pendekatan model shift-share spasial dinamis dalam...

FORUM KEUANGAN DAN BISNIS INDONESIA (FKBI), 6 , 2017, 389-410

389 | Forum Keuangan dan Bisnis Indonesia (FKBI) | VI | 2017

FORUM KEUANGAN DAN BISNIS INDONESIA (FKBI)

When Fintech Meets Accounting : Opportunity and Risk

ISBN 978-602-17225-7-2. http://fkbi.akuntansi.upi.edu/

Pendekatan Model Shift-Share Spasial Dinamis

dalam Penentuan Sektor Ekonomi Kompetitif

Hermada Dekiawan1, Budi Asmarawati

2

Program Studi Akuntansi Akademi Akuntansi YKPN, Yogyakarta

Jl. Gagak Rimang No. 2-4 Balapan Yogyakarta 55222 .

[email protected], [email protected].

Abstarct. This research is aimed to determine the competitive economic sector in a region by using spatial dynamic shift-

share analysis. Spatial dynamic shift-share analysis is a shift-share analysis that combines dynamic and spatial aspects, ie

relatinships or interrelationships between one region and another over a period of time. More specifically, this study is

intended to examine and analyze the analysis of changes or shifts in provincial economic and sectoral shares, spatial

interactions in the inter-provincial economic sector in Indonesia, the magnitude of national economic factors, the structure

of the provincial economy, and the competitiveness of the provincial economic sector. The unit of analysis in this study is

the province in Indonesia during the period 2004-2013. The analytical tool used is dynamic shift-share to find out the

competitive economic sector through sectoral contributions to the region's economy and sectoral sectoral shifts over time,

Moran's I and LISA to identify patterns of inter-regional linkages within competitive economic sectors. The results of this

study can be used as a basis for province or region to recognize in depth the competitive economic sector so that the

formulation of policies, strategies and programs can be done effectively.

Keywords: dynamic shift-share; Moran’s I; shift-share; spatial; spatial matrix;

Abstrak. Penelitian ini ditujukan untuk menentukan sektor ekonomi yang kompetitif di suatu wilayah dengan

menggunakan analisis shift-share dinamis spasial. Analisis shift-share dinamis spasial merupakan analisis shift-share

yang mengkombinasikan aspek dinamis dan aspek spasial, yaitu keterkaitan atau hubungan saling mempengaruhi antara

suatu wilayah dengan wilayah lain selama rentang periode tertentu. Secara lebih spesifik, penelitian ini dimaksudkan

untuk mengkaji dan menganalisis menganalisis terjadinya perubahan atau pergeseran pangsa dan sektor ekonomi

provinsi, interaksi spasial dalam sektor ekonomi antar provinsi di Indonesia, besarnya faktor perekonomian nasional,

struktur perekonomian provinsi, serta daya saing sektor ekonomi provinsi dalam perekonomian provinsi. Unit analisis

dalam penelitian ini adalah provinsi di Indonesia selama rentang waktu 2004-2013. Alat analisis yang dipergunakan

adalah shift-share dinamis untuk mengetahui sektor ekonomi kompetitif melalui kontribusi sektoral terhadap

perekonomian wilayah serta pergeseran peran sektoral sepanjang waktu, Moran’s I dan LISA untuk mengetahui pola

keterkaitan antar wilayah dalam sektor ekonomi kompetitif. Hasil penelitian ini dapat dipergunakan sebagai dasar bagi

masing-masing provinsi atau wilayah untuk mengenal secara mendalam sektor ekonomi yang kompetitif sehingga

perumusan kebijakan, strategi, dan program dapat dilakukan secara efektif.

Kata Kunci: matriks spasial; Moran’s I; shift-share; shift-share dinamis; spasial; Corresponding author. Jl. Gagak Rimang No. 2-4 Balapan Yogyakarta 55222 . [email protected], [email protected].

Copyright©2017. Prosiding Forum Keuangan dan Bisnis Indonesia Program Studi Akuntansi Fakultas Pendidikan

Ekonomi dan Bisnis Universitas Pendidikan Indonesia

mailto:[email protected]




HERMADA DEKIAWAN DAN BUDI ASMARAWATI / Pendekatan Model Shift-Share Spasial Dinamis dalam Penentuan

Sektor Ekonomi Kompetitif

390| Forum Keuangan dan Bisnis Indonesia (FKBI) | VI | 2017

PENDAHULUAN

Analisis shift-share merupakan analisis

yang menggambarkan terjadi perubahan yang

terjadi di suatu wilayah, dan dalam konteks

perekonomian analisis ini melihat pola

perubahan melalui pergeseran (shift) dan pangsa

(share) struktur perekonomian yang ditunjukkan

oleh perubahan dan pergeseran dan dari tiga

komponen yaitu national share, industry mix,

dan regional share (Lihat misalnya Dinc, 2002:2;

Artige dan Neuss, 2013:2). Melalui analisis shift-

share akan diperoleh informasi kontribusi ketiga

komponen tersebut dalam perekonomian suatu

wilayah dalam arti, sejauh mana pengaruh

masing-masing komponen terhadap

perekonomian suatu wilayah (Esteban, 1995:5;

Herath et al., 2013:101; Artige dan Neuss,

2013:1). Informasi ini menjadi penting bagi suatu

wilayah karena dengan mengetahui shift-share

didapatkan informasi tentang kekuatan

perekonomian wilayah yang sesungguhnya,

setidak-tidaknya meliputi: (1) apakah

pertumbuhan yang terjadi di wilayah disebabkan

oleh pengaruh wilayah lain yang lebih luas atau

karena kekuatan daerah itu sendiri, (2) sektor

ekonomi apa sajakah yang memberikan

kontribusi terhadap perubahan yang terjadi di

suatu wilayah, dan (3) sektor ekonomi apakah

yang memiliki keunggulan kompetitif.

Shift-share memiliki tiga komponen yang

meliputi national share, industry mix, serta

regional share. National share merupakan

perubahan di suatu wilayah (misal provinsi) yang

dipengaruhi oleh perubahan di wilayah yang

lebih luas (misal nasional). Menurut Mitchell, et

al. (2005:5) perubahan di wilayah akan terjadi

apabila pertumbuhan sektor di wilayah memiliki

pertumbuhan yang sama dengan wilayah yang

lebih luas. Dalam national share, akan diperoleh

informasi pengaruh perekonomian yang lebih

luas (misal nasional) terhadap wilayah yang lebih

kecil (misal provinsi). Industry mix merupakan

perubahan pangsa wilayah yang melekat pada

industry mix lokal dan menggambarkan

spesialisasi wilayah dalam industri, apakah

tumbuh lebih cepat atau tumbuh lebih lambat

dalam wilayah yang lebih luas. Industry mix

disebut juga dengan proportional effect atau

structural effect. Dengan demikian melalui

analisis industry mix akan diperoleh informasi

perubahan perekonomian wilayah yang

disebabkan oleh struktur perekonomian wilayah

itu sendiri. Regional share perubahan wilayah

yang membawa perbedaan antara pertumbuhan

wilayah dengan pertumbuhan di wilayah yang

lebih luas. Regional share disebut juga dengan

competitive effect (Mitchell et al., 2005:5).

Melalui analisis regional share akan diperoleh

informasi sektor ekonomi wilayah apa sajakah

yang kompetitif.

Mitchell, et al. (2005) menyatakan bahwa

penjumlahan dari industry mix dan regional

share disebut dengan total share, sedangkan

penjumlahan ketiga komponen atau penjumlahan

total share dan national share disebut dengan

total change. Lebih lanjut dinyatakan bahwa

terdapat enam kemungkinan yang terjadi

berdasarkan nilai total share dan komponennya

(industry mix dan regional share). Keenam

kemungkinan tersebut didasarkan pada dua

kemungkinan nilai total share yaitu positif dan

negatif dalam arti penjumlahan industry mix (IM)

dan regional share (RS) akan menghasilkan total

share yang positif atau negatif.

Struktur perekonomian di Indonesia

selama kurun waktu 2000-2014 menunjukkan

adanya kecenderungan penurunan proporsi di

sektor industri pengolahan, sektor pertambangan

dan penggalian, serta sector pertanian. Pada

tahun 2000 proporsi sektor industri pengolahan

terhadap PDB adalah 27,74% dan pada tahun

2014 menjadi 25,49%. Sektor pertanian juga

menunjukkan kecenderungan penurunan proprosi

terhadap PDB dari 15,60% di tahun 2000

menjadi 12,06% pada tahun 2014. Penurunan

yang cukup tajam terjadi pada sector

pertambangan dan penggalian, dari 12,06% di

tahun 2000 menjadi hanya 6,71% di tahun 2014.

Sementara itu kenaikan proporsi yang

cukup besar sepanjang 2000-2014 terjadi pada

sektor perdagangan serta sektor pengangkutan

dan komunikasi. Bila pada tahun 2000 sektor

perdagangan memiliki proporsi 16,15% maka

pada tahun 2014 proporsinya meningkat menjadi

18,02%. Demikian pula dengan sektor

pengangkutan dan komunikasi yang proporsinya

FORUM KEUANGAN DAN BISNIS INDONESIA, 6 , 2017, 000-000


4,67% pada tahun 2000 menjadi 10,95% pada

tahun 2014. Sektor jasa serta sektor listrik, gas,

dan air bersih meskipun mengalami kenaikan

selama kurun waktu 2000-2014, namun kenaikan

tersebut sangat kecil.

Sumber: Badan Pusat Statistik, diolah

Grafik 1. Distribusi Persentase PDB Indonesia Atas Dasar Harga Konstan 2000 Berdasarkan

Lapangan Usaha 2000-2014

0

0.05

0.1

0.15

0.2

0.25

0.3

1. PERTANIAN, PETERNAKAN,

2. PERTAMBANGAN DAN PENGGALIAN

3. INDUSTRI PENGOLAHAN

4. LISTRIK, GAS, DAN AIR BERSIH

6. PERDAGANGAN, HOTEL DAN RESTORAN

7. PENGANGKUTAN DAN KOMUNIKASI

8. KEUANGAN, PERSEWAAN & JASA PERSH.

9. JASA - JASA




.

Dari sisi kontribusi regional, pada periode

2000-2013 PDB Indonesia sebagian besar berasal

dari pulau Jawa dan yang terbesar adalah

Provinsi DKI Jakarta dengan kontribusi berkisar

17%, disusul kemudia Jawa Timur 15%, Jawa

Barat 14%, Jawa Tengah 8%, Banten 3%, dan

terkecil D.I. Yogyakarta yang berkisar 1%. Dari

keseluruhan provinsi, kontribusi terkecil adalah

Provinsi Gorontalo yang berkisar 0,12% dan

Maluku Utara yang berkisar 0,13%. Hal ini

menunjukkan konsentrasi kegiatan perekonomian

masih berpusat di Pulau Jawa dan secara grafis

terlihat adanya ketimpangan yang cukup tinggi

dalam hal kegiatan perekonomian.

Fenomena yang menarik adalah Provinsi

Kalimantan Timur yang memiliki kekayaan alam

terbesar namun memiliki kotribusi yang semakin

kecil sepanjang 2000-2013. Fenomena ini

menjadikan Kalimantan Timur mengalami

growth without development (Kuncoro dan Idris,

2010). Penuruna kontribusi PDRB yang cukup

tajam selama 2000-2013 juga terjadi di Aceh,

serta di Provinsi Riau, salah satu provinsi dengan

kekayaan alam minyak bumi yang besar.

Berdasarkan grafik 1, selama kurun

waktu 2000-2014 terlihat adanya pergeseran

struktur perekonomian serta pergesaran peran

perekonomian daerah dalam perekonomina

nasional. Dari struktur ekonomi nasional,

terdapat 4 sektor ekonomi yang memiliki

pengaruh besar dalam perekonomian nasional

yaitu sektor pertanian, sektor industri, sektor

perdagangan, serta sektor jasa. Pengaruh besar

dalam hal ini ditinjau dari kontribusinya terhadap

perekonomian nasional maupun regional.

KAJIAN LITERATUR

Shift-share sebagai alat analisis pertama

kali dikembangkan oleh Dunn pada tahun 1960

untuk melihat distribusi pertumbuhan tenaga

kerja sektoral diantara dua wilayah geografis,

sehingga sebenarnya analisis shift-share pada

awal mulanya merupakan analisis yang

dipergunakan untuk kasus ketenagakerjaan

(Artige dan Neuss, 2013:1; Herath et al.,

2013:100). Shift-share secara metodologis

mengalami perkembangan dalam aplikasi dan

perluasan model, seperti penggunaan shift-share

dalam model regresi (Fritz dan Streicher, 2004;

Cheptea et al., 2005; Shi dan Yang, 2008)

maupun analisis shift-share dengan pendekatan

ANOVA (Knudsen, 2000), atau shift-share yang

memasukkan faktor interaksi spasial antar

wilayah dalam model (Mitchell et al., 2005;

Kamarianakis dan Gallo, 2004; Matlaba et al.,

2012; Herath et al., 2013). Dalam perkembangan

awal, teori shift-share mendapatkan beberapa

penyempurnaan. Kritik Esteban-Marquillas

(1972) lebih pada penyempurnaan teori ini

dengan menambahkan apa yang disebutnya

dengan homothetic employment yaitu suatu

struktur tenaga kerja sektor tertentu di wilayah

sama dengan struktur di wilayah yang lebih luas.

Drugge (1988) memberikan kritik bahwa teori

shift-share tidak cukup apabila dipergunakan

untuk mengukur keunggulan kompetitif suatu

industri tertentu dalam satu wilayah maupun

antar wilayah karena mengabaikan teori

Hecksher-Ohlin yaitu tingkat transformasi relatif

tenaga kerja dan modal berkaitan dengan

perubahan output sebuah industri.

Analisis shift-share penting sebagai alat

untuk mengetahui struktur dan pergeseran

sektoral yang terjadi di suatu wilayah, sehingga

dapat membantu dalam menyusun kemungkinan

strategi dan kebijakan perekonomian wilayah

yang diperlukan. Knudsen (2000:177) dan

Herath, et al.(2013:100) bahkan menyatakan

bahwa analisis shift-share banyak dipergunakan

bukan saja oleh perencana ekonomi, tetapi juga

oleh ahli geografi dan ahli regional, serta

berguna untuk analisis di bidang ekonomi politik,

analisis ritel, analisis migrasi, analisis

pertumbuhan regional, pemasaran, serta ekonomi

perkotaan.

Dalam perkembangan terakhir, studi

shift-share dilakukan tidak saja menggunakan

data statis, namun juga data dinamis. Selain itu

studi shift-share telah berkembang melalui

pendekatan spasial yang memungkinkan analisis

shift-share bukan saja dalam suatu wilayah

namun juga interaksi antarwilayah. Menurut

Anselin (1988:8-9) studi antar wilayah perlu

mempertimbangkan kemungkinan adanya

interaksi spasial diantara unit ekonomi, karena



pengabaian atas hal tersebut dapat menyebabkan

penarikan kesimpulan (inferences) yang salah.

Secara lebih jelas Herath, et al. (2013:201-102)

mengidentifikasi adanya empat bentuk model

shift-share, yaitu: (1) model shift-share standar,

(2) model shift-share dinamis, (3) model shift-

share spasial, dan (4) model shift-share spasial

dinamis.

Menurut Herath, et al.(2013) model shift-

share standar merupakan model yang periode

waktunya terjadi pada waktu tertentu. Model

standar hanya mempertimbangkan kondisi awal

dan kondisi akhir periode waktu sementara

model dinamis mempertimbangkan perubahan

yang terjadi pada periode pengamatan. Tidak

seperti model standar dan dinamis yang

mengabaikan interaksi antarwilayah, model

spasial menganalisis kemungkinan terjadinya

hubungan spasial antarwilayah sepanjang periode

pengamatan, baik interaksi yang memberikan

efek negatif maupun positif. Pengaruh dari

wilayah lain tersebut ditangkap melalui struktur

spasial dalam model shift-share standar (Herath

et al., 2013:101).

Interaksi yang terjadi antarwilayah

dinyatakan dalam bentuk matriks bobot (weight

matrix). Derajat interkasi wilayah r dan s

dinyatakan sebagai Wrs yang memiliki nilai

antara nol dan satu (0≤Wrs≤1). Variabel bobot

yang sering dipergunakan adalah variabel jarak

antarwilayah (Herath et al., 2013; Matlaba et al,

2012; Espa et al., 2012; Kamarianakis dan Gallo,

2004). Secara lebih jauh, autokorelasi spasial

yang terjadi antarwilayah diukur dengan Moran’s

I sehingga dapat diketahui ada tidaknya. Bila

nilai Moran’s I adalah nol, berarti tidak ada

hubungan spasial di antara kedua wilayah.

Namun Kamarianakis dan Gallo (2004) serta

Matlaba et al. (2012) menyatakan bahwa

Moran’s I tidak memungkinkan struktur spasial

wilayah sehingga perlu dipergunakan Local

Indicator Spatial Association (LISA).

Model shift-share dinamis spasial

merupakan kombinasi antara model shift-share

dinamis dan model shift-share spasial. Menurut

Herath et al. (2005:102) model shift-share spasial

dinamis ini merupakan model yang lebih akurat.

Selain mempertimbangkan perubahan antar

periode waktu, model ini juga

mempertimbangkan interaksi spasial sehingga

informasi yang didapatkan dengan pendekatan

model shift-share spasial dinamis menjadi lebih

baik.

Studi tentang shift-share sering dilakukan

untuk melihat perubahan struktur perekonomian

di suatu wilayah yang disebabkan oleh

perubahan pertumbuhan tenaga kerja sektoral

(lihat misalnya Matlaba et al., 2011; Herath et

al., 2013). Analisis ini juga dipergunakan untuk

melihat produktivitas tenaga kerja sektoral

(Kamarianakis dan Gallo, 2004) serta efek

spesialisasi dan efek kompetitif tenaga kerja

dalam perekonomian (Esteban-Marquillas,

1972).

Teori yang secara metodologis pertama

kali dikemukakan oleh Dunn pada tahun 1960 ini

memberikan kontribusi besar dalam analisis

ekonomi regional, meskipun tidak lepas dari

beberapa kritik. Dalam analisis shift-share

tersebut Esteban-Marquillas (1972) menekankan

pada penyempurnaan analisis shift-share yang

dianggapnya memiliki kelemahan. Esteban-

Marquillas mengemukakan sebuah konsep yang

disebut dengan homothetic emplyoment, yang

didefinisikan sebagai tenaga kerja suatu sektor di

daerah tertentu yang memiliki struktur yang

sama dengan nasional (Esteban-Marquillas,

1972:251). Kritik yang lebih tegas disampaikan

oleh Drugge (1988) yang menyatakan bahwa

teori shift-share menimbulkan kontroversi dalam

hal validitas teoritis, terutama analisis ex post

perubahan tenaga kerja dan kemampuan dalam

hal peramalan perubahan tenaga kerja regional.

Analisis shift-share tidak cukup secara teoritis

untuk menghasilkan pengukuran keunggulan

kompetitif dari industri tertentu dalam sebuah

wilayah atau antar wilayah (Drugge, 1988:310).

Hingga saat ini analisis shift-share

dipergunakan secara luas dalam ekonomi

regional dengan berbagai metode dan

implementasi yang berkembang. Knudsen (2000)

melakukan analisis shift-share untuk melihat

perubahan struktur ekonomi di Amerika Serikat

dengan menggunakan data tahun 1939-1990.

Metode analisis shift-share yang dikemukakan

oleh Knudsen (2000) adalah dengan pendekatan




probabilistic shift-share melalui analysis of

variance. Pendekatan ini memberikan hasil yang

memuaskan dibandingkan dengan pendekatan

shift-share klasik. Hal ini disebabkan karena

probabilistic shift-share memungkinkan adanya

tes hipotesis perubahan tenaga kerja atau nilai

tambah berdasarkan wilayah atau sektor ekonomi

(Knudses, 2000:178).

Studi tentang ekonomi regional

yang menggunakan analisis shift-share juga telah

menggunakan pendekatan keterkaitan spasial,

seperti yang dilakukan oleh Fernandez dan

Menendez (2005), Mitchell, et al. (2005),

Matlaba, et al. (2012), serta Herath, et al. (2013).

Pendekatan shift-share yang lain juga dilakukan

oleh Artige dan Neuss (2013)1. Fernandez dan

Menendez (2005) menggunakan analisis shift-

periode waktu, model ini juga

mempertimbangkan interaksi spasial sehingga

informasi yang didapatkan dengan pendekatan

model shift-share spasial dinamis menjadi lebih

baik.











1972).













1 Artige dan Neuss (2013) menggunakan pendekatan yang

mereka sebut dengan new shift-share.




























(Knudses, 2000:178).

Studi tentang ekonomi regional yang

menggunakan analisis shift-share juga telah





Pendekatan shift-share yang lain juga periode

waktu, model ini juga mempertimbangkan

interaksi spasial sehingga informasi yang

didapatkan dengan pendekatan model shift-share

spasial dinamis menjadi lebih baik.













1972).








































(Knudses, 2000:178).

Studi tentang ekonomi regional yang

menggunakan analisis shift-share juga telah





Pendekatan shift-share yang lain juga dilakukan

oleh Artige dan Neuss (2013)2. Fernandez dan

Menendez (2005) menggunakan analisis shift-

share spasial untuk kasus negara Spanyol di 47

provinsi selama 1999-2004. Dalam penelitiannya

Fernandez dan Menendez (2005) menggunakan

matriks bobot spasial, serta Moran’s I untuk

melihat ada tidaknya otokorelasi spasial antar

sektor atau antar wilayah. Terdapat dua aspek

pengukuran yang dilakukan dalam studi yaitu

spatial net competitive effect serta spatial

locational effect. Hasil penelitian menunjukkan

bahwa efek kompetitif yang besar terdapat pada

sektor pertanian dan konstruksi, sementara sektor

industri dan jasa justru memiliki efek kompetitif

yang kecil.

Mitchell, et al. (2005) melakukan

penelitian dengan menggunakan analisis shift-

share untuk kasus Australia selama periode

1991-2001 dengan menggunakan data tenaga

kerja berdasarkan klasifikasi industri untuk

masing-masing negara bagian. Pada dasarnya

tujuan penelitian tersebut adalah mencari

pengaruh national share, industry mix, serta

regional share terhadap pertekonomian negara

bagian. Dalam penelitian tersebut Mitchell, et al.

(2005) menggunakan matriks bobot jarak untuk

menangkap efek spasial antar negara bagian,

namun Mitchell, et al. (2005) tidak

menggunakan Moran’s I untuk melihat ada

tidaknya keterkaitan antar negara bagian.

Matlaba, et al. (2012) dan Herath, et al.

(2013) juga menggunakan analisis shift-share

dengan memasukkan unsur spasial. Keduanya

juga menggunakan Moran’s I untuk mengukur

otokorelasi spasial antar wilayah. Matlaba, et al.

(2012) tidak hanya menganalisis shift-share saja,

namun juga mengukur location quotient serta

mengukur konsentrasi sektor ekonomi dengan

Hirschman-Herfindahl Index untuk 27 negara

bagian Brazil dari 1981-2006. Sementara itu

Herath, et al. (2013) menggunakan dynamic

spatial shift-share untuk kasus negara bagian

West Virginia dari 1976-2007. Herath, et al.

(2013) juga menggunakan matriks bobot jarak

2 Artige dan Neuss (2013) menggunakan pendekatan yang

mereka sebut dengan new shift-share.




antar wilayah untuk mengukur efek spasial,

namun tidak menggunakan Moran’s I untuk

melihat otokorelasi spasial antar wilayah.

Berdasarkan penelitian yang pernah

dilakukan sebelumnya, dalam penelitian ini

analisis shift-share akan dilakukan dengan

pendekatan spasial dinamis sebagaimana yang

dilakukan oleh Herath, et al. (2013), namun

analisis shift-share dalam penelitian ini juga akan

menggunakan prosedur pengujian otokorelasi

spasial dengan menggunakan LISA, sedangkan

Herath, et al. (2013) hanya menggunakan

matriks bobot tertimbang. Penggunaan bobot

tertimbang juga berupa jarak juga dilakukan oleh

Mitchell, et al. (2005), Matlaba, et al. (2012),

serta Herath, et al. (2013).

METODOLOGI PENELITIAN

Dalam penelitian ini analisis akan

dilakukan dengan pendekatan spasial dinamis

sebagaimana yang dilakukan oleh Herath, et al.

(2013). Untuk membandingkan hasilnya,

penelitian juga akan dilakukan dengan model

shift-share klasik. Model shift-share klasik ini

juga dipergunakan oleh Herath, et al. (2013) dan

dirumuskan sebagai berikut:

eij = nilai tambah sektor ekonomi i di provinsi j

r = tingkat pertumbuhan ekonomi nasional

ri = tingkat pertumbuhan sektor ekonomi i

rij = tingkat pertumbuhan sektor ekonomi i di

provinsi j

e*ij = nilai tambah sektor ekonomi i di provinsi j

periode sebelumnya.

Model shift-share spasial dinamis oleh Herath,

et al. (2013) dirumuskan sebagai berikut:

)()()( *1*111 ti

tij

tij

tij

tij

tij

tti

tij

ttij

tij rrerrerreree

1

1

tikjkLD

tikjkLD

tikjkLD*t

ijeW

eWeWr

jk

jkd

W1

)()( ***iijijiijijij rrerreree

ij

ijijij

e

eer

'



eik = nilai tambah sektor ekonomi i di provinsi k

djk = jarak provinsi j dan k

r t*

ij = tingkat pertumbuhan tertimbang sektor

ekonomi i di provinsi j

Wjk = bobot jarak provinsi j dan k

Untuk melihat otokorelasi spasial antar

wilayah, dipergunakan Local Indicators of

Spatial Association (LISA). LISA merupakan

statistik Moran’s I untuk versi lokal, yang

dirumuskan sebagai berikut (Kamarianakis dan

Gallo, 2004:431):

)()(

,0

,, ttjij

ttiti Xw

m

XI

n

Xm

tti2

,0

)(

Iit = Nilai indeks Moran

Xit = Nilai variabel provinsi i pada waktu t

µt = rata-rata nilai seluruh provinsi pada waktu t

n = jumlah provinsi

wij = bobot jarak privinsi i dan j

LD = lokasi provinsi

Kamarianakis dan Gallo (2004:431)

menyatakan bahwa nilai indeks Moran yang

positif menunjukkan adanya keterkaitan antar

wilayah, dan sebaliknya. Pengujian dependensi

spasial antar wilayah juga dapat dilakukan

dengan menggunakan statistik Moran’s I

(Madariaga et al., 2005:6)3:

N

Z

/S

ZZw

I

N

i

i

N

i

N

j

jiij

1

2

0

1 1

j

ij

i

wS0

_

ii yyZ

_

jj yyZ

Y = nilai variabel yang diobservasi

i,j = provinsi i dan j

wij = matriks bobot spasial dalam bentuk normalitas

N = jumlah observasi

Y = nilai rata-rata Y

3 Lihat misalnya Dekiawan (2014).

Apabila nilai I>E(I), berarti terdapat

otokorelasi spasial positif pada variabel Y (data

berpola mengelompok), apabila I<E(I) berarti

terdapat otokorelasi spasial negatif (data berpola

menyebar), dan apabila I=E(I) tidak terdapat

otokorelasi spasial. E(I) merupakan nilai

ekspektasi dari statistik Moran’s I yang

dirumuskan sebagai:

1

1

N)I(E

Madariaga et al. (2005) menyatakan

bahwa uji Moran’s I menggunakan statistik uji Z.

Pengujian menolak hipotesis awal (null

hypothesis) bila nilai ZI>Z. Statistik uji ZI

dirumuskan sebagai berikut:

)I(

)I(EIZI

ZI = Nilai statistik Z Moran’s I

σ(I) = nilai deviasi standar Moran’s I

E(I) = nilai ekspektasi Moran’s I

Estimasi akan dilakukan dengan

menggunakan matriks bobot spasial karena

adanya kemungkinan dependensi spasial antar

provinsi di Indonesia. Matriks bobot spasial

adalah matriks berukuran n x n dengan nilai

diagonal nol. Apabila unit analisis berupa 30

provinsi, maka akan diperoleh matriks bobot

spasial berukuran 30x30 sebagai berikut:

ijii

j

j

ij

www

www

www

w

21

22221

11211

Untuk matriks yang menggunakan bobot

spasial berupa jarak, wij = 1/d2, dalam hal ini d

merupakan jarak antar ibukota provinsi dalam

satuan kilometer (km)4. Sebagian besar

4 Lihat misalnya Ivanova (2012) serta Anselin (1999)




penelitian yang menggunakan bobot jarak

menggunakan cut-off distance untuk mengubah

matriks jarak menjadi angka biner berupa

bilangan nol dan satu seperti halnya contiguity

matrix. Menurut Ahmad dan Hall (2012:9) dalam

Dekiawan (2014), penggunaan cut-off distance

dimaksudkan untuk mengurangi banyaknya

perhitungan, karena pada prinsipnya menurut

Case (1993) sebagaimana yang dikutip Coughlin

et al. (2006), bobot spasial dapat ditentukan

secara arbiter.

Dalam penelitian ini bobot spasial yang

dipergunakan adalah pendapatan perkapita riil,

bobot matriks dihitung sesuai dengan Coughlin

et al. (2006:11) sebagai berikut:

jij

ji

ijPPKPPK/

PPKPPK/w

1

1

PPK = pendapatan perkapita riil masing-

masing provinsi

i,j = provinsi i dan j

Penggunaan pendapatan perkapita riil

sebagai bobot didasarkan pada pertimbangan

kondisi Indonesia sebagai Negara kepulauan,

sehingga bobot berupa jarak antar provinsi

dianggap kurang sesuai. Demikian juga dengan

bobot batas provinsi yang bersinggungan berupa

angka nol dan satu juga kurang sesuai karena

kondisi geografis Indonesia. Hal ini berbeda

apabila lingkup penelitian adalah antar daerah

dalam satu pulau, atau antarwilayah dalam satu

provinsi.

Untuk melaksanakan analisis dalam

penelitian ini dilakukan tahapan analisis sebagai

berikut:

a. Pertama, akan dilakukan pengolahan data

untuk masing-masing provinsi

berdasarkan data PDRB Harga Konstan

selama 2004-2013.

b. Kedua, akan dilakukan penghitungan dan

analisis shift-share klasik (statis dan

dinamis) untuk melihat pengaruh

komponen shift-share terhadap

perekonomian masing-masing provinsi

untuk sektor pertanian, sektor industri,

sektor perdagangan, dan sektor jasa.

c. Ketiga, akan dilakukan penghitungan

matriks bobot tertimbang berupa

pendapatan perkapita riil antar provinsi

dan akan dilakukan proses normalisasi.

d. Keempat, akan dilakukan penghitungan

dan analisis shift-share spasial dinamis

untuk masing-masing provinsi. e. Kelima, akan dilakukan penghitungan

Indeks Moran untuk menguji ada

tidaknya dependensi spasial antar

provinsi selama 2004-2013.

HASIL DAN PEMBAHASAN

Selama kurun waktu 2004-2013 sektor

pertanian, industri, perdagangan, dan sektor jasa

memiliki proporsi sekitar 70% PDB Indonesia.

Tingginya dominasi keempat sektor tersebut

menyebabkan besarnya pengaruh dinamika

keempat sektor dalam perekonomian regional

dan nasional. Selama kurun waktu 2004-2013

terjadi tren penurunan proporsi sektor indsutri

dan pertanian. Sektor pertanian mengalami

penurunan proporsi yang paling tinggi

dibandingkan tiga sektor lainnya. Sektor industri

sempat sedikit mengalami kenaikan proporsi

pada periode 2007-2008 dari 25,21% menjadi

25,64% namun setelah 2008 hingga 2013 terlihat

tren proporsi yang menurun.



Grafik 2. Tren Proporsi Sektor Pertanian, Industri, Perdagangan, dan Jasa Terhadap PDB Riil 2004-2013 Sumber: Badan Pusat Statistik, diolah.

Penurunan proporsi atau kontribusi sektor

terhadap PDB tidak berarti menggambarkan

penurunan output. Bila dibandingkan antara

pertumbuhan proporsi dengan pertumbuhan

output, terlihat bahwa pertumbuhan proporsi

sektor pertanian yang negative tidak selalu

diikuti dengan pertumbuhan output yang

negative pula. Di Provinsi Aceh misalnya,

proporsi sektor pertanian terhadap PDRB selama

2004-2013 menunjukkan rata-rata tumbuh -

1,04% namun dari sisi output terlihat rata-rata

pertumbuhan output per tahun 2,65%. Hal ini

mengindikasikan bahwa pertumbuhan output

sektor pertanian di Aceh lebih kecil

dibandingkan pertumbuhan PDB. Beberapa

provinsi menunjukkan rata-rata pertumbuhan

yang positif dan relatif besar dalam hal proporsi

dan output sektor pertanian, misalnya Papua,

.Jambi, Gorontalo, dan Sulawesi Tengah.

Terdapat satu provinsi yang menunjukkan

negative baik pada proporsi maupun output, yaitu

Provinsi Papua Barat. Provinsi Jawa Timur

memiliki proporsi terbesar dalam sektor

pertanian, meski rata-rata pertumbuhan proporsi

tersebut selama 2004-2013 menunjukkan angka

negatif.

Dalam sektor industri, terdapat tiga

provinsi yang menunjukkan rata-rata

pertumbuhan negatif dalam hal proposi maupun

output, yaitu Provinsi Aceh, Kalimantan Timur,

serta Papua. Hal ini menggambarkan terjadinya

penurunan kontribusi sektor industri yang cukup

signifikan dalam perekonomian provinsi. Dari

ketiga provinsi tersebut, Provinsi Aceh

menunjukkan kinerja yang paling parah yaitu

rata-rata pertumbuhan proporsi -12,13%

sementara rata-rata pertumbuhan output sektor

industri -8,09%. Beberapa faktor yang menjadi

penyebab antara lain bencana alam yang

membutuhkan proses pemulihan yang cukup

lama, kinerja investasi yang menurun, serta

ketergantungan pada jenis industri tertentu.

Provinsi Jawa Barat memiliki kontribusi terbesar

dalam sektor industry, bahkan juga memiliki

rata-rata pertumbuhan proporsi dan output yang

positif.

Untuk sektor perdagangan tidak ada

provinsi yang menunjukkan rata-rata

pertumbuhan negatif pada proprosi dan output,

namun banyak provinsi yang mengalami rata-rata

pertumbuhan negatif dalam hal proporsi terhadap

PDRB. Hal ini mengindikasikan bahwa selama

2004-2013 rata-rata pertumbuhan sektor

perdagangan lebih kecil dibandingkan sektor-

sektor lainnya.

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Pertanian 0,1611 0,1584 0,1559 0,1532 0,1496 0,1499 0,1458 0,1415 0,1381 0,1350

Industri 0,2569 0,2554 0,2542 0,2521 0,2564 0,2472 0,2426 0,2396 0,2346 0,2319

Perdagangan 0,1902 0,1931 0,1973 0,2007 0,1986 0,2015 0,2065 0,2107 0,2166 0,2200

Jasa 0,0881 0,0879 0,0891 0,0897 0,0911 0,0922 0,0928 0,0936 0,0944 0,0951

0,0000

0,0500

0,1000

0,1500

0,2000

0,2500

0,3000




Tabel 1. Rata-rata Pertumbuhan Proporsi Sektoral dan Output

Provinsi

Sektor Pertanian Sektor Industri Sektor Perdagangan Sektor Jasa

Rata-rata Pertumbuhan

Proporsi


Output


Proporsi


Output


Proporsi


Output


Proporsi


Output

Aceh -1.04 2.65 -12.13 -8.09 -1.55 5.84 -0.66 5.98

Sumatera Utara 0.78 4.54 -0.69 3.87 -0.72 6.73 0.55 7.27

Sumatera Barat 0.70 4.46 0.06 4.66 -1.21 6.21 -0.21 6.46

Riau 0.82 4.59 1.65 6.31 2.37 10.06 1.92 8.74

Jambi 2.71 6.55 0.54 5.16 0.96 8.55 -2.04 4.51

Sumatera Selatan 1.33 5.12 0.31 4.91 -0.04 7.47 1.42 8.20

Bengkulu 1.28 5.06 1.94 6.62 -1.29 6.12 1.10 7.86

Lampung 0.17 3.91 0.95 5.58 -1.81 5.56 -0.81 5.83

Kep. Bangka Belitung 1.64 5.43 -0.72 3.84 -1.94 5.43 2.13 8.96

Kepulauan Riau 0.06 3.80 1.12 5.76 -0.21 7.29 1.46 8.24

Sumatera 0.70 4.46 -0.48 4.09 -0.42 7.06 0.39 7.11

DKI Jakarta -1.63 2.04 -1.25 3.28 -0.76 6.69 -0.24 6.44

Jawa Barat -1.12 2.57 0.92 5.55 0.48 8.02 -0.58 6.07

JawaTengah -0.66 3.05 1.16 5.80 -0.88 6.56 -0.66 5.98

Dl Yogyakarta -1.43 2.25 -1.49 3.03 -2.04 5.31 -1.58 5.01

Jawa Timur -0.95 2.75 0.26 4.86 0.69 8.25 -0.10 6.59

Banten 1.36 5.14 2.17 6.86 1.56 9.19 1.56 8.36

Jawa -0.83 2.87 0.57 5.19 0.06 7.58 -0.32 6.35

Bali 0.05 3.78 2.01 6.69 -0.53 6.94 0.44 7.16

Nusa Tenggara Barat -0.34 3.38 1.22 5.86 0.04 7.56 -1.75 4.83

Nusa Tenggara Timur -1.07 2.62 -1.42 3.11 -0.95 6.48 0.28 6.99

Bali & Nusa Tenggara -0.43 3.29 1.65 6.32 -0.48 6.99 -0.08 6.60

Kalimantan Barat 1.18 4.95 -2.02 2.48 -3.14 4.14 0.87 7.62

Kalimantan Tengah -1.37 2.31 -1.65 2.86 -0.61 6.85 0.45 7.16

Kalimantan Selatan 0.84 4.61 -2.40 2.08 -0.47 7.01 0.82 7.57

Kalimantan Timur 0.13 3.87 -7.19 -2.93 0.70 8.27 0.30 7.01

Kalimantan 0.25 4.00 -5.96 -1.64 -0.80 6.65 0.64 7.37

Sulawesi Utara 0.83 4.60 1.89 6.57 2.68 10.39 -0.46 6.20

Sulawesi Tengah 2.22 6.03 1.36 6.01 1.09 8.68 2.41 9.26

Sulawesi Selatan -0.64 3.07 1.73 6.40 1.28 8.89 -2.08 4.47

Sulawesi Tenggara 0.42 4.17 3.72 8.48 2.60 10.31 -0.77 5.87

Gorontalo 2.40 6.23 0.70 5.33 1.12 8.72 1.34 8.12

Sulawesi 1.28 5.06 2.31 7.01 2.05 9.71 0.18 6.89

Maluku 0.34 4.08 1.35 6.00 -0.65 6.81 -0.67 5.97

Maluku Utara 1.08 4.85 -1.99 2.51 1.75 9.39 -0.32 6.35

Papua Barat -6.83 -3.35 30.36 36.35 -6.12 0.92 -4.59 1.80

Papua 7.98 12.02 -5.60 -1.27 10.73 19.04 16.53 24.32

Maluku dan Papua 0.47 4.22 14.90 20.17 1.32 8.92 3.63 10.56

Sumber: Badan Pusat Statistik, diolah.

Provinsi Papua Barat menunjukkan rata-

rata pertumbuhan proporsi negatif yang paling

besar yaitu -6,12%. Provinsi Papua memiliki

rata-rata pertumbuhan proporsi dan output

terbesar dibandingkan lainnya yaitu 10,73%

untuk rata-rata pertumbuhan proporsi dan

19,04% untuk rata-rata pertumbuhan output. Di

bidang sektor jasa, Provinsi Papua juga

menunjukkan rata-rata pertumbuhan proporsi dan

output terbesar masing-masing 16,53% dan

24,32%. DKI Jakarta meski memiliki proprosi

terbesar di sektor jasa dibandingkan provinsi

lainnya, namun memiliki rata-rata pertumbuhan

proporsi yang negatif.

Analisis shift-share spasial merupakan

analisis shift-share yang dikombinsaikan dengan

matriks bobot spasial berupa pendapatan



perkapita riil masing-masing provinsi. Hasil

perhitungan yang dilakukan menunjukkan dalam

shift-share spasial untuk sektor pertanian selama

2004-2013 untuk semua provinsi menunjukkan

nilai positif. Nilai ini mengindikasikan bahwa

perubahan atau pergeseran output sektor

pertanian memberikan dampak positif di semua

provinsi. Pergeseran sektor pertanian nasional

yang terjadi selama 2004-2013 mampu

memberikan kontribusi bagi semua provinsi.

Provinsi Jawa Timur dan Sumatera Utara

menunjukkan nilai shift-share yang terbesar yaitu

masing-masing 11.987,79 milyar dan 10.548,26

milyar. Hal ini mengindikasikan bahwa struktur

perekonomian di kedua provinsi tersebut serta

dependensi antar provinsi mampu memberikan

andil dalam output di sektor pertanian masing-

masing 11.987,79 milyar dan 10.548,26 milyar.

DKI Jakarta meski kecil terlihat juga memiliki

shift-share yang positif yaitu 55,57 milyar.

Struktur perekonomian DKI Jakarta serta

dependensi antar provinsi mampu memberikan

kontribusi output sektor ini meski relatif kecil.

Di sektor industri, Provinsi Jawa Barat

memiliki nilai shift-share yang terbesar yaitu

60.667 milyar. Provinsi Jawa Barat sebagaimana

telah diuraikan sebelumnya, memiliki kekuatan

di sektor industri secara nasional baik dari aspek

proporsi maupun output. Provinsi Aceh,

Kalimantan Timur dan Papua terlihat memiliki

nilai shift-share yang negatif. Hal ini

mengindikasikan bahwa perekonomian secara

nasional serta dependensi spasial antar provinsi

menyebabkan ketiga provinsi tersebut memiliki

output yang negatif di sektor industri. Ketiga

provinsi tersebut memiliki kelemahan dalam

sektor industri yang menyebabkan struktur

industrinya sangat dipengaruhi oleh

perekonomian nasional dan dependensi spasial

antar provinsi.

Tabel 2. Total Pergeseran Pangsa Spasial Sektor Pertanian Provinsi 2005 2006 2007 2008 2009 2010 2011 2012 2013 2004-2013

Aceh (316.02) 117.27 285.33 67.09 72.27 459.31 557.29 690.45 425.68 2,143.33

Sumatera Utara 728.69 526.41 1,139.61 1,440.52 1,677.18 (1,298.00) 1,931.80 1,886.55 1,839.50 10,548.26

Sumatera Barat 356.80 364.36 380.32 440.30 308.98 257.72 295.10 487.02 485.67 3,338.93

Riau 849.00 793.92 679.16 708.03 599.49 634.39 741.35 461.66 971.41 6,198.93

Jambi 167.66 431.83 195.03 253.80 422.69 325.28 327.64 547.06 195.67 2,805.06

Sumatera Selatan 547.19 630.10 675.41 453.36 463.61 663.74 764.09 892.79 844.75 5,249.77

Bengkulu 136.41 142.66 148.15 153.39 170.63 78.80 159.02 198.70 173.17 1,312.08

Lampung 556.42 675.40 727.90 406.23 299.00 151.67 726.34 661.48 775.96 4,933.63

Kepulauan Bangka Belitung 88.89 108.51 63.25 86.69 29.43 270.18 162.68 275.88 229.96 1,148.56

DKI Jakarta 16.75 (13.73) 18.13 18.68 (19.63) 20.45 (19.40) 20.50 23.80 55.57

Jawa Barat 496.56 (137.14) 884.37 1,430.53 5,650.57 367.33 (35.93) (310.69) 2,016.55 8,832.83

Jawa Tengah 1,315.32 1,069.22 874.24 1,014.52 1,041.11 846.24 469.00 1,467.24 937.14 8,892.16

DI. Yogyakarta 132.82 121.26 25.51 190.68 131.63 (10.95) (70.29) 146.89 26.92 676.06

JawaTimur 1,377.03 1,780.28 1,457.73 355.90 2,912.90 (1,490.22) 1,676.41 2,304.36 1,072.19 11,987.79

Banten 132.90 (31.08) 212.74 599.30 268.89 595.49 272.28 175.29 634.04 2,809.85

Bali 185.75 187.06 120.48 443.52 117.03 143.68 122.32 196.35 89.27 1,748.16

Kalimantan Barat 265.83 332.36 307.03 368.32 278.55 339.54 419.17 297.46 694.20 3,115.98

Kalimantan Tengah 56.57 178.38 109.96 (112.40) 199.03 159.96 175.27 246.64 300.52 1,197.46

Kalimantan Selatan 273.97 263.59 339.45 419.10 325.57 158.60 295.96 425.55 152.95 2,682.39

Kalimantan Timur 157.65 218.41 139.13 172.46 101.86 427.24 495.94 463.05 467.52 2,506.31

SulawesiUtara 161.30 71.13 215.77 178.70 88.49 305.50 (48.44) 237.00 171.45 1,305.44

Sulawesi Tengah 319.96 287.56 275.90 396.64 409.67 428.67 642.28 377.93 535.00 3,452.13

Sulawesi Selatan (960.27) 466.04 376.33 743.41 (144.77) 275.40 998.37 802.24 829.51 3,849.70

Sulawesi Tenggara 193.39 136.24 175.63 166.28 107.75 48.52 93.65 162.08 217.74 1,244.75

Gorontalo 42.98 49.04 48.59 57.98 42.13 24.25 45.88 60.70 73.33 415.53

NusaTenggaraBarat 37.02 111.95 115.40 227.21 155.35 59.96 303.87 229.95 188.05 1,340.86

Nusa Tenggara Timur 38.55 199.98 116.18 167.19 (0.79) 77.30 46.45 130.61 152.90 1,046.09

Maluku 38.25 32.70 46.29 34.31 75.22 37.61 30.27 86.33 71.78 459.05

Maluku Utara 33.74 37.34 39.97 81.61 46.96 51.65 50.96 58.43 30.39 403.55

Papua 31.58 51.73 84.80 1,710.13 (105.54) 225.56 172.22 200.75 266.14 2,737.55

HERMADA DEKIAWAN DAN BUDI ASMARAWATI / Pendekatan Model Shift-Share Spasial Dinamis dalam

Penentuan Sektor Ekonomi Kompetitif



Tabel 3. Total Pergeseran Pangsa Sektor Industri

Sumber: Badan Pusat Statistik, diola

Di sektor perdagangan, struktur

perekonomian Jawa Timur mampu

memberikan kontribusi output sebesar

71.133,51 milyar disusul kemudian DKI

Jakarta sebesar 46.532,2 dan Jawa Barat

45.660,36 milyar. Dari sini terlihat bahwa

sektor perdagangan secara nasional didominasi

oleh ketiga provinsi tersebut. Dari sektor ini

terlihat semua provinsi memiliki nilai shift-

share positif yang mengidikasikan bahwa

struktur perekonomian nasional dan regional

mampu mendorong output sektor perdagangan

di semua provinsi.

Untuk sektor jasa DKI Jakarta memiliki

shift-share yang terbesar yaitu 24.483,96

milyar. Nilai ini jauh lebih tinggi dibandingkan

dengan provinsi lainnya. Perkembangan sektor

jasa tidak lepas dari sektor perdagangan dan

industri, sehingga berkembangnya sektor

perdangan dan industri akan mendorong

perkembangnya sektor jasa. Maluku Utara

memiliki nilai shift-share terkecil dibandingkan

provinsi lainnya yaitu 124,52 milyar. Tidak ada

provinsi yang memiliki nilai shift-share negatif

untuk sektor jasa, sehingga struktur

perekonomian nasional dan regional membawa

dampak pada kenaikan output sektor jasa di

semua provinsi.

Tabel 4. Total Pergeseran Pangsa Sektor Perdagangan

Provinsi 2005 2006 2007 2008 2009 2010 2011 2012 2013 2004-2013

Aceh (1,653.35) (757.87) (506.72) (371.64) (154.90) (309.69) 71.34 59.81 (141.10) (3,941.84)

Sumatera Utara 965.87 1,162.15 1,142.16 691.98 914.40 (1,174.63) 753.71 1,316.10 1,511.30 8,280.82

Sumatera Barat 178.90 172.00 229.40 300.12 154.73 44.28 118.92 149.15 226.39 1,836.94

Riau 416.66 543.74 738.48 659.39 567.37 731.59 818.61 371.75 853.53 5,547.88

Jambi 67.07 78.92 100.30 109.04 114.88 118.91 111.78 245.42 (143.35) 974.79

Sumatera Selatan 396.78 468.31 530.09 334.67 283.41 601.10 816.75 1,031.32 559.81 4,535.56

Bengkulu 4.04 13.93 15.54 21.34 19.89 29.98 37.15 27.36 30.51 196.56

Lampung 156.04 175.46 258.25 279.66 177.21 275.24 228.53 229.22 395.61 2,358.40

Kepulauan Bangka Belitung 111.72 85.91 114.24 62.25 20.44 125.99 97.73 79.03 79.72 742.77

DKI Jakarta 2,456.44 2,541.93 2,493.11 2,158.79 85.00 2,186.97 1,554.01 1,500.69 1,344.95 16,435.38

Jawa Barat 8,369.53 8,965.02 8,391.74 11,055.37 (3,069.36) 2,941.56 7,524.27 5,885.71 9,368.87 60,667.63

Jawa Tengah 2,109.38 2,083.09 2,679.04 4,482.93 1,266.45 3,689.46 4,585.16 3,966.04 6,052.40 29,091.60

DI. Yogyakarta 63.02 17.41 46.61 34.93 5.98 146.43 188.12 (59.81) 188.42 741.21

JawaTimur 3,122.09 2,144.79 3,379.48 4,873.36 3,634.08 (4,804.26) 6,813.36 6,963.98 6,135.76 36,005.61

Banten 1,230.63 1,570.36 947.44 11,000.82 177.66 1,364.72 3,054.97 672.51 2,209.39 22,671.88

Bali 97.81 88.43 192.26 333.73 46.58 278.05 80.54 165.42 161.14 1,514.16


Kalimantan Tengah 17.68 (29.85) 72.13 64.28 59.57 103.42 22.29 40.84 48.06 355.17

Kalimantan Selatan (59.15) (50.75) 86.80 82.80 124.78 104.08 89.18 214.09 (69.73) 614.39

Kalimantan Timur (190.51) (845.83) (1,292.41) 1,032.18 (1,371.74) (891.69) (1,705.35) (1,643.86) (1,009.71) (8,043.37)

SulawesiUtara 21.28 90.79 67.55 107.34 152.89 82.58 2.87 142.71 59.98 737.54

Sulawesi Tengah 29.19 32.49 66.84 76.28 84.26 69.04 73.70 50.09 16.07 524.03

Sulawesi Selatan 134.64 366.74 260.63 500.44 (330.46) 334.63 586.13 651.81 857.58 3,725.05

Sulawesi Tenggara 17.05 176.71 78.95 51.76 (17.76) 171.19 61.51 25.81 41.18 607.69

Gorontalo 8.58 (11.38) 9.62 10.58 6.12 3.34 10.98 29.09 26.30 109.67

NusaTenggaraBarat 45.80 20.38 68.72 67.21 85.18 35.24 31.16 47.67 40.27 425.20

Nusa Tenggara Timur 4.36 7.05 6.35 0.34 (5.20) 3.23 6.34 7.17 4.35 49.00

Maluku 5.49 7.78 19.89 8.40 21.19 0.12 9.06 16.33 12.31 101.36

Maluku Utara 12.69 14.72 12.30 (31.07) 13.59 16.93 14.05 11.56 23.01 82.80

Papua 57.56 4.13 61.66 (328.89) (60.35) 69.73 48.06 7.52 11.77 (74.77)



Provinsi 2005 2006 2007 2008 2009 2010 2011 2012 2013 2004-2013

Aceh 320.49 386.77 95.00 252.09 121.35 438.05 586.18 691.89 637.83 3,243.11

Sumatera Utara 756.10 1,103.19 1,289.85 1,132.73 1,455.67 (1,934.37) 2,698.67 2,518.37 2,922.54 12,148.82

Sumatera Barat 301.53 356.91 392.14 409.54 208.75 143.45 349.86 585.37 642.15 3,599.67

Riau 523.03 632.53 558.85 668.71 724.64 910.02 987.02 1,829.80 668.03 7,017.55

Jambi 177.97 170.80 145.30 97.12 280.42 374.68 309.31 450.48 (119.79) 2,152.05

Sumatera Selatan 457.52 511.77 625.99 523.09 347.91 756.46 907.78 1,341.59 801.70 5,445.58

Bengkulu 53.61 86.01 92.59 80.32 70.32 81.47 106.64 138.02 161.02 849.18

Lampung 237.66 233.08 216.38 353.60 259.19 268.13 321.87 361.89 317.03 2,750.01

Kepulauan Bangka Belitung

56.61 47.26 112.66 121.40 (1.68) 216.05 276.62 220.07 128.09 978.45

DKI Jakarta 4,630.93 4,118.65 4,652.79 4,821.53 3,173.41 6,161.85 6,788.85 7,078.83 6,764.33 46,532.20

Jawa Barat 1,747.63 3,462.08 4,053.86 2,149.61 6,208.62 8,716.09 6,008.21 10,118.80 7,328.67 45,660.36

Jawa Tengah 1,715.64 1,754.17 2,081.25 1,329.50 1,798.54 2,162.22 3,545.96 4,030.64 4,965.13 21,880.44

DI. Yogyakarta 165.52 125.56 179.53 198.21 124.78 194.05 229.72 312.14 301.60 1,946.15

JawaTimur 6,269.49 7,173.47 6,833.04 2,337.48 8,123.08 (12,738.75) 14,052.82 14,946.67 13,346.86 71,133.51

Banten 868.49 779.59 1,324.16 1,401.47 485.32 1,402.84 2,258.36 1,402.64 1,877.95 11,850.30

Bali 383.94 332.16 516.75 801.18 155.67 873.69 807.98 505.80 488.26 5,066.20

Kalimantan Barat 277.65 272.43 319.40 (353.68) 229.33 389.71 564.04 465.91 383.63 2,340.13

Kalimantan Tengah 79.24 121.78 114.60 287.15 266.27 325.33 257.26 419.63 326.91 1,948.28


Kalimantan Timur 457.10 892.52 336.49 617.01 565.16 1,107.22 1,201.93 1,012.13 760.94 6,385.42

SulawesiUtara 128.06 130.39 157.25 306.23 497.10 253.47 382.91 483.66 481.07 2,480.58

Sulawesi Tengah 118.22 147.34 131.05 150.93 156.49 229.74 251.18 199.25 146.96 1,533.68

Sulawesi Selatan (31.95) 385.08 551.90 710.65 (29.50) 880.54 1,114.83 1,045.89 1,292.00 6,242.35

Sulawesi Tenggara 102.96 58.56 121.84 148.94 218.96 226.00 230.60 295.16 243.99 1,623.10

Gorontalo 13.24 19.28 20.47 22.27 39.82 26.87 44.60 64.18 64.13 301.54

NusaTenggaraBarat 119.65 159.69 177.07 156.72 223.00 206.09 227.05 337.41 295.70 1,787.75

Nusa Tenggara Timur

72.47 97.81 86.00 95.37 (62.64) 133.12 191.75 146.41 198.90 1,158.28

Maluku 45.17 61.07 58.98 48.95 93.31 22.68 45.69 118.23 84.28 612.55

Maluku Utara 34.86 38.22 40.35 48.80 69.76 92.27 105.16 140.95 149.87 628.27

Papua 41.82 53.15 54.39 745.26 (432.22) 300.18 240.09 138.08 231.60 1,773.56


Tabel 5. Total Pergeseran Pangsa Sektor Jasa Provinsi 2005 2006 2007 2008 2009 2010 2011 2012 2013 2004-2013

Aceh 403.24 204.33 685.42 70.75 60.86 285.07 289.61 434.71 502.28 2,879.60

Sumatera Utara 347.53 588.52 732.67 911.68 959.25 (776.66) 1,493.89 1,379.38 1,396.32 6,996.62

Sumatera Barat 194.20 233.08 302.92 353.15 256.40 476.72 490.40 596.74 626.50 3,488.42

Riau 238.27 337.82 348.92 372.28 409.81 440.71 483.10 552.09 476.47 3,471.39

Jambi 36.24 47.14 68.17 64.02 115.26 71.53 55.46 75.66 (18.44) 548.73

Sumatera Selatan 226.66 285.30 347.05 480.69 610.62 474.75 490.31 602.47 455.84 3,463.82

Bengkulu 70.10 63.35 67.24 91.86 74.66 165.69 130.36 136.24 156.29 914.70

Lampung 52.36 50.12 107.42 135.24 107.13 150.60 239.77 311.11 338.89 1,499.10

Kepulauan Bangka Belitung 41.84 43.35 50.17 54.92 17.75 115.02 121.16 98.77 75.74 557.01

DKI Jakarta 1,658.99 1,906.10 2,189.41 2,313.66 2,761.09 3,008.24 3,417.38 4,019.57 4,242.01 24,483.96

Jawa Barat 984.65 1,373.32 521.31 755.19 708.75 1,745.89 1,849.23 2,128.52 1,524.73 11,076.79

Jawa Tengah 658.93 1,125.60 1,038.79 386.82 600.34 1,268.53 1,600.17 1,575.20 1,590.93 9,385.76

DI. Yogyakarta 69.16 115.83 107.72 150.72 140.10 208.77 235.92 265.62 236.25 1,536.08

JawaTimur 840.83 1,106.71 1,289.17 4,462.33 2,522.72 (1,483.34) 2,046.50 2,012.80 2,147.62 15,588.32

Banten 155.87 231.77 269.69 367.65 197.04 175.58 412.34 240.04 390.49 2,493.85

Bali 135.30 204.63 87.88 231.94 99.92 472.87 426.21 333.82 488.49 2,431.25


Kalimantan Tengah 81.69 47.34 180.14 222.53 114.05 131.74 220.57 251.84 285.20 1,422.18


Kalimantan Timur 90.14 69.08 81.05 146.12 127.38 174.55 285.59 311.04 254.33 1,392.64

SulawesiUtara 55.91 96.05 57.65 193.60 214.24 199.08 284.32 326.91 235.07 1,454.50




Provinsi 2005 2006 2007 2008 2009 2010 2011 2012 2013 2004-2013

Sulawesi Tengah 131.68 148.07 183.93 321.52 216.05 277.45 292.39 236.14 252.99 2,007.26

Sulawesi Selatan (252.47) 507.60 254.92 270.45 199.61 215.84 414.20 134.62 252.18 2,038.80

Sulawesi Tenggara 62.35 71.62 68.44 86.74 102.30 18.69 48.56 116.67 91.28 682.35

Gorontalo 50.82 37.52 31.29 37.71 80.53 30.03 24.48 39.28 37.49 332.47

NusaTenggaraBarat 54.12 43.81 50.85 146.88 159.88 95.08 85.48 46.10 128.84 778.60

Nusa Tenggara Timur 122.96 127.99 164.79 166.62 36.65 201.71 324.14 201.89 276.19 1,779.99

Maluku 26.48 29.30 21.20 31.09 69.85 32.91 49.30 94.50 40.59 407.21

Maluku Utara 8.62 8.71 9.42 8.25 15.66 22.70 22.84 21.20 19.99 124.52

Papua 60.62 49.36 52.75 1,109.32 (96.36) 554.91 387.85 190.83 484.86 2,816.87


Bila dilihat rincian nilai shift-share,

maka akan dapat dilihat kontribusi total nilai

shift-share atau pergeseran yang terjadi di

masing-masing provinsi. Di sektor pertanian

misalnya, Provinsi Aceh memiliki nilai shift-

share 2.143,33 milyar. Nilai sebesar itu lebih

dominan disebabkan karena faktor

perekonomian nasional (Mij) dibandingkan

struktur sektor pertanian di Provinsi Aceh (Nij).

Nilai negatif pada Nij menggambarkan kondisi

sektor pertanian di Provinsi Aceh yang justru

berdampak negatif pada shift-share secara

keseluruhan. Nilai Eij,t-1 x (rij-rij*t) di Provinsi

Aceh terlihat positif yang berarti rata-rata

pertumbuhan sektor pertanian di Aceh lebih

tinggi dibandingkan rata-rata tertimbang

pertumbuhan sektor pertanian dari semua

provinsi yang mempengaruhi sektor pertanian

di Aceh. Nilai Eij,t-1 x (rij*t-ri) terlihat negatif yang

menggambarkan bahwa meski Aceh memiliki

rata-rata pertumbuhan yang lebih tinggi, namun

Aceh tidak memiliki efek kompetitif atau tidak

memiliki keunggulan komparatif pada sektor

pertanian dibandingkan dengan provinsi lain.

Provinsi yang memiliki nilai positif

pada semua komponen shift-share

menunjukkan bahwa provinsi tersebut memiliki

keunggulan dan daya saing dibandingkan

provinsi lainnya. Untuk sektor pertanian, tidak

ada satupun provinsi yang memiliki nilai

positif pada semua komponen shift-share.

Untuk Mij terlihat semua provinsi memiliki

nilai positif yang mengandung arti bahwa

kondisi perekonomian nasional memberikan

kontribusi positif di sektor pertanian untuk

semua provinsi. Untuk sektor pertanian dan

sektor industri, tidak ada provinsi yang

memiliki nilai positif pada semua komponen

sedangkan untuk sektor perdagangan hanya

Riau yang memiliki nilai positif semua

komponen. Pada sektor jasa Bengkulu,

Kalimantan Barat, Sulawesiu Tengah, dan

Papua memiliki nilai positif pada semua

komponen sehingga keempat provinsi tersebut

memiliki kunggulan dan daya saing di sektor

jasa.



Tabel 6. Dekomposisi Shift-Share Sektor Pertanian 2004-2013

Provinsi Mij Nij Eij,t-1 x (rij-rij*t) Eij,t-1 x (rij*

t-ri) D

Aceh 5,319.68 -2165.68 2,172.50 (3,183.17) 2,143.33

Sumatera Utara 14,148.59 -5759.98 (13,436.19) 15,595.84 10,548.26

Sumatera Barat 4,571.64 -1861.14 6,236.66 (5,608.23) 3,338.93

Riau 8,215.04 -3344.40 3,222.02 (1,893.73) 6,198.93

Jambi 2,401.59 -977.70 (1,570.12) 2,951.29 2,805.06

Sumatera Selatan 6,103.86 -2484.92 8,820.12 (7,189.28) 5,249.77

Bengkulu 1,545.55 -629.21 354.25 41.48 1,312.08

Lampung 7,877.92 -3207.15 6,510.29 (6,247.42) 4,933.63


1,241.88 -505.58 840.18 (427.92) 1,148.56

DKI Jakarta 183.58 -74.74 (33.68) (19.59) 55.57

Jawa Barat 22,709.96 -9245.37 10,922.54 (15,554.29) 8,832.83

Jawa Tengah 18,858.34 -7677.35 12,388.41 (14,677.24) 8,892.16

DI. Yogyakarta 2,012.46 -819.29 (1,118.83) 601.72 676.06

JawaTimur 28,563.24 -11628.28 1,473.93 (6,421.10) 11,987.79

Banten 3,248.34 -1322.42 4,737.86 (3,853.93) 2,809.85

Bali 2,904.02 -1182.24 (223.90) 250.29 1,748.16

Kalimantan Barat 3,767.05 -1533.59 564.35 318.17 3,115.98

Kalimantan Tengah 3,454.00 -1406.14 3,111.52 (3,961.91) 1,197.46

Kalimantan Selatan 3,537.95 -1440.32 5,738.33 (5,153.56) 2,682.39

Kalimantan Timur 4,056.93 -1651.60 (4,212.64) 4,313.62 2,506.31

SulawesiUtara 1,725.02 -702.27 1,300.28 (1,017.60) 1,305.44

Sulawesi Tengah 3,277.17 -1334.16 2,319.27 (810.15) 3,452.13

Sulawesi Selatan 8,106.27 -3300.12 4,116.96 (5,073.41) 3,849.70

Sulawesi Tenggara 1,844.42 -750.88 374.77 (223.56) 1,244.75

Gorontalo 379.24 -154.39 722.64 (531.96) 415.53

NusaTenggaraBarat 2,531.70 -1030.67 1,268.90 (1,429.07) 1,340.86

Nusa Tenggara Timur 2,632.63 -1071.76 959.75 (1,474.53) 1,046.09

Maluku 697.62 -284.01 391.50 (346.06) 459.05

Maluku Utara 500.32 -203.68 668.60 (561.69) 403.55

Papua 1,015.64 -413.48 2,545.57 (410.19) 2,737.55


Tabel 7. Dekomposisi Shift-Share Sektor Industri 2004-2013

Provinsi Mij Nij Eij,t-1 x (rij-

rij*t)

Eij,t-1 x (rij*t-ri) D

Aceh 4,883.25 -1196.226589 (6,118.71) (1,510.16) (3,941.84)

Sumatera Utara 13,407.10 -3284.275295 (100,519.69) 98,677.68 8,280.82

Sumatera Barat 2,392.16 -585.9954725 1,405.73 (1,374.95) 1,836.94

Riau 4,977.61 -1219.341414 1,105.79 683.83 5,547.88

Jambi 1,122.00 -274.8519641 (6,874.22) 7,001.86 974.79

Sumatera Selatan 5,542.16 -1357.636525 5,747.74 (5,396.70) 4,535.56

Bengkulu 165.94 -40.65003782 (52.51) 123.78 196.56

Lampung 2,464.53 -603.7238603 1,574.90 (1,077.31) 2,358.40

Kepulauan Bangka Belitung 1,212.48 -297.0160253 500.28 (672.98) 742.77

DKI Jakarta 32,108.87 -7865.559061 23,113.44 (30,921.37) 16,435.38

Jawa Barat 63,915.35 -15657.04165 105,287.99 (92,878.66) 60,667.63

Jawa Tengah 28,999.05 -7103.761998 36,647.01 (29,450.70) 29,091.60




Provinsi Mij Nij Eij,t-1 x (rij-

rij*t)

Eij,t-1 x (rij*t-ri) D

DI. Yogyakarta 1,582.51 -387.6604725 (3,179.48) 2,725.84 741.21

JawaTimur 44,497.35 -10900.30648 11,532.46 (9,123.90) 36,005.61

Banten 18,289.09 -4480.193504 41,848.78 (32,985.79) 22,671.88

Bali 1,260.56 -308.7926254 (1,217.82) 1,780.22 1,514.16

Kalimantan Barat 2,980.14 -730.0320637 304.88 (1,441.41) 1,113.58

Kalimantan Tengah 808.90 -198.1530624 586.91 (842.49) 355.17

Kalimantan Selatan 1,990.37 -487.5711427 441.71 (1,330.12) 614.39

Kalimantan Timur 22,589.19 -5533.566952 1,517.77 (26,616.76) (8,043.37)

SulawesiUtara 629.46 -154.1964687 928.24 (665.97) 737.54

Sulawesi Tengah 499.75 -122.4211684 (608.94) 755.65 524.03

Sulawesi Selatan 3,281.81 -803.9298401 2,227.51 (980.34) 3,725.05

Sulawesi Tenggara 370.76 -90.82283258 (193.34) 521.10 607.69

Gorontalo 121.46 -29.75470803 188.60 (170.64) 109.67

NusaTenggaraBarat 418.18 -102.4391958 64.68 44.78 425.20

Nusa Tenggara Timur 101.84 -24.9460852 (5.85) (22.04) 49.00

Maluku 96.92 -23.74082131 60.38 (32.19) 101.36

Maluku Utara 217.97 -53.39471124 108.76 (190.53) 82.80

Papua 454.93 -111.4414737 (492.67) 74.41 (74.77)


Tabel 8. Dekomposisi Shift-Share Sektor Perdagangan 2004-2013


t-ri) D

Aceh 3,206.71 1262.824877 810.22 (2,036.65) 3,243.11

Sumatera Utara 10,040.22 3953.908953 (74,442.21) 72,596.90 12,148.82

Sumatera Barat 3,299.21 1299.252914 2,822.33 (3,821.12) 3,599.67

Riau 3,376.25 1329.589028 1,829.24 482.47 7,017.55

Jambi 1,299.29 511.6679451 (5,882.17) 6,223.27 2,152.05

Sumatera Selatan 3,935.06 1549.652558 5,446.50 (5,485.63) 5,445.58

Bengkulu 791.24 311.5943338 (628.69) 375.03 849.18

Lampung 2,887.39 1137.07443 639.29 (1,913.75) 2,750.01


1,058.84 416.9791616 342.87 (840.25) 978.45

DKI Jakarta 38,791.33 15276.29312 (26,285.45) 18,750.02 46,532.20

Jawa Barat 30,002.01 11814.99652 31,037.05 (27,193.70) 45,660.36

Jawa Tengah 18,679.33 7356.047763 17,124.10 (21,279.04) 21,880.44

DI. Yogyakarta 2,161.45 851.195217 (3,842.04) 2,775.54 1,946.15

JawaTimur 45,008.26 17724.56213 21,274.01 (12,873.32) 71,133.51

Banten 6,478.59 2551.314467 15,737.56 (12,917.17) 11,850.30

Bali 4,030.36 1587.183378 (6,026.05) 5,474.71 5,066.20

Kalimantan Barat 3,503.26 1379.609054 (1,443.13) (1,099.61) 2,340.13

Kalimantan Tengah 1,575.00 620.246365 1,979.52 (2,226.48) 1,948.28

Kalimantan Selatan 2,189.11 862.0876 2,715.38 (2,977.91) 2,788.67

Kalimantan Timur 4,032.93 1588.19391 8,403.03 (7,638.73) 6,385.42

SulawesiUtara 1,140.40 449.0974305 2,334.11 (1,443.03) 2,480.58

Sulawesi Tengah 906.61 357.0273437 (520.95) 791.00 1,533.68

Sulawesi Selatan 3,571.67 1406.548774 2,629.44 (1,365.31) 6,242.35

Sulawesi Tenggara 754.33 297.0621581 (110.48) 682.19 1,623.10

Gorontalo 177.21 69.78619394 353.27 (298.73) 301.54



NusaTenggaraBarat 1,272.25 501.0192983 173.91 (159.43) 1,787.75

Nusa Tenggara Timur 1,004.52 395.5877738 58.31 (300.14) 1,158.28

Maluku 499.09 196.545849 84.29 (167.38) 612.55

Maluku Utara 333.40 131.2970923 579.60 (416.03) 628.27

Papua 307.54 121.1124786 1,426.93 (82.02) 1,773.56


Tabel 9. Dekomposisi Shift-Share Sektor Jasa 2004-2013


t-ri) D

Aceh 2,762.30 552.4372703 316.59 (751.72) 2,879.60

Sumatera Utara 5,234.32 1046.822164 (19,771.94) 20,487.43 6,996.62

Sumatera Barat 3,037.46 607.467511 3,460.75 (3,617.26) 3,488.42

Riau 2,032.69 406.5216719 1,124.45 (92.27) 3,471.39

Jambi 742.22 148.4389907 (3,183.39) 2,841.46 548.73

Sumatera Selatan 2,209.37 441.8573097 3,243.11 (2,430.52) 3,463.82

Bengkulu 617.52 123.4995032 16.05 157.63 914.70

Lampung 1,486.54 297.2963806 665.69 (950.42) 1,499.10


315.05 63.00663626 277.08 (98.12) 557.01

DKI Jakarta 21,424.27 4284.684786 (19,494.46) 18,269.47 24,483.96

Jawa Barat 10,445.37 2088.990962 1,231.92 (2,689.49) 11,076.79

Jawa Tengah 9,004.03 1800.734178 9,157.82 (10,576.83) 9,385.76

DI. Yogyakarta 1,832.61 366.5067131 (2,955.39) 2,292.36 1,536.08

JawaTimur 13,251.81 2650.257469 222.62 (536.38) 15,588.32

Banten 1,551.82 310.3524895 2,652.62 (2,020.95) 2,493.85

Bali 1,855.31 371.0468576 (1,451.97) 1,656.86 2,431.25

Kalimantan Barat 1,468.58 293.7052796 280.43 43.79 2,086.50

Kalimantan Tengah 1,084.94 216.9799638 1,232.16 (1,111.91) 1,422.18

Kalimantan Selatan 1,234.85 246.9595524 2,044.49 (1,787.39) 1,738.91

Kalimantan Timur 1,092.25 218.4415133 2,136.74 (2,054.79) 1,392.64

SulawesiUtara 1,335.81 267.1506054 848.51 (996.96) 1,454.50

Sulawesi Tengah 1,085.19 217.0293834 238.95 466.09 2,007.26

Sulawesi Selatan 2,783.15 556.6085013 (976.65) (324.32) 2,038.80

Sulawesi Tenggara 670.52 134.0986312 (612.66) 490.40 682.35

Gorontalo 215.00 42.99740366 435.91 (361.44) 332.47

NusaTenggaraBarat 971.16 194.2238763 (215.45) (171.33) 778.60

Nusa Tenggara Timur 1,402.43 280.4756682 403.48 (306.40) 1,779.99

Maluku 391.54 78.30588645 (115.90) 53.26 407.21

Maluku Utara 110.95 22.18870446 107.27 (115.89) 124.52

Papua 304.60 60.91661798 2,438.00 13.36 2,816.87

Sumber : Badan Pusat Statistik, diolah




Dependensi spasial menggambarkan

saling ketergantungan atau saling

mempengaruhi yang terjadi antara provinsi

yang satu dengan yang lain. Untuk melihat ada

tidaknya dependensi spasial, dipergunakan

Indeks Moran dengan menggunakan

pendekatan LISA. Nilai indeks yang positif

menggambarkan adanya depensi spasial. Hal

ini mengandung arti bahwa perubahan yang

terjadi di suatu provinsi dipengaruhi oleh

provinsi lain.

Berdasarkan hasil yang ada, terdapat

provinsi yang memiliki nilai positif di semua

sektor, dan sebaliknya terdapat provinsi yang

memiliki nilai negatif pada semua sektor. DKI

Jakarta misalnya, untuk semua sektor pada

tahun 2004, 2008, dan 2013 memiliki nilai

indeks yang negatif. Hal ini mengandung arti

bahwa keempat sektor di DKI Jakarta tersebut

tidak memiliki dependensi dengan daerah lain.

Sementara itu beberapa provinsi seperti

Gorontalo, Maluku, Maluku Utara, Nusa

Tenggara Barat, Nusa Tenggara Timur

memiliki nilai positif pada semua sektor dan

semua periode. Hal ini menunjukkan adanya

dependensi provinsi-provinsi tersebut dengan

provinsi lainnya.

Tabel 10. Statistik LISA Tahun 2004, 2008, 2013

Provinsi Pertanian Industri Perdagangan Jasa

2004 2008 2013 2004 2008 2013 2004 2008 2013 2004 2008 2013

Aceh -16.7180 23.1664 1.6295 6.5931 -13.3079 7.5558 5.5389 5.8214 15.2520 50.7688 123.8016 50.0211

Sumatera Utara -5.9282 21.6042 5.5468 -38.3645 69.3183 21.7158 -32.3805 99.4917 32.5560 -22.8333 37.3551 4.8203

Sumatera Barat -75.5342 85.4018 40.3776 -55.1018 22.5243 -32.1215 -38.6368 34.1407 0.7538 -734.8500 280.3403 360.9113

Riau 1.4317 2.8855 5.6435 -0.0764 -3.2911 -7.1983 -0.1523 -1.1191 -4.2348 1.4464 2.2825 4.3801

Jambi -11.1027 -86.5647 -99.9693 8.6368 -48.2410 -64.4009 8.4297 -36.9802 -40.1530 3.9345 -41.1507 -44.0897

Sumatera Selatan 40.9655 61.9468 -50.3000 18.4264 -27.9193 49.0779 8.4870 -33.0383 40.2429 18.6592 -26.7250 84.5058

Bengkulu 4.7054 -0.0790 -1.8765 14.8201 13.6463 9.3481 15.2401 14.6269 11.9917 14.1819 14.6140 12.2637

Lampung 2.5120 -29.1455 -13.8108 8.3603 29.5665 14.9955 12.0699 34.9795 19.2495 8.9958 31.6421 19.2677

Kepulauan Bangka Belitung -4.0142 -28.7302 -1.2420 2.0506 -18.2597 9.5916 1.7584 -24.1385 10.7119 3.8851 -14.9331 7.4029

DKI Jakarta 2.7026 -0.7297 -1.5525 7.2638 0.6731 -0.4350 -1.5774 -1.0383 -0.9036 -1.9693 -1.2245 -1.0312

Jawa Barat -2.1948 -2.9414 -3.4475 -0.1040 -2.5250 -2.7156 -1.4104 -3.3427 -3.3900 -3.4851 -4.5047 -4.6464

Jawa Tengah -1.6164 -4.9482 -5.6564 -7.4877 -9.1792 -8.3384 -8.2564 -11.6675 -12.8804 -6.8957 -10.4810 -11.5872

DI. Yogyakarta -0.5765 -14.6270 -19.6580 7.9854 21.2294 -14.2048 10.7981 19.1649 -3.8563 16.6955 10.7040 -8.4667

JawaTimur 1.1406 2.6843 1.2939 -0.1933 -0.1816 -0.6965 -0.7868 -0.6468 -1.1285 -1.0698 -0.1249 -1.1843

Banten -64.6370 15.6083 6.0005 44.1847 -12.9911 -8.5269 -

2865.2900 -

163.3458 -84.0284 -40.9059 29.2911 9.1506

Bali -47.3615 -61.1543 -82.2504 -58.7546 -82.7801 -124.0325 -66.9892 -82.4424 -

125.1026 -37.5024 -45.7972 -80.3373

Kalimantan Barat 12.2042 -11.8511 -15.2357 6.3110 -3.8158 13.1238 14.0523 4.0487 15.1576 10.9588 5.2930 11.2183

Kalimantan Tengah -30.2031 -0.6190 16.4118 -1.7121 -4.7483 13.7533 -3.4519 2.5692 17.1258 -1.0144 6.7342 17.2317

Kalimantan Selatan -

121.0892 25.6745 7.5858 -20.9484 -37.8069 -3.8204 -24.6915 -0.4068 7.7671 -34.3546 16.4307 11.2323

Kalimantan Timur 45.6772 3.5166 -5.8253 22.2122 6.3115 5.7164 -173.6976 -39.8393 -10.8985 -125.9761 -24.4071 -6.6935

SulawesiUtara -2.2103 -18.2503 6.3548 -1.3211 -30.2662 14.2876 0.8065 -13.9420 17.2316 7.7437 -10.5084 19.5695

Sulawesi Tengah 3.0225 -4.7128 -9.3755 7.8122 4.9466 -8.8882 8.3402 7.0997 0.4232 8.8116 7.4416 3.2061

Sulawesi Selatan -1.4074 -57.0527 -8.0015 12.4072 39.3255 18.7086 18.0037 44.3189 28.4753 79.2697 81.0618 33.3290

Sulawesi Tenggara 0.1058 -11.3883 -6.0180 13.4547 17.6539 1.9679 13.1529 16.5262 6.9511 12.6576 17.4675 5.5656

Gorontalo 12.1343 18.1791 23.8936 19.0235 28.8991 26.0330 17.7126 25.7412 25.3885 15.6132 18.9232 26.1586

NusaTenggaraBarat 7.0833 7.4509 12.2294 13.6278 12.0229 12.5692 15.2489 14.6955 16.2180 15.7663 15.1306 16.4394

Nusa Tenggara Timur 33.0591 48.5935 32.1794 21.4215 28.8154 22.1151 24.2850 32.7291 25.0567 37.0868 48.4171 39.4313

Maluku 20.4481 22.6671 20.9849 23.0976 26.3582 24.0967 23.6266 26.5836 24.5329 23.6338 24.3187 22.8827

Maluku Utara 19.2164 20.8708 24.7480 24.1674 25.1718 26.5389 22.9731 24.4270 26.9206 19.9223 21.1101 24.1923

Papua -1.9659 1.3636 -3.9650 3.0283 11.5402 0.4660 2.8157 10.0191 5.8886 5.0548 1.4227 6.7599




SIMPULAN

Struktur perekonomian Indonesia

menunjukkan terjadinya pergeseran sektoral. Hal

ini tercermian dari perkembangan proporsi dan

output setiap tahun. Sektor pertanian dan sektor

industri menunjukkan tren penurunan proporsi

selama kurun waktu 2003-2014. Tren penurunan

proporsi tidak berarti menyebabkan tren

penurunan output PDRB atau PDB dan juga

sebaliknya. Proporsi dan output menunjukkan

terjadinya perubahan pola atau struktur

perekonomian.

Kondisi perekonomian di provinsi

dipengaruhi oleh kondisi perekonomian nasional,

perekonomian daerah atau regional,

perkembangan sektor ekonomi, serta posisi

sektor tersebut diantara sektor yang sama dari

provinsi lain. Hal ini membuat perubahan yang

terjadi baik di dalam daerah atau di luar daerah

dapat mempengaruhi perekonomian di suatu

daerah. Kondisi yang terjadi di suatu daerah

dapat dipengaruhi oleh kondisi di daerah lain,

namun bisa pula tidak dipengaruhi oleh daerah

lain. Hal ini menggambarkan ada atau tidaknya

dependensi antar daerah.

Investasi sangat mempengaruhi

perekonomian daerah dan nasional karena

investasi memiliki efek multipler yang banyak

seperti pada lapangan kerja, pendapatan, serta

sektor ekonomi lainnya. Daerah perlu

merumuskan kebijakan dan strategi investasi

yang mampu menarik minat calon investor

dengan berbagai insentif dan kemudahan yang

ditawarkan, termasuk upaya promosi yang

sistematis. Hal ini dimaksudkan agar struktur

perekonomian semakin kuat dan pertumbuhan

ekonomi ditopang oleh investasi.

Adanya ketergantungan antar daerah

menyebabkan apa yang terjadi di sebuah daerah

berpengaruh ke daerah lainnya. Sinergi antar

daerah menjadi faktor penting untuk daerah yang

memiliki keunggulan di sektor tertentu. Pola

kerjasama antar daerah yang mampu mendorong

produktivitas akan mendorong terwujudnya

konvergensi dalam pendapatan dan pertumbuhan

ekonomi.

Pemetaan daerah melalui identifikasi

sektor unggulan, serta bagaimana

mengintegrasikan keunggulan tersebut perlu

segera dilakukan dalam rangka mewujudkan

“Indonesia incorporated”.

DAFTAR PUSTAKA

Anselin, Luc (1988). Spatial Econometrics:

Methods and Models. Kluwer Academic

Publishers Inc. Dordrecht. Netherland.

Artige, Lionel dan Leif Van Neuss (2013). “A

New Shift Share Method”. CREPP

Working Paper No. 2013/02. Centre de

Recherche en Economic Publique et de la

Population. Liege.

Badan Pusat Statistik (2013). Produk Domestik

Regional Bruto Atas Dasar Harga Berlaku

Menurut Provinsi, 2004-2012.

www.bps.go.id (Diakses tanggal 12

Desember 2013).

Dekiawan, Hermada (2014). “Konvergensi

Penerimaan dan Pengeluaran Pemerintah

Provinsi di Indonesia: Pendekatan Data

Panel Dinamis Spasial”. Buletin Ekonomi

Moneter Perbankan. Vol. 17 No. 1. Bank

Indonesia.

Dinc, Mustafa (2002). Regional and Local

Economic Analysis Tools. World Bank

Institute. The World Bank Washington.

Chiptea, Angela, Guillaume Gaulier, dan

Soledad Zignago (2005). “World Trade

Competitiveness : A Disagregatted View

by Shift-Share Analysis”. CEPII Working

Paper No. 2005-23. Paris.

Drugge, Sten E (1988). “A Theoretical Critique

of Shift and Share Analysis : A General

Equilibirum Approach”. Canadian Journal

Regional Science. XI.2:303-311.

Espa, Giuseppe, Danila Filipponi, Diego

Giuliani, Davide Piacentino (2012).

“Business change in Italian regions. A

http://www.bps.go.id/




spatial shift-share approach to plant-level

data”. Working Paper No. 02/2012.

Univbersity of Trento. Trento.

Esteban-Marquillas, J (1995). “Regional

Convergence in Europe and the Industry

Mix: a Shift-Share Analysis”. Working

Paper. Institut d'Anàlisi Econòmica CSIC.

Barcelona.

Fernandez, M. M. dan Ana Jesus Lopez

Menendez (2005). “Spatial Shift Share

Analysis: New Development and New

Findings for the Spanish Case”. Paper 45th

Congress of the European Regional

Science Association.

Frits, Oliver dan Gerhard Streicher (2004).

“Measuring Changes in Regional

Competitiveness over Time: A Shift Share

Regression Exercise”. Paper Presented at

International Conference on Policy

Modelling. Paris.

Herath, Janaranjana, Peter Schaeffer, dan Tesfa

Gebremedhin (2013). “Employment

Change in LDs of West Virginia: A

Dynamic Spatial Shift-Share Analysis”.

American Journal of Rural Development.

Vol. 1. No. 5:99-105.

Kamarianakis, Yiannis dan Julie Le Gallo

(2004). “Exploratory Spatial Data Analysis

and Spatial Econometric Modeling for the

Study of Regional Productivity

Differentials in European Union, From

1975 To 2000”. Paper 7th AGILE

Conference on Geographic Information

Science. Heraklion. Greece.

Knudsen, Daniel (2000). “Shift-share analysis:

further examination of models for the

description of economic change”. Socio-

Economic Planning Sciences. Vol. 34:177-

198. Pergamon.

Kuncoro, Mudrajad dan Ahmad Nafis Idris

(2010). “Mengapa Terjadi Growth Without

Development di Provinsi Kalimantan

Timur?”. Jurnal Ekonomi Pembangunan.

Vol. 11 No. 2.

Matlaba, Valente J, Mark Holmes, Philip

McCann, dan Jaques Poot (2012). “Classic

and Spatial Shift-Share Analysis of State-

Level Employment Change in Brazil”.

Working Paper in Economics. No. 08/12.

University of Waikato. Hamilton.

Mitchell, William, Jenny Myers, dan James

Juniper (2005). “Extending Shift-Share

Analysis to Account for Spatial Effects: A

Study Using Australian Census Data”.

Centre of Full Employment and Equity.

The University of New Castle.

Shi, Chun-Yun dan Yang Yang (2008). “A

Review of Shift-Share Analysis and Its

Application in Tourism”. International

Journal of Management Perspectives. Vol.

1 No. 1:21-30.

Traistaru, Iulia dan Guntram B. Wolff (2002).

“Regional Specialization and Employment

Dynamics in Transition Countries”.

Working Paper No. B 18 2002. Center for

European Integration Studies. University of

Bonn

pendekatan model shift-share spasial dinamis dalam...

Documents