ABSTRAK
Sektor pertambangan salah satunya dicirikan sebagai kegiatan yang padat modal.
Biaya modal atau investasi dikeluarkan oleh pemilik Ijin Usaha Pertambangan mulai
dari tahap penyelidikan umum sampai dengan beroperasinya kegiatan penambangan.
Aktivitas investasi secara umum akan berdampak kepada masyarakat sekitar ataupun
Kata kunci: daerah karena meningkatkan kegiatan ekonomi dan kesempatan kerja, meningkatkan
pendapatan nasional, dan meningkatkan taraf kemakmuran masyarakat. Dalam hal
Investasi, Pertumbuhan Ekonomi, investasi di bidang pertambangan, penelitian ini akan mengevaluasi pengaruh
Vector Auto Regression (VAR). investasi sektor pertambangan logam terhadap perekonominan di Provinsi Papua.
Analisis dilakukan dengan metode Vector Autoregression (VAR) dengan
Keywords: memperhatikan Impulse Response Function (IRF) dan Variance Decomposition (VD)
Investment, Economic Growth, terhadap variabel-variabel sebagai berikut; investasi, pertumbuhan PDRB umum
Vector Auto Regression (VAR). provinsi Papua, PDRB sektor pertambangan, PDRB sektor pertanian, PDRB sektor
konstruksi, serta tenaga kerja pada sektor tersebut. Hasilnya menunjukkan investasi
sektor pertambangan logam memberikan dampak yang positif terhadap PDRB total
Provinsi Papua, PDRB sektor pertambangan dan pertanian, serta nilai tambah dalam
hal tenaga kerja di sektor pertambangan. Respon negatif diberikan oleh PDRB sektor
konstruksi karena peningkatan investasi dan PDRB sektor pertambangan. Sektor
konstruksi diindikasi hanya memberikan dampak keterkaitan yang rendah kepada
sektor yang lain dilihat dari kontribusi PDRB sektor tersebut terhadap pembentukan
PDRB sektor pertanian yang rendah dan respon yang rendah dari PDRB sektor
pertambangan.
ABSTRACT
11
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
Mining sector is characterized as capital intensive activity. koefisien tenaga kerja atau jumlah tenaga kerja per unit
Capital cost or investment are expensed by the owner of PDB. Dampak investasi terhadap penyerapan tenaga
mining permit start from general prospection stage to kerja sangatlah besar. Jika pemerintah ingin
operation stage of mining activity. Generally, investment will
meningkatkan penyerapan tenaga kerja dalam jumlah
give impact to community or region surrounding mining area
besar, maka pemerintah harus menambah jumlah
due to the increasing of economic activity and job opportunity,
increasing national and regional income, and also increasing investasi yang ada di dalam negeri (Kurniati, Anugrah,
of national and regional wealth and prosperity. Regarding the & Chawwa, 2008).
investment in mining, this research will evaluate the impact of
investment in metal mining sector to the regional Salah satu sektor ekonomi di Indonesia yang
development of Papua Province. Analysis will be carried out memerlukan investasi dalam jumlah yang cukup besar
by Vector Autoregression (VAR) method by observing adalah sektor pertambangan. Pertambangan
Impulse Response Function (IRF) and Variance memerlukan investasi dalam jumlah yang besar untuk
Decomposition (VD) of relevant variables as follow; keperluan penyelidikan umum, eksplorasi, konstruksi,
Investment, Total GDRP of Papua Province, GDRP of mining
sector, GDRP of agricultural sector, GDRP of construction
dan operasi. Tidak hanya nilai investasi yang besar,
sector, and total manpower in each sector respectively. The umumnya investasi pertambangan dikeluarkan untuk
result indicated investment on metal mining sector produced jangka waktu yang lama. Secara teoritis keseluruhan
positive impact to Total GDRP of Papua Province, GDRP of waktu investasi pada pertambangan dapat
mining and agriculture sector, and value added on manpower berlangsung selama 20 tahun tanpa adanya
of mining sector. Negative response is produced by GDRP of perpanjangan kontrak pada Ijin Usaha Pertambangan
construction sector due to the increasing of investment and (IUP). Dengan karakteristik sektor pertambangan yang
GDRP of mining sector. Construction sector also is indicated memerlukan investasi yang besar dan dalam durasi
provide low economic linkage to another economic sector waktu yang relatif panjang, tidak jarang sektor
because of low contribution of that sector GDRP to the
composition of GDRP of agriculture sector, and also low
pertambangan menjadi penggerak utama atau prime
response from GDRP of mining sector to the composition of mover dalam pembangunan ekonomi daerah.
GDRP of construction sector.
Dalam kaitannya antara investasi dan pembangunan
PENDAHULUAN khususnya pembangunan daerah, penelitian ini
dilakukan untukmengevaluasi pengaruh investasi
Investasi merupakan kegiatan yang mendorong sektor pertambangan logam terhadap perekonominan
pertumbuhan ekonomi di tingkat nasional maupun di Provinsi Papua. Metode evaluasi yag digunakan
daerah. Dalam menentukan pertumbuhan ekonomi adalah Vector Autoregression (VAR) dengan
berdasarkan tingkat pengeluaran, investasi adalah memperhatikan Impulse Response Function (IRF) dan
faktor penentu Produk Domestik Bruto (PDB) di tingkat Variance Decomposition (VD).
negara atau Produk Domestik Regional Bruto (PDRB)
di tingkat daerahselain faktor-faktor lain seperti; Paper ini akan disajikan dengan sistematika sebagai
konsumsi, pengeluaran pemerintah, ekspor, dan impor. berikut; (1) Pendahuluan yang menjelaskan mengenai
Tidak hanya peningkatan PDB, keberadaan investasi latar belakang dan tujuan penelitian, (2) Metodologi
juga mendorong tumbuhnya multiplier effect aktivitas yang menjelaskan mengenai metodologi yang
pada sektor-sektor ekonomi langsung ataupun tidak digunakan untuk mencapai tujuan termasuk studi-studi
langsung. Dalam kaitan antara investasi dan efek terdahulu mengenai dampak investasi terhadap
pengganda yang ditimbulkannya, efek pengganda pembangunan ekonomi, (3) Simulasi dampak investasi
investasi (investment multiplier) merupakan salah satu dengan metode VAR, (4) Pembahasan hasil simulasi,
indikator untuk menggolongkan suatu sektor dan (5) Kesimpuan.
perekonomian sebagai leading sector. Investment
multipliermenggambarkan seberapa besar METODOLOGI
peningkatan nilai tambah perekonomian secara
keseluruhan, baik langsung maupun tidak langsung, Penelitian mengenai dampak investasi di sektor
sebagai akibat dari tambahan investasi di suatu sektor pertambangan terhadap perekonomian daerah
ekonomi. dianalisis dengan metode VAR. Metode VAR tersebut
memerlukan data-data sebagai berikut; investasi sector
Selain peran terhadap pertumbuhan ekonomi, dampak pertambangan logam, PDRB total provinsi, PDRB
investasi ditunjukkan melalui penyerapan tenaga kerja, sektoral di provinsi, dan kebutuhan tenaga kerja
baik tenaga kerja langsung maupun tidak langsung. sektoral di provinsi. Hasil simulasi VAR dengan data-
Pada kondisi dimana tingkat pengangguran yang data tersebut menjadi dasar evaluasi komponen IRF
tinggi, angka penganggurandapat dikurangi dan VD. Skematis metodologi penelitian secara
melaluipengembangan atau berivestasi pada sektor- lengkap dapat dilihat pada Gambar 1.
sektor yang bersifat labor intensive. Sektor yang
bersifat labor intensive dapat diidentifikasi dari
12
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
13
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
14
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
• 𝜀' = vektor dari galat berupa shock model VAR pada orde nol (level), maka stasioneritas data tersebut
dengan dimensi (n x 1); bisa dicari melalui orde berikutnya sehingga diperoleh
• p = jumlah lag optimum dalam model. tingkat stasioneritas pada order ke-n, yaitu first
difference, second difference, dan seterusnya.
Model VAR dibangun dengan menggunakan data yang
stasioner dimana rara-rata dan varian bernilai konstan. Pada ADF test terdapat tiga model persamaan regresi
Namun pada banyak kasus, data time series yang dapat digunakan untuk menguji unit root, yaitu:
merupakandata yang tidak stasioner pada level, namun 𝑦' = 𝑎, 𝑦'&, + 𝜀' (3)
stasioner pada first difference. Penggunaan data first 𝑦' = 𝑎- + 𝑎, 𝑦'&, + 𝜀' (4)
difference untuk analisis VAR akan menyebabkan 𝑦' = 𝑎- + 𝑎, 𝑦'&, + 𝑎. 𝑡+𝜀' (5)
hilangnya informasi hubungan jangka panjang pada
variabel terkait. Oleh sebab itu model VAR dapat Dengan εt ~ WN (0, σ2), terbedaan atara ketiga regresi
dimodifikasi menjadi bentuk Vector Error Correction tersebut hanya terletak pada keberadaan elemen-
Model (VECM). Persamaan VECM dapat dituliskan elemen deterministik 𝑎- dan 𝑎. 𝑡. Parameter yang
sebagai berikut: menjadi perhatian dalam model tersebut adalah 𝑎, . Jika
∆𝑿𝒕 = a + ∑𝒓𝒋#𝟏 +𝒓𝒋 (𝑿𝒕&i ) + 𝑹𝒋 0 + 𝑎, = 1 maka yt mempunyai unit root, dengan kata lain yt
𝒑
∑𝒊#𝟏 𝑨𝒊 ∆𝑿𝒕&i + 𝜺𝒕 (2) tidak stasioner. Jika |𝑎, |< 1 maka yt tidak mempunyai
Dimana, akar unit yang berarti yt stasioner. Dengan demikian
• 𝑋' = vektor dari variabel dengan dimensi (n x 1); maka pengujian nilai𝑎, dilakukan melalui pengujian
hipotesis seperti di bawah:
• a = vektor dari konstanta (intersep) dan tren
𝐻- : 𝑎, = 1 (6)
dimensi (n x 1);
𝐻- : |𝑎, | < 1 (7)
• 𝒓𝒋 = matriks dari koefisien penyesuaian kointegrasi
Selanjutnya pengujian dilakukan menggunakan statistik-
dengan dimensi (n x 1); t untuk menentukan apakah yt mempunyai unit rootatau
• r = rank cointegration; tidak.
• 𝑅+ = vektor galat dari model VECM jangka panjang
dengan dimensi (n x 1); B. Uji Lag Optimum
• 𝐴( = matriks dari koefisien-koefisien dalam VECM
dengan dimensi (n x n); Uji lag optimum dilakukan untuk menentukan panjang
• 𝜀' = vektor galat (shock) dari model VECM jangka lag paling optimal yang nantinya akan digunakan untuk
pendek dimensi (n x 1); dan membentuk model VAR. Tahapan pengujian lag
• p = jumlah lag optimum dalam model. optimum ini sangat penting karena jika lag variabel yang
dilibatkan terlalu pendek maka berpotensi tidak dapat
Dalam melakukan analisis dengan metode VAR terdapat menjelaskan kedinamisan model secara menyeluruh.
beberapa pengujian yang perlu dilakukan antara lain Namun, lag variabel yang dilibatkan terlalu panjang
sebagai berikut: dapat menghasilkan estimasi yang tidak efisien karena
berkurangnyaderajat kebebasan (Basuki & Prawoto,
A. Uji Stasionaritas Data 2016). Meskipun demikian terdapat kecenderungan
untuk melibatkan lag variabel dalam jumlah yang sedikit
Stasioneritas merupakan salah satu syarat penting agar dapat memperkecil spesifikasi error (Gujarati,
dalam model ekonometrika untuk bentuk data time 2003).
series. Stasioner merupakan kondisi dimana data time
series menunjukkan mean, varians, dan autovarians Jumlah lag optimal yang akan digunakan dalam model
(pada variasi lag) tetap sama pada waktu kapan saja VAR ditentukan berdasarkan Akaike Information
data itu dibentuk.Penggunaan data stasioner akan Criterion (AIC), Schwarz Information Criterion (SIC) dan
membuat model time series lebih stabil. Menurut Engle Hannan Quinnon Criterion (HQ) dengan
dan Granger (1987), stasionaritas mempunyai mempertimbangkan kestabilan model melalui uji
konsekuensi penting di dalam menerjemahkan data dan stablitas.
model ekonomi. Model regresi linier dengan
menggunakan data yang tidak stasioner akan C. Uji Stabilitas VAR
menyebabkan terjadinya spurious regression atau
regresi palsu (Rusdi, 2011). Uji stabilitas VAR atau VAR stability condition check
dilakukan dengan menghitung akar-akar fungsi
Salah satu metode yang sering dipakai untuk polinomial atau roots of characteristic polynomial. Jika
mengetahui stasioneritas data adalah melalui unit root semua akar dari fungsi polinomial tersebut berada dalam
test. Uji tersebut dikembangkan oleh David Dickey dan unit circle atau jika nilai absolutnya <1 (kurang dari satu)
Wayne Fuller dengan sebutan Augmented Dickey-Fuller maka model VAR tersebut dianggap stabil sehingga IRF
(ADF) Test. Jika suatu data time series tidak stasioner (Impulse Respon Function) dan VD (Variance
15
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
Analisis Hasil VAR dan VECM memberikan shock pada salah satu variabel endogen,
shock yang diberikan biasanya sebesar satu standar
Analisis hasil estimasi VAR dan VECM terdiri atas dua deviasi dari suatu variabel (Juanda & Junaidi, 2012).
jenis yaitu Impulse Response Function (IRF) dan
Variance Decomposition (VD), yang dapat dijelaskan IRF dilakukan untuk menelusuri pengaruh shock yang
sebagai berikut. dialami oleh satu variabel terhadap nilai semua variabel
pada saat ini maupun pada beberapa periode
A. Impulse Response Function (IRF) mendatang. Misalnya variabel ke-i tidak hanya
berpengaruh terhadap variabel ke-i itu saja tetapi di
Analisis IRF digunakan untuk mengevaluasi dampak transmisikan kepada semua variabel endogen lainnya
perubahan suatu variabel terhadap variabel lainnya melalui struktur dinamis atau struktur lag dalam VAR.
secara dinamis. Tujuan dari IRF adalah untuk Pada dasarnya IRF menggambarkan lintasan
mengisolasi guncangan agar lebih spesifik, yang artinya keseimbangan suatu variabel karena pengaruh shock
suatu variabel dapat dipengaruhi oleh guncangan dari variabel yang lain.
tertentu. Dampak perubahan dapat dilihat dengan
16
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
B. Variance Decomposition (VD) Provinsi Papua berjumlah 210,41 ribu jiwa (Bappenas,
2019).
VD adalah metode yang dapat dilakukan untuk
mengevaluasi bagaimana perubahan suatu variabel Sehubungan dengan potensi sumberdaya alam, Provinsi
yang ditunjukkan oleh perubahan error variance yang Papua merupakan Provinsi yang memiliki sumber daya
dipengaruhi oleh variabel-variabel lainnya (Firdaus, alam dan investasi yang besar terutama di sektor
2011). VD merangkum ragam dari peramalan galat pertambangan. Menurut Dinas Penanaman Modal dan
menjadi komponen-komponen yang dapat dihubungkan Pelayanan Terpadu Satu Pintu Provinsi Papua, investasi
dengan setiap variabel endogen dalam model. Dengan pertambangan di Provinsi Papua tahun 2017 memiliki
menghitung persentase kuadrat prediksi galat k-tahap ke nilai investasi sebesar 197,54 miliar rupiah, dengan
depan dari sebuah variabel akibat inovasi dalam potensi cadangan komoditas logam emas berjumlah
variabel-variabel lain maka akan dapat dilihat seberapa 2.174 ton dan cadangan komoditas logam tembaga
besar perbedaan antara error variance sebelum dan berjumlah 25,52 juta ton (ESDM, 2015).Sumberdaya
sesudah terjadinya shock yang berasal dari dirinya mineral yang dimiliki oleh Provinsi Papua antara lain;
sendiri maupun dari variabel lain (Novrianti, 2012). logam pasir besi sebanyak 13,85 juta ton, logam nikel
sebanyak 5,7 juta ton, logam seng sebanyak 140,66 ribu
ton, logam perak sebanyak 8,94 ribu ton, logam emas
PEMODELAN DAMPAK INVESTASI SEKTOR sebanyak 1,71 ribu ton dan logam tembaga sebanyak
PERTAMBANGAN 16,58 juta ton(ESDM, 2015).
Kondisi Umum Daerah Penelitian Bahan galian utama di Provinsi Papua adalah mineral
logam berupa tembaga dan emas. Aktivitas
Provinsi Papua dahulu dikenal dengan nama Irian Barat pertambangan logam tersebut di Papua dimulai sejak
sejak tahun 1969 hingga 1973, namanya kemudian tahun 1967 hingga saat ini telah berlangsung selama 52
diganti menjadi Irian Jaya oleh Presiden Soeharto pada tahun dengan PT. Freeport Indonesia sebagai
saat meresmikan tambang tembaga dan emas PT. perusahaan pertambangan terbesar dan pertama di
Freeport Indonesia, nama ini tetap digunakan secara Provinsi Papua. Jumlah produksi bijih per hari dari PT.
resmi hingga tahun 2002. Nama provinsi ini diganti Freeport Indonesia pada tahun 2015, 2016 dan 2017
menjadi Papua sesuai UU No 21/2001 Otonomi Khusus sejumlah 162.500, 165.700 dan 140.400 ton per hari.
Papua. Pada tahun 2004 Papua dibagi menjadi dua (Freeport-McMoRan, 2017).
provinsi oleh pemerintah Indonesia bagian timur tetap
memakai nama Papua sedangkan bagian baratnya Pengusahaan sumberdaya mineral di Provinsi Papua
menjadi Irian Jaya Barat yang sekarang menjadi Provinsi membawa dampak terhadap pertumbuhan ekonomi
Papua Barat (Pemprov Papua, 2019). dareh. Menurut statistik Produk Domestik Regional Bruto
(PDRB) tahun 2017, PDRB Provinsi Papua dari sektor
Secara geologi, sebagian besar daerah Papua pertambangan berjumlah sebesar 62,17 triliun rupiah,
khususnya di bagian selatan pembatas lempeng Pasifik yang bernilai lebih tinggi dibandingkan sektor pertanian,
dan lempeng Australia, dialasi oleh kerak benua kehutanan dan perikanan yang hanya bernilai 16,07
Australia(Bachri, 2014).Papua juga memiliki keunikan triliun rupiah. Penerimaan daerah dari sektor
khususnya yakni pegunungan tinggi yang diliputi salju pertambangan menyumbang rata-rata sebesar 44%
abadi di puncaknya. Pegunungan yang ditutupi salju kepada PDRB Provinsi Papua selama delapan tahun
abadi tersebut adalah pegunungan Maoke, pegunungan terakhir (BPS Prov. Papua, 2019), seperti yang terlihat
Sudirman, pegunungan Jaya Wijaya dan pegunungan pada Gambar 3. Oleh sebab itu sektor pertambangan
Sterren.Secara fisiografis Provinsi Papua terdiri dari dinilai memiliki peran yang besar dalam perkembangan
pantai, rawa, dataran rendah, dataran tinggi dan ekonomi di Provinsi tersebut.
pegunungan tinggi.Akibat dari kondisi fisiografi ini, pola
pemukiman penduduk cenderung menyebar. Kondisi Peranan lain dari sektor pertambangan terhadap
hutan di Provinsi Papua masih sangat lebat dan hampir pertumbuhan ekonomi daerah juga ditunjukkan dari data
menutupi seluruh pulau. Sebagian hutan masuk dalam produktivitas per tenaga kerja pada setiap sektor
tipe hutan tropis, dengan sebagian besar vegetasinya ekonomi. Menurut laporan perencanaan kerja Provinsi
masuk dalam tipe Australis. Komoditas seperti kayu, Papua tahun 2012-2016, sektor pertambangan memiliki
rotan dan sagu menjadi potensi unik Provinsi Papua. produktivitas per tenaga kerja tertinggi dibanding
lapangan usaha lainnya. Pada pada tahun 2012
Secara administrasi kependudukan, jumlah penduduk lapangan usaha pertambangan memiliki produktivitas
Provinsi Papua pada tahun 2017 berjumlah 3,26 juta per tenaga kerja per tahun sebesar 1.029 milyar rupiah
jiwa. Jumlah penduduk di kotamadya Jayapura dan pada tahun 2016 meningkat menjadi 1.320 milyar
berjumlah 293,69 ribu jiwa, sedangkan jumlah penduduk rupiah. Sedangkan lapangan usaha pertanian memiliki
kabupaten mimika sebagai pusat pertambangan logam produktivitas per tenaga kerja terendah per tahun sejak
17
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
PDRB LAINNYA
PDRB MANUFAKTUR
PDRB KONSTRUKSI
PDRB PERTANIAN
PDRB PERTAMBANGAN
PDRB UMUM PAPUA
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Rata-rata PDRB Provinsi Papua 2010-2017
Dengan mempertimbangkan studi letaratur mengenai Jenis data yang digunakan dalam penelitian ini adalah
dampak investasi terhadap pembangunan dan fungsi data sekunder berdasarkan data tahun 1980 hingga
produksi Cobb-Douglass, dampak investasi di sektor 2017. Data tersebut diperoleh dari dokumen sekunder
pertambangan logam dianalisis dengan menggunakan 3 dan website instansi terkait seperti Badan Pusat Statistik
model, yaitu: (BPS) nasional dan Dinas Penanaman Modal dan
• Model dampak investasi terhadap PDRB total, Pelayanan Terpadu Satu Pintu (DPMPTSP) Provinsi
• Model dampak investasi terhadap PDRB Papua. Keseluruhan data selanjutnya disimulasikan
sectoral, mengikuti diagram alir seperti pada Gambar 4.
Variabel-variabel yang akan digunakan untuk masing-
masing model dapat dilihat pada Tabel 2.
18
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
19
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
Hasil uji kointegrasi dapat dilihat pada Tabel 5. Dari tabel VECM menunjukkan hubungan keseimbangan jangka
tersebut, dapat terlihat bahwa trace stasistic pendek dan jangka panjang antar variabel pada seluruh
cointegration rank test pada model dampak terhadap model. Dalam estimasi ini digunakan lag optimal pada
PDRB umum dan model dampak terhadap PDRB setiap model berdasarkan hasil lag optimal sebelumnya.
sektoral terdapat 2 persamaan yang terkointegrasi Dalam hasil estimasi ini akan dilihat nilai t-statistic yang
sedangkan model dampak terhadap peningkatan nilai signifikan yaitu pada daerah penerimaan dengan besar
tambah terdapat 3 persamaan yang terkointegrasi. critical value adalah +/- [2,04227] untuk model dampak
Dengan demikian dapat disimpulkan bahwa seluruh terhadap PDRB umum, +/- [2,04523] untuk model
model terkointegrasi dan selanjutnya akan diterapkan dampak terhadap PDRB sektoral dan +/- [2,03951] untuk
model VECM dalam analisis VAR. model dampak terhadap peningkatan nilai tambah
sehingga, daerah penolakan Ho adalah t-statistik lebih
Tabel 5. Hasil Uji Kointegrasi Seluruh Model besar dari nilai critical value tersebut (tingkat keyakinan
Unrestricted Cointegration Rank Test (Trace) 97,5%). Apabila berada di daerah penerimaan maka
Coint. 0.05 Critical variabel bebas tersebut signifikan terhadap variabel
Trace Statistic Prob.
Eqn(s) Value
Model Dampak Terhadap PDRB Umum
terikatnya.
1 196,4032* 159,5297* 0,0001*
2 130,9732* 125,6154* 0,0226* ANALISIS HASIL PEMODELAN DAMPAK
3 83,46986 95,75366 0,2582 INVESTASI
4 52,02568 69,81889 0,5483
5 32,34081 47,85613 0,5933
6 16,09843 29,79707 0,7053 Impulse Response Function
7 6,816826 15,49471 0,5991
8 0,673416 3,841466 0,4119 Analisis IRF dari dampak shock pada variabel bebas
Model Dampak Terhadap PDRB Sektoral
yang terdiri dari; investasi, PDRB sektor pertambangan,
1 158,2342* 125,6154* 0,0001*
2 102,1566* 95,75366* 0,0168* PDRB sektor pertanian, PDRB sektor konstruksi, tenaga
3 58,81330 69,81889 0,2736 kerja sektor pertambangan, dan tenaga kerja sektor
4 31,73202 47,85613 0,6269 pertanian, dan tenaga kerja sektor konstruksi terhadap
5 13,80015 29,79707 0,8516 PDRB secara umum dapat dilihat pada Gambar
6 5,265459 15,49471 0,7800
7 0,558509 3,841466 0,4549 6.Dampak positif ditunjukkan dengan nilai perubahan
Model Dampak Terhadap Peningkatan Nilai Tambah standar deviasi karena shock pada variabel bebas
1 337,0155* 197,3709* 0,0000* menghasilkan nilai yang positif atau lebih dari nol, dan
2 226,1504* 159,5297* 0,0000* demikian juga dengan sebaliknya.
3 155,6236* 125,6154* 0,0002*
4 92,45681 95,75366 0,0825
5 58,06909 69,81889 0,2994 Secara umum shock pada variabel bebas akan
6 34,64293 47,85613 0,4670 memberikan dampak positif terhadap PDRB total
7 18,36866 29,79707 0,5390 Provinsi Papua untuk jangka panjang. Dampak negatif
8 6,235201 15,49471 0,6677
hanya ditunjukkan oleh shock pada variabel PDRB
sektor pertambangan terhadap PDRB total Provinsi
Papua. Untuk jangka pendek, dampak negatif oleh shock
pada variabel bebas terhadap PDRB total Provinsi
Papua hanya terjadi pada variabel PDRB sektor
pertambangan, tenaga kerja sektor pertambangan dan
tenaga kerja sektor konstruksi.
20
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
Gambar 6. Hasil Analisis IRF Model Dampak Shock Pada Variabel Bebas Terhadap PDRB Total
Analisis IRF dari dampak shock pada variabel bebas panjang. Dampak negatif hanya ditunjukkan oleh shock
yang terdiri dari; investasi PDRB sektor pertanian, PDRB pada variabel tenaga kerja sektor pertanian terhadap
sektor konstruksi, tenaga kerja sektor pertambangan, PDRB sektor pertambangan. Untuk jangka pendek,
dan tenaga kerja sektor pertanian, dan tenaga kerja dampak negatif oleh shock pada variabel bebas
sektor konstruksi terhadap PDRB sektor pertambangan terhadap PDRB sektor pertambangan hanya terjadi
dapat dilihat pada Gambar 7.Secara umum shock pada pada variabel PDRB sektor konstruksi, tenaga kerja
variabel bebas akan memberikan dampak positif sektor pertambangan dan tenaga kerja sektor pertanian.
terhadap PDRB sektor pertambangan untuk jangka
Gambar 7. Hasil Analisis IRF Model Dampak Shock Pada Variabel Bebas Terhadap PDRB Sektor Pertambangan
Analisis IRF dari dampak shock pada variabel bebas PDRB sektor konstruksi, tenaga kerja sektor
yang terdiri dari; investasi, PDRB sektor pertambangan, pertambangan, dan tenaga kerja sektor pertanian, dan
21
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
tenaga kerja sektor konstruksi terhadap PDRB sektor pada variabel tenaga kerja sektor konstruksi terhadap
pertanian dapat dilihat pada Gambar 8.Secara umum PDRB sektor pertanian. Untuk jangka pendek, dampak
shock pada variabel bebas akan memberikan dampak negatif oleh shock pada variabel bebas terhadap PDRB
positif terhadap PDRB sektor pertanian untuk jangka sektor pertanian hanya terjadi pada variabel PDRB
panjang. Dampak negatif hanya ditunjukkan oleh shock sektor konstruksi dan tenaga kerja sektor konstruksi.
Gambar 8. Hasil Analisis IRF Model Dampak Shock Pada Variabel Bebas Terhadap PDRB Sektor Pertanian
Analisis IRF dari dampak shock pada variabel bebas terhadap PDRB sektor konstruksi. Namun sebaliknya
yang terdiri dari; investasi, PDRB sektor pertambangan, shock pada variabel bebas PDRB sektor pertanian,
PDRB sektor pertanian, tenaga kerja sektor tenaga kerja sektor pertanian, dan tenaga kerja sektor
pertambangan, dan tenaga kerja sektor pertanian, dan konstruksi akan memberikan dampak positif terhadap
tenaga kerja sektor konstruksi terhadap PDRB sektor PDRB sektor konstruksi untuk jangka pendek. Hasil IRF
konstruksi dapat dilihat pada Gambar 9. Untuk jangka untuk jangka panjang terkait dengan pengaruh shock
pendek, shock pada variabel bebas investasi, PDRB pada variabel bebas terhadap PDRB sektor konstruksi
sektor pertambangan, tenaga kerja sektor tetap menunjukkan hasil yang sama seperti yang terjadi
pertambangan akan memberikan dampak negatif pada jangka pendek.
Gambar 9. Hasil Analisis IRF Model Dampak Shock Pada Variabel Bebas Terhadap PDRB Sektor Konstruksi
Variance Decomposition diterima dari variabel yang satu terhadap variabel yang
lain. Hasil Analisis Variance Decomposition (VD)
Seperti yang telah disebutkan sebelumnya, analisis VD menunjukkan kontribusi variabel bebas terhadap
digunakan untuk melihat besaran kontribusi yang variabel terikat, atau dengan kata lain bagaimana
22
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
peran suatu variabel terhadap variabel lainnya. Hasil Papua dapat dirangkum pada Tabel 6.Hasil analisis
analisis VD dapat dilihat pada Lampiran 1 sampai4. menunjukkan investasi di Provinsi Papua membawa
dampak positif terhadap PDRB total, PDRB sektor
Pada model dampak investasi terhadap PDRB total pertambangan, dan PDRB sektor pertanian. Namun
Provinsi Papua dapat dievaluasi kontribusi faktor tidak demikian halnya dengan PDRB sektor konstruksi
pembentuk variabel PDRB total provinsi adalah dimana investasi memberikan dampak negatif terhadap
sebagai berikut; perubahan PDRB di sektor konstruksi.Sektor
• 28,19% oleh PDRB sektor pertanian, pertambangan menerima dampak positif dengan
• 27,93% oleh PDRB sektor konstruksi keberadaan investasi, dimana peningkatan investasi
• 12,7% oleh investasi, akan meningkatkan PDRB sektor pertambangan.
• 10,8% oleh PDRB sektor pertambangan, Namun di lain sisi, peningkatan PDRB sektor
• 0,49% oleh tenaga kerja sektor pertambangan tidak serta merta berdampak positif
pertambangan, dan terhadap sektor yang lain. Hanya PDRB sektor pertanian
• sisanya oleh variabel-variabel yang lain. yang menerima dampak positif dengan peningkatan
PDRB sektor pertambangan. Sementara itu, dalam hal
Selanjutnya pada dampak investasi terhadap PDRB nilai tambah investasi yaitu tenaga kerja, peningkatan
sectoral diperoleh hasil kontribusi faktor pembentuk PDRB sektor pertambangan diindikasi memberikan
PDRB sektor pertambangan adalah sebagai berikut; dampak positif terhadap tenaga kerja sektor
• 24,16% oleh PDRB sector pertanian, pertambangan. Meskipun demikian, keberadaan tenaga
kerja sektor pertambangan tidak serta merta
• 13,78% oleh sektor konstruksi,
memberikan dampak positif terhadap PDRB sektor
• 11,57% oleh investasi, ekonomi yang lain. Hanya PDRB total Provinsi Papua
• 1,77% oleh tenaga kerja sector dan PDRB sektor pertambangan saja yang berdampak
pertambangan, dan positif dengan peningkatan tenaga kerja sektor
• sisanya oleh variabel-variabel yang lain. pertambangan. Sektor ekonomi lain seperti sektor
Kontribusi faktor pembentuk PDRB sektor pertanian pertanian dan konstruksi justru mendapat dampak
adalah sebagai berikut; negatif yang ditunjukkan oleh respon negatif dari masing-
• 14,60% oleh PDRB sektor pertambangan, masing PDRB terhadap shock yang diberikan oleh
• 2,47% oleh investasi, tenaga kerja di sektor pertambangan.
• 2,02% oleh tenaga kerja sektor
pertambangan, dan Hasil analisis IDF dan VD mengindikasikan investasi
• sisanya oleh variable-variabel yang lain. yang sebagian besar ditujukan kepada sektor
Kontribusi faktor pembentuk PDRB sektor konstruksi pertambangan hanya memberikan dampak langsung
adalah sebagai berikut; kepada komponen/variabel yang terkait langsung
• 35,24% oleh PDRB sektor pertanian, dengan kegiatan pertambangan, yaitu PDRB total
• 5,67% oleh investasi, Provinsi Papua, PDRB sektor pertambangan, dan
• 2,74% oleh tenaga kerja sektor tenaga kerja sektor pertambangan. Namun tidak
pertambangan, demikian dengan kegiatan sektor pertambangan dan
• 2,10% oleh PDRB sekor pertambangan, dan tenaga kerja sektor pertambangan. Kedua variabel
• sisanya oleh variable-variabel yang lain. tersebut tidak memberikan dampak positif terhadap
variabel-variabel kegiatan ekonomi sektor yang lain. Hal
tersebut mengindikasikan PDRB sektor pertambangan
PEMBAHASAN dan nilai tambah sektor pertambangan yang dalam hal
ini tenaga kerja, belum mampu menumbuhkan
Hasil simulasi IRF dan VD pada model VAR dampak keterkaitan yang positif dengan sektor ekonomi yang
investasi terhadap pertumbuhan ekonomi di Provinsi lain.
23
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
Dampak Periode
Dampak Kontribusi
Variabel Bebas Variabel Terikat Jangka Jangka
Positif Negatif Stabil Rata-rata
Panjang Pendek
Pertambangan PDRB Sektor Pertanian - V V - Periode 25 2,02%
PDRB Sektor Konstruksi - V V - Periode 20 2,74%
Hubungan dari masing-masing variabel pada model yang relative kecil dari PDRB sektor pertambangan
VAR yang dapat mengklarifikasi keterkaitan antar sektor (sebesar 2,1%).
ekonomi dapat diturunkan dari hasil analisis VD seperti
pada Gambar 11. Nilai yang menghubungkan antar Evaluasi menyeluruh dari dampak investasi terhadap
variabel tersebut diturunkan dari hasil analisis VD pada tiga sektor ekonomi yang dominan Provinsi Papua
Lampiran 2 sampai 4. Dari Lampiran 2 ditunjukkan menunjukkan dampak investasi yang didominasi oleh
bahwa PDRB sektor pertambangan dibentuk dengan investasi di bidang pertambangan secara statistika
kontribusi dari PDRB sektor pertanian sebesar sebesar hanya signifikan terhadap PDRB total Provinsi Papua,
24,1%, PDRB sektor konstruksi sebesar 13,7%, dan PDRB sektor pertambangan, PDRB sektor pertanian,
sisanya oleh variabel yang lain. Demikian juga dengan dan nilai tambah tenaga kerja di kedua sektor tersebut.
faktor pembentuk PDRB sektor pertanian yang Sektor kontruksi secara statistik belum menerima
diturunkan dari analisis VD di Lampiran 3 dan faktor dampak yang positif, karena shock pada peningkatan
pembentuk PDRB sektor konstruksi yang diturunkan dari PDRB dan tenaga kerja sektor pertambangan justru
analisis VD di Lampiran 4. direspon secara negatif oleh PDRB sektor konstruksi.
Analisis lebih lanjut diperkuat dengan keterkaitan yang
relative kecil, yaitu ke hilir untuk kepada sektor pertanian
dan ke hulu dari sektor pertambangan.
24
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
tersebut terhadap pembentukan PDRB sektor Juanda, B., & Junaidi. (2012). Ekonometrika Deret Waktu:
pertanian yang rendah dan respon yang rendah Teori dan Aplikasi. Bogor: IPB Press.
Kedir, R. (2012). The Impact of Foreign Direct Investment on
dari PDRB sektor pertambangan.
Porverty Reduction in Ethiopia: Cointegrated VAR
• Pembangunan berkelanjutan berbasiskan sektor Approach. Ethiopia: Addis Ababa University.
pertambangan akan dapat dicapai manakala Kurniati, Y., Anugrah, D. F., & Chawwa, T., 2008. Peran
pemerintah baik pusat maupun daerah Investasi dalam Pertumbuhan Ekonomi. Jakarta: Bank
memberikan perhatian yang lebih terhadap sektor Indonesia.
Novrianti. (2012). Analisis Hubungan Luar Negeri dan
konstruksi, salah satunya melalui pembangunan
Kebijakan Fiskal di Indonesia. Bogor: Institut Pertanian
infrastruktur di Provinsi Papua. Bogor.
Pereira, A. M., & Pinho, M. D., 2006. Public Investment,
DAFTAR PUSTAKA Economic Performance and Budgetary Consolidation:
VAR Evidance for The 12 Euro Countries.
Abiad, A., Furceri, D., & Topalova, P. (2016). The ResearchGate.
Macroeconomic Effects of Public Innvestment: Rusdi. (2011). Deteksi Stasioneritas Data Runtun Waktu
Evidence from Advanced Economies. Elsevier. Melalui Uji Akar-akar Unit. Jurnal Sainstek.
Bachri, Syaiful. (2014). Kontrol Teknonik dan Struktur Geologi Suhel. (2008). Analisis Model Vector Auto Regression (VAR)
Terhadap Keterdapatan Hidrokarbon di Daerah Terhadap Hubungan Antara Pertumbuhan Ekonomi
Papua. Jurnal Geologi dan Sumberdaya Mineral, dengan Penanaman Modal Asing (PMA) di Indonesia.
Vol.5, No.3. Jurnal Ekonomi Pembangunan.
Basuki, A. T., & Prawoto, N. (2016). Analisis Regresi. Depok:
Rajawali Pers.
Lampiran 1. Hasil Analisis VD Model Dampak Terhadap PDRB Total, PDRB Papua
Komposisi Variabel PDRB Papua (%)
Perio
D(IN D(PDRB_PAP D(PDRB_MI D(PDRB_A D(PDRB_CNS D(LB_MI D(LB_AG D(LB_CNS
de
V) UA) NE) GR) TR) NE) R) TR)
1 1,99 98,01 0,00 0,00 0,00 0,00 0,00 0,00
2 1,57 43,96 28,80 5,15 17,72 0,07 2,35 0,39
3 2,18 41,29 22,88 16,62 13,90 1,03 1,78 0,31
4 6,29 36,02 19,61 18,69 16,20 0,91 2,02 0,27
5 7,52 36,62 17,10 19,42 16,39 0,80 1,84 0,31
6 8,83 32,76 16,62 21,49 17,06 0,74 2,18 0,32
7 9,38 32,02 15,02 23,88 16,59 0,79 2,03 0,29
10,3
8 30,59 13,94 24,59 17,49 0,72 2,04 0,31
3
10,9
9 30,10 13,03 25,38 17,53 0,66 2,05 0,30
5
11,5
10 28,74 12,50 26,40 17,81 0,64 2,10 0,29
3
11,9
11 28,07 11,74 27,42 17,89 0,62 2,05 0,28
3
12,3
12 27,60 11,12 27,96 18,05 0,58 2,06 0,27
6
12,7
13 27,06 10,68 28,41 18,23 0,55 2,06 0,27
4
13,0
14 26,37 10,30 29,03 18,37 0,53 2,07 0,27
7
13,3
15 26,01 9,84 29,60 18,40 0,51 2,06 0,26
3
13,6
16 25,66 9,49 29,93 18,53 0,48 2,06 0,26
0
13,8
17 25,27 9,20 30,27 18,64 0,46 2,06 0,26
4
14,0
18 24,91 8,92 30,68 18,69 0,45 2,06 0,25
4
14,2
19 24,63 8,64 31,00 18,76 0,44 2,06 0,25
3
14,4
20 24,37 8,40 31,25 18,85 0,42 2,06 0,25
1
14,5
21 24,12 8,19 31,52 18,90 0,41 2,06 0,24
7
25
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
Lampiran 2. Hasil Analisis VD Model Dampak Terhadap PDRB Sektoral, PDRB Sektor Pertambangan
26
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
Lampiran 3. Hasil Analisis VD Model Dampak Terhadap PDRB Sektoral, PDRB Sektor Pertanian
27
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
Lampiran 4. Hasil Analisis VD Model Dampak Terhadap PDRB Sektoral, PDRB Sektor Konstruksi
28
Indonesian Mining Professionals Journal Volume 2, Nomor 1, April 2020 : 11- 28
29