PENGARUH FOREIGN DIRECT INVESTMENT DAN PEMBANGUNAN

TEKNOLOGI INFORMASI DAN KOMUNIKASI (TIK) TERHADAP PDB

PER KAPITA DI BEBERAPA NEGARA ASEAN TAHUN 2008-2017

SKRIPSI

Diajukan untuk Memenuhi Persyaratan Memperoleh

Gelar Sarjana Ekonomi (S.E.)

Disusun oleh:

Andini

11150840000036

JURUSAN EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

1441 H / 2019 M

i

LEMBAR PENGESAHAN PEMBIMBING

ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF

iii

LEMBAR PERNYATAAN KEASLIAN ILMIAH

iv

LEMBAR PENGESAHAN UJIAN SKRIPSI

v

DAFTAR RIWAYAT HIDUP

I. Identitas Pribadi

1. Nama Lengkap : Andini

2. Tempat/Tanggal Lahir : Jakarta, 21 Oktober 1996

3. Alamat : Jalan Jamblang N0.39

Kel. Srengseng sawah

Kec. Jagakarsa Jakarta Selatan

DKI Jakarta 12640

4. Telepon : 085782461897

5. Email : Andini.alya15@mhs.uinjkt.ac.id

II. Pendidikan Formal

1. SDI Al-Bayyinah

2. Madrasah Tsanawiyah Negeri 4 Jakarta

3. Madrasah Aliyah Negeri 13 Jakarta

4. UIN Syarif Hidayatullah Jakarta

III. Pengalaman

1. Anggota Paduan Suara MAN 13 Jakarta

2. Peserta Kompetisi Esai Nasional “Interdisciplinary Scientific

Competition For Nation Development”, 2017, Universias

Negeri Semarang

3. Finalis Kompetisi Esai Nasional “National Economics

Creative Competition 2017” UIN Alauddin

4. Magang di Seksi Pengendalian Bidang Penanaman Modal

Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu

(DPMPTSP) DKI Jakarta, Oktober-Desember 2018

vi

ABSTRACT

The aims of this research to analyze the effect of Foreign Direct

Investment (FDI) and Information and Communication Technology (ICT)

Development to GDP Per Capita in ASEAN Countries over the period of 2008-

2017. This research use secondary data and panel data analysis which is

processed using Random Effect Model (REM).

The Result showed that partially variable Foreign Direct Investment

(FDI) and Information and Communication Technology (ICT) Development have

positive and significant effect on GDP Per Capita in ASEAN Countries for year

2008-2017. Silmutaneously variable Foreign Direct Investment and Information

(FDI) and Communication Technology (ICT) Development have significant effect

on GDP Per Capita. GDP Per Capita can be explained by Foreign Direct

Investment and Information and Communication Technology (ICT) Development

about 67,8%.

Keywords: GDP Per Capita, Foreign Direct Investment (FDI), ICT Development,

Random Effect Model (REM)

vii

ABSTRAK

Tujuan dari penelitian ini untuk menganalisis pengaruh Foreign Direct

Investment (FDI) dan Pembangunan Teknologi Informasi dan Komunikasi (TIK)

terhadap PDB Per Kapita di beberapa negara ASEAN pada tahun 2008-2017.

Penelitian ini menggunakan data sekunder dan menggunakan analisis data panel

dengan pendekatan Random Effect Model (REM).

Hasil penelitian menunjukkan bahwa variabel Foreign Direct

Investment (FDI) dan Pembangunan Teknologi Informasi dan Komunikasi (TIK)

secara parsial berpengaruh positif dan signifikan terhadap PDB Per Kapita di

Negara-negara ASEAN pada tahun 2008-2017. Secara simultan variabel FDI dan

pembangunan teknologi informasi dan komunikasi (TIK) memiliki pengaruh yang

signifikan terhadap PDB Per Kapita. PDB Per Kapita dapat dijelaskan oleh

Foreign Direct Investment (FDI) dan Pembanguna Teknologi Informasi dan

Komunikasi (TIK) sebesar 67,8%.

Kata Kunci: PDB Per Kapita, Foreign Direct Investment (FDI), Pembangunan

Teknologi Informasi dan Komunikasi (TIK), Random Effect Model (REM)

viii

KATA PENGANTAR

Bismillahirrahmanirrahim

Assalamualaikum warahmatullahi wabarakatuh,

Alhamdulillah segala puji dan syukur senantiasa penulis panjatkan atas

kehadirat Allah SWT, karena berkat rahmat dan ridho-nya sehingga penulis dapat

menyelesaikan penulisan skripsi yang berjudul “Pengaruh Foreign Direct

Investment dan Pembangunan Teknologi Informasi dan KomunikasI (TIK)

terhadap PDB Per Kapita di Beberapa Negara ASEAN Tahun 2008-2017”

dengan baik. Shalawat serta salam semoga tercurahkan kepada baginda Nabi

Besar Muhammad Shallallahu ‘Alaihi Wassalam beserta keluarga dan para

sahabatnya yang telah memberi syafa’atnya kepada para umatnya dari zaman

jahiliyah hingga ke zaman yang terang benderang.

Skripsi ini disususn sebagai salah satu syarat untuk memperoleh gelar

Sarjana Ekonomi di Universitas Islam Negeri Syarif Hidayatullah Jakarta. Dengan

selesainya penulisan skripsi ini, penulis menyadari bahwa ini tidak terlepas dari

bimbingan, bantuan dan dorongan semangat dari bebrapa pihak yang ada di

sekeliling penulis. Oleh karena itu, penulis mengucapkan terima kasih kepada:

1. Kedua orang tua penulis, Ayah Mohamad Ali dan Mama Yani Heryani yang

selalu mendoakan dan tak hentinya memberi semangat, kasih sayang serta

dukungan moril dan materil sehingga penulis dapat menyelesaikan

penyusunan skripsi. Terima kasih atas segalanya, semoga Ayah dan Mama

selalu diberi kesehatan dan kebahagian. Aamiin.

2. Kedua adik penulis, Furqon dan Raisya Alya Rahma yang telah memberikan

dukungan dan rela direpotkan serta menghibur selama proses penyelesaian

skripsi.

3. Keluarga besar Naseri dan Ajar Supratman yang telah memberikan dukungan

serta doa hingga terselesaikannya penulisan skripsi ini.

4. Bapak Prof. Dr. Amilin, SE., Ak., M.Si., CA, QIA., BKP., CRMP selaku

Dekan Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif

Hidayatullah Jakarta.

ix

5. Bapak Dr. M. Hartana Iswandi Putra, M.Si dan Bapak Deni Pandu Nugraha,

SE., M.Sc selaku Ketua jurusan dan Sekertaris jurusan Ekonomi

Pembangunan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.

6. Ibu Najwa Khairina, S.E., MA. selaku dosen pembimbing skripsi yang telah

meluangkan waktu dan tenaga, pikiran dan ilmu bermanfaat sehingga penulis

dapat menyelesaikan skripsi ini. Semoga Ibu selalu diberikan kesehatan dan

keberkahan oleh Allah SWT.

7. Bapak Drs. Rusdianto, M.Sc selaku dosen pembimbing akademik.

8. Seluruh dosen Fakultas Ekonomi dan Bisnis yang telah memberikan ilmu

yang sangat berguna bagi penulis selama perkuliahan serta jajaran staf UIN

Syarif Hidayatullah Jakarta yang telah melayani dan membantu penulis

selama perkuliahan.

9. Rekan-rekan seperjuangan selama perkuliahan, Azalia Nada Bayanillah,

Diyah Ayu Fatimah, Diyah Ayu Setyo, Khairun Nisa, Kurniasih Anderesta,

Maria Ulfah, Octavira Maretta, Priska Fatma Anggita, Rara Min Arsyillah,

Resha Ayu Nuvisa, Sofi Pratiwi, dan Tenti Aprianti Rukmana terima kasih

atas segala dukungannya,

10. Teman-teman penulis yang lainnya yang senantiasa memberi dukungan dan

doa dalam kelancaran penulisan skripsi.

11. Teman-teman Ekonomi Pembangunan angkatan 2015

Penulis menyadari bahwa skripsi ini masih jauh dari kata sempurna dan

terdapat banyak kekurangan dikarenakan keterbatasan pengetahuan dan

pengalaman penulis. Oleh karena itu, penulis mengharap kritik dan saran yang

membangun dari berbagai pihak.

Wassalamualaikum warrahmatullahi wabarakatuh

Jakarta, Agustus 2019

Andini

x

DAFTAR ISI

LEMBAR PENGESAHAN PEMBIMBING ........................................................... i

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ........................................ ii

LEMBAR PERNYATAAN KEASLIAN ILMIAH .............................................. iii

LEMBAR PENGESAHAN UJIAN SKRIPSI ....................................................... iv

DAFTAR RIWAYAT HIDUP ................................................................................ v

ABSTRACT ........................................................................................................... vi

ABSTRAK ............................................................................................................ vii

KATA PENGANTAR ......................................................................................... viii

DAFTAR ISI ........................................................................................................... x

DAFTAR GRAFIK ............................................................................................... xii

DAFTAR TABEL ................................................................................................ xiii

DAFTAR GAMBAR ........................................................................................... xiv

BAB I ...................................................................................................................... 1

A. Latar Belakang.......................................................................................... 1

B. Batasan Masalah ....................................................................................... 7

C. Rumusan Masalah .................................................................................... 7

D. Tujuan dan Manfaat Penelitian ................................................................. 8

E. Tinjauan Kajian Terdahulu ....................................................................... 8

F. Sistematika Penulisan ............................................................................ 16

BAB II ................................................................................................................... 17

A. Teori Terkait ........................................................................................... 17

B. Hubungan Antar Variabel....................................................................... 28

C. Kerangka Pemikiran ............................................................................... 29

D. Hipotesis ................................................................................................. 31

BAB III.................................................................................................................. 32

A. Ruang Lingkup Penelitian ..................................................................... 32

B. Metode Penentuan Sampel ..................................................................... 32

C. Metode Pengumpulan Data .................................................................... 32

D. Instrumen Penelitian ............................................................................... 33

E. Teknik Analisis Data .............................................................................. 34

BAB IV ................................................................................................................. 39

xi

A. Gambaran Umum Objek Penelitian........................................................ 39

B. Pemilihan Model dan Pengolahan Data ................................................. 51

C. Pengujian Hipotesis ................................................................................ 57

D. Pembahasan (Analisis Ekonomi) ............................................................ 60

BAB V ................................................................................................................... 62

A. Kesimpulan ............................................................................................. 62

B. Saran ....................................................................................................... 63

DAFTAR PUSTAKA ........................................................................................... 64

LAMPIRAN .......................................................................................................... 69

xii

DAFTAR GRAFIK

Grafik 1. 1 PDB per kapita Negara-negara ASEAN Tahun 2008-2017 ................. 2

Grafik 1. 2 Indeks Pembangunan Teknologi Informasi dan Komunikasi di

Beberapa Negara ASEAN Tahun 2008-2017 ......................................................... 5

Grafik 4. 1 PDB Per Kapita Indonesia Tahun 2008-2018 (dalam US$) ............... 39

Grafik 4. 2 Foreign Direct Investment (FDI) Indonesia Tahun 2008-2018 .......... 40

Grafik 4. 3 Indeks Pembangunan Teknologi Informasi dan Komunikasi ............. 40

Grafik 4. 4 PDB Per Kapita Myanmar Tahun 2008-2018 (dalam US$) ............... 41

Grafik 4. 5 Foreign Direct Investment (FDI) Myanmar Tahun 2008-2017 .......... 42

Grafik 4. 6 Indeks Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK)

Myanmar Tahun 2008-2017 .................................................................................. 42

Grafik 4. 7 PDB Per Kapita Filipina Tahun 2008-2018 (dalam US$) .................. 43

Grafik 4. 8 Foreign Direct Investment (FDI) Filipina Tahun 2008-2018 ............. 44

Grafik 4. 9 Indeks Pembangunan Teknologi Informasi dan Komunikasi ............. 44

Grafik 4. 10 PDB Per Kapita Vietnam Tahun 2008-2018 (dalam US$) ............... 45

Grafik 4. 11 Foreign Direct Investment (FDI) Vietnam Tahun 2008-2017 (dalam

Juta US$) ............................................................................................................... 46

Grafik 4. 12 Indeks Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK)

Vietnam Tahun 2008-2017 ................................................................................... 46

Grafik 4. 13 PDB Per Kapita Kamboja Tahun 2008-2018 (dalam US$) .............. 47

Grafik 4. 14 Foreign Direct Investment (FDI) Kamboja Tahun 2008-2018 (dalam

Juta US$) ............................................................................................................... 48

Grafik 4. 15 Indeks Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK)

Kamboja Tahun 2008-2017................................................................................... 48

Grafik 4. 16 PDB Per Kapita Laos Tahun 2008-2018 (dalam US$) ..................... 49

Grafik 4. 17 Foreign Direct Investment (FDI) Laos Tahun 2008-2017 ............... 50

Grafik 4.18 Indeks Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK)

Laos Tahun 2008-2017 ......................................................................................... 50

xiii

DAFTAR TABEL

Tabel 1. 1 Rata-Rata Jumlah FDI Beberapa negara ASEAN Tahun 2008-2017 .... 3

Tabel 1. 2 Tinjauan Kajian Terdahulu .................................................................. 12

Tabel 3. 1 Definisi Operasional Variabel .............................................................. 33

Tabel 4. 1 Uji Chow .............................................................................................. 51

Tabel 4. 2 Uji Hausman ........................................................................................ 52

Tabel 4. 3 Uji Lagrange Multiplier ....................................................................... 53

Tabel 4. 4 Hasil Regresi Data Panel...................................................................... 54

Tabel 4. 5 Interpretasi Random Effect Model........................................................ 55

Tabel 4. 6 Uji t-statistik ......................................................................................... 58

Tabel 4. 7 Uji F-statistik........................................................................................ 59

Tabel 4.8 Koefisien Determinasi (Adjusted R2) ................................................... 59

xiv

DAFTAR GAMBAR

Gambar 2. 1 Kerangka Pemikiran ......................................................................... 30

1

BAB I

PENDAHULUAN

A. Latar Belakang

Berbicara mengenai perekonomian suatu negara tentu tidak lepas dari kata

pertumbuhan ekonomi. Pertumbuhan ekonomi selalu menjadi perhatian utama

bagi pemerintah di berbagai negara, baik negara maju maupun berkembang.

Pertumbuhan ekonomi yang positif atau progresif akan menjadi keuntungan

tersendiri bagi suatu negara. Tinggi rendahnya pertumbuhan ekonomi dapat

menggambarkan keberhasilan dan kualitas kinerja perekonomian dan

pembangunan ekonomi di negara tersebut, tak terkecuali bagi negara-negara di

kawasan regional Asia Tenggara yang tergabung dalam Association of South East

Asian Nations (ASEAN).

ASEAN merupakan salah satu bentuk kerja sama antar negara di kawasan

Asia Tenggara yang terdiri dari sepuluh negara, antara lain: Singapura, Malaysia,

Brunai Darussalam, Thailand, Indonesia, Myanmar, Filipina, Kamboja, Vietnam

dan Laos. Tujuan dibentuknya ASEAN adalah untuk meningkatkan pertumbuhan

ekonomi, perkembangan sosial budaya, serta perdamaian dan stabilitas di

kawasan ASEAN. Pada tahun 2007 di sebuah konferensi yang digelar di Filipina,

negara-negara ASEAN sepakat untuk mempercepat pembentukan Masyarakat

Ekonomi ASEAN (MEA) menjadi tahun 2015. Percepatan waktu yang di semula

akan dilakukan pada tahun 2020 ini dilatar belakangi oleh tekad ASEAN untuk

segera meningkatkan pertumbuhan ekonomi dan daya saing antar sesama negara

ASEAN untuk menghadapi persaingan global. Salah satu tujuan dibentuknya

MEA adalah menciptakan kawasan dengan pertumbuhan ekonomi yang merata.

Untuk melihat pertumbuhan ekonomi yang dicapai oleh suatu negara dapat

diukur dari perkembangan pendapatan nasional yang dicapai suatu negara

(Sukirno, 2004). Salah satu indikator untuk mengetahui kondisi ekonomi di suatu

negara adalah Produk Domestik Bruto (PDB) per kapita. Menurut Boediono

(2001) pertumbuhan ekonomi dapat diartikan sebagai suatu kenaikan output per

kapita penduduk suatu negara. Produk Domestik Bruto per kapita berguna untuk

2

mengetahui pertumbuhan nyata ekonomi per kapita. Jika PDB per kapita tinggi,

akan memberikan banyak alternatif pada masyarakat untuk mengkonsumsi barang

yang akan diikuti oleh daya beli masyarakat yang juga meningkat (Rahardja,

2008). Seperti yang sudah dijelaskan di atas, salah satu tujuan dibentuknya MEA

yaitu: menciptakan kawasan dengan pertumbuhan ekonomi yang merata. Namun

jika dilihat faktanya, terdapat ketimpangan pada pendapatan per kapita negara-

negara di ASEAN.

Grafik 1. 1 PDB per kapita Negara-negara ASEAN Tahun 2008-2017

Sumber: World Bank,2019 (diolah)

Dilihat dari grafik 1.1 PDB per kapita negara-negara ASEAN tahun 2008-

2017 terjadi ketimpangan PDB per kapita dari ke-sepuluh negara tersebut. Dapat

dilihat dari besarnya rata-rata PDB per kapita negara-negara ASEAN dari tahun

2008-2017, hanya ada 4 negara yang PDB per kapita nya mencapai lebih dari

US$3.896 atau termasuk dalam negara upper middle income yaitu Singapura,

Brunei Darussalam, Malaysia dan Thailand sedangkan sisanya yaitu negara

Indonesia, Myanmar, Filipina, Vietnam, Kamboja dan Laos PDB per kapitanya

1000

11000

21000

31000

41000

51000

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Indonesia  Myanmar Filipina

Vietnam Kamboja Laos

Singapura  Malaysia  Brunei Darussalam

 Thailand

3

dibawah US$3.896 dan ke-enam negara tersebut termasuk dalam negara lower

middle income versi World Bank.

Untuk meningkatkan Produk Domestik Bruto per kapita bisa melalui banyak

cara, salah satunya melalui Investasi. Menurut Todaro (2003), pertumbuhan

ekonomi dan investasi tidak dapat dipisahkan, semakin besar investasi maka akan

mempengaruhi peningkatan pada jumlah PDB suatu negara. Menurut Sukirno

(2011) investasi merupakan penanaman modal untuk membeli perlengkapan-

perlengkapan produksi dan barang-barang modal untuk menambah kemampuan

memproduksi barang-barang dan jasa dalam perekonomian. Investasi dapat

dikatakan sebagai mesin pertumbuhan setiap negara (engine of growth). Investasi-

lah yang akan membuat suatu negara dapat bertumbuh dan berkembang seiring

dengan adanya investasi yang ada dalam negaranya tersebut (Situmorang, 2008).

Investasi atau penanaman modal merupakan jalan keluar utama dari masalah

negara terbelakang ataupun berkembang dan kunci utama menuju pembangunan

ekonomi (Jhingan, 1996). Investasi Asing memiliki peran besar dalam melengkapi

kebutuhan investasi dalam negeri. Foreign Direct Investment (FDI) menjadi salah

satu sumber modal yang penting dan dapat memberikan kontribusi yang besar

untuk pembangunan setiap negara negara baik yang maju maupun berkembang.

Tabel 1. 1 Rata-Rata Jumlah FDI Beberapa negara ASEAN Tahun 2008-2017

Negara Rata-rata jumlah FDI (Juta US$)

Indonesia 16,448.7

Myanmar 2,249.1993

Filipina 4,334.9

Vietnam 9,757.7

Kamboja 1,769.8573

Laos 690.501

Sumber: World Bank, 2019 (diolah)

Dilihat dari tabel 1.1 rata-rata jumlah Foreign Direct Investment (FDI) negara

ASEAN di atas, peringkat pertama diduduki oleh Indonesia dengan rata-rata 16,

448.7 Juta US$ sedangkan Laos merupakan negara yang memiliki rata-rata

4

jumlah FDI paling rendah yaitu 690 juta US$. Data Foreign Direct Investment

(FDI) diperoleh dari jumlah FDI yang masuk (inflow) ke negara-negara tersebut.

FDI (Foreign Direct Investment) akan membawa dampak positif terhadap

pendapatan suatu negara. Hal ini dikarenakan dengan meningkatnya jumlah FDI

akan menambah modal untuk melakukan produksi pada barang-barang dan jasa

dalam perekonomian negara. Dengan demikian, jika FDI tidak berkembang di

suatu negara, maka kondisi pendapatan di negara tersebut kemungkinan besar

akan tertinggal dibandingkan dengan negara lain yang memiliki FDI dengan

jumlah yang tinggi.

Menurut Simon Kuznets dalam Jhingan (2004), meningkatnya pendapatan

ekonomi juga bergantung pada perkembangan teknologi. Hal ini di dukung oleh

pernyataan Lucas (1988) yang mengatakan bahwa Pembangunan teknologi

informasi dan komunikasi akan meningkatkan pendapatan dari negara tersebut.

Menurut Laporan World Economic Forum (WEF) atau Form Ekonomi Dunia

negara-negara yang mengikuti perkembangan teknologi lebih unggul secara

ekonomi dan dalam pembangunan sosial. Artinya, jika ingin negara menjadi maju,

harus mengikuti perkembangan teknologi.

Dalam beberapa tahun belakangan, perkembangan teknologi terlihat sangat

pesat, salah satu yang membuat perkembangan teknologi semakin pesat lantaran

saat ini dunia telah memasuki era digitalisasi. Era digitalisasi ditandai dengan

banyaknya kegiatan yang dilakukan dengan memanfaatkan kemampuan teknologi.

Hal ini sudah terlihat jelas dari semakin banyaknya penggunaan teknologi untuk

kegiatan sehari-hari. Di era digitalisasi ini, kehadiran teknologi telah memberikan

banyak perubahan di berbagai sektor kehidupan manusia. Sebab, teknologi

menawarkan kemudahan yang belum didapatkan sebelumnya terutama dalam hal

informasi dan komunikasi.

Tujuan dilakukannya pembangunan teknologi adalah untuk meningkatkan

output maksimum yang dihasilkan. Semakin baik kondisi teknologi suatu negara

tentu akan berdampak pada setiap output yang dihasilkan. Hal ini jelas terjadi

karena dengan adanya teknologi mampu mengefisiensikan pengerjaan sehingga

mendapatkan hasil yang maksimal. Roller dan Waverman (2001) menjelaskan

bahwa teknologi informasi dan komunikasi (TIK) dapat membawa pertumbuhan

5

ekonomi terutama PDB karena dengan adanya TIK yang baik akan meningkatkan

permintaan input yang digunakan dalam produksi dan membuat produktivitas

menjadi lebih besar yang nantinya akan berdampak pada pendapatan perkapita.

Hal ini didukung oleh Kim (2004) yang menjelaskan bahwa teknologi informasi

berkorelasi positif cukup kuat dengan tingkat pendapatan per kapita.

Untuk melihat sejauh mana perkembangan pembangunan teknologi disuatu

negara, dapat melalui Indeks Pembangunan Teknologi Informasi dan Komunikasi

(IP-TIK). IP-TIK menjadi suatu ukuran standar yang dapat menggambarkan

tingkat pembangunan teknologi informasi dan komunikasi (TIK) suatu wilayah

atau negara. Dengan melihat nilai Indeks, bukan hanya melihat tingkat

pembangunan ekonomi suatu wilayah atau negara namun juga dapat melihat

kesenjangan pembangunan teknologi informasi dan komunikasi antar negara.

Semakin tinggi nilai indeks menunjukkan pembangunan TIK di suatu negara lebih

optimum. Sebaliknya, semakin rendah nilai indeks menunjukkan pembangunan

TIK di wilayah atau negara tersebut belum optimal. Maka, perbedaan kondisi

teknologi ini dapat menimbulkan pula perbedaan kondisi ekonomi di sebuah

negara.

Grafik 1. 2 Indeks Pembangunan Teknologi Informasi dan Komunikasi di

Beberapa Negara ASEAN Tahun 2008-2017

Sumber: International Telecommunication Union (ITU), 2019 (diolah)

1

1.5

2

2.5

3

3.5

4

4.5

5

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Indonesia

 Myanmar

Filipina

Vietnam

Kamboja

Laos

6

Dari grafik 1.2 Indeks Pembangunan Teknologi Informasi dan Komunikasi di

beberapa Negara ASEAN 2008-2017 terlihat bahwa terjadi kesenjangan antar

beberapa negara tersebut. Meskipun terjadi kesenjangan, namun dari keseluruhan

negara menunjukkan kenaikan angka indeks setiap tahunnya. Pada tahun 2008,

peringkat pertama diraih oleh vietnam dan akhirnya disusul oleh Filipina hingga

pada tahun 2017, Filipina menjadi negara dengan indeks paling tertinggi diantara

ke-enam negara tersebut.

Peneliti tertarik untuk meneliti produk domestik bruto (PDB) per kapita

dengan mengambil obyek beberapa negara di Kawasan ASEAN karena beberapa

negara ASEAN tersebut masih termasuk dalam negara lower middle income.

Meskipun menunjukkan kecenderungan peningkatan, namun hingga saat ini

pendapatan ekonomi belum mampu untuk menjadikan negara lower middle

income untuk menjadi negara upper middle income bahkan upper income. Oleh

sebab itu, dengan melihat kerjasama yang ada di ASEAN khususnya dalam

bidang ekonomi yaitu AEC (Asean Economic Community) atau yang kita lebih

kenal dengan MEA (Masyarakat Ekonomi ASEAN) dengan tujuannya yaitu

menciptakan kawasan dengan pertumbuhan ekonomi yang merata, maka penulis

tertarik untuk menganalisis dua faktor mempengaruhi PDB per kapita di beberapa

ASEAN. Penelitian yang dilakukan oleh penulis bermaksud untuk mencari tahu

pengaruh Foreign Direct Investment (FDI) dan pembangunan Teknologi

Informasi dan Komunikasi (TIK) terhadap PDB per kapita di beberapa negara

ASEAN yaitu: (1) Indonesia, (2) Myanmar, (3) Filipina, (4) Vietnam, (5)

Kamboja, (6) Laos. Bagaimana pengaruh masing masing variabel independen

terhadap variabel dependen. Dalam penelitian ini, analisis variabel Foreign Direct

Investment (FDI) dan pembangunan Teknologi Informasi dan Komunikasi (TIK)

akan menggunakan model data panel. Berdasarkan latar belakang di atas, penulis

termotivasi untuk melakukan penelitian terhadap PDB perkapita dengan judul

penelitian “Pengaruh Foreign Direct Investment dan Pembangunan

Teknologi Informasi dan Komunikasi (TIK) Terhadap PDB Per Kapita di

Beberapa Negara ASEAN Tahun 2008-2017”

7

B. Batasan Masalah

Penelitian ini hanya membahas Foreign Direct Investment net inflow yang

datanya berasal dari World Bank Tahun 2008–2017 dan Pembangunan

Teknologi Informasi dan Komunikasi yang data nya berasal dari Laporan

International Telecommunication Union (ITU) Tahun 2008–2017. PDB per

kapita pada penelitian ini datanya berasal dari World Bank Tahun 2008–2017.

Pada penelitian ini penulis hanya meniliti negara ASEAN yang termasuk pada

lower middle income versi World Bank, yaitu (1) Indonesia, (2) Myanmar, (3)

Filipina, (4) Vietnam, (5) Kamboja, (6) Laos.

C. Rumusan Masalah

Salah satu tujuan MEA (Masyarakat Ekonomi ASEAN) yaitu menciptakan

kawasan dengan pertumbuhan pendapatan ekonomi yang merata, namun jika

dilihat dari data pendapatan per kapita masih terdapat enam negara ASEAN

yang termasuk dalam kategori lower middle income. Oleh karena itu, di perlukan

cara untuk meningkatkan pendapatan per kapita pada ke-enam negara tersebut,

dua diantaranya yakni: Foreign Direct Investment dan Pembangunan Teknologi

Informasi dan Komunikasi (TIK).

Berdasarkan perumusan masalah yang telah dijelaskan sebelumnya, maka

dirumuskan dalam pertanyaan penilitian sebagai berikut:

1. Bagaimanakah pengaruh Foreign Direct Investment secara parsial

terhadap PDB per Kapita di Beberapa Negara Asean Tahun 2008-2017?

2. Bagaimanakah pengaruh Pembangunan Teknologi Informasi dan

Komunikasi (TIK) secara parsial terhadap PDB per Kapita di Beberapa

Negara Asean Tahun 2008-2017?

3. Bagaimanakah pengaruh Foreign Direct Investment dan Pembangunan

Teknologi Informasi Dan Komunikasi (TIK) secara simultan terhadap

PDB per Kapita di Beberapa Negara Asean Tahun 2008-2017?

8

D. Tujuan dan Manfaat Penelitian

Berlandaskan pada Rumusan Masalah diatas, maka Tujuan dari Penelitian ini

adalah sebagai berikut:

1. Melihat pengaruh Foreign Direct Investment secara parsial terhadap PDB

per Kapita di Beberapa Negara Asean Tahun 2008-2017.

2. Melihat pengaruh Pembangunan Teknologi Informasi dan Komunikasi

(TIK) secara parsial terhadap PDB per Kapita di Beberapa Negara Asean

Tahun 2008-2017.

3. Melihat pengaruh Foreign Direct Investment dan Pembangunan

Teknologi Informasi Dan Komunikasi (TIK) secara simultan terhadap

PDB per Kapita di Beberapa Negara Asean Tahun 2008-2017.

Berdasarkan tujuan di atas, penulis berharap penelitian ini memberi manfaat

sebagai berikut:

1. Bagi Akademisi

a. Mendapatkan informasi mengenai foreign direct investment dan

pembangunan teknologi serta pengaruhnya terhadap PDB per kapita

di beberapa negara ASEAN yang termasuk dalam kategori lower

middle income menurut World Bank yaitu: Indonesia, Myanmar,

Filipina, Vietnam, Kamboja dan Laos

b. Sebagai salah satu bahan literatur bagi penelitian di masa mendatang

2. Bagi Pemerintah terkait

a. Mendapatkan informasi tentang bagaimana pengaruh pembangunan

teknologi dan foreign direct investment terhadap PDB per kapita di

masing-masing, sehingga kedepannya menjadi pertimbangan dalam

pengambilan kebijakan.

E. Tinjauan Kajian Terdahulu

Penelitian yang dilakukan oleh NPG Samantha dan Liu Haiyun tahun 2017

berjudul “The Impact of FDI on the Economic Growth of Sri Lanka: An ARDL

Approach to Co-integration”. Penelitian ini menganalisis jangka panjang dan

pendek pengaruh FDI, domestic investment, trade openness, jumlah tenaga kerja

terhadap pertumbuhan ekonomi yang diproyeksikan dengan PDB per kapita.

9

Metode yang digunakan analisis regresi model Autoregressive Distribute Lag

(ARDL). Hasil penelitian menunjukkan bahwa jumlah FDI, domestic investment,

trade openness, jumlah tenaga kerja berpengaruh positif terhadap PDB per

kapita namun hanya FDI yang signifikan pada jangka pendek maupun jangka

panjang.

Penelitian yang dilakukan oleh Joseph Hakizimana tahun 2015 berjudul “The

Relationship between Foreign Direct Investment (FDI) and GDP Per Capita in

Rwanda”. Penelitian ini bertujuan untuk melihat hubungan dan pengaruh

Foreign Direct Investment (FDI) dengan GDP per kapita. Metode yang

digunakan analisis korelasi sederhana (Bivariate Correlation) dan regresi linear

sederhana. Hasil penelitian menunjukkan terdapat hubungan positif yang kuat

antara FDI dengan GDP per kapita.

Penelitian yang dilakukan Eckhardt Bode and Peter Nunnenkamp tahun 2007

berjudul “Does Foreign Direct Investment Promote Regional Developmeny in

Developed Countries?A Markov Chain Approach for US States”. Penilitian ini

bertujuan untuk melihat efek variabel FDI dimasa mendatang akan terhadap

pendapatan per kapita dan melakukan perbandingan antara negara yang

menerima FDI rendah dan tinggi. Metode yang digunakan ialah Pendekatan

Markov Chain. Hasil penelitian menunjukkan negara yang menerima FDI lebih

tinggi mempunyai kesempatan lebih besar dan signifikan terhadap GDP per

kapita.

Penelitian yang dilakukan Tomi Joutsen dan Hakan Norling tahun 2014

berjudul “Does FDI affect GDP Per-capita growth in sub-Saharan Africa?”.

Penelitian ini bertujuan untuk melihat pengaruh FDI dan tingkat korupsi

terhadap GDP per kapita. Metode yang digunakan dalam penelitian ini adalah

regresi linear berganda dengan Ordinary Least Squares (OLS). Hasil penelitian

menunjukkan FDI berpengaruh positif dan signifikan terhadap GDP per kapita

sedangkan tingkat korupsi berpengaruh negatif terhadap GDP per kapita.

Penelitian yang dilakukan Galih Adi Prasetyo tahun 2017 berjudul “Pengaruh

Pembangunan Infrastruktur Telekomunikasi terhadap Pertumbuhan Ekonomi di

ASEAN”. Penelitian ini bertujuan melihat pengaruh PDB tahun sebelumnya,

Indeks Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK), FDI, dan

10

Trade Openness terhadap PDB. Metode yang digunakan adalah analisis data

panel dinamis dengan Generalized Method of Moment (GMM). Hasil

menunjukkan bahwa variabel PDB tahun sebelumnya menunjukkan hubungan

positif dan signifikan terhadap PDB. Hal ini juga berlaku dengan variabel FDI

yang memiliki hubungan positif dan signifikan. Namun, untuk variabel Indeks

Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK) menunjukkan

hubugan negatif atau terbalik namun signifikan sementara untuk variabel Trade

Openness memiliki hubungan negatif dan tidak signifikan.

Penelitian yang dilakukan Denis Tomse dan Boris Snoj tahun 2016 berjudul

“The Impact Of Information And Communications Technologies Development

On GDP Per Capita”. Penelitian ini bertujuan untuk melihat pengaruh variabel

Indeks Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK) terhadap

GDP per kapita . Metode yang digunakan ialah analisis regresi linear sederhana.

Hasil menunjukkan bahwa Indeks Pembangunan Teknologi Informasi dan

Komunikasi (IP-TIK) mempunyai pengaruh positif dan signifikan terhadap GDP

per kapita.

Penelitian yang digunakan Comin dan Hobijn tahun 2003 berjudul “Cross-

Country Technology Adoption: Making the Theories Face the Facts”. Penelitian

ini bertujuan untuk melihat pengaruh Indeks Pembangunan Teknologi Informasi

dan Komunikasi (IP-TIK) terhadap GDP per kapita dan IPM. Metode yang

digunakan adalah analisis data panel dengan fixed effect model. Hasil

penelitiannya menunjukkan bahwa Indeks Pembangunan Teknologi Informasi

dan Komunikasi (IP-TIK) berpengaruh positif dan signifikan terhadap GDP per

kapita dan indeks pembangunan manusia.

Penelitian yang digunakan Girmay Giday Haftu tahun 2019 berjudul

“Information communications technology and economic growth in Sub-Saharan

Africa: A panel data approach”. Penelitian ini bertujuan untuk melihat

pengaruh jumlah pengguna ponsel dan pengguna internet terhadap GDP per

kapita, yang mana variabel jumlah pengguna ponsel dan pengguna internet

termasuk kedalam Indeks Pembangunan Teknologi Informasi dan Komunikasi

(IP-TIK). Metode yang digunakan adalah analisis data panel dengan Generalized

Method of Moment (GMM). Hasil penelitian menunjukkan bahwa jumlah

11

pengguna ponsel telah memberikan kontribusi yang signifikan terhadap GDP per

kapita. Namun, pengguna internet belum secara signifikan berkontribusi

terhadap GDP per kapita.

Penelitian yang dilakukan Vladimir Menshikov dan Ludmila Sinica tahun

2016 yang berjudul “Network Capital And Information And Communication

Technologies: Opportunities in the era of E-Society”.Penelitian ini bertujuan

untuk melihat korelasi antara Indeks Pembangunan Teknologi Informasi dan

Komunikasi (IP-TIK) dengan GDP per kapita. Metode yang digunakan adalah

Analisis korelasi sederhana (Bivariate Correlation). Hasil penelitian

menunjukkan terdapat hubungan positif yang kuat antara Indeks Pembangunan

TIK dengan GDP per kapita.

Penelitian yang dilakukan Yuriy Bilan, Halyna Mishchuk, Natalia Samoliuk,

dan Olena Grishnova tahun 2019 yang berjudul “ICT And Economic Growth:

Link And Possibilities of Engaging”. Penelitian ini bertujuan untuk melihat

untuk melihat korelasi antara Indeks Pembangunan Teknologi Informasi dan

Komunikasi (IP-TIK) dengan GDP per kapita. Metode yang digunakan adalah

Analisis korelasi sederhana (Bivariate Correlation). Hasil penelitian

menunjukkan terdapat hubungan yang kuat dan positif antara Indeks

Pembangunan TIK dengan GDP per kapita.

12

Tabel 1.2 Tinjauan Kajian Terdahulu

No Penulis dan

Tahun

Judul Variabel dan Alat

Analisis

Hasil Penelitian

1. NPG

Samantha

dan Liu

Haiyun

(2017)

The Impact of

FDI on the

Economic

Growth of

Sri Lanka: An

ARDL

Approach to

Co-integration

Variabel independen:

FDI, domestic

investment, trade

openness, jumlah

tenaga kerja

Variabel dependen:

GDP per kapita

Analisis:

Analisis Regresi

Model

Autoregressive

Distribute Lag

(ARDL)

Hasil penelitian

menunjukkan bahwa

jumlah FDI, domestic

investment, trade

openness, jumlah tenaga

kerja berpengaruh positif

terhadap PDB per kapita

namun hanya FDI yang

signifikan pada jangka

pendek maupun jangka

panjang.

2. Joseph

Hakizimana

(2015)

The

Relationship

between

Foreign Direct

Investment

(FDI) and GDP

Per Capita in

Rwanda

Variabel independen:

FDI

Variabel dependen:

PDB perkapita

Analisis:

-Analisis korelasi

sederhana (Bivariate

Correlation)

-Analisis Regresi

linear sederhana

Hasil penelitian

menunjukkan terdapat

hubungan positif yang

kuat antara FDI dengan

PDB per kapita, yang

ditunjukkan

oleh angka koefisien

korelasi sebesar 0,988

dan koefisiesn regresi

96,8%

3. Eckhardt

Bode dan

Peter

Nunnenkamp

(2007)

Does Foreign

Direct

Investment

Promote

Regional

Developmeny in

Variabel independen:

FDI

Variabel dependen:

GDP per kapita

Analisis:

Pendekatan Markov

Hasil penelitian

menunjukkan Negara

bagian yang menerima

FDI lebih tinggi

mempunyai kesempatan

lebih besar dan

13

No Penulis dan

Tahun

Judul Variabel dan Alat

Analisis

Hasil Penelitian

Developed

Countries?A

Markov Chain

Approach for US

States

Chain signifikan terhadap GDP

per kapita.

4. Tomi

Joutsen dan

Hakan

Norling

(2014)

Does FDI affect

GDP Per-capita

growth in sub-

Saharan Africa?

Variabel independen:

FDI dan tingkat

korupsi.

Variabel dependen:

GDP per kapita

Analisis:

Regresi Linear

Berganda dengan

Ordinary Least

squares (OLS)

Hasil penelitian

menunjukkan FDI

berpengaruh positif dan

signifikan terhadap GDP

per kapita sedangkan

tingkat korupsi

berpengaruh negatif

terhadap GDP per kapita

5. Galih Adi

Prasetyo

(2016)

Pengaruh

Pembangunan

Infrastruktur

Telekomunikasi

terhadap

Pertumbuhan

Ekonomi Di

Asean

Variabel independen:

PDB tahun

sebelumnya; Indeks

Pembangunan

Teknologi Informasi

dan Komunikasi (IP-

TIK) ; FDI; Trade

Openness

Variabel dependen:

PDB

Analisis:

Analisis data panel

dinamis dengan

Generalized Method

of Moment (GMM)

Hasil menunjukkan

bahwa variabel PDB

tahun sebelumnya

menunjukkan hubungan

positif dan signifikan

terhadap PDB. Hal ini

juga berlaku dengan

variabel FDI yang

memiliki hubungan

positif dan signifikan.

Namun, untuk variabel

Indeks Pembangunan

Teknologi Informasi dan

Komunikasi (IP-TIK)

menunjukkan hubugan

14

No Penulis dan

Tahun

Judul Variabel dan Alat

Analisis

Hasil Penelitian

negatif atau terbalik

namun signifikan

sementara untuk variabel

Trade Openness

memiliki hubungan

negatif dan tidak

signifikan.

6. Denis Tomse

dan Boris

Snoj (2016)

The Impact Of

Information And

Communications

Technologies

Development On

GDP Per Capita

Variabel independen:

Indeks Pembangunan

Teknologi Informasi

dan Komunikasi (IP-

TIK)

Variabel dependen:

GDP perkapita

Analisis:

Analisis regresi linear

sederhana

Hasil menunjukkan

bahwa Indeks

Pembangunan Teknologi

Informasi dan

Komunikasi (IP-TIK)

mempunyai pengaruh

positif sebesar 56,8%

dan signifikan terhadap

GDP perkapita.

7. Comin dan

Hobijn

(2003)

Cross-Country

Technology

Adoption:

Making the

Theories Face

the Facts

Variabel independen:

Indeks Pembangunan

Teknologi Informasi

dan Komunikasi (IP-

TIK)

Variabel dependen:

GDP perkapita dan

indeks pembangunan

manusia

Analisis:

Analisis data panel

dengan Fixed Effecet

Model

Hasil penelitiannya

menunjukkan

bahwa Indeks

Pembangunan

Teknologi Informasi dan

Komunikasi (IP-TIK)

berhubungan positif dan

signifikan terhadap GDP

perkapita dan indeks

pembangunan manusia

15

No Penulis dan

Tahun

Judul Variabel dan Alat

Analisis

Hasil Penelitian

8. Girmay

Giday Haftu

(2019)

Information

communications

technology and

economic

growth in

Sub-Saharan

Africa: A panel

data approach

Variabel independen:

Pengguna internet;

pengguna ponsel

Variabel dependen:

GDP perkapita

Analisis:

Analisis data panel

dengan GMM

Hasil penelitian

menunjukkan bahwa

jumlah pengguna

ponsel telah

memberikan kontribusi

yang signifikan terhadap

GDP per kapita sebesar

1,2%. Namun, pengguna

internet belum secara

signifikan berkontribusi

terhadap GDP per kapita

selama periode

penelitian.

9. Vladimir

Menshikov

dan Ludmila

Sinica

(2016)

Network Capital

And Information

And

Communication

Technologies:

Opportunities in

the era of E-

Society

Variabel independen:

ICT Developmet

Index (IDI)

Variabel dependen:

GDP per kapita

Analisis:

Analisis korelasi

sederhana (Bivariate

Correlation)

Hasil penelitian

menunjukkan terdapat

hubungan positif yang

kuat antara Indeks

Pembangunan TIK

dengan PDRB per

kapita, yang ditunjukkan

oleh angka koefisien

korelasi sebesar 0,903.

10. Yuriy Bilan,

Halyna

Mishchuk,

Natalia

Samoliuk,

dan Olena

Grishnova

(2019)

ICT And

Economic

Growth: Link

And

Possibilities of

Engaging

Variabel independen:

Indeks Pembangunan

Teknologi Informasi

dan Komunikasi (IP-

TIK)

Variabel dependen:

GDP perkapita

Analisis:

Hasil penelitian

menunjukkan terdapat

hubungan yang kuat

antara Indeks

Pembangunan TIK

dengan GDP per kapita,

yang ditunjukkan

oleh angka koefisien

16

No Penulis dan

Tahun

Judul Variabel dan Alat

Analisis

Hasil Penelitian

Analisis korelasi

sederhana (Bivariate

Correlation)

korelasi sebesar 0,902,

dengan arah hubungan

positif.

F. Sistematika Penulisan

Penulis membagi pembahasan dalam beberapa bab dan sistematika penulisan

pada penelitian ini ialah sebagai berikut:

BAB I PENDAHULUAN

Pada bab ini terdapat Latar Belakang, Identifikasi Masalah,

Batasan Masalah, Rumusan Masalah, Tujuan dan Manfaat

Penelitian, Tinjauan Kajian Terdahulu dan Sistematika

Penulisan.

BAB II TINJAUAN PUSTAKA

Pada bab ini akan diuraikan tentang Teori Terkait, Hubungan

antar Variabel, Kerangka Pemikiran dan Hipotesis.

BAB III METODE PENELITIAN

Pada bab ini akan dijabarkan Ruang Lingkup Penelitian,

Metode Penentuan Sampel, Metode Pengumpulan Data,

Instrumen Penelitian, dan Teknik Analisis Data

BAB IV TEMUAN PENELITIAN DAN PEMBAHASAN

Pada bab ini akan membahas tentang Gambaran Umum Objek

Penelitian, Pemilihan Model dan Pengolahan Data, Pengujian

Hipotesis, dan Pembahasan (Analisis Ekonomi)

BAB V KESIMPULAN DAN SARAN

Pada bab ini merupakan bab penutup yang terdapat kesimpulan

dan juga saran.

17

BAB II

TINJAUAN PUSTAKA

A. Teori Terkait

1. Produk Domestik Bruto (PDB)

Dalam perekonomian suatu negara terdapat suatu indikator yang

digunakan untuk menilai apakah perekonomian berlangsung dengan baik

atau buruk. Indikator dalam menilai perekonomian tersebut harus dapat

digunakan untuk mengetahui total pendapatan yang diperoleh semua

orang dalam perekonomian. Indikator yang pas dan sesuai dalam

melakukan pengukuran tersebut adalah Produk Domestik Bruto (PDB).

Pengertian dari Produk Domestik Bruto (PDB) adalah nilai pasar

dari semua barang dan jasa yang diproduksi dalam sebuah negara pada

suatu periode. Dengan kata lain, Produk Domestik Bruto (PDB)

merupakan nilai seluruh output produksi dalam perekonomian suatu

negara dan merupakan indikator ekonomi untuk mengukur total nilai

produk dan barang jasa dalam suatu perekonomian. Dalam perhitungan

Produk Domestik Bruto (PDB) ini, termasuk juga hasil produksi barang

dan jasa yang dihasilkan oleh perusahaan/orang asing yang beroperasi di

wilayah negara yang bersangkutan. Produk Domestik Bruto (PDB)

mencerminkan kemampuan masyarakat untuk menyerap hasil produksi

(ability to purchase) Produk Domestik Bruto (PDB) mengukur dua hal

pada saat bersamaan, yaitu total pendapatan masyarakat dalam

perekonomian dan total pembelanjaan negara untuk membeli barang dan

jasa hasil dari kegiatan perekonomian. Alasan Produk Domestik Bruto

(PDB) dapat melakukan pengukuran total pendapatan dan pengeluaran

dikarenakan untuk suatu perekonomian secara keseluruhan, pendapatan

pasti sama dengan pengeluaran (Mankiw, 2006). Pendapatan naik akan

mencerminkan kemampuan untuk mengembalikan modal (ability to pay).

Menurut Todaro (2004), terdapat 4 hal positif dari penanaman

modal asing terhadap pertumbuhan Produk Domestik Bruto (PDB) yaitu :

18

a. Peranannya dalam mengisi kekosongan atau kesenjangan sumber

daya antara tingkat investasi yang ditargetkan (diinginkan) dengan

jumlah aktual tabungan domestik yang dapat dimobilisasikan.

b. Peranannya mengisi kesenjangan target jumlah devisa yang

dibutuhkan dan jumlah aktual devisa dari pendapatan ekspor

ditambah dengan bantuan luar negeri neto (trade gap).

c. Peranannya mengisi kesenjangan target penerimaan pajak

pemerintah dan jumlah pajak aktual yang dapat dikumpulkan.

d. Peranannya mengisi kesenjangan di bidang manajemen, semangat

kewiraswastaan, teknologi produksi, dan keterampilan kerja yang

diharapkan dapat beroperasi di negara – negara berkembang yang

bersangkutan.

1.1. PDB per kapita

Menurut Sukirno (2004), menyatakan bahwa : “Pendapatan

per Kapita adalah pendapatan rata-rata penduduk suatu negara pada

suatu periode tertentu, yang biasanya satu tahun. Pendapatan per

kapita bisa juga diartikan sebagai jumlah dari nilai barang dan jasa

rata-rata yang tersedia bagi setiap penduduk suatu negara pada

periode tertentu. Pendapatan per kapita diperoleh dari pendapatan

nasional pada tahun tertentu dibagi dengan jumlah penduduk suatu

negara pada tahun tersebut.”. PDB per kapita. PDB per kapita dapat

diartikan sebagai pendapatan rata-rata penduduk suatu negara pada

sat tahun tertentu (Boediono, 1981).

Pendapatan nasional pada dasarnya merupakan kumpulan

pendapatan masyarakat suatu negara. Tinggi rendahnya pendapatan

nasional akan mempengaruhi tinggi rendahnya pendapatan per kapita

negara yang bersangkutan. Akan tetapi, banyak sedikitnya jumlah

penduduk pun akan mempengaruhi jumlah pendapatan per kapita

suatu negara. Dari rumusan ini dapat diambil kesimpulan bahwa

jumlah penduduk suatu negara dikatakan maju secara merata bila

pendapatan per kapitanya besar. Meskipun pendapatan nasional

suatu negara tinggi, namun jika tingginya pendapatan nasional itu

19

diikuti oleh tingginya jumlah penduduk, maka bukan tidak mungkin

negara itu hanya maju secara pendapatan namun miskin secara

rumah tangga sangat mempengaruhi tinggi rendahnya pendapatan

per kapita suatu negara.

Pembangunan ekonomi akan tercermin pada kenaikan

pendapatan perkapita dan perbaikan tingkat kesejahteraan pada

masyarakat. Indikator dari pertumbuhan ekonomi suatu negara salah

satunya ditunjukkan oleh Pertumbuhan Domestik Bruto atau.

Keberhasilan pembangunan ekonomi menurut Todaro (2004)

ditunjukkan oleh tiga nilai pokok yaitu:

1. Perkembangan masyarakat untuk memenuhi kebutuhan

pokoknya atau basic needs.

2. Meningkatkan rasa harga diri masyarakat sebagai manusia.

3. Meningkatnya kemampuan masyarakat untuk memilih freedom

from servitude yang merupakan salah satu dari hak asasi

manusia.

Dalam suatu negara, keberhasilan pembangunan tidak

semata-mata hanya diukur dari kemampuannya untuk meningkatkan

produk domestik bruto serta pendapatan nasional per kapita dari

penduduknya. Produk Domestik Bruto per kapita berguna untuk

mengetahui pendapatan ekonomi per kapita. Jika PDB per kapita

tinggi, akan memberikan banyak alternatif pada masyarakat untuk

mengkonsumsi barang yang akan diikuti oleh daya beli masyarakat

yang juga meningkat (Rahardja, 2008).

2. Foreign Direct Investment (FDI)

2.1.Konsep dan Pengertian Foreign Direct Investment (FDI)

Konsep dan pengertian Foreign Direct Investment (FDI)

menurut beberapa pakar ekonomi adalah sebagai berikut: Menurut

Krugman (1999), yang dimaksud dengan istilah Foreign Direct

Investment (FDI) adalah arus modal internasional dimana perusahaan

dari suatu negara mendirikan atau memperluas perusahaannya di

20

negara lain. Oleh karena itu tidak hanya terjadi pemindahan sumber

daya, tetapi juga terjadi pemberlakuan kontrol terhadap perusahaan

di luar negeri.

Menurut Salvatore (1997), Foreign Direct Investment (FDI)

meliputi investasi ke dalam aset-aset secara nyata, misalnya seperti

pembangunan pabrik-pabrik, pengadaan berbagai macam barang

modal, pembelian tanah untuk keperluan produksi, pembelanjaan

berbagai peralatan inventaris dan sebagainya. Keberadaan aset-aset

ini, biasanya diikuti dengan penyelenggaraan fungsi-fungsi

manajemen dan pihak investor sendiri (pemilik aset) tetap

mempertahankan kontrol terhadap dana-dana yang telah

ditanamkannya. Menurut Noor (2007), Foreign Direct Investment

(FDI) adalah investasi pada aset atau faktor produksi untuk

melakukan usaha atau bisnis di luar negeri.

Menurut Undang-Undang Nomor 25 Tahun 2007 tentang

penanaman modal, yang dimaksud dengan istilah Foreign Direct

Investment (FDI)/PMA (Penanaman Modal Asing) adalah kegiatan

menanam modal untuk melakukan usaha di wilayah negara tujuan

yang dilakukan oleh penanam modal asing, baik yang menggunakan

modal asing sepenuhnya maupun yang berpatungan dengan penanam

modal dalam negeri. Sedangkan menurut Griffing dan Pustay (2005),

para ahli statistik pemerintah Amerika Serikat, dinyatakan bahwa

yang dimaksud dengan Foreign Direct Investment (FDI) adalah

suatu kepemilikan atas penguasaan 10 persen suara atau lebih dari

saham suatu perusahaan atau saham ekuivalennya dalam suatu bisnis

yang bukan perseroan terbatas.

Dengan demikian dari beberapa konsep dan pengertian yang

telah disebutkan di atas, maka dapat disimpulkan bahwa yang

dimaksud dengan Foreign Direct Investment (FDI) adalah salah satu

bentuk investasi asing, yang bersifat jangka menengah atau panjang,

yang dilakukan oleh investor asing baik mengunakan modal asing

sepenuhnya maupun berpatungan dengan investor domestik (joint

21

venture). Hal tersebut tidak hanya berbentuk pengeluaran aset

finansial saja (kememilikan saham 10 persen atau lebih), tetapi juga

berbentuk pengeluaran aset riil (kepemilikan modal-modal tetap),

yang disertai dengan adanya kontrol langsung dari pemilik aset atau

investor atau induk perusahaan di negara penerima investasi tersebut.

2.2. Jenis dan Bentuk Foreign Direct Investment (FDI)

Bila dilihat dari motif dan tujuannya, sebenarnya investasi asing

langsung dapat dibedakan menjadi dua jenis yang berbeda, yaitu:

a. Foreign Direct Investment (FDI) Horizontal

Menurut Kurniati (2007), Foreign Direct Investment (FDI)

yang dilakukan secara horizontal akan memproduksi barang

yang sama di beberapa negara. FDI jenis ini memiliki motivasi

untuk mencari pasar yang baru. Keuntungan dari FDI jenis ini

adalah efisiensi di dalam biaya transportasi, karena tempat

produksi yang ada menjadi lebih dekat dengan konsumen.

b. Foreign Direct Investment (FDI) Vertikal

Menurut Kurniati (2007), Foreign Direct Investment (FDI)

yang dilakukan secara vertikal menyangkut desentralisasi secara

geografis dari aliran produksi perusahaan. Perusahaan akan

melakukan kegiatan produksi di negara-negara yang memiliki

biaya produksi yang rendah, kemudian hasil produksi di negara

tersebut akan disalurkan kembali ke negara induk perusahaan

untuk diproses lebih lanjut.

Selanjutnya, bila dilihat dari bentuk pendiriannya, Foreign

Direct Investment (FDI) dapat dibedakan menjadi empat bentuk

yang berbeda, yaitu:

a. FDI Greenfield

Adalah investasi dalam bentuk pendirian unit-unit produksi

baru dimana modal asing sepenuhnya dimiliki oleh perusahaan

atau investor asing di negara penerima investasi tersebut.

b. FDI Merger

22

Adalah investasi dalam bentuk pembelian aset riil dengan

jalan untuk pengendalian andil kepemilikan sepenuhnya dari

suatu perusahaan yang berada di negara penerima investasi

tersebut.

c. FDI Akuisisi

Adalah investasi dalam bentuk pembelian aset finansial 10

persen atau lebih dari saham kepemilikan perusahaan yang

sudah ada sebelumnya di negara penerima investasi tersebut.

d. FDI Joint Venture

Adalah investasi dalam bentuk pendirian unit-unit produksi

baru dimana modal asing, tidak hanya dimiliki oleh investor

asing, tetapi juga dimiliki investor domestik di negara penerima

investasi tersebut.

2.3. Manfaat Foreign Direct Investment (FDI)

Sebagian besar argumen yang mendukung investasi asing

langsung adalah berasal dari analisis neoklasik tradisional, yang

memusatkan perhatiannya pada berbagai analisis determinan atau

faktor-faktor penentu pertumbuhan ekonomi. Menurut analisis

neoklasik tradisional, Foreign Direct Investment (FDI) adalah

sesuatu yang sangat positif, karena hal tersebut mengisi kekurangan

tabungan yang dapat dihimpun dari dalam negeri, menambah

cadangan devisa, memperbesar penerimaan pemerintah dan

mengembangkan keahlian manajerial bagi perekonomian di negara

penerima FDI tersebut. Semua manfaat yang akan dibuahkan oleh

Foreign Direct Investment (FDI) tersebut, adalah sangat penting,

dikarenakan semua itu merupakan faktor-faktor kunci yang

dibutuhkan untuk mencapai target pembangunan dan pertumbuhan

ekonomi bagi negara yang berkelanjutan (Todaro dan Smith, 2006).

Hal pertama yang paling sering disebut-sebut sebagai

sumbangan positif FDI tersebut, adalah peranannya dalam mengisi

kekosongan-kekesongan atau kekurangan-kekurangan sumber daya

antara tingkat investasi yang ditargetkan dengan jumlah aktual

23

tabungan domestik yang dapat dimobilisasikan. Terkadang,

diketahui bahwa setiap negara memiliki kemampuan yang amat

terbatas untuk mencapai target investasi yang diharapkan. Hal

tersebut dikarenakan tabungan domestik yang biasanya digunakan

sebagai salah satu sumber pembiayaan pembangunan, acapkali tidak

memadai untuk skala investasi yang dibutuhkan. Maka dari itu,

kehadiran FDI dapat digunakan untuk mengatasi persoalan yang

berkaitan erat dengan kesenjangan dari tabungan dan investasi dalam

negeri tersebut.

Sementara itu, sumbangan positif kedua yang dapat diberikan

oleh investasi asing langsung tersebut, adalah peranannya dalam

mengisi kesenjangan antara target jumlah devisa yang dibutuhkan

dan hasil-hasil aktual devisa dari ekspor ditambah dengan bantuan

luar negeri neto. Jadi, apabila FDI diperkenankan hadir di negara

bersangkutan, maka hal ini tidak hanya dapat menghilangkan

sebagian atau seluruh defisit yang terdapat dalam neraca

pembayaran, tetapi juga dapat menghilangkan defisit dalam jangka

panjang, apabila pemilik modal atau perusahaan asing tersebut

dimungkinkan untuk hadir di negara yang bersangkutan guna

menghasilkan devisa atau alat-alat pembayaran luar negeri dari hasil-

hasil ekspornya secara neto.

Selanjutnya, sumbangan positif ketiga yang didapatkan dari FDI

tersebut, adalah peranannya dalam mengisi kesenjangan antara target

penerimaan pajak pemerintah dan jumlah pajak aktual yang dapat

dikumpulkan. Bahwa dengan memungut pajak atas keuntungan-

keuntungan dari perusahaan-perusahaan asing tersebut, maka

pemerintah dari negara-negara tujuan Foreign Direct Investment

(FDI) tersebut pada akhirnya akan dapat memobilisasi sumber-

sumber finansial dalam rangka membiayai proyek-proyek

pembangunannya, misalnya pembangunan sarana dan prasarana

publik.

24

Terakhir, sumbangan positif keempat yang dapat diberikan oleh

FDI tersebut, adalah peranannya dalam mengisi kesenjangan di

bidang manajemen, semangat kewirausahaan, dan keterampilan

kerja, yang menurut pemikiran neoklasik tradisional akan diisi

sebagian ataupun seluruhnya oleh perusahaan-perusahaan asing yang

beroperasi di negara-negara penerima Foreign Direct Investment

(FDI) tersebut. Perusahaan-perusahaan asing tersebut, tidak hanya

akan dapat menyediakan sumber-sumber finansial saja dan/atau

pabrik-pabrik baru saja kepada negara-negara tujuan FDI tersebut,

akan tetapi juga dapat menyediakan berbagai sumberdaya-sumber

daya yang dapat dibutuhkan bagi proses pembangunan secara

keseluruhan, termasuk juga pengalaman dan kecakapan manajerial,

dan kemampuan kewirausahaan yang kemudian dapat dialihkan

kepada mitra-mitra usaha di dalam negeri melalui program-program

latihan dan proses belajar sambil bekerja. Selanjutnya, perusahaan-

perusahaan asing tersebut juga berguna untuk mendidik para manajer

lokal, agar mereka dapat mengetahui cara-cara di dalam mengadakan

hubungan dengan bank-bank di luar negeri, mencari alternatif

pasokan sumber daya dan memperluas jaringan-jaringan pemasaran

sampai ketingkat internasional. Selain itu, perusahaan-perusahaan

asing tersebut, juga akan membawa pengetahuan baru mengenai

proses produksi sekaligus memperkenalkan mesin-mesin dan

peralatan-peralatan modern ke negara-negara Foreign Direct

Investment (FDI) tersebut. Transfer pengetahuan tersebut akan

sangat berguna dan produktif bagi negara-negara penerima FDI

tersebut.

Dalam penelitian Samantha dan Haiyun (2017), adanya Foreign

Direct Investment (FDI) dapat meningkatkan PDB per kapita karena

FDI dapat mendorong terciptanya lapangan pekerjaan baru.

Hakizimana (2015) dan Joutsen dan Norling (2014) melakukan

penelitian yang bertujuan untuk melihat hubungan dan pengaruh

Foreign Direct Investment (FDI) dengan GDP per kapita. Dengan

25

menggunakan metode analisis regresi linear sederhana didapatkan

hasil terdapat hubungan positif yang kuat antara FDI dengan PDB

per kapita. Kemudian Bode dan Nunnenkamp (2007) dalam

penelitiannya membutikan bahwa negara yang menerima FDI lebih

tinggi mempunyai kesempatan lebih besar untuk mendapatkan PDB

per kapita.

3. Teknologi Informasi dan Komunikasi

Kemunculan Teknologi Informasi (TI) dapat meningkatkan kinerja

dan memungkinkan berbagai kegiatan untuk dilaksanakan secara cepat,

tepat dan akurat, sehingga akhirnya akan dapat meningkatkan

produktivitas kerja. Haag dan Keen dalam Kadir (2005) menyatakan

bahwa “Teknologi Informasi adalah seperangkat alat yang membantu

Anda bekerja dengan informasi dan melakukan tugas-tugas yang

berhubungan dengan pemrosesan informasi”. TI telah menjadi bagian dari

kehidupan manusia. Tidak hanya membantu bekerja dan melakukan

tugas-tugas yang berkecimpung dalam dunia komputer saja, tetapi telah

berkembang dalam bidang lainnya, seperti sains, perbankan,

perpustakaan, teknik dan lain sebagainya. Setiawan (2009) menyatakan

bahwa : “Teknologi Informasi adalah suatu teknologi yang digunakan

untuk mengolah data, meliputi memproses, mendapatkan, menyusun,

menyimpan, memanipulasi data dengan berbagai cara untuk

menghasilkan informasi yang berkualitas. Peran yang dapat diberikan

oleh TI ini adalah mendapatkan informasi untuk kehidupan pribadi,

kelompok dan asosiasi profesi” Pada dasarnya TI ditujukan untuk

memudahkan kehidupan manusia. TI banyak digunakan untuk

pengelolaan pekerjaan karena efektivitasnya yang mampu mempercepat

kinerja. Kecepatan kinerja pada akhirnya akan mempermudah pertukaran

informasi dan penyebaran pengetahuan menjadi lebih cepat. Kemajuan

yang paling terlihat pada layanan perpustakaan adalah penggunaan TI

dalam proses pengolahan data menjadi informasi.

3.1. Perkembangan Teknologi

26

Perkembangan Teknologi informasi (TI) yang begitu pesat

menerapkan cara-cara yang lebih efisien untuk kehidupan manusia

seperti produksi, distribusi, dan komunikasi. Setiawan (2009)

menyatakan bahwa : “Perkembangan TI didasarkan pada

kebutuhan untuk berinteraksi, mulai dari gambar, huruf, kata,

kalimat, tulisan, surat, sampai dengan telepon dan internet. Maka

perkembangan TI dalam kehidupan manusia sebenarnya seiring

dengan peradaban manusia itu sendiri”. Salah satu penyebab utama

terjadinya era globalisasi yang datangnya lebih cepat adalah karena

perkembangan TI yang begitu pesat. Penggabungan antara

teknologi komputer dengan telekomunikasi telah menghasilkan

suatu revolusi TI yang menyebabkan percepatan penyebaran data

atau informasi. Data atau informasi yang pada jaman dahulu harus

memakan waktu berhari-hari untuk diolah sebelum dikirimkan ke

sisi lain di dunia, saat ini dapat dilakukan dalam hitungan detik.

Kelahiran dan perkembangan pesat TI menimbulkan revolusi

cukup besar dalam kehidupan manusia. Indrajit (2005)

mengemukakan bahwa ada empat periode atau era perkembangan

TI, yang dimulai dari pertama kali diketemukannya komputer

hingga saat ini, yaitu era komputerisasi, era teknologi informasi,

era sistem informasi, dan era globalisasi informasi.

3.2. Indeks Pembangunan Teknologi Informasi dan Komunikasi

Untuk melihat perkembangan teknologi disuatu negara,

dapat melalui Indeks Pembangunan Teknologi Informasi dan

Komunikasi (IP-TIK). Indeks Pembangunan Teknologi Informasi

dan Komunikasi (IP-TIK) merupakan suatu ukuran standar yang

dapat menggambarkan tingkat pembangunan teknologi informasi

dan komunikasi suatu wilayah, kesenjangan digital, serta potensi

pengembangan TIK. Indeks Pembangunan Taknologi Informasi

dan Komunikasi (IP-TIK) dikembangkan oleh International

Telecommunication Union (ITU) dengan nama Information

Communication Technology (ICT) Development Index. IP-TIK

27

disusun oleh sebelas indikator yang dikombinasikan menjadi suatu

ukuran standar pembangunan TIK suatu wilayah dan dapat

dibandingkan antar waktu dan antar wiayah. Ke-sebelas sektor

tersebut dibagi lagi oleh 3 sub-indeks yaitu:

a) Sub-indeks Akses dan Infrastruktur

1. Pelanggan telepon tetap per 100 penduduk

2. Pelanggan telepon seluler per 100 penduduk

3. Bandwidth internet internasional per pengguna

4. Presentase rumah tangga yang menguasai komputer

5. Presentase rumah tangga yang memiliki akses internet

b) Sub-indeks Penggunaan

6. Presentase penduduk yang mengakses internet

7. Pelanggan internet broadband tetap kabel per 100

penduduk

8. Pelanggan internet broadband tanpa kabel per 100

penduduk

c) Sub-indeks Keahlian

9. Angka melek huruf

10. Angka partisipasi kasar sekunder (SMP dan SMA /

sederajat)

11. Angka partisipasi kasar tersier (pendidikan tinggi D1-

S1)

Dengan melihat nilai Indeks, bukan hanya melihat tingkat

pembangunan ekonomi suatu wilayah atau negara namun juga

dapat melihat kesenjangan pembangunan teknologi informasi dan

komunikasi antar negara. Nilai indeks berada di interval satu

sampai sepuluh. Semakin tinggi nilai indeks menunjukkan

pembangunan TIK di suatu negara lebih optimum. Sebaliknya,

semakin rendah nilai indeks menunjukkan pembangunan TIK di

wilayah atau negara tersebut belum optimal.

Dalam penelitian Tomse dan Snoj (2016), adanya

pembangunan Teknologi Informasi dan Komunikasi menjadi faktor

28

yang sangat signifikan untuk meningkatkan pendapatan per kapita

suatunegara karena dengan kehadiran teknologi mampu memberi

kemudahan dalam setiap kegiatan ekonomi. Menshikov dan Sinica

(2016) dan Halyna, Natalia, dan Grishnova (2019) melakukan

penelitian yang bertujuan untuk melihat hubungan antara Indeks

Pembangunan Teknoogi Informasi dan Komunikasi (IP-TIK)

dengan GDP per kapita. Dengan menggunakan analisis korelasi

sederhana (Bivariate Correlation) didapatkan hasil terdapat

hubungan positif yang kuat antara IP-TIK dengan GDP per kapita.

Hal ini diperkuat dengan penelitian Comin dan Hobijn (2003)

menggunakan analisis regresi data panel yang membutikan bahwa

berpengaruh positif dan signifikan terhadap GDP per kapita.

B. Hubungan Antar Variabel

A. Hubungan antara Foreign Direct Invesment dengan PDB per kapita

Investasi merupakan penanaman modal untuk membeli

perlengkapan-perlengkapan produksi dan barang-barang untuk menambah

kemampuan memproduksi barang-barang dan jasa dalam perekonomian

(Sadono, 2011). Menurut Todaro (2003), tingkat pertumbuhan ekonomi

dan investasi tidak dapat dipisahkan, semakin besar investasi maka akan

mempengaruhi peningkatan pada jumlah PDB suatu negara. Foreign

Direct Investment (FDI) memiliki peran besar dalam melengkapi

kebutuhan investasi dalam negeri. Foreign Direct Investment (FDI)

menjadi salah satu sumber modal yang penting dan dapat memberikan

kontribusi yang besar untuk pembangunan setiap negara negara baik yang

maju maupun berkembang. Meningkatnya jumlah FDI akan menambah

modal untuk melakukan produksi pada barang-barang dan jasa dalam

perekonomian negara. Dengan demikian, jika FDI tidak berkembang di

suatu negara, maka kondisi pendapatan per kapita di negara tersebut

kemungkinan besar akan tertinggal dibandingkan dengan negara lain yang

memiliki FDI dengan jumlah yang tinggi.

29

B. Hubungan antara Pembangunan Teknologi Informasi dan Komunikasi

dengan PDB per kapita

Dalam Sukirno (1994) kemajuan teknologi menjadi salah satu

faktor dalam peningkatan pendapatan pe kapita. Lucas (1988) juga

menyatakan bahwa Pembangunan teknologi informasi dan komunikasi

akan meningkatkan pendapatan dari negara tersebut. Menurut Laporan

World Economic Forum (WEF) atau Form Ekonomi Dunia negara-negara

yang mengikuti perkembangan teknologi lebih unggul secara ekonomi

dan dalam pembangunan sosial. Artinya, jika ingin negara menjadi maju,

harus mengikuti perkembangan teknologi.

Pembangunan teknologi bertujuan untuk meningkatkan output

maksimum yang dihasilkan. Semakin baik kondisi teknologi suatu negara

tentu akan berdampak pada setiap output yang dihasilkan. Hal ini jelas

terjadi karena dengan adanya teknologi mampu mengefisiensikan

pengerjaan karena sehingga mendapatkan hasil yang maksimal. Roller

dan Waverman (2001) menjelaskan bahwa teknologi informasi dan

komunikasi (TIK) dapat membawa pertumbuhan PDB karena dengan

adanya TIK yang baik akan meningkatkan permintaan input yang

digunakan dalam produksi dan akan berdampak pada produktivitas yang

akan menjadi lebih besar. Semakin produktif akan berdampak pada

pendapatan perkapita. Maka dalam penelitian ini diasumsikan bahwa

pembangunan Teknologi Informasi dan Komunikasi (TIK) akan

meningkatkan pendapatan per kapita jika diiringi dengan produktivitas.

C. Kerangka Pemikiran

Berdasarkan paparan landasan teori dan penelitian terdahulu, hubungan

variabel independen (Foreign Direct Investment dan Indeks Pembangunan

Teknologi Informasi dan Komunikasi) terhadap variabel dependen (PDB per

kapita), maka dikembangkan menjadi kerangka pemikiran teoritis sebagai

berikut:

30

Gambar 2. 1 Kerangka Pemikiran

31

D. Hipotesis

Mengacu pada dasar pemikiran teoritis dan studi empiris yang telah dilakukan

dalam berbagai penelitian sebelumnya, maka penulis merumuskan hipotesis

sebagai berikut:

1. Terdapat pengaruh signifikan variabel Penanaman Modal Asing Foreign

Direct Investment secara parsial terhadap PDB perkapita di beberapa

negara ASEAN pada tahun 2008-2017

2. Terdapat pengaruh signifikan pembangunan teknologi informasi dan

komunikasi (TIK) secara parsial terhadap PDB per kapita di beberapa

negara ASEAN pada tahun 2008-2017

3. Terdapat pengaruh signifikan antara Foreign Direct Investement dan

pembangunan teknologi informasi komunikasi (TIK) dan terhadap PDB

per kapita secara simultan di beberapa negara ASEAN pada tahun 2008-

2017

32

BAB III

METODE PENELITIAN

A. Ruang Lingkup Penelitian

Ruang lingkup penelitian yang digunakan dalam penelitian ini meliputi tahun

2008 – 2017 dengan menggunakan metode data panel. Data yang digunakan

penilitian ini adalah data tahunan. Variabel dependen yang digunakan pada

penelitian ini adalah PDB perkapita dan variabel independennya yaitu Foreign

Direct Investment dan Pembangunan Teknologi Informasi dan Komunikasi yang

diukur dengan Indeks Pembangunan Teknologi Informasi dan Komunikasi (IP-

TIK). Sedangkan, jenis data yang digunakan dalam penelitian ini adalah

sekunder, yaitu data yang diperoleh atau dikumpulkan peneliti dari berbagai

sumber yang telah ada. Pada penelitian ini hanya menggunakan 6 negara

ASEAN yaitu (1) Indonesia, (2) Myanmar, (3) Filipina, (4) Vietnam, (5)

Kamboja, dan (6) Laos.

B. Metode Penentuan Sampel

Metode penentuan sampel yang digunakan dalam penelitian ini adalah

Purposive Sampling (kriteria yang dikehendaki), yaitu pengambilan data sampel

berdasarkan penilaian yang dipastikan memenuhi persyaratan untuk dijadikan

sampel penelitian. Alasan penggunaan metode ini karena berdasarkan kriteria

yang dimiliki agar dapat dijadikan sampel benar-benar sesuai dengan penelitian

yang dilakukan. Terdapat 6 negara ASEAN yang terpilih untuk menjadi sampel

dalam penelitian ini, yaitu (1) Indonesia, (2) Myanmar, (3) Filipina, (4) Vietnam,

(5) Kamboja, dan (6) Laos. Enam negara ini dipilih sebagai penelitian karna

menjadi negara ASEAN yang termasuk dalam kategori negara lower middle

income versi World Bank

C. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah studi

kepustakaan dan data yang digunakan dalam penilitian ini adalah data sekunder.

33

1. Data sekunder

Data sekunder merupakan data yang diperoleh tidak melalui tangan

pertama, malainkan melalui tangan kedua, ketiga dan seterusnya. Dengan

kata lain, sumber data penelitian yang diperoleh dengan secara tidak

langsung. Data yang digunakan dalam penelitian ini ialah data beberapa

negara ASEAN tahun 2008-2017 untuk Foreign Direct Investment dan

PDB per kapita yang datanya diperoleh dari World Bank sedangkan

Indeks Pembangunan Teknologi Informasi dan Komunikasi (TIK) (IP-

TIK) yang didapat dari International Telecommunication Union (ITU).

2. Studi Kepustakaan

Studi kepustakaan dilakukan dengan cara mencari informasi atau data

melalui berbagai literatur, jurnal dan lain – lain yang yang dipublikasikan

yang berhubungan erat dengan obyek penelitian ini. Penulis juga

melakukan penelitian ini dengan cara membaca, memahami, menganalisa

dan mengutip berbagai literatur yang berkaitan dengan penelitian ini.

D. Instrumen Penelitian

Instrumen penelitian merupakan alat yang digunakan penulis dalam

mengumpulkan data. Instrumen penelitian yang digunakan adalah dokumen-

dokumen yang berisi data-data yang dibutuhkan dari lembaga terkait.

Keberhasilan suatu penelitian salah satunya ditentukan oleh pemilihan instrumen

penelitian yang tepat dan sesuai. Berikut ini adalah operasional variabel yang

akan digunakan pada penelitian ini:

Tabel 3. 1 Definisi Operasional Variabel

Variabel Definisi Satuan Sumber

Variabel

Dependen (Y)

PDB perkapita

Ukuran dari total output dari

sebuah negara yang

mengambil produk domestik

bruto (PDB) dan

membaginya dengan jumlah

penduduk di suatu negara.

US$ World Bank

34

Variabel (X1)

Foreign

Direct

Investment

Arus modal internasional

yang berasal dari perusahaan

dari suatu negara ke negara

tujuan.

US$ World Bank

Variabel (X2)

Indeks

Pembangunan

Teknologi

Informasi dan

Komunikasi

(IP-TIK)

suatu ukuran standar yang

dapat menggambarkan

tingkat pembangunan

teknologi informasi dan

komunikasi suatu wilayah.

Persen

International

Telecommunication

Union (ITU)

E. Teknik Analisis Data

Penilitian ini menggunakan Program Eviews 11 sebagai alat pengolahan data.

Jenis data yang digunakan dalam penelitian ini menggunakan jenia data panel.

Data panel merupakan gabungan anatara data runtut waktu (time series) dan data

silang (cross-section). Menurut Gujarati (2012) penggunaan data panel memiliki

banyak keunggulan. Pertama, data panel dapat meminimalkan bias yang

kemungkinan besar muncul dalam hasil analisis, memberi lebih banyak informasi,

variasi, dan degree of freedom. Kedua, data panel dapat mengatasi masalah yang

timbul ketika ada masalah penghilangan variabel (omitted-variable).

1. Model Regresi Data Panel

Analisis yang digunakan dalam penelitian ini yakni analisis regresi liner

berganda. Adapun model persamaan yang akan diestimasi dalam model

regresi penelitian ini adalah:

Y= β0 + β1 X1it + β2 X2it + εit

Dimana:

Y = PDB perkapita (variabel dependen)

X1it = Foreign Direct Investment di negara i pada tahun t

X2it = Pembangunan Teknologi Informasi dan Komunikasi

35

(TIK) di negara i pada tahun t

β0 = Konstanta/ intercept

β1, β2 = Koefisien regresi pada masing-masing variabel bebas

εit = error term di negara i pada tahun t

2. Estimasi Model Data Panel

Dalam mengestimasi data panel dapat dilakukan dengan tiga macam

pendekatan yaitu:

a. Pendekatan Pooled Least Square (PLS)

Pendekatan yang paling sederhana dalam pengolahan data panel

adalah dengan menggunakan metode kuadrat terkecil biasa yang

diterpakan dalam data berbentuk pool. Kelemahan pada pendekatan

Pooled Least Square ini adalah ketidaksesuaian model dengan

keadaan yang sesungguhnya. Hal ini dikarenakan pada model PLS

tidak diperhatikan dimensi waktu maupun individu padahal kondisi

tiap objek dan setiap waktu akan sangat berbeda. (Wing Wahyu

Winarno, 2007)

b. Pendekatan Fixed Effect Model (FEM)

Fixed Effect Model (FEM) merupakan model yang menjelaskan

bahwa setiap individu/ subjek (cross-section) memiliki intersepnya

masing-masing tetapi slope setiap individu/subjek tidak berubah

seiring waktu. Pada setiap intersep yang dihasilkan akan memberi

pengaruh yang berbeda dari setiap individu/subjek. Model ini juga

sering disebut sebagai model Least Squares Dummy Variable

(LSDV). Untuk membedakan masing-masing individu/subjek

digunakan variable dummy (Gujarati, 2012).

c. Pendekatan Random Effect Model (REM)

Random Effect Model (REM) merupakan model regresi yang

mengestimasi data panel dengan menghitung error dari model regresi

yang dianalisis dengan metode Generalized Least Square (GLS).

Perbedaan model ini dengan Fixed Effect Model (FEM) terletak pada

error-nya. Apabila pada model FEM perbedaan antar individu atau

36

waktu digambarkan melalui intersep, sedangkan pada model REM

perbedaan tersebut diakomodir melalui error yang dihasilkan.

Keunggulan dalam menggunakan model REM yakni dapat

menghilangkan heterokedastisitas. Model REM memperhitungkan

bahwa error dapat berkorelasi dengan time series dan cross section

(Suliyanto, 2011).

3. Pemilihan Model Data Panel

Dalam memilih data panel yang tepat diperlukan untuk melakukan

pengujian terlebih dahulu. Pengujian dapat dilakukan dengan tiga macam uji,

antara lain : Uji Chow, Uji Hausman dan Uji Lagrange Multiplier.

a. Uji Chow

Uji ini dilakukan untuk menentukan model yang akan diestimasi

dalam penelitian ini apakah model bersifat Fixed Effect Model atau

Pooled Least Square.

Hipotesis:

H0 : Model Pooled least square

H1 : Model Fixed Effect Model

Jika nilai probabilitas Cross-section F lebih kecil dari tingkat

signifikansi α = 5% (tingkat kepercayaan 95%), maka model data

panel yang digunakan adalah Fixed Effect Model dan apabila

probabilitas lebih besar dari tingkat tingkat signifikansi α = 5%,

maka model data panel yang digunakan adalah Pooled Least Square.

b. Uji Hausman

Uji ini dilakukan untuk menentukan model yang akan diestimasi

dalam penelitian ini apakah model bersifat Random Effect Model

atau Fixed Effect Model.

Hipotesis:

H0 : Model Random Effect Model

H1 : Model Fixed Effect Model

Jika nilai probabilitas lebih kecil dari tingkat signifikansi α = 5%,

maka model data panel yang digunakan adalah Fixed Effect Model

dan apabila probabilitas lebih besar dari tingkat tingkat signifikansi α

37

= 5%, maka model data panel yang digunakan adalah Random Effect

Model.

c. Uji Lagrange Multiplier

Uji ini dilakukan untuk menentukan model yang akan diestimasi

dalam penelitian ini apakah model bersifat Random Effect Model

atau Pooled Least Square.

Hipotesis:

H0 : Model Pooled least square

H1 : Model Random Effect Model

Jika nilai probabilitas cross-section Breusch-pagan lebih besar dari

tingkat signifikasi α = 5%, maka model data panel yang digunakan

adalah Pooled Least Square dan apabila nilai probabilitas cross-

section Breusch-pagan lebih kecil dari tingkat signifikasi α = 5%,

maka model data panel yang digunakan adalah Random Effect

Model.

4. Uji Hipotesis Model

a. Uji t-statistik (signifikansi parsial)

Uji t digunakan untuk menguji signifikansi hubungan antara

variabel independen dengan variabel dependen, apakah terdapat

pengaruh signifikan variabel independen terhadap variabel dependen

secara parsial. Penentuan pengaruh ini dapat dilihat dengan

membandingkan nilai probabilitas tiap variabel dengan tingkat

signifikansi α = 5% (0,05). Uji t-statistik dapat juga membuktikan

hipotesis yang telah dibuat. Hipotesis yang digunakan dalam penelitian

ini adalah:

H0: Tidak terdapat pengaruh signifikan variabel independen

secara parsial terhadap variabel dependen

H1: Terdapat pengaruh signifikan variabel independen secara

parsial terhadap variabel dependen

Jika probabilitas nilai t-statistik > 0,05 maka H0 diterima artinya

tidak terdapat pengaruh signifikan variabel independen secara parsial

terhadap variabel dependen, sebaliknya jika probabilitas nilai t-statistik

38

< 0,05 maka H1 diterima artinya terdapat pengaruh signifikan variabel

independen secara parsial terhadap variabel dependen.

b. Uji F-statistik (signifikansi simultan)

Uji F digunakan untuk menguji signifikansi hubungan antara

variabel independen dengan variabel dependen, apakah terdapat

pengaruh signifikan variabel independen terhadap variabel dependen

secara simultan. Penentuan pengaruh ini dapat dilihat dengan

membandingkan nilai probabilitas tiap variabel dengan tingkat

signifikansi α = 5% (0,05). Uji F-statistik dapat juga membuktikan

hipotesis yang telah dibuat. Hipotesis yang digunakan dalam penelitian

ini adalah:

H0: Tidak terdapat pengaruh signifikan variabel independen

secara simultan terhadap variabel dependen

H1: Terdapat pengaruh signifikan variabel independen secara

simultan terhadap variabel dependen

Jika probabilitas nilai F-statistik > 0,05 maka H0 diterima artinya

tidak terdapat pengaruh signifikan variabel independen secara

simultan terhadap variabel dependen, sebaliknya jika probabilitas

nilai t-hitung < 0,05 maka H1 diterima artinya terdapat pengaruh

signifikan variabel independen secara simultan terhadap variabel

dependen.

c. Uji koefisien Determinasi

Koefisien determinasi (R2) digunakan untuk melihat seberapa besar

pengaruh variabel independen terhadap variabel dependen. Nilai

koefisien determinasi berkisar antara nol sampai 1 (0 < R2 < 1) yang

dapat dilihat dari nilai R-square (jika variabel independen hanya

satu) atau Adjusted R-square (jika variabel independen lebih dari

satu). Jika nilai R2 mendekati nol maka kemampuan variabel

independen menjelaskan variabel dependen sangat terbatas.

Sebaliknya, Jika nilai R2

semakin besar (mendekati 1) maka model

semakin tepat karena variansi dari variabel dependen (Y) dapat

dijelaskan oleh variabel independen (X).

39

BAB IV

TEMUAN PENELITIAN DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

1. Indonesia

Indonesia merupakan salah satu negara yang tergabung dalam

ASEAN (Association of Southeast Asian Nations). Indonesia terletak pada

koordinat antara 6º LU – 11º LS dan 95º BT - 141º BT yang dilintasi garis

khatulistiwa dan terletak diantara Samudra Pasifik dan Hindia dan dua

benua yaitu benua Asia dan benua Australia. Indonesia menjadi negara

kepulauan terbesar di dunia dengan 17.504 pulau yang terbentang dari

Sabang hingga Merauke dengan luas wilayah 1.922.570 km2 dan luas

perairan 3.257.483 km2. Jumlah populasi di Indonesia mencapai

270.054.853 jiwa pada tahun 2018.

PDB per kapita Indonesia setiap tahunnya cenderung mengalami

kenaikan selama kurun waktu sepuluh tahun, namun jika dilihat dari grafik

PDB per kapita di bawah, di ketahui bahwa Indonesia masih termasuk

dalam kategori negara lower middle income karena PDB per kapita yang

masih dibawah US$3.896. Hingga tahun 2018, PDB per kapita Indonesia

berada di angka US$3.893 yang artinya Indonesia berada di peringkat 5

dari 10 negara ASEAN.

Grafik 4. 1 PDB Per Kapita Indonesia Tahun 2008-2018 (dalam US$)

Sumber: World Bank (2019)

2166 2261

3122 3643 3694 3623 3491 3331

3562 3836 3893

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

PDB Per Kapita Indonesia Tahun 2008-2018

40

Grafik 4. 2 Foreign Direct Investment (FDI) Indonesia Tahun 2008-2018

(dalam Juta US$)

Sumber: World Bank (2019)

Berdasarkan grafik di atas, jumlah foreign direct investment

mengalami fluktuasi selama 10 tahun terakhir, bahkan mengalami

penurunan yang cukup signifikan pada tahun 2016. Hal ini terjadi karena

pada tahun 2016 rupiah melemah dan mengakibatkan FDI turun dan pada

tahun 2018 menjadi 20,171 Juta US$.

Grafik 4. 3 Indeks Pembangunan Teknologi Informasi dan Komunikasi

(IP-TIK) Indonesia Tahun 2008-2017

Sumber: International Telecommunication Union (ITU), 2019

9318

4877

15292

20565

21201

23282

25121

19779

4542

20510

20171

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

Foreign Direct Investment (FDI) Indonesia

Tahun 2008-2018

2.39 2.83 3.01 3.14

3.7 3.83 3.94 3.63 3.86

4.33

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Indeks Pembangunan Teknologi Informasi

dan Komunikasi (IP-TIK) Indonesia Tahun

2008-2017

41

Berdasarkan grafik 4.3 diatas, diketahui bahwa nilai indeks

pembangunan teknologi informasi dan komunikasi (TIK) di Indonesia dari

tahun 2008-2017 cenderung mengalami peningkatan, yang artinya kualitas

pembangunan teknologi informasi dan komunikasi (TIK) terus mengalami

peningkatan. Menurut data yang diperoleh dari International

Telecommunication Union (ITU) pada tahun 2017, Indonesia berada pada

peringkat 111 yang sebelumnya berada di peringkat 114.

2. Myanmar

Myanmar merupakan salah satu negara yang tergabung dalam

ASEAN yang terletak pada koordinat antara 6º LU – 11º LS dan 95º BT -

141º BT. Laos terletak di paling utara negara Aia Tenggara lainnya yang

mana berbatasan langsung dengan Republik Rakyat China di bagian utara

dan Timur, Laut Andaman disebelah selatan, Teluk Benggala disebelah

Barat. Myanmar memiliki luas wilayah 676.575 km2 dan luas perairan

3.06% dari luas wilayah. Jumlah populasi di Myanmar mencapai 52.89

juta jiwa pada tahun 2018.

PDB per kapita Myanmar setiap tahunnya cenderung mengalami

kenaikan selama kurun waktu sepuluh tahun, namun jika dilihat dari grafik

PDB per kapita di bawah, di ketahui bahwa Myanmar masih termasuk

dalam kategori negara lower middle income karena PDB per kapita yang

masih dibawah US$3.896. Hingga tahun 2018, PDB per kapita Myanmar

berada di angka US$1.325

Grafik 4. 4 PDB Per Kapita Myanmar Tahun 2008-2018 (dalam US$)

Sumber: World Bank (2019)

638 734

979

1176 1165 1162 1251

1133 1192 1249 1325

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

PDB Per Kapita Myanmar Tahun 2008-2018

42

Grafik 4. 5 Foreign Direct Investment (FDI) Myanmar Tahun 2008-2017

(dalam Juta US$)

Sumber: World Bank (2019)

Berdasarkan grafik di atas, jumlah foreign direct investment

mengalami fluktuasi selama 10 tahun terakhir, Namun pada tahun 2017

kembali naik hingga ke angka 4,002 Juta USD.

Grafik 4. 6 Indeks Pembangunan Teknologi Informasi dan Komunikasi

(IP-TIK) Myanmar Tahun 2008-2017

Sumber: International Telecommunication Union (ITU), 2019

Berdasarkan grafik 4.6 diatas, diketahui bahwa nilai indeks

pembangunan teknologi informasi dan komunikasi (TIK) di Myanmar dari

tahun 2008-2017 cenderung mengalami peningkatan, yang artinya kualitas

863.88

1079

901.113

2520

1334

2255

2175

4084

3278

4002

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

Foreign Direct Investment (FDI) Myanmar

Tahun 2008-2017

1.43 1.55 1.65 1.7 1.75 1.82 2.27

1.95 2.59

3

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Indeks Pembangunan Teknologi Informasi

dan Komunikasi (IP-TIK) Myanmar Tahun

2008-2017

43

pembangunan teknologi informasi dan komunikasi (TIK) terus mengalami

peningkatan. Menurut data yang diperoleh dari International

Telecommunication Union (ITU) pada tahun 2017, Myanmar berada pada

peringkat 135 yang sebelumnya berada di peringkat 140

3. Filipina

Filipina merupakan salah satu negara yang tergabung dalam

ASEAN. Filipina terletak pada koordinat antara 5˚LU – 21˚LU dan

117˚BT – 126˚BT yang mana berada di sebelah utara Indonesia dan

Malaysia, sebelah timur Filipina berbatasan dengan laut Filipina, sebelah

barat dengan Laut Tiongkok selatan, dan sebelah selatan dengan Laut

Sulawesi. Indonesia menjadi negara kepulauan dengan 7.107 pulau dengan

luas wilayah mencapai 343.448 km2 dan garis pantai sepanjang 36.289

km2. Jumlah populasi di Filipina mencapai 108.646.200 jiwa pada tahun

2018 dan berada pada urutan ke-12 di dunia.

PDB per kapita Filipina setiap tahunnya mengalami kenaikan

selama kurun waktu sepuluh tahun, namun jika dilihat dari grafik PDB per

kapita di bawah, di ketahui bahwa Filipina masih termasuk dalam kategori

negara lower middle income karena PDB per kapita yang masih dibawah

US$3.896. Hingga tahun 2018, PDB per kapita Vietnam berada di angka

US$3.102.

Grafik 4. 7 PDB Per Kapita Filipina Tahun 2008-2018 (dalam US$)

Sumber: World Bank (2019)

1916 1821 2124

2345 2572

2749 2831 2867 2941 2981 3102

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

PDB Per Kapita Filipina Tahun 2008-2018

44

Grafik 4. 8 Foreign Direct Investment (FDI) Filipina Tahun 2008-2018

(dalam Juta US$)

Sumber: World Bank (2019)

Berdasarkan grafik di atas, jumlah foreign direct investment di

Filipina cenderung mengalami peningkatan selama 10 tahun terakhir dan

pada tahun 2018 mencapai angka 9.802 Juta USD. Hal ini tentu menjadi

prestasi yang baik bagi Filipina karena dengan adanya peningkatan FDI

akan menambah modal untuk melakukan produksi pada barang-barang dan

jasa dalam perekonomian negara.

Grafik 4. 9 Indeks Pembangunan Teknologi Informasi dan Komunikasi

(IP-TIK) Filipina Tahun 2008-2017

Sumber: International Telecommunication Union (ITU), 2019

1340

2065

1070

2007

3215

3737

5740

5639

8280

10256

9802

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

Foreign Direct Investment (FDI) Filipina

Tahun 2008-2018

2.69 3.22 3.04 3.14

3.91 4.02 4.57

3.97 4.52 4.67

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Indeks Pembangunan Teknologi Informasi

dan Komunikasi (IP-TIK) Filipina Tahun

2008-2017

45

Berdasarkan grafik 4.9 diatas, diketahui bahwa nilai indeks

pembangunan teknologi informasi dan komunikasi (TIK) di Filipina dari

tahun 2008-2017 cenderung mengalami peningkatan, yang artinya kualitas

pembangunan teknologi informasi dan komunikasi (TIK) terus mengalami

peningkatan. Menurut data yang diperoleh dari International

Telecommunication Union (ITU) pada tahun 2017, Filipina berada pada

peringkat 101

4. Vietnam

Vietnam merupakan salah satu negara yang tergabung dalam

ASEAN dan memiliki nama resmi Republik Sosialis Vietnam. Vietnam

terletak pada koordinat antara 8˚LU – 23˚LU dan 102˚BT – 109˚BT yang

berada di paling timur semenanjung Indo-china Asian Tenggara dan

berbatasan dengan Republik Rakyat Tiogkok di sebelah utara, Kamboja di

sebelah barat daya, Laos di sebelah barat laut dan di sebelah timur

berhadapan dengan Laut China Selatan. Vietnam memiliki luas wilayah

kurang lebih mencapai 332.698 km2 dengan panjang pantai 3.444 km

dengan jumlah populasi mencapai sekitar 96 juta jiwa pada tahun 2018.

PDB per kapita Vietnam setiap tahunnya mengalami kenaikan

selama kurun waktu sepuluh tahun, namun jika dilihat dari grafik PDB per

kapita di bawah, di ketahui bahwa vietnam masih termasuk dalam kategori

negara lower middle income karena PDB per kapita yang masih dibawah

US$3.896. Hingga tahun 2018, PDB per kapita Vietnam berada di angka

US$2.563.

Grafik 4. 10 PDB Per Kapita Vietnam Tahun 2008-2018 (dalam US$)

Sumber: World Bank (2019)

1149 1217 1317 1525 1735 1886 2030 2085 2192 2365 2563

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

PDB Per Kapita Vietnam Tahun 2008-2018

46

Grafik 4. 11 Foreign Direct Investment (FDI) Vietnam Tahun 2008-2017

(dalam Juta US$)

Sumber: World Bank (2019)

Berdasarkan grafik di atas, jumlah foreign direct investment di

Vietnam cenderung mengalami peningkatan selama 10 tahun terakhir dan

pada tahun 2017 mencapai angka 10.256 Juta US$. Hal ini tentu menjadi

prestasi yang baik bagi Vietnam karena dengan adanya peningkatan FDI

akan menambah modal untuk melakukan produksi pada barang-barang dan

jasa dalam perekonomian negara.

Grafik 4. 12 Indeks Pembangunan Teknologi Informasi dan Komunikasi

(IP-TIK) Vietnam Tahun 2008-2017

Sumber: International Telecommunication Union (ITU) (2019)

9579

7600

8000

7430

8368

8900

9200

11800

12600

14100

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

Foreign Direct Investment (FDI) Vietnam

Tahun 2008-2017

2.76

3.53 3.41 3.65 3.94 4.09 4.28 4.02 4.18 4.43

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Indeks Pembangunan Teknologi Informasi

dan Komunikasi (IP-TIK) Vietnam Tahun

2008-2017

47

Berdasarkan grafik 4.12 diatas, diketahui bahwa nilai indeks

pembangunan teknologi informasi dan komunikasi (TIK) di Vietnam dari

tahun 2008-2017 cenderung mengalami peningkatan, yang artinya kualitas

pembangunan teknologi informasi dan komunikasi (TIK) terus mengalami

peningkatan. Menurut data yang diperoleh dari International

Telecommunication Union (ITU) pada tahun 2017, Vietnam berada pada

peringkat 108.

5. Kamboja

Kamboja merupakan salah satu negara yang tergabung dalam

ASEAN dimana negara Kamboja berbentuk monarki konstitusional.

Kamboja terletak pada koordinat antara 10˚LU – 14˚LU dan 102˚BT –

108˚BT yang mana disebelah barat dan utara berbatasan dengan Thailand,

Laos disebelah timur laut, dan Vietnam di sbelah utara dan tenggara.

Kamboja memilki luas wilayah kurang lebih mencapai 181.035 km2

dengan jumlah populasi di Kamboja mencapai sekitasr 16 juta jiwa pada

tahun 2018.

PDB per kapita Kamboja setiap tahunnya mengalami kenaikan

selama kurun waktu sepuluh tahun, namun jika dilihat dari grafik PDB per

kapita di bawah, di ketahui bahwa kamboja masih termasuk dalam

kategori negara lower middle income karena PDB per kapita yang masih

dibawah US$3.896. Hingga tahun 2018, PDB per kapita Kamboja berada

di angka US$1.512.

Grafik 4. 13 PDB Per Kapita Kamboja Tahun 2008-2018 (dalam US$)

Sumber: World Bank (2019)

745 738 785 882 950 1013 1093 1162 1269 1385 1512

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

PDB Per Kapita Kamboja Tahun 2008-2018

48

Grafik 4. 14 Foreign Direct Investment (FDI) Kamboja Tahun 2008-2018

(dalam Juta US$)

Sumber: World Bank (2019)

Berdasarkan grafik di atas, jumlah foreign direct investment di

Kamboja cenderung mengalami peningkatan selama 10 tahun terakhir dan

pada tahun 2018 mencapai angka 3.103 Juta US$. Hal ini tentu menjadi

prestasi yang baik bagi Kamboja karena dengan adanya peningkatan FDI

akan menambah modal untuk melakukan produksi pada barang-barang dan

jasa dalam perekonomian negara.

Grafik 4. 15 Indeks Pembangunan Teknologi Informasi dan Komunikasi

(IP-TIK) Kamboja Tahun 2008-2017

Sumber: International Telecommunication Union (ITU) (2019)

Berdasarkan grafik 4.15 diatas, diketahui bahwa nilai indeks

pembangunan teknologi informasi dan komunikasi (TIK) di Kamboja dari

815

928

1404

1539

2004

2068

1853

1823

2476

2788

3103

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

Foreign Direct Investment (FDI) Kamboja

Tahun 2008-2018

1.63 1.99 1.88 2.05

2.54 2.61 2.74 2.78 3.04 3.28

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Indeks Pembangunan Teknologi Informasi dan

Komunikasi (IP-TIK) Kamboja Tahun 2008-

2017

49

tahun 2008-2017 cenderung mengalami peningkatan, yang artinya kualitas

pembangunan teknologi informasi dan komunikasi (TIK) terus mengalami

peningkatan. Menurut data yang diperoleh dari International

Telecommunication Union (ITU) pada tahun 2017, Kamboja berada pada

peringkat 128.

6. Laos

Laos merupakan salah satu negara yang tergabung dalam ASEAN

yang dikenal dengan nama Republik Demokratik Rakyat Lao PDR.

Filipina terletak pada koordinat antara 14˚LU – 22˚ LU dan 100˚BT –

107˚BT yang terapit daratan di Asia Tenggara dan berbatasan langsung

dengan Vietnam di sebelah Timur, Myanmar dan Republik Rakyat

Tiongkok disebelah barat laut, Kamboja disebelah selatan dan Thailand di

sebelah barat. Laos memilki luas wilayah sekitar 236.800 km2, bersaama

dengan Thailand, Vietnam, Myanmar dan Kamboja merupakan negara

yang berada di semenanjung Indo-China dan dialiri oleh salah satu sungai

terpanjang di dunia yaitu sungai Mekong. Jumlah populasi di Laos

mencapai 7.23 juta jiwa pada tahun 2018.

PDB per kapita Laos setiap tahunnya mengalami kenaikan selama

kurun waktu sepuluh tahun, namun jika dilihat dari grafik PDB per kapita

di bawah, di ketahui bahwa kamboja masih termasuk dalam kategori

negara lower middle income karena PDB per kapita yang masih dibawah

US$3.896. Hingga tahun 2018, PDB per kapita Laos berada di angka

US$2.567.

Grafik 4. 16 PDB Per Kapita Laos Tahun 2008-2018 (dalam US$)

Sumber: World Bank (2019)

900 948 1140 1378 1581

1825 1998 2134 2308 2423 2567

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

PDB Per Kapita Laos Tahun 2008-2018

50

Grafik 4. 17 Foreign Direct Investment (FDI) Laos Tahun 2008-2017

(dalam Juta US$)

Sumber: World Bank (2019)

Berdasarkan grafik di atas, jumlah foreign direct investment di

Laos cenderung mengalami peningkatan selama 10 tahun terakhir dan

pada tahun 2017 mencapai angka 1.599 Juta US$. Hal ini tentu menjadi

prestasi yang baik bagi Laos karena dengan adanya peningkatan FDI akan

menambah modal untuk melakukan produksi pada barang-barang dan jasa

dalam perekonomian negara.

Grafik 4.18 Indeks Pembangunan Teknologi Informasi dan Komunikasi

(IP-TIK) Laos Tahun 2008-2017

Sumber: International Telecommunication Union (ITU) (2019)

227

318

278

300

617

681

867

1078

935

1599

2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

Foreign Direct Investment (FDI) Laos

Tahun 2008-2017

1.64 1.9 1.84 1.99 2.25 2.35 2.45 2.21 2.43 2.91

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Indeks Pembangunan Teknologi Informasi

dan Komunikasi (IP-TIK) Laos Tahun 2008-

2017

51

Berdasarkan grafik 4.18 diatas, diketahui bahwa nilai indeks

pembangunan teknologi informasi dan komunikasi (TIK) di Indonesia dari

tahun 2008-2017 cenderung mengalami peningkatan, yang artinya kualitas

pembangunan teknologi informasi dan komunikasi (TIK) terus mengalami

peningkatan. Menurut data yang diperoleh dari International

Telecommunication Union (ITU) pada tahun 2017, Laos berada pada

peringkat 139 yang sebelumnya berada di peringkat 144

B. Pemilihan Model dan Pengolahan Data

Pemililihan model dengan teknik regresi data panel dapat dilakukan dengan

tiga macam uji, antara lain : (1) Uji Chow, (2) Uji Hausman dan (3) Uji

Lagrange Multiplier. Berikut adalah hasil olah data oleh ketiga uji tersebut.

1. Uji Chow

Metode ini dilakukan untuk menentukan apakah model bersifat Fixed

Effect atau Pooled Least Square. Jika nilai probabilitas Cross-section F lebih

kecil dari tingkat signifikansi α = 5%, maka model data panel yang digunakan

adalah Fixed Effect Model dan apabila probabilitas lebih besar dari tingkat

tingkat signifikansi α = 5%, maka model data panel yang digunakan adalah

Pooled Least Square.

Hipotesis:

H0 : Model Pooled least square

H1 : Model Fixed effect

Dari hasil regresi berdasarkan metode Fixed Effect Model dan Pooled

Least Square diperoleh nilai probabilitas, sebagai berikut:

Tabel 4. 1 Uji Chow

Effects Test Statistic d.f. Prob.

Cross-section F 50.111216 (5,52) 0.0000

Cross-section Chi-

square 105.661376 5 0.0000

Sumber: Hasil Pengolahan data dengan Eviews 11

Berdasarkan hasil tabel 4.1 , diperoleh nilai statistik 50.111216 dengan

d.f (5,52) dan nilai probabilitas dari Cross-Section F sebesar 0.0000 < α =

52

0,05 maka H0 ditolak dan H1 diterima sehingga model panel yang baik

digunakan adalah Fixed Effect Model.

2. Uji Hausman

Metode ini dilakukan untuk menentukan apakah model bersifat Random

Effect Model atau Fixed Effect Model. Jika nilai probabilitas lebih kecil dari

tingkat signifikansi α = 5%, maka model data panel yang digunakan adalah

Fixed Effect Model dan apabila probabilitas lebih besar dari tingkat tingkat

signifikansi α = 5%, maka model data panel yang digunakan adalah Random

Effect Model.

Hipotesis:

H0 : Model Random Effect Model

H1 : Model Fixed effect

Dari hasil regresi berdasarkan metode Fixed Effect Model dan Random

Effect Model diperoleh nilai probabilitas, sebagai berikut:

Tabel 4. 2 Uji Hausman

Test Summary Chi-Sq.

Statistic

Chi-Sq. d.f. Prob.

Cross-section

random 0.263666 2 0.8765

Sumber: Hasil Pengolahan data dengan Eviews 11

Berdasarkan hasil tabel 4.2 , diperoleh nilai Chi-Sq. Statistic 0.263666

dengan Chi-Sq. d.f. sebesar 2 dan nilai probabilitas sebesar 0.8765> α = 0,05

maka H0 diterima sehingga model panel yang baik digunakan adalah Random

Effect Model.

3. Uji Lagrange Multiplier

Metode ini dilakukan untuk menentukan apakah model bersifat Random

Effect Model atau Pooled Least Square. Dapat dilihat dari nilai probabilitas

cross-section Breusch-pagan lebih besar dari tingkat signifikasi α = 5%, maka

model data panel yang digunakan adalah Pooled Least Square dan apabila

nilai probabilitas cross-section Breusch-pagan lebih kecil dari tingkat

53

signifikasi α = 5%, maka model data panel yang digunakan adalah Random

Effect Model.

Hipotesis:

H0 : Model Pooled Least Square

H1 : Model Random Effect Model

Dari hasil regresi berdasarkan metode Pooled Least Square dan Random

Effect Model diperoleh nilai probabilitas, sebagai berikut:

Tabel 4. 3 Uji Lagrange Multiplier

Cross-section Time Both

Breusch-Pagan 170.2557

(0.0000)

2.759968

(0.0967)

173.0157

(0.0000)

Sumber: Hasil Pengolahan data dengan Eviews 11

Berdasarkan hasil tabel 4.3 , diperoleh nilai probabilitas Cross-section

sebesar 0.0000 < α = 0,05 maka H0 ditolak, sehingga model panel terbaik

digunakan adalah Random Effect Model.

4. Random Effect Model

Berdasarkan hasil dari Uji Lagrange Multiplier, Uji Chow dan Uji

Hausman yang telah dijalankan dapat disimpulkan bahwa model yang terbaik

yang digunakan dalam penelitian ini adalah menggunakan model Random

Effect Model. Model ini digunakan untuk menguji besar pengaruh antara

pembangunan teknologi informasi dan komunikasi (TIK) dan foreign direct

investment terhadap PDB per kapita di beberapa negara ASEAN. Model ini

dapat dijelaskan melalui persamaan sebagai berikut:

LN_GDPCapitait= 5.440865+ 0.156702LN_FDIit + 0.245082IDIit + εit

Keterangan:

LN_GDPKapitait : PDB per Kapita

LN_FDIit : Foreign Direct Investment (FDI)

IDIit : Indeks Pembangunan Teknologi Informasi dan

Komunikasi (IP-TIK)

εit : error term

54

Tabel 4. 4 Hasil Regresi Data Panel

(Random Effect Model)

Variable Coefficient Prob.

LN_FDI 0.156702 0.0017

IDI 0.245082 0.0000

C 5.440865 0.0000

R-squared 0.689454

Adjusted R-squared 0.678557

S.E. of regression 0.139146

F-statistic 63.27375

Prob(F-statistic) 0.000000

Sumber: Hasil Pengolahan data dengan Eviews 11

Berdasarkan hasil regresi dengan model Random Effect Model yang

digambarkan pada tabel 4.4 diatas, variabel Foreign Direct Investment

memiliki pengaruh positif terhadap variabel PDB perkapita dengan koefisien

sebesar 0.156702. Hal ini berarti ketika Foreign Direct Investment di

beberapa negara ASEAN meningkat 1% maka akan menaikkan PDB per

kapita sebesar 0.15%. Oleh karena itu, hipotesis yang menyatakan bahwa

Foreign Direct Investment berpengaruh terhadap PDB per kapita di beberapa

negara ASEAN dapat diterima.

Untuk variabel Indeks Pembangunan Teknologi Informasi dan

Komunikasi (IP-TIK) memiliki pengaruh positif terhadap variabel PDB per

kapita dengan koefisien sebesar 0.245082. Ini berarti, ketika Indeks

Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK) di beberapa

negara ASEAN meningkat 1% maka akan menaikkan PDB per kapita sebesar

0.24%. Dengan demikian, hipotesis yang menyatakan bahwa Pembangunan

Teknologi Informasi dan Komunikasi berpengaruh terhadap PDB per kapita

di beberapa negara ASEAN dapat diterima.

55

Tabel 4. 5 Interpretasi Random Effect Model

Variable Coefficient Individual Effect Prob.

C 5.440865 0.0000

LN_FDI? 0.156702 0.0017

IDI? 0.245082 0.0000

Random Effects (Cross)

_INDONESIA--C 0.284406 5.725271

_MYANMAR--C -0.156685 5.284180

_FILIPINA--C 0.173872 5.614737

_VIETNAM--C -0.371768 5.069097

_KAMBOJA--C -0.312087 5.128778

_LAOS--C 0.382263 5.823128

Sumber: Hasil Pengolahan data dengan Eviews 11

a) Indonesia

Berdasarkan tabel 4.5, maka model persamaan untuk Negara

Indonesia dapat digambarkan sebagai berikut:

LN_GDPCapitait= 5.725271+ 0.156702LN_FDIit + 0.245082IDIit + εit

Berdasarkan persamaan di atas, dapat dijelaskan bahwa nilai

konstanta Indonesia sebesar 5.725271 artinya ketika variabel Foreign

Direct Investment dan, Indeks Pembangunan Teknologi Informasi dan

Komunikasi (TIK) dianggap konstan, maka kondisi PDB per kapita

Indonesia sebesar 5.725271 atau 5.725 US$.

b) Myanmar

Berdasarkan tabel 4.5, maka model persamaan untuk Negara

Myanmar dapat digambarkan sebagai berikut:

LN_GDPCapitait= 5.284180+ 0.156702LN_FDIit + 0.245082IDIit + εit

Berdasarkan persamaan di atas, dapat dijelaskan bahwa nilai

konstanta Myanmar sebesar 5.284180 artinya ketika variabel Foreign

Direct Investment dan, Indeks Pembangunan Teknologi Informasi dan

Komunikasi (TIK) dianggap konstan, maka kondisi PDB per kapita

Myanmar sebesar 5.284180 atau 5.284 US$.

56

c) Filipina

Berdasarkan tabel 4.5, maka model persamaan untuk Negara

Filipina dapat digambarkan sebagai berikut:

LN_GDPCapitait= 5.614737+ 0.156702LN_FDIit + 0.245082IDIit + εit

Berdasarkan persamaan di atas, dapat dijelaskan bahwa nilai

konstanta Filipina sebesar 5.614737 artinya ketika variabel Foreign

Direct Investment dan, Indeks Pembangunan Teknologi Informasi dan

Komunikasi (TIK) dianggap konstan, maka kondisi PDB per kapita

Filipina sebesar 5.614737 atau 5.614 US$.

d) Vietnam

Berdasarkan tabel 4.5, maka model persamaan untuk Negara

Vietnam dapat digambarkan sebagai berikut:

LN_GDPCapitait= 5.069097+ 0.156702LN_FDIit + 0.245082IDIit + εit

Berdasarkan persamaan di atas, dapat dijelaskan bahwa nilai

konstanta Filipina sebesar 5.069097 artinya ketika variabel Foreign

Direct Investment dan, Indeks Pembangunan Teknologi Informasi dan

Komunikasi (TIK) dianggap konstan, maka kondisi PDB per kapita

Filipina sebesar 5.069097 atau 5.069 US$.

e) Kamboja

Berdasarkan tabel 4.5, maka model persamaan untuk Negara

Kamboja dapat digambarkan sebagai berikut:

LN_GDPCapitait= 5.128778+ 0.156702LN_FDIit + 0.245082IDIit + εit

Berdasarkan persamaan di atas, dapat dijelaskan bahwa nilai

konstanta Kamboja sebesar 5.128778 artinya ketika variabel Foreign

Direct Investment dan, Indeks Pembangunan Teknologi Informasi dan

Komunikasi (TIK) dianggap konstan, maka kondisi PDB per kapita

Kamboja sebesar 5.128778 atau 5.128 US$.

f) Laos

Berdasarkan tabel 4.5, maka model persamaan untuk Negara Laos

dapat digambarkan sebagai berikut:

LN_GDPCapitait= 5.823128+ 0.156702LN_FDIit + 0.245082IDIit + εit

57

Berdasarkan persamaan di atas, dapat dijelaskan bahwa nilai

konstanta Laos sebesar 5.823128 artinya ketika variabel Foreign Direct

Investment dan, Indeks Pembangunan Teknologi Informasi dan

Komunikasi (TIK) dianggap konstan, maka kondisi PDB per kapita Laos

sebesar 5.823128 atau 5.823 US$.

C. Pengujian Hipotesis

1. Uji t-Statitik dan Interpretasi Hasil Analisis

Uji t digunakan untuk menguji signifikansi hubungan antara variabel

independen dengan variabel dependen, apakah terdapat pengaruh

signifikan variabel independen terhadap variabel dependen secara parsial.

Penentuan pengaruh ini dapat dilihat dengan membandingkan nilai

probabilitas tiap variabel dengan tingkat signifikansi α = 5% (0,05). Uji t-

statistik dapat juga membuktikan hipotesis yang telah dibuat. Hipotesis

yang digunakan dalam penelitian ini adalah:

a. H0: Tidak terdapat pengaruh signifikan Foreign Direct

Investment secara parsial terhadap PDB perkapita di beberapa

negara ASEAN pada tahun 2008-2017

H1: Terdapat pengaruh signifikan variabel Penanaman Modal

Asing Foreign Direct Investment secara parsial terhadap

PDB perkapita di beberapa negara ASEAN pada tahun 2008-

2017

b. H0: Tidak terdapat pengaruh signifikan pembangunan teknologi

informasi dan komunikasi (TIK) secara parsial terhadap PDB

per kapita di beberapa negara ASEAN pada tahun 2008-2017

H1: Terdapat pengaruh signifikan pembangunan teknologi

informasi dan komunikasi (TIK) secara parsial terhadap PDB

per kapita di beberapa negara ASEAN pada tahun 2008-2017

58

Berdasarkan hasil regresi data panel, maka diperoleh hasil uji t-

statistik sebagai berikut:

Tabel 4. 6 Uji t-statistik

Variabel Coefficient Prob.

C 5.440865 0.0000

LN_FDI 0.156702 0.0017

IDI 0.245082 0.0000

Sumber: Hasil Pengolahan data dengan Eviews 11

Tabel 4.6 Menunjukkan nilai probabilitas dari setiap variabel

independen, sehingga hipotesis dapat dibuktikan sebagaimana dijelaskan

sebagai berikut:

a. Variabel FDI memiliki nilai koefisien sebesar 0.156702 dengan

probabilitas sebesar 0.0017, dimana nilai tersebut lebih besar dari

tingkat signifikansi α = 5% (0.0017 < 0.05), maka H0 ditolak.

Artinya terdapat pengaruh signifikan antara Foreign Direct

Investement secara parsial terhadap PDB per kapita di beberapa

negara ASEAN pada tahun 2008-2017.

b. Variabel pembangunan teknologi informasi dan komunikasi (TIK)

memiliki nilai koefisien sebesar 0.245082 dengan probabilitas

sebesar 0.0000, dimana nilai tersebut lebih kecil dari tingkat

signifikansi α = 5% (0.0000 < 0.05), maka H0 ditolak. Artinya

terdapat pengaruh signifikan antara pembangunan teknologi

informasi dan komunikasi (TIK) secara parsial terhadap PDB

perkapita di beberapa negara ASEAN pada tahun 2008-2017.

2. Uji F-Statitik dan Interpretasi Hasil Analisis

Uji F-Statitik digunakan untuk menguji signifikansi hubungan antara

variabel independen dengan variabel dependen secara simultan.

Penentuan pengaruh ini dapat dilihat dengan membandingkan nilai

probabilitas F-Statitik dengan tingkat signifikansi α = 5% (0,05). Uji t-

59

statistik dapat juga membuktikan hipotesis yang telah dibuat. Hipotesis

yang digunakan dalam penelitian ini adalah:

H0: Tidak terdapat pengaruh signifikan antara variabel Foreign Direct

Investement dan pembangunan teknologi informasi dan

komunikasi (TIK) terhadap PDB per kapita secara simultan di

beberapa negara ASEAN pada tahun 2008-2017

H1: Terdapat pengaruh signifikan antara variabel Foreign Direct

Investement dan pembangunan teknologi informasi dan

komunikasi (TIK) terhadap PDB per kapita secara simultan di

beberapa negara ASEAN pada tahun 2008-2017

Berdasarkan hasil regresi data panel, maka diperoleh hasil uji F-

statistik sebagai berikut:

Tabel 4. 7 Uji F-statistik

F-Statistik 63.27375

Prob (F-Statitik) 0.000000

Sumber: Hasil Pengolahan data dengan Eviews 11

Nilai probabilitas (F-Statistik) pada tabel 4.7 sebesar 0.000000, dinaba

nilai tesebut lebih kecil dibandingkan dengan dari tingkat signifikansi α =

5% (0.000000 < 0.05), maka H0 ditolak. Artinya Terdapat pengaruh

signifikan antara variabel Foreign Direct Investement dan pembangunan

teknologi informasi dan komunikasi (TIK) terhadap PDB per kapita

secara simultan di beberapa negara ASEAN pada tahun 2008-2017

dengan tingkat kepercayaan 95%

3. Uji Koefisien Determinasi (Adjusted R2)

Uji Koefisien determinasi (Adjusted R2) digunakan untuk mengukur

seberapa besar kemampuan independen menjelaskan variabel dependen.

Tabel 4.8 Koefisien Determinasi (Adjusted R2)

R-Squared 0.689454

Adjusted R-Squared 0.678557

Sumber: Hasil Pengolahan data dengan Eviews 11

60

Pada tabel 4.8 dapat dilihat bahwa nilai Adjusted R-Squared sebesar

0.678557, yang artinya 67,8% variabel independen dapat menjelaskan

variabel dependen. Sisanya sebesar 32,2% dijelaskan oleh variabel-

variabel lain yang mempengaruhi PDB per kapita di beberapa negara

ASEAN diluar variabel-variabel dalam penelitian ini.

D. Pembahasan (Analisis Ekonomi)

1. Foreign Direct Investement Terhadap PDB per kapita

Meningkatkan Foreign Direct Investement (FDI) merupakan salah

cara untuk meningkatkan pendapatan per kapita. Hal ini dikarenakan

dengan meningkatnya jumlah FDI maka akan menambah modal untuk

melakukan produksi pada barang-barang dan jasa suatu wilayah/ negara.

Todaro (2003) mengemukakan bahwa tingkat pertumbuhan ekonomi dan

investasi tidak dapat dipisahkan, semakin besar investasi maka akan

terjadi peningkatan pada jumlah PDB suatu negara. Dengan demikian,

jika FDI tidak berkembang di suatu negara, maka kondisi pendapatan di

negara tersebut kemungkinan besar akan tertinggal dibandingkan dengan

negara lain yang memiliki FDI dengan jumlah yang tinggi.

Berdasarkan penelitian ini didapatkan hasil bahwa Foreign Direct

Investement memiliki nilai koefisien positif terhadap PDB per kapita

sebesar 0,156702. Hal ini berarti, jika terjadi peningkatan pada variabel

Foreign Direct Investement maka akan meningkatkan jumlah PDB per

kapita di beberapa negara ASEAN tersebut. Selanjutnya jika dilihat dari

probabilitas t-statistik, Foreign Direct Investement memiliki nilai

probabilitas t-statistik sebesar 0,0017, dimana dapat disimpulkan bahwa

Foreign Direct Investement secara signifikan dapat mempengaruhi PDB

per kapita di beberapa negara ASEAN.

Hasil penelitian ini mendukung penelitian-penelitian terdahulu

yang dilakukan oleh Samantha dan Haiyun (2017) dan juga Hakizimana

(2015) yang menemukan hasil bahwa FDI berpengaruh positif dan

signifikan terhadap PDB Per Kapita.

61

2. Pembangunan Teknologi Informasi dan Komunikasi (TIK) Terhadap

PDB per kapita

Menurut Laporan World Economic Forum (WEF) atau Form

Ekonomi Dunia negara-negara yang mengikuti perkembangan teknologi

lebih unggul secara ekonomi dan dalam pembangunan sosial. Artinya,

jika ingin negara menjadi maju, harus mengikuti perkembangan

teknologi. Teknologi Informasi dan Komunikasi (TIK) dapat mendorong

pendapatan per kapita suatu negara karena dengan kualitas TIK yang baik

akan meningkatkan output maksimum yang dihasilkan dalam produksi.

Semakin baik kondisi teknologi suatu negara tentu akan berdampak pada

produktivitas pelaku ekonomi di suatu negara. Jadi, semakin baik

pembangunan Teknologi Informasi dan Komunikasi (TIK) akan

meningkatkan pendapatan per kapita jika diiringi dengan produktivitas.

Berdasarkan penelitian ini didapatkan hasil bahwa Pembangunan

Teknologi Informasi dan Komunikasi (TIK) memiliki nilai koefisien

positif terhadap PDB per kapita sebesar 0,245082 yang dimediasi oleh

variabel produktivitas sebesar 0,514637. Hal ini berarti, jika terjadi

peningkatan pada variabel Pembangunan Teknologi Informasi dan

Komunikasi (TIK) maka akan meningkatkan jumlah PDB per kapita di

beberapa negara ASEAN tersebut melalui peningkatan produktivitas.

Selanjutnya jika dilihat dari probabilitas t-statistik, Pembangunan

Teknologi Informasi dan Komunikasi (TIK) memiliki nilai probabilitas t-

statistik sebesar 0,0000, dimana dapat disimpulkan bahwa Pembangunan

Teknologi Informasi dan Komunikasi (TIK) secara signifikan dapat

mempengaruhi PDB per kapita di beberapa negara ASEAN.

Hasil penelitian ini mendukung penelitian-penelitian terdahulu

yang dilakukan oleh Tomse dan Snoj (2016) dan juga Menshikov dan

Sinica (2016) yang menemukan hasil bahwa Pembangunan TIK

berpengaruh positif dan signifikan terhadap PDB Per Kapita.

62

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

Penilitian ini dilakukan untuk melihat hubungan antara foreign direct

investment dan pembangunan teknologi informasi dan komunikasi (TIK)

terhadap PDB per kapita di beberapa negara ASEAN pada tahun 2008-2017.

Berdasarkan hasil analisis dan pembahasan yang telah dibahas sebelumnya,

untuk pengujian terhadap data pendapatan per kapita, foreign direct investment

dan pembangunan teknologi informasi dan komunikasi (TIK) dapat

menggunakan model regresi data panel yaitu Random Effect Model (REM) maka

dihasilkan kesimpulan sebagai berikut:

1. Foreign Direct Investment berpengaruh positif dan signifikan secara parsial

terhadap PDB per kapita di beberapa negara ASEAN yakni Indonesia,

Myanmar, Filipina, Vietnam, Kamboja, dan Laos. Hal ini berarti jika terjadi

peningkatan 1% pada jumlah foreign direct investment yang diterima maka

akan meningkatkan PDB per kapita sebesar 0.156 satuan.

2. Pembangunan Teknologi Informasi dan Komunikasi (TIK) berpengaruh

positif dan signifikan secara parsial terhadap PDB per kapita di beberapa

negara ASEAN yakni Indonesia, Myanmar, Filipina, Vietnam, Kamboja, dan

Laos. Hal ini berarti jika terjadi peningkatan 1 % pada angka Indeks

Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK) yang diiringi

dengan peningkatan produktivitas maka akan meningkatkan PDB per kapita

sebesar 0.245 satuan.

3. Secara simultan, variabel Foreign Direct Investment dan Pembangunan

Teknologi Informasi dan Komunikasi (TIK) berpengaruh signifikan terhadap

terhadap PDB per kapita di beberapa negara ASEAN yakni Indonesia,

Myanmar, Filipina, Vietnam, Kamboja, dan Laos.

63

B. Saran

1. Bagi Pemerintah Negara ASEAN

a. Untuk meningkatkan PDB Per Kapita diharapkan pemerintah di

masing-masing negara agar dapat meningkatkan Foreign Direct

Investment dengan membuat kebijakan yang dapat memudahkan

masuknya Foreign Direct Investment di negara-negara tersebut dan

melakukan perbaikan dalam sistem birokrasi guna menarik investor

karena dengan banyaknya Foreign Direct Investment yang masuk

akan menambah modal untuk melakukan produksi pada barang-

barang dan jasa dalam perekonomian Negara yang kemudian akan

meningkatkan PDB Per Kapita

b. Untuk meningkatkan PDB Per Kapita diharapkan pemerintah di

masing-masing negara agar dapat meningkatkan pembangunan

Teknologi Informasi dan Komunikasi (TIK). Dengan kualitas

pembangunan Teknologi Informasi dan Komunikasi (TIK) yang baik

akan mempermudah dan memperlancaran kegiatan ekonomi baik

kegiatan produksi maypun distribusi yang kemudian akan

meningkatkan PDB Per Kapita.

2. Bagi Akademisi

a. Diharapkan dapat menambahkan variabel bebas lainnya yang menjadi

faktor untuk meningkatkan PDB Per Kapita suatu negara.

b. Diharapkan dapat memperbaharui penelitian dengan menambahkan

tahun penelitian agar lebih update dengan kondisi perekonomian saat

ini

64

DAFTAR PUSTAKA

Athukorala, P.P.A Washanta. 2003. The Impact of Foreign Direct Investment for

Economic Growth: A Case Study in Sri Lanka. University of Peradineya.

Bilan, Yuriy., Halyna Mishchuk, Natalia Samoliuk, dan Olena Grishnova. 2019.

ICT And Economic Growth: Link And Possibilities of Engaging. Intellectual

Economics 2019 No. 13(1). ISSN 1822-8038

Bode, Eckhardt dan Peter Nunnenkamp. 2007. Does Foreign Direct Investment

Promote Regional Development in Developed Countries? A Markov Chain

Approach for US States, Kiel: Kiel Working Paper No. 1374.

Boediono. 1981. Teori Pertumbuhan Ekonomi. Seri Pengantar Ilmu Ekonomi

No.4, Yogyakarta : BPFE.

Boediono. 2001. Ekonomi Makro. Edisi Keempat, Yogyakarta: BPFE.

Case, E. Karl dan Ray C. Fair. 2007. Prinsip-Prinsip Ekonomi. Jakarta: Erlangga

Comin, Diego dan Bart Hobijn. 2003. Cross-Country Technology Adoption:

Making the Theories Face the Facts. Staff Report no. 169. Federal Reserve

Bank of New York.

Dornbusch, R. dan Fisher, S., 2004. Makroeconomi Edisi Keempat, Alih Bahasa

Mulyadi, JA, Penerbit Erlangga, Jakarta.

Griffin, Ricky W. and Pustay, Michael W., 2005. Bisnis Internasional (Alih

Bahasa Yohanes S. Indrakusuma). Jilid 1 dan 2, Jakarta: PT Indeks.

Gujarati, Damodar. 2012. Dasar-Dasar Ekonometrika. Jakarta:Salemba Empat..

Haftu, Girmay Giday. 2019. Information communications technology and

economic growth in Sub-Saharan Africa: A paneldata approach.

Telecommunications Policy 43 (2019) 88–99.

Hazikimana, Joseph. 2015. The Relationship between Foreign Direct Investment

(FDI) and GDP Per Capita in Rwanda. SSRN Eelectronic Journal.

https://dx.doi.org/10.2139/ssrn.2598413

Hermana, Budi. 2018. Teknologi Informasi dan Komunikasi di Negara-Negara

Asia: Hubungannya dengan Variabel Ekonomi Makro dan Pengembangan

65

Sumber Daya Manusia. Universitas Gunadarma.

http://bhermana.staff.gunadarma.ac.id

Indrajit, Richardus Eko. 2005. E-Government in action. Yogyakarta: ANDI

Yogyakarta

International Telecommunication Union. (2015c) Measuring the Information

Society Report. International Telecommunication Union: Geneva. p. 234.

International Telecommunication Union. 2010. Measuring the Information

Society 2010. Geneva.

International Telecommunication Union. 2011. Measuring the Information

Society 2011. Geneva.

International Telecommunication Union. 2012. Measuring the Information

Society 2012. Geneva.

International Telecommunication Union. 2013. Measuring the Information

Society 2013. Geneva.

International Telecommunication Union. 2014. Measuring the Information

Society 2014. Geneva.

International Telecommunication Union. 2015. Measuring the Information

Society 2015. Geneva.

International Telecommunication Union. 2016. Measuring the Information

Society 2016. Geneva.

International Telecommunication Union. 2017. Measuring the Information

Society 2017. Geneva.

International Telecommunication Union. 2018. Measuring the Information

Society 2018. Geneva.

Jhingan M.L. 1999; Ekonomi Pembangunan dan Perencanaan, Raja Grafindo

Persada Jakarata. Jakarta.

Jhingan, M.L. 1996. Ekonomi Pembangunan Perencanaan. Penerbit Rajawali

Pers, Jakarta

Jhingan, M.L. 2004. Ekonomi Pembangunan dan Perencanaan. Edisi ke-1,

Cetakan ke-10, PT. Raja Grafindo Persada, Jakarta.

66

Joutsen, Tomi dan Hakan Norling. 2014. Does FDI affect GDP Per-capita

Growth in Sub-Saharan Africa?. School of Social Sciences. Södertörn

University.

Kadir, Abdul. 2005. Pengenalan Sistem Informasi. Yogyakarta: ANDI

Yogyakarta

Kim, B. (2004). Infrastructure development for the economic development in

developing countries: lessons from Korea and Japan. GSICS Working

Paper Series, 11.

Krugman, Paul And Maurice Obstfeld. 1999. Ekonomi Internasional : Teori Dan

Kebijakan. Jakarta : Raja Grafindo Perkasa.

Kurniati, Yati. Dkk. 2007. Determinan FDI (Faktor-Faktor yang Menentukan

Investasi Asing Langsung). Jakarta : Bank Indonesia

Lucas, E. (1988). On the mechanics of economic development. Journal of

Monetary Economics, 22(1988), 3–42.

Mankiw, Gregory N. 2006. Principles of Economics. Pengantar Ekonomi Makro.

Edisi Ketiga. Alih Bahasa Chriswan Sungkono. Jakarta: Salemba Empat.

Menshikov, Vladimir dan Ludmila Sinica. 2016. Network Capital And

Information And Communication Technologies: Opportunities in the era of

E-Society. Research papers The Institute of Humanities and Social Sciences

Daugavpils University

Noor, Faizal. Henry. 2007. Ekonomi manajerial. PT Raja Grafindo

Persada:Jakarta

Prasetyo, Galih Adi. 2016. Pengaruh Pembangunan Infrastruktur Telekomunikasi

Terhadap Pertumbuhan Ekonomi di ASEAN. Manajemen. Fakultas Ekonomi

dan Bisnis. Universitas Airlangga.

Putra, Artanto Kharisma. 2018. Korelasi Antara Indeks Pembangunan TIK

dengan PDRB Per Kapita Provinsi di Indonesia Tahun 2015. Ekonomi

Pembangunan. Fakultas Ekonomi. Universitas Katolik Parahyangan.

Rahardja, Pratama dan Manurung, Mandala. 2008. Teori Ekonomi Makro. Edisi

Ketiga: Lembaga Penerbit FE UI

67

Roller, L., & Waverman, L. (2001). Telecommunications infrastructure and

economic development: A simultaneous approach. The American Economic

Review, 91(4), 909–923. Accessed from www.jstor.orgRoller.

Salvatore, Dominick. 1997. Ekonomi Internasional. Ahli bahasa Drs. Haris

Munandar. Edisi Kelima, Jakarta: PT. Erlangga.

Samantha, NPG dan Liu Haiyun. 2017. The Impact of FDI on the Economic

Growth of Sri Lanka: An ARDL Approach to Co-integration. International

Journal of Innovation and Economic Development. Volume 3 Issue 5

December 2017.

Sari, Yunita. 2017. Konvergensi Pendapatan Per Kapita Antar Negara Asean.

Ekonomi Pembangunan. Fakultas Ekonomi dan Bisnis. Universitas

Lampung.

Setiawan, Wawan dan Munir. Pengantar Teknologi Informasi. Bandung:

Universitas Pendidikan Indonesia, 2009.

Situmorang, Paulus. 2008. Pengantar Pasar Modal. Edisi Pertama, Jakarta: Mitra

Wacana Media.

Sukirno, Sadono. 1994. Pengantar Ekonomi Makro. PT. Raja Grasindo Perseda.

Jakarta.

Sukirno, Sadono. 2004. Makro Ekonomi Teori Pengantar. Jakarta: PT Raja

Grafindo Perkasa.

Sukirno, Sadono. 2011. Makro Ekonomi Teori Pengantar Edisi Ketiga. Rajawali.

Pers, Jakarta.

Suliyanto. 2011. Ekonometrika Terapan: Teori dan Aplikasi dengan SPSS.

Yogyakarta: ANDI.

Suliyanto. 2011. Ekonometrika Terapan: Teori Dan Aplikasi Dengan SPSS. Edisi

1. Yogyakarta: ANDI Yogyakarta

Todaro, M. P. dan S. C. Smith. 2003. Pembangunan Ekonomi di Dunia Ketiga.

Jilid 1. Edisi Kedelapan. Jakarta: Erlangga.

Todaro, Michael P. dan Stephen C. Smith. 2006. Pembangunan Ekonomi (edisi

kesembilan, jilid I). Jakarta : Erlangga

Todaro, Michael. 2004. Pembangunan Ekonomi di Dunia Ketiga. Penerbit

Erlangga Edisi Kedelapan, 2004.

68

Tomse, Denis dan Boris Snoj. 2016. The Impact Of Information And

Communications Technologies Development On GDP Per Capita.

International Scientific Conference-ERAZ 2016.

Undang-Undang No. 25 Tahun 2007 Tentang Penanaman Modal.

Winarno, Wing Wahyu, 2007. Analisis Ekonometrika dan Statistik dengan

Eviews. Yogyakarta: UPP STIM YKPN.

Winarno, Wing Wahyu. 2007. Sistem Informasi Akuntansi. Yogyakarta: UPP

STIM YKPN.

World Bank. 2019. Foreign Direct Investment net inflow 2008-2017. The World

Bank Group. Diakses tanggal 11 agustus 2019 dari

https://data.worldbank.org/indicator/BX.KLT.DINV.CD.WD?view=chart

World Bank. 2019. Gross Domestic Product per capita 2008-2017. The World

Bank Group. Diakses tanggal 11 agustus 2019 dari

https://data.worldbank.org/indicator/NY.GDP.PCAP.KD

69

LAMPIRAN

Lampiran I : Hasil Estimasi Model Panel

A. Common Effect Model (Pooled Least Squared)

Dependent Variable: LN_GDPCAPITA

Method: Panel Least Squares

Date: 08/26/19 Time: 17:55

Sample: 2008 2017

Periods included: 10

Cross-sections included: 6

Total panel (balanced) observations: 60 Variable Coefficient Std. Error t-Statistic Prob. LN_FDI 0.066812 0.053497 1.248880 0.2168

IDI 0.332380 0.070554 4.711013 0.0000

C 5.905207 0.305199 19.34873 0.0000 Root MSE 0.317333 R-squared 0.579060

Mean dependent var 7.421732 Adjusted R-squared 0.564290

S.D. dependent var 0.493236 S.E. of regression 0.325577

Akaike info criterion 0.642271 Sum squared resid 6.042022

Schwarz criterion 0.746988 Log likelihood -16.26814

Hannan-Quinn criter. 0.683232 F-statistic 39.20564

Durbin-Watson stat 0.140072 Prob(F-statistic) 0.000000

B. Fixed Effect Model

Dependent Variable: LN_GDPCAPITA

Method: Panel Least Squares

Date: 08/26/19 Time: 17:56

Sample: 2008 2017

Periods included: 10

Cross-sections included: 6

Total panel (balanced) observations: 60 Variable Coefficient Std. Error t-Statistic Prob. LN_FDI 0.161629 0.048533 3.330268 0.0016

IDI 0.241401 0.051447 4.692256 0.0000

C 5.412166 0.298362 18.13959 0.0000 Effects Specification Cross-section fixed (dummy variables) Root MSE 0.131557 R-squared 0.927654

Mean dependent var 7.421732 Adjusted R-squared 0.917915

S.D. dependent var 0.493236 S.E. of regression 0.141315

Akaike info criterion -0.952085 Sum squared resid 1.038436

Schwarz criterion -0.672839 Log likelihood 36.56255

Hannan-Quinn criter. -0.842857 F-statistic 95.25190

Durbin-Watson stat 0.825261 Prob(F-statistic) 0.000000

70

C. Uji Chow

Redundant Fixed Effects Tests

Equation: Untitled

Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 50.111216 (5,52) 0.0000

Cross-section Chi-square 105.661376 5 0.0000

Cross-section fixed effects test equation:

Dependent Variable: LN_GDPCAPITA

Method: Panel Least Squares

Date: 08/26/19 Time: 17:56

Sample: 2008 2017

Periods included: 10

Cross-sections included: 6

Total panel (balanced) observations: 60 Variable Coefficient Std. Error t-Statistic Prob. LN_FDI 0.066812 0.053497 1.248880 0.2168

IDI 0.332380 0.070554 4.711013 0.0000

C 5.905207 0.305199 19.34873 0.0000 Root MSE 0.317333 R-squared 0.579060

Mean dependent var 7.421732 Adjusted R-squared 0.564290

S.D. dependent var 0.493236 S.E. of regression 0.325577

Akaike info criterion 0.642271 Sum squared resid 6.042022

Schwarz criterion 0.746988 Log likelihood -16.26814

Hannan-Quinn criter. 0.683232 F-statistic 39.20564

Durbin-Watson stat 0.140072 Prob(F-statistic) 0.000000

D. Uji Hausman

Correlated Random Effects - Hausman Test

Equation: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 0.263666 2 0.8765

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob. LN_FDI 0.161629 0.156702 0.000102 0.6253

IDI 0.241401 0.245082 0.000062 0.6398

Cross-section random effects test equation:

Dependent Variable: LN_GDPCAPITA

71

Method: Panel Least Squares

Date: 08/26/19 Time: 17:56

Sample: 2008 2017

Periods included: 10

Cross-sections included: 6

Total panel (balanced) observations: 60 Variable Coefficient Std. Error t-Statistic Prob. C 5.412166 0.298362 18.13959 0.0000

LN_FDI 0.161629 0.048533 3.330268 0.0016

IDI 0.241401 0.051447 4.692256 0.0000 Effects Specification Cross-section fixed (dummy variables) Root MSE 0.131557 R-squared 0.927654

Mean dependent var 7.421732 Adjusted R-squared 0.917915

S.D. dependent var 0.493236 S.E. of regression 0.141315

Akaike info criterion -0.952085 Sum squared resid 1.038436

Schwarz criterion -0.672839 Log likelihood 36.56255

Hannan-Quinn criter. -0.842857 F-statistic 95.25190

Durbin-Watson stat 0.825261 Prob(F-statistic) 0.000000

E. Uji Lagrange Multiplier

Lagrange Multiplier Tests for Random Effects

Null hypotheses: No effects

Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided

(all others) alternatives Test Hypothesis

Cross-section Time Both Breusch-Pagan 170.2557 2.759968 173.0157

(0.0000) (0.0967) (0.0000)

Honda 13.04821 -1.661315 8.051749

(0.0000) (0.9517) (0.0000)

King-Wu 13.04821 -1.661315 9.469015

(0.0000) (0.9517) (0.0000)

Standardized Honda 17.94016 -1.513843 6.779012

(0.0000) (0.9350) (0.0000)

Standardized King-Wu 17.94016 -1.513843 8.928865

(0.0000) (0.9350) (0.0000)

Gourieroux, et al.* -- -- 170.2557

(0.0000)

72

F. Random Effect Model

Dependent Variable: LN_GDPCAPITA?

Method: Pooled EGLS (Cross-section random effects)

Date: 08/26/19 Time: 18:01

Sample: 2008 2017

Included observations: 10

Cross-sections included: 6

Total pool (balanced) observations: 60

Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 5.440865 0.333970 16.29147 0.0000

LN_FDI? 0.156702 0.047473 3.300850 0.0017

IDI? 0.245082 0.050842 4.820486 0.0000

Random Effects (Cross)

_INDONESIA--C 0.284406

_MYANMAR--C -0.156685

_FILIPINA--C 0.173872

_VIETNAM--C -0.371768

_KAMBOJA--C -0.312087

_LAOS--C 0.382263 Effects Specification

S.D. Rho Cross-section random 0.401260 0.8897

Idiosyncratic random 0.141315 0.1103 Weighted Statistics Root MSE 0.135623 R-squared 0.689454

Mean dependent var 0.821469 Adjusted R-squared 0.678557

S.D. dependent var 0.245425 S.E. of regression 0.139146

Sum squared resid 1.103611 F-statistic 63.27375

Durbin-Watson stat 0.768169 Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.558174 Mean dependent var 7.421732

Sum squared resid 6.341814 Durbin-Watson stat 0.133678

73

Lampiran II : Data Penelitian

NEGARA TAHUN GDP PER CAPITA FDI IDI

Indonesia 2008 2166.854 9318 2.39

Indonesia 2009 2261.247 4877 2.83

Indonesia 2010 3122.363 15292 3.01

Indonesia 2011 3643.044 20565 3.14

Indonesia 2012 3694.349 21201 3.7

Indonesia 2013 3623.912 23282 3.83

Indonesia 2014 3491.625 25121 3.94

Indonesia 2015 3331.695 19779 3.63

Indonesia 2016 3562.846 4542 3.86

Indonesia 2017 3836.914 20510 4.33

Myanmar 2008 638.149 863.88 1.43

Myanmar 2009 734.446 1079 1.55

Myanmar 2010 979.052 901.113 1.65

Myanmar 2011 1176.242 2520 1.7

Myanmar 2012 1165.794 1334 1.75

Myanmar 2013 1162.331 2255 1.82

Myanmar 2014 1251.821 2175 2.27

Myanmar 2015 1133.003 4084 1.95

Myanmar 2016 1192.495 3278 2.59

Myanmar 2017 1249.829 4002 3

Filipina 2008 1916.297 1340 2.69

Filipina 2009 1821.524 2065 3.22

Filipina 2010 2124.057 1070 3.04

Filipina 2011 2345.328 2007 3.14

Filipina 2012 2572.629 3215 3.91

Filipina 2013 2749.387 3737 4.02

Filipina 2014 2831.317 5740 4.57

Filipina 2015 2867.152 5639 3.97

Filipina 2016 2941.212 8280 4.52

Filipina 2017 2981.934 10256 4.67

Vietnam 2008 1149.425 9579 2.76

Vietnam 2009 1217.269 7600 3.53

Vietnam 2010 1317.891 8000 3.41

Vietnam 2011 1525.116 7430 3.65

Vietnam 2012 1735.141 8368 3.94

Vietnam 2013 1886.672 8900 4.09

Vietnam 2014 2032.262 9200 4.28

Vietnam 2015 2085.101 11800 4.02

Vietnam 2016 2192.215 12600 4.18

Vietnam 2017 2365.622 14100 4.43

74

Kamboja 2008 745.609 815.18 1.63

Kamboja 2009 738.005 928.393 1.99

Kamboja 2010 785.502 1404 1.88

Kamboja 2011 882.275 1539 2.05

Kamboja 2012 950.88 2004 2.54

Kamboja 2013 1013.42 2068 2.61

Kamboja 2014 1093.496 1853 2.74

Kamboja 2015 1162.905 1823 2.78

Kamboja 2016 1269.591 2476 3.04

Kamboja 2017 1385.26 2788 3.28

Laos 2008 900.324 227.77 1.64

Laos 2009 948.654 318.598 1.9

Laos 2010 1140.599 278.805 1.84

Laos 2011 1378.361 300.743 1.99

Laos 2012 1581.395 617.755 2.25

Laos 2013 1825.665 681.397 2.35

Laos 2014 1998.335 867.646 2.45

Laos 2015 2134.704 1078 2.21

Laos 2016 2308.803 935.296 2.43

Laos 2017 2423.846 1599 2.91

Data Penelitian (LN)

NEGARA TAHUN LN_GDPPERCAPITA LN_FDI IDI

Indonesia 2008 7.681032 9.139703 2.39

Indonesia 2009 7.723672 8.492286 2.83

Indonesia 2010 8.046345 9.635085 3.01

Indonesia 2011 8.200575 9.931346 3.14

Indonesia 2012 8.214560 9.961804 3.7

Indonesia 2013 8.195309 10.05544 3.83

Indonesia 2014 8.158123 10.13146 3.94

Indonesia 2015 8.111236 9.892376 3.63

Indonesia 2016 8.178315 8.421123 3.86

Indonesia 2017 8.252424 9.928668 4.33

Myanmar 2008 6.458572 6.761434 1.43

Myanmar 2009 6.599116 6.983790 1.55

Myanmar 2010 6.886585 6.803631 1.65

Myanmar 2011 7.070080 7.832014 1.7

Myanmar 2012 7.061158 7.195937 1.75

Myanmar 2013 7.058183 7.720905 1.82

Myanmar 2014 7.132355 7.684784 2.27

Myanmar 2015 7.032627 8.314832 1.95

75

Myanmar 2016 7.083803 8.094989 2.59

Myanmar 2017 7.130762 8.294550 3

Filipina 2008 7.558150 7.200425 2.69

Filipina 2009 7.507429 7.632886 3.22

Filipina 2010 7.661083 6.975414 3.04

Filipina 2011 7.760181 7.604396 3.14

Filipina 2012 7.852684 8.075583 3.91

Filipina 2013 7.919133 8.226038 4.02

Filipina 2014 7.948497 8.655214 4.57

Filipina 2015 7.961074 8.637462 3.97

Filipina 2016 7.986577 9.021598 4.52

Filipina 2017 8.000327 9.235618 4.67

Vietnam 2008 7.047017 9.167328 2.76

Vietnam 2009 7.104365 8.935904 3.53

Vietnam 2010 7.183788 8.987197 3.41

Vietnam 2011 7.329826 8.913281 3.65

Vietnam 2012 7.458844 9.032170 3.94

Vietnam 2013 7.542570 9.093807 4.09

Vietnam 2014 7.616905 9.126959 4.28

Vietnam 2015 7.642573 9.375855 4.02

Vietnam 2016 7.692668 9.441452 4.18

Vietnam 2017 7.768796 9.553930 4.43

Kamboja 2008 6.614201 6.703409 1.63

Kamboja 2009 6.603951 6.833455 1.99

Kamboja 2010 6.666323 7.247081 1.88

Kamboja 2011 6.782504 7.338888 2.05

Kamboja 2012 6.857388 7.602900 2.54

Kamboja 2013 6.921086 7.634337 2.61

Kamboja 2014 6.997135 7.524561 2.74

Kamboja 2015 7.058676 7.508239 2.78

Kamboja 2016 7.146450 7.814400 3.04

Kamboja 2017 7.233643 7.933080 3.28

Laos 2008 6.802755 5.428336 1.64

Laos 2009 6.855044 5.763930 1.9

Laos 2010 7.039309 5.630513 1.84

Laos 2011 7.228650 5.706256 1.99

Laos 2012 7.366063 6.426092 2.25

Laos 2013 7.509700 6.524145 2.35

Laos 2014 7.600070 6.765784 2.45

Laos 2015 7.666083 6.982863 2.21

Laos 2016 7.744484 6.840863 2.43

Laos 2017 7.793111 7.377134 2.91

76

Variabel Mediasi : Produktivitas

NEGARA TAHUN PRODUKTIVITAS LN_ PRODUKTIVITAS

Indonesia 2008 4593.874041 8.432479

Indonesia 2009 4785.90384 8.473430

Indonesia 2010 6549.43342 8.787134

Indonesia 2011 7591.77632 8.934821

Indonesia 2012 7609.803935 8.937193

Indonesia 2013 7507.019529 8.923594

Indonesia 2014 7225.010131 8.885304

Indonesia 2015 6892.398472 8.838174

Indonesia 2016 7380.712732 8.906625

Indonesia 2017 7816.344982 8.963972

Myanmar 2008 1345.442333 7.204478

Myanmar 2009 1553.185936 7.348064

Myanmar 2010 2075.801519 7.638103

Myanmar 2011 2489.057333 7.819659

Myanmar 2012 2465.013132 7.809952

Myanmar 2013 2457.306769 7.806821

Myanmar 2014 2645.020499 7.880434

Myanmar 2015 2390.98517 7.779461

Myanmar 2016 2566.099805 7.850142

Myanmar 2017 2743.310215 7.916921

Filipina 2008 4788.881969 8.474052

Filipina 2009 4476.365361 8.406567

Filipina 2010 5172.307213 8.551074

Filipina 2011 5616.101983 8.633393

Filipina 2012 6175.459996 8.728339

Filipina 2013 6597.124476 8.794389

Filipina 2014 6690.254888 8.808407

Filipina 2015 6773.678954 8.820800

Filipina 2016 6945.538036 8.845855

Filipina 2017 7283.61118 8.893382

Vietnam 2008 2013.918241 7.607837

Vietnam 2009 2114.076626 7.656373

Vietnam 2010 2264.955238 7.725310

Vietnam 2011 2603.015146 7.864426

Vietnam 2012 2945.224865 7.987940

Vietnam 2013 3160.545159 8.058500

Vietnam 2014 3390.243693 8.128657

Vietnam 2015 3479.958089 8.154776

Vietnam 2016 3680.625683 8.210838

Vietnam 2017 3969.408711 8.286372

77

Kamboja 2008 1355.589982 7.211992

Kamboja 2009 1317.466746 7.183466

Kamboja 2010 1379.694008 7.229617

Kamboja 2011 1555.305344 7.349427

Kamboja 2012 1682.802077 7.428216

Kamboja 2013 1802.083734 7.496699

Kamboja 2014 1956.82912 7.579081

Kamboja 2015 2097.804458 7.648647

Kamboja 2016 2284.281255 7.733807

Kamboja 2017 2489.23232 7.819730

Laos 2008 1852.302475 7.524185

Laos 2009 1931.498649 7.566051

Laos 2010 2298.847456 7.740163

Laos 2011 2750.79823 7.919646

Laos 2012 3124.412754 8.047002

Laos 2013 3572.856659 8.181121

Laos 2014 3878.454983 8.263192

Laos 2015 4115.479463 8.322511

Laos 2016 4424.828083 8.394987

Laos 2017 4623.620503 8.438933