updating model keterkaitan regional:...

Laporan akhir

UPDATING MODEL KETERKAITAN REGIONAL:

Pendekatan Model Ekonometrik

Direktorat Pengembangan Wilayah

Deputi Bidang Pengembangan Regional dan Otonomi DaerahKementerian Negara Perencanaan pembangunan Nasional/BAPPENAS

2009

Laporan Akhir UPDATING MODEL KETERKAITAN REGIONAL:

Pendekatan Model Ekonometrik

PENGARAH Ir. Max H. Pohan, CES, MA

PENANGGUNG JAWAB Ir. Arifin Rudiyanto M.Sc, Ph.D

TIM PENYUSUN Drs. Sumedi Andono Mulyo, MA, Ph.D

Awan Setiawan, SE, MM, ME Uke Mohammad Hussein, S.Si. MPP

Supriyadi, S.Si, MTP Rudi Alfian, SE

Yudianto, ST, MT, MPP Agung Widodo, SP, MIDEC

Fidelia Silvana, SP, M.Int.Econ & F Anang Budi Gunawan, SE Ika Retna Wulandary, ST

TIM PENDUKUNG Anna Astuti

Eni Arni Sapto Mulyono

Tri Supriyana Setya Rusdianto

Selenia Ediyani P.

Komentar, saran dan kritik dapat disampaikan ke :

Direktorat Pengembangan Wilayah

Deputi Bidang Pengembangan Regional dan Otonomi Daerah

Badan Perencanaan Pembangunan Nasional (BAPPENAS)

Jl. Taman Suropati No. 2 Jakarta Pusat 10310

Telp/Fax. (021) 3193 4195

KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SWT yang telah

melimpahkan rahmat dan karunia-Nya sehingga kami dapat menyelesaikan

laporan akhir yang berjudul ”Updating Pengembangan Model

Keterkaitan Regional: Pendekatan Model Ekonometrik”.

Laporan akhir ini terdiri dari tujuh bab. Empat Bab pertama tentang

justifikasi penelitian yang mencakup pendahuluan, kerangka teoritis,

kerangka operasional dan metodologi. Dua Bab berikutnya tentang

gambaran umum ekonomi wilayah dan hasil dan pembahasan. Sementara

Bab terakhir berisi kesimpulan dan implikasi kebijakan.

Ketersediaan data terutama data yang berkaitan dengan aliran

perdagangan (ekspor-impor) antar wilayah/provinsi menjadi kendala

terbesar dalam penyempurnaan penelitian ini. Namun demikian, dengan

segenap kemampuan team peneliti berusaha untuk mengembangkan model

yang compatible dengan tujuan dari penelitian ini.

Tak ada gading yang tak retak. Hasil penelitian ini diharapkan dapat

digunakan sebagai dasar pertimbangan kebijakan ekonomi regional

Indonesia dan menjadi motivator model-model ekonomi regional

selanjutnya.

Atas kerjasama dan kepercayaan Direktorat Pengembangan Wilayah,

Deputi Bidang Pengembangan Regional dan Otonomi Daerah, Badan

Perencanaan Pembangunan Nasional dalam penyelesaian penelitian ini,

kami mengucapkan terimakasih.

Jakarta, November 2009 Direktur Pengembangan Wilayah

i

DAFTAR ISI

I. PENDAHULUAN ....................................................................... 1

1.1. Latar Belakang ...................................................................... 1 1.2. Perumusan Masalah ............................................................... 5 1.3. Tujuan Penelitian ................................................................. 10 1.4. Sasaran ..................................................................................... 11 1.5. Relevansi Kajian dengan Unit Kerja ....................................... 11 1.6. Ruang Lingkup Kegiatan ........................................................ 11 1.7. Keluaran ................................................................................. 12 II. TINJAUAN PUSTAKA ............................................................... 13

2.1. Definisi Wilayah ...................................................................... 13 2.2. Migrasi di Indonesia ............................................................... 14 2.3. Distribusi Pendapatan dan Ketimpangan Antar-Daerah ......... 15 2.4. Pengeluaran Pemerintah Lintas Sektor ..................................... 19 2.5. Studi Terdahulu Yang Terkait ................................................ 23 III. KERANGKA PEMIKIRAN ...................................................... 28 3.1. Kerangka Teori .................................................................... 28 3.1.1. Teori Pertumbuhan Ekonomi ...................................... 28 3.1.1.1. Model Harrod-Domar .................................. 28 3.1.1.2. Model Pertumbuhan Solow ........................... 30 3.1.1.3. Model Pertumbuhan Baru ............................. 32 3.1.1.4. Model Human Capital dan Pertumbuhan ..... 36 3.1.2. Model Regional Flows .............................................. 37 3.1.2.1. Keunggulan Komparatif ............................... 37 3.1.2.2. Teori Heckscher–Ohlin ……………………. 40 3.1.2.3. Mobilitas Sumberdaya ……………………… 41 3.1.3. Perpindahan Penduduk dan Tenaga Kerja ................ 43 3.1.3.1. Ekonomi dan Migrasi ................................... 44 3.1.3.2. Faktor Non Upah .......................................... 44 3.1.3.3. Model Harris-Tadaro …………………….. 45 3.1.3.4. Model Gravitasi ……………………………. 46 3.1.3.5. Net dan Gross Migrasi .................................. 47 3.1.3.6. Efisiensi Migrasi .......................................... 49 3.1.4. Mobilitas Capital .......................................................... 50 3.1.5. Pendekatan Neraca Pembayaran untuk Pertumbuhan Ekonomi Wilayah …………………………………… 51 3.1.6. Prototipe Model Keterkaitan Regional ...................... 54 3.1.7. Pendekatan Model IS-LM dalam Keterkaitan Makro Ekonomi ....................................................................... 55 3.1.7.1. Model IS – LM ............................................... 55 3.1.7.2. Keterkaitan antara Model IS-LM, AS-AD Fungsi Produksi dan Pasar Tenaga Kerja ..... 59

Laporan Akhir Updating Model Keterkaitan Regional


3.2. Kerangka Konseptual ………………..…………………….. 61

IV. PERUMUSAN MODEL KETERKAITAN REGIONAL DAN PROSEDUR ANALISIS …………………………………… 62

4.1. Spesifikasi Model …………………………………………… 62 4.1.1. Blok Output ………………………………………….. 65 4.1.2. Blok Investasi Swasta Sektoral .................................... 66 4.1.3. Blok Investasi Pemerintah Sektoral .............................. 67 4.1.4. Blok Tenaga Kerja Sektoral ………………............… 67 4.1.5. Blok Upah Sektoral …………………………………… 68 4.1.6. Blok Inflasi …........…………………………….......... 68 4.1.7. Blok Pengangguran ....................….…………………. 69 4.1.8. Blok Kemiskinan ...........................…………………. 70 4.1.9. Blok Migrasi ………………………………................ 71 4.1.10. Blok Perdagangan ........................................................ 72 4.2. Prosedur Analisis …………………………………………… 73 4.2.1. Identifikasi Model ………………………………….. 73 4.2.2. Metode Pendugaan Model ………………………….. 74 4.2.3. Validasi Model …………………………………….. 75 4.2.4. Simulasi Model …………………………………….. 76 4.3. Jenis dan Sumber Data ……………………………………… 77 4.4. Waktu Pelaksanaan ………………………………………….. 77 4.5. Sistematika Pelaporan ………………………………………. 78

V. HASIL PERKEMBANGAN MODEL KETERKAITAN REGIONAL …………..…………………………………………… 79

5.1. Keragaan Umum Hasil Estimasi Model Keterkaitan Regional . 79 5.2. Hasil Validasi Model …………..……….……………………... 80 5.3. Hasil Prediksi (Baseline) ………..……….…………………….. 81 5.4. Skenario Kebijakan ………..…………….………………….….. 86 5.4.1. Investasi Swasta ……………………………………….. 87 5.4.2. Investasi Pemerintah ………............….……………….. 90 5.4.3. Investasi Swasta dan Pemerintah …….…….………….. 92 5.4.4. Upah Minimum Regional ……………..……………….. 96 5.4.5. Belanja Pelayanan Publik ……………..……………….. 99

VI. KESIMPULAN DAN IMPLIKASI KEBIJAKAN ….…………… 103 6.1. Kesimpulan …………………………………………………… . 103 6.2. Implikasi Kebijakan …...………..……….…………………….. 105 6.3. Saran Penelitian Lanjutan ……..……….………………………. 106 DAFTAR PUSTAKA

DAFTAR TABEL

Nomor Halaman

1.1. Komposisi Penduduk Indonesia Menurut Provinsi, Tahun 2005-2008 ............... 6

1.2. Komposisi Produk Domestik Regional Bruto Indonesia Harga Berlaku

Menurut Pulau, Tahun 2004-2007 (%) ............................................................. 7

1.3. PDRB per Kapita dalam Harga Konstan 2000 Menurut Pulau, Tahun

2000-2005 .......................................................................................................... 8

2.1. Distribusi Sektoral dari Pengeluaran Publik secara Nasional ............................ 20

3.1. Tenaga Kerja yang Diperlukan untuk Proses Produksi ..................................... 38

3.2. Matriks Daftar Faktor-Faktor Perbandingan Biaya-Keuntungan Berpindah .... 45

3.3. Perpindahan Gros dan Net Migrasi dan Kondisi Ekonomi Lokal .................... 48

5.1. Hasil Proyeksi Produk Domestik Regional Bruto, 2009-2014 ............................ 81

5.2. Hasil Proyeksi Pertumbuhan Ekonomi Wilayah, , 2009-2014 ............................ 82

5.3. Hasil Proyeksi Jumlah Penduduk Miskin, 2009-2014 ........................................ 83

5.4. Hasil Proyeksi Jumlah Angkatan Kerja, , 2009-2014 ......................................... 84

5.5. Hasil Proyeksi Jumlah Permintaan Tenaga Kerja, 2009-2014 ............................ 84

5.6. Hasil Proyeksi Jumlah Pengangguran .................................................................. 85

5.7. Hasil Proyeksi Tingkat Pengangguran, 2009-2014 .............................................. 85

5.8. Hasil Proyeksi Upah, 2009-2014 ......................................................................... 86

5.9. Dampak Peningkatan Investasi Swasta, terhadap Kinerja Ekonomi Wilayah, Periode

2009-2014 ............................................................................................................. 87

5.10. Dampak Peningkatan Investasi Swasta, terhadap Arus Migrasi Penduduk (Migrasi

Masuk) ke Wilayah, Periode 2009-2014 .............................................................. 87

5.11. Dampak Peningkatan Investasi Swasta, terhadap Arus Migrasi Penduduk (Migrasi

Keluar) dari Wilayah, Periode 2009-2014 ............................................................. 88

5.12. Dampak Peningkatan Investasi Swasta, terhadap Arus Perdagangan (Export) Antar

Wilayah, Periode 2009-2014 ................................................................................. 88

5.13. Dampak Peningkatan Investasi Swasta, terhadap Arus Perdagangan (Import) Antar

Wilayah, Periode 2009-2014 ................................................................................. 89


5.14. Dampak Peningkatan Investasi Pemerintah, terhadap Kinerja Ekonomi Wilayah,

Periode 2009-2014 .................................................................................................. 90

5.15. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Migrasi Penduduk

(Migrasi Masuk) ke Wilayah, Periode 2009-2014 .................................................. 90

5.16. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Migrasi Penduduk

(Migrasi Keluar) dari Wilayah, Periode 2009-2014 ................................................ 91

5.17. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Perdagangan (Export)

Antar Wilayah, Periode 2009-2014 ........................................................................ 91

5.18. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Perdagangan (Impor)

Antar Wilayah, Periode 2009-2014 ........................................................................ 92

5.19. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Kinerja Ekonomi

Wilayah, Periode 2009-2014 .................................................................................. 93

5.20. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Migrasi

Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014 ................................. 93

5.21. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Migrasi

Penduduk (Migrasi Keluar) dari Wilayah, Periode 2009-2014 ............................... 94

5.22. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Perdagangan

(Export) Antar Wilayah, Periode 2009-2014 ........................................................... 95

5.23. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Perdagangan

(Import) Antar Wilayah, Periode 2009-2014 ............................................................ 95

5.24. Dampak Peningkatan Upah Minimum Regional, terhadap Kinerja Ekonomi Wilayah,

Periode 2009-2014 . ................................................................................................. 96

5.25. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Migrasi Penduduk

(Migrasi Masuk) ke Wilayah, Periode 2009-2014 ................................................... 97

5.26. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Migrasi Penduduk

(Migrasi Keluar) dari Wilayah, Periode 2009-2014 ................................................. 97

5.27. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Perdagangan

(Export) Antar Wilayah, Periode 2009-2014 ............................................................ 98

5.28. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Perdagangan

(Import) Antar Wilayah, Periode 2009-2014 ............................................................. 98

5.29. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Kinerja Ekonomi Wilayah,

Periode 2009-2014 .................................................................................................... 99



5.30. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Migrasi Penduduk

(Migrasi Masuk) ke Wilayah, Periode 2009-2014 ................................................... 100

5.31. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Migrasi Penduduk

(Migrasi Keluar) dari Wilayah, Periode 2009-2014 ................................................ 100

5.32. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Perdagangan

(Export) Antar Wilayah, Periode 2009-2014 .......................................................... 101

5.33. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Perdagangan

(Import) Antar Wilayah, Periode 2009-2014 .......................................................... 102

DAFTAR GAMBAR

Nomor Halaman

2.1. Distribusi Pengeluaran Publik secara Nasional pada Sektor-Sektor Kunci, 2001-2007 ..................................................................................... 22

3.1. Kurva Kemungkinan Produksi dan Konsumsi.......................................... 39

3.2. Model Perpindahan Sumberdaya .............................................................. 42

3.3. Prototipe Model Keterkaitan Regional ..................................................... 55

3.4. Hubungan antara Permintaan Agregat dan Kurva IS................................ 57

3.5. Hubungan Permintaan Uang dengan Kurva LM....................................... 58

3.6. Keseimbangan Kurva IS-LM .................................................................... 58

3.7. Keterkaitan Variabel Makroekonomi........................................................ 60

3.8. Kerangka Konseptual Keterkaitan Regional............................................. 61

4.1. Simplifikasi Model Keterkaitan Regional................................................. 65

4.2. Garis Waktu Peramalan............................................................................. 76

5.1. Pertumbuhan Ekonomi... .......................................................................... 82


I

PENDAHULUAN

1.1. Latar Belakang

Indonesia merupakan negara yang memiliki berbagai keberagaman, baik

dalam sumber daya manusianya maupun sumber daya alamnya. Kesatuan dalam

keberagaman tersebut adalah hal yang sangat penting untuk diimplementasikan di

Indonesia. Menurut Geertz, “[Indonesia] akan makmur jika dapat menerima dan

memanfaatkan keberagamannya dan sebaliknya akan terpecah-pecah jika

mencoba untuk menghilangkan keberagaman tersebut” (Hill, 1996). Indonesia

perlu menjalankan kebijakan yang akan mengoptimasi pemanfaatan sumberdaya

baik sumberdaya manusia maupun sumberdaya alam bagi peningkatan

kesejahteraan masyarakat secara berkelanjutan selain memerlukan intervensi

kebijakan yang berpihak pada kearifan lokal yang berbasis kewilayahan, juga

memerlukan strategi pembangunan yang bersifat lintas wilayah dan lintas sektor.

Strategi ini diperlukan agar wilayah tersebut dapat berkembang mencapai tingkat

yang diinginkan melalui optimasi pemanfaatan sumberdaya alam secara harmonis

dengan pendekatan komprehensif yang memperhatikian kesembangan fisik,

ekonomi, sosial dan budaya.

Salah satu tujuan pokok pembangunan adalah menciptakan keseluruhan

pola pertumbuhan pendapatan yang diinginkan dengan penekanan khusus pada

akselerasi pertumbuhan dan pendapatan golongan miskin. Sehingga konsep

penerapan pencapaian pertumbuhan ekonomi yang tinggi semata tanpa diiringi

dengan penurunan angka kemiskinan dan ketimpangan distribusi pendapatan

bukanlah merupakan konsep yang tepat.

Meskipun analisis ekonomi umumnya tidak menyinggung hubungan

antara pertumbuhan ekonomi dan distribusi pendapatan, namun sebagian besar

teori mengisyaratkan bahwa ketimpangan distribusi pendapatan merupakan

sesuatu yang harus dikorbankan demi memacu laju pertumbuhan ekonomi secara

cepat.

Orieantasi kebijakan pembangunan sebelumnya dianggap identik dengan

kebijakan pertumbuhan ekonomi baik pada tingkat regional maupun nasional


1

tanpa memperhatikan distribusi pendapatan dapat menyebabkan kemiskinan

semakin melebar. Disamping hal tersebut kebijakan pembangunan juga masih

bersifat parsial dan terlalu menekankan kepada akumulasi dari kapital fisik (man-

made capital), tanpa memperhatikan keterkaitan dengan natural capital, human

capital, social capital.

Pertumbuhan ekonomi tinggi yang menguras sumberdaya alam tanpa

diimbangi dengan akumulasi kapital dan investasi dalam pemeliharaannya akan

berdampak terhadap rusaknya kelestarian (sustainability) dari sumber-sumberdaya

alam dan lingkungan hidup. Penyusutan dan degradasi dari sumberdaya tersebut

juga telah memperparah terjadinya ketidakseimbangan (unbalance growths)

pembangunan antar wilayah (provinsi, kabupaten/kota, wilayah perdesaan-

perkotaan) dan kelompok–kelompok dalam masyarakat, bahkan ketidakmerataan

pendapatan antar kelompok tersebut pada akhirnya akan mengarah pada

melebarnya tingkat kemiskinan.

Disamping itu, persoalan-persoalan penting lainnya di daerah yang selama

ini kita hadapi antara lain:

1. Daya saing daerah dan keterkaitan ekonomi antardaerah yang rendah

2. Kegiatan ekonomi yang masih terkonsentrasi pada beberapa daerah dan sektor

tertentu saja

3. Belum termanfaatkannya secara optimal potensi sumber daya wilayah

4. Produktivitas wilayah yang rendah

5. Masih banyaknya wilayah-wilayah miskin seperti perbatasan, pesisir, dan

kawasan tertinggal

6. Konversi lahan pertanian yang tinggi ke non pertanian

7. Kapasitas aparat yang masih rendah

8. Kurangnya keterlibatan masyarakat, dunia usaha, LSM dalam pembangunan;

dan

9. Belum kondusifnya iklim untuk investasi di daerah.

Seluruh permasalahan tersebut merupakan akumulasi dari kurang

terintegrasinya berbagai kebijakan pembangunan. Maka pendekatan pembangunan

yang dilakukan selama ini perlu dirubah memakai pendekatan regional. Salah satu

implikasi terpenting dari kecenderungan perubahan ini, khususnya dalam bidang

pembangunan ekonomi adalah apa yang dikenal dengan integrasi ekonomi


2

menjadi satu kesatuan ekonomi kawasan. Arus lalu lintas perdagangan barang dan

jasa serta investasi antar negara akan semakin meluas, intensif, dan dinamis.

Berbagai literatur tentang regional sciences atau regional development

menyebutkan tentang pentingnya tujuh aspek yang perlu diperhitungkan dalam

pengembangan wilayah. Pertama, keterkaitan wilayah secara fisik (physical

linkages) baik kondisi infrastruktur yang ada seperti jalan, kereta api, angkutan

sungai, dan angkutan udara maupun jaringan interkoneksi yang menghubungkan

berbagai infrastruktur tersebut. Kedua, keterkaitan wilayah secara ekonomi

(economic linkages) terutama ketersediaan sumberdaya, pola aliran barang dan

jasa, keterkaitan produksi, komditas unggulan maupun aliran modal dan

pendapatan. Ketiga, pergerakan dan perpindahan penduduk (population movement

linkages) baik migrasi tetap maupun migrasi musiman terkait dengan kegiatan

ekonomi. Keempat, keterkaitan teknologi (technological linkages) baik teknologi

produksi, teknologi informasi, teknologi telekomunikasi. Kelima, keterkaitan

sosial (social interaction linkages) dalam kehidupan budaya, agama dan

kekerabatan. Keenam, keterkaitan layanan jasa (service delivery linkages)

termasuk jaringan layanan energi, keuangan dan perbankan, pendidikan,

kesehatan dan perdagangan. Ketujuh, keterkaitan administrasi, politik,

pengorganisasian (political, administrative, and organizational linkages). Selain

itu, keseimbangan dan keterkaitan lintas wilayah dan lintas sektor perlu dilakukan

melalui penataan ruang sebagai salah satu instrumen utama dalam

pengarusutamaan (mainstreaming) kebijakan pembangunan berbasis wilayah.

Otonomi daerah merupakan tantangan bagi pemerintah daerah itu sendiri,

karena kewenangannya yang lebih luas untuk menentukan kebijakan dan program

pembangunan yang terbaik bagi peningkatan kesejahteraan masyarakat dan

kemajuan daerah masing-masing. Dengan latar belakang demografi, geografis,

infrastruktur dan ekonomi yang tidak sama, serta kapasitas sumber daya yang

berbeda, maka salah satu konsekuensi dari pelaksanaan otonomi daerah adalah

keberagaman daerah dalam hal kinerja pelaksanaan dan pencapaian tujuan

pembangunan. Perbedaan kinerja selanjutnya akan menyebabkan kesenjangan

antardaerah. Pendekatan pembangunan berbasis wilayah merupakan jawaban

untuk mengkonsolidasikan kekuatan dan potensi lokal secara lebih efektif guna

mendorong keserasian dan keseimbangan pembangunan wilayah sebagai bagian


3

integral dari pembangunan nasional. Oleh karenanya penyusunan model

keterkaitan regional menjadi suatu hal penting dalam mengatisipasi perubahan

ekonomi dalam menjamin kesinambungan pembangunan nasional dan antar

wilayah.

Akhir-akhir ini pengembangan model pembangunan wilayah perlu dikaji

dan dievaluasi secara mendalam. Dengan berbagai kelemahan dan kelebihan,

model pembangunan secara luas (broad-based) dilakukan untuk mendorong

pemerataan pembangunan antarwilayah.

Kecermatan dalam penyempurnaan model pembagunan wilayah yang telah

disusun pada tahun-tahun sebelumnya akan berpengaruh terhadap akurasi analisis

keterkaitan pembagunan antar wilayah. Pendekatan pembangunan berbasis

wilayah merupakan jawaban untuk mengkonsolidasikan kekuatan dan potensi

lokal secara lebih efektif guna mendorong keserasian dan keseimbangan

pembangunan wilayah sebagai bagian integral dari pembangunan nasional.

Contoh model yang telah dikembangkan atau dibangun dan telah

dilakukan dilakukan Bappenas adalah membangun multiregional input-ouput

model (MRIO), model ekonometrika dan computable general equilibrium model

(CGE). Namun demikian, perlu disadari bahwa dari ketiga model yang

dikembangkan oleh Bappenas tersebut masih bersifat parsial atau terpisah satu

dengan lainnya. Dalam arti bahwa dari ketiga model tersebut memberikan suatu

solusi, dimana kemungkinan solusi yang dihasilkan dapat sama atau berbeda satu

sama lainnya.

Untuk hal tersebut sedapat mungkin model tersebut diintegrasi dalam

sebuah sistem yang saling terkait satu sama lainnya. Misalnya kelemahan dalam

model MRIO dapat diatasi dengan CGE, model CGE yang bersifat black box

(terutama untuk berbagai koefisien patameter yang terdapat dalam model CGE,)

dapat diatasi oleh model ekonometrika. Penyempurnaan model-model yang telah

ada tersebut perlu terus menerus dilakukan dengan harapan temuan-temuan yang

ada dari model dapat memberikan solusi yang lebih komprehensif dan dapat

dituangkan dalam kebijakan yang ada di Indonesia.

Penyempurnaan model keterkaitan pembangunan antarwilayah diharapkan

dapat mengoptimalkan pembangunan antarwilayah dan mengurangi adanya

ketimpangan pembangunan antar-wilayah.


4

1.2. Perumusan Masalah

Sejak pelita pertama sampai dengan pelita tujuh pembangunan lebih

terkonsentrasi di pulau Jawa. Hal ini tidak terlepas dari kenyataan bahwa pulau

Jawa memiliki kesiapan lebih awal dalam menjalankan pembangunan, oleh karena

itu, pemerintah menggagas untuk meningkatkan pertumbuhan di kawasan timur

Indonesia dalam rangka untuk mengurangi kesenjangan ekonomi, dimana

Kawasan Timur Indonesia akan mendapat prioritas utama dalam kegiatan

pembangunan, namun demikian program pembangunan ini belum memberikan

hasil yang menggembirakan. Alasannya, program pemerintah ini tidak mendapat

dukungan sepenuhnya dari para pelaku ekonomi di lapangan. Dengan kata lain,

pihak swasta kurang tertarik berinvestasi di wilayah timur Indonesia. Akibatnya

sampai saat ini, masih terdapat kesenjangan ekonomi yang cukup besar antara

wialyah Barat dengan wilayah Timur.

Ada dua alasan mengapa pihak swasta kurang tertarik berinvestasi di

wilayah timur, pertama, penduduk Jawa (Provinsi Banten, DKI Jakarta, Jawa

Barat, Jawa Tengah, DI Yogyakarta, Jawa Timur dan Bali) lebih 60 persen dari

total penduduk Indonesia (lihat Tabel 1), sedangkan luasnya hanya sekitar 7

persen. Akibatnya investor lebih tertarik berproduksi di Jawa dengan alasan skala

ekonomi dan mendekati lokasi pasar. Kedua, sarana dan prasarana di KTI belum

memadai dalam mendukung investasi, terutama prasarana angkutan dan

komunikasi. Untuk itu diperlukan campur tangan pemerintah menciptakan

lingkungan yang mampu menarik minat investor.

Istilah pembagian kawasan kepulauan saat ini lebih dirinci tidak hanya

kawasan kepulaun yang luas di wilayah Timur dan Barat (KTI dan KBI),

melainkan dibagi dalam tujuh kawasan kepulauan yaitu Jawa-Bali, Sumatera,

Kalimantan, Sulawesi, Nusatenggara (Nusa Tenggara Timur dan Nusa Tenggara

Barat), Maluku (provinsi Maluku dan Maluku Utara) dan Papua (Papua dan Irian

Jaya Barat). Pembagian pulau ini akan memperjelas dalam mengidentifikasi setiap

perubahan-perubahan yang terjadi di salah satu wilayah/pulau yang berdampak

pada wilayah lainnya. Adanya keterkaitan antar kawasan tersebut dapat ditentukan

wilayah mana yang berdampak besar bagi sasaran pembangunan suatu wilayah


5

maupun seluruh wilayah. Setiap perubahan pembangunan di wilayah kunci akan

berdampak besar bagi perubahan di wilayah lainnya.

Tabel 1.1. Komposisi Penduduk Indonesia Menurut Provinsi, Tahun 2005-2008

No Provinsi 2005 2006 2007 2008 1 Nanggroe Aceh Darussalam 1.842 1.809 1.786 1.7692 Sumatera Utara 5.689 5.616 5.598 5.5943 Sumatera Barat 2.086 2.058 1.954 1.9414 R i a u 2.092 2.710 2.912 2.9925 J a m b i 1.204 1.192 1.210 1.2176 Sumatera Selatan 3.099 3.065 3.061 3.0707 B e n g k u l u 0.708 0.697 0.738 0.7448 L a m p u n g 3.251 3.204 3.296 3.3029 Kep. Bangka Belitung 0.477 0.478 0.439 0.440

10 Kep. Riau 0.582 0.573 0.612 0.62311 DKI Jakarta 4.048 3.982 3.867 3.84312 Jawa Barat 17.803 17.613 17.744 17.82213 Jawa Tengah 14.611 14.295 14.092 13.96214 DI Yogyakarta 1.528 1.506 1.467 1.46215 Jawa Timur 16.583 16.255 15.725 15.58916 Banten 4.125 4.098 4.315 4.37817 B a l i 1.546 1.525 1.521 1.52018 Nusa Tenggara Barat 1.912 1.891 1.971 1.97619 Nusa Tenggara Timur 1.947 1.935 1.862 1.86320 Kalimantan Barat 1.851 1.829 1.994 2.00121 Kalimantan Tengah 0.875 0.861 0.990 1.00422 Kalimantan Selatan 1.500 1.486 1.467 1.47123 Kalimantan Timur 1.302 1.304 1.299 1.31524 Sulawesi Utara 0.973 0.960 0.964 0.96325 Sulawesi Tengah 1.049 1.044 1.096 1.10226 Sulawesi Selatan 3.431 3.830 3.816 3.80827 Sulawesi Tenggara 0.897 0.889 0.963 0.97528 Gorontalo 0.421 0.418 0.389 0.38729 Sulawesi Barat 0.443 0.436 0.431 0.42630 M a l u k u 0.572 0.565 0.572 0.57531 Maluku Utara 0.404 0.408 0.405 0.40532 Irian Jaya Barat 0.294 0.286 0.286 0.28833 Papua 0.857 1.183 1.158 1.169

Sumber: BPS (diolah)

Diterapkannya otonomi daerah, membuat pemerintah daerah berlomba-

lomba menarik minat investor masuk dan menanamkan modalnya di daerah.

Daerah berharap bahwa seluruh atau sebagian besar manfaat dari investasi di

daerahnya mampu memicu pertumbuhan perekonomian daerahnya. Pemerintah

daerah belum menyadari dengan baik bahwa limpahan manfaat investasi tidak

semuanya mengalir ke daerah tempat investasi, tetapi sebagian kecil atau dapat

juga dalam porsi yang cukup besar dapat mengalir ke daerah lain, terutama pulau


6

Jawa. Hal ini disebabkan karena Pulau Jawa memiliki infrastruktur perekonomian

paling lengkap.

Tingginya konsentrasi penduduk di Jawa tentu saja diikuti oleh konsentrasi

aktivitas ekonomi. Kadar aktivitas ekonomi dapat ditunjukkan oleh angka Produk

Domestik Regional Bruto (PDRB), periode 2000-2005, Jawa (Provinsi Banten,

DKI Jakarta, Jawa Barat, Jawa Tengah, DI Yogyakarta, Jawa Timur dan Bali)

memberikan kontribusi lebih dari 60 persen terhadap total PDRB seluruh daerah

(Tabel 2). Kemudian perannya agak menurun ketika terjadi krisis ekonomi

nasional. Diperkirakan perannya kembali akan meningkat setelah perekonomian

pulih dari krisis. Fakta demikian menunjukkan bahwa peran Jawa sangat dominan

dalam perekonomian Indonesia.

Tabel 1.2. Komposisi Produk Domestik Regional Bruto Berdasarkan Harga Berlaku Menurut Provinsin, Tahun 2004-2007 (%)

No Provinsi 2004 2005 2006 2007 1 Nanggroe Aceh Darussalam 2.23 1.93 2.36 2.08 2 Sumatera Utara 5.24 5.16 5.13 5.16 3 Sumatera Barat 1.66 1.69 1.70 1.70 4 Riau 6.69 5.24 5.35 5.96 5 Jambi 0.82 0.85 0.84 0.91 6 Sumatera Selatan 2.85 3.08 3.07 3.12 7 Bengkulu 0.36 0.38 0.37 0.36 8 Lampung 1.60 1.50 1.56 1.73 9 Bangka Belitung 0.49 0.51 0.51 0.51 10 Kepulauan Riau 1.82 1.55 1.48 1.47 11 DKI Jakarta 16.65 16.46 16.07 16.06 12 Jawa Barat 13.34 14.61 15.18 14.92 13 Jawa Tengah 8.57 8.84 9.04 8.86 14 DI Yogyakarta 0.98 0.95 0.94 0.93 15 Jawa Timur 15.12 15.22 15.08 15.17 16 Banten 3.27 3.19 3.14 3.05 17 Bali 1.28 1.28 1.20 1.20 18 NTB 0.98 0.97 0.91 0.95 19 NTT 0.57 0.55 0.54 0.54 20 Kalimantan Barat 1.32 1.27 1.21 1.20 21 Kalimantan Tengah 0.81 0.79 0.78 0.79 22 Kalimantan Selatan 1.14 1.10 1.10 1.12 23 Kalimantan Timur 5.93 6.60 6.36 6.01 24 Sulawesi Utara 0.68 0.67 0.69 0.69 25 Sulawesi Tengah 0.65 0.64 0.62 0.62 26 Sulawesi Selatan 2.16 1.96 1.95 1.96 27 Sulawesi Tengggara 0.46 0.49 0.49 0.51 28 Gorontalo 0.12 0.13 0.13 0.14 29 Sulawesi Barat 0.20 0.17 0.16 0.18 30 Maluku 0.18 0.17 0.16 0.16 31 Maluku Utara 0.10 0.10 0.09 0.09 32 Papua Barat 0.35 0.30 0.29 0.29


7


8

No Provinsi 2004 2005 2006 2007 33 Papua 1.39 1.65 1.50 1.57

Total 100.00 100.00 100.00 100.00Sumber: BPS (diolah)

Walaupun posisi ekonomi Jawa sangat dominan, pendapatan per kapitanya

bukanlah yang tertinggi. PDRB per kapita tertinggi diraih oleh penduduk yang

bertempat tinggal di luar Jawa, seperti Kalimantan Timur dan Sulawesi Selatan.

PDRB per kapita Jawa berada di sekitar nilai PDRB per kapita nasional. PDRB

per kapita Jawa tertekan oleh jumlah penduduknya yang mencapai lebih 60 persen

dari penduduk Indonesia. Pada Tabel 3 dicantumkan nilai PDRB per kapita dalam

harga konstan 2000 menurut kelompok provinsi.

Tabel 1.3. PDRB per Kapita dalam Harga Konstan 2000 Menurut Pulau, Tahun 2000-2005 (Juta rupiah)

No Provinsi 2000 2001 2002 2003 2004 2005

1 NAD 22.77 20.10 10.56 10.60 9.91 8.552 Sumatera Utara 6.01 6.21 6.32 6.65 6.90 7.253 Sumatera Barat 5.40 5.59 5.79 5.87 6.09 6.434 Riau 14.63 16.13 15.09 13.15 13.24 13.885 Jambi 3.98 4.19 4.36 4.42 4.56 4.816 Sumatera Selatan 6.03 6.11 6.09 6.98 7.18 7.497 Bangka Belitung 6.79 6.71 7.56 7.91 7.87 8.038 Bengkulu 3.12 3.56 3.24 3.69 3.82 4.039 Lampung 3.50 3.58 3.71 3.88 4.02 4.15

10 Banten 5.64 5.75 5.80 5.80 6.04 6.3711 DKI Jakarta 27.30 28.42 29.88 30.64 33.66 33.7512 Jawa Barat 5.48 5.64 5.73 5.84 6.06 6.3713 Jawa Tengah 3.71 3.82 3.88 4.03 4.19 4.4014 DI Yogya 4.32 4.49 4.65 4.79 5.01 5.2615 Jawa Timur 5.83 6.06 6.22 6.32 6.66 7.0316 Kalimantan Barat 5.18 5.24 4.98 5.42 5.58 5.8117 Kalimantan Tengah 6.10 6.15 6.11 6.84 7.06 7.4618 Kalimantan Selatan 8.58 8.56 8.20 8.82 9.12 9.5719 Kalimantan Timur 27.71 28.79 28.76 28.19 28.28 29.0020 Sulawesi Utara 1.37 1.39 1.37 1.42 1.46 1.5221 Gorontalo 0.60 0.62 0.65 0.65 0.69 0.7322 Sulawesi Tengah 4.38 4.55 4.70 4.79 5.07 5.4323 Sulawesi Selatan 34.04 37.79 39.14 39.96 41.38 40.5924 Sulawesi Tenggara 3.25 3.34 3.38 3.71 3.91 4.1725 Bali 5.49 5.66 5.73 5.69 5.88 6.2026 NTB 3.18 3.39 3.28 3.51 3.67 3.7327 NTT 2.06 2.06 2.20 2.21 2.28 2.3428 Maluku 2.41 2.30 2.37 2.44 2.50 2.6229 Maluku Utara 2.81 2.43 2.52 2.38 1.82 2.5630 Papua 10.84 11.04 9.64 8.95 6.51 8.84

Sumber: PDRB Provinsi dan Statistik Indonesia, diolah dari berbagai terbitan, BPS

Posisi ekonomi Jawa yang dominan menunjukkan adanya ketimpangan

ekonomi antara Jawa dan luar Jawa. Ketimpangan ini mendapat perhatian karena

dapat menimbulkan dampak negatif terhadap aspek demografi, politik, ekonomi,

pertahanan keamanan dan sebagainya. Penyebab lain ketimpangan ekonomi di

antaranya adalah kondisi infrastruktur dan sumberdaya manusia Jawa & Bali telah

lebih maju daripada daerah lain. Infrastruktur yang dimaksud diantaranya adalah

ketersediaan tenaga listrik, prasarana dan sarana transportasi dan komunikasi.

Karena kelebihannya dalam kepemilikan infrastruktur tersebut, maka pelaku

ekonomi memilih Jawa & Bali sebagai pusat kegiatan bisnis nasional.

Jawa & Bali oleh sebagian besar pengusaha dijadikan tempat penyusunan

kebijakan, strategi dan perencanaan bisnis berskala nasional maupun

internasional. Sementara bisnis di luar Jawa kebanyakan berupa pabrikan atau unit

usaha yang hanya menjalankan operasional secara teknis. Dengan demikian

sekalipun omset bisnis di luar Jawa cukup besar, namun perputaran uang sebagian

besar masih berada di antara rekanan usaha yang berlokasi di Jawa. Besarnya

perputaran uang di Jawa ini mendorong kegiatan perekonomian yang semakin

tinggi di Jawa, sekalipun usaha penciptaan uangnya berada di luar Jawa.

Penyebab terjadinya ketimpangan ekonomi antardaerah berikutnya dapat

dilihat dari aspek kepemilikan faktor produksi, yaitu modal atau kapital dan

tenaga kerja. Jawa memiliki keunggulan dalam faktor kapital dan tenaga kerja,

tetapi miskin akan sumberdaya alam. Sementara itu daerah luar Jawa memiliki

keunggulan dalam kepemilikan bahan baku berupa sumberdaya alam, baik berupa

barang tambang, hasil perkebunan dan kelautan.

Daerah yang menguasai kepemilikan kapital dan tenaga kerja cenderung

mengalami laju pertumbuhan ekonomi tinggi, sedangkan daerah kaya sumberdaya

alam mengalami laju pertumbuhan ekonomi lebih lamban. Oleh karena terdapat

perbedaan kepemilikan faktor antar daerah, maka terjadi spesifikasi produksi,

yang akan mendorong kegiatan perdagangan antardaerah.

Daerah yang memiliki banyak keunggulan dalam kepemilikan faktor akan

menjadi tempat berproduksi (sentra produksi) dan sekaligus sebagai pemasok

barang dan jasa bagi daerah-daerah lainnya. Apalagi jika ditunjang dengan jumlah

penduduk yang besar. Berbeda dengan daerah yang memiliki keunggulan dalam

aspek kepemilikan sumberdaya alam dan kepemilikan faktor, maka daerah-daerah


9

yang terbelakang perkembangan ekonominya hampir dipastikan lebih lambat.

Selain itu daerah ini masih memiliki ketergantungan yang tinggi terhadap daerah

yang lebih maju. Mengingat adanya perbedaan karakteristik antardaerah di

Indonesia yang disebabkan oleh jumlah penduduk, kualitas sumberdaya manusia,

infrastruktur, kapital dan sumberdaya alam, maka ketergantungan atau keterkaitan

ekonomi antardaerah dipastikan akan terjadi. Sehubungan dengan struktur

keterkaitan ekonomi tersebut muncul pertanyaan-pertanyaan yang membutuhkan

jawaban melalui suatu penelitian ilmiah, yaitu:

1. Bagaimana model keterkaitan ekonomi regional antar-pulau dan bagaimana

konsep pengembangan model keterkaitan regional yang ”acceptable,

implementable, dan managable.”

2. Bagaimana dampak terhadap pulau tertentu, jika terdapat shock di pulau lain

dengan melakukan berbagai simulasi kebijakan pembangunan untuk

perencanaan keterkaitan pembangunan nasional dan regional.

3. Bagaimana pola dampak dari keterkaitan kebijakan nasional, regional, sektoral

maupun tata ruang terhadap perekonomian suatu daerah.

4. Bagaimana suatu skenario pembangunan wilayah yang sesuai dengan

keterkaitan pembangunan regional dan sasaran pembangunan nasional.

5. Bagaimana merumuskan strategi kebijakan, program pembangunan prioritas,

kewenangan serta instrumen kebijakan berdasarkan hasil model yang

dibangun untuk periode jangka pendek, menengah dan panjang.

1.3. Tujuan Penelitian

Dengan mengacu pada latar belakang dan permasalahan studi yang telah

diuraikan sebelumnya, maka tujuan dari kajian ini adalah:

1. Membangun model keterkaitan regional berbasis model-model yang telah

dikembangkan sebelumnya (Model MRIO- CGE - Ekonometrika).

2. Melakukan updating data yang digunakan dalam model keterkaitan regional.

3. Melakukan berbagai simulasi kebijakan pembangunan untuk perencanaan

keterkaitan pembangunan nasional dan regional.

4. Menganalisis pola dampak dari keterkaitan kebijakan nasional, regional,

sektoral maupun tata ruang terhadap perekonomian suatu daerah.


10

5. Merumuskan strategi kebijakan, program pembangunan prioritas,



1.4. Sasaran

Adapun sasaran yang ingin dicapai dalam kajian ini adalah:

1. Terumuskannya konsep Pengembangan Model Keterkaitan Regional yang

merupakan hasil penyempurnaan dari berbagai model yang telah

dikembangkan (Model MRIO- CGE - Ekonometrika);

2. Terlaksanannya updating data yang digunakan dalam model keterkaitan

regional;

3. Terlaksananya berbagai simulasi kebijakan pembangunan untuk perencanaan

keterkaitan pembangunan nasional dan regional;

4. Terlaksananya analisis pola dampak dari keterkaitan kebijakan nasional,

regional, sektoral maupun tata ruang terhadap perekonomian suatu daerah;

5. Tersusunnya strategi kebijakan, program pembangunan prioritas,



1.5. Relevansi Kajian dengan Unit Kerja

Adapun penerima manfaat dari kajian ini adalah Bappenas pada umumnya

dan unit kerja bersangkutan pada khususnya. Keluaran dari kajian ini akan

mendukung upaya analisis untuk perencanaan pengembangan wilayah dan

antarwilayah dengan menggunakan model kuantitatif keterkaitan regional untuk

melakukan simulasi berbagai kebijakan pembangunan untuk perencanaan, analisis

dampak dari keterkaitan kebijakan, dan pengembangan skenario pembangunan

wilayah. Dari hasil simulasi dan analisis tersebut diharapkan akan memberikan

masukan dalam rencana pembangunan pemerintah dalam jangka pendek dan

menengah, khususnya dalam perencanaan pembangunan untuk pengembangan

wilayah dan antarwilayah, dan mengurangi kesenjangan antarwilayah. Masukan

tersebut akan mendukung dan memperkaya perencanaan dalam bidang

pembangunan wilayah serta memberikan aspek spasial pada sistem perencanaan

nasional.


11

1.6. Ruang Lingkup Kegiatan

Model keterkaitan regional dititikberatkan pada serangkaian kegiatan

untuk mengembangkan, menyempurnakan dan updating data – data dari berbagai

model pengembangan wilayah yang telah dilakukan pada tahun-tahun sebelumnya

dengan lebih menitikberatkan pada keterkaitan regional, sektoral dan tata ruang.

Merumuskan skenario dan alternatif kebijakan keterkaitan regional, dan

melakukan simulasi dampak kebijakan terhadap pembangunan wilayah. Ruang

lingkup kegiatan pengembangan model keterkaitan regional adalah:

1. Pengumpulan data-data dan literatur dari berbagai sumber, antara lain:

a. Data statistik terbaru: sensus, laporan, dan lainnya.

b. Data regional dan sektoral terbaru: data regional dari Provinsi dan data

sektoral departemen teknis, LPND, data dari universitas dan lembaga-

lembaga kajian;

c. Kebijakan-kebijakan nasional, regional, sektoral dan tata ruang yang

terkait dengan pembangunan daerah;

d. Literatur-literatur terkait untuk penyusunan Model Keterkaitan

Regional.

2. Analisis data dan pengkajian literatur untuk pengembangan Model

Keterkaitan Regional.

3. Focus Group Discussion (FGD) yang diikuti antara lain oleh unsur-unsur

pemerintah pusat, pemerintah daerah, pakar, serta perguruan tinggi, untuk

memperoleh masukan dalam pengembangan Model Keterkaitan Regional.

4. Penyusunan laporan kajian pengembangan Model Keterkaitan Regional.

5. Sosialisasi dan Diskusi hasil Kajian berupa Lokakarya/workshop dengan

mengundang stakeholders terkait untuk diseminasi hasil kajian di tingkat

pusat dan sosialisasi ke daerah terpilih Provinsi Sulawesi Selatan dan

Lampung.

1.7. Keluaran

Kajian menghasilkan keluaran Skenario Pembangunan antarwilayah yang

berpedoman pada Konsep perencanaan keterkaitan pembangunan regional.

Skenario ini antara lain berisi rekomendasi kebijakan dan prioritas dalam


12


13

perencanaan pembangunan baik dalam Periode Jangka Pendek (tahunan), Jangka

Menengah (5 tahun) dan jangka panjang

II

TINJAUAN PUSTAKA

2.1. Definisi Wilayah

Setidaknya ada tiga definisi tentang daerah yang sering dijumpai dalam

literatur, yaitu daerah homogen, daerah nodal dan daerah perencanaan atau daerah

administratif (Richardson, 1969). Penjelasan masing-masing definisi daerah

adalah sebagai berikut:

1. Konsep daerah homogen didasarkan pada suatu pandangan bahwa unit-unit

spasial dapat dikelompokkan menjadi suatu daerah tunggal jika mereka

memiliki karakteristik yang sama. Karakteristik yang dimaksud dapat berupa

karakteristik ekonomi, geografi ataupun sosial-politik. Pendefinisian daerah

akan menjadi sulit manakala daerah-daerah tersebut seragam dalam beberapa

hal tetapi tidak seragam dalam aspek lainnya.

2. Konsep daerah nodal, didefinisikan sebagai suatu daerah yang terdiri atas

satuan-satuan ruang yang berbeda yang saling berkaitan satu dengan yang

lainnya baik secara internal maupun secara eksternal. Secara internal

keterkaitan fungsional terjadi melalui perdagangan dan layanan jasa-jasa di

dalam daerah yang bersangkutan. Secara eksternal jaringan produksi,

perdagangan, angkutan, komunikasi, imigrasi, aliran bahan baku dan

komoditas mengaitkan suatu daerah dengan daerah yang lainnya, termasuk

dengan luar negeri.

3. Klasifikasi daerah perencanaan atau administratif dipandang penting dalam

kaitannya dengan perumusan kebijakan dan perencanaan serta analisis daerah.

Mengingat pelaksanaan kebijakan daerah membutuhkan legitimasi kekuasaan

maka daerah ini perlu didefinisikan sebagai daerah administratif dengan

legalitas politik yang jelas pada berbagai tingkat.

Mengacu kepada definisi daerah administratif, maka Indonesia dapat

dibagi-bagi menjadi beberapa tingkat daerah yaitu propinsi, kabupaten/kota dan

Desa. Memperhatikan aspek ini sangatlah penting dalam upaya mengelompokkan

berbagai propinsi menjadi beberapa kesatuan daerah yang lebih luas, misalnya

kesatuan pulau. Indonesia yang terdiri dari puluhan ribu pulau, dengan adat-


13

istiadat dan budaya yang berbeda-beda menjadi dasar terjadinya perbedaan

karakter sosial, politik dan ekonomi. Aspek ekonomi sangat dipengaruhi oleh

karakter geografis, aspek sosial dan politik. Oleh karena itu di samping

mempertimbangkan aspek ekonomi, untuk mengelompokkan daerah-daerah

menjadi beberapa kesatuan daerah yang lebih luas, misalnya pulau, juga harus

mempertimbangkan aspek geografis, sosial dan politik. Akibat dari penjelasan

pada dua paragraf sebelumnya, maka penggabungan beberapa propinsi menjadi

daerah yang lebih besar harus mempertimbangkan kriteria daerah administratif

dan daerah homogen.

2.2. Migrasi di Indonesia

Migrasi merupakan fenomena sosial yang tidak dapat dilepaskan dari

gerak langkah pembangunan ekonomi. Berbagai motif yang melatarbelakangi

individu untuk melakukan migrasi didominasi oleh adanya keinginan untuk

mengubah hidup dan mutu kehidupan individu tersebut. Tirtosudarmo (1985),

menyatakan bahwa keputusan dan kemampuan merealisasikan keputusan tersebut

sangat tergantung pada lingkungan sosial, ekonomi dan industri yang

bersangkutan. Artinya keputusan untuk melakukan migrasi tidak hanya semata-

mata karena pertimbangan sendiri tetapi juga oleh perubahan-perubahan struktural

di dalam masyarakat dimana individu berdomisili (Syafa’at, 1998).

Keputusan untuk melakukan migrasi ditandai oleh adanya faktor

pendorong (push factor) dari tempat seseorang bermukim dan pilihan tujuan

sebagai tempat berpindah yang dicirikan oleh adanya faktor penarik (pull factor)

dari tempat tujuan tadi. Dari berbagai alasan yang dikemukakan, satu hal yang

dominan adalah kemungkinan diperolehnya tambahan pendapatan tunai sebagai

hasil jerih payah bekerja pada berbagai pilihan pekerjaan di tempat yang baru.

Berbagai alasan yang dikemukakan untuk melakukan migrasi sebenarnya

mempunyai tujuan utama untuk mengubah status ekonomi, sekaligus status sosial

dan kehidupan seseorang/sekeluarga di tengah masyarakat.

Colter (1984), menyebutkan bahwa walaupun pembangunan ekonomi

antara perdesaan dan kota belum seimbang, sehingga mendorong adanya

mobilitas penduduk dari wilayah perdesaan ke perkotaan. Pola migrasi penduduk,

menunjukkan adanya kecenderungan meningkatnya migran sirkuler dan


14

kecenderungan makin menurunnya migran komuter. Hal ini terjadi karena faktor

sosial, yaitu adanya pandangan dalam masyarakat desa bahwa migran sirkuler

merupakan kelompok migran paling berhasil dalam memperbaiki status ekonomi

dan sosialnya (Erwidodo, 1991), sehingga kelompok migran komuter yang sudah

merasa mapan pekerjaannya merubah pola migrannya menjadi sirkuler. Perubahan

pola migran tersebut, juga dipengaruhi oleh semakin mahalnya biaya transportasi

dan makin tidak pastinya kesempatan kerja di desa.

Adanya empat konsep yang dapat digunakan untuk menelaah proses

urbanisasi yaitu : (1) sistem perekonomian (urban systems), (2) mobilitas

penduduk desa-desa, kota-kota, desa-kota, (3) struktur tata ruang, dan (4) model

ekonomi yang digunakan dalam pembangunan ekonominya (Todaro, 2000).

Urbanisasi merupakan suatu proses yang wajar dan dialami oleh semua

negara. Proses urbanisasi suatu negara perlu diketahui untuk melihat sejauh mana

tingkat hubungan antara wilayah perdesaan dengan wilayah perkotaan, apakah

hubungan tersebut bersifat simetris atau asimetris, dan sejauh mana intensitas atau

bentuk hubungan antara kedua wilayah tersebut. Proses urbanisasi dapat dilihat

dari dinamika mobilitas penduduk desa-kota dan kota-desa. Mobilitas penduduk

secara geometris antara satu lokasi dengan lokasi yang lain atau antara daerah

perdesaan dan daerah perkotaan merupakan suatu fenomena yang dapat terjadi

dimana pun selama dua lokasi tersebut masih terdapat adanya perbedaan.

Selanjutnya pada periode krisis ekonomi tingkat urbanisasi tergolong

tinggi, karena lebih kurang 50 persen penduduk telah terurbanisasi. Tingkat

urbanisasi meningkat dari 2.173 persen menjadi 2.487 persen pada periode krisis

ekonomi (BPS, 1998). Hal ini menunjukkan bahwa periode krisis, perpindahan

penduduk dari desa ke kota tetap terjadi. Namun diperkirakan keputusan migrasi

yang terjadi pada periode tersebut terjadi bukan karena alasan ekonomi, tetapi

lebih mengarah kepada alasan non-ekonomi.

2.3. Distribusi Pendapatan dan Ketimpangan Antar-Daerah

Dalam teori ekonomi distribusi pendapatan dapat dibedakan menjadi dua,

yaitu : (1) distribusi pendapatan institusional atau distribusi pendapatan personal,

yaitu distribusi pendapatan yang terjadi antar institusi maupun antar kelompok


15

rumahtangga; dan (2) distribusi pendapatan fungsional atau distribusi pendapatan

faktorial, adalah distribusi pendapatan yang diterima oleh masing-masing faktor

produksi yang digunakan dalam proses produksi (Semaoen, 1992).

Distribusi pendapatan personal atau institusional adalah merupakan ukuran

yang paling umum digunakan oleh para ekonom. Ukuran ini hanya berkaitan

dengan masing-masing individu atau satu kelompok masyarakat dan jumlah

penghasilan yang mereka terima. Besarnya pendapatan personal yang diterima

oleh masing-masing individu atau kelompok masyarakat, sangat tergantung dari

kepemilikan faktor produksi. Individu dapat memberikan jasa tenaga kerja,

keterampilan (manajemen), dan modal yang dimilikinya dalam suatu proses

produksi. Imbalan terhadap digunakannya faktor produksi milik individu

masyarakat itulah yang diterima sebagai pendapatan personal (Semaoen. 1992).

Imbalan yang diterima oleh setiap individu atau kelompok masyarakat,

dapat berupa : (1) upah atau gaji, sebagai balas jasa atas penggunaan faktor

produksi dalam suatu proses produksi, (2) laba, dividen, bunga, sewa, dan lain

sebagainya atas imbalan penggunaan modal atau kapital, dan (3) pendapatan lain,

atas imbalan yang dibayarkan untuk kepemilikan faktor produksi lainnya.

Selanjutnya Todaro (1991), Yotopolus dan Nugent (1976), menggunakan

Kurva Lorenz dan Koefisien Gini untuk mengukur distribusi pendapatan. Kurva

Lorenz dapat menjelaskan distribusi pendapatan secara grafis, sedangkan

Koefisien Gini mengukur ketimpangan pendapatan yang terjadi dengan melihat

hubungan antara jumlah penduduk dengan distribusi pendapatan dalam bentuk

persentase kumulatif.

Distribusi pendapatan fungsional atau distribusi pendapatan faktorial ini

menjelaskan distribusi pendapatan yang diterima oleh masing-masing faktor

produksi yang digunakan dalam proses produksi. Besarnya kecilnya pendapatan

ini tergantung dari seberapa besar atau seberapa banyak faktor produksi yang

digunakan, selain juga ditentukan oleh faktor harga faktor produksi.

Dalam melakukan analisis distribusi pendapatan faktorial ini, produksi

total dibagi habis dalam faktor produksi yang digunakan. Dalam konteks analisis

SAM, ada dua faktor produksi yang digunakan yaitu modal dan tenaga kerja.

Perubahan dalam pemakaian faktor produksi akan menyebabkan perubahan dalam


16

distribusi pendapatan faktorial atau fungsional. Selanjutnya, pendapatan yang

diterimakan kepada masing-masing faktor produksi tersebut akan diterima oleh

pemilik faktor produksi.

Semaoen (1992) mengatakan bahwa pengukuran distribusi pendapatan

dapat dilakukan dengan metode akuntansi dan dengan menggunakan fungsi

produksi guna memperoleh andil faktor (factor share) dari setiap faktor produksi

yang digunakan. Metode akuntansi dalam menghitung andil faktor setiap masukan

(faktor produksi) memerlukan data mengenai jumlah faktor produksi yang

digunakan dalam proses produksi dan balas jasa yang diterima oleh setiap faktor

tersebut. Dalam perhitungannya, nilai produksi dialokasikan kepada setiap faktor

produksi sebagai balas jasa dari penggunaan faktor produksi tersebut. Balas jasa

terhadap faktor produksi ini, merupakan pendapatan dari masing-masing faktor

tersebut, atau yang disebut sebagai pendapatan faktorial.

Wie (1981) mengemukakan bahwa negara yang hanya menekankan pada

pertumbuhan ekonomi tanpa memikirkan distribusi pendapatan, akan

memunculkan ketimpangan-ketimpangan di antaranya:

a. Ketimpangan pendapatan antar golongan atau ketimpangan relatif.

Ketimpangan yang terjadi antar golongan ini sering kali diukur dengan

menggunakan koefisien Gini. Kendati koefisien Gini bukan merupakan

indikator yang ideal mengenai ketimpangan pendapatan antar berbagai

golongan, namun sedikitnya angka ini dapat memberikan gambaran mengenai

kecenderungan umum dalam pola distribusi pendapatan.

b. Ketimpangan pendapatan antara masyarakat perdesaan dan perkotaan.

Ketimpangan dalam distribusi pendapatan dapat juga ditinjau dari segi

perbedaan pendapatan antara masyarakat desa dengan masyarakat perkotaan

(urban-rural income disparities). Untuk membedakan hal itu digunakan dua

indikator: (1) perbandingan antara tingkat pendapatan per kapita di daerah

perkotaan dan pedesaan, dan (2) disparitas pendapatan daerah perkotaan dan

daerah perdesaan(perbedaan pendapatan rata-rata antara kedua daerah sebagai

persentase dari pendapatan nasional rata-rata). Menurut Bank Dunia, pola

pembangunan Indonesia memang memperlihatkan suatu urban bias dengan

tekanan berat pada sektor industri, yang merupakan landasan bagi


17

ketimpangan distribusi pendapatan di kemudian hari.

c. Ketimpangan distribusi pendapatan antar daerah. Untuk melihat ketimpangan

distribusi pendapatan nasional, adalah ketimpangan dalam perkembangan

ekonomi antar berbagai daerah di Indonesia, yang mengakibatkan pula

terjadinya ketimpangan pendapatan per kapita antar daerah (regional income

disparities). Ketimpangan pendapatan seperti ini disebabkan oleh karena

penyebaran sumberdaya alam yang tidak merata, perbedaan laju pertumbuhan

antar daerah, dan belum berhasilnya usaha-usaha pembangunan yang merata

antar daerah di Indonesia.

Arif (1978) menyebutkan bahwa terdapat delapan proses yang telah

menimbulkan ketimpangan yang pada suatu wilayah ( pada level propinsi ataupun

negara), di antaranya (1) Pertambahan penduduk yang tinggi yang mengakibatkan

menurunnya pendapatan per kapita, (2) Inflasi dimana pendapatan uang

bertambah tetapi tidak diikuti secara proporsional dengan pertambahan produksi

barang-barang, (3) Ketidakmerataan pembangunan antar subwilayah (atau daerah

yang lebih kecil), (4) Investasi yang sangat banyak dalam proyek-proyek yang

intensif modal sehingga persentase pendapatan dari harta bertambah besar

dibandingkan dengan persentase pendapatan yang berasal dari kerja, sehingga

pengangguran bertambah, (5) Rendahnya mobilitas sosial, (6) Pelaksanaan

kebijaksanaan substitusi-impor industri yang menyebabkan kenaikan harga

barang-barang hasil industri untuk melindungi golongan kapitalis, (7)

Memburuknya term of trade bagi wilayah yang sedang berkembang dalam

perdagangan dengan wilayah maju (daerah atau negara) sebagai akibat ketidak

elastisan permintaan wilayah maju, dan (8) Hancurnya industri-industri rakyat,

seperti: pertukangan, industri rumah tangga, dan lain-lainnya.

Lebih lanjut, Wie (1981) menjelaskan bahwa dalam upaya mengurangi

ketimpangan tersebut adalah dengan strategi campur tangan pemerintah. Dalam

hal ini diupayakan pembagian yang merata dari sumberdaya yang ada kepada

golongan masyarakat termiskin, sehingga kesejahteraan mereka dapat meningkat.

Terdapat tiga cara dalam menanggulangi atau melakukan redistribusi

ketimpangan pendapatan, yaitu, (1) Redistribusi Non-Incremental. Hal ini

menyangkut kebijaksanaan redistribusi harta yang ada, seperti: pemungutan pajak


18

pendapatan secara progresif, (2) Redistribusi Incremental. Cara ini digunakan

dalam pemungutan pajak bagi golongan yang berpendapatan tinggi, yang

selanjutnya dibagikan langsung kepada mereka yang kurang mampu.

Kebijaksanaan ini biasanya dianut oleh negara-negara sosialis, dan (3)

Redistribusi melalui pertumbuhan. Kebijakan ini bertujuan untuk menaikkan laju

pertumbuhan pendapatan golongan masyarakat miskin, dengan tidak mengurangi

secara absolut pendapatan total.

Ada beberapa hal yang terkandung dalam kebijaksanaan ini, seperti: (1)

mempertahankan laju pertumbuhan yang tinggi, (2) menstabilkan penghasilan

golongan paling kaya, (3) menyalurkan sebagian pendapatan golongan kaya

sebagai hasil pertumbuhan ke dalam berbagai bentuk investasi, dan (4)

mengalokasikan investasi ke dalam bentuk yang lebih bermanfaat bagi golongan

masyarakat termiskin.Redistribusi melalui pertumbuhan dapat digunakan untuk

menganalisis potensi jangka panjang pembangunan ekonomi, khususnya yang

menyangkut kesenjangan (trade-off).

Setidaknya ada empat pendekatan untuk meningkatkan kesejahteraan

golongan masyarakat paling miskin (1) meningkatkan laju pertumbuhan

pendapatan daerah sampai tingkat maksimal dengan jalan meningkatkan tabungan

dan mengalokasikan sumberdaya secara lebih efektif dan efisien, (2) mengalihkan

investasi kepada golongan masyarakat miskin dalam bentuk pendidikan,

kesehatan, penyediaan kredit dan fasilitas umum, (3) melakukan redistribusi

pendapatan kepada golongan masyarakat miskin melalui sistem fiskal, atau

mengalokasikan barang-barang konsumsi secara langsung, dan (4) pengalihan

harta yang sudah ada kepada golongan masyarakat miskin, misalnya melalui land

reform.

2.4. Pengeluaran Pemerintah Lintas Sektoral

Menurut Worldbank (2007), sejak krisis ekonomi dan pelaksanaan

desentralisasi, komposisi pengeluaran sektoral telah mengalami perubahan

signifikan. Pengeluaran untuk infrastruktur masih belum kembali pada tingkat

sebelum krisis dan masih berkisar 3 persen dari PDB sejak tahun 2001. Angka ini

hanya sedikit lebih tinggi daripada pengeluaran untuk infrastruktur yang rendah


19

saat pascakrisis tahun 2000. Sebaliknya, pengeluaran untuk sektor sosial

meningkat secara substansial. Terutama, pengeluaran untuk sektor pendidikan

meningkat hampir dua kali lipat dari 2,5 persen (2000) menjadi sekitar 4 persen

(2007). Tingkat pengeluaran saat ini untuk administrasi sangat tinggi (15 persen,

terutama disebabkan oleh pengeluaran yang tinggi di daerah) dan menunjukkan

adanya pemborosan yang signifikan atas sumber daya publik. Terdapat cukup

ruang untuk perbaikan dan pemerintah harus berusaha mengurangi pengeluaran

ini menjadi hanya 5 sampai 10 persen.

Indonesia memiliki distribusi pengeluaran yang sangat tidak merata.

Kategori multi-sektor (sektor perdagangan, pengembangan usaha, keuangan dan

koperasi) merupakan kategori pengeluaran yang dominan karena meliputi juga

subsidi dan pembayaran bunga. Kategori pengeluaran ini umumnya mengambil

sekitar 40 persen atau lebih dari agregat pengeluaran pemerintah. Jika pengeluaran

untuk “aparatur pemerintah dan pengawasan” diikutsertakan, maka lebih dari

setengah dari keseluruhan pengeluaran pemerintah dipakai tanpa alokasi untuk

sektor-sektor seperti pendidikan, kesehatan atau infrastruktur. Akan tetapi,

kategori pengeluaran perdagangan-usaha-keuangan telah menurun rasionya dari

total pengeluaran, terutama sejak pengurangan subsidi BBM pada 2005. Hal Ini

telah membuka ruang tambahan untuk meningkatkan pengeluaran pada sektor

sosial dan pertahanan. Memang, dengan perkecualian untuk sector pertambangan

dan infrastruktur, seluruh sektor utama, seperti pendidikan, kesehatan, pertahanan,

dan pertanian setidaknya naik menjadi dua kali lipat sejak 2001 (lihat Tabel 2.1).

Tabel 2.1. Distribusi Sektoral dari Pengeluaran Publik secara Nasional


20

Struktur pengeluaran Indonesia telah mengalami perubahan secara dramatis

sejak tahun 2001. Dengan menurunnya pembayaran utang, pengeluaran sektoral

telah mengalami peningkatan. Akan tetapi, pengeluaran sektoral dapat lebih

ditingkatkan lagi jika pembayaran subsidi tidak meningkat begitu tajam pada 2004

dan 2005, yang mengakibatkan pengalihan sumber daya terhadap pengeluaran

tambahan pada sektor-sektor kunci. Tren dan beberapa hal berikut ini penting

diperhatikan:

Sektor pendidikan kini merupakan pengeluaran nomor satu di Indonesia,

diikuti oleh pengeluaran aparatur pemerintah dan subsidi.

Pembayaran bunga telah mengalami penurunan secara terus-menerus.

Pengeluaran ini pernah menjadi pengeluaran utama pada tahun 2001 dengan

hampir 25 persen, di 2006 pembayaran bunga diperkirakan hanya sebesar 11

persen.

Pengeluaran subsidi selama ini selalu signifikan tetapi pengeluaran ini

mengalami fluktuasi yang cukup besar. Pada tahun 2004 dan 2005, saat terjadi

kenaikan harga minyak yang tajam, subsidi menjadi pengeluaran pemerintah

terbesar sehingga mengalihkan pengeluaran atas sektor lain, terutama

pengeluaran pembangunan.

Pengeluaran atas pelayanan inti pemerintah meningkat secara terus menerus

mencapai jumlah sekitar 15 persen dari total pengeluaran pemerintah pada

2006. Sejak tahun 2003, pengeluaran untuk pelayanan inti pemerintah

melebihi pengeluaran untuk infrastruktur dan, sejak tahun 2006, pengeluaran

ini diproyeksikan menjadi pengeluaran terbesar kedua dari seluruh sektor

(setelah sektor pendidikan).

Infrastruktur memiliki proporsi yang lebih kecil dibandingkan sektor lain,

terutama sejak 2003.Walaupun terjadi penurunan yang cukup besar pada

pengeluaran non-sektoral (untuk hutang dan subsidi)pengeluaran infrastruktur

telah mengalami penurunan sejak 2003.

Proporsi pengeluaran untuk sektor pertahanan, kesehatan, dan pertanian telah

meningkat secara perlahan. Pengeluaran untuk pertahanan saat ini berjumlah

7 persen dari anggaran, naik dari sebelumnya yang berada di bawah 5 persen


21

pada tahun 2001. Pengeluaran untuk sektor kesehatan dan pertanian masih

berada di bawah angka 5 persen.

Gambar 2.1 Distribusi Pengeluaran Publik secara Nasional pada Sektor-Sektor Kunci, 2001-2007.

Pengeluaran publik secara nasional untuk sektor infrastruktur dibandingkan

sektor lain masih cukup konstan sejak tahun 2001 sampai 2005, dengan nilai rata-

rata sebesar 10,5 persen dari total pengeluaran nasional, setara dengan sekitar 2

persen dari PDB. Pengeluaran publik untuk infrastruktur dalam angka riil

meningkat sebesar 20 persen dalam periode 2001 sampai 2005 dan diproyeksikan

meningkat lebih lanjut sebesar 28 persen dalam periode 2005 sampai 2007.

Walaupun peningkatan tersebut cukup besar, jumlah ini relatif masih kecil

dibandingkan dengan kesenjangan akumulasi pembiayaan yang demikian besar

pada sektor infrastruktur setelah investasi yang relatif rendah selama bertahun-

tahun untuk sektor ini.

Pengeluaran publik secara nasional dalam angka riil untuk sektor pertanian,

kehutanan, dan perikanan mengalami peningkatan sejak tahun 2001 sampai

dengan 2005, rata-rata 2,4 persen dari total pengeluaran pada periode yang sama.

Sangat menarik untuk diamati bahwa mulai tahun 2004 pengeluaran pemerintah

daerah telah mengambil alih pengeluaran pemerintah pusat. Pada tahun 2004,

pengeluaran pemerintah pusat berjumlah 45 persen dari total pengeluaran,


22

dibandingkan dengan 55 persen pengeluaran dari pemerintah daerah (pengeluaran

pemerintah provinsi hanya berjumlah 17 persen dan kabupaten/kota 38 persen).

Akan tetapi, pemerintah pusat masih berperan besar dalam pengeluaran

pembangunan di sektor tersebut.

2.5. Studi Terdahulu Yang Terkait

Pada dasarnya penelitian mengenai keterkaitan multi regional di Indonesia

dengan menggunakan analisis ekonometrika belum pernah dilakukan sebelumnya.

Adapun penelitian mengenai keterkaitan regional biasanya dilakukan

menggunakan kerangka analisis input-output (I-O) dan Social Accounting Matrix

(SAM). Para peneliti umumnya menggunakan kedua alat analisis di atas mencoba

mengungkapkan dan mencari jawabannya, "siapa menerima apa" dari hasil-hasil

pembangunan yang telah dilaksanakan.

Downey (1984), melakukan penelitian untuk disertasi, mencoba

menganalisis ketimpangan pendapatan yang terjadi di Indonesia, untuk melihat

siapa mendapat apa (who gets what). Untuk menggambarkan kondisi ini, Downey

melakukan disagregasi terhadap institusi rumahtangga berdasarkan kepemilikan

tanah pertanian, buruh tani, buruh non-pertanian, desa-kota, dan lain sebagainya.

Kemudian baru dianalisis distribusi pendapatan yang diterima oleh masing-

masing klasifikasi rumahtangga tersebut. Pendapatan terendah diterima oleh

rumahtangga buruh tani sedangkan yang tertinggi diterima oleh tenaga kerja

perkotaan dan diikuti oleh pemilik tanah di atas lima hektar. Selanjutnya, Badan

Pusat Statistik (1986), menggunakan Sistem Neraca Sosial Ekonomi istilah lain

dari SAM dan Model Keseimbangan Umum untuk melihat pengaruh turunnya

harga minyak dan subsidi minyak terhadap distribusi pendapatan. Analisis SAM

juga dapat digunakan untuk menganalisis distribusi pendapatan antar sistem

usahatani (tanaman dan ternak), daerah-daerah produksi, buruh tani dan tenaga

kerja wanita, dilakukan oleh Budiyanti dan Schreiner (1991).

Sutomo (1995), dengan menggunakan analisis SAM mencoba

membandingkan kemiskinan dan pembangunan ekonomi yang terjadi pada dua

wilayah, yaitu Propinsi Riau dan Propinsi Nusa Tenggara Timur (NTT).

Diperoleh hasil bahwa dalam pembangunan ekonomi yang dilakukan selama ini


23

telah terjadi ketimpangan pendapatan antar kedua wilayah (NTT dan Riau), dan

ketimpangan juga terjadi antar kelompok rumahtangga dikedua wilayah.

Masyarakat miskin (dengan pendapatan terendah) diterima oleh rumahtangga

buruh non-pertanian dan tertinggi pada kelompok rumahtangga bukan buruh di

sektor non-pertanian (terjadi pada kedua propinsi). Ketimpangan pendapatan ini

ditunjukkan oleh indeks gini kedua propinsi tersebut melebihi 0.5. Sedangkan

dengan menggunakan analisis distribusi pendapatan faktorial, menunjukkan

propinsi NTT intensif tenaga kerja sedangkan di propinsi Riau terjadi sebaliknya,

yaitu intensif modal. Ini berarti pada kedua propinsi, bila terjadi peningkatan

penggunaan tenaga kerja dan modal memiliki peranan penting dalam

meningkatkan nilai tambah bruto wilayah.

Analisis SAM regional dapat juga digunakan untuk menganalisis

keterkaitan sosial-ekonomi antar propinsi atau antar wilayah (dua wilayah atau

lebih). Analisis ini dikenal dengan analisis SAM Interregional (IRSAM). Analisis

IRSAM untuk Malaysia sudah dilakukan tahun 1970 (Pyatt dan Round, 1985),

dengan membagi wilayah Malaysia menjadi dua wilayah, yaitu: Malaysia Barat

dan Malaysia Timur. Studi IRSAM di Indonesia dilakukan oleh Hidayat (1991).

Hidayat membagi wilayah Indonesia menjadi dua wilayah makro (Jawa dan Luar

Jawa) dan tujuh wilayah mikro, masing-masing tiga wilayah mikro di Jawa, dan

empat wilayah mikro untuk luar Jawa. Studi ini digunakan untuk menguji struktur

dan keterkaitan (interdependence) antar kedua wilayah makro dan menunjukkan

implikasinya pada perekonomian secara menyeluruh, termasuk di dalamnya:

distribusi pendapatan, peningkatan produksi dan kinerja ekspor dari sektor-sektor

yang berlainan antara wilayah pinggir dengan wilayah pusat.

Model Interregional Computable General Equilibrium (IRCGE) adalah

pengembangan dari IRSAM, seperti yang dilakukan oleh Tumenggung (1995) dan

Wuryanto (1996). Tumenggung membangun model IRCGE dengan menggunakan

kerangka IRSAM Indonesia yang dibangun oleh Hidayat sebagai tabel dasar,

dengan membagi wilayah Indonesia menjadi dua, Jawa dan Luar Jawa.

Wuryanto (1996), dengan menggunakan model CGE, menganalisis

keterkaitan antara desentralisasi fiskal dengan kinerja ekonomi Indonesia.

Wuryanto juga mengelompokkan Indonesia menjadi dua wilayah makro; Jawa


24

dan Luar Jawa, seperti halnya Hidayat dan Tumenggung. Dari hasil studinya

ditemukan bahwa desentralisasi fiskal dapat meningkatkan pendapatan

rumahtangga regional hampir di semua wilayah (region), terutama di Jawa.

Namun, peningkatan pendapatan rumahtangga di Luar Jawa yang awalnya rendah

cenderung menimbulkan ketimpangan pendapatan.

Penelitian mengenai migrasi lebih banyak dilakukan dalam skala mikro

dan spasial/kewilayahan. Pergerakan atau mobilitas penduduk sudah merupakan

bagian yang tak terpisahkan dengan proses berkembangnya pembangunan di

Indonesia. Mobilitas penduduk sendiri merupakan produk dari berbagai faktor

antara lain kepadatan penduduk, langkanya lapangan kerja di desa, keinginan

untuk mencapai taraf hidup yang lebih baik, daya tarik kota dan berbagai faktor

lainnya yang pada dasarnya dapat diklasifikasikan pada faktor penarik dan

pendorong terjadinya mobilitas penduduk.

Noekman dan Erwidodo (1992), meneliti tentang pengaruh kondisi desa

dan karakteristik individu terhadap mobilitas penduduk dengan menggunakan

fungsi logit. Hasil studinya menunjukkan bahwa keputusan seseorang untuk

bermigrasi dipengaruhi oleh luas lahan yang dimiliki, usia, pendidikan, dan

kondisi desa yang diwakili oleh keadaan irigasinya.

Hasil studi di atas sejalan dengan hasil penelitian Gunawan dan Zulham

(1992), yang menemukan bahwa minat masyarakat perdesaan untuk bekerja di

sektor pertanian berkurang terutama pada kelompok muda dan berpendidikan.

Pada kelompok ini tingkat migrasi sangat tinggi, sehingga diperkirakan pertanian

akan didominasi pekerja berusia tua dan berpendidikan rendah.

Hasil penelitian Levy dan Walter (1974), menunjukkan hasil yang

berlawanan dengan penelitian yang dilakukan oleh Noekman dan Erwidodo

(1992), terutama mengenai faktor jarak, yaitu menunjukkan bahwa: (1) Jarak

berpengaruh nyata terhadap migrasi, baik migran yang tidak berpendidikan

maupun migran yang berpendidikan dasar dan lanjutan, dimana semakin jauh

jarak yang ditempuh migran akan mengurangi jumlah migran di Venezuela.

Pengaruh jarak ini semakin kecil dengan semakin tinggi pendidikan migran, (2)

Jumlah migran akan menurun dengan meningkatnya upah di daerah asal dan

jumlah migran akan meningkat dengan meningkatnya upah di daerah tujuan, (3)


25

Berdasarkan tingkat pendidikan, migran yang berpendidikan lebih respons

terhadap perubahan upah baik di daerah asal maupun di daerah tujuan daripada

migran yang tidak berpendidikan, dan (4) Tingkat pengangguran di daerah asal

mempunyai hubungan positif dengan jumlah migrasi, sedangkan tingkat

pengangguran di daerah tujuan (Venezuela) mempunyai hubungan negatif dengan

jumlah migrasi.

Sebaliknya, hasil penelitian Rofiqoh (1994), menunjukkan hasil analisis

yang sama dengan penelitian Levy dan Walter (1974). Rofiqoh (1994), meneliti

faktor-faktor yang mempengaruhi migrasi di Kalimantan Timur dan menemukan

bahwa: (1) Jarak antara daerah asal dan daerah tujuan mempunyai hubungan

negatif dengan migrasi neto yang masuk ke Kalimantan Timur, (2) Rasio upah

nyata antara daerah asal dan tujuan berhubungan positif dengan migrasi neto yang

masuk ke Kalimantan Timur, (3) Rasio jumlah tenaga kerja yang menamatkan

SMP dan SMA antara daerah asal dan tujuan mempunyai hubungan yang positif

dengan migrasi neto yang masuk ke Kalimantan Timur, (4) Rasio jumlah tenaga

kerja yang menamatkan Perguruan Tinggi antara daerah asal dan tujuan

mempunyai hubungan negatif dengan migrasi neto yang masuk ke Kalimantan

Timur, (5) Tingkat kesempatan kerja relatif daerah asal terhadap daerah tujuan

berpengaruh positif dengan migrasi neto yang masuk ke Kalimantan Timur, (6)

Tingkat industrialisasi di propinsi tersebut relatif terhadap daerah asal

berhubungan positif dengan migrasi neto.

Secara lebih spesifik hasil studi Mintchell (1961) dan Mantra (1978),

mengungkapkan bahwa ada dua faktor yang mendorong migran melakukan

migrasi. Faktor-faktor yang mendorong migran meninggalkan daerah asalnya

disebut faktor sentrifugal, sedangkan faktor-faktor yang menarik kembali ke

daerah asalnya disebut faktor sentripetal.

Mantra (1987), menganalisis mengenai migrasi penduduk di Indonesia

berdasarkan hasil Survey Penduduk Antar Sensus BPS (1985), memperoleh

beberapa karakteristik pada migran di antaranya: (1) Usia migran terkonsentrasi

pada kelompok usia 25-44 tahun, dimana kelompok ini merupakan kelompok usia

produktif. Pada kelompok usia 15-19 tahun persentase migran perempuan lebih

besar dari persentase migran laki-laki, karena pada usia tersebut migran


26


27

perempuan pada umumnya belum kawin, (2) Kebanyakan migran bekerja di

sektor informal. Sekitar 45 persen sebagai buruh, hampir seperempatnya berusaha

sendiri, dan sekitar 15 persen bekerja sebagai buruh tetap, dan (3) Pendidikan

migran relatif tinggi daripada pendidikan non migran. Namun demikian migran

yang telah berusia lanjut (>50 tahun) tingkat pendidikannya rendah.

III KERANGKA PEMIKIRAN

3.1. Kerangka Teori

Berikut ini akan diuraikan kerangka teori yang digunakan sehubungan

dengan pengembangan model keterkaitan regional. Kerangka teori diwali dengan

teori pertumbuhan, model arus wilayah, perpindahan penduduk dan tenaga kerja,

mobilitas modal, dan neraca perdagangan dalam konteks wilayah.

3.1.1. Teori Pertumbuhan Ekonomi

Pertumbuhan ekonomi merupakan gambaran kemampuan suatu wilayah

untuk menghasilkan barang-barang dan jasa, yang merupakan unsur penting dan

menjadi tujuan utama dari pembangunan ekonomi. Teori yang membahas tentang

faktor-faktor yang menentukan pertumbuhan ekonomi, secara umum dapat

dibedakan menjadi dua faktor, yaitu (1) faktor-faktor penentu dan sisi penawaran

(supply side) dan (2) faktor-faktor penentu dari sisi permintaan (demand side).

Dan sisi penawaran, faktor-faktor penentu pertumbuhan ekonomi

mencakup: jumlah penduduk (sumber daya manusia), stok kapital, sumberdaya

alam, dan teknologi. Sedangkan dari sisi permintaan, pertumbuhan ekonomi

ditentukan atau dipengaruhi antara lain oleh pengeluaran pemerintah (government

expenditure), investasi swasta (private investment) dan jumlah uang beredar

(money supply). Berikut ini akan dibahas beberapa teori pertumbuhan ekonomi,

diantaranya adalah Teori pertumbuhan Harrod-Domar, Teori pertumbuhan Solow

dan Teori Pertumbuhan Baru dan Model Human Capital.

3.1.1.1.Model Harrod-Domar

Teori Harrod-Domar (H-D) pada dasarnya berusaha untuk memadukan

pandangan kaum Klasik yang dinilai terlalu menekankan sisi penawaran (ingat

Say's law of market) dan pandangan Keynes yang lebih menekankan pada sisi

permintaan (demand side). Dalam kaitan ini, Harrod-Domar mengatakan bahwa

investasi memainkan peran ganda (dual role) yaitu di satu sisi, investasi akan

meningkatkan kemampuan produktif (productive capacity) dari perekonomian


28

(Klasik) dan di sisi lain, investasi akan menciptakan atau meningkatkan

permintaan (demand creating) di dalam perekonomian (Keynes).

Dalam teori H-D, investasi merupakan faktor penentu yang sangat penting

dan pertumbuhan ekonomi. Bahkan mereka mengatakan bahwa “tabungan dan

investasi merupakan kekuatan sentral dibalik pertumbuhan ekonomi” (saving and

investment is central forces behind economic growth). Secara sederhana, kaitan

pertumbuhan ekonomi, tabungan dan investasi dalam versi model H-D dapat

dinyatakan sebagai berikut:

Misalkan tabungan (S) adalah bagian dalam jumlah tertentu, atau, s, dari

pendapatan nasional (Y). Oleh karena itu, kita pun dapat menuliskan hubungan

tersebut dalam bentuk persamaan yang sederhana :

S = sY ……………………………………………………… (3.1)

Investasi (I) didefinisikan sebagai perubahan dari stok modal (K) yang dapat

diwakili oleh K, sehingga kita dapat menuliskan persamaan sederhana yang

kedua sebagai berikut :

I = K ………………………………………………………….. (3.2)

Akan tetapi, karena jumlah stok modal K mempunyai hubungan langsung

dengan jumlah pendapatan nasional atau output Y, seperti telah ditunjukkan oleh

rasio modal-output, k, maka:

K/Y = k atau K/Y = k

Akhirnya

K = kY ……………………………………………………. (3.3)

Yang terakhir, mengingat jumlah keseluruhan dari tabungan nasional (S)

harus sama dengan keseluruhan investasi (I), maka persamaan berikutnya dapat

ditulis sebagai berikut :

S = I ………………………………………………………….. (3.4)

Dari persamaan (3.1) telah diketahui bahwa S = sY dan dari persamaan

(3.2) dan (3.3), juga telah diketahui bahwa: I = K = kY. Dengan demikian,

‘identitas’ tabungan yang merupakan persamaan modal dalam persamaan (3.4)

adalah sebagai berikut :

S = sY = kY = K = I …………………………………………. (3.5)

Atau bisa diringkas menjadi


29

sY = kY ………………………………………………………. (3.6)

Selanjutnya, apabila kedua sisi persamaan (3.6) dibagi mula-mula dengan Y dan

kemudian dengan k, maka akan didapat :

Y/Y = s/k ................................................................................ (3.7)

Dimana :

(Y/Y) = pertumbuhan ekonomi

s = tingkat tabungan nasional

k = ICOR (incremental capital output rasio, K/Y atau I/Y)

Y = Output nasional atan GNP, K = stok kapital, I=investasi

Persamaan tersebut menyatakan bahwa pertumbuhan ekonomi (Y/Y)

ditentukan secara bersama-sama oleh rasio tabungan nasional (s), dan rasio modal

output nasional (k). Dengan kata lain, makna secara ekonomi dapat diartikan

bahwa agar suatu perekonomian dapat bertumbuh, maka perekonomian yang

bersangkutan haruslah menabung dan menginvestasikan sebesar proporsi tertentu

dari GNP-nya. Dalam arti bahwa semakin besar suatu perekonomian menabung

dan menginvestasikan GNP-nya, maka semakin pesat pertumbuhan ekonominya

(Todaro, 2000; Perkins, et. al, 2001).

3.1.1.2.Model Pertumbuhan Solow

Menurut teori pertumbuhan neoklasik tradisional (traditional neoclassical

growth theory), pertumbuhan output selalu bersumber dari satu atau lebih dari tiga

faktor: kenaikan kuantitas dan kualitas tenaga kerja (melalui pertumbuhan jumlah

penduduk dan perbaikan pendidikan), penambahan modal (melalui tabungan dan

investasi), serta penyempurnaan teknologi.

Lebih lanjut dikemukakan bahwa perekonomian tertutup (closed

economy), yakni tidak menjalin hubungan dengan pihak-pihak luar, yang tingkat

tabungannya rendah (dalam kondisi cateris paribus) dalam jangka pendek pasti

akan mengalami laju pertumbuhan yang lebih lambat jika dibandingkan dengan

perekonomian lainnya yang memiliki tingkat tabungan lebih tinggi. Pada akhirnya

hal ini akan mengakibatkan konvergensi penurunan pendapatan per kapita (semua

perekonomian tertutup akan sama-sama mengalami penurunan pendapatan per


30

kapita). Di lain pihak, perekonomian terbuka (open economy), yakni yang

mengadakan hubungan perdagangan, investasi, dan sebagainya dengan negara

atau pihak-pihak luar, pasti akan mengalami suatu konvergensi peningkatan

pendapatan per kapita, karena arus permodalan akan mengalir deras dan negara-

negara kaya ke negara-negara miskin di mana rasio modal-tenaga kerjanya masih

rendah sehingga menjanjikan imbalan atau tingkat keuntungan investasi (returns

on investments) yang lebih tinggi.

Model pertumbuhan neoklasik Solow, merupakan model pertumbuhan

ekonomi yang paling terkenal, meskipun dalam hal tertentu model Solow

menggambarkan perekonomian negara maju secara lebih baik daripada

kemampuannya dalam menjelaskan perekonomian negara berkembang, namun

tetap menjadi titik acuan dasar dalam kepustakaan mengenai pertumbuhan dan

pembangunan. Model ini menyatakan bahwa secara kondisional, perekonomian

berbagai negara akan bertemu (converge) pada tingkat pendapatan yang sama,

dengan syarat bahwa negara tersebut mempunyai tingkat tabungan, depresiasi,

pertumbuhan angkatan kerja, dan pertumbuhan produktivitas yang sama.

Modifikasi penting dari model pertumbuhan Harrod-Domar adalah bahwa

model Solow membolehkan substitusi antara modal dan tenaga kerja. Dalam

proses produksi, dengan mengasumsikan bahwa terdapat tambahan hasil yang

semakin berkurang dalam penggunaan input-input ini. Fungsi produksi agregat,

Y = F(K, L) .................................................................................... (3.8)

dengan mengasumsikan skala hasil yang konstan (constant returns to scale).

Sebagai contoh, dalam kasus khusus yang dikenal sebagai fungsi produksi Cobb-

Douglas, pada waktu t kita mendapatkan:

Y(t) = K(t) [A(t)L(t)]1- ............................................................. (3.9)

Dimana Y adalah produk domestik bruto, K adalah modal (yang dapat mencakup

modal manusia maupun modal fisik), L adalah tenaga kerja, dan A adalah

produktivitas tenaga kerja, yang tumbuh selamanya pada tingkat eksogen. Karena

adanya skala hasil yang konstan, mak jika semua input dinaikkan dengan jumlah

proporsi yang sama, maka output akan naik dengan jumlah proporsi yang sama,

yang dinotasikan, dengan:

Y = F ( K, L) ........................................................................... (3.10)


31

Dimana > 0. Karena dapat berupa angka riil positif berapa pun, secara

matematis yang bermanfaat untuk menganalisis implikasi model tersebut adalah

dengan menetapkan nilai = 1/ L, sehingga:

Y/L = F(K/L, 1) ................................................................................ (3.11)

atau

y = f(k)

Dengan penyederhanaan ini mak kita hanya berurusan dengan satu variabel dalam

fungsi produksi. Misalnya, dalam kasus fungsi Cobb-Douglas kita dapat

menuliskan kembali persamaan dengan cara:

Y = Ak ........................................................................................ (3.12)

Hal ini mencerminkan sebuah cara alternatif mengenai fungsi produksi, dimana

segala sesuatu dihitung dalam kuantitas per tenaga kerja. Persamaan di atas

menyatakan bahwa output per pekerja adalah fungsi dari jumlah modal per tenaga

kerja. Semakin banyak jumlah modal yang harus ditangani masing-masing

pekerja, maka semakin banyak pula output yang dapat dihasilkan per pekerja.

3.1.1.3.Model Pertumbuhan Baru (New Growth Theory)

Kinerja teori neoklasik yang kurang memuaskan dalam menjelaskan

sumber-sumber pertumbuhan ekonomi jangka panjang menyebabkan kekecewaan

yang meluas terhadap teori pertumbuhan tradisional. Bahkan, menurut teori

tradisional, tidak terdapat karakteristik intrinsik dari perekonomian yang dapat

menyebabkannya tumbuh dalam jangka panjang. Sebaliknya, literatur tersebut

malah membahas proses dinamis yang membuat rasio modal-tenaga kerja

mendekati tingkat keseimbangan jangka panjang. Jika tidak ada shock eksternal

atau perubahan teknologi, yang tidak dijelaskan dalam model neoklasik, semua

perekonomian akan menuju kepada pertumbuhan nol, sehingga peningkatan GNP

per kapita dianggap merupakan fenomena sementara saja, yang bersumber dari

perubahan teknologi atau proses penyeimbangan jangka pendek selama

perekonomian mendekati keseimbangan jangka panjangnya. Karenanya, teori ini

gagal memberikan penjelasan atas terjadinya pertumbuhan ekonomi yang

berlangsung dengan kecepatan yang luar biasa di seluruh dunia.


32

Setiap peningkatan GNP yang bukan berasal dari penyesuaian jangka

pendek dalam cadangan tenaga kerja maupun modal, dianggap bersumber dari

kategori ketiga, yaitu yang biasa disebut sebagai residu Solow (Solow residual).

Residu ini, tidak seperti namanya, bertanggung jawab sekitar 50 persen

pertumbuhan yang terjadi di banyak negara industri. Dengan kata lain, teori

neoklasik menyebutkan bahwa sebagian besar sumber pertumbuhan ekonomi

merupakan faktor eksogen atau proses yang sama sekali independent dari

kemajuan teknologi (Todaro and Smith, 2004).

Meskipun hal ini mungkin terjadi, pendekatan ini paling tidak mempunyai

dua kelemahan. Pertama, dengan menggunakan kerangka neoklasik, adalah tidak

mungkin untuk menganalisis penentu kemajuan teknologi karena kemajuan

tersebut sama sekali tidak berkaitan dengan keputusan yang dibuat oleh berbagai

lembaga ekonomi. Dan kedua, teori tersebut gagal menjelaskan besarnya

perbedaan residu yang terdapat di antara negara yang mempunyai teknologi yang

serupa. Dengan kata lain, keyakinan yang besar ditempatkan pada proses eksternal

yang kurang dipahami, dan kurang didukung oleh teori maupun bukti empiris.

Menurut teori neoklasik, rasio modal-tenaga kerja yang rendah pada

negara-negara berkembang menjanjikan tingkat pengembalian investasi yang luar

biasa tinggi, bahkan setelah menerapkan liberalisasi dalam perdagangan dan pasar

domestik, banyak negara berkembang yang tidak tumbuh atau hanya tumbuh

sedikit dan gagal menarik investasi asing, atau gagal mencegah larinya modal

domestik ke luar negeri. Perilaku aliran modal negara-negara berkembang yang

aneh (dari negara miskin ke negara kaya) turut memicu konsep pertumbuhan

endogen (endogenous growth) atau dengan kata lain yang lebih sederhana, teori

pertumbuhan baru (new growth theory).

Teori pertumbuhan baru tersebut memberikan kerangka teoritis untuk

menganalisis pertumbuhan endogen, yaitu pertumbuhan GNP yang persisten,

yang ditentukan oleh sistem yang mengatur proses produksi dan bukan oleh

kekuatan-kekuatan di luar sistem. Berlawanan dengan teori neoklasik tradisional,

model-model ini menganggap bahwa pertumbuhan GNP merupakan konsekuensi

alamiah dari keseimbangan jangka panjang. Motivasi utama dari teori

pertumbuhan baru ini adalah untuk menjelaskan perbedaan tingkat pertumbuhan


33

antar negara maupun faktor-faktor yang memberi proporsi lebih besar dalam

pertumbuhan yang diobservasi. Lebih jelasnya lagi, teori pertumbuhan endogen

berusaha untuk menjelaskan faktor-faktor yang menentukan tingkat pertumbuhan

GDP yang tidak dijelaskan dan dianggap sebagai variabel eksogen dalam

perhitungan teori pertumbuhan neoklasik Solow (residu Solow).

Model pertumbuhan endogen mempunyai kemiripan struktural dengan

model neoklasik, namun sangat berbeda dalam hal asumsi yang mendasarinya dan

kesimpulan yang ditarik darinya. Perbedaan teoritis yang paling signifikan berasal

dari dikeluarkannya asumsi neoklasik tentang hasil marjinal yang semakin

menurun atas investasi modal, memberikan peluang terjadinya skala hasil yang

semakin meningkat (increasing returns to scale) dalam produksi agregat, dan

sering kali berfokus pada peran eksternalitas dalam menentukan tingkat

pengembalian investasi modal. Dengan mengasumsikan bahwa investasi sektor

publik dan swasta dalam sumberdaya manusia menghasilkan ekonomi eksternal

dan peningkatan produktivitas yang membalikkan kecenderungan hasil yang

semakin menurun yang alamiah, teori pertumbuhan endogen berupaya

menjelaskan keberadaan skala hasil yang semakin meningkat dan pola

pertumbuhan jangka panjang yang berbeda-beda antar negara. Dan karena

teknologi masih memainkan peran penting dalam model-model ini, tidak ada

perlunya lagi untuk menjelaskan pertumbuhan jangka panjang.

Dalam membandingkan teori pertumbuhan baru dengan teori neoklasik

tradisional, sangat bermanfaat jika kita mengetahui bahwa banyak teori

pertumbuhan endogen dapat dinyatakan oleh persamaan, yaitu Y = AK, seperti

yang terdapat dalam model Harrod-Domar. Dalam formulasi ini, A mewakili

semua faktor yang mempengaruhi teknologi, dan K adalah modal fisik dan

sumberdaya manusia. Pada rumus ini tidak terdapat hasil yang semakin menurun

atas modal; sehingga terdapat kemungkinan bahwa investasi dalam modal fisik

dan sumberdaya manusia dapat menghasilkan ekonomi eksternal dan peningkatan

produktivitas yang melebihi keuntungan pribadi dalam jumlah yang cukup untuk

membalikkan efek hasil yang semakin berkurang. Hasil akhirnya adalah

pertumbuhan jangka panjang yang berkesinambungan, sebuah hasil yang

ditabukan oleh teori pertumbuhan neoklasik tradisional.


34

Meskipun teori pertumbuhan baru menekankan kembali pentingnya

tabungan dan investasi modal manusia untuk mempercepat pertumbuhan, teori ini

juga membawa beberapa implikasi pertumbuhan yang sama sekali berlawanan

dengan teori tradisional. Pertama, tidak terdapat kekuatan yang mengarahkan

terciptanya persamaan tingkat pertumbuhan antar negara yang perekonomiannya

tertutup; tingkat pertumbuhan nasional tetap konstan dan berbeda antar negara

tergantung pada tingkat tabungan nasional dan tingkat teknologinya. Selanjutnya,

tidak terdapat kecenderungan bahwa level pendapatan per kapita di negara yang

miskin modal akan menyamai tingkat pendapatan per kapita di negara-negara

kaya meskipun tingkat pertumbuhan tabungan dan tingkat pertumbuhan

populasinya serupa. Konsekuensi serius dari fakta ini adalah bahwa resesi yang

berlangsung sementara atau lama di sebuah negara dapat menyebabkan semakin

melebarnya jurang pendapatan yang permanen di dalam negara tersebut dan

dengan negara-negara lain yang lebih kaya. Aspek yang paling menarik dari

model pertumbuhan endogen adalah model tersebut membantu menjelaskan

keanehan aliran modal internasional yang memperburuk ketimpangan antara

negara maju dengan negara berkembang. Potensi tingkat pengembalian investasi

yang tinggi yang ditawarkan oleh negara berkembang yang mempunyai rasio

modal-tenaga kerja yang rendah berkurang dengan cepat dikarenakan rendahnya

tingkat investasi komplementer (complementary investments) dalam sumber daya

manusia, infrastruktur, atau riset dan pengembangan. Pada gilirannya, negara

miskin kurang mendapat manfaat dari luasnya keuntungan sosial yang terkait

dengan setiap alternatif bentuk pengeluaran modal ini. Karena para individu tidak

menerima keuntungan pribadi dari eksternalitas positif yang tercipta dari investasi

mereka sendiri, pasar bebas menyebabkan akumulasi modal komplementer

menjadi lebih sedikit daripada tingkat optimalnya (Todaro and Smith, 2004).

Karena investasi komplementer menghasilkan manfaat sosial maupun

pribadi, pemerintah dapat memperbaiki efisiensi alokasi sumberdayanya. Mereka

dapat melakukannya dengan menyediakan barang-barang publik (infrastruktur)

atau mendorong investasi swasta dalam industri-industri yang padat pengetahuan

(knowledge-intensive industries) dimana sumberdaya manusia dapat

diakumulasikan dan akhirnya diperoleh skala hasil yang semakin meningkat.


35

Model teori pertumbuhan baru menganggap perubahan teknologi sebagai

sebuah hasil endogen dari investasi publik dan swasta dalam sumberdaya manusia

dan industri padat pengetahuan. Sehingga, berlawanan dengan contoh teori

kontrarevolusi neoklasik, model pertumbuhan endogen mendorong peran aktif

kebijakan publik dalam merangsang pembangunan ekonomi melalui investasi

langsung maupun tidak langsung dalam pembentukan sumberdaya manusia dan

mendorong investasi swasta asing dalam berbagai industri padat-pengetahuan

seperti industri perangkat lunak komputer dan telekomunikasi.

3.1.1.4.Model Human Capital dan Pertumbuhan

Model ini merupakan pegembangan dari model Solow dengan fungsi

produksi Cobb-Douglas, dimana output merupakan fungsi dari kapital (K), stok

human capital (H), dan jumlah tenaga kerja (L). Fungsi produksi tersebut adalah:

Y(t) = K(t) H (t) [A(t)L(t)]1 - - , ............................................... (3.13)

Dimana > 0, > 0 dan + < 1. Sekali lagi bahwa H adalah stok human

capital, L merupakan jumlah tenaga kerja : selanjutnya keahlian tenaga kerja

disuplai dari 1 unit L dan beberapa jumlah H. Persamaan di atas

mengimplikasikan bahwa constant return to scale terhadap K, H dan L secara

bersama. Dengan membuat asumsi tentang dinamika K dan L :

)()( tYstK K ................................................................................. (3.14)

dan

)()( tnLtL .................................................................................... (3.15)

Dimana sK merupakan fraksi output dari physical capital accumulation, untuk

penyederhaan diasumsikan tidak ada depresiasi. Selanjutnya model Solow

diasumsikan constant dan kemajuan teknologi eksogen, maka :

)()( tgAtA ................................................................................... (3.16)

dan persamaan yang terakhir, human capital accumulation di modelkan dengan

cara yang sama dengan physical capital accumulation, yaitu:

)()( tYstH H ............................................................................... (3.17)

Dimana sH adalah fraksi sumberdaya dari human capital accumulation. Model ini

dapat digeneralisasi dalam beberapa cara tanpa mempengaruhi maknanya. Fungsi


36

produksi Cobb-Douglas dapat digantikan dengan fungsi produksi umum sebagai

berikut :

Y = F (K, H, AL) ............................................................................. (318)

Persamaan diatas menyatakan bahwa output suatu perekonomian merupakan

fungsi dari kapital, human capital, produktivitas tenaga kerja. Menurut Park

(1995), human capital dapat diartikan sebagai kumpulan spesialisasi keahlian.

Persediaan tenaga kerja yang dapat diperoleh dengan mengalokasikan pendapatan

untuk beraktivitas yang disebut ”pengeluaran untuk pendidikan dan kesehatan”.

Dengan kata lain, dapat dikatakan bahwa human capital dapat diproxy dari

pengeluaran pemerintah untuk pendidikan dan kesehatan.

3.1.2. Model Regional Flows

Asumsi tradisional yang digunakan oleh ahli ekonomi regional bahwa

sumberdaya dengan bebas masuk diantara daerah atau wilayah dalam suatu

negara. Berbeda dengan model teori perdagangan internasional dimana faktor

produksi dianggap tidak dapat berpindah sedangkan komoditi dapat berpindah.

Banyak studi dimana negara ditempatkan sebagai wilayah dalam ekonomi global

yang lebih luas, sehingga, secara teoritis perbedaan antara ekonomi regional dan

internasional menjadi kabur bagi ahli ekonomi internasional dalam memberikan

apresiasi untuk kekuatan dan asumsi model ekonomi regional. Pada prakteknya,

perbedaan antara ekonomi regional dan internasional menjadi tidak jelas karena

sumberdaya dan komoditi/barang secara relatif bebas berpindah. Masyarakat

Ekonomi Eropa merupakan contoh yang menonjol sebagai wilayah dimana

hubungan ekonomi antara negara-negara terjadi karena keterkaitan antara wilayah

sebagai suatu negara. Asumsi yang digunakan untuk membangun model regional

flows yaitu pertama, sumberdaya tidak dapat berpindah dari suatu daerah ke

daerah lain dan kedua mobilitas sumberdaya sempurna.

3.1.2.1.Keunggulan Komparatif

Teori keunggulan komparatif menunjukkan bahwa negara akan

memperoleh keuntungan dari perdagangan. Prinsip dari keunggulan komparatif

yaitu jika sumberdaya tidak berpindah diantara area, maka akan ada spesialisasi


37

dalam komoditi yang diproduksi secara efisien. Efisiensi relatif ditentukan oleh

biaya oportunity, jumlah unit barang atau jasa yang harus diproduksi. Jika suatu

negara menghasilkan barang yang memiliki keunggulan komparatif dan

melakukan perdagangan dengan negara lain, maka spesialisasi dan perdagangan

akan menguntungkan kepada kedua negara. Salah satu implikasi terpenting dari

teori keunggulan komparatif adalah perdagangan masih memberikan keuntungan

sekalipun jika suatu negara dapat menghasilkan lebih murah dibandingkan dengan

negara lainnya.

Tabel 3.1 menunjukkan bagaimana spesialisasi produk dalam keunggulan

komparatif dan perdagangan terhadap produk lainnya akan meningkatkan

pendapatan. Contoh pada Tabel 3.1 menjelaskan sebuah negara, contoh data

tersebut diaplikasikan dimana sumberdaya tidak berpindah antara daerah.

Diasumsikan semua biaya diukur dalam jumlah jam kerja, biaya transportasi nol,

dan biaya oportunitas tidak berubah terhadap perubahan output (biaya konstan).

Tabel 3.1. Tenaga Kerja yang Diperlukan untuk Proses Produksi

Biaya Absolut ( jumlah jam kerja diperlukan per unit)

Tiap unit dari Region I Bagian dunia lain Makanan Produk manufaktur

1 2

3 4

Biaya oportunitas Biaya untuk setiap unit makanan terhadap setiap unit produk manufaktur Biaya produk manufaktur terhadap makanan

½

2

¾

4/3

Tabel 3.1 menunjukkan jumlah tenaga kerja untuk menghasilkan makanan

dan produk manafaktur di suatu wilayah dan bagian dunia lain. Asumsikan, dunia

lain yang lebih luas merupakan daerah homogen dimana rasio harga dunia tidak

mempengaruhi output suatu daerah kecil. Region dapat menghasilkan makanan

dan produk manufaktur dengan biaya tenaga kerja yang lebih rendah

dibandingkan dengan dunia lain. Biaya oportunitas untuk setiap unit makanan di

region I adalah ½ dari produk manufaktur. Artinya, untuk menghasilkan setiap

makanan domestik, region I menghasilkan ½ produk manufaktur. Setiap unit

biaya makanan ¾ unit produk manufaktur di bagian dunia lain. Karena itu, region

I mempunyai keunggulan komparatif dalam memproduksi makanan.


38

Untuk menentukan keuntungan spesialisasi dan perdagangan, maka kita

dapat membandingkan konsumsi dan produksi pada region I sebelum dan sesudah

perdagangan. Jika perdagangan tidak ada, maka upah riil untuk setiap jam kerja

pada region I adalah 1 unit makanan atau ½ unit produk manufaktur. Sedangkan

upah riil di bagian dunia lain yaitu 1/3 unit makanan atau ¼ unit produk

manufaktur. Misalkan region I memiliki 6 juta jam kerja yang dapat digunakan.

Kurva kemungkinan produksi ditunjukkan pada Gambar 3.1.

Food (Millions of units)

Production Possibilities

2

a c

d

4

6 Consumption possibilities with trade

1.5 31 2 4 4.5

Gambar 3.1. Kurva Kemungkinan Produksi dan Konsumsi

Tanpa ada perdagangan, titik yang sesuai untuk produksi (konsumsi)

tergantung pada pilihan dari setiap individu di region I. Misalnya, individu di

region I memilih untuk menghasilkan 4 juta unit makanan dan 1 juta unit produk

manufaktur yang ditunjukkan pada titik a, dan tingkat produksi ditunjukkan oleh

kemungkinan konsumsi. Jika dilakukan perdagangan diantara negara dimana

biaya transportasi dan transaksi tidak berpengaruh. Harga relatif di region I akan

sama dengan harga relatif di bagian dunia lain. Pedagang akan membeli produk

yang lebih murah dan menjual kembali jika harga produk meningkat. Barang

manufaktur di region I lebih mahal dibandingkan dengan makanan, maka

pedagang akan membawa produk manafaktur ke region I dan membawa makanan

ke bagian dunia lain.


39

Keuntungan dari perdagangan dapat meningkat terhadap penduduk yang

tinggal di region I dan patner dagangnya. Sebelum perdagangan, kurva

kemungkinan produksi sama dengan kurva kemungkinan konsumsi. Jika region I

melakukan perdagangan dengan bagian dunia lain, kurva kemungkinan konsumsi

di region I akan melebihi kemungkinan produksi dan kemungkinan konsumsi.

Untuk membuktikan kondisi ini, misalkan region menggunakan semua

sumberdaya untuk menghasilkan 6 juta unit makanan dan menukarkan 2 juta unit

makanan untuk barang-barang manufaktur. Jumlah produk manufaktur yang dapat

dibeli dengan makanan tergantung pada hubungan perdagangan. Jika diasumsikan

output yang dihasilkan oleh region kecil tidak berpengaruh terhadap harga dunia,

maka hubungan perdagangan ditentukan oleh rasio harga dunia. Dengan

demikian, region akan menerima 1.5 juta unit produk manufaktur yang

dipertukarkan dengan 2 juta unit makanan, konsumsi pada titik c pada kurva

kemungkinan konsumsi setelah perdagangan. Jika seluruh penduduk di region

berkeinginan untuk mengkonsumsi seluruh produk manufaktur, maka jumlah

produk manufaktur yang dikonsumsi adalah 4.5 juta unit. Jika titik a merupakan

kemungkinan produksi dan konsumsi sebelum perdagangan, maka perdagangan

akan memindahkan kurva kemungkinan kunsumsi, dimana penduduk di region I

akan mengkonsumsi lebih banyak kedua barang, ditunjukkan oleh titik diantara c

dan d. Penjelasan ini merupakan contoh antara suatu negara dengan bagian dunia

lain, prinsip yang sama juga dapat digunakan antar region dalam suatu Negara.

3.1.2.2.Teori Heckscher–Ohlin

Teori keunggulan komparatif menyatakan bahwa suatu negara (regions)

harus melakukan spesialisasi untuk memproduksi komoditi yang dihasilkan

dengan biaya yang relatif murah, tetapi produk yang dihasilkan belum

mengindikasikan apakah barang dan jasa akan diekspor. Hipotesis Heckscher dan

Ohlin menyatakan jika suatu negara mempunyai faktor produksi yang berlimpah,

negara tersebut memiliki keunggulan komparatif untuk memproduksi barang yang

diperlukan dalam jumlah besar dari kelebihan faktor produksi tersebut. Sebagai

contoh, region dengan top soil dan curah hujan yang berlimpah tentu memiliki

keunggulan komparatif dalam produk-produk pertanian. Oleh karena itu,


40

meskipun faktor produksi tidak dapat berpindah (immobile), Heckscher dan Ohlin

menduga bahwa faktor produksi yang berlebih dapat berpindah yang diwujudkan

menjadi ekspor dominan.

Aliran komoditi dari perdagangan akan berakibat bukan hanya terhadap

harga komoditi tetapi juga harga sumberdaya. Suatu negara yang melimpah dalam

tenaga kerja cenderung memiliki upah yang rendah sebelum ada perdagangan.

Ekspor tenaga kerja, produk yang intensif akan meningkatkan permintaan

terhadap tenaga kerja dan upah. Negara pengimpor tenaga kerja akan menekan

permintaan tenaga kerja sehingga upah terhadap kerja dibayar rendah. Jika dalam

kenyataannya dimana diasumsikan informasi sempurna dan komoditi dapat

berpindah, maka teori Heckscher dan Ohlin menuju kepada kesimpulan bahwa

komoditi yang berpindah akan menghasilkan persamaan dengan harga faktor

produksi. Dalam kondisi demikian, perpindahan komoditi dapat disubstitusi

dengan perpindahan sumberdaya.

Teori keunggulan komparatif Hechscher – Ohlin dihadapkan pada

tantangan karena teori ini tidak mampu menjelaskan dan memprediksi pola

perdagangan aktual. Beberapa pertimbangan untuk berpikir ulang terhadap teori

keunggulan komparatif yaitu (1) mekanisme dan kelembagaan kurang

diperhatikan, (2) jika hukum, kelembagaan dan kebiasaan tidak mendukung, maka

spesialisasi dan perdagangan tidak bekembang dan (3) keunggulan komparatif

adalah teori yang statis.

3.1.2.3.Mobilitas Sumberdaya

Teori keunggulan komparatif berkembang dengan asumsi bahwa

sumberdaya tidak berpindah. Ahli ekonomi regional membangun model dengan

asumsi sumberdaya berpindah sempurna. Sudah pasti, masalah perpindahan

tenaga kerja dan modal antara wilayah lebih kecil dengan perpindahan faktor

produksi antara negara.

Jika informasi sempurna dan tidak ada biaya relokasi, faktor produksi akan

berpindah ke region yang kompensasinya lebih tinggi. Gambar 3.2 dapat

menunjukkan analisis tentang sumberdaya yang berpindah. Diasumsikan ada 2

region, di region J kompensasi lebih besar $ 2 per unit dibandingkan dengan


41

region I (Kurva S). Perbedaan ini akan mendorong sumberdaya akan bergerak

dari region I ke region J. Apabila kompensasi faktor produksi adalah $5, maka

migrasi akan berhenti.

D D

S

S’

S’

4

6

55

$ Region JS

$ Region I

Q Q

Gambar 3.2. Model Perpindahan Sumberdaya

Berikutnya, jika ada biaya realokasi akan mengakibatkan munculnya

penyesuaian. Pergerakan sumberdaya akan bermanfaat jika present value

penerimaan mendatang di daerah tujuan dikurangi present value dari penerimaan

mendatang terhadap biaya realokasi di daerah asal. Insentif cukup untuk realokasi,

biaya realokasi harus lebih kecil dari present value of future ditambah returns

sehingga penerimaan input antara region J dapat dibandingkan dengan I.

Gambar 2 menunjukkan kurva penawaran bergeser sehingga menjadi sama

dengan harga faktor produksi karena diasumsikan perpindahan sumberdaya tanpa

biaya. Jika relokasi sumberdaya dikenakan biaya, maka present value dari

perbedaan kompensasi terhadap umur faktor produksi akan sama dengan biaya

realokasi pada keseimbangan.

Proses penyesuaian bukan terjadi secara langsung, penerimaan faktor

produksi yang tinggi di region J akan mendorong sumberdaya berpindah dari I ke

J. Perpindahan sumberdaya dari I ke J, kurva penawaran dari faktor produksi akan

bergeser ke kanan sedangkan di region I akan bergeser ke kiri. Penerimaan faktor

produksi pada daerah dimana kompensasi rendah akan meningkat sedangkan

penerimaan faktor produksi akan menurun pada wilayah yang kompensasi tinggi.


42

Jika gap harga faktor produksi tidak konstan tetapi kecil selama proses

penyesuaian, maka sangat sulit bagi migran potensial untuk menentukan nilai

penerimaan mendatang dengan berpindah ke wilayah dengan harga yang tinggi.

Untuk menghitung perpindahan faktor produksi yang memberi keuntungan pada

wilayah yang memberikan penerimaan yang tinggi, pemilik faktor produksi tidak

hanya mengetahui harga faktor produksi yang berlaku tetapi juga bagaimana

perbedaan harga akan berubah pada waktu mendatang.

Perpindahan dalam sumberdaya akan menguntungkan terhadap pemilik

sumberdaya yang melimpah pada daerah yang memiliki harga faktor produksi

yang rendah dan merugikan terhadap pemilik sumberdaya pada daerah yang harga

faktor produksi tinggi. Sulit menentukan kapan memperoleh keuntungan yang

lebih atau kerugian dari realokasi. Kondisi tersebut ditentukan oleh jumlah pekerja

asal di masing-masing wilayah. Perpindahan sumberdaya akan meningkatkan

jumlah output, jika sumberdaya yang dibeli adalah nilai produk marginal.

Misalkan, sumberdaya di wilayah J memiliki marginal produk yang lebih tinggi

dibandingkan dengan wilayah I, akan bemasalah jika pembayaran sumberdaya

sama dengan nilai marginal produk. Jika sumberdaya ditransfer dari I ke J, nilai

output yang hilang di wilayah I akan lebih rendah dibandingkan dengan

peningkatan output nasional oleh sumberdaya pekerja di J. Karena itu, produk

nasional bruto akan meningkat sebagai hasil dari perpindahan sumberdaya.

Model yang ditunjukkan Gambar 3.2 tidak menunjukkan respon

permintaan. Pergerakan permintaan dapat membantu menghapus perbedaan harga.

Sebagai contoh, misalkan tenaga dan modal adalah faktor produksi utama. Tenaga

kerja dapat direalokasi dari upah yang rendah ke wilayah yang upah tinggi.

Tetapi secara simultan, modal mengalir ke wilayah yang upah rendah sebagai

ganti keuntungan dari input komplementer yang berbiaya rendah.

3.1.3. Perpindahan Penduduk dan Tenaga Kerja

3.1.3.1.Ekonomi dari Migrasi

Perbedaan antara ketidakseimbangan dan keseimbangan model migrasi

sangat penting. Model ketidakseimbangan, migrasi diasumsikan sebagai motivasi

keuntungan atau ketidakberuntungan yang terjadi diantara region. Sebagai contoh,


43

upah yang tinggi di suatu wilayah, maka pekerja dan keluarganya akan berpindah

ke wilayah dengan upah tinggi. Model keseimbangan menjelaskan migrasi pada

pasar faktor produksi wilayah adalah seimbang.

Motivasi untuk melakukan migrasi sangat berbeda diantara individu.

Dalam model ketidakseimbangan, upah dan kesempatan tenaga kerja merupakan

kemungkinan faktor utama perpindahan tenaga kerja. Dalam berbagai analisis,

migrasi sering diakibatkan oleh adanya pengaruh dorongan dan tarikan. Migran

merespon pengaruh tarikan untuk pekerjaan dengan gaji yang tinggi di wilayah

tujuan dan merupakan faktor pendorong ketika di daerah asalnya rendah dan atau

kesempatan tenaga yang rendah di wilayah asal. Pengaruh tarikan bekerja jauh

lebih kuat dibandingkan dengan dorongan bekerja, sehingga migran akan

berpindah ke daerah tujuan.

3.1.3.2.Faktor Non Upah

Hampir keseluruhan studi menunjukkan bahwa kecenderungan tenaga

kerja melakukan migrasi ke daerah yang upahnya lebih tinggi atau daerah yang

mengalami pertumbuhan kesempatan kerja, tetapi faktor bukan upah juga dapat

membantu menjelaskan tentang migrasi.

Di luar gaji, ada dua faktor yang sangat mempengaruhi migran mengambil

keputusan untuk berpindah yaitu pertama, keuntungan tunjangan tambahan

seperti kompensasi dan kedua, perbedaan biaya hidup. Alasan-alasan lainnya

seperti perbaikan kualitas hidup, prospek kesempatan promosi, dan prospek upah

yang tinggi di lokasi yang baru.

Walaupun keputusan setiap individu untuk melakukan migrasi adalah

kompleks, hampir semua faktor tersebut dapat dijelaskan dengan konsep biaya

dan keuntungan, karena nilai moneter dapat memberikan keutungan dan biaya

non-moneter.

Tabel 3.2. menjelaskan tentang keuntungan dan biaya migrasi, alasan

untuk memutuskan migrasi atau tidak berimigrasi. Prospek meningkatkan

penghasilan adalah salah satu komponen yang utama untuk memutuskan migrasi.


44

Tabel 3.2. Matriks Daftar Faktor-Faktor Perbandingan Biaya-Keuntungan Berpindah

Keputusan Biaya Potensial Keuntungan Potensial

A (migration cost factors) B (migration pull factors) Transportasi ke tempat tinggal baru Pembayaran gaji yang tinggi Ketidakpastian untuk menemukan pekerjaan

Preferensi atau memilih jenis pekerjaan

Perumahan sementara mencari pekerjaan Pendidikan yang baik untuk anak-anak, diri sendiri

Makanan sementara mencari pekerjaan Ada lembaga yang menyediakan jasa untuk berkomunikasi yang baik

Pakaian yang digunakan mencari pekerjaan

Lebih menarik, kehidupan social

Gangguan dari orang asing Kondisi social yang lebih baik, bangsa dan etnik

Perbedaan status sosial Kehidupan yang asing dengan sekeliling Kebutuhan untuk menggunakan bahasa lain, meningkatkan berkomunikasi

Migrasi

Kebutuhan untuk mengubah cara berpakaian, perilaku, tingkah laku sehari-hari

Tidak Berimigrasi

C (migration push factors) D (migration counterinfluence)

Kesulitan mencari pekerjaan di tempat asal

Perumahan yang tidak mahal dan dapat digunakan

Kehilangan kesempatan rekreasi tempat asal

Makanan yang murah

Dominasi yang kuat dari keluarga Setiap hari berhubungan dengan keluarga

Ketidakpuasan hubungan social di tempat asal

Setiap hari berhubungan dengan teman lama

Ketidakpuasan terhadap kelembagaan tempat asal

Kehidupan yang dekat dengan sekeliling Menggunakan bahasa setempat, kebiasaan setempat

Ketidakpuasan ras, etnik, dan kondisi politik

Ada jaminan pekerjaan (dari beberapa orang)

3.1.3.3.Model Harris-Tadaro

Haris dan Todaro (1970) mengembangkan sebuah model untuk

menjelaskan permasalahan migrasi yang dihadapi oleh negara-negara berkembang

pada saat orang beramai-ramai masuk ke kota besar kendati tingkat pengangguran

di kota sangat tinggi. Model tersebut juga menjelaskan adanya kecenderungan

perbedaan upah yang tetap berlangsung kepada migrasi. Dalil yang dikemukakan

oleh Haris-Todaro adalah migrasi terjadi ketika upah aktual di wilayah asal lebih


45

rendah dibandingkan dengan upah yang diharapkan (expected) di daerah tujuan.

Upah yang diharapkan adalah upah aktual dikali dengan peluang bekerja. Di

dalam model mereka diasumsikan bahwa peluang bekerja untuk para pekerja

adalah 1-U, dimana U adalah tingkat pengangguran. Dengan kata lain, penduduk

baru percaya bahwa mereka mempunyai peluang memperoleh pekerjaan yang

sama dengan penduduk setempat. Jika besarnya upah $ 10.000 per tahun dan

angka pengangguran 20 persen, upah yang diharapkan $ 8.000.

Untuk mengerti Model Harris dan Todaro diasumsikan ada wilayah

dengan upah yang tinggi dan upah yang rendah. Juga diasumsikan bahwa upah di

wilayah yang tinggi kelembagaan tidak berpengaruh seperti hukum, serikat dan

kebiasaan. Upah perkotaan tidak menurun diperhadapkan dengan pengangguran

yang besar. Jika ada full employment di kedua wilayah, para pekerja melakukan

migrasi ke wilayah yang upahnya tinggi. Jika jumlah pekerjaan pada wilayah

dengan upah yang tinggi sama, maka penggangguran akan bertambah. Para

migran rela melakukan trade off antara resiko menganggur dengan potensi untuk

upah yang tinggi. Tambahan migran mungkin akan memperoleh pekerjaan tetapi

bagi pekerjaan lainnya akan kehilangan pekerjaan. Oleh karena itu migrasi dapat

menyebabkan penggangguran yang tinggi sehingga produk nasional akan turun.

Pekerja memilih menganggur daripada bekerja dengan upah yang rendah

(produktifitas rendah).

3.1.3.4.Model Gravitasi

Arus perpindahan penduduk sering didekati dengan model gravitasi.

Asumsi model gravitasi bahwa migrasi penduduk antara dua wilayah akan

meningkat dan menurun terhadap jarak kedua wilayah. Pada model dasar,

penduduk mewakili individu yang tinggal atau melakukan migrasi di tempat.

Jarak adalah penghalang utama untuk berimigrasi. Rumus Model gravitasi

sederhana, yaitu

2ab

baab

D

PPM ............................................................................ (3.19)

Dimana Mab = Migrasi dari A ke B

PaPb = Penduduk di A atau B

Dab = Jarak antara A dan B


46

Permasalahan utama dengan model gravitasi sederhana ialah bahwa

migrasi diantara setempat selalu nol. Variabel lain telah masuk dalam perbedaan

oportunitas. Perbedaan dalam upah, pendapatan dan angka pengangguran sering

digunakan mengukur perbedaan opportunitas. Kritik lainnya terhadap model

gravitasi adalah kelemahan spesifikasi, karena jarak sulit diukur dengan

perjalanan, terutama dalam era tranportasi modern, sehingga waktu perjalanan

telah disubtitusi terhadap jarak di beberapa model. Hambatan sosial dan politik,

sama seperti ketidakpastian, merupakan penghalang yang penting. Faktor-faktor

ini memiliki korelasi yang rendah dengan jarak.

Salah satu alasan yang menyebabkan model gravitasi kurang akurat

dikenal dengan dampak beaten-path. Dampak beaten-path menunjuk kepada

kecenderungan observasi kepada individu terutama daerah asal melakukan

migrasi pada tujuan yang sama. Beberapa “pendahulu” dari suatu wilayah

pertama-tama melakukan migrasi. Setelah itu, menyusul yang lainnya, dan tujuan

migrasi yang sama, karena telah memperoleh pekerjaan atau informasi tempat

tinggal dan dukungan dari pendahulunya.

Dengan mengikuti beaten path, maka para migran mempunyai biaya

rendah, ketidakpastian dan biaya sosial untuk realokasi. Efek beaten path dapat

menolong menjelaskan kelompok etnik terkonsentrasi khususnya di beberapa

kota. Biaya migrasi yang rendah, efek beaten path mempunyai dua implikasi

penting, yaitu pertama, perpindahan para migran dapat menjadi terus-menerus

sebagai migrasi berbiaya rendah dan faktor pendorong menambahan jumlah

migrasi dan kedua, beaten path dapat perjalanan dengan dua cara, migrasi kembali

ke daerah asalnya. Model gravitasi dapat juga dimodifikasi untuk menghitung

intervensi oportunitas.

3.1.3.5.Net dan Gross Migrasi

Ketika ahli ekonomi mengumpulkan dan menganalisis data migrasi, fokus

analisis terutama net migrasi, yaitu perbedaan migrasi ke dalam (in migration) dan

migrasi keluar (out migration). Bagaimanapun juga, net migrasi merupakan

perbedaan substansi pada tingkat gros migrasi karena beberapa individu masuk ke

suatu wilayah dan pada waktu yang sama ada yang keluar.


47

Tabel 3.3. Perpindahan Gros dan Net Migrasi dan Kondisi Ekonomi Lokal

Migrasi keluar

Tinggi Rendah

Tinggi Migrasi net rendah Migrasi net masuk tinggi

Migrasi ke dalam

Rendah Migrasi net masuk negatif Migrasi net rendah

Table 3.3 menunjukkan empat pola perbedaan gross migrasi, yaitu (1)

mobilitas tinggi; migrasi masuk dan keluar sama-sama tinggi, (2) migrasi masuk

tinggi, migrasi keluar rendah, (3) migrasi masuk rendah, migrasi keluar tinggi dan

(4) migrasi masuk rendah, migrasi keluar juga rendah. Kasus migrasi masuk dan

keluar yang tinggi dan migrasi masuk dan keluar yang rendah akan menghasilkan

migrasi net yang rendah tetapi dengan alasan yang berbeda.

Kasus migrasi keluar dan masuk yang tinggi menghasilkan migrasi silang

yang signifikan, yang merupakan peluang bagi penduduk keluar-masuk antara-

wilayah. Wilayah oportunitas dapat menarik perpindahan penduduk yang tinggi.

Wilayah dengan oportunitas yang tinggi dapat menarik menghasilkan perpindahan

penduduk melalui migrasi silang. Wilayah dengan migrasi masuk yang rendah dan

migrasi keluar yang rendah akan memiliki net perubahan penduduk yang rendah.

Daerah yang stabil atau penurunan perekonomian menjadi kesempatan migrasi

masuk, tetapi mungkin ada faktor pendorong untuk memperoleh pekerjaan. Hasil

studi terakhir menunjukkan bahwa faktor-faktor demografi dari masyarakat

penting atau sangat penting dibandingkan dengan faktor-faktor pendorong

(kesempatan ekonomi yang hilang) dalam menentukan migrasi keluar.

Wilayah dengan migrasi masuk yang rendah dan migrasi keluar yang

tinggi menggambarkan wilayah dengan oportunity rendah dengan perpindahan

penduduk tinggi. Wilayah dengan proporsi umur 18-25 tahun yang tinggi, tetapi

oportunity kesempatan kerja yang menurun. Migrasi bersih (net migration) dapat

negatif disebabkan karena migrasi keluar yang tinggi dan migrasi masuk yang

rendah. Wilayah dengan migrasi masuk yang rendah dan migrasi keluar yang

tinggi maka wilayah tersebut akan kehilangan penduduk dari perpindahan

penduduk tersebut. Migrasi masuk yang tinggi dan migrasi keluar yang rendah

disebabkan karena oportunity yang lebih besar, sementara penduduk yang ada

memiliki karakteristik mobilitas yang rendah.


48

Walaupun para migran pindah ke wilayah oportunity yang tinggi, mungkin

ada kegagalan disana jika perpindahan penduduk menyebabkan perekonomian

diantara wilayah menurun. Pada beberapa kajian disebutkan bahwa migrasi

menyebabkan perbedaan antar-daerah antara upah yang tinggi dan yang rendah

sehingga menarik para migran ke daerah tujuan.

Ada tiga cara para migran memberikan stimulasi pada perekonomian pada

wilayah tujuan yaitu (1) penduduk yang besar dan menyebar akan meningkatkan

permintaan pekerja, menambah barang-barang dan jasa untuk penduduk lokal, (2)

aktivitas ekonomi yang besar akan diikuti dengan aglomerasi perekonomian yang

besar dan peningkatan produktifitas dan (3) migrasi alami yang selektif

mendorong pekerja lebih produktif, sehingga meningkatkan permintaan tenaga

kerja. Di wilayah yang kurang berkembang, migrasi keluar akan menyebabkan

penurunan opportunity perekonomian. Migrasi yang selektif, dimana penduduk

yang tinggal lebih tua, bukan sarjana dan kurang trampil. Kondisi ini kurang

menarik untuk mendorong kegiatan perekonomian yang baru. Jika upah rendah,

maka wilayah tersebut memberi upah rendah kepada pekerja. Jika upah di wilayah

kurang berkembang tinggi dan kaku, maka tidak ada daya tarik di wilayah tersebut

tidak memiliki prospek dan jumlah perusahaan akan menurun.

Gerking dan Weirick (1983) menentukan bahwa ada perbedaan upah yang

persisten diantara wilayah di Amerika Serikat. Bagaimanapun juga, perbedaan

tersebut tidak lengkap menjelaskan efek stimulasi dari migrasi. Upah regional dan

perbedaan pendapatan secara luas diakibatkan oleh fakta bahwa wilayah

mempunyai fungsi perekonomian yang berbeda, misalnya perbedaan skill pekerja.

Penemuan Gerking dan Weirick mendukung teori bahwa perbedaan upah

merupakan penentu utama migrasi.

3.1.3.6.Efisiensi Migrasi

Implikasi model ekonomi sederhana menunjukkan bahwa migrasi akan

efisien jika para migran akan berpindah ke wilayah yang membayar tinggi dengan

produktifitas tinggi. Migrasi tidak efisien dalam model Harris-Tadaro karena

migrasi meningkatkan angka pengangguran. Migrasi silang memberi kesan tidak

efisien karena jika diantara wilayah ada pertukaran perpindahan maka realokasi

tidak diperlukan. Migrasi silang memungkinkan tidak ada hubungan antara skill


49

dan tipe pekerja yang berbeda antara-wilayah. Substansi migrasi silang

mereflesikan persoalan agregasi yang kuat dari semua pekerja seperti faktor

produksi yang homogen.

Salah satu cara mengevaluasi efektifitas migrasi yaitu menguji apakah

migrasi better off sesudah migrasi. Ada tiga pendekatan umum yang digunakan

untuk mengevaluasi keuntunganh individu bermigrasi yaitu (1) menanyakan

kepada para migran jika mereka better off, (2) membandingkan penghasilan para

migran dengan penghasilan orang yang tidak bermigrasi dan (3) menguji

keuntungan sosial termasuk eksternalitas.

Survey Lansing dan Mueller (1967) menemukan bahwa mayoritas migran

berpindah karena pertimbangan adanya harapan yang lebih baik dan

menguntungkan. Studi ini juga menunjukkan bahwa pengalaman secara umum

para migran bahwa penghasilan para migran meningkat. Individu yang

melaksanakan migrasi mempunyai harapan memiliki pendapatan yang lebih tinggi

dibandingkan dengan tidak bermigrasi. Dapat dikatakan bahwa migrasi

meningkatkan posisi ekonomi dari para migran.

Hunt dan Kau (1985) menguji penerimaan pria muda yang bermigrasi.

Mereka menemukan bahwa 13 persen dari migran upah tahunan yang diterima

meningkat. Hunt dan Kau menyimpulkan bahwa dengan skill yang dimiliki akan

membantu memperoleh pekerjaan di wilayah yang baru. Implikasi dari penemuan

ini bahwa efisiensi dari migrasi meningkat dengan pengalaman para migran. Hal

ini dihipotesiskan bahwa jika seseorang bermigrasi akan memiliki tambahan

pendapatan dengan adanya keahlian dan pengalaman para migran. Total

keuntungan sosial dari migrasi termasuk eksternalitas sulit dievaluasi. Migrasi

dapat disebutkan sebagai keuntungan sosial jika penghasilan migran yang tinggi

merefleksikan output social yang tinggi. Efek sosial dari migrasi sulit untuk

diakses karena efisiensi migrasi sulit untuk dievaluasi ketika kita membandingkan

biaya marginal sosial dengan keuntungan.

3.1.4. Mobilitas Capital

Pengertian modal (capital) menurut ahli ekonomi yaitu input untuk

produksi dalam menghasilkan barang. Yang termasuk dalam capital yaitu input

fisik untuk proses produksi, seperti bangunan, mesin dan human capital.


50

Jumlah modal fisik diukur dengan nilai uang. Bagi individu, perbedaan

uang dengan modal fisik tidak selalu penting karena setiap individu dapat

menukarkan modal fisik dengan uang tetapi masyarakat secara keseluruhan tidak

dapat menukarkan modal fisik dengan uang. Modal uang memiliki mobilitas yang

tinggi antar-wilayah baik domestik dan internasional. Modal (real capital)

merupakan salah satu faktor produksi utama, dan dikombinasikan dengan tanah,

tenaga kerja dan ketrampilan. Modal yang digunakan untuk proses produksi

kurang mobile jika dibandingkan dengan uang. Meskipun ada keterbatasan

mobilitas real capital, individu dapat menjual asetnya dan mentransfer ke wilayah

lainnya. Dari perspektif individu, kapital dapat berpindah di suatu tempat

meskipun aset fisik tidak dapat berpindah. Lagipula, karena real capital adalah

nilai dalam uang maka jumlah capital yang diinvestasikan di suatu wilayah dapat

bergerak dengan cepat.

Ada tiga tipe perpindahan capital yang dapat diidentifikasi. Pertama,

modal uang ditransfer dari suatu wilayah ke wilayah lainnya, baik untuk

pertukaran terhadap barang dan jasa-jasa ataupun biaya investasi riil. Kedua, aset

fisik dapat diangkut dari suatu tempat ke tempat lainnya, walaupun perpindahan

untuk beberapa aset fisik adalah terbatas. Ketiga, nilai modal fisik dapat berubah

yang menggambarkan perubahan lingkungan ekonomi.

3.1.5. Pendekatan Neraca Pembayaran untuk Pertumbuhan Ekonomi Wilayah

Untuk mengerti latar belakang cara berpikir pendekatan neraca

pembayaran wilayah untuk pertumbuhan ekonomi, perlu memperhatikan model

pendapatan dan pengeluaran wilayah berikut ini:

Yt = ( Ct + I t + Gt ) + ( Xt - Mt) ………………………….. (3.20)

Tiga bagian pertama disisi bagian kanan persaman (3.20) menunjukkan agregat

permintaan yang dihubungkan dengan kegiatan domestik dalam perekonomian

wilayah; disebut juga sebagai, regional domestic absorption, At. Sementara itu

dua bagian dari sisi kanan menunjukkan komponen dari agregat permintaan


51

wilayah yang dihubungkan dengan sektor perdagangan antar-wilayah. Bentuk

umum, dari persamaan (3.20) dapat ditulis:

(Yt –At) = (Xt – Mt) …………………………………………… (3.21)

Dimana (Yt-At) adalah sama dengan tambahan aset bersih dari wilayah lainnya.

Untuk mengetahui tambahan aset bersih dari wilayah lainnya, sebagai perbedaan

diantara pendapatan regional dan regional domestic absorption, dapat dilihat pada

model neraca pembayaran tingkat nasional, dan kemudian menterjemahkannya

dalam kasus wilayah. Model sederhana neraca pembayaran pada tingkat nasional

didefinisikan sebagai berikut:

CAN + KAN + BOFN = 0 ……………………………………….. (3.22)

Dimana CAN adalah neraca pembayaran transaksi berjalan pada tingkat nasional,

KAN adalah neraca pembayaran capital account pada tingkat nasional dan BOFN

adalah neraca pembiayaan pegawai pemerintah.

Neraca pembayaran pada transaksi berjalan menggambarkan arus uang

bersih dari perdagangan untuk seluruh barang dan jasa, ditambah arus bunga

bersih dan deviden dari semua aset yang berada di luar negeri yang dimiliki oleh

penduduk domestik dan orang asing. Dengan demikian neraca pembayaran

transaksi berjalan lebih luas daripada neraca perdagangan yang sederhana, yang

hanya menunjuk kepada perdagangan barang-barang.

Jika transaksi berjalan pada posisi surplus, hal ini berarti bahwa negara

tersebut sedang membangun cadangan devisa yang berasal dari valuta asing yang

didedominasi oleh mata uang lokal. Harga dari mata uang domestik meningkat

secara relatif terhadap mata uang asing. Sementara itu, neraca pembayaran dari

neraca modal menunjukkan pendapatan bersih negara dari aset asing melalui

pinjaman dan meminjam dari keuangan internasional yang menunjukkan

penerimaan bersih dari penduduk setempat dalam hal kekayaan yang terletak

diluar negeri. Jika neraca modal surplus, mengimplikasikan ada aliran uang

masuk dari negara-negara lain yang biasa digunakan untuk membeli aset domestik

daripada digunakan untuk membeli aset dari negara lain. Keduanya secara

bersamaan transaksi berjalan dan neraca modal menunjuk surplus bersih dari


52

neraca pembayaran total. Neraca keuangan pemerintah adalah jumlah yang

diperlukan untuk menjaga agar pendapatan dan pengeluaran internasional

seimbang dan sama dengan perbedaan bersih antara uang permintaan dan

penawaran mata uang lokal dalam pasar valuta asing.

CAN + KAN = - BOFN ………………………………………….. (3.23)

Jika kita kembali menyusun persamaan (3.22) menghasilkan persamaan (3.23),

kita dapat lihat bahwa sisi kiri persamaan (3.23) adalah positif, berarti neraca

pembayaran dalam kondisi surplus dan jika negative maka neraca pembayaran

adalah defisit. Jika neraca pembayaran berada dalam surplus, cadangan aset asing

meningkat atau secara aternatif menurunkan hutang kepada penduduk asing. Jika

neraca pembayaran defisit maka aset asing menurun maka hutang penduduk asing

meningkat. Penyesuaian kekayaan dimediasi melalui pasar valuta asing.

Pada kasus perdagangan antar regional, dan karena transaksi dilakukan

dalam mata uang lokal, pembayaran pemerintah didominasi oleh mata uang yang

sama. Kita mengetahui bahwa daerah tidak memiliki hambatan bea cukai dan

perdagangan. Tetapi pada prinsipnya, kita catat bahwa neraca pembayaran dari

bagian kanan persamaan (3.24) harus selalu sama dengan nol. Ketika diterapkan

persamaan tersebut untuk antar-wilayah, maka neraca pembayaran antar-wilayah

diformulasikan dalam:

CAR + KAR = 0 …………………………………………………… (3.24)

Dimana CAR adalah neraca pembayaran transaski berjalan pada tingkat regional

dan KAR adalah neraca pembayaran capital account pada tingkat daerah, dan

dapat diubah menjadi

CAR = - KAR ……………………………………………………. (3.25)

Dengan kata lain surplus bersih dari perdagangan barang dan jasa di suatu daerah

dengan daerah lain (Xt-Mt) dalam persamaan (3.21) diseimbangkan dengan

pendapatan bersih dari aset wilayah dari wilayah yang lain (Yt-At) pada

persamaan (3.21). Sebagai contoh, jika suatu wilayah yang berbasis industri

berhasil mengeksport, hal ini mengimplikasikan bahwa pendapatan yang

diperoleh dari ekspor dapat digunakan kedua-duanya untuk impor barang dan jasa


53

dari daerah-daerah lain dan juga membeli aset-aset yang lebih dari daerah lain.

Aset-aset yang dibeli ini akan termasuk aset negara yang riil di daerah-daerah lain,

sama seperti pangsa pendapatan di dalam perusahaan yang berlokasi di daerah

lain. Jika suatu wilayah neraca pembayaran defisit, itu harus dibiayai dengan

penjualan bersih dari aset domestik kepada pembeli dari daerah-daerah lain. Jika

neraca pembayaran seimbang itu berarti bahwa pendapatan bersih yang ada di

negara-negara lain adalah nol.

Wilayah yang mengalami defisit neraca pembayaran secara terus menerus

akan menyebabkan cadangan devisanya terbatas. Untuk mebiayai necara defisit

tersebut maka wilayah tersebut dapat menjual aset kepemilikan domestik ke

pembeli luar. Sehingga daerah tersebut dapat memelihara neraca pembayaran

defisit dalam jangka panjang. Hal ini mengimplikasikan bahwa pendapatan

regional dalam jangka panjang juga dipengaruhi oleh tingkat ekspor wilayah.

3.1.6. Prototipe Keterkaitan Regional

Menurut Treyz (1993), suatu prototipe ekonomi regional dicirikan dengan

terjadinya banyak transaksi setiap harinya, dimana transaksi ini mempunyai

keterkaitan. Suatu model dasar keterkaitan regional memerlukan identifikasi untuk

menentukan variabel kunci (determinan major) yang berpengaruh besar dalam

suatu sistem / model. Berikut ini adalah prototipe model dasar keterkaitan regional

yang terdiri dari 5 blok yaitu blok output sektoral, blok permintaan kapital dan

tenaga kerja sektoral, blok populasi dan penawaran tenaga kerja sektoral dan blok

upah, harga dan profit sektoral dan blok pangsa pasar.

Blok output sektoral terdiri dari konsumsi dan pengeluaran pemerintah.

Blok permintaan kapital dan tenaga kerja sektoral merupakan permintaan kapital

dari sektor spesifik dan jumlah tenaga kerja yang diperlukan suatu sektor. Blok

populasi dan penawaran tenaga kerja sektoral mencakup migrasi dan ketersedian

angkatan kerja. Blok upah, harga dan profit sektoral mencakup peluang kerja,

tingkat upah, harga jual dan keuntungan. Blok pangsa pasar sektoral mencakup

proporsi pasar lokal dan eksternal yang dipasok dari suatu wilayah.


54

4. Upah, Harga dan Profit

1. Output

3. Populasi dan Penawaran

Tenaga Kerja

2. Permintaan Kapital dan

Tenaga Kerja

5. Pangsa Pasar

Gambar 3.3. Prototipe Model Keterkaitan Regional

Tanda panah menunjukkan keterkaitan variabel endogen antar blok. Adapun

secara umum keterkaitan antar endogen dalam model adalah sebagai berikut. Pada

sektor output blok 1, populasi, employment dan tingkat upah menentukan

permintaan konsumsi lokal dan pemerintah. Permintaan kapital lokal penting

dalam menentukan investasi lokal. Output di blok 1 dan rasio pekerja per output

di blok 1 menentukan tenaga kerja di blok 2. Rasio pekerja per output dipengaruhi

oleh tingkat upah dan biaya kapital di blok 4. Permintaan kapital dipengaruhi oleh

relatif biaya kapital dan tenaga kerja. Populasi dan penawaran tenaga kerja di blok

3 dipengaruhi oleh permintaan tenaga kerja di sektor 2 dan tingkat upah disektor

4. Pangsa regional di blok 5 dipengaruhi oleh output di blok 1 , profit dan harga di

blok 4. Pangsa regional pada pasar ektraordinary di blok 5 mempengaruhi ekspor

di blok 1.

3.1.7. Pendekatan Model IS-LM dalam Keterkaitan Makroekonomi

3.1.7.1.Model IS-LM

Model IS-LM terdiri dari kurva IS dan kurva LM. Kurva IS mencerminkan

titik-titik keseimbangan antara pendapatan nasional dan suku bunga di pasar

barang (output dan input) sedangkan kurva LM mencerminkan titik-titik


55

keseimbangan antara pendapatan nasional dan suku bunga di pasar uang.

Keseimbangan antara pasar barang dan pasar uang (IS dan LM) menentukan

tingkat pendapatan nasional dan suku bunga yang terjadi.

IS tidak lain adalah pendapatan nasional yang penghitungannya didekati

dengan cara pengeluaran. Adapun komponen penyusun pendapatan nasional dapat

dirumuskan sebagai berikut:

Y = C + I (r)+ G + (X-M)

dimana : Y = pendapatan nasional C = konsumsi I = investasi swasta G = pengeluaran pemerintah X = ekspor M = impor r = suku bunga

Secara grafik dapat dijelaskan dengan model Keynesian Cross yang ditunjukkan

pada Gambar 3.4. dan hubungannya dengan kurva IS. Perubahan yang terjadi

pada pengeluaran agregat, misalnya peningkatan pengeluaran pemerintah (ΔG),

mengakibatkan kurva Yd0 bergerak ke Yd

1 hal ini mengakibatkan perubahan

pendapatan nasional dari Y0 ke Y1. Perubahan tersebut juga mengakibatkan

perubahan keseimbangan di pasar barang, yaitu kurva IS bergeser dari IS0 ke IS1.

Perubahan di pasar barang akibat komponen C, I, G, X dan atau M mengakibatkan

perubahan Y dengan tanpa mengubah r, atau terjadi shifted curve. Namun jika

terjadi perubahan r akan mengakibatkan perubahan pada investasi sehingga Y

berubah sepanjang kurva IS (move along curve).

Sedangkan LM adalah kurva yang dibentuk dari fungsi permintaan uang

(Md), dimana jumlah permintaan uang untuk keperluan spekulasi dipengaruhi oleh

suku bunga. Perubahan dalam permintaan uang mengakibatkan perubahan kurva

LM. Pada Gambar 3.4, jika jumlah permintaan uang meningkat maka kurva L0

bergeser ke L1, hal ini mengakibatkan kurva LM bergerak dari LM0 ke LM1.

Perubahan uang untuk transaksi, untuk berjaga-jaga dan untuk spekulasi

otonomos mengakibatkan pergeseran kurva pemintaan uang sehingga

mengakibatkan pergeseran kurva LM (shifted curve).


56

Income S

pent

r0

0

0

IS0

Yd= Ys

ΔG = G1-G0

Income Earned

Yd

Ys450

Yd0 = C + I(r) + G0 + (X-M)

IS1

Y0 Y1

Y1Y0

Y

r

Yd1 = C + I(r) + G1 + (X-M)

Gambar 3.4. Hubungan antara Permintaan Agregat dan Kurva IS

Sedangkan LM adalah kurva yang dibentuk dari fungsi permintaan uang (Md),

dimana jumlah permintaan uang untuk keperluan spekulasi dipengaruhi oleh suku

bunga. Perubahan dalam permintaan uang mengakibatkan perubahan kurva LM.

Pada Gambar 3.5, jika jumlah permintaan uang meningkat maka kurva L0

bergeser ke L1, hal ini mengakibatkan kurva LM bergerak dari LM0 ke LM1.

Perubahan uang untuk transaksi, untuk berjaga-jaga dan untuk spekulasi

otonomos mengakibatkan pergeseran kurva pemintaan uang sehingga

mengakibatkan pergeseran kurva LM (shifted curve).


57

Jika r berubah maka akan mengakibatkan perubahan jumlah uang spekulasi yang

diminta. Jika r turun maka jumlah uang untuk spekulasi meningkat, hal ini

mengakibatkkan jumlah uang untuk transaksi menurun, sehingga mengakibatkan

penurunan Y (move along curve). Hubungan permintaan uang dengan dengan

kurva LM adalah sebagai berikut :

r0

0L0

r

Md

Md1Md

0

r0

0

LM1r

Y0 Y1

L1

LM0

Y

Gambar 3.5. Hubungan Permintaan Uang dengan Kurva LM

Keseimbangan antara pasar barang dan pasar uang merupakan perpotongan antar

kurva IS dan LM, seperti pada Gambar 3.6.

r0

0

IS

LM

Y

r

Y0

Gambar 3.6. Keseimbangan Kurva IS-LM


58

3.1.7.2.Keterkaitan antara Model IS-LM, AS-AD, Fungsi Produksi dan Pasar Tenaga Kerja

Keterkaitan antara model IS-LM dan model AS-AD adalah terletak pada

hubungan antara IS-LM dengan AD (agregat demand). Setiap terjadi shifted curve

baik pada kurva IS maupun kurva LM mengakibatkan pergeseran pada kurva AD.

Seperti dijelaskan pada Gambar 3.7, perubahan pada kurva IS dari IS0 ke IS1 yang

dapat diakibatkan oleh ekspansi konsumsi, pengeluaran pemeritah, investasi dan

net ekspor dapat mengakibatkan perubahan kurva AD dari AD0 ke AD1.

Konsekuensinya mengakibatkan perubahan titik keseimbangan pada kurva AS-

AD yang mengakibatkana juga terjadinya kenaikan harga dari P0 ke P2 dan

perubahan pendapatan nasional dari Y0 ke Y2.

Jika pendapatan nasional bersumber dari produksi dalam negeri, maka

terjadinya peningkatan produksi menuntut peningkatan dalam penggunaan input

produksi. Salah satu input produksi adalah tenaga kerja manusia. Jadi perubahan

produksi akibat pergeseran kurva AD tersebut mengakibatkan perubahan

pendapatan nasional sebesar Y0Y2. Peningkatan pendapatan nasional tersebut

memerlukan peningkatan penggunaan tenaga kerja sebesar N0N2. Peningkatan

permintaan tenaga kerja sebesar N0N2 akhirnya mengakibatkan peningkatan upah

dari w0 ke w1.

Penigkatan pendapatan nasional tidak hanya diakibatkan oleh pergeseran

kurva AD melainkan oleh pergeseran kurva AS. Kurva AS yang mencerminkan

supply barang dan jasa, dimana kurva AS yang dipengaruhi oleh tingkat teknologi

dan biaya produksi. Apabila terjadi peningkatan teknologi atau penghematan

biaya produksi maka kuva AS akan bergeser ke kanan, sehingga meningkatnan

pendapatan nasional. Efek selanjutnya di pasar tenaga kerja dan fungsi produksi

analog dengan dampak perubahan kurva AD.


59


60

Gambar 3.7. Keterkaitan Variabel Makroekonomi

0

0

P0

P2

P

0TKS

1TKS

0TKD

w

N2N0

N2N0

y2

y0

AD1

IS2

y0 y2 y1

r0

r2

y2

r1

y1

IS1

LM

y0

r

y

y

AS

AD0

IS0

N

y

y = f (N)

1TKD

N

w1

w0

0

0

3.2. Kerangka Konseptual

Untuk menjawab tujuan penelitian ini, digunakan sebuah model

ekonometrik-multiregional. Region dalam hal ini dapat diartikan sebagai

provinsi. Beberapa literatur yang ada, keterkaitan regional umumnya hanya

menggunakan dua regional. Belum pernah kajian yang menggunakan keterkaitan

regional lebih dari dua region. Dalam penelitian ini, region yang ingin dilihat

adalah seluruh provinsi yang ada di Indonesia. Tetapi karena alasan keterbatasan

data, maka provinsi hanya dikaji sebanyak 30 provinsi.

Seperti yang telah dijelaskan dalam kerangka teori sebelumnya bahwa

keterkaitan region ini dapat dilihat dari beberapa cara yaitu dari arus migrasi

penduduk dan arus perdagangan antar-wilayah. Dampak migrasi ini memiliki

dampak yang berbeda antar-wilayah. Migrasi dapat memberikan stimulus

ekonomi dan mungkin diwilayah lain dapat juga menyebabkan pengangguran

yang tinggi yang berdampak pada penurunan pendapatan wilayah. Bagaimana

dengan arus perdagangan? Jika suatu negara memiliki keunggulan komparatif dan

melakukan perdagangan, sehingga dapat meningkatkan capital diwilayah tersebut.

Berikut ini adalah simplifikasi dalam membangun keterkaitan Model

Ekonometrik-Multiregional ditampilkan pada Gambar berikut ini.

Indikator Makroekonomi Growth Unemployment Inflasi Neraca Perdagangan

Kemiskinan

Provinsi- i

Arus Perdagangan

Arus Migrasi

Ketimpangan Antar provinsi

Provinsi- j

Gambar 3.8. Kerangka Konseptual Keterkaitan Regional


61


62

Keterkaitan antar region (provinsi) dalam model ini ditandai oleh arus

migrasi dan arus perdagangan yang terjadi antar region, keterkaitan ini secara

langsung akan mempengaruhi kondisi perekonomian region itu sendiri dan region

lainnya. Perekonomian dalam suatu region diukur melalui indikator

makroekonominya. Selain itu, dari keterkaitan region ini juga akan dilihat

dampaknya terhadap ketimpangan pendapatan. Dari indikator indikator

makroekonomi dan ketimpangan pendapatan yang terjadi selanjutnya akan dilihat

dampak kemiskinan di masing-masing region.


63

4.1. Spesifikasi Model

Model ekonometrika merupakan suatu pola khusus dari model aljabar,

yakni suatu unsur yang bersifat stochastic yang mencakup satu atau lebih peubah

pengganggu (Intriligator, 1978). Menurut Koutsoyiannis, (1977) Model

ekonometrika merupakan gambaran dari hubungan masing-masing variabel

penjelas (explanatory variables) terhadap peubah endogen (dependent variables)

khususnya yang menyangkut tanda dan besaran (magnitude and sign) dari

penduga parameter sesuai dengan harapan teoritis secara apriori ekonomi dengan

kata lain, model yang baik haruslah memenuhi kriteria teori ekonomi

(theoritically meaningful), kriteria statistika dan kriteria ekonometrika.

Tahapan membangun model diawali dengan suatu pemahaman fenomena

perekonomian yang dihipotesiskan terjadi sebagai akibat dari keterkaitan regional

yang akan berpengaruh terhadap perekonomian daerah. Spesifikasi model

dilakukan dengan memformulasikan model yang paling sesuai dengan sistem atau

fenomena aktual yang diabstraksikan. Setelah model dispesifikasikan atau

diformulasikan, selanjutnya model diestimasi dengan menggunakan teknik

estimasi yang paling sesuai, sehingga memberikan hasil estimasi yang terbaik.

Tahap berikutnya adalah evaluasi untuk mengetahui apakah model tersebut secara

teoritis bermakna dan secara kuantitatif memuaskan. Jika hal ini terlah terpenuhi

maka akan dilakukan peramalan variabel endeogen dari tahun 2006 sampai

dengan 2014. Tahap terakhir adalah melakukan simulasi kebijakan.

Bolton (1985) mendeskripsikan tiga tipe metode peramalan regional yang

sering digunakan dalam peramalan wilayah, yaitu pertama model top down

dengan menggunakan input data nasional yang diperoleh melalui peramalan

model ekonometrika ekonomi nasional yang dijadikan sebagai variable

independent di dalam model regional. Kedua, model bottom up yang dapat

digunakan untuk mengestimasi output nasional (atau output wilayah yang lebih

luas) yang merupakan penjumlahan dari nilai-nilai peramalan subregion, dan

terakhir adalah Multiregional model yang menjelaskan bagaimana hubungan

PERUMUSAN MODEL KETERKAITAN REGIONAL DAN PROSEDUR ANALISIS

IV

timbal balik aktifitas dari suatu industri pada wilayah tertentu akan mempengaruhi

beberapa sektor di wilayah lain. Multiregional model memerlukan informasi

trade flows antara region-region. Tetapi karena kompleksitas dan syarat substansi

data yang diperlukan, maka model bottom-up dan multiregional lebih sering

hanya difokuskan pada beberapa wilayah, dengan kata lain, jumlah region yang

digunakan umumnya hanya dua atau tiga wilayah.

Dalam kajian pengembangan model keterkaitan jumla wilayah atau region

yang digunakan adalah 30 provinsi dari 33 provinsi yang ada di Indonesia. Data

dikumpulkan dari masing-masing region (provinsi) dan model serta analisis, juga

berdasarkan region. Provinsi yang akan dikaji dalam hal ini adalah seluruh

provinsi yang ada di Indonesia, tetapi dengan alasan keterbatasan data, dimana

ada beberapa provinsi yang baru terbentuk (seperti Kepulauan Riau, Sulawesi

Barat dan Irian Jaya Barat) tidak dianalis dalam kajian pengembangan model

keterkaitan regional.

Spesifikasi model yang dirumuskan dalam kajian ini adalah sangat terkait

dengan tujuan penelitian yaitu merumuskan model keterkaitan regional. Model

yang dibangun adalah sistem persamaan simultan dinamis. Model keterkaitan

regional dibangun berdasarkan kerangka teori ekonomi dan kajian empiris yang

relevan, yang diharapkan mampu menunjukkan kinerja perekonomian daerah

secara sederhana dan jelas.

Untuk memudahkan mengingat nama-nama variabel yang akan digunakan

dalam model keterkaitan regional ini, berikut ini akan didefinisikan beberapa

karakter yang akan digunakan seterusnya, yaitu:

i = klasifikasi sektoral (1-9)

p = Provinsi (1,..., 30)

t = tahun pengamatan(Tahun 1975 – 2006)

Spesifikasi model dalam kajian ini dibagi dalam sepuluh blok, yaitu PDRB

sektoral, investasi swasta sektoral, investasi pemerintah sektoral, tenaga kerja

sektoral, upah sektoral, inflasi, pengangguran, kemiskinan, migrasi dan blok

perdagangan. Berikut ini adalah akan diuraian spesifikasi dari masing-masing

blok, dan secara sederhana keterkaitan antar-blok digambarkan pada Gambar 4

berikut ini:


64

PDRB

PDRB sektoral Capital

HC

Inflasi

Upah

Tenaga Kerja

Ekspor

Arus Migrasi

Unemploy

UMR

KHM

ImporPX

PDRB j

POP j

POP

PM j SDA j

SDA

Poverty

Investasi

CV

(U/L) j

Gambar 4.1: Simplifikasi Model Keterkaitan Regional

Pada Gambar 4.1 merupakan penyederhaan dari model keterkaitan regional secara

utuh, mengingat persamaan dalam model keterkaitan regional ini lebih dari 1000

persamaan perilaku, maka tidak semua provinsi dan explanatory variables

dinyatakan di dalamnya.

4.1.1. Blok PDRB Sektoral

Dalam teori Solow disebutkan bahwa output suatu perekonomian sangat

dipengaruhi oleh jumlah tenaga kerja dan modal (Mankiw, 2000). Model ini

selanjutnya dikembangkan oleh Romer, dimana selain faktor modal dan tenaga

kerja, human capital merupakan faktor penggerak pertumbuhan ekonomi.

Sedangkan Harrord-Domard mementingkan tingkat investasi dalam memacu

pertumbuhan ekonomi. Dalam kajian ini PDRB provinsi ke p merupakan fungsi

dari jumlah tenaga kerja, investasi swasta dan pemerintah. Sehingga secara umum

model ekonomi untuk PDRB sektoral di masing-masing provinsi p adalah:


65

Yipt = f( Lipt, ISipt, IGipt, DAUpt, INFRipt) ............................ (4.1)

PDRBpt = .......................................................................... (4.2)

9

1iiY

dimana:

i = 1, 2, 3,…,9 (Klasifikasi Sektoral) = 1 adalah PDRB Sektor pertanian per pekerja di provinsi p = 2 adalah PDRB Sektor pertambangan per pekerja di provinsi p

= 3 adalah PDRB Sektor industri per pekerja di provinsi p

= 4 adalah PDRB Sektor LGA per pekerja di provinsi p

= 5 adalah PDRB Sektor bangunan per pekerja di provinsi p

= 6 adalah PDRB Sektor perdagangan per pekerja di provinsi p

= 7 adalah PDRB Sektor transportasi per pekerja di provinsi p

= 8 adalah PDRB Sektor lembaga keuangan per pekerja provinsi p

= 9 adalah PDRB Sektor jasa-jasa per pekerja di provinsi p

p = provinsi ke 1, 2, 3,…,30

DAUt = dana alokasi umum di provinsi p pada tahun ke t

IGipt = investasi pemerintah di sektor i di provinsi p pada tahun t

ISipt = investasi swasta di sektor i di provinsi p pada tahun t

INFRipt= dana infrastruktur di sektor i di provinsi p pada tahun t

Jumlah persamaan dalam blok PDRB sektoral terdiri dari sembilan

persamaan struktural dan satu persamaan identitas. Persamaan struktural terdiri

PDRB sektoral, sedangkan persamaan identitas adalah penjumlahan dari seluruh

PDRB sektoral yang dalam hal ini disebut sebagai PDRB provinsi. Jumlah

persamaan di dalam blok sektoral adalah 300 persamaan.

4.1.2. Blok Investasi Swasta Sektoral

Secara umum dapat diketahui bahwa investasi merupakan fungsi dari suku

bunga dan tingkat pendapatan.

ISipt = f (SBI, Yipt) ........................................................................ (4.3) Dalam kajian pengembangan model regional ini, blok investasi swasta

merupakan fungsi dari tingkat suku bunga yang diwakili oleh suku bunga Bank

Indonesia dan tingkat pendapatan yang diwakili oleh PDRB sektoral Sehingga

secara umum model ekonomi untuk Investasi swasta di masing-masing sektor

pada provinsi p ditunjukkan pada persamaan (4.3). Total persamaan investasi

swasta untuk seluruh provinsi adalah 270 persamaan perilaku.


66

4.1.3. Blok Investasi Pemerintah Sektoral

Hal yang sama juga diperlakukan untuk investasi pemerintah sektoral.,

yang diformulasi secara umum untuk masing-masing provinsi adalah.

ISipt = f (SBI, Yipt) ........................................................................ (4.4) Dari persamaan (4.4) dalam pengembangan model regional ini, dapat

diketahui investasi pemerintah ditentukan oleh tingkat suku bunga yang diwakili

oleh suku bunga Bank Indonesia dan tingkat pendapatan yang diwakili oleh

PDRB sektoral. Total persamaan investasi pemerintah untuk seluruh provinsi

adalah 270 persamaan perilaku.

4.1.4. Blok Tenaga Kerja Sektoral

Berdasarkan pada konsep ekonomi, bahwa tenaga kerja merupakan fungsi

linier dari upah, tingkat output dan tingkat investasi. Sehingga permintaan tenaga

kerja yang dibangun dalam model ini adalah:

Lipt = f(Wipt, Yipt, NEXpt) ………………………………. (4.5)

LFpt = TLpt + UNpt + NMpt …………………………….. (4.6)

dimana:

Lipt = jumlah tenaga kerja di sektor i di provinsi p pada tahun ke t TLpt = total permintaan tenaga kerja di provinsi p pada tahun t LFpt = total angkatan kerja di provinsi p pada tahun ke t Wipt = upah di sektor i di provinsi p pada tahun ke t Yipt = PDRB di sektor i di provinsi p pada tahun ke t UNpt = pengangguran di provinsi p pada tahun ke t INFpt = tingkat inflasi di provinsi p pada tahun ke t NMpt = migrasi bersih provinsi p pada tahun ke t. Migrasi bersih

diperoleh dari migrasi in di kurangi dengan migrasi out atau dituliskan (MGIN-MGOUT).

NEXpt = Ekspor bersih dari provinsi p pada tahun ke t

Jumlah persamaan blok permintaan tenaga kerja terdiri dari satu

persamaan struktural dan satu persamaan identitas. Persamaan struktural terdiri

dari persamaan jumlah permintaan tenaga kerja itu sendiri di masing-masing

sektor dan persamaan identitas adalah total anggkatan kerja. Jumlah persamaan

tenaga kerja adalah 270 (9 sektor x 30 provinsi) persamaan perilaku dan 30 (1 x

30) persamaa identitas. Sehingga total jumlah persamaan di dalam blok tenaga

kerja adalah 300 persamaan.


67


68

4.1.5. Blok Upah Sektoral

Upah dapat didefinisikan sebagai harga yang dibayar kepada mereka yang

menyelenggara jasa-jasa, atau dapat juga disebut sebagai semua jenis kompensasi

untuk jasa-jasa. Dalam menetapkan upah, perusahaan dan pekerja berinteraksi

terhadap kondisi di pasar tenaga kerja. Penetapan upah juga harus memperhatikan

efek inflasi. Sehingga persamaan blok upah ditentukan sebagai berikut:

Wipt = f(UMRpt, Yipt, KHMpt, LFpt, INFpt) ........................... (4.7)

WRpt =

i

Wi

i

9

1 ...................................................................... (4.8)

dimana:

Wipt = upah di sektor i di provinsi p pada tahun ke t UMRpt = upah minimum regional provinsi p pada tahun ke t Yipt = PDRB sektor i di provinsi p pada tahun ke t KHMpt = kebutuhan hidup minimum di provinsi p pada tahun ke t LFpt = total angkatan kerja di provinsi p pada tahun ke t INFpt = tingkat inflasi di provinsi p pada tahun ke t WRpt = upah rata-rata di provinsi p pada tahun ke t yang diperoleh

Jumlah persamaan blok upah terdiri dari satu persamaan struktural dan

saru persamaan identitas. Persamaan struktural terdiri dari persamaan upah di

masing-masing sektor, yaitu sebesar 270 (9 sektor x 30 Provinsi). Sedangkan

jumlah persamaan identitas adalah upah rata-rata provinsi, yaitu sebesar 30,

sehingga jumlah persamaan menjadi 300.

4.1.6. Blok Inflasi

Tingkat inflasi merupakan gambaran dari kenaikan harga yang dapat

disebabkan oleh tarikan permintaan, dorongan biaya atau mungkin disebabkan

oleh gabunga keduanya.

INFpt = f(WRpt, PDRBpt) .............................................. (4.9)

dimana:

INFpt = tingkat inflasi di provinsi p pada tahun ke t WRpt = upah rata-rata di provinsi p pada tahun ke t

Dalam kajian ini tingkat inflasi ditentukan oleh fungsi dari dorongan biaya

yang diwakili oleh upah ra-rata dan tarikan permintaan yang diwakili oleh PDRB

provinsi. Total persamaan perilaku inflasi dalam kajian adalah 30 persamaan.

4.1.7. Blok Pengangguran

Pengangguran dan inflasi adalah merupakan dua dari beberapa indikator

penting dalam ekonomi makro. Tingkat pengangguran dapat mengkuantifikasi

kinerja perekonomian suatu negara. Konsekuensi dari tingginga tingkat

pengangguran memberikan perubahan-perubahan negatif dalam perekonomian.

Kerugian dari tingginya tingkat pengangguran dapat diukur dalam bentuk

keluaran yang hilang bagi keseluruhan perekonomian (economic waste). Hal ini

disebabkan karena penganggur merupakan sumber daya berharga yang potensi

outputnya tersia-siakan.

Kerugian dari tingginya tingkat pengangguran dapat berupa peningkatan

keresahan sosial dalam masyarakat (the human cost of unemployment). Seperti

halnya pengangguran, inflasi juga merupakan masalah utama dalam ekonomi

makro. Akan tetapi inflasi tidak menyebabkan kerugian nyata terhadap output

nasional. Sementara bila terjadi pengangguran maka output potensial menjadi

terbuang dan ini sangat tidak diharapkan.

Tidak adanya inflasi maupun kelebihan pengangguran adalah harapan dari

para pelaku ekonomi. Tetapi gangguan dalam perekonomian memang nyata

terjadi, dan tanpa adanya fleksibilitas harga-upah yang sempurna, tidaklah

mungkin memulihkan kondisi tenaga kerja penuh (full employment) dengan

tingkat harga yang stabil dalam jangka pendek. Oleh karena itu seringkali para

pembuat kebijakan mengahadapai tujuan keduanya bertentangan. Ketika para

pembuat kebijakan menggerakkan perekonomian ke atas sepanjang kurva

penawaran agregat jangka pendek, mereka menurunkan tingkat pengangguran dan

menaikkan tingkat inflasi. Sebaliknya, ketika mereka mengkontraksi permintaan

agregat dan menggerakkan perekonomian ke bawah kurva penawaran agregat

jangka pendek, pengangguran naik dan inflasi turun. Trade-off inflasi dan

pengangguran jelas menjadi pertimbangan dalam pembuatan kebijakan.

Kurva Phillips menggambarkan keterkaitan antara inflasi dan tingkat

pengangguran. Kurva ini menyimpulkan bahwa penurunan tingkat pengangguran

akan selalu dapat dipertahankan dengan mendorong kenaikan laju inflasi, dan

bahwa laju inflasi akan selalu dapat diturunkan dengan membiarkan terjadinya

kenaikan tingkat pengangguran. Kurva Phillips adalah cara yang berguna untuk

menunjukkan penawaran agregat karena inflasi dan pengangguran merupakan


69


70

ukuran kinerja perekonomian yang penting. Dalam kajian ini pengangguran

ditentukan oleh fungsi dari tingkat inflasi, product regional bruto suatu provinsi,

tingkat upah dan net migrasi migrasi. Formulasi dalam bentuk model ekonomi

adalah:

UNpt = f(INFpt, PDRBpt, WRpt, NMpt, DAKpt ) ..........................

(4.10)

ada tahun ke t e t

PDRBp PDRB provinsi p pada tahun ke t DAKpt

ovinsi. Jumlah persamaan dalam blok inflasi adalah 30 persamaan

erilaku.

4.1.8.

si di provinsi itu sendiri. Bentuk persamaan ekonomi dituliskan

sebaga

OVpt = f (GROWTHpt, UNpt, WRpt, INFpt, DAKpt) ............... (4.11)

t a tahun ke t THpt da tahun t

UNpt

region, sehingga total persamaan dalam blok kemiskinan adalah

30 persamaan.

Dimana: UNpt = tingkat pengangguran provinsi p pINFpt = tingkat inflasi provinsi p pada tahun k

t = = Dana alokasi khusus pada tahun ke t

Dalam studi ini, inflasi diwakili oleh consumen price index (CPI) masing-

masing pr

p

Blok Kemiskinan

Blok kemiskinan hanya dibentuk dengan oleh satu persamaan perilaku.

yaitu persamaan jumlah penduduk miskin di masing-masing provinsi, yang

merupakan fungsi dari tingkat pertumbuhan ekonomi masing-masing provinsi,

kekayaan sumberdaya alam, dan tingkat pengangguran, upah rata-rata provinsi

dan tingkat infla

i berikut:

P

dimana

POVip = Jumlah penduduk miskin di provinsi p padGROW = Pertumbuhan ekonomi provinsi p pa

= Pengangguran di provinsi p pada tahun t INFpt = tingkat inflasi di provinsi p pada tahun ke t

Jumlah persamaan dalam blok kemiskinan terdiri dari satu persamaan

struktural. Dimana persamaan kemiskinan tersebut terdiri dari 1 persamaan untuk

masing-masing


71

4.1.9.

kaitan erat dengan kesempatan kerja dan tingkat

pengan

ggi usia pekerja, sampai pada batas

tertentu

ta lain, suatu penyebab menimbulkan akibat setelah

suatu s

Blok Migrasi

Keputusan seseorang untuk bermigrasi, pada garis besarnya dapat

dikelompokkan menjadi faktor pendorong (push factor) dan faktor penarik (pull

factor). Untuk menentukan faktor mana yang paling berpengaruh terhadap migrasi

digunakan kerangka berpikir yang didasarkan pada teori Human Capital dan

model Haris Todaro. Teori Human Capital dan Model Haris Todaro lebih

memfokuskan perhatiannya pada hubungan ekonomi dari migrasi. Menurut Teori

Human Capital bahwa seseorang akan bermigrasi, jika pendapatan yang diperoleh

di daerah tujuan lebih besar dari pendapatan di daerah asal ditambah dengan biaya

langsung migrasi. Selanjutnya model Haris Todaro menyatakan bahwa keputusan

untuk bermigrasi tidak hanya ditentukan oleh berapa pendapatan yang diterima

seandainya bermigrasi, tetapi juga juga dipengaruhi oleh peluang untuk

mendapatkan pekerjaan yang ber

gguran di daerah tujuan.

Sebagai tenaga kerja, migran mempunyai potensi atau mute tertentu untuk

menghasilkan barang dan jasa. Apabila potensi yang dimiliki kurang dapat

berproduksi di daerah asal, karena kesempatan tidak ada atau terbatas, sedangkan

potensi yang dimiliki mampu berproduksi relatif tinggi di daerah tujuan, maka

tenaga kerja yang bersangkutan akan bermigrasi ke daerah yang penduduknya

kurang dapat berproduksi sesuai dengan mutu yang dimiliki. Mutu mempunyai

peranan penting untuk mempengaruhi proses terjadinya migrasi, karena mutu

disini akan menentukan besainya peluang dalam memperoleh pekerjaan. Di

Indonesia, pasar kerja didominasi oleh pekerja dengan pendidikan rendah,

sehingga pengamatan mengenai mutu pekerja akan lebih baik jika didekati dengan

usia penduduk, dengan asumsi semakin tin

, akan semakin baik mutu pekerja.

Dalam migrasi juga terjadi persoalan assymetric information. Situasi ini

menyebabkan peningkatan suatu variabel ekonomi, misalnya peningkatan upah

daerah tujuan, tidak dapat langsung diikuti dengan penurunan migrasi dalam

waktu yang sama. Dengan ka

elang waktu tertentu.


72

Selang waktu tersebut disebut lag. Oleh karena itu, perumusan realitistis

dari hubungan-hubungan ekonomi di dalam pasar kerja memerlukan variabel-

variabel lag dari variabel-variabel terikatnya. Variabel migrasi ini meruapakan

salah satu bentuk keterkaitan antar wilayah, namun demikian karena alasan data,

tidak adanya sumberdata yang menunjukkan arus migrasi berdasarkan daerah asal

dan tujuan, maka persamaan migrasi hanya dibentuk oleh satu persamaan saja,

yait persamaan net migrasi (NMG). Berdasarkan uraian tersebut, maka fungsi

ekonom

pt = f (W , PDRB , W , PDRB ) ................................. (4.12)

dimana :

da tahun ke t yang migrasi yang masuk

uar (MGINTpt – MGOUTpt) hun ke t

jt = upah rata-rata di provinsi j pada tahun ke t PDRBp

diri dari satu persamaan

struktural yaitu net migrasi. Sehingga jumlah persamaan perilaku dalam

h 30 persamaan perilaku.

tu

negara. Berbeda dengan m

rkaitan regional dalam hal ini

ditentukan oleh harga ekspor, PDRB da

ekonom

i migrasi keluar diformulasi sebagai berikut:

NMG pt pt jt jt

NMjpt = migrasi penduduk bersih di provinsi p padiperoleh dengan cara mengurangkan dikurangi dengan migrasi yang kel

Wpt = upah rata-rata di provinsi p pada taW

t = PDRB provinsi p pada tahun ke t PDRBjt = PDRB provinsi j pada tahun ke t

Jumlah persamaan dalam blok migrasi ter

persamaan net migrasi adala

4.1.10. Blok Perdagangan

Asumsi tradisional yang digunakan oleh ahli ekonomi regional bahwa

sumberdaya dengan bebas masuk diantara daerah atau wilayah dalam sua

odel teori perdagangan internasional dimana faktor

produksi dianggap tidak dapat berpindah sedangkan komoditi dapat berpindah.

Asumsi yang digunakan untuk membangun model regional flows yaitu

pertama, sumberdaya tidak dapat berpindah dari suatu daerah ke daerah lain,

tetapi modal dan arus barang dan jasa dapat berpindah secara sempurna dan kedua

mobilitas sumberdaya juga diasumsikan adalah sempurna. Dengan demikian,

persamaan ekspor yang ditentukan dalam model kete

n jumlah penduduk. Berikut adalah model

i untuk persamaan ekspor dan impor, yaitu:


73

Xpt = f(PXpt, PDRBjt, POPjt, PDRBjt) ............................. (4.13)

Mpt = f(PMjt, PDRB

= Xpt - Mpt ............................................................... (4.15)

pada tahun ke t

OPpt p t

aan. Sehingga total persamaan dalam

persamaan.

4.2.1.

asi model persamaan struktural

berdasarkan order condition ditentukan oleh:

- M) > (G - 1) ………………………………………………. (4.16)

dimana

K = alam model, yaitu peubah endogen dan peubah

M = n yang termasuk dalam satu

G = rsamaan dalam model, yaitu jumlah peubah endogen dalam

ika dalam suatu persamaan dalam model menunjukkan kondisi sebagai berikut.

pt, POPpt) .......................................... (4.14)

NEXpt

Keterangan:

Xpt = ekspor provinsi p j pada tahun ke t

Mpt = impor provinsi p pada tahun ke t dimana p j

PXpt = harga ekspor sektor i di provinsi p pada tahun ke t

PMpt = harga impor settor i di provinsi p pada tahun ke t

NEXpt = ekspor bersih sektor i di provinsi p pada tahun ke t

NEXpt = ekspor bersih sektor i di provinsi p

PDRBpt = PDRB provinsi p pada tahun ke t.

PDRBjt = PDRB provinsi j pada tahun ke t.

P = jumlah penduduk provinsi pada tahun ke

Jumlah persamaan blok BOT terdiri dari dua persamaan struktural dan 1

persamaan identitas. Persamaan struktural terdiri dari ekspor dan impor provinsi.

Jumlah persamaan ekspor 30 dan persamaan impor adalah 30 persamaan perilaku,

dan persamaan identitas sebanyak 30 persam

blok perdagangan adalah 90

4.2. Prosedur Analisis

Identifikasi Model

Indentifikasi model ditentukan atas dasar “order condition” sebagai

syarat keharusan dan “rank condition” sebagai syarat kecukupan. Menurut

Koutsoyiannis (1977), rumusan identifik

(K

:

Total peubah d

predetermined.

Jumlah peubah endogen dan eksoge

persamaan tertentu dalam model, dan

Total pe

model.

J


74

K – M ) > ( G – 1 ) = teridentifikasi en

(K – M ) = ( G – 1 ) = entifikasi secara tepat (exactly identified),

– M ) < (G – 1 ) = dinyatakan tidak

samaan struktural yang nilainya tidak sama dengan nol

(Kouts

er condition persamaan struktural yang ada dalam model

adalah er identified.

4.2.2.

konsisten, lebih sederhana dan lebih mudah, sedangkan metode 3SLS dan FIML

( maka persamaan dinyatakansecara berlebih (overid tified)

maka persamaan tersebut dinyatakan teriddan

maka persamaan tersebut (Kteridentifikasi (unidentified).

Hasil identifikasi untuk setiap persamaan struktural haruslah exactly

identified atau overidentified untuk dapat menduga parameter-parameternya.

Kendati suatu persamaan memenuhi order condition, mungkin saja persamaan itu

tidak teridentifikasi. Karena itu, dalam proses identifikasi diperlukan suatu syarat

perlu sekaligus cukup. Hal itu dituangkan dalam rank condition untuk identifikasi

yang menyatakan, bahwa dalam suatu persamaan teridentifikasi jika dan hanya

jika dimungkinkan untuk membentuk minimal satu determinan bukan nol pada

order (G-1) dari parameter struktural peubah yang tidak termasuk dalam

persamaan tersebut. Atau dengan kata lain kondisi rank ditentukan oleh

determinan turunan per

oyiannis, 1977).

Dalam penelitian ini, model yang telah dirumuskan terdiri dari 1650

persamaan atau 1650 variabel endogen, terdiri dari 1530 persamaan perilaku dan

120 persamaan identitas, jumlah peubah dalam persamaan adalah 5 peubah. Maka

berdasarkan kriteria ord

ov

Metode Pendugaan Model

Dari hasil identifikasi model, maka model dinyatakan over identified,

dalam hal ini untuk pendugaan model dapat dilakukan dengan 2SLS (Two Stage

Least Squares), 3SLS (Three Stage Least Squares), LIML (Limited Information

Maximum Likelihood) atau FIML (Full Information Maximum Likehood). Dalam

penelitian metode pendugaan model yang digunakan adalah 2SLS, dengan

beberapa pertimbangan, yaitu penerapan 2SLS menghasilkan taksiran yang

menggunakan informsi yang lebih banyak dan lebih sensitif terhadap kesalahan

pengukuran maupun kesalahan spesifikasi model (Gujarati, 1999)

Untuk mengetahui dan menguji apakah variabel penjelas secara bersama-

sama berpengaruh nyata atau tidak terhadap variabel endogen, maka pada setiap

persamaan digunakan uji statistik F, dan untuk menguji apakah masing-masing

variabel penjelas berpengaruh nyata atau tidak terhadap variabel endogen, maka

pada setiap persamaan digunakan uji statistik t.

4.2.3. Validasi Model

Untuk mengetahui apakah model cukup valid untuk membuat suatu

simulasi alternatif kebijakan atau non kebijakan dan peramalan, maka perlu

dilakukan suatu validasi model, dengan tujuan untuk manganalisis sejauhmana

model tersebut dapat mewakili dunia nyata. Dalam penelitian ini, kriteria statistik

untuk validasi nilai pendugaan model ekonometrika yang digunakan adalah: Root

Means Square Error (RMSE), (Root Means Percent Square Error (RMSPE) dan

Theil’s Inequality Coefficient (U) (Pindyck and Rubinfield, 1991). Kriteria-

kriteria dirumuskan sebagai berikut:

n

t

at

st YY

nRMSE

1

21 ………………………………. (4.17)

n

ta

t

at

st

Y

YY

nRMSPE

1

21

……………………………… (4.18)

n

t

at

n

t

st

n

t

at

st

Yn

Yn

YYn

U

1

2

1

2

1

2

11

1

……………………… (4.19)

dimana:

stY = nilai hasil simulasi dasar dari variabel observasi a

tY = nilai aktual variabel observasi

n = jumlah periode observasi


75

Statistik RMSPE digunakan untuk mengukur seberapa jauh nilai-nilai

peubah endogen hasil pendugaan menyimpang dari alur nilai-nilai aktualnya

dalam ukuran relatif (persen), atau seberapa dekat nilai dugaan itu mengikuti

perkembangan nilai aktualnya. Sedangikan nilai statistik U bermanfaat untuk

mengetahui kemampuan model untuk analisis simulasi peramalan. Nilai koefisien

Theil (U) berkisar antara 1 dan 0. Jika U = 0 maka pendugaan model sempurna,

jika U =1 maka pendugaan model naif. Pada dasarnya makin kecil nilai RMSPE

dan U-Theil’s dan makin besar nilai R², maka pendugaan model semakin baik.

4.2.4. Simulasi Model

Setelah model divalidasi dan memenuhi kriteria secara statistik, maka

model tersebut dapat dijadikan sebagai model dasar simulasi. Peramalan dapat

dapat dibedakan beberapa jenis dan tujuan simulasi, diantaranya adalah ramalan

berdasarkan horizon waktu, yang dibedakan menjadi ex post forecasting, ex ante

forecasting dan backcasting., yang diilustrasikan pada Gambar 5.

Forecasting

t2 t1 t3 (t d )

Periode data dugaan

Periode dugaan

ex-ante forecasting

ex-post forecasting

backcasting ex-post simulation or historical simulation

Gambar 4.2. Garis Waktu Peramalan.

Pada periode t1 menunjukkan batas waktu dari model yang dihitung

dengan data yang ada. Simulasi yang dibuat diantara t1 ke t2 disebut dengan ex-

post simulation atau historical simulation. Nilai historical series yang dimulai

tahun t1 dan berakhir tahun t2, digunakan untuk peubah eksogen, sedangkan nilai

historical dalam t1 merupakan keadaan awal dari peubah endogen.

Ex-post forecasting menunjukkan kalau periode dugaan t2 < t3, maka

peramalan dapat dilakukan diakhir periode. Sedangkan pada ex-ante forecasting

yang dimulai dari t3 adalah simulasi atau perkiraan nilai dependent variabel yang

didasarkan pada variabel bebas dan dapat diteruskan hingga pada tahun-tahun


76

berikutnya. Analisis kebijakan dilakukan untuk melihat dampak kebijakan

ekonomi dan liberalisasi perdagangan (melalui intrumen tarif) terhadap semua

peubah endogen.

Dengan demikian kita dapat mengetahui bagaimana reaksi peubah

endogen terhadap perubahan peubah eksogen. Beberapa skenario simulasi

alternatif kebijakan ekonomi secara parsial dan alternatif kombinasi kebijakan

ekonomi yang ditentukan secara arbitrary, yaitu: peningkatan pertumbuhan

ekonomi nasional sebesar 5.0 persen, 5.5 persen, 6.0 persen dan 6.5 persen.

4.3. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder

dengan rentang waktu (time series) dari tahun 1978 sampai dengan tahun 2007.

Sedangkan sumber data dalam penelitian ini diperoleh dari beberapa instansi yang

terkait yaitu Biro Pusat Statistik (BPS). Beberapa hal yang perlu diperhatikan dan

merupakan catatan bahwa dalam penelitian harga dideflasi dengan indeks harga

sesuai dengan indeks harga masing-masing dengan tujuan untuk menghilangkan

atau menghindari pengaruh inflasi. Sehingga harga nominal yang diperoleh secara

langsung dapat menjadi harga riil.

4.4. Waktu Pelaksanaan

Pengembangan Model Keterkaitan Regional ini akan dilaksanakan secara

swakelola dalam kurun waktu (8 bulan) tahun anggaran 2009 dimulai pada bulan

April sampai dengan November 2009.

8 (delapan) Bulan No Kegiatan

1 2 3 4 5 6 7 8 9 10 11 12

1. Persiapan

2. Rapat Diskusi

3. Seminar Konsep Awal

4. Kunjungan Lapangan

5. Analisis dan simulasi

6. Penyusunan Laporan

7. Seminar Akhir


77


78

4.5. Sistematika Pelaporan

Hasil dari kegiatan “Updating Model Keterkaitan Regional Tahun Anggaran

2009” akan disusun dalam satu laporan yang terbagi dalam tiga tahap, yiatu:

laporan awal, kemajuan dan laporan akhir.

1. Laporan Awal

Merupakan laporan pendahuluan yang antara lain berisi hasil perumusan

permasalahan secara hipotetik, tinjauan dan studi pustaka dan referensi yang

telah diperoleh yang dianggap relevan.

2. Laporan Kemajuan

Merupakan laporan yang hampir lengkap dengan memuat hasil data dan

analisis berbagai strategi yang dapat dilakukan untuk memanfaatkan wilayah-

daerah dan strategis. Dalam laporan ini juga telah terakomodasi hasil-hasil

diskusi dengan staf bappenas yang dilakukan secara intensif sebelumnya.

3. Laporan Akhir

Merupakan penyempurnaan laporan sebelumnya yang berisi hasil analisis dan

perumusan strategi yang telah mendapat tanggapan dan masukan dari berbagai

pihak. Pada laporan akhir, akan dilampirkan pula ringkasan laporan berbagai

data yang dianggap penting serta hasil analisis yang mendukung pemahaman

terhadap hasil kajian serta implementasinya.

V

HASIL PERKEMBANGAN MODEL KETERKAITAN REGIONAL

5.1. Keragaan Umum Hasil Estimasi Model Keterkaitan Regional

Hasil estimasi model keterkaitan regional dalam penelitian ini dapat dikatakan

baik, hal ini ditunjukkan oleh nilai koefisien determinasinya (R²) dari masing-masing

persamaan perilaku yaitu berkisar antara 0.50 sampai dengan 0.99. Dari seluruh

persamaan perilaku yang di estimasi, hanya terdapat 5 persamaan perilaku, yaitu

persamaan impor pulau maluku dari pulau Sumatera (MI6D1), persamaan impor pulau

maluku dari pulau Kalimantan (MI6D3), persamaan impor pulau maluku dari pulau

Sulawesi (MI6D4), persamaan impor pulau maluku dari pulau Nusatenggara (MI6D5) dan

persamaan impor pulau maluku dari pulau Papua (MI6D7) dimana nilai R2 berada masing-

masing adalah 0.20, sampai dengan 0.40. Hal ini menunjukkan bahwa secara umum

peubah-peubah penjelas (exogenous variable) yang ada di dalam persamaan perilaku

mampu menjelaskan dengan baik perilaku peubah endogen (endogenous variable).

Nilai statistik-t, digunakan untuk menguji apakah masing-masing variabel penjelas

berpengarauh nyata terhadap variabel endogennya. Hasil estimasi dari statistik-t yang

diperoleh menunjukkan bahwa terdapat beberapa peubah penjelas yang tidak signifikan

atau tidak berbeda nyata dengan nol terhadap variabel endogennya pada taraf =0.05.

Dalam studi ini taraf yang digunakan cukup fleksibel yaitu dengan taraf = 0.15.

Disamping itu setiap persamaan struktural mempunyai besaran parameter dan tandanya

sesuai dengan harapan dan cukup logis dari sudut pandang teori ekonomi (a priori

economic), meskipun demikian masih terdapat beberapa explanatory variables yang tidak

signifikan secara statistik, dalam arti bahwa secara individu variabel tersebut tidak berbeda

nyata dengan nol mempengaruhi variabel endogennya (Lampiran 1).

Berdasarkan hasil uji statistik durbin-w (dw) dan terdapat sejumlah persamaan

yang mengalami masalah serial korelasi dan juga terdapat beberapa persamaan yang tidak

terdeteksi serial korelasinya. Beberapa variabel yang diduga terdapat masalah serial

korelasi adalah persamaan Migrasi Keluar Pulau Sulawesi ke Pulau Sumatera (MO4K1),

Migrasi Keluar Pulau Sulawesi ke Pulau Jawa (MO4K2), Migrasi Keluar Pulau Sulawesi


79

ke Pulau Kalimantan (MO4K3), Migrasi Keluar Pulau Sulawesi ke Pulau Nusatenggara

(MO4K5) dan Migrasi Keluar Pulau Sulawesi ke Pulau Maluku (MO4K6), dan Migrasi

Keluar Pulau Sulawesi ke Pulau Papua (MO4K7). Terlepas dari ada tidaknya masalah

serial korelasi yang serius, Pindyck dan Rubinfeld (1991) membuktikan bahwa masalah

serial korelasi hanya mengurangi efisiensi pendugaan parameter dan serial korelasi tidak

menimbulkan bias parameter regresi, oleh karena itu, hasil pendugaan model dalam kajian

ini dapat dinyatakan cukup representatif dalam menggambarkan fenomena keterkaitan

regional.

5.2. Hasil Validasi Model

Untuk mengetahui apakah model cukup valid untuk membuat suatu simulasi

alternatif kebijakan atau non kebijakan dan peramalan, maka perlu dilakukan suatu uji

validasi model, dengan tujuan untuk manganalisis sejauhmana model tersebut dapat

mewakili fenomena keterkaitan regional. Dalam kajian ini, kriteria statistik untuk validasi

nilai pendugaan model ekonometrika yang digunakan adalah Root Means Percent Square

Error (RMSPE) yang digunakan untuk mengukur seberapa jauh nilai-nilai peubah

endogen hasil pendugaan menyimpang dari alur nilai-nilai aktualnya dalam ukuran relatif

(persen), atau seberapa dekat nilai dugaan itu mengikuti perkembangan nilai aktualnya,

sedangkan Theil’s Inequality Coefficient (U), yang bermanfaat untuk mengetahui

kemampuan model untuk melakukan simulasi dan analisis kebijakan. Pada dasarnya

makin kecil nilai RMSPE dan U-Theil’s, maka pendugaan model semakin baik (Pindyck

and Rubinfield, 1991).

Hasil validasi model menunjukkan bahwa model ini dapat dilihat dari nilai

RMSPE, dimana hampir seluruh persamaan perilaku nilai RMPSE masih berada di range

harapan yaitu 1% - 20%, yang munujukkan bahwa persamaan perilaku yang hanya

menyimpang dibawah 1% - 20% dari nilai aktualnya. Dari 203 persamaan, hanya terdapat

6 persamaan perilaku yang nilai RMSPE berkisar diantara 50% - 80%. Dengan kata lain

bahwa model ini dapat dijadikan sebagai model peramalan. Sedangkan dilihat dari nilai

Theil’s Inequality Coefficient (U), model ini juga dapat dijadikan sebagai sebuah model

untuk alternatif simulasi kebijakan, karena nilai U-Theil hampir seluruhnya berada di

bahwa 0.2.


80

Dari 203 persamaan, hanya terdapat 2 persamaan perilaku yang niai memiliki U-

Theil berada diantara 0.30 – 0.44, yaitu persamaan perilaku Persamaan Migrasi Keluar

Pulau Kalimantan ke pulau Maluku (MO3K6) dan Migrasi keluar dari pulau Kalimantan

ke pulau Papua (MO3K7) lebih lengkapnya lihat (Lampiran 2). Namun jika dilihat

berdasarkan Statistik UM yang menujukkan bahwa persamaan perilaku tersebut memiliki

hasil estimasi yang tidak bias.

Dengan kata lain bahwa, secara keseluruhan model ini dapat digunakan untuk

melakukan simulasi alternatif kebijakan. Dengan demikian kita dapat mengetahui

bagaimana reaksi peubah endogen (persamaan perilaku) terhadap perubahan variabel

eksogen. Beberapa skenario simulasi alternatif kebijakan ekonomi secara parsial dan

alternatif kombinasi kebijakan ekonomi yang ditentukan secara arbitrary. Namun sebelum

melakukan skenario kebijakan, pada bagian ini akan diuraikan terlebih dahulu nilai

peramalan sebagai baseline dari model.

5.3. Hasil Prediksi (Baseline)

Hasil analisis ekonometri model keterkaitan regional memberikan informasi

kondisi keterkaitakan peubah-peubah produk domestic regional bruto (PDRB)

pertumbuhan ekonomi, tingkat pengangguran, tingkat kemiskinan, upah, permintaan

tenaga kerja, dan angkatan kerja. Pada bab ini menguraikan hasil prediksi pada peubah-

peubah tersebut, baik prediksi tanpa ada perubahan pada peubah-peubah penjelasnya

(baseline/simulasi dasar) maupun prediksi dengan adanya perubahan pada peubah-peubah

penjelasnya (skenario perubahan). Berikut ini adalah nilai produk domestic regional bruto

hasil prediksi Tahun 2009-2014.

Tabel 5.1. Hasil Proyeksi Produk Domestik Regional Bruto, 2009-2014

PDRB (juta Rp) Tahun

Sumatera Jawa-Bali Kalimantan Sulawesi NT Maluku Papua

2009 490,009 1,277,820 209,358 85,900 30,223 5,518 34,5492010 520,722 1,341,977 221,200 89,583 31,831 5,700 35,6602011 551,477 1,405,863 234,145 93,721 33,706 6,054 37,0402012 587,956 1,479,968 247,077 98,247 35,401 6,455 38,4142013 629,003 1,558,475 262,152 103,181 37,572 6,796 39,9322014 670,379 1,637,601 279,678 108,253 39,535 7,271 41,555

Rata-rata 574,924 1,450,284 242,268 96,481 34,711 6,299 37,858


81

Berdasarkan data pada Tabel 5.1 dapat diketahui nilai (PDRB) rata-rata tahunan

selama rentang prediksi yaitu Tahun 2009-2014. Adapun prediksi rata-rata tahunan PDRB

terkonsentrasi di pulau Jawa yaitu sebesar Rp 1,450,284 juta, diikuti dengan PDRB

kepulauan Sumatera sebesar Rp 574,924 juta. PDRB di wilayah timur Indonesia relatif

kecil, dimana PDRB terkecil di kepulauan Maluku yaitu sebesar Rp 6,299 juta.

Tabel 5.2. Hasil Proyeksi Pertumbuhan Ekonomi Wilayah, , 2009-2014

Tahun Pertumbuhan Ekonomi Wilayah (Baseline)

Sumatera Jawa-Bali Kalimantan Sulawesi NT Maluku Papua

2009 6.44 4.50 6.36 3.84 5.69 4.17 3.34 2010 6.27 5.02 5.66 4.29 5.32 3.31 3.22 2011 5.91 4.76 5.85 4.62 5.89 6.20 3.87 2012 6.61 5.27 5.52 4.83 5.03 6.63 3.71 2013 6.98 5.30 6.10 5.02 6.13 5.28 3.95 2014 6.58 5.08 6.69 4.92 5.23 6.99 4.06

Rata-rata 6.46 4.99 6.03 4.59 5.55 5.43 3.69

1.00

1.50

2.00

2.50

3.00

3.50

4.00

4.50

5.00

5.50

6.00

6.50

7.00

7.50

2008 2009 2010 2011 2012 2013 2014

Sumatera Jawa-Bali Kalimantan Sulawesi

NT Maluku Papua

Gambar 5.1. Pertumbuhan Ekonomi


82

Berdasarkan data pada Tabel 5.2 dapat diketahui pertumbuhan ekonomi untuk

rentang Tahun 2009-2014. Berdasarkan nilai pertumbuhan ekonomi tahunan tersebut

dapat diketahui nilai pertumbuhan ekonomi (growth) rata-rata tahunan. Adapun prediksi

rata-rata pertumbuhan ekonomi (growth) rata-rata tahunan tertinggi berada di kepulauan

Sumatera yaitu sebesar 6.46 persen, diikuti kepulauan Kalimantan, Nusatenggara, Maluku,

Jawa-Bali dan Papua (Gambar 5.1)

Berdasarkan data pada Tabel 5.3 dapat diketahui jumlah penduduk miskin untuk

rentang Tahun 2009-2014. Berdasarkan angka jumlah penduduk miskin tersebut dapat

diketahui angka rata-rata tahunan. Adapun prediksi rata-rata tahunan jumlah penduduk

miskin terkonsentrasi di pulau Jawa yaitu sebesar 23496 jiwa, diikuti dengan kepulauan

Sumatera. Angka kemiskinan di wilayah timur Indonesia relatif kecil, dimana angka

kemiskinan terkecil di kepulauan Maluku sebesar 474 jiwa.

Tabel 5.3. Hasil Proyeksi Jumlah Penduduk Miskin, 2009-2014

Tahun Jumlah Penduduk Miskin ( 000 jiwa)

Sumatera Jawa-Bali

Kalimantan Sulawesi NT Maluku Papua

2009 9,179 21,367 1,129 2,682 2,080 516 1,0202010 9,444 22,079 1,071 2,649 2,036 499 9972011 9,718 23,039 1,039 2,617 2,027 482 9872012 9,993 23,878 1,010 2,572 2,015 465 9732013 10,269 24,805 992 2,532 2,009 450 9642014 10,554 25,806 981 2,492 2,004 434 957

Rata-rata 9,860 23,496 1,037 2,591 2,029 474 983

Berdasarkan data pada Tabel 5.4 dapat diketahui jumlah angkatan kerja untuk

rentang Tahun 2009-2014. Berdasarkan angka jumlah angkatan kerja dapat diketahui

angka rata-rata tahunan.

Prediksi rata-rata tahunan jumlah angkatan kerja terkonsentrasi di pulau Jawa yaitu

sebesar 66,427,000 jiwa, diikuti dengan kepulauan Sumatera sebesar 18,054,000 jiwa.

Angkatan kerja wilayah timur Indonesia relatif kecil, dimana angkatan kerja terkecil di

kepulauan Maluku sebesar 860,000 jiwa.


83

Tabel 5.4. Hasil Proyeksi Jumlah Angkatan Kerja, , 2009-2014

Tahun Jumlah Angkatan Kerja ( 000 Jiwa )

Sumatera Jawa-Bali


2009 19,359 65,245 6,495 7,735 4,494 859 1,5182010 18,795 65,334 6,692 8,070 4,602 855 1,4792011 18,246 65,844 6,906 8,394 4,703 855 1,4612012 17,742 66,561 7,135 8,695 4,802 858 1,4552013 17,290 67,368 7,382 8,979 4,902 862 1,4562014 16,892 68,209 7,652 9,251 5,007 868 1,461

Rata-rata 18,054 66,427 7,044 8,521 4,752 860 1,472

Berdasarkan data pada Tabel 5.5 dapat diketahui jumlah permintaan tenaga kerja

untuk rentang Tahun 2009-2014. Berdasarkan angka jumlah permintaan tenaga kerja dapat

diketahui angka rata-rata tahunan. Adapun prediksi rata-rata tahunan jumlah permintaan

tenaga kerja terkonsentrasi di pulau Jawa yaitu sebesar 59,939,000 jiwa, diikuti dengan

kepulauan Sumatera sebesar 16,739,000 jiwa. Permintaan tenaga kerja wilayah timur

Indonesia relatif kecil, dimana jumlah permintaan tenaga kerja terkecil di kepulauan

Maluku sebesar 816,000 jiwa.

Tabel 5.5. Hasil Proyeksi Jumlah Permintaan Tenaga Kerja, 2009-2014

Tahun Permintaan Tenaga Kerja ( 000 jiwa )

Sumatera Jawa-Bali


2009 17,744 58,893 5,992 7,047 4,207 813 1,4202010 17,293 59,074 6,156 7,324 4,293 811 1,3882011 16,876 59,532 6,333 7,569 4,373 812 1,3732012 16,498 60,100 6,520 7,794 4,452 815 1,3682013 16,161 60,708 6,723 8,005 4,532 819 1,3692014 15,864 61,328 6,944 8,207 4,617 825 1,374

Rata-rata 16,739 59,939 6,445 7,658 4,412 816 1,382

Berdasarkan data pada Tabel 6 dapat diketahui jumlah pengangguran untuk rentang

Tahun 2009-2014. Berdasarkan jumlah pengangguran dapat diketahui pengangguran rata-

rata tahunan. Adapun prediksi rata-rata tahunan jumlah pengangguran terkonsentrasi di

pulau Jawa yaitu sebesar 6,488,000 jiwa, diikuti dengan kepulauan Sumatera sebesar

1,315,000 jiwa. Pengangguran di wilayah timur Indonesia relatif kecil, dimana jumlah

pengangguran terkecil di kepulauan Maluku sebesar 44,000 jiwa.


84

Tabel 5.6. Hasil Proyeksi Jumlah Pengangguran

Tahun Jumlah Pengangguran ( 000 jiwa)

Sumatera Jawa-Bali


2009 1,615 6,351 503 688 287 45 98 2010 1,501 6,260 536 746 309 44 92 2011 1,370 6,311 573 824 330 43 88 2012 1,244 6,461 614 901 350 43 87 2013 1,129 6,660 659 974 370 43 87 2014 1,027 6,881 709 1,043 390 43 87

Rata-rata 1,315 6,488 599 863 340 44 90

Berdasarkan data pada Tabel 5.7 dapat diketahui tingkat pengangguran untuk

rentang Tahun 2009-2014. Berdasarkan tingkat pengangguran dapat diketahui tingkat

pengangguran rata-rata tahunan. Adapun prediksi rata-rata tahunan tingkat pengangguran

tertinggi di kepulauan Sulawesi yaitu sebesar 10.07 persen, diikuti dengan tingkat

pengangguran di kepulauan Jawa-Bali, Kalimantan, Sumatera, NT, Papua dan Maluku.

Tingkat pengangguran terkecil di kepulauan Papua yaitu sebesar 5.08 persen.

Tabel 5.7. Hasil Proyeksi Tingkat Pengangguran, 2009-2014

Tahun Tingkat Pengangguran (%)

Sumatera Jawa-Bali


2009 8.34 9.73 7.75 8.89 6.39 5.29 6.48 2010 7.99 9.58 8.00 9.24 6.72 5.15 6.21 2011 7.51 9.59 8.30 9.82 7.03 5.06 6.05 2012 7.01 9.71 8.61 10.37 7.29 5.01 5.97 2013 6.53 9.89 8.93 10.85 7.54 4.98 5.95 2014 6.08 10.09 9.26 11.28 7.79 4.97 5.96

Rata-rata 7.24 9.76 8.48 10.07 7.13 5.08 6.10

Berdasarkan data pada Tabel 5.8 dapat diketahui upah untuk rentang waktu Tahun

2009-2014, dimana upah Pulau Sumatera memiliki kecenderungan yang menurun hingga

tahun 2014, sedangkan di pulau Jawa-Bali relatif memiliki kecenderungan manaik hingga

pada tahun 2014 adalah 2.6 juta dan secara rata-rata adalah 1.9 juta.


85

Tabel 5.8. Hasil Proyeksi Upah, 2009-2014

Tahun Upah (000 Rp)

Sumatera Jawa-Bali


2009 1,048 1,359 1,787 1,347 1,333 1,409 2,073 2010 1,060 1,556 2,070 1,564 1,478 1,572 2,175 2011 1,049 1,776 2,419 1,840 1,654 1,749 2,263 2012 1,021 2,024 2,853 2,181 1,862 1,945 2,348 2013 981 2,304 3,395 2,589 2,111 2,161 2,436 2014 936 2,619 4,081 3,073 2,409 2,400 2,530

Rata-rata 1,016 1,940 2,767 2,099 1,808 1,873 2,304

Prediksi rata-rata upah tahunan tertinggi di kepulauan Kalimantan yaitu sebesar Rp

2.7 juta diikuti dengan tingkat upah di kepulauan Papua sebesar Rp 2.3 juta. Tingkat upah

terkecil di pulau Sumateera yaitu sebesar Rp 1.01 juta.

5.4. Skenario Kebijakan

Simulasi dilakukan pada peubah-peubah yang merupakan instrumen kebijakan

yang meliputi investasi swasta, investasi pemerintah, tingkat UMR dan belanja pelayanan

publik. Adapun skenario simulasi adalah sebagai berikut :

1. Peningkatan investasi swasta sebesar 10 persen di kepulauan Jawa-Bali dan Sumatera,

dan peningkatan 5 persen di kepulauan Kalimantan, Sulawesi, NT, Maluku dan Papua

(S1)

2. Peningkatan investasi pemerintah sebesar 15 persen di kepulauan Kalimantan,

Sulawesi, NT, Maluku dan Papua, dan peningkatan 5 persen di kepulauan Jawa-Bali

dan Sumatera (S2)

3. Kombinasi Skenario 1 dan 2 (S3)

4. Peningkatan upah minimum regional di pulau Sumatera, Jawa-Bali, Kalimantan,

Sulawesi, Nusatenggara, Maluku dan pulau Papua masing-masing sebesar 10 persen

(S4)

5. Peningkatan belanja pelayanan publik di pulau Sumatera, Jawa-Bali, Kalimantan,

Sulawesi, Nusatenggara, Maluku dan pulau Papua masing-masing sebesar 10 persen

(S5)


86

Skenario-skenario tersebut (S1-S5) memberikan dampak pada perubahan peubah-

peubah endogen yang berbeda-beda. Skenario kebijakan dari S1-S5 terhadap kinerja

ekonomi wilayah akan diuraikan pada bagian berikut ini.

5.4.1. Investasi Swasta

Peningkatan investasi swasta sebesar 10 persen di kepulauan Jawa-Bali dan

Sumatera, dan peningkatan 5 persen di kepulauan Kalimantan, Sulawesi, NT, Maluku dan

Papua terhadap kinerja makroekonomi wilayah ditampilkan pada Tabel 5.9.

Tabel 5.9. Dampak Peningkatan Investasi Swasta, terhadap Kinerja Ekonomi Wilayah, Periode 2009-2014

(%) Pulau PDRB Permintaan Angkatan Pengang- Kemiskinan Upah Tenaga Kerja Kerja guran Sumatera 1.643 0.060 0.064 0.119 -0.289 0.087Jawa-Bali 1.099 0.044 0.048 0.094 -0.001 0.011Kallimantan 0.789 0.081 0.085 0.142 -0.007 0.184Sulawesi 0.023 0.003 0.003 0.004 -0.001 0.007Nusatenggara 0.369 0.002 0.002 0.003 -0.063 0.003Maluku 0.647 0.012 0.011 0.006 -0.113 0.009Papua 0.309 0.024 0.026 0.052 -0.003 0.020

Pada Table 5.9 terlihat bahwa kenaikan investasi swasta memberikan pengaruh

yang positif bagi pertumbuhan ekonomi yang digambarkan dari kenaikan PDRB pulau,

dimana kenaikan tertinggi di peroleh oleh pulau Sumatera, yaitu 1.64% dan terendah

adalah pulau Sulawesi.

Tabel 5.10. Dampak Peningkatan Investasi Swasta, terhadap Arus Migrasi Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014

(%) Migrasi Masuk Dari

Ke Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera -0.691 -0.639 -0.906 -0.389 -0.389 -0.389Jawa-Bali -0.165 -0.097 -0.270 -0.361 -0.361 -0.361Kallimantan 0.008 -0.067 -0.064 -0.373 -0.373 -0.373Sulawesi 0.000 -0.008 0.001 0.002 0.002 0.002Nusatenggara -0.206 -0.045 0.049 -0.188 -0.188 -0.188Maluku -0.356 -0.077 0.060 -0.316 -0.316 -0.316Papua -0.139 -0.042 0.031 -0.077 -0.077 -0.077


87

Kenaikan PDRB tersebut akan mendorong permintaan tenaga kerja namun

demikian permintaan tenaga kerja kenaikannya relatif kecil, dampak dari kenaikan tenaga

kerja direspon oleh kenaikan upah oleh para kerja, kenaikan upah tertinggi adalah pulau

Kalimantan, yaitu 0.18%. Kenaikan PDRB secara langsung menurunkan tingkat

kemiskinan, namun demikian tingkat pengangguran juga mengalami kenaikan. Alasan

mengapa pengangguran mengalami kenaikan meskipun PDRB meningkat, yaitu karena

kenaikan PDRB akan mendorong masukkan penduduk ke wilayah tersebut (migrasi

masuk) dan diikuti oleh pola perubahan demografi penduduk yang masuk ke dalam

angkatan kerja di wilayah tersebut yang akan menambah jumlah angkatan kerja.

Tabel 5.11. Dampak Peningkatan Investasi Swasta, terhadap Arus Migrasi Penduduk

(Migrasi Keluar) dari Wilayah, Periode 2009-2014 (%)

Migrasi Keluar Ke dari Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua

Sumatera -0.505 -0.348 0.005 0.021 -0.232 0.010Jawa-Bali -0.449 -0.125 -0.009 0.079 0.376 0.167Kallimantan -0.558 -0.798 -0.094 -0.181 0.072 -0.058Sulawesi -2.165 -0.825 -0.669 0.066 -0.233 0.467Nusatenggara -0.844 -0.632 0.255 -0.012 -0.180 0.316Maluku -0.686 -0.481 0.174 -0.003 -0.135 0.074Papua -0.813 -0.577 0.097 -0.001 -0.096 -0.104

Perubahan pola demografi penduduk tesebut dan peningkatan jumlah angkatan

kerja baik masuk maupaun yang keluar dari wilayah tersebut, tidak seluruhnya mampu

diserap lapangan kerja.

Tabel 5.12. Dampak Peningkatan Investasi Swasta, terhadap Arus Perdagangan (Export) Antar Wilayah, Periode 2009-2014

(%) Ke

Export Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.624 0.100 0.010 0.362 0.333 0.441Jawa-Bali -0.240 -0.065 0.025 0.107 0.414 0.164Kallimantan -0.243 -0.045 0.005 0.084 0.487 0.079Sulawesi 0.005 -0.154 0.116 0.059 0.300 0.065Nusatenggara 1.766 2.503 0.749 0.007 1.256 0.063Maluku 0.434 -0.384 -0.078 -0.017 -0.036 0.034Papua 0.046 0.178 -0.068 -0.016 -0.001 0.029


88

Peningkatan investasi swasta juga berdampak terhadap arus perdagangan (ekspor

dan impor) antar wilayah dengan arah dan besaran yang berbeda. Pada Tabel 5.12 terlihat

bahwa ekspor wilayah Sumatera mengalami peningkatan ke setiap daerah tujuan ekspor,

begitu juga halnya yang terjadi terhadap daerah wilayah Nusatenggara. Sedangkan ekspor

pulau Jawa-Bali ke wilayah Sumatera dan Kalimantan mengalami penurunan, sebaliknya

ke daerah tujuan wilayah timur umumnya mengalami peningkatan, wilayah Sulawesi juga

mengalami peningkatan ekspor ke daerah tujuannya, kecuali ke daerah tujuan Jawa-Bali

mengalami penurunan. Ekspor wilayah Maluku ke Sumatera dan Papua terlihat juga

mengalami peningkatan, sebaliknya ke daerah Jawa-Bali, Kalimantan, Sulawesi dan

Nusatenggara ekspor wilayah Maluku mengalami penurunan. Sementara ekspor wilayah

Papua ke kawasan barat umum meningkat sebaliknya mengalami penurunan ekspor untuk

daerah tujuan kawasan timur (Tabel 5.12).

Tabel 5.13. Dampak Peningkatan Investasi Swasta, terhadap Arus Perdagangan (Import) Antar Wilayah, Periode 2009-2014

(%) Dari

Impor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.018 -0.092 0.213 0.811 1.156 -0.725Jawa-Bali -0.340 -0.310 -0.323 0.720 0.720 0.720Kallimantan -0.078 -0.130 -0.011 -0.261 -0.261 -0.261Sulawesi 0.002 -0.006 -0.004 -0.003 -0.003 -0.003Nusatenggara -0.245 -0.279 -0.183 -0.328 -0.281 -0.278Maluku 0.057 -0.009 0.147 0.021 0.008 0.001Papua 0.225 0.160 0.186 0.171 0.187 0.187

Tabel 5.13 terlihat bahwa impor wilayah Sumatera dari wilayah asal Kalimantan

dan Papua mengalami penurunan, sebaliknya daerah asal Jawa-Bali, Sulawesi,

Nusatenggara dan Maluku mengalami kenaikan, impor Jawa-Bali dari wilayah asal

Sumatera, Kalimantan dan Sulawesi mengalami penurunan, namun dari daerah asal NT,

Maluku dan Papua mengalami peningkatan. Impor wilayah Kalimantan dari seluruh asal

mengalami penurunan, hal yang sama juga berlaku untuk wilayah Nusatengara dan

Sulawesi, kecuali untuk impor Sulawesi dari daerah asal Sumatera. Sementara impor

wilayah Papua dari daerah asal semuanya mengalami peningkatan hal yang sama juga

terlihat untuk wilayah Maluku, kecual dari daerah asal Jawa-Bali mengalami penurunan.


89

5.4.2. Investasi Pemerintah

Dampak peningkatan investasi pemerintah sebesar 5 persen di pulau Sumatera dan

Jawa-Bali, dan peningkatan 15 persen di pulau wilayah Kalimantan, Sulawesi, Nusa

Tenggara, Maluku dan Papua terhadap kinerja makroekonomi wilayah ditampilkan pada

Tabel 5.13.

Tabel 5.14. Dampak Peningkatan Investasi Pemerintah, terhadap Kinerja Ekonomi Wilayah, Periode 2009-2014

(%) Pulau PDRB Permintaan Angkatan Pengang- Kemiskinan Upah Tenaga Kerja Kerja guran Sumatera 0.679 0.025 0.027 0.050 -0.120 0.036Jawa-Bali 0.117 0.005 0.005 0.010 0.000 0.001Kallimantan 2.208 0.225 0.238 0.395 -0.020 0.512Sulawesi 0.730 0.087 0.092 0.134 -0.025 0.242Nusatenggara 2.586 0.012 0.012 0.024 -0.437 0.019Maluku 2.003 0.036 0.035 0.019 -0.348 0.027Papua 1.103 0.084 0.091 0.184 -0.012 0.070

Table 5.13 menunjukkan bahwa kenaikan investasi pemerintah memberikan

pengaruh yang positif bagi pertumbuhan ekonomi yang digambarkan dari kenaikan PDRB

pulau, dimana kenaikan tertinggi di peroleh oleh pulau Nusatenggara, Kalimantan dan

Maluku dan terendah adalah pulau dan Jawa-Bali, Sumatera dan Sulawesi.

Kenaikan PDRB tersebut akan mendorong permintaan tenaga kerja namun

demikian, kenaikan permintaan tenaga kerja masih relatif kecil. Dampak dari kenaikan

tenaga kerja direspon oleh kenaikan upah oleh para kerja, kenaikan upah tertinggi adalah

pulau Kalimantan, yaitu 0.51%. Kenaikan PDRB secara langsung menurunkan tingkat

kemiskinan, kecuali untuk wilayah Jawa-Bali, dan tingkat pengangguran juga mengalami

kenaikan.

Tabel 5.15. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Migrasi Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014


Ke Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera -0.288 -0.266 -0.378 -0.162 -0.162 -0.162Jawa-Bali -0.018 -0.010 -0.029 -0.039 -0.039 -0.039Kallimantan 0.023 -0.186 -0.178 -1.032 -1.032 -1.032Sulawesi -0.016 -0.252 0.023 0.079 0.079 0.079Nusatenggara -1.418 -0.311 0.338 -1.297 -1.297 -1.297Maluku -1.090 -0.238 0.185 -0.970 -0.970 -0.970Papua -0.492 -0.149 0.112 -0.272 -0.272 -0.272


90

Seperti halnya dampak investasi swasta, peningkatan investasi pemerintah dalam

ini juga belum mampu menurunkan tingkat pengangguran untuk setiap wilayah, antara

lain disebabkan oleh kenaikan PDRB akan mendorong masukkan penduduk ke wilayah

tersebut (migrasi masuk) dan diikuti oleh pola perubahan demografi penduduk yang

masuk ke dalam angkatan kerja di wilayah tersebut yang akan menambah jumlah angkatan

kerja.

Tabel 5.16. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Migrasi Penduduk

(Migrasi Keluar) dari Wilayah, Periode 2009-2014 (%)


Sumatera -0.076 -1.044 -0.068 -0.214 -0.588 -0.046Jawa-Bali -0.187 -0.347 -0.306 0.551 1.161 0.593Kallimantan -0.107 -0.086 -0.091 -0.706 0.246 -0.207Sulawesi -0.908 -0.088 -1.837 0.456 -0.713 1.669Nusatenggara -0.345 -0.073 0.715 -0.415 -0.551 1.126Maluku -0.276 -0.065 0.486 -0.171 -0.934 0.263Papua -0.309 -0.060 0.276 -0.258 -0.656 -0.320

Perubahan pola demografi penduduk tesebut dan peningkatan jumlah angkatan


diserap lapangan kerja, sehingga untuk mengantisipasi naikknya jumlah pengangguran

selain dibutuhkan investasi, juga harus diimbangi dengan kemampuan penciptaan

lapangan kerja bagi para pekerja baru, disamping kebijakan tersebut reformasi

administrasi kependudukan juga menjadi suatu skenario yang tepat baik dalam

menurunkan arus pergerakan penduduk.

Tabel 5.17. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Perdagangan (Export) Antar Wilayah, Periode 2009-2014

(%) Ke

Expor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.066 0.279 0.345 2.539 1.026 1.575Jawa-Bali -0.100 -0.181 0.859 0.743 1.278 0.584Kallimantan -0.101 -0.005 0.159 0.587 1.505 0.282Sulawesi 0.002 -0.016 0.322 0.410 0.924 0.230Nusatenggara 0.729 0.263 2.096 0.241 3.914 0.225Maluku 0.180 -0.041 -0.215 -0.544 -0.249 0.121Papua 0.019 0.019 -0.190 -0.521 -0.009 0.088


91

Ekspor wilayah Sumatera mengalami peningkatan ke daerah Jawa-Bali, Sulawesi,

NT dan Maluku sebaliknya ke daerah tujuan Kalimantan dan Papua terlihat mengalami

penurunan, lebih detail pola perdangangan antar-wilayah dapat dilihat pada Tabel 5.17.

Kenaikan PDRB karena peningkatan investasi tidak serta merta meningkatkan ekspor

wilayah ke daerah tujuannya, dampak kenaikan investasi terhadap ekspor ke daerah tujuan

ada wilayah yang berdampak positif dan negatif. Dampak yang sama juga terjadi terhadap

arus impor antar-daerah (Tabel 5.18).

Tabel 5.18. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Perdagangan (Impor) Antar Wilayah, Periode 2009-2014

(%) Dari

Impor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku PapuaSumatera 0.007 -0.038 0.088 0.336 0.478 -0.302Jawa-Bali -0.036 -0.033 -0.034 0.076 0.076 0.076Kallimantan -0.215 -0.361 -0.031 -0.724 -0.724 -0.724Sulawesi 0.079 -0.207 -0.122 -0.093 -0.093 -0.093Nusatenggara -1.685 -1.915 -1.265 -2.248 -1.934 -1.909Maluku 0.176 -0.027 0.452 0.065 0.026 0.003Papua 0.803 0.569 0.661 0.608 0.664 0.664

Pada tabel 5.18 menunjukkan bahwa impor wilayah Sumatera dari wilayah asal

Kalimantan dan Papua mengalami penurunan, sebaliknya daerah asal Jawa-Bali, Sulawesi,







terlihat untuk wilayah Maluku, kecual dari daerah asal Jawa-Bali mengalami penurunan.

5.4.3. Investasi Swasta dan Pemerintah

Dampak peningkatan investasi swasta dan pemerintah (Seknario kombinasi

kebijakan simulasi 1 dan simulasi 2) terhadap kinerja makroekonomi wilayah ditampilkan

pada Tabel 5.19.


92

Tabel 5.19. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Kinerja Ekonomi Wilayah, Periode 2009-2014


Table 5.19 menunjukkan bahwa kenaikan investasi pemerintah memberikan

pengaruh yang positif bagi pertumbuhan ekonomi yang digambarkan dari kenaikan PDRB

di setiap pulau, kenaikan PDRB tertinggi terdapat pulau Kalimantan dan Nusatenggara,

Maluku dan Sumatera Utara dan terendah adalah pulau dan Sulawesi, Jawa-Bali dan pulau

Papua. Kenaikan PDRB tersebut akan mendorong permintaan tenaga kerja namun

demikian, kenaikan permintaan tenaga kerja masih relatif kecil. Dampak dari kenaikan

tenaga kerja direspon oleh kenaikan upah oleh para kerja, kenaikan upah tertinggi adalah

pulau Kalimantan, yaitu 0.69%. Kenaikan PDRB secara langsung menurunkan tingkat

kemiskinan di setiap provinsi. Penurunan jumlah penduduk miskin terdapat di pulau Nusa

Tenggara, Maluku dan Sumatera, dan yang terkecil adalah pulau Jawa-Bali, Papua dan

Kalimantan. Yang menarik dan patut dicermati adalah kenaikan tertinggi PDRB yang

terdapat di Pulau Kalimantan, tidak barengi dengan tingginya penurunan jumlah penduduk

miskin.

Tabel 5.20. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus

Migrasi Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014 (%)

Migrasi Masuk Dari Ke Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua

Sumatera -0.977 -0.903 -1.279 -0.550 -0.550 -0.550Jawa-Bali -0.183 -0.107 -0.299 -0.400 -0.400 -0.400Kallimantan 0.032 -0.252 -0.242 -1.401 -1.401 -1.401Sulawesi -0.016 -0.259 0.024 0.081 0.081 0.081Nusatenggara -1.620 -0.355 0.387 -1.482 -1.482 -1.482Maluku -1.442 -0.315 0.245 -1.283 -1.283 -1.283Papua -0.630 -0.191 0.143 -0.348 -0.348 -0.348


93

Sebaliknya dipulau Sulawesi terlihat bahwa peningkatan PDRB hanya 0.75 %,

dimana dengan jumlah kenaikan tersebut jumlah penduduk miskin berkurang sebesar 0.02

persen relatif sama jika dibandingkan dengan penurunan jumlah penduduk miskin di pulau

Kalimantan. Jika dilihat lebih jauh lagi adalah kenaikan PDRB belum mampun

menurunkan jumlah pengangguran, namun sebaliknya jumlah pengangguran meningkat

(Tabel 5.19)

Tabel 5.21. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus

Migrasi Penduduk (Migrasi Keluar) dari Wilayah, Periode 2009-2014 (%)


Sumatera -0.581 -1.387 -0.063 -0.194 -0.818 -0.035Jawa-Bali -0.635 -0.472 -0.314 0.631 1.543 0.762Kallimantan -0.664 -0.882 -0.186 -0.886 0.318 -0.265Sulawesi -3.042 -0.912 -2.485 0.522 -0.944 2.146Nusatenggara -1.185 -0.705 0.972 -0.425 -0.730 1.445Maluku -0.959 -0.545 0.662 -0.173 -1.068 0.337Papua -1.119 -0.637 0.373 -0.257 -0.751 -0.423

Meningkatnya jumlah pengangguran antara lain disebabkan oleh jumlah

permintaan tenaga kerja relatif lebih kecil jika dibandingkan dengan jumlah angkatan kerja

yang masuk ke dalam wilayah pulau tersebut, kenaikan PDRB akan mendorong masukkan

penduduk ke wilayah tersebut (migrasi masuk) dan diikuti oleh pola perubahan demografi

penduduk yang masuk ke dalam angkatan kerja di wilayah tersebut yang akan menambah

jumlah angkatan kerja. Perubahan pola demografi penduduk tesebut dan peningkatan

jumlah angkatan kerja baik masuk maupaun yang keluar dari wilayah tersebut, tidak

seluruhnya mampu diserap lapangan kerja, sehingga untuk mengantisipasi naikknya

jumlah pengangguran selain dibutuhkan investasi, juga harus diimbangi dengan (1)

kemampuan penciptaan lapangan kerja bagi para pekerja baru, (2) reformasi administrasi

kependudukan juga menjadi suatu skenario yang tepat baik dalam menurunkan arus

pergerakan penduduk (Tabel 5.20 dan Tabel 5.21).

Ekspor wilayah Sumatera terlihat mengalami peningkatan sebagai dampak dari

peningkatan investasi swasta dan pemerintah. Ekspor wilayah Sumatera ke seluruh

wilayah terlihat seluruhnya mengalami peningkatan, ekspor wilayah Sumatera tertinggi

adalah ke pulau Nusatenggara dan Papua.


94

Ekspor wilayah Jawa-Bali ke Sumatera dan Kalimantan terlihat mengalami

penurunan, sebaliknya ekspor Jawa-Bali ke Sulawesi, NT dan Maluku dan Papua

mengalami peningkatan lebih detail pola perdangangan ekspor antar-wilayah dapat dilihat

pada Tabel 5.22.

Tabel 5.22. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Perdagangan (Export) Antar Wilayah, Periode 2009-2014

(%) Ke


. Kenaikan PDRB karena peningkatan investasi swasta dan pemeritah tidak serta

merta meningkatkan ekspor wilayah ke daerah tujuan ekspor, dampak kenaikan investasi

tersebut terhadap ekspor ke daerah tujuan bervariasi, ada wilayah yang berdampak positif

dan negatif.

Tabel 5.23. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Perdagangan (Import) Antar Wilayah, Periode 2009-2014

(%) Dari



Kalimantan dan Papua mengalami penurunan, sebaliknya daerah asal Jawa-Bali, Sulawesi,





95



wilayah Papua dari daerah asal, semua mengalami peningkatan hal yang sama juga terlihat

untuk wilayah Maluku, kecual dari daerah asal Jawa-Bali mengalami penurunan sebesar

0.036 persen.

5.4.4. Upah Minimum Regional

Dampak peningkatan upah minimum regional (UMR) masing-masing sebesar 10

persen disetiap wilayah terhadap kinerja makroekonomi ditampilkan pada Tabel 5.24.

Table 5.24 menunjukkan bahwa UMR memberikan pengaruh yang positif bagi upah rata-

rata yang diterima oleh pekerja, kecuali untuk pulau Nusatenggara.

Tabel 5.24. Dampak Peningkatan Upah Minimum Regional, terhadap Kinerja Ekonomi Wilayah, Periode 2009-2014

(%) Pulau PDRB Permintaan Angkatan Pengang- Kemiskinan Upah Tenaga Kerja Kerja guran Sumatera -0.039 -0.112 -0.120 -0.221 -0.005 1.851Jawa-Bali 0.025 0.075 0.081 0.158 -0.149 1.516Kallimantan 0.020 0.085 0.089 0.146 -0.059 1.000Sulawesi 0.024 0.085 0.090 0.132 -0.274 2.365Nusatenggara -0.288 -0.460 -0.491 -0.896 0.977 -4.791Maluku 0.086 0.066 0.063 0.009 -0.928 1.763Papua 0.075 0.114 0.123 0.251 -0.201 1.786

Peningkatan upah di Pulau Sumatera berdampak pada penurunan permintaan

tenaga kerja yang pada akhirnya akan menurunkan nilai PDRB di pulau Sumatera.

Meskipun nilai PDRB di pulau Sumatera menurun, tingkat pengangguran dan jumlah

penduduk miskin mengalami penurunan.

Penurunan jumlah penduduk miskin tersebut lebih disebabkan karena jumlah

penduduk yang masuk ke pulau Sumatera dari daerah asal lebih kecil dibandingkan

dengan jumlah penduduk yang masuk ke pulau Sumatera (Tabel 5.25 dan Tabel 5.26),

sehingga secara migrasi bersih penduduk positif, tingginya masuk jumlah penduduk

tersebut yang lebih mendorong pada turunnya jumlah penduduk miskin dan tingkat

pengangguran. Dalam arti kata bahwa besaran jumlah penduduk di pulau Suamtera sangat

dominan dalam mempengaruhi proporsi jumlah penduduk miskin dan pengangguran.


96

Berbeda halnya dengan pulau-pulau lainnya, dampak dari peningkatan upah

tersebut justru meningkatkan jumlah pengangguran, hal ini mudah dijelaskan karena

migrasi bersih yang positif, tanpa dukungan dan kekuatan daerah menciptakan lapangan

kerja dan kemampuan menyediakan lapangan kerja akan berdampak buruk pasar tenaga

kerja yang pada akhirnya akan meningkatkan jumlah pengangguran.

Tabel 5.25. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Migrasi

Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014 (%)

Migrasi Masuk Dari Ke Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua

Sumatera 0.655 1.561 0.658 0.894 0.894 0.894Jawa-Bali 0.277 0.398 0.435 0.557 0.557 0.557Kallimantan 0.871 0.209 0.783 0.387 0.387 0.387Sulawesi -0.265 0.143 -0.031 1.105 1.105 1.105Nusatenggara -3.744 -2.083 -1.318 -2.717 -2.717 -2.717Maluku 0.194 0.570 0.744 0.146 0.146 0.146Papua 0.576 1.016 0.697 0.332 0.332 0.332

Lebih detail dapat dilihat pada Tabel 5.25. bahwa kenaikan upah minimum

regional dihampir setiap wilayah akan mendorong pada jumlah penduduk yang masuka

kepulau tersebut kecuali untuk wilayah Nusatenggara, dan Sulawesi dari daerah asal

Sumatera dan Kalimantan. Meskipun kenaikan upah tersebut direspon dengan masukkan

jumlah penduduk ke pualu tersebut, namun demikian migrasi keluar jug terjadi

peningkatan di berbagai wilayah. Peningkatan migrasi keluar disebabkan karena

perbedaan proporsi upah disetiap wilayah.

Tabel 5.26. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Migrasi Penduduk (Migrasi Keluar) dari Wilayah, Periode 2009-2014

(%) Migrasi Keluar Ke

dari Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera -0.010 1.144 0.482 1.995 0.043 0.637Jawa-Bali 0.174 0.308 0.833 0.143 -0.093 -0.516Kallimantan 0.571 -0.285 1.364 -5.594 0.762 0.640Sulawesi -1.081 -0.437 -0.443 -1.786 0.425 0.819Nusatenggara -1.684 3.583 -2.745 -2.173 0.877 2.005Maluku 0.253 0.837 0.056 0.283 -1.296 -0.105Papua 0.325 0.942 0.246 0.305 -1.757 -0.034


97

Tabel 5.27. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Perdagangan (Export) Antar Wilayah, Periode 2009-2014

(%) Ke

Expor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.012 0.002 0.010 -0.260 0.034 0.101Jawa-Bali 0.005 -0.001 0.022 -0.076 0.042 0.036Kallimantan 0.004 -0.001 0.004 -0.057 0.048 0.016Sulawesi 0.000 -0.003 0.003 -0.042 0.030 0.014Nusatenggara -0.037 0.055 0.018 0.007 0.155 0.014Maluku -0.010 -0.009 -0.002 -0.017 0.027 0.008Papua -0.001 0.003 -0.002 -0.016 0.001 0.003

Penurunan PDRB pulau Sumatera seperti yang ditampilkan pada Tabel 5.24

sebelumnya juga disebabkan karena menurunkan export pulau sumatera ke wilayah

Nusatenggara sebesar 0.26 persen meskipun export ke region lainny mengalami kenaikan

tetapi dengan kenaikan yang relatif kecil jika dibandingkan dengan penurunan export ke

daerah Nusatenggara.

Tabel 5.28. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Perdagangan (Import) Antar Wilayah, Periode 2009-2014

(%) Dari

Impor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.000 0.002 -0.004 -0.015 -0.023 0.014Jawa-Bali -0.007 -0.006 -0.007 0.015 0.015 0.015Kallimantan -0.002 -0.003 0.000 -0.006 -0.006 -0.006Sulawesi 0.002 -0.006 -0.004 -0.003 -0.003 -0.003Nusatenggara 0.180 0.203 0.135 0.240 0.206 0.203Maluku 0.007 -0.001 0.018 0.003 0.001 0.000Papua 0.052 0.037 0.043 0.039 0.043 0.043


Kalimantan dan Papua mengalami peningkatan, sebaliknya daerah asal Sulawesi,

Nusatenggara dan Maluku mengalami penurunan. Impor di masing-masing dari daerah

asal antar pulau berbededa satu wilayah dengan wilayah lainnya. Kecuali untuk wilayah

Maluku, dimana import wilayah pulau Maluku dari daerah asal seluruhnya mengalami

peningkatan. Sebaliknya untuk daerah Kalimantan, dimana impornya dari daerah asal

seluruhnya mengalami penurunan.


98

5.4.5. Belanja Pelayanan Publik

Dampak peningkatan belanja pelayanan publik masing-masing sebesar 10 persen

disetiap wilayah terhadap kinerja makroekonomi wilayah ditampilkan pada Tabel 5.29

berikut.

Tabel 5.29. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Kinerja Ekonomi Wilayah, Periode 2009-2014


Pada table 5.29 terlihat bahwa kenaikan belanja pelayanan publik berdampak

positif bagi pertumbuhan ekonomi yang digambarkan dari kenaikan PDRB pulau, dimana

kenaikan tertinggi di peroleh oleh pulau Sumatera, yaitu 1.52% dan terendah adalah pulau

Sulawesi, Jawa-Bali dan Papua. Peningkatan PDRB tersebut akan mendorong pada

kenaikan permintaan tenaga kerja namun demikian permintaan tenaga kerja meningkatnya

relatif kecil, dampak dari kenaikan tenaga kerja direspon oleh kenaikan upah oleh para

kerja, kenaikan upah tertinggi adalah pulau Kalimantan, yaitu 0.36%.

Kenaikan PDRB secara langsung menurunkan jumlah penduduk miskin di seluruh

wilayah, dengan penurunan jumlah penduduk miskin terdapat di pulau Jawa-Bali, namun

demikian secara keseluruhan jumlah pengangguran pengangguran juga mengalami

kenaikan. Alasan mengapa pengangguran mengalami kenaikan meskipun PDRB

meningkat, yaitu karena kenaikan PDRB akan mendorong masukkan penduduk ke wilayah

tersebut (migrasi masuk) dan diikuti oleh pola perubahan demografi penduduk yang

masuk ke dalam angkatan kerja di wilayah tersebut yang akan menambah jumlah angkatan

kerja. Perubahan pola demografi penduduk tesebut dan peningkatan jumlah angkatan kerja

baik masuk maupaun yang keluar dari wilayah tersebut, tidak seluruhnya mampu diserap

lapangan kerja.


99

Tabel 5.30. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Migrasi Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014


Ke Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera -0.641 -0.593 -0.841 -0.361 -0.361 -0.361Jawa-Bali -0.102 -0.060 -0.167 -0.224 -0.224 -0.224Kallimantan 0.017 -0.132 -0.126 -0.733 -0.733 -0.733Sulawesi -0.006 -0.095 0.009 0.030 0.030 0.030Nusatenggara -0.702 -0.153 0.167 -0.642 -0.642 -0.642Maluku -0.736 -0.160 0.125 -0.655 -0.655 -0.655Papua -0.311 -0.094 0.070 -0.171 -0.171 -0.171

Meningkatnya jumlah pengangguran antara lain disebabkan oleh jumlah

permintaan tenaga kerja relatif lebih kecil jika dibandingkan dengan jumlah angkatan kerja

yang masuk ke dalam wilayah pulau tersebut, kenaikan PDRB akan mendorong masukkan

penduduk ke wilayah tersebut (migrasi masuk) dan diikuti oleh pola perubahan demografi

penduduk yang masuk ke dalam angkatan kerja di wilayah tersebut yang akan menambah

jumlah angkatan kerja.

Tabel 5.31. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Migrasi Penduduk (Migrasi Keluar) dari Wilayah, Periode 2009-2014

(%) Migrasi Keluar Ke

dari Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera -0.335 -0.720 -0.020 -0.066 -0.427 -0.011Jawa-Bali -0.417 -0.247 -0.116 0.271 0.781 0.374Kallimantan -0.463 -0.495 -0.126 -0.428 0.158 -0.131Sulawesi -2.010 -0.511 -1.309 0.225 -0.482 1.049Nusatenggara -0.780 -0.394 0.505 -0.156 -0.372 0.708Maluku -0.632 -0.304 0.344 -0.062 -0.462 0.166Papua -0.742 -0.357 0.193 -0.090 -0.325 -0.216

Perubahan pola demografi penduduk tersebut dan peningkatan jumlah angkatan


diserap lapangan kerja, sehingga untuk mengantisipasi naikknya jumlah pengangguran

selain dibutuhkan belanja pelayanan publik, juga harus diimbangi dengan kemampuan

penciptaan lapangan kerja bagi para pekerja baru, dan reformasi administrasi

kependudukan juga menjadi suatu skenario yang tepat baik dalam menurunkan arus

pergerakan penduduk (Tabel 5.30 dan Tabel 5.31).


100

Peningkatan belanja pelayan pubik juga berdampak terhadap arus perdagangan

(ekspor dan impor) antar wilayah dengan arah dan besaran yang berbeda. Pada Tabel 5.32

terlihat bahwa ekspor wilayah Sumatera mengalami peningkatan ke setiap daerah tujuan

ekspor, begitu juga halnya yang terjadi terhadap daerah wilayah Nusatenggara. Sedangkan

ekspor pulau Jawa-Bali ke wilayah Sumatera dan Kalimantan mengalami penurunan,

sebaliknya ke daerah tujuan wilayah timur umumnya mengalami peningkatan, wilayah

Sulawesi juga mengalami peningkatan ekspor ke daerah tujuannya, kecuali ke daerah

tujuan Jawa-Bali mengalami penurunan. Ekspor wilayah Maluku ke Sumatera dan Papua

terlihat juga mengalami peningkatan, sebaliknya ke daerah Jawa-Bali, Kalimantan,

Sulawesi dan Nusatenggara ekspor wilayah Maluku mengalami penurunan. Sementara

ekspor wilayah Papua ke kawasan barat umum meningkat sebaliknya mengalami

penurunan ekspor untuk daerah tujuan kawasan timur.

Tabel 5.32. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Perdagangan (Export) Antar Wilayah, Periode 2009-2014

(%) Ke


Tabel 5.33. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Perdagangan (Import) Antar Wilayah, Periode 2009-2014

(%) Dari



101


102

Tabel 5.33 terlihat bahwa impor wilayah Sumatera dari wilayah asal Kalimantan

dan Papua mengalami penurunan, sebaliknya daerah asal Jawa-Bali, Sulawesi,







terlihat untuk wilayah Maluku, kecuali dari daerah asal Jawa-Bali mengalami penurunan.

103

VI

KESIMPULAN DAN IMPLIKASI KEBIJAKAN

6.1. Kesimpulan

Berdasarkan hasil konstruksi model dan pembahasan yang telah diuraikan

sebelumnya dapat ditarik beberapa kesimpulan dan implikasi kebijakan yang terkait

dengan model keterkaitan regional, yaitu:

1. Tenaga kerja memberikan pengaruh yang positif terhadap pertumbuhan

PDRB pulau, meskipun secara ekonomi responnya tidak elastis, sama halnya

dengan investasi swasta maupun pemerintah, kecuali di wilaya maluku

investasi swasta memberikan pengaruh yang signifikan dan respon perubahan

PDRB terhadap perubahan investasi swasta adalah elastis.

2. Permintaan tenaga kerja di masing-masing untuk seluruh wilayah pulau

berhubungan positif terhadap upah pulau, kecuali untuk wilayah sumatera

namun demikian tetapi responnya adalah inelastis. Pengaruh expor bersih

pulau lebih besar memberikan dampak terhadap penyerapan tenaga kerja

dibandingkan dengan peningkatan PDRB pulau.

3. Jumlah angkatan kerja diseluruh wilayah dipengaruh secara sifnifikan oleh net

migrasi (migrasi masuk-migrasi keluar) dan permintaan tenaga kerja sendiri,

yang pada akhirnya akan berdampak pada besaran pengangguran.

Penganggura dalam hal ini merupakan identitas dari jumlah angkatan kerja

dikurangi denegan jumlah penduduk yang bekerja.

4. Upah tenaga kerja diberhubungan positif terhadap UMR, dalam arti bahwa

UMR berintegrasi langsung dengan upah yang diterima oleh para pekerja.

Selain faktor UMR, upah juga dipengaruhi oleh inflasi wilayah, sedangkan

jumlah tenaga kerja berhubugan dengan negatif terhadap upah yang diterima

oleh pekerja.

5. Pengangguran berkorelasi postif dengan inflasi di seluruh provinsi. Iinflasi

dan pengangguran adalah trade off. Tidak adanya inflasi maupun kelebihan

pengangguran adalah harapan dari para pelaku ekonomi. Tetapi gangguan

dalam perekonomian memang nyata terjadi, dan tanpa adanya fleksibilitas

harga-upah yang sempurna, tidaklah mungkin memulihkan kondisi tenaga


103

104

kerja penuh (full employment) dengan tingkat harga yang stabil dalam jangka

pendek

6. Faktor utama yang paling berpengaruh terhadap jumlah orang miskin di setiap

wilayah adalah PDRB, tingkat upah dan belanja pelayanan publik. Sedangkan

tingkat pertumbuhan ekonomi meskipun dapat menurunkan kemiskinan tetapi

responnya adalah inelastis, dengan kata lain trickel down effect yang

diharapkan dari pelaku ekonomi secara umum tidak berlaku di seluruh

wilayah.

7. Arus migarasi penduduk baik migrasi masuk maupun migrasi keluar,

dipengaruhi oleh perbedaan upah wilayah, tingkat pengangguran dan tingkat

kemiskinan di suatu wilayah, namun demikian seluruh variabel tersebut

secara ekonomi responnya inelastis, artinya bahwa arus migarasi penduduk

lebih ditentukan oleh faktor beaten path dibandingkan dengan faktor upah dan

kinerja perekonomian daerah yang akan dikunjungi oleh para migran.

8. Kerjasama perdagangan antara region selain disebabkan karena karakteristik

lokal daerah, juga sangat ditentukan oleh demografi wilayah tersebut. Dalam

arti bahwa, jika secara demografi region tersebut berdekatan maka volume

perdagangan mereka akan semakin besar.

9. Peningkatan investasi swasta secara keseluruhan memberikan dampak positif

bagi kinerja perekonomian wilayah kecuali untuk pengangguran masih

mengalami peningkatan, yang dinyalir disebabkan oleh meningkatnya jumlah

penduduk yang masuk.

10. Peningkatan investasi penemerintah juga secara keseluruhan memberikan

dampak positif bagi kinerja perekonomian wilayah kecuali untuk

pengangguran masih mengalami peningkatan, yang antara lain disebabkan

karena migrasi bersih yang semikin meningkat.

11. Peningkatan upah minimum regional berdampak langsung pada kenaikan

upah di seluruh wilayah, yang mengarah pada penurunan jumlah penduduk

miskin. Peningkatan upah minimum regional dalam rangka untuk

menigkatkan produktivitas tenaga kerja perlu secara keseluruhan memberikan

dampak positif bagi kinerja perekonomian wilayah terutama bagi wilayah

pulau Sumatera dan Nustenggara terutama digambarkan oleh turunnya jumlah

pengangguran.


104

105

12. Kenaikan belanja pelayanan publik berdampak positif bagi pertumbuhan

ekonomi yang digambarkan dari kenaikan PDRB pulau, peningkatan PDRB

tersebut akan mendorong pada kenaikan permintaan tenaga kerja namun

demikian permintaan tenaga kerja meningkatnya relatif kecil.

6.2. Implikasi Kebijakan

Aktivitas dan kegiatan ekonomi yang terpusat di wilayah pulau Jawa-Bali

merupakan hambatan terbesar bagi upaya pemerataan ekonomi antarpulau di

Indonesia. Untuk mengurangi atau meminimumkan fenomena tersebut sangat

diperlukan kebijakan pemerintah dengan menciptakan iklim investasi yang lebih

baik di wilayah Timur Indonesia. Peningkatan jumlah penduduk melalui arus

migrasi di hampir seluruh pulau memiliki dampak yang berbeda antara pulau, tetapi

umum migrasi penduduk ini berdampak pada peningkatan jumlah angkatan tenaga

kerja di pulau lain dan hal ini akan mendorong pada peningkatan pengangguran dan

penurunan tingkat upah di pulau lain. Untuk mengurangi arus net migrasi ini

disarankan kepada pemerintah setempat untuk melakukan intervensi melalui

pemberlakukan upah minimum regional yang layak sesuai dengan tingkat

kebutuhan hidup minimum pulau. Untuk menunjang pertumbuhan industri yang

dapat di respon dengan positif oleh investor, disarankan kepada pemerintah untuk

membangun dan memperbaiki infrastruktur fisik yang mendukung pada kegiatan

industri. Infrastruktur fisik yang penting diantaranya adalah sarana transportasi dan

komunikasi dan juga diperlukan intervensi pemerintah setempat untuk memberikan

berbagai macam insentif yang meringankan investor yang memilih lokasi usahanya.

Untuk mendorong peningkatan ekspor untuk barang dan jasa yang menjadi

unggulan, perlu dilakukan intervensi pemerintah daerah. Disarankan pemerintah

daerah berupaya dengan cara memberikan insentif untuk berproduksi bagi para

eksportir, seperti kemudahan dalam pengurusan administasi dan penurunan pajak.

Selain itu pemerintah juga berusaha memfasilitasi peningkatan produksi bagi usaha

mikro kecil dan menengah yang berorientasi ekspor. Implikasi dari kebijakan yang

mendorong ekspor tersebut diharapkan export bersih akan meningkat, dimana

permintaan terhadap tenaga kerja juga akan meningkat.

Dari stimulus investasi pemerintah, swasta dan belanja pelayanan publik

secara keseluruhan memberikan dampak positif bagi kinerja perekonomian


105

106


106

wilayah, tetapi terlihat pengangguran masih mengalami peningkatan. Dengan kata

lain bahwa setiap stimulus yang diberikan harus dibarengi dengan kesiapan wilayah

untuk menciptakan lapangan kerja bagi para pekerja baru, dan reformasi

administrasi kependudukan juga menjadi suatu skenario yang tepat baik dalam

menurunkan arus pergerakan penduduk, dengan demikian arus masuk penduduk

dari suatu wilayah satu ke wilayah lainnya dapat diantisipasi guna menahan

kenaikan jumlah penduduk yang menganggur.

6.3. Saran Penelitian Lanjutan

Model keterkaitan regional ini menjadi lebih baik dalam arti relatif

mendekati fenomena dunia nyata, maka sebaiknya wilayah dalam kajian ini

didisagregasi menjadi wilayah berdasarkan provinsi. Keuntungan dan kelebihan

model ini adalah pola atau arus migrasi, dan pola perdagangan telah dilakukan

disagregasi berdasarkan daerah tujuan (destination) dan dan daerah asal (origin),

sehingga perubahan perilaku dari suatu wilayah ke wilayah provinsi lainnya dapat

ditangkap atau dijelaskan di dalam model keterkaitan regional.

DAFTAR PUSTAKA

Blair, J. P. 1991. Urban and Regional Economics. Richard D. Irwin, Inc. Homewood, IL. Boston.

Branson, W. H. and J. M. Litvack. 1981. Macroeconomic. Second Edition. Harper & Row Publisher, New York.

Colter, J.M. 1984. Ciri-ciri dan Pola Tenaga Kerja Migran dari Daerah Perdesaan. Rural Dynamic Series No. 24. Studi Dinamika Perdesaan. Yayasan Penelitian Survey AgroEkonomi, Bogor.

Erwidodo. 1991. Urbanisasi Temporer di Jawa Barat. Monograph Series No. 4, Pusat Penelitian Sosial Ekonomi Pertanian. Dalam Monograf Dinamika Keterkaitan Desa-Kota di Jawa Barat. Arus Tenaga Kerja, Barang dan Kapital. Pusat Penelitian Sosial Ekonomi Pertanian, Bogor

Gunawan, M. dan A. Zulham. 1992. Dampak Migrasi Desa Kota Terhadap Sosial Ekonomi Perdesaan (Kasus Migrasi di Perdesaan Jawa Barat). Monograf Series No.4, Pusat Penelitian Sosial Ekonomi Pertanian, Badan Penelitian dan Pengembangan Pertanian, Departemen Pertanian, Bogor.

Hidayat, T. 1991. The Construction of Two Region Social Accounting Matrix for Indonesia and Its Application to Some Equity Issues. Ph.D Dissertation. Department of Economics, Cornell University, Ithaca.

Intriligator, M. D. 1978. Econometric Model, Techniques, and Applications. Prentice Hall Inc, New Jersey.

Koutsoyiannis, A. 1977. Theory of Econometrics: An Introductory Exposition of Econometic Methods. Second Edition. The MacMillan Press Ltd, London

Levy, M.B. dan W.J. Wadycki. 1974. Education and The Decision to Migrate : An Econometric Analysis of Migration in Venezuela. Econometric Jurnal, 42 (2) : 377-388.

McCann, P. 2001. Urban and Regional Economics. Oxford University Press. New York.

Mintchell. 1961. The Cause of Labour Migration in Migrant. Dalam I.B. Mantra dan M. Molo. 1985. Konferensi Nasional Pusat Studi Kependudukan III, Jakarta.

Pindyck, R. S. and D. L. Rubinfeld. 1991. Econometric Models and Economic Forcasts. Third Edition. McGraw-Hill Inc, New York.

Pyatt, G. and J.I. Round. 1985. Regional Account in a SAM Framework. The World Bank, Washington D.C.


108


Richardson, H.W. 1969. Regional Economics. Praeger Publisher, New York.

Rofiqoh. 1994. Analisis Faktor-Faktor yang Mempengaruhi Migrasi dan Produktivitas Pekerja di Kalimantan Timur. Skripsi Sarjana. Jurusan Ilmu-Ilmu Sosial Ekonomi Pertanian, Fakultas Pertanian, Institut Pertanian Bogor, Bogor.

Romer, D. 1996. Advanced Macroeconomics. McGraw Hill Companies, Inc. Berkeley, USA.

Sutomo, S. 1995. Kemiskinan dan Pembangunan Ekonomi Wilayah: Analisis Sistem Neraca Sosial Ekonomi. Disertasi Doktor. Program Pascasarjana, Institut Pertanian Bogor, Bogor.

Syafa’at, N., C. Saleh dan A.S. Bagi. 1998. Dampak Mobilitas Angkatan Kerja Terhadap Penyerapan Tenaga Kerja dan Pendapatan Rumah Tangga Perdesaan. Makalah Disampaikan Dalam Seminar Nasional Pembangunan Pertanian dan Perdesaan Dalam Otonomi Daerah, Bogor, 16-17 November 1998, Bogor.

Tirtosudarmo, R. 1985. Migration Decision Making. The Casae of East Java. National Institut of Economic and Social Research, Jakarta.

Todaro, M. P. 2000. Economic Development. Pearson Education Limited, New York.

Treyz, George I. 1993. Regional Economic Modelling : A Systematic Approach to Economic Forecasting and Policy Analysis, Kluwer Academic Publisher, USA.

Tumenggung, Y.A. 1995. An Interregional Computable General Equilibrium Model for Indonesia: Measuring the Regional Economic Consequences of National Tax Policy. Ph.D Dissertation. Regional Science Program, Cornell University, Ithaca.

Worldbank, 2007. Kajian Pengeluaran Publik Indonesia: Memaksimalkan Peluang Baru. Worldbank Indonesia, Jakarta.

Wuryanto, L.E. 1996. Fiscal Decentralitation and Economic Performance In Indonesia : An Interregional Computable General Ekuilibrium Approach. Ph.D. Dissertation. Faculty of Graduate School, Cornell University, Ithaca.

Wie, T.K. 1981. Pembangunan Ekonomi dan Pemerataan: Beberapa Pendekatan Alternatif. LP3ES, Jakarta.

LAMPIRAN

Regional Economic and Demographi Indonesian Model

The MODEL Procedure

Model Summary

Model Variables 329

Endogenous 203

Exogenous 126

Parameters 989

ID Variables 1

Equations 203

Number of Statements 245

Program Lag Length 1

The 203 Equations to Estimate

LnPDRB1 = F(a11, a12, a13, a14(DK), a15)

LnPDRB2 = F(a20(1), a21, a22, a23, a25)

LnPDRB3 = F(a30(1), a31, a32, a33, a35)

LnPDRB4 = F(a40(1), a41, a42, a45)

LnPDRB5 = F(a51, a52, a53, a55)

LnPDRB6 = F(a61, a62, a63)

LnPDRB7 = F(a70(1), a71, a72, a73, a75)

LnTK1 = F(b10(1), b11, b12, b13(NX1), b15)

LnTK2 = F(b20(1), b21, b22, b23, b25)

LnTK3 = F(b30(1), b31, b32, b35)

LnTK4 = F(b40(1), b41, b42, b43(NX4), b45)

LnTK5 = F(b50(1), b51, b52, b53(NX5), b55)

LnTK6 = F(b60(1), b61, b62(LnPDRB6), b63(NX6), b65)

LnTK7 = F(b70(1), b71, b72, b73(NX7), b75)

LnLF1 = F(c10(1), c11, c12, c14)

LnLF2 = F(c20(1), c21, c22, c24)

LnLF3 = F(c30(1), c31, c32, c34)

LnLF4 = F(c40(1), c41, c42, c44)

LnLF5 = F(c50(1), c51, c52, c54)

LnLF6 = F(c60(1), c61, c62, c64)

LnLF7 = F(c70(1), c71, c72, c74)

LnUpah1 = F(d10(1), d11, d12, d14)

LnUpah2 = F(d20(1), d21, d22, d23, d24)

LnUpah3 = F(d30(1), d31, d32, d33, d34)


The MODEL Procedure


LnUpah4 = F(d40(1), d41, d42, d43, d44)

LnUpah5 = F(d50(1), d51, d52, d53, d54)

LnUpah6 = F(d60(1), d61, d62, d63, d64)

LnUpah7 = F(d70(1), d71, d72, d73, d74)

LnPOV1 = F(e10(1), e11, e12, e14, e15)

LnPOV2 = F(e20(1), e21, e23, e24, e25)

LnPOV3 = F(e30(1), e31, e32, e33, e34, e35)

LnPOV4 = F(e40(1), e41, e43, e44, e45)

LnPOV5 = F(e50(1), e51, e52, e53, e54, e55)

LnPOV6 = F(e60(1), e61(LnPDRB6), e62, e63, e64, e65)

LnPOV7 = F(e70(1), e71, e72, e73, e75)

LnMI1D2 = F(f10(1), f11, f12, f13, f14)

LnMI1D3 = F(f20(1), f21, f22, f23, f24)

LnMI1D4 = F(f30(1), f31, f32, f33, f34)

LnMI1D5 = F(f40(1), f41, f42, f43, f44)

LnMI1D6 = F(f50(1), f51, f52, f53, f54)

LnMI1D7 = F(f60(1), f61, f62, f63, f64)

LnMI2D1 = F(g10(1), g11, g12, g13, g14)

LnMI2D3 = F(g20(1), g21, g22, g23, g24)

LnMI2D4 = F(g30(1), g31, g32, g33, g34)

LnMI2D5 = F(g40(1), g41, g42, g43, g44)

LnMI2D6 = F(g50(1), g51, g52, g53, g54)

LnMI2D7 = F(g60(1), g61, g62, g63, g64)

LnMI3D1 = F(h10(1), h11, h12, h13, h14)

LnMI3D2 = F(h20(1), h21, h22, h23, h24)

LnMI3D4 = F(h30(1), h31, h32, h33, h34)

LnMI3D5 = F(h40(1), h41, h42, h43, h44)

LnMI3D6 = F(h50(1), h51, h52, h53, h54)

LnMI3D7 = F(h60(1), h61, h62, h63, h64)

LnMI4D1 = F(i10(1), i11, i12, i13, i14)

LnMI4D2 = F(i20(1), i21, i22, i23, i24)

LnMI4D3 = F(i30(1), i31, i32, i33, i34)

LnMI4D5 = F(i40(1), i41, i42, i43, i44)

LnMI4D6 = F(i50(1), i51, i52, i53, i54)

LnMI4D7 = F(i60(1), i61, i62, i63, i64)


The MODEL Procedure


LnMI5D1 = F(j10(1), j11, j12, j13, j14)

LnMI5D2 = F(j20(1), j21, j22, j23, j24)

LnMI5D3 = F(j30(1), j31, j32, j33, j34)

LnMI5D4 = F(j40(1), j41, j42, j43, j44)

LnMI5D6 = F(j50(1), j51, j52, j53, j54)

LnMI5D7 = F(j60(1), j61, j62, j63, j64)

LnMI6D1 = F(k10(1), k11, k12(LnPDRB6), k13, k14)






LnMI7D1 = F(l10(1), l11, l12, l14)

LnMI7D2 = F(l20(1), l21, l22, l23, l24)

LnMI7D3 = F(l30(1), l31, l32, l33, l34)

LnMI7D4 = F(l40(1), l41, l42, l44)

LnMI7D5 = F(l50(1), l51, l52, l54)

LnMI7D6 = F(l60(1), l61, l62, l64)

LnMO1K2 = F(m10(1), m11, m12, m13, m14)

LnMO1K3 = F(m20(1), m21, m22, m23, m24)

LnMO1K4 = F(m30(1), m31, m32, m33, m34)

LnMO1K5 = F(m40(1), m41, m42, m43, m44)

LnMO1K6 = F(m50(1), m51, m52(LnPDRB6), m53, m54)

LnMO1K7 = F(m60(1), m61, m62, m63, m64)

LnMO2K1 = F(n10(1), n11, n12, n14)

LnMO2K3 = F(n20(1), n21, n22)

LnMO2K4 = F(n30(1), n31, n32, n34)

LnMO2K5 = F(n40(1), n41, n42, n44)

LnMO2K6 = F(n50(1), n51, n52(LnPDRB6), n54)

LnMO2K7 = F(n60(1), n61, n62, n64)

LnMO3K1 = F(o10(1), o11, o12, o13, o14)

LnMO3K2 = F(o20(1), o21, o22, o23, o24)

LnMO3K4 = F(o30(1), o31, o32, o33, o34)

LnMO3K5 = F(o40(1), o41, o42, o43, o44)

LnMO3K6 = F(o50(1), o51, o52(LnPDRB6), o53, o54)


The MODEL Procedure


LnMO3K7 = F(o61, o63, o65)

LnMO4K1 = F(p10(1), p11, p12, p13, p14)

LnMO4K2 = F(p20(1), p21, p22, p23, p24)

LnMO4K3 = F(p30(1), p31, p32, p33, p34)

LnMO4K5 = F(p40(1), p41, p42, p43)

LnMO4K6 = F(p50(1), p51, p52(LnPDRB6), p53)

LnMO4K7 = F(p60(1), p61, p62, p63, p64)

LnMO5K1 = F(q10(1), q11, q12, q13, q14)

LnMO5K2 = F(q20(1), q21, q22, q23, q24)

LnMO5K3 = F(q30(1), q31, q32, q33, q34)

LnMO5K4 = F(q40(1), q41, q42, q43, q44)

LnMO5K6 = F(q50(1), q51, q52(LnPDRB6), q53, q54)

LnMO5K7 = F(q60(1), q61, q62, q63, q64)

LnMO6K1 = F(r10(1), r11, r12, r13, r14)

LnMO6K2 = F(r20(1), r21, r22, r23, r24)

LnMO6K3 = F(r30(1), r31, r32, r33, r34)

LnMO6K4 = F(r40(1), r41, r42, r43, r44)

LnMO6K5 = F(r50(1), r51, r52, r53, r54)

LnMO6K7 = F(r60(1), r61, r62, r63, r64)

LnMO7K1 = F(s10(1), s11, s12, s13, s14)

LnMO7K2 = F(s20(1), s21, s22, s23, s24)

LnMO7K3 = F(s30(1), s31, s32, s33, s34)

LnMO7K4 = F(s40(1), s41, s42, s43, s44)

LnMO7K5 = F(s50(1), s51, s52, s53, s54)

LnMO7K6 = F(s60(1), s61, s62(LnPDRB6), s63, s64)

LnX1K2 = F(t10(1), t11, t12, t13, t14)

LnX1K3 = F(t20(1), t21, t22, t23, t24)

LnX1K4 = F(t30(1), t31, t32, t33, t34)

LnX1K5 = F(t40(1), t41, t42, t43, t44)

LnX1K6 = F(t50(1), t51, t52(LnPDRB6), t53, t54)

LnX1K7 = F(t60(1), t61, t62, t63, t64)

LnX2K1 = F(u10(1), u11, u12, u13, u14)

LnX2K3 = F(u20(1), u21, u22, u23, u24)

LnX2K4 = F(u30(1), u31, u32, u33, u34)

LnX2K5 = F(u40(1), u41, u42, u43, u44)


The MODEL Procedure


LnX2K6 = F(u50(1), u51, u52(LnPDRB6), u53, u54)

LnX2K7 = F(u60(1), u61, u62, u63, u64)

LnX3K1 = F(v10(1), v11, v12, v13, v14)

LnX3K2 = F(v20(1), v21, v22, v23, v24)

LnX3K4 = F(v30(1), v31, v32, v33, v34)

LnX3K5 = F(v40(1), v41, v42, v43, v44)

LnX3K6 = F(v50(1), v51, v52(LnPDRB6), v53, v54)

LnX3K7 = F(v60(1), v61, v62, v63, v64)

LnX4K1 = F(w10(1), w11, w12, w13, w14)

LnX4K2 = F(w20(1), w21, w22, w23, w24)

LnX4K3 = F(w30(1), w31, w32, w33, w34)

LnX4K5 = F(w40(1), w41, w42, w43, w44)

LnX4K6 = F(w50(1), w51, w52(LnPDRB6), w53, w54)

LnX4K7 = F(w60(1), w61, w62, w63, w64)

LnX5K1 = F(x10(1), x11, x12, x13, x14)

LnX5K2 = F(x20(1), x21, x22, x23, x24)

LnX5K3 = F(x30(1), x31, x32, x33, x34)

LnX5K4 = F(x40(1), x41, x42, x43, x44)

LnX5K6 = F(x50(1), x51, x52(LnPDRB6), x53, x54)

LnX5K7 = F(x60(1), x61, x62, x63, x64)

LnX6K1 = F(y10(1), y11, y12, y13, y14)

LnX6K2 = F(y20(1), y21, y22, y23, y24)

LnX6K3 = F(y30(1), y31, y32, y33, y34)

LnX6K4 = F(y40(1), y41, y42, y43, y44)

LnX6K5 = F(y50(1), y51, y52, y53, y54)

LnX6K7 = F(y60(1), y61, y62, y63, y64)

LnX7K1 = F(z10(1), z11, z12, z13, z14)

LnX7K2 = F(z20(1), z21, z22, z23, z24)

LnX7K3 = F(z30(1), z31, z32, z33, z34)

LnX7K4 = F(z40(1), z41, z42, z43, z44)

LnX7K5 = F(z50(1), z51, z52, z53, z54)

LnX7K6 = F(z60(1), z61, z62(LnPDRB6), z63, z64)

LnM1D2 = F(aa10(1), aa11, aa12, aa13, aa14)




The MODEL Procedure





LnM2D1 = F(bb10(1), bb11, bb12, bb13, bb14)






LnM3D1 = F(cc10(1), cc11, cc12, cc13, cc14)






LnM4D1 = F(dd10(1), dd11, dd12, dd13, dd14)






LnM5D1 = F(ee10(1), ee11, ee12, ee13, ee14)






LnM6D1 = F(ff10(1), ff11, ff12(LnPDRB6), ff13, ff14)



LnM6D4 = F(ff40(1), ff41, ff42(LnPDRB6), ff43)



LnM7D1 = F(gg10(1), gg11, gg12, gg13, gg14)



The MODEL Procedure






Instruments 1 UN1 UN2 UN3 UN4 UN5 UN6 UN7 NMG1 NMG2 NMG3 NMG4 NMG5 NMG6 NMG7 POP1 POP2 BPP6 NX1 NX2 NX3 NX4 NX5 NX6 NX7 X1T X2T X3T X4T X5T X6T X7T

The estimation lag length 1

NOTE: At 2SLS Iteration 1 CONVERGE=0.001 Criteria Met.


The MODEL Procedure2SLS Estimation Summary

Data Set Options

DATA= ANALISIS

Minimization Summary

Parameters Estimated 989

Method Gauss

Iterations 1

Final Convergence Criteria

R 1.8E-9

PPC(e12) 5.956E-7

RPC(e60) 4315220

Object 0.998018

Trace(S) 15.30529

Objective Value 12.99923

Observations Processed

Read 34

Solved 33

First 2

Last 34

Lagged 1


The MODEL Procedure

Nonlinear 2SLS Summary of Residual Errors

Equation DF

Model DF

Error SSE MSE Root MSE R-SquareAdj

R-Sq Durbin Watson

LnPDRB1 5 28 0.2322 0.00829 0.0911 0.9822 0.9796 1.4512

LnPDRB2 5 28 0.1774 0.00634 0.0796 0.9911 0.9898 1.4369

LnPDRB3 5 28 0.1724 0.00616 0.0785 0.9890 0.9874 2.1410

LnPDRB4 4 29 0.1143 0.00394 0.0628 0.9915 0.9906 1.5160

LnPDRB5 4 29 1.1047 0.0381 0.1952 0.9248 0.9170 2.3077

LnPDRB6 3 30 4.4124 0.1471 0.3835 0.4540 0.4176 0.5195

LnPDRB7 5 28 0.4803 0.0172 0.1310 0.9743 0.9706 1.9678

LnTK1 5 28 0.0342 0.00122 0.0349 0.9549 0.9484 2.6765

LnTK2 5 28 0.0833 0.00297 0.0545 0.7855 0.7549 2.0648

LnTK3 4 29 0.1284 0.00443 0.0665 0.9061 0.8964 2.1991

LnTK4 5 28 0.0726 0.00259 0.0509 0.8901 0.8743 2.3360

LnTK5 5 28 0.0128 0.000456 0.0213 0.9805 0.9777 2.0853

LnTK6 5 28 0.2628 0.00938 0.0969 0.7743 0.7420 1.9830

LnTK7 5 28 0.1814 0.00648 0.0805 0.9064 0.8931 1.7841

LnLF1 4 29 0.00306 0.000106 0.0103 0.9971 0.9968 1.0681

LnLF2 4 29 0.00734 0.000253 0.0159 0.9870 0.9857 0.7373

LnLF3 4 29 0.00394 0.000136 0.0116 0.9977 0.9974 0.8928

LnLF4 4 29 0.00720 0.000248 0.0158 0.9927 0.9919 0.8509

LnLF5 4 29 0.00219 0.000076 0.00869 0.9974 0.9971 0.9175

LnLF6 4 29 0.0258 0.000889 0.0298 0.9775 0.9751 0.4593

LnLF7 4 29 0.00252 0.000087 0.00933 0.9989 0.9988 1.7485

LnUpah1 4 29 0.6076 0.0210 0.1447 0.9642 0.9605 1.9261

LnUpah2 5 28 0.3935 0.0141 0.1185 0.9858 0.9838 1.4595

LnUpah3 5 28 0.2093 0.00748 0.0865 0.9909 0.9896 1.3918

LnUpah4 5 28 0.5001 0.0179 0.1336 0.9801 0.9773 2.0700

LnUpah5 5 28 0.2561 0.00914 0.0956 0.9933 0.9924 2.2037

LnUpah6 5 28 0.3570 0.0127 0.1129 0.9895 0.9880 2.3709

LnUpah7 5 28 0.1887 0.00674 0.0821 0.9951 0.9944 2.2386

LnPOV1 5 28 0.4037 0.0144 0.1201 0.8659 0.8467 1.7235

LnPOV2 5 28 0.1600 0.00571 0.0756 0.9623 0.9569 1.4875

LnPOV3 6 27 0.2767 0.0102 0.1012 0.6388 0.5719 1.1747

LnPOV4 5 28 0.1770 0.00632 0.0795 0.7361 0.6984 1.9599

LnPOV5 6 27 0.1694 0.00628 0.0792 0.6459 0.5803 1.4406


The MODEL Procedure


Equation DF

Model DF


R-Sq Durbin Watson

LnPOV6 6 27 0.4072 0.0151 0.1228 0.8623 0.8368 1.3663

LnPOV7 5 28 0.6624 0.0237 0.1538 0.7154 0.6748 1.4761

LnMI1D2 5 28 0.4335 0.0155 0.1244 0.9054 0.8919 1.2879

LnMI1D3 5 28 1.9249 0.0687 0.2622 0.8019 0.7736 2.1459

LnMI1D4 5 28 1.0359 0.0370 0.1923 0.9094 0.8964 0.8920

LnMI1D5 5 28 1.4662 0.0524 0.2288 0.7010 0.6583 1.7420

LnMI1D6 5 28 1.4662 0.0524 0.2288 0.7010 0.6583 1.7420

LnMI1D7 5 28 1.4662 0.0524 0.2288 0.7010 0.6583 1.7420

LnMI2D1 5 28 1.3894 0.0496 0.2228 0.6879 0.6433 1.7057

LnMI2D3 5 28 0.9420 0.0336 0.1834 0.8220 0.7966 1.5591

LnMI2D4 5 28 3.8893 0.1389 0.3727 0.6569 0.6079 1.7316

LnMI2D5 5 28 4.4980 0.1606 0.4008 0.7177 0.6774 1.9510

LnMI2D6 5 28 4.4980 0.1606 0.4008 0.7177 0.6774 1.9510

LnMI2D7 5 28 4.4980 0.1606 0.4008 0.7177 0.6774 1.9510

LnMI3D1 5 28 2.3311 0.0833 0.2885 0.5942 0.5362 2.1538

LnMI3D2 5 28 0.4971 0.0178 0.1332 0.8525 0.8314 1.1268

LnMI3D4 5 28 2.3297 0.0832 0.2885 0.6584 0.6096 2.0659

LnMI3D5 5 28 11.7162 0.4184 0.6469 0.4123 0.3283 2.0478

LnMI3D6 5 28 11.7162 0.4184 0.6469 0.4123 0.3283 2.0478

LnMI3D7 5 28 11.7162 0.4184 0.6469 0.4123 0.3283 2.0478

LnMI4D1 5 28 0.5553 0.0198 0.1408 0.8300 0.8057 1.0611

LnMI4D2 5 28 1.4007 0.0500 0.2237 0.7351 0.6972 1.9391

LnMI4D3 5 28 2.0809 0.0743 0.2726 0.3399 0.2457 1.9858

LnMI4D5 5 28 1.2712 0.0454 0.2131 0.8476 0.8258 1.7877

LnMI4D6 5 28 1.2712 0.0454 0.2131 0.8476 0.8258 1.7877

LnMI4D7 5 28 1.2712 0.0454 0.2131 0.8476 0.8258 1.7877

LnMI5D1 5 28 1.9899 0.0711 0.2666 0.5812 0.5214 2.5220

LnMI5D2 5 28 0.6847 0.0245 0.1564 0.7979 0.7691 2.2581

LnMI5D3 5 28 0.4541 0.0162 0.1273 0.9385 0.9297 2.0704

LnMI5D4 5 28 0.6872 0.0245 0.1567 0.8167 0.7905 2.5017

LnMI5D6 5 28 0.6872 0.0245 0.1567 0.8167 0.7905 2.5017

LnMI5D7 5 28 0.6872 0.0245 0.1567 0.8167 0.7905 2.5017

LnMI6D1 5 28 1.7518 0.0626 0.2501 0.6314 0.5787 2.4375


The MODEL Procedure


Equation DF

Model DF


R-Sq Durbin Watson

LnMI6D2 5 28 0.6720 0.0240 0.1549 0.8017 0.7733 2.4265

LnMI6D3 5 28 0.5773 0.0206 0.1436 0.9218 0.9107 2.3550

LnMI6D4 5 28 0.6640 0.0237 0.1540 0.8228 0.7975 2.4271

LnMI6D5 5 28 0.6640 0.0237 0.1540 0.8228 0.7975 2.4271

LnMI6D7 5 28 0.6640 0.0237 0.1540 0.8228 0.7975 2.4271

LnMI7D1 4 29 2.1840 0.0753 0.2744 0.5404 0.4929 2.4952

LnMI7D2 5 28 0.7033 0.0251 0.1585 0.7924 0.7628 2.2419

LnMI7D3 5 28 0.5531 0.0198 0.1405 0.9251 0.9144 2.2431

LnMI7D4 4 29 0.8009 0.0276 0.1662 0.7863 0.7642 2.5217

LnMI7D5 4 29 0.8009 0.0276 0.1662 0.7863 0.7642 2.5217

LnMI7D6 4 29 0.8009 0.0276 0.1662 0.7863 0.7642 2.5217

LnMO1K2 5 28 0.8680 0.0310 0.1761 0.8592 0.8391 1.8488

LnMO1K3 5 28 1.7441 0.0623 0.2496 0.8596 0.8395 2.1073

LnMO1K4 5 28 2.2183 0.0792 0.2815 0.6811 0.6356 1.6519

LnMO1K5 5 28 4.1559 0.1484 0.3853 0.5155 0.4462 2.0623

LnMO1K6 5 28 0.9884 0.0353 0.1879 0.8882 0.8722 1.9322

LnMO1K7 5 28 1.0203 0.0364 0.1909 0.8349 0.8113 1.5619

LnMO2K1 4 29 0.2840 0.00979 0.0990 0.9452 0.9396 0.7844

LnMO2K3 3 30 2.2325 0.0744 0.2728 0.3837 0.3426 0.2495

LnMO2K4 4 29 0.5015 0.0173 0.1315 0.9069 0.8973 2.0898

LnMO2K5 4 29 1.1415 0.0394 0.1984 0.9083 0.8988 1.2240

LnMO2K6 4 29 1.0432 0.0360 0.1897 0.9162 0.9075 1.4730

LnMO2K7 4 29 1.0306 0.0355 0.1885 0.9172 0.9087 1.3415

LnMO3K1 5 28 0.7839 0.0280 0.1673 0.9152 0.9031 1.1854

LnMO3K2 5 28 0.2770 0.00989 0.0995 0.9539 0.9474 1.4706

LnMO3K4 5 28 0.3958 0.0141 0.1189 0.9384 0.9296 1.4150

LnMO3K5 5 28 1.8324 0.0654 0.2558 0.9130 0.9006 2.4431

LnMO3K6 5 28 1.8151 0.0648 0.2546 0.9138 0.9015 2.4053

LnMO3K7 3 30 2.1663 0.0722 0.2687 0.8971 0.8903 2.1216

LnMO4K1 5 28 0.6364 0.0227 0.1508 0.9554 0.9491 0.7260

LnMO4K2 5 28 1.0904 0.0389 0.1973 0.9319 0.9222 0.6462

LnMO4K3 5 28 0.7088 0.0253 0.1591 0.9629 0.9576 0.6390

LnMO4K5 4 29 4.4249 0.1526 0.3906 0.2261 0.1460 0.2490


The MODEL Procedure


Equation DF

Model DF


R-Sq Durbin Watson

LnMO4K6 4 29 4.1927 0.1446 0.3802 0.2667 0.1908 0.3367

LnMO4K7 5 28 0.5196 0.0186 0.1362 0.9091 0.8961 1.0653

LnMO5K1 5 28 2.8719 0.1026 0.3203 0.8123 0.7855 2.1152

LnMO5K2 5 28 2.8214 0.1008 0.3174 0.8565 0.8360 2.3221

LnMO5K3 5 28 3.5949 0.1284 0.3583 0.8188 0.7929 1.9910

LnMO5K4 5 28 2.2698 0.0811 0.2847 0.7665 0.7332 2.0956

LnMO5K6 5 28 2.4567 0.0877 0.2962 0.7473 0.7112 2.1597

LnMO5K7 5 28 1.5804 0.0564 0.2376 0.8374 0.8142 2.1829

LnMO6K1 5 28 1.8997 0.0678 0.2605 0.8281 0.8035 2.0193

LnMO6K2 5 28 1.9614 0.0700 0.2647 0.8588 0.8386 1.9263

LnMO6K3 5 28 2.9249 0.1045 0.3232 0.8386 0.8155 2.0398

LnMO6K4 5 28 1.8966 0.0677 0.2603 0.7153 0.6747 2.1739

LnMO6K5 5 28 1.8323 0.0654 0.2558 0.7250 0.6857 2.2497

LnMO6K7 5 28 1.8907 0.0675 0.2599 0.7162 0.6757 2.1481

LnMO7K1 5 28 1.8220 0.0651 0.2551 0.8351 0.8115 2.0784

LnMO7K2 5 28 2.0143 0.0719 0.2682 0.8550 0.8343 2.0505

LnMO7K3 5 28 2.8623 0.1022 0.3197 0.8420 0.8195 2.0434

LnMO7K4 5 28 1.8361 0.0656 0.2561 0.7244 0.6850 2.2150

LnMO7K5 5 28 1.8491 0.0660 0.2570 0.7225 0.6828 2.0735

LnMO7K6 5 28 1.9116 0.0683 0.2613 0.7131 0.6721 2.1719

LnX1K2 5 28 0.2245 0.00802 0.0895 0.9361 0.9269 1.8168

LnX1K3 5 28 0.7209 0.0257 0.1605 0.4400 0.3600 1.9282

LnX1K4 5 28 1.2188 0.0435 0.2086 0.7450 0.7085 1.6277

LnX1K5 5 28 35.3432 1.2623 1.1235 0.2409 0.1324 2.1763

LnX1K6 5 28 1.2288 0.0439 0.2095 0.7429 0.7061 1.6702

LnX1K7 5 28 34.4915 1.2318 1.1099 0.2591 0.1533 2.2245

LnX2K1 5 28 0.1899 0.00678 0.0823 0.9896 0.9881 2.2066

LnX2K3 5 28 0.3068 0.0110 0.1047 0.9811 0.9784 1.9501

LnX2K4 5 28 0.5854 0.0209 0.1446 0.9712 0.9671 2.0981

LnX2K5 5 28 0.5072 0.0181 0.1346 0.9699 0.9656 1.9434

LnX2K6 5 28 0.6273 0.0224 0.1497 0.9628 0.9575 2.1084

LnX2K7 5 28 0.5584 0.0199 0.1412 0.9669 0.9622 1.9756

LnX3K1 5 28 0.3350 0.0120 0.1094 0.9814 0.9787 1.6634


The MODEL Procedure


Equation DF

Model DF


R-Sq Durbin Watson

LnX3K2 5 28 0.2607 0.00931 0.0965 0.9823 0.9797 2.0479

LnX3K4 5 28 0.8556 0.0306 0.1748 0.9609 0.9553 1.5602

LnX3K5 5 28 0.4822 0.0172 0.1312 0.9709 0.9667 1.6955

LnX3K6 5 28 0.7379 0.0264 0.1623 0.9553 0.9489 1.8105

LnX3K7 5 28 0.4051 0.0145 0.1203 0.9756 0.9721 1.7132

LnX4K1 5 28 0.2576 0.00920 0.0959 0.9656 0.9606 1.7452

LnX4K2 5 28 0.2512 0.00897 0.0947 0.9606 0.9549 1.6281

LnX4K3 5 28 1.0411 0.0372 0.1928 0.9008 0.8866 1.8865

LnX4K5 5 28 0.2991 0.0107 0.1034 0.9445 0.9366 1.8469

LnX4K6 5 28 0.4094 0.0146 0.1209 0.9240 0.9132 2.1908

LnX4K7 5 28 0.3621 0.0129 0.1137 0.9328 0.9232 2.0608

LnX5K1 5 28 6.5716 0.2347 0.4845 0.6680 0.6206 1.8061

LnX5K2 5 28 5.0267 0.1795 0.4237 0.7376 0.7001 2.1398

LnX5K3 5 28 5.5523 0.1983 0.4453 0.7571 0.7224 1.8838

LnX5K4 5 28 8.2879 0.2960 0.5441 0.5841 0.5247 1.9117

LnX5K6 5 28 3.1024 0.1108 0.3329 0.8370 0.8137 2.1154

LnX5K7 5 28 5.5732 0.1990 0.4461 0.7071 0.6653 1.8683

LnX6K1 5 28 1.3539 0.0484 0.2199 0.9169 0.9050 1.3581

LnX6K2 5 28 0.2601 0.00929 0.0964 0.9809 0.9781 1.9776

LnX6K3 5 28 0.9515 0.0340 0.1843 0.9342 0.9248 1.5251

LnX6K4 5 28 1.5230 0.0544 0.2332 0.9196 0.9081 2.2153

LnX6K5 5 28 0.3194 0.0114 0.1068 0.9778 0.9746 1.8331

LnX6K7 5 28 0.3067 0.0110 0.1047 0.9787 0.9756 1.8399

LnX7K1 5 28 1.3085 0.0467 0.2162 0.9259 0.9154 1.6755

LnX7K2 5 28 0.4123 0.0147 0.1213 0.9757 0.9722 1.6154

LnX7K3 5 28 1.1386 0.0407 0.2017 0.9495 0.9422 1.7151

LnX7K4 5 28 1.8627 0.0665 0.2579 0.9005 0.8863 2.3997

LnX7K5 5 28 0.3907 0.0140 0.1181 0.9784 0.9753 1.5619

LnX7K6 5 28 0.3783 0.0135 0.1162 0.9791 0.9761 1.6067

LnM1D2 5 28 0.3756 0.0134 0.1158 0.8960 0.8812 2.2943

LnM1D3 5 28 0.2408 0.00860 0.0927 0.7121 0.6710 2.1314

LnM1D4 5 28 0.8577 0.0306 0.1750 0.6927 0.6488 2.0232

LnM1D5 5 28 4.2614 0.1522 0.3901 0.3971 0.3110 1.6340


The MODEL Procedure


Equation DF

Model DF


R-Sq Durbin Watson

LnM1D6 5 28 11.0256 0.3938 0.6275 0.3337 0.2385 1.7519

LnM1D7 5 28 1.9010 0.0679 0.2606 0.6153 0.5604 2.0366

LnM2D1 5 28 0.4516 0.0161 0.1270 0.9540 0.9474 1.7406

LnM2D3 5 28 0.4222 0.0151 0.1228 0.9108 0.8981 1.8117

LnM2D4 5 28 1.0302 0.0368 0.1918 0.8681 0.8493 1.4749

LnM2D5 5 28 1.4989 0.0535 0.2314 0.7537 0.7185 1.6538

LnM2D6 5 28 1.4989 0.0535 0.2314 0.7537 0.7185 1.6538

LnM2D7 5 28 1.4989 0.0535 0.2314 0.7537 0.7185 1.6538

LnM3D1 5 28 0.6272 0.0224 0.1497 0.9240 0.9132 1.6828

LnM3D2 5 28 0.6049 0.0216 0.1470 0.8972 0.8825 1.7275

LnM3D4 5 28 1.4974 0.0535 0.2313 0.8515 0.8303 1.3453

LnM3D5 5 28 0.8197 0.0293 0.1711 0.8853 0.8689 1.8565

LnM3D6 5 28 0.8197 0.0293 0.1711 0.8853 0.8689 1.8565

LnM3D7 5 28 0.8197 0.0293 0.1711 0.8853 0.8689 1.8565

LnM4D1 5 28 0.7089 0.0253 0.1591 0.7553 0.7204 1.4018

LnM4D2 5 28 0.5825 0.0208 0.1442 0.7007 0.6580 1.2244

LnM4D3 5 28 0.4476 0.0160 0.1264 0.7994 0.7708 1.6016

LnM4D5 5 28 0.3707 0.0132 0.1151 0.7919 0.7621 1.4026

LnM4D6 5 28 0.3707 0.0132 0.1151 0.7919 0.7621 1.4026

LnM4D7 5 28 0.3707 0.0132 0.1151 0.7919 0.7621 1.4026

LnM5D1 5 28 5.0843 0.1816 0.4261 0.9179 0.9062 1.7924

LnM5D2 5 28 5.2880 0.1889 0.4346 0.9100 0.8972 1.6898

LnM5D3 5 28 4.7020 0.1679 0.4098 0.9186 0.9070 1.7993

LnM5D4 5 28 5.9983 0.2142 0.4628 0.9061 0.8926 1.5984

LnM5D6 5 28 5.4405 0.1943 0.4408 0.9113 0.8986 1.6921

LnM5D7 5 28 5.3589 0.1914 0.4375 0.9122 0.8997 1.6977

LnM6D1 5 28 1.7135 0.0612 0.2474 0.2459 0.1382 2.0255

LnM6D2 5 28 1.8786 0.0671 0.2590 0.4317 0.3505 2.0854

LnM6D3 5 28 2.7599 0.0986 0.3140 0.2603 0.1546 1.8886

LnM6D4 4 29 5.4800 0.1890 0.4347 0.1119 0.0201 1.7373

LnM6D5 5 28 1.7457 0.0623 0.2497 0.3167 0.2191 2.0461

LnM6D7 5 28 1.7390 0.0621 0.2492 0.3090 0.2103 2.0395

LnM7D1 5 28 7.4452 0.2659 0.5157 0.8683 0.8495 2.5004


The MODEL Procedure


Equation DF

Model DF


R-Sq Durbin Watson

LnM7D2 5 28 6.5068 0.2324 0.4821 0.8594 0.8394 2.5493

LnM7D3 5 28 7.0025 0.2501 0.5001 0.8730 0.8549 2.4940

LnM7D4 5 28 8.1853 0.2923 0.5407 0.8441 0.8218 2.4479

LnM7D5 5 28 7.0697 0.2525 0.5025 0.8672 0.8482 2.5274

LnM7D6 5 28 7.0867 0.2531 0.5031 0.8673 0.8483 2.5279

Nonlinear 2SLS Parameter Estimates

Parameter EstimateApprox Std Err t Value

ApproxPr > |t|

a11 0.271405 0.0753 3.60 0.0012

a12 0.067154 0.0402 1.67 0.1059

a13 0.054516 0.0288 1.89 0.0688

a14 -0.21836 0.0807 -2.71 0.0115

a15 0.768583 0.0703 10.93 <.0001

a20 0.151262 2.5407 0.06 0.9529

a21 0.142784 0.2310 0.62 0.5416

a22 0.038794 0.0656 0.59 0.5587

a23 0.008076 0.0274 0.30 0.7702

a25 0.864994 0.0714 12.12 <.0001

a30 1.851517 1.4414 1.28 0.2095

a31 0.123986 0.1620 0.77 0.4505

a32 0.066226 0.0221 3.00 0.0056

a33 0.064173 0.0402 1.60 0.1216

a35 0.734206 0.0484 15.18 <.0001

a40 0.33735 1.6741 0.20 0.8417

a41 0.123754 0.1793 0.69 0.4956

a42 0.018925 0.0483 0.39 0.6982

a45 0.87097 0.0494 17.64 <.0001

a51 0.328557 0.1251 2.63 0.0136

a52 0.032489 0.0395 0.82 0.4173

a53 0.078643 0.0562 1.40 0.1726

a55 0.71872 0.1122 6.40 <.0001

a61 1.234379 0.0131 94.57 <.0001


The MODEL Procedure



ApproxPr > |t|

a62 0.129098 0.0649 1.99 0.0559

a63 0.138584 0.0566 2.45 0.0204

a70 -0.38734 1.8092 -0.21 0.8320

a71 0.288404 0.2254 1.28 0.2112

a72 0.02209 0.0299 0.74 0.4669

a73 0.027608 0.0896 0.31 0.7604

a75 0.832473 0.1245 6.69 <.0001

b10 0.029714 1.1384 0.03 0.9794

b11 -0.02101 0.0187 -1.12 0.2710

b12 0.014456 0.0148 0.97 0.3381

b13 6.354E-7 1.418E-6 0.45 0.6574

b15 0.989841 0.1378 7.18 <.0001

b20 6.347575 2.0891 3.04 0.0051

b21 0.039461 0.0304 1.30 0.2048

b22 0.030441 0.0212 1.44 0.1622

b23 1.959E-7 9.435E-7 0.21 0.8370

b25 0.356848 0.1976 1.81 0.0817

b30 2.062735 1.0498 1.96 0.0591

b31 0.049827 0.0331 1.51 0.1429

b32 0.046062 0.0267 1.72 0.0957

b35 0.657061 0.1594 4.12 0.0003

b40 1.873936 1.2494 1.50 0.1448

b41 0.019954 0.0215 0.93 0.3619

b42 0.057213 0.0336 1.70 0.0998

b43 -9.8E-6 0.000020 -0.49 0.6297

b45 0.702661 0.1604 4.38 0.0002

b50 3.252853 1.0815 3.01 0.0055

b51 0.063451 0.0188 3.37 0.0022

b52 0.002353 0.00946 0.25 0.8053

b53 9.326E-6 6.171E-6 1.51 0.1419

b55 0.554178 0.1444 3.84 0.0006

b60 1.9094 0.8358 2.28 0.0301

b61 0.021632 0.0285 0.76 0.4543


The MODEL Procedure



ApproxPr > |t|

b62 0.008369 0.0645 0.13 0.8977

b63 0.000065 0.000040 1.63 0.1133

b65 0.680132 0.1106 6.15 <.0001

b70 2.145404 1.1704 1.83 0.0774

b71 0.036351 0.0510 0.71 0.4816

b72 0.043752 0.0523 0.84 0.4096

b73 0.000013 0.000012 1.04 0.3056

b75 0.599568 0.1790 3.35 0.0023

c10 -1.49137 0.1699 -8.78 <.0001

c11 0.000017 0.000016 1.04 0.3069

c12 0.902406 0.0506 17.83 <.0001

c14 0.256002 0.0419 6.11 <.0001

c20 -1.90854 0.3617 -5.28 <.0001

c21 0.00001 0.000018 0.57 0.5707

c22 0.966528 0.0543 17.79 <.0001

c24 0.214418 0.0456 4.70 <.0001

c30 -0.86416 0.0847 -10.20 <.0001

c31 0.00005 0.000049 1.02 0.3143

c32 1.005232 0.0329 30.59 <.0001

c34 0.102741 0.0303 3.39 0.0020

c40 -1.00774 0.2688 -3.75 0.0008

c41 -0.00048 0.000202 -2.40 0.0229

c42 0.876247 0.0568 15.42 <.0001

c44 0.246385 0.0458 5.38 <.0001

c50 -0.93589 0.1136 -8.24 <.0001

c51 -0.00001 0.000103 -0.12 0.9029

c52 0.919142 0.0618 14.87 <.0001

c54 0.199968 0.0598 3.34 0.0023

c60 -0.09464 0.3123 -0.30 0.7640

c61 0.000303 0.000689 0.44 0.6639

c62 0.84134 0.0525 16.02 <.0001

c64 0.179154 0.0512 3.50 0.0015

c70 -0.52822 0.0544 -9.72 <.0001


The MODEL Procedure



ApproxPr > |t|

c71 0.000313 0.000185 1.70 0.1004

c72 1.025305 0.0197 52.09 <.0001

c74 0.055862 0.0184 3.04 0.0050

d10 -5.76948 2.3927 -2.41 0.0225

d11 0.079087 0.1316 0.60 0.5527

d12 0.666505 0.2814 2.37 0.0247

d14 0.813033 0.1128 7.21 <.0001

d20 -1.78783 4.3888 -0.41 0.6868

d21 0.04681 0.1519 0.31 0.7602

d22 0.112353 0.4475 0.25 0.8036

d23 0.226549 0.1442 1.57 0.1274

d24 0.894093 0.1100 8.12 <.0001

d30 -5.72141 1.4132 -4.05 0.0004

d31 0.008734 0.0981 0.09 0.9297

d32 0.821713 0.2148 3.83 0.0007

d33 -0.11921 0.1019 -1.17 0.2517

d34 0.889419 0.0866 10.27 <.0001

d40 -8.22684 3.3892 -2.43 0.0219

d41 0.073543 0.1306 0.56 0.5780

d42 1.055462 0.4403 2.40 0.0235

d43 -0.06179 0.1141 -0.54 0.5923

d44 0.822256 0.1192 6.90 <.0001

d50 -4.1538 5.6792 -0.73 0.4706

d51 -0.12322 0.0773 -1.59 0.1221

d52 0.585459 0.7703 0.76 0.4536

d53 0.100855 0.1034 0.98 0.3376

d54 0.944959 0.1620 5.83 <.0001

d60 -1.80578 1.1059 -1.63 0.1137

d61 0.053036 0.1483 0.36 0.7233

d62 0.236363 0.1565 1.51 0.1422

d63 0.051674 0.2260 0.23 0.8208

d64 0.958664 0.1025 9.35 <.0001

d70 -2.45535 1.1352 -2.16 0.0392


The MODEL Procedure



ApproxPr > |t|

d71 0.09141 0.1055 0.87 0.3937

d72 0.402536 0.1782 2.26 0.0318

d73 0.207092 0.0789 2.62 0.0139

d74 0.717904 0.1401 5.13 <.0001

e10 -363.931 154.2 -2.36 0.0254

e11 -0.12619 0.0952 -1.32 0.1959

e12 -0.00413 0.0648 -0.06 0.9497

e14 48.78785 20.5676 2.37 0.0248

e15 0.405396 0.1858 2.18 0.0376

e20 -389.604 163.0 -2.39 0.0238

e21 -0.06432 0.0474 -1.36 0.1860

e23 -0.1277 0.0764 -1.67 0.1059

e24 52.06586 21.7594 2.39 0.0237

e25 0.54836 0.1878 2.92 0.0068

e30 2.607611 1.1192 2.33 0.0275

e31 -0.01065 0.0366 -0.29 0.7733

e32 0.003252 0.1039 0.03 0.9753

e33 -0.04571 0.0351 -1.30 0.2044

e34 0.000118 0.000581 0.20 0.8399

e35 0.701425 0.1441 4.87 <.0001

e40 -92.8735 51.7485 -1.79 0.0835

e41 -0.12298 0.0476 -2.59 0.0152

e43 -0.07121 0.0462 -1.54 0.1342

e44 13.35007 6.9468 1.92 0.0649

e45 0.101703 0.2120 0.48 0.6352

e50 -349.808 162.5 -2.15 0.0404

e51 -0.115 0.0729 -1.58 0.1263

e52 -0.14288 0.0755 -1.89 0.0693

e53 -0.04373 0.0471 -0.93 0.3618

e54 46.87216 21.5236 2.18 0.0383

e55 0.469411 0.1894 2.48 0.0197

e60 -435.837 425.8 -1.02 0.3152

e61 -0.09504 0.1676 -0.57 0.5754


The MODEL Procedure



ApproxPr > |t|

e62 -0.36422 0.2346 -1.55 0.1322

e63 -0.02043 0.0835 -0.24 0.8086

e64 58.14266 56.5092 1.03 0.3127

e65 0.559465 0.1666 3.36 0.0024

e70 3.659846 1.4800 2.47 0.0197

e71 -0.00287 0.0883 -0.03 0.9743

e72 -0.06776 0.0723 -0.94 0.3568

e73 -0.0327 0.0454 -0.72 0.4772

e75 0.591039 0.1510 3.91 0.0005

f10 2.999522 0.7176 4.18 0.0003

f11 0.15675 0.1190 1.32 0.1986

f12 -0.21046 0.0797 -2.64 0.0134

f13 -0.042 0.1114 -0.38 0.7089

f14 0.810996 0.0857 9.46 <.0001

f20 1.774777 1.4701 1.21 0.2374

f21 0.471107 0.1960 2.40 0.0231

f22 -0.25819 0.1195 -2.16 0.0395

f23 -0.12335 0.1573 -0.78 0.4394

f24 0.617166 0.0964 6.40 <.0001

f30 2.611761 1.2988 2.01 0.0540

f31 0.153383 0.1982 0.77 0.4454

f32 -0.26897 0.0982 -2.74 0.0106

f33 0.049605 0.1459 0.34 0.7363

f34 0.822916 0.0961 8.56 <.0001

f40 1.721852 1.6153 1.07 0.2956

f41 0.258936 0.2268 1.14 0.2633

f42 -0.14777 0.1391 -1.06 0.2972

f43 -0.10124 0.1938 -0.52 0.6054

f44 0.648356 0.1552 4.18 0.0003

f50 1.579272 1.6587 0.95 0.3492

f51 0.258936 0.2268 1.14 0.2633

f52 -0.14777 0.1391 -1.06 0.2972

f53 -0.10124 0.1938 -0.52 0.6054


The MODEL Procedure



ApproxPr > |t|

f54 0.648356 0.1552 4.18 0.0003

f60 1.51516 1.6786 0.90 0.3744

f61 0.258936 0.2268 1.14 0.2633

f62 -0.14777 0.1391 -1.06 0.2972

f63 -0.10124 0.1938 -0.52 0.6054

f64 0.648356 0.1552 4.18 0.0003

g10 2.030529 1.1853 1.71 0.0977

g11 0.100536 0.1886 0.53 0.5981

g12 -0.07773 0.0870 -0.89 0.3791

g13 0.002701 0.1841 0.01 0.9884

g14 0.714317 0.1281 5.58 <.0001

g20 1.030657 0.8796 1.17 0.2512

g21 0.142528 0.1545 0.92 0.3641

g22 -0.04602 0.0713 -0.65 0.5241

g23 -0.00409 0.1488 -0.03 0.9783

g24 0.6997 0.1241 5.64 <.0001

g30 1.813602 1.7505 1.04 0.3090

g31 0.155722 0.3088 0.50 0.6180

g32 -0.12553 0.1475 -0.85 0.4020

g33 0.002879 0.3053 0.01 0.9925

g34 0.709138 0.1296 5.47 <.0001

g40 2.052131 2.0409 1.01 0.3233

g41 0.212775 0.3420 0.62 0.5389

g42 -0.17933 0.1765 -1.02 0.3184

g43 0.064382 0.3254 0.20 0.8446

g44 0.649189 0.1453 4.47 0.0001

g50 1.97385 2.0256 0.97 0.3382

g51 0.212775 0.3420 0.62 0.5389

g52 -0.17933 0.1765 -1.02 0.3184

g53 0.064382 0.3254 0.20 0.8446

g54 0.649189 0.1453 4.47 0.0001

g60 2.00193 2.0311 0.99 0.3327

g61 0.212775 0.3420 0.62 0.5389


The MODEL Procedure



ApproxPr > |t|

g62 -0.17933 0.1765 -1.02 0.3184

g63 0.064382 0.3254 0.20 0.8446

g64 0.649189 0.1453 4.47 0.0001

h10 1.160769 1.2870 0.90 0.3748

h11 0.632142 0.2866 2.21 0.0358

h12 -0.12279 0.1286 -0.95 0.3480

h13 -0.39353 0.2473 -1.59 0.1227

h14 0.388463 0.1751 2.22 0.0348

h20 1.114225 0.8843 1.26 0.2181

h21 0.1051 0.1571 0.67 0.5089

h22 -0.05526 0.0654 -0.84 0.4055

h23 -0.03048 0.1222 -0.25 0.8049

h24 0.802959 0.1369 5.87 <.0001

h30 2.452412 1.3399 1.83 0.0779

h31 0.709573 0.2984 2.38 0.0245

h32 -0.22064 0.1323 -1.67 0.1065

h33 -0.24232 0.2356 -1.03 0.3126

h34 0.167865 0.2003 0.84 0.4091

h40 2.43721 2.8115 0.87 0.3934

h41 0.358568 0.5108 0.70 0.4885

h42 -0.468 0.2949 -1.59 0.1237

h43 0.254393 0.4841 0.53 0.6034

h44 0.235504 0.1847 1.27 0.2129

h50 2.460735 2.8124 0.87 0.3890

h51 0.358568 0.5108 0.70 0.4885

h52 -0.468 0.2949 -1.59 0.1237

h53 0.254393 0.4841 0.53 0.6034

h54 0.235504 0.1847 1.27 0.2129

h60 2.505718 2.8140 0.89 0.3808

h61 0.358568 0.5108 0.70 0.4885

h62 -0.468 0.2949 -1.59 0.1237

h63 0.254393 0.4841 0.53 0.6034

h64 0.235504 0.1847 1.27 0.2129


The MODEL Procedure



ApproxPr > |t|

i10 0.255341 0.6679 0.38 0.7051

i11 -0.05265 0.1419 -0.37 0.7133

i12 0.001962 0.0679 0.03 0.9771

i13 0.027274 0.1305 0.21 0.8359

i14 0.938988 0.1153 8.15 <.0001

i20 2.606621 1.4605 1.78 0.0851

i21 0.037466 0.2118 0.18 0.8609

i22 -0.19688 0.1320 -1.49 0.1471

i23 0.074918 0.1860 0.40 0.6901

i24 0.69226 0.1593 4.35 0.0002

i30 0.553837 1.2062 0.46 0.6497

i31 -0.00976 0.2050 -0.05 0.9624

i32 0.02328 0.1290 0.18 0.8581

i33 0.053505 0.2051 0.26 0.7961

i34 0.510816 0.1685 3.03 0.0052

i40 -0.03362 1.0767 -0.03 0.9753

i41 0.223062 0.2705 0.82 0.4166

i42 -0.00698 0.1250 -0.06 0.9558

i43 -0.10847 0.1903 -0.57 0.5731

i44 0.764004 0.1767 4.32 0.0002

i50 0.012665 1.0940 0.01 0.9908

i51 0.223062 0.2705 0.82 0.4166

i52 -0.00698 0.1250 -0.06 0.9558

i53 -0.10847 0.1903 -0.57 0.5731

i54 0.764004 0.1767 4.32 0.0002

i60 -0.00758 1.0863 -0.01 0.9945

i61 0.223062 0.2705 0.82 0.4166

i62 -0.00698 0.1250 -0.06 0.9558

i63 -0.10847 0.1903 -0.57 0.5731

i64 0.764004 0.1767 4.32 0.0002

j10 2.792385 1.2350 2.26 0.0317

j11 0.551476 0.3687 1.50 0.1459

j12 -0.34937 0.1558 -2.24 0.0330


The MODEL Procedure



ApproxPr > |t|

j13 -0.40406 0.3824 -1.06 0.2997

j14 0.498193 0.1555 3.20 0.0034

j20 1.980989 0.7098 2.79 0.0094

j21 0.365955 0.2249 1.63 0.1149

j22 -0.09699 0.0749 -1.29 0.2060

j23 -0.15697 0.2230 -0.70 0.4874

j24 0.292062 0.1723 1.70 0.1012

j30 -2.76645 0.6748 -4.10 0.0003

j31 0.2734 0.1743 1.57 0.1281

j32 0.127732 0.0634 2.02 0.0536

j33 0.083636 0.1751 0.48 0.6365

j34 0.032902 0.1784 0.18 0.8550

j40 2.572402 1.1112 2.31 0.0282

j41 0.364344 0.2396 1.52 0.1396

j42 -0.28322 0.1223 -2.32 0.0281

j43 -0.25829 0.2417 -1.07 0.2944

j44 0.614989 0.1352 4.55 <.0001

j50 2.669161 1.1410 2.34 0.0267

j51 0.364344 0.2396 1.52 0.1396

j52 -0.28322 0.1223 -2.32 0.0281

j53 -0.25829 0.2417 -1.07 0.2944

j54 0.614989 0.1352 4.55 <.0001

j60 2.356944 1.0460 2.25 0.0323

j61 0.364344 0.2396 1.52 0.1396

j62 -0.28322 0.1223 -2.32 0.0281

j63 -0.25829 0.2417 -1.07 0.2944

j64 0.614989 0.1352 4.55 <.0001

k10 3.477939 1.1002 3.16 0.0038

k11 0.108331 0.2126 0.51 0.6143

k12 -0.38493 0.1236 -3.11 0.0042

k13 -0.02202 0.2166 -0.10 0.9198

k14 0.378691 0.1571 2.41 0.0227

k20 2.21978 0.6679 3.32 0.0025


The MODEL Procedure



ApproxPr > |t|

k21 0.292798 0.1537 1.91 0.0670

k22 -0.10092 0.0596 -1.69 0.1016

k23 -0.07066 0.1373 -0.51 0.6108

k24 0.225873 0.1833 1.23 0.2281

k30 -2.29291 0.7489 -3.06 0.0048

k31 0.397336 0.1627 2.44 0.0212

k32 0.078424 0.0575 1.36 0.1837

k33 -0.01978 0.1253 -0.16 0.8756

k34 0.123836 0.2127 0.58 0.5650

k40 3.069886 1.1712 2.62 0.0140

k41 0.073723 0.1313 0.56 0.5788

k42 -0.29444 0.1134 -2.60 0.0148

k43 -0.04023 0.1345 -0.30 0.7671

k44 0.505246 0.1585 3.19 0.0035

k50 3.166914 1.1998 2.64 0.0134

k51 0.073723 0.1313 0.56 0.5788

k52 -0.29444 0.1134 -2.60 0.0148

k53 -0.04023 0.1345 -0.30 0.7671

k54 0.505246 0.1585 3.19 0.0035

k60 3.124481 1.1873 2.63 0.0137

k61 0.073723 0.1313 0.56 0.5788

k62 -0.29444 0.1134 -2.60 0.0148

k63 -0.04023 0.1345 -0.30 0.7671

k64 0.505246 0.1585 3.19 0.0035

l10 1.649167 1.1368 1.45 0.1576

l11 0.206748 0.1249 1.66 0.1086

l12 -0.28709 0.1855 -1.55 0.1326

l14 0.567054 0.1579 3.59 0.0012

l20 1.483633 0.6499 2.28 0.0302

l21 0.440005 0.1972 2.23 0.0339

l22 -0.13029 0.0940 -1.39 0.1766

l23 -0.20722 0.1766 -1.17 0.2504

l24 0.329121 0.1706 1.93 0.0639


The MODEL Procedure



ApproxPr > |t|

l30 -2.52102 0.7555 -3.34 0.0024

l31 0.330052 0.1680 1.96 0.0595

l32 0.066183 0.0797 0.83 0.4135

l33 -0.04654 0.1573 -0.30 0.7695

l34 0.214456 0.1832 1.17 0.2517

l40 0.803447 0.9316 0.86 0.3955

l41 0.091694 0.0817 1.12 0.2707

l42 -0.12286 0.1349 -0.91 0.3700

l44 0.779634 0.1281 6.08 <.0001

l50 0.789225 0.9249 0.85 0.4005

l51 0.091694 0.0817 1.12 0.2707

l52 -0.12286 0.1349 -0.91 0.3700

l54 0.779634 0.1281 6.08 <.0001

l60 0.841317 0.9495 0.89 0.3829

l61 0.091694 0.0817 1.12 0.2707

l62 -0.12286 0.1349 -0.91 0.3700

l64 0.779634 0.1281 6.08 <.0001

m10 3.454406 1.2788 2.70 0.0116

m11 0.509871 0.3125 1.63 0.1140

m12 -0.18655 0.0818 -2.28 0.0305

m13 -0.37163 0.3965 -0.94 0.3566

m14 0.694113 0.1595 4.35 0.0002

m20 2.314206 1.3047 1.77 0.0870

m21 0.257105 0.4492 0.57 0.5717

m22 -0.37076 0.1317 -2.82 0.0088

m23 0.273164 0.5144 0.53 0.5996

m24 0.47495 0.1419 3.35 0.0023

m30 0.694236 1.7019 0.41 0.6864

m31 0.070887 0.5024 0.14 0.8888

m32 -0.06595 0.1475 -0.45 0.6583

m33 0.045479 0.5544 0.08 0.9352

m34 0.725848 0.1458 4.98 <.0001

m40 -0.31791 2.0438 -0.16 0.8775


The MODEL Procedure



ApproxPr > |t|

m41 -0.1262 0.2803 -0.45 0.6560

m42 -0.07267 0.2097 -0.35 0.7315

m43 0.518491 0.3531 1.47 0.1532

m44 0.333167 0.1810 1.84 0.0762

m50 1.387906 1.1770 1.18 0.2482

m51 0.365446 0.1506 2.43 0.0220

m52 -0.14031 0.1016 -1.38 0.1783

m53 -0.28928 0.2027 -1.43 0.1646

m54 0.64812 0.1714 3.78 0.0008

m60 -0.26233 0.9855 -0.27 0.7920

m61 -0.00316 0.1496 -0.02 0.9833

m62 -0.02732 0.1222 -0.22 0.8247

m63 0.177204 0.2000 0.89 0.3831

m64 0.686808 0.1673 4.10 0.0003

n10 2.356159 0.8893 2.65 0.0129

n11 0.039514 0.0319 1.24 0.2247

n12 -0.12976 0.0519 -2.50 0.0183

n14 0.828461 0.0681 12.17 <.0001

n20 5.451323 0.8410 6.48 <.0001

n21 0.338059 0.0796 4.25 0.0002

n22 -0.23278 0.0967 -2.41 0.0225

n30 2.919584 0.9304 3.14 0.0039

n31 0.201773 0.0533 3.79 0.0007

n32 -0.26779 0.0832 -3.22 0.0032

n34 0.675307 0.0935 7.22 <.0001

n40 -0.47769 0.8413 -0.57 0.5745

n41 -0.0167 0.0834 -0.20 0.8426

n42 0.077949 0.1072 0.73 0.4728

n44 0.948722 0.0902 10.52 <.0001

n50 -1.29907 0.7558 -1.72 0.0963

n51 -0.02897 0.0550 -0.53 0.6022

n52 0.164814 0.0882 1.87 0.0718

n54 1.017695 0.0910 11.19 <.0001


The MODEL Procedure



ApproxPr > |t|

n60 -1.25552 0.7127 -1.76 0.0887

n61 -0.11637 0.0931 -1.25 0.2211

n62 0.212999 0.1143 1.86 0.0725

n64 0.968142 0.0769 12.58 <.0001

o10 1.442868 0.9795 1.47 0.1519

o11 0.053998 0.3341 0.16 0.8728

o12 -0.18472 0.0894 -2.07 0.0481

o13 0.183666 0.2867 0.64 0.5270

o14 0.730536 0.1070 6.83 <.0001

o20 -8.10892 2.6990 -3.00 0.0056

o21 -0.08462 0.0776 -1.09 0.2848

o22 -0.3228 0.1030 -3.13 0.0040

o23 1.434787 0.4492 3.19 0.0035

o24 0.918932 0.1011 9.09 <.0001

o30 -0.10975 0.4000 -0.27 0.7858

o31 0.40775 0.2988 1.36 0.1833

o32 0.013975 0.0471 0.30 0.7689

o33 -0.30658 0.3222 -0.95 0.3495

o34 0.773788 0.1216 6.37 <.0001

o40 0.55752 1.3721 0.41 0.6876

o41 0.544157 0.3162 1.72 0.0963

o42 -0.06505 0.1546 -0.42 0.6771

o43 -0.45438 0.2982 -1.52 0.1388

o44 0.766512 0.1221 6.28 <.0001

o50 -1.10328 1.4820 -0.74 0.4628

o51 0.359401 0.3759 0.96 0.3472

o52 0.088538 0.1469 0.60 0.5516

o53 -0.27156 0.4032 -0.67 0.5061

o54 0.80607 0.1193 6.76 <.0001

o61 0.146144 0.1299 1.13 0.2695

o63 -0.08443 0.0791 -1.07 0.2944

o65 0.859385 0.1162 7.39 <.0001

p10 -19.7899 4.7856 -4.14 0.0003


The MODEL Procedure



ApproxPr > |t|

p11 -0.2494 0.1037 -2.41 0.0230

p12 -0.58143 0.1515 -3.84 0.0006

p13 2.978474 0.6967 4.28 0.0002

p14 0.986283 0.0729 13.53 <.0001

p20 -17.155 11.5268 -1.49 0.1479

p21 -0.13084 0.1552 -0.84 0.4065

p22 -0.32928 0.2627 -1.25 0.2204

p23 2.347092 1.5997 1.47 0.1535

p24 0.945405 0.0989 9.56 <.0001

p30 -21.8456 8.0981 -2.70 0.0117

p31 -0.2594 0.1597 -1.62 0.1155

p32 -0.38343 0.1900 -2.02 0.0533

p33 2.889751 1.0973 2.63 0.0136

p34 1.040564 0.0941 11.06 <.0001

p40 17.77244 18.4218 0.96 0.3426

p41 0.376172 0.2029 1.85 0.0739

p42 0.175834 0.3878 0.45 0.6536

p43 -2.01199 2.3683 -0.85 0.4025

p50 -3.06427 3.4670 -0.88 0.3841

p51 0.279157 0.0897 3.11 0.0041

p52 -0.36468 0.2547 -1.43 0.1630

p53 0.872594 0.6077 1.44 0.1617

p60 33.26123 6.9041 4.82 <.0001

p61 0.204697 0.0676 3.03 0.0053

p62 0.760536 0.1712 4.44 0.0001

p63 -4.29592 0.8923 -4.81 <.0001

p64 0.660909 0.0793 8.33 <.0001

q10 2.158776 2.0290 1.06 0.2964

q11 0.0763 0.3583 0.21 0.8329

q12 -0.27693 0.1675 -1.65 0.1094

q13 0.23908 0.2208 1.08 0.2881

q14 0.672018 0.1776 3.78 0.0007

q20 3.211439 1.7913 1.79 0.0838


The MODEL Procedure



ApproxPr > |t|

q21 0.875287 0.5501 1.59 0.1228

q22 -0.38834 0.1617 -2.40 0.0232

q23 -0.2323 0.4279 -0.54 0.5915

q24 0.422135 0.1822 2.32 0.0280

q30 -1.51055 2.2961 -0.66 0.5160

q31 -0.3508 0.3872 -0.91 0.3726

q32 0.23213 0.2062 1.13 0.2698

q33 0.270993 0.3560 0.76 0.4529

q34 0.682494 0.1284 5.31 <.0001

q40 3.185421 1.7633 1.81 0.0816

q41 0.070991 0.3619 0.20 0.8459

q42 -0.43641 0.1961 -2.23 0.0343

q43 0.377426 0.3034 1.24 0.2238

q44 0.376113 0.1972 1.91 0.0668

q50 8.869226 23.0630 0.38 0.7035

q51 0.404666 0.5174 0.78 0.4407

q52 -0.197 0.3913 -0.50 0.6186

q53 -0.94971 3.2386 -0.29 0.7715

q54 0.384514 0.2341 1.64 0.1117

q60 63.01621 13.7614 4.58 <.0001

q61 1.03269 0.2336 4.42 0.0001

q62 0.905035 0.2619 3.46 0.0018

q63 -8.62748 1.8760 -4.60 <.0001

q64 0.072031 0.1779 0.40 0.6887

r10 1.856344 1.5715 1.18 0.2474

r11 -0.13406 0.2652 -0.51 0.6171

r12 -0.17209 0.1396 -1.23 0.2278

r13 0.228204 0.1916 1.19 0.2436

r14 0.832575 0.1358 6.13 <.0001

r20 2.544662 1.5533 1.64 0.1126

r21 0.722721 0.4314 1.68 0.1050

r22 -0.25656 0.1426 -1.80 0.0829

r23 -0.3295 0.3788 -0.87 0.3918


The MODEL Procedure



ApproxPr > |t|

r24 0.553924 0.1491 3.72 0.0009

r30 -0.64634 1.7939 -0.36 0.7213

r31 -0.39996 0.4040 -0.99 0.3307

r32 0.17252 0.1731 1.00 0.3275

r33 0.240236 0.3855 0.62 0.5383

r34 0.791468 0.1052 7.52 <.0001

r40 0.993933 1.6459 0.60 0.5508

r41 -0.05464 0.3517 -0.16 0.8777

r42 -0.1142 0.1900 -0.60 0.5527

r43 0.16399 0.3366 0.49 0.6299

r44 0.712074 0.1830 3.89 0.0006

r50 0.091887 2.2594 0.04 0.9678

r51 0.1619 0.1181 1.37 0.1813

r52 -0.18389 0.1785 -1.03 0.3117

r53 0.168884 0.3235 0.52 0.6057

r54 0.703199 0.1468 4.79 <.0001

r60 0.663493 2.3918 0.28 0.7835

r61 -0.03184 0.1748 -0.18 0.8567

r62 0.115667 0.2424 0.48 0.6369

r63 -0.16202 0.3874 -0.42 0.6790

r64 0.782646 0.1377 5.68 <.0001

s10 2.205468 1.4896 1.48 0.1499

s11 -0.16113 0.2246 -0.72 0.4790

s12 -0.20828 0.1382 -1.51 0.1429

s13 0.249759 0.1527 1.64 0.1131

s14 0.843791 0.1328 6.35 <.0001

s20 2.925375 1.5706 1.86 0.0731

s21 0.35278 0.3702 0.95 0.3487

s22 -0.29538 0.1477 -2.00 0.0553

s23 0.012557 0.3057 0.04 0.9675

s24 0.604312 0.1549 3.90 0.0005

s30 -0.30506 1.7396 -0.18 0.8621

s31 -0.44273 0.3033 -1.46 0.1554


The MODEL Procedure



ApproxPr > |t|

s32 0.129065 0.1755 0.74 0.4683

s33 0.287642 0.2886 1.00 0.3275

s34 0.782872 0.1045 7.49 <.0001

s40 1.586478 1.5615 1.02 0.3183

s41 -0.1392 0.2605 -0.53 0.5973

s42 -0.18156 0.1869 -0.97 0.3395

s43 0.256469 0.2368 1.08 0.2880

s44 0.716719 0.1801 3.98 0.0004

s50 0.994321 1.0981 0.91 0.3729

s51 0.19063 0.4770 0.40 0.6925

s52 -0.12963 0.1508 -0.86 0.3973

s53 -0.06134 0.4786 -0.13 0.8989

s54 0.689901 0.1452 4.75 <.0001

s60 -0.73947 4.3544 -0.17 0.8664

s61 -0.00735 0.2822 -0.03 0.9794

s62 -0.06676 0.1783 -0.37 0.7108

s63 0.212135 0.8699 0.24 0.8091

s64 0.767111 0.1960 3.91 0.0005

t10 6.167783 6.5341 0.94 0.3533

t11 0.151071 0.1063 1.42 0.1662

t12 0.232844 0.1388 1.68 0.1046

t13 -0.69272 0.7617 -0.91 0.3709

t14 0.878091 0.1052 8.34 <.0001

t20 8.026885 2.8610 2.81 0.0090

t21 -0.2031 0.1693 -1.20 0.2404

t22 0.080645 0.1577 0.51 0.6132

t23 -0.51606 0.3782 -1.36 0.1832

t24 0.524203 0.1611 3.25 0.0030

t30 2.903479 6.8941 0.42 0.6769

t31 0.075107 0.2332 0.32 0.7498

t32 0.259505 0.3166 0.82 0.4193

t33 -0.27621 1.1053 -0.25 0.8045

t34 0.652605 0.1729 3.77 0.0008


The MODEL Procedure



ApproxPr > |t|

t40 -4.66552 22.8897 -0.20 0.8400

t41 1.35982 1.1268 1.21 0.2376

t42 0.61823 1.1382 0.54 0.5913

t43 0.326558 3.5731 0.09 0.9278

t44 0.465491 0.1678 2.77 0.0098

t50 2.343848 2.2154 1.06 0.2991

t51 0.013701 0.2141 0.06 0.9494

t52 0.227658 0.1943 1.17 0.2511

t53 -0.22785 0.2928 -0.78 0.4430

t54 0.713924 0.1195 5.97 <.0001

t60 0.420356 7.4939 0.06 0.9557

t61 1.351486 0.9444 1.43 0.1635

t62 0.931685 1.0332 0.90 0.3749

t63 -0.67672 2.0246 -0.33 0.7407

t64 0.453209 0.1641 2.76 0.0100

u10 -15.465 3.7052 -4.17 0.0003

u11 0.533407 0.0924 5.77 <.0001

u12 -0.11002 0.1027 -1.07 0.2933

u13 2.057566 0.5247 3.92 0.0005

u14 0.370827 0.1033 3.59 0.0012

u20 -6.46319 3.8310 -1.69 0.1027

u21 0.197002 0.0861 2.29 0.0300

u22 -0.04963 0.1427 -0.35 0.7307

u23 1.146468 0.7038 1.63 0.1145

u24 0.583349 0.1405 4.15 0.0003

u30 9.827841 9.7851 1.00 0.3238

u31 0.095814 0.1173 0.82 0.4211

u32 0.421702 0.2275 1.85 0.0743

u33 -1.47422 1.3884 -1.06 0.2974

u34 0.957462 0.1698 5.64 <.0001

u40 -5.30672 3.7746 -1.41 0.1708

u41 0.43894 0.1241 3.54 0.0014

u42 0.170299 0.1131 1.51 0.1434


The MODEL Procedure



ApproxPr > |t|

u43 0.810179 0.5813 1.39 0.1744

u44 0.514323 0.1230 4.18 0.0003

u50 1.009444 1.3793 0.73 0.4703

u51 0.269318 0.1198 2.25 0.0326

u52 0.240651 0.1079 2.23 0.0339

u53 -0.23305 0.2236 -1.04 0.3063

u54 0.810799 0.0718 11.28 <.0001

u60 0.1108 0.9585 0.12 0.9088

u61 0.27313 0.1111 2.46 0.0204

u62 0.302745 0.1222 2.48 0.0195

u63 -0.01926 0.2596 -0.07 0.9414

u64 0.597637 0.1166 5.13 <.0001

v10 -10.0195 5.6621 -1.77 0.0877

v11 0.16485 0.1340 1.23 0.2288

v12 -0.07633 0.1305 -0.59 0.5632

v13 1.2725 0.7318 1.74 0.0930

v14 0.717601 0.1520 4.72 <.0001

v20 -9.3017 9.8083 -0.95 0.3511

v21 0.098395 0.1331 0.74 0.4661

v22 -0.01933 0.1459 -0.13 0.8955

v23 0.966367 1.0167 0.95 0.3500

v24 0.808714 0.1487 5.44 <.0001

v30 -5.40795 10.1754 -0.53 0.5993

v31 0.193124 0.2090 0.92 0.3634

v32 0.102503 0.2444 0.42 0.6781

v33 0.63653 1.3696 0.46 0.6457

v34 0.777648 0.1352 5.75 <.0001

v40 -4.95635 4.4076 -1.12 0.2704

v41 0.130675 0.1400 0.93 0.3586

v42 0.097739 0.1267 0.77 0.4469

v43 0.691453 0.6411 1.08 0.2900

v44 0.738384 0.1431 5.16 <.0001

v50 2.576912 1.8304 1.41 0.1702


The MODEL Procedure



ApproxPr > |t|

v51 -0.02445 0.2600 -0.09 0.9258

v52 0.271993 0.2250 1.21 0.2368

v53 -0.4566 0.3259 -1.40 0.1722

v54 0.838514 0.1459 5.75 <.0001

v60 -0.86862 0.9689 -0.90 0.3776

v61 0.230924 0.1132 2.04 0.0509

v62 0.109552 0.1199 0.91 0.3686

v63 0.141621 0.2257 0.63 0.5355

v64 0.838144 0.1122 7.47 <.0001

w10 -11.6126 3.9659 -2.93 0.0067

w11 0.207172 0.0688 3.01 0.0055

w12 0.002384 0.0959 0.02 0.9803

w13 1.440013 0.5078 2.84 0.0084

w14 0.422505 0.1406 3.01 0.0055

w20 -21.6148 11.0419 -1.96 0.0603

w21 0.176023 0.0850 2.07 0.0478

w22 -0.09472 0.1643 -0.58 0.5688

w23 2.22871 1.1398 1.96 0.0606

w24 0.498217 0.1454 3.43 0.0019

w30 -4.80124 4.3622 -1.10 0.2804

w31 0.227657 0.1298 1.75 0.0905

w32 0.080509 0.1882 0.43 0.6721

w33 0.612483 0.6904 0.89 0.3826

w34 0.643539 0.1425 4.52 0.0001

w40 -7.09321 3.9713 -1.79 0.0849

w41 0.22584 0.0840 2.69 0.0120

w42 0.106019 0.1054 1.01 0.3233

w43 1.052038 0.5742 1.83 0.0776

w44 0.4285 0.1354 3.17 0.0037

w50 2.012722 1.1535 1.74 0.0920

w51 0.072004 0.1138 0.63 0.5319

w52 0.179168 0.1121 1.60 0.1211

w53 -0.30193 0.2100 -1.44 0.1615


The MODEL Procedure



ApproxPr > |t|

w54 0.805675 0.1278 6.30 <.0001

w60 -0.93817 1.1262 -0.83 0.4119

w61 0.19329 0.0800 2.42 0.0224

w62 0.117116 0.1076 1.09 0.2857

w63 0.213782 0.2489 0.86 0.3977

w64 0.636296 0.1134 5.61 <.0001

x10 7.572221 12.3997 0.61 0.5463

x11 -0.20547 0.0974 -2.11 0.0441

x12 0.721685 0.4600 1.57 0.1279

x13 -1.43573 1.6346 -0.88 0.3872

x14 0.428256 0.1630 2.63 0.0138

x20 72.52263 42.0992 1.72 0.0960

x21 -0.33631 0.1153 -2.92 0.0069

x22 1.395237 0.6550 2.13 0.0421

x23 -7.66234 4.3398 -1.77 0.0884

x24 0.477719 0.1526 3.13 0.0041

x30 2.339433 8.8917 0.26 0.7944

x31 -0.21311 0.0933 -2.28 0.0302

x32 0.66176 0.4000 1.65 0.1092

x33 -0.9314 1.3924 -0.67 0.5090

x34 0.396718 0.1624 2.44 0.0212

x40 -6.9792 32.0084 -0.22 0.8290

x41 -0.13703 0.1714 -0.80 0.4308

x42 0.257228 0.9208 0.28 0.7820

x43 0.592293 4.3389 0.14 0.8924

x44 0.32513 0.1852 1.76 0.0902

x50 14.76059 3.6903 4.00 0.0004

x51 0.017238 0.0840 0.21 0.8389

x52 1.216394 0.2382 5.11 <.0001

x53 -3.01797 0.6651 -4.54 <.0001

x54 0.439605 0.1098 4.00 0.0004

x60 -2.87989 4.9054 -0.59 0.5618

x61 -0.12653 0.0999 -1.27 0.2159


The MODEL Procedure



ApproxPr > |t|

x62 0.148157 0.3665 0.40 0.6891

x63 0.402767 1.0327 0.39 0.6995

x64 0.400649 0.1753 2.29 0.0301

y10 8.829192 4.5849 1.93 0.0644

y11 0.956981 0.1532 6.24 <.0001

y12 0.230109 0.2061 1.12 0.2738

y13 -0.72858 0.6565 -1.11 0.2766

y14 0.186306 0.1183 1.58 0.1264

y20 -14.6364 8.8470 -1.65 0.1092

y21 1.213663 0.0971 12.50 <.0001

y22 -0.35666 0.1608 -2.22 0.0349

y23 2.141486 0.9520 2.25 0.0325

y24 0.01201 0.0689 0.17 0.8630

y30 -0.55528 2.8718 -0.19 0.8481

y31 0.963614 0.1364 7.07 <.0001

y32 -0.08264 0.1725 -0.48 0.6356

y33 0.565188 0.5306 1.07 0.2959

y34 0.228923 0.1041 2.20 0.0363

y40 -14.6635 11.3084 -1.30 0.2053

y41 1.266098 0.2260 5.60 <.0001

y42 -0.67822 0.4163 -1.63 0.1145

y43 2.714037 1.6609 1.63 0.1134

y44 0.163124 0.1296 1.26 0.2184

y50 1.047689 2.8218 0.37 0.7132

y51 1.101376 0.0868 12.69 <.0001

y52 -0.091 0.1059 -0.86 0.3973

y53 0.519874 0.4318 1.20 0.2386

y54 0.102684 0.0669 1.54 0.1359

y60 5.099763 1.0141 5.03 <.0001

y61 1.090401 0.0798 13.66 <.0001

y62 0.103706 0.0977 1.06 0.2975

y63 -0.13021 0.2300 -0.57 0.5758

y64 0.080886 0.0692 1.17 0.2526


The MODEL Procedure



ApproxPr > |t|

z10 -3.8639 5.4786 -0.71 0.4865

z11 0.230187 0.1429 1.61 0.1184

z12 0.015089 0.1908 0.08 0.9375

z13 0.510131 0.7398 0.69 0.4962

z14 0.69588 0.1251 5.56 <.0001

z20 0.668594 11.5378 0.06 0.9542

z21 0.183948 0.1048 1.76 0.0901

z22 0.073359 0.1802 0.41 0.6871

z23 -0.04387 1.2295 -0.04 0.9718

z24 0.816841 0.1071 7.62 <.0001

z30 -6.22517 5.6062 -1.11 0.2763

z31 0.330443 0.1442 2.29 0.0297

z32 -0.05167 0.2009 -0.26 0.7990

z33 0.99686 0.9146 1.09 0.2850

z34 0.570471 0.1755 3.25 0.0030

z40 -19.8894 9.5366 -2.09 0.0462

z41 0.753233 0.2304 3.27 0.0029

z42 -0.55028 0.3662 -1.50 0.1442

z43 3.030771 1.4250 2.13 0.0424

z44 0.353868 0.1544 2.29 0.0296

z50 -2.28683 3.4765 -0.66 0.5160

z51 0.258243 0.0933 2.77 0.0099

z52 -0.00154 0.1099 -0.01 0.9889

z53 0.41273 0.5286 0.78 0.4414

z54 0.755498 0.0909 8.31 <.0001

z60 -0.36187 0.7997 -0.45 0.6544

z61 0.261695 0.1412 1.85 0.0743

z62 0.01873 0.0845 0.22 0.8262

z63 0.232835 0.1697 1.37 0.1810

z64 0.740978 0.1012 7.32 <.0001

aa10 -2.98943 3.2150 -0.93 0.3604

aa11 -0.07188 0.1101 -0.65 0.5190

aa12 0.007666 0.1114 0.07 0.9456


The MODEL Procedure



ApproxPr > |t|

aa13 0.718592 0.4858 1.48 0.1502

aa14 0.462444 0.1717 2.69 0.0118

aa20 -1.49733 2.3468 -0.64 0.5286

aa21 0.100739 0.0855 1.18 0.2486

aa22 -0.06791 0.0880 -0.77 0.4467

aa23 1.080051 0.3547 3.04 0.0050

aa24 -0.19552 0.1897 -1.03 0.3116

aa30 2.523708 4.3993 0.57 0.5708

aa31 -0.20297 0.1715 -1.18 0.2466

aa32 0.084415 0.1649 0.51 0.6128

aa33 0.045399 0.6030 0.08 0.9405

aa34 0.513966 0.1736 2.96 0.0062

aa40 9.066877 10.1422 0.89 0.3790

aa41 -0.08501 0.3772 -0.23 0.8233

aa42 0.274122 0.3655 0.75 0.4595

aa43 -0.90996 1.2881 -0.71 0.4858

aa44 0.625668 0.1579 3.96 0.0005

aa50 16.8709 16.5827 1.02 0.3177

aa51 -0.29081 0.6100 -0.48 0.6372

aa52 0.427825 0.5894 0.73 0.4739

aa53 -1.75411 2.1006 -0.84 0.4108

aa54 0.536243 0.1671 3.21 0.0033

aa60 -6.42465 6.7327 -0.95 0.3481

aa61 -0.10695 0.2379 -0.45 0.6565

aa62 -0.28756 0.2481 -1.16 0.2561

aa63 1.292754 0.9107 1.42 0.1668

aa64 0.54398 0.1497 3.63 0.0011

bb10 -24.292 14.9962 -1.62 0.1165

bb11 0.423127 0.1690 2.50 0.0184

bb12 -0.16521 0.2131 -0.78 0.4448

bb13 2.466764 1.5534 1.59 0.1235

bb14 0.711834 0.0999 7.13 <.0001

bb20 -19.2432 13.7171 -1.40 0.1716


The MODEL Procedure



ApproxPr > |t|

bb21 0.337963 0.1565 2.16 0.0395

bb22 -0.15861 0.2035 -0.78 0.4423

bb23 2.065584 1.4412 1.43 0.1629

bb24 0.670129 0.1222 5.48 <.0001

bb30 -25.7869 23.4252 -1.10 0.2803

bb31 0.40947 0.2612 1.57 0.1282

bb32 -0.1799 0.3380 -0.53 0.5988

bb33 2.681555 2.4297 1.10 0.2791

bb34 0.595567 0.1510 3.94 0.0005

bb40 9.995704 22.7741 0.44 0.6641

bb41 0.249798 0.2885 0.87 0.3939

bb42 0.341399 0.3583 0.95 0.3488

bb43 -1.05622 2.3455 -0.45 0.6560

bb44 0.690271 0.1227 5.63 <.0001

bb50 10.03706 22.7690 0.44 0.6627

bb51 0.249798 0.2885 0.87 0.3939

bb52 0.341399 0.3583 0.95 0.3488

bb53 -1.05622 2.3455 -0.45 0.6560

bb54 0.690271 0.1227 5.63 <.0001

bb60 9.891489 22.7869 0.43 0.6676

bb61 0.249798 0.2885 0.87 0.3939

bb62 0.341399 0.3583 0.95 0.3488

bb63 -1.05622 2.3455 -0.45 0.6560

bb64 0.690271 0.1227 5.63 <.0001

cc10 -1.19537 4.2253 -0.28 0.7793

cc11 -0.30558 0.1523 -2.01 0.0546

cc12 -0.06222 0.1521 -0.41 0.6855

cc13 0.614225 0.6644 0.92 0.3632

cc14 0.535341 0.1351 3.96 0.0005

cc20 -0.3748 4.2598 -0.09 0.9305

cc21 -0.21979 0.1508 -1.46 0.1560

cc22 -0.09245 0.1574 -0.59 0.5617

cc23 0.48107 0.6806 0.71 0.4855


The MODEL Procedure



ApproxPr > |t|

cc24 0.645594 0.1309 4.93 <.0001

cc30 -2.89288 7.3968 -0.39 0.6987

cc31 -0.10419 0.2409 -0.43 0.6687

cc32 -0.00816 0.2501 -0.03 0.9742

cc33 0.608605 1.1292 0.54 0.5942

cc34 0.619491 0.1713 3.62 0.0012

cc40 -4.11061 4.9041 -0.84 0.4090

cc41 -0.2984 0.1738 -1.72 0.0971

cc42 -0.24122 0.1867 -1.29 0.2070

cc43 1.205191 0.7812 1.54 0.1341

cc44 0.414177 0.1486 2.79 0.0094

cc50 -4.41454 4.9426 -0.89 0.3794

cc51 -0.2984 0.1738 -1.72 0.0971

cc52 -0.24122 0.1867 -1.29 0.2070

cc53 1.205191 0.7812 1.54 0.1341

cc54 0.414177 0.1486 2.79 0.0094

cc60 -4.25189 4.9219 -0.86 0.3950

cc61 -0.2984 0.1738 -1.72 0.0971

cc62 -0.24122 0.1867 -1.29 0.2070

cc63 1.205191 0.7812 1.54 0.1341

cc64 0.414177 0.1486 2.79 0.0094

dd10 -4.54393 6.2584 -0.73 0.4738

dd11 0.567929 0.1838 3.09 0.0045

dd12 0.075668 0.2045 0.37 0.7141

dd13 0.612499 0.8739 0.70 0.4892

dd14 0.453894 0.1311 3.46 0.0017

dd20 -9.66137 5.8523 -1.65 0.1099

dd21 0.612834 0.1656 3.70 0.0009

dd22 -0.20587 0.1932 -1.07 0.2958

dd23 1.491138 0.8342 1.79 0.0847

dd24 0.429415 0.1319 3.26 0.0030

dd30 -10.722 5.3502 -2.00 0.0548

dd31 0.786037 0.1553 5.06 <.0001


The MODEL Procedure



ApproxPr > |t|

dd32 -0.13699 0.1707 -0.80 0.4290

dd33 1.584419 0.7607 2.08 0.0465

dd34 0.298246 0.1232 2.42 0.0222

dd40 -6.81291 4.5084 -1.51 0.1420

dd41 0.731175 0.1389 5.26 <.0001

dd42 -0.10209 0.1502 -0.68 0.5024

dd43 1.113334 0.6394 1.74 0.0926

dd44 0.315273 0.1146 2.75 0.0103

dd50 -6.52621 4.4964 -1.45 0.1578

dd51 0.731175 0.1389 5.26 <.0001

dd52 -0.10209 0.1502 -0.68 0.5024

dd53 1.113334 0.6394 1.74 0.0926

dd54 0.315273 0.1146 2.75 0.0103

dd60 -6.54447 4.4971 -1.46 0.1567

dd61 0.731175 0.1389 5.26 <.0001

dd62 -0.10209 0.1502 -0.68 0.5024

dd63 1.113334 0.6394 1.74 0.0926

dd64 0.315273 0.1146 2.75 0.0103

ee10 -27.0217 12.3283 -2.19 0.0369

ee11 1.221946 0.1709 7.15 <.0001

ee12 -0.57449 0.4020 -1.43 0.1641

ee13 3.761723 1.8194 2.07 0.0480

ee14 0.187758 0.1014 1.85 0.0746

ee20 -23.8294 12.4348 -1.92 0.0656

ee21 1.232699 0.1739 7.09 <.0001

ee22 -0.64321 0.4135 -1.56 0.1311

ee23 3.49989 1.8471 1.89 0.0685

ee24 0.206655 0.1009 2.05 0.0499

ee30 -21.0687 11.8149 -1.78 0.0854

ee31 1.284562 0.1630 7.88 <.0001

ee32 -0.43977 0.3890 -1.13 0.2678

ee33 2.910587 1.7475 1.67 0.1069

ee34 0.171373 0.0972 1.76 0.0888


The MODEL Procedure



ApproxPr > |t|

ee40 -32.3602 13.5931 -2.38 0.0243

ee41 1.178802 0.1867 6.31 <.0001

ee42 -0.76488 0.4424 -1.73 0.0948

ee43 4.564795 2.0056 2.28 0.0307

ee44 0.190743 0.1098 1.74 0.0933

ee50 -27.2465 12.7165 -2.14 0.0410

ee51 1.224178 0.1774 6.90 <.0001

ee52 -0.65735 0.4181 -1.57 0.1271

ee53 3.873888 1.8812 2.06 0.0489

ee54 0.193074 0.1035 1.87 0.0726

ee60 -26.7507 12.6118 -2.12 0.0429

ee61 1.225812 0.1759 6.97 <.0001

ee62 -0.64956 0.4151 -1.56 0.1289

ee63 3.838249 1.8679 2.05 0.0493

ee64 0.192143 0.1029 1.87 0.0724

ff10 7.557165 2.0993 3.60 0.0012

ff11 0.099331 0.0723 1.37 0.1803

ff12 0.085614 0.1398 0.61 0.5452

ff13 -0.64498 0.3190 -2.02 0.0528

ff14 0.044348 0.1781 0.25 0.8051

ff20 8.251201 2.2506 3.67 0.0010

ff21 0.160111 0.0794 2.02 0.0534

ff22 -0.01238 0.1466 -0.08 0.9333

ff23 -0.62619 0.3326 -1.88 0.0702

ff24 0.128336 0.1697 0.76 0.4558

ff30 6.606264 2.5456 2.60 0.0149

ff31 0.130508 0.0913 1.43 0.1637

ff32 0.187084 0.1787 1.05 0.3040

ff33 -0.77597 0.4106 -1.89 0.0692

ff34 0.215607 0.1734 1.24 0.2241

ff40 5.259658 3.0783 1.71 0.0982

ff41 0.170453 0.1245 1.37 0.1813

ff42 0.032748 0.2454 0.13 0.8948


The MODEL Procedure



ApproxPr > |t|

ff43 -0.44243 0.5442 -0.81 0.4229

ff50 8.741387 2.2739 3.84 0.0006

ff51 0.120817 0.0740 1.63 0.1136

ff52 0.012234 0.1411 0.09 0.9315

ff53 -0.57424 0.3208 -1.79 0.0842

ff54 0.068586 0.1756 0.39 0.6990

ff60 6.890192 2.0797 3.31 0.0026

ff61 0.114256 0.0735 1.55 0.1314

ff62 0.001399 0.1408 0.01 0.9921

ff63 -0.55171 0.3200 -1.72 0.0957

ff64 0.066467 0.1763 0.38 0.7090

gg10 3.25603 5.6648 0.57 0.5700

gg11 -0.6746 0.4310 -1.57 0.1288

gg12 0.53686 0.4499 1.19 0.2427

gg13 -0.37662 0.9322 -0.40 0.6893

gg14 0.363743 0.2060 1.77 0.0884

gg20 3.538309 5.1873 0.68 0.5008

gg21 -0.66482 0.3898 -1.71 0.0992

gg22 0.387362 0.4138 0.94 0.3572

gg23 -0.21603 0.8613 -0.25 0.8038

gg24 0.354211 0.2005 1.77 0.0883

gg30 2.873247 5.3869 0.53 0.5980

gg31 -0.74105 0.4420 -1.68 0.1047

gg32 0.466478 0.4289 1.09 0.2861

gg33 -0.19218 0.8925 -0.22 0.8311

gg34 0.312981 0.2204 1.42 0.1666

gg40 3.705073 6.2724 0.59 0.5595

gg41 -0.67929 0.4889 -1.39 0.1756

gg42 0.4004 0.4634 0.86 0.3949

gg43 -0.29551 0.9796 -0.30 0.7651

gg44 0.386569 0.2211 1.75 0.0914

gg50 3.908429 5.5250 0.71 0.4852

gg51 -0.6975 0.4199 -1.66 0.1078


The MODEL Procedure



ApproxPr > |t|

gg52 0.44425 0.4345 1.02 0.3153

gg53 -0.31294 0.9033 -0.35 0.7316

gg54 0.369087 0.2037 1.81 0.0808

gg60 3.884768 5.5181 0.70 0.4872

gg61 -0.69868 0.4188 -1.67 0.1064

gg62 0.443503 0.4352 1.02 0.3169

gg63 -0.31678 0.9045 -0.35 0.7288

gg64 0.370869 0.2028 1.83 0.0781

Number of Observations Statistics for System

Used 33 Objective 12.9992

Missing 0 Objective*N 428.9747


The SIMNLIN Procedure

Model Summary

Model Variables 329

Endogenous 203

Exogenous 126

Parameters 989

ID Variables 1

Equations 203

Number of Statements 245

Program Lag Length 1


The SIMNLIN ProcedureDynamic Simultaneous Simulation

Data Set Options

DATA= ANALISIS

OUT= VALIDASI

Solution Summary

Variables Solved 203

Simulation Lag Length 1

Solution Method NEWTON

CONVERGE= 1E-8

Maximum CC 1.2E-14

Maximum Iterations 1

Total Iterations 33

Average Iterations 1

Observations Processed

Read 34

Lagged 1

Solved 33

First 2

Last 34



Descriptive Statistics

Actual Predicted

Variable N Obs N Mean Std Dev Mean Std Dev

LnPDRB1 33 33 12.2357 0.6377 12.2527 0.6334

LnPDRB2 33 33 13.0817 0.7889 13.1050 0.8084

LnPDRB3 33 33 11.2656 0.6996 11.2820 0.7059

LnPDRB4 33 33 10.5140 0.6489 10.5476 0.6804

LnPDRB5 33 33 9.3984 0.6774 9.4229 0.6388

LnPDRB6 33 33 8.5059 0.5025 8.5160 0.3614

LnPDRB7 33 33 9.4058 0.7639 9.4350 0.7623

LnTK1 33 33 9.6595 0.1538 9.6631 0.1187

LnTK2 33 33 10.8272 0.1101 10.8289 0.0970

LnTK3 33 33 8.3080 0.2067 8.3341 0.1935

LnTK4 33 33 8.5933 0.1436 8.6038 0.1339

LnTK5 33 33 8.0431 0.1428 8.0527 0.1413

LnTK6 33 33 6.7806 0.1907 6.7910 0.1555

LnTK7 33 33 6.9880 0.2462 6.9844 0.2150

LnLF1 33 33 9.7106 0.1827 9.7153 0.1414

LnLF2 33 33 10.8855 0.1330 10.8879 0.1203

LnLF3 33 33 8.3481 0.2295 8.3773 0.2155

LnLF4 33 33 8.6495 0.1754 8.6617 0.1642

LnLF5 33 33 8.0675 0.1624 8.0783 0.1607

LnLF6 33 33 6.8357 0.1890 6.8472 0.1561

LnLF7 33 33 7.0247 0.2648 7.0206 0.2318

LnUpah1 33 33 5.6779 0.7279 5.7150 0.6068

LnUpah2 33 33 5.3114 0.9310 5.3060 0.8623

LnUpah3 33 33 5.5928 0.8498 5.7626 0.8222

LnUpah4 33 33 5.4323 0.8868 5.4912 0.8037

LnUpah5 33 33 5.0741 1.0968 5.1410 1.0907

LnUpah6 33 33 5.3824 1.0329 5.4638 0.9260

LnUpah7 33 33 5.6834 1.0957 5.6693 1.0454

LnPOV1 33 33 8.6268 0.3067 8.6188 0.2677

LnPOV2 33 33 9.6953 0.3640 9.6931 0.3406

LnPOV3 33 33 7.3597 0.1547 7.3602 0.0903

LnPOV4 33 33 8.1572 0.1448 8.1489 0.1053




Actual Predicted


LnPOV5 33 33 7.8744 0.1223 7.8507 0.0835

LnPOV6 33 33 6.7382 0.3040 6.6659 0.1973

LnPOV7 33 33 7.4280 0.2697 7.4266 0.2068

LnMI1D2 33 33 5.7357 0.3785 5.7582 0.2289

LnMI1D3 33 33 1.7339 0.5510 1.7711 0.2180

LnMI1D4 33 33 2.1662 0.5976 2.1662 0.2611

LnMI1D5 33 33 2.4853 0.3914 2.5085 0.1439

LnMI1D6 33 33 2.0798 0.3914 2.1031 0.1439

LnMI1D7 33 33 1.8975 0.3914 1.9208 0.1439

LnMI2D1 33 33 5.4326 0.3730 5.4114 0.1245

LnMI2D3 33 33 3.8196 0.4067 3.8073 0.2575

LnMI2D4 33 33 3.4517 0.5952 3.4215 0.1826

LnMI2D5 33 33 3.2267 0.7057 3.1983 0.3527

LnMI2D6 33 33 3.0036 0.7057 2.9752 0.3527

LnMI2D7 33 33 3.0836 0.7057 3.0552 0.3527

LnMI3D1 33 33 2.3174 0.4237 2.4826 0.1198

LnMI3D2 33 33 4.7351 0.3245 4.7998 0.1012

LnMI3D4 33 33 3.3235 0.4617 3.4622 0.2682

LnMI3D5 33 33 0.5128 0.7893 0.5812 0.4205

LnMI3D6 33 33 0.5436 0.7893 0.6120 0.4205

LnMI3D7 33 33 0.6025 0.7893 0.6708 0.4205

LnMI4D1 33 33 2.1344 0.3195 2.1071 0.1411

LnMI4D2 33 33 3.5768 0.4065 3.5671 0.2574

LnMI4D3 33 33 2.0173 0.3139 2.0252 0.1214

LnMI4D5 33 33 2.5273 0.5106 2.5642 0.1939

LnMI4D6 33 33 2.7234 0.5106 2.7603 0.1939

LnMI4D7 33 33 2.6377 0.5106 2.6745 0.1939

LnMI5D1 33 33 0.8381 0.3854 0.8980 0.1215

LnMI5D2 33 33 3.0878 0.3254 3.1185 0.2758

LnMI5D3 33 33 0.2168 0.4804 0.2388 0.4669

LnMI5D4 33 33 1.4634 0.3422 1.5118 0.1688

LnMI5D6 33 33 1.7147 0.3422 1.7631 0.1688




Actual Predicted


LnMI5D7 33 33 0.9038 0.3422 0.9522 0.1688

LnMI6D1 33 33 1.0894 0.3854 1.0997 0.1686

LnMI6D2 33 33 3.3391 0.3254 3.3688 0.2356

LnMI6D3 33 33 0.4681 0.4804 0.5059 0.4172

LnMI6D4 33 33 1.5606 0.3422 1.5691 0.1843

LnMI6D5 33 33 1.7567 0.3422 1.7653 0.1843

LnMI6D7 33 33 1.6709 0.3422 1.6795 0.1843

LnMI7D1 33 33 0.2785 0.3854 0.2569 0.1522

LnMI7D2 33 33 2.5282 0.3254 2.5132 0.2415

LnMI7D3 33 33 -0.3429 0.4804 -0.3466 0.4416

LnMI7D4 33 33 0.8142 0.3422 0.7971 0.1909

LnMI7D5 33 33 0.7496 0.3422 0.7325 0.1909

LnMI7D6 33 33 0.9860 0.3422 0.9689 0.1909

LnMO1K2 33 33 5.2160 0.4389 5.1310 0.2773

LnMO1K3 33 33 2.1271 0.6230 2.2148 0.3741

LnMO1K4 33 33 2.3037 0.4663 2.3256 0.1451

LnMO1K5 33 33 1.9493 0.5177 1.9622 0.2024

LnMO1K6 33 33 1.4015 0.5256 1.4416 0.3870

LnMO1K7 33 33 1.4439 0.4395 1.4532 0.2478

LnMO2K1 33 33 5.9214 0.4025 5.9127 0.3529

LnMO2K3 33 33 4.7196 0.3365 4.7732 0.1645

LnMO2K4 33 33 3.6986 0.4103 3.7134 0.2606

LnMO2K5 33 33 3.3398 0.6237 3.3249 0.1316

LnMO2K6 33 33 2.9343 0.6237 3.0307 0.2247

LnMO2K7 33 33 2.7520 0.6237 2.7885 0.3231

LnMO3K1 33 33 1.8816 0.5375 1.9797 0.3012

LnMO3K2 33 33 3.6988 0.4335 3.6660 0.2501

LnMO3K4 33 33 2.2420 0.4480 2.1434 0.3115

LnMO3K5 33 33 0.5897 0.8113 0.4160 0.6170

LnMO3K6 33 33 0.1842 0.8113 0.1381 0.5172

LnMO3K7 33 33 0.00192 0.8113 0.0210 0.4042

LnMO4K1 33 33 2.3099 0.6680 2.1003 0.4322




Actual Predicted


LnMO4K2 33 33 3.1969 0.7076 3.1536 0.1757

LnMO4K3 33 33 3.2366 0.7729 2.4131 0.6460

LnMO4K5 33 33 2.1897 0.4227 2.2192 0.1934

LnMO4K6 33 33 2.1897 0.4227 2.2087 0.1914

LnMO4K7 33 33 2.0355 0.4227 2.0856 0.1775

LnMO5K1 33 33 1.2027 0.6915 1.2554 0.4772

LnMO5K2 33 33 2.7458 0.7839 2.6989 0.4762

LnMO5K3 33 33 1.4956 0.7874 1.3856 0.5807

LnMO5K4 33 33 1.4328 0.5512 1.4544 0.3901

LnMO5K6 33 33 1.6047 0.5512 1.6550 0.3073

LnMO5K7 33 33 1.3683 0.5512 1.3813 0.3535

LnMO6K1 33 33 1.2527 0.5876 1.3226 0.2338

LnMO6K2 33 33 2.7959 0.6588 2.7046 0.3901

LnMO6K3 33 33 1.5457 0.7525 1.3574 0.4061

LnMO6K4 33 33 1.3493 0.4563 1.3528 0.1698

LnMO6K5 33 33 1.7548 0.4563 1.7517 0.2090

LnMO6K7 33 33 1.4183 0.4563 1.4053 0.1722

LnMO7K1 33 33 0.9824 0.5876 0.9064 0.2906

LnMO7K2 33 33 2.5256 0.6588 2.4960 0.3642

LnMO7K3 33 33 1.2754 0.7525 0.9488 0.3590

LnMO7K4 33 33 1.3712 0.4563 1.2889 0.2181

LnMO7K5 33 33 1.3022 0.4563 1.3096 0.2171

LnMO7K6 33 33 1.0610 0.4563 1.0250 0.1502

LnX1K2 33 33 9.7736 0.3312 9.7839 0.3193

LnX1K3 33 33 8.7508 0.2006 8.7477 0.1034

LnX1K4 33 33 8.6868 0.3864 8.6942 0.3001

LnX1K5 33 33 8.3079 1.2062 8.3358 0.4437

LnX1K6 33 33 8.6868 0.3864 8.6840 0.2027

LnX1K7 33 33 8.3079 1.2062 8.3622 0.4267

LnX2K1 33 33 9.3248 0.7543 9.3214 0.7426

LnX2K3 33 33 9.1453 0.7125 9.1310 0.6817

LnX2K4 33 33 8.8117 0.7969 8.8808 0.8213




Actual Predicted


LnX2K5 33 33 8.8182 0.7259 8.8211 0.6972

LnX2K6 33 33 9.0695 0.7259 9.0797 0.6292

LnX2K7 33 33 8.2586 0.7259 8.2749 0.6843

LnX3K1 33 33 8.5816 0.7495 8.5727 0.7244

LnX3K2 33 33 8.6179 0.6777 8.6017 0.6375

LnX3K4 33 33 7.7501 0.8266 7.7366 0.7634

LnX3K5 33 33 7.8325 0.7191 7.8294 0.6753

LnX3K6 33 33 7.7099 0.7181 7.7175 0.5474

LnX3K7 33 33 7.5579 0.7203 7.5617 0.6895

LnX4K1 33 33 6.7081 0.4834 6.7068 0.4720

LnX4K2 33 33 6.5757 0.4462 6.5676 0.4270

LnX4K3 33 33 5.7027 0.5727 5.6957 0.5246

LnX4K5 33 33 6.1732 0.4103 6.1754 0.3876

LnX4K6 33 33 6.4245 0.4103 6.4407 0.2889

LnX4K7 33 33 5.6135 0.4103 5.6191 0.3863

LnX5K1 33 33 1.8263 0.7865 1.8514 0.6333

LnX5K2 33 33 2.5829 0.7737 2.6449 0.7906

LnX5K3 33 33 1.7076 0.8451 1.7204 0.7397

LnX5K4 33 33 1.7678 0.7891 1.7811 0.6111

LnX5K6 33 33 2.4864 0.7711 2.5111 0.7212

LnX5K7 33 33 2.2632 0.7711 2.2687 0.6355

LnX6K1 33 33 4.9474 0.7135 4.9537 0.6765

LnX6K2 33 33 5.7040 0.6517 5.6956 0.6695

LnX6K3 33 33 4.8288 0.6724 4.8252 0.6523

LnX6K4 33 33 4.8889 0.7694 4.8620 0.7584

LnX6K5 33 33 5.3844 0.6705 5.3819 0.6718

LnX6K7 33 33 5.6075 0.6705 5.6108 0.6599

LnX7K1 33 33 6.2974 0.7431 6.3093 0.6978

LnX7K2 33 33 7.0540 0.7280 7.0633 0.7067

LnX7K3 33 33 6.1787 0.8391 6.1672 0.7913

LnX7K4 33 33 6.2389 0.7648 6.2106 0.6845

LnX7K5 33 33 6.5520 0.7515 6.5548 0.7268




Actual Predicted


LnX7K6 33 33 6.9575 0.7515 6.9554 0.7179

LnM1D2 33 33 8.4561 0.3360 8.4559 0.3122

LnM1D3 33 33 7.6825 0.1617 7.6822 0.1380

LnM1D4 33 33 7.6730 0.2953 7.6701 0.2230

LnM1D5 33 33 7.2918 0.4700 7.2969 0.0739

LnM1D6 33 33 6.9704 0.7191 6.9857 0.1528

LnM1D7 33 33 7.6443 0.3930 7.6366 0.2597

LnM2D1 33 33 10.2230 0.5539 10.2147 0.5146

LnM2D3 33 33 9.9369 0.3846 9.9232 0.3380

LnM2D4 33 33 9.2569 0.4941 9.2349 0.4147

LnM2D5 33 33 8.5028 0.4361 8.5261 0.3320

LnM2D6 33 33 8.6363 0.4361 8.6597 0.3320

LnM2D7 33 33 8.1663 0.4361 8.1897 0.3320

LnM3D1 33 33 6.8376 0.5080 6.8385 0.4869

LnM3D2 33 33 7.3037 0.4288 7.3002 0.3958

LnM3D4 33 33 6.2500 0.5614 6.2391 0.4710

LnM3D5 33 33 6.2535 0.4725 6.2469 0.4404

LnM3D6 33 33 5.7347 0.4725 5.7281 0.4404

LnM3D7 33 33 6.0123 0.4725 6.0058 0.4404

LnM4D1 33 33 5.0135 0.3009 5.0201 0.2305

LnM4D2 33 33 5.3937 0.2466 5.3800 0.1763

LnM4D3 33 33 5.4588 0.2641 5.4499 0.2222

LnM4D5 33 33 5.2011 0.2359 5.1954 0.1964

LnM4D6 33 33 5.6198 0.2359 5.6141 0.1964

LnM4D7 33 33 5.5932 0.2359 5.5874 0.1964

LnM5D1 33 33 3.4253 1.3912 3.4081 1.2765

LnM5D2 33 33 3.8274 1.3554 3.8072 1.2216

LnM5D3 33 33 3.1355 1.3438 3.1224 1.2416

LnM5D4 33 33 3.2991 1.4126 3.2746 1.2698

LnM5D6 33 33 3.4360 1.3843 3.4157 1.2540

LnM5D7 33 33 3.7507 1.3813 3.7306 1.2527

LnM6D1 33 33 3.6184 0.2665 3.6195 0.1385




Actual Predicted


LnM6D2 33 33 4.1448 0.3214 4.1447 0.2056

LnM6D3 33 33 3.0812 0.3415 3.0829 0.1696

LnM6D4 33 33 2.4725 0.4391 2.4728 0.1484

LnM6D5 33 33 4.9660 0.2826 4.9663 0.1587

LnM6D7 33 33 3.0457 0.2804 3.0459 0.1547

LnM7D1 33 33 5.3007 1.3290 5.3251 1.1925

LnM7D2 33 33 5.3936 1.2028 5.4092 1.0720

LnM7D3 33 33 5.1019 1.3128 5.1181 1.1848

LnM7D4 33 33 5.1054 1.2809 5.1227 1.1169

LnM7D5 33 33 5.6427 1.2896 5.6615 1.1526

LnM7D6 33 33 5.5581 1.2918 5.5770 1.1544

Statistics of fit

Variable N Mean Error Mean % Error

Mean Abs

ErrorMean Abs %

ErrorRMS

Error RMS % Error R-Square

LnPDRB1 33 0.0170 0.1473 0.0861 0.7205 0.1098 0.9411 0.9694

LnPDRB2 33 0.0233 0.1745 0.0980 0.7483 0.1143 0.8711 0.9783

LnPDRB3 33 0.0164 0.1456 0.0628 0.5566 0.0784 0.6972 0.9870

LnPDRB4 33 0.0336 0.3052 0.0793 0.7488 0.0900 0.8430 0.9802

LnPDRB5 33 0.0245 0.3129 0.1269 1.3650 0.1863 1.9997 0.9220

LnPDRB6 33 0.0101 0.2703 0.2360 2.8259 0.2916 3.6038 0.6527

LnPDRB7 33 0.0293 0.3272 0.1438 1.5278 0.1628 1.7388 0.9532

LnTK1 33 0.00363 0.0438 0.0395 0.4083 0.0489 0.5079 0.8958

LnTK2 33 0.00164 0.0174 0.0315 0.2916 0.0504 0.4691 0.7839

LnTK3 33 0.0261 0.3212 0.0571 0.6929 0.0767 0.9329 0.8578

LnTK4 33 0.0105 0.1261 0.0467 0.5453 0.0560 0.6552 0.8430

LnTK5 33 0.00955 0.1195 0.0180 0.2246 0.0243 0.3038 0.9701

LnTK6 33 0.0105 0.1755 0.0598 0.8771 0.0913 1.3233 0.7636

LnTK7 33 -0.00357 -0.0283 0.0745 1.0563 0.0961 1.3534 0.8427

LnLF1 33 0.00470 0.0570 0.0474 0.4878 0.0573 0.5910 0.8985

LnLF2 33 0.00240 0.0243 0.0357 0.3283 0.0485 0.4473 0.8630



Statistics of fit


Mean Abs

ErrorMean Abs %

ErrorRMS


LnLF3 33 0.0291 0.3573 0.0621 0.7501 0.0802 0.9720 0.8741

LnLF4 33 0.0121 0.1446 0.0458 0.5318 0.0543 0.6317 0.9014

LnLF5 33 0.0108 0.1348 0.0204 0.2529 0.0263 0.3278 0.9729

LnLF6 33 0.0115 0.1875 0.0615 0.8950 0.0897 1.2926 0.7679

LnLF7 33 -0.00410 -0.0330 0.0800 1.1280 0.1015 1.4178 0.8486

LnUpah1 33 0.0371 1.0404 0.2494 4.6454 0.2910 5.6776 0.8352

LnUpah2 33 -0.00543 0.1923 0.1873 3.7826 0.2260 4.7463 0.9392

LnUpah3 33 0.1699 3.2849 0.2502 4.7617 0.3288 6.5027 0.8456

LnUpah4 33 0.0589 1.4583 0.2470 4.7663 0.2950 5.8515 0.8859

LnUpah5 33 0.0669 1.3837 0.1194 2.3492 0.1461 2.8562 0.9817

LnUpah6 33 0.0814 1.9135 0.1683 3.1794 0.2026 3.8333 0.9603

LnUpah7 33 -0.0141 -0.0891 0.1230 2.1912 0.1474 2.6051 0.9813

LnPOV1 33 -0.00801 -0.0688 0.0842 0.9608 0.1215 1.3778 0.8382

LnPOV2 33 -0.00222 -0.0116 0.0496 0.4980 0.0795 0.7783 0.9508

LnPOV3 33 0.000544 0.0364 0.0949 1.2938 0.1270 1.7375 0.3057

LnPOV4 33 -0.00822 -0.0887 0.0544 0.6646 0.0826 0.9979 0.6641

LnPOV5 33 -0.0237 -0.2875 0.0559 0.7009 0.0986 1.2112 0.3290

LnPOV6 33 -0.0724 -0.9715 0.1632 2.4134 0.2126 3.1043 0.4955

LnPOV7 33 -0.00138 0.0382 0.1196 1.6329 0.1779 2.4733 0.5513

LnMI1D2 33 0.0225 0.6229 0.2056 3.5919 0.2596 4.5324 0.5150

LnMI1D3 33 0.0373 16.3529 0.3211 29.7107 0.4197 56.1460 0.4018

LnMI1D4 33 -0.00001 7.2619 0.3578 20.5622 0.4497 31.9010 0.4162

LnMI1D5 33 0.0233 2.9766 0.2463 10.5893 0.3137 14.5984 0.3377

LnMI1D6 33 0.0233 4.1488 0.2463 12.9889 0.3137 18.4125 0.3377

LnMI1D7 33 0.0233 4.9659 0.2463 14.4976 0.3137 20.9449 0.3377

LnMI2D1 33 -0.0212 0.0371 0.2317 4.4783 0.3231 6.6728 0.2261

LnMI2D3 33 -0.0123 0.3477 0.1787 5.0291 0.2732 8.2491 0.5347

LnMI2D4 33 -0.0302 2.9603 0.3853 13.7603 0.5290 24.0619 0.1853

LnMI2D5 33 -0.0284 5.5775 0.3832 16.6239 0.5497 37.0693 0.3742

LnMI2D6 33 -0.0284 7.5669 0.3832 19.3275 0.5497 46.8056 0.3742

LnMI2D7 33 -0.0284 6.7349 0.3832 18.2287 0.5497 42.7190 0.3742

LnMI3D1 33 0.1652 13.7974 0.3209 19.4706 0.4525 44.2086 -.1762



Statistics of fit


Mean Abs

ErrorMean Abs %

ErrorRMS


LnMI3D2 33 0.0647 1.7426 0.2038 4.4477 0.2683 6.0217 0.2950

LnMI3D4 33 0.1387 6.0695 0.2661 9.5118 0.3811 18.2454 0.2973

LnMI3D5 33 0.0683 -42.3957 0.4223 110.8 0.6171 186.4 0.3696

LnMI3D6 33 0.0683 -65.1621 0.4223 119.0 0.6171 218.1 0.3696

LnMI3D7 33 0.0683 -44.3786 0.4223 207.5 0.6171 519.5 0.3696

LnMI4D1 33 -0.0273 0.7825 0.2418 11.6459 0.3204 15.7888 -.0373

LnMI4D2 33 -0.00969 0.4456 0.2179 6.3360 0.2762 8.2855 0.5237

LnMI4D3 33 0.00784 2.6190 0.2120 11.3148 0.2909 17.2968 0.1141

LnMI4D5 33 0.0369 5.0913 0.3279 14.7153 0.4061 20.4678 0.3476

LnMI4D6 33 0.0369 4.4084 0.3279 13.4405 0.4061 18.4324 0.3476

LnMI4D7 33 0.0369 4.6862 0.3279 13.9678 0.4061 19.2666 0.3476

LnMI5D1 33 0.0599 11.5234 0.2608 46.1430 0.3472 76.1058 0.1630

LnMI5D2 33 0.0307 1.3290 0.1321 4.4430 0.1803 6.3070 0.6835

LnMI5D3 33 0.0221 23.7822 0.0924 54.3196 0.1273 80.1069 0.9276

LnMI5D4 33 0.0484 8.8247 0.1765 16.2351 0.2384 31.6043 0.4996

LnMI5D6 33 0.0484 6.3318 0.1765 12.7951 0.2384 22.5862 0.4996

LnMI5D7 33 0.0484 -65.2777 0.1765 96.4492 0.2384 433.9 0.4996

LnMI6D1 33 0.0103 -17.9785 0.1906 37.1322 0.2997 124.3 0.3761

LnMI6D2 33 0.0297 1.2446 0.1132 3.4911 0.1709 5.4916 0.7156

LnMI6D3 33 0.0378 69.1835 0.1069 98.8515 0.1509 394.2 0.8983

LnMI6D4 33 0.00856 5.1062 0.1777 14.4818 0.2476 28.5729 0.4602

LnMI6D5 33 0.00856 3.7681 0.1777 12.2090 0.2476 22.4749 0.4602

LnMI6D7 33 0.00856 4.2686 0.1777 13.0938 0.2476 24.7567 0.4602

LnMI7D1 33 -0.0215 -66.8254 0.2215 105.6 0.2986 189.2 0.3806

LnMI7D2 33 -0.0150 0.0468 0.1372 5.5617 0.1883 7.8979 0.6545

LnMI7D3 33 -0.00370 -17.2975 0.0927 22.6983 0.1367 31.9976 0.9166

LnMI7D4 33 -0.0171 -16.7281 0.1583 38.5012 0.2114 113.1 0.6067

LnMI7D5 33 -0.0171 -8.7546 0.1583 34.4938 0.2114 78.6929 0.6067

LnMI7D6 33 -0.0171 48.7343 0.1583 63.2450 0.2114 277.8 0.6067

LnMO1K2 33 -0.0850 -1.2678 0.2245 4.2922 0.2932 5.6218 0.5399

LnMO1K3 33 0.0878 11.0050 0.3429 20.6735 0.4046 32.8427 0.5651

LnMO1K4 33 0.0218 5.2834 0.3029 15.6204 0.3991 23.7347 0.2445



Statistics of fit


Mean Abs

ErrorMean Abs %

ErrorRMS


LnMO1K5 33 0.0128 10.7305 0.3336 24.3743 0.4402 45.9358 0.2543

LnMO1K6 33 0.0401 10.7647 0.2127 20.7376 0.2770 34.0967 0.7136

LnMO1K7 33 0.00927 10.4196 0.2621 24.8736 0.3252 43.1537 0.4352

LnMO2K1 33 -0.00862 -0.0118 0.1821 3.1381 0.2351 4.1028 0.6482

LnMO2K3 33 0.0536 1.5204 0.2519 5.4314 0.2905 6.3895 0.2313

LnMO2K4 33 0.0148 0.9539 0.1899 5.3091 0.2141 6.0671 0.7193

LnMO2K5 33 -0.0149 3.1724 0.4184 14.3091 0.5273 20.8912 0.2628

LnMO2K6 33 0.0964 7.6065 0.3105 13.7542 0.4369 23.8667 0.4939

LnMO2K7 33 0.0365 6.0301 0.3382 15.6655 0.4376 25.8009 0.4925

LnMO3K1 33 0.0981 15.5683 0.2392 21.8954 0.3467 48.8323 0.5710

LnMO3K2 33 -0.0328 -0.2349 0.1775 4.9884 0.2131 6.2417 0.7507

LnMO3K4 33 -0.0986 -3.1372 0.1829 7.9985 0.2232 9.4569 0.7440

LnMO3K5 33 -0.1737 -24.5207 0.3660 134.7 0.4721 326.9 0.6508

LnMO3K6 33 -0.0461 -41.1547 0.3345 82.8251 0.4083 156.7 0.7388

LnMO3K7 33 0.0191 -121.2 0.4427 121.9 0.5354 366.3 0.5508

LnMO4K1 33 -0.2097 0.3405 0.6123 31.2937 0.6907 39.3631 -.1026

LnMO4K2 33 -0.0433 3.8228 0.5085 18.4885 0.5953 25.1104 0.2701

LnMO4K3 33 -0.8235 -18.9295 1.0661 30.7612 1.3835 37.2437 -2.304

LnMO4K5 33 0.0295 4.8291 0.2991 15.3183 0.3659 20.2895 0.2272

LnMO4K6 33 0.0191 4.7606 0.3162 16.4714 0.3996 22.9448 0.0782

LnMO4K7 33 0.0501 6.8608 0.2968 17.0113 0.3760 24.0751 0.1838

LnMO5K1 33 0.0527 27.1016 0.3013 106.1 0.3879 314.5 0.6755

LnMO5K2 33 -0.0469 4.8153 0.3410 16.7064 0.4481 32.3613 0.6629

LnMO5K3 33 -0.1100 1.0287 0.4031 30.1063 0.4985 37.7664 0.5867

LnMO5K4 33 0.0216 14.1027 0.1856 23.1403 0.2833 48.8946 0.7277

LnMO5K6 33 0.0503 14.6238 0.2418 23.6700 0.3538 45.0485 0.5752

LnMO5K7 33 0.0130 17.2513 0.2030 27.8618 0.2955 59.1603 0.7036

LnMO6K1 33 0.0699 105.1 0.3148 148.4 0.4495 559.6 0.3966

LnMO6K2 33 -0.0913 1.7797 0.3598 15.8735 0.4598 27.7850 0.4977

LnMO6K3 33 -0.1883 -0.7828 0.4314 27.6051 0.5796 36.0093 0.3882

LnMO6K4 33 0.00349 16.1487 0.2478 29.9539 0.3548 57.7992 0.3764

LnMO6K5 33 -0.00305 6.0448 0.2292 16.6779 0.3260 28.4252 0.4736



Statistics of fit


Mean Abs

ErrorMean Abs %

ErrorRMS


LnMO6K7 33 -0.0131 13.3565 0.2912 30.3562 0.3816 54.1338 0.2789

LnMO7K1 33 -0.0760 -18.3354 0.3370 92.8661 0.4482 221.8 0.4000

LnMO7K2 33 -0.0295 6.0330 0.3199 17.8504 0.4233 36.9375 0.5744

LnMO7K3 33 -0.3266 -11.6863 0.4745 35.5115 0.6516 43.6118 0.2266

LnMO7K4 33 -0.0822 6.9467 0.2804 28.5531 0.3671 47.4293 0.3325

LnMO7K5 33 0.00738 17.1918 0.2437 31.1907 0.3328 61.0377 0.4514

LnMO7K6 33 -0.0360 57.8081 0.2975 80.9373 0.3940 205.2 0.2311

LnX1K2 33 0.0104 0.1229 0.1269 1.2823 0.1580 1.5770 0.7654

LnX1K3 33 -0.00307 0.00111 0.1171 1.3366 0.1642 1.8691 0.3090

LnX1K4 33 0.00741 0.1574 0.1848 2.1364 0.2261 2.6446 0.6469

LnX1K5 33 0.0279 4.7038 0.6229 11.5218 1.1364 33.9414 0.0846

LnX1K6 33 -0.00272 0.0806 0.2208 2.5531 0.2494 2.8998 0.5705

LnX1K7 33 0.0543 5.0961 0.6003 11.3508 1.1456 34.5153 0.0697

LnX2K1 33 -0.00333 -0.0215 0.0666 0.7316 0.0812 0.9024 0.9881

LnX2K3 33 -0.0142 -0.1224 0.0958 1.0537 0.1144 1.2506 0.9734

LnX2K4 33 0.0690 0.7767 0.1154 1.3034 0.1581 1.7613 0.9594

LnX2K5 33 0.00294 0.0747 0.1122 1.2691 0.1453 1.6462 0.9587

LnX2K6 33 0.0102 0.2374 0.1930 2.1986 0.2557 2.9279 0.8721

LnX2K7 33 0.0163 0.2586 0.0986 1.2050 0.1438 1.7957 0.9595

LnX3K1 33 -0.00891 -0.0727 0.1007 1.1543 0.1288 1.4481 0.9695

LnX3K2 33 -0.0162 -0.1478 0.0990 1.1330 0.1216 1.3676 0.9668

LnX3K4 33 -0.0135 -0.0635 0.1694 2.1428 0.2101 2.6127 0.9334

LnX3K5 33 -0.00307 0.0264 0.1371 1.7320 0.1608 2.0022 0.9485

LnX3K6 33 0.00759 0.3691 0.2490 3.3052 0.3029 4.0573 0.8165

LnX3K7 33 0.00381 0.1008 0.1144 1.4883 0.1534 1.9568 0.9532

LnX4K1 33 -0.00128 0.00282 0.0752 1.1046 0.1032 1.5124 0.9530

LnX4K2 33 -0.00811 -0.0938 0.0798 1.1969 0.1102 1.6459 0.9371

LnX4K3 33 -0.00706 0.0222 0.1549 2.6877 0.2171 3.8070 0.8518

LnX4K5 33 0.00221 0.0738 0.0905 1.4619 0.1100 1.7670 0.9259

LnX4K6 33 0.0162 0.3927 0.1408 2.2360 0.1677 2.6938 0.8277

LnX4K7 33 0.00558 0.1486 0.0904 1.5977 0.1115 1.9659 0.9239

LnX5K1 33 0.0251 23.4644 0.3327 36.9521 0.4757 119.8 0.6227



Statistics of fit


Mean Abs

ErrorMean Abs %

ErrorRMS


LnX5K2 33 0.0619 5.5148 0.3233 14.4341 0.4841 29.2284 0.5963

LnX5K3 33 0.0128 11.7680 0.3013 28.6125 0.4225 67.4946 0.7423

LnX5K4 33 0.0133 122.0 0.3572 138.1 0.5233 685.4 0.5465

LnX5K6 33 0.0247 5.6728 0.4247 20.3820 0.5519 28.2218 0.4718

LnX5K7 33 0.00544 6.0441 0.2717 15.5569 0.4367 37.6702 0.6693

LnX6K1 33 0.00633 0.3474 0.1822 3.7611 0.2238 4.7324 0.8985

LnX6K2 33 -0.00841 -0.1694 0.0761 1.3975 0.0996 1.9032 0.9759

LnX6K3 33 -0.00357 0.0523 0.1407 2.9564 0.1810 3.8217 0.9252

LnX6K4 33 -0.0270 -0.4335 0.1837 3.9350 0.2350 5.1861 0.9038

LnX6K5 33 -0.00248 -0.0289 0.0718 1.3641 0.1001 2.0002 0.9770

LnX6K7 33 0.00334 0.1051 0.0742 1.3483 0.1051 2.0292 0.9746

LnX7K1 33 0.0119 0.3656 0.2162 3.5460 0.2688 4.5210 0.8650

LnX7K2 33 0.00935 0.1765 0.1116 1.5605 0.1413 1.9039 0.9612

LnX7K3 33 -0.0116 -0.0456 0.1506 2.3874 0.1980 3.1482 0.9426

LnX7K4 33 -0.0283 -0.2065 0.1943 3.2325 0.2484 4.3112 0.8912

LnX7K5 33 0.00282 0.0992 0.1080 1.6354 0.1440 2.1044 0.9621

LnX7K6 33 -0.00210 0.0316 0.0983 1.3794 0.1363 1.8400 0.9661

LnM1D2 33 -0.00023 0.0163 0.0786 0.9210 0.1131 1.3204 0.8831

LnM1D3 33 -0.00028 0.00860 0.0689 0.8935 0.0884 1.1457 0.6916

LnM1D4 33 -0.00294 0.0176 0.1366 1.7575 0.1780 2.2412 0.6255

LnM1D5 33 0.00518 0.4684 0.3480 4.8855 0.4419 6.3888 0.0881

LnM1D6 33 0.0152 1.4036 0.4921 7.7184 0.6721 12.1481 0.0992

LnM1D7 33 -0.00770 0.0412 0.2049 2.7253 0.2701 3.6801 0.5129

LnM2D1 33 -0.00830 -0.0496 0.1398 1.3741 0.1680 1.6554 0.9051

LnM2D3 33 -0.0137 -0.1097 0.1361 1.3638 0.1563 1.5621 0.8296

LnM2D4 33 -0.0219 -0.1672 0.1995 2.1448 0.2281 2.4475 0.7803

LnM2D5 33 0.0233 0.3721 0.1997 2.3719 0.2522 3.0376 0.6550

LnM2D6 33 0.0233 0.3648 0.1997 2.3347 0.2522 2.9893 0.6550

LnM2D7 33 0.0233 0.3916 0.1997 2.4709 0.2522 3.1666 0.6550

LnM3D1 33 0.000862 0.0543 0.1163 1.6930 0.1474 2.1276 0.9132

LnM3D2 33 -0.00346 -0.00275 0.1143 1.5540 0.1541 2.1125 0.8668

LnM3D4 33 -0.0110 0.0288 0.1977 3.1574 0.2624 4.2932 0.7747



Statistics of fit


Mean Abs

ErrorMean Abs %

ErrorRMS


LnM3D5 33 -0.00656 -0.0388 0.1226 1.9495 0.1599 2.5283 0.8819

LnM3D6 33 -0.00656 -0.0360 0.1226 2.1260 0.1599 2.7566 0.8819

LnM3D7 33 -0.00656 -0.0377 0.1226 2.0277 0.1599 2.6295 0.8819

LnM4D1 33 0.00663 0.2679 0.1508 2.9808 0.1924 3.7653 0.5782

LnM4D2 33 -0.0138 -0.1624 0.1297 2.3980 0.1670 3.0780 0.5274

LnM4D3 33 -0.00888 -0.1064 0.1070 1.9374 0.1280 2.2838 0.7575

LnM4D5 33 -0.00574 -0.0564 0.0975 1.8469 0.1222 2.2771 0.7233

LnM4D6 33 -0.00574 -0.0557 0.0975 1.7109 0.1222 2.1117 0.7233

LnM4D7 33 -0.00574 -0.0557 0.0975 1.7189 0.1222 2.1215 0.7233

LnM5D1 33 -0.0172 1.3132 0.2969 9.7475 0.4363 14.2071 0.8986

LnM5D2 33 -0.0202 1.2443 0.3030 8.8139 0.4569 13.6929 0.8828

LnM5D3 33 -0.0131 1.9064 0.2943 11.2437 0.4026 16.7809 0.9074

LnM5D4 33 -0.0245 1.9976 0.3197 11.0637 0.4938 18.4816 0.8740

LnM5D6 33 -0.0203 1.5205 0.2971 9.8417 0.4603 15.3829 0.8860

LnM5D7 33 -0.0201 1.1591 0.2940 8.6628 0.4562 13.3294 0.8875

LnM6D1 33 0.00111 0.4452 0.1665 4.7079 0.2292 6.5063 0.2369

LnM6D2 33 -0.00006 0.3556 0.1696 4.2019 0.2371 5.8805 0.4387

LnM6D3 33 0.00170 1.0081 0.2164 7.1702 0.2982 9.8244 0.2136

LnM6D4 33 0.000329 3.0245 0.3175 13.8203 0.4078 18.9027 0.1108

LnM6D5 33 0.000259 0.2282 0.1549 3.1797 0.2296 4.6988 0.3188

LnM6D7 33 0.000148 0.6237 0.1569 5.3735 0.2292 7.9235 0.3114

LnM7D1 33 0.0244 2.0779 0.3108 7.1535 0.5082 15.3343 0.8492

LnM7D2 33 0.0155 1.5575 0.2651 6.0074 0.4550 13.1395 0.8524

LnM7D3 33 0.0163 1.7503 0.2960 6.8469 0.4602 13.5476 0.8733

LnM7D4 33 0.0172 2.1677 0.3434 8.0665 0.5117 15.3673 0.8354

LnM7D5 33 0.0189 1.6091 0.2967 6.2439 0.4815 12.9530 0.8562

LnM7D6 33 0.0189 1.6756 0.2980 6.4047 0.4827 13.3542 0.8560



Theil Forecast Error Statistics

MSE Decomposition Proportions

Inequality Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnPDRB1 33 0.0121 0.98 0.02 0.00 0.97 0.00 0.97 0.0090 0.0045

LnPDRB2 33 0.0131 0.99 0.04 0.05 0.90 0.03 0.93 0.0087 0.0044

LnPDRB3 33 0.00615 0.99 0.04 0.02 0.94 0.01 0.95 0.0069 0.0035

LnPDRB4 33 0.00810 0.99 0.14 0.16 0.70 0.12 0.74 0.0085 0.0043

LnPDRB5 33 0.0347 0.96 0.02 0.00 0.98 0.04 0.94 0.0198 0.0099

LnPDRB6 33 0.0850 0.81 0.00 0.03 0.97 0.23 0.77 0.0342 0.0171

LnPDRB7 33 0.0265 0.98 0.03 0.01 0.96 0.00 0.97 0.0172 0.0086

LnTK1 33 0.00239 0.97 0.01 0.37 0.63 0.50 0.49 0.0051 0.0025

LnTK2 33 0.00254 0.89 0.00 0.00 1.00 0.07 0.93 0.0047 0.0023

LnTK3 33 0.00589 0.94 0.12 0.00 0.88 0.03 0.86 0.0092 0.0046

LnTK4 33 0.00314 0.92 0.04 0.00 0.96 0.03 0.94 0.0065 0.0033

LnTK5 33 0.000591 0.99 0.15 0.00 0.85 0.00 0.84 0.0030 0.0015

LnTK6 33 0.00834 0.88 0.01 0.02 0.97 0.14 0.84 0.0135 0.0067

LnTK7 33 0.00924 0.92 0.00 0.01 0.99 0.10 0.90 0.0137 0.0069

LnLF1 33 0.00329 0.97 0.01 0.37 0.62 0.50 0.49 0.0059 0.0030

LnLF2 33 0.00235 0.93 0.00 0.00 0.99 0.07 0.93 0.0045 0.0022

LnLF3 33 0.00643 0.94 0.13 0.00 0.87 0.03 0.84 0.0096 0.0048

LnLF4 33 0.00294 0.95 0.05 0.00 0.95 0.04 0.91 0.0063 0.0031

LnLF5 33 0.000692 0.99 0.17 0.00 0.83 0.00 0.83 0.0033 0.0016

LnLF6 33 0.00804 0.88 0.02 0.01 0.97 0.13 0.85 0.0131 0.0066

LnLF7 33 0.0103 0.92 0.00 0.01 0.98 0.10 0.90 0.0144 0.0072

LnUpah1 33 0.0847 0.92 0.02 0.04 0.94 0.17 0.82 0.0509 0.0254

LnUpah2 33 0.0511 0.97 0.00 0.03 0.97 0.09 0.91 0.0419 0.0210

LnUpah3 33 0.1081 0.94 0.27 0.00 0.73 0.01 0.73 0.0581 0.0287

LnUpah4 33 0.0870 0.94 0.04 0.01 0.95 0.08 0.88 0.0536 0.0267

LnUpah5 33 0.0214 0.99 0.21 0.00 0.79 0.00 0.79 0.0282 0.0140

LnUpah6 33 0.0411 0.99 0.16 0.21 0.63 0.27 0.57 0.0370 0.0184

LnUpah7 33 0.0217 0.99 0.01 0.07 0.92 0.11 0.88 0.0255 0.0128

LnPOV1 33 0.0148 0.92 0.00 0.01 0.98 0.10 0.90 0.0141 0.0070

LnPOV2 33 0.00632 0.98 0.00 0.03 0.97 0.08 0.92 0.0082 0.0041

LnPOV3 33 0.0161 0.55 0.00 0.00 1.00 0.25 0.75 0.0172 0.0086





Inequality Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnPOV4 33 0.00683 0.82 0.01 0.03 0.96 0.22 0.77 0.0101 0.0051

LnPOV5 33 0.00973 0.61 0.06 0.01 0.93 0.15 0.79 0.0125 0.0063

LnPOV6 33 0.0452 0.75 0.12 0.02 0.86 0.24 0.64 0.0315 0.0159

LnPOV7 33 0.0317 0.74 0.00 0.00 1.00 0.12 0.88 0.0239 0.0120

LnMI1D2 33 0.0674 0.73 0.01 0.03 0.96 0.32 0.67 0.0452 0.0225

LnMI1D3 33 0.1761 0.71 0.01 0.17 0.83 0.61 0.38 0.2310 0.1165

LnMI1D4 33 0.2022 0.69 0.00 0.11 0.89 0.54 0.46 0.2003 0.1016

LnMI1D5 33 0.0984 0.65 0.01 0.12 0.88 0.60 0.39 0.1247 0.0624

LnMI1D6 33 0.0984 0.65 0.01 0.12 0.88 0.60 0.39 0.1483 0.0743

LnMI1D7 33 0.0984 0.65 0.01 0.12 0.88 0.60 0.39 0.1620 0.0812

LnMI2D1 33 0.1044 0.51 0.00 0.04 0.96 0.57 0.42 0.0593 0.0298

LnMI2D3 33 0.0746 0.74 0.00 0.02 0.97 0.29 0.71 0.0711 0.0357

LnMI2D4 33 0.2798 0.46 0.00 0.03 0.97 0.59 0.41 0.1511 0.0764

LnMI2D5 33 0.3022 0.63 0.00 0.03 0.97 0.40 0.60 0.1665 0.0843

LnMI2D6 33 0.3022 0.63 0.00 0.03 0.97 0.40 0.60 0.1783 0.0904

LnMI2D7 33 0.3022 0.63 0.00 0.03 0.97 0.40 0.60 0.1739 0.0882

LnMI3D1 33 0.2047 0.11 0.13 0.03 0.84 0.44 0.43 0.1922 0.0935

LnMI3D2 33 0.0720 0.69 0.06 0.21 0.73 0.67 0.27 0.0565 0.0281

LnMI3D4 33 0.1452 0.63 0.13 0.00 0.86 0.25 0.62 0.1136 0.0558

LnMI3D5 33 0.3808 0.62 0.01 0.01 0.98 0.35 0.64 0.6627 0.3752

LnMI3D6 33 0.3808 0.62 0.01 0.01 0.98 0.35 0.64 0.6506 0.3657

LnMI3D7 33 0.3808 0.62 0.01 0.01 0.98 0.35 0.64 0.6275 0.3483

LnMI4D1 33 0.1027 0.19 0.01 0.06 0.93 0.30 0.69 0.1485 0.0751

LnMI4D2 33 0.0763 0.73 0.00 0.02 0.98 0.28 0.72 0.0767 0.0385

LnMI4D3 33 0.0846 0.34 0.00 0.00 1.00 0.42 0.57 0.1425 0.0715

LnMI4D5 33 0.1649 0.65 0.01 0.12 0.88 0.59 0.40 0.1576 0.0789

LnMI4D6 33 0.1649 0.65 0.01 0.12 0.88 0.59 0.40 0.1466 0.0733

LnMI4D7 33 0.1649 0.65 0.01 0.12 0.88 0.59 0.40 0.1512 0.0757

LnMI5D1 33 0.1205 0.46 0.03 0.02 0.95 0.56 0.41 0.3774 0.1901

LnMI5D2 33 0.0325 0.83 0.03 0.00 0.97 0.07 0.90 0.0581 0.0289

LnMI5D3 33 0.0162 0.96 0.03 0.00 0.97 0.01 0.96 0.2447 0.1226





Inequality Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnMI5D4 33 0.0568 0.77 0.04 0.16 0.80 0.51 0.45 0.1587 0.0789

LnMI5D6 33 0.0568 0.77 0.04 0.16 0.80 0.51 0.45 0.1364 0.0678

LnMI5D7 33 0.0568 0.77 0.04 0.16 0.80 0.51 0.45 0.2471 0.1234

LnMI6D1 33 0.0898 0.65 0.00 0.07 0.93 0.51 0.49 0.2598 0.1323

LnMI6D2 33 0.0292 0.86 0.03 0.07 0.90 0.27 0.70 0.0509 0.0254

LnMI6D3 33 0.0228 0.96 0.06 0.07 0.86 0.17 0.77 0.2267 0.1145

LnMI6D4 33 0.0613 0.70 0.00 0.05 0.95 0.39 0.60 0.1551 0.0780

LnMI6D5 33 0.0613 0.70 0.00 0.05 0.95 0.39 0.60 0.1384 0.0695

LnMI6D7 33 0.0613 0.70 0.00 0.05 0.95 0.39 0.60 0.1453 0.0730

LnMI7D1 33 0.0892 0.68 0.01 0.13 0.86 0.59 0.40 0.6345 0.3888

LnMI7D2 33 0.0355 0.81 0.01 0.01 0.98 0.19 0.80 0.0739 0.0371

LnMI7D3 33 0.0187 0.96 0.00 0.02 0.98 0.08 0.92 0.2339 0.1198

LnMI7D4 33 0.0447 0.83 0.01 0.18 0.81 0.50 0.50 0.2399 0.1243

LnMI7D5 33 0.0447 0.83 0.01 0.18 0.81 0.50 0.50 0.2571 0.1339

LnMI7D6 33 0.0447 0.83 0.01 0.18 0.81 0.50 0.50 0.2028 0.1042

LnMO1K2 33 0.0860 0.77 0.08 0.04 0.87 0.29 0.62 0.0560 0.0283

LnMO1K3 33 0.1637 0.79 0.05 0.08 0.87 0.37 0.59 0.1828 0.0907

LnMO1K4 33 0.1593 0.55 0.00 0.08 0.92 0.63 0.37 0.1699 0.0853

LnMO1K5 33 0.1938 0.52 0.00 0.02 0.98 0.50 0.50 0.2185 0.1104

LnMO1K6 33 0.0767 0.86 0.02 0.05 0.93 0.24 0.74 0.1854 0.0928

LnMO1K7 33 0.1058 0.67 0.00 0.02 0.98 0.34 0.66 0.2158 0.1091

LnMO2K1 33 0.0553 0.81 0.00 0.01 0.99 0.04 0.96 0.0396 0.0198

LnMO2K3 33 0.0844 0.51 0.03 0.00 0.97 0.34 0.63 0.0614 0.0306

LnMO2K4 33 0.0458 0.88 0.00 0.22 0.77 0.47 0.52 0.0575 0.0288

LnMO2K5 33 0.2781 0.73 0.00 0.37 0.63 0.84 0.15 0.1553 0.0784

LnMO2K6 33 0.1909 0.90 0.05 0.58 0.38 0.81 0.14 0.1457 0.0724

LnMO2K7 33 0.1915 0.74 0.01 0.10 0.90 0.46 0.54 0.1552 0.0778

LnMO3K1 33 0.1202 0.82 0.08 0.16 0.76 0.45 0.47 0.1774 0.0876

LnMO3K2 33 0.0454 0.94 0.02 0.54 0.44 0.72 0.26 0.0572 0.0288

LnMO3K4 33 0.0498 0.92 0.19 0.19 0.61 0.36 0.44 0.0977 0.0502

LnMO3K5 33 0.2228 0.84 0.14 0.02 0.85 0.16 0.70 0.4754 0.2730





Inequality Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnMO3K6 33 0.1667 0.90 0.01 0.27 0.72 0.50 0.48 0.4980 0.3030

LnMO3K7 33 0.2867 0.80 0.00 0.21 0.79 0.56 0.44 0.6702 0.4471

LnMO4K1 33 0.4770 0.32 0.09 0.10 0.81 0.11 0.79 0.2876 0.1520

LnMO4K2 33 0.3544 0.68 0.01 0.25 0.74 0.77 0.22 0.1819 0.0926

LnMO4K3 33 1.9139 -0.26 0.35 0.36 0.28 0.01 0.64 0.4161 0.2377

LnMO4K5 33 0.1339 0.48 0.01 0.00 0.99 0.38 0.61 0.1642 0.0821

LnMO4K6 33 0.1597 0.32 0.00 0.02 0.98 0.32 0.67 0.1793 0.0899

LnMO4K7 33 0.1414 0.45 0.02 0.00 0.98 0.41 0.57 0.1810 0.0902

LnMO5K1 33 0.1504 0.84 0.02 0.07 0.91 0.30 0.69 0.2806 0.1425

LnMO5K2 33 0.2008 0.85 0.01 0.18 0.81 0.46 0.53 0.1571 0.0801

LnMO5K3 33 0.2485 0.78 0.05 0.00 0.95 0.17 0.78 0.2959 0.1566

LnMO5K4 33 0.0802 0.87 0.01 0.10 0.90 0.31 0.68 0.1849 0.0933

LnMO5K6 33 0.1252 0.80 0.02 0.14 0.84 0.46 0.52 0.2088 0.1048

LnMO5K7 33 0.0873 0.87 0.00 0.18 0.82 0.43 0.56 0.2008 0.1020

LnMO6K1 33 0.2020 0.72 0.02 0.17 0.81 0.60 0.37 0.3257 0.1651

LnMO6K2 33 0.2114 0.73 0.04 0.04 0.92 0.33 0.63 0.1602 0.0821

LnMO6K3 33 0.3359 0.69 0.11 0.04 0.86 0.35 0.55 0.3381 0.1852

LnMO6K4 33 0.1259 0.69 0.00 0.16 0.84 0.63 0.37 0.2495 0.1274

LnMO6K5 33 0.1063 0.75 0.00 0.16 0.84 0.56 0.44 0.1800 0.0912

LnMO6K7 33 0.1456 0.56 0.00 0.05 0.95 0.54 0.46 0.2565 0.1314

LnMO7K1 33 0.2009 0.67 0.03 0.05 0.92 0.43 0.55 0.3931 0.2144

LnMO7K2 33 0.1792 0.80 0.00 0.14 0.85 0.47 0.53 0.1623 0.0825

LnMO7K3 33 0.4246 0.68 0.25 0.05 0.70 0.35 0.40 0.4418 0.2620

LnMO7K4 33 0.1348 0.62 0.05 0.03 0.92 0.41 0.54 0.2544 0.1335

LnMO7K5 33 0.1108 0.71 0.00 0.10 0.90 0.50 0.50 0.2416 0.1231

LnMO7K6 33 0.1552 0.53 0.01 0.05 0.94 0.59 0.41 0.3419 0.1801

LnX1K2 33 0.0250 0.88 0.00 0.03 0.97 0.01 0.99 0.0162 0.0081

LnX1K3 33 0.0270 0.56 0.00 0.00 1.00 0.34 0.66 0.0188 0.0094

LnX1K4 33 0.0511 0.81 0.00 0.00 1.00 0.14 0.86 0.0260 0.0130

LnX1K5 33 1.2915 0.30 0.00 0.01 0.99 0.44 0.56 0.1354 0.0679

LnX1K6 33 0.0622 0.81 0.00 0.18 0.82 0.53 0.47 0.0287 0.0143





Inequality Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnX1K7 33 1.3125 0.28 0.00 0.01 0.99 0.45 0.55 0.1365 0.0683

LnX2K1 33 0.00659 0.99 0.00 0.01 0.99 0.02 0.98 0.0087 0.0043

LnX2K3 33 0.0131 0.99 0.02 0.03 0.95 0.07 0.91 0.0125 0.0062

LnX2K4 33 0.0250 0.98 0.19 0.05 0.76 0.02 0.79 0.0179 0.0089

LnX2K5 33 0.0211 0.98 0.00 0.01 0.99 0.04 0.96 0.0164 0.0082

LnX2K6 33 0.0654 0.94 0.00 0.04 0.96 0.14 0.86 0.0281 0.0140

LnX2K7 33 0.0207 0.98 0.01 0.04 0.95 0.08 0.91 0.0174 0.0087

LnX3K1 33 0.0166 0.98 0.00 0.01 0.98 0.04 0.96 0.0150 0.0075

LnX3K2 33 0.0148 0.98 0.02 0.06 0.92 0.11 0.88 0.0141 0.0070

LnX3K4 33 0.0441 0.97 0.00 0.03 0.97 0.09 0.91 0.0270 0.0135

LnX3K5 33 0.0258 0.97 0.00 0.02 0.98 0.07 0.93 0.0204 0.0102

LnX3K6 33 0.0917 0.92 0.00 0.13 0.87 0.31 0.69 0.0391 0.0196

LnX3K7 33 0.0235 0.98 0.00 0.01 0.99 0.04 0.96 0.0202 0.0101

LnX4K1 33 0.0107 0.98 0.00 0.00 1.00 0.01 0.99 0.0154 0.0077

LnX4K2 33 0.0121 0.97 0.01 0.00 0.99 0.03 0.97 0.0167 0.0084

LnX4K3 33 0.0471 0.92 0.00 0.00 1.00 0.05 0.95 0.0379 0.0190

LnX4K5 33 0.0121 0.96 0.00 0.00 1.00 0.04 0.96 0.0178 0.0089

LnX4K6 33 0.0281 0.94 0.01 0.33 0.66 0.51 0.48 0.0261 0.0130

LnX4K7 33 0.0124 0.96 0.00 0.01 0.99 0.04 0.95 0.0198 0.0099

LnX5K1 33 0.2263 0.79 0.00 0.00 1.00 0.10 0.90 0.2398 0.1208

LnX5K2 33 0.2344 0.81 0.02 0.12 0.87 0.00 0.98 0.1798 0.0888

LnX5K3 33 0.1785 0.86 0.00 0.00 1.00 0.06 0.94 0.2224 0.1121

LnX5K4 33 0.2738 0.74 0.00 0.00 1.00 0.11 0.89 0.2710 0.1373

LnX5K6 33 0.3046 0.72 0.00 0.09 0.91 0.01 0.99 0.2123 0.1059

LnX5K7 33 0.1907 0.82 0.00 0.00 1.00 0.09 0.91 0.1829 0.0921

LnX6K1 33 0.0501 0.95 0.00 0.00 1.00 0.03 0.97 0.0448 0.0224

LnX6K2 33 0.00991 0.99 0.01 0.06 0.93 0.03 0.96 0.0173 0.0087

LnX6K3 33 0.0328 0.96 0.00 0.00 1.00 0.01 0.99 0.0371 0.0186

LnX6K4 33 0.0552 0.95 0.01 0.01 0.98 0.00 0.98 0.0475 0.0238

LnX6K5 33 0.0100 0.99 0.00 0.01 0.99 0.00 1.00 0.0185 0.0092

LnX6K7 33 0.0111 0.99 0.00 0.00 1.00 0.01 0.99 0.0186 0.0093





Inequality Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnX7K1 33 0.0723 0.93 0.00 0.00 1.00 0.03 0.97 0.0424 0.0212

LnX7K2 33 0.0200 0.98 0.00 0.00 0.99 0.02 0.97 0.0199 0.0100

LnX7K3 33 0.0392 0.97 0.00 0.01 0.98 0.06 0.94 0.0318 0.0159

LnX7K4 33 0.0617 0.95 0.01 0.02 0.96 0.10 0.89 0.0395 0.0198

LnX7K5 33 0.0207 0.98 0.00 0.01 0.99 0.03 0.97 0.0218 0.0109

LnX7K6 33 0.0186 0.98 0.00 0.02 0.98 0.06 0.94 0.0195 0.0097

LnM1D2 33 0.0128 0.94 0.00 0.00 1.00 0.04 0.96 0.0134 0.0067

LnM1D3 33 0.00782 0.83 0.00 0.00 1.00 0.07 0.93 0.0115 0.0058

LnM1D4 33 0.0317 0.79 0.00 0.00 1.00 0.16 0.84 0.0232 0.0116

LnM1D5 33 0.1953 0.36 0.00 0.04 0.96 0.78 0.22 0.0605 0.0303

LnM1D6 33 0.4517 0.34 0.00 0.02 0.98 0.69 0.31 0.0959 0.0480

LnM1D7 33 0.0729 0.72 0.00 0.01 0.99 0.24 0.76 0.0353 0.0177

LnM2D1 33 0.0282 0.95 0.00 0.01 0.99 0.05 0.94 0.0164 0.0082

LnM2D3 33 0.0244 0.91 0.01 0.01 0.99 0.09 0.91 0.0157 0.0079

LnM2D4 33 0.0520 0.89 0.01 0.01 0.98 0.12 0.87 0.0246 0.0123

LnM2D5 33 0.0636 0.81 0.01 0.01 0.98 0.17 0.83 0.0296 0.0148

LnM2D6 33 0.0636 0.81 0.01 0.01 0.98 0.17 0.83 0.0292 0.0146

LnM2D7 33 0.0636 0.81 0.01 0.01 0.98 0.17 0.83 0.0308 0.0154

LnM3D1 33 0.0217 0.96 0.00 0.00 1.00 0.02 0.98 0.0215 0.0107

LnM3D2 33 0.0238 0.93 0.00 0.00 1.00 0.04 0.96 0.0211 0.0105

LnM3D4 33 0.0689 0.88 0.00 0.01 0.99 0.12 0.88 0.0418 0.0209

LnM3D5 33 0.0256 0.94 0.00 0.00 1.00 0.04 0.96 0.0255 0.0128

LnM3D6 33 0.0256 0.94 0.00 0.00 1.00 0.04 0.96 0.0278 0.0139

LnM3D7 33 0.0256 0.94 0.00 0.00 1.00 0.04 0.96 0.0265 0.0133

LnM4D1 33 0.0370 0.76 0.00 0.00 1.00 0.13 0.87 0.0383 0.0192

LnM4D2 33 0.0279 0.73 0.01 0.00 0.99 0.17 0.82 0.0309 0.0155

LnM4D3 33 0.0164 0.87 0.00 0.00 0.99 0.10 0.89 0.0234 0.0117

LnM4D5 33 0.0149 0.85 0.00 0.00 1.00 0.10 0.90 0.0235 0.0117

LnM4D6 33 0.0149 0.85 0.00 0.00 1.00 0.10 0.90 0.0217 0.0109

LnM4D7 33 0.0149 0.85 0.00 0.00 1.00 0.10 0.90 0.0218 0.0109

LnM5D1 33 0.1904 0.95 0.00 0.01 0.99 0.07 0.93 0.1183 0.0596





Inequality Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnM5D2 33 0.2088 0.94 0.00 0.01 0.98 0.08 0.92 0.1127 0.0568

LnM5D3 33 0.1621 0.95 0.00 0.01 0.99 0.06 0.94 0.1183 0.0596

LnM5D4 33 0.2439 0.94 0.00 0.01 0.99 0.08 0.92 0.1379 0.0697

LnM5D6 33 0.2119 0.94 0.00 0.01 0.99 0.08 0.92 0.1245 0.0628

LnM5D7 33 0.2081 0.94 0.00 0.01 0.99 0.08 0.92 0.1143 0.0576

LnM6D1 33 0.0526 0.49 0.00 0.00 1.00 0.30 0.70 0.0632 0.0316

LnM6D2 33 0.0562 0.66 0.00 0.00 1.00 0.23 0.77 0.0570 0.0285

LnM6D3 33 0.0889 0.46 0.00 0.00 1.00 0.32 0.68 0.0962 0.0482

LnM6D4 33 0.1663 0.33 0.00 0.00 1.00 0.49 0.51 0.1625 0.0818

LnM6D5 33 0.0527 0.56 0.00 0.00 1.00 0.28 0.72 0.0462 0.0231

LnM6D7 33 0.0525 0.56 0.00 0.00 1.00 0.29 0.71 0.0749 0.0375

LnM7D1 33 0.2583 0.92 0.00 0.00 0.99 0.07 0.93 0.0931 0.0466

LnM7D2 33 0.2070 0.92 0.00 0.01 0.99 0.08 0.92 0.0824 0.0412

LnM7D3 33 0.2118 0.94 0.00 0.01 0.99 0.07 0.92 0.0874 0.0438

LnM7D4 33 0.2618 0.92 0.00 0.01 0.99 0.10 0.90 0.0973 0.0487

LnM7D5 33 0.2319 0.93 0.00 0.01 0.99 0.08 0.92 0.0833 0.0417

LnM7D6 33 0.2330 0.93 0.00 0.01 0.99 0.08 0.92 0.0847 0.0424

Theil Relative Change Forecast Error Statistics

Relative Change MSE Decomposition

Proportions Inequality

Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnPDRB1 33 0.000091 0.59 0.02 0.27 0.71 0.01 0.97 0.7809 0.3671

LnPDRB2 33 0.000077 0.53 0.04 0.35 0.61 0.03 0.94 0.7821 0.3560

LnPDRB3 33 0.000050 0.85 0.04 0.05 0.91 0.00 0.95 0.4431 0.2175

LnPDRB4 33 0.000072 0.58 0.13 0.12 0.75 0.01 0.86 0.6797 0.3175

LnPDRB5 33 0.000375 0.64 0.02 0.22 0.75 0.00 0.97 0.7999 0.3800

LnPDRB6 33 0.00134 0.48 0.01 0.75 0.24 0.33 0.66 1.6749 0.5653

LnPDRB7 33 0.000307 0.35 0.03 0.38 0.59 0.01 0.96 0.9879 0.4543

LnTK1 33 0.000026 0.41 0.01 0.59 0.40 0.13 0.86 1.3824 0.5499






Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnTK2 33 0.000021 0.60 0.00 0.08 0.92 0.04 0.96 0.8192 0.4439

LnTK3 33 0.000086 0.50 0.12 0.32 0.56 0.02 0.86 1.1159 0.4884

LnTK4 33 0.000043 0.51 0.04 0.36 0.61 0.02 0.94 1.0795 0.4872

LnTK5 33 9.204E-6 0.63 0.15 0.19 0.65 0.00 0.84 0.8656 0.3891

LnTK6 33 0.000172 0.66 0.02 0.23 0.75 0.01 0.98 0.8697 0.4173

LnTK7 33 0.000183 0.44 0.00 0.40 0.60 0.02 0.98 1.1412 0.5270

LnLF1 33 0.000035 0.39 0.01 0.70 0.29 0.23 0.76 1.6024 0.5774

LnLF2 33 0.000020 0.57 0.00 0.15 0.85 0.01 0.99 0.8708 0.4519

LnLF3 33 0.000094 0.48 0.13 0.38 0.48 0.04 0.82 1.2133 0.5039

LnLF4 33 0.000040 0.53 0.05 0.38 0.57 0.04 0.91 1.0781 0.4728

LnLF5 33 0.000011 0.61 0.17 0.27 0.56 0.02 0.81 0.9293 0.3982

LnLF6 33 0.000166 0.63 0.02 0.32 0.66 0.03 0.95 0.9508 0.4345

LnLF7 33 0.000201 0.43 0.00 0.44 0.56 0.04 0.96 1.1801 0.5328

LnUpah1 33 0.00318 0.32 0.03 0.74 0.23 0.27 0.70 1.8632 0.6178

LnUpah2 33 0.00227 0.36 0.00 0.77 0.23 0.30 0.70 1.6735 0.5847

LnUpah3 33 0.00432 0.36 0.26 0.66 0.08 0.38 0.36 2.7935 0.6618

LnUpah4 33 0.00347 0.34 0.06 0.75 0.19 0.31 0.63 1.9382 0.6096

LnUpah5 33 0.000847 0.61 0.24 0.52 0.24 0.23 0.53 1.1271 0.4069

LnUpah6 33 0.00152 0.38 0.25 0.55 0.21 0.19 0.57 1.5579 0.5160

LnUpah7 33 0.000700 0.42 0.00 0.70 0.30 0.23 0.77 1.1676 0.4798

LnPOV1 33 0.000195 0.52 0.00 0.14 0.86 0.02 0.97 0.9110 0.4901

LnPOV2 33 0.000062 0.51 0.00 0.15 0.85 0.02 0.98 0.8766 0.4657

LnPOV3 33 0.000301 0.42 0.00 0.48 0.52 0.05 0.95 1.2503 0.5461

LnPOV4 33 0.000101 0.57 0.01 0.06 0.93 0.07 0.92 0.8459 0.4719

LnPOV5 33 0.000151 0.46 0.06 0.31 0.64 0.01 0.94 1.1108 0.5230

LnPOV6 33 0.000967 0.31 0.10 0.52 0.38 0.08 0.82 1.5384 0.6031

LnPOV7 33 0.000594 0.46 0.00 0.38 0.62 0.02 0.98 1.1195 0.5184

LnMI1D2 33 0.00208 0.47 0.02 0.52 0.46 0.10 0.88 1.2675 0.5218

LnMI1D3 33 0.2846 0.92 0.05 0.00 0.95 0.03 0.93 0.3941 0.2012

LnMI1D4 33 0.0900 0.42 0.05 0.71 0.25 0.28 0.68 1.7487 0.5846

LnMI1D5 33 0.0203 0.63 0.03 0.33 0.64 0.04 0.93 0.9487 0.4264






Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnMI1D6 33 0.0316 0.68 0.04 0.32 0.64 0.05 0.92 0.8960 0.4012

LnMI1D7 33 0.0403 0.71 0.04 0.32 0.64 0.05 0.90 0.8570 0.3824

LnMI2D1 33 0.00402 0.39 0.00 0.63 0.37 0.15 0.85 1.5044 0.5824

LnMI2D3 33 0.00645 0.36 0.00 0.66 0.34 0.17 0.83 1.5856 0.5972

LnMI2D4 33 0.0438 0.49 0.01 0.76 0.23 0.36 0.64 1.8179 0.5869

LnMI2D5 33 0.0684 0.74 0.02 0.71 0.27 0.41 0.57 1.2822 0.4514

LnMI2D6 33 0.0987 0.80 0.02 0.75 0.22 0.50 0.48 1.2721 0.4356

LnMI2D7 33 0.0854 0.77 0.02 0.74 0.24 0.47 0.51 1.2762 0.4416

LnMI3D1 33 0.0812 0.81 0.15 0.58 0.27 0.35 0.50 1.1284 0.4106

LnMI3D2 33 0.00363 0.26 0.08 0.73 0.19 0.27 0.64 2.2237 0.6824

LnMI3D4 33 0.0177 0.72 0.15 0.30 0.55 0.06 0.78 0.9332 0.4033

LnMI3D5 33 6.7701 0.73 0.09 0.04 0.87 0.33 0.58 0.7027 0.4514

LnMI3D6 33 10.3804 0.82 0.07 0.23 0.70 0.55 0.37 0.6608 0.4474

LnMI3D7 33 82.2016 0.92 0.01 0.62 0.37 0.84 0.15 0.6602 0.4732

LnMI4D1 33 0.0246 0.19 0.00 0.85 0.14 0.37 0.63 2.5823 0.7222

LnMI4D2 33 0.00676 0.40 0.00 0.44 0.56 0.03 0.97 1.2297 0.5555

LnMI4D3 33 0.0308 0.52 0.01 0.18 0.81 0.01 0.99 0.9459 0.4877

LnMI4D5 33 0.0406 0.33 0.06 0.78 0.16 0.36 0.58 2.3753 0.6767

LnMI4D6 33 0.0332 0.33 0.05 0.78 0.16 0.36 0.59 2.3345 0.6747

LnMI4D7 33 0.0361 0.33 0.06 0.78 0.16 0.36 0.59 2.3514 0.6756

LnMI5D1 33 0.4824 0.54 0.09 0.54 0.37 0.16 0.75 1.3602 0.5318

LnMI5D2 33 0.00370 0.55 0.04 0.26 0.71 0.00 0.96 0.9752 0.4646

LnMI5D3 33 1.7932 0.34 0.11 0.05 0.84 0.18 0.72 1.0195 0.6343

LnMI5D4 33 0.0483 0.75 0.11 0.49 0.41 0.21 0.69 1.0441 0.4134

LnMI5D6 33 0.0305 0.67 0.10 0.49 0.42 0.17 0.74 1.1456 0.4549

LnMI5D7 33 2.4345 0.99 0.01 0.96 0.03 0.94 0.05 0.5592 0.2199

LnMI6D1 33 0.2291 0.94 0.00 0.59 0.41 0.43 0.57 0.5338 0.2273

LnMI6D2 33 0.00281 0.56 0.04 0.18 0.78 0.00 0.95 0.9240 0.4589

LnMI6D3 33 1.1930 1.00 0.04 0.88 0.08 0.86 0.10 0.3086 0.1347

LnMI6D4 33 0.0413 0.67 0.03 0.52 0.45 0.18 0.79 1.1103 0.4461

LnMI6D5 33 0.0296 0.60 0.02 0.52 0.46 0.15 0.83 1.1767 0.4776






Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnMI6D7 33 0.0339 0.63 0.03 0.52 0.46 0.16 0.82 1.1509 0.4653

LnMI7D1 33 13.9344 0.11 0.01 0.14 0.85 0.20 0.79 1.0746 0.6952

LnMI7D2 33 0.00583 0.53 0.00 0.29 0.71 0.01 0.99 0.9861 0.4769

LnMI7D3 33 0.4725 0.65 0.00 0.13 0.87 0.62 0.38 0.7970 0.5585

LnMI7D4 33 0.2531 0.92 0.00 0.61 0.39 0.42 0.58 0.6306 0.2623

LnMI7D5 33 0.2407 0.78 0.00 0.48 0.52 0.19 0.81 0.8536 0.3620

LnMI7D6 33 0.7698 0.99 0.04 0.89 0.07 0.86 0.11 0.4574 0.1881

LnMO1K2 33 0.00318 0.36 0.06 0.49 0.46 0.05 0.89 1.3711 0.5897

LnMO1K3 33 0.0670 0.68 0.14 0.44 0.42 0.15 0.72 1.1248 0.4464

LnMO1K4 33 0.0505 0.37 0.04 0.62 0.34 0.16 0.81 1.5805 0.5912

LnMO1K5 33 0.0968 0.74 0.03 0.35 0.62 0.08 0.88 0.8461 0.3725

LnMO1K6 33 0.0881 0.55 0.08 0.33 0.59 0.03 0.89 1.0596 0.4700

LnMO1K7 33 0.1303 0.58 0.05 0.47 0.48 0.11 0.84 1.1679 0.4810

LnMO2K1 33 0.00167 0.12 0.00 0.82 0.18 0.27 0.73 2.2479 0.7113

LnMO2K3 33 0.00409 0.27 0.05 0.79 0.16 0.35 0.60 2.4398 0.6940

LnMO2K4 33 0.00381 0.40 0.02 0.53 0.45 0.08 0.90 1.3633 0.5654

LnMO2K5 33 0.0398 0.32 0.02 0.81 0.16 0.37 0.61 2.3305 0.6752

LnMO2K6 33 0.0495 0.40 0.10 0.70 0.19 0.30 0.59 2.0857 0.6399

LnMO2K7 33 0.0577 0.46 0.06 0.75 0.20 0.35 0.59 1.9979 0.6150

LnMO3K1 33 0.1765 0.58 0.12 0.77 0.11 0.50 0.38 2.4017 0.6240

LnMO3K2 33 0.00389 0.19 0.00 0.74 0.26 0.20 0.80 1.8882 0.6700

LnMO3K4 33 0.00942 0.20 0.12 0.61 0.27 0.13 0.75 1.7926 0.6855

LnMO3K5 33 27.2780 0.20 0.01 0.09 0.90 0.23 0.76 1.0325 0.6825

LnMO3K6 33 4.9446 0.71 0.07 0.83 0.10 0.61 0.32 2.1986 0.5813

LnMO3K7 33 49.5869 -0.99 0.07 0.92 0.01 0.02 0.91 1.7450 0.9945

LnMO4K1 33 0.1413 -0.02 0.00 0.91 0.08 0.43 0.57 3.4303 0.8056

LnMO4K2 33 0.0589 0.19 0.02 0.88 0.10 0.45 0.53 3.0562 0.7473

LnMO4K3 33 0.1420 -0.18 0.28 0.69 0.03 0.37 0.35 5.3561 0.8817

LnMO4K5 33 0.0409 0.28 0.05 0.77 0.18 0.32 0.63 2.2676 0.6747

LnMO4K6 33 0.0526 0.24 0.04 0.82 0.14 0.38 0.58 2.5715 0.7041

LnMO4K7 33 0.0571 0.26 0.07 0.77 0.15 0.34 0.58 2.4607 0.6910






Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnMO5K1 33 15.5024 -0.76 0.01 0.97 0.02 0.33 0.66 4.2905 0.9583

LnMO5K2 33 0.0571 0.69 0.02 0.52 0.47 0.18 0.80 1.0529 0.4276

LnMO5K3 33 0.1706 0.48 0.02 0.21 0.77 0.00 0.98 0.9443 0.4939

LnMO5K4 33 0.1950 0.55 0.05 0.37 0.57 0.04 0.91 1.0972 0.4841

LnMO5K6 33 0.1725 0.45 0.08 0.52 0.40 0.11 0.80 1.4096 0.5516

LnMO5K7 33 0.2885 0.59 0.06 0.44 0.50 0.10 0.84 1.1348 0.4723

LnMO6K1 33 49.4296 -0.87 0.04 0.94 0.01 0.27 0.69 4.0258 0.9760

LnMO6K2 33 0.0456 0.65 0.00 0.54 0.46 0.18 0.82 1.1239 0.4540

LnMO6K3 33 0.1292 0.51 0.01 0.38 0.61 0.03 0.96 1.0618 0.4924

LnMO6K4 33 0.2661 0.47 0.06 0.52 0.42 0.11 0.83 1.3509 0.5406

LnMO6K5 33 0.0739 0.46 0.03 0.53 0.44 0.10 0.87 1.3317 0.5432

LnMO6K7 33 0.2411 0.45 0.04 0.60 0.36 0.17 0.79 1.4899 0.5618

LnMO7K1 33 6.9522 -0.76 0.00 0.97 0.03 0.29 0.71 3.9484 0.9529

LnMO7K2 33 0.0644 0.73 0.02 0.52 0.45 0.21 0.77 1.0107 0.4076

LnMO7K3 33 0.6003 0.71 0.13 0.04 0.83 0.33 0.54 0.7389 0.4840

LnMO7K4 33 0.1927 0.46 0.01 0.46 0.53 0.06 0.94 1.2079 0.5267

LnMO7K5 33 0.2924 0.52 0.06 0.48 0.46 0.10 0.85 1.2585 0.5153

LnMO7K6 33 2.5512 0.63 0.06 0.50 0.44 0.16 0.78 1.1582 0.4616

LnX1K2 33 0.000251 0.31 0.01 0.68 0.31 0.18 0.82 1.6554 0.6118

LnX1K3 33 0.000345 0.55 0.00 0.21 0.79 0.00 1.00 0.9436 0.4766

LnX1K4 33 0.000683 0.47 0.00 0.31 0.69 0.00 0.99 1.0625 0.5136

LnX1K5 33 0.0290 0.88 0.01 0.09 0.91 0.00 0.99 0.4982 0.2453

LnX1K6 33 0.000841 0.43 0.00 0.42 0.58 0.03 0.97 1.1789 0.5377

LnX1K7 33 0.0300 0.88 0.01 0.10 0.88 0.01 0.98 0.5067 0.2473

LnX2K1 33 0.000082 0.75 0.00 0.05 0.94 0.02 0.98 0.6162 0.3211

LnX2K3 33 0.000158 0.53 0.01 0.20 0.79 0.00 0.99 0.8886 0.4610

LnX2K4 33 0.000307 0.55 0.19 0.20 0.60 0.00 0.81 1.0042 0.4461

LnX2K5 33 0.000272 0.58 0.00 0.13 0.86 0.01 0.99 0.8340 0.4343

LnX2K6 33 0.000876 0.12 0.01 0.62 0.38 0.06 0.93 1.5402 0.6437

LnX2K7 33 0.000317 0.58 0.02 0.14 0.85 0.01 0.97 0.8396 0.4278

LnX3K1 33 0.000214 0.53 0.00 0.42 0.58 0.05 0.95 0.9240 0.4287






Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnX3K2 33 0.000191 0.53 0.01 0.50 0.49 0.10 0.89 1.0062 0.4505

LnX3K4 33 0.000696 0.47 0.00 0.45 0.55 0.05 0.95 1.0949 0.4939

LnX3K5 33 0.000413 0.51 0.00 0.47 0.53 0.07 0.93 1.0524 0.4644

LnX3K6 33 0.00168 0.31 0.01 0.76 0.23 0.27 0.72 1.8098 0.6149

LnX3K7 33 0.000395 0.53 0.00 0.53 0.47 0.12 0.88 1.0733 0.4551

LnX4K1 33 0.000232 0.61 0.00 0.17 0.83 0.00 1.00 0.7970 0.4036

LnX4K2 33 0.000272 0.57 0.00 0.28 0.71 0.01 0.99 0.8985 0.4377

LnX4K3 33 0.00142 0.56 0.00 0.35 0.65 0.03 0.97 1.0023 0.4645

LnX4K5 33 0.000318 0.62 0.00 0.18 0.82 0.00 1.00 0.8235 0.4135

LnX4K6 33 0.000739 0.50 0.02 0.58 0.40 0.16 0.82 1.3074 0.5114

LnX4K7 33 0.000390 0.61 0.00 0.18 0.81 0.00 1.00 0.8301 0.4136

LnX5K1 33 0.2333 0.98 0.04 0.65 0.31 0.56 0.40 0.3700 0.1618

LnX5K2 33 0.0580 0.85 0.03 0.53 0.44 0.29 0.68 0.7696 0.3160

LnX5K3 33 0.1314 0.93 0.01 0.38 0.60 0.23 0.76 0.4450 0.2007

LnX5K4 33 1.2105 1.00 0.04 0.87 0.09 0.86 0.11 0.1523 0.0711

LnX5K6 33 0.0983 0.82 0.04 0.65 0.31 0.40 0.56 1.0078 0.3784

LnX5K7 33 0.0507 0.87 0.01 0.31 0.67 0.12 0.87 0.5948 0.2688

LnX6K1 33 0.00203 0.78 0.00 0.02 0.98 0.05 0.95 0.6370 0.3422

LnX6K2 33 0.000324 0.93 0.01 0.03 0.96 0.00 0.99 0.3717 0.1858

LnX6K3 33 0.00143 0.81 0.00 0.01 0.99 0.05 0.95 0.5822 0.3120

LnX6K4 33 0.00251 0.75 0.01 0.07 0.91 0.01 0.98 0.6913 0.3554

LnX6K5 33 0.000329 0.94 0.00 0.00 1.00 0.04 0.96 0.3462 0.1789

LnX6K7 33 0.000327 0.93 0.00 0.00 1.00 0.04 0.96 0.3602 0.1870

LnX7K1 33 0.00205 0.42 0.00 0.48 0.52 0.05 0.94 1.2090 0.5281

LnX7K2 33 0.000376 0.52 0.01 0.37 0.62 0.03 0.97 0.9925 0.4550

LnX7K3 33 0.000964 0.58 0.00 0.19 0.81 0.00 1.00 0.8653 0.4387

LnX7K4 33 0.00175 0.67 0.01 0.06 0.93 0.03 0.96 0.7582 0.4078

LnX7K5 33 0.000461 0.50 0.00 0.40 0.60 0.03 0.96 1.0153 0.4637

LnX7K6 33 0.000353 0.52 0.00 0.32 0.68 0.01 0.99 0.9422 0.4500

LnM1D2 33 0.000173 0.56 0.00 0.17 0.83 0.00 1.00 0.8867 0.4557

LnM1D3 33 0.000129 0.75 0.00 0.01 0.99 0.22 0.78 0.6655 0.3939






Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnM1D4 33 0.000516 0.48 0.00 0.22 0.78 0.00 1.00 0.9862 0.5070

LnM1D5 33 0.00389 0.49 0.00 0.32 0.68 0.01 0.99 1.0619 0.5075

LnM1D6 33 0.0107 0.62 0.01 0.22 0.78 0.00 0.99 0.8927 0.4383

LnM1D7 33 0.00129 0.56 0.00 0.23 0.77 0.00 1.00 0.9411 0.4681

LnM2D1 33 0.000273 0.50 0.00 0.48 0.52 0.07 0.93 1.1519 0.5022

LnM2D3 33 0.000245 0.49 0.01 0.45 0.55 0.06 0.94 1.1576 0.5112

LnM2D4 33 0.000606 0.48 0.01 0.39 0.60 0.03 0.97 1.1229 0.5164

LnM2D5 33 0.000914 0.55 0.01 0.30 0.69 0.01 0.98 1.0046 0.4761

LnM2D6 33 0.000886 0.55 0.01 0.30 0.69 0.01 0.98 1.0045 0.4761

LnM2D7 33 0.000993 0.55 0.01 0.30 0.69 0.01 0.98 1.0047 0.4760

LnM3D1 33 0.000455 0.64 0.00 0.19 0.81 0.00 1.00 0.8360 0.4151

LnM3D2 33 0.000446 0.59 0.00 0.31 0.69 0.02 0.98 0.9587 0.4505

LnM3D4 33 0.00180 0.47 0.00 0.38 0.62 0.02 0.98 1.1092 0.5146

LnM3D5 33 0.000646 0.67 0.00 0.10 0.90 0.01 0.99 0.7690 0.4016

LnM3D6 33 0.000768 0.68 0.00 0.10 0.90 0.01 0.99 0.7678 0.4009

LnM3D7 33 0.000699 0.67 0.00 0.10 0.90 0.01 0.99 0.7685 0.4013

LnM4D1 33 0.00142 0.46 0.00 0.27 0.73 0.00 1.00 1.0417 0.5192

LnM4D2 33 0.000952 0.50 0.00 0.21 0.79 0.00 0.99 0.9743 0.5013

LnM4D3 33 0.000544 0.71 0.00 0.06 0.94 0.03 0.97 0.7278 0.3866

LnM4D5 33 0.000527 0.69 0.00 0.07 0.93 0.02 0.98 0.7501 0.3972

LnM4D6 33 0.000453 0.69 0.00 0.07 0.93 0.02 0.98 0.7482 0.3965

LnM4D7 33 0.000457 0.69 0.00 0.07 0.93 0.02 0.98 0.7483 0.3965

LnM5D1 33 0.0206 0.89 0.00 0.06 0.94 0.22 0.78 0.4559 0.2550

LnM5D2 33 0.0180 0.88 0.00 0.03 0.97 0.18 0.82 0.4766 0.2653

LnM5D3 33 0.0235 0.92 0.00 0.11 0.88 0.28 0.72 0.4047 0.2263

LnM5D4 33 0.0293 0.86 0.00 0.03 0.97 0.19 0.81 0.5078 0.2853

LnM5D6 33 0.0228 0.88 0.00 0.05 0.95 0.22 0.78 0.4730 0.2654

LnM5D7 33 0.0180 0.88 0.00 0.04 0.96 0.20 0.80 0.4765 0.2666

LnM6D1 33 0.00418 0.73 0.00 0.00 1.00 0.12 0.88 0.6863 0.3900

LnM6D2 33 0.00341 0.72 0.00 0.00 1.00 0.11 0.89 0.6948 0.3936

LnM6D3 33 0.00980 0.67 0.00 0.03 0.97 0.07 0.93 0.7557 0.4178






Coef

Variable N MSE Corr

(R)Bias

(UM)Reg

(UR)Dist

(UD)Var

(US)Covar

(UC) U1 U

LnM6D4 33 0.0284 0.75 0.00 0.00 1.00 0.13 0.87 0.6572 0.3727

LnM6D5 33 0.00219 0.72 0.00 0.00 1.00 0.13 0.87 0.6916 0.3952

LnM6D7 33 0.00606 0.73 0.00 0.00 1.00 0.14 0.86 0.6849 0.3919

LnM7D1 33 0.0128 0.71 0.01 0.13 0.86 0.00 0.99 0.7447 0.3725

LnM7D2 33 0.00992 0.70 0.01 0.12 0.87 0.00 0.99 0.7530 0.3804

LnM7D3 33 0.0108 0.72 0.01 0.05 0.94 0.03 0.96 0.7089 0.3746

LnM7D4 33 0.0130 0.73 0.01 0.07 0.92 0.01 0.98 0.7045 0.3653

LnM7D5 33 0.00990 0.70 0.01 0.11 0.88 0.00 0.99 0.7516 0.3828

LnM7D6 33 0.0104 0.70 0.01 0.11 0.88 0.00 0.99 0.7494 0.3806

updating model keterkaitan regional:...

Documents