PENDAHULUAN
Pembangunan tidak dapat terlepas dari unsur tenaga kerja, dengan kondisi tenaga
kerja yang produktif maka pembangunan dapat berjalan lancar dan harapannya taraf
kehidupan penduduk juga akan meningkat. Tanpa tenaga kerja tidak mustahil
1
pembangunan tidak dapat berjalan , tenaga kerja menjadi penggerak dalam roda
pembangunan. Tenaga kerja dengan sumber daya manusianya bisa memberikan
sumbangan yang sangat berarti dalam proses pembangunan. Semakin tingginya angkatan
kerja tentu memerlukan lapangan pekerjaan yang layak, namun pada kenyataanya
lapangan pekerjaan tidak selalu tersedia. Semakin banyaknya penduduk, meningkatnya
jumlah angkatan kerja. Sumeber daya yang baik, keterampilan yang bagus menjadi modal
utama bagi angkatan kerja untuk mendapatkan pekerjaan yang layak.
Disisi lain faktor nilai tukar sering menjadi perhatian oleh para investor mengingat
acapkali mempengaruhi keputusan investor untuk menanamkan modalnya. Disini
kestabilan nilai tukar akan mempengaruhi nilai rupiah dengan secara tidak langsung akan
mempengaruhi para pemodal untuk menanamkan modalnya atau hanya ditabung di bank.
Hal ini akan berdampak juga terhadap pertumbuhan investasi domestik yang selanjutnya
mempengaruhi produk domestik bruto atau pendapatan suatu negara atau daerah.
Dengan melihat latar belakang dari permasalahan diatas dan melihat dari
fenomena yang ada, mendorong peneliti untuk mengamati lebih lanjut mengenai faktor-
faktor yang mempengaruhi pertumbuhan ekonomi di Daerah Istimewa Yogyakarta. Oleh
karena itu akan dicoba dibahas secara mendalam melalui penelitian dengan judul
ANALISIS EFEKTIVITAS INVESTASI DOMESTIK, ANGKATAN KERJA
NILAI KURS TERHADAP PRODUK DOMESTIK REGIONAL BRUTO DI
DAERAH ISTIMEWA YOGYAKARTA PERIODE TAHUN 1990 2010.
2
c) Banyaknya Penduduk Angkatan Kerja
d) Nilai Tukar Rupiah Terhadap Dollar US
Dari latar belakang masalah yang telah disampaikan diatas, maka dapat diambil
suatu perumusan masalah yang akan dibahas dalam penelitian ini yaitu sebagai berikut :
3
4. Untuk Mengidentifikasi apakah tingkat investasi domestik, angkatan kerja,
dan nilai kurs berpengaruh secara simultan terhadap produk domestik regional
bruto di Daerah Istimewa Yogyakarta ?
Penelitian ini diharapkan memberikan manfaat kepada berbagai pihak yang terkait
dalam studi ini. Manfaat tersebut sebagai berikut :
4
BAB II
TINJAUAN PUSTAKA
I = S..............................................................................................................(2.1)
5
1. Tabungan adalah fungsi dari tingkat bunga
Yaitu semakin tinggi tingkat bunga, semakin tinggi pula keinginan masyarakat
untuk menabung. Artinya bahwa pada tingkat bunga yang lebih tinggi, masyarakat
akan terdorong untuk mengurangi pengeluaran untuk konsumsi dengan maksud untuk
menambah tabungan.
Yaitu semakin tinggi tingkat bunga, keinginan untuk melakukan investasi akan
semakin rendah. Dimana investasi akan dilakukan apabila pendapatan dari investasi
(return on investment) lebih besar dari tingkat bunga yang berlaku atau tingkat riil
sebab tingkat bunga merupakan biaya atau ongkos penggunaan dana (Cost of
Capital).
Gambar 2.1.
Hubungan Investasi dan Tabungan Dengan Tingkat Bunga
Menurut Klasik
Tingkat Bunga
E0
R0
I0
R1 E1
I1
I0 I0=S1 I0=S0
Investasi dan Tabungan
Dari gambar diatas dapat diterangkan bahwa kurva tabungan (S) menunjukkan
tingkat tabungan pada kesempatan kerja penuh atau full employment pada berbagai
6
tingkat bunga sedangkan keinginan berinvestasi perusahaan ditunjukkan oleh kurva I0.
Sehingga bila pada mulanya keseimbangan diantara tabungan dan investasi (I0 = S0)
dicapai pada titik E0, dimana keseimbangan tingkat bunga ada pada titik R0.
.................................2.2
Keterangan :
R1, R2,..Rn = Penerimaan bersih yang diperkirakan diperoleh dari proyek investasi
7
S = Nilai residu
Bila MEC = suku bunga, maka proyek dijalankan atau tidak sama saja
Menurut Sadono Sukirno (2011), Produk Domestik Bruto (PDB) adalah nilai
barang dan jasa dalam suatu negara yang diproduksikan oleh faktor-faktor produksi
milik warga negara tersebut dan negara asing dalam satu tahun tertentu.
1. PDB merupakan jumlah nilai tambah yang dihasilkan oleh seluruh aktivitas
produksi didalam perekonomian. Hal ini berarti peningkatan PDB juga
mencerminkan peningkatan balas jasa kepada faktor-faktor produksi yang
digunakan dalam aktivitas produksi tersebut.
2. PDB dihitung atas dasar konsep aliran (flow concept), artinya perhitungan
PDB hanya mencakup nilai produk yang dihasikan kepada suatu priode
tertentu.
3. Batas wilayah perhitungan PDB adalah negara (perekonomian domestik)
1. Akumulsi modal, yakni meliputi semua bentuk atau jenis investasi yang
ditanamkan pada tanah, peralatan fisik dan modal atau sumber daya manusia.
2. Pertumbuhan penduduk, yang beberapa tahun selanjutnya akan
memperbanyak angkatan kerja.
3. Kemajuan teknologi.
8
Pada kenyataan terdapat kaitan yang sangat erat antara investasi dengan
pendapatan dalam suatu daerah tertentu. Terdapat hubungan yang positif apabila
pendapatan naik maka pengeluaran investasi juga akan naik. Begitu pula sebaliknya.
Meningkatnya pendapatan suatu daerah (PDRB) mempunyai tendensi meningkatnya
permintaan akan barang dan jasa konsumsi, yang berarti akan memerlukan produksi
barang-barang dan jasa konsumsi yang lebih banyak. Ini berarti memerlukan yang
sudah ada maupun menambah proyek investasi. Dengan demikian meningkatnya
tingkat pendapatan mengakibatkan meningkatnya jumlah proyek investasi yang
dilaksanakan oleh masyarakat.
Konsep ini menjelaskan tentang aktivitas ekonomi orang yang pernah bekerja
atau biasa dilakukan seseorang(usual activity). Kata biasa dalam hal ini dapat
disimpulkan bahwa usaha tidak menggangap penting kegiatan-kegiatan lain yang
tidak termasuk biasa dilakukan. Contohnya orang yang biasanya sekolah namun pada
kondisi sekarang sedang mencari kerja maka hal ini diklasifikasikan sebagai orang
yang sekolah. Teori ini tidak dapat menggambarkan secara statistik mengenai kondisi
mereka yang bekerja dan sedang mencari pekerjaan sehingga angka pengangguran
terbuka relatif kecil.
Pendekatan ini memberikan batas yang jelas tentang kegiatan yang dilakukan
dalam semiggu ini, sehingga secara tegas dapat diketahui kegiatan apa yang benar-
9
benar dilakukan sebagai kegiatan utamanya. Pendekatan ini lebih dikenal sebagai
pendekatan aktivitas kini dengan jangka waktu tertentu (Mantra ,2009) .
a. Activity Concept, bahwa yang termasuk dalam angkatan kerja (labor force)
haruslah orang yang secara aktif bekerja atau sedang aktif mencari pekerjaan.
Berdasarkan konsep tersebut , angkatan kerja (labor force) dibagi menjadi dua yaitu :
1. Bekerja
2. Mencari pekerjaan (menganggur), yang dapat dibedakan antara :
a) Mencari pekerjaan, tetapi sudah pernah bekerja sebelumnya
b) Mencari pekerjaan untuk pertama kalinya (belum pernah bekerja
sebelumnya)
Angkatan kerja dapat dikatakan sebagai bagian dari tenaga kerja yang
sesungguhnya terlibat atau berusaha untuk terlibat dalam kegiatan produktif, yaitu
memproduksi barang dan jasa dalam kurun waktu tertentu. Oleh karena itu, dalam
konsep angkatan kerja ini harus ada referensi waktu yang pasti, misalnya satu minggu
sebelum pencacahan.
10
b) Pemanfaatan kurang (Under-Utilized), karena jumlah jam kerja yang rendah,
pendapatan upah atau gaji yang rendah dan tidak sesuai dengan kemampuan atau
keahliannya, biasa disebut setengah penganggur. Untuk point a dan b didasarkan
pada jumlah jam kerja seminggu.
c) Pengangguran terbuka (Open Unemployment)
Nilai tukar atau kurs merupakan harga mata uang satu negara terhadap harga
mata uang negara lain. Menurut Krugman (2000) mengartikan nilai tukar adalah harga
sebuah mata uang dari sebuah negara yang diukur dan dinyatakan dengan mata uang
lain. Nilai tukar mata uang dapat didefinisikan sebagai harga relatif dari mata uang
terhadap mata uang negara lainnya. Menurut Nopirin (2011) Kurs adalah pertukaran
antara dua mata uang yang berbeda, maka akan mendapat perbandingan nilai / harga
antara kedua mata uang tersebut.
Ada beberapa faktor penentu yang mempengaruhi pergerakan nilai tukar, yaitu
(MaduraJeff, 1993) :
1. Faktor Fundamental
2. Faktor Teknis
Faktor teknis berkaitan dengan kondisi permintaan dan penawaran devisa pasa
saat tertentu. Apabila ada kelebihan permintaan, sementara penawran tetap,
maka harga valuta asingakan terapresiasi, sebaliknya apabila ada kekurangan
permintaan, sementara penawaran tetap maka nilai tukar valuta asing akan
terdepresiasi.
3. Sentimen Pasar
Sentimen pasar lebih banyak disebabkan oleh rumor atau berita politik yang
bersifat insidentil, yang dapat mendorong harga valuta asing naik atau turun
11
secara tajam dalam jangka pendek. Apabila rumor atau beritasudah berlalu,
maka nilai tukar akan kembali normal.
12
sedangkan investasi dalam negeri tidak berpengaruh terhadap kesempatan kerja dan
pendapatan per kapita.
2.3. Hipotesis
Sejalan dengan latar belakang pada penelitian ini dapat diambil suatu hipotesis
atau dugaan sementara sebagai berikut :
13
BAB III
METODE PENELITIAN
Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah
produk domestik regional bruto (Y) Sedangkan variabel bebasnya (independent variabel)
yaitu penanaman modal dalam negeri (PMDN), nilai kurs terhadap dollar US (KURS) dan
angkatan kerja (AK).
Variabel yang akan digunakan dalam analisis ini didefinisikan sebagai berikut :
PDRB adalah keseluruhan nilai tambah barang dan jasa yang dihasilkan oleh seluruh unit
usaha atau seluruh unit ekonomi di suatu wilayah atas dasar harga konstan.
Penanaman Modal Dalam Negeri adalah realisasi investasi perseorangan atau perusahaan
yang berasal dari dalam negeri/domestik pada perusahaan yang berlokasi di propinsi
Daerah Istimewa Yogyakarta.
Angkatan Kerja yang dimaksudkan disini adalah jumlah penduduk berumur 10 tahun
keatas yang bekerja berdasarkan kegiatan selama seminggu yang lalu di Daerah
Istimewa Yogyakarta, yang dinyatakan salam bentuk satuan orang.
Nilai tukar atau kurs merupakan harga mata uang satu negara terhadap harga mata uang
negara lain / harga sebuah mata uang dari sebuah negara yang diukur dan dinyatakan
14
dengan mata uang lain. Nilai tukar yang digunakan kurs rupiah terhadap dollar selama
periode 1990 2010 yang dinyatakan dalam rupiah.
Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data runtut
waktu (time series) dengan rentang waktu 21 tahun. Data yang dipilih adalah data dari tahun
1990 sampai 2010. Sedangkan metode pengumpulan data yang digunakan dalam penelitian
ini adalah dengan cara mencari data yang berhubungan dengan variabel penelitian secara urut
sesuai dengan tahun penelitian dan mendokumentasikannya, data-data tersebut dikumpulkan
dari berbagai sumber yaitu , Badan Pusat Statistik (BPS-Yogyakarta) dan Bank Indonesia
Daerah Yogyakarta.
Metode yang dipakai dalam pengumpulan data adalah melalui studi pustaka. Studi
pustaka merupakan teknik untuk mendapatkan informasi melalui catatan, literatur,
dokumentasi dan lain-lain yang masih relevan dengan penelitian ini. Data yang digunakan
dalam penelitian ini adalah data sekunder yang diperoleh dalam bentuk sudah jadi dari Badan
Pusat Statistik Yogyakarta. Data yang diperoleh adalah data dalam bentuk tahunan untuk
masing masing variabel.
Dalam penelitian ini dilakukan dua analisis, yaitu analisis keseimbangan jangka
panjang dengan menggunakan persamaan kointegrasi (cointegration test) dan analisis jangka
pendek dengan metode regresi linier ECM (Error Correction Methode). Sebelum melakukan
analisis harus dilakukan uji terhadap kestationeran data. Konsep terkini yang banyak dipakai
untuk menguji kestationeran data runtut waktu adalah uji akar unit (unit root test) atau
dikenal juga dengan Uji Augmented Dickey Fuller (ADF). Pengujian akar-akar unit untuk
semua variabel yang digunakan dalam analisis runtut waktu perlu dilakukan untuk memenuhi
keshahihan analisis ECM (Error Correction Methode). Ini berarti bahwa data yang
digunakan harus bersifat stasioner, atau dengan kata lain perilaku data yang stasioner
memiliki varians yang tidak terlalu besar dan mempunyai kecenderungan untuk mendekati
nilai rata-ratanya. Hipotesis yang dikemukan adalah :
15
H0 : = 0 artinya terjadi unit root (data tidak stasioner)
Teknik pengujian adalah dengan membuat regresi antara dan Yt-1 sehingga akan
didapat koefisien regresinya, yaitu . Regresi metode yang sama secara parsial juga akan
dilakukan terhadap semua variabel independen yang digunakan. Namun signifikansi tidak
dapat dilakukan dengan uji t karena hipotesis diatas tidak mengikuti distribusi t. Dickey-
Fuller membuktikan bahwa Uji t terhadap hipotesis diatas mengikuti statistik (tau). Statistik
ini selanjutnya dikembangkan oleh Mc Kinnon. Model yang akan digunakan adalah model
dengan intersep (Nachrowi, 2006), yaitu :
Keterangan :
H0 ditolak bila nilai ADF lebih kecil atau lebih besar dibandingkan dengan nilai kritis mutlak
Mc Kinnon pada level 1%, 5%, dan 10%, yang juga berarti bahwa distribusi (t) mengarah
pada kondisi yang signifikan.
Selanjutnya dilakukan uji derajat integrasi. Uji derajat integrasi merupakan kelanjutan
dari uji akar unit, apabila setelah dilakukan pengujian akar unit ternyata data belum stasioner,
maka dilakukan pengujian ulang dan menggunakan data nilai perbedaan pertamanya (first
difference). Apabila dengan data first difference belum juga stasioner maka selanjutnya
dilakukan pengujian dengan data dari perbedaan kedua (second difference) dan seterusnya
hingga data stasioner. (Gujarati,1999)
Jika semua variabel lolos dari uji akar unit, maka selanjutnya dilakukan uji
kointegrasi (cointegration test) untuk mengetahui kemungkinan terjadinya keseimbangan
atau kestabilan jangka panjang diantara variabel-variabel yang diamati. Dalam penelitian ini
digunakan metode Engel dan Granger untuk menguji kointegrasi variabel-variabel yang ada
dengan memanfaatkan uji statistik DF-ADF untuk melihat apakah residual regresi kointegrasi
16
stasioner atau tidak. Untuk menghitung nilai DF dan ADF terlebih dahulu adalah membentuk
persamaaan regresi kointegrasi dengan metode kuadrat terkecil biasa (OLS). Persamaan
regresi yang akan diujikan pada penelitian ini adalah seperti yang dikemukakan
Nachrowi(2006).
Keterangan :
0 = intersep/konstanta
1, 2, 3 = koefisien regresi
KURSt = nilai tengah kurs rupiah terhadap dolar Amerika pada periode t
et = error term
Dari regresi terhadap persamaan diatas didapatkan nilai residunya. Kemudian nilai
residu (et) tersebut diuji menggunakan metode Augmented Dickey Fuller untuk melihat
apakah nilai residual tersebut stasioner atau tidak. Nilai residu dikatakan stasioner apabila
nilai hitung mutlak ADF lebih kecil atau lebih besar daripada nilai kritis mutlak Mc Kinnon
pada = 1%, 5%, atau 10% dan dapat dikatakan regresi tersebut adalah regresi yang
terkointegrasi. Dalam ekonometrika variabel yang saling terkointegrasi dikatakan dalam
kondisi keseimbangan jangka panjang. Pengujian ini sangat penting apabila model dinamis
akan dikembangkan. Dengan demikian, interpretasi denga menggunakan model diatas tidak
akan menyesatkan, khususnya untuk analisis jangka panjang.
17
diferensi pertama untuk semua variabel bebas dalam model. Metode ini dikembangkan oleh
Engel dan Granger pada tahun 1987. Bentuk umum metode ECM (Nachrowi:2006) adalah
sebagai berikut :
Untuk mengetahui spesifikasi model dengan ECM merupakan model yang valid,
dapat terlihat pada hasil uji statistik terhadap koefisien atau residual dari regresi pertama,
yang selanjutnya akan disebut Error Corecction Term (ECT). Jika hasil pegujian terhadap
koefisien ECT signifikan, maka spesifikasi model yang diamati valid. Pada penelitian ini
model analisis ECM yang digunakan dapat dirumuskan secara lengkap sebagai berikut :
Keterangan :
KURSt = rata-rata nilai tengah kurs rupiah terhadap dolar pada periode t
Berdasarkan hasil perhitungan dengan analisis regresi linear ECM diatas, maka dapat
diketahui nilai variabel ECT (error correction term), yaitu variabel yang menunjukkan
keseimbangan investasi. Hal ini dapat menjadikan indikator bahwa spesipikasi model baik
atau tidak melalui tingkay signifikansi koefisien koreksi kesalahan(Wing Wahyu, 2007). Jika
variabel ECT signifikansi pada = 5%, maka koefisien tersebut akan menjadi penyesuaian
bila terjadi fluktuasi variabel yang diamati menyimpang dari hubungan jangka panjang.
Dengan kata lain spesipikasi model sudah shahih (valid) dan dapat menjelaskan variasi
variabel tak bebas.
18
BAB IV
Dari hasil penelitian yang dilakukan oleh penulis memperoleh suatu hasil pengujian
berdasarkan data yang sudah diolah. Berdasarkan hasil data olahan tersebut dapat ditarik hasil
antara analisis dan pembahasan adalah sebagai berikut :
Data deret waktu dikatakan stasioner jika menunjukkan pola yang konstan dari waktu
ke waktu. Adapun uji akar unit yang digunakan dalam penelitian ini adalah uji Augmented
Dickey Fuller (ADF). Apabila nilai t-statistik ADF lebih besar daripada nilai kritis
MacKinnon, maka variabel tersebut memiliki akar unit sehingga dikatakan tidak stasioner
(nonstasioner) pada taraf nyata tertentu. Sebaliknya, Apabila nilai t-statistik ADF lebih kecil
daripada nilai kritis MacKinnon, maka variabel tersebut tidak memiliki akar unit sehingga
dikatakan stasioner pada taraf nyata tertentu.
ADF t-statistik > t-critical MacKinnon = memiliki akar unit atau tidak stasioner
ADF t-statistik < t-critical MacKinnon = tidak memiliki akar unit atau stasioner
Uji akar unit dilakukan satu persatu atau setiap variabel yang akan di analisis baik
variabel dependent maupun independent. Dari hasil pengolahan data yang menggunakan
bantuan program eviews 3.1. diperoleh hasil uji akar unit pada tingkat level, dapat dilihat
pada tabel 4.1.
19
Tabel 4.1. memperlihatkan bahwa terdapat tiga variabel yang tidak stasioner pada
tingkat level, yakni variabel Y (PDRB), AK (anngkatan kerja), dan KURS (nilai kurs) pada
tingkat signifikansi 5 persen. Sedangkan variabel PMDN (investasi domestik) stasioner pada
tingkat signifikansi 5 persen dengan nilai ADF t-statistik -5.813617. Oleh karena rata-rata
variabel tidak signifikan pada tingkat level maka perlu di uji dengan derajat integrasi.
Uji derajat integrasi merupakan kelanjutan dari uji akar unit, apabila setelah dilakukan
pengujian akar unit ternyata data belum stasioner, maka dilakukan pengujian ulang dan
menggunakan data nilai perbedaan pertamanya (first difference). Apabila dengan data first
difference belum juga stasioner maka selanjutnya dilakukan pengujian dengan data dari
perbedaan kedua (second difference) dan seterusnya hingga data stasioner.
Berdasarkan hasil pada uji Augmented Dickey Fuller pada tingkat level, diketahui
bahwa tidak semua variabel stasioner maka perlu dilakukan uji Augmented Dickey Fuller
pada tingkat first difference. Dari hasil pengolahan data diperoleh hasil uji akar unit pada
tingkat first difference, dapat dilihat pada tabel 4.2.
Tabel 4.2. Hasil Augmented Dickey Fuller Pada Tingkat First Difference
Nilai Kritis MacKinnon
Variabel ADF t-statistik Keterangan
1% 5% 10 %
Y -2.653597 -4.5743 -3.6920 -3.2856 Nonstasioner
PMDN -9.549377 -4.5743 -3.6920 -3.2856 Stasioner
AK -3.448001 -4.5743 -3.6920 -3.2856 Nonstasioner
KURS -3.368889 -4.5743 -3.6920 -3.2856 Nonstasioner
Tabel 4.2. memperlihatkan bahwa terdapat tiga variabel yang tidak stasioner pada
tingkat first difference, yakni variabel Y (PDRB), AK (angkatan kerja, KURS (nilai kurs)
pada tingkat signifikansi 5 persen. Dan satu variabel stasioner, yakni PMDN (investasi
domestik) pada tingkat signifikansi 5 persen dengan nilai ADF t-statistik -9.549377.
Berdasarkan hal tersebut, maka kembali dilakukan pengujian Augmented Dickey Fuller pada
tingkat second difference. Dari hasil pengolahan data diperoleh hasil uji akar unit pada
tingkat second difference, dapat dilihat pada tabel 4.3.
20
Tabel 4.3. Hasil Augmented Dickey Fuller Pada Tingkat Second Difference
Nilai Kritis MacKinnon
Variabel ADF t-statistik Keterangan
1% 5% 10 %
Y -4.044107 -4.6193 -3.7119 -3.2964 stasioner
PMDN -9.021135 -4.6193 -3.7119 -3.2964 stasioner
AK -5.161322 -4.6193 -3.7119 -3.2964 stasioner
KURS -6.210772 -4.6193 -3.7119 -3.2964 stasioner
Tabel 4.3. memperlihatkan bahwa empat variabel sudah stasioner pada tingkat second
difference, yakni variabel Y (PDRB), PMDN (investasi domestik), AK (anngkatan kerja),
KURS (nilai kurs) pada tingkat signifikansi 5 persen. Oleh karena itu dapat dikatakan semua
data yang digunakan dalam penelitian ini terintegrasi pada derajat dua (second diffrence).
4.2.Uji Kointegrasi
..................... (4.2.1)
Y= + PMDN + AK + KURS
21
Tabel 4.4 Hasil Uji Engle Granger Cointegration Test
Konstanta -8222.048
(-1.6099)
PMDN -7.138216
(-1.8039)***
AK 0.013979
(4.0796)**
KURS 0.001515
(0.00749)
R-square 0,8078
F- stat 23,8191**
DW stat 0,7100
*signifikan pada level 1%
**signifikan pada level 5%
***signifikan pada level 10%
Berdasarkan pada tabel 4.4 di atas variabel PMDN dan AK memberikan pengaruh
yang signifikan terhadap variabel Y(PDRB). Hasil analisis persamaan pengaruh terhadap
PDRB di Daerah Istimewa Yogyakarta adalah :
Koefisien PMDN yang negatif sebesar -7,138216, artinya jika PMDN naik sebesar
satu persen maka Y(PDRB) di Daerah Istimewa Yogyakarta akan turun sebesar 7,138216
persen. Hal ini menunjukkan dalam jangka panjang, peningkatan investasi domestik akan
meningkatkan juga pengeluaran pemerintah sehingga mengurangi pendapatan daerah. Nilai
probabilitas sebesar 0,089 menunjukkan PMDN secara partial signifikan dan mempengaruhi
variabel dependennya, karena nilai probabilitasnya kurang dari taraf nyata 10 persen.
Koefisien AK sebesar 0,013979, artinya jika AK naik sebesar satu persen maka
Y(PDRB) di Daerah Istimewa Yogyakarta akan naik sebesar 0,013979 persen. Hal ini
menunjukkan dalam jangka panjang, meningkatnya jumlah tenaga kerja mendorong
22
pertumbuhan produk domestik regional di Daerah Istimewa Yogyakarta . Nilai probabilitas
sebesar 0,0008 menunjukkan AK secara partial signifikan dan mempengaruhi variabel
dependennya, karena nilai probabilitasnya kurang dari taraf nyata 5 persen.
Koefisien KURS sebesar 0,001515, artinya jika KURS naik sebesar satu persen maka
Y(PDRB) di Daerah Istimewa Yogyakarta akan naik sebesar 0,001515 persen. Hal ini
menunjukkan dalam jangka panjang, nilai tukar kurang dominan atau kecil kontribusinya
dalam mempengaruhi pertumbuhan produk domestik regional di Daerah Istimewa
Yogyakarta . Nilai probabilitas sebesar 0,9941 menunjukkan KURS secara partial tidak
signifikan dan tidak mempengaruhi variabel dependennya, karena nilai probabilitasnya lebih
besar dari taraf nyata 5 persen.
Nilai konstanta (C) dalam pemodelan adalah negatif sebesar -8222,048. Hal ini berarti
jika semua variabel diasumsikan bernilai nol, maka Y(PDRB) di Daerah Istimewa
Yogyakarta cenderung akan menurun sebesar 8222,048 persen. Nilai probabilitas C adalah
0,1258, sehingga menunjukkan bahwa C tidak memberikan pengaruh yang signifikan dalam
permodelan.
Hasil estimasi dari persamaan jangka panjang menunjukkan nila R-Square sebesar
0,8078, artinya bahwa 80,78 persen model PDRB dapat dijelaskan oleh variabel
independennya yakni, PMDN, AK, dan KURS. Sedangkan sisanya sebesar 19,22 persen
dijelaskan oleh variabel lain diluar persamaan.
Hasil estimasi dari persamaan jangka panjang menunjukkan nilai F-statistik sebesar
23,8191 dengan nilai probabilitas sebesar 0,000003. Nilai ini lebih kecil dari taraf nyata 5
persen sehingga dapat disimpulkan bahwa secara bersama-sama terdapat pengaruh yang
signifikan antara variabel independent secara keseluruhan yang terdiri dari investasi
domestik, angkatan kerja, dan kurs terhadap variabel dependen yaitu produk domestik
regional bruto.
Hasil estimasi dari persamaan jangka panjang menunjukkan nilai D-W (Durbin
Watson) sebesar 0,710005. Hal ini menunjukkan pada model tidak mengandung autokorelasi
karena nilai D-W berada diantara -2 sampai +2.
......... (4.2.2)
23
Langkah berikutnya adalah menaksir model persamaan autoregressive dari residual
berdasarkan persamaan berikut :
...................................................... (4.2.3)
Berdasarkan persamaan autoregressive akan diperoleh nilai AEG hitung yang nantinya
dibandingkan dengan nilai ADF tabel. Adapun hipotesa yang akan diuji adalah :
Setelah memiliki variabel residual yang berasal dari persamaan (4.2.2), maka
dilanjutkan dengan menguji variabel residual, apakah stasioner atau nonstasioner. Dari hasil
pengolahan data diperoleh hasil uji kointegrasi, dapat dilihat pada tabel 4.4.
Tabel 4.5. memperlihatkan bahwa variabel e sudah stasioner pada tingkat second
difference. Ini berarti ada indikasi bahwa variabel e untuk data second difference dan panjang
lag 1 tidak mengandung akar unit, dengan kata lain variabel e sudah stasioner, sehingga
disimpulkan bahwa terjadi kointegrasi diantara semua variabel yang disertakan dalam model
Y (PDRB). Hal ini mempunyai makna bahwa dalam jangka panjang akan terjadi
keseimbangan atau kestabilan antar variabel yang diamati.
Setelah lolos dari uji kointegrasi, langkah selanjutnya adalah membentuk persamaan
error correction model (ECM). Persamaan yang akan dibentuk sebagai berikut :
........(4.2.4)
Keterangan :
24
PMDNt = nilai investasi domestik pada periode t
KURSt = rata-rata nilai tengah kurs rupiah terhadap dolar pada periode t
= persamaan residual
Persamaan (4.2.4) dibangun berdasarkan hasil pengujian bahwa semua variabel sudah
stasioner dalam data beda kedua (second difference) yang diperlihatkan oleh notasi . Error
correction model (ECM) digunakan untuk mengestimasi model dinamis jangka pendek dari
variabel produk domestk regional bruto. Penggunaan metode estimasi ECM dapat
mengabungkan efek jangka pendek dan panjang yang disebabkan oleh fluktuasi dan time lag
dari masing-masing variabel independent. Berdasarkan hasil dari uji ECM didapat hasil
sebagai berikut :
Konstanta 1018.416
(5.496)**
DPMDN(-1) 3.984735
(2.215)**
DPMDN(-2) 2.566027
(1.728)
DPMDN(-3) 5.068831
(2.903)**
DAK(-3) -0.005566
(-1.625)
DKURS(-1) -0.216619
(-2.434)**
E(-1) -0.296772
(-2.908)**
R-square 0,7245
F- stat 4,3829**
DW stat 1,1621
*signifikan pada level 1%
**signifikan pada level 5%
25
Adapun persamaan yang diperoleh dari hasil uji ECM adalah :
Persamaan di atas merupakan model dinamik Y(PDRB) untuk jangka pendek, dimana
variabel PDRB tidak hanya dipengaruhi oleh DPMDN(-1), DPMDN(-3), dan DKURS(-1)
tetapi juga dipengaruhi oleh variabel error term et. Kelihatan disini nilai koefisien et signifikan
untuk ditempatkan dalam model sebagai koreksi jangka pendek untuk mencapai
keseimbangan jangka panjang. Semakin kecil nilai et maka semakin cepat proses koreksi
menuju keseimbangan jangka panjang. Oleh karena itu dalam ECM variabel et sering
dikatakan pula sebagai faktor kelambanan, yang memiliki nilai lebih kecil dari nol, et < 0.
Pada model ini, nilai koefisien et mencapai -0.296772, yang menandakan bahwa nilai
Y(PDRB) berada di atas nilai jangka panjangnya.
Hasil pengujian terhadap model dinamis (jangka pendek) produk domestik regional
bruto di Daerah Istimewa Yogyakarta dari tahun 1990 dampai dengan tahun 2010 dapat
diinterpretasikan berdasarkan hasil estimasi pada tabel 4.5 adalah sebagai berikut :
26
b. Perubahan Angkatan Kerja (AK)
Pengaruh Angkatan Kerja terhadap PDRB pada jangka pendek tidak berpengaruh
secara signifikan pada tiga tahun sebelumnya. Peningkatan satu persen AK pada tiga tahun
sebelumnya akan menurunkan PDRB sebesar 0.005566 persen. Nilai probabilitas variabel
AK adalah 0,1352. Nilai ini lebih besar dari taraf nyata 5 persen, sehingga variabel AK pada
tiga tahun sebelumnya tidak signifikan dan tidak mempengaruhi variabel dependennya.
Pengaruh nilai kurs terhadap PDRB pada jangka pendek berpengaruh secara
signifikan pada tahun pertama sebelumnya. Peningkatan satu persen KURS pada tahun
pertama sebelumnya akan menurunkan PDRB sebesar 0.216619 persen. Nilai probabilitas
variabel KURS adalah 0,0352. Nilai ini lebih kecil dari taraf nyata 5 persen, sehingga
variabel KURS pada tahun pertama sebelumnya signifikan dan mempengaruhi variabel
dependennya.
Dilihat dari nilai koefisien ECT (E-1) adalah negatif sebesar 2.908. Hal ini
mengindikasikan ketidakseimbangan dalam PDRB. Nilai koefisien ECT (E-1) sebesar
0.296772 menunjukkan bahwa disequilibrium periode sebelumnya terkoreksi pada periode
sekarang 0,29 persen. ECT menentukan seberapa cepat equilibrium tercapai kembali ke
keseimbangan jangka panjang.
Hasil estimasi dari persamaan jangka pendek menunjukkan nila R-Square sebesar
0,7245, artinya bahwa 72,45 persen model PDRB dapat dijelaskan oleh variabel perubahan
PMDN, AK, dan KURS pada periode tahun sebelumnya. Sedangkan sisanya sebesar 27,55
persen dijelaskan oleh variabel lain diluar model.
Hasil estimasi dari persamaan jangka pendek menunjukkan nilai F-statistik sebesar
4,3829 dengan nilai probabilitas sebesar 0,0198. Nilai ini lebih kecil dari taraf nyata 5 persen
sehingga dapat disimpulkan bahwa secara bersama-sama terdapat pengaruh yang signifikan
antara variabel independent secara keseluruhan yang terdiri dari investasi domestik, angkatan
kerja, dan kurs terhadap variabel dependent yaitu produk domestik regional bruto.
Hasil estimasi dari persamaan jangka pendek menunjukkan nilai D-W (Durbin
Watson) sebesar 1,1621. Hal ini menunjukkan pada model tidak mengandung autokorelasi
karena nilai D-W berada diantara -2 sampai +2.
27
BAB V
5.1. Kesimpulan
a. Jangka Panjang
Pada jangka panjang faktor yang mempengaruhi Produk Domestik Regional Bruto di
Daerah Istimewa Yogyakarta secara negatif dan signifikan adalah investasi domesik (PMDN)
dan secara positif dan signifikan adalah angkatan kerja (AK). Sedangkan faktor nilai kurs
tidak terlalu mempengaruhi pertumbuhan Produk Domestik Regional Bruto di Daerah
Istimewa Yogyakarta.
b. Jangka Pendek
Pada jangka pendek faktor investasi domestik lebih dominan mempengaruhi Produk
Domestik Regional Bruto di Daerah Istimewa Yogyakarta, diikuti oleh faktor nilai kurs.
Sedangkan faktor angkatan kerja tidak begitu mempengaruhi pertumbuahn Produk Domestik
Regional Bruto di Daerah Istimewa Yogyakarta.
5.2. Saran
1. Pada jangka panjang perlu adanya kebijakan pemerintah yang lebih memperhatikan
kemudahan, keamanan dan kenyamanan para investor dalam menanamkan modalnya serta
menyediakan infrastruktur yang memadai untuk menunjang dan meningkatkan investasi
domestik di Daerah Istimewa Yogyakarta.
28
DAFTAR PUSTAKA
Fajar Cahyono, Eko dan David Kaluge. Analisis Pengaruh Infrastruktur Publik
Terhadap Produk Domestik Bruto Perkapita Di Indonesia. Fakultas Ekonomi
Universitas Brawijaya Malang.
Winarno, Wing Wahyu, 2011, Analisis Ekonometrika dan Statistika Dengan Eviews.
Edisi 3. UPP STIM YKPN. Yogyakarta.
29
LAMPIRAN
Data investasi (PMDN), pertumbuhan ekonomi /PDRB (Y), dan angkatan kerja (AK), nilai
kurs (KURS) tahun 1990-2010
Invt
Tahun PDRB (milyar) AK Nilai Kurs
(PMDN)milyar
1990 9.260,92 420.3 1535884 1901
1991 9.741,80 353.1 1571361 1992
1992 10.417,48 116.9 1594028 2062
1993 11.084,25 220.6 1546471 2110
1994 11.983,02 422.9 1589905 2200
1995 12.952,21 39.6 1491917 2308
1996 13.961,91 222.5 1513978 2383
1997 14.691,10 235.6 1556268 4650
1998 13.048,62 60 1507040 8025
1999 13.177,67 34.6 1584106 7100
2000 13.705,55 119.9 1724775 9595
2001 14.167,05 105.5 1699175 10400
2002 14.687,28 43.4 1739164 8940
2003 15.360,41 23 1756662 8465
2004 16.146,42 77 1815362 9290
2005 16.910,88 64.7 1850842 9900
2006 17.535,75 89.6 1868523 9020
2007 18.291,51 40 1889445 9419
2008 19.212,48 18.1 1999734 10950
2009 20.064,26 33.4 2016694 9400
2010 21.044,04 10 1882296 8991
Sumber BPS-Yogyakarta, diolah
30
Uji Akar Unit Pada Variabel Y Pada tingkat level
31
Uji Akar Unit Pada Variabel angkatan kerja (AK) tingkat level
32
Uji Derajat Integrasi Pada tingkat 1st Difference ,
33
Variabel Angkatan Kerja 1st Difference
34
Uji Derajat Integrasi Pada tingkat 2nd Difference ,
35
Variabel AK 2nd Difference
36
Uji Kointegrasi
Dependent Variable: Y
Method: Least Squares
Date: 01/22/13 Time: 23:10
Sample: 1990 2010
Included observations: 21
Variable Coefficient Std. Error t-Statistic Prob.
C -8222.048 5107.022 -1.609950 0.1258
PMDN -7.138216 3.956908 -1.803988 0.0890
AK 0.013979 0.003427 4.079638 0.0008
KURS 0.001515 0.202022 0.007498 0.9941
R-squared 0.807817 Mean dependent var 14640.22
Adjusted R-squared 0.773903 S.D. dependent var 3320.742
S.E. of regression 1579.002 Akaike info criterion 17.73662
Sum squared resid 42385201 Schwarz criterion 17.93557
Log likelihood -182.2345 F-statistic 23.81918
Durbin-Watson stat 0.710005 Prob(F-statistic) 0.000003
Residual (E)
37
Error Correction Model
38
Dependent Variable: D(Y)
Method: Least Squares
Date: 01/22/13 Time: 11:13
Sample(adjusted): 1994 2010
Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1205.946 304.2336 3.963879 0.0107
DPMDN(-1) 3.321625 2.913406 1.140117 0.3059
DPMDN(-2) 2.033220 2.293528 0.886503 0.4159
DPMDN(-3) 4.480171 2.286856 1.959096 0.1074
DAK -0.001648 0.002791 -0.590423 0.5806
DAK(-1) -0.001852 0.003199 -0.579015 0.5877
DAK(-2) -0.003015 0.003543 -0.850939 0.4337
DAK(-3) -0.005338 0.005352 -0.997457 0.3643
DKURS(-1) -0.177021 0.122819 -1.441321 0.2091
DKURS(-2) -0.034867 0.124159 -0.280826 0.7901
DKURS(-3) -0.102118 0.121435 -0.840926 0.4387
E(-1) -0.432390 0.191379 -2.259337 0.0734
R-squared 0.804224 Mean dependent var 585.8700
Adjusted R-squared 0.373516 S.D. dependent var 616.9732
S.E. of regression 488.3388 Akaike info criterion 15.40788
Sum squared resid 1192374. Schwarz criterion 15.99604
Log likelihood -118.9670 F-statistic 1.867215
Durbin-Watson stat 1.333257 Prob(F-statistic) 0.254223
39
Dependent Variable: D(Y)
Method: Least Squares
Date: 01/22/13 Time: 11:14
Sample(adjusted): 1994 2010
Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1219.928 252.1778 4.837572 0.0019
DPMDN(-1) 4.351464 2.101744 2.070406 0.0772
DPMDN(-2) 2.794327 1.718167 1.626342 0.1479
DPMDN(-3) 4.924264 1.874121 2.627506 0.0340
DAK(-1) -0.001893 0.002780 -0.680833 0.5179
DAK(-2) -0.002659 0.002740 -0.970508 0.3641
DAK(-3) -0.006840 0.003756 -1.820839 0.1114
DKURS(-1) -0.211937 0.097154 -2.181464 0.0655
DKURS(-3) -0.095578 0.105660 -0.904586 0.3957
E(-1) -0.428431 0.147817 -2.898393 0.0230
R-squared 0.787678 Mean dependent var 585.8700
Adjusted R-squared 0.514693 S.D. dependent var 616.9732
S.E. of regression 429.8080 Akaike info criterion 15.25372
Sum squared resid 1293144. Schwarz criterion 15.74385
Log likelihood -119.6566 F-statistic 2.885426
Durbin-Watson stat 1.251337 Prob(F-statistic) 0.088146
40
Dependent Variable: D(Y)
Method: Least Squares
Date: 01/22/13 Time: 11:15
Sample(adjusted): 1994 2010
Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 1055.593 187.9578 5.616119 0.0003
DPMDN(-1) 3.670022 1.816760 2.020092 0.0741
DPMDN(-2) 2.166894 1.528034 1.418093 0.1898
DPMDN(-3) 4.726264 1.769593 2.670820 0.0256
DAK(-3) -0.005696 0.003413 -1.668948 0.1295
DKURS(-1) -0.230403 0.089607 -2.571271 0.0301
DKURS(-3) -0.094341 0.090680 -1.040371 0.3253
E(-1) -0.325739 0.105361 -3.091649 0.0129
R-squared 0.754076 Mean dependent var 585.8700
Adjusted R-squared 0.562803 S.D. dependent var 616.9732
S.E. of regression 407.9483 Akaike info criterion 15.16535
Sum squared resid 1497796. Schwarz criterion 15.55745
Log likelihood -120.9054 F-statistic 3.942391
Durbin-Watson stat 1.309051 Prob(F-statistic) 0.030092
41