4 bab iv hasil penelitian 4.1 hasil analisis...
TRANSCRIPT
39
4 BAB IV
HASIL PENELITIAN
4.1 Hasil Analisis Deskripsi Statistik
Pada bagian ini diuraikan mengenai gambaran secara keseluruhan terkait
dengan variabel-variabel yang digunakan dalam penelitian ini pada periode 2001-
2017, diantaranya GDP perkapita, keterbukaan perdagangan yang diukur dengan
rasio ekspor dan impor terhadap GDP, investasi modal fisik, investasi modal
manusia yang diukur dengan rata-rata lama sekolah, dan tingkat pengangguran.
Berikut merupakan tabel deskripsi statistik mengenai variabel-variabel dalam
penelitian ini.
Tabel 4-1 Hasil Deskripsi Statistik
Variable Obs Mean Std. Dev Min. Max.
GDPPC 187 3.404535 2.822628 -5.404594 12.51431
TRDO 187 121.2906 86.74875 21.4238 395.6673
lnINV 187 26.00307 2.300375 20.3419 30.59113
MYS 187 8.286631 2.490041 3.3 12.8
UNEMP 187 3.348401 1.951322 0.489 9.316
Sumber: Hasil pengolahan data dengan Stata14
40
4.1.1 Pertumbuhan Ekonomi
Menurut Badan Pusat Statistik (2019), GDP perkapita merupakan
pendapatan nasional dibagi dengan jumlah penduduk pada pertengahan tahun.
Berdasarkan tabel 4-1 dapat diketahui bahwa tingkat pertumbuhan ekonomi di
negara ASEAN+3 pada periode penelitian tahun 2001-2017 yang ditunjukkan oleh
variabel GGDPPC memiliki rata-rata sebesar 3,40%. Dengan tingkat pertumbuhan
ekonomi paling rendah selama periode penelitian terjadi di negara Jepang tahun
2009 sebesar -5.40% sedangkan tingkat pertumbuhan ekonomi paling tinggi terjadi
di negara Singapura pada tahun 2010 sebesar 12,51% pada tahun 2010.
Sumber: World Development Indicators (WDI), data diolah
Grafik 4-1 Pertumbuhan Ekonomi di Negara ASEAN+3
periode 2001-2017
-6
-4
-2
0
2
4
6
8
10
12
14
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Pe
rtu
mb
uh
an E
kon
om
i (%
)
Tahun
Brunei Darussalam Indonesia Japan Cambodia
Korea, Rep. Lao PDR Malaysia Philippines
Singapore Thailand Vietnam
41
Berdasarkan grafik 4-1 menunjukkan keadaan tingkat pertumbuhan
ekonomi di negara ASEAN+3 pada periode 2001-2017, dimana pertumbuhan
ekonomi mengalami fluktuasi dari tahun ke tahun. Rata-rata pertumbuhan ekonomi
di sebagian negara secara bersamaan menurun di tahun 2009 karena adanya
fenomena krisis global. Pada tahun 2017 diketahui bahwa Vietnam memiliki
pertumbuhan ekonomi paling tinggi yakni sebesar 5,73% diikuti oleh Kamboja,
Laos, dan Filipina yang pertumbuhan ekonominya masing-masing secara berurutan
sebesar 5,39%, 5,20%, dan 5,15%. Adapun tingkat pertumbuhan ekonomi paling
rendah pada tahun 2017 terjadi di Negara Brunei dengan 0,21%.
4.1.2 Keterbukaan Perdagangan
Menurut Todaro (2011) menyatakan bahwa keterbukaan perdagangan
merupakan bentuk perekonomian terbuka yang terkait dengan aktivitas ekspor dan
impor. Untuk itu, keterbukaan perdagangan diukur dengan rasio ekspor dan impor
dibagi dengan GDP suatu negara yang ditunjukkan dengan variabel TRDO.
Berdasarkan tabel 4-1 dapat diketahui bahwa rata-rata keterbukaan perdagangan di
Negara ASEAN+3 pada periode penelitian tahun 2001-2017 adalah sebesar
121.29%. Derajat keterbukaan perdagangan paling tinggi terjadi di Negara
Singapura dengan 395.67% di tahun 2008 sedangkan keterbukaan perdagangan
paling rendah sebesar 21.42% terjadi di Negara Jepang pada tahun 2001.
42
Sumber: World Development Indicators (WDI), data diolah
Berdasarkan pada grafik 4-2 menunjukkan keterbukaan perdagangan di
Negara ASEAN+3, dimana Negara Singapura memiliki keterbukaan perdagangan
paling tinggi dari periode tahun 2001-2017 dan menunjukkan angka sebesar
369,59% di tahun 2017. Tren keterbukaan perdagangan yang mengalami
peningkatan terjadi di negara seperti Jepang, Kamboja, Korea, Laos, Thailand dan
Vietnam. Adapun 5 negara lainnya seperti Brunei, Indonesia, Malaysia, Filipina
dan Singapura menunjukkan tren yang menurun. Di tahun 2017, keterbukaan
perdagangan terendah sebesar 33,24% terjadi di Jepang. Untuk derajat keterbukaan
perdagangan tertinggi setelah Singapura pada tahun 2017 terjadi di Vietnam sebesar
247,29%, Kamboja 146,84% dan Malaysia 137,9%.
0
50
100
150
200
250
300
350
400
450
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Ke
terb
uka
an P
erd
agan
gan
(%
)
Tahun
Brunei Darussalam Indonesia Japan Cambodia
Korea, Rep. Lao PDR Malaysia Philippines
Singapore Thailand Vietnam
Grafik 4-2 Keterbukaan Perdagangan di Negara ASEAN+3
periode 2001-2017
43
4.1.3 Investasi Modal Fisik
Investasi modal fisik merupakan penyediaan peralatan, mesin, dan
perlengkapan sebagai barang modal yang digunakan dalam menghasilkan barang
dan jasa, dan dalam penelitian ini digambarkan dengan variabel lnINV.
Berdasarkan tabel 4-1 dapat diketahui bahwa rata-rata investasi modal fisik di
negara ASEAN+3 selama periode 2001-2017 adalah sebesar 26%. Investasi modal
fisik terendah menunjukkan angka sebesar 20.34% yang dilakukan oleh Laos pada
tahun 2001, dan tertinggi dilakukan oleh Jepang sebesar 30.59% terjadi pada tahun
2017.
Sumber: World Development Indicators (WDI), data diolah
0
5
10
15
20
25
30
35
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Ln In
vest
asi M
od
al F
isik
(%
)
Tahun
Brunei Darussalam Indonesia Japan
Cambodia Korea, Rep. Lao PDR
Malaysia Philippines Singapore
Thailand Vietnam
Grafik 4-3 Investasi Modal Fisik di Negara ASEAN+3
periode 2001-2017
44
Berdasarkan grafik 4-3 menunjukkan besaran investasi modal fisik yang
dilakukan oleh negara ASEAN+3 dari tahun 2001-2017. Dalam grafik tersebut
terlihat bahwa Jepang menjadi negara yang melakukan investasi modal fisik paling
tinggi di setiap tahunnya dan diikuti oleh Korea Selatan dan Indonesia di posisi
kedua dan ketiga. Adapun negara-negara seperti Kamboja, Laos, dan Brunei
menjadi negara paling rendah dalam investasi modal fisik dengan rata-rata selama
periode 2001-2017 masing-masing sebesar 22.80%, 22.85%, dan 23.55%, dan
negara lainnya berada di posisi menengah.
4.1.4 Rata-rata Lama Sekolah
Investasi modal manusia yang digambarkan dengan variabel MYS dihitung
dengan rata-rata lama sekolah. Menurut Badan Pusat Statistik, rata-rata lama
sekolah merupakan jumlah tahun belajar penduduk usia 15 tahun keatas yang telah
menyelesaikan pendidikan formal dan tidak termasuk tahun yang mengulang.
Berdasarkan tabel 4-1 dapat diketahui bahwa rata-rata lama sekolah di negara
ASEAN+3 periode tahun 2001-2017 adalah sebesar 8,29 tahun. Pendidikan dengan
rata-rata lama sekolah paling rendah sebesar 3,3 tahun di Negara Kamboja pada
tahun 2001 dan tertinggi 12,8 tahun terjadi di negara Jepang di tahun 2017.
45
Sumber: United Nations Development Programs (UNDP)
Berdasarkan Grafik 4-4 menunjukkan rata-rata lama sekolah di negara
ASEAN+3 periode 2001-2017 memiliki kecenderungan meningkat dari tahun ke
tahun di semua negara. Hal ini menunjukkan bahwa semakin pentingnya
pendidikan seseorang. Pada tahun 2017, rata-rata lama sekolah tertinggi terjadi di
Negara Jepang dengan 12,8 tahun, diikuti Korea sebagai tertinggi kedua rata-rata
selama 12,1 tahun, dan Singapura 11,5 tahun. Adapun negara dengan rata-rata lama
sekolah terendah di tahun 2017 terjadi di Negara Kamboja dengan 4,8 tahun, urutan
terendah selanjutnya sebesar 5,2 tahun di Negara Laos, dan Thailand 7,6 tahun.
0
2
4
6
8
10
12
14
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Rat
a-ra
ta la
ma
seko
lah
(Ta
hu
n)
Tahun
Brunei Darussalam Indonesia Japan
Cambodia Korea Laos
Malaysia Philippines Singapore
Thailand Viet Nam
Grafik 4-4 Rata-rata lama sekolah di Negara ASEAN+3
periode 2001-2017
46
4.1.5 Tingkat Pengangguran
Tingkat pengangguran merupakan persentase angkatan kerja yang tidak
bekerja. Berdasarkan tabel 4-1 dapat diketahui bahwa rata-rata tingkat
pengangguran di negara ASEAN+3 periode tahun 2001-2017 adalah sebesar
3,34%. Tingkat pengangguran terendah terjadi di Thailand pada tahun 2013 sebesar
0,489%. Adapun tingkat pengangguran tertinggi sebesar 9,316% terjadi di Brunei
pada tahun 2017.
Sumber: World Development Indicators (WDI), data diolah
Berdasarkan pada grafik 4-5, tingkat pengangguran mengalami fluktuasi di
masing-masing negara. Tingkat pengangguran di Indonesia memiliki tren yang
menurun sejak tahun 2007 yang semula 6,08% di 2001 menjadi 4,18% di tahun
2017. Adapun tren tingkat pengangguran di Brunei menunjukkan peningkatan
dimana pada tahun 2001 tingkat penganggurannya sebesar 5,6% menjadi 9,3% di
tahun 2017.
0
2
4
6
8
10
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Pe
nga
ngg
ura
n (
%)
Tahun
Brunei Darussalam Indonesia Japan Cambodia
Korea, Rep. Lao PDR Malaysia Philippines
Singapore Thailand Vietnam
Grafik 4-5 Tingkat Pengangguran di Negara ASEAN+3
periode 2001-2017
47
4.2 Hasil Estimasi Model
Estimasi dilakukan untuk melihat seberapa besar pengaruh dari variabel
independen (X) terhadap variabel dependen (Y), dengan model yang digunakan
adalah sebagai berikut:
lnGDPPCit = β0 + β1 TRDOit + β2 lnINVit + β3 lnMYSit + β4 UNEMPit + εit (4.1)
Dimana:
GDPPC : PDB per kapita
TRDO : Keterbukaan perdagangan (Trade Openness)
INV : Investasi modal fisik
MYS : Rata-rata lama sekolah (Mean Years of Schooling)
UNEMP : Tingkat Pengangguran
Ln : Notasi dalam bentuk logaritma natural
β0 : Konstanta
β1, β2, β3, β4 : Koefisien regresi
ε : error term
i : Cross Section (11 Negara di kawasan ASEAN+3)
t : Time Series (Periode tahun 2001-2017)
48
Tabel 4-2 Hasil Perbandingan Estimasi PLS, FEM, dan REM
Variable
Pooled Least
Square
Fixed Effect
Model
Random
Effect Model
TRDO Koefisien
Std. Error
0.0023963***
(0.0005615)
0.0023963***
(0.000554)
0.0021173***
(0.0003283)
lnINV Koefisien
Std. Error
-0.1516772***
(0.0347842)
-0.1516772***
(0.034316)
0.0830986***
(0.0109071)
lnMYS Koefisien
Std. Error
2.998998***
(0.2718498)
2.998998***
(0.2681908)
0.7602932***
(0.1263623)
UNEMP Koefisien
Std. Error
-0.1284809***
(0.0284605)
-0.1284809***
(0.0280775)
-0.053586***
(0.0077276)
Konstanta Koefisien
Std. Error
6.551434***
(0.572344)
6.551434***
(0.5646405)
5.705394***
(0.2855619)
N
Prob. F
Prob> Chi-Square
187
0.0000
187
0.0000
187
0.0000
R-Square
PLS = 0.7577
FEM = 0.7577
REM = 0.4048
Keterangan:
* = Tingkat Signifikansi 10%
** = Tingkat Signifikansi 5%
*** = Tingkat Signifikansi 1%
Sumber : Hasil pengolahan data dengan Stata14
Perbandingan hasil model regresi ini merujuk pada penelitian sebelumnya
yang dilakukan oleh Tahir & Toseef (2015).
49
4.3 Uji Pemilihan Model
4.3.1. Uji Chow
Uji Chow merupakan pengujian yang dilakukan untuk membandingkan
antara model Pooled Least Square dengan Fixed Effect Model dan mengetahui
model pilihan terbaik yang digunakan dalam penelitian. Hasil dari pengujian ini
adalah:
Tabel 4-3 Hasil Uji Chow
Prob > F Signifikansi α
0.0000 0.01
Sumber: Hasil pengolahan data dengan Stata14
Berdasarkan pada hasil dari tabel diatas, dapat diketahui bahwa model ini
memiliki nilai probabilitas sebesar 0.0000. Jika dibandingkan dengan tingkat
signifikansi α sebesar 0.01, maka nilai probabilitas tersebut menunjukkan angka
yang lebih rendah dan dapat disimpulkan bahwa model terbaik yang digunakan
dalam penelitian ini adalah Fixed Effect Model.
4.3.2. UjiHausman
Menurut Gujarati & Porter (2009) menyatakan bahwa pengujian
inidilakukan untuk membandingkan antara Fixed Effect Model atau Random Effect
Model dan mengetahui model yang terbaik digunakan dalam penelitian ini. Hasil
dari pengujian ini adalah:
50
Tabel 4-4 Hasil Uji Hausman
Prob > Chi2 Signifikansi α
0.0161 0.01
Sumber: Hasil pengolahan data dengan Stata14
Berdasarkan pada hasil dari tabel diatas, dapat diketahui bahwa model ini
memiliki nilai probabilitas sebesar 0.0161. Jika dibandingkan dengan tingkat
signifikansi α sebesar 0.01, maka nilai probabilitas tersebut menunjukkan angka
yang lebih tinggi dan dapat disimpulkan bahwa model terbaik yang digunakan
dalam penelitian ini adalah Random Effect Model.
4.3.3 Uji Breusch & Pagan Lagrangian Multiplier
Menurut Gujarati & Porter (2009) menyatakan bahwa pengujian ini
dilakukan untuk membandingkan apabila hasil dari uji chow dan uji hausman
menunjukkan model yang berbeda. Dalam penelitian ini, uji Breusch & Pagan
Lagrangian Multiplier dilakukan untu membandingkan antara Random Effect
Model atau Fixed Effect Model dan mengetahui model yang terbaik digunakan
dalam penelitian ini. Hasil dari pengujian ini adalah:
Tabel 4-5 Hasil Uji Breusch & Pagan Lagrangian Multiplier
Prob > Chibar Signifikansi α
0.0000 0.01
Sumber: Hasil pengolahan data dengan Stata14
51
Berdasarkan pada hasil dari tabel diatas, dapat diketahui bahwa model ini
memiliki nilai probabilitas sebesar 0.0000. Jika dibandingkan dengan tingkat
signifikansi α sebesar 0.01, maka nilai probabilitas tersebut menunjukkan angka
yang lebih rendah dan dapat disimpulkan bahwa model terbaik yang digunakan
dalam penelitian ini adalah Random Effect Model.
4.4 Uji Asumsi Klasik
4.4.1 Uji Heteroskedastisitas
Menurut Gujarati & Porter (2009) pada hasil estimasi yang menggunakan
Random Effect Model merupakan estimasi dengan Generalized Least Square (GLS)
yaitu transformasi variabel sehingga memenuhi asumsi standar kuadrat terkecil, di
mana hasil estimasi dari GLS adalah homoskedastis, sehingga pada model ini dapat
dikatakan tidak terdapat masalah heteroskedastisitas yang berarti persebaran data
menjadi konstan atau tidak terdapat outlier pada data. Kemudian Wooldridge
(2012) menjelaskan Random Effect Model terbebas dari masalah asumsi klasik
lainnya, di mana pada model ini estimasi yang dihasilkan konsisten dan terdistribusi
dengan normal atau dapat dikatakan estimasi yang dihasilakn tidak bias.
52
4.4.2 Uji Autokorelasi
Menurut Gujarati & Porter (2015) pada hasil estimasi yang menggunakan
Random Effect Model tidak terdapat korelasi dari error secara individual dan tidak
terdapat autokorelasi antara data time series dan cross section. Lebih lanjut
Wooldridge (2012) menjelaskan pada model ini tidak terdapat korelasi antara error
term, yakni error term pada periode waktu tertentu tidak memiliki korelasi dengan
variabel yang ada pada periode waktu lain.
4.4.3 Uji Multikoliearitas
Multikolinearitas merupakan suatu keadaan yang menunjukkan adanya
hubungan linear atau saling keterkaitan diantara variabel-variabel independen
dalam model regresi. Suatu data dapat dikatakan memiliki masalah
multikolinearitas jika nilai korelasi antar variabel independennya lebih besar dari
0.8 (Gujarati, 2004). Hasil pengujian ini adalah sebagai berikut:
Tabel 4-6 Hasil Uji Multikolinearitas
TRDO lnINV lnMYS UNEMP
TRDO 1.0000
lnINV -0.0818 1.0000
lnMYS 0.1733 0.7777 1.0000
UNEMP -0.0493 0.2140 0.5104 1.0000
Sumber: Hasil pengolahan data dengan Stata14
53
Berdasarkan pada tabel 4-6 dapat diketahui nilai correlation matrix tidak
menunjukkan angka yang melebihi 0.8, sehingga dapat disimpulkan bahwa di
dalam model penelitian ini tidak terdapat masalah multikolinearitas.
4.5 Uji Statistik
4.5.1 Hasil Estimasi Random Effect Model
Tabel 4-7 Hasil Estimasi Random Effect Model
VAR lnGDPPC
TRDO 0.0021173***
(0.0003283)
lnINV 0.0830986***
(0.0109071)
lnMYS 0.7602932***
(0.1263623)
UNEMP -0.053586***
(0.0077276)
Konstanta 5.705394***
(0.2855619)
Observation
Number of Region
R-Square
187
11
0.4048
Standard errors in parentheses
*** p<0,01 ; ** p<0,05 ; * p<0,1
Sumber: Hasil pengolahan data dengan Stata14
54
Berdasarkan pada tabel 4-7 maka selanjutnya dapat dilakukan pengujian
signifikansi secara parsial dengan uji z, pengujian signifikansi secara simultan
dengan uji Wald Chi-Square, serta dilakukan pula analisis koefisien determinasi.
4.5.2 Uji Signifikansi Parsial
Berdasarkan pada hasil estimasi model Random Effect dengan
menggunakan software Stata14, pengujian signifikansi parsial dilakukan dengan
melakukan uji z untuk melihat pengaruh variabel independen secara parsial
terhadap variabel dependennya, dimana dalam model ini variabel dependen adalah
tingkat GDP per kapita. Hasil dari pengujian ini adalah sebagai berikut:
Tabel 4-8 Uji Signifikansi Parsial dengan Uji z
Variable Prob. z H0 Keterangan
TRDO 0.000 H0 ditolak Signifikansi pada α = 1%
lnINV 0.000 H0 ditolak Signifikansi pada α = 1%
lnMYS 0.000 H0 ditolak Signifikansi pada α = 1%
UNEMP 0.000 H0 ditolak Signifikansi pada α = 1%
Sumber: Hasil pengolahan data dengan Stata14
Berdasarkan tabel 4-8 dapat diketahui bahwa variabel keterbukaan
perdagangan (TRDO), variabel investasi modal fisik (lnINV), variabel rata-rata
lama sekolah (lnMYS), dan variabel tingkat pengangguran (UNEMP) secara parsial
mempengaruhi tingkat GDP per kapita pada tingkat signifikansi α = 1%.
55
4.5.3 Uji Signifikansi Simultan
Berdasarkan pada hasil estimasi model Random Effect dengan
menggunakan software Stata14, pengujian signifikansi simultan dilakukan dengan
melakukan uji Wald Chi-Square untuk melihat apakah semua variabel independen
secara parsial atau bersama-sama berpengaruh terhadap variabel dependen. Hasil
dari pengujian ini adalah sebagai berikut:
Tabel 4-9 Uji Signifikansi Simultan dengan Uji Wald Chi-Square
Prob > Chi-Square Signifikansi α
0.0000 0.01
Sumber: Hasil pengolahan data dengan Stata14
Berdasarkan pada hasil dari tabel 4-9 diatas, dapat diketahui bahwa model
ini memiliki nilai probabilitas sebesar 0.0000. Jika dibandingkan dengan tingkat
signifikansi α sebesar 0.01, maka nilai probabilitas tersebut menunjukkan angka
yang lebih kecil dan dapat disimpulkan bahwa variabel-variabel yang digunakan
dalam penelitian ini yang meliputi keterbukaan perdagangan, investasi modal fisik,
rata-rata lama sekolah, dan tingkat pengangguran secara bersama-sama
mempengaruhi variabel dependennya yaitu tingkat GDP per kapita.
56
4.5.4 Koefisien Determinasi (R2)
Menurut Wooldridge (2015), koefisien determinasi merupakan rasio yang
menunjukkan seberapa besar variasi dari variabel-variabel independen (X) yang
digunakan dalam penelitian dapat mempengaruhi dan menjelaskan variabel
dependennya (Y). Koefisien determinasi dapat dilihat pada nilai R2 (R-Square) yang
telah diuji sebelumnya pada tabel 4-7 adalah sebesar 0.4048. Hal ini menjelaskan
bahwa variasi dari variabel independen yang digunakan di dalam model penelitian
mampu menjelaskan dan mempengaruhi variabel dependen sebesar 40.48%.
Sedangkan sisanya 59.52% dijelaskan oleh variabel lain di luar model penelitian.
4.6 Analisis Ekonomi
4.6.1 Intersep
Berdasarkan tabel 4-7 pada hasil estimasi model penelitian, nilai intersep
yang dihasilkan adalah sebesar 5.705394. Hal ini menunjukkan bahwa tanpa
dipengaruhi variabel apapun di dalam model penelitian, tingkat pertumbuhan
ekonomi di negara ASEAN+3 pada periode 2001-2017 adalah sebesar 5.70%.
4.6.2 Pengaruh Keterbukaan Perdagangan terhadap Pertumbuhan
Ekonomi
Berdasarkan tabel 4-7 diketahui bahwa variabel keterbukaan perdagangan
memiliki pengaruh yang positif dan signifikan terhadap pertumbuhan ekonomi di
negara ASEAN+3 pada periode 2001-2017. Variabel ini mempunyai nilai koefisien
regresi sebesar 0.0021173.
57
Angka ini menunjukkan bahwa setiap terjadi peningkatan pada variabel
keterbukaan perdagangan sebesar 1 persen, maka akan meningkatkan tingkat GDP
per kapita sebesar 0.21%, cateris paribus.
Pengaruh positif antara keterbukaan perdagangan terhadap GDP per kapita
ini didukung oleh beberapa penelitian seperti yang dilakukan oleh Zeren (2013),
(Tahir & Khan, 2014). Penelitian ini juga sejalan dengan penelitian yang dilakukan
Tahir dan Azid (2015), Pradhan (2011), dan Karras (2003) yang juga menemukan
hasil bahwa keterbukaan perdagangan dapat meningkatkan pertumbuhan ekonomi.
Nilai koefisien ini tidak berbeda jauh dengan penelitian-penelitian yang
telah dilakukan, misalnya penelitian Georgios Karras (2003) berjudul “Trade
Openness and Economic Growth: Can We Estimate the Precise Effect?” yang
menunjukkan bahwa pengaruh keterbukaan perdagangan dapat meningkatkan
pertumbuhan ekonomi, dimana peningkatan 1% pada variabel keterbukaan
perdagangan akan meningkatkan variabel pertumbuhan ekonomi rata-rata sebesar
0,28%.
Keterbukaan perdagangan dapat mendorong perluasan pasar domestik ke
pasar internasional, meningkatkan daya saing produk lokal yang selanjutnya dapat
mendorong adanya inovasi baru untuk menghadapi persaingan yang lebih luas.
Keterbukaan perdagangan dapat menyerap perubahan teknologi dari negara maju
dengan didukung kualitas sumber daya manusia yang baik, yang kemudian
mempertinggi tingkat kemajuan teknologi yang selanjutnya meningkatkan
produktivitas dan pertumbuhan ekonomi.
58
4.6.3 Pengaruh Investasi Modal Fisik terhadap Pertumbuhan Ekonomi
Berdasarkan tabel 4-7 diketahui bahwa variabel investasi modal fisik
memiliki pengaruh yang positif dan signifikan terhadap pertumbuhan ekonomi di
negara ASEAN+3 pada periode 2001-2017. Variabel ini mempunyai nilai koefisien
regresi sebesar 0.0830986. Angka ini menunjukkan bahwa setiap terjadi
peningkatan pada variabel investasi modal fisik sebesar 1 persen, maka akan
meningkatkan tingkat GDP per kapita sebesar 0.083%, cateris paribus.
Hubungan positif antara investasi modal fisik terhadap pertumbuhn
ekonomi yang diproksikan melalui GDP per kapita ini didukung oleh beberapa
penelitian seperti yang dilakukan oleh Tahir (2014), dan Muhammad Tahir and
Toseef Azid (2015). Penelitian lain dilakukan oleh Meidani dan Maryam (2011)
menunjukkan pula bahwa investasi dalam modal fisik berpengaruh positif terhadap
pertumbuhan ekonomi. Menurut Sulistiawati (2012), pembangunan ekonomi
memerlukan dukungan investasi yang merupakan salah satu sumber utama
pertumbuhan ekonomi. Menurutnya, investasi dapat mendorong pertumbuhan
ekonomi melalui penyerapan tenaga kerja. Investasi di dalam modal fisik
memerlukan tenaga kerja untuk menjalankan suatu proses produksi. Hal ini akan
menurunkan angka pengangguran sehingga pendapatan masyarakat meningkat dan
kesejahteraan masyarakat pun ikut meningkat.
4.6.4 Pengaruh Rata-rata Lama Sekolah terhadap Pertumbuhan Ekonomi
Berdasarkan tabel 4-7 diketahui bahwa variabel rata-rata lama sekolah
memiliki pengaruh yang positif dan signifikan terhadap pertumbuhan ekonomi di
59
negara ASEAN+3 pada periode 2001-2017. Variabel ini mempunyai nilai koefisien
regresi sebesar 0.7602932. Angka ini menunjukkan bahwa setiap terjadi
peningkatan pada variabel rata-rata lama sekolah sebesar 1 persen, maka akan
meningkatkan tingkat GDP per kapita sebesar 0.76%, cateris paribus.
Hasil penelitian ini didukung oleh penelitian yang dilakukan Pradhan (2011)
bahwa pendidikan berpengaruh positif dan signifikan terhadap pertumbuhan
ekonomi. Dalam penelitiannya dijelaskan bahwa pendidikan penting untuk
menghasilkan tenaga kerja yang berkualitas tinggi. Proses produksi yang
menggunakan teknologi dalam pengembangannya akan meningkatkan permintaan
tenaga kerja yang berpendidikan lebih baik karena dalam penyerapan teknologi
memerlukan dukungan keterampilan, keahlian, dan pengetahuan yang cukup dari
pekerjanya yang selanjutnya hal ini dapat meningkatkan potensi pendapatan
individu yang lebih baik.
4.6.5 Pengaruh Tingkat Penganguran terhadap Pertumbuhan Ekonomi
Berdasarkan tabel 4-7 dapat diketahui bahwa variabel tingkat pengangguran
memiliki pengaruh yang negatif terhadap pertumbuhan GDP per kapita di negara
ASEAN+3 pada periode 2001-2017. Variabel ini mempunyai nilai koefisien regresi
sebesar -0.053586. Angka ini menunjukkan bahwa setiap terajadi peningkatan pada
variabel tingkat pengangguran sebesar 1 persen, maka akan menurunkan tingkat
GDP per kapita sebesar 5.36%, cateris paribus.
60
Hasil dari hubungan yang negatif antara tingkat pengangguran terhadap
GDP per kapita penelitian ini didukung oleh penelitian sebelumnya yang dilakukan
oleh Meidani dan Zabihi (2011) serta Cebula (2012). Hukum Okun menyatakan
adanya hubungan negatif yang linear antara pengangguran dengan pertumbuhan
ekonomi: 1% kenaikan tingkat pengangguran akan menyebabkan menurunnya
pertumbuhan ekonomi sebesar 2% atau lebih.
Tingkat pengangguran yang tinggi menjelaskan bahwa sumber daya tenaga
kerja tidak digunakan secara efisien. Pengangguran berarti suatu keadaan seseorang
akibat tidak adanya atau kehilangan suatu pekerjaan maka dirinya tidak melakukan
suatu produktivitas tertentu dan mengurangi pendapatan masyarakat sehingga
menyebabkan penurunan kemakmuran yang bisa dicapai karena harus mengurangi
pengeluaran konsumsinya. Hal ini dapat mengganggu kesehatan keluarganya, serta
kekacauan sosial tidak terhindarkan hingga menimbulkan efek buruk pada
kesejahteraan masyarakat dalam prospek pembangunan ekonomi dan selanjutnya
menurunkan pertumbuhan ekonomi.