ANALISIS PENGARUH UNTUK MENINGKATKAN INFLASI, IHK,

DAN KURS TERHADAP KETIMPANGAN PEMBANGUNAN PRIODE

2016-2018

Oleh

Devita

Ilmu Ekonomi Pembangunan, Fakultas Ekonomi dan Bisnis

Universitas Sultan Ageng Tirtayasa

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.

Kata Kunci : Inflasi, IHK, dan Kurs

PENDAHULUAN

Pembangunan ekonomi merupakan upaya pemerintah dalam

meningkatkan kesejahteraan masyarakat baik dalam segi sosial maupun
ekonomi. Supaya pembangunan ekonomi dapat terealisasi dan terarah
dengan baik maka diperlukan sebuah perencanaan pembangunan.
Menurut Jhingan (dalam Sjafrizal, 2014)Perencanaan pembangunan
dilaksanakan untuk mencapai suatu tujuan dalam priode waktu tertentu
yang pelaksanaanya dikelola dan diatur oleh pemerintah pusat.

Sistem Perencanaan Pembangunan Nasional (SPPN) menurut UU No 25

Tahun 2004 merupakan tata cara yang dilakukan oleh pemerintah pusat
dan daerah dengan melibatkan masyarakat dalam menghasilkan rencana
pembangunan dalam priode waktu tertentu baik dalam jangka panjang,
jangka menengah maupun tahunan. Sitasi
(Rizal Syaifudin*, Aprilia Dwi Verliana, Sugeng Setyadi, Deris
Desmawan)

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)

Ketimpangan antar wilayah merupakan aspek yang umum terjadi dalam

kegiatan ekonomi suatu daerah. Ketimpangan ini terjadi disebabkan
adanya perbedaan kandungan sumber daya alam dan perbedaan kondisi
demografi yang terdapat pada masing-masing wilayah. Adanya perbedaan
ini menyebabkan kemampuan suatu daerah dalam mendorong proses
pembangunan juga menjadi berbeda.

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

Sjafrizal (2008) (dalam Darda, Patra, & Mustafa, 2021)menjelaskan

bahwa ketimpangan pembangunan suatu wilayah dapat dilihat dari dua sisi.
Sisi pertama, ketimpangan pembangunan terjadi karena adanya perbedaan
distribusi pendapatan antar daerah. Sisi kedua, adanya ketimpangan
pembangunan antar daerah diakibatkan oleh perbedaan kondisi daerah
(daerah maju dan daerah terbelakang).

Sementara itu, ketimpangan menurut Mubyarto (1995) dalam

(Pratiwi, 2021). dibagi atas tiga jenis, yaitu ketimpangan antar sektor
ekonomi, ketimpangan antar wilayah, dan ketimpangan antar golongan.
Ketimpangan antar sektor ekonomi dibedakan antara sektor pertanian
dengan sektor industri pengolahan. Kemudian, ketimpangan antar
wilayah/daerah terjadi karena kondisi sumber daya baik sumber daya
manusia dan sumber daya alam setiap daerah berbeda-beda.

- Inflasi

Inflasi dapat diartikan sebagai kenaikan harga barang dan jasa secara
umum dan terus menerus dalam jangka waktu tertentu.

4
- IHK

IHK merupakan indikator yang digunakan untuk mengukur tingkat inflasi.

Perubahan IHK dari waktu ke waktu menggambarkan tingkat kenaikan
(inflasi) atau tingkat penurunan (deflasi) dari barang dan jasa.

- Kurs
Kurs adalah suatu istilah yang cukup sering digunakan saat ada penukaran
uang asing dengan uang rupiah atau sebaliknya.

Jenis Sumber Data

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. 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.

5
Operasional Variabel

Variabel-variabel yang dianalisis meliputi variabel bebas dan variabel

terikat. Adapun
variabel bebas yang dimaksud yaitu Inflasi (X1), IHK (X2), dan K urs
(X3). Sementara variabel terikat yang digunakan ialah ketimpangan
pembangunan (Y).

Teknik Analisis Data

Teknik analisis data menggunakan regresi linear berganda untuk

mengetahui
ketergantungan variabel terikat terhadap beberapa variabel bebas yang
dalam penelitian ini
untuk mengetahui pengaruh PDB, Kurs Dollar AS dan Inflasi terhadap
Impor Sayuran
Indonesia pada periode 2010 – 2021. Bentuk umum persamaan regresi
berganda adalah:
Y = α + β1X1 + β2X2+ β3X3+ β4X4+
μ1.............................................................(1)

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

Inflasi IHK Kurs

Periode
(Persen ) (Persen) (Rupiah/$)
2016 : Januari -0,41 124,71 13.343,00
2016 : Februari -0,61 123,95 13.347,00
2016 : Maret 0,38 124,42 13.321,00
2016 : April -0,53 123,76 13.327,00
2016 : Mei -0,53 124,75 13.321,00
2016 : Juni 0,63 125,53 13.319,00
2016 : Juli 0,39 126,02 13.323,00
2016 : Agustus -0,41 126,02 13.351,00
2016 : September 0,59 126,24 13.492,00

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

Jika nilai Jarque-Bera lebih besar dari Chi-Square dan nilai

probabilitas (P-Value) dari J-B Test lebih rendah dari taraf nyata (α) maka
data tidak terdistribusi normal. Sebaliknya jika nilai Jarque-Bera lebih
rendah dari Chi- Square dan nilai probabilitas (P-Value) dari J-B Test lebih
besar dari taraf nyata (α) maka data terdistribusi normal.

Berdasarkan parameter ini diketahui bahwa besaran nilai

probabilitas pada JB adalah 0,846732 lebih besar dibanding nilai 0.05.
Dengan demikian dapat disimpulkan bahwa persebaran data dalam model
regresi terdistribusi normal.

9
 Multikolenearitas
Berdasarkan Variance Inflations Factor (VIF)

Coefficient Uncentered Centered

Variable Variance VIF 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

Heteroskedasticity Test: White

F-statistic 0.604419 Prob. F(5,30) 0.6970

Obs*R-squared 3.294626 Prob. Chi-Square(5) 0.6547
Scaled explained SS 3.392721 Prob. Chi-Square(5) 0.6397

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.

Uji autokorelasi dengan LM test

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.509664 Prob. F(2,31) 0.6056

Obs*R-squared 1.146052 Prob. Chi-Square(2) 0.5638

Jika nilai DW terletak antara du dan (4 – dU) atau du ≤ DW ≤ (4 –

dU) berarti bebas dari Autokorelasi, sebaliknya jika nilai DW < dL atau
DW > (4 – dL) berarti terdapat Autokorelasi.

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

Dependent Variable: INFLASI__PERSEN_

Method: Least Squares
Date: 12/14/22 Time: 06:48
Sample: 1 36
Included observations: 36

Variable Coefficient Std. Error t-Statistic Prob.

C -4.252196 3.740211 -1.136887 0.2638

IHK__PERSEN_ 0.108976 0.031952 3.410645 0.0017
KURS__RUPIAH_$_ -0.695882 0.306987 -2.266811 0.0301

R-squared 0.261567 Mean dependent var 0.300000

Adjusted R-squared 0.216814 S.D. dependent var 0.819498
S.E. of regression 0.725238 Akaike info criterion 2.275022
Sum squared resid 17.35701 Schwarz criterion 2.406981
Log likelihood -37.95039 Hannan-Quinn criter. 2.321079
F-statistic 5.844614 Durbin-Watson stat 2.047553
Prob(F-statistic) 0.006716

Persamaan Regresi Berganda:

𝑌𝑡 = 𝛽0 + 𝛽1𝑋1𝑡 + 𝛽2𝑋2𝑡 + 𝜀t

Ketimpangan pembangunan = -4.252196+ 0.108976IHK𝑡 − -

0.695882KURS𝑡 + 𝜀t

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

Uji hipotesis secara parsial digunakan untuk mengetahui pengaruh

dari masingmasing Variabel Independen terhadap Variabel Dependen. Uji
ini dilakukan dengan membandingkan nilai t-hitung dengan nilai t-tabel.
Nilai t-hitung dilihat dari hasil pengolahan data dengan Eviews tertera pada
output regresi berganda bagian t-Statistic. Hipotesis Statistik yang diajukan
untuk Uji T adalah:

H0 : β1 = 0; β2 = 0; β3 = 0 → Tidak terdapat pengaruh

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

Variable Coefficient Std. Error t-Statistic Prob.

C -4.252196 3.740211 -1.136887 0.2638

IHK__PERSEN_ 0.108976 0.031952 3.410645 0.0017
KURS__RUPIAH_$_ -0.695882 0.306987 -2.266811 0.0301

R-squared 0.261567 Mean dependent var 0.300000

Adjusted R-squared 0.216814 S.D. dependent var 0.819498
S.E. of regression 0.725238 Akaike info criterion 2.275022
Sum squared resid 17.35701 Schwarz criterion 2.406981
Log likelihood -37.95039 Hannan-Quinn criter. 2.321079
F-statistic 5.844614 Durbin-Watson stat 2.047553
Prob(F-statistic) 0.006716

14
Dari output regresi berganda di atas, dapat dilihat bahwa:

a. IHK terhadap Ketimpangan pembangunan, nilai t statistik (-1.136887) < t

tabel (2,034515297), probabilitas < alpha (0.05) maka H1 ditolak,
konsekuensinya yaitu H0 tidak ditolak, artinya secara parsial variabel IHK
tidak berpengaruh dan signifikan terhadap Ketimpangan pembangunan.
b. Kurs terhadap Ketimpangan Pembangunan, karena nilai t statistik (-
1.136887) < t tabel (2,034515297), probabilitas < alpha (0.05) maka H1
ditolak, konsekuensinya yaitu H0 tidak ditolak, artinya secara parsial
variabel Kurs tidak berpengaruh dan signifikan terhadap Ketimpangan
Pembangunan

4. Uji F

R-squared 0.261567 Mean dependent var 0.300000

Adjusted R-squared 0.216814 S.D. dependent var 0.819498
S.E. of regression 0.725238 Akaike info criterion 2.275022
Sum squared resid 17.35701 Schwarz criterion 2.406981
Log likelihood -37.95039 Hannan-Quinn criter. 2.321079
F-statistic 5.844614 Durbin-Watson stat 2.047553
Prob(F-statistic) 0.006716

Nilai F-tabel sebesar 4.066181.

Nilai F-statistik sebesar 5.844614. F-statistik (5.844614)

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

Dengan kriteria pengujian koefisien determinasi yaitu:

a. Bila R-squared mendekati 0, artinya variasi dari Y (Impor) tidak dapat

diterangkan oleh variabel X (PDB, Kurs, dan Inflasi). 13
b. Bila R-squared mendekati 1, artinya variasi dari Y (Impor) dapat
diterangkan oleh variabel X (PDB, Kurs, dan Inflasi).
6. Korelasi

Besarnya korelasi pada nilai r (Adjusted R-squared) sebesar 0.216814atau

21.68% berarti hubungan antara Variabel Independen dengan Variabel
Dependen dalam penelitian tersebut dapat dikatakan mempunyai hubungan
yang kuat karena mendekati 100%.

Kesimpulan dan Saran

• 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

S AULIA NINGTYAS,(2019), Kajian Literatur Ketimpangan Pembangunan

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