangka panjang yang positif. Motley (1993) menyatakan bahwa negara dengan tingkat inflasi yang rendah memiliki kecenderungan untuk mencapai tingkat pertumbuhan ekonomi yang lebih tinggi.47 memengaruhi pertumbuhan ekonomi. pendapatan per kapita.13).34. Variabel listrik dan jalan berpengaruh secara signifikan terhadap pertumbuhan ekonomi regional dengan tingkat elastisitas listrik sebesar 0. inflasi dan investasi terhadap pertumbuhan. Prasetyo (2010) juga meneliti mengenai pengaruh infrastruktur. menyimpulkan bahwa inflasi dapat menurunkan capaian pertumbuhan ekonomi.33 lebih tinggi daripada jalan (0. Dalam penelitiannya Prasetyo menyimpulkan bahwa Variabel human capital memiliki dampak terbesar dibandingkan variabel lain dengan elastisitas sebesar 0. (2004) penelitiannya menyimpulkan bahwa ketimpangan pendapatan yang diukur melalui indeks gini. Penelitian ini juga mendukung hipotesis Kuznets yang menyatakan bahwa hubungan antara perekonomian (log PDRB per kapita) dan ketimpangan pendapatan dapat digambarkan sebagai kurva U terbalik. .

serta merujuk pada penelitian Iradian (2005) maka persamaan (3. 1981).11) Keterangan: Y it Y it-1 GINI it P2IPDT it = PDRB per kapita atas dasar harga konstan 2000 kabupaten ke-i periode ke-t = PDRB per kapita atas dasar harga konstan 2000 kabupaten ke-i periode ke-(t-1) = Indeks gini kabupaten ke-i periode ke-t = Besaran bantuan stimulus infrastruktur kabupaten ke-i periode ke.9) dan (3. Indikator demografi yang baik serta tingkat fertilitas yang rendah dapat mendorong peningkatan pembangunan. 2007). dimana masing-masing kabupaten tertinggal tidak secara kontinu mendapatkan satu jenis bantuan yang . Faktor ketersediaan data. 2008) merupakan faktor-faktor demografi yang memengaruhi pertumbuhan ekonomi.10) dapat dituliskan kembali menjadi: Y it = α it + β 1 Y it-1 + β 2 GINI it + β 3 P2IPDT it + β 4 (P2IPDT it )2 + β 5 INF it-1 + β 6 POP it + β 7 DWIL it + ε it (3. pertumbuhan penduduk (Klasen dan Lawson.48 Penduduk Faktor demografi merupakan faktor yang cukup penting dalam menentukan perekonomian wilayah. Berdasarkan penelitian terdahulu. tingkat migrasi (Manitoba Bureau of Statistics.t (juta rupiah) (P2IPDT it )2 = Kuadrat Besaran bantuan stimulus infrastruktur kabupaten ke-i periode ke-t (juta rupiah) INF it-1 POP it DWIL it = Inflasi kabupaten yang didekati dengan nilai GDP deflator kabupaten periode t-1 (persen) = Jumlah penduduk kabupaten i periode t (jiwa) = Dummy variabel wilayah (0=KBI dan 1=KTI) Model analisis menggunakan persamaan 3. Tingkat fertilitas (Ogawa dan Suits.11 di atas tidak mampu menjawab masalah jenis bantuan apa yang paling besar memengaruhi pertumbuhan ekonomi.

inflasi dan ketimpangan terhadap kemiskinan lewat jalur perekonomian (PDRB per kapita). panel data dinamis dan panel instrumental variable.49 sama tiap tahunnya menyebabkan penulis mengalami sedikit hambatan dalam permodelan. . yaitu metode panel data statis.12) Keterangan: Y it Y it-1 = PDRB per kapita atas dasar harga konstan 2000 kabupaten ke-i periode ke-t = PDRB per kapita atas dasar harga konstan 2000 kabupaten ke-i periode ke-(t-1) DTRANSP it = Dummy variabel bantuan transportasi (0=tidak dapat dan 1=dapat) DENERGI it = Dummy variabel bantuan energi (0=tidak dapat dan 1=dapat) DINFOTEL it = Dummy variabel bantuan infotel (0=tidak dapat dan 1=dapat) DSOS it DEKON it GINI it INF it-1 POP it DWIL it = Dummy variabel bantuan sosial (0=tidak dapat dan 1=dapat) = Dummy variabel bantuan ekonomi (0=tidak dapat dan 1=dapat) = Indeks gini kabupaten ke-i periode ke-t = Inflasi kabupaten yang didekati dengan nilai GDP deflator kabupaten = Jumlah penduduk kabupaten i periode t (jiwa) = Dummy variabel wilayah (0=KBI dan 1=KTI) 3.2. Untuk itu dilakukan permodelan dengan menggunakan dummy variable jenis bantuan seperti pada persamaan di bawah ini: Y it = α it + β 1 Y it-1 + β 2 GINI it + β 3 DTRANSP it + β 4 DENERGI it + β 5 DINFOTEL it + β 6 DSOS it + β 7 DEKON it + β 8 INFit -1 + β 9 POP it + β 10 DWIL it +ε it (3.2. pengaruh peningkatan perekonomian terhadap kemiskinan dikaji dengan menggunakan tiga metode estimasi. Penggunaan metode panel data statis dan dinamis digunakan untuk melihat pengaruh jeda waktu (time lag) sedangkan metode panel instrumental variable digunakan untuk melihat secara langsung (simultan) pengaruh infrastruktur. Pengaruh Peningkatan Perekonomian terhadap Kemiskinan Dalam penelitian ini.3.

Pernyataan ini sejalan dengan yang dikemukakan Gelaw (2010) yang menyatakan bahwa kemiskinan akan tetap tinggi jika pertumbuhan ekonomi diikuti dengan ketimpangan pendapatan. tingkat inflasi. dalam penelitian ini juga dilihat pengaruhnya terhadap angka kemiskinan. jumlah populasi penduduk. Jumlah Penduduk Indra (2008) dalam penelitiannya juga memasukkan variabel populasi dengan asumsi bahwa peningkatan jumlah penduduk akan menyebabkan peningkatan jumlah penduduk miskin. Persamaan tersebut merujuk pada model yang . Pemilihan variabel yang digunakan dalam model. Berdasarkan pertimbangan tersebut. Pernyataan ini diperkuat oleh penelitian dari Siregar dan Wahyuniarti (2007) dalam penelitiannya menyatakan bahwa jumlah orang miskin di Indonesia dipengaruhi oleh besarnya PDRB. Pernyataan ini sejalan dengan penelitian Siregar dan Wahyuniarti (2007).50 Faktor-faktor lain selain PDRB per kapita. beberapa variabel dipilih antara lain: Aktivitas Perekonomian dan Pertumbuhan Ekonomi Bolnick (2000) menyimpulkan bahwa pertumbuhan ekonomi merupakan salah satu instrumen untuk mengurangi kemiskinan di Mozambique. analisis pengaruh pertumbuhan terhadap penurunan kemiskinan dalam penelitian ini dimodelkan seperti pada persamaan (3. pangsa sektor pertanian dan industri terhadap PDRB. serta tingkat pendidikan yang mencerminkan modal manusia (human capital). Ketimpangan Pendapatan Pertumbuhan ekonomi yang didukung dengan pemerataan pendapatan (ketimpangan yang rendah) dapat menjadi satu faktor yang efektif dalam mengurangi jumlah penduduk miskin. merujuk pada penelitian terdahulu.13). Dalam penelitian juga dinyatakan bahwa analisis pertumbuhan seharusnya tidak hanya dilihat dari perspektif makro ekonomi semata namun juga dalam aspek pembangunan regional dan sektoral. Bedasarkan penelitian-penelitian terdahulu.

persamaan tersebut adalah sebagai berikut: P it = α i + β 1 P it-1 + β 2 Y it + β 3 GINI it + β 4 EXP it + β 4 ( EXP it )2 + ε it (3. masalah utama dalam pengujian model adalah penentuan model apakah termasuk model efek tetap atau efek acak.13) Keterangan: P it P it-1 Y it GINI it EXP it (EXP it )2 = Tingkat kemiskinan (head count poverty) kabupaten ke-i periode ke-t (persen) = Tingkat kemiskinan (head count poverty) kabupaten ke-i periode ke-(t-1) (persen) = PDRB per kapita atas dasar harga konstan 2000 kabupaten ke-i periode ke-t (persen) = Indeks gini kabupaten ke-i periode ke-t = Pengeluaran pemerintah kabupaten ke-i tahun ke-t (juta rupiah) = Pengeluaran pemerintah kabupaten ke-i tahun ke-t (juta rupiah) 3. beberapa kriteria ditentukan untuk melihat uji validitas dan uji spesifikasi model. sehingga tidak lagi dilakukan uji haussman untuk menentuakan model efek tetap atau model efek acak yang digunakan. . Dalam penelitian ini. Kriteria tersebut antara lain adalah: 1. mengacu pada penelitian sebelumnya maka hanya analisis panel data dengan model efek tetap yang digunakan. untuk menentukan model dinamis atau penggunaan jenis GMM yang paling sempurna.3. Konsistensi model dengan menggunakan Arellano-Bond m 1 dan m 2 untuk menguji adanya serial korelasi pada residual. Uji Spesifikasi Model Data Panel Pada model data panel statis. 2. Pada model panel data dinamis. Validitas instrumen dengan menggunakan pemeriksaan moment condition dengan menggunakan Uji Sargan.2.51 dikembangkan oleh Iradian (2005) yang telah dimodifikasi.

Definisi Operasional Berikut diberikan definisi operasional dari masing-masing variabel yang digunakan dalam model. Estimasi parameter menggunakan GMM seharusnya menghasilkan estimasi yang tidak bias. 3. PDRB perkapita (Y) merupakan hasil bagi PDRB atas dasar harga konstan Tahun 2000 dengan jumlah penduduk masing-masing kabupaten. 7. Pengeluaran pemerintah (EXP) merupakan total belanja yang dikeluarkan oleh pemerintah daerah berdasarkan APBD. Jumlah penduduk (POP) merupakan jumlah penduduk yang dihitung berdasarkan jumlah penduduk pertengahan tahun yang tersedia dalam publikasi PDRB kabupaten/kota BPS.2. antara lain: 1. Tingkat kemiskinan (P) merupakan tingkat kemiskinan (headcount poverty) yang dihitung berdasarkan garis kemiskinan BPS. Dalam penelitian ini nilai inflasi kabupaten tertinggal didekati dengan nilai PDRB deflator. Data diperoleh dari publikasi PDRB kabupaten kota Tahun 2007-2009 yang diperoleh dari BPS. 2.52 3. Angka Indeks gini diperoleh dari perhitungan penulis dengan menggunakan data SUSENAS kor Tahun 2007-2009. 3. valid dan tidak bias. Indeks gini (GINI) meupakan ukuran ketimpangan pendapatan dari sisi pengeluaran per kapita. . Berdasarkan kriteria tersebut maka penduga terbaik haruslah memiliki kriteria konsisten. 4. Data tingkat kemiskinan didasarkan pada data yang dikeluarkan oleh BPS berdasarkan data SUSENAS. Inflasi (INF) merupakan ukuran tingkat perubahan harga di pasar yang juga dapat mencerminkan daya beli masyarakat. 6. Program Percepatan Pembangunan Infrastruktur Pedesaan Daerah Tertinggal (P2IPDT) merupakan besaran dana bantuan stimulus infrastruktur yang diperoleh dari KPDT.4. sehubungan dengan tidak tersedianya data inflasi tingkat kabupaten. Dana bantuan stimulus tersebut merupakan salah satu mata anggaran dalam Anggaran Pendapatan dan Belanja Negara (APBN). 5.

KERAGAAN DAN DINAMIKA KABUPATEN TERTINGGAL SERTA UPAYA PERCEPATAN PEMBANGUNAN INFRASTRUKTUR KABUPATEN TERTINGGAL Analisis mengenai keragaan dan dinamika kabupaten tertinggal dilakukan untuk melihat dampak implementasi program P2IPDT yang telah dilakukan Kementrian PDT di daerah tertinggal. 76 kabupaten tertinggal berada di KBI dan 123 kabupaten tertinggal berada di KTI. Analisis sebelum dan sesudah (before and after) implementasi bantuan dipilih sebagai salah satu teknik untuk melihat dampak implementasi program.IV. terdapat sebanyak 199 kabupaten tertinggal di Indonesia. . Diharapkan dengan membandingkan kedua periode tahun ini. Secara kasat mata angka ini menunjukkan sedikit perbaikan pada capaian pengentasan kabupaten tertinggal. berdasarkan Keputusan Menteri PDT No. Kondisi awal sebelum implementasi program dideskripsikan sebagai kondisi kabupaten tertinggal pada tahun 2006. 4. Pemerintah melalui Kementrian PDT telah melaksanakan berbagai program untuk meningkatkan daya saing daerah tertinggal dan mengejar ketertinggalan. Berdasarkan data dari Kementrian PDT. Keragaan Kabupaten Tertinggal Ketertinggalan daerah dalam pembangunan disebabkan oleh banyak faktor yang bersifat kompleks dan menyebabkan ketimpangan yang kurang menguntungkan dalam berbagai aspek. sedangkan kondisi akhir setelah implementasi program dideskripsikan sebagai kondisi pada tahun 2009.1. Hal itu menyebabkan perlunya suatu upaya sistematis dan terencana untuk mengejar ketertinggalan daerah sehingga setara dengan daerah maju lainnya. sampai dengan tahun 2010 terdapat 183 kabupaten yang tergolong sebagai daerah tertinggal. dapat dilihat secara sederhana dinamika kabupaten tertinggal sebelum dan sesudah implementasi program P2IPDT. Sebanyak 55 kabupaten tertinggal berada di wilayah Kawasan Barat Indonesia dan sebanyak 128 kabupaten berada di kawasan Indonesia Timur. karena tercatat pada tahun 2005. 001/KEP/M-PDT/I/2005.

00 KBI 0  28.71  42. dimana d daer rah tertinggal tersebut kemudi ian memben ntuk daerah h otonomi b baru (48 ka abupaten).54 Data te ersebut me enunjukkan. selama kurun wa aktu 2005-2010. KTI dan d Nasional l. diolah G Gambar 4. dari d 199 kab bupaten yan ng masuk kategori k tert tinggal pad da tahun 200 05. Masi ih tingginy ya jumlah kabupaten tertinggal l yang ter rcatat pada a tahun 20 010 diseb babkan kar rena adanya a proses pemekaran p wilayah.7 72  59. 100. Tahun 20 005 dan 201 10 Dari dat ta jumlah kabupaten k te ertinggal ya ang dipublik kasikan ole eh Kementrian PDT. S Sehingga to otal kabu upaten tertin nggal di Indo onesia pada a tahun 2010 0 menjadi sebanyak s 18 83 kabupaten. kabu upaten tert tinggal tel lah tidak dapat dia artikan bah hwa hanya sebanyak 16 berhas sil terenta askan dari i keterting ggalan.00 80. Perbandi ingan Pers sentase Kab bupaten Te ertinggal K KBI.00 0. baik tahu un 2005 dan d 2010. .00 60. penu Berd dasarkan an ngka terseb but. Pa ada keny yataannya.00 40.25 2010 20 005 KTI Indonesia 37. Kawasan Timur T Indo onesia tercatat memil liki perse entase jumlah kabupat ten tertinggal yang leb bih tinggi bila b dibandin ngkan deng gan Kaw wasan Barat Indonesia (Gambar 4.68  58. terjadi urunan jum mlah kabup paten tertin nggal di In ndonesia sebanyak 16 kabupat ten.1 1.90 20. Salah s satu faktor yang meng gakibatkan hal h .1).81 2005 20 010 S Sumber: Kem mentrian PD DT (2010).00 20. seban nyak 51 ka abupaten tid dak lagi me enyandang daerah tert tinggal pada a tahun 2010.

Kondisi ini perlu disikapi. hanya Provinsi Bengkulu dan Nangroe Aceh Darussalam yang memiliki persentase kabupaten tertinggal lebih dari 50 persen. Pada tahun 2010. dengan mengkaji lebih dalam kondisi Bengkulu dan menerapkan kebijakan sesuai dengan kebijakan yang dilakukan di KTI (Gambar 4.2). terlihat perbedaan yang mencolok antara wilayah KBI dan KTI. Rejang Lebong dan Bengkulu Utara). Pada tahun 2005 Provinsi Banten memiliki 2 kabupaten . Data BPS menunjukkan bahwa kabupaten tertinggal di provinsi tersebut memiliki capaian pertumbuhan ekonomi rata-rata di atas 4 persen.1. Daerah Istimewa Yogyakarta dan Bali berhasil mengentaskan seluruh kabupaten tertinggal di wilayahnya. Provinsi Riau.1. Jawa Tengah. Provinsi Banten tercatat mengalami stagnasi dalam upaya mengurangi jumlah kabupaten tertinggalnya.55 tersebut diantaranya adalah proses pembangunan Indonesia masih terpusat di Kawasan Barat Indonesia. Hal ini tercermin dari fakta bahwa pada tahun 2010. yang notabene persentase sebesar itu merupakan karakteristik provinsi-provinsi di KTI. Adanya pengentasan 3 kabupaten tertinggal tersebut. hampir seluruh kabupaten di provinsi ini tergolong sebagai kabupaten tertinggal (kecuali Kota Bengkulu). Kondisi yang cukup mengkhawatirkan terjadi di Provinsi Bengkulu. tercatat pada tahun 2005. terjadi penurunan persentase kabupaten tertinggal di KBI sebanyak 8. Selain itu. Jambi. 3 kabupaten tertinggal berhasil terentaskan dari ketertinggalan (Bengkulu Selatan. 4. hanya DKI Jakarta yang tidak memiliki daerah tertinggal). Keberhasilan provinsi-provinsi tersebut mengentaskan kabupaten tertinggal di wilayahnya diduga erat kaitannya dengan kinerja perekonomian yang berhasil dicapai. dalam berbagai aspek baik sumber daya manusia serta infrastruktur. Keragaan Kabupaten Tertinggal Kawasan Barat Indonesia Selama kurun waktu 2005-2010. mulai terjadi perbaikan dalam upaya mengurangi jumlah kabupaten tertinggal.11 persen. nyatanya tidak membuat Bengkulu memiliki capaian pengentasan kabupaten tertinggal yang lebih baik dibandingkan dengan provinsi KBI lainnya. sehingga saat ini provinsi-provinsi tersebut tidak lagi memiliki kabupaten tertinggal (tahun 2005.

100.41 sedangkan Kabupaten Garut tercatat sebesar 0.00  20.00  60. IPM Provinsi Banten adalah sebesar 69.21.00  90.70.2.00  40.38 dan 0. diolah Gambar 4.56 tertinggal (Pandeglang dan Lebak). Indeks ketertinggalan sumber daya manusia Kabupaten Pandeglang dan Lebak masing-masing sebesar 0.00  30.00  ‐ 2005 2010 Sumber: Kementrian PDT (2010). Data dari Kementrian PDT menunjukkan pada kurun waktu 2005-2010 indeks ketertinggalan sumber daya manusia Kabupaten Pandeglang dan Lebak masih di atas indeks ketertinggalan sumber daya manusia Kabupaten Garut yang pada tahun 2011 sudah tergolong sebagai kabupaten maju.00  10. Diduga kondisi ini disebabkan oleh rendahnya kualitas sumber daya manusia Provinsi Banten. Perbandingan Persentase Jumlah Kabupaten Tertinggal KBI menurut Provinsi Tahun 2005 dan 2010 .00  70. sedangkan kondisi tahun 2010 kedua kabupaten tersebut masih belum berhasil terentaskan. Tingginya indeks ketertinggalan dalam bidang sumber daya manusia mengindikasikan rendahnya kualitas sumber daya manusia di Provinsi Banten. lebih rendah dari capaian IPM nasional yang tercatat sebesar 71.00  80. Data BPS menunjukkan bahwa pada tahun 2008.00  50.17.

57 Gambar 4. Keragaan Kabupaten Tertinggal Kawasan Timur Indonesia Kondisi yang berbeda tampak pada keragaan kabupaten tertinggal di Kawasan Timur Indonesia (KTI).00  90. 100.00  20.2. Meningkatnya angka persentase kabupaten tertinggal diduga sebagai akibat pemekaran-pemekaran wilayah yang dilakukan oleh kabupaten induk seiring dengan adanya otonomi daerah. Perbandingan Persentase Jumlah Kabupaten Tertinggal KTI menurut Provinsi Tahun 2005 dan 2010 Provinsi Sulawesi Selatan.00  ‐ 2005 2010 Sumber: Kementrian PDT (2010).00  10.1 menunjukkan bahwa Provinsi Sumatera Selatan mengalami peningkatan jumlah kabupaten tertinggal. Peningkatan jumlah kabupaten tertinggal di Provinsi ini disebabkan adanya pemekaran wilayah.00  70.00  80. dalam kurun waktu 2005-2010 tercatat mengalami pencapaian yang cukup memuaskan dalam pengentasan kabupaten tertinggal.00  40. Dalam .00  50.1. dimana terdapat satu daerah otonomi baru yaitu Kabupaten Empat Lawang yang juga masuk kategori daerah tertinggal. Tercatat hampir semua provinsi di KTI memiliki kenaikan persentase kabupaten tertinggal pada kurun waktu 2005-2010.00  60.00  30. 4.3. diolah Gambar 4.

2. kabupaten tertinggal di Provinsi Sulawesi Barat tercatat sebanyak 5 kabupaten (100 persen dari total kabupaten).2.14 persen pada tahun 2010.17 persen pada tahun 2005 menjadi sebesar 16. Kondisi yang cukup kontras terjadi pada Provinsi Sulawesi Barat. karena dalam penghitungan PDRB atas dasar harga konstan tersebut. 4.1. Pertumbuhan ekonomi merupakan salah satu indikator penting guna melakukan evaluasi dan koreksi terhadap program pembangunan ekonomi yang telah dilaksanakan pada masa atau periode yang lalu. dengan nilai pertumbuhan . Dalam mengukur tingkat pertumbuhan ekonomi digunakan angka Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan. Hal ini tercermin dari banyaknya kabupaten tertinggal yang berhasil terentaskan. dimana seluruh kabupaten di Provinsi ini masuk kategori sebagai daerah tertinggal pada tahun 2005. Dinamika Kabupaten Tertinggal 4.58 periode tersebut sebanyak 9 kabupaten berhasil lepas dari ketertinggalan. dan tidak terjadi perubahan ke arah yang lebih baik pada tahun 2010. Selama kurun waktu tersebut. Rata-rata pertumbuhan ekonomi kabupaten tertinggal tertinggi dicapai oleh Provinsi Riau. tercatat bahwa sebagian besar kabupaten tertinggal memiliki pertumbuhan ekonomi di atas 4 persen. pengaruh perubahan harga telah dieliminasi. Dengan demikian pertumbuhan yang dicerminkan merupakan pertumbuhan riil barang dan jasa dalam suatu periode waktu tertentu. Dinamika Pertumbuhan Program-program pengentasan kabupaten tertinggal yang dilakukan oleh Kementrian PDT selain dimaksudkan untuk mengentaskan kabupaten tertinggal juga diupayakan dapat mendorong pertumbuhan ekonomi kabupaten tertinggal. Capaian rata-rata pertumbuhan ekonomi kabupaten tertinggal di Kawasan Barat Indonesia cukup tinggi. menjadi sebesar 7. Provinsi Kalimantan Tengah juga mengalami kemajuan yang cukup berarti. atau mengalami penurunan persentase kabupaten tertinggal dari 50 persen pada tahun 2005. yaitu sebanyak 6 kabupaten.67 persen pada tahun 2010 (Lampiran 3). atau terjadi penurunan persentase kabupaten tertinggal dari 54.

propinsi Riau berhasil mengentaskan 2 kabupaten tertinggalnya lepas dari ketertinggalan.00 ‐2.59 ekonomi periode 2006-2009 adalah sebesar 7.33 5. Rendahnya kinerja perekonomian Provinsi Bengkulu bila dibandingkan dengan provinsi lain di KBI ini diikuti dengan tingginya persentase jumlah kabupaten tertinggal (di atas 50 persen).31 4. untuk mendorong meningkatnya . menurut Provinsi Tahun 2006-2009 Provinsi Bengkulu.86 7.52 4.37 2.10 ‐3.00 4. Perbandingan Pertumbuhan PDRB Atas Dasar Harga Konstan Kabupaten Tertinggal KBI.88 Sumber: BPS (2010).19 5. diolah Gambar 4. Rendahnya nilai pertumbuhan yang dicapai menggambarkan lambatnya kinerja perekonomian di provinsi Bengkulu.00 0. Ini merupakan kondisi yang mengkhawatirkan sehingga perlu kiranya penanganan yang cukup serius dari institusi terkait.41 3.30 5.45 5.16 4.70 4. Sektor migas mampu memberikan kontribusi penting dalam mendorong pertumbuhan ekonomi. Implikasi dari hal tersebut bahwa dengan nilai pertumbuhan yang tinggi. pada periode tahun yang sama mengalami pertumbuhan di bawah 4 persen (2.53 4.00 2.98 1.00 5.00 ‐6.4.00 6.33 persen per tahun.77 5. Pertumbuhan ekonomi yang tinggi di Provinsi Riau lebih banyak ditopang melalui pendapatan asli daerah dari sektor migas. 8.00 ‐4.98 persen).

00 6.376. meskipun sektor bangunan mengalami peningkatan seiring dengan adanya pembangunan infrastruktur dalam rangka rehabilitasi dan rekonstruksi pasca bencana tsunami (BI.63 miliar (Lampiran 4).00 2.03 6. 8. 2007).86 2.88 3.550.60 aktifitas ekonomi di provinsi ini yang pada gilirannya dapat membantu dalam mengentaskan kabupaten tertinggal di wilayah Bengkulu.5.85 2.72 3. Dari seluruh provinsi di KBI. Pertumbuhan ekonomi yang negatif dipicu oleh besarnya penurunan nilai produksi migas sejak tahun 2004 hingga sekarang. nyatanya lebih tinggi dari capaian rata-rata pertumbuhan ekonomi kabupaten tertinggal KBI. diolah Gambar 4. Perbandingan Pertumbuhan PDRB Atas Dasar Harga Konstan Kabupaten Tertinggal KTI.18 6. menurut Provinsi Tahun 2006-2009 Capaian rata-rata pertumbuhan ekonomi kabupaten tertinggal KTI. 1.63 7.00 7.81 7.03 Sumber: BPS (2010). Tidak sedikit kabupaten tertinggal yang mencatat pertumbuhan ekonomi yang tinggi .05 5. tercatat bahwa hanya Provinsi Nangroe Aceh Darussalam (NAD) yang memiliki pertumbuhan negatif (-3.53 5.31 miliar dan mengalami penurunan pada tahun 2009 menjadi sebesar Rp.00 4. 1.00 0.72 2.19 7.00 5.36 5.75 5.00 3.00 2.00 1.38 persen).51 6. Pada tahun 2006 Provinsi Nangroe Aceh Darussalam tercatat memiliki rata-rata PDRB atas dasar harga konstan sebesar Rp.

ketidakmerataan tinggi apabila angka indeks gini lebih besar dari 0.3 . Ketimpangan pendapatan menurut Oshima (1970) dapat dikelompokkan menjadi tiga berdasarkan angka indeks gini yaitu: 1.61 (di atas 5 persen) pada kurun waktu 2006-2009.0. ketimpangan distribusi pendapatan kabupaten tertinggal menurut provinsi yang diukur dengan angka indeks gini masih tergolong rendah sampai sedang. Dinamika Ketimpangan Pertumbuhan ekonomi yang dicapai kabupaten tertinggal diharapkan diikuti oleh penurunan ketimpangan pendapatan.19 persen. Upaya pemerintah daerah menggalakkan produksi jagung di wilayah ini diduga menjadi stimulus positif dalam upaya menggerakkan pertumbuhan ekonomi wilayah ini.4. Rata-rata pertumbuhan ekonomi terendah dicatat oleh kabupaten tertinggal di wilayah Provinsi Kalimantan Selatan. ketidakmerataan rendah apabila angka indeks gini lebih kecil dari 0.2. hal ini dapat diartikan bahwa terjadi kenaikan ketimpangan distribusi pendapatan pada kabupaten-kabupaten tertinggal di wilayah Indonesia.4. tercatat provinsi ini mengalami pertumbuhan ekonomi sebesar 2. Rata-rata pertumbuhan ekonomi kabupaten tertinggal tertinggi dicatat oleh Provinsi Gorontalo dengan pertumbuhan ekonomi sebesar 7. 3. 4.3. ketidakmerataan sedang apabila angka indeks gini terletak antara 0. 2. Angka indeks gini juga mengalami tren peningkatan tiap tahunnya. . Berdasarkan kiteria tersebut. sehingga dengan adanya penurunan ketimpangan pendapatan maka penurunan tingkat kemiskinan di kabupaten tertinggal dapat dicapai. Pada kurun waktu 2006-2009.72 persen.2.

6.39 (Gambar 4. Sama halnya dengan KBI. Angka indeks gini ini masih tergolong sebagai ketidakmerataan sedang.1 0.7). Kondisi ini berarti ketimpangan distribusi pendapatan di Provinsi Bangka Belitung termasuk kategori ketimpangan rendah. angka indeks gini ini masih tergolong sebagai ketidakmerataan sedang.62 0.35 0. namun perlu diwaspadai karena nilainya hampir mendekati kategori ketidakmerataan tinggi dan terdapat kecenderungan untuk meningkat tiap tahunnya.4 0. diolah dari data Susenas Kor 2006 dan 2009 Gambar 4. hal ini tercermin dari indeks gini yang berada pada kisaran 0.2 0.6).30 hingga 0. dengan angka indeks gini pada tahun 2009 sebesar 0. menurut Provinsi Tahun 2006-2009 Angka indeks gini kabupaten tertinggal KBI berada pada kisaran 0.28.40 (Gambar 4.25 0.39.25 hingga 0.15 0. Angka indeks gini tertinggi adalah Provinsi Daerah Istimewa Yogyakarta.05 0 Gini 2006 Gini 2009 Sumber: BPS. Dibandingkan dengan ketimpangan distribusi pendapatan KBI. namun perlu .45 0. Daerah dengan angka indeks gini terendah di KBI adalah Provinsi Bangka Belitung dengan nilai indeks gini pada tahun 2009 sebesar 0.3 0. Perbandingan Angka Indeks gini Kabupaten Tertinggal KBI. KTI memiliki ketimpangan pendapatan yang relatif lebih tinggi.

41 pada tahun 2009.4 0.1 0.26 dan meningkat menjadi sebesar 0. diolah dari data Susenas Kor 2006 dan 2009 Gambar 4.25 0. .05 0 Gini 2006 Gini 2009 Sumber: BPS.45 0.63 diwaspadai karena nilainya hampir mendekati kategori ketidakmerataan tinggi dan terdapat kecenderungan untuk meningkat tiap tahunnya. dengan angka indeks gini tahun 2006 sebesar 0. adanya kecenderungan peningkatan nilai tiap tahunnya.2 0. menurut Provinsi Tahun 2006-2009 Angka indeks gini kabupaten tertinggal KTI tertinggi dicatat oleh Provinsi Papua.7.39 dan meningkat menjadi sebesar 0.3 0.35 0. Fenomena yang perlu digarisbawahi mengenai kondisi ketimpangan distribusi pendapatan di kabupaten tertinggal ini adalah.15 0. 0. Hal ini mengindikasikan bahwa peningkatan pertumbuhan ekonomi yang terjadi di sebagian besar wilayah kabupaten tertinggal tidak diikuti dengan pemerataan distribusi pendapatan masyarakatnya. Angka indeks gini terendah di KTI dicatat oleh kabupaten tertinggal di Provinsi Kalimantan Tengah dengan angka indeks gini tahun 2006 sebesar 0.29 pada tahun 2009. Perbandingan Angka Indeks gini Kabupaten Tertinggal KTI.

Rata-rata penurunan persentase penduduk miskin kabupaten tertinggal tertinggi adalah di Provinsi Gorontalo dengan rata-rata penurunan persentase penduduk miskin kabupaten tertinggal sebesar 11. Melalui kedua indikator ini. Rata-rata persentase kemiskinan kabupaten tertinggal menurut provinsi juga mengalami penurunan dalam kurun waktu 2006-2009. Hal ini berarti terjadi penurunan angka kemiskinan di Indonesia sebesar 1. Sehingga dapat dikatakan pertumbuhan ekonomi di Gorontalo pro terhadap rakyat miskin (pro poor growth).3.2. kinerja pembangunan ekonomi yang mampu menyejahterakan masyarakat dapat diukur. hal ini tercermin dari adanya kecenderungan penurunan nilai tiap tahunnya. Persentase penurunan penduduk miskin yang cukup besar di Gorontalo ini diimbangi dengan capaian nilai pertumbuhan ekonomi yang besar (Lampiran 6). Sama halnya dengan kondisi nasional. Angka kemiskinan Indonesia tahun 2009 tercatat sebesar 14.42persen.64 4.27persen. Hampir seluruh kabupaten tertinggal mengalami penurunan angka kemiskinan sejak tahun 2006 hingga 2009.3 persen (Gambar 4. Kemiskinan merupakan masalah multi dimensi yang menarik untuk dicermati.15persen. Data BPS menunjukkan bahwa capaian angka kemiskinan di Indonesia membaik. Kondisi ini dapat menyebabkan pertumbuhan berpotensi untuk meningkatkan tingkat kemiskinan. capaian indikator kemiskinan kabupaten tertinggal juga membaik.8). Indikator kemiskinan yang paling sering mendapat perhatian publik adalah jumlah dan persentase penduduk miskin. Indikator kemiskinan ini mengalami perbaikan apabila dibandingkan dengan tahun sebelumnya yang tercatat sebesar 15. Dinamika Kemiskinan Kondisi ketimpangan pendapatan di kabupaten tertinggal yang memiliki kecenderungan untuk meningkat tiap tahunnya kiranya perlu dicermati. .

dimana provinsi ini telah berhasil mengentaskan sebanyak 2 (dua) .6 5.9 3.63 persen).8 4. Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua 11. diolah Gambar 4.4 6.1 5.9 3.0 persen) diikuti dengan capaian pertumbuhan ekonomi yang cukup tinggi (23.8 5. mencatat bahwa provinsi yang memiliki rata-rata persentase penduduk miskin kabupaten tertinggal tertinggi tahun 2009 adalah Provinsi Daerah Istimewa Yogyakarta (DIY).0 4.0 Nangroe Aceh Darussalam Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau Jawa Barat Jawa Tengah D.4 6. Daerah Istimewa Yogyakarta juga tercatat sebagai provinsi di KBI yang memiliki angka indeks gini yang tinggi (Gambar 4.9 5.9).8 6.9 3. Indikator kemiskinan lainnya. Kondisi ini mengisyaratkan bahwa pertumbuhan ekonomi di Provinsi Kepulauan Riau telah mendukung upaya pemerintah dalam melaksanakan pembangunan yang juga mampu menurunkan tingkat kemiskinan.9 11.7 7.0 9.9 5.8 4.0 0.4 3.8.9 7. Satu hal yang menarik untuk dicermati pada Provinsi DIY adalah fakta bahwa pada tahun 2010 Provinsi DIY mencapai prestasi yang cukup baik dalam pengentasan kabupaten tertinggal. dimana capaian penurunan persentase penduduk miskin yang cukup besar (11. Rata-Rata Penurunan Persentase Penduduk Miskin Kabupaten Tertinggal.0 8.9 7.2 3.4 3.6).0 10.3 Sumber: BPS (2009b).6 3.6 5.I.0 2. Tahun 2006-2009 Kondisi yang sama terjadi untuk Provinsi Kepulauan Riau.3 5.8 4.65 12. yaitu rata-rata persentase penduduk miskin (Gambar 4. Ironisnya.55 persen pada tahun 2009 (Lampiran 6).5 7. yaitu sebesar 24.0 5.0 6.65.9 6. pada tahun yang sama.1 8.3 7.

00 10.9. 35.00 Po 2006 Po 2009 Sumber: BPS (2009b).66 kabupaten tertinggal di wilayahnya. dengan rata- . diolah Gambar 4.00 20.00 30. Faktor lain yang diduga menyebabkan terjadinya kondisi yang saling bertolak belakang ini adalah faktor tidak dimasukkannya indikator kemiskinan sebagai salah satu kriteria kabupaten tertinggal. Rata-rata persentase penduduk miskin tertinggi baik pada tahun 2006 maupun tahun 2009 di KTI adalah di Provinsi Papua. dimana hampir di semua provinsi mengalami penurunan ratarata persentase penduduk miskin. Perbandingan Rata-Rata Persentase Penduduk Miskin Kabupaten Tertinggal KBI.00 0.00 5. menurut Provinsi Tahun 2006-2009 Indikator kemiskinan yang diwujudkan dalam rata-rata persentase penduduk miskin kabupaten tertinggal di KTI memiliki karakteristik yang hampir sama dengan KBI (Gambar 4. Capaian yang cukup baik ini nyatanya tidak diikuti dengan capaian yang baik pula pada indikator kemiskinan dan ketimpangan.00 25.10). Hal ini menunjukkan bahwa belum adanya sinkronisasi pada kebijakan pengentasan kemiskinan di kabupaten tertinggal dengan kebijakan pengentasan kabupaten tertinggal. sehingga pada tahun yang sama Provinsi DIY tidak lagi memiliki kabupaten tertinggal.00 15.

40 persen pada tahun 2009 (Lampiran 6).10. menurut Provinsi Tahun 20062009 Analisis lebih mendalam mengenai gambaran dinamika kemiskinan kabupaten tertinggal pada tingkat kabupaten dapat dilihat dengan membandingkan kondisi pertumbuhan dan kemiskinan pada tahun 2006 dan 2009. Perbandingan Rata-Rata Persentase Penduduk Miskin Kabupaten Tertinggal KTI.00 25.67 rata persentase penduduk miskin kabupaten tertinggal tahun 2006 sebesar 41.95 persen dan turun menjadi sebesar 36.00 30.7). melalui analisis kuadran.00 0. Kuadran 1 menunjukkan kondisi terbaik.00 35. yaitu apabila kabupaten tertinggal memiliki karakteristik pertumbuhan diatas rata-rata dan kemiskinan yang rendah (di bawah rata-rata).00 15. Sama halnya dengan Provinsi Daerah Istimewa Yogyakarta.00 10.00 40. 45. Kuadran 2 menunjukkan kondisi dimana kabupaten tertinggal memiliki karakteristik pertumbuhan ekoomi yang tinggi namun diikuti dengan .00 5.00 Po 2006 Po 2009 Sumber: BPS (2009b).00 20. Provinsi Papua juga tercatat sebagai provinsi dengan persentase penduduk miskin kabupaten tertinggal tertinggi dan diikuti dengan capaian tertinggi dalam hal ketimpangan distribusi pendapatan (Gambar 4. diolah Gambar 4.

Gayo Lues. Kondisi ini dapat diartikan sebagai perbaikan dalam hal penurunan persentase kemiskinan di kabupaten-kabupaten tersebut. Kondisi kabupaten tertinggal di KBI memiliki karakteristik yang cukup baik. Nagan Raya. Kabupaten Aceh Barat Daya tersebut posisinya berubah dari kuadran 3 ke kuadran 2. sedangkan kuadran 4 menunjukkan kondisi dimana kabupaten tertinggal memiliki karakteristik pertumbuhan ekonomi yang rendah namun dengan persentase kemiskinan yang rendah pula.68 persentase kemiskinan yang tinggi. dimana posisinya berubah dari kuadran 2 menuju kuadran 1. artinya mengalami perbaikan karakteristik pertumbuhan ekonomi namun tidak dalam karakteristik kemiskinan. Tapanuli Tengah. Aceh Jaya. Perbaikan dalam penurunan persentase kemiskinan dialami oleh Kabupaten Lingga. yang posisinya berubah dari kuadran 3 ke kuadran 4. kemiskinan rendah) ke kuadran 1 (pertumbuhan tinggi. Simelue. Dari seluruh kabupaten yang disebutkan di atas hanya kabupaten Aceh Barat Daya yang memiliki catatan perbaikan. . Kaur serta Seluma. sedangkan perbaikan kondisi yang sangat signifikan dialami oleh Kabupaten Banjarnegara yang posisinya berubah dari kuadran 4 (pertumbuhan rendah. Kabupaten tertinggal lainnya yang tercatat mengalami perbaikan kondisi antara lain adalah Kabupaten Nias. Hasil analisis kuadran menunjukkan bahwa kabupaten tertinggal di KBI tersebar secara merata di setiap kuadran. terlihat banyak kabupaten tertinggal yang pada tahun 2006 maupun 2009 berada pada kuadran 1 (kuadran terbaik) atau setidaknya berada pada kuadran 4 (pertumbuhan rendah. sedangkan kabupaten tertinggal di KTI mengumpul di sekitar garis rata-rata dengan konsentrasi terbanyak di kuadran1 dan 4 (Lampiran 7). kemiskinan rendah). Bener Meriah dan kabupaten tertinggal di wilayah Bengkulu yaitu. yaitu. sedangkan yang lain tetap. Bengkulu Selatan. Aceh Barat Daya. Aceh Singkil. kemiskinan rendah). Musi Rawas dan Lampung Timur. Beberapa kabupaten tercatat berada pada kuadran terburuk (kuadran 3) yaitu kabupaten tertinggal di provinsi NAD. Kuadran 3 menunjukkan kondisi terburuk dimana kabupaten tertinggal memiliki karakteristik pertumbuhan ekonomi yang rendah (di bawah rata-rata) dengan persentase kemiskinan yang tinggi. Lahat.

Kolaka. Kabupaten tertinggal di KBI cenderung menyebar merata di tiap kuadran. Polewali Mandar dan Merauke yang . Kebijakan pemerintah yang dapat mendorong meningkatnya aktifitas ekonomi kiranya diperlukan untuk memperbaiki capaian pertumbuhan Kabupaten Bengkulu Utara di masa datang. Kabupaten tertinggal yang berpindah antar kuadran di KTI ternyata tidak sebanyak yang terjadi di KBI.69 Kondisi yang cukup ekstrem dialami oleh kabupaten Rembang. Kulon Progo dan Gunung Kidul. agar kedepannya pertumbuhan ekonomi yang dicapai dapat diikuti dengan peningkatan kesejahteraan masyarakat yang tercermin dari adanya penurunan persentase kemiskinan. Hasil perbandingan analisis kuadran dari kabupaten tertinggal KBI dan KTI. Hal ini tercermin dari berubahnya posisi Kabupaten Bengkulu Utara dari kuadran 1 ke kuadran 4. Tercatat hanya sekitar 14 kabupaten dari 123 kabupaten tertinggal di KTI yang mengalami perpindahan kuadran. Hal ini ditunjukkan dengan masih banyaknya kabupaten tertinggal yang berada di kuadran 3. Kondisi yang dicapai oleh ketiga kabupaten ini perlu dicermati. kondisi ini dapat diartikan bahwa terjadi perbaikan dalam capaian pertumbuhan ekonomi. Ke-14 kabupaten tersebut diantaranya adalah Kabupaten Lombok Tengah. Kabupaten tertinggal di KTI rata-rata memiliki karakteristik yang seragam. analisis kuadran menunjukkan bahwa kondisi pertumbuhan ekonomi dan kemiskinan kabupaten tertinggal KTI tidak lebih baik pencapaiannya. Berbeda halnya dengan kondisi yang terjadi di wilayah KBI. sedangkan di KTI kabupaten tertinggal terlihat lebih terkonsentrasi di sekitar kuadran 3 dan 4. yang posisinya berubah dari kuadran 4 ke kuadran 2. sisanya tetap. yang dapat diartikan bahwa terjadi penurunan dalam hal capaian pertumbuhan ekonomi di kabupaten ini. Tercatat hanya kabupaten tertinggal di wilayah Kalimantan dan Sulawesi yang menyebar di kuadran 1 dan 4. Sanggau. Bima. dimana terdapat kecenderungan untuk tetap berada pada kuadran yang sama baik di tahun 2006 maupun di tahun 2009. terlihat bahwa pola penyebaran karakteristik kabupaten tertinggal jauh berbeda. Kabupaten Bengkulu Utara merupakan satu-satunya kabupaten di KBI yang mengalami kemunduran. namun diiringi dengan peningkatan persentase penduduk miskin di wilayah ini.

Bantuan Stimulus Infrastruktur Peraturan Presiden Nomor 90 Tahun 2006. Maluku dan Papua memiliki kecenderungan berada di kuadran 3. hal ini terbukti dengan berpindahnya kabupaten ini dari kuadran 4 di tahun 2006 menjadi kuadran 1 di tahun 2009. atau berpindah dari kuadran 2 ke kuadran 1. sehingga pertumbuhan ekonomi menjadi di bawah rata-rata kabupaten tertinggal. Bone Bolango dan Jayapura mengalami perpindahan dari kuadran 3 ke kuadran 4. bahwa terdapat variasi yang seragam apabila karakteristik kabupaten tertinggal ini dilihat per masing-masing pulau. Kabupaten Tana Toraja mengalami kemunduran kondisi dimana perpindahan kuadran yang terjadi adalah dari kuadran 1 ke kuadran 4. ekonomi dan energi dalam bentuk bantuan sosial dengan . Kabupaten lainnya yaitu Kabupaten Boalemo.70 mengalami perbaikan karakteristik kemiskinan dengan pertumbuhan ekonomi di atas rata-rata. yang artinya terjadi kemunduran geliat ekonomi di kabupaten ini. sosial. program P2IPDT ini juga sebagai solusi mengatasi ketimpangan infrastruktur. Satu hal yang cukup menarik untuk dicermati. Peningkatan infrastruktur ini diharapkan dapat menjadi pendorong dalam pengentasan daerah tertinggal. Program P2IPDT ini merupakan salah satu bentuk kegiatan pokok dari pemerintah kepada daerah tertinggal di bidang pembangunan infrastruktur pedesaan dan menjadi stimulan kegiatan pendukung atau pendorong pembangunan infrastruktur daerah melalui penyediaan sarana dan prasarana transportasi. Pohuwatu. Kabupaten Muna tercatat mengalami perbaikan yang cukup baik dalam karakteristik pertumbuhan dan kemiskinan. Gorontalo. 4. Selain untuk mengentaskan daerah tertinggal. atau mengalami perbaikan indikator kemiskinan dengan pertumbuhan di bawah rata-rata. menjadi dasar hukum pelaksanaan Percepatan Pembangunan Infrastruktur Pedesaan Daerah Tertinggal (P2IPDT) yang dilaksanakan oleh Kementrian PDT.3. Kabupaten tertinggal yang terletak di pulau Kalimantan dan Sulawesi memiliki kecenderungan untuk berada di kuadran 1 dan 4. informasi dan telekomunikasi. sedangkan kabupaten tertinggal di wilayah Kepulauan Nusa Tenggara.

Besaran pemberian bantuan dan jenis bantuan stimulus infrastruktur ini didasarkan pada kebutuhan masing-masing daerah tertinggal. diolah Gambar 4. Kementrian Nangroe Aceh Darussalam Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau Jawa Barat Jawa Tengah D. Perbandingan Pertumbuhan Bantuan Stimulus Infrastruktur (P2IPDT). Sumber: Kementrian PDT (2009). dalam kurun waktu tahun 2006-2009. Capaian angka pertumbuhan bantuan P2IPDT yang cukup besar di NAD disebabkan oleh fakta bahwa pada tahun 2006 pemulihan kondisi NAD pasca bencana alam tsunami. Bantuan stimulan bersifat komplementer dan integral terhadap sektor terkait dan program daerah yang bersangkutan.417. terdapat sebanyak 82 kabupaten tertinggal yang secara kontinu sejak tahun 2007 hingga 2009 mendapatkan bantuan stimulus infrastruktur tiap tahunnya. Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua 1600 1400 1200 1000 800 600 400 200 0 ‐200 .29 persen (Lampiran 8). menurut Provinsi Tahun 2006-2009 Berdasarkan data yang diperoleh dari Kementrian PDT. Dari sebanyak 199 kabupaten tertinggal.71 pendekatan pemberdayaan masyarakat.11. bantuan infrastruktur di provinsi ini banyak terserap dan dikoordinir oleh Badan Rekontruksi Aceh dan Nias. bantuan stimulus infrastruktur yang diberikan berfluktuatif.I. Ratarata pertumbuhan bantuan stimulus infrastruktur tertinggi selama periode waktu tersebut adalah Provinsi Nangroe Aceh Darussalam dengan capaian sebesar lebih dari 1.

57 persen untuk Provinsi Kepulauan Riau dan 5. Kepulauan Riau. diolah Gambar 4. Bali. NTB. Terdapat 5 provinsi yang tercatat mengalami penurunan rata-rata bantuan stimulus infrastruktur. Penurunan nilai bantuan infrastruktur provinsi Kepulauan Riau dan Bali ini diduga terkait dengan semakin membaiknya kinerja perekonomian daerah di dua provinsi tersebut. Papua barat dan Papua. Penurunan ini tercermin dari nilai laju pertumbuhan bantuan stimulus infrastruktur periode 2007-2009 yang bernilai negatif. Tercatat pada . menurut Provinsi Tahun 2006-2009 Apabila dibandingkan per provinsi KBI. Kelima provinsi tersebut antara lain. 6000 5000 4000 3000 2000 1000 0 2007 2008 2009 Sumber: Kementrian PDT (2009). Perbandingan Rata-rata Bantuan Stimulus Infrastruktur (P2IPDT) di KBI.72 PDT kembali melaksanakan fungsinya dalam percepatan pembangunan infrastruktur di Provinsi Nangroe Aceh Darussalam sejak tahun 2009.12. Data BPS menunjukkan angka pertumbuhan ekonomi yang cukup tinggi. rata-rata bantuan stimulus infrastruktur terbesar tercatat di kabupaten tertinggal Provinsi Riau. yaitu sebesar 4.94 persen untuk Provinsi Bali.

Perbandingan Rata-rata Bantuan Stimulus Infrastruktur (P2IPDT) di KTI.66 juta (Lampiran 7). Hal ini terbukti dengan tingginya capaian pertumbuhan ekonomi kabupaten tertinggal di Provinsi Kepulauan Riau. yang diikuti dengan peningkatan kesejahteraan masyarakatnya.261. diolah Gambar 4.49 juta (Lampiran 7). Namun tidak seperti Kepulauan Riau. 2. yakni sebesar Rp. Povinsi Riau tidak lagi memiliki kabupaten yang tergolong tertinggal.13. rata-rata bantuan stimulus infrastruktur kabupaten tertinggal adalah sebesar Rp.73 tahun 2009. Provinsi Sulawesi Utara tercatat sebagai Provinsi dengan rata-rata bantuan stimulus infrastruktur terbesar untuk kabupaten tertinggal. capaian indikator ekonomi dan . Besarnya dana bantuan stimulus infrastruktur ini ternyata memiliki arti positif dalam menggerakkan perekonomian kabupaten tertinggal. sehingga tercatat pada tahun 2010. menurut Provinsi Tahun 2006-2009 Kondisi yang tidak jauh berbeda juga terjadi di kabupaten tertinggal KTI. Besaran bantuan stimulus infrastruktur ini juga diduga memiliki andil dalam mengentaskan kabupaten tertinggal di Provinsi Kepulauan Riau. 5. 3500 3000 2500 2000 1500 1000 500 0 2007 2008 2009 Sumber: Kementrian PDT (2009).507.

Kementrian PDT telah mengimplementasikan instrumen P2IPDT.51 juta) pada tahun 2009. pengembangan dermaga dan rehabilitasi dermaga kepada 14 desa. Buol serta beberapa kabupaten tertinggal lainnya).74 sosial kabupaten tertinggal di Provinsi ini tidak cukup memuaskan. Pangkajene Kepulauan dan beberapa kabupaten tertinggal lainnya. Nilai bantuan P2IPDT bidang transportasi untuk pengadaan jalan desa. Rokan Hulu. laut maupun udara. Bantuan stimulus inftrastruktur yang diberikan ke daerah tertinggal dilaksanakan melalui berbagai bidang bantuan. Pembangunan jembatan dilakukan dalam 2 tahap. Hulu Sungai Utara. yaitu pada periode 2008 (tahap 1) dan periode tahun 2009 (tahap 2). Nilai bantuan P2IPDT bidang transportasi terbesar yang diimplementasikan oleh Kementrian PDT adalah pada pembangunan jembatan di Kabupaten Kuantan Singgigi di Provinsi Riau. Pemberian bantuan melalui pengadaan sarana transportasi juga dilakukan oleh Kementrian PDT.5 milyar. diantaranya di Kabupaten Indragiri Hilir. Total nilai pembangunan jembatan untuk kedua tahap tersebut mencapai Rp. yang antara lain: 1. selain itu diimplementasikan pada beberapa kabupaten tertinggal dengan membangun jalan desa (Kabupaten Tapanuli Tengah. Provinsi Papua tercatat sebagai provinsi dengan rata-rata bantuan stimulus infrastruktur terendah (Rp. 7. dermaga/pelabuhan rakyat dan . 973. pembangunan jalan desa dan perbaikan sarana dan prasarana jalan pedesaan kepada 101 desa. P2IPDT Bidang Infrastruktur Transportasi Dalam upaya mengurangi keterisolasian bidang transportasi darat. Bantuan untuk peningkatan infrastruktur transportasi ini diberikan pada kabupaten tertinggal berupa peningkatan jalan desa. pembelian kapal tempel dan kapal penumpang pada 8 desa. Pada tahun 2009 program bantuan stimulus infrastruktur tersebut telah dilaksanakan pada berbagai bidang. Pesisir Selatan. pembangunan dermaga. Bantuan P2IPDT bidang transportasi diimplementasikan pula dengan membangun dermaga/pelabuhan rakyat pada beberapa kabupaten tertinggal (Kabupaten Kolaka dan Morowali). Bantuan P2IPDT bidang transportasi tahun 2009.

Bantuan P2IPDT bidang informasi dan telekomunikasi tahun 2009 (pembangunan WIM) diantaranya diimplementasikan di Kabupaten Tapanuli Tengah. Kementrian PDT bekerjasama dengan Kementrian Komunikasi dan Informasi. Satu hal yang menarik untuk dicermati adalah besarnya dana yang digulirkan untuk pembangunan jembatan di Kabupaten Kuantan Singgigi (Provinsi Riau). Pesisir Selatan.27 triliun atau menempati posisi kedelapan provinsi dengan PAD terbesar.75 sarana transportasi pedesaan nilainya relatif amat kecil bila dibandingkan dengan nilai bantuan P2IPDT untuk pembangunan jembatan di Kabupaten Kuantan Singgigi. 2.50 persen . Pembangunan WIM ini lebih banyak dilakukan di kabupaten tertinggal kawasan timur Indonesia (KTI). P2IPDT Bidang Infrastruktur Informasi dan Telekomunikasi Sejak tahun 2007 Kementrian PDT telah memberikan bantuan infrastruktur P2IPDT berupa peralatan internet dan peralatan komputer untuk sekolah. Kementrian Dalam Negeri. Dairi. Kementrian PDT menandatangani kesepahaman bersama 3 menteri dalam menangani ppenyediaan infrastruktur telekomunikasi “Program Desa Berdering” berupa telepon dasar minimal satu satuan sambungan telepon (SST) untuk satu desa pada tahun 2010. Konawe. alat komunikasi handy talky dan Warung Informasi Masyarakat (WIM) kepada 24 kabupaten tertinggal. dimana seharusnya pemberian bantuan stimulus infrastruktur diberikan pada kabupaten lain yang memiliki sumber daya yang relatif kurang. dermaga/pelabuhan rakyat dan transportasi pedesaan. Mamasa. 1. Mamuju Utara. Dana yang terserap pada pembangunan jembatan jauh lebih besar bila dibandingkan dengan dana yang terserap untuk pembangunan jalan desa. Luwu Utara. Padahal data menunjukkan bahwa pendapatan asli daerah Provinsi Riau sangatlah besar. Gorontalo dan beberapa kabupaten tertinggal lainnya. Ogan Komering Ulu Selatan. Satu hal yang menarik untuk menjadi perhatian adalah fakta bahwa kualitas sumber daya manusia di KTI masih relatif rendah. Data Susenas BPS tahun 2009 menunjukkan bahwa hanya sebesar 31. yaitu mencapai Rp. Kenyataan ini sangat kontradiktif.

Sampai dengan tahun 2005 terdapat kurang lebih 19 juta KK di seluruh Indonesia yang belum berlistrik. ice flake (mesin pembuat es curah). cold box.016 desa berupa PLTS tersebar.300 KK di 1. rehabilitasi irigasi. Masih terdapat sekitar 4. 3. PLTS terpusat sebanyak kurang lebih 4. P2IPDT Bidang Infrastruktur Ekonomi Sejak tahun 2006. sarana dan prasarana budidaya rumput laut serta alat mesin pengolah pakan ternak. . 4. P2IPDT Bidang Infrastruktur Energi Pemanfaatan sumber energi terbarukan telah menjadi tujuan pengembangan energi nasional dalam rangka penyediaan listrik di pedesaan. dari jumlah tersebut yang berada di daerah tertinggal dan tidak bisa dilayani PLN dalam kurun waktu 5-10 tahun kedepan adalah sebesar 5 juta KK atau sebanyak 10 ribu desa. alat mesin perontok padi. BCS sebanyak kurang lebih 3 unit (600 KK) dan bantuan jaringan listrik untuk 5 desa (750 KK). alat mesin penyuling nilam. sebanyak kurang lebih 39.970 unit.76 penduduk di KTI yang memiliki ijasah setingkat Sekolah Menengah Pertama (SMP) atau lebih. Pemanfaatan sumber daya energi terbarukan di daerah terpencil adalah untuk menghemat cadangan sumber bahan bakar fosil (minyak bumi dan batubara) dan untuk melestarikan lingkungan hidup. Kementrian PDT melalui P2IPDT bidang infrastruktur ekonomi telah memberikan bantuan sebanyak 18 jenis pada kabupaten tertinggal yang tersebar di 290 desa dan 514 kabupaten.380 unit. pamboat plus alat tangkap ikan. Kondisi ini menjadi suatu indikasi bahwa WIM dapat dinikmati oleh masyarakat tertentu saja (terutama masyarakat dengan tingkat pendidikan tertentu dan yang mengikuti perkembangan teknologi informasi).200 KK). alat mesin pertanian (handtractor dan power thrasher). cold storage. alat pengering ikan berkadar garam rendah. pakan ikan. Jumlah KK yang sudah mendapat bantuan infrastruktur energi adalah sebanyak 58.9 juta KK atau sekitar 9000 desa di daerah tertinggal masih belum menikmati listrik. Bantuan tersebut berupa pembangunan los kios pasar. PLTMH sebanyak kurang lebih 53 unit (13.

Implementasi P2IPDT bidang infrastruktur ekonomi tahun 2009 pada beberapa kabupaten tertinggal lainnya masih dilaksanakan dengan melakukan pengadaan alat mesin pertanian. Implementasi P2IPDT bidang infrastruktur ekonomi tahun 2009 lainnya adalah pengadaan Cool Box. difokuskan pada sarana dan prasarana kesehatan yang bersifat mobile (baik darat maupun laut) agar dapat memberikan pelayanan kesehatan yang optimal di daerah terpencil. P2IPDT Bidang Infrastruktur Sosial Kementrian PDT dalam menangani dan meningkatkan infrastruktur sosial diorientasikan pada: a. 5. pesisir dan pulau-pulau kecil terutama di daerah perbatasan. Seperti halnya pada Kabupaten Way Kanan dan Kepulauan Sangihe. Data BPS (2004) mencatat bahwa Kabupaten Kepulauan Sangihe masih mengandalkan sektor pertanian dalam perekonomiannya terutama pada subsektor perikanan (subsektor kedua setelah tanaman perkebunan dengan kontribusi PDRB terbesar).5 PK dan rumpon laut dalam di Kabupaten Kepulauan Sangihe. Pengadaan hand tractor di kabupaten ini sudah cukup sesuai. perekonomiannya masih bertopang pada sektor pertanian (agricultural base). Bidang kesehatan. Alat-alat tersebut merupakan alat penunjang subsektor perikanan di kabupaten ini.77 Salah satu implementasi P2IPDT bidang infrastruktur ekonomi tahun 2009 adalah pengadaan hand tractor di Kabupaten Way Kanan Provinsi Lampung. Pengadaan alat tersebut cukup sesuai dengan karakteristik Kabupaten Kepulauan Sangihe. Selain itu pembangunan puskesmas pembantu (Pustu) diarahkan pada daerah-daerah yang belum memiliki Pustu. mengingat Kabupaten Way Kanan masih mengandalkan sektor pertanian terutama subsektor tanaman bahan makanan dalam perekonomiannya. Pamboat. beberapa kabupaten tertinggal penerima bantuan P2IPDT bidang infrastruktur ekonomi. 2004). Sektor pertanian memberikan kontribusi terbesar dalam pembentukan PDRB kabupaten ini (BPS. . Ketinting 5.

61 12.00 2009 Cakupan 23 12 174 37 2 Proporsi (%) 6. Kedepannya infrastruktur pendidikan kiranya perlu menjadi prioritas mengingat berdasarkan teori pertumbuhan endogen peningkatan kualitas sumber daya manusia (knowledge) merupakan salah satu pendukung pertumbuhan ekonomi.83 100.34 73.00 2008 Cakupan 27 2 176 14 124 Proporsi (%) 4.30 1. menyajikan data cakupan kabupaten dan proporsi nilai bantuan stimulus infrastruktur per jenis bantuan. Bidang pendidikan.44 88.18 3. diolah Tabel 4.10 100. Kementrian PDT juga memberikan bantuan sosial berupa penyediaan air bersih untuk rumahtangga. Bantuan stimulus infrastruktur bidang energi .45 1. Cakupan Kabupaten Penerima P2IPDT dan Proporsi Nilai Bantuan P2IPDT per Jenis Bantuan di Kabupaten Tertinggal.98 7. diarahkan pada rehabilitasi dan pembangunan sekolah dasar yang rusak berat di desa-desa tertinggal.1. Bidang permukiman.35 0. Selain itu. difokuskan pada penyediaan air bersih bagi desa yang rawan air bersih khususnya di daerah rentan kekeringan.10 2.23 0.24 86. Jumlah KK yang sudah mendapat bantuan sosial air bersih dari Kementrian PDT melalui infrastruktur sosial ini sebanyak 9050 KK (2006-2009).1. Tabel 4.78 b.12 6.00 Sumber: Kementrian PDT (2009). daerah pulau-pulau kecil serta daerah yang rawan bencana alam c. Prioritas bantuan P2IPDT Bidang Infrastruktur Sosial tahun 2009 masih pada pengadaan sarana air bersih. Tahun 20072009 Tahun Jenis Bantuan 2007 Cakupan Transportasi Informasi dan Telekomunikasi Energi Ekonomi Sosial Total 15 10 80 31 23 Proporsi (%) 5.73 100.

18 persen dari total dana yang diberikan ke kabupaten tertinggal.30 persen. Infrastruktur transportasi pada tahun 2009 tercatat merupakan infrastruktur prioritas kedua. Beberapa penelitian terdahulu diantaranya Canning dan Pedroni (1999) serta Seetanah. dengan besaran proporsi nilai bantuan yang masih relatif kecil. et al (2010) menunjukkan bahwa infrastruktur transportasi merupakan infrastruktur yang menyumbang kontribusi terbesar pada pertumbuhan. yaitu sebesar 6. .79 terlihat merupakan prioritas utama Kementrian PDT tiap tahunnya. terlihat dari proporsi bantuan infrastruktur energi terhadap total yang besarannya hingga mencapai lebih dari 70 persen tiap tahunnya dan cakupan kabupaten penerima bantuan terbanyak. untuk itu kiranya perlu dipertimbangkan untuk memprioritaskan pembangunan infrastruktur transportasi sebagai infrastruktur prioritas utama pada pembangunan kabupaten tertinggal. Proporsi nilai bantuan infrastruktur energi pada tahun 2009 mencapai 88.

ANALISIS PENGARUH BANTUAN STIMULUS INFRASTRUKTUR TERHADAP PEREKONOMIAN.1 dan 5. melihat kebaikan. Penggunaan berbagai metode estimasi ini diharapkan dapat menunjukkan variasi hasil estimasi. Metode panel data dinamis digunakan dalam penelitian ini mengingat kelebihan metode panel data dinamis yang sanggup mengatasi endogeneity problem terkait dengan penggunaan lag variabel dependen. Digunakannya dua persamaan dalam penelitian ini adalah untuk melihat mekanisme transmisi bantuan stimulus infrastruktur terhadap .V. energi. KETIMPANGAN DAN KEMISKINAN KABUPATEN TERTINGGAL 5. informasi dan telekomunikasi. dimana pada metode panel data statis penggunaan lag variabel dependen menyebabkan hasil estimasi menjadi bias dan tidak konsisten. Pada bab sebelumnya telah dijelaskan bahwa bantuan P2IPDT diberikan pada kabupaten tertinggal dalam bidang transporasi. Penggunaan metode panel instrumental variable digunakan mengingat keterbatasan metode panel data statis dan dinamis jika digunakan pada lebih dari satu persamaan. sosial dan ekonomi. antara lain metode panel statis. Tabel 5. Hasil Estimasi Analisis mengenai pengaruh bantuan infrastruktur (P2IPDT) terhadap perekonomian. dilakukan dengan menghitung pengaruh total bantuan P2IPDT maupun per jenis bantuan P2IPDT yang diterima kabupaten tertinggal.1. serta validitas di antara berbagai metode estimasi yang digunakan. panel dinamis dan panel instrumental variable.2 masing-masing menyajikan hasil estimasi pengaruh bantuan infrastruktur terhadap perekonomian (model 1) dan pengaruh aktifitas perekonomian terhadap kemiskinan (model 2) dengan menggunakan beberapa teknik ekonometrik. mengingat masing-masing metode tersebut memiliki kelebihan dan kekurangan. Secara khusus. robustness model. hasil ini juga dapat digunakan untuk mengkomparasi hasil estimasi dari model panel statis. ketimpangan dan kemiskinan dalam penelitian ini. panel dinamis dan panel instrumental variable.

Kondisi ini ditunjukkan oleh nilai koefisien regresi pada variabel PDRB per kapita yang nyata negatif memengaruhi persentase penduduk miskin sehingga dapat diartikan kenaikan aktifitas ekonomi diikuti oleh penurunan persentase penduduk miskin. dimana ketiga variabel tersebut tidak signifikan memengaruhi perekonomian. Estimasi dari ketiga metode ekonometrik yang digunakan tersebut menunjukkan hasil yang bervariasi. Hal ini menunjukkan bahwa masing-masing metode memiliki kelebihan dan kelemahan. variabel indeks gini nyata positif memengaruhi perekonomian. namun demikian hasil estimasi koefisien menunjukkan arah yang sama dengan hasil estimasi menggunakan metode panel dinamis. Pada model panel data statis menggunakan model Random Effect (RE). Kondisi ini dapat diartikan bahwa meningkatnya aktifitas perekonomian di kabupaten tertinggal diikuti pula oleh kenaikan ketimpangan ditribusi pendapatan masyarakat daerah tertinggal. sehingga seharusnya kondisi ini tidak mampu menurunkan persentase kemiskinan di kabupaten tertinggal. Pada hasil estimasi model 1. Hasil yang berbeda didapatkan pada estimasi pengaruh variabel indeks gini. . Hasil estimasi yang tidak konsisten antara hasil model 1 dan model 2 didapatkan pada penggunaan metode panel data statis. Hasil estimasi panel data statis untuk dummy variable yang digunakan menunjukkan bahwa terdapat perbedaan nyata antara petumbuhan ekonomi KBI dan KTI. hasil estimasi untuk variabel inflasi dan jumlah populasi. Kenyataan yang berkebalikan didapat pada hasil estimasi model 2. Hasil yang tidak konsisten ini diduga merupakan akibat dari kelemahan panel data statis yang tidak mampu menangkap proses dynamic adjustment dari perekonomian karena tidak diikutsertakannya lag dependent variable (lag PDRB per kapita) dalam model. terbukti nyata memengaruhi perekonomian (PDRB per kapita).82 penurunan penduduk miskin (melalui jalur perekonomian) menjadi satu alasan digunakannya metode panel instrumental variable. dimana dapat disimpulkan bahwa perekonomian di kabupaten tertinggal mampu menurunkan angka kemiskinan. bantuan stimulus infrastruktur (P2IPDT) dan kuadrat bantuan.

Hasil yang sama ditunjukkan pada estimasi model 2.83 Berbeda halnya dengan hasil estimasi yang didapatkan dengan menggunakan metode panel data dinamis.1. Kelemahan lain pada estimasi panel instrumental variable ini adalah tidak dapat dilihatnya pengaruh bantuan terhadap perekonomian kabupaten tertinggal karena variabel tersebut telah diinstrumenkan ke dalam persamaan model 2. 1 juta pada PDRB per . dimana nilai koefisien regresi variabel PDRB per kapita nyata positif memengaruhi persentase penduduk miskin. Melihat hasil estimasi dari ketiga metode ekonometrik yang telah diulas di atas.1. maka disimpulkan bahwa dalam penelitian ini metode panel data dinamis dipilih sebagai metode yang lebih tepat dalam menjelaskan model pengaruh bantuan terhadap perekonomian dan persentase kemiskinan.859. Terlihat bahwa hanya variabel PDRB per kapita yang nyata negatif memengaruhi persentase penduduk miskin. Angka sebesar ini dapat diartikan sebagai kenaikan sebesar Rp. 5. Variabel lag PDRB per kapita nyata positif memengaruhi PDRB per kapita tahun berjalan. yang artinya efek distribusi pendapatan yang besar menyebabkan aktifitas perekonomian yang semakin tinggi tidak mampu menurunkan kemiskinan. yang artinya kenaikan aktifitas perekonomian diikuti dengan kenaikan persentase penduduk miskin.1). Pada estimasi panel data dinamis dalam model 1 menunjukkan bahwa variabel indeks gini nyata positif memengaruhi PDRB per kapita. dimana hasil estimasi antara model 1 dan model 2 menunjukkan arah yang konsisten.2). Estimasi koefisien pada metode panel instrumental variable (IV) model Fixed Effect (FE) menunjukkan hasil yang tidak lebih baik (Tabel 5. Analisis Pengaruh Bantuan Infrastruktur terhadap Perekonomian Kabupaten Tertinggal Arah koefisien regresi yang dihasilkan dalam estimasi panel data dinamis dengan menggunakan variabel total bantuan P2IPDT sebagian besar telah sesuai dengan kajian teori ekonomi (Tabel 5. dengan nilai koefisien sebesar 0. sedangkan variabel pengeluaran pemerintah baik nominal maupun kuadrat nominalnya tidak nyata dalam menurunkan persentase penduduk miskin.

2925832 (0.9 (0.04 (0.008) SysGMM Per Jenis Bantuan RE 940332.810) -23612.768) -1295852 (0.118) 46504.062739 (0.000) -3.550) -1167833 (0. Nilai bantuan stimulus infrastruktur dalam model panel dinamis nyata negatif .176) 1634775 (0.8594341 (0.84 (0.081) SysGMM 0.001) 0.6 (0. 859 ribu.0212297 (0.887) 15540.013) -0. Hasil Estimasi Pengaruh Bantuan P2IPDT (Total dan per Jenis Bantuan) menggunakan Panel Data Statis dan Dinamis Model 1 (Dependent Var: PDRB per kapita) Variabel Total Bantuan RE Lag PDRB per kapita (Yt-1) Bantuan Infrastruktur (P2IPDT) Kuadrat Bantuan Infrastruktur (P2IPDT2) Inflasi (t-1) (Inft_1) Jumlah Penduduk (Popt) Indeks gini (t) (Ginit) Dummy Bantuan Infrastruktur Transportasi (Dtransp) Dummy Bantuan Infrastruktur Energi (Denergi) Dummy Bantuan Infrastruktur Infotel (Dinfotel) Dummy Bantuan Infrastruktur Sosial (Dsos) Dummy Bantuan Infrastruktur Ekonomi (Dekon) Dummy Wilayah (Dwil) -113.000) -3.446 (0.8 (0.4 (0.272) 693669.5 (0.1.605) 1487431 (0.63 (0.9 (0.037) Cat: angka dalam kurung menunjukkan nilai probabilita Variabel kuadrat bantuan stimulus infrastruktur (P2IPDT) nyata positif memengaruhi PDRB per kapita.06834 (0.582) -19161. Hubungan yang positif ini dikarenakan adanya penyesuaian dinamis (dynamic of adjustment) mengingat variabel PDRB per kapita merupakan variabel yang dinamis terutama dalam analisis jangka panjang. Tabel 5.4 (0.108) -71113.770) -20150.000) 131368.000) 194524.028) 46956.9612485 (0.000) 788496.10634 (0.48 (0.625) 27689.57 (0.45 (0.450) 0.003) 535407.26 (0.77 (0.9 (0.050) -0.7 (0.000) -97.022) 0.84 kapita tahun sebelumnya akan meningkatkan PDRB per kapita tahun berjalan sebesar Rp.4 (0.2917056 (0.003) - 497287.0212.832) -12409.162) 269979.0155132 (0.862) -53979. dengan nilai koefisien regresi sebesar 0.

Besaran nilai koefisien regresi ini menunjukkan bahwa apabila terdapat kenaikan 1 persen pada inflasi tahun sebelumnya. menunjukkan arah yang positif dengan nilai koefisien sebesar 1. 194. dampak infrastruktur berpengaruh pada jangka menengah dan jangka panjang.85 memengaruhi PDRB per kapita dengan nilai koefisien sebesar -97. Angka ini menunjukkan bahwa kenaikan indeks gini sebesar 0. Kondisi ini menunjukkan bahwa peningkatan aktifitas ekonomi di kabupaten tertinggal belum mampu menurunkan angka kemiskinan.01 akan meningkatkan PDRB per kapita sebesar Rp. hingga pada suatu saat dicapainya titik balik (turning point). Hasil ini sejalan dengan penelitian Iradian (2005) yang menyatakan bahwa ketimpangan yang tinggi yang diikuti dengan pertumbuhan ekonomi yang tinggi menyebabkan penurunan kemiskinan akan sulit terjadi.06.634. Hubungan yang positif ini dapat terjadi sebagai akibat adanya inflasi terutama yang berasal dari adanya dorongan permintaan (demand pull inflation). mengingat hal tersebut kiranya perlu dibuat peta bantuan (road map) bagaimana bantuan didistribusikan ke kabupaten tertinggal. Inflasi tahun sebelumnya nyata positif memengaruhi PDRB per kapita kabupaten tertinggal dengan nilai koefisien sebesar 194. Kedua nilai ini menunjukkan bahwa hubungan antara bantuan dan PDRB per kapita memiliki bentuk pola U (kuadratik). Hasil estimasi panel dinamis pada variabel indeks gini yang dalam hal ini merupakan ukuran ketimpangan distribusi pendapatan.347.7. dimana pada awal bantuan diterapkan terdapat kecenderungan penurunan nilai PDRB per kapita.75 juta. untuk memperbesar dampaknya terhadap kesejahteraan masyarakat serta memudahkan dalam evaluasi bantuan.524.524. karena nyatanya ketimpangan yang semakin tinggi menyebabkan peningkatan pada kinerja perekonomian. 16.775. Hubungan positif antara indeks gini dengan PDRB per kapita menunjukkan bahwa ada distribusi . Hasil estimasi yang negatif pada nilai bantuan dan positif pada nilai kuadrat bantuan ini juga menjelaskan bahwa dalam meningkatkan perekonomian. maka bantuan yang diberikan mampu meningkatkan perekonomian. maka akan terjadi kenaikan PDRB per kapita sebesar Rp.7 juta. mengingat di daerah tertinggal nilai tambah daerah masih didorong oleh konsumsi masyarakat yang tinggi.

Kesimpulan ini merujuk pada Ravallion dan Chen (2001) yang menyatakan bahwa jika GIC merupakan fungsi turun menunjukkan bahwa .05 0 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 Persentil Pengeluaran  Growth Mean Sumber: BPS.15 0. GIC mulai menunjukkan fungsi naik. diolah dari Susenas Kor Tahun 2008 dan 2009 Gambar 5.2 0. Tahun 2008-2009 Pola hubungan yang positif antara indeks gini dan PDRB per kapita juga dapat dijelaskan oleh pola Growth Incidence Curve (GIC). sedangkan pada kelas 70 persen pendapatan tinggi menunjukkan kecenderungan ketimpangan yang semakin tinggi.25 0.1 0. Pertumbuhan  0. dimana peningkatan aktifitas perekonomian hanya dinikmati oleh masyarakat berpendapatan tinggi. GIC dengan pola seperti ini menunjukkan bahwa terdapat kecenderungan ketimpangan yang menurun pada kelas 30 persen pendapatan rendah.90 persen pendapatan dinikmati hanya oleh 20% penduduk berpendapatan tinggi yang menunjukkan bahwa peningkatan output yang terjadi lebih banyak dinikmati oleh penduduk berpendapatan tinggi.1. Kondisi yang sama terjadi pada level nasional. sedangkan pada kelas 70 persen pendapatan tinggi. data BPS pada tahun 2009 mencatat bahwa sebanyak 44. GIC kabupaten tertinggal periode 2008-2009 menunjukkan fungsi turun pada kelas 30 persen pendapatan rendah. Growth Incidence Curve Kabupaten Tertinggal di Indonesia.86 pendapatan yang timpang di kabupaten tertinggal.

Besaran nilai koefisien ini menunjukkan bahwa terdapat perbedaan intersep pada persamaan PDRB per kapita. sehingga penurunan ketimpangan pada kelas 30 persen pendapatan rendah tidak mampu mengimbangi peningkatan ketimpangan kelas 70 persen pendapatan tinggi. Model estimasi total bantuan tersebut namun tidak dapat melihat jenis bantuan apa yang paling signifikan mendorong perekonomian kabupaten tertinggal. dimana dalam penelitiannya disimpulkan bahwa perekonomian ekonomi (20052008) di perdesaan belum tergolong pro poor growth. Model estimasi total bantuan seperti yang telah dilakukan sebelumnya telah menjelaskan bahwa bantuan infrastruktur (P2IPDT) yang distimulasi oleh Kementrian PDT ternyata mampu meningkatkan aktifitas ekonomi meskipun belum mampu menurunkan persentase kemiskinan di kabupaten tertinggal.4. Melihat kondisi ini. Penelitian Suparno (2010) juga mendukung hasil yang didapat pada penelitian ini. sedangkan jika GIC merupakan fungsi naik menunjukkan bahwa ketimpangan akan meningkat. Klasifikasi kota dan desa BPS mengkategorikan 183 kabupaten tertinggal sebagai daerah perdesaan. Nilai PEGR di perdesaan (2. Penduduk kelas 70 persen pendapatan tinggi menguasai 84. berbeda dengan hasil penelitian di perkotaan yang sudah tergolong pro poor growth.87 ketimpangan akan cenderung menurun. yaitu sebesar Rp.4 antara wilayah KBI dan KTI.287. Variabel dummy wilayah yang digunakan untuk menangkap perbedaan intersep antara KBI dan KTI nyata positif memengaruhi perekonomian dengan nilai koefisien sebesar 497.287.14 persen) lebih rendah dibanding perekonomian pendapatannya (3. kiranya kebijakan selanjutnya dapat ditekankan di KTI mengingat marginal benefit akan lebih banyak dinikmati di kawasan timur. Hasil yang saling mendukung ini dapat disebabkan oleh kesamaan karakteristik daerah perdesaan pada penelitian tersebut dengan daerah tertinggal yang memang merupakan daerah perdesaan. 497. sehingga dapat .04 persen (tahun 2009) dari total pendapatan kabupaten tertinggal yang menunjukkan besarnya kemampuan dalam memengaruhi perekonomian.48 persen). yang artinya penduduk miskin di perdesaan belum menikmati secara optimal efek perekonomian yang terjadi.

Dari segi permodelan.88 diprioritaskan dalam pembangunan infrastruktur kabupaten tertinggal. Model persamaan dengan dummy variable jenis bantuan kemudian digunakan dalam penelitian ini untuk mengatasi hambatan ketersediaan data. 961 ribu. Model estimasi per jenis bantuan digunakan dalam penelitian ini untuk menjawab permasalahan tersebut.961. Besaran nilai koefisien regresi ini menunjukkan bahwa apabila terdapat kenaikan 1 persen pada inflasi tahun sebelumnya. Sejalan dengan hasil yang didapatkan pada estimasi pengaruh bantuan P2IPDT total dalam analisis pengaruh per jenis bantuan ini. dimana masing-masing kabupaten tertinggal tidak secara kontinu mendapatkan satu jenis bantuan yang sama tiap tahunnya.961 memiliki arti bahwa kenaikan sebesar Rp. 1 juta pada PDRB per kapita tahun sebelumnya akan meningkatkan PDRB per kapita tahun berjalan sebesar Rp. maka akan terjadi . Hal ini menunjukkan bahwa terdapat penyesuaian dinamis (dynamic of adjustment) pada model pengaruh bantuan infrastruktur (per jenis bantuan) mengingat variabel PDRB per kapita merupakan variabel yang dinamis terutama dalam analisis jangka panjang. Angka koefisien regresi sebesar 0. Kondisi ini mungkin saja terjadi akibat beberapa faktor diantaranya.6. bantuan yang diberikan bersifat ad hoc (tidak kontinu) sehingga bantuan tersebut berhenti sebelum dampaknya dirasakan masyarakat. yaitu sebesar 0. bantuan yang diberikan kurang sesuai dengan kebutuhan daerah. dummy variable yang digunakan untuk menangkap pengaruh jenis bantuan kiranya belum robust dalam menjelaskan fenomena jenis bantuan secara ekonometrik. Faktor ketersediaan data menjadi salah satu hambatan dalam memodelkan bantuan infrastruktur (P2IPDT) ke dalam model persamaan ekonometrik. inflasi tahun sebelumnya nyata positif memengaruhi PDRB per kapita kabupaten tertinggal dengan nilai koefisien sebesar 131. Hasil estimasi dengan menggunakan metode panel data dinamis per jenis bantuan infrastruktur didapatkan nilai koefisien regresi yang nyata positf pada variabel lag variabel dependen.368. Nilai koefisien dari dummy variable jenis bantuan kiranya menarik untuk dicermati. dimana tidak ada satupun dari dummy variable jenis bantuan yang nyata secara statistik.

Angka ini menunjukkan bahwa kenaikan indeks gini sebesar 0.7 antara wilayah KBI dan KTI. kiranya perlu memfokuskan pembangunan di daerah perdesaan khususnya daerah tertinggal.1. 6. menunjukkan arah yang positif dengan nilai koefisien sebesar 693. Berdasarkan hasil estimasi tersebut.01 akan meningkatkan PDRB per kapita sebesar Rp.669.89 kenaikan PDRB per kapita sebesar Rp. 456. dapat disimpulkan bahwa peningkatan perekonomian kabupaten tertinggal diikuti dengan kenaikan ketimpangan pendapatan. bahkan pada kasus kabupaten tertinggal. Analisis Pengaruh Perekonomian terhadap Penurunan Kemiskinan di Kabupaten Tertinggal Analisis pengaruh perekonomian terhadap persentase penduduk miskin dijelaskan dalam model ke-2 (Tabel 5. 131. 5.8.6 juta. Hal ini ditunjukkan dengan nilai koefisien regresi yang bernilai positif pada variabel dummy wilayah yang digunakan. Kondisi ini sejalan dengan estimasi yang dihasilkan dengan menggunakan nominal bantuan P2IPDT total yang juga sejalan dengan yang ditunjukkan oleh penelitian Suparno (2010). mengingat di daerah tertinggal nilai tambah daerah masih didorong dari konsumsi masyarakat yang tinggi.2). Perbedaan variasi dalam perekonomian ekonomi antara KBI dan KTI ternyata signifikan secara statistik.430. terutama pada pemberdayaan masyarakat ekonomi menengah ke bawah.2. 1 triliun dapat . Hubungan yang positif ini dapat terjadi sebagai akibat adanya inflasi yang timbul dari dorongan permintaan (demand pull inflation).368. Variabel indeks gini yang merupakan ukuran ketimpangan distribusi pendapatan.936. Besaran ini mengindikasikan bahwa kenaikan PDRB per kapita sebesar Rp. Hasil estimasi menunjukkan bahwa terdapat perbedaan variasi PDRB per kapita sebesar Rp. Hasil estimasi menunjukkan bahwa variabel PDRB per kapita (sebagai proxy aktifitas perekonomian) nyata positif memengaruhi penduduk miskin dengan nilai koefisien regresi sebesar 1.7 juta. Melihat fenomena ini. untuk turut serta berperan aktif dalam menggerakkan roda perekonomian daerah.36e-06. Hal ini dapat diartikan pula bahwa terdapat ketimpangan pembangunan antara wilayah KBI dan KTI.

16e-6 (0.36e-06 (0. Panel Dinamis dan Panel Instrumental Variable Model 2 (Dependent Var: Persentase Pddk Miskin) RE Lag Persentase Pddk Miskin (Pot-1) Indeks gini (t) (Ginit) Pengeluaran Pemerintah (Expjuta) Kuadrat Pengeluaran Pemerintah (Expjuta2) PDRB per kapita (Yt) -16. yaitu sebesar .19999 (0. Hal ini mengakibatkan semakin lebarnya kesenjangan antara perkotaan dan perdesaan (Daryanto. Kondisi ini terjadi mengingat proses pembangunan lebih dititikberatkan pada daerah maju (perkotaan) dibandingkan dengan daerah tertinggal (perdesaan).021) SysGMM 1. Hasil Estimasi Pengaruh Perekonomian terhadap Penurunan Kemiskinan dengan Menggunakan Metode Panel Statis.20e-12 (0.085) 2.005) -8.000) -6.326) 5. sumber potensi konsumsi dalam penyerapan yang dihasilkan produk industri dan jasa di perkotaan. Tabel 5. sedangkan pembangunan perdesaan selalu diletakkan paling belakang Perdesaan masih dianggap sebagai sumber produksi pertanian untuk memenuhi kebutuhan perkotaan. yang menyimpulkan bahwa aktifitas ekonomi di kabupaten tertinggal belum mampu menurunkan angka kemiskinan karena diikuti oleh kenaikan ketimpangan pendapatan. serta sumber kelimpahan tenaga kerja bagi perkotaan.000012 (0.90 meningkatkan persentase penduduk miskin sebesar 1.0000328 (0.71e-07 (0.029) 1.098) 3.41e-12 (0. Kondisi ini mendukung hasil estimasi model 1. 2003). hal ini ditunjukkan oleh nilai koefisien yang negatif.019) Cat: angka dalam kurung menunjukkan nilai probabilita Variabel pengeluaran pemerintah signifikan dalam menurunkan persentase penduduk miskin.25e-07 (0.603) -0.056407 (0.424) 1.193) -6.10561 (0.2.68e-11 (0.36 %.000) Variabel Panel IV FE -0. Hal ini sejalan dengan penelitian Daryanto (2003) yang mengungkapkan bahwa proses pembangunan lebih mengedepankan pembangunan perkotaan.

1 miliar dapat menurunkan persentase penduduk miskin sebesar 0. Angka ini menunjukkan bahwa kenaikan pengeluaran pemerintah sebesar Rp.0000328. Data Kementrian Keuangan (2009) menunjukkan bahwa belanja modal untuk pembangunan hanya sebesar 26. Ketiga hasil tersebut merujuk pada . Kesimpulan tersebut didasarkan pada nilai p-value pada ketiga model persamaan yang digunakan. kenaikan pengeluaran pemerintah dapat menurunkan pertumbuhan ekonomi dan berpotensi meningkatkan kemiskinan.328 %. Uji Spesifikasi Model Panel Data Dinamis Pengujian spesifikasi model panel data dinamis dalam penelitian ini menggunakan uji Sargan atau yang lebih dikenal dengan Sargan Test of Overidentifying Restriction. Kondisi ini dapat terjadi mengingat Anggaran pendapatan dan belanja baik pusat maupun daerah masih didominasi oleh anggaran untuk belanja rutin (belanja pegawai) yang nilainya lebih tinggi dari belanja modal untuk pembangunan. Nilai koefisien yang positif dapat diartikan bahwa dalam jangka panjang.2459.91 -0. Nilai p-value pada model pengaruh total bantuan P2IPDT terhadap perekonomian ekonomi adalah sebesar 0. 5. dalam mengalokasikan dan mengelola keuangan daerah.0197. sehingga peningkatan nilai tambah/output yang terjadi disebabkan oleh peningkatan konsumsi bukan dari investasi.2.33 persen dari total belanja nasional. Nilai p-value untuk model pengaruh perekonomian ekonomi terhadap persentase kemiskinan adalah sebesar 0. Uji Sargan ini digunakan untuk melihat validitas instrumen yang digunakan di dalam model. sehingga dampaknya dapat dirasakan oleh masyarakat miskin.0317 sedangkan nilai pvalue untuk model pengaruh bantuan P2IPDT per jenis bantuan adalah sebesar 0. Hasil uji Sargan terhadap ketiga model persamaan panel data dinamis dapat disimpulkan bahwa instrumen/model yang digunakan adalah valid pada tingkat kepercayaan 1%. Hubungan negatif antara pengeluaran pemerintah dengan persentase penduduk miskin ini dapat terjadi sebagai refleksi implementasi kebijakan-kebijakan pemerintah daerah yang pro poor growth. Hal yang cukup menarik untuk dicermati adalah pada variabel kuadrat pengeluaran pemerintah yang nilai koefisiennya bernilai positif.

sehingga disimpulkan bahwa instrumen/model valid secara statistik.92 kesimpulan bahwa tidak cukup bukti secara statistik untuk menolak Ho. .

Distribusi pendapatan di kabupaten tertinggal baik KBI maupun KTI tergolong dalam kategori ketidakmerataan sedang.26-0. Penelitian dilakukan pada 82 (delapan puluh dua) kabupaten tertinggal yang selama periode 2007-2009 mendapatkan bantuan infrastruktur secara kontinu.41. pembangunan Pembangkit Listrik Tenaga Surya (PLTS). Pada periode 2006-2009. Dibandingkan kondisi kemiskinan pada tahun 2006. rehabilitasi dan pembangunan sekolah dasar serta bantuan infrastruktur lainnya. Kesimpulan Penelitian ini mengkaji pengaruh bantuan infrastruktur (P2IPDT) yang diberikan oleh Kementrian PDT pada daerah tertinggal. KESIMPULAN DAN SARAN 6. pembangunan los kios pasar. . pembangunan Warung Informasi Masyarakat (WIM). penyediaan air bersih. kecuali tercatat pada Provinsi Nangroe Aceh Darussalam yang pertumbuhannya negatif. Pembangunan infrastruktur diterapkan Kementrian PDT pada kabupaten tertinggal dalam berbagai bidang bantuan seperti pembangunan jalan pedesaan. kondisi kemiskinan kabupaten tertinggal d tahun 2009 membaik. pembangunan dermaga. 4. Dinamika ketimpangan kabupaten tertinggal selama kurun waktu 2006-2009 menunjukkan tren kenaikan tiap tahunnya. Tujuan penelitian ini adalah untuk melihat dampak bantuan tersebut terhadap pertumbuhan ekonomi dan penurunan penduduk miskin. rata-rata persentase penduduk miskin kabupaten tertinggal per provinsi baik KBI maupun KTI mengalami kecenderungan menurun. 3. 2.VI. maka dapat diambil beberapa kesimpulan sebagai berikut: 1. Pada kurun waktu 2006-2009 hampir seluruh kabupaten baik KBI maupun KTI menunjukkan dinamika pertumbuhan yang cukup pesat.1. Infrastruktur transportasi dan energi merupakan infrastruktur yang diprioritaskan oleh Kementrian PDT. Berdasarkan pembahasan yang dipaparkan sebelumnya. yakni pada kisaran 0.

Kontinuitas program bantuan di satu jenis bantuan pada satu kabupaten dapat direalisasikan dengan misalnya membangun sarana transportasi pada tingkat kecamatan secara bergilir tiap tahunnya. Variabel gini rasio dan inflasi juga merupakan faktor yang mempengaruhi pertumbuhan di kabupaten tertinggal selain bantuan stimulus infrastruktur. Kontinuitas program bantuan pada satu daerah kiranya diperlukan mengingat tidak adanya variabel yang signifikan pada analisis pengaruh bantuan yang dipilah per jenis bantuan (transportasi. Kondisi ini berati bahwa efek distribusi pendapatan masih melebihi efek pertumbuhan. sosial dan ekonomi) kiranya dapat menjadi titik awal evaluasi bantuan infrastruktur kabupaten tertinggal. Implikasi Kebijakan 1. infotel. Hasil estimasi menunjukkan tidak ada satupun variabel jenis bantuan yang nyata secara statistik. Metode ini diharapkan dapat menjalin sinergitas antar kecamatan sehingga terjadi koneksi antar kecamatan yang tentunya diharapkan dapat meningkatkan produktifitas masyarakat. 6. Kondisi yang terjadi di DIY dimana pada tahun 2010 provinsi ini sudah berhasil mengentaskan 2 kabupaten tertinggal di wilayahnya namun capaian tingkat . Salah satu faktor yang menyebabkan terjadinya fenomena ini adalah bantuan yang diberikan tidak dilakukan secara berkesinambungan tiap tahunnya. Hasil estimasi pengaruh bantuan infrastruktur (P2IPDT) terhadap pertumbuhan ekonomi kabupaten tertinggal menunjukkan bahwa dampak bantuan tersebut dapat dirasakan oleh masyarakat dalam jangka menengah dan panjang. dikarenakan pertumbuhan di kabupaten tertinggal masih dinikmati oleh penduduk yang berpendapatan tinggi. 2. Hal ini menyebabkan pertumbuhan tersebut tidak mampu menurunkan persentase penduduk miskin kabupaten tertinggal.94 5.2. energi. sosial dan ekonomi). 6. energi. Pertumbuhan ekonomi yang terjadi di kabupaten tertinggal diikuti oleh kenaikan ketimpangan distribusi pendapatan. informasi dan telekomunikasi. Hal yang menarik didapatkan pada estimasi pengaruh bantuan infrastruktur yang dipecah berdasarkan jenis bantuan (transportasi.

95 kemiskinan dan ketimpangan distribusi pendapatan masih cukup tinggi menunjukkan bahwa belum ada keselarasan antara kebijakan pengentasan kabupaten tertinggal dengan pengentasan kemiskinan. Arah kebijakan pemerintah pada daerah tertinggal kiranya dapat lebih dititikberatkan pada kawasan timur. antar sektor dan kementrian kiranya perlu ditingkatkan kembali. Hal ini disebabkan oleh kondisi dimana pertumbuhan ekonomi yang dicapai diikuti oleh kenaikan ketimpangan pendapatan masyarakat. agar tidak terjadi tumpang tindih kebijakan. mengingat sebagian besar kabupaten tertinggal berada di KTI dan marginal benefit akan lebih banyak dirasakan di kawasan timur. Fenomena ini cukup menarik untuk dicermati mengingat kebijakan pengentasan kemiskinan telah banyak diterapkan. Kedepannya perlu kebijakan-kebijakan yang kiranya dapat meningkatkan pertumbuhan ekonomi yang diikuti dengan pemerataan distribusi pendapatan. namun ternyata belum mampu menurunkan persentase penduduk miskin. Pertumbuhan yang tidak pro terhadap rakyat miskin. Koordinasi kebijakan pengentasan kemiskinan antara pusat dan daerah. Koordinasi juga diperlukan untuk menciptakan pertumbuhan yang diikuti dengan pemerataan distribusi pendapatan dan menurunkan kemiskinan. 3. Hasil analisis menunjukkan bahwa peningkatan kinerja perekonomian yang dicapai oleh kabupaten tertinggal periode 2006-2009 ternyata belum mampu menurunkan angka kemiskinan. Salah satunya adalah melalui prioritas kebijakan pada sektor yang dapat meningkatkan kemampuan masyarakat menengah ke bawah untuk berpartisipasi aktif dalam roda perekonomian. 4. yang notabene merupakan akibat dari distribusi pendapatan yang timpang di kabupaten tertinggal kiranya perlu dicermati. . sehingga kedepannya perlu menambahkan indikator kemiskinan dalam penentuan kiteria kabupaten tertinggal. 5.

tingkat pendidikan dan indeks persepsi korupsi (corruption perception index). besaran kontribusi PDRB sektor pertanian. Variabel-variabel bebas yang digunakan dalam model terbatas hanya pada variabel-variabel inti yang besar pengaruhnya terhadap variabel dependen. . kemiskinan dan pertumbuhan ekonomi secara simultan.3. Saran Model dan metode analisis yang digunakan dalam penelitian ini masih dapat terus dikembangkan lebih lanjut. Penggunaan metode analisis panel dinamis simultan diharapkan dapat menjawab permasalahan endogeneity yang timbul akibat penggunaan lag variable dependen sekaligus mampu memodelkan hubungan ketimpangan. kiranya perlu dilakukan mengingat perilaku hubungan ketimpangan. sehingga diharapkan hasil analisis yang didapat lebih robust. Perbaikan untuk penyempurnaan model kiranya dapat dilakukan dengan menambah variabel-variabel lain dalam memodelkan persamaan pertmbuhan ekonomi seperti. kontribusi PDRB sektor industri. Penambahan rentang data waktu penelitian yang juga menyesuaikan masalah ketersediaan data. kemiskinan dan pertumbuhan ekonomi merupakan hubungan jangka panjang yang melibatkan beberapa fase pembangunan. Penyempurnaan terhadap penelitian ini juga dapat dilakukan dengan melakukan komparasi (double difference analysis) antara kabupaten tertinggal yang secara kontinu mendapat bantuan dan yang tidak Komparasi juga dapat dilakukani antara kabupaten tertinggal yang mendapat bantuan dan kabupaten bukan tertinggal yang tidak mendapat bantuan dengan syarat kabupaten tidak tertinggal yang dipilih memiliki kesamaan karakteristik dengan kabupaten tertinggal sebagai kelompok kendali (control group). Penggunaan metode analisis panel dinamis simultan (simultaneous dynamic panel) kiranya perlu dimanfaatkan dalam memodelkan pengaruh bantuan infrastruktur terhadap persentase penduduk miskin.96 6. Metode analisis yang digunakan kiranya perlu dikembangkan dengan memanfaatkan metode yang lebih tepat dan robust yang dapat menjawab permasalahan penelitian dengan lebih gamblang.

2007. [Bappenas] Badan Perencanaan Pembangunan Nasional. Building Mega Projects: How to Maintain Economic Stability. Instrumental Variables and Panel Data Methods in Economics and Finance. Bolnick BR. 1989. 2004. Economic Growth as an Instrument for Poverty Reduction in Mozambique: Framework for a Growth Strategy. Ilmu Ekonomi Regional dan Beberapa Aplikasinya di Indonesia. Journal of Monetary Economics 23. Aziz IJ. Baum CF. Jakarta: Bappenas. Jakarta: BPS. [BPS] Badan Pusat Statistik. 2005. 2009. Analisis dan Penghitungan Tingkat Kemiskinan Tahun 2009. Aschauer DA. [BPS] Badan Pusat Statistik. Jakarta: BPS. 2009a. Bangkok: Bank of Thailand. The Poverty-Growth-Inequality Triangle. Jakarta: BPS. Rencana Pembangunan Jangka Menengah. 2007. Jakarta: Lembaga Penerbit FEUI. Berlin: Boston College and DIW. Baltagi BH. Bourguignon F. Is Public Expenditure Productive. The Economics Analysis of Public Policy. 1994. Jakarta: BPS. Penghitungan Produk Domestik Regional Bruto. Bellinger WK. Third Edition. New Delhi: Oxford University Press. 2005. Tahun 2010-2014.DAFTAR PUSTAKA Ahluwalia IJ. Produk Domestik Regional Bruto Kabupaten/Kota menurut Subsektor Tahun 2000-2004. 2005. Washington: World Bank. Perkembangan Perekonomian Daerah Provinsi Nangroe Aceh Darussalam. [BI] Bank Indonesia. Aromdee V et al. 2010. [BPS] Badan Pusat Statistik. Triwulan I-2007. Econometric Analysis of Panel Data. New Jersey: John Wiley and Sons Inc. Banda Aceh: Kantor Bank Indonesia Banda Aceh. 2004. Oxon: Routledge. Gabinete de Estudos Discussion Paper 12a. . Industrial Growth in India: Stagnation since the mid-sixties. 2000. 1985. [BPS] Badan Pusat Statistik. 2008. Data dan Informasi Kemiskinan Kabupaten/Kota.

The dynamic relationship among poverty. Inequality. Data dan Informasi Kemiskinan Kabupaten/Kota. [BPS] Badan Pusat Statistik. Calderon C dan Serven L. 1983. Growth. 2002-2008 [tesis].98 [BPS] Badan Pusat Statistik. Infrastructure Engineering and Management. The Effect of Infrastructure Development on Growth an Income Distribution. Hall P. and Poverty in Rural China. Australian Government Publishing Service Commission Paper 9. Pertumbuhan Ekonomi.org/ p/cht/bcchwp/270. Martin's Press. New York: Oxford University Press Inc. Inequality. Investment and economic growth. . Zhang L dan Zhang X. 2008. 1988. Washington DC. Di dalam Barry R Weingast BR. Ideas-Repec. New York: Routledge. Tahun 2005-2009. Produk Domestik Regional Bruto Kabupaten/Kota. Daryanto A. Hajiji A. But No Less Successful in the Fight Against Poverty. Disparitas Pembangunan Perkotaan-Perdesaan di Indonesia.html [5 Nov 2010] Canning D dan Pedroni P. Agromedia 8(2). Regional Economics. Jakarta: BPS. The Role of Public Investment. 2009. Journal of Development and Agricultural Economics 2(5):197-208 Glaeser EL. World Bank and USAID CAER II Working Paper.repec. Gelaw F. 2010. 2003. Jakarta: BPS. Ketimpangan Pendapatan dan Penurunan Kemiskinan di Provinsi Riau. editor. Bogor: Sekolah Pascasarjana. 1995. The Oxford Handbook of Political Economy. http://ideas. Policy Research Working Paper.and growth in rural Ethiopia: A micro evidence. The Developing World is Poorer than We Thought. Grigg NS. Shaohua dan Ravallion M. 2002. 2010. 1999. Infrastructure and Long Run Economic Growth. inequality. Capello R. International Food Policy Research Institute. 2008. New York: John Wiley and Sons.. Wittman DA. Economic Planning Advisory Commission. The Economics Of Growth And Development. The World Bank Development Research Group 4703. Fan S. Chen. 2009. 2006. Institut Pertanian Bogor. 2009b. New York: St.

International Monetary Fund. Kementrian Pembangunan Daerah Tertinggal (PDT). Jakarta: Kementrian PDT. Institut Pertanian Bogor. 2008. Middle East and Central Asia Department.bappenas. Program dan Kegiatan Bidang Peningkatan Infrastruktur di Daerah Tertinggal. Pengaruh Penatagunaan Tanah Terhadap Keberhasilan Pembangunan Infrastruktur dan Ekonomi. Anggaran Pendapatan Belanja Daerah Tahun 2009. New York: McGraw-Hill. Inequality. Kementrian Pembangunan Daerah Tertinggal (PDT). Washington DC.99 Haris A. and Growth: Cross-Country Evidence. Infrastructure Management. Kementrian Pembangunan Daerah Tertinggal (PDT). MTT Economic Research and IZA Discussion Paper 1338. 2010. Iradian G. IMF Working Paper. Indra. Nota Keuangan dan RAPBN Tahun 2011. 2005. Workshop Peran PV Dalam Penyediaan Energi Listrik Di Indonesia.WP/05/28. Jakarta: Kementrian Keuangan. Inequality. Bantuan Sosial/Stimulan Kabupaten Tertinggal Deputi Bidang Peningkatan Infrastruktur. Jakarta: Kementrian Keuangan.04/05. Kementrian Keuangan.id/ node/71/1195. Haas R. Middle East and Central Asia Department. http://www. Jurnal Ekonomi Pembangunan. Jalan J dan Ravallion M. Jakarta: Kementrian PDT. Development Research Group. 2011. Keputusan Menteri Negara Pembangunan Daerah Tertinggal Nomor 001. Kementrian Pembangunan Daerah Tertinggal (PDT). . 1998. Poverty. and Growth in Armenia Cross-Country Evidence. Inequality and Poverty Relationships. Tahun 2005. IMF Working Paper. 2004.go. Booklet Karya Tulis Pembangunan Daerah Tertinggal 2010. Jakarta: Kementrian PDT. Kementrian Negara Pembangunan Daerah Tertinggal. Arah Kebijakan. Analisis Faktor yang Mempengaruhi Kemiskinan di Indonesia. Ilmu Ekonomi. Artikel tidak dipublikasikan. Poverty. Hudson RW. 2009. Growth. 1997. 2004. Iradian G. Heshmati A. 2008. Determinants of Transient and Chronic Poverty: Evidence from Rural China. 2009. Uddin W. International Monetary Fund. Kementrian Keuangan. 2009. World Bank. 2005. Jakarta: Kementrian PDT.

Lessons on Population and Economic Change. and Income Distribution: A CrossCountry Study.73:2. Universitas Dipenogoro.100 Klasen S dan Lawson D. Macroeconomics And Inequality. An Analysis Of Economic Infrastructure Investment In South Africa. Yogyakarta: Pustaka Pelajar. Dampak Pembangunan Infrastruktur dan Aglomerasi Industri terhadap Pertumbuhan Ekonomi Regional di Indonesia. 2005. 2007. San Fransisco. IFPRI/API Colaborative Research Project: Public Policy and Poverty Reduction in the Arab Region. 2003. Nalarsih RT. 1993. The Journal of Economic Perspectives 6(4): 189-198. Prasetyo RB. [tesis] Bogor: Sekolah Pascasarjana. Population Increase And Economic Growth What Are The Impacts?. Laabas dan Limam. Growth. Ogawa N dan Suits DB. Jakarta: Erlangga. [tesis] Semarang: Program Pascasarjana. Manitoba. FRBSF Weekly Letter 31 Desember 1993 :93-44. Policy Watch: Infrastructure Investment and Economic Growth. Munnell AH. Inflation and Growth. 2003. Lopez H. Kodoatie RJ. The Impact of Population Growth on Economic Growth and Poverty Reduction in Uganda. 2008. 2002. From the Japanesse Meiji Experience. Perkins P et al. 1992. Motley B. Manajemen dan Rekayasa Infrastruktur. 2004. Research Workshop. 2007. Federal Reserve Bank of San Fransisco. Edisi keenam. Mankiw NG. Makroekonomi. Malayan Economic Review 15(2): 13. Institut Pertanian Bogor. Mallik G dan Chowdurry A. Göttingen: George August University. Li H dan Zou H. Tokyo. NUPRI Research Paper Series 2. South African Journal of Economics. . Asia-Pacific Development Journal 8(1) Manitoba Bureau of Statistics. Oshima HT. 1981. 2010. Income Inequality and Economic Growth: The Postwar Experiences of Asian Countries. 2001. Income Distribution and Growth. Analisis Ketersediaan Dan Kapasitas Pemenuhan Infrastruktur Di Kawasan Bisnis Beteng Surakarta. 2007. Inflation And Economic Growth: Evidence From Four South Asian Countries. Annals Of Economics And Finance 3:85–101. 1970. Impact of Public Policies on Poverty. New York: The World Bank. Inflation.

Sari P. 1991. Measuring Pro Poor Growth. Peraturan Presiden Nomor 9. Seetanah B et al. NJ: Prentice Hall. 2000. Seers D. 2001. Peraturan Presiden Nomor 90. [tesis] Bogor: Institut Pertanian Bogor. Institut Pertanian Bogor. Increasing Returns and Long-Run Growth. The Economics of Poverty and Discrimination. Stern N. . Schiller B. Journal of Political Economy 94(5): 1002-1037. 2004. Edisi Kesembilan. Supranto J. Analisis Pertumbuhan Ekonomi dan Pengurangan Kemiskinan: Studi Pro Poor Growth di Indonesia. 2009. The Determinants of Growth. Jakarta: Sekretariat Negara RI Suparno. Pengaruh Pembangunan Infrastruktur terhadap Pertumbuhan Ekonomi 25 Kawasan Timur Indonesia. The Impact Of Public Infrastructure Investment On Economic Growth In Thailand. 11(4):2-6. 2010. Jakarta: Erlangga. The Economic Journal. 2006. 101(404):122-133. Jakarta: Erlangga. Upper Saddle River. 2010. Pembangunan Ekonomi. Jakarta: Sekretariat Negara RI [Setneg RI] Sekretariat Negara Republik Indonesia. Edisi Keenam. Statistik Teori dan Aplikasi. [skripsi] Bogor: Institut Pertanian Bogor. Reungsri T. Romer P. 2010. Tahun 2005. Does Infrastructure Alleviates Poverty In Developing Countries? International Journal of Applied Econometrics and Quantitative Study. International Development Review. [disertasi] Victoria: School of Economics and Finance Faculty of Business and Law. [Setneg RI] Sekretariat Negara Republik Indonesia. Tahun 2006. World Bank. Todaro MP dan Smith SC. [tesis] Bogor: Sekolah Pascasarjana. Riadi M. 1969. Ninth Edition. Dampak Kebijakan Stimulus Fiskal Bidang Infrastruktur Padat Karya terhadap Kinerja Ekonomi dan Ekonomi Sektoral di Indonesia. 2009. 1986. Jilid 1. The Meaning of Development. Victoria University. Policy Research Working Paper : 2666.101 Ravallion M dan Chen S.

Verbeek. Rotterdam: RSM Erasmus University. World Development Report: Poverty. 2000. M. A Guide to Modern Econometrics. A Guide to Modern Econometrics. 1994. 1990. Chisester: John Wiley & Son. World Development Reports: Infrastructure for Development. Edisi Ketiga. 2008. New York: Oxford University Press.102 Verbeek. . World Bank. M. World Bank. New York: Oxford University Press.

LAMPIRAN .

71 133.162.50 241.289.108.785.63 175.942.503.93 151.11 164.I.00 222.845.89 203.882.637.56 153.33 150.43 191.432.50 183.94 149. Perkembangan Rata-Rata Garis Kemiskinan Kabupaten Tertinggal menurut Provinsi Tahun 2006-2009 (Rp/kapita/bln) Jumlah Kabupaten Tertinggal 2005 16 6 9 2 2 6 8 5 3 1 2 3 2 8 2 1 7 15 9 7 2 3 2 9 13 8 4 5 7 6 7 19 No Provinsi Rata-Rata Garis Kemiskinan 2007 226.426.73 182.816.202.496.836.261.275.719.30 145.104.470.67 163.26 179.60 215.838.108.00 228.770.547.35 221.702.807.07 140.14 165.420.134.83 123.96 163.16 190.28 163.50 161.878.14 171.708.42 175.50 197.381.024.06 195.867.25 158.95 131.27 151.50 157.594.00 177.70 191.98 159.29 151.171.492.46 208.307.48 150.22 177.489.173.45 151.63 161.374.349.40 192.301.63 157.43 153.01 157.236.038.744.21 203.73 171.13 157.415.00 265.268.884.00 159.68 265.006.517.86 182.110.869. Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua .241.202.531.928.904.85 159.065.14 190.740.081.151.432.60 164.00 156.00 180.709.922.223.567.564.17 226.00 177.007.917.88 158.40 165.82 147.23 219.90 170.975.86 264.34 175.88 166.441.26 2009 251.328.352.122.17 178.995.46 226.787.077.944.88 162.79 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 Nangroe Aceh Darussalam Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau Jawa Barat Jawa Tengah D.62 147.432.494.84 2008 250.619.444.922.063.63 161.165.67 174.00 172.04 139.689.96 143.48 160.46 144.449.07 165.984.67 265.46 185.472.593.669.727.46 189.035.792.79 167.34 236.61 136.640.29 231.00 192.49 182.16 238.14 191.379.90 243.104 Lampiran 1.

1 2 3 4 5 NAD 6 7 8 9 10 11 12 13 14 Sumatera Utara KBI 15 16 17 18 19 20 21 Sumatera Barat 22 23 24 25 26 27 28 Sumatera Selatan 29 30 31 32 Simelue Aceh Singkil Aceh Selatan Aceh Timur Aceh Barat Aceh Besar Aceh Barat Daya Gayo Lues Nagan Raya Aceh Jaya Bener Meriah Pidie Jaya Nias Tapanuli Tengah Nias Selatan Pakpak Barat Nias Barat Nias Utara Kepulauan Mentawai Pesisir Selatan Solok Sawah Lunto/Sijunjung Padang Pariaman Solok Selatan Dharmas Raya Pasaman Barat Ogan Komering Ilir Lahat Musi Rawas Banyu Asin Ogan Komering Ulu Selatan Ogan Ilir Kabupaten Status Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Maju Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Maju Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Maju Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal .105 Lampiran 2. Daftar 183 Kabupaten Tertinggal di Indonesia Kawasan Propinsi No.

33 34 35 Bengkulu 36 37 38 39 40 Lampung 41 42 43 KBI Bangka Belitung Kepulauan Riau 44 45 46 Jawa Barat 47 48 49 50 Jawa Timur 51 52 53 Banten 54 55 56 57 58 NTB 59 60 KTI 61 62 63 NTT 64 65 66 Kabupaten Empat Lawang Kaur Seluma Muko-muko Lebong Kepahiang Bengkulu Tengah Lampung Barat Lampung Utara Way Kanan Pesawaran Bangka Selatan Natuna Kepulauan Anambas Sukabumi Garut Bondowoso Situbondo Bangkalan Sampang Pamekasan Pandeglang Lebak Lombok Barat Lombok Tengah Lombok Timur Sumbawa Dompu Bima Sumbawa Barat Lombok Utara Sumba Barat Sumba Timur Kupang Status Agak Tertinggal Agak Tertinggal Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal DOB Agak Tertinggal Agak Tertinggal DOB Agak Tertinggal Maju Tertinggal Tertinggal Tertinggal Tertinggal Tertinggal Agak Tertinggal Agak Tertinggal Tertinggal Tertinggal Tertinggal Tertinggal Tertinggal Tertinggal Tertinggal DOB Tertinggal Sangat Tertinggal Tertinggal .106 Kawasan Propinsi Sumatera Selatan No.

107 Kawasan KTI NTT Propinsi No. 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 Kalimantan Barat 84 85 86 87 88 89 90 91 92 93 Kalimantan Tengah Kalimantan Selatan 94 95 96 Kalimantan Timur 97 98 99 Sulawesi Utara 100 Kabupaten Timor Tengah Selatan Timor Tengah Utara Belu Alor Lembata Flores Timur Sikka Ende Ngada Manggarai Rote Ndao Manggarai Barat Manggarai Timur Nagekeo Sabu Raijua Sumba Barat Daya Sumba Tengah Sambas Bengkayang Landak Sanggau Ketapang Sintang Kapuas Hulu Sekadau Melawi Kayong Utara Seruyan Barito Kuala Hulu Sungai Utara Kutai Barat Malinau Nunukan Kepulauan Sangihe Status Tertinggal Tertinggal Tertinggal Tertinggal Tertinggal Agak Tertinggal Agak Tertinggal Tertinggal Agak Tertinggal Tertinggal Tertinggal Tertinggal DOB DOB DOB DOB DOB Tertinggal Agak Tertinggal Tertinggal Agak Tertinggal Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal DOB Agak Tertinggal Agak Tertinggal Agak Tertinggal Maju Maju Maju Maju .

101 102 Sulawesi Tengah 103 104 105 106 107 108 109 110 111 112 Sulawesi Selatan 113 114 115 116 Sulawesi Tenggara 117 118 119 120 121 122 123 124 125 Gorontalo 126 127 128 Sulawesi Barat 129 130 131 132 133 Maluku 134 Kabupaten Kepulauan Talaud Kepulauan Sitaro Banggai Kepulauan Banggai Morowali Poso Donggala Toli-Toli Buol Parigi Moutong Tojo Una-Una Sigi Selayar Jeneponto Pangkajene Kepulauan Toraja Utara Buton Muna Konawe Konawe Selatan Bombana Wakatobi Kolaka Utara Buton Utara Konawe Utara Boalemo Pohuwatu Gorontalo Utara Majene Polewali Mandar Mamasa Mamuju Mamuju Utara Maluku Tenggara Barat Maju DOB Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Tertinggal DOB Agak Tertinggal Agak Tertinggal Agak Tertinggal DOB Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Agak Tertinggal Tertinggal Status .108 Kawasan KTI Propinsi Sulawesi Utara No.

135 136 137 138 139 140 141 Maluku Utara 142 143 144 145 146 147 148 Papua Barat 149 150 151 152 153 154 155 156 Papua 157 158 159 160 161 162 163 164 165 166 167 168 Kabupaten Maluku Tengah Buru Kepulauan Aru Seram Bagian Barat Seram Bagian Timur Buru Selatan Maluku Barat Daya Halmahera Barat Halmahera Tengah Kepulauan Sula Halmahera Selatan Halmahera Utara Halmahera Timur Morotai Kaimana Teluk Wondama Teluk Bintuni Sorong Selatan Sorong Raja Ampat Maybrat Tambrau Merauke Jayawijaya Nabire Yapen Waropen Biak Numfor Paniai Puncak Jaya Mimika Boven Digoel Mappi Asmat Yahukimo Status Agak Tertinggal Tertinggal Tertinggal Tertinggal Tertinggal DOB DOB Tertinggal Agak Tertinggal Tertinggal Tertinggal Agak Tertinggal Agak Tertinggal DOB Agak Tertinggal Tertinggal Tertinggal Agak Tertinggal Tertinggal Tertinggal DOB DOB Tertinggal Sangat Tertinggal Tertinggal Agak Tertinggal Agak Tertinggal Sangat Tertinggal Tertinggal Agak Tertinggal Sangat Parah Sangat Parah Sangat Parah Sangat Parah .109 Kawasan KTI Propinsi Maluku No.

169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 Kabupaten Pegunungan Bintang Tolikara Sarmi Keerom Waropen Supiori Deiyai Dgiyai Intan Jaya Lanny Jaya Mamberamo Raya Mamberamo Tengah Nduga Puncak Yalimo Status Sangat Parah Sangat Parah Tertinggal Agak Tertinggal Tertinggal Tertinggal DOB DOB DOB DOB DOB DOB DOB DOB DOB Catatan: DOB = Daerah Otonomi Baru .110 Kawasan KTI Papua Propinsi No.

00 88.43 37.18 18.00 100.00 21. Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Indonesia 16 6 9 2 2 6 8 5 3 1 2 3 2 8 2 1 7 15 9 7 2 3 2 9 13 8 4 5 7 6 7 19 199 2010 12 6 8 7 6 4 1 2 2 5 2 8 20 10 1 2 3 3 10 4 9 3 5 8 7 8 27 183 Jumlah Kabupaten Total 2005 23 30 19 11 11 15 9 11 7 7 26 35 5 38 7 9 10 21 14 14 13 14 15 11 24 12 5 5 11 8 9 20 469 2010 23 32 19 11 11 15 10 11 7 7 26 35 5 38 7 9 10 21 14 14 13 14 15 11 24 12 6 5 11 9 11 27 483 Persentase Kabupaten Tertinggal 2005 69.86 14.67 60.00 63.43 13.00 95.00 100.00 72.69 8.29 7.73 77.89 45.64 75.111 Lampiran 3.67 80.78 72.37 18.38 21.89 No Provinsi .57 7.00 36.17 18.82 54.45 42.00 15.00 47.14 15.17 66.29 28.29 50.11 46.36 14.05 28.57 20.24 71.00 90.43 20.00 71.57 80.43 64.I.91 16.00 50.33 81.78 95.43 7.67 75.38 21.75 42.00 77. Jumlah dan Persentase Kabupaten Tertinggal menurut Provinsi Tahun 2005 dan 2010 Jumlah Kabupaten Tertinggal 2005 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 Nangroe Aceh Darussalam Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau Jawa Barat Jawa Tengah D.00 42.57 11.11 70.73 96.57 40.69 13.43 2010 52.16 28.18 40.

64 5.18 2.50 2.069 0.614.86 531.89 1.63 7.48 1.57 1.33 1.50 1.478.44 2.340.66 2.267.146 0.75 1.413. Dinamika Perekonomian PDRB atas Dasar Harga Konstan 2000 Kabupaten Tertinggal (milyar) Jumlah Kabupaten Tertinggal 16 6 9 2 2 6 8 5 3 1 2 3 2 8 2 1 7 15 9 7 2 3 2 9 13 8 4 5 7 6 7 19 Rata-Rata PDRB ADH Konstan 2006 1.322.49 330.213.76 9.75 932.00 1.89 680.49 1.403.083.00 1.916.64 1.41 1.30 5.I.49 1.16 4.04 1.239 0.44 1.277.50 1.434.133.93 779.13 3.72 6.00 467.25 3.33 1.046 0.03 5.50 1.387 0.025.29 1.403.95 546.376.98 1.14 279.67 2.67 2.362.063 0.33 5.00 1.160.253.062 0.249.85 2.00 2.52 1.55 1.45 5.88 5.67 625.80 287.99 773.88 3.451.75 672.799.67 1.72 6.53 2.596.421.183.055 0.672.141.51 3.80 1.22 981.25 2.837.81 6.17 653.870.438.100 0.75 5.426.40 311.120 0.63 1.65 1.88 3.178.008 0.03 Pertumbuhan 2006-2009 Rata-Rata P2IPDT 2009 627.017.44 2.50 1.92 615.75 465.072 0.157 0.99 2.37 973.261.56 795.082 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 Provinsi NAD Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau Jawa Barat Jawa Tengah D.027 0.50 2.695.457 0.060.33 2.70 4.572.505.131 0.15 1.71 2.050 0.980.031 0.228 0.448.00 1.43 1.192.17 516.53 7.86 5.683 0.550. Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua .149.57 1.33 548.331.502.24 1.79 942.36 2.96 1.77 5.433.37 1.169.19 5.31 4.00 2.434.28 1.204 0.51 % PDRB09 thd P2IPDT 09 0.463.427.50 1.75 377.88 3.967.648.86 7.360.750.090 0.212.26 -3.87 1.107 0.244 0.19 7.00 2.31 1.060 0.41 4.00 965.346.507.21 2009 1.113 0.51 1.53 1.00 578.394.744.747.00 2.80 1.091 0.086.568.197 0.47 1.33 598.309.310.05 5.498.25 828.358.52 4.39 1.037 0.219.192 0.453 0.86 1.00 8.50 2.080.37 3.10 2.112 Lampiran 4.

81 -10.03 71.34215 0.28016 0.38 27.39394 0.30439 0.42359 0.29 4.21 0.78 Pertumbuhan P2IPDT 20072009 1417.31907 0.17 1.33312 0.33839 0.91 101.64 10.33379 0.28 2.33246 0.08 1.83 328.31175 0.29831 0.60 -21.32291 0.49 127.30 108.30 0.30482 0.31447 0.30059 0.32469 0.39 375.26922 0.97 82.30284 0.54 27.31878 0.39 0.29683 0.98 0.49 1.02 1.33141 0.88 0.31272 0.09 0.76 1.10 43.41250 Pertumb uhan Gini Rasio 06-09 1.83 34.31209 0.32618 0.26788 0.3703 0.33588 0.77 16.10 1.37 42.22 -3.34121 0.3036 0.32437 0.63 1.88 -0.113 Lampiran 5.46 -38.31361 0.85 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 Nangroe Aceh Darussalam Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau Jawa Barat Jawa Tengah D.30 55.32037 0.32449 0.30492 0.34 131.I.87 3.33479 0.30400 0.39124 No Provinsi 2009 0.31157 0.46 -2.27 33.32554 0.31089 0. Dinamika Ketimpangan Kabupaten Tertinggal Jumlah Kabupaten Tertinggal 2005 16 6 9 2 2 6 8 5 3 1 2 3 2 8 2 1 7 15 9 7 2 3 2 9 13 8 4 5 7 6 7 19 Gini Rasio 2006 0.78 0.48 0.36307 0.31534 0.43 69.41 1.84 198.34 -0.38 0.30385 0.32971 0.34181 0.52 -0.42 376.30583 0.28067 0.29438 0.87 -27.30865 0.15 6. Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua .46 3.29876 0.22 -0.30447 0.29955 0.54 1.09 0.17 112.17 7.08 258.31147 0.83 206.31389 0.79 1.34194 0.98 3.32223 0.35517 0.22 -1.15 -2.29513 0.29357 0.36023 0.29189 0.31153 0.

74 20.57 24.52 28.27 -12.55 -4.12 -9.19 9.17 112.61 Pertumb uhan P2IPDT 20072009 1417.74 22.96 10.14 25.99 18.17 32.29 4.77 16.79 -11.43 -21.60 -21.66 -9.45 22.16 7.40 Laju Penurunan Po 06-09 -8.77 -7.30 55.64 29.87 36.95 8.86 -4.50 11.16 34.89 16.10 43.91 101.12 18.81 -10.34 26.32 6.48 17.54 -9.39 375.97 82.17 20.31 -6.46 13.19 10.23 20.64 10.84 198.02 6.04 18.15 6.90 -16.84 -13.97 -17.96 11.46 -38.03 16.84 14.114 Lampiran 6.42 -5.38 27.45 13.88 -6.42 28.55 -6.61 25.95 No Provinsi 2009 22.95 -6.55 22. Dinamika Kemiskinan Kabupaten Tertinggal (persen) Jumlah Kabupaten Tertinggal 2005 16 6 9 2 2 6 8 5 3 1 2 3 2 8 2 1 7 15 9 7 2 3 2 9 13 8 4 5 7 6 7 19 Po 2006 30.00 12.54 -7.88 -8. Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua .39 33.26 -9.I.54 27.34 131.42 376.23 -8.42 29.39 11.79 18.10 24.43 69.49 41.97 -14.86 -13.36 -13.49 127.87 -27.33 12.83 206.18 16.10 25.08 258.48 -10.87 28.28 -4.27 33.60 26.70 20.47 -14.17 7.90 21.79 -11.14 15.37 22.68 -9.83 34.08 11.15 -2.15 -12.30 108.01 39.22 15.41 40.16 14.85 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 Nangroe Aceh Darussalam Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau Jawa Barat Jawa Tengah D.42 18.50 30.65 13.37 42.14 11.33 -12.55 16.03 71.68 22.35 16.83 328.

00 Karangasem IV 0.00 4000.00 Kaur Seluma Bengkulu Selatan Nias Selatan Pamekasan Nias Musi Rawas Bangkalan Aceh Timur Lahat Gunung Kidul Bondowoso Pakpak Bharat Trenggalek Mukomuko Madiun Kuantan Singingi Garut Situbondo Banyu Asin Lebak Pandeglang Dharmas Raya Belitung Kepahiang Bangka Selatan Tanjung Jabung Timur Natuna Sukabumi Lampung Selatan Aceh Utara Nagan Raya Lingga Gayo Lues 30.00 PDRBK_06 .00 III 10000.00 8000.00 Sarolangun Lebong Pasaman Belitung Timur Dairi 10. Tahun 2006 I Sampang II 40.115 Lampiran 7.00 Aceh Singkil Bireuen Po_06 Lampung Timur 20.00 2000. Hasil Analisis Kuadran (Dinamika Pertumbuhan dan Kemiskinan) di Kabupaten Tertinggal Analisis Kuadran Pertumbuhan dan Kemiskinan KBI.00 6000.

00 6000.00 2000.00 4000.00 Belitung Bangka Selatan Karangasem Dairi Pasaman Barat 0.00 IV 0.116 Analisis Kuadran Pertumbuhan dan Kemiskinan KBI.00 8000.00 Bener Meriah Bengkulu Selatan Kulon Progo Kaur Seluma Nias Selatan Aceh Jaya Lampung Utara Rembang Pamekasan Nias Lahat Wonogiri Lampung Barat Lingga Lebong Bondowoso Madiun Mukomuko Lebak Lampung Timur Lampung Selatan Aceh Utara Po_09 20. Tahun 2009 I Sampang Bangkalan II 30.00 III 12000.00 10000.00 Situbondo Banyu Asin Garut Dharmas Raya Tanjung Jabung Timur Pandeglang Sukabumi Belitung Timur 10.00 PDRBK_09 .

00 6000.00 PDRBK_06 .00 40. Tahun 2006 60.00 I Puncak Jaya Paniai Jayawijaya Pegunungan Bintang Sumba Barat Waropen Fakfak Nabire Supiori II 50.117 Analisis Kuadran Pertumbuhan dan Kemiskinan KTI.00 8000.00 4000.00 Selayar Halmahera Barat Ngada Kepulauan Sula Barru Mamuju Sambas Kutai Barat Pinrang Luwu Timur 10.00 Wakatobi Kolaka Utara Halmahera Timur Belu Luwu Pangkajene dan Kepulauan 20.00 Kaimana Asmat Sorong Jayapura Lombok Barat Kolaka Parigi Moutong Sumbawa Barat Mimika Po_06 Mappi 30.00 2000.00 III 12000.00 Halmahera Utara 0.00 10000.00 IV 0.

00 Asmat Biak Numfor Nabire Po_09 30.00 III 12500.00 Barru Sinjai Mamuju Sukamara Lamandau Barito Kuala 0.00 5000.118 Analisis Kuadran Pertumbuhan dan Kemiskinan KTI.00 2500.00 Yahukimo Puncak Jaya Paniai Pegunungan Bintang Waropen Supiori 40.00 PDRBK_09 . Tahun 2006 60.00 Seram Bagian Barat Buru Sorong Selatan Raja Ampat Keerom Morowali Pohuwato Mamasa Kepulauan Sula Merauke Ketapang Luwu Timur Pinrang Lombok Timur Sumbawa Barat Mimika Polewali Mandar Kolaka 20.00 IV 0.00 I Teluk Bintuni II 50.00 7500.00 10000.00 Luwu Utara Parigi Moutong 10.

29 4.11 437.77 1.870.427.85 1.30 108.533.73 Pertumbu han 20072009 No Provinsi Cat: * menggunakan data tahun 2008-2009 .21 1.233. Rata-Rata Bantuan P2IPDT 2007-2009 Jumlah Kabupaten Tertinggal 16 6 9 2 2 6 8 5 3 1 2 3 2 8 2 1 7 15 9 7 2 3 2 9 13 8 4 5 7 6 7 19 199 Rata-Rata Bantuan Stimulus Infrastruktur (P2IPDT) 2007 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 Nangroe Aceh Darussalam Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau Jawa Barat Jawa Tengah D.160.00 816.24 1.99 2.95 786.66 2.443.34 131.15 1.261.87 1.15 -2.434.37 1.02 990.51 1.43 69.362.60 949.434.96 1.52 1.91 983.809.65 2.99 1.84 198.189.621.94 1.799.75 982.18 1.965.37 42.36 1.078.65 1.01 915.47 1.39 1.85 1.21 1.28 1.360.498.62 2.98 2008 132.81 -10.58 4.70 1.178.I.64 5.04 1.53 1.413.49 1.16 3.444.086.30 55.83 34.66 2.422.08 1.055.30 1.55 1.507.277.25 345.387.059.57 957.138.71 2.49 1.37 973.32 1.44 2.01 2.57 1.566.980.75 1.78 683.22 981.42 376.10 43.025.385.03 71.331.17 112.15 6.48 1.119 Lampiran 8.00 723.83 206.64 1.49 127.99 773.61 1.34 400.083.276.27 1.85 45.78 988.19 1417.032.49 1.39 375.15 1.181.64 10.319.17 7.092.58 1.92 615.303.25 2.393.95 546.33 1. Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua Indonesia 41.38 996.530.70 1.12 1.82 2.77 16.28 1.375.98 807.38 27.87 1.228.87* -27.22 974.98 857.60 -21.41 1.91 101.213.572.133.699.149.717.51 1.98 1.25 1.747.44 1.29 699.267.502.167.47 1.346.71 1.047.15 1.060.40 718.403.82 1.585.309.486.309.46 -38.89 2.22 316.83 328.27 33.65 1.08 258.071.95 2009 627.837.47 1.478.97 82.063.827.64 1.54 27.009.

1247 overall = 0.0000 . Std.52 9.0 3 32.81 .9 1.5 sigma_e | rho | 187657.0027198 1146051 3.46 -0. Interval] -------------+---------------------------------------------------------------p2ipdt | p2ipdt2 | inft_1 | popt | ginit | dwil | _cons | 50.14 Prob > F = 0.99634845 (fraction of variance due to u_i) -----------------------------------------------------------------------------F test that all u_i=0: F(81.54758 .0042 .1255 corr(u_i.5041 Number of obs Number of groups = = 246 82 3 3.8 2.159) = = between = 0. Xb) = 0.3 -1.868119 330154.120 Lampiran 9. Err.76 4.593523 -71777.3 783505. 159) = 739. Hasil Output Stata Hasil Estimasi Pengaruh Bantuan Total terhadap Pertumbuhan Ekonomi dengan Panel Statis (Fixed Effect Model) Fixed-effects (within) regression Group variable: kab1 R-sq: within = 0.131 0.2 (dropped) 3836949 33.90 0.51 -1.2 -7.74785 -.0000 Obs per group: min = avg = max = F(5.132 0. t P>|t| [95% Conf.081 0.502 0.33 0.000 -15.50849 -.928998 580276.735526 1232330 5384370 -------------+---------------------------------------------------------------sigma_u | 3099801.0207206 750069.0059343 100248.0090004 948060.1403 Prob > F -----------------------------------------------------------------------------yt | Coef.29 2289528 117.67 1.000 0.

05 1.155 0.9 -1292100 4827819 33.8 -3.0000 Obs per group: min = avg = max = Wald chi2(6) Prob > chi2 = = between = 0.75 -1.0205208 810551. Std.121 Hasil Estimasi Pengaruh Bantuan Total terhadap Pertumbuhan Ekonomi dengan Panel Statis (Random Effect Model) Random-effects GLS regression Group variable: kab1 R-sq: within = 0.9 6134231 -------------+---------------------------------------------------------------sigma_u | 2938994.000 0.040136 583929.0059908 86748.1482 Random effects u_i ~ Gaussian corr(u_i.5037 Number of obs Number of groups = = 246 82 3 3.0 3 171.1468 overall = 0.003 0.81 .30 -2.000 -18.9959396 (fraction of variance due to u_i) ------------------------------------------------------------------------------ .047962 1238617 109850.9293 .24 0.0029629 1150598 -1.92 -2694051 3521406 114.99 1. Interval] -------------+---------------------------------------------------------------p2ipdt | p2ipdt2 | inft_1 | popt | ginit | dwil | _cons | 48.016434 334030 715294.3 1.2 sigma_e | rho | 187657.071 0.47 11.20545 -. X) = 0 (assumed) -----------------------------------------------------------------------------yt | Coef. Err.7056 .080 0.38 0.81 7. z P>|z| [95% Conf.8 -5.032311 -70756.42 -1.2 666549.143 0.29476 -.008779 980574.

or there may be problems computing the test. Examine the output of your estimators for anything unexpected and possibly consider scaling your variables so that the coefficients are on a similar scale.3 -1.2 3653. obtained from xtreg B = inconsistent under Ha.33 -----------------------------------------------------------------------------b = consistent under Ho and Ha.9916 -Æ RANDOM EFFECT (V_b-V_B is not positive definite) .0008212 .111138 sqrt(diag(V_b-V_B)) S. ---.040136 (B) fixed 50.74785 -.644 50736. . 5.928998 (b-B) Difference -2.542404 .9 580276.122 Hasil Uji Hausman Pada Model Panel Data Statis Note: the rank of the differenced variance matrix (3) does not equal the number of coefficients being tested (5).Coefficients ---| | p2ipdt | p2ipdt2 | inft_1 | popt | (b) random 48.10 0.008779 980574.E. efficient under Ho.20545 -. obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(3) = (b-B)'[(V_b-V_B)^(-1)](b-B) = Prob>chi2 = 0.0002214 32514. be sure this is what you expect. -------------+---------------------------------------------------------------- ginit | 583929.8 -3.0090004 948060.075163 .57 -1.

Std.4 842983.6248 180.87 0.356409 -1796943 -2028227 2313116 .70 0.550 0.3 -4.450 -407.3 0.856271 3373936 -307439.0432532 793559.52 4.20 -4.66 4.10634 788496.605 0.000 0.8 . z P>|z| [95% Conf.000 0.9 -1167833 3965333 .0000 Estimated covariances = Estimated autocorrelations = Estimated coefficients = Number of obs Number of groups Time periods Wald chi2(6) Prob > chi2 -----------------------------------------------------------------------------yt | Coef.51 0.76 0.0155132 1487431 -3.0937 -0.000 -.8243) = = = = = 246 82 3 49. Err.6378021 1319126 438984.0299834 354022.60 -2.0742795 2181303 -1. Interval] -------------+---------------------------------------------------------------p2ipdt | -113.6 5617550 ------------------------------------------------------------------------------ .7317 p2ipdt2 | inft_1 | popt | ginit | dwil | _cons | .123 Hasil Estimasi Pengaruh Bantuan Total terhadap Pertumbuhan Ekonomi dengan Panel Statis (Generalized Least Square Method) Cross-sectional time-series FGLS regression Coefficients: Panels: Correlation: generalized least squares homoskedastic common AR(1) coefficient for all panels 1 1 7 (0.4466 150.008 0.

06 348668.0300878 28.35 2. Err.176 0. Std.popt L(2/.popt LD.000 0.4 -----------------------------------------------------------------------------Instruments for differenced equation GMM-type: L(2/.53918 .p2ipdt2 D.).46 0.40 6.16 2.ginit dropped from lgmmiv() because of collinearity note: dwil dropped from div() because of collinearity note: inft_1 dropped because of collinearity note: ginit dropped because of collinearity note: p2ipdt dropped because of collinearity note: p2ipdt2 dropped because of collinearity note: dwil dropped because of collinearity note: popt dropped because of collinearity note: ginit dropped because of collinearity System dynamic panel-data estimation Group variable: kab1 Time variable: tahun Obs per group: min = avg = max = Number of instruments = Two-step results -----------------------------------------------------------------------------yt | Coef.p2ipdt D.47 0.inft_1 L(1/. | p2ipdt | p2ipdt2 | dwil | popt | ginit | .1310577 2708955 10 Wald chi2(7) Prob > chi2 = = 2 2 2 54306.).ginit Instruments for level equation GMM-type: LD.8594341 -97.56 -3.0034943 238309.037 0.7144689 560595.68 -.ginit .98 0. Interval] -------------+---------------------------------------------------------------yt | L1.4 -.).1 .7 78646.001 0.06834 .p2ipdt2 D.yt L(1/.inft_1 D.09 -1.8004631 -153.p2ipdt D.3 .0041 .dwil dropped from lgmmiv() because of collinearity note: D.0212297 497287.003 .p2ipdt2 L(1/.08 2.).013 40381.).inft_1 D.13257 .yt D.000 0.0000 Number of obs Number of groups = = 164 82 inft_1 | 194524.124 Hasil Estimasi Model Pengaruh Bantuan Total terhadap Pertumbuhan Ekonomi dengan Panel Dinamis note: dwil dropped from dgmmiv() because of collinearity note: ginit dropped from dgmmiv() because of collinearity note: D.p2ipdt L(1/.).ginit Standard: D.popt D.9184052 -41.014381 30209. z P>|z| [95% Conf.0280785 964365 .2156995 548061 28.2917056 1634775 .

0317 Arellano-Bond test for zero autocorrelation in first-differenced errors +-----------------------+ |Order | | | 1 2 | | z . Prob > z| . | .125 Uji Sargan (Overidentifcation test) dan Uji Autokorelasi Panel Dinamis Sargan test of overidentifying restrictions H0: overidentifying restrictions are valid chi2(3) Prob > chi2 = = 8. | |------+----------------| +-----------------------+ H0: no autocorrelation . .824739 0.

6 -7.03 26501.6 159430.470 0.0000 .466 0.98 16244.61 90212.87 0.05 -0. Err.5109 Number of obs Number of groups = = 246 82 3 3.55 9.063 0.830642 -22505.681 -146688.92 0.11 rho | .1 188161.21 1.52 1.113729 (dropped) 74109.99632518 (fraction of variance due to u_i) -----------------------------------------------------------------------------F test that all u_i=0: F(81.72 0.56 -45850.000 0. Xb) = 0.000 2342898 5488227 -------------+---------------------------------------------------------------sigma_u | sigma_e | 3098219.04 _cons | 3915563 796170 4.8 65464.39 -61562.603183 170725.1215 corr(u_i.894218 48912. Interval] -------------+---------------------------------------------------------------ginit | inft_1 | popt | dwil | dtransp | denergi | dinfotel | dsos | dekon | 534503.0 3 20.2 2.914 -99192.78 39390.0000 Obs per group: min = avg = max = F(8.4 -2. Std.156) = = between = 0.6 98854.1189 Prob > F -----------------------------------------------------------------------------yt | Coef.35 94051.5 713063.126 Hasil Estimasi Model Pengaruh Bantuan per Jenis Bantuan terhadap Pertumbuhan Ekonomi dengan Panel Statis (Fixed Effect Model) Fixed-effects (within) regression Group variable: kab1 R-sq: within = 0.05 344857.646 0. t P>|t| [95% Conf.37 0.5 912060.41 0.11 48188. 156) = 750.87 -4973.83 30119.1 185399.73 1.69 36628.132 0.94 1215695 1111057 3.1 100743.46 0.1203 overall = 0.83 Prob > F = 0.123 0.

42 -4967.664 0.43 0.05 0.8 167147.127 Hasil Estimasi Model Pengaruh Bantuan per Jenis Bantuan terhadap Pertumbuhan Ekonomi dengan Panel Statis (Random Effect Model) Random-effects GLS regression Group variable: kab1 R-sq: within = 0.82 36398. Interval] -------------+---------------------------------------------------------------ginit | inft_1 | popt | dwil | dtransp | denergi | dinfotel | dsos | dekon | _cons | 535407.9 940332.792 -99246.16 39038.34 1.003 0.3 27413.139 0.451 0.02 690427.000 0.75 1.081 0.75 93492.53 6219405 -------------+---------------------------------------------------------------sigma_u | 3105851.43 7.87 47620. Std.7 767537.1478 Random effects u_i ~ Gaussian corr(u_i.7 1.72 0.5 155732. Err.048242 741660.11 .000 -135935.5105 between = 0.67 -2.8 48605.75 0.117255 -2749480 -23384.41 4866191 342528.67 16979.1 sigma_e | rho | 188161.5 88162.92 -1.35 88366.33 65046. z P>|z| [95% Conf.48 1.118 0.1 181700.064 0. X) = 0 (assumed) Number of obs Number of groups = = 246 82 3 3.56 10.86 0.33 28243.0000 Obs per group: min = avg = max = Wald chi2(9) Prob > chi2 = = -----------------------------------------------------------------------------yt | Coef.13 -43925.5 -5.7 3512978 1206751 1113128 -1.062739 -1295852 71881.4 -59533.5 -3.1463 overall = 0.99634315 (fraction of variance due to u_i) ------------------------------------------------------------------------------ .664 0.7 98752.0 3 177.008222 157776.

3 27413.3615 sqrt(diag(V_b-V_B)) S.41 (b-B) Difference -904.128 Hasil Uji Hausman Pada Model Panel Data Statis Note: the rank of the differenced variance matrix (7) does not equal the number of coefficients being tested (8).98 16244.072 7384.9954 Æ RANDOM EFFECT .33 28243.5 -3.41 2.4 -2. ---.4118 -28272. obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(7) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 0.9490092 2228.07 48750.266 1846.697719 5464.742 7380.61 90212. efficient under Ho.693 -735.605 -------------+---------------------------------------------------------------- -----------------------------------------------------------------------------b = consistent under Ho and Ha.9 940332.67 16979. 40008.113729 74109.845 5255. Examine the output of your estimators for anything unexpected and possibly consider scaling your variables so that the coefficients are on a similar scale.96 Prob>chi2 = 0.5 912060.03 26501.Coefficients ---| | ginit | inft_1 | popt | dtransp | denergi | dinfotel | dsos | dekon | (b) fixed 534503. be sure this is what you expect.499 1875. obtained from xtreg B = inconsistent under Ha.729 -911.926 4103.05 (B) random 535407.062739 71881.E.35 88366.83 30119. or there may be problems computing the test.06 .

8 450924.29 0.48 -20150.3 -180356.9 -110827.5 201190.9631) = = = = = 246 82 3 60.770 0.1 -157840.768 0.0000 Estimated covariances Number of obs Number of groups Time periods Wald chi2(9) Prob > chi2 Estimated autocorrelations = Estimated coefficients = -----------------------------------------------------------------------------yt | Coef. z P>|z| [95% Conf.24 -0.87 141492.57 -23612.000 0.625 0.2 0.9 257169.9 -297470.04 27689.000 0.4 15540.3 1471798 -1.004 0.2 133130.6 -2179285 3578636 233022.9 -4. Std.5 .36 -4.462706 -624689.2 213219.340 0.6 -1295489 4705698 95164.129 Hasil Estimasi Model Pengaruh Bantuan per Jenis Bantuan terhadap Pertumbuhan Ekonomi dengan Panel Statis (Generalized Least Square Method) Cross-sectional time-series FGLS regression Coefficients: Panels: Correlation: generalized least squares homoskedastic common AR(1) coefficient for all panels = 1 1 10 (0.87 8.3 79972.49 0.157938 592100.000 -140014. Interval] -------------+---------------------------------------------------------------dtransp | denergi | dsos | dinfotel | dekon | inft_1 | popt | ginit | dwil | _cons | 46504.14 -0.9 1077472 -3.2 575042.18 0.32 0. Err.07 64474.7 141908.1 683145.810 0.95 -2.07 94660.30 5.887 0.6657105 620822.853169 1808891 -411694 5832760 ------------------------------------------------------------------------------ .74 0.

014469 85299.8 117656.ginit Instruments for level equation GMM-type: LD.2663093 66.10 0.9328898 -120226.6 -.862 0.dwil dropped from lgmmiv() because of collinearity note: ginit dropped because of collinearity System dynamic panel-data estimation Group variable: kab1 Time variable: tahun Obs per group: min = avg = max = Number of instruments = Two-step results -----------------------------------------------------------------------------yt | Coef.13 71221.9612485 46956.84 -53979.dekon L(2/.022 0.dinfotel L(1/.8145398 .2293734 12 Wald chi2(10) Prob > chi2 = = 2 2 2 60715.050 0.dsos L(1/.582 0.).45 -12409. Interval] -------------+---------------------------------------------------------------yt | L1.63 -19161.96 -1.0000 Number of obs Number of groups = = 164 82 -----------------------------------------------------------------------------Instruments for differenced equation GMM-type: L(2/.3 -170748.2 39377.162 0.9 127182.7 158050.8 -152002.000 0.63 0.62 500581 1311906 262911 .108 0.). Std.yt L(1/.40 2.74 50834.2925832 .popt D. z P>|z| [95% Conf.9896072 214139.74 75433. | dtransp | denergi | dinfotel | dsos | dekon | dwil | ginit | inft_1 | popt | .denergi L(1/. Err.1 315432.inft_1 D.).20 1.3 -119896.).).dsos D.yt D.96 33631.028 0.44 0.61 -1.272 .dinfotel D.21 -0.77 269979.4 693669.ginit .).8915 -.03 90416.17 -1.4 -196373.denergi D.832 0.dekon LD.dtransp L(1/.130 Hasil Estimasi Model Pengaruh Bantuan per Jenis Bantuan terhadap Pertumbuhan Ekonomi dengan Panel Dinamis note: dwil dropped from dgmmiv() because of collinearity note: D.69 -173.73 .26 -71113.73 28520.dtransp D.ginit Standard: D.6 11937.4 67114.8 131368.55 -0.).29 2.

| . estat abond Arellano-Bond test for zero autocorrelation in first-differenced errors +-----------------------+ |Order | z Prob > z| |------+----------------| | | 1 2 | | .858085 0.0197 Æ VALID PADA α=0.131 Uji Sargan (Overidentifcation test) dan Uji Autokorelasi Panel Dinamis Sargan test of overidentifying restrictions H0: overidentifying restrictions are valid chi2(2) Prob > chi2 . . . | = = 7.01 +-----------------------+ H0: no autocorrelation .

024 0.01 0. Xb) = -0.0725978 .0230 overall = 0.38e-06 4.28 -5.35e-06 2. Err. 160) = 21.132 Hasil Estimasi Model Pengaruh Pertumbuhan Ekonomi terhadap Penurunan Kemiskinan dengan Panel Statis (Fixed Effect Model) Fixed-effects (within) regression Group variable: kab1 R-sq: within = 0.46 Prob > F = 0.90191 5.10411 -1.10e-06 5.07 0.160) = = between = 0.83e-06 3.09 1.97401368 (fraction of variance due to u_i) -----------------------------------------------------------------------------F test that all u_i=0: F(81.000 -23.000 0. t P>|t| [95% Conf. Std.277 0.551188 1.0000 .41e-12 4.51e-12 54.961161 -2.56e-06 -5.0000164 -1.24e-12 45. Interval] -------------+---------------------------------------------------------------ginit | yt | exptjuta | exptjuta2 | _cons | -12.73e-06 8.811172 sigma_e | rho | 3.27e-12 64.69972 -------------+---------------------------------------------------------------sigma_u | 18.04 -1.713103 -3.67615 -5.8966 Prob > F -----------------------------------------------------------------------------pot | Coef.146 0.2594 Number of obs Number of groups = = 246 82 3 3.0245 corr(u_i.46 11.0000 Obs per group: min = avg = max = F(4.74e-06 -.6392 -7.0 3 14.

133

Hasil Estimasi Model Pengaruh Pertumbuhan Ekonomi terhadap Penurunan Kemiskinan dengan Panel Statis (Random Effect Model)
Random-effects GLS regression Group variable: kab1 R-sq: within = 0.1733 between = 0.0025 overall = 0.0076 Random effects u_i ~ Gaussian corr(u_i, X) = 0 (assumed) Wald chi2(4) Prob > chi2 Number of obs Number of groups = = 246 82 3 3.0 3 24.00 0.0001

Obs per group: min = avg = max = = =

-----------------------------------------------------------------------------pot | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------ginit | yt | exptjuta | exptjuta2 | _cons | sigma_u | sigma_e | -16.10561 -6.71e-07 -8.25e-06 3.20e-12 32.10116 7.5764403 3.0725978 5.727452 2.90e-07 4.98e-06 2.45e-12 2.519311 -2.81 -2.31 -1.66 1.30 12.74 0.005 0.021 0.098 0.193 0.000 -27.33121 -1.24e-06 -.000018 -1.61e-12 27.1634 -4.880012 -1.03e-07 1.52e-06 8.01e-12 37.03892

-------------+----------------------------------------------------------------

rho | .85876137 (fraction of variance due to u_i) ------------------------------------------------------------------------------

134

Hasil Uji Hausman Pada Model Panel Data Statis
Note: the rank of the differenced variance matrix (1) does not equal the number of coefficients being tested (4); be sure this is what you expect, or there may be problems computing the test. Examine the output of your estimators for anything unexpected and possibly consider scaling your variables so that the coefficients are on a similar scale.

---- Coefficients ---| | (b) random (B) fixed (b-B) Difference sqrt(diag(V_b-V_B)) S.E.

-------------+---------------------------------------------------------------ginit | -16.10561 -12.67615 -3.42946 1.409974 yt | exptjuta | exptjuta2 | -6.71e-07 -8.25e-06 3.20e-12 -5.56e-06 -5.83e-06 3.51e-12 4.89e-06 -2.42e-06 -3.17e-13 . . 4.78e-13

-----------------------------------------------------------------------------b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B) = Prob>chi2 = 5.92 0.0150

(V_b-V_B is not positive definite)

135

Hasil Estimasi Model Pengaruh Pertumbuhan Ekonomi terhadap Penurunan Kemiskinan dengan Panel Dinamis
Dengan Indeks Gini
note: ginit dropped because of collinearity System dynamic panel-data estimation Group variable: kab1 Time variable: tahun Obs per group: min = avg = max = Number of instruments = One-step results -----------------------------------------------------------------------------pot | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------pot | L1. | yt | ginit | exptjuta | (dropped) 6.14e-06 (dropped) -7.83e-06 1.26e-06 .0000137 4.87 -0.57 0.000 0.569 3.67e-06 -.0000348 8.61e-06 .0000191 3 Wald chi2(2) Prob > chi2 = = 2 2 2 68.29 0.0000 Number of obs Number of groups = = 164 82

exptjuta2 | -1.95e-11 1.10e-11 -1.78 0.075 -4.09e-11 1.98e-12 -----------------------------------------------------------------------------Instruments for differenced equation GMM-type: L(2/.).pot L(2/.).yt L(2/.).ginit Standard: D.exptjuta D.exptjuta2 D.ginit Instruments for level equation GMM-type: LD.pot LD.yt LD.ginit . estat abond artests not computed for one-step system estimator with vce(gmm) cannot calculate AR tests with dropped variables Arellano-Bond test for zero autocorrelation in first-differenced errors cannot calculate test with dropped variables +-----------------------+ |Order | z Prob > z| |------+----------------| +-----------------------+ H0: no autocorrelation . estat sargan Sargan test of overidentifying restrictions H0: overidentifying restrictions are valid cannot calculate Sargan test with dropped variables chi2(0) Prob > chi2 = = . .

Æ TIDAK ADA KEPUTUSAN

exptjuta2 LD.49e-06 -----------------------------------------------------------------------------Instruments for differenced equation GMM-type: L(2/.805557 0.yt Standard: D.0000 yt | 1.08e-11 6 Wald chi2(3) Prob > chi2 = = 164 82 2 2 2 219.exptjuta L(1/.exptjuta D.).52e-06 5.0000328 2. Interval] -------------+---------------------------------------------------------------1.029 .000 0. z P>|z| [95% Conf.exptjuta2 Instruments for level equation GMM-type: LD.19 0.2459 .12 -1.22e-07 2.651702 -.0000701 2.pot L(1/. | exptjuta | exptjuta2 | Coef.056407 -.000019 1.136 Tanpa Indeks Gini note: exptjuta dropped because of collinearity note: exptjuta2 dropped because of collinearity System dynamic panel-data estimation Group variable: kab1 Time variable: tahun Number of obs Number of groups Obs per group: = = min = avg = max = Number of instruments = One-step results -----------------------------------------------------------------------------pot | pot | L1.36e-06 5.2064859 .461112 4.exptjuta2 L(2/.exptjuta D.34 0.yt Uji Sargan (Overidentifcation test) dan Uji Autokorelasi Panel Dinamis Sargan test of overidentifying restrictions H0: overidentifying restrictions are valid chi2(2) Prob > chi2 = = 2.79e-07 2.019 2.).pot D.). Std.81e-12 1. Err.68e-11 .22e-11 5.72 2.80 0.).085 0.

80e-06 -15.08e-06 -27. z P>|z| [95% Conf.56e-12 35.67e-12 42.33674 -.325 0.98 10.6429 6.0000148 -2. Err.301142 -2.006 0.086697 5.474 0.77 -2.55e-12 29.50e-07 6.0167 overall = 0. Std.55e-06 2.11302 -------------+---------------------------------------------------------------sigma_u | 7.90e-06 7.29e-07 -3.72 0.011 0.0203 corr(u_i.40703 -3.97e-06 2. X) = 0 (assumed) Prob > chi2 -----------------------------------------------------------------------------pot | Coef.80 0.83735668 (fraction of variance due to u_i) -----------------------------------------------------------------------------Instrumented: yt Instruments: ginit exptjuta exptjuta2 inft_1 popt p2ipdt p2ipdt2 dwil ------------------------------------------------------------------------------ .477324 6.3877403 .61e-12 3.137 Hasil Estimasi Pengaruh Bantuan Total Terhadap Persentase Penduduk Miskin dengan model Instrumental Variable (Instrumen Pertumbuhan-Random Effect Model) G2SLS random-effects IV regression Group variable: kab1 R-sq: within = 0.6868292 sigma_e | rho | 3.54 0.0002 Obs per group: min = avg = max = Wald chi2(4) = = between = 0.2088 Number of obs Number of groups = = 246 82 3 3.53 -0.000 -3. Interval] -------------+---------------------------------------------------------------yt | ginit | exptjuta | exptjuta2 | _cons | -1.17278 -5.0 3 21.

70e-12 8.320286 -6.14 -0.98 0.000012 -6.0000 Obs per group: min = avg = max = Wald chi2(4) = = between = 0.80 0.86 Prob > F = 0.56909 -7.160) = 17.77 0.19999 5.0267 overall = 0.9748 Prob > chi2 -----------------------------------------------------------------------------pot | Coef.0268 corr(u_i.16e-06 1.45e-06 2.310884 6.0000159 -18.235673 sigma_e | rho | 3.41e-12 81. Xb) = -0.99221091 (fraction of variance due to u_i) -----------------------------------------------------------------------------F test that all u_i=0: F(81.49e-06 -3.70e-12 97.29728 1.326 0.169114 .98982 -8. z P>|z| [95% Conf.04 0.96e-06 6.000 -.3877403 .60475 -------------+---------------------------------------------------------------sigma_u | 38. Err.424 0.0000178 6.0000 -----------------------------------------------------------------------------Instrumented: yt Instruments: ginit exptjuta exptjuta2 inft_1 popt p2ipdt p2ipdt2 dwil ------------------------------------------------------------------------------ .603 0.0997 Number of obs Number of groups = = 246 82 3 3.0 3 2442. Interval] -------------+---------------------------------------------------------------yt | ginit | exptjuta | exptjuta2 | _cons | -. Std.19e-06 6.138 Hasil Estimasi Pengaruh Bantuan Total Terhadap Persentase Penduduk Miskin dengan model Instrumental Variable (Instrumen Pertumbuhan-Fixed Effect Model) Fixed-effects (within) IV regression Group variable: kab1 R-sq: within = 0.000 0.52 9.89e-12 64.

---.16e-06 1. obtained from xtivreg B = inconsistent under Ha. .000012 -1.0000 Æ FIXED EFFECT (V_b-V_B is not positive definite) . obtained from xtivreg Test: Ho: difference in coefficients not systematic chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B) = Prob>chi2 = 30. Examine the output of your estimators for anything unexpected and possibly consider scaling your variables so that the coefficients are on a similar scale.19999 5. efficient under Ho.09e-13 -----------------------------------------------------------------------------b = consistent under Ho and Ha.16e-12 1.80e-06 -.50 0.207042 9.13e-06 -1.40703 -3.139 Hasil Uji Hausman Pada Model Panel Data Instrumental Variable Note: the rank of the differenced variance matrix (1) does not equal the number of coefficients being tested (4).667143 3.97e-06 2. be sure this is what you expect.Coefficients ---| | (b) fixed (B) random (b-B) Difference sqrt(diag(V_b-V_B)) S. or there may be problems computing the test. -------------+---------------------------------------------------------------yt | -.56e-12 9.0000102 1.E.29e-06 7.41e-12 -15.85e-06 ginit | exptjuta | exptjuta2 | -6.

21629 42.57 0.308 -2.94e-07 ginit | -15.84376798 (fraction of variance due to u_i) -----------------------------------------------------------------------------Instrumented: yt Instruments: ginit exptjuta exptjuta2 inft_1 popt dwil dtransp denergi dinfotel dsos dekon ------------------------------------------------------------------------------ .79e-06 6.0 3 21.7949252 sigma_e | 3.57e-06 exptjuta2 | 2. z P>|z| [95% Conf.007 -3.74 0.09e-06 -4.0165 overall = 0.140 Hasil Estimasi Pengaruh Bantuan P2IPDT per jenis Bantuan Terhadap Persentase Penduduk Miskin dengan model Instrumental Variable (Instrumen PertumbuhanRandom Effect Model) G2SLS random-effects IV regression Group variable: kab1 R-sq: within = 0.73 0.0002 Obs per group: min = avg = max = Wald chi2(4) Prob > chi2 = = corr(u_i.010 -27.2096 between = 0.000 29.332908 10. X) = 0 (assumed) -----------------------------------------------------------------------------pot | Coef.59e-12 1.031353 -2.441 -.43e-12 7.0201 Number of obs Number of groups = = 246 82 3 3.3541729 rho | .74867 3. Err.28105 -------------+---------------------------------------------------------------sigma_u | 7.0000151 6.02 0.64e-12 2.77 0.66273 exptjuta | -4.70 0.63e-07 -2.3052 -3. Std.52e-06 -0.70e-12 _cons | 35. Interval] -------------+---------------------------------------------------------------yt | -1.26e-06 5.48396 6.

79232 5.0000117 1. Err.000 -.077319 9.568 -3.94e-06 ginit | -6.53e-12 2.1175 between = 0.14 0.0267 Number of obs Number of groups = = 246 82 3 3.3541729 rho | .57 0.000017 exptjuta2 | 1.35e-06 0.53e-06 6.000 63. Interval] -------------+---------------------------------------------------------------yt | -.651267 exptjuta | 4.88 0.67e-12 0. Xb) = -0.0000 Obs per group: min = avg = max = Wald chi2(4) Prob > chi2 = = corr(u_i.92e-06 .71e-12 6.05 0.99188867 (fraction of variance due to u_i) -----------------------------------------------------------------------------F test that all u_i=0: F(81. Std.0 3 2490.0000 -----------------------------------------------------------------------------Instrumented: yt Instruments: ginit exptjuta exptjuta2 inft_1 popt dwil dtransp denergi dinfotel dsos dekon ------------------------------------------------------------------------------ .476 -7.9733 -----------------------------------------------------------------------------pot | Coef.78706 8.141 Hasil Estimasi Pengaruh Bantuan P2IPDT per jenis Bantuan Terhadap Persentase Penduduk Miskin dengan model Instrumental Variable (Instrumen Pertumbuhan. z P>|z| [95% Conf.76e-12 _cons | 79.21 Prob > F = 0.61832 -------------+---------------------------------------------------------------sigma_u | 37.Fixed Effect Model) Fixed-effects (within) IV regression Group variable: kab1 R-sq: within = 0.95581 95.160) = 18.0000154 -7.71 0.41 0.570526 6.90e-06 -6.292 -18.0266 overall = 0.235724 -1.0912 sigma_e | 3.

69 Prob>chi2 = 0. Examine the output of your estimators for anything unexpected and possibly consider scaling your variables so that the coefficients are on a similar scale. efficient under Ho.26e-06 8.53e-12 2. -------------+---------------------------------------------------------------yt | -.58336 exptjuta | 4.11e-12 6.87e-06 1.0000117 -1. .48396 8.79e-06 3.53e-06 -4.570526 -15. ---.79e-06 -9.E.142 Hasil Uji Hausman Pada Model Panel Data Instrumental Variable Note: the rank of the differenced variance matrix (1) does not equal the number of coefficients being tested (4). be sure this is what you expect.913438 1. obtained from xtivreg B = inconsistent under Ha.78e-06 ginit | -6.13e-06 exptjuta2 | 1.71e-13 -----------------------------------------------------------------------------b = consistent under Ho and Ha. obtained from xtivreg Test: Ho: difference in coefficients not systematic chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 31.Coefficients ---| (b) (B) (b-B) sqrt(diag(V_b-V_B)) | fixed random Difference S. or there may be problems computing the test.64e-12 -1.0000 (V_b-V_B is not positive definite) .

80 Halaman ini sengaja dikosongkan .

Halaman ini sengaja dikosongkan xxiv .

Halaman ini sengaja dikosongkan .

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->