BAB I PENDAHULUAN 1.

1 Latar belakangnya Pembangunan pada dasarnya merupakan proses multidimensial yang meliputi perubahan struktur sosial, perubahan dalam sikap hidup masyarakat dan perubahan dalam kelembagaan (institusi) nasional. Pembangunan juga meliputi perubahan dalam tingkat pertumbuhan ekonomi, pengurangan ketimpangan pendapatan dan pemberantasan kemiskinan. Untuk mencapai sasaran yang diinginkan, maka pembangunan suatu negara dapat diarahkan pada tiga hal pokok yaitu : meningkatkan ketersediaan dan distribusi kebutuhan pokok bagi masyarakat, meningkatkan standar hidup masyarakat dan meningkatkan kemampuan masyarakat dalam mengakses baik kegiatan ekonomi maupun kegiatan sosial dalam kehidupannya (Todaro, 2004). Tujuan pembangunan ekonomi suatu negara adalah untuk meningkatkan kesejahteraan dalam masyarakat. Negara Dunia Ketiga atau yang lebih sering disebut dengan Negara Sedang Berkembang (NSB) merupakan negara-negara yang memerlukan perhatian lebih dalam aspek pembangunan ekonomi. Penyebab semakin meluasnya perhatian terhadap pembangunan ekonomi di negara sedang berkembang ialah keinginan dari NSB untuk dapat mengejar ketinggalan dan meningkatkan kesejahteraan mereka. Untuk meningkatkan kesejahteraan masyarakat diperlukan pertumbuhan ekonomi yang meningkat dan distribusi pendapatan yang merata. Pertumbuhan ekonomi ini diukur dengan Produk Domestik Regional Bruto (PDRB) dan laju

1

pertumbuhannya atas dasar harga konstan (Masli, 2008). Pertumbuhan ekonomi yang cepat akan menimbulkan ketimpangan distribusi pendapatan hal ini dikarenakan tidak memperhatikan apakah pertumbuhan tersebut lebih besar atau lebih kecil dari tingkat pertumbuhan penduduk atau perubahan sturktur ekonomi. Dalam pembangunan ekonomi, masalah yang sering terjadi adalah masalah pemerataan dan kemiskinan. Menurut Kuznets (dalam Todaro, 2004), pada awal pertumbuhan ekonomi, distribusi pendapatan cendrung memburuk, namun pada tahap selanjutnya, distribusi pendapatan akan membaik. Observasi ini dikenal sebagai kurva Kuznets “ U-terbalik”, yang dengan kata lain bahwa ketimpangan pada awal pertumbuhan akan semakin memburuk, namun pada akhirnya, dengan semakin dewasanya perekonomian, pertumbuhan akan cenderung merata. Ketimpangan lebih banyak terjadi di Negara sedang berkembang. Menurut Wold Development report dalam Todaro (2004), karakteristik yang sering dijumpai di Negara berkembang pada umumya antara lain (1) standar hidup yang relatif rendah, ditunjukan dari tingkat pendapatan yang rendah, ketimpangan yang parah, kesehatan yang buruk, dan kurang memadainya pendidikan, (2) tingkat produktifitas yang rendah, (3) tingkat petumbuhan penduduk serta beban ketergantungan yang tinggi, (4) kertergantungan pendapatan yang sangat besar kepada produksi sektor pertanian serta ekspor produk-produk primer ( bahan-bahan mentah), (5) pasar yang tidak sempurna dan terbatasnya informasi yang tersedia, (6) dominasi ketergantungan, dan kerapuhan yang parah pada hampir semua aspek hubungan internasional.

2

Indonesia merupakan salah satu negara sedang berkembang yang melakukan pembangunan secara terarah dan intensif sejak Pelita I (jaman orde baru yang dimulai 1 april 1969). Secara geografis, indonesia merupakan negara kepulauan yang terdiri atas lima pulau besar dan ribuan pulau kecil. Dalam perjalanannya melaksanakan pembangunan ekonomi baik dalam konteks negara maupun daerah kerapkali terjadi ketidakmerataan dan secara sparsial

menimbulkan ketimpangan daerah, terutama jawa dengan luar pulau jawa, antara Kawasan Barat Indonesia (KBI) dan Kawasan Timur Indonesia (KTI) (Kuncoro, 2002) Negara Indonesia terdiri atas 33 Provinsi memiliki latar belakang perbedaan antar wilayah. Perbedaan ini berupa perbedaan karakteristik alam, sosial, ekonomi, dan sumber daya alam yang penyebarannya berbeda disetiap provinsi. Perbedaan tersebut menjadi hambatan dalam pemerataan pembangunan ekonomi dikarenakan terkonsentrasinya suatu kegiatan perekonomian yang berdampak meningkatnya pertumbuhan ekonomi di beberapa provinsi atau wilayah yang memiliki sumber daya alam yang melimpah. Kekayaan alam yang dimiliki seharusnya dapat menjadikan nilai tambah dalam meningkatkan pembangunan ekonomi. Kelebihan yang dimiliki tesebut diharapkan memberikan dampak menyebar (trickle down effect). Hanya saja kekayaan alam ini tidak dimiliki oleh seluruh Provinsi di Indonesia secara merata. Hal inilah yang menjadi salah satu penyebab timbulnya ketimpangan atau kesenjangan antar daerah. Ketimpangan pembangunan antar wilayah dapat dilihat dari perbedaan tingkat kesejahteraan (PDRB) dan pertumbuhan ekonomi antar wilayah. Tingkat

3

pertumbuhan PDRB antar wilayah tahun 2004-2008 menunjukan bahwa rata-rata pertumbuhan wilayah Sumatra sebesar 4,18%, wilayah Jawa dan Bali sebesar 5,77%, wilayah Kalimantan sebesar 3,57% dan wilayah Sulawesi sebesar 7,57% wilayah Nusa Tenggara, Maluku, dan Papua mengalami pertumbuhan sebesar 2,43%. Tabel 1.1 Laju Pertumbuhan Produk Domestik Regional Bruto Atas Dasar Harga konstan 2000 Menurut Wilayah 2004-2008 rata2008 rata 4,92 4,18 5,89 5,77 5,26 3,57 7,72 7,57 2,4 2,43

Wilayah 2004 Sumatra 2,93 jawa & bali 5,38 Kalimantan 3,01 Sulawesi 10,3 Nusa tenggara, maluku & Papua 5,26

2005 3,57 5,75 3,92 6,28

2006 5,26 5,76 3,8 6,83

2007 4,95 6,18 3,53 6,88 5,06

13,97 4,03

Sumber : BPS, statistik Indonesia, berbagai tahun terbitan

Berdasarkan Tabel 1.1, dapat dilihat bahwa terjadi ketidakmerataan pertumbuhan di wilayah Indonesia. wilayah yang mengalami pertumbuhan yang tinggi yakni wilayah Sulawesi serta Jawa dan Bali. Sedangkan wilayah yang pertumbuhan terendah adalah wilayah Nusa Tenggara, Maluku dan Papua. Perbedaan pertumbuhan ini menimbulkan ketimpangan antar daerah. Jawa Barat merupakan salah satu Provinsi di Pulau Jawa dengan tingkat pertumbuhaan yang positif, Provinsi Jawa Barat juga menduduki rata-rata tertinggi ke empat di Pulau Jawa. Pertumbuhan ekonomi tertinggi di Pulau Jawa di tempati oleh DKI Jakarta dengan rata-rata laju pertumbuhan ekonomi sebesar 6,01 persen; peringkat kedua ditempati oleh Provinsi Jawa Timur dengan rata-rata laju pertumbuhan ekonomi sebesar 5,89 persen; peringkat ketiga ditempati oleh
4

Provinsi Banten dengan rata-rata laju pertumbuhan ekonomi sebesar 5,78 persen; peringkat keempat ditempati oleh Provinsi Jawa Barat dengan rata-rata laju pertumbuhan ekonomi 5,72 persen; peringkat ke lima ditempati oleh provinsi Jawa Tengah dengan rata-rata laju pertumbuhan ekonomi sebesar 5,53 persen dan yang terakhir ditempati oleh provinsi DIY dengan rata-rata laju pertumbuhan ekonomi sebesar 4,46 persen. Tabel 1.2 Laju Pertumbuhan Ekonomi Di Pulau Jawa Tahun 2004-2008 Nama Provinsi 2004 2005 2006 2007 2008 DkI 5,65 6,01 5,95 6,44 6,22 Banten 5,63 5,88 5,57 6,04 5,77 Jawa barat 4,77 5,6 6,02 6,48 5,84 Jawa Tengah 5,13 5,35 5,33 5,59 5,46 DIY 5,12 4,73 3,7 4,31 5,02 Jawa timur 5,83 5,48 5,8 6,11 5,94 Indonesia 5,35 5,69 5,5 6,35 6,01 Sumber : BPS, statistik Indonesia,berbagai tahun terbitan.

rata-rata 6,01 5,78 5,72 5,53 4,46 5,89 5,88

Berdasarkan Tabel 1.2, Provinsi Jawa Barat mengalami pertumbuhan yang terus meningkat dari tahun ke tahun, walau sempat menurun di tahun 2008. Ratarata-rata laju pertumbuhan ekonomi Jawa Barat 2005-2008 sebesar 5,72%. Meskipun pertumbuhan ekonomi Provinsi Jawa Barat yang menunjukan tren positif, namun tidak diikuti dengan pemerataan di wilayah Kabupaten dan kota di provinsi Jawa Barat. Ketidakmerataan dapat dilihat dengan menggunakan kriteria tipologi daerah. Mudrajat Kuncoro (2004) menyatakan bahwa gambaran dan pola struktur pertumbuhan masing-masing daerah yang merepresentasikan kesejahteraan penduduknya dapat diketahui dengan menggunakan tipologi daerah yang berdasar 2 indikator utama yakni pertumbuhan daerah dan pendapatan per

5

kapita daerah. Caranya adalah dengan menentukan PDRB per kapita sebagai sumbu horizontal dan laju pertumbuhan ekonomi sebagai sumbu vertikal sehingga dapat dibedakan klasifikasi kabupaten/kota sebagai berikut : 1. Daerah cepat maju dan cepat tumbuh (high growth and high income) yakni kabupaten/kota dengan rata-rata PDRB perkapita diatas rata-rata PDRB perkapita Provinsi Jawa Barat (6.506.200.000 rupiah), dan rata-rata laju pertumbuhan ekonomi di atas rata-rata laju pertumbuhan ekonomi Provinsi Jawa Barat (5,72%) 2. Daerah berkembang cepat (high growth and high income) yakni kabupaten/kota dengan rata-rata PDRB perkapita dibawah rata-rata PDRB perkapita Provinsi Jawa Barat (6.506.200.000 rupiah), dan rata-rata laju pertumbuhan ekonomi di atas rata-rata laju pertumbuhan ekonomi Provinsi Jawa Barat (5,72%) 3. Daerah maju tapi tertekan (high growth and high income) yakni kabupaten/kota dengan rata-rata PDRB perkapita di atas rata-rata PDRB perkapita Provinsi Jawa Barat (6.506.200.000 rupiah), dan rata-rata laju pertumbuhan ekonomi di bawah rata-rata laju pertumbuhan ekonomi Provinsi Jawa Barat (5,72%) 4. Daerah cepat maju dan cepat tumbuh ( high growth and high income) yakni kabupaten/kota dengan rata-rata PDRB per kapita dibawah rata-rata PDRB perkapita Provinsi Jawa Barat (6.506.200.000 rupiah), dan rata-rata laju pertumbuhan ekonomi di bawah rata-rata laju pertumbuhan ekonomi Provinsi Jawa Barat (5,72%)

6

Tabel 1.3 Kondisi Kabupaten / kota di Jawa Barat Menurut kriteria Tipologi Daerah PDRB Perkapita ( Y ) Laju Pertumbuhan (R) > 5,72 > 6.506.200.000 Daerah Cepat Maju Dan Cepat Tumbuh : Kab. Bekasi Kota Bandung > 6.506.200.000 Daerah Berkembang Cepat : Kab. Bogor Kota. Sukabumi Kota. Bogor Kota. Depok

< 5,72

Daerah Maju Tapi Daerah Relatif Tertekan : Tertinggal : Kab. Indramayu Kab. Sukabumi Kota. Cimahi Kab. Cianjur Kab. Purwakarta Kab. Bandung Kab. Karawang Kab. Garut Kota. Cirebon Kab. Tasikmalaya Kab. Ciamis Kab. Kuningan Kab. Cirebon Kab. Majalengka Kab. Sumedang Kab. Subang Kota Tasikmalaya Kota. Banjar Kota. Bekasi

Lampiran A Berdasarkan Tabel 1.4 terlihat bahwa pada priode 2004 hingga 2008, terdapat dua Kabupaten/Kota termasuk dalam kriteria daerah cepat maju dan cepat tumbuh, empat Kabupaten/Kota tergolong dalam kriteria daerah berkembang cepat. Sisanya lima kabupaten/kota tergolong dalam kriteria daerah maju dan tertekan dan 14 Kabupaten/Kota termasuk dalam kriteria daerah relatif tertinggal, sehingga menunjukan adanya ketimpangan wilayah.

7

Ketimpangan memiliki dampak yang positif maupun dampak negatif. Dampak positif dari ketimpangan yaitu dapat mendorong wilayah lain yang kurang maju dan berkembang untuk dapat bersaing dan meningkatkan pertumbuhannya guna untuk meningkatkan kesejahteraannya. Sedangkan dampak negatif dari ketimpangan yang ekstrim antara lain adalah inefisiensi ekonomi, melemahkan stabilitas sosial dan solidaritas, serta ketimpangan yang tinggi pada umumnya dipandang tidak adil untuk kesejahteraan masyarakat (Todaro, 2004). Dampak negatif inilah yang menyebabkan ketimpangan yang tinggi menjadi salah satu masalah dalam pembangunan dalam menciptakan kesejahteraan di suatu wilayah. Pertumbuhan ekonomi merupakan salah satu indikator dari kesejahteraan masyarakat. Di mana ketika suatu wilayah memiliki pertumbuhan yang tinggi maka wilayah tersebut dapat dikatakan wilayah yang makmur. Prof. Simon Kuznets dalam Todaro (2004) mengemukakan empat karakter atau ciri proses pertumbuhan ekonomi yang bisa ditemui dihampir semua negara yang sekarang maju sebagai berikut : 1. Tingkat pertumbuhan output per kapita dan pertumbuhan penduduk yang tinggi. 2. Tingkat kenaikan produktifitas faktor total yang tinggi. 3. Tingkat transformasi struktural ekonomi yang tinggi. 4. Adanya kecenderungan negara-negara yang mulai atau yang sudah maju perekonomiannya untuk berusaha merambah bagian-bagian

8

dunia lainnya sebagai daerah pemasaran dan sumber bahan baku yang baru. Dengan adanya pertumbuhan ekonomi secara langsung dan tidak langsung akan berpengaruh terhadap masalah ketimpangan regional. Ketimpangan dalam pembagian pendapatan adalah ketimpangan dalam perkembangan ekonomi anatara berbagai daerah pada suatu wilayah yang akan menyebabkan pula ketimpangan tingkat pendapatan per kapita antar daerah (Masli, 2008) Konsentrasi kegiatan ekonomi yang belakangan ini banyak diterapkan oleh berbagai wilayah di Indonesia termasuk Jawa Barat yaitu aglomerasi. Aglomerasi menurut Marshall muncul ketika sebuah industri memilih lokasi untuk kegiatan produksinya yang memungkinkan dapat berlangsung dalam jangka panjang sehingga masyarakat akan banyak memperoleh keuntungan apabila mengikuti tindakan mendirikan usaha disekitar lokasi tersebut (Amini Hidayati dan Mudrajad Kuncoro, 2004). Aglomerasi yang cukup tinggi akan menyebabkan pertumbuhan ekonomi daerah cenderung tumbuh lebih cepat. Kondisi tersebut akan mendorong proses pembangunan daerah melalui peningkatan penyediaan lapangan kerja dan tingkat pendapatan masyarakat (Syafrizal, 2008). Akan tetapi bagi daerah yang memiliki tingkat aglomerasi rendah akan membuat daerah tersebut semakin terbelakang. Selain pertumbuhan ekonomi dan agromerasi, ada beberapa faktor yang mempengaruhi tingkat ketimpangan wilayah. (Akai dan sakata, 2005) serta (Lesman, 2006) melakukan penelitian tentang faktor-faktor yang mempengaruhi

9

tingkat ketimpangan wilayah, diantaranya pertumbuhan ekonomi, pengangguran serta panjang jalan raya. Dalam penelitian (Akai dan sakata, 2005) dan (Lesman, 2006) menjelaskan bahwa tingkat pengangguran berhubungan positif dengan

ketimpangan wilayah, dengan semakin tinggi tingkat pengangguran yang ada itu akan menambah ketimpangan wilayah. Berikut adalah gambar mengenai perkembangan jumlah pengangguran di Jawa Barat tahun 2004-2008. Gambar 1.1 Perkembangan Jumlah Pengangguran Provinsi Jawa Barat Tahun 2004-2008 (persen)
tahun Tingkat pengangguran

13.08 12.25 11.91 10.95

12.08

2004

2005

2006

2007

2008

Sumber BPS Jawa Barat, Diolah Berdasarkan Gambar 1.1 ditunjukan bahwa pada tahun 2004 sebesar 12,25%, dan menurun ditahun 2005 dan 2006 sebesar 11,91 dan 10,95, tetapi meningkat tajam pada tahun 2007 sebesar 13,08 dan menurun ditahun 2008 sebesar 12,08.

10

Panjang jalan juga mempengaruhi ketimpangan wilayah, dalam penelitian (Akai dan sakata, 2005) menemukan bahwa panjang jalan berpengaruh negatif terhadap ketimpangan wialayah. Tetapi menurut Sirojuzilam, (2009) menemukan bahwa panjang jalan yang tidak merata antara wilayah timur, wilayah barat, dan dataran tinggi di wilayah Provinsi Sumatra Utara. Sebagian besar dari panjang jalan yang ada di berbagai daerah baik di Wilayah Barat maupun di Wilayah Timur berada dalam kondisi buruk dan buruk sekali, sehingga menghambat kelancaran mobilitas baik barang maupun orang, dan kurangnya peranan jalan dalam menunjang ekonomi lokal adalah bahwa minimnya aktivitas ekonomi wilayah dan minimnya peran sektor industri. Dengan demikian sarana jalan yang ada belum banyak memberikan arti bagi peningkatan pertumbuhan ekonomi wilayah, yang menyebabkan terjadinya ketimpangan wilayah. Berikut adalah gambar mengenai perkembangan panjang jalan di Jawa Barat Tahun 2004-2008.

11

Gambar 1.2 Perkembangan Panjang Jalan Provinsi Jawa Barat Tahun 2004-2008 (km)

23017.69 21711.1 21289.68

23138.7 21744.48

tahun Panjang jalan

2004

2005

2006

2007

2008

Sumber BPS Jawa Barat, diolah. Berdasarkan Gambar 1.2 ditunjukan bahwa pada tahun 2004 panjang jalan sebesar 23017.69 km, dan menurun di tahun 2005 dan 2006 sebesar 2,289.68 km dan 21744.48 km, tetapi meningkat pada tahun 2007 dan 2008 sebesar 21744.48 km dan 23138.7 km. Pembangunan dalam lingkup spasial tidak selalu merata, ketimpangan wilayah menjadi salah satu permasalahan yang sangat serius. Beberapa daerah yang ada mengalami pertumbuhan ekonomi yang cepat, tetapi beberapa daerah yang lain mengalami pertumbuhan ekonomi yang lambat. Daerah tersebut tidak mengalami perkembangan dan kemajuan yang sama, ini disebabkan oleh kurangnya sumberdaya yang dimiliki. Di samping itu banyak para investor yang menanamkan modalnya pada suatu daerah yang sudah terpenuhi fasilitasnya, dengan berbagai pertimbangan yang ada untuk menunjang kemajuan dari

12

usahanya. Bagi daerah-daerah yang belum terjangkau akan maengakibatkan daerah-daerah tersebut akan tertinggal, karena minimnya fasilitas. Alhasil akan menyebabkan ketimpangan dan pendapatan di daerah tersebut. Berdasarkan latar belakang masalah diatas maka penulis mengangkat topik dalam penelitian ini dengan judul “ Analisis Pengaruh Pertumbuhan Ekonomi, Aglomerasi, Tingkat Pengangguran, Dan Panjang Jalan Terhadap Ketimpangan Antar Wilayah Pada 25 Kabupaten/Kota Menurut Tipologi Klassen di Provinsi Jawa Barat Tahun 2004-2008” 1.2 Rumusan Masalah Perbedaan pertumbuhan di daerah dapat memicu ketimpangan antar daerah. Pertumbuhan ekonomi Provinsi Jawa Barat yang terus meningkat dalam kurun waktu empat tahun dimana pertumbuhan ekonomi meningkat dari 4,77 persen (tahun 2004), hingga 6,48 persen (tahun 2007), dan menurun (tahun 2008) sebesar 5,84, diikuti dengan adanya ketimpangan antar wilayah yang ditunjukan dengan analisis tipologi daerah. Dari 25 Kabupaten di Provinsi Jawa Barat, ada 2 kabupaten yang masuk kriteria dari cepat maju dan cepat tumbuh atau (daerah dengan rata-rata PBRB perkapita serta rata-rata laju pertumbuhan ekonominya diatas rata-rata PDRB per kapita serta rata-rata laju pertumbuhan ekonominya diatas rata-rata Provinsi Jawa Barat) dan 14 masuk kriteria daerah relatif tertinggal (daerah dengan rata-rata PDRB per kapita serta rata-rata laju pertumbuhan ekonominya dibawah rata-rata Provinsi Jawa Barat). Pertumbuhan ekonomi diikuti dengan ketimpangan wilayah merupakan permasalahan dalam

pembangunan, sehingga diperlukan penelitian mengenai faktor-faktor yang

13

mempengaruhi ketimpangan wilayah, sehingga dapat dicari faktor-faktor yang dapat memicu pemerataan pembangunan wilayah. Berdasarkan gambaran diatas, maka masalah skripsi ini yang akan diteliti dirumuskan dengan pertanyaan penelitian sebagai berikut : 1. Bagaimana pengaruh pertumbuhan ekonomi terhadap ketimpangan wilayah? 2. Bagaimana pengaruh Aglomerasi terhadap ketimpangan wilayah? 3. Bagaimana pengaruh tingkat pengangguran terhadap ketimpangan wilayah? 4. Bagaimana pengaruh panjang jalan terhadap ketimpangan wilayah? 1.3 1.3.1 Tujuan dan Kegunaan Penelitian Tujuan Penelitian Tujuan dan kegunaan penelitian ini adalah sebagai berikut : a. Menganalisis pengaruh pertumbuhan ekonomi terhadap ketimpangan wilayah. b. Menganalisis pengaruh aglomerasi terhadap ketimpangan wilayah. c. Menganalisis pengaruh pengangguran terhadap ketimpangan wilayah. d. Menganalisis pengaruh panjang jalan terhadap ketimpangan wilayah. 1.3.2 Kegunaan Penelitian Adapun penelitian ini diharapkan mampu memberikan kontribusi kepada : 1. Pengambil Kebijakan Bagi pengambil kebijakan, penelitian ini diharapkan mampu memberikan informasi mengenai faktor-faktor yang mempengaruhi tingkat ketimpangan wilayah, sehingga dapat memahami lebih jauh

14

untuk pengambilan kebijakan selanjutnya guna menyelesaikan permasalahan ini. 2. Ilmu Pengetahuan Secara umum diharapkan hasil penelitian ini dapat menambah khasanah ilmu ekonomi khususnya ekonomi pembangunan. Manfaat khusus bagi ilmu pengetahuan yakni dapat melengkapi kajian ketimpangan wilayah dengan mengungkap secara empiris faktor-faktor yang mempengaruhinya. 1.4 Sistematika Penulisan Adapun sistematika penulisan dari penelitian ini adalah sebagai berikut: Bab I Pendahuluan Bab ini merupakan bagian pendahuluan yang beri latar belakang masalah, rumusan masalah, tujuan dan kegunaan penelitian dan sistematika penulisan Bab II Tinjauan Pustaka Bab ini berisi landasan teori dan bahasan hasil-hasil penelitian sebelumnya yang sejenis. Bab ini juga mengungkapkan kerangka pemikiran dan hipotesis. Bab III Metode Penelitian Bab ini berisikan deskripsi tentang bagaimana penelitan akan dilaksanakan secara operasional yang menguraikan variabel penelitian, definisi operasional, jenis dan sumber data, metode pengumpulan data dan metode analisis

15

Bab IV Hasil dan Pembahasan Pada permulaan bab ini akan digambarkan secara singkat keadaan ketimpangan wilayah, pertumbuhan ekonomi, tingkat

pengangguran, panjang jalan serta aglomerasi dan dilanjutkan dengan analisis data dan pembahasan. Bab V Penutup Bab ini merupakan bab terakhir yang berisi kesimpulan dan saran atas dasar penelitian.

16

BAB II TINJAUAN PUSTAKA 2.1 2.1.1 Landasan Teori Ketimpangan Pembangunan Antar Wilayah Ketimpangan pembangunan yang terjadi antar wilayah di suatu daerah merupakan aspek yang umum terjadi dalam kegiatan ekonomi di daerah tersebut. Menurut (Syafrizal, 2008) ketimpangan yang terjadi antar wilayah disebabkan oleh perpedaan kandungan sumberdaya alam dan perbedaan kondisi demografi yang terdapat pada masing-masing wilayah, sehingga kemampuan suatu daerah dalam mendorong proses pembangunan menjadi berbeda. Perbedaan kekayaan daerah ini yang pada akhirnya menimbulkan adanya wilayah maju (develop region) dan wilayah terbelakang. (underdeveloped region). Menurut Mudrajat Koncoro (2003), kesenjangan mengacu pada standar hidup relatif dari seluruh masyarakat. Sebab kesenjangan antar wilayah yaitu adanya perbedaan faktor anugrah awal (endowment factor). Perbedaan inilah yang menyebabkan tingkat pembangunan di berbagai wilayah dan daerah berbeda-beda, sehingga menimbulkan gap atau jurang kesejahteraan di berbagai wilayah tersebut (sukirno,2003). Menurut Mydral (dalam Arsyad, 2004). Perbedaan tingkat kemajuan ekonomi antar daerah yang berlebihan akan mengakibatkan pengaruh yang menguntungkan (spread effects) yang dalam hal ini dapat menyebabkan ketidakseimbangan. Pelaku-pelaku yang mempunyai kekuatan di pasar secara normal akan cenderung meningkat bukannya menurun, sehingga mengakibatkan

17

kesenjangan antar daerah miskin di mana industri modern tidak pernah dapat berkembang dalam berbagai skala umumnya di tandai dengan daerah pertanian dengan usaha tani subsisten dan kecil, berpenduduk jarang dan tersebar dan tidak terdapat kota atau konsentrasi pemukiman yang relatif besar. Menurut Hipotesa Neo-klasik, pada permulaan proses pembangunan suatu negara, ketimpangan pembangunan antar wilayah cenderung meningkat. Proses ini akan terjadi sampai ketimpangan tersebut mencapai titik puncak. Setelah itu, bila proses pembangunan terus berlanjut, maka secara berangsur-angsur ketimpangan pembangunan antar wilayah tersebut akan menurun. (Syafrizal, 2008) Ketimpangan pada kenyataannya tidak dapat dihilangkan dalam

pembangunan suatu daerah. Adanya ketimpangan, akan memberikan dorongan kepada daerah yang terbelakang untuk dapat berusaha meningkatkan kualitas hidupnya agar tidak jauh tertinggal dengan daerah sekitarnya. Selain itu daerahdaerah tersebut akan bersaing guna meningkatkan kualitas hidupnya, sehingga ketimpangan dalam hal ini memberikan dampak positif. Akan tetapi ada pula dampak negatif yang ditimbulkan dengan semakin tingginya ketimpangan antar wilayah. Dampak negatif tersebut berupa inefisiensi ekonomi, melemahkan stabilitas sosial dan solidaritas, serta ketimpangan yang tinggi pada umumnya dipandang tidak adil (Todaro, 2004). 2.1.2 Ukuran Ketimpangan Pembangunan Antar wilayah Penetapan ukuran ketimpangan sangat penting, karena dalam melihat ketimpangan pembangunan antar wilayah di suatu negara atau suatu daerah

18

bukanlah hal yang mudah karena dapat menimbulkan silang pendapat yang berkepanjangan, di mana satu pihak berpendapat bahwa ketimpangan suatu daerah cukup tinggi dilihat dari banyaknya kelompok miskin di daerah yang bersangkutan, namun di pihak lain, ada pendapat bahwa ketimpangan suatu daerah cukup tinggi dilihat dari segelintir kelompok kaya yang berada ditengahtengah masyarakat yang mayoritas masih miskin (Syafrizal, 2008) Ada beberapa ukuran ketimpangan pembangunan, yakni : a. Indeks Williamson Untuk mengetahui tingkat ketimpangan antar wilayah menggunakan indeks ketimpangan regional (regional inequality) yang dinamakan indeks ketimpangan Williamson (Sjafrizal, 2008): IW = √∑ Y Dimana : Yi Y fi n = PDRB per kapita daerah i = PDRB per kapita rata-rata seluruh daerah = Jumlah penduduk daerah i = Jumlah penduduk seluruh daerah Indeks Williamson bernilai antara 0 - 1, di mana semakin mendekati nol artinya wilayah tersebut semakin tidak timpang. Sedangkan bila mendekati satu maka semakin timpang wilayah. ...........................................................(2.1)

19

b. Koefisien Gini Koefisien Gini adalah parameter yang digunakan untuk mengukur ketimpangan distribusi pendapatan. Koefisien Gini bernilai antara 0 sampai dengan 1 yang merupakan rasio antara luas area antara Kurva Lorenz dengan garis kemerataan sempurna dengan luas area di bawah Kurva lorenz seperti yang nampak pada gambar 2.1. Semakin kecil nilai koefisien gini, mengindikasikan semakin meratanya distribusi pendapatan, sebaliknya semakin besar nilai koefisien Gini mengindikasikan distribusi yang semakin timpang (senjang) antar kelompok penerima pendapatan. Secara ekstrim diartikan bahwa koefisien Gini sebesar 0 berarti terdapat kemerataan sempurna (setiap orang memperoleh pendapatan yang sama persis) dan Koefisien Gini sebesar 1 menunjukan ketidakmerataaan sempurna (di mana satu orang memiliki/menguasai seluruh pendapatan totalnya, sementara lainnya tidak memperoleh pendapatan sama sekali (Hariadi,2008).

20

% Dari pendapatan

Gambar 2.1 Kurva Lorenz

Kurva Lorenz

Area A Area B

% Dari Jumlah Rumah Tangga Sumber : Hariadi, 2008

Kurva Lorenz adalah kurva yang menggambarkan fungsi distribusi pendapatan kumulatif. Jika kurva Lorenz tidak diketahui, maka pengukuran ketimpangan distribusi pendapatan dapat dilakukan dengan rumus koefisien Gini yang dikembangkan oleh Gini (1912). Kurva Lorenz diproksi atas setiap kelas interval dari pendapatan, sehingga luas area B pada kurva Lorenz dapat proksi dengan koefisien Gini: : ∑
k –xk-1)(Yk-Yk-1)..................................................(2.2)

Xk adalah adalah proporsi kumulatif dari jumlah rumah tangga, untuk k = 0,...,n, dengan X0 = 0, Xn = 1. Yk adalah proporsi kumulatif dari jumlah pendapatan rumah tangga sampai kelas ke-k, untuk k = 0,...,n, dengan Y0 = 0, Yn = 1 c. Kesenjangan Berdasarkan Konsep PDRB Perkapita relatif

21

Ketimpangan ini diukur menggunakan proksi yang dipakai dalam penelitian Jaime Bonet (2006) yang mendasarkan ukuran ketimpangan wilayah pada konsep PDRB per kapita relatif dengan rumus : | dimana : IQi,t PDRBPC it = Ketimpangan wilayah kabupaten/kota i, pada tahun t = PDRB perkapita Kabupaten/Kota i, pada tahun t | ……………..………........(2.3)

PDRBPC Jabar,t = PDRB perkapita Provinsi Jawa Barat, pada tahun t Rumus tersebut menyatakan bahwa kesetaraan sempurna terjadi pada saat PDRB perkapita wilayah sama dengan PDRB perkapita Jawa Barat. Oleh karena itu, ketimpangan wilayah diukur dari selisih antara PDRB per kapita relatife (wilayah terhadap nasional) dan 1 (kondisi kesetaraan sempurna), yang diabsolutkan. 2.1.3. Faktor-faktor Penyebab ketimpangan Antar Wilayah Ketimpangan antar wilayah pada umumnya terjadi karena perbedaan endowment faktor yang dimiliki masing daerah, yakni faktor demografi dan faktor-faktor kekayaan yang dimiliki oleh setiap masing-masing daerah. Selain itu masih banyak faktor-faktor lain dari penyebab ketimpangan antar wilayah. Adelman dan Morris (1973) dalam Arsyad (2004) mengemukakan 8 faktor yang menyebabkan ketidakmerataan distribusi pendapatan di negara-negara sedang berkembang, yaitu: (a) Pertambahan penduduk yang tinggi yang mengakibatkan menurunnya pendapatan per kapita; (b) Inflasi di mana pendapatan uang

22

bertambah tetapi tidak diikuti secara proporsional dengan pertambahan produksi barang-barang; (c) Ketidakmerataan pembangunan antar daerah; (d) Investasi yang sangat banyak dalam proyek-proyek yang padat modal (capital intensive), sehingga persentase pendapatan modal dari tambahan harta lebih besar dibandingkan dengan persentase pendapatan yang berasal dari kerja, sehingga pengangguran bertambah; (e) Rendahnya mobilitas sosial; (f) Pelaksanaan kebijaksanaan industri substitusi impor yang mengakibatkan kenaikan hargaharga barang hasil industri untuk melindungi usaha-usaha golongan kapitalis; (g) Memburuknya nilai tukar (term of trade) bagi negara-negara sedang berkembang dalam perdagangan dengan negara-negara maju, sebagai akibat ketidak elastisan permintaan negara-negara terhadap barang ekspor negara-negara sedang berkembang; dan (h) Hancurnya industri-industri kerajinan rakyat seperti pertukangan, industri rumah tangga, dan lain-lain. Adapun penyebab–penyebab ketimpangan pembangunan ketimpangan antar wilayah menurut Syafrizal (2008), yakni : a) Perbedaan Kandungan Sumberdaya Alam Penyebab pertama yang mendorong timbulnya ketimpangan pembangunan antar wilayah adalah adanya perbedaan yang sangat besar dalam kandungan sumberdaya alam pada masing-masing daerah. Perbedaan kandungan sumberdaya alam ini jelas akan mempengaruhi kegiatan produksi pada daerah bersangkutan. Daerah dengan kandungan

sumberdaya alam cukup tinggi akan dapat memproduksi barang-barang

23

tertentu dengan biaya relatife murah dibandingkan dengan daerah lain yang mempunyai kandungan sumberdaya alam lebih rendah. b) Perbedaan kondisi demografis faktor lainnya yang juga mendorong terjadinya ketimpangan pembangunan antar wilayah adalah bilamana terdapat perbedaan kondisi demografis yang cukup besar antar daerah. Kondisi demografis yang dimaksud adalah perbedaan tingkat pertumbuhan dan stuktur kependudukan, perbedaan tingkat pendidikan dan kesehatan, perbedaan kondisi ketenagakerjaan dan perbedaan dalam tingkah laku dan kebiasaan serta etos kerja yang dimiliki masyarakat daerah bersangkutan. Kondisi demografis ini akan dapat mempengaruhi ketimpangan

pembangunan antar wilayah karena hal ini akan berpengaruh terhadap produktivitas kerja masyarakat pada daerah bersangkutan. Daerah dengan kondisi demografis yang baik akan cenderung mempunyai produktivitas kerja yang lebih tinggi sehingga hal ini akan mendorong peningkatan investasi yang selanjutnya akan meningkatkan penyediaan lapangan kerja dan pertumbuhan ekonomi daerah bersangkutan. Sebaliknya, bila pada suatu daerah tertentu kondisi demografisnya kurang baik maka hal ini akan menyebabkan relatife rendahnya produktivitas kerja masyarakat setempat yang menimbulkan kondisi yang kurang menarik bagi penanaman modal sehingga pertumbuhan ekonomi daerah bersangkutan akan menjadi lebih rendah. Kurang lancarnya mobilitas barang dan jasa kurang lancarnya mobilitas barang dan jasa dapat pula mendorong terjadinya peningkatan ketimpangan pembangunan atar wilayah.

24

c) Kosentrasi Kegiatan Ekonomi Wilayah Terjadinya kosentrasi kegiatan ekonomi yang cukup tinggi pada wilayah tertentu jelas akan mempengaruhi ketimpangan pembangunan antar wilayah. Pertumbuhan ekonomi daerah akan cenderung lebih cepat pada daerah di mana terdapat konsentrasi kegiatan ekonomi yang cukup besar. Kosentrasi kegiatan ekonomi dapat disebabkan oleh beberapa hal. Pertama, karena adanya sumberdaya alam yang lebih banyak pada daerah tertentu. Kedua, meratanya fastilitas transportasi, baik darat, laut dan udara, juga ikut mempengaruhi kosentrasi kegiatan ekonomi antar daerah. Ketiga, kondisi demografis (kependudukan) juga ikut mempengaruhi karena kegiatan ekonomi akan cenderung terkosentrasi dimana

sumberdaya manusia tersedia dengan kualitas yang lebih baik. d) Alokasi Dana Pembangunan Antar Wilayah Alokasi investasi pemerintah ke daerah lebih banyak ditentukan oleh sistem pemerintahan daerah yang dianut. Bila sistem pemerintahan daerah yang dianut bersifat sentralistik, maka alokasi dana pemerintah akan cenderung lebih banyak dialokasikan pada pemerintah pusat, sehingga ketimpangan pembangunan antar wilayah akan cenderung tinggi. Akan tetapi jika sebaliknya di mana sistem pemerintahan yang dianut adalah otonomi atau federal, maka dana pemerintah akan lebih banyak dialokasikan ke daerah sehingga ketimpangan pendapatan akan cenderung rendah. Alokasi dana pemerintah yang antara lain akan memberikan dampak pada ketimpangan pembangunan antar wilayah adalah alokasi

25

dana untuk sektor pendidikan, kesehatan, jalan, irigasi dan dan listrik. Semua sektor ini akan memberikan dampak pada peningkatan pada peningkatan produktivitas tenaga kerja, pendapatan perkapita, dan pada akhirnya dapat meningkatkan pergerakan ekonomi di daerah tersebut. 2.1.4. Teori Pertumbuhan Ekonomi Boediono (1992) menyatakan, bahwa pertumbuhan ekonomi adalah proses kenaikan output dalam jangka panjang. Pemakaian indikator pertumbuhan ekonomi akan dilihat dalam kurun waktu yang cukup lama, misalnya sepuluh, duapuluh, limapuluh tahun atau bahkan lebih. Pertumbuhan ekonomi akan terjadi apabila ada kencenderungan yang terjadi dari proses internal perekonomian itu, artinya harus berasal dari kekuatan yang ada di dalam perekonomian itu sendiri. Untuk mengetahui apakah suatu perekonomian mengalami pertumbuhan, harus dipertimbangkan PDRB riil satu tahun (PDRBt) dengan PDRB riil tahun sebelumnya (PDRBt-1), atau dapat di formulasikan sebagai berikut: | Dimana: Yit PDRBti PDRBto PDRB = Pertumbuhan Ekonomi Kabupaten/kota i, tahun = PDRB ADHK kabupaten/kota i tahun t = PDRB ADHK kabupaten/kota i tahun t = PDRB ADHK kabupaten/kota i tahun t-1 Pengukuran akan kemajuan sebuah perekonomian memerlukan alat ukur yang tepat, betapa alat pengukur pertumbuhan ekonomi antara lain yaitu ( Nur Pratama, 2010) |..............................................................(2.4)

26

a. Produk Domestik Bruto (PDRB) Produk Domestik Bruto (PDB) atau di tingkat regional disebut dengan Produk Domesrik Regional Bruto (PDRB) yaitu jumlah barang atau jasa yang dihasilkan oleh suatu perekonomian dalam jangka 1 tahun dan dinyatakan dalam harga pasar. Baik PDB maupun PDRB adalah ukuran yang global sifatnya, dan keduanya ini bukan merupakan alat ukur yang sesuai, karena belum dapat mensejahterakan penduduk yang

sesungguhnya, padahal kesejahteraan harus dimiliki oleh setiap negara maupun daerah yang bersangkutan. b. Produk Domestik Perkapita / Pendapatan perkapita Produk Domestik Bruto Perkapita atau Produk Domestik Regional Bruto perkapita pada skala yang digunakan untuk mengukur pertumbuhan suatu daerah yang lebih baik karena dapat mencerminkan kesejahteraan penduduk suatu negara maupun daerah yang bersangkutan dari pada nilai PDB atau PDRB saja. Produk Domestik Bruto Perkapita baik di tingkat nasional maupun di daerah adalah jumlah PDB nasional atau PDRB suatu daerah dibagi dengan jumlah penduduk di negara maupun di daerah yang bersangkutan, atau dapat disebut sebagai PDB atau PDRB rata-rata. 2.1.5. Hubungan Antara Pertumbuhan Ekonomi Dengan Ketimpangan wilayah 2.1.5.1 Hipotesis Kuznets Simon Kuznets (1995) dalam Kuncoro (2006) membuat hipotesis adanya kurva U terbalik (inverted U curve) bahwa mula-mula ketika pembangunan

27

dimulai, distribusi pendapatan akan makin tidak merata, namun setelah mencapai suatu tingkat pembangunan tertentu, distribusi pendapatan makin merata. Menurut Kuznets, pertumbuhan ekonomi adalah kenaikan kapasitas dalam jangka panjang dari negara yang bersangkutan untuk menyediakan berbagai barang ekonomi kepada penduduknya. Kenaikan kapasitas itu sendiri ditentukan atau

dimungkinkan oleh adanya kemajuan atau penyesuaian-penyesuaian teknologi, institusional (kelembagaan), dan ideologis terhadap berbagai tuntutan keadaan yang ada (Todaro, 2004). Simon Kuznets mengatakan bahwa tahap awal pertumbuhan ekonomi, distribusi pendapatan cenderung memburuk, dan tahap selanjutnya, distribusi pendapatannya akan membaik, namun pada suatu waktu akan terjadi peningkatan disparitas lagi dan akhirnya menurun lagi. Hal tersebut digambarkan dalam kurva Kuznets gambar 1.1, menunjukkan bahwa dalam jangka pendek ada korelasi positif antara pertumbuhan pendapatan perkapita dengan disparitas pendapatan. Namun dalam jangka panjang hubungan keduanya menjadi korelasi yang negatif.

28

Gambar 2.2 Kurva Kuznet
Koefisien Gini

Kurva kuznet

Sumber : Todaro, 2004

PDRB Per kapita

Profesor Kuznets mengemukakan enam karakteristik atau ciri proses pertumbuhan ekonomi yang bisa ditemui di hampir semua negara yang sekarang maju sebagai berikut : 1. Tingkat pertumbuhan output per kapita dan pertumbuhan penduduk yang tinggi. 2. Tingkat kenaikan produktivitas faktor total yang tinggi. 3. Tingkat transformasi struktural yang ekonomi yang tinggi. 4. Tingkat transformasi sosial dan ideologi yang tinggi. 5. Adanya kecenderungan negara-negara yang mulai atau sudah maju perekonomiannya untuk berusaha merambah bagian-bagian dunia lainnya sebagai daerah pemasaran dan sumber bahan baku yang baru.

29

Hipotesa Neo-Klasik variabel yang dapat digunakan sebagai variabel independen adalah pertumbuhan ekonomi yang menunjukan tingkat

pembangunan suatu negara (Sjafrizal, 2008). Pertumbuhan ekonomi suatu wilayah dapat mencerminkan keberhasilan pembangunan pada wilayah tersebut. Apabila suatu wilayah dapat meningkatkan laju pertumbuhan ekonominya maka wilayah tersebut dapat dikatakan sudah mampu melaksanankan pembangunan ekonomi dengan baik. Akan tetapi yang masih menjadi masalah dalam pembangunan ekonomi ini adalah apakah pertumbuhan ekonomi yang terjadi pada suatu wilayah sudah merata di seluruh lapisan masyarakat. Harapan pertumbuhan ekonomi yang tinggi akan dapat meningkatkan pendapatan per kapita masyarakat. Ketika pendapatan per kapita meningkat dan merata maka kesejahteraan masyarakat akan tercipta dan ketimpangan akan berkurang. 2.1.6. Aglomerasi Mudrajad Kuncoro (2002) mendefinisikan aglomerasi sebagai konsentrasi spasial dari aktifitas ekonomi di kawasan perkotaan karena penghematan akibat lokasi yang berdekatan (economies of proximity) yang diasosiasikan dengan kluster spasial dari perusahaan, para pekerja, dan konsumen untuk meminimisasi biaya-biaya seperti biaya transportasi, informasi, dan komunikasi. Menurut Robinson Tarigan (2007), keuntungan berlokasi pada tempat konsentrasi atau terjadinya aglomerasi disebabkan faktor skala ekonomi (economic of scale) dan economic of agglomeration. Economic of scale adalah keuntungan karena dapat berproduksi berdasarkan spesialisasi sehingga produksi lebih besar dan biaya per unit lebih efisien. Sedangkan economic of

30

agglomeration ialah keuntungan karena di tempat itu terdapat berbagai keperluan dan fasilitas yang dapat digunakan oleh perusahaan. Pertumbuhan ekonomi antar daerah biasanya tidak akan sama. Terdapat daerah dengan tingkat pertumbuhan ekonomi tinggi akan tetapi disisi lain ada pula daerah yang tingkat pertumbuhan ekonominya rendah. Perbedaan daerah dilihat dari pendapatan maupun pertumbuhan ekonomi akan berdampak pada munculnya aglomerasi, yaitu terpusatnya kegiatan-kegiatan ekonomi pada suatu daerah saja dan tidak terjadi persebaran yang merata (Angelia, 2010). Konsentrasi kegiatan ekonomi antar daerah yang cukup tinggi akan cenderung mendorong meningkatnya ketimpangan pembangunan antar wilayah sebab proses pembangunan daerah akan lebih cepat pada daerah dengan konsentrasi kegiatan ekonomi yang lebih tinggi. Sedangkan konsentrasi kegiatan ekonomi rendah proses pembangunan akan berjalan lebih lambat. Oleh karena itu, ketidakmerataan ini menimbulkan ketimpangan pembangunan antar wilayah. 2.1.7 Hubungan antara Aglomerasi dan Ketimpangan Pembangunan

wilayah Terjadinya konsentrasi kegiatan ekonomi yang cukup tinggi pada wilayah tertentu jelas akan mempengaruhi ketimpangan pembangunan antar wilayah. Konsentrasi ekonomi ini tercermin dalam kegiatan aglomerasi. Pertumbuhan ekonomi daerah akan cendeung lebih cepat pada daerah di mana terdapat konsentrasi kegiatan ekonomi yang cukup besar. Kondisi tersebut selanjutnya akan mendorong proses pembangunan daerah melalui peningkatan penyediaan lapangan kerja dan tingkat pendapatan masyarakat. Demikian pula sebaliknya,

31

bilamana konsentrasi kegiatan ekonomi pada suatu daerah relatif rendah yang selanjutnya juga mendorong terjadi pengangguran dan rendahnya tingkat pendapatan masyarakat. Aglomerasi dapat disebabkan oleh beberapa hal. Pertama, terdapatnya sumber daya alam yang lebih banyak pada daerah tertentu, misalnya minyak bumi, gas, batubara dan bahan mineral lainnya. Kedua, meratanya fasilitas transportasi, baik darat, laut maupun udara juga ikut mempengaruhi konsentrasi ekonomi. Ketiga, kondisi demografis (kependudukan) juga ikut mempengaruhi karena kegiatan ekonomi akan cenderung terkonsentrasi dimana sumberdaya manusia tersedia dengan kualitas yang lebih baik. (Syafrizal, 2008) 2.1.8 Tipologi daerah Pendekatan tipologi daerah digunakan untuk mengetahui gambaran tentang pola dan struktur ekonomi masing-masing daerah. Dengan menggunakan alat tipologi klassen adalah dengan pendekatan wilayah/daerah seperti yang digunakan dalam penelitian Syafrizal untuk mengetahui klasifikasi daerah berdasarkan dua indikator utama, yaitu pertumbuhan ekonomi dan pendapatan atau produk domestik regional bruto (PDRB) per kapita daerah. Dengan menentukan rata-rata pertumbuhan ekonomi sebagai sumbu vertikal dan rata-rata PDRB per kapita sebagai sumbu horizontal. Seperti pada pendekatan pertama, pendekatan wilayah juga menghasilkan empat klasifikasi kabupaten yang masingmasing mempunyai karakteristik pertumbuhan ekonomi yang berbeda yaitu :

32

1. Daerah bertumbuh maju dan cepat (rapid growth region) Daerah maju dan cepat tumbuh (rapid growth region) adalah daerah yang mengalami laju pertumbuhan PDRB dab tingkat pendapatan per kapita yang lebih tinggi dari rata-rata seluruh daerah. Pada dasarnya daerahdaerah tersebut merupakan daerah yang paling maju, baik dari segi tingkat pembangunan maupun kecepatan pertumbuhan. Biasanya daerah-daerah ini merupakan merupakan daerah yang mempunyai potensi pembangunan yang sangat besar dan telah dimanfaatkan secara baik untuk kemakmuran masyarakat setempat. Karena diperkirakan daerah ini akan terus berkembang dimasa mendatang. 2. Daerah maju tapi tertekan (retarted region). Daerah maju tapi tertekan (retarted region) adalah daerah-daerah yang relatif maju tetapi dalam beberapa tahun terakhir laju pertumbuhannya menurun akibat tertekannya kegiatan utama daerah yang bersangkutan. Karena itu, walaupun daerah ini merupakan daerah telah maju tetapi dimasa mendatang diperkirakan pertumbuhannya tidak akan begitu cepat, walaupun potensi pembangunan yang dimiliki pada dasarnya sangat besar. 3. Daerah berkembang cepat (growing region). Daerah berkembang cepat (growing region) pada dasarnya adalah daerah yang memiliki potensi pengembangan sangat besar, tetapi masih belum diolah secara baik. Oleh karena itu, walaupun tingkat pertumbuhan ekonominya tinggi namun tingkat pendapatan per kapitanya, yang mencerminkan tahap pembangunan yang telah dicapai sebenarnya masih

33

relatif rendah dibandingkan dengan daerah-daerah lain. Karena itu dimasa mendatang daerah ini diperkirakan mampu berkembang dengan pesat untuk mengejar ketertinggalannya dengan daerah maju. 4. Daerah relatif tertinggal (relatively backward region). Kemudian daerah relatif tertinggal (relatively backward region) adalah daerah yang mempunyai tingkat pertumbuhan dan pendapatan per kapita yang berada dibawah rata-rata dari seluruh daerah. Ini berarti bahwa baik tingkat kemakmuran masyarakat maupun tingkat pertumbuhan ekonomi di daerah ini masih relatif rendah. Tetapi hal ini tidak berarti bahwa didaerah ini tidak akan berkembang di masa mendatang. Melalui pengembangan sarana dan prasarana perekonomian daerah berikut tingkat pendidikan dan pengetahuan masyarakat setempat diperkirakan daerah ini secara bertahap akan dapat pula mengejar ketertinggalannya Syafrizal, 1997 ( dalam kuncoro, 2002) 2.1.9 Tingkat Pengangguran Dalam standar pengertian yang sudah ditentukan secara internasional, yang dimaksudkan dengan pengangguran adalah seseorang yang sudah digolongkan dalam angkatan kerja yang secara aktif sedang mencari pekerjaan pada suatu tingkat upah tertentu, tetapi tidak dapat memperoleh pekerjaan yang diinginkannya. Menurut definisi BPS, (2011) pengangguran yaitu bagian dari angkatan kerja yang tidak bekerja atau sedang mencari pekerjaan (baik bagi mereka yang belum pernah bekerja sama sekali maupun yang sudah pernah bekerja) atau sedang mempersiapkan suatu usah, mereka yang tidak mencari

34

pekerjaan karena merasa tidak mungkin untuk mendapatkan pekerjaan dan mereka yang sudah memiliki pekerjaan tetapi belum mulai bekerja. Tingkat pengangguran menurut BPS dihitung dengan Cara: Tinggkat pengangguran thi = ∑

.........(2.5)

Oleh sebab itu, menurut Sadono Sukirno (2000) pengangguran biasanya dibedakan atas 3 jenis berdasarkan keadaan yang menyebabkannya, antara lain: 1. Pengangguran friksional, yaitu pengangguran yang disebabkan oleh tindakan seseorang pekerja untuk meninggalkan kerjanya dan mencari kerja yang lebih baik atau sesuai dengan keinginannya. 2. Pengangguran struktural, yaitu pengangguran yang disebabkan oleh adanya perubahan struktur dalam perekonomian. 3. Pengangguran konjungtur, yaitu pengangguran yang disebabkan oleh kelebihan pengangguran alamiah dan berlaku sebagai akibat pengurangan dalam permintaan agregat. 2.1.10 Hubungan antara Tingkat Pengangguran dengan Ketimpangan wilayah. Ketimpangan wilayah disebabkan juga karena adanya perbedaan kondisi demografi yang cukup besar antar wilayah. Menurut Syafrizal (2008), kondisi demografis dalam suatu wilayah meliputi perbedaan tingkat pertumbuhan dan struktur dari kependudukan, perbedaan tingkat pendidikan dan kesehatan, perbedaan yang dimiliki masyarakat daerah yang bersangkutan. Kondisi demografis berpengaruh terhadap produktivitas kerja masyarakat dalam suatu daerah. Kondisi demografis yang baik cenderung meningkat produktivitas kerja,

35

sehingga dapat meningkatkan pertumbuhan ekonomi suatu daerah. Tingkat pengangguran yang inggi berpengaruh terhadap tingkat produktivitas suatu wialayah, akan menyebabkan produktivitas suatu wilayah tidak optimal sehingga pertumbuhan ekonomi wilayah tersebut tertinggal dengan wilayah yang lain. Melihat kondisi demografis dari sisi tingkat pengangguran di suatu daerah, menurut Lesman (2006), tingkat pengangguran yang tinggi akan menyebabkan ketimpangan yang tinggi pula. 2.1.11 Hubungan Panjang Jalan Jalan merupakan salah satu prasarana publik yang berperan penting terhadap pelaksanaan dari kegiatan ekonomi. Barang merupakan sarana transportasi yang mendukung dari mobilitas barang maupun orang antar daerah. Prasarana transportasi darat yang meliputi segala bagian jalan, termasuk bangunan pelengkap dan perlengkapannya yang diperuntukkan bagi lalu lintas, yang berada pada permukaan tanah, di atas permukaan tanah, bawah permukaan tanah dan/atau air serta di atas permukaan air, kecuali jalan kereta api, jalan lori dan jalan rel. Jalan merupakan bahwa jalan sebagai salah satu prasarana transportasi merupakan unsur penting dalam pengembangan kehidupan berbangsa dan bernegara, dalam pembinaan persatuan dan kesatuan bangsa, wilayah negara, dan fungsi masyarakat serta dalam memajukan kesejahteraan. Jalan sebagai bagian sistem transportasi nasional mempunyai peranan penting terutama dalam mendukung bidang ekonomi, sosial dan budaya serta lingkungan dan dikembangkan melalui pendekatan pengembangan wilayah agar tercapai keseimbangan dan pemerataan pembangunan antardaerah, membentuk dan memperkukuh kesatuan nasional

36

untuk memantapkan pertahanan dan keamanan

nasional, serta membentuk

struktur ruang dalam rangka mewujudkan sasaran pembangunan nasional. Peran Jalan (UU 38/2004, Pasal 5) : 1) Sebagai bagian prasarana transportasi : mempunyai peran penting dalam bidang. Ekonomi, sosial, budaya, LH., politik, hankam, serta dipergunakan untuk sebesar-2 kemakmuran rakyat. 2) Sebagai prasarana distribusi barang dan jasa : merupakan urat nadi kehidupan masyarakat, bangsa dan negara. 3) Merupakan satu kesatuan sistem jaringan jalan : menghubungkan dan mengikat seluruh wilayah Republik Indonesia Jalan yang ada di suatu kabupaten/kota di Provinsi Jawa Barat terdiri dari jalan nasioanal, jalan provinsi, dan jalan kabupaten. 2.1.12 Hubungan antara Panjang Jalan dengan ketimpangan wilayah. Kurang lancarnya mobilitas barang dan jasa dapat mendorong terjadinya peningkatan ketimpangan pembangunan antar wilayah. Bila mobilitas barang dan jasa tidak lancar, maka kelebihan produksi suatu daerah tidak akan dapat didistribusikan kedaerah lain yang membutuhkan. Kelancaran mobilitas dapat dilihat dari sarana transportasi dan komunikasi sutu wilayah, menurut mirnasari ( dalam Nur Pratama, 2010) salah satu faktor yang mempengaruhi ketimpangan wilayah adalah ketidaklancaran sarana transportasi.

37

2.2

Penelitian Terdahulu

Penelitian terkait pertumbuhan ekonomi maupun ketimpangan antar wilayah telah banyak dilakukan oleh peneliti. Beberapa diantaranya terdapat pada tabel penelitian sebagai berikut:

No Peneliti 1 Sutarno dan Mudrajad Kuncoro

Variabel Penelitian

Model

Hasil 1. Berdasarkan tipologi Klassen,daerah/kecamatan di Kabupaten Banyumas dapat diklasifikasikan berdasarkan pertumbuhan dan pendapatan per kapita menjadi empat kelompok yaitu daerah/kecamatan cepat maju dan cepat tumbuh, kecamatan yang maju tapi tertekan, kecamatan/daerah yang berkembang cepat dan kecamatan/daerah tertinggal. 2. Pada periode pengamatan 1993– 2000 terjadi kecenderungan peningkatan ketimpangan, baik dianalisis dengan indeks Williamson maupun dengan indeks entropi Theil. Ketimpangan ini salah satunya diakibatkan konsentrasi aktivitas ekonomi secara spasial. 3. Hipotesis Kuznets mengenai

PDRB perkapita, dan 1.Indeks Williamson pertumbuhan Ekonomi. IW = √∑ Y Dimana : Yi = PDRB per kapita daerah i Y = PDRB per kapita rata-rata seluruh daerah fi = Jumlah penduduk daerah i n = Jumlah penduduk seluruh daerah. 2. Indeks Entrophy Theil I(y) = ∑ ( ) )

Di mana : I(y) : Indeks Entrophy Theil yj : PDRB per kapita kota/kabupaten j Y : Rata-rata PDRB per kapita Provinsi

38

xj :Jumlah penduduk kota/kabupaten j X : Jumlah penduduk Provinsi 3. Tipologi Klassen. Alat analisis tipologi Klassen digunakan untuk mengetahui klasifikasi daerah berdasarkan dua indikator utama, yaitu pertumbuhan ekonomi dan pendapatan atau produk domestik regional bruto per kapita daerah. 2 Cristian Lesman Tingkat Disparitas, koefisien gini dari distribusi popolasi regional, bagian dari orang-orang yang hidup dikota, besarnya populasi, GDP perkapita, populasi pekerja sektor pertanian, rasio pengangguran, perdagangan global, pengeluaran sosial, bantuan pemerintah desentralisasi. Desentralisasi, gdp perkapita, panjang jalan, Model untuk Cross-section : Disparityi = α +β Controli + Y Decentralizationi + ԑi Dimana : Disparityi : rata-rata dari ukuran yang berbeda untuk ketimpangan regional dari tahun 1980-2000 pada negara i. Controli : sebuah pengukapan garis vektor dari beberapa variabel control yang telah dijelaskan. Decentralizationi : mewakili rata-rata Regresi Data Panel

ketimpangan yang berbentuk kurva U terbalik berlaku di Kabupaten Banyumas, ini terbukti dari hasil analisis trend dan korelasi Pearson. Hubungan antara pertumbuhan dengan indeks ketimpangan Williamson dan entropi Theil untuk kasus Kabupaten Banyumas selama periode 1993–2000 terbukti berlaku hipotesis Kuznets.

Terdapat beberapa variabel yang signifikan berpengaruh terhadap ketimpangan. Variabel popgini, gdpc, dan unempl berhubungan positif dengan variabel pop dan decentr berpengaruh negatif terhadap ketimpangan.

3.

Nubou akai

Variabel desentralisasi, gdp perkapita, tingkat pengangguran signifikan dengan berhubungan

39

4.

sakata dan tingkat metropololitas, Masayo tingkat pendidikan, sakata manufaktur, efek politik, investasi, tingkat pengangguran, populasi. Jaime Desentralisasi fiskal, 1it = β1 + β2FDi.t + β3 CVi,t +μi.t Bonet investasi, aglomerasi. 1i,t = –1

positip dengan ketimpangan, sedangkan variabel panjang jalan, tingkat metropolitan,pendidikan,manufaktur,dan investasi signifikan dan berhubungan negatif terhadap ketimpangan. Dengan menggunakan data panel didapatkan hasil bahwa proses desentralisasi fiskal meningkatkan ketimpangan pendapatan regional selama masa analisis. Hal ini terlihat PCGDPi,t adalah pendapatan dari beberapa faktor yaitu alokasi dari porsi utama atas sumber daya lokal baru untuk provinsi pengeluaran sekarang (gaji dan upah), per kapita, dan PCGDPNAL,t invetsasi infrastruktur dan modal, kurangnya adalah pendapatan nasional per komponen redistribusi dalam transfer nasional, kapita. serta kurangnya kapasitas institusional pada pemerintah daerah. Selain itu dua variabel kontrol yaitu keterbukaan perdagangan dan aglomerasi produksi juga berhubungan positif dan signifikan terhadap ktimpangan pendapatan regional.

5.

Sri Aditya Pertumbuhan ekonomi, Regresi Data Panel Nur investasi, pengangguran, Pratama panjang jalan.

Dari pertimbuhan ekonomi, investasi, pengangguran,berpengaruh positip terhadap ketimpangan.sedangkan panjang jalan tidak signifikan sehingga berhubungan positip.

40

2.3

Kerangka Pemikiran Teoritis. Masalah ketimpangan merupakan permasalahan yang banyak dihadapi di

negara sedang berkembang seperti Indonesia. Ketimpangan wilayah juga merupakan masalah yang belum dapat dihapuskan pada di Indonesia. Pembangunan ekonomi suatu wilayah bertujuan untuk meningkatkan

kesejahteraan masyarakat wilayah yang bersangkutan. Salah satu cara untuk meningkatkan kesejahteraan masyarakat adalah dengan meningkatkan

pertumbuhan ekonomi. Peningkatan pertumbuhan ekonomi, harapan pertumbuhan ekonomi yang tinggi akan dapat meningkatkan pendapatan per kapita masyarakat. Ketika pendapatan per kapita meningkat dan merata maka diharapkan tercipta masyarakat yang sejahtera dan mengurangi ketimpangan. Akan tetapi yang masih menjadi masalah dalam pembangunan ekonomi ini adalah apakah pendapatan per kapita pada suatu wilayah sudah merata diseluruh lapisan masyarakat. Gambar 2.3 Kerangka Pemikiran Teoritis Pertumbuhan Ekonomi Aglomerasi Tingkat Pengangguran

Ketimpangan Wilayah

Panjang Jalan

41

2.4

Hipotesis. Berdasarkan teori dan hubungan antara tujuan penelitian, kerangka pemikiran

terhadap rumusan masalah, maka hipotesis atau jawaban sementara dari penelitian ini adalah sebagai berikut : a) Diduga Pertumbuhan ekonomi berpengaruh positif terhadap ketimpangan wilayah Kabupaten/Kota Jawa Barat. b) Diduga aglomerasi berpengaruh positif terhadap terhadap ketimpangan wilayah Kabupaten/Kota Jawa Barat. c) Diduga tingkat pengangguran berpengaruh positif terhadap ketimpangan di wilayah Kabupaten/Kota Jawa Barat. d) Diduga panjang jalan berpengaruh negatif terhadap ketimpangan wilayah Kabupaten/Kota di Jawa Barat.

42

BAB III METODE PENELITIAN 3.1 3.1.1 Variabel Penelitian dan Definisi Operasional Variabel Varibel Penelitian Penelitian ini menggunakan satu variabel dependen (terikat), empat variabel independen (bebas). Variabel dependen yang digunakan dalam penelitian ini adalah ketimpangan wilayah di kabupaten/ kota Jawa Barat pada tahun 20042008. Sementara untuk variabel independen dalam penelitian ini adalah Pertumbuhan Ekonomi, aglomerasi, pengangguran, dan Panjang Jalan. Dan dalam penelitian ini ditambahkan variabel dummy cross section dalam hal ini adalah Kabupaten/Kota di Provinsi Jawa Barat. 3.1.2 Definisi Operasional Variabel a. Ketimpangan Pembangunan Wilayah (RD) Ketimpangan wilayah merupakan aspek yang umum terjadi dalam kegiatan ekonomi suatu wilayah. Dalam penelitian ini, ketimpangan wilayah dihitung dengan menggunakan Pendekatan PDRB Per kapita relatif yang pada penelitian terdahulu telah digunakan oleh Bonet (2006) dan Atur. J Sigalingging (2008) dalam mengukur kesenjangan wilayah. Adapun rumus dari pendekatan PDRB per kapita relatif sebagai berikut: | | ……………..………..... (3.1)

43

dimana : IQi,t PDRBPC it = Ketimpangan wilayah kabupaten/kota i, pada tahun t = PDRB perkapita Kabupaten/Kota i, pada tahun t

PDRBPC Jabar,t= PDRB perkapita Provinsi Jawa Barat, pada tahun t b. Pertumbuhan Ekonomi Pertumbuhan Ekonomi (PE), berarti perkembangan kegiatan dalam perekonomian yang menyebabkan barang dan jasa yang diproduksikan dalam masyarakat dan kemakmuran masyarakat meningkat. Pertumbuhan ekonomi wilayah diukur melalui logaritma natural Pendapatan Domestik Regional Bruto (PDRB) per kapita Kabupaten/Kota, dengan tujuan untuk menangkap perubahan relatif (dibandingkan tahun sebelumnya) dari PDRB per kapita. Yaitu dihitung dengan menggunakan Rumus : | Dimana: Yit PDRBti PDRBto PDRB = Pertumbuhan Ekonomi Kabupaten/kota i, tahun = PDRB ADHK kabupaten/kota i tahun t = PDRB ADHK kabupaten/kota i tahun t = PDRB ADHK kabupaten/kota i tahun t-1 c. Aglomerasi (Ag) Aglomerasi menggambarkan konsentrasi kegiatan ekonomi di suatu wilayah. Aglomerasi ini diukur menggunakan proksi yang dipakai dalam penelitian Bonet (2006) yang mendasarkan ukuran aglomerasi pada | ……………..………........... (3.2)

44

aglomerasi produksi yang dihitung dari Share PDRB wilayah terhadap total PDRB. Bila ditulis secara matematis sebagai berikut : Ag = d. Tingkat Pengangguran Pengangguran adalah seseorang yang diartikan yang sudah digolongkan dalam angkatan kerja yang secara aktif sedang mencari ……………………………..… (3.3)

pekerjaan pada suatu tingkat tertentu, tetapi tidak memperoleh pekerjaan yang yang diinginkannya. Nilai tingkat pengangguran merupakan presentase dari jumlah pengangguran dibagi dengan jumlah angkatan kerja dalam prode waktu tertentu, sehingga dapat dirumuskan ( BPS ) : Tinggkat pengangguran thi = ∑

..(3.4)

Pengertian dari orang yang sedang mencari pekerjaan tertentu atau dengan kata lain menganggur adalah seseorang yang tidak bekerja dan sekarang ini mencari sebuah pekerjaan menurut refrensi waktu tertentu, sedangkan pengertian angkatan kerja adalah bagian dari tenaga kerja yang sesungguhnya terlibat atau berusaha untuk terlibat dalam kegiatan produktif yaitu memproduksi barang dan jasa. Parameter variabbel ini adalah persentase. e. Panjang Jalan Dalam penelitian ini data jalan yang digunakan adalah total panjang jalan Nasional, jalan Provinsi, dan jalan Kabupaten dan dinyatakan dalam satuan kilometer dimasing-masing kabupaten/kota.

45

3.2

Jenis dan sumber data Jenis data dalam penelitian ini adalah data kuantitatif dan sumber data

yang digunakan adalah data sekunder. Menurut Anto Dajan (1991) yang dimaksud data sekunder yaitu data yang diterbitkan atau digunakan oleh organisasi yang bukan pengolahannya. Definisi lain dari data sekunder menurut Kuncoro (2004) adalah data yang telah dikumpulkan oleh lembaga pengumpul data dan dipublikasikan kepada masyarakat pengguna data. Lembaga pengumpul data dalam penelitian ini antara lain: Badan Pusat Stastistik Propinsi Jawa Barat dalam beberapa terbitan. Literatur-literatur serta informasi-informasi tertulis baik yang berasal dari instansi terkait maupun internet, yang berhubungan dengan topik penelitian untuk memperoleh data sekunder. Adapun data yang dibutuhkan dalam penelitian ini antara lain : a. Data PDRB per kapita atas dasar harga konstan 2000 untuk masingmasing kabupaten/kota di Jawa Barat serta data jumlah PDRB per kapita atas dasar harga konstan Jawa Barat Tahun 2004-2008 b. Data jumlah penduduk untuk masing-masing Kabupaten/Kota di Jawa Barat serta data jumlah penduduk di Jawa Barat tahun 20042008 c. Data Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan untuk masing-masing Kabupaten/Kota di Jawa Barat tahun 2004-2008

46

d. Data jumlah pengangguran dan angkatan kerja untuk masing-masing Kabupaten/Kota di Jawa Barat tahun 2004-2008 e. Data panjang jalan yang dimiliki oleh masing-masing

Kabupaten/Kota di Jawa Barat tahun 2004-2008 3.3 Metode Analisis Studi ini menggunakan analisis panel data sebagai alat pengolahan data dengan menggunakan Eviews 6. Analisis panel data adalah suatu metode yang menjelaskan mengenai gabungan dari data antar waktu (time-series) dengan data antar individu (cross-section) untuk menggambarkan data panel secara singkat, misalkan pada data cross section, nilai dari suatu variabel atau lebih dikumpulkan untuk beberapa unit sampel pada suatu waktu-waktu. Dalam data panel, unit cross section yang sama di survey dalam beberapa waktu (Gujarati,2003). Menurut ( Gujatrati, 2003)Adapun keuntungan dari perhitungan menggunakan regresi data panel dibanding dengan pendekatan cross section maupun time series, diantaranya : 1. Data panel dapat memberikan peneliti jumlah pengamatan yang besar, meningkatkan derajat kebebasan (degree of freedom), data memiliki variabilitas yang besar dan megurangi kolinelitas antara variabel penjelas dimana dapat menghasilkan estimasi ekonometri yang efisen. 2. Data panel dapat memberikan informasi lebih banyak yang tidak dapat dibrikan hanya oleh data cross-section atau time-series saja. 3. Data panel dapat memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross-section.

47

3.4 Metode Penelitian Dalam penelitian ini digunakan analisis data panel untuk mengetahui pengaruh variabel pertumbuhan ekonomi (GR), variabel tingkat pengangguran (UNEMPL), variabel panjang jalan (ROAD), dan variabel Aglomerasi (AG) terhadap ketimpangan antar wilayah (INEQ) di Jawa Barat. Model data panel yaitu : Yit=β1x1it+β2x2it + β3 x3it + β4 xit + Uit..........................................(3.5) Model fungsi yang akan di gunakan untuk mengetahui ketimpangan antara wilayah di Jawa Barat yaitu : INEQ=f(GR,UNEMPL, AG, ROAD).............................................(3.6) Dimana : INEQ GR = ketimpangan wilayah = Pertumbuhan ekonomi

UNEMPL = Tingkat pengangguran AG ROAD i t β U = Aglomerasi = Panjang jalan. = Cross Section = Time series = Koefisien = Error

48

3.4.1

Regresi Model Data Panel pendekatan Fixed effect Estimasi model regresi dengan data panel dapat menggunakan pendekatan

fixed effect model. Estimasi tergantung pada asumsi yang digunakan pada konstanta, koefisien kemiringan, dan variabel error. Ada beberapa kemungkinan : 1. Konstanta dan koefisien kemiringan konstan antar ruang dan waktu, dan variabel error menangkap perbedaan waktu dan individu. Estimasi menggunakan Odinary Least Square (OLS) sehingga persamaan yang digunakan yaitu : Yit = β1 x1it + β2 x2it + β3 x3it + Uit.......................................... ( 3.7) 2. Koefisien kemiringan konstan tetapi konstanta bervariasi antara individu. Salah satu cara memasukan tiap unit cross section dalam perhitungan yaitu dengan membiarkan konstanta bervariasi antar unit cross section namun tetap mengasumsikan bahwa koefisien kemiringan adalah konstan antar unit cross section. Pendekatan tersebut dapat ditulis dengan persamaa berikut : Yit=β1x1it+β2x2it + β3 x3it + Uit................................................(3.8) i dalam konstanta pada persamaan tersebut menunjukan perbedaan konstanta untuk tiap Kabupaten/Kota, model tersebut disebut fixed effects model ( FEM ). Dalam model FEM, konstanta untuk tiap Kabupaten/Kota berbeda tetapi koefisien kemiringan untuk masing-masing Kabupaten/Kota sama untuk semua waktu. Untuk mengetahui perbedaan antara Kabupaten/Kota, digunakan variabel dummy, yakni :

49

Yit = α1Dkαb1i +α1Dkαb2i...+α25Dkαb25i +β1x1it +β2x2it + β3x3it + β4x4it+β5x5it+Uit ................................................................................(3.9) Dk αb adalah dummy Kabupaten/Kota. Ketika menggunakan dummy untuk mengestimasi fixed effects, maka persamaan tersebut disebut Least Square Dummy Variabel (LSDV) 3. Koefisien kemiringan konstanta tetapi konstanta bervariasi antara individu dan waktu. 4. Semua koefisien (konstanta dan koefisien kemiringan) bervariasi antara individu. 5. Konstanta dan koefisien kemiringan bervariasi antara individu dan waktu Dalam penelitian ini pengaruh pertumbuhan ekonomi, aglomerasi tingkat pengangguran, dan panjang jalan terhadap ketimpangan wilayah di Provinsi Jawa Barat tahun 2004-2008 digunakan asumsi FEM yang kedua, yaitu koefisien slope konstan tetapi intersep bervariasi antar individu. Dalan hal ini, intersep dari masing-masing individu diasumsikan memiliki perbedaan yang disebabkan oleh karakteristik khusus yang dimiliki oleh masing-masing individu. Bentuk model fixed effect adalah dengan memasukkan variabel dummy untuk menyatakan perbedaan intersep. Ketika variabel dummy digunakan untuk mengestimasi fixed effect, maka persamaan tersebut disebut sebagai Least Square Dummy Variabel (LSDV). Penelitian ini menggunakan dummy wilayah, untuk melihat perbedaan perkembangan tingkat kemiskinan Kabupaten/Kota di Jawa Barat selama 5 tahun periode penelitian (tahun 2004-2008) dimana Kabupaten Bogor sebagai wilayah

50

acuan (benchmark). Alasan penggunaan Kabupaten Bogor sebagai benchmark adalah Kabupaten Bogor memiliki rata-rata tingkat Ketimpangan wilayah kabupaten/kota terrendah dibandingkan kabupaten/kota lainnya di Jawa Barat. Setelah memasukkan variabel dummy wilayah pada maka model persamaannya adalah sebagai berikut : INEQit = α0 + α1 PEit + α2 AGit + α3 UNMPLit + α4 ROADit + γ1D1 + γ2D2 + γ3D3 + γ4D4 + γ5D5 + γ6D6 + γ7D7 + γ8D8 + γ9D9 + γ10D10 + γ11D11 + γ12D12 + γ13D13 + γ14D14+ γ15D15+ γ16D16 + γ17D17 + γ18D18 + γ19D19 + γ 20D20 + γ21D21 + γ22D22 + γ23D23 + γ24D24 + μit .... (3.10) dimana : INEQ PE AG UNMPL P D1 D2 D3 D4 D5 D6 D7 D8 = tingkat ketimpangan wilayah kabupaten/kota di Jawa Barat = pertumbuhan ekonomi kabupaten/kota di Jawa Barat = aglomerasi kabupaten/kota di Jawa Barat = tingkat pengangguran kabupaten/kota di Jawa Barat = panjang jalan kabupaten/kota di Jawa Barat = dummy Kabupaten Sukabumi = dummy Kabupaten Cianjur = dummy Kabupaten Bandung = dummy Kabupaten Garut = dummy Kabupaten Tasikmalaya = dummy Kabupaten Ciamis = dummy Kabupaten Kuningan = dummy Kabupaten Cirebon

51

D9 D10 D11 D12 D13 D14 D15 D16 D17 D18 D19 D20 D21 D22 D23 D24 α0 α1, α 2, α 3 γ1- γ34 μit i t

= dummy Kabupaten Majalengka = dummy Kabupaten Sumedang = dummy Kabupaten Indramayu = dummy Kabupaten Subang = dummy Kabupaten Purwakarta = dummy Kabupaten Karawang = dummy Kabupaten Bogor = dummy Kabupaten Sukabumi = dummy Kabupaten Bandung = dummy Kabupaten Cirebon = dummy Kabupaten Bekasi = dummy Kabupaten Depok = dummy Kota Bekasi = dummy Kabupaten Cimahi = dummy Kabupaten tasikmalaya = dummy Kabupaten Banjar = intersep = koefisien regresi variabel bebas = koefisien dummy wilayah = komponen error di waktu t untuk unit cross-section i = 1, 2, 3, ..., 25 (data cross-section kabupaten/kota di Jawa Barat) = 1, 2, 3, 4 (data time-series, tahun 2004-2008)

52

Model persamaan tersebut akan diregres masing-masing dengan menggunakan metode Ordinary Least Square (OLS). 3.4.2 Pengujian Penyimpangan Asumsi Klasik.

3.4.2.1 Uji Heteroskedastisitas Salah satu asumsi penting dari model regresi linier adalah bahwa nilai residual (Desturbance Term) yang muncul dalam fungsi regresi populasi adalah homoskodastis, atau dengan kata lain varians dari residual adalah sama. Jika varian dan residual tidak sama, maka akan muncul permasalahan yang disebut heterokedastisitas. Permaslahan heterokedastisitas menyebabkan model menjadi biasa, namun menyebabkan model menjadi biasa, namun menyebabkan model tidak lagi mempunyai varians yang efisien atau yang minimum. Hal ini menyebabkan asumsi best dalam BLUE tidak dapat tercapai. Untuk mengetahui apakah terjadi heteroskedastisitas atau tidak dalam sebuah model, dapat menggunakan uji White. Uji ini secara manual dapat dilakukan dengan melakukan regresi dengan menempatkan residual kuadrat sebagai variabel dependent terhadap variabel bebas. Daptkan nilai R2 untuk menghitung x2, dimana x2 = n* R2. (Gujarati,2004) Pengujiannya adalah jika x2 < x2, tabel maka hipotesis aternatif adanya heteroskedastisitas dalam model ditolak. 3.4.2.2 Uji Autokorelasi Menurut Imam Ghozali (2005), uji autokorelasi digunakan untuk mengetahui apakah dalam model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan penganggu pada periode t-1

53

(sebelumnya), dimana jika terjadi korelasi dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan penggangu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series). Salah satu cara yang digunakan untuk mendeteksi autokorelasi adalah dengan uji Breusch-Godfrey (BG Test). Pengujian ini dilakukan dengan meregresi variabel penganggu ui dengan menggunakan model autoregressive dengan orde ρ sebagai berikut : Ut = ρ1 Ut - 1 + ρ2 Ut -2 + ... ρ ρ Ut- ρ + ԑt....................................................(3.11) Dengan H0 adalah ρ1= p2 ... ρ, ρ = 0 dimana koefisien autoregressive secara keseluruhan sama dengan nol, menunjukkan tidak terdapat autokorelasi pada setiap orde. Secara manual, apabila χ2 tabel lebih kecil dibandingkan dengan Obs*R-squared, maka hipotesis nol yang menyatakan bahwa tidak ada autokorelasi dalam model dapat ditolak. 3.4.2.3 Uji Multikolinieritas Multikolinearitas mempunyai pengertian bahwa ada hubungan linier yang “sempurna” atau pasti diantara beberapa atau semua variabel independent (variabel yang menjelaskan) dari model regresi. Konsekuensi adanya

multikolinieritas adalah koefisien regresi variabel tidak tentu dan kesalahan menjadi tidak terhingga. Uji multikolinieritas betujuan untuk menguji apakah dalam model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas.

54

Multikolinieritas dalam penelitian ini diuji dengan menggunakan auxiliary regresion untuk mendeteksi adanya multikolinieritas. Kriterianya adalah jika R2 regresi persamaan utama lebih besar dari R2 auxiliary regresions maka dalam model tidak terdapat multikolinieritas. 3.4.2.4 Uji Normalitas Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Apabila asumsi ini dilanggar maka uji statistik menjadi tidak berlaku (Imam Ghozali, 2005). Ada beberapa metode untuk mengetahui normal atau tidaknya distribusi residual antara lain Jarque-Bera (J-B) Test dan metode grafik. Dalam penelitian ini akan menggunakan metode J-B Test, apabila J-B hitung < nilai χ2 (Chi Square) tabel, maka nilai residual terdistribusi normal. 3.4.3 Pengujian Statistik

3.4.3.1 Pengujian R2 Koefisien determinasi digunakan untuk mengukur kedekatan hubungan antara variabel independent yang digunakan dengan variabel dependent. R2 adalah angka yang menunjukan besarnya proporsi atau persentase variasi variabel dependen yang dijelaskan oleh variabel independen secara bersama-sama. Besarnya R2 berada diantara 0 dan 1 ( 0 < R2 < 1). Hal ini menunjukan bahwa semakin mendekati 1 nilai R2 berarti dapat dikatakan bahwa model variabel independen yang digunakan mampu menjelaskan variabel dependen mendekati

55

100%. Ukuran R2 akan semakin mengecil jika semakin banyak variabel independent yang digunakan. 3.4.3.2 Uji Keseluruhan ( f-stat) Untuk mengetahui pengaruh variabel dependen secara bersama-sama, menggunakan uji F dengan membuat hipotesis sebagai berikut : Ho : α1 = α2 = α3 = α4 = γ1 = 0, yaitu tidak ada pengaruh signifikansi variabel pertumbuhan ekonomi (PDRBPK), tingkat pengangguran (UNEMPL),

Aglomerasi (AG), panjang jalan (ROAD), dan dummy wilayah. H1 : α1 ≠ α2 ≠ α3 ≠ α4 ≠ α5 ≠γ1 ≠ γ2 ≠ 0, yaitu terdapat pengaruh signifikansi variabel pertumbuhan ekonomi ( PDRBPK), tingkat pengangguran ( UNEMPL), Aglomerasi (AG), panjang jalan (ROAD), dan dummy wilayah. Pada tingkat signifikasi (α) 5% kiteria pengujian yang digunakan sebagai berikut. a. Jika F-dihitung > F-tabel, atau jika probabilitas F-hitung < tingkat 0,5 maka Ho di tolak, artinya variabel independen secara bersama-sama mempengaruhi variabel dependen secara signifikan. b. Jika F-dihitung < F-tabel, atau jika probabilitas F-hitung > tingkat 0,5 maka Ho di tolak, artinya variabel independen secara bersama-sama tidak mempengaruhi variabel dependen secara signifikan.

56

3.4.3.3 Uji Parsial ( t-stat) (Imam Ghozali, 2005) Uji statistik t dilakukan untuk menunjukan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen, untuk menguji pengaruh variabel independen secara individu dapat dibuat hipotesis sebagai baerikut : 1) H0 : α1 ≤ 0, yaitu tidak ada pengaruh signifikansi variabel pertumbuhan ekonomi secara individu terhadap variabel ketimpangan wilayah. H1 : α1 >0, yaitu terdapat pengaruh positif signifikansi variabel pertumbuhan ekonomi secara individu terhadap variabel ketimpangan wilayah. 2) H1 : α2 ≤ 0, yaitu tidak ada pengaruh signifikansi variabel tingkat pengangguran secara individu terhadap variabel

ketimpangan wilayah. H1 : α2 >0, yaitu terdapat pengaruh positif signifikansi variabel tingkat pengangguran secara individu terhadap variabel

ketimpangan wilayah. 3) H1 : α3 ≤ 0, yaitu tidak ada pengaruh signifikasi variabel aglomerasi secara individu terhadap varibel ketimpangan wilayah. H1 : α3 >0 yaitu terdapat pengaruh positif signifikansi variabel Aglomerasi secara individu terhadap variabel ketimpangan wilayah.

57

4)

H1 : α4 ≤ 0,

yaitu tidak ada pengaruh signifikansi variabel panjang jalan secara individu terhadap variabel ketimpangan wilayah.

H1 : α4 >0,

yaitu terdapat pengaruh positif signifikansi variabel panjang jalan secara individu terhadap variabel ketimpangan wilayah.

5)

Ho : γ1 ≤ 0,

yaitu tidak ada pengaruh signifikansi variabel dummy wilayah secara individu terhadap variabel ketimpangan wilayah.

Ho : γ1 >0,

yaitu terdapat pengaruh positif signifikansi variabel dummy secara individu terhadap variabel ketimpangan wilayah.

58

BAB IV HASIL DAN PEMBAHASAN 4.1 4.1.1 Deskripsi Objek Penelitian Letak Geografis dan Tata Guna Lahan Propinsi Jawa Barat secara geografis terletak di antara 5o50' - 7o50' Lintang Selatan dan 104o48' - 108o48' Bujur Timur, dengan batas-batas wilayahnya; sebelah utara, berbatasan dengan Laut Jawa dan DKI Jakarta, sebelah timur, berbatasan dengan Propinsi Jawa Tengah, sebelah selatan, berbatasan dengan Samudra Indonesia, sebelah barat, berbatasan dengan Propinsi Banten. Propinsi Jawa Barat memiliki luas wilayah 34.816 km2 dengan kepadatan penduduk 1192 jiwa/km2 (BPS). Secara administratif, Propinsi Jawa Barat terdiri atas 16 Kabupaten (Kabupaten Bogor, Kabupaten Sukabumi, Kabupaten Cianjur, Kaupaten Bandung, Kabupaten Garut, Kabupaten Tasikmalaya, Kabupaten Ciamis, Kabupaten Kuningan, Kabupaten Cirebon, Kabupaten Majalengka, Kabupaten Sumdang, Kabupaaten Indramayu, Kabupaten Subang, Kabupaten Purwakarta, Kabupaten Karawang, Kabupaten Bekasi) dan 9 Kota (Kota Bogor, Kota Sukabumi, Kota Bandung, Kota Cirebon, Kota Bekasi, Kota Depok, Kota Cimahi, Kota Tasikmalaya, Kota Banjar).

59

4.1.2

Ketimpangan Wilayah ketimpangan wilayah terjadi karena berbagai faktor, diantaranya

pertumbuhan ekonomi masing-masing wilayah yang berbeda-beda, tingkat pengangguran, aglomerasi, panjang jalan, berikut disajikan data tentang kesenjangan wilayah di Kabupaten/Kota di Provinsi Jawa Barat. Tabel 4.1 Keadaan Ketimpangan Wilayah Kabupaten/kota di Jawa Barat Tahun 2004-2008 no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 kabupaten/kota kab. Bogor kab. Sukabumi kab. Cianjur kab. Bandung kab. Garut kab. Tasikmalaya kab. Ciamis kab. Kuningan kab. Cirebon kab. Majalengka kab. Sumedang kab. Indramayu kab. Subang kab. Purwakarta kab. Karawang kab. Bekasi kota. Bogor kota. Sukabumi kota. Bandung kota. Cirebon kota. Bekasi kota. Depok kota. Cimahi kota. Tasikmalaya kota. Banjar 2004 0.007 0.481 0.470 0.095 0.375 0.553 0.379 0.519 0.514 0.520 0.306 0.283 0.328 0.225 0.162 2.413 0.323 0.191 0.457 1.843 0.034 0.449 0.703 0.179 0.435 2005 0.015 0.484 0.476 0.139 0.391 0.587 0.385 0.530 0.515 0.521 0.320 0.128 0.317 0.201 0.175 2.410 0.319 0.204 0.487 1.821 0.051 0.443 0.672 0.201 0.454 2006 0.028 0.490 0.488 0.165 0.407 0.601 0.397 0.541 0.518 0.525 0.335 0.095 0.339 0.173 0.183 2.704 0.318 0.210 0.519 1.808 0.058 0.439 0.637 0.217 0.463 | 2007 0.041 0.498 0.497 0.095 0.421 0.614 0.404 0.553 0.519 0.528 0.351 0.061 0.347 0.142 0.172 2.364 0.318 0.214 0.552 1.792 0.065 0.436 0.598 0.227 0.474 2008 0.048 0.504 0.503 0.110 0.431 0.625 0.408 0.561 0.526 0.529 0.361 0.037 0.352 0.133 0.172 2.349 0.316 0.214 0.592 1.747 0.070 0.431 0.566 0.232 0.483 | Rata-Rata 0.028 0.491 0.487 0.121 0.405 0.596 0.395 0.541 0.518 0.525 0.335 0.121 0.337 0.175 0.173 2.448 0.319 0.207 0.521 1.802 0.056 0.440 0.635 0.211 0.462

Sumber : BPS Jawa Barat, diolah

60

Pada Tabel 4.1 terlihat bahwa tiap kabupaten/kota di Provinsi Jawa Barat memiliki tingkat ketimpangan yang berbeda-beda. Tingkat ketimpangan yang tertinggi dialami oleh Kabupaten Bekasi, dengan kesenjangan sebesar 2,448, dan diikuti oleh Kota Cirebon sebesar 1,802, serta diikuti Kota Bandung sebesar 0,521. Dan dengan tingkat ketimpangan yang rendah dialami oleh Kabupaten Bogor, dengan kesenjangan sebesar 0,028, dan diikuti oleh oleh Kota Bekasi, dengan kesenjangan sebesar 0,056, serta dikuti oleh Kabupaten Bandung, dengan kesenjangan sebesar 0,121. 4.1.3 Pertumbuhan Ekonomi Pertumbuhan ekonomi yang tidak merata dapat menyebabkan kesenjangan wilayah. Suatu perekonomian dikatakan berkembang jika pendapatan per kapita menunjukan kecendrungan jangka panjang yang meningkat. Umumnya, pembangunan atau pertumbuhan ekonomi diartikan sebagai kenaikan PDRB. Pertumbuhan ekonomi di Jawa Barat dapat ditunjukan dengan pertumbuhan Produk Domestik Regional Bruto atas dasar harga konstan 2000 yang disajikan dalam tabel dibawah ini :

61

Tabel 4.2 PDRB Atas Dasar Harga Konstan Tahun 2000 di Provinsi Jawa Barat Tahun 2004-2008 no kabupaten/kota 2004 2005 2006 1 kab. Bogor 23671.00 25056.00 26546.00 2 kab. Sukabumi 6828.00 7126.00 7405.00 3 kab. Cianjur 6570.00 6821.00 7048.00 4 kab. Bandung 21575.00 22723.00 17640.00 5 kab. Garut 8418.00 8768.00 9129.00 6 kab.Tasikmalaya 4178.00 4337.00 4511.00 7 kab. Ciamis 5632.00 5890.00 6116.00 8 kab. Kuningan 3073.00 3198.00 3330.00 9 kab. Cirebon 6038.00 6344.00 6670.00 10 kab. Majalengka 3387.00 3538.00 3686.00 11 kab. Sumedang 4311.00 4506.00 4694.00 12 kab. Indramayu 13369.00 12323.00 12621.00 13 kab. Subang 5634.00 6026.00 6174.00 14 kab. Purwakarta 5547.00 5742.00 5964.00 15 kab. Karawang 13424.00 14480.00 15568.00 16 kab. Bekasi 38977.00 41319.00 43793.00 17 kota. Bogor 3361.00 3567.00 3782.00 18 kota. Sukabumi 1341.00 1421.00 1509.00 19 kota. Bandung 19875.00 21371.00 23043.00 20 kota. Cirebon 4690.00 4920.00 5192.00 21 kota. Bekasi 11113.00 11740.00 12453.00 22 kota. Depok 4441.00 4750.00 5066.00 23 kota. Cimahi 4898.00 5122.00 5396.00 24 kota.Tasikmalaya 2833.00 2947.00 3098.00 25 kota. Banjar 562.00 588.00 616.00 Jawa Barat 230003 242883 257499 Sumber :Badan Pusat Statisktik Jawa Barat, diolah 2007 28151.00 7715.00 7343.00 18648.00 9563.00 4707.00 6422.00 3470.00 7027.00 3866.00 4912.00 12956.00 6473.00 6197.00 16525.00 46481.00 4013.00 1607.00 24942.00 5513.00 13255.00 5418.00 5639.00 3283.00 646.00 274180 2008 29721.00 8015.00 7640.00 19674.00 10011.00 4896.00 6739.00 3619.00 7372.00 4042.00 5137.00 13234.00 6780.00 6506.00 17553.00 49302.00 4253.00 1705.00 26979.00 5824.00 14042.00 5771.00 5908.00 3470.00 677.00 290171 Rata-rata 26629.00 7417.80 7084.40 20052.00 9177.80 4525.80 6159.80 3338.00 6690.20 3703.80 4712.00 12900.60 6217.40 5991.20 15510.00 43974.40 3795.20 1516.60 23242.00 5227.80 12520.60 5089.20 5392.60 3126.20 617.80 258947

Berdasarkan data PDRB atas dasar harga konstan 2000, dari tahun 20042008 yang ditunjukkan oleh Tabel 4.2, dapat dilihat bahwa pendapatan daerah di tiap Kabupaten/kota di Provinsi Jawa Barat mayoritas mengalami tren yang meningkat dari tahun ke tahun, yang berarti mengalami pertumbuhan ekonomi yang positif. Terdapat Kabupaten/kota yang mempunyai dominasi yang cukup besar dalam pembentukan PDRB Jawa Barat, yakni Kabupaten Bekasi,
62

Kabupaten Bogor, dan Kota Bandung. Sedangkan Kabupaten/kota yang memiliki tingkat PDRB terendah adalah Kota Banjar, Kota Sukabumi, dan Kota Bogor. Jawa Barat. Tabel 4.3 Pertumbuhan Ekonomi Provinsi Jawa Barat Tahun 2004-2008 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 nama kabupaten/kota 2004 2005 2006 2007 kab. Bogor 5,58 5,85 5,95 6,05 kab. Sukabumi 3,96 4,35 3,92 4,19 kab. Cianjur 3,97 3,82 3,34 4,18 kab. Bandung 5,61 5,55 5,85 5,92 kab. Garut 4,01 4,16 4,11 4,76 kab. Tasikmalaya 3,52 3,83 4,01 4,33 kab. Ciamis 4,36 4,58 3,84 5,01 kab. Kuningan 4,04 4,08 4,12 4,22 kab. Cirebon 4,67 5,06 5,14 5,35 kab. Majalengka 4,08 4,46 4,18 4,87 kab. Sumedang 4,31 4,52 4,17 4,64 kab. Indramayu 4,65 -7,82 2,42 2,65 kab. Subang 7,17 6,97 2,45 4,85 kab. Purwakarta 3,72 3,51 3,87 3,90 kab. Karawang 10,78 7,87 7,52 6,15 kab. Bekasi 6,11 6,01 5,99 6,14 kota. Bogor 6,10 6,12 6,03 6,09 kota. Sukabumi 5,77 5,95 6,23 6,51 kota. Bandung 7,49 7,53 7,83 8,24 kota. Cirebon 4,66 4,89 5,54 6,17 kota. Bekasi 5,38 5,65 6,07 6,44 kota. Depok 6,50 6,96 6,65 6,95 kota. Cimahi 4,34 4,56 4,82 5,03 kota. Tasikmalaya 4,99 4,02 5,11 5,98 kota. Banjar 0,00 4,63 4,71 4,93 Jawa Barat 4,77 5,60 6,02 6,48 Sumber : BPS, Jawa Barat, Berbagai Tahun Terbitan, diolah 2008 5,58 3,89 4,04 5,30 4,69 4,02 4,94 4,29 4,91 4,57 4,58 2,14 4,74 4,99 6,22 6,07 5,98 6,11 8,17 5,64 5,94 6,51 4,77 5,70 4,82 5,83 rata-rata 5,80 4,06 3,87 5,65 4,35 3,94 4,55 4,15 5,03 4,43 4,44 0,81 5,24 4,00 5,55 6,06 6,06 6,11 7,85 5,38 5,90 6,71 4,70 5,16 3,82 5,72

Berdasarkan Tabel 4.3, dapat dilihat bahwa pertumbuhan ekonomi Jawa Barat mengalami tren positif dari tahun 2004 sampai tahun 2007, dan menurun ditahun 2008.

63

4.1.4

Aglomerasi Aglomerasi adalah salah satu indikator pertumbuhan suatu daerah atau

wilayah, karena aglomerasi mendeskripsikan proses pertumbuhan suatu daerah atau wilayah menjadi lebih maju (pengkotaan). Data tentang tingkat aglomerasi dari 25 Kabupaten/Kota di Propinsi Jawa Barat dapat ditunjukkan pada tabel 4.4. Tabel 4.4 Aglomerasi Kabupaten/ Kota Di Provinsi Jawa Barat Tahun 2004-2008 Rata2008 Rata 0.1024 0.1029 0.0276 0.0287 0.0263 0.0274 0.0678 0.0783 0.0345 0.0355 0.0169 0.0175 0.0232 0.0238 0.0125 0.0129 0.0254 0.0259 0.0139 0.0143 0.0177 0.0182 0.0456 0.0501 0.0234 0.0241 0.0224 0.0232 0.0605 0.0598 0.1699 0.1698 0.0147 0.0147 0.0059 0.0059 0.0930 0.0896 0.0201 0.0202 0.0484 0.0484 0.0199 0.0196 0.0204 0.0209 0.0120 0.0121 0.0023 0.0024

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

kabupaten/kota kab. Bogor kab. Sukabumi kab. Cianjur kab. Bandung kab. Garut kab.Tasikmalaya kab. Ciamis kab. Kuningan kab. Cirebon kab. Majalengka kab. Sumedang kab. Indramayu kab. Subang kab. Purwakarta kab. Karawang kab. Bekasi kota. Bogor kota. Sukabumi kota. Bandung kota. Cirebon kota. Bekasi kota. Depok kota. Cimahi kota.Tasikmalaya kota. Banjar

2004 0.1029 0.0297 0.0286 0.0938 0.0366 0.0182 0.0245 0.0134 0.0263 0.0147 0.0187 0.0581 0.0245 0.0241 0.0584 0.1695 0.0146 0.0058 0.0864 0.0204 0.0483 0.0193 0.0213 0.0123 0.0024

2005 0.1032 0.0293 0.0281 0.0936 0.0361 0.0179 0.0243 0.0132 0.0261 0.0146 0.0186 0.0507 0.0248 0.0236 0.0596 0.1701 0.0147 0.0059 0.0880 0.0203 0.0483 0.0196 0.0211 0.0121 0.0024

2006 0.1031 0.0288 0.0274 0.0685 0.0355 0.0175 0.0238 0.0129 0.0259 0.0143 0.0182 0.0490 0.0240 0.0232 0.0605 0.1701 0.0147 0.0059 0.0895 0.0202 0.0484 0.0197 0.0210 0.0120 0.0024

2007 0.1027 0.0281 0.0268 0.0680 0.0349 0.0172 0.0234 0.0127 0.0256 0.0141 0.0179 0.0473 0.0236 0.0226 0.0603 0.1695 0.0146 0.0059 0.0910 0.0201 0.0483 0.0198 0.0206 0.0120 0.0024

Sumber : Badan Pusat Statistik, diolah

Ag = =

64

Pada Tabel 4.4 dideskripsikan bahwa daerah yang memiliki tingkat aglomerasi (Ag) tertinggi adalah Kabupaten Bekasi dengan rata-rata jumlah aglomerasi (Ag) sebesar 0.1698, yang kedua adalah Kabupaten Bogor dengan rata-rata tingkat aglomerasi (Ag) sebesar 0.1029 , dan yang ketiga adalah Kota Bandung dengan rata-rata tingkat aglomerasi (Ag) sebesar 0.0896. Sedangkan daerah yang memilki tingkat aglomerasi (Ag) terendah adalah Kota Banjar dengan rata-rata tingkat aglomerasi (Ag) sebesar 0.0024. 4.1.5 Pengangguran Pengangguran adalah orang yang tidak mempunyai pekerjaan atau orang yang tidak bekerja (masih atau sedang) mencari suatu pekerjaan. Atau dengan istilah Badan Pusat Statistik dikenal dengan sebutan pengangguran terbuka. Tingginya tingkat pengangguran dapat menyebabkan rendanya produktivitas kerja dalaam suatu wilayah. Tingkat pengangguran di Kabupaten/Kota Provinsi Jawa Barat dapat dilihat pada tabel 4.5. Dari tabel 4.5 dapat dilihat bahwa tingkat pengangguran di masing-masing wilayah mengalami fluktuasi dengan tren yang cenderung meningkat. Adapun Kabupaten/Kota yang memiliki tingkat

pengangguran tinggi yakni kota Sukabumi dengan rata-rata tingkat pengangguran sebesar 18,28%, kota Cimahi dengan rata-rata sebesar 18.07%, serta Kota Bogor dengan rata-rata 16,75. Kabupaten/Kota dengan tingkat pengangguran terendah yakni Kabupaten ciamis dengan rata-rata sebesar 6,01%, Kabupaten Tasikmalaya dengan rata-rata sebesar 8,67%, serta Kabupaten Garut dengan rata-rata 9,59%.

65

Tabel 4.5 Tingkat Pengangguran Kabupaten/Kota di Jawa Barat Tahun 2004-2008 (dalam Persen) ratarata 13,01 11,99 10,77 16,53 9,59 8,67 6,01 9,50 12,82 7,81 8,09 9,11 7,80 10,79 16,11 11,60 16,75 18,28 14,64 13,45 14,03 12,10 18,07 12,35 12,70 12,09

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

2004 2005 12,7 12,77 12,48 13,77 10,9 9,18 16,71 17,23 9,43 7,47 10,52 8,99 7,74 6,29 9,49 10,17 12,47 12,51 8,26 8,41 8,46 8,25 8,39 8,21 8,26 7,66 10,36 9,93 16,55 17,18 10,56 9,71 16,18 16,35 20,39 18,09 14,14 14,45 11,75 12,61 15,81 12,55 12,88 12,79 19,96 19,58 12,67 14,33 15,66 16,25 12,25 11,91 Sumber:BPS ,Jawa Barat ,Suseda, ∑

nama kabupaten/kota kab. Bogor kab. Sukabumi kab. Cianjur kab. Bandung kab. Garut kab. Tasikmalaya kab. Ciamis kab. Kuningan kab. Cirebon kab. Majalengka kab. Sumedang kab. Indramayu kab. Subang kab. Purwakarta kab. Karawang kab. Bekasi kota. Bogor kota. Sukabumi kota. Bandung kota. Cirebon kota. Bekasi kota. Depok kota. Cimahi kota. Tasikmalaya kota. Banjar Jawa Barat

2006 11,73 13,89 8,23 16,23 7,91 7,34 5,65 7,71 12,13 7,81 6,94 8,44 6,31 9,01 14,57 9,33 13,79 15,73 12,86 12,12 11,91 11,9 17,84 12,53 11,67 10,95

2007 14,26 10,85 13,82 17,37 12,18 8,48 4,39 10,56 13,64 7,46 7,83 10,45 7,51 12,76 17,02 15,12 18,89 22,15 16,48 16,56 16,58 12,8 18,82 11,37 9,66 13,08

2008 13,6 8,94 11,73 15,09 10,98 8,02 6 9,58 13,36 7,13 8,96 10,05 9,27 11,89 15,23 13,29 18,52 15,02 15,27 14,2 13,28 10,11 14,17 10,87 10,24 12,25

4.1.6

Panjang Jalan Jalan merupakan syarat penting kelancaran mobilitas kegiatan Ekonomi.

Tersedianya prasarana yang memadai merupakan salah satu modal dasar untuk meningkatkan kegiatan masayarakat dalam suatu daerah baik untuk kegiatan yang sifatnya sosial maupun ekonomi. Kurang lancarnya mobilitas barang dan jasa

66

dapat mendorong terjadinya peningkatan ketimpangan pembangunan antar wilayah. Berikut akan dilampirkan data panjang jalan nasional, jalan provinsi, dan jalan Kabupaten/Kota. Tabel 4.6 Panjang Jalan Menurut kabupaten/kota di Jawa Barat Tahun 2004-2008 (dalam Km) nama No kabupaten/kota 2004 2005 2006 2007 1 kab. Bogor 1506,57 1506,57 1507,52 1507,52 2 kab. Sukabumi 1580,6 1580,6 1361,3 1361,3 3 kab. Cianjur 1343,05 90,11 106,2 96,55 4 kab. Bandung 3266,9 3266,9 3266,9 3266,9 5 kab. Garut 1140,89 1140,89 828,76 828,76 6 kab. Tasikmalaya 1064,79 1051,85 1064,79 1064,79 7 kab. Ciamis 771 771 762,8 762,8 8 kab. Kuningan 416,1 416,1 416,1 416,1 9 kab. Cirebon 641 641 641,16 643,16 10 kab. Majalengka 685,7 685,7 693,1 693,1 11 kab. Sumedang 756,48 756,48 796,06 796,06 12 kab. Indramayu 783,02 783,02 791,58 796,62 13 kab. Subang 1026,61 1026,61 1054,5 1054,5 14 kab. Purwakarta 668,08 668,08 710,35 719,62 15 kab. Karawang 2598,55 2598,55 861,73 2640,03 16 kab. Bekasi 939,7 939,7 925,95 925,95 17 kota. Bogor 564,2 576,66 793,21 749,21 18 kota. Sukabumi 166,58 166,58 142,53 124,62 19 kota. Bandung 1221,69 1173,81 1122,71 1179,22 20 kota. Cirebon 166,87 166,87 142,53 148,14 21 kota. Bekasi 307,09 307,09 978 562,54 22 kota. Depok 433,47 433,47 503,3 485,35 23 kota. Cimahi 107,34 107,75 99,48 126,12 24 kota. Tasikmalaya 644,41 644,41 645,41 650,94 25 kota. Banjar 217 271,03 217,03 189,58 Jawa Barat 23017,69 21711,1 21289,68 21744,48 Sumber : Badan Pusat Statistik, Berbagai Tahun Terbitan, diolah

2008 1748,91 1730,52 90,25 3266,9 828,76 1304,73 772,3 416,1 644,16 715,6 796,05 796,61 1054,5 720,49 2640,03 926,96 749,22 124,62 1185,38 148,13 562,54 469,77 127,45 650,94 189,54 23138,7

Berdasarkan tabel 4.6 dapat dilihat bahwa panjang jalan di masing-masing Kabupaten/Kota di provinsi Jawa Barat tidak mengalami perubahan yang cukup

67

signifikan dari tahun ke tahun. Pada tahun 2008, Kabupaten/Kota yang memiliki jalan terpanjang yakni Kabupaten Bandung dengan panjang jalan sepanjang 3266.9 km, diikuti oleh Kabupaten Karawang dengan panjang jalan sepanjang 2640.03 km, dan Kabupaten Bogor dengan panjang jalan sepanjang 1748.91 km. Kabupaten/kota dengan jumlah jalan sedikit yakni Kota Sukabumi dengan panjang jalan sepanjang 124,62 km, dan Kota Cimahi dengan panjang jalan sepanjang 127,45 km, serta Kota Banjar dengan panjang jalan sepanjang 189,54 km. 4.2 4.2.1 Analisis Data Uji Asumsi Klasik

4.2.1.1 Uji Heteroskedatisitas. Heteroskedatisitas muncul apabila kesalahan atau residual dari model yang diamati tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya. Artinya, setiap observasi mempunyai reliabilitas yang berbeda akibat perubahan dalam kondisi yang melatarbelakangi tidak terangkum dalam spesifikasi model ( Imam Ghozali,2005) Dalam penelitian ini, untuk mendeteksi fenomena Heteroskedasitas digunakan Uji White. Hasil Uji white dapat dilihat pada tabel berikut : Tabel 4.7 Hasil Uji Heteroskedastisitas Heteroskedasticity Test: White F-statistic 1.832240 Obs*R-squared 43.53510 Sumber : Output Pengolahan Data dengan Program Eviews 6.0 (Lampiran D)

68

pengujian heteroskedastisitas dilakukan dengan membandingkan nilai Obs*R-squared Uji white dengan nilai X2 tabel. Nilai Obs*R-squared yang lebih besar dibandingkan dengan X2 tabel, menunjukan bahwa tabel estimasi regresi terbebas dari fenomena heteroskedastisitas. Pada model ini, dengan n=125 dan k=29 maka diperoleh degan degree of freedom (df) 96. Dengan α =5%, diperoleh nilai X2 tabel sebesar 119,817, dibandingkan dengan Obs*R-squared dari hasil regresi Uji White, maka nilai Obs*R-squared Uji White lebih kecil dibandingkan nilai X2 tabel, sehingga dapat disimpulkan bahwa model regresi persamaan tersebut tidak terdapat gejala heteroskedastisitas. 4.2.1.2 Uji Autokorelasi. Tabel 4.8 Hasi Uji Breusch-Godfrey Breusch-Godfrey Serial Correlation LM Test : F-statistic Obs*R-squared 7.910255 18.00724

Sumber : Output Pengolahan Data dengan Program Eviews 6.0 (Lampiran D) Pada model persamaan pengaruh pertumbuhan ekonomi, aglomerasi, tingkat pengangguran, dan panjang jalan terhadap ketimpangan wilayah di Jawa Barat tahun 2004 – 2008, dengan n = 125 dan k = 29, maka diperoleh degree of freedom (df) = 96 (n-k), dan menggunakan  = 5 persen diperoleh nilai χ2 tabel sebesar 119,817. Dibandingkan dengan nilai Obs*R-squared uji Breusch-Godfrey regresi sebesar 7,866954, maka nilai Obs*R-squared uji Breusch-Godfrey lebih kecil dibandingkan nilai χ2 tabel, sehingga dapat disimpulkan bahwa model regresi persamaan tersebut bebas dari gejala autokorelasi.

69

4.2.1.3 Uji Multikolienaritas. Multikolinearitas mempunyai pengertian bahwa, ada hubungan linier yang “sempurna” atau pasti diantara beberapa atau semua variabel independen ( Variabel yang menjelaskan) dari model regresi. Konnsekuensi adanya multikolinearitas adalah koefisien regresi variabel tidak tentu kesalahan menjadi tidak terhingga. Dalam penelitian ini menguji ada tidaknya multikolinearitas dilihat dari perbandingan antara nilai R2 regresi parsial (auxiliary regresion) lebih besar dibandingkan R2 regresi utama, maka dapat disimpulkan bahwa dalam persamaan tersebut terjadi multikolineritas. Tabel 4.11 menunjukan bahwa model persamaan tidak mengandung multikolinearitas karena tidak ada nilai R2 regresi parsial ( auxiliary regression) yang lebih besar dibandingkan nilai R2 regresi utama. Tabel 4.9 Hasil Auxiliary Regression Pengaruh Pertumbuhan Ekonomi, Aglomerasi, Tingkat Pengangguran, Panjang Jalan, Terhadap Ketimpangan wilayah di Jawa Barat Tahun 2004-2008
Regresi PE = f (AG,UNEMPL,ROAD) AG= f (PE,UEMPL,ROAD) UNMPL= f (PE,AG,ROAD) R2* 0.258431 0.204759 0.088665 R2 0.997418 0.997418 0.997418

ROAD= f (PE,AG,UNMPL) 0.155510 0.997418 Sumber : Output Pengolahan Data dengan Program Eviews 6.0 (Lampiran D)

R2* = R2 hasil auxiliary regression R2 = R2 hasil regresi utama.

70

4.2.1.4 Uji Normalitas Salah satu asumsi dalam model regresi linier adalah distribusi probabilitas gangguan i memiliki rata-rata yang diharapkan sama dengan nol, tidak berkorelasi, da mempunyai varians yang konstan. Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal atau tidak (Imam Ghozali, 2005). Untuk menguji apakah data terdistribusi normal atau tidak, dilakukan Uji Jarque-Bera. Hasil Uji J-B Test dapat dilihat pada Gambar 4.1 berikut : Gambar 4.1 Hasil Uji Jarque-Bera
25

20

Series: Residuals Sample 1 125 Observations 125 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability
-0.5 -0.0 0.5 1.0

15

10

3.71e-17 -0.054492 1.385205 -0.869643 0.436350 1.259771 5.764558 72.86910 0.000000

5

0

Sumber : Output Pengolahan Data dengan Program Eviews 6.0 (Lampiran D)

Pada model persamaan pengaruh Pertumbuhan Ekonomi, Aglomerasi, Tingkat Pengangguran, dan panjang jalan Terhadap Ketimpangan wilayah di Jawa Barat Tahun 2004 – 2008, dengan n = 125 dan k = 29, maka diperoleh degree of freedom (df) = 96 (n-k), dan menggunakan  = 5 persen diperoleh nilai 2 tabel sebesar 119,817. Dibandingkan dengan nilai Jarque Bera pada Gambar 4.1 sebesar 72,86910 dapat ditarik kesimpulan bahwa probabilitas gangguan 1
71

regresi tersebut terdistribusi secara normal karena nilai Jarque-Bera lebih kecil dibanding nilai 2 tabel. 4.3.1 Hasil Uji Statistik 4.3.1.1 Uji R2 Koefisien determinasi (R2) mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah nol dan satu. Semakin besar nilai R2 maka variabel-variabel independen memberikan hampir semua informasi yang di butuhkan untuk memprediksi variasi variabel dependen. Berdasarkan hasil regresi, dapat diketahui bahwa nilai R2 adalah 0.997418, hal ini berarti sebesar 99,74 persen variasi ketimpangan regional Kabupaten/Kota di Jawa Barat dapat dijelaskan oleh variasi variabelvariabel independenya yakni variabel PE (Pertumbuhan Ekonomi), AG ( Aglomerasi), UNEMPL ( Tingkat pengangguran), ROAD ( Panjang Jalan), dan D (Dummy wilayah). Sedangkan sisanya sebesar 0.26 persen dijelaskan oleh variabel lai diluar model. 4.3.1.2 Uji Keseluruhan (F-stat) Pengujian terhadap pengaruh semua variabel independen di dalam model dapat dilakukan dengan uji simultan (uji F). Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Dari regresi pengaruh Pertumbuhan Ekonomi, Aglomerasi, Tingkat pengangguran, dan Panjang Jalan terhadap Ketimpangan wilayah di Jawa Barat tahun 2004 - 2008 yang menggunakan taraf keyakinan 95 persen ( = 5 persen),

72

dengan degree of freedom for denominator sebesar 96. Dimana (n – k) = (125 – 29 = 96), dan degree of freedom for nominator sebesar 28 (k – 1 = 28), maka diperoleh F-tabel sebesar 1,59. Dari hasil regresi Pengaruh pertumbuhan ekonomi, Aglomerasi, tingkat pengangguran, dan panjang jalan terhadap ketimpangan wilayah di Jawa Barat tahun 2004 – 2008 diperoleh F-statistik sebesar 1324.478 dan nilai probabilitas F-statistik 0,000000. Maka dapat disimpulkan bahwa variabel independen secara bersama-sama berpengaruh terhadap variabel dependen (F-hitung > F-tabel). 4.3.1.3 Uji Parsial (t-Stat) Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh masing masing variabel independen secara individual dalam menerangkan variasi variabel dependen. Pengaruh Pertumbuhan ekonomi, Aglomerasi, tingkat pengangguran, dan panjang jalan terhadap ketimpangan wilayah di Jawa Barat tahun 2004-2008 dengan menggunakan taraf keyakinan 95 persen (α= 5 persen), persen dan degree of freedom (df) = 96 (n-k =125-29), maka diperoleh nilai t-tabel sebesar 1,985 Dari Tabel 4.12, dapat disimpulkan bahwa pada taraf keyakinan 95 persen (α = 5 persen), variabel PE (Pertumbuhan Ekonomi), AG (Aglomerasi), dan dummy wilayah berpengaruh signifikan secara statistik terhadap variabel Ketimpangan wilayah, sedangkan ROAD (panjang jalan), dan UNEMPL (Tingkat

pengangguran) tidak berpengaruh signifikan terhadap ketimpangan wilayah.

73

Tabel 4.10 Nilai t-statistik dan Koefisien Pengaruh Pertumbuhan Ekonomi, Aglomerasi, Tingkat Pengangguran dan Panjang Jalan Terhadap Ketimpangan Wilayah Di Jawa Barat Tahun 2004-2008 Variable PE AG UNEMPL ROAD kab. Sukabumi ( D1) kab. Cianjur(D2) kab. Bandung(D3) kab. Garut(D4) kab. Tasikmalaya(D5) kab. Ciamis(D6) kab. Kuningan(D7) kab. Cirebon(D8) kab. Majalengka(D9) kab. Sumedang(D10) kab. Indramayu(D11) kab. Subang(D12) kab. Purwakarta(D13) kab. Karawang(D14) kab. Bekasi(D15) kota. Bogor(D16) kota. Sukabumi(D17) kota. Bandung(D18) kota. Cirebon(D19) kota. Bekasi(D20) kota. Depok(D21) kota. Cimahi(D2) kota. Tasikmalaya(D3) kota. Banjar(D4) t-Statistic 2.051147 2.234924 -0.796905 -1.097554 8.474486 8.399625 4.985846 7.684619 8.866817 6.673003 7.920044 8.558309 7.743196 5.761216 3.815088 5.959922 4.080367 4.949086 32.500550 5.507881 4.065184 21.311820 23.669770 2.566677 6.986996 9.686795 4.225942 6.645710 Coefficient 0.006820 2.173928 -0.000003 -0.001937 0.631875 0.636023 0.159390 0.525069 0.756600 0.533198 0.709477 0.660133 0.684856 0.488165 0.210443 0.472315 0.325604 0.233250 2.208215 0.485536 0.393395 0.514486 1.953506 0.144561 0.581354 0.798516 0.381085 0.661139 t-tabel = a 5%) 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985 1.985
Keterangan

signifikan α = 5 signifikan α = 5 signifikan α = 5 Tidak Signifikan signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5 signifikan α = 5

Sumber : Output Pengolahan Data dengan Program Eviews 6.0 (Lampiran D) Berdasarkan regresi pengaruh pertumbuhan ekonomi, tingkat

pengangguran dan panjang jalan terhadap ketimpangan wilayah di Jawa Barat tahun 2004-2008, dengan menggunakan metode Ordinary Least Square (OLS),

74

diperoleh nilai koefisien regresi untuk setiap variabel dalam penelitian, yang ditunjukkan dalam Tabel 4.10 0.0430. 4.3 Intepretasi Dan Hasil Pembahasan Interpretasi regresi pengaruh pertumbuhan ekonomi, tingkat pengangguran dan panjang jalan terhadap ketimpangan wilayah di Jawa Barat tahun 2004-2008. 1. Pertumbuhan ekonomi (PE) Berdasarkan hasil regresi, diperoleh hasil bahwa koefisien kemiringan dari pertumbuhan ekonomi (PE) sebesar 0.0430 dan signifikan secara statistik artinya yaitu bahwa ada kenaikan 1 satuan pertumbuhan ekonomi akan menyebabkan kenaikan rata-rata ketimpangan wilayah sebesar 0.0430. Hal ini sesuai dengan penelitian Kuznet, dimana Kuznet menggunakan pendapatan perkapita sebagai ukuran pertumbuhan, dan menemukan bahwa ketimpangan pada awalnya akan mengalami kenaikan seiring dengan dengan naiknya pertumbuhan ekonomi. (Akai dan sakata, 2005) & Lesman, (2006) juga menggunakan pendapatan per kapita sebagai ukuran pertumbuhan dan menemukan bahwa pertumbuhan ekonomi berhubungan positif dengan ketimpangan wilayah. Menurut Tarigan (2004), bahwa ketimpangan antar wilayah di negara berkembang disebabkan karena pada awalnya pertumbuhan ekonomi diprioritaaskan kepada wilayah yang memiliki potensi tinggi yang dijadikan pusat pertumbuhan dan kemudian diharapkan pada akhirnya akan terjadi Spread effect dari wilayah Hiterland-nya. Berdasarkan hasil penelitian menunjukan bahwa pertumbuhan ekonomi berpengaruh positif terhadap ketimpangan wilayah sesuai dengan hipotesis penelitian yang dijalankan, maka hipotesis penelitian dapat di terima.

75

2. Aglomerasi (AG) Pusat pertumbuhan adalah suatu lokasi konsentrasi usaha atau konsentrasi industri yang karena sifat hubungannya memiliki unsur-unsur kedinamisan sehingga mampu menstimulasi kehidupan ekonomi baik ke dalam maupun ke luar (Tarigan, 2004). Pada 25 Kabupaten/Kota di Propinsi Jawa Barat, perbedaan kemampuan tiap-tiap daerah untuk mampu mengembangkan pusat-pusat pertumbuhan menjadi salah satu fenomena yang menyebabkan ketimpangan wilayah tetap terjadi walaupun aglomerasi berjalan dengan baik pada masingmasing Kabupaten/Kota di Propinsi Jawa Barat. Beberapa daerah yang mampu menciptakan kutub-kutub pertumbuhan yang lebih banyak di bandingkan dengan daerah lain memberikan efek stimulus kehidupan ekonomi yang dinamis hanya terjadi di beberapa daerah tersebut, sedangkan di daerah-daerah yang hanya memilki kutub pertumbuhan yang jumlahnya sedikit, juga mengalami stimulus kehidupan ekonomi tetapi tidak sedinais daerah-daerah yang memiliki kutub pertumbuhan yang lebih banyak. Aglomerasi akan mendorong pertumbuhan ekonomi, pertumbuhan ekonmi yang sama-sama meningkat tetapi tidak merata besarannya akan menumbuhkan efek disparitas antar wilayah. Pernyataan tersebut dapat dibuktikan dengan studi empiris, melalui pengaruh tingkat aglomerasi terhadap ketimpangan wilayah, dimana pada model ekonometrik persamaan ketimpangan wilayah koefisien 2.173928 menginterpretasikan peningkatan Aglomerasi sebesar 2.173928 akan mendorong ketimpangan wilayah meningkat sebesar 1 persen. Dari studi teori dan empiris tersebut maka dapat disimpulkan

76

bahwa tingkat aglomerasi signifikan dan mempengaruhi secara positif terhadap ketimpangan wilayah pada 25 Kabupaten/Kota di Propinsi Jawa Barat. 3. Tingkat pengangguran ( UNEMPL) Dari hasi regresi diketahui bahwa tingkat pengangguran memberikan pengaruh yang negatif tetapi tidak signifikan terhadap ketimpangan wilayah 25 Kabupaten/Kota di Provinsi Jawa Barat. Hasil ini tidak sesuai dengan penelitian (Lesman, 2006) yang menemukan hasil bahwa tingkat pengangguran memiliki hubungan positif terhadap ketimpangan wilayah. Hal ini dimungkinkan karena terus menurunnya tingkat pengangguran kabupaten/kota di provinsi Jawa Barat. Karena hasil penelitian menunjukan bahwa panjang jalan berpengaruh positif terhadap ketimpangan wilayah, dimana hal ini bertentangan dengan hipotesis penelitian yang diajukan, maka hipotesis penelitian di tolak. 4. Panjang jalan ( AG) Dari hasi regresi diketahui bahwa panjang jalan memberikan pengaruh yang negatif tetapi tidak signifikan terhadap ketimpangan wilayah 25 Kabupaten/Kota di Provinsi Jawa Barat. Hasil ini tidak sesuai dengan penelitian Akai dan Sakata, (2005) yang menemukan hasil bahwa panjang jalan memiliki hubungan negatif terhadap ketimpangan wilayah. Hal ini dimungkinkan karena kondisi panjang jalan dari tahun ke tahun hampir tidak mengalami perubahan. Karena hasil penelitian menunjukan bahwa panjang jalan berpengaruh poasitif terhadap ketimpangan wilayah, dimana hal ini bertentangan dengan hipotesis penelitian yang diajukan, maka hipotesis penelitian di tolak.

77

5. Dummy wilayah ( D) Dalam menginterpretasikan hasil regresi data panel dengan menggunakan metode LSDV yang menggunakan variabel dummy. Signifikannya variabel dummy yang digunakan menunjukkan bahwa kondisi tingkat kemiskinan pada Kabupaten/Kota di Jawa Barat tersebut tidak sama (berbeda) dengan perkembangan ketimpangan wilayah Kabupaten Bogor yang dijadikan sebagai benchmark. Kabupaten Bogor dijadikan benchmark karena ketimpangan wilayah paling rendah dibandingkan Kabupaten/Kota lain di Jawa Barat. Sementara angka positif atau negatif pada koefisien dummy menunjukkan bahwa kabupaten/kota yang dinyatakan dengan variabel dummy tersebut memiliki kondisi ketimpangan wilayah yang lebih rendah (untuk tanda negatif) atau lebih tinggi (untuk tanda positif) dibandingkan Kabupaten Bogor yang dijadikan benchmark. Berdasarkan hasil Persamaan 4.1 diketahui bahwa selama lima tahun periode penelitian terdapat 24 Kabupaten/Kota di Jawa Barat yang memiliki kondisi ketimpangan wilayah yang lebih tinggi dibandingkan dengan ketimpangan wilayah Kabupaten Bogor, yaitu kabupaten Sukabumi, Kabupaten Cianjur, Kabupaten Bandung, Kabupaten Garut, Kabupaten Tasikmalaya, Kabupaten Ciamis, Kabupaten Kuningan, Kabupaten Cirebon, Kabupaten Majalengka, Kabupaten Sumedang, Kabupaten Indramayu, Kabuapaten Subang, Kabupaten Purwakarta, Kabupaten Karawang, Kabupaten Bekasi, Kota Bogor, Kota Sukabumi, Kota Bandung, Kota Cirebon, Kota Bekasi, Kota Depok, Kota Cimahi, Kota Tasikmalaya, Kota Banjar. Perbedaan kondisi ini terjadi karena tiap daerah memiliki kondisi geografis dan ekonomi yang berbeda-beda, termasuk perbedaan

78

kondisi faktor-faktor yang mempengaruhi ketimpangan wilayah, seperti perbedaan pertumbuhan ekonomi, Aglomerasi , dan tingkat pengangguran.

79

BAB V KESIMPULAN 5.1 Kesimpulan Berdasar analisis yang telah dilakukan pada Bab IV, maka dapat ditarik kesimpulan sebagai berikut : 1. Model regresi pengaruh pertumbuhan ekonomi, aglomerasi, tingkat pengangguran, dan panjang jalan terhadap ketimpangan wilayah di Jawa Barat tahun 2004-2008 cukup layak digunakan karena telah memenuhi dan melewati uji penyimpangan sumsi klasik, yaitu uji multikolineritas, uji heterokedastisitas, uji autokorelasi, dan uji normalitas. 2. Hasil uji koefisien determinasi (R2) pengaruh pertumbuhan ekonomi, aglomerasi, tingkat pengangguran, dan panjang jalan terhadap ketimpangan wilayah di Jawa Barat tahun 2004-2008 menunjukan bahwa besarnya R2 cukup tinggi yaitu 0.997418. nilai ini berarti bahwa model yang dibentuk cukup baik dimana 99.74 persen variasi variabel dependen pertumbuhan ekonomi dapat dijelaskan dengan baik oleh varibel-variabel independen yakni pertumbuhan ekonomi, aglomerasi, tingkat pengangguran, panjang jalan, kesenjangan, dummy benchmark yakni Kabupaten Bogor, dan dummy wilayah-wilayah Kabupaten/kota di Provinsi Jawa Barat. Sedangkan 0.26 persen sisanya dijelaskan oleh faktor-faktor diluar model. Diperlukan penelitian lanjut untuk menganalisis varibel-varibel lain yang mempengaruhi ketimpangan wilayah, seperti perdagangan global, tingkat pendidikan, investasi, pengeluaran sosial, dan faktor-faktor yang mempengaruhi lainnya.

80

3.

Uji F-statistik menunjukan bahwa variabel independen dalam model regresi pengaruh pertumbuhan ekonomi, aglomerasi, tingkat pengangguran, dan panjang jalan terhadap ketimpangan wilayah di Jawa Barat tahun 2004-2008 yakni pertumbuhan ekonomi, aglomerasi, tingkat pengangguran, dan panjang jalan, serta dummy wilayah secara bersama-sama mempengaruhi variabel ketimpangan wilayah.

4.

Berdasarkan hasil regresi pengaruh pertumbuhan ekonomi, aglomerasi, tingkat pengangguran, dan panjang jalan terhadap ketimpangan wilayah di jawa barat tahun 2004-2008 dapat disimpulkan bahwa pada taraf 95 persen (α = 5 persen ), varibel pertumbuhan ekonomi, aglomerasi, tingkat pengangguran, secara signifikan berpengaruh terhadap ketimpangan wilayah, sedangkan panjang jalan tidak berpenggaruh signifikan terhadap ketimpangan wilayah, Pengaruh pertumbuhan ekonomi, aglomerasi, tingkat pengangguran, dan panjang jalan terhadap ketimpangan wilayah di Jawa Barat tahun 20042008, dummy wilayah secara signifikan berpengaruh terhadap ketimpangan wilayah, yakni menjadi benchmark atau yang tidak di dummy (nol) yaitu Kabupaten Bogor daerah yang ketimpangannya paling rendah dari 24 Kabupaten/Kota lainnya. Variabel dummy yakni Kabupaten/Kota di Provinsi Jawa Barat yang signifikan menunjukan bahwa ketimpangan wilayah tersebut berbeda dengan ketimpangan wilayah Kabupaten Bogor.

5.

Berdasarkan penelitian, dapat diketahui bahwa yang berpengaruh secara signifikan terhadap ketimpangan wilayah adalah variabel pertumbuhan ekonomi, aglomerasi, serta tingkat pengangguran. Panjang jalan tidak

81

signifikan berpengaruh terhadap ketimpangan wilayah, dikarenakan panjang jalan tidak mengalami banyak perubahan dari tahun ke tahun. 6. Dari penelitian, dapat diketahui bahwa variabel yang paling berpengaruh terhadap ketimpangan adalah variabel Aglomerasi, dengan koefisien 2.173928 5.2 Saran Berdasarkan hasi pembahasan dan kesimpulan yang telah diberikan, maka dapat diberikan beberapa saran yaitu sabagai berikut : 1. Dari hasil penelitian, didapat bahwa pertumbuhan ekonomi berpengaruh terhadap ketimpangan wilayah, sehingga hendaknya kedepan dapat dilaksanakan pembangunan yang berorientasi pada pemerataan pendapatan serta pemerataan hasi-hasil ekonomi, serta dilakukan upaya peningkatan pertumbuhan ekonomi dimasih-masih wilayah. Pertumbuhan ekonomi diukur dengan peningkatan pendapatan daerah, sehingga untuk meningkatkan pendapatan daerah dapat dilihat dari metode perhitungan pendapatan. Dilihat dari metode output yang terdiri dari nilai tambah sektor-sektor produksi, maka untuk meningkatkan pendapatanya, suatu daerah harus memberi perhatian lebih kepada produksi disektor-sektor basis dan sektor produktif yang ada didaerah tersebut. Usaha lain yakni dengan bagi hasil pengeloaan sumber daya alam yang adil antara pemerintah daerah dan pihak swasta yang mengelola sumber daya tersebut. 2. Aglomerasi berpengaruh positif terhadap ketimpangan wilayah, hal ini dikarenakan kegiatan ekonomi hanya terkonsentrasi pada wilayah-wilayah

82

tertentu saja sehingga wilayah lain tetap terbelakang. Oleh karena itudi perlukan pengembangan pusat-pusat pertumbuhan. Adanya pengembangan pusat-pusat pertumbuhan ini dapat memberikan dampak menyebar

danmenghindari terpusatnya kegiatan ekonomi pada beberapa wilayah saja 3. Model yang dikembangkan dalam penelitian ini masih terbatas karena hanya melihat pengaruh pertumbuhan ekonomi, aglomerasi, tingkat pengangguran, dan panjang jalan terhadap ketimpangan wilayah. Masih banyak faktor-faktor lainnya yang juga berpengaruh terhadap pertumbuhan ekonomi seperti demografi dan institusi. Oleh karenanya diperlukan Penelitian lebih lanjut dengan faktor-faktor lainnya,

83

DAFTAR PUSTAKA
Akai, Nubuo and Masayo Sakata. 2005. Fiscal Desentralization, Commitment and Regional Inequality: Evidence from State-level Cros-sectional Data for the United States. CIRJE Dscussion Papers. http://www.e.utokyo.ac.jp/cirje/research/dp/2005/2005cf315.pdf. Diakses tanggal 9 April 2011. Amini. Hidayati dan Mudrajad kuncoro. 2004. Konsentrasi Geografis Industri Manufaktur di Greater Jakarta dan Bandung Priode 1980-2000 : Menuju Satu Daerah Aglomerasi? Diakses tanggal 10 April 2011. Dari http://www.mudrajad.com/upload/journal_amini-aglomerasi.pdf Angelina, Yuki. 2010. Analisis Ketimpangan Pembangunan wilayah di Provinsi DKI Jakarta tahun 1995-2008. Skripsi tidak dipublikasikan. Fakultas Ekonomi Undip, Semarang. Arsyad, Lincolin. 2004. Ekonomi Pembangunan, Edisi Ketiga. Yogyakarta: Bagian Penerbit STIE YKPN. Badan Pusat Statistik. PDRB Kabupaten/kota Provinsi Jawa Barat Berbagai Tahun Terbitan. Jawa Barat. Badan Pusat Statistik. Statitistik Indonesia Berbagai Tahun Terbitan. Indonesia. Badan Pusat Statistik. Tinjauan PDRB kabupaten/kota Se-Jawa Barat 2008. Jawa Barat. Bonet, Jaime. 2006. Fiscal Decentralization And Regional Income Disparities : Evidance From The Colombian Exprience. Original Paper. Ann Reg Sci 40:661-676 Boediono.1992. Teori Pertumbuhan Ekonomi. BPFE-Yogyakarta. Yogyakarta Bhinadi, Ardito.2003. disparitas Pertumbuhan Ekonomi Jawa dengan Luar Jawa. Jurnal Ekonomi Pembangunan, Vol. 8, No 1, hal 39-48. FE UII, Yogyakarta. http://journal.uii.ac/index.php/JEP/article/viewFile/638/567. Diakses tanggal 9 Maret 2011. Ghozali, Imam. 2005. Aplikasi Analisis Multivarate Dengan Program SPSS. BP Undip: Semarang. Gujarati, Damodar.2003. Basic Econometric, Fourth Edition. McGraw-Hill Companies: New York. Hariadi, Pramono, Arintoko dan Icuk Rangga Bawono. 2008. Ketimpangan Distribusi Pendapatan di Kabupaten Banyumas Jawa Barat. Jurnal Ekonomi Pembangunan, Vol 13, No 2, hal 61-70. FE UII, Yogyakarta.
84

http://journal.uii.ac.id/index.php/JEP/article/view/222/218. Diakses Tanggal 6 Maret 2011 Kuncoro, Mudrajad. 2002. Analisis Spasial dan Regional: Studi aglomerasi dan Kluster Industri Indonesia. UPP AMP YKPN: Yogyakarta. Kuncoro, Mudrajad. 2004. Otonomi dan Pembangunan Daerah Reformasi. Perencanaan. Strategi. Dan Peluang. Penerbit Erlangga. Jakarta Kuncoro, Mudrajad. 2006 Ekonomi Pembangunan Teori. Masalah Dan Kebijakan. UPP STIM YKPN. Yogyakarta Lesmann, christian. 2006. Fiscal decentralization and regional disparity: A panel data approach for OECD countries. Ifo Working Papers. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=936874. Diakses Tanggal 25 Maret 2011 Masli, Lili. 2008. Analisis Faktor-faktor yang mempengaruhi Pertumbuhan Ekonomi dan Ketimpangan Regional antar Kabupaten/Kota di Provinsi JawaBarat. http://www.stanim.ac.id/jsma/pdf/vol1/ANALISIS%20FAKTORFAKTOR%2 0YANG%20MEMPENGARUHI%20PERTUMBUHAN%20EKONOMI%20 DAN%20KETIMPANGAN%20REGIONAL%20ANTAR%20KABUPATEN KOTA%20DI%20PROPINSI%20JAWA%20BARAT.pdf Diakses 2 april 2011. Nur pratama, sri aditya. 2010. Analisis Ketimpangan antar wilayah dan faktorfaktor yang mempengaruhinya dengan model panel data studi kasus 35 kabupaten/kota di Provinsi Jawa Tengah tahun 2000-2007. Skripsi tidak dipublikasikan. Fakultas Ekonomi Undip, Semarang. Sirojuzilam.2009. Disparitas Ekonomi Regional dan Perencanaan Wilayah. http://www.usu.ac.id/id/files/pidato%20pengukuhan%20Guru%20Besar_2009 _Sirijuzilam.pdf. Diakses tanggal 1april 2011 Sigalinging Atur J. 2008. Dampak Pelaksanaan Desentralisasi Fiskal Terhadap Pertumbuhan Ekonomi dan Kesenjangan Wilayah. Skripsi Tidak Dipublikasikan. Fakultas Ekonomi UNDIP. Semarang Syafrizal, 1997. Pertumbuhan Ekonomi dan Ketimpangan Regional Wilayah Indonesia Bagian Barat. PRISMA, Maret 1997, hal 27-38, LP3ES: Yogyakarta. Syafrizal, 2008. Ekonomi Regional Teori dan Aplikasi. Baduose Media: Padang. Sukirno, Sadono.2003. Pengantar Teori Makroekonomi. Raja Grafindo Persada: Jakarta.
85

Sutaro, dan Mudrajad Kuncoro. 2003. Pertumbuhan Ekonomi dan Ketimpangan Antar kecamatan di kabupaten Banyumas 1993-2000. http://journal.uii.ac.id/index.php/JEP/article/view/630/560. diakses 2 april 2011. Tarigan, robinson. 2007. Ekonomi Regional: Teori dan Aplikasi. Bumi Aksara: Jakarta. Todaro, Michael P. 2004. Pembangunan Ekonomi di Dunia Ketiga. Person Edication Limited. United Kingdom. Winarno, Wing Wahyu.2007. Analisis Ekonometrika Dan Statistik Dengan Eviews. UPP STIM YKPN, Yogyakarta. Undang-undang. No 38 Tahun 2004, Pasal 5. Peran Jalan. Jawa Barat.

86

LAMPIRAN A : DATA

87

PDRB Atas Dasar Harga Konstan Tahun 2000 di Provinsi Jawa Barat Tahun 20042008

no kabupaten/kota 1 kab. Bogor 2 kab. Sukabumi 3 kab. Cianjur 4 kab. Bandung 5 kab. Garut 6 kab. Tasikmalaya 7 kab. Ciamis 8 kab. Kuningan 9 kab. Cirebon 10 kab. Majalengka 11 kab. Sumedang 12 kab. Indramayu 13 kab. Subang 14 kab. Purwakarta 15 kab. Karawang 16 kab. Bekasi 17 kota. Bogor 18 kota. Sukabumi 19 kota. Bandung 20 kota. Cirebon 21 kota. Bekasi 22 kota. Depok 23 kota. Cimahi 24 kota.Tasikmalaya 25 kota. Banjar Jawa Barat

2004 23671.00 6828.00 6570.00 21575.00 8418.00 4178.00 5632.00 3073.00 6038.00 3387.00 4311.00 13369.00 5634.00 5547.00 13424.00 38977.00 3361.00 1341.00 19875.00 4690.00 11113.00 4441.00 4898.00 2833.00 562.00 230003

2005 25056.00 7126.00 6821.00 22723.00 8768.00 4337.00 5890.00 3198.00 6344.00 3538.00 4506.00 12323.00 6026.00 5742.00 14480.00 41319.00 3567.00 1421.00 21371.00 4920.00 11740.00 4750.00 5122.00 2947.00 588.00 242883

2006 26546.00 7405.00 7048.00 17640.00 9129.00 4511.00 6116.00 3330.00 6670.00 3686.00 4694.00 12621.00 6174.00 5964.00 15568.00 43793.00 3782.00 1509.00 23043.00 5192.00 12453.00 5066.00 5396.00 3098.00 616.00 257499

2007 28151.00 7715.00 7343.00 18648.00 9563.00 4707.00 6422.00 3470.00 7027.00 3866.00 4912.00 12956.00 6473.00 6197.00 16525.00 46481.00 4013.00 1607.00 24942.00 5513.00 13255.00 5418.00 5639.00 3283.00 646.00 274180

2008 29721.00 8015.00 7640.00 19674.00 10011.00 4896.00 6739.00 3619.00 7372.00 4042.00 5137.00 13234.00 6780.00 6506.00 17553.00 49302.00 4253.00 1705.00 26979.00 5824.00 14042.00 5771.00 5908.00 3470.00 677.00 290171

Rata-rata 26629.00 7417.80 7084.40 20052.00 9177.80 4525.80 6159.80 3338.00 6690.20 3703.80 4712.00 12900.60 6217.40 5991.20 15510.00 43974.40 3795.20 1516.60 23242.00 5227.80 12520.60 5089.20 5392.60 3126.20 617.80 258947

88

PDRB perkapita Kabupaten/Kota Jawa Barat Tahun 2004-2008

no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

kabupaten/kota kab. Bogor kab. Sukabumi kab. Cianjur kab. Bandung kab. Garut kab. Tasikmalaya kab. Ciamis kab. Kuningan kab. Cirebon kab. Majalengka kab. Sumedang kab. Indramayu kab. Subang kab. Purwakarta kab. Karawang kab. Bekasi kota. Bogor kota. Sukabumi kota. Bandung kota. Cirebon kota. Bekasi

2004 5999628429 3089465547 3159708095 5390663845 3723991120 2662347097 3698139374 2863473889 2896517846 2858806847 4131922480 7643053563 4004332697 7296572045 6920750600 20329660013 4032282253 4816498933 8677281110 16936788583 5752141849

2005 6109827664 3202706705 3250193935 5340842518 3777564849 2561000166 3818077983 2915627325 3009604738 2969391266 4221626985 7000566953 4237773854 7450756494 7292601535 21152566321 4222411095 4938142897 9227965862 17503353031 5885154272

2006 6296211790 3304474406 3316669984 5409885596 3842616464 2587585555 3907685093 2976467139 3124625232 3076810067 4306860607 7096844572 4283956811 7599417429 7664706508 24001747664 4419019310 5121399917 9846072595 18194369978 6103639834

2007 6522117882 3416357689 3416745730 6150021823 3936740455 2626539262 4048986303 3041786432 3270071265 3209953013 4415931877 7216331769 4436366278 7763018119 7970170101 22874417817 4633767265 5344303511 10549369119 18980891720 6357829484

2008 rata-rata 6751663839 6335889921 3519951516 3306591173 3520763287 3332816206 6313750459 5721032848 4034300622 3863042702 2661329512 2619760318 4196424290 3933862609 3111354510 2981741859 3362383990 3132640614 3338258407 3090643920 4528832184 4321034827 7354158709 7262191113 4592195435 4310925015 8032475598 7628447937 8309375966 7631520942 23746884853 22421055334 4853382875 4432172560 5575539568 5159176965 11287717771 9917681291 19478586598 18218797982 6597493685 6139251825

89

22 23 24 25

kota. Depok kota. Cimahi kota. Tasikmalaya kota. Banjar

3281731596 10145765106 4891837383 3367931539 5957000000

3457411963 10374763519 4959960145 3387565101 6204000000

3635272911 10605432099 5074894833 3477907384 6480000000

3835013718 10865439271 5257190806 3574115877 6799000000

4033326135 11102883968 5446700038 3667845940 7091000000

3648551265 10618856793 5126116641 3495073168 6506200000

90

Pertumbuhan Ekonomi Jawa Barat Tahun 2004-2008

no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

nama kabupaten/kota kab. Bogor kab. Sukabumi kab. Cianjur kab. Bandung kab. Garut kab. Tasikmalaya kab. Ciamis kab. Kuningan kab. Cirebon kab. Majalengka kab. Sumedang kab. Indramayu kab. Subang kab. Purwakarta kab. Karawang kab. Bekasi kota. Bogor kota. Sukabumi kota. Bandung kota. Cirebon kota. Bekasi kota. Depok kota. Cimahi kota. Tasikmalaya kota. Banjar Jawa Barat

2004 5,58 3,96 3,97 5,61 4,01 3,52 4,36 4,04 4,67 4,08 4,31 4,65 7,17 3,72 10,78 6,11 6,10 5,77 7,49 4,66 5,38 6,50 4,34 4,99 0,00 4,77

2005 5,85 4,35 3,82 5,55 4,16 3,83 4,58 4,08 5,06 4,46 4,52 -7,82 6,97 3,51 7,87 6,01 6,12 5,95 7,53 4,89 5,65 6,96 4,56 4,02 4,63 5,60

2006 5,95 3,92 3,34 5,85 4,11 4,01 3,84 4,12 5,14 4,18 4,17 2,42 2,45 3,87 7,52 5,99 6,03 6,23 7,83 5,54 6,07 6,65 4,82 5,11 4,71 6,02

2007 6,05 4,19 4,18 5,92 4,76 4,33 5,01 4,22 5,35 4,87 4,64 2,65 4,85 3,90 6,15 6,14 6,09 6,51 8,24 6,17 6,44 6,95 5,03 5,98 4,93 6,48

2008 5,58 3,89 4,04 5,30 4,69 4,02 4,94 4,29 4,91 4,57 4,58 2,14 4,74 4,99 6,22 6,07 5,98 6,11 8,17 5,64 5,94 6,51 4,77 5,70 4,82 5,83

rata-rata 5,80 4,06 3,87 5,65 4,35 3,94 4,55 4,15 5,03 4,43 4,44 0,81 5,24 4,00 5,55 6,06 6,06 6,11 7,85 5,38 5,90 6,71 4,70 5,16 3,82 5,72

91

Ketimpangan wilayah Kabupaten/kota Jawa Barat

no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

kabupaten/kota kab. Bogor kab. Sukabumi kab. Cianjur kab. Bandung kab. Garut kab. Tasikmalaya kab. Ciamis kab. Kuningan kab. Cirebon kab. Majalengka kab. Sumedang kab. Indramayu kab. Subang kab. Purwakarta kab. Karawang kab. Bekasi kota. Bogor kota. Sukabumi kota. Bandung kota. Cirebon kota. Bekasi kota. Depok kota. Cimahi kota. Tasikmalaya kota. Banjar

2004 0.007 0.481 0.470 0.095 0.375 0.553 0.379 0.519 0.514 0.520 0.306 0.283 0.328 0.225 0.162 2.413 0.323 0.191 0.457 1.843 0.034 0.449 0.703 0.179 0.435

2005 0.015 0.484 0.476 0.139 0.391 0.587 0.385 0.530 0.515 0.521 0.320 0.128 0.317 0.201 0.175 2.410 0.319 0.204 0.487 1.821 0.051 0.443 0.672 0.201 0.454

2006 0.028 0.490 0.488 0.165 0.407 0.601 0.397 0.541 0.518 0.525 0.335 0.095 0.339 0.173 0.183 2.704 0.318 0.210 0.519 1.808 0.058 0.439 0.637 0.217 0.463

2007 0.041 0.498 0.497 0.095 0.421 0.614 0.404 0.553 0.519 0.528 0.351 0.061 0.347 0.142 0.172 2.364 0.318 0.214 0.552 1.792 0.065 0.436 0.598 0.227 0.474

2008 0.048 0.504 0.503 0.110 0.431 0.625 0.408 0.561 0.526 0.529 0.361 0.037 0.352 0.133 0.172 2.349 0.316 0.214 0.592 1.747 0.070 0.431 0.566 0.232 0.483

Rata-Rata 0.028 0.491 0.487 0.121 0.405 0.596 0.395 0.541 0.518 0.525 0.335 0.121 0.337 0.175 0.173 2.448 0.319 0.207 0.521 1.802 0.056 0.440 0.635 0.211 0.462

92

Tipologi Klassen Kabupaten/Kota Jawa Barat Tahun 2004-2008

Daerah Cepat Maju dan cepat Tumbuh Daerah Maju tapi tertekan

kabupate/ kota kab. Bekasi Kota. Bandung kabupate/ kota kab. Indramayu Kota. Cimahi kab.purwakarta kab. Karawang kota. Cirebon kabupate/ kota kab. Bogor Kota. Sukabumi kota. Depok kota. Bogor kabupate/ kota kab. Sukabumi kab. Cianjur kab. Garut kab. Tasikmalaya kab. Ciamis kab. Kuningan kab. Majalengka kab. Sumedang kota. Banjar Kota. Bekasi kab. Subang kab. Bandung kab. Cirebon kota. Tasikmalaya

> 5,72

> 6.506.200.000 6.06 22,421,055,334 7.85 9,917,681,291 > 6.506.200.000 7,262,191,113 10,618,856,793 7,628,447,937 7,631,520,942 18,218,797,982 < 6. 6.506.200.000 6,335,889,921 5,159,176,965 3,686,551,265 4,432,172,560 < 6.506.200.000 3,306,591,173 3,332,816,206 3,863,042,702 2,619,760,318 3,933,862,609 2,981,741,859 3,090,643,920 4,321,034,827 3,495,073,168 6,139,251,825 4,310,925,015 5,721,032,848 3,132,640,614 5,126,116,641

<5,72 0.81 4.7 4 5.55 5.38 > 5,72 5.8 6.11 6.71 6.06 <5,72 4.06 3.87 4.35 3.94 4.55 4.15 4.43 4.44 3.82 5.9 5.24 5.65 5.03 5.16

Daerah Berkembang Cepat

Daerah Relatif Tertinggal

93

Pola Dan Struktur Perekonomian 25 Kabupaten/Kota Di Jawa Barat Menurut Tipologi Klassen

94

Aglomerasai Kabupaten/Kota Jawa Barat Tahun-2004-2008 Rata2008 Rata 0.1024 0.1029 0.0276 0.0287 0.0263 0.0274 0.0678 0.0783 0.0345 0.0355 0.0169 0.0175 0.0232 0.0238 0.0125 0.0129 0.0254 0.0259 0.0139 0.0143 0.0177 0.0182 0.0456 0.0501 0.0234 0.0241 0.0224 0.0232 0.0605 0.0598 0.1699 0.1698 0.0147 0.0147 0.0059 0.0059 0.0930 0.0896 0.0201 0.0202 0.0484 0.0484 0.0199 0.0196 0.0204 0.0209 0.0120 0.0121 0.0023 0.0024

no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

kabupaten/kota kab. Bogor kab. Sukabumi kab. Cianjur kab. Bandung kab. Garut kab.Tasikmalaya kab. Ciamis kab. Kuningan kab. Cirebon kab. Majalengka kab. Sumedang kab. Indramayu kab. Subang kab. Purwakarta kab. Karawang kab. Bekasi kota. Bogor kota. Sukabumi kota. Bandung kota. Cirebon kota. Bekasi kota. Depok kota. Cimahi kota.Tasikmalaya kota. Banjar

2004 0.1029 0.0297 0.0286 0.0938 0.0366 0.0182 0.0245 0.0134 0.0263 0.0147 0.0187 0.0581 0.0245 0.0241 0.0584 0.1695 0.0146 0.0058 0.0864 0.0204 0.0483 0.0193 0.0213 0.0123 0.0024

2005 0.1032 0.0293 0.0281 0.0936 0.0361 0.0179 0.0243 0.0132 0.0261 0.0146 0.0186 0.0507 0.0248 0.0236 0.0596 0.1701 0.0147 0.0059 0.0880 0.0203 0.0483 0.0196 0.0211 0.0121 0.0024

2006 0.1031 0.0288 0.0274 0.0685 0.0355 0.0175 0.0238 0.0129 0.0259 0.0143 0.0182 0.0490 0.0240 0.0232 0.0605 0.1701 0.0147 0.0059 0.0895 0.0202 0.0484 0.0197 0.0210 0.0120 0.0024

2007 0.1027 0.0281 0.0268 0.0680 0.0349 0.0172 0.0234 0.0127 0.0256 0.0141 0.0179 0.0473 0.0236 0.0226 0.0603 0.1695 0.0146 0.0059 0.0910 0.0201 0.0483 0.0198 0.0206 0.0120 0.0024

95

Tingkat Pengangguran Kabupaten/Kota Jawa Barat Tahun 2004-2008

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

nama kabupaten/kota kab. Bogor kab. Sukabumi kab. Cianjur kab. Bandung kab. Garut kab. Tasikmalaya kab. Ciamis kab. Kuningan kab. Cirebon kab. Majalengka kab. Sumedang kab. Indramayu kab. Subang kab. Purwakarta kab. Karawang kab. Bekasi kota. Bogor kota. Sukabumi kota. Bandung kota. Cirebon kota. Bekasi kota. Depok kota. Cimahi kota. Tasikmalaya kota. Banjar Jawa Barat

2004 12,7 12,48 10,9 16,71 9,43 10,52 7,74 9,49 12,47 8,26 8,46 8,39 8,26 10,36 16,55 10,56 16,18 20,39 14,14 11,75 15,81 12,88 19,96 12,67 15,66 12,25

2005 12,77 13,77 9,18 17,23 7,47 8,99 6,29 10,17 12,51 8,41 8,25 8,21 7,66 9,93 17,18 9,71 16,35 18,09 14,45 12,61 12,55 12,79 19,58 14,33 16,25 11,91

2006 11,73 13,89 8,23 16,23 7,91 7,34 5,65 7,71 12,13 7,81 6,94 8,44 6,31 9,01 14,57 9,33 13,79 15,73 12,86 12,12 11,91 11,9 17,84 12,53 11,67 10,95

2007 14,26 10,85 13,82 17,37 12,18 8,48 4,39 10,56 13,64 7,46 7,83 10,45 7,51 12,76 17,02 15,12 18,89 22,15 16,48 16,56 16,58 12,8 18,82 11,37 9,66 13,08

2008 rata-rata 13,6 13,01 8,94 11,99 11,73 10,77 15,09 16,53 10,98 9,59 8,02 8,67 6 6,01 9,58 9,50 13,36 12,82 7,13 7,81 8,96 8,09 10,05 9,11 9,27 7,80 11,89 10,79 15,23 16,11 13,29 11,60 18,52 16,75 15,02 18,28 15,27 14,64 14,2 13,45 13,28 14,03 10,11 12,10 14,17 18,07 10,87 12,35 10,24 12,70 12,25 12,09

96

Panjang Jalan yang dimiliki Kabupaten/Kota Jawa Barat

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

nama kabupaten/kota kab. Bogor kab. Sukabumi kab. Cianjur kab. Bandung kab. Garut kab. Tasikmalaya kab. Ciamis kab. Kuningan kab. Cirebon kab. Majalengka kab. Sumedang kab. Indramayu kab. Subang kab. Purwakarta kab. Karawang kab. Bekasi kota. Bogor kota. Sukabumi kota. Bandung kota. Cirebon kota. Bekasi kota. Depok kota. Cimahi kota. Tasikmalaya kota. Banjar Jawa Barat

2004 1506,57 1580,6 1343,05 3266,9 1140,89 1064,79 771 416,1 641 685,7 756,48 783,02 1026,61 668,08 2598,55 939,7 564,2 166,58 1221,69 166,87 307,09 433,47 107,34 644,41 217 23017,69

2005 2006 2007 1506,57 1507,52 1507,52 1580,6 1361,3 1361,3 90,11 106,2 96,55 3266,9 3266,9 3266,9 1140,89 828,76 828,76 1051,85 1064,79 1064,79 771 762,8 762,8 416,1 416,1 416,1 641 641,16 643,16 685,7 693,1 693,1 756,48 796,06 796,06 783,02 791,58 796,62 1026,61 1054,5 1054,5 668,08 710,35 719,62 2598,55 861,73 2640,03 939,7 925,95 925,95 576,66 793,21 749,21 166,58 142,53 124,62 1173,81 1122,71 1179,22 166,87 142,53 148,14 307,09 978 562,54 433,47 503,3 485,35 107,75 99,48 126,12 644,41 645,41 650,94 271,03 217,03 189,58 21711,1 21289,68 21744,48

2008 1748,91 1730,52 90,25 3266,9 828,76 1304,73 772,3 416,1 644,16 715,6 796,05 796,61 1054,5 720,49 2640,03 926,96 749,22 124,62 1185,38 148,13 562,54 469,77 127,45 650,94 189,54 23138,7

97

LAMPIRAN B : DATA KONVEKSI

98

Data konveksi

kab. Bogor

Tahun PDRB per kapita PE(%) AG (%) UNEMPL (%) ROAD (km) INEQ Jumlah penduduk (jiwa) 2004 5,999,628,429 5.58 0.1029 12.7 1506.57 0.007 3945411 2005 6,109,827,664 5.85 0.1032 12.77 1506.57 0.015 4100934 2006 6,296,211,790 5.95 0.1031 11.73 1507.52 0.028 4216186 2007 6,522,117,882 6.05 0.1027 14.26 1507.52 0.041 4316236 2008 6,751,663,839 5.58 0.1024 13.6 1748.91 0.048 4402026 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004 2005 2006 3,089,465,547 3,202,706,705 3,304,474,406 3,416,357,689 3,519,951,516 3,159,708,095 3,250,193,935 3,316,669,984 3,416,745,730 3,520,763,287 5,390,663,845 5,340,842,518 5,409,885,596 3.96 4.35 3.92 4.19 3.89 3.97 3.82 3.34 4.18 4.04 5.61 5.55 5.85 0.0297 0.0293 0.0288 0.0281 0.0276 0.0286 0.0281 0.0274 0.0268 0.0263 0.0938 0.0936 0.0685 12.48 13.77 13.89 10.85 8.94 10.9 9.18 8.23 13.82 11.73 16.71 17.23 16.23 1580.6 1580.6 1361.3 1361.3 1730.52 1343.05 9011 1062 96.55 90.25 3266.9 3266.9 3266.9 0.481 0.484 0.490 0.498 0.504 0.470 0.476 0.488 0.497 0.503 0.095 0.139 0.165 2210091 2224993 2240901 2258253 2277020 2079306 2098644 2125023 2149121 2169984 4002290 4263934 4399128

kab. Sukabumi

ka. Cianjur

kab bandung

99

2007 2008 kab. Garut 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004 2005 2006 2007

6,150,021,823 6,313,750,459 3,723,991,120 3,777,564,849 3,842,616,464 3,936,740,455 4,034,300,622 2,662,347,097 2,561,000,166 2,587,585,555 2,626,539,262 2,661,329,512 3,698,139,374 3,818,077,983 3,907,685,093 4,048,986,303 4,196,424,290 2,863,473,889 2,915,627,325 3,124,625,232 3,041,786,432

5.92 5.3 4.01 4.16 4.11 4.76 4.69 3.52 3.83 4.01 4.33 4.02 4.36 4.58 3.84 5.01 4.94 4.04 4.08 4.12 4.22

0.0680 0.0678 0.0366 0.0361 0.0355 0.0349 0.0345 0.0182 0.0179 0.0175 0.0172 0.0169 0.0245 0.0243 0.0238 0.0234 0.0232 0.0134 0.0132 0.0129 0.0127

17.37 15.09 9.43 7.47 7.91 12.18 10.98 10.52 8.99 7.34 8.48 8.02 7.74 6.29 5.65 4.39 6 9.49 10.17 7.71 10.56

3266.9 3266.9 1140.89 1140.89 828.76 828.76 828.76 1064.79 1051.85 1064.79 1064.79 1304.73 771 771 762.8 762.8 772.3 416.1 416.1 416.1 416.1

0.095 0.110 0.375 0.391 0.407 0.421 0.431 0.553 0.587 0.601 0.614 0.625 0.379 0.385 0.397 0.404 0.408 0.519 0.530 0.541 0.553

3038038 3116056 2260478 2321072 2375725 2429167 2481471 1569292 1693479 1743324 1792092 1839682 1522928 1542661 1565121 1586076 1605891 1073172 1096848 1118776 1140777

kab. Tasimalaya

kab. Ciamis

kab. Kuningan

100

2008 kab. Cirebon 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008

3,111,354,510 2,896,517,846 3,009,604,738 3,124,625,232 3,270,071,265 3,362,383,990 2,858,806,847 2,969,391,266 3,076,810,067 3,209,953,013 3,338,258,407 4,131,922,480 4,221,626,985 4,306,860,607 4,415,931,877 4,528,832,184 7,643,053,563 7,000,566,953 7,096,844,572 7,216,331,769 7,354,158,709

4.29 4.67 5.06 5.14 5.35 4.91 4.08 4.46 4.18 4.87 4.57 4.31 4.52 4.17 4.64 4.58 4.65 -7.82 2.42 2.65 2.14

0.0125 0.0263 0.0261 0.0259 0.0256 0.0254 0.0147 0.0146 0.0143 0.0141 0.0139 0.0187 0.0186 0.0182 0.0179 0.0177 0.0581 0.0507 0.0490 0.0473 0.0456

9.58 12.47 12.51 12.13 13.64 13.36 8.26 8.41 7.81 7.46 7.13 8.46 8.25 6.94 7.83 8.96 8.39 8.21 8.44 10.45 10.05

416.1 641 641 641.16 643.16 644.16 685.7 685.7 693.1 693.1 715.6 756.48 756.48 796.06 796.06 796.05 783.02 783.02 791.58 796.62 796.61

0.561 0.514 0.515 0.518 0.519 0.526 0.520 0.521 0.525 0.528 0.529 0.306 0.320 0.335 0.351 0.361 0.283 0.128 0.095 0.061 0.037

1163159 2084572 2107918 2134656 2162644 2192492 1184760 1191490 1197994 1204379 1210811 1043340 1067361 1089889 1112336 1134288 1749170 1760286 1778396 1795372 1811764

kab. Majalengka

kab. Sumedang

kab. Indramayu

101

kab. Subang

2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008

4,004,332,697 4,237,773,854 4,283,956,811 4,436,366,278 4,592,195,435 7,296,572,045 7,450,756,494 7,599,417,429 7,763,018,119 8,032,475,598 6,920,750,600 7,292,601,535 7,664,706,508 7,970,170,101 8,309,375,966 20,329,660,013 21,152,566,321 24,001,747,664 22,874,417,817 23,746,884,853

7.17 6.97 2.45 4.85 4.74 3.72 3.51 3.87 3.9 4.99 10.78 7.87 7.52 6.15 6.22 6.11 6.01 5.99 6.14 6.07

0.0245 0.0248 0.0240 0.0236 0.0234 0.0241 0.0236 0.0232 0.0226 0.0224 0.0584 0.0596 0.0605 0.0603 0.0605 0.1695 0.1701 0.1701 0.1695 0.1699

8.26 7.66 6.31 7.51 9.27 10.36 9.93 9.01 12.76 11.89 16.55 17.18 14.57 17.02 15.23 10.56 9.71 9.33 15.12 13.29

1026.61 1026.61 1054.5 1054.5 1054.5 668.08 668.08 710.35 719.62 720.49 2598.55 2598.55 861.73 2640.03 2640.03 939.7 939.7 925.95 925.95 926.96

0.328 0.317 0.339 0.347 0.352 0.225 0.201 0.173 0.142 0.133 0.162 0.175 0.183 0.172 0.172 2.413 2.410 2.704 2.364 2.349

1406976 1421973 1441191 1459077 1476418 760220 770660 784797 798272 809962 1939674 1985574 2031128 2073356 2112433 1917248 1953380 1991230 2032008 2076146

kab. Purwakarta

Kab. Karawang

kab. Bekasi

102

Kab. Bogor

2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004

4,032,282,253 4,222,411,095 4,419,019,310 4,633,767,265 4,853,382,875 4,816,498,933 4,938,142,897 5,121,399,917 5,344,303,511 5,575,539,568 8,677,281,110 9,227,965,862 9,846,072,595 10,549,369,119 11,287,717,771 16,936,788,583 17,503,353,031 18,194,369,978 18,980,891,720 19,478,586,598 5,752,141,849

6.1 6.12 6.03 6.09 5.98 5.77 5.95 6.23 6.51 6.11 7.49 7.53 7.83 8.24 8.17 4.66 4.89 5.54 6.17 5.64 5.38

0.0146 0.0147 0.0147 0.0146 0.0147 0.0058 0.0059 0.0059 0.0059 0.0059 0.0864 0.0880 0.0895 0.0910 0.0930 0.0204 0.0203 0.0202 0.0201 0.0201 0.0483

16.18 16.35 13.79 18.89 18.52 20.39 18.09 15.73 22.15 15.02 14.14 14.45 12.86 16.48 15.27 11.75 12.61 12.12 16.56 14.2 15.81

564.2 576.66 793.21 749.21 749.22 166.58 166.58 142.53 124.62 124.62 1221.69 1173.81 1122.71 1179.22 1185.38 166.87 166.87 142.53 148.14 148.13 307.09

0.323 0.319 0.318 0.318 0.316 0.191 0.204 0.210 0.214 0.214 0.457 0.487 0.519 0.552 0.592 1.843 1.821 1.808 1.792 1.747 0.034

833523 844778 855846 866034 876296 278418 287760 294646 300694 305800 2290464 2315895 2340324 2364312 2390120 276912 281089 285363 290450 298995 1931976

kab. Sukabumi

kab. Bandung

Kota. Cirebon

103

Kota Bekasi

2005 2006 2007 2008 2004 2005 2006 2007 2008 2004 2005 2006 2007 2008 2004

5,885,154,272 6,103,639,834 6,357,829,484 6,597,493,685 3,281,731,596 3,457,411,963 3,635,272,911 3,835,013,718 4,033,326,135 10,145,765,106 10,374,763,519 10,605,432,099 10,865,439,271 11,102,883,968 4,891,837,383 4,959,960,145 5,074,894,833 5,257,190,806 5,446,700,038 3,367,931,539

5.65 6.07 6.44 5.94 6.5 6.96 6.65 6.95 6.51 4.34 4.56 4.82 5.03 4.77 4.99 4.02 5.11 5.98 5.7 0

0.0483 0.0484 0.0483 0.0484 0.0193 0.0196 0.0197 0.0198 0.0199 0.0213 0.0211 0.0210 0.0206 0.0204 0.0123 0.0121 0.0120 0.0120 0.0120 0.0024

12.55 11.91 16.58 13.28 12.88 12.79 11.9 12.8 10.11 19.96 19.58 17.84 18.82 14.17 12.67 14.33 12.53 11.37 10.87 15.66

307.09 978 562.54 562.54 433.47 433.47 503.3 485.35 469.77 107.34 107.75 99.48 126.12 127.45 644.41 644.41 645.41 650.94 650.94 217

0.051 0.058 0.065 0.070 0.449 0.443 0.439 0.436 0.431 0.703 0.672 0.637 0.598 0.566 0.179 0.201 0.217 0.227 0.232 0.435

1994850 2040258 2084831 2128384 1353249 1373860 1393568 1412772 1430829 482763 493698 506250 518985 532114 579128 594158 610456 624478 637083 166868

kota. Depok

kota. Cimahi

kota. Tasikmalaya

2005 2006 2007 2008 2004

104

kota. Banjar

2005 2006 2007 2008

3,387,565,101 3,477,907,384 3,574,115,877 3,667,845,940

4.63 4.71 4.93 4.82

0.0024 0.0024 0.0024 0.0023

16.25 11.67 9.66 10.24

271.03 217.03 189.58 189.54

0.454 0.463 0.474 0.483

173576 177118 180744 184577

105

LAMPIRAN C : Regresi Utama

Regresi Utama

106

Dependent Variable: INEQ Method: Least Squares Date: 08/15/11 Time: 19:56 Sample: 1 125 Included observations: 125 Variable PE AG UNEMPL ROAD D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D11 D12 D13 D14 D15 D16 D17 D18 D19 D20 D21 D22 D23 D24 C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 0.006820 2.173928 -3.05E-06 -0.001937 0.631875 0.636023 0.159390 0.525069 0.756600 0.533198 0.709477 0.660133 0.684856 0.488165 0.210443 0.472315 0.325604 0.233250 2.208215 0.485536 0.393395 0.514486 1.953506 0.144561 0.581354 0.798516 0.381085 0.661139 -0.205442 0.997418 0.996665 0.029589 0.084051 279.1731 1324.478 0.000000 Std. Error 0.003325 0.972708 3.82E-06 0.001764 0.074562 0.075720 0.031969 0.068327 0.085329 0.079904 0.089580 0.077134 0.088446 0.084733 0.055161 0.079249 0.079798 0.047130 0.067944 0.088153 0.096772 0.024141 0.082532 0.056322 0.083205 0.082433 0.090178 0.099484 0.104767 t-Statistic 2.051147 2.234924 -0.796905 -1.097554 8.474486 8.399625 4.985846 7.684619 8.866817 6.673003 7.920044 8.558309 7.743196 5.761216 3.815088 5.959922 4.080367 4.949086 32.50055 5.507881 4.065184 21.31182 23.66977 2.566677 6.986996 9.686795 4.225942 6.645710 -1.960932 Prob. 0.0430 0.0277 0.4275 0.2751 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0002 0.0000 0.0001 0.0000 0.0000 0.0000 0.0001 0.0000 0.0000 0.0118 0.0000 0.0000 0.0001 0.0000 0.0528 0.491672 0.512374 -4.002770 -3.346601 -3.736203 1.339904

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

107

LAMPIRAN D : UJI ASUMSI KLASIK MULTIKOLINEARITAS HETEROSKEDASTISITAS AUTOKORELASI UJI NORMALITAS

Multikol PE 108

Dependent Variable: PE Method: Least Squares Date: 08/15/11 Time: 20:01 Sample: 1 125 Included observations: 125 Variable AG UNEMPL ROAD C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 12.25539 -1.39E-05 0.134686 3.082873 0.258431 0.240045 1.212889 178.0030 -199.4602 14.05589 0.000000 Std. Error 3.093821 0.000112 0.030022 0.390549 t-Statistic 3.961249 -0.123792 4.486239 7.893692 Prob. 0.0001 0.9017 0.0000 0.0000 5.163520 1.391321 3.255364 3.345870 3.292132 1.449374

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

Multikol AG Dependent Variable: AG Method: Least Squares Date: 08/15/11 Time: 20:01 Sample: 1 125 Included observations: 125 Variable PE UNEMPL ROAD C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 0.009367 9.68E-06 -0.000224 -0.017063 0.204759 0.185042 0.033532 0.136049 249.0735 10.38505 0.000004 Std. Error 0.002365 2.98E-06 0.000896 0.013199 t-Statistic 3.961249 3.246940 -0.250053 -1.292804 Prob. 0.0001 0.0015 0.8030 0.1985 0.037853 0.037144 -3.921177 -3.830670 -3.884409 0.627740

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

109

Multikol UNEMPL Dependent Variable: UNEMPL Method: Least Squares Date: 08/15/11 Time: 20:02 Sample: 1 125 Included observations: 125 Variable PE AG ROAD C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient -9.094444 8275.796 -2.906630 725.2606 0.088665 0.066070 980.2205 1.16E+08 -1036.307 3.924088 0.010304 Std. Error 73.46536 2548.798 26.20179 382.8535 t-Statistic -0.123792 3.246940 -0.110933 1.894355 Prob. 0.9017 0.0015 0.9119 0.0606 956.3852 1014.300 16.64491 16.73542 16.68168 1.324123

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

Multikol ROAD Dependent Variable: ROAD Method: Least Squares Date: 08/15/11 Time: 20:03 Sample: 1 125 Included observations: 125 Variable PE AG UNEMPL C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 1.058853 -2.304893 -3.50E-05 6.756021 0.155510 0.134573 3.400777 1399.399 -328.3351 7.427271 0.000131 Std. Error 0.236022 9.217607 0.000315 1.199754 t-Statistic 4.486239 -0.250053 -0.110933 5.631171 Prob. 0.0000 0.8030 0.9119 0.0000 12.10272 3.655635 5.317362 5.407868 5.354129 0.772884

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

110

Heterokedastisitas Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS 1.832240 43.53510 107.8786 Prob. F(28,96) Prob. Chi-Square(28) Prob. Chi-Square(28) 0.0161 0.0309 0.0000

Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 08/15/11 Time: 19:58 Sample: 1 125 Included observations: 125 Variable C PE^2 AG^2 UNEMPL^2 ROAD^2 D1^2 D2^2 D3^2 D4^2 D5^2 D6^2 D7^2 D8^2 D9^2 D10^2 D11^2 D12^2 D13^2 D14^2 D15^2 D16^2 D17^2 D18^2 D19^2 D20^2 D21^2 D22^2 D23^2 D24^2 R-squared Adjusted R-squared Coefficient -0.007645 3.95E-07 0.770129 -2.60E-12 -1.32E-06 0.007254 0.007395 0.004739 0.007265 0.008031 0.007318 0.007872 0.007369 0.007576 0.007885 0.010855 0.007542 0.008559 0.005401 -0.013874 0.007853 0.008101 0.003079 0.008628 0.006207 0.007591 0.010564 0.007983 0.007897 0.348281 0.158196 Std. Error 0.004146 1.85E-05 0.377923 2.45E-11 3.84E-06 0.003882 0.003892 0.002046 0.003708 0.004058 0.003968 0.004104 0.003915 0.004092 0.004046 0.003258 0.003952 0.003969 0.002965 0.006999 0.004120 0.004223 0.001594 0.004011 0.003323 0.004021 0.004074 0.004102 0.004162 t-Statistic -1.843871 0.021349 2.037793 -0.106117 -0.343366 1.868388 1.900045 2.316570 1.959463 1.979244 1.844174 1.918112 1.882170 1.851728 1.948757 3.331336 1.908464 2.156206 1.821501 -1.982240 1.906094 1.918553 1.932028 2.151185 1.868182 1.887961 2.593061 1.945927 1.897358 Prob. 0.0683 0.9830 0.0443 0.9157 0.7321 0.0648 0.0604 0.0227 0.0530 0.0507 0.0682 0.0581 0.0628 0.0671 0.0542 0.0012 0.0593 0.0336 0.0716 0.0503 0.0596 0.0580 0.0563 0.0340 0.0648 0.0621 0.0110 0.0546 0.0608 0.000672 0.001957

Mean dependent var S.D. dependent var

111

S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.001795 0.000309 629.4401 1.832240 0.016063

Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-9.607041 -8.950873 -9.340475 2.167189

112

Normalitas

25

20

Series: Residuals Sample 1 125 Observations 125 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability
-0.5 -0.0 0.5 1.0

15

10

3.71e-17 -0.054492 1.385205 -0.869643 0.436350 1.259771 5.764558 72.86910 0.000000

5

0

113

Autokorelasi Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 7.910255 18.00724 Prob. F(2,94) Prob. Chi-Square(2) 0.0007 0.0001

Test Equation: Dependent Variable: RESID Method: Least Squares Date: 08/15/11 Time: 19:59 Sample: 1 125 Included observations: 125 Presample missing value lagged residuals set to zero. Variable PE AG UNEMPL ROAD D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D11 D12 D13 D14 D15 D16 D17 D18 D19 D20 D21 D22 D23 D24 C RESID(-1) RESID(-2) Coefficient -0.002208 0.276194 1.61E-06 0.000185 0.015048 0.015163 0.002446 0.016299 0.020210 0.020034 0.022950 0.019990 0.022834 0.022525 0.008311 0.024296 0.016355 0.015060 -0.019015 0.026166 0.027579 0.010354 0.017902 0.018916 0.025101 0.018108 0.027942 0.024736 -0.019583 0.420218 -0.145974 Std. Error 0.003158 0.913140 3.60E-06 0.001651 0.069988 0.071000 0.029966 0.064078 0.080070 0.075042 0.084063 0.072466 0.083034 0.079504 0.052051 0.074350 0.075056 0.044233 0.063705 0.082766 0.090912 0.022720 0.077765 0.052891 0.078263 0.077561 0.084621 0.093403 0.098198 0.106815 0.119313 t-Statistic -0.699043 0.302466 0.447291 0.111936 0.215013 0.213557 0.081638 0.254360 0.252405 0.266970 0.273006 0.275861 0.274994 0.283319 0.159678 0.326776 0.217906 0.340466 -0.298487 0.316149 0.303365 0.455722 0.230201 0.357648 0.320734 0.233467 0.330200 0.264833 -0.199422 3.934066 -1.223458 Prob. 0.4863 0.7630 0.6557 0.9111 0.8302 0.8314 0.9351 0.7998 0.8013 0.7901 0.7854 0.7833 0.7839 0.7776 0.8735 0.7446 0.8280 0.7343 0.7660 0.7526 0.7623 0.6496 0.8184 0.7214 0.7491 0.8159 0.7420 0.7917 0.8424 0.0002 0.2242

114

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.144058 -0.129115 0.027665 0.071943 288.8952 0.527350 0.975811

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-1.87E-17 0.026035 -4.126322 -3.424901 -3.841372 2.102330

115

Sign up to vote on this title
UsefulNot useful