Oleh
Devita
Email:5553200018@untirta.ac.id
Abstrak
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif
berupa data time series dalam kurun waktu 3 tahun terakhir, yaitu dari
tahun 2016 – 2018. Pada penelitian ini menggunakan penelitian kuantitatif
yang dimana penelitiankuantitatif ini adalah yang berlandaskan pada
filsafat positifisme, dipakai untuk meneliti pada populasi atau sampel
tertentu, pengumpulan data menggunakan instrumen penelitian, analisis
data bersifat statistik atau kuantitatif, dengan tujuan untuk menguji
hipotesis yang telah ditetapkan. Data yang diperoleh berupa data tingkat
Inflasi, IHK , dan nilai kurs. Adapun data tersebut diperoleh dari Badan
Pusat Statistik (BPS) dan Bank Indonesia (BI). Sumber data yang
digunakan dalam penelitian ini adalah data sekunder.
1
Data sekunder merupakan data yang diperoleh secara tidak langsung, tetapi
diperoleh dari sumber yang telah ada. Data yang digunakan berupa data
tahunan yang dilakukan untuk mengukur pengaruh inflasi, IHK, dan Kursi
pada ketimpangan pembangunan.
PENDAHULUAN
2
Resiko ekonomi yang terjadi bermula dari beberapa indicator ekonomi
penting seperti pada saat ini banyak sekali ketimpangan pembangunan di
Indonesia. Yang dimana pada berpengaruh pada inflasi, IHK dan Kurs.
Maka dari itu banyak negara termasuk di Asia tumbang secara simultan
dan beberapa pembangunan di negara banyak yang tidak dilaksanakan.
Sitasi (Deris Desmawan1, Suci Hilmiati Oktari2, Rizal Syaifudin3,
Sugeng Setyadi4)
Oleh karena itu pada setiap daerah biasanya terdapat wilayah maju
(Developed Region) dan wilayah terbelakang (Underdeveloped Region).
Terjadinya ketimpangan antar wilayah ini membawa implikasi terhadap
tingkat kesejahteraan masyarakat antar wilayah. Karena itu, aspek
ketimpangan pembangunan antar wilayah ini juga mempunyai implikasi
pula terhadap formulasi kebijakan pembangunan wilayah yang dilakukan
oleh pemerintah daerah (Sjafrizal, 2008).
3
METODOLOGI PENELITIAN
- Ketimpangan pembanguanan
- Inflasi
Inflasi dapat diartikan sebagai kenaikan harga barang dan jasa secara
umum dan terus menerus dalam jangka waktu tertentu.
4
- IHK
- Kurs
Kurs adalah suatu istilah yang cukup sering digunakan saat ada penukaran
uang asing dengan uang rupiah atau sebaliknya.
5
Operasional Variabel
Keterangan :
Y = Ketimpangan Pembangunan
α = konstanta
β1β2β3 = Koefisien Regresi
X1 = Inflasi
X2 = IHK
X3 = Kurs
μ = error
6
Model ini selanjutnya akan diuji untuk mengetahui signifikansi pengaruh
variabel
bebas dengan variabel terikat secara serempak dengan menggunakan uji F.
Selanjutnya
untuk mengetahui pengaruh variabel bebas secara parsial terhadap variabel
terikat
digunakannya uji t. Selain itu model juga akan diuji dengan menggunakan
uji asumsi klasik agar hasil estimasi regresi yang dibangun bebas dari
gejala multikolinearitas, autokolerasi, dan heteroskedastisitas. Agar tidak
terjadi penyimpangan yang cukup serius dari asumsiasumsi yang harus
dipenuhi dalam metode Ordinary Least Square (OLS) maka digunakannya
uji asumsi klasik. Estimator OLS harus memenuhi asumsi-asumsi agar
memiliki sifat Best Linear Unbiased Estimator (BLUE)
PEMBAHASAN
Table 1 Data Inflasi dan Indeks Harga Konsumen (IHK) dan Data Kurs
7
2016 : Oktober -0,95 125,04 13.572,00
2016 : November 0,49 125,65 13.514,00
2016 : Desember 1,15 127,09 13.548,00
2017 : Januari 1,32 128,77 13.413,00
2017 : Februari 0,29 129,14 13.707,00
2017 : Maret 0,25 129,46 13.756,00
2017 : April 0,46 130,06 13.877,00
2017 : Mei 0,81 131,11 13.951,00
2017 : Juni 0,76 132,10 14.404,00
2017 : Juli 0,05 132,16 14.413,00
2017 : Agustus 0,05 132,23 14.711,00
2017 : September -0,13 132,06 14.929,00
2017 : Oktober -1,31 130,33 15.277,00
2017 : Novvember -0,14 130,15 14.339,00
2017 : Desember 1,87 132,59 14.481,00
2018 : Januari 0,69 133,50 14.072,00
2018 : Februari -0,31 133,08 14.062,00
2018 : Maret -0,08 132,97 14.244,00
2018 : April 0,76 133,98 14.215,00
2018 : Mei 0,26 134,33 14.385,00
2018 : Juni 1,89 136,87 14.141,00
2018 : Juli 0,2 137,14 14.026,00
2018 : Agustus -0,06 137,06 14.237,00
2018 : September -1,22 135,39 14.174,00
2018 : Oktober 2,27 138,46 14.008,00
2018 : November 0,83 139,61 14.102,00
2018 : Desember 1,1 141,15 13.901,01
8
1. Uji Normalitas
7
Series: Residuals
6 Sample 1 36
Observations 36
5
Mean -3.82e-15
Median -0.012859
4
Maximum 1.750175
Minimum -1.858594
3 Std. Dev. 0.704212
Skewness 0.067819
2 Kurtosis 3.451033
1 Jarque-Bera 0.332742
Probability 0.846732
0
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
9
Multikolenearitas
Berdasarkan Variance Inflations Factor (VIF)
C 13.98918 957.4884 NA
IHK__PERSEN_ 0.001021 1196.099 1.590301
KURS__RUPIAH_$_ 0.094241 1253.859 1.590301
Jika suatu Variabel Independen mempunyai nilai VIF > 10 berarti telah
terjadi multikolinearitas Pada hasil regresi bagian Centered VIF, nilai
dari masing-masing variabel bebas < 10, artinya model regresi terbebas
dari multikolinearitas.
Uji Heterokedastisitas
10
Jika nilai probabilitas Nilai p-value (Chi-Square) lebih besar dari α
(5%) maka tidak terdapat Heteroskedastisitas, dan sebaliknya jika lebih
kecil dari α (5%) maka terdapat Heteroskedastisitas. Hasil output
menunjukkan nilai Obs*R-squared adalah sebesar 3.294626 sedangkan
Nilai p-value (Chi-Square) adalah 0.6547 (lebih besar daripada α = 0,05),
dengan demikian dapat dikatakan bahwa model regresi terbebas dari
heterokedastisitaS.
Nilai dL dan dU dapat dilihat pada tabel Durbin Waston, yaitu nilai
dL ; dU
; α ; n ; (k – 1). Keterangan:
n adalah jumlah sampel
k adalah jumlah variabel, dan
11
Hasil output menunjukkan nilai Obs*R-squared adalah sebesar
1.146052 sedangkan Nilai pvalue (Chi-Square) adalah 0.5638 (lebih besar
daripada α = 0,05), dengan demikian dapat dikatakan bahwa tidak terdapat
autokorelasi dalam model regresi.
2. Regresi berganda
12
Interpretasi:
a. Koefisien / β0 = , artinya ketika nilai Inflasi, IHK dan Kurs sama dengan
nol maka Ketimpangan pembangunan meningkat sebesar 4.252196%.
b. IHK terhadap Ketimpangan pembangunan , peningkatan IHK sebesar 1%
akan meningkatkan Impor sebesar 0.108976% dengan asumsi variabel lain
cateris paribus, dan sebaliknya.
c. Kurs terhadap Ketimpangan Pembangunan, peningkatan Kurs sebesar 1
Rp/$ akan menurunkan Ketimpangan sebesar 0.695882Rp/$, dengan
asumsi variabel lain cateris paribus, dan sebaliknya.
3. Uji t
H1 : β1 ≠ 0; β2 ≠ 0; β3 ≠ 0 → Terdapat pengaruh
13
Untuk memperoleh nilai t-tabel dapat dicari melalui Microsoft Excel
dengan formula =TINV(α;n-k) yang dimana α= 0,05 (uji dua arah), n=
jumlah data, dan k= jumlah variabel. Juga dapat dilihat pada tabel T
Student, yaitu pada Degrees of Freedom (df) sebesar 8 (jumlah data
dikurangi jumlah variabel) dan ½α = 10%/2 = 5% atau 0,05 (uji dua arah)
maka nilai T tabel sebesar 2.306004
Dependent Variable: INFLASI__PERSEN_
Method: Least Squares
Date: 12/14/22 Time: 06:48
Sample: 1 36
Included observations: 36
14
Dari output regresi berganda di atas, dapat dilihat bahwa:
4. Uji F
15
> F-tabel () dengan probabilitas F-statistik (0.006716) < alpha (0.05)
maka konsekuensinya H0 ditolak dan H1 tidak ditolak, artinya secara
simultan terdapat pengaruh antara variabel Kurs, Inflasi dan PDB terhadap
Impor Sayuran di Indonesia.
5. Determinasi
• Kesimpulan
1. Berdasarkan hasil analisis yang telah dilakukan di atas, dapat diketahui
bahwa variabel IHK tidak berpengaruh signifikan terhadap Ketimpangan
Pembangunan. Hal tersebut dibuktikan dengan nilai t statistik (-1.136887)
< t tabel (2,034515297) artinya secara parsial variabel IHK tidak
berpengaruh signifikan terhadap Ketimpangan Pembnagunan di Indonesia.
Hasil tersebut sejalan dengan penelitian yang dilakukan oleh Sudiana
(2019), yang mana penulis menjelaskan hasil analisis parsial variabel
Inflasi tidak berpengaruh positif dan signifikan terhadap ketimpangan
pembangunan. IHK dikatakan tidak berpengaruh signifikan terhadaP
16
Ketimpangan pembangunan Indonesia karena ketimpanganan
pembangunan tidak memperhatikan persentase tingkat IHK.
2. Berdasarkan hasil analisis yang telah dilakukan di atas, dapat diketahui
bahwa variabel Kurs tidak berpengaruh dan signifikan terhadap
Ketimpangan sayuran Indonesia, karena nilai t statistik (-1.136887)) < t
tabel (2,034515297)..
3. Berdasarkan hasil analisis yang telah dilakukan di atas, dapat diketahui
bahwa variabel Kurs tidak berpengaruh dan signifikan terhadap impor
sayuran Indonesia, karena nilai t statistik (-1.136887) < t tabel
((2,034515297).
• Saran
Diharapkan agar pemerintah mengambil sebuah kebijakan berupa
pelaksaanan pelatihan penanaman dan perawatan tanaman khususnya di
bidang pertanian kepada para petani dengan tujuan meningkatkan
produktifitas yang dapat memengaruhi peningkatan produksi sayuran
Indonesia. Selain itu, pemerintah dapat lebih ketat mengawasi alih fungsi
lahan yang terjadi khususnya pada lahan yang produktif dengan
mengeluarkan peraturan berupa larangan pendirian bangunan pada lahan
yang produktif mengingat wilayah Indonesia yang cukup luas dengan
tanah yang sangat subur
17
DAFTAR PUSTAKA
https://www.bps.go.id/indicator/3/3/14/indeks-harga-konsumen-umum-.html
https://www.bps.go.id/indicator/3/1/1/inflasi-umum-.html
https://www.bi.go.id/id/statistik/informasi-kurs/transaksi-bi/default.aspx
18