analisis faktor yang mempengaruhi kondisi ekonomi propinsi di indonesia

Tugas Statistik Lanjutan – om 1

ANALISIS FAKTOR YANG MEMPENGARUHI KONDISI EKONOMI PROPINSI di INDONESIA

Oleh Oswar Mungkasa

1. Pendahuluan

Bergulirnya kebijakan otonomi daerah membawa banyak konsekuensi

pada daerah maupun pemerintah pusat. Berbagai hal diperbincangkan tetapi

yang menjadi fokus perhatian adalah kesiapan daerah, Pengetahuan yang benar

tentang kesiapan daerah akan membantu baik daerah maupun pemerintah pusat

dalam menelurkan kebijakan terutama berkaitan dengan pencegahan terjadinya

ketimpangan antardaerah. Jika tidak dilakukan intervensi kebijakan maka daerah

yang lebih siap akan jauh meninggalkan daerah yang relatif belum siap.

Salah satu faktor yang menjadi pertimbangan dalam melihat kesiapan

daerah adalah kondisi ekonomi daerah. Kondisi ekonomi daerah menjadi

mengemuka karena berkaitan dengan kemampuan darah membiayai

kebutuhannya. Daerah akan berusaha untuk memicu pertumbuhan ekonominya

dalam upaya memenuhi kebutuhan dananya sendiri. Kebutuhan dana tersebut

hanya dapat terpenuhi jika pemerintah daerah dapat memenuhi tingkat

pertumbuhan ekonomi tertentu.

Diketahui bahwa kondisi ekonomi dipengaruhi oleh beragam faktor baik

ekonomi, sosial, dan geografis. Diantara berbagai faktor tersebut tentunya tidak

seluruhnya mempunyai pengaruh yang signifikan terhadap kondisi ekonomi

suatu daerah. Beberapa yang signifikan misalnya jumlah penduduk, tingkat

investasi, faktor lokasi yang dapat memberi keuntungan komparatif, tingkat

pengangguran, jumlah penduduk miskin, ketersediaan infrastruktur, dan adanya

pusat-pusat pertumbuhan.

Keterbatasan data dan waktu yang tersedia serta menghindari

kompleksitas masalah maka dalam makalah ini kondisi ekonomi daerah


ditentukan berdasarkan data Produk Domestik Regional Bruto1. Sementara

variabel yang akan dibahas pengaruhnya adalah proporsi penduduk miskin,

keberadaan pusat pertumbuhan, dan lokasi daerah. Dalam mencari hubungan

antara kondisi daerah dengan variabel berpengaruh di atas, maka dipergunakan

alat analisis Metode Regresi Logistik Multinomial. Untuk mempermudah proses

analisis maka dipergunakan bantuan program SPSS versi 10.0.1

Makalah ini secara singkat akan membahas beberapa hal yaitu (i) model

regresi logistik multinomial dari data yang ada; (ii) uji signifikansi model secara

keseluruhan; (iii) uji signifikansi setiap variabel bebas; (iv) ‘adjusted probability’

untuk setiap kategori variabel bebas; (v) tabel analisis klasifikasi ganda; (vi)

interpretasi hasil analisis logistik multinomial. Untuk kemudian diakhir makalah

akan dijelaskan kesimpulan tentang signifikansi pengaruh variabel bebas

terhadap kondisi ekonomi daerah. Beberapa rekomendasi juga akan menyertai

kesimpulan tersebut.

2. Model Regresi Logistik Multinomial (MRLM)

2.1 Definisi dan Kegunaan

Model Regresi Logistik Multinomial merupakan suatu perluasan dari model

regresi logistik biner. Model digunakan untuk menggambarkan hubungan antara

suatu variabel respon yang bersifat multi kategorik dengan suatu himpunan

variabel bebas.

2.2 Model Statistik

Sebagaimana dijelaskan sebelumnya bahwa model ini merupakan

perluasan dari model regresi logistik biner, maka untuk memudahkan pada tabel

berikut disajikan perbedaan diantara kedua model.

1 Produk Domestik Regional Bruto adalah keseluruhan nilai produksi dari suatu daerah pada kurun waktu

tertentu.


Tabel 1 Perbedaan Model Regresi Logistik Biner dan Model Regresi Logistik Multinomial

Model Regresi Logistik Model Regresi Logistik Multinomial

a. Variabel respon terdiri dari maksimal dua kategori

b. Misal Y suatu variabel respon yang

mempunyai kategori yang saling exclusive dan exhaustive: 0, 1, 2, …..J. Maka Y=1 versus Y=0

c. Hanya terdapat satu model regresi

Logistik yaitu: Ln p/(1-p) = a + b1X1 + b2X2 + ….

a. Variabel respon terdiri dari minimal tiga kategori

b. Misal Y suatu variabel respon yang

mempunyai kategori yang saling exclusive dan exhaustive: 0, 1, 2, …..J. Maka Y=j versus Y=0; j= 1,2,…J. Y=0 merupakan acuan

c. Dengan variabel respon J kategori,

maka terdapat J-1 model yaitu: Ln p1/p3 = a1 + b11X1 + b12X2 + … Ln p2/p3 = a2 + b21X1 + b22X2 + … p1 + p2 + p3 = 1

Sumber: Diktat Kuliah Statistik Lanjutan Semester Ganjil Tahun 2000/01, Fakultas Pasca Sarjana Bidang Ilmu Ekonomi Universitas Indonesia.

Beberapa hal penting yang perlu dicermati adalah (a) pada model RLM, salah

satu kategori harus menjadi referensi bagi kedua kategori lainnya. Pada tabel diatas

maka yang menjadi referensi adalah p3; (b) kategori yang menjadi referensi harus

merupakan kategori yang lebih banyak observasinya dibanding kategori lainnya.

Hasilnya tidak akan berubah dengan beragamnya pilihan kategori referensi; (c)

persamaan yang terbentuk selalu kurang satu dari jumlah variabel bebas.

Tujuan dari analisis adalah untuk mengukur nilai dari a1, a2, b11, b12, b21, b22

dan seterusnya.

2.3 Interpretasi Model

Secara garis besar, langkah-langkah yang harus dipenuhi dalam penyelesaian

analisis RLM adalah (a) Penentuan variabel respon (tidak bebas) dan variabel bebas.

Variabel bebas dapat terdiri dari variabel kategorik dan/atau numerik; (b) Penjabaran

definisi operasional, yang merupakan penjelasan tentang masing-masing variabel

sedetail mungkin; (c) Penentuan Model Umum; (d) Penetapan hipotesis, yang

merupakan pernyataan yang akan diuji melalui model; (e) Analisis, baik menggunakan


bantuan program komputer maupun manual. Pada intinya ingin mendapatkan model

yang sebenarnya, yang kemudian diuji signifikansinya, serta dilakukan interpretasi

terhadap hasil analisis; (f) kesimpulan.

2.4 Konsep Penting

2.4.1 Tabel Silang

Tabel silang digunakan untuk memudahkan melihat keterkaitan antara variabel

respon dan variabel bebas. Contoh tabel silang sebagai berikut.

Tabel 2 Contoh Perhitungan Tabel Silang (2x3)

Variabel Respon

Kategori 1 Kategori 2 Kategori 3 Total

Variabel Kategori 1

Bebas Observasi A B C G (=A+B+C)

Proporsi terhadap var. bebas (A)/(G)*100 (B)/(G)*100 (C)/(G)*100 100%

Proporsi terhadap var. respon (A)/(I)*100 (B)/(J)*100 (C)/(K)*100 (G)/(L)*100

Kategori 2

Observasi D E F H (=D+E+F)

Proporsi terhadap var. bebas (D)/(H)*100 (E)/(H)*100 (F)/(H)*100 100%

Proporsi terhadap var. respon (D)/(I)*100 (E)/(J)*100 (F)/(K)*100 (H)/(L)*100

Total Observasi I (=A+D) J (=B+E) K (=C+F) L (=G+H) atau

Proporsi terhadap var. bebas (I)/(L)*100 (J)/(L)*100 (K)/(L)*100 100%

Proporsi terhadap var. respon 100% 100% 100% 100%

Keterangan: variabel respon 3 kategori dan variabel bebas 2 kategori

2.4.2 Probabilitas yang disesuaikan (Adjusted Probability)

Probabilitas yang disesuaikan (Adjusted Probability) adalah probabilitas setelah

memperhitungkan faktor-faktor lain. Adapun rumusannya adalah sebagai berikut:

E1 E2

P1 = ---------------------; P2 = ---------------------; P3 = 1 – (P1 + P2)

1 + E1 + E2 1 + E1 + E2


dengan Pn : probabilitas dari variabel respon kategori ke n

E1 = Exp (a1 + b11 X1 + b12 X2 + b13 X3)

E2 = Exp (a2 + b21 X1 + b22 X2 + b23 X3)

2.4.2 Analisis Klasifikasi Ganda (Multiple Classification Analysis)

Tabel Klasifikasi Ganda (Multiple Classification Analysis/MCA) adalah tabel yang

dipergunakan untuk memudahkan mengambil kesimpulan terhadap hasil analisis. Tabel

MCA berisi data estimasi parameter (B), rasio kecenderungan (odd rato), dan nilai

kesalahan baku (signifikansi) dari hubungan antara variabel respon dan variabel bebas.

Contoh tabel MCA sebagai berikut.

Tabel 3. Contoh Tabel MCA

Variabel

Respon (P)

P1 vs P3 P2 vs P3 P1 vs P2

B exp (B) Sig. B exp (B) Sig. B exp (B) Sig.

Var. Bebas X

X1 - 1 - - 1 - 1

X2 b11 exp (b11) b21 exp (b21) b11-b21 exp (b21)

X3 b12 exp (b12) b22 exp (b22) b12-b22 exp (b22)

Var. Bebas Y b13 exp (b13) b23 exp (b23) b13-b23 exp (b23)

var. Bebas Z b14 exp (b14) b24 exp (b24) b14-b24 exp (b24)

Intercept a1 - a2 - a1-a2 -

Catatan: Variabel kategorik adalah X dan Variabel numerik adalah Y dan Z

exp (B) = odd ratio sig.= signifikansi

Rumus tabel diatas adalah :

Ln (P1/P3) = a1 + b11 X2 + b12 X3 + b13 Y + b14 Z

Ln (P2/P3) = a2 + b21 X2 + b22 X3 + b23 Y + b24 Z


3. Analisis Pengaruh Variabel Bebas terhadap Kondisi Ekonomi Propinsi

3.1 Penetapan Variabel

Dalam menentukan kondisi ekonomi suatu daerah maka sebagaimana

dijelaskan terdahulu bahwa PDRB merupakan salah satu variabel yang sering

dijadikan faktor penentu kondisi ekonomi daerah. Data PDRB yang dipergunakan

adalah PDRB non-migas per kapita dengan pertimbangan bahwa PDRB migas

hanya mencakup beberapa propinsi penghasil minyak saja. Secara umum kondisi

daerah dikategorikan berdasar dua hal:

a. Pendapatan per kapita

Secara sederhana pendapatan per kapita didekati dengan menggunakan

data PDRB non migas per kapita.

b. Pertumbuhan ekonomi daerah

Studi yang dilakukan oleh Elia Radianto (1997), menyatakan bahwa

tingkat pertumbuhan ekonomi daerah mempunyai pengaruh yang cukup

kuat terhadap kemampuan keuangan daerah. Pertumbuhan ekonomi

propinsi didapatkan dari laju pertumbuhan PDRB non-migas.

Kedua faktor di atas disilangkan dalam sebuah matriks 2x2 (lihat Tabel 4).

Dengan melakukan modifikasi terhadap Metode Klassen2 (Lihat lampiran A)

maka kondisi ekonomi propinsi dapat diklasifikasikan menjadi tiga yaitu (i) maju,

(ii) berkembang, yang merupakan gabungan dari klasifikasi (b) dan (c) Klassen;

dan (iii) tertinggal. Selengkapnya lihat Tabel 4.

2 Sjafrizal. Pertumbuhan ekonomi dan Ketimpangan Regional Wilayah Indonesia Bagian Barat. Prisma No. 3

Tahun XXVI (Maret 1997).


Tabel 4 Klasifikasi Kondisi Ekonomi Propinsi (Variabel Respon)

(Modifikasi Tipologi Klassen)

PDRB per kapita (y) Laju Pertumbuhan ( r)

yI > y

yi < y

ri > r Daerah maju Daerah berkembang

ri < r Daerah berkembang Daerah tertinggal

dengan: ri = laju pertumbuhan PDRB di daerah i; r = laju pertumbuhan PDRB total yi = pendapatan per kapita daerah i; y = pendapatan per kapita rata-rata

Disadari bahwa faktor yang berpengaruh terhadap kondisi perekonomian

suatu daerah akan sangat beragam, dan akan menjadi bahan perbincangan yang

berkepanjangan. Mengingat keterbatasan data dan maksud penyusunan makalah

ini sendiri, maka variabel bebas yang dipilih adalah yang datanya tersedia dan

mudah diakses. Dari beberapa variabel yang ditengarai mempunyai pengaruh

maka dipilih variabel proporsi penduduk miskin, lokasi daerah, keberadaan pusat

pertumbuhan sebagai variabel bebas.

Intuisi yang mendasari pemilihan ketiga variabel tersebut selain

pertimbangan praktis adalah:

a. Proporsi penduduk miskin

Secara umum dapat dikatakan bahwa kondisi ekonomi suatu daerah

dipengaruhi oleh tingkat produktifitas daerah tersebut. Proporsi jumlah

penduduk miskin tentunya berpengaruh terhadap produktifitas daerah

tersebut berdasar asumsi produktifitas penduduk miskin yang rendah.

b. Lokasi daerah

Disepakati bahwa lokasi menjadi salah satu faktor yang berperan pada

keunggulan komparatif suatu daerah. Hal ini terjadi karena secara alamiah


beberapa daerah berada pada lokasi yang tidak menguntungkan secara

ekonomis seperti terpencil, daerah bencana, kurang subur dan lainnya.

Kondisi ini kemudian menghasilkan tumbuhnya pengelompokan kegiatan

pada daerah tertentu saja. Pada makalah ini, variabel lokasi

diklasifikasikan kedalam dikotomi Jawa-Bali dan luar Jawa-Bali.

c. Pusat pertumbuhan

Walaupun masih menjadi perdebatan panjang dikalangan ahli ekonomi

wilayah, tetapi dipercayai oleh sebagian besar para ahli bahwa

pertumbuhan suatu daerah banyak tergantung pada adanya suatu pusat

pertumbuhan di daerah tersebut. Pusat pertumbuhan dapat berupa

kawasan industri, metropolitan, pusat bisnis dan lainnya. Pada intinya

pusat pertumbuhan adalah daerah yang mempunyai intensitas kegiatan

yang sangat tinggi dan diharapkan akan memberi efek penjalaran

pertumbuhan ke daerah sekitarnya. Kesulitan mendapatkan data

pengelompokan kegiatan yang menjadi pusat pertumbuhan, menjadikan

keberadaan metropolitan di suatu propinsi dijadikan representasi pusat

pertumbuhan di daerah tersebut.

3.2 Definisi Operasional

Variabel respon yaitu kondisi daerah diklasifikasikan dalam tiga kategori

yaitu daerah maju, daerah berkembang, dan daerah tertinggal. Sementara

variabel bebas terdiri dari dua variabel kategorik yaitu (a) variabel lokasi daerah,

yang diklasifikasikan sesuai dengan dikotomi daerah yaitu Jawa-Bali dan Luar

Jawa-Bali; (b) variabel keberadaan pusat pertumbuhan yang dikategorikan dalam

dua klasifikasi yaitu propinsi yang mempunyai kota metropolitan, dan yang tidak

mempunyai kota metropolitan; dan satu variabel bebas numerik yaitu proporsi

penduduk miskin yang dikategorikan dalam tiga klasifikasi yaitu daerah dengan

banyak penduduk miskin (Banyak), daerah relatif sedikit penduduk miskin

(moderat), daerah dengan sedikit sekali penduduk miskin (sedikit).


3.2.1 Kondisi Perekonomian Propinsi

Sebagaimana dijelaskan terdahulu bahwa kondisi perekonomian propinsi

diklasifikasikan berdasarkan pendapatan per kapita dan laju pertumbuhan

perekonomian pada setiap propinsi.

Klasifikasi propinsi terdiri dari tiga yaitu (I) daerah maju, yaitu daerah

dengan tingkat pendapatan per kapita di atas rata-rata pendapatan per kapita

nasional dan laju pertumbuhan perekonomian di atas laju pertumbuhan rata-rata

nasional; (ii) daerah berkembang, yaitu daerah dengan tingkat pendapatan per

kapita di atas rata-rata pendapatan per kapita nasional dan laju pertumbuhan

perekonomian di bawah laju pertumbuhan rata-rata nasional atau daerah dengan

tingkat pendapatan per kapita di bawah rata-rata pendapatan per kapita nasional

dan laju pertumbuhan perekonomian di atas laju pertumbuhan rata-rata

nasional; (iii) daerah tertinggal, yaitu daerah dengan tingkat pendapatan per

kapita di bawah rata-rata pendapatan per kapita nasional dan laju pertumbuhan

perekonomian di bawah laju pertumbuhan rata-rata nasional (lihat Tabel 5)

Tabel 5 Klasifikasi Kondisi Ekonomi Propinsi (Variabel Respon)

PDRB per kapita (y) ( r) Laju Pertumbuhan

yI > y yi =pendapatan per kapita

daerah i

yi < y y = pendapatan per

kapita rata-rata

ri > r ri =laju pertumbuhan

PDRB daerah i

Daerah maju Sumut; Riau; DKI Jakarta;

Bali; Kalteng; Kaltim; Kalsel; Irja

Daerah berkembang Sumbar; Jabar; DIY;

Kalbar

ri < r r = laju pertumbuhan

PDRB total

Daerah berkembang Daerah tertinggal Aceh;Jambi; Bengkulu;

Sumsel; Lampung; Jateng; Jatim; Sulut;

Sulteng; Sultra; Sulsel; NTB; NTT; Maluku


Data-data selengkapnya tentang kondisi perekonomian propinsi dapat

dilihat pada Lampiran A.1.

3.2.2 Proporsi Penduduk Miskin

Proporsi penduduk miskin adalah proporsi jumlah penduduk miskin suatu

propinsi terhadap jumlah total penduduk propinsi tersebut. Berdasar pada hasil

perhitungan, diketahui bahwa jumlah propinsi dengan banyak penduduk miskin

dan jumlah propinsi dengan jumlah penduduk miskin yang relatif sedikit adalah

relatif berimbang. Lihat Tabel 6 dan Tabel 7

Tabel 6

Klasifikasi Propinsi berdasar Proporsi Penduduk Miskin

Klasifikasi Propinsi Penduduk Miskin

Banyak Jateng; Jatim; Kalbar; Kalteng; Kalsel

(9) Kalteng; Kalsel; NTB; NTT; Maluku; Irja

Moderat Aceh; Sumut; Sumsel; Bengkulu; Lampung;

(9) Jabar; DIY; Kaltim; Sulut

Sedikit Sumbar; Riau; Jambi; DKI ; Bali;

(8) Sulteng; Sulsel; Sultra; Sumber: Lampiran A-2

3.2.3 Lokasi

Lokasi diklasifikasikan dalam dua kategori yaitu (I) Jawa-Bali; dan (ii) Luar

Jawa-Bali. Kategori Jawa-Bali adalah propinsi yang berlokasi di pulau Jawa dan

Bali, dan terdiri dari 6 propinsi yaitu DKI; Jawa Barat; Jawa Tengah; DI

Yogyakarta; Jawa Timur dan Bali. Kategori Luar Jawa-Bali adalah propinsi yang

berlokasi bukan di pulau Jawa dan Bali, yang terdiri dari 20 propinsi.

Selengkapnya lihat Lampiran A-1.


Tabel 7

Tabel Silang Proporsi Penduduk Miskin dan Peringkat Propinsi

Peringkat propinsi

Total

maju berkembang tertinggal

Proporsi banyak Jumlah 5 1 3 9

Penduduk Miskin

% proporsi penduduk

miskin

55.6% 11.1% 33.3% 100.0%

% within Peringkat propinsi

35.7% 25.0% 37.5% 34.6%

Mod. Jumlah 5 2 2 9

% proporsi penduduk

miskin

55.6% 22.2% 22.2% 100.0%

% Peringkat propinsi

35.7% 50.0% 25.0% 34.6%

sedikit Jumlah 4 1 3 8

% proporsi penduduk

miskin

50.0% 12.5% 37.5% 100.0%


28.6% 25.0% 37.5% 30.8%

Total Jumlah 14 4 8 26

% proporsi penduduk

miskin

53.8% 15.4% 30.8% 100.0%


100.0% 100.0% 100.0% 100.0%

Sumber: Lampiran B

3.2.4 Pusat Pertumbuhan

Sebagaimana dijelaskan terdahulu maka variabel pusat pertumbuhan

diklasifikasikan dalam dua kategori yaitu (I) propinsi yang mempunyai

metropolitan; dan (ii) propinsi yang tidak mempunyai metropolitan.

Metropolitan adalah kota yang berpenduduk minimal 1 juta orang.

Berdasar kriteria ini maka terdapat 7 propinsi yang mempunyai metropolitan


adalah Sumatera Utara (Medan); Sumatera Selatan (Palembang); DKI Jakarta

(Jakarta); Jawa Barat (Bandung); Jawa tengah (Semarang); Jawa Timur

(Surabaya); Sulawesi Selatan (Makasar).

Tabel 8

Tabel Silang Lokasi Propinsi * Peringkat Propinsi

Peringkat propinsi

Total

Maju Berkembang Tertinggal

Lokasi Propinsi

Luar Jawa-Bali

Jumlah 12 2 6 20

% Lokasi Propinsi

60.0% 10.0% 30.0% 100.0%


85.7% 50.0% 75.0% 76.9%

Jawa-Bali Jumlah 2 2 2 6

% Lokasi Propinsi

33.3% 33.3% 33.3% 100.0%


14.3% 50.0% 25.0% 23.1%


% Lokasi Propinsi

53.8% 15.4% 30.8% 100.0%


100.0% 100.0% 100.0% 100.0%

Sumber : Lampiran B


Tabel 9

Tabel Silang Keberadaan Kota Metropolitan dan Peringkat Propinsi

Peringkat Propinsi

Total

Maju Berkembang Tertinggal

Keberadaan Kota

Metropolitan

tidak ada kota

metropolitan

Jumlah 10 3 6 19

% Keberadaan Kota

Metropolitan

52.6% 15.8% 31.6% 100.0%


71.4% 75.0% 75.0% 73.1%

ada kota metropolitan

Jumlah 4 1 2 7

% Keberadaan Kota

Metropolitan

57.1% 14.3% 28.6% 100.0%


28.6% 25.0% 25.0% 26.9%


% Keberadaan Kota

Metropolitan

53.8% 15.4% 30.8% 100.0%


100.0% 100.0% 100.0% 100.0%

Sumber : Lampiran B

3.2.5 Hipotesa

Hipotesa yang ditetapkan adalah bahwa proporsi penduduk miskin,

faktorlokasi dan keberadaan metropolitan dalam suatu propinsi mempunyai

pengaruh terhadap kondisi perekonomian propinsi.

3.2.6 Model Regresi Logistik Multinomial dan Uji Signifikansi

Berdasarkan hasil perhitungan dengan menggunakan program SPSS/PC

maka didapatkan model regresi multinomial sebagai berikut:


Model Umum:

Ln (P3/P1) = a3 + b31*JMLMSK + b32*ADAMETRO1 + b33 *LOKASI1

Ln (P2/P1) = a2 + b21*JMLMSK + b22*ADAMETRO1 + b23 *LOKASI1

P3 = daerah maju; P2 = daerah berkembang; P1 = daerah tertinggal JMLMSK = proporsi penduduk miskin

ADAMETRO = keberadaan metropolitan (1 jika tidak ada; dan 2 jika ada) LOKASI = lokasi propinsi (1 jika luar Jawa dan Bali dan 2 jika Jawa dan Bali)

Model Keseluruhan:

Model 1: Ln (P3/P1) = -3.855 + 1.71 E.06*JMLMSK + 0.75*ADAMETRO1 + 3.169*LOKASI1

Model 2

Ln (P2/P1) = -20.124 + 5.558 E.06*JMLMSK + 18.994*ADAMETRO1 - 2.279*LOKASI1

Uji Signifikansi Model Keseluruhan

Model umum mempunyai nilai Sig. 0.118. Dengan menetapkan = 0.25, maka model ini dianggap baik (nilai 0.118 < 0.250). Hasil Analisis selengkapnya pada Lampiran C

Model Proporsi Penduduk Miskin:

Model Umum 1: Ln (P3/P1) = a3 + b31*JMLMSK

Model 1: Ln (P3/P1) = -3.130 E.02 + 1.054 E.06*JMLMSK

(0.376)

Model Umum 2: Ln (P2/P1) = a2 + b21*JMLMSK

Model 2: Ln (P2/P1) = -1.51 + 1.25 E.06*JMLMSK (0.306)


Uji Signifikansi Proporsi Penduduk Miskin

Model 1:

Model mempunyai nilai Sig. 0.376. Dengan menetapkan = 0.25, maka model

ini dianggap kurang baik (nilai 0.376 > 0.250). Hasil Analisis selengkapnya pada Lampiran C. Exp(B) = 1

Walaupun tidak signifikan, tetapi dengan nilai Exp (B) = 1 maka dapat diartikan bahwa proporsi penduduk miskin mempunyai risiko yang sama terhadap kondisi ekonomi baik dan kondisi ekonomi tertinggal.

Model 2: Model mempunyai nilai Sig. 0.306. Dengan menetapkan = 0.25, maka model


Walaupun tidak signifikan, tetapi dengan nilai Exp (B) = 1 maka dapat diartikan bahwa proporsi penduduk miskin mempunyai risiko yang sama terhadap kondisi ekonomi berkembang dan kondisi ekonomi tertinggal.

Pengaruh proporsi penduduk miskin terhadap kondisi perekonomian tidak

signifikan.

Model Pusat Pertumbuhan:

Model Umum 1: Ln (P3/P1) = a3 + b31*ADAMETRO1

Model 1: Ln (P3/P1) = 0.693 - 0.182*ADAMETRO1

(0.857)

Model Umum 2: Ln (P2/P1) = a2 + b21*ADAMETRO1

Model 2: Ln (P2/P1) = -0.693 + 4.306 E.16*ADAMETRO1 (1.0)


Uji Signifikansi Pusat Pertumbuhan

Model 1: Model mempunyai nilai Sig. 0.857. Dengan menetapkan = 0.25, maka model

ini dianggap kurang baik (nilai 0.857 > 0.250). Hasil Analisis selengkapnya pada Lampiran C. Exp(B) = 0.833

Walaupun tidak signifikan, tetapi dapat dikatakan bahwa dengan tidak adanya metropolitan maka risiko kondisi ekonomi propinsi baik menjadi mengecil dibandingkan kondisi ekonomi propinsi menjadi tertinggal.

Model 2:

Model mempunyai nilai Sig. 1.00. Dengan menetapkan = 0.25, maka model ini dianggap kurang baik (nilai 1.00 > 0.250). Hasil Analisis selengkapnya pada Lampiran C. Exp(B) = 1 Walaupun tidak signifikan, tetapi dengan nilai Exp (B) = 1 maka dapat

diartikan tidak adanya metropolitan bahwa mempunyai risiko yang sama terhadap kondisi ekonomi berkembang dan kondisi ekonomi tertinggal.

Pengaruh Keberadaan metropolitan terhadap kondisi perekonomian tidak signifikan.

Model Lokasi:

Model Umum 1: Ln (P3/P1) = a3 + b31*LOKASI1

Model 1: Ln (P3/P1) = 5,003 E.16 + 0,693*LOKASI1

(0.535)

Model Umum 2: Ln (P2/P1) = a2 + b21*LOKASI1

Model 2: Ln (P2/P1) = 7.465 E.16 - 1.099*LOKASI1 (0.395)


Uji Signifikansi Lokasi

Model 1:

Model mempunyai nilai Sig. 0.535. Dengan menetapkan = 0.25, maka model


Walaupun tidak signifikan, tetapi dapat dikatakan bahwa daerah berlokasi luar Jawa dan Bali kecenderungan mempunyai kondisi ekonomi propinsi baik dibanding kondisi ekonomi tertinggal sebanyak dua kali.

Model 2: Model mempunyai nilai Sig. 1.00. Dengan menetapkan = 0.25, maka model ini

dianggap kurang baik (nilai 1.00 > 0.250). Hasil Analisis selengkapnya pada Lampiran C. Exp(B) = 0,33

Walaupun tidak signifikan, tetapi dapat dikatakan bahwa daerah berlokasi luar Jawa dan Bali cenderung mempunyai kondisi ekonomi berkembang 0,33 kali lebih rendah dari kondisi ekonomi tertinggal.

Pengaruh Keberadaan metropolitan terhadap kondisi perekonomian tidak

signifikan.

Goodness of Fit

Model Proporsi Penduduk Miskin:

Model mempunyai nilai Sig. 0.25. Dengan menetapkan = 0.25, maka model ini dianggap baik (nilai 0.25 = 0.250). Hasil Analisis selengkapnya pada Lampiran C. Model Pusat Pertumbuhan:

Model mempunyai nilai Sig. 0,979. Dengan menetapkan = 0.25, maka model

ini dianggap kurang baik (nilai 0,979 > 0.250). Hasil Analisis selengkapnya pada Lampiran C.


Goodness of Fit

Model Lokasi: Model mempunyai nilai Sig. 0.356. Dengan menetapkan = 0.25, maka model

ini dianggap tidak baik (nilai 0.356 > 0.250). Hasil Analisis selengkapnya pada Lampiran C.

3.2.7 Probabilitas yang disesuaikan (Adjusted Probability)

Formula probabilitas yang disesuaikan adalah sebagai berikut

E1 E2

P1 = ---------------------; P2 = ---------------------; P3 = 1 – (P1 + P2)

1 + E1 + E2 1 + E1 + E2

dengan Pn : probabilitas dari variabel respon kategori ke n

E1 = Exp (a1 + b11 X1 + b12 X2 + b13 X3)

E2 = Exp (a2 + b21 X1 + b22 X2 + b23 X3)

A. Proporsi Penduduk Miskin P3 (JMLMSK) = probabilitas daerah yang mempunyai penduduk miskin merupakan daerah maju E3 P3 (JMLMSK = 853192) = ------------------ 1+ E3 + E2 E3 = exp (-3,855 + 1,710 E.06*853192 + 0,75*0,731 + 3,169*0,769) = 48,048 E2 = exp (-20,124 + 5,558 E.06*853192+ 18,994*0,731 – 2,279*0,769) = 0,039


P3 = 48,048/(1+48,048+0,039) = 0,979 P2 (JMLMSK) = probabilitas daerah yang mempunyai penduduk miskin merupakan daerah berkembang E2 P2 (JMLMSK = 853192) = ------------------ 1+ E3 + E2 P2 (JMLMSK = 853192) = 0,039/(1+48,048+0,039) = 0,00079 P1 (JMLMSK= 853192) = probabilitas daerah yang mempunyai penduduk miskin yang merupakan daerah tertinggal P1 = 1 – (P2 + P3) = 0,02021

B. Pusat Pertumbuhan P3 (ADAMETRO1) = probabilitas daerah yang tidak mempunyai metropolitan yang merupakan daerah maju E3 P3 (ADAMETRO1) = ------------------ 1+ E3 + E2 E3 (ADAMETRO1) = exp (-3,855 + 1,710 E.06*853192 + 0,75*1 + 3,169*0,769) = 2,206 E2 (ADAMETRO1) = exp (-20,124 + 5,558 E.06*853192+ 18,994*1 – 2,279*0,769) = 6,418 P3 (ADAMETRO1) = 2,206/(1+2,206+6,418) = 0,229 P2 (ADAMETRO1) = probabilitas daerah yang tidak mempunyai metropolitan yang merupakan daerah berkembang E2 P2 (ADAMETRO1) = ------------------ 1+ E3 + E2 P2 (ADAMETRO1) = 6,418/(1+2,206+6,418) = 0,667


P1 (ADAMETRO1) = probabilitas daerah yang tidak mempunyai metropolitan yang merupakan daerah tertinggal P1 = 1 – (P2 + P3) = 0,104

C. Lokasi P3 (LOKASI1) = probabilitas daerah luar Jawa-Bali yang merupakan daerah maju E3 P3 (LOKASI1) = ------------------ 1+ E3 + E2 E3 (LOKASI1) = exp (-3,855 + 1,710 E.06*853192 + 0,75*0,731 + 3,169*1) = 3,748 E2 (LOKASI1) = exp (-20,124 + 5,558 E.06*853192+ 18,994*0,731 – 2,279*1) = 0,2236 P3 (LOKASI1) = 3,748/(1+3,748+0,2236) = 0,754 P2 (LOKASI1) = probabilitas daerah luar Jawa-Bali yang merupakan daerah berkembang E2 P2 (LOKASI1) = ------------------ 1+ E3 + E2 P2 (LOKASI1) = 0,2236/(1+0,2236+3,748) = 0,045 P1 (LOKASI1) = probabilitas daerah luar Jawa-Bali yang merupakan daerah tertinggal

P1 (LOKASI1) = 1 – (P2 + P3) = 0,201


3.2.8 Analisis Klasifikasi Ganda (Multiple Classification Analysis) Berdasar hasil analisis (selengkapnya lihat Lampiran C), maka dapat disiusun Tabel MCA sebagai berikut:

Tabel 10

Estimasi Parameter (B), Kesalahan Baku (sign) dan Rasio Kecenderungan Model Regresi Logistik Multinomial Faktor yang Mempengaruhi

Kondisi Ekonomi Propinsi Tahun 1997

Daerah Maju vs Daerah Daerah Berkembang vs Daerah Tertinggal Kovariat Daerah Tertinggal

B Exp (B) Sign. B Exp (B) Sign.

Proporsi Penduduk 1,71 E.-0,6 1 0,161 5,558 E 06 1 0,12 Miskin

Pusat Pertumbuhan

- Tidak ada metropolitan

0,75 2,118 0,629 18,994 1,77 E. 08 0,165

- Ada Metropolitan - - - - - -

Lokasi

- Luar Jawa-Bali 3,169 23,773 0,361 -2,279 0,102 -2,67

- Jawa-Bali - - - - - -

Sumber : Lampiran C

4. Kesimpulan

Berdasar hasil analisis di atas maka diperoleh beberapa kesimpulan

sebagai berikut:

a. Model keseluruhan menunjukkan angka signifikansi yang dapat diterima

pada = 0.25. Tetapi berdasar pada uji signifikansi untuk masing-masing

variabel bebas, terlihat bahwa proporsi penduduk miskin, keberadaan

metropolitan, dan lokasi propinsi tidak mempunyai pengaruh yang

signifikan terhadap kondisi perekonomian propinsi. Hipotesa ditolak.

b. Secara teoritis, ketiga faktor tersebut mempunyai pengaruh terhadap

kondisi perekonomian suatu daerah, dan hal ini bertentangan dengan


hasil analisis di atas. Kemungkinan bahwa lingkup kajian yang merupakan

propinsi relatif terlalu besar sehingga pengaruh faktor tersebut menjadi

tidak terlihat. Sebagai ilustrasi, walaupun terdapat metropolitan di suatu

propinsi tetapi kemungkinan pengaruhnya tidak signifikan terhadap

perekonomian propinsi tersebut. Hal ini dapat terjadi karena luas dan

besarnya cakupan propinsi, sementara metropolitan yang ada hanya satu

pada setiap propinsi. Kasus Jakarta hasilnya akan signifikan karena

Jakarta mencakup keseluruhan daerah DKI Jakarta. Hasilnya kemungkinan

berbeda jika lingkup kajian adalah kabupaten/kota


DAFTAR PUSTAKA 1. Agung, I Gusti Ngurah. Metode Penelitian Sosial. Pengertian dan

Pemakaian Praktis Jilid 2. Jakarta, Gramedia, 1998. 2. Badan Perencanaan Pembangunan Nasional. Pembangunan Daerah dalam

Angka 1999. 3. Sjafrizal. Pertumbuhan Ekonomi dan Ketimpangan Regional Wilayah

Indonesia Bagian Barat. Prisma No. 3 Tahun XXVI Maret 1997.

analisis faktor yang mempengaruhi kondisi ekonomi propinsi di indonesia

Documents