id
BAB IV
33
library.uns.ac.id digilib.uns.ac.id
34
CO2 berupa variable dependen, variabel independen berupa GDP, REC, dan
LFP.
2012
2014
2016
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2013
2015
2017
2018
2019
2020
-5
-10
-15
-20
and Road Initiative) menjadi salah satu instrumen penting untuk mendorong
distribusi produksi yang tak terbendung (Suharman & Pramono, 2021).
Pada awal tahun 1990-an, pertumbuhan ekonomi Rusia mengalami
transisi ekonomi pasar akibat dari runtuhnya Uni Soviet. Selain itu, Rusia
menghadapi krisis ekonomi yang parah, yang ditandai oleh depresiasi mata
uang rubel dan penurunan drastis dalam produksi industri. Ketidakstabilan ini
menghentikan pertumbuhan ekonomi Rusia untuk beberapa tahun. Gambar di
atas menunjukkan bahwa Rusia adalah satu-satunya anggota kelompok BRICS
yang pertumbuhan ekonominya telah terhenti dalam beberapa tahun, dengan
penurunan sebesar 14.53%. Lesunya perekonomian rusia ini dipengaruhi oleh
kegagalan pemimpin rusia saat itu mengatasi proses transisi perekonomian
rusia. Salah satu contohnya adalah program privatisasi, yang membuat oligarki
dan elite menjadi kelompok yang paling menonjol sebagai hasil dari
demokratisasi. Runtuhnya mata uang rubel, tidak terbayarnya utang luar negeri,
dan skandal korupsi yang melibatkan oligarki yang dekat dengan pemimpin
saat itu (Yeltsin et al., 2023).
Brasil, India, dan Afrika Selatan mengalami pertumbuhan ekonomi
yang lebih stabil daripada Rusia. Hal ini didukung oleh fakta bahwa mereka
memiliki kondisi politik dan ekonomi yang lebih stabil daripada Rusia.
Meskipun pertumbuhan ekonomi mereka mungkin tidak mencapai tingkat yang
signifikan, stabilitas yang dihasilkan oleh negara-negara ini dapat
menghasilkan keuntungan dalam jangka panjang. Stabilitas ini memberikan
landasan yang kokoh untuk pertumbuhan berkelanjutan, yang memungkinkan
negara mengatasi tantangan ekonomi dan memanfaatkan peluang
pembangunan yang tersedia.
3. Energi Terbarukan
Brasil dan India dengan beberapa peningkatan yang cukup stagnan dari semua
negara, kecuali India dan Cina yang cenderung turun. Perkembangan ini
digambarkan pada Gambar 4.3.
50
40
30
20
10
0
1990199219941996199820002002200420062008201020122014201620182020
dana industri, dan modal investasi asing semuanya menjadi komponen penting
dalam mendukung infrastruktur energi terbarukan. Rencana keterlibatan warga
dalam pembiayaan ini mencerminkan dorongan untuk menciptakan kemitraan
yang kuat antara sektor publik dan swasta serta mendorong partisipasi
masyarakat dalam transisi menuju energi bersih.
Partisipasi Angkatan Kerja pada negara anggota BRICS dari tahun 1990
hingga 2023 cenderung mengalami penurunan dari waktu ke waktu.
Perkembangan ini digambarkan pada Gambar 4.4.
kemajuan ini memiliki efek positif pada efisiensi dan produktivitas, hal ini juga
memiliki efek negatif, yaitu penurunan partisipasi angkatan kerja, yang dapat
menimbulkan kesulitan untuk mengurangi pengangguran struktural. Menurut
(Tommy et al., 2023) Selama 15 tahun terakhir, tingkat partisipasi angkatan
kerja di Cina telah menunjukkan tren penurunan, dengan hanya 20% wanita
usia kerja terlibat dalam pekerjaan. Namun, tidak ada sumber yang
diidentifikasi yang menyebutkan faktor-faktor tertentu yang memengaruhi
partisipasi angkatan kerja di Cina.
Sebaliknya, data menunjukkan peningkatan yang positif dalam
partisipasi angkatan kerja Rusia. Data dapat menjadi hasil dari kebijakan
ekonomi dan industri yang dilakukan untuk meningkatkan partisipasi angkatan
kerja. Banyak faktor dapat menyebabkan peningkatan ini, seperti diversifikasi
ekonomi, investasi dalam sektor-sektor penting, dan mungkin adanya program
pelatihan dan pengembangan keterampilan yang berhasil.
Dalam upaya meningkatkan pertumbuhan ekonomi di India, partisipasi
angkatan kerja telah menjadi fokus utama. Dengan pertumbuhan ekonomi yang
signifikan, negara tersebut menghadapi tantangan untuk menciptakan lapangan
kerja yang memadai dan memberikan peluang kerja kepada jumlah besar
penduduknya. Data menunjukkan bahwa ada hambatan, terutama terkait
dengan ketidaksetaraan gender dan regional, meskipun ada upaya untuk
meningkatkan partisipasi angkatan kerja melalui program pelatihan
keterampilan dan inisiatif pengembangan sektor-sektor ekonomi tertentu.
Meskipun jumlah penduduk usia kerja di India lebih besar daripada di Cina,
mayoritas penduduk India hanya 51%, dibandingkan dengan 76% di Cina.
Tingkat pendidikan yang rendah di India dapat menghambat kemampuan siswa
dalam membaca dan berhitung. Pertumbuhan ekonomi yang lambat dapat
mempengaruhi partisipasi angkatan kerja. Pertumbuhan ekonomi India lebih
library.uns.ac.id digilib.uns.ac.id
42
1. Analisa Data
a. Uji Stasioneritas
Analisis data panel menguji masalah stasioneritas, dan
karenanya uji unit root dilakukan. Uji ini penting untuk memeriksa
adanya stasioneritas untuk data panel, seperti yang dikemukakan oleh
Levin-Lin Chu (2002) (LLC) dan Im-Pesaran-Shin (2003). Pengujian
unit root menggunakan uji Augmented Dickey Fuller (ADF test) dengan
hasil sebagai berikut:
Tabel 4. 2 Uji Stasioneritas
e. Uji Multikolinearitas
Tabel 4. 6 Hasil Uji Multikolinearitas
f. Uji Heteroskedastisitas
Tabel 4. 7 Hasil Uji Glejser Heteroskedastisitas Data Panel
2. Estimasi Data
‘
library.uns.ac.id digilib.uns.ac.id
49
Std.
Variabel Koefisien t-Statistic Prob.
Error
Long Run Equation
GDP 4.54 0.75 6.05 0
GDP2 -0.24 0.05 -4.69 0
REC -0.08 0.06 -1.21 0.23
LFP 0.59 0.14 4.08 0.0002
Short Run Equation
COINTEQ01 -0.96 0.35 -0.27 0.009
D(CO2 (-1)) -0.15 0.38 -0.41 0.68
D(CO2 (-2)) -1.05 0.16 -0.67 0.51
D(GDP) -3.12 1.96 -2.107 0.04
D(GDP(-1)) 0.28 0.94 0.301 0.76
D(GDP(-2)) 2.001 1.57 1.27 0.21
D(GDP(-3)) 1.16 0.74 1.57 0.12
D(GDP2) 0.25 0.13 1.98 0.05
D(GDP2(-1)) -0.16 0.15 -1.03 0.305
D(GDP2(-2)) -0.43 0.27 -1.59 0.12
D(GDP2(-3)) -0.2 0.102 -2.003 0.05
D(REC) 0.84 2.73 0.31 0.76
D(REC(-1)) -3.23 1.69 -1.9 0.06
D(REC(-2)) 0.501 2.66 0.19 0.85
D(REC(-3)) 0.97 0.901 1.08 0.28
D(LFP) -0.95 1.02 -0.93 0.36
D(LFP(-1)) -4.88 4.87 -1.003 0.32
D(LFP(-2)) 1.68 2.93 0.57 0.57
D(LFP(-3)) -2.67 2.39 -1.11 0.27
C -47.98 17.55 -2.73 0.009
Sumber: Data diolah, 2023
Asumsi utama model diterimanya model panel yang memiliki
lag terkointegrasi dapat dilihat dari nilai koefisien bertanda negatif
dengan tingkat signifikansi 5%. Pada tabel diatas nilai dari koefisien
model panel bertanda negatif (-0.96) dan signifikan (0.009 < 0.05) dapat
disimpulkan model panel ARDL dapat diterima. Berdasarkan model
library.uns.ac.id digilib.uns.ac.id
50
Variabel Std.
Koefisien t-Statistic Prob.
Error
COINTEQ01 -0.33 0.01 -44.11 0
D( CO2 (-1)) -0.99 0.02 -40.53 0
D( CO2 (-2)) -0.56 0.04 -12.52 0.001
D(GDP) 0.01 0.16 0.12 0.91
D(GDP(-1)) 0.48 0.05 9.33 0.003
D(GDP(-2)) 0.62 0.05 12.16 0.001
D(GDP(-3)) 0.08 0.033 2.79 0.07
D(GDP2) -0.08 0.001 -59.7 0
D(GDP2(-1)) -0.15 0.002 -61.15 0
D(GDP2(-2)) -0.16 0.002 -92.21 0
D(GDP2(-3)) -0.09 0.001 -59.57 0
D(REC) -1.27 0.17 -7.66 0.005
D(REC(-1)) 0.19 0.24 0.81 0.47
D(REC(-2)) 0.64 0.2 3.28 0.05
D(REC(-3)) -0.02 0.26 -0.06 0.95
D(LFP) -1.17 0.25 -4.66 0.02
D(LFP(-1)) -1.71 0.31 -5.57 0.01
D(LFP(-2)) -0.58 0.24 -2.36 0.09
D(LFP(-3)) 1.14 0.32 3.52 0.04
C -14.59 17.54 -0.83 0.47
Sumber: Data diolah, 2023
library.uns.ac.id digilib.uns.ac.id
51
Std.
Variabel Koefisien t-Statistic Prob.
Error
COINTEQ01 0.04 0.002 28.3 0.0001
D(CO2 (-1)) -1.101 0.09 -12.21 0.0012
D(CO2 (-2)) 0.17 0.11 1.53 0.2241
D(GDP) 0.81 0.05 16.1 0.0005
D(GDP(-1)) 0.07 0.08 0.95 0.41
D(GDP(-2)) -0.105 0.02 -4.05 0.03
D(GDP(-3)) -0.07 0.006 -11.54 0.001
D(GDP2) -0.03 8.69 -379.58 0
D(GDP2(-1)) -0.01 0.0004 -35.86 0
D(GDP2(-2)) 0.04 0.0002 160.19 0
D(GDP2(-3)) -0.04 0.0001 -309.35 0
D(REC) -7.39 4.04 -1.83 0.16
D(REC(-1)) -7.89 9.63 -0.81 0.47
D(REC(-2)) 10.53 12.22 0.86 0.45
D(REC(-3)) -1.92 4.35 -0.44 0.69
D(LFP) 1.02 0.47 2.14 0.12
D(LFP(-1)) -0.51 0.46 -1.1 0.35
D(LFP(-2)) 0.006 0.36 0.02 0.99
D(LFP(-3)) 0.41 0.36 1.14 0.34
C 2.23 3.02 0.74 0.51
Sumber: Data diolah, 2023
Hasil Uji Panel ARDL menunjukkan :
a) Pertumbuhan Ekonomi (GDP)
GDP signifikan dalam mempengaruhi CO2, terlihat pada
probabilitas sig 0.003 < 0.05. Dengan tingkat tersebut menegaskan
bahwa GDP berpengaruh pada tingkat signifikansi 5% dan memiliki
dampak pada perubahan emisi CO2 di Brasil.
b) Pertumbuhan Ekonomi2 (GDP2)
GDP2 memiliki pengaruh signifikan pada CO2, dengan
probabilitas kurang dari 0.05. GDP2 berpengaruh terhadap CO2.
Hasil keseluruhan menunjukkan adanya pengaruh negatif, yang
library.uns.ac.id digilib.uns.ac.id
53
Std.
Variabel Koefisien t-Statistic Prob.
Error
COINTEQ01 -1.86 0.05 -38.63 0
D( CO2 (-1)) 0.77 0.03 26.06 0.0001
D( CO2 (-2)) 0.003 0.01 0.23 0.83
D(GDP) -7.39 2.27 -3.25 0.04
D(GDP(-1)) -2.75 1.85 -1.49 0.23
D(GDP(-2)) 7.67 1.43 5.37 0.01
D(GDP(-3)) 3.95 0.37 10.59 0.001
D(GDP2) 0.46 0.01 37.9 0
D(GDP2(-1)) 0.06 0.01 4.86 0.01
D(GDP2(-2)) -0.73 0.01 -61.69 0
D(GDP2(-3)) -0.41 0.003 -118.34 0
D(REC) 1.67 0.43 3.85 0.03
D(REC(-1)) -1.24 0.25 -4.88 0.02
D(REC(-2)) -2.75 0.37 -7.41 0.005
D(REC(-3)) 1.18 0.3 3.88 0.03
D(LFP) -3.46 0.37 -9.24 0.003
D(LFP(-1)) -1.09 1.9 -0.57 0.6
D(LFP(-2)) 12.49 4.67 2.68 0.07
D(LFP(-3)) -11.75 4.69 -2.5 0.09
C -82.12 183.7 -0.45 0.68
Sumber: Data diolah, 2023
Hasil Uji Panel ARDL menunjukkan :
a) Pertumbuhan Ekonomi (GDP)
GDP memiliki dampak signifikan terhadap CO2 dengan
probabilitas kurang dari 0.05. Koefisien pada uji sebesar -7.39
mengindikasikan bahwa peningkatan sebesar 1% dapat mengurangi
perubahan tingkat emisi CO2 sebesar 7.39% di India..
b) Pertumbuhan Ekonomi2 (GDP2)
GDP2 signifikan dalam mempengaruhi CO2, dapat dilihat pada
probabilitas sig 0.00 < 0.05. Nilai koefisien sebesar 0.46
library.uns.ac.id digilib.uns.ac.id
55
Std.
Variabel Koefisien t-Statistic Prob.
Error
COINTEQ01 -1.21 0.16 -7.59 0.05
D(CO2 (-1)) 0.41 0.08 5.28 0.01
D(CO2 (-2)) 0.24 0.04 5.54 0.01
D(GDP) -8.97 16.19 -0.55 0.62
D(GDP(-1)) 0.42 14.1 0.03 0.98
D(GDP(-2)) -1.14 11.37 -0.1 0.93
D(GDP(-3)) 1.32 2.01 0.66 0.56
D(GDP2) 0.42 0.03 12.8 0.01
D(GDP2(-1)) 0.06 0.02 2.64 0.07
D(GDP2(-2)) 0.05 0.02 2.61 0.08
D(GDP2(-3)) 0.01 0.003 3.22 0.05
D(REC) 1.7 0.43 3.93 0.03
D(REC(-1)) -0.52 0.29 -1.74 0.18
D(REC(-2)) 1.19 0.67 -1.77 0.17
D(REC(-3)) 2.61 0.74 3.51 0.04
D(LFP) 1.71 5.66 0.3 0.78
D(LFP(-1)) -24.1 27.34 -0.88 0.44
D(LFP(-2)) 5.17 13.53 -0.38 0.73
D(LFP(-3)) 3.21 14.84 -0.22 0.84
C -81.05 757.49 -0.11 0.92
Sumber: Data diolah, 2023
Hasil Uji Panel ARDL menunjukkan :
a) Pertumbuhan Ekonomi (GDP)
GDP tidak signifikan dalam mempengaruhi CO2, dengan
probabilitas sebesar 0.61. Ini menandakan bahwa pertumbuhan
ekonomi tidak berpengaruh secara signifikan terhadap CO2 di Cina.
b) Pertumbuhan Ekonomi2 (GDP2)
GDP2 signifikan dalam mempengaruhi CO2, dengan probabiltas
sebesar 0.001. Uji tersebut menunjukan nilai koefisien yang positif
pada variabel GDP2 berarti setiap perubahan pada GDP2
berpengaruh positif pada peningkatan perubahan emisi CO2 di Cina.
library.uns.ac.id digilib.uns.ac.id
57
Std.
Variabel Koefisien t-Statistic Prob.
Error
COINTEQ01 -1.44 0.03 -48.85 0
D(CO2 (-1)) 0.13 0.01 8.73 0.003
D(CO2 (-2)) -0.38 0.005 -63.72 0
D(GDP) -5.07 1.16 -4.38 0.02
D(GDP(-1)) 3.19 0.51 6.24 0.008
D(GDP(-2)) 2.94 0.3 9.72 0.002
D(GDP(-3)) 0.53 0.189 2.8 0.07
D(GDP2) 0.51 0.02 27.4 0.0001
D(GDP2(-1)) -0.75 0.01 -64.16 0
D(GDP2(-2)) -0.13 0.01 -98.28 0
D(GDP2(-3)) -0.49 0.01 -52.87 0
D(REC) 9.53 0.59 16,19 0.0005
D(REC(-1)) -6.71 1.12 -6.01 1
D(REC(-2)) -4.72 1.65 -2.85 0.06
D(REC(-3)) 3.01 1.18 2.55 0.08
D(LFP) -2.83 0.43 -6.58 0.01
D(LFP(-1)) 2.97 0.39 7.64 0.005
D(LFP(-2)) 1.65 0.19 8.47 0.003
D(LFP(-3)) 0.07 0.16 0.45 0.68
C -64.38 191.76 -0.33 0.76
Sumber: Data diolah, 2023
library.uns.ac.id digilib.uns.ac.id
58
C. Pembahasan
Keterangan: I = Berpengaruh
O = Tidak Berpengaruh
Sumber: Data diolah, 2023
Hasil analisis Panel ARDL membuktikan bahwa :
a. Uji Panel ARDL diatas menunjukkan bahwa negara Brasil, India, dan
Afrika Selatan memiliki variabel GDP, GDP2, REC dan LFP yang
berpengaruh terhadap tingkat perubahan emisi CO2. Dalam penelian
menurut Thuy Bui Minh et all (2023) bahwa pertumbuhan ekonomi
memiliki dampak signifikan dan pengembangan energi terbarukan
memiliki dampak positif terhadap emisi karbon di Vietnam. Selain itu,
Daniel (2023) berpendapat tingkat partisipasi angkatan kerja memiliki
perngaruh terhadap emisi CO2 karena semakin banyak orang yang
bekerja, semakin tinggi pula aktivitas produksi dan konsumsi yang
dapat menyebabkan peningkatan emisi gas rumah kaca seperti CO2.
Namun terlihat ada negara Rusia dan Cina, tidak semua variabel
library.uns.ac.id digilib.uns.ac.id
60
populasi urban, dan investasi langsung asing (FDI) dalam mengurangi emisi
karbon.
Hasil penelitian kontradiktif juga diungkap oleh Radmehr (2021) dalam
penelitian di negara-negara Eropa menunjukkan bahwa tidak ada bukti yang
mendukung adanya EKC dalam penelitian ini. Selain itu, hasil dari model
ekonometrik juga tidak menunjukkan adanya pola EKC dalam hubungan antara
variabel-variabel yang diteliti. Begitu pula penelit ian oleh Nadira
Rahmadani et all (2023) di negara-negara OKI yang menunjukkan tidak ada
Environmental Kuznets Curve (EKC) antara pertumbuhan ekonomi negara
anggota OKI dan emisi karbon.
Brasil, India, dan Afrika Selatan merupakan negara yang memiliki
pengaruh dalam jangka pendek dikarenakan lambatnya ketiga negara tersebut
dalam mengimplemetasikan kebijakan energi terbarukan. Transportasi
merupakan penyumbang emisi terbesar kedua di dunia, namun kemajuan untuk
mengurangi emisi yang dihasilkan dari trnsportasi sangatlah lambat
(Endarwati, 2018). Pengaruh tersebut dilatar belakangi oleh ketergantungan
terhadap energi fosil, dalam hal ini batu bara, untuk pembangkit listrik sehingga
menghasilkan emisi yang tinggi (PLN, 2023). Dampak transisi energi akan sulit
dihadapi tnegara-negara berkembang karena mayoritas lapangan kerja, PDB,
dan stok modal fisik bergantung pada sektor-sektor yang sulit berkurang
(Iverson & Dervan, n.d.).
Rusia dan Cina tidak memiliki pengaruh dalam jangka pendek
dikarenakan negara-negara tersebut telah lebih dulu menerapkan teknologi
rendah karbon. Rusia telah terlibat aktif dalam negosiasi iklim internasional
selama lebih dari dua dekade dalam kerangka PBB, G8 dan G20, dan blok
BRICS, termasuk komitmen UNFCCC dan Perjanjian Paris untuk menghindari
“intervensi berbahaya terhadap sistem iklim” dan mencapai emisi karbon nol
bersih pada tahun 2050 (Climate Action Tracker, 2018). Cina mampu
library.uns.ac.id digilib.uns.ac.id
63