DAMPAK KEBIJAKAN FISKAL SEKTOR PENDIDIKAN DAN SEKTOR ... · indeks pembangunan manusia dalam...

of 250 /250
DAMPAK KEBIJAKAN FISKAL SEKTOR PENDIDIKAN DAN SEKTOR KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA DI INDONESIA DISERTASI SUGIARTO SUMAS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2012

Transcript of DAMPAK KEBIJAKAN FISKAL SEKTOR PENDIDIKAN DAN SEKTOR ... · indeks pembangunan manusia dalam...

  

DAMPAK KEBIJAKAN FISKAL SEKTOR PENDIDIKAN DAN

SEKTOR KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA DI INDONESIA

DISERTASI

SUGIARTO SUMAS

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR 2012

 

  

DAMPAK KEBIJAKAN FISKAL SEKTOR PENDIDIKAN DAN

SEKTOR KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA DI INDONESIA

DISERTASI

SUGIARTO SUMAS

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR 2012

 

  

SURAT PERNYATAAN

Saya menyatakan dengan sebenar-benarnya bahwa segala pernyataan dalam

disertasi saya yang berjudul :

DAMPAK KEBIJAKAN FISKAL SEKTOR PENDIDIKAN DAN SEKTOR

KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA DI

INDONESIA

merupakan gagasan atau hasil penelitian disertasi saya sendiri, dengan

pembimbingan Komisi Pembimbing, kecuali yang dengan jelas ditunjukkan

rujukannya. Disertasi ini belum pernah diajukan untuk memperoleh gelar pada

program sejenis di perguruan tinggi lain. Semua sumber data dan informasi yang

digunakan telah dinyatakan secara jelas dan dapat diperiksa kebenarannya.

Bogor, Januari 2012

Sugiarto Sumas NIM H.361064204

 

  

ABSTRACT Sugiarto Sumas. Impact of Fiscal Policy for Education and Health Sectors on Human Development Index in Indonesia (Bonar M. Sinaga as Chairman, Nunung Kusnadi and Rukman Sardjadidjaja as Members of the Advisory Committee)

Human Development Index (HDI) as a proxy for performance of human development has been recognized at national and international. Indonesia which has a nominal value of 72.9 in human development index within the scale of 0 to 100 is under the intermediate group (50 > HDI < 80) and ranked at the 111th level in the world, in year 2009. At the national level, the human development index in each province shows some disparities between provinces from year to year. If this phenomenon allowed then could make a social jealousy and a disintegration of the nation. This study has successfully formulated a panel method of simultaneous equations as a tool in formulating fiscal policy to increase a human development index as well as to ensure equal distribution of the development. The result of 5 years data analysis year 2004 through year 2008 is showed that a fiscal policy through education and health sector expenses has a causal relationship to human development index, but with a minimum impact. The most efective fiscal policy used to improve the human development index is through an effort aimed to improve people's purchasing power. The forecast’s results are indicated that the Indonesian millennium development goals of year 2015 can not being achieved. Efforts for improving human development index must be supported by an affirmative policy in order to reduce development gap among regions in Indonesia.

Keywords: Fiscal Policy, Human Development, Human Development Index.

 

  

ABSTRAK

Sugiarto Sumas. Dampak Kebijakan Fiskal Sektor Pendidikan dan Sektor Kesehatan Terhadap Indeks Pembangunan Manusia di Indonesia (Bonar M. Sinaga sebagai Ketua Komisi Pembimbing, Nunung Kusnadi dan Rukman Sardjadidjaja sebagai Anggota Komisi Pembimbing)

Indeks Pembangunan Manusia (IPM) sebagai proksi kinerja pembangunan manusia telah diakui secara nasional maupun internasional. Indonesia dengan nilai nominal indeks pembangunan manusia 72.9 dalam skala 0 sampai 100 termasuk kedalam kelompok menengah (50 > IPM < 80) dan berada pada peringkat ke 111 di dunia pada tahun 2009. Dalam lingkup nasional, dari tahun ke tahun indeks pembangunan manusia masing-masing provinsi menunjukkan disparitas antar provinsi. Fenomena ini apabila dibiarkan akan menimbulkan kecemburuan sosial yang dapat memicu disintegrasi bangsa. Studi ini telah berhasil memformulasikan model persamaan simultan dengan metode panel yang layak digunakan untuk keperluan simulasi maupun peramalan dampak kebijakan fiskal terhadap indeks pembangunan manusia dalam rangka pemerataan pembangunan. Hasil analisis data selama 5 tahun dari tahun 2004 sampai dengan tahun 2008 menunjukkan bahwa kebijakan fiskal melalui sektor pendidikan dan sektor kesehatan mempunyai hubungan kausalitas terhadap indeks pembangunan manusia meskipun dampaknya kecil. Kebijakan fiskal dalam rangka peningkatan indeks pembangunan manusia yang paling efektif adalah melalui upaya yang diarahkan untuk meningkatkan kemampuan daya beli masyarakat. Hasil ramalan mengindikasikan bahwa tujuan pembangunan milenium Indonesia tahun 2015 tidak dapat dicapai. Upaya untuk meningkatkan indeks pembangunan manusia harus disertai dengan kebijakan afirmatif sebagai upaya mengurangi kesenjangan pembangunan antar daerah di Indonesia.

Kata kunci: Kebijakan Fiskal, Pembangunan Manusia, Indeks Pembangunan Manusia.

 

  

RINGKASAN

Sugiarto Sumas. Dampak Kebijakan Fiskal Sektor Pendidikan dan Sektor Kesehatan Terhadap Indeks Pembangunan Manusia di Indonesia (Bonar M. Sinaga sebagai Ketua, Nunung Kusnadi dan Rukman Sardjadidjaja sebagai Anggota Komisi Pembimbing)

Pembangunan manusia yang diproksi dengan Indeks Pembangunan Manusia (IPM) telah menjadi komitmen Perserikatan Bangsa Bangsa melalui United Nations Development Programme (UNDP) sejak tahun 1990, juga telah menjadi konsensus nasional dalam Kongres Nasional Pembangunan Manusia Indonesia pada bulan November 2006. Nilai nominal indeks pembangunan manusia Indonesia dan provinsi-provinsi di Indonesia terus meningkat dari tahun ke tahun, tetapi masih kalah cepat dengan negara lain, yang mengakibatkan peringkat indeks pembangunan manusia Indonesia tahun 2009 malahan turun menjadi 111 dibandingkan peringkat 109 setahun sebelumnya. Selain itu, disparitas indeks pembangunan manusia antar provinsi tidak berubah dari tahun ke tahun. Kondisi tersebut menimbulkan rasa ketidak-adilan dan kecemburuan sosial yang apabila diabaikan dapat mengancam integritas bangsa. Upaya pemerintah meningkatkan indeks pembangunan manusia dilakukan dengan meningkatkan belanja pemerintah di sektor pendidikan dan sektor kesehatan, serta mengakomodasikan indeks pembangunan manusia sebagai salah satu komponen perhitungan dana alokasi umum (DAU). Keputusan pemerintah untuk memperbesar anggaran sektor pendidikan didasarkan pada Undang-Undang Dasar Tahun 1945, yang mengamanatkan pengalokasiannya minimal 20 persen dari total anggaran. Sementara keputusan memperbesar sektor kesehatan didasarkan alasan bahwa sektor kesehatan mengandung komponen yang menjadi pembentuk persamaan identitas indeks pembangunan manusia yaitu: Angka Harapan Hidup (AHH), melalui peningkatan Angka Kematian Balita (AKB) dan Angka Kematian Ibu (AKI). Juga diupayakan agar terjadi pertumbuhan ekonomi untuk mendorong membaiknya daya beli (PPP) atau pendapatan per kapita penduduk. Pada gilirannya upaya-upaya tersebut akan meningkatkan indeks pembangunan manusia. Berbagai upaya tersebut patut dihargai, namun masih menyimpan misteri mengenai ketepatan jumlah alokasi fiskal, ketepatan pemilihan sektor, dan jawaban atas pertanyaan kapan target tujuan pembangunan milenium (Millenium Development Goals/MDGs) dapat tercapai. Karena selama ini belum ada model yang menempatkan komponen-komponen indeks pembangunan manusia sebagai variabel endogen dan menjadi bagian dari model ekonometrika yang konprehensif. Apabila model indeks pembangunan manusia sudah terbangun, maka berbagai misteri yang masih tersembunyi diatas akan dengan mudah untuk mengungkapnya. Penelitian bertujuan untuk: Pertama, membangun model makro ekonometrika yang diperluas dengan mengintegrasikan komponen perekonomian makro dan indeks pembangunan manusia. Kedua, mempelajari dampak kebijakan fiskal sektor pendidikan dan sektor kesehatan, serta sektor lainnya terhadap

  

perekonomian makro dan indeks pembangunan manusia. Ketiga, meramalkan indeks pembangunan manusia dalam kerangka pencapaian sasaran pembangunan manusia Millenium Development Goals (MDGs) di Indonesia tahun 2015. Penelitian dilakukan di 21 provinsi di Indonesia, yang terpilih berdasarkan ketersediaan data/variabel penelitian sesuai tujuan penelitian, meliputi deret waktu (time series) selama 5 (lima) tahun dari tahun 2004 sampai dengan tahun 2008, yaitu kurun waktu yang datanya cukup tersedia. Data tersebut bersumber dari Badan Pusat Statistik, Kementerian Keuangan, United Nations Development Programme, Bank Indonesia, Badan Perencanaan Pembangunan Nasional, Badan Perencanaan Pembangunan Daerah Provinsi, dan lembaga-lembaga resmi lainnya. Analisis yang digunakan untuk menjawab tujuan penelitian ini adalah analisis simulasi model simultan, terdiri atas 38 persamaan yang dibagi dalam 23 persamaan struktural dan 15 persamaan identitas, dengan variabel endogen sebanyak 38 variabel dan variabel eksogen (predetermined) sebanyak 15 variabel. Hasil penelitian menunjukkan bahwa persamaan simultan dengan metode panel telah berhasil dirumuskan, dan sudah memenuhi kriteria ekonomi, statistik dan ekonometrika, serta layak digunakan untuk keperluan peramalan maupun simulasi dampak kebijakan fiskal terhadap indeks pembangunan manusia. Hasil ramalan variabel variabel endogen tanpa alternatif kebijakan tahun 2013 sampai dengan tahun 2015 menunjukkan pertumbuhan yang kecil. Termasuk pertumbuhan indeks pembangunan manusia per tahun yang hanya sebesar 0.41 persen, sehingga diramalkan pada tahun 2015 pencapaian indeks pembangunan manusia hanya sebesar 73.58 dari sasaran sebesar 80. Sedangkan hasil peramalan variabel endogen dengan alternatif kebijakan, yang terdiri atas 8 skenario kebijakan, masing masing sebagai berikut: 1. Kebijakan peningkatan belanja sektor pendidikan dan sektor kesehatan

sebesar 20 persen akan berdampak pada pertumbuhan indeks pembangunan manusia pada priode peramalan per tahun sebesar 0.58 persen sehingga indeks pembangunan manusia tahun 2015 bernilai 73.86.

2. Kebijakan transfer dana alokasi umum ditingkatkan 20 persen akan berdampak pada pertumbuhan indeks pembangunan manusia pada priode peramalan per tahun sebesar 0.63 persen sehingga indeks pembangunan manusia tahun 2015 bernilai 74.18.

3. Kebijakan meningkatkan belanja pemerintah sektor bangunan dan infrastruktur sebesar 20 persen berdampak pada pertumbuhan indeks pembangunan manusia pada priode peramalan per tahun sebesar 0.60 sehingga indeks pembangunan manusia tahun 2015 bernilai 73.81.

4. Kebijakan kombinasi belanja sektor pendidikan, belanja sektor kesehatan, dan belanja pemerintah sektor bangunan dan infrastruktur ditingkatkan 20 persen berdampak pada pertumbuhan indeks pembangunan manusia pada priode peramalan per tahun sebesar 0.59 persen sehingga indeks pembangunan manusia tahun 2015 bernilai 73.99.

5. Kebijakan afirmatif kepada provinsi dengan indeks pembangunan manusia terendah pada quantil 1 melalui peningkatan dana alokasi umum sebesar 40 persen berdampak pada pertumbuhan indeks pembangunan manusia pada periode peramalan sebesar 0.64 persen sehingga indeks pembangunan manusia tahun 2015 bernilai 74.32.

  

6. Kebijakan afirmatif kepada provinsi dengan indeks pembangunan manusia terendah pada quantil 1 dan 2 melalui peningkatan dana alokasi umum sebesar 40 persen berdampak pada pertumbuhan indeks pembangunan manusia pada priode peramalan sebesar 0.65 persen sehingga indeks pembangunan manusia tahun 2015 bernilai 74.43.

7. Kebijakan afirmatif kepada provinsi dengan indeks pembangunan manusia terendah pada quantil 1 dan 2 melalui peningkatan belanja daerah sebesar 40 persen dan provinsi lainnya naik 20 persen, berdampak pada pertumbuhan indeks pembangunan manusia pada priode peramalan sebesar 0.62 persen sehingga indeks pembangunan manusia tahun 2015 bernilai 74.12.

8. Kebijakan afirmatif kepada provinsi dengan indeks pembangunan manusia terendah pada quantil 1 dan 2 melalui peningkatan anggaran belanja sektor pendidikan dan sektor kesehatan masing masing 40 persen, dan provinsi lainnya naik 20 persen, berdampak pada pertumbuhan indeks pembangunan manusia pada priode peramalan sebesar 0.60 persen sehingga indeks pembangunan manusia tahun 2015 bernilai 74.15.

Dengan mempertimbangkan keterbatasan kemampuan pemerintah dalam penyediaan anggaran pembangunan, maka kebijakan yang paling realistis adalah kebijakan meningkatkan belanja sektor pendidikan dan belanja sektor kesehatan dalam persentase tertentu pada provinsi quantil 1 dan 2 dengan indeks pembangunan manusia terendah daripada kebijakan meningkatkan dana alokasi umum maupun kebijakan menaikan total belanja dalam persentase yang sama. Karena kedua kebijakan terakhir ini memerlukan jumlah nominal anggaran yang jauh lebih banyak daripada kebijakan pertama. Di samping itu, kebijakan pertama ini, paling baik dalam rangka mengatasi pengangguran dan memeratakan pembangunan antar provinsi, serta cukup baik dalam rangka meningkatkan indeks pembangunan manusia dan mengurangi kemiskinan. Untuk mengetahui signifikansi dampak belanja pemerintah di sektor pendidikan dan belanja pemerintah di sektor kesehatan dalam jangka panjang terhadap indeks pembangunan manusia, tingkat kemiskinan, dan angka pengangguran, maka perlu dilakukan penelitian lebih lanjut dengan data deret waktu (time series) yang lebih lama. Kata kunci: Kebijakan Fiskal, Pembangunan Manusia, Indeks Pembangunan

Manusia.

 

  

@ Hak Cipta milik Institut Pertanian Bogor, Tahun 2012 Hak Cipta Dilindungi Undang-undang

1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan

karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah.

b. pengutipan tidak merugikan kepentingan yang wajar Institut Pertanian Bogor.

2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin Institut Pertanian Bogor.

 

  

DAMPAK KEBIJAKAN FISKAL SEKTOR PENDIDIKAN DAN SEKTOR KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA DI INDONESIA

SUGIARTO SUMAS

Disertasi Sebagai salah satu syarat untuk memperoleh gelar

Doktor pada

Program Studi Ilmu Ekonomi Pertanian

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

2012

  

Penguji Luar Komisi Pada Ujian Tertutup : 1. Dr. Ir. Heny K.S Daryanto, M.Ec

Staf Pengajar Departemen Agribisnis, Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor

2. Dr. Ir. Ratna Winandi, MS

Staf Pengajar Departemen Agribisnis, Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor

Penguji Luar Komisi Pada Ujian Terbuka : 1. Dr. Djoharis Lubis, M.Sc

Staf Ahli Menteri Koordinator Kesejahteraan Rakyat, Kementerian Koordinator Kesejahteraan Rakyat Republik Indonesia

2. Prof. Dr. Ir. Mangara Tambunan, M.Sc Guru Besar Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor

  

Judul Disertasi : Dampak Kebijakan Fiskal Sektor Pendidikan dan Sektor

Kesehatan terhadap Indeks Pembangunan Manusia

di Indonesia

Nama : Sugiarto Sumas

Nomor Pokok : H361064204

Program Studi : Ilmu Ekonomi Pertanian

Menyetujui,

1. Komisi Pembimbing

Prof. Dr. Ir. Bonar M. Sinaga, MA Ketua

Dr. Ir. Nunung Kusnadi, MS Dr. Ir. Rukman Sardjadidjaja, MMA Anggota Anggota

Mengetahui:

2. Ketua Program Studi 3. Dekan Sekolah Pascasarjana Ilmu Ekonomi Pertanian,

Prof. Dr. Ir. Bonar M. Sinaga, MA Dr. Ir. Dahrul Syah, MSc.Agr Tanggal Ujian: 24 Januari 2012 Tanggal Lulus:

 

  

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Kuasa atas

selesainya penulisan disertasi ini. Tema yang penulis pilih adalah “Dampak

Kebijakan Fiskal Sektor Pendidikan dan Sektor Kesehatan terhadap Indeks

Pembangunan Manusia di Indonesia“ .

Tema tentang Indeks Pembangunan Manusia (IPM) ini sangat populer

secara nasional maupun internasional, dibicarakan banyak kalangan, disusun

target sasaran pembangunan milenium, dan didanai dalam jumlah yang besar.

Tetapi sejauh ini peningkatan IPM di Indonesia masih lambat, dan tidak mampu

mempersempit disparitas antar wilayah. Penelitian ini secara khusus ingin

menjawab apakah komponen indeks pembangunan manusia dapat dintegrasikan

dengan indikator makroekonomi membentuk persamaan simultan yang mampu

menjawab tentang sektor apa yang paling berdampak untuk meningkatkan indeks

pembangunan manusia dan mempersempit disparitas antar wilayah.

Penghargaan yang setinggi-tingginya dan ucapan terima kasih penulis

sampaikan, kepada: Prof. Dr. Ir. Bonar M. Sinaga MA sebagai Ketua Komisi

Pembimbing; Dr. Ir. Nunung Kusnadi, MS dan Dr. Ir. Rukman Sardjadidjaja,

MMA masing-masing sebagai Anggota Komisi Pembimbing. Arahan dan

masukan yang diberikan oleh komisi pembimbing selama penelitian dan penulisan

sangat membantu dalam penyelesaian disertasi ini. Kepada dosen penguji ujian

tertutup dan terbuka serta semua dosen yang telah mengajar penulis selama

mengikuti perkuliahan di kelas S3 Ilmu Ekonomi Pertanian. Dedikasi para

penguji dan dosen yang sangat tinggi telah menjadikan penulis mampu

menyelesaikan studi S3 ilmu ekonomi pertanian.

Penulis menyampaikan terima kasih dan penghargaan kepada Pimpinan IPB

yaitu: Rektor IPB (Prof. Dr. Ir. Hery Suhardiyanto, MSc), Dekan Sekolah

Pascasarjana (Dr. Ir. Dahrul Syah, MSc.Agr.), dan Ketua Program Studi Ilmu

Ekonomi Pertanian (Prof. Dr. Ir. Bonar M. Sinaga, MA) atas kesempatan yang

diberikan kepada penulis untuk melanjutkan studi S3.

  

Ucapan terima kasih dan penghargaan yang tulus penulis sampaikan pula,

kepada: rekan-rekan satu kelas S3 Ilmu Ekonomi Pertanian Khusus Angkatan 3

atas dorongan dan kerjasamanya selama ini, kepada Bapak Usman yang telah

membantu dalam masalah komputasi dan pengolahan data, kepada Mas Iwan

Hermawan dan Mbak Aam yang bantu memperbaiki format penulisan, kepada

Mbak Ruby, Mbak Yani, dan Mas Iwan yang telah banyak membantu dalam

berbagai urusan dan kegiatan, kepada berbagai lembaga yang menyediakan data

yang diperlukan untuk disertasi ini, yaitu: BPS, Universitas Indonesia, Bappenas,

dan UNDP, sehingga penulis dapat menyelesaikan studi dengan baik.

Ucapan terima kasih juga penulis sampaikan, kepada: Bapak Ir. Harry

Heriawan Saleh MSc selaku Direktur Jenderal P4Trans pada tahun 2007 telah

memberikan izin belajar, kepada para Kasubdit dan seluruh staf Direktorat

Partisipasi Masyarakat Ditjen P2KTrans Kemenakertrans yang telah memberikan

dukungan moriel maupun materiel, kepada Bapak Ir. Jamaluddin Malik MM

selaku Direktur Jenderal P2KTrans Kemenakertrans atas pengertian yang tulus

terutama pada akhir penyelesaian tugas akhir sangat memberikan ketenangan

kepada penulis dan merupakan dukungan positif saat hadir pada ujian terbuka,

kepada berbagai pihak yang telah membantu penulis tetapi tak dapat penulis

sebutkan satu per satu. Semoga Tuhan Yang Maha Kuasa memberikan balasan

berkah kepada Bapak, Ibu, Sudara dan Saudari sekalian.

Secara khusus, penulis mengucapkan terima kasih kepada istri (Maisaroh)

dan anak–anakku (Mulia Tawang Wisudha dan Herbowo) atas dukungan

pengertian dan keikhlasan, terutama hilangnya waktu kebersamaan keluarga saat

hari libur. Tanpa pengertian, keikhlasan, dan dukungan istri dan anak-anak, tidak

mungkin penulis dapat menyelesaikan pendidikan ini dengan baik.

Bogor, Januari 2012

Sugiarto Sumas

  

RIWAYAT HIDUP

Penulis lahir pada tanggal 17 April 1958 di Banjarmasin Provinsi

Kalimantan Selatan, sebagai anak bungsu dari 5 bersaudara, dari pasangan Sujoko

Rais (almarhum) dan Masdiah (almarhumah). Penulis beristrikan Maisaroh

dengan 2 orang anak yaitu Mulia Tawang Wisudha dan Herbowo.

Penulis berhasil menyelesaikan pendidikan pada Jurusan Mekanisasi

Pertanian Fakultas Teknologi Pertanian Universitas Gadjah Mada pada bulan

Agustus tahun 1981. Kemudian penulis melanjutkan pendidikan S2 pada Program

Studi Pembangunan Institut Teknologi Bandung dan meraih gelar Magister

Teknik pada bulan Oktober tahun 1998. Pada bulan Februari tahun 2007, penulis

menempuh pendidikan S3 di bidang Ilmu Ekonomi Pertanian pada Sekolah

Pascasarjana, Institut Pertanian Bogor. Penulis selaku pegawai negeri sipil juga

mengikuti pendidikan dan pelatihan kedinasan dari jenjang terendah hingga

jenjang tertinggi, mulai dari prajabatan yang ditempuh tahun 1983 hingga Sekolah

Pendidikan Administrasi Tingkat I pada tahun 2011.

Pengalaman kerja yang pernah dijalani penulis selaku pegawai negeri sipil

diawali sebagai Staf pada Kandep Departemen Transmigrasi Kabupaten Kotabaru

Provinsi Kalimantan Selatan pada tahun 1983. Kemudian pada tahun yang sama

mutasi bekerja sebagai Staf pada Kantor Wilayah Departemen Transmigrasi

Provinsi Kalimantan Timur. Pada tahun 1987 penulis mendapatkan kepercayaan

dan mendapatkan tugas dalam penyiapan lahan permukiman pada Kanwil

Departemen Transmigrasi Provinsi Kalimantan Timur sampai dengan tahun 1992.

Pada bulan Maret 1992, mutasi bekerja ke Departemen Transmigrasi Jakarta

dan bertugas di Biro Perencanaan hingga tahun 1999. Selama bertugas di Biro

Perencanaan penulis mendapatkan tugas dan kepercayaan pimpinan dalam

menangani pelaporan dan pengendalian program. Tempat tugas inilah yang

menjadi titik awal bagi penulis untuk banyak mengenal dan dikenal, mengenal

berbagai jenis kegiatan dalam pekerjaan dan dikenal sebagai petugas yang harus

berkorban waktu untuk berada di kantor melebihi jam kerja normal.

  

Atas kepercayaan pimpinan Departemen, penulis diberikan kesempatan

untuk promosi sebagai Kepala Pusat Pendidikan dan Pelatihan sehingga

menangani pekerjaan yang bersifat meningkatkan kemampuan Sumber Daya

Manusia di lingkungan instansi tempat penulis bekerja sampai dengan tahun 2000.

Dengan perubahan puncak kepemerintahan pada era Presiden Abdurrahman

Wahid, terjadi perubahan yang sangat mendasar pada instansi tempat penulis

bekerja karena berubahnya nama Departemen menjadi Menteri Negara dan saat

itu penulis mendapatkan tugas sebagai Asisten Deputi Urusan Pendidikan

Kependudukan Jalur Masyarakat sampai tahun 2001.

Tahun 2001 terjadi perubahan kabinet dan nama instansi tempat penulis

bekerja menjadi Depnakertrans yang merupakan penggabungan dari 2

Departemen, yaitu Tenaga Kerja dan Transmigrasi. Sejak saat itu sampai sekarang

penulis mendapatkan berbagai tugas, yaitu sebagai Direktur Bina Kapasitas Sosial

Ekonomi (tahun 2001-2003), Direktur Permukiman Kembali (tahun 2003-2005),

Direktur Penyediaan Tanah Transmigrasi (tahun 2005-2007), Direktur Promosi

Investasi dan Kemitraan (tahun 2007-2010) dan mulai tanggal 7 Oktober 2010

sampai saat ini sebagai Direktur Partisipasi Masyarakat pada Ditjen P2KTrans

Kementerian Tenaga Kerja dan Transmigrasi.

xxi

DAFTAR ISI

HalamanDAFTAR TABEL .................................................................... xxv

DAFTAR GAMBAR ............................................................... xxix

DAFTAR LAMPIRAN ........................................................... xxxiii

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

1.1. Latar Belakang ................................................................... 1

1.2. Perumusan Masalah ........................................................... 4

1.3. Tujuan Penelitian ............................................................... 14

1.4. Kegunaan Penelitian ........................................................... 14

1.5. Ruang Lingkup dan Keterbatasan Penelitian ..................... 14

II. TINJAUAN PUSTAKA .......................................................... 17

2.1. Pembangunan Manusia ...................................................... 17

2.2. Indeks Pembangunan Manusia ........................................... 21

2.3. Tujuan Pembangunan Milenium ........................................ 25

2.4. Kebijakan Fiskal di Beberapa Negara ................................ 27

2.5. Keterkaitan Pertumbuhan Ekonomi dengan Indeks Pembangunan Manusia ...................................................... 29

2.6. Tinjauan Studi Terdahulu ................................................... 31

III. KERANGKA TEORITIS ....................................................... 37

3.1. Kebijakan Fiskal dan Kebijakan Moneter........................... 37

3.1.1. Dampak Kebijakan Fiskal pada Permintaan Agregat ..................................................................... 41

3.1.2. Dampak Kebijakan Fiskal pada Penawaran Agregat ..................................................................... 42

3.2. Kemiskinan ........................................................................ 45

3.3. Tingkat Pengangguran ....................................................... 46

3.4. Pemerintah sebagai Penyedia Barang Publik .................... 51

xxii

IV. METODOLOGI PENELITIAN ............................................ 55

4.1. Kerangka Pemikiran ........................................................... 55

4.2. Hipotesis Penelitian ............................................................ 58

4.3. Sumber Data ....................................................................... 58

4.4. Spesifikasi Model ............................................................... 58

4.4.1. Blok Pendapatan Daerah .......................................... 59

4.4.2. Blok Belanja Daerah ................................................ 60

4.4.3. Blok Permintaan Agregat ......................................... 61

4.4.4. Blok Penawaran Agregat .......................................... 62

4.4.5. Blok Tenaga Kerja ................................................... 63

4.4.6. Blok Indeks Pembangunan Manusia ........................ 64

4.5. Prosedur Analisis Data ....................................................... 66

4.5.1. Identifikasi Model .................................................... 66

4.5.2. Metode Pendugaan Model ........................................ 67

4.5.3. Validasi Model ......................................................... 67

4.5.4. Simulasi Model ........................................................ 69

V. GAMBARAN UMUM ............................................................ 71

5.1. Blok Pendapatan Daerah .................................................... 72

5.1.1. Pajak Daerah ............................................................ 72

5.1.2. Dana Alokasi Umum ................................................ 73

5.2. Blok Belanja Daerah .......................................................... 75

5.2.1. Belanja Sektor Pendidikan ....................................... 75

5.2.2. Belanja Sektor Kesehatan ........................................ 78

5.3. Blok Permintaan Agregat ................................................... 79

5.4. Blok Penawaran Agregat .................................................... 80

5.5. Blok Tenaga Kerja ............................................................. 81

5.6. Blok Indeks Pembangunan Manusia .................................. 82

5.6.1. Rata-Rata Lama Sekolah .......................................... 82

5.6.2. Angka Melek Huruf ................................................. 85

5.6.3. Angka Harapan Hidup .............................................. 87

5.6.4. Daya Beli .................................................................. 90

xxiii

5.6.5. Indeks Pembangunan Manusia ................................. 92

5.6.6. Tingkat Kemiskinan Desa dan Kota ........................ 94

VI. MODEL INDEKS PEMBANGUNAN MANUSIA: HASIL ANALISA PARSIAL PERSAMAAN STRUKTURAL ...... 97

6.1. Analisis Umum Model Estimasi ........................................ 97

6.2. Dugaan Parameter Persamaan Struktural ......................... 98

6.2.1. Blok Pendapatan Daerah .......................................... 98

6.2.2. Blok Belanja Daerah ................................................ 101

6.2.3. Blok Permintaan Agregat ......................................... 109

6.2.4. Blok Penawaran Agregat .......................................... 112

6.2.5. Blok Tenaga Kerja ................................................... 118

6.2.6. Blok Indeks Pembangunan Manusia ........................ 121

VII. RAMALAN DAMPAK KEBIJAKAN FISKAL SEKTOR PENDIDIKAN DAN SEKTOR KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA TAHUN 2013-2015 .................................................................. 129

7.1. Validasi Model ................................................................... 129

7.2. Ramalan Variabel Endogen Tanpa Alternatif Skenario Kebijakan ...........................................................................

131

7.3. Dampak Skenario Kebijakan Periode Tahun 2013-2015 ... 134

7.3.1. Kebijakan Belanja Sektor Pendidikan dan Belanja Sektor Kesehatan Naik 20 Persen ............................

136

7.3.2. Kebijakan Transfer Dana Alokasi Umum Naik 20 Persen .................................................................. 137

7.3.3. Kebijakan Belanja Pemerintah Sektor Bangunan dan Infrastruktur Naik 20 Persen ............................. 138

7.3.4. Kombinasi Kebijakan Belanja Sektor Pendidikan, Belanja Sektor Kesehatan, Belanja Pemerintah Sektor Bangunan, dan Infrastruktur Naik 20 Persen

139

7.3.5. Kebijakan Afirmatif kepada Provinsi Quantil 1 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen ....... 141

7.3.6. Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen ....................................................................... 142

xxiv

7.3.7. Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Belanja 40 Persen .............................

144

7.3.8. Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Belanja Sektor Pendidikan dan Sektor Kesehatan 40 Persen .....................................

145

7.4. Hasil Ramalan Alternatif Kebijakan terhadap Pemerataan Pembangunan Daerah ....................................

146

VIII. KESIMPULAN DAN IMPLIKASI KEBIJAKAN .............. 151

8.1. Kesimpulan ........................................................................ 151

8.2. Implikasi Kebijakan ........................................................... 153

DAFTAR PUSTAKA .............................................................. 155

LAMPIRAN ............................................................................. 160

xxv

DAFTAR TABEL

Nomor Halaman

1. Indeks Pembangunan Manusia dan Variabel Turunannya Tahun 2008 dan 2009 .............................................................

11

2. Tujuan dan Target Pembangunan Milenium bagi Indonesia... 263. Indikator Indeks Pembangunan Manusia Indonesia Tahun

1990 dan 2015 ........................................................................ 27

4. Nama Variabel Model Dampak Kebijakan Fiskal Sektor Pendidikan dan Sektor Kesehatan terhadap Indeks Pembangunan Manusia ...........................................................

57

5. Provinsi dengan Anggaran Belanja Sektor Pendidikan Tertinggi dan Terendah Tahun 2004-2008 .............................

76

6. Perbandingan Belanja Sektor Kesehatan dengan Total Belanja Pemerintah di 21 Provinsi Penelitian Tahun 2004-2008 ........................................................................................

78

7. Hasil Dugaan Parameter Persamaan Pajak Daerah Tahun 2004-2008 ...............................................................................

99

8. Hasil Dugaan Parameter Persamaan Dana Alokasi Umum Tahun 2004-2008 ................................................................... 100

9. Hasil Dugaan Parameter Persamaan Belanja Sektor Pendidikan Tahun 2004-2008 ................................................

102

10. Hasil Dugaan Parameter Persamaan Belanja Sektor Kesehatan Tahun 2004-2008 .................................................. 103

11. Hasil Dugaan Parameter Persamaan Belanja Pemerintah Sektor Pertanian Tahun 2004-2008 ........................................

105

12. Hasil Dugaan Parameter Persamaan Belanja Pemerintah Sektor Industri Tahun 2004-2008 ...........................................

106

13. Hasil Dugaan Parameter Persamaan Belanja Pemerintah Sektor Bangunan dan Infrastruktur Tahun 2004-2008 .......... 107

14. Hasil Dugaan Parameter Persamaan Belanja Pemerintah Sektor Lain-Lain Tahun 2004-2008 ....................................... 108

15. Hasil Dugaan Parameter Persamaan Pengeluaran Konsumsi Rumah Tangga Tahun 2004-2008 .......................................... 109

xxvi

16. Hasil Dugaan Parameter Persamaan Pembentukan Modal Tetap Bruto Tahun 2004-2008 ...............................................

111

17. Hasil Dugaan Parameter Persamaan Total Produksi Sektor Pertanian Tahun 2004-2008 ...................................................

112

18. Hasil Dugaan Parameter Persamaan Total Produksi Sektor Industri Tahun 2004-2008 ......................................................

114

19. Hasil Dugaan Parameter Persamaan Total Produksi Sektor Bangunan dan Infrastruktur Tahun 2004-2008 .....................

115

20. Hasil Dugaan Parameter Persamaan Total Produksi Sektor Lain-Lain Tahun 2004-2008 ..................................................

116

21. Hasil Dugaan Parameter Persamaan Tenaga Kerja Sektor Pertanian Tahun 2004-2008 ...................................................

118

22. Hasil Dugaan Parameter Persamaan Tenaga Kerja Sektor Industri Tahun 2004-2008 ......................................................

119

23. Hasil Dugaan Parameter Persamaan Tenaga Kerja Sektor Bangunan dan Infrastruktur Tahun 2004-2008 .....................

120

24. Hasil Dugaan Parameter Persamaan Tenaga Kerja Sektor Lain-Lain Tahun 2004-2008 ..................................................

121

25. Hasil Dugaan Parameter Persamaan Angka Harapan Hidup Tahun 2004-2008 ...................................................................

122

26. Hasil Dugaan Parameter Persamaan Angka Melek Huruf Tahun 2004-2008 ...................................................................

123

27. Hasil Dugaan Parameter Persamaan Rata-Rata Lama Sekolah Tahun 2004-2008 ......................................................

125

28. Hasil Dugaan Parameter Persamaan Daya Beli Tahun 2004-2008 ........................................................................................

126

29. Hasil Dugaan Parameter Persamaan Tingkat Kemiskinan Desa dan Kota Tahun 2004-2008 ...........................................

128

30. Hasil Validasi Model Fiskal dan Indeks Pembangunan Manusia ..................................................................................

130

31. Hasil Ramalan Variabel Endogen tanpa Alternatif Kebijakan Tahun 2013-2015 ..................................................

132

32. Sasaran dan Ramalan Pencapaian Tujuan Milenium Tahun 2015 tanpa Skenario Kebijakan ..............................................

134

33. Dampak Simulasi Kebijakan terhadap Indikator Indeks Pembangunan Manusia Tahun 2013-2015 .............................

135

xxvii

34. Dampak Kenaikan Belanja Pendidikan dan Kesehatan Sebesar 20 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015 ............................................................

137

35. Dampak Kenaikan Dana Alokasi Umum Sebesar 20 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015 ........................................................................................

138

36. Dampak Kenaikan Belanja Sektor Bangunan dan Infrastruktur terhadap Sasaran dan Pencapaian Milenium Tahun 2015 .............................................................................

139

37. Dampak Kenaikan Belanja Sektor Pendidikan, Sektor Kesehatan, dan Sektor Bangunan dan Infrastruktur Masing-Masing 20 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015 ............................................................

141

38. Dampak Kebijakan Afirmatif kepada Provinsi Quantil 1 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015 ........

142

39. Dampak Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015 ........

143

40. Dampak Kebijakan Afirmatif kepada Provinsi Quantil 1 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Belanja 40 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015 ............................

145

41. Dampak Kebijakan Afirmatif kepada Provinsi Quantil 1 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Belanja Sektor Pendidikan dan Kesehatan 40 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015 .............................................................................

146

42. Hasil Ramalan Alternatif Kebijakan terhadap Pemerataan Pembangunan Daerah ............................................................. 147

xxviii

xxix

DAFTAR GAMBAR

Nomor Halaman

1. Disparitas Indeks Pembanguna n Manusia Norwegia, Indonesia, dan Nigeria Tahun 1980-2007 .............................. 6

2. Grafik Linier Indeks Pembangunan Manusia Norwegia, Indonesia, dan Nigeria ............................................................ 7

3. Indeks Pembangunan Manusia Daerah Khusus Ibukota Jakarta, Daerah Istimewa Aceh, dan Papua ........................... 8

4. Kecendrungan Indeks Pembangunan Manusia Indonesia Tahun 1980-2007 ................................................................... 24

5. Skema Hubungan Pasar Uang dan Pasar Barang ................... 37

6. Kurva Investment Saving ........................................................ 38

7. Kurva Liquidity Preference Money Supply ............................ 39

8. Kurva Permintaan Agregat ..................................................... 41

9. Kurva Penawaran Agregat ...................................................... 42

10. Dampak Kebijakan Fiskal pada Pasar Barang ....................... 44

11. Hubungan Kekakuan Upah dengan Jumlah Pengangguran ... 48

12.

Ilustrasi Kurva Indiferen Barang Publik dan Barang Swasta

Sektor Pendidikan dan Sektor Kesehatan ..............................

53

13. Kerangka Pemikiran Hubungan Kebijakan Fiskal dengan Indeks Pembangunan Manusia ............................................... 55

14. Model Dampak Kebijakan Fiskal Sektor Pendidikan dan Sektor Kesehatan terhadap Indeks Pembangunan Manusia di Indonesia ................................................................................

56

15. Perkembangan Pajak Daerah pada 21 Provinsi..................... 72

16. Konstribusi Pajak Daerah Tertinggi dan Terendah dalam Pendapatan Asli Daerah di 21 Provinsi Tahun 2004-2008 ....

73

17. Dana Alokasi Umum di 21 Provinsi Tahun 2004-2008 ......... 74

18. Dana Alokasi Umum Tertinggi dan Terendah Dibandingkan dengan Pendapatan Asli Daerah dan Bagi Hasil Pajak dan Bukan Pajak dalam Anggaran Pendapatan dan Belanja Daerah Tahun 2004-2008 ....................................................... 74

xxx

19 Perbandingan Alokasi Belanja Sektor Pendidikan dan Belanja Pemerintah di 21 Provinsi Penelitian Tahun 2004- 2008 ........................................................................................

77

20. Belanja Sektor Kesehatan Tertinggi dan Terendah dalam Anggaran Pendapatan dan Belanja Daerah Tahun 2004-2008

78

21. Proporsi Komponen dalam Produk Domestik Bruto Sisi Pengeluaran Tahun 2004-2008 ...............................................

80

22. Proporsi Komponen dalam Produk Domestik Bruto Sektoral Tahun 2004-2008 ...................................................................

80

23. Provinsi dengan Pengangguran Terendah dan Tertinggi Tahun 2008 .............................................................................

81

24. Perbandingan Rata-Rata Lama Sekolah Tertinggi dan Terendah, Pendapatan Per Kapita, dan Persentase Belanja Sektor Pendidikan Tahun 2008 ..............................................

83

25. Perkembangan Rata-Rata Lama Sekolah Tertinggi dan Terendah Tahun 2004 sampai dengan Tahun 2008 ................

84

26. Perbandingan Angka Melek Hurup Tertinggi dan Terendah, Persentase Belanja Sektor Pendidikan, dan Rata-Rata Lama Sekolah Tahun 2008 ...............................................................

85

27. Perkembangan Angka Melek Hurup Tertinggi dan Terendah Tahun 2004 sampai dengan Tahun 2008 ................................

86

28. Perbandingan Angka Harapan Hidup Tertinggi dan Terendah, Persentase Belanja Sektor Kesehatan, dan Pengeluaran Rumah Tangga Per Kapita Tahun 2008 ............

87

29. Perkembangan Angka Harapan Hidup Tertinggi dan Terendah Tahun 2004 sampai dengan Tahun 2008 ................

88

30. Perkembangan Pengeluaran Rumah Tangga Per Kapita Tahun 2004 sampai dengan Tahun 2008 ................................

89

31. Perbandingan Kemampuan Daya Beli Tertinggi dan Terendah, Persentase Pengangguran, dan Pengeluaran Rumah Tangga Per Kapita Tahun 2008 .................................

90

32. Perkembangan Daya Beli Tertinggi dan Terendah Tahun 2004 sampai dengan Tahun 2008 ................................

91

33. Perbandingan Indeks Pembangunan Manusia Tertinggi dan Terendah, Indeks Hidup Panjang, Indeks Pendidikan, dan Indeks Hidup Layak Tahun 2008 ...........................................

93

34 Perkembangan Indeks Pembangunan Manusia Tertinggi dan Terendah Tahun 2004 sampai dengan Tahun 2008 ................

94

xxxi

35. Perbandingan Tingkat Kemiskinan Desa dan Kota Terendah dan Tertinggi dengan Daya Beli Tahun 2008 ........................ 95

36. Perkembangan Tingkat Kemiskinan Desa Kota Terendah dan Tertinggi Tahun 2004 sampai dengan Tahun 2008 ......... 96

xxxii

xxxiii

DAFTAR LAMPIRAN

Nomor Halaman

1. Program Estimasi Model Fiskal dan Indeks Pembangunan Manusia ...............................................................................

161

2. Hasil Estimasi Model Fiskal dan Indeks Pembangunan Manusia ...............................................................................

163

3. Program Validasi Model Fiskal dan Indeks Pembangunan Manusia ...............................................................................

187

4. Hasil Validasi Model Fiskal dan Indeks Pembangunan Manusia ...............................................................................

191

5. Program Simnlin Model Fiskal dan Indeks Pembangunan Manusia (Kebijakan Afirmatif terhadap Provinsi Quantil 1 IPM Terendah) ....................................................................

195

6. Ringkasan Hasil Simulasi Kebijakan Fiskal terhadap Indeks Pembangunan Manusia Periode Tahun 2004-2008

201

7. Ringkasan Hasil Simulasi Kebijakan Fiskal terhadap Indeks Pembangunan Manusia Periode Tahun 2009-2015

203

8. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Belanja Sektor Pendidikan dan Sektor Kesehatan Meningkat 20 Persen .........................................

205

9. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Dana Alokasi Umum Meningkat 20 Persen .......

206

10. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Belanja Pemerintah Sektor Bangunan dan Infrastruktur Meningkat 20 Persen ......................................

207

11. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Sektor Pendidikan, Sektor Kesehatan, Sektor Bangunan, dan Infrastruktur 20 Persen ...............................

208

12. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Afirmatif kepada Provinsi Kuantil 1 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen .........................................

209

13. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Afirmatif kepada Provinsi Kuantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen ..................

2010

xxxiv

14. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Afirmatif kepada Provinsi Kuantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Total Belanja 40 Persen ...............................

211

15. Ramalan Nilai Variabel Endogen Hasil Simulasi Kebijakan Afirmatif kepada Provinsi Kuantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Belanja Sektor Pendidikan dan Belanja Sektor Kesehatan 40 Persen ...............................................

212

  

I. PENDAHULUAN

1.1. Latar Belakang

Peringkat Indeks Pembangunan Manusia (IPM), peningkatan angka nominal

indeks pembangunan manusia, dan pencapaian sasaran Millennium Development

Goals (MDGs) tahun 2015 telah menjadi komitmen Indonesia dalam

pembangunan di segala bidang. Indeks pembangunan manusia merupakan proksi

kinerja pembangunan yang berpusat pada manusia (people centered development),

sedangkan MDGs merupakan sasaran pembangunan manusia hingga tahun 2015.

Tujuan MDGs terdiri dari, yaitu: (1) mengurangi kemiskinan dan kelaparan

(reducing poverty and hunger), (2) mencapai pendidikan dasar untuk semua

(achieving universal primary education), (3) mempromosikan kesetaraan dan

keadilan gender, khususnya di pendidikan (promoting gender equality, especially

in education) serta pemberdayaan perempuan (empowering women), (4)

menurunkan angka kematian balita (reducing child mortality), (5) meningkatkan

kesehatan ibu (improving maternal health), (6) mencegah HIV/AIDS, malaria,

dan penyakit lainnya (combating HIV/AIDS, malaria, and other diseases), (7)

menjamin lingkungan berkelanjutan (ensuring environmental sustainability), dan

(8) memperkuat kemitraan global antara negara kaya dan negara miskin

(strengthening partnership between rich and poor countries) (United Nations

Development Programme, 2003).

UNDP menguraikan MDGs ke dalam target spesifik tahun 2015, yaitu: (1)

menurunkan proporsi penduduk yang tingkat pendapatannya di bawah US$1

(Purchacing Power Pariety atau PPP) per hari menjadi setengahnya dalam kurun

2  

waktu tahun 1990 sampai dengan tahun 2015, (2) menjamin seluruh anak laki-laki

dan perempuan untuk menyelesaikan pendidikan dasar, (3) mengeleminasi

perbedaan gender di semua jenjang pendidikan, (4) mengurangi kematian anak

balita sebesar dua per tiganya dalam kurun waktu tahun 1990 sampai dengan

tahun 2015, (5) mengurangi rasio kematian ibu melahirkan sebesar tiga per

empatnya dalam kurun waktu tahun 1990 sampai dengan tahun 2015, (6)

menghentikan dan mulai membalikkan penyebaran HIV/AIDS dan kejadian

malaria dan penyakit utama lainnya, (7) mengurangi setengah proporsi dari

penduduk tanpa akses air minum yang baik, dan (8) menaruh perhatian lebih besar

kepada kebutuhan khusus negara negara sedang berkembang yang terisolir dan

pulau-pulau kecil (Todaro and Smith, 2006).

Berdasarkan cara pengukuran indeks pembangunan manusia yang dilakukan

di seluruh dunia, maka indeks pembangunan manusia Indonesia diukur dengan

rumus tertentu yang terdiri atas tiga dimensi pokok pembangunan manusia di

Indonesia, yaitu: (1) hidup layak yang diukur dari Indeks Hidup Layak (IHL), (2)

hidup panjang yang diukur dari Indeks Hidup Panjang (IHP), dan (3) hidup

mudah yang diukur dari Indeks Pendidikan (IP). Masing masing komponen diberi

bobot satu per tiga. Meskipun pembobotan indeks hidup panjang, indeks

pendidikan, indeks hidup layak dihitung berdasarkan persamaan identitas, tetapi

memberikan hasil yang hampir sama dengan analisis multivarians, dimana masing

masing bernilai 0.34, 0.34, dan 0.32 (Biswas and Caliendo, 2001).

Berdasarkan laporan United Nations Development Programme (UNDP)

tanggal 5 Oktober 2009 bahwa indeks pembangunan manusia untuk Indonesia

berada pada peringkat ke 111 dari 182 negara. Jika dibandingkan dengan negara-

3  

  

negara tetangga sesama anggota Association of Southeast Asian Nations

(ASEAN), maka peringkat indeks pembangunan manusia Indonesia masih jauh,

khususnya dari Singapura yang berada pada peringkat 23 dan Malaysia berada

pada peringkat 66. Pemerintah Indonesia sepertinya masih belum menemukan

formula yang tepat untuk mencapainya. Oleh sebab itu nilai nominal indeks

pembangunan manusia Indonesia masih tertinggal di belakang dari sasaran

MDGs. Misalnya Pemerintah Jawa Barat masih belum menemukan bagaimana

cara mencapai indeks pembangunan manusia menjadi sebesar 80, yang notabene

menjadi nilai paling rendah dari kelompok negara maju dengan nilai indeks

pembangunan manusia antara 80 dan 100.1

Secara logika angka nominal indeks pembangunan manusia Indonesia akan

meningkat apabila indeks pembangunan manusia seluruh provinsi di Indonesia

meningkat, padahal angka nominal indeks pembangunan manusia akan meningkat

apabila meningkatnya indeks-indeks komponen pembentuknya, yaitu: indeks

hidup layak yang unsur utamanya adalah pendapatan per kapita berdasarkan

kemampuan daya beli, indeks hidup panjang yang unsurnya adalah Angka

Harapan Hidup (AHH), dan Indeks Pendidikan yang unsurnya adalah Angka

Melek Huruf (AMH) dan Rata-rata Lama Sekolah (RLS). Sementara itu, upaya

meningkatkan ketiga indeks tersebut secara ekonomi dapat dilakukan dengan

meningkatkan investasi di provinsi yang bersangkutan, baik investasi dalam

bentuk sumber daya modal maupun investasi dalam bentuk sumber daya

manusia.

Melalui investasi sumber daya modal dan sumber daya manusia akan terjadi

pertumbuhan ekonomi dan pembangunan manusia secara timbal balik.

--------------------------------------------------------1 Harian Kompas, 16 Desember 2010: Pencapaian Indeks Pembangunan Manusia Diundur Jadi 2022

4  

Pertumbuhan ekonomi akan meningkatkan pembangunan manusia dan sebaliknya

pembangunan manusia pada gilirannya juga akan meningkatkan pertumbuhan

ekonomi (Ranis and Steward,2002; Ranis, 2004).

Kebijakan fiskal menjadi salah satu instrumen investasi dari Pemerintah

yang disalurkan melalui Anggaran Pendapatan dan Belanja Negara (APBN) dan

Anggaran Pendapatan dan Belanja Daerah (APBD). Kebijakan ini di bawah

pengelolaan dan kendali aparatur Pemerintah dengan harapan akan lebih mudah

dan cepat dilaksanakan, serta dengan sasaran yang dapat diarahkan langsung

menyentuh komponen pembentuk indeks pembangunan manusia tersebut.

Bersamaan dengan itu, melalui pertumbuhan ekonomi akan menyediakan fiskal

bagi belanja Pemerintah yang bersumber dari pajak yang dibayarkan oleh dunia

usaha dan masyarakat.

Kontribusi masyarakat dan dunia usaha tidak hanya sebagai pembayar pajak

dan retribusi yang pada akhirnya menjadi pendapatan negara dan daerah, namun

mereka juga berkonstribusi langsung dalam peningkatan indeks pembangunan

manusia melalui pengeluaran konsumsi dan investasi, terutama melalui konsumsi

rumah tangga untuk kebutuhan pendidikan dan kesehatan.

1.2. Perumusan Masalah

Indeks pembangunan manusia memberikan makna yang penting dalam

pembangunan suatu negara. Makna dari angka nominal indeks pembangunan

manusia adalah untuk menggambarkan pencapaian pembangunan manusia, yang

biasanya dibagi menjadi tiga kelompok pencapaian, yaitu: (1) kelompok indeks

pembangunan manusia bernilai nominal lebih kecil dari 50 dengan predikat

tingkat pembangunan manusia rendah, (2) kelompok indeks pembangunan

5  

  

manusia yang memiliki nilai indeks pembangunan manusia di antara 50 dan 80

dengan predikat tingkat pembangunan manusia sedang, dan (3) indeks

pembangunan manusia bernilai 80 dan 100 dengan predikat tingkat pembangunan

manusia tinggi (Badan Pusat Statistik, 2008).

Peringkat indeks pembangunan manusia menggambarkan tentang

perbandingan pencapaian indeks pembangunan manusia antar negara, antar daerah

antar wilayah yang diukur. Peringkat satu merupakan peringkat yang tertinggi

dalam pencapaian pembangunan manusia. Setiap negara atau daerah tentunya

ingin mencapai peringkat yang lebih baik dari waktu ke waktu, sehingga kenaikan

nilai nominal indeks pembangunan manusia saja menjadi kurang berarti jika tidak

diikuti dengan kenaikan peringkat indeks pembangunan manusia. Kondisi ini

menstimulasi pihak-pihak yang berkepentingan untuk menaikkan nilai nominal

indeks pembangunan manusia masing-masing, sehingga pada saatnya nanti

disparitas nilai nominal satu sama lainnya akan semakin menyempit dan

kesejahteraan rakyat semakin merata.

Mengikuti laporan UNDP dari tahun 1995 hingga tahun 2009, maka setiap

negara yang diukur indeks pembangunan manusianya secara berkelanjutan

memiliki angka nominal indeks pembangunan manusia dengan kecendrungan

meningkat. Sebagai contoh Norwegia sebagai pemegang peringkat tertinggi dalam

laporan UNDP tahun 2009 selama tahun 1980 hingga 2007, sedangkan Nigeria

berada pada peringkat terendah, yaitu diurutan 182 dalam laporan UNDP tahun

2009. Di sisi lain Indonesia berada pada peringkat 111 dalam laporan UNDP

tahun 2009 memiliki kecendrungan yang meningkat pula dari tahun ke tahun.

Selama ini indeks pembangunan manusia yang terus meningkat tidak disertai

6  

dengan konvergensi pencapaian indeks pembangunan manusia antar negara,

sehingga disparitas indeks pembangunan manusia antar negara belum teratasi.

Untuk melihat disparitas indeks pembangunan manusia ketiga negara tersebut

disajikan pada Gambar 1.

Sumber: United Nations Development Programme, 2009.

Gambar 1. Disparitas Indeks Pembangunan Manusia di Norwegia, Indonesia, dan Nigeria Tahun 1980-2007

Grafik di atas menunjukkan bahwa ketiga negara memiliki indeks

pembangunan manusia yang cendrung meningkat, namun disparitas antar negara

masih relatif dalam. Hal ini juga menunjukan bagaimana perbedaan kedalaman

disparitas pembangunan manusia di ketiga negara tersebut. Bagi Indonesia, perlu

diakui jika relatif sangat jauh untuk mengejar ketertinggalan indeks pembangunan

manusia Norwegia.

Pada Gambar 2 menampilkan kecendrungan indeks pembangunan manusia

Norwegia, Indonesia, dan Nigeria dengan menggunakan persamaan linier

sederhana. Tahun 1980 sebagai tahun dasar bagi jangka waktu (angka nol).

7  

  

Berdasarkan regresi sederhana dengan menggunakan bantuan Microsoft Office

Excel, maka persamaan linier indeks pembangunan manusia masing-masing

negara adalah sebagai berikut:

Norwegia : Y = 1.1095X + 89.432 sehingga X = 0.9013Y - 89.432

Indonesia : Y = 3.1321X + 51.218 sehingga X = 0.3192Y - 51.218

Nigeria : Y = 2,51X + 15.26 sehingga X = 0.3984Y-15.26

Sumber: United Nations Development Programme, 2009 (diolah). 

Gambar 2. Grafik Linier Indeks Pembangunan Manusia di Norwegia, Indonesia, dan Nigeria

Y adalah besaran nilai indeks pembangunan manusia dan X adalah jangka

waktu (tahun), maka secara sederhana dapat dihitung waktu yang harus ditunggu

Indonesia untuk mencapai nilai nominal indeks pembangunan manusia Indonesia

sama dengan nilai nominal indeks pembangunan manusia Norwegia adalah sekitar

19 tahun. Sedangkan nilai nominal indeks pembangunan manusia Nigeria berada

di bawah indeks pembangunan manusia Indonesia, yaitu sekitar 58 tahun. Namun,

8  

pada kenyataannya, pencapaian angka nominal indeks pembangunan manusia

suatu negara tidak sesederhana persamaan linier tersebut, karena berkaitan dengan

banyak faktor yang menjadi variabel peubahnya, yang terdiri atas variabel di

bidang ekonomi, sosial, budaya, politik, dan keamanan.

Indeks pembangunan manusia Indonesia merupakan rata-rata dari

akumulasi indeks pembangunan manusia yang terjadi di 33 provinsi. Pada tahun

2008, indeks pembangunan manusia di 33 provinsi menunjukan selang antara

indeks pembangunan manusia tertinggi di Daerah Khusus Ibukota Jakarta sebesar

77.03 dan indeks pembangunan manusia terendah di Papua sebesar 64, sedangkan

yang berada di peringkat moderat, yaitu peringkat 17, adalah Daerah Istimewa

Aceh sebesar 70.76.

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 3. Indeks Pembangunan Manusia Daerah Khusus Ibukota Jakarta, Daerah Istimewa Aceh, dan Papua Tahun 2005-2008

9  

  

Indeks pembangunan manusia provinsi Daerah Khusus Ibukota, Daerah

Istimewa Aceh, dan Papua dapat dijadikan sebagai contoh disparitas capaian

indeks pembangunan manusia antar daerah di Indonesia. Indeks pembangunan

manusia tertinggi pada tahun 2005 sampai dengan tahun 2008 berada di Daerah

Khusus Ibukota Jakarta. Indeks pembangunan manusia moderat diwakili Daerah

Istimewa Aceh, sedangkan indeks pembangunan manusia terendah dimiliki oleh

Provinsi Papua. Kecendrungan indeks pembangunan manusia dan disparitas tiga

provinsi tersebut dijelaskan secara grafis dalam Gambar 3.

Lebih jauh bahwa disparitas indeks pembangunan manusia tersebut

mengandung arti pula disparitas sebagian hingga keseluruhan dari variabel

pembentuk indeks pembangunan manusia, seperti angka harapan hidup, angka

melek huruf, rata-rata lama sekolah, dan pendapatan per kapita yang didekati

dengan daya beli. Disparitas pembangunan sosial ekonomi antara

provinsi/kabupaten/kota maju dan provinsi/kabupaten/kota tertinggal di Indonesia,

menunjukan jurang kemiskinan yang dalam di provinsi/kabupaten/kota yang

tertinggal tersebut. Membiarkan hal ini terus berlangsung telah melanggar amanat

Undang-Undang Dasar Tahun 1945 yang menjamin keadilan sosial bagi seluruh

rakyat Indonesia dan berpotensi menimbulkan kecemburuan sosial antar

penduduk dan antar daerah di Indonesia, yang pada akhirnya dapat menimbulkan

disintegritas bangsa. Oleh sebab itu disparitas indeks pembangunan manusia dapat

menjadi disintegritas bangsa apabila tidak diantisipasi dengan baik.

Laporan pencapaian pembangunan manusia Indonesia tahun 2007

menjelaskan bahwa upaya yang dilakukan Pemerintah terhadap pencapaian

MDGs sudah dalam jalur yang benar. Namun menurut Alisyahbana, Menteri

--------------------------------------------------------2 Harian Kompas, 4 Agustus 2010. 7(1-3): Wajah Muram MDGs di Indonesia

10  

Negara Perencanaan Pembangunan Nasional/Kepala Bappenas pada tanggal 20

April tahun 2010, capaian MDGs berpotensi gagal dicapai pada tahun 2015.2

Begitu juga dengan Susilo pada Harian Kompas tanggal 4 Agustus tahun 2010

yang mengutip progress report MDGs di kawasan Asia dan Pasifik, dimana

Indonesia masih masuk kategori negara yang lamban langkahnya dalam mencapai

MDGs pada tahun 2015. Agar hal ini tidak terjadi maka diperlukan penguatan

komitmen Pemerintah Pusat, Pemerintah Daerah (political will), dan peran

pemuka masyarakat dalam mempercepat pencapaian MDGs tersebut. 3

Sumber potensi kegagalan yang disebutkan oleh Alisyahbana sama dengan

sumber kelambanan yang disebutkan oleh Susilo, yaitu merujuk kepada masih

tingginya angka kematian ibu (AKI) melahirkan, belum teratasinya laju penularan

HIV/AIDS, makin meluasnya laju deforestrasi, rendahnya tingkat pemenuhan air

minum dan sanitasi yang buruk, serta beban utang luar negeri yang terus

menggunung (United Nations Economic and Social Commission for Asia and the

Pacific, 2010). Ditambahkan oleh Wakil Presiden, Budiono, bahwa penyebab

lambannya kemajuan pencapaian MDGs adalah dukungan fiskal dari negara maju

dan alokasi dana dalam negeri yang kurang memadai untuk melanjutkan MDGs

tahun 2015. Komitmen negara maju seperti yang dicetuskan pada pertemuan di

Montereym, Meksiko pada tahun 2002 dan di Gleneagles, Skotlandia pada tahun

2005 telah memudar akibat krisis global tahun 2008. Komitmen semula dari

negara maju menyisihkan 0.7 persen dari Produk Domestik Bruto (PDB), namun

pada kenyataannya mereka hanya merealisasikan 0.31 persen PDB-nya guna

membantu negara miskin dalam mencapai MDGs. 4 --------------------------------------------------------

3 Harian Kompas, 21 April 2010. 3(3-4): Tujuan Milenium Berpotensi Gagal 4 Harian Bisnis Indonesia, 4 Agustus 2010. 2 (3-6) : Wapres Tagih Komitmen Negara Maju Soal MDGs.

11  

  

Susilo juga menyebut penyebab utama potensi kegagalan atau kelambanan

pelaksanaan anggaran Pemerintah adalah karena pencapaian MDGs dan

penanggulangan kemiskinan tidak dijadikan indikator keberhasilannya. Selama

ini indikator-indikator yang dipakai untuk penyusunan APBN dan APBD hanya

indikator-indikator makroekonomi tanpa menyertakan indikator target MDGs dan

indeks pembangunan manusia. Semestinya harus ada perubahan mendasar dalam

menilai keberhasilan pembiayaan negara bukan hanya pada tingkat penyerapan

anggaran tetapi juga pada dampak penggunaan anggaran terhadap pencapaian

target MDGs dan indikator indeks pembangunan manusia yang terukur.

Sama dengan fenomena pencapaian agregat MDGs tingkat nasional,

pencapaian MDGs provinsi-provinsi di Indonesia dikhawatirkan tidak tercapai.

Untuk sebagai contoh, berikut adalah data pencapaian tiga provinsi di Indonesia

menyangkut indeks pembangunan manusia dan variabel-variabel turunannya pada

tahun 2008 dan tahun 2009.

Tabel 1. Indeks Pembangunan Manusia dan Variabel Turunannya Tahun 2008-2009

No. Provinsi (ranking)

Angka Harapan

Hidup (Tahun)

Angka Melek Huruf

(Persen)

Rata-Rata Lama

Sekolah (Tahun)

Pengeluaran per Kapita

(Rp. 1 000*)

Indeks Pembangunan

Manusia

2008 2009 2008 2009 2008 2009 2008 2009 2008 2009

1. Daerah Khusus Ibukota (1)

73.90 73.05 98.76 98.94 10.80 10.9 625.70 627.46 77.03 77.36

2. Daerah Istimewa Aceh (17)

68.50 68.60 96.20 96.39 8.50 8.63 605.56 610.27 70.76 71.31

3. Papua (33) 68.10 68.35 75.41 75.58 6.52 6.57 599.65 603.88 64.53 64.53

Sumber: Badan Pusat Statistik, 2010. Keterangan: *) Pengeluaran riil per kapita disesuaikan (Purchacing Power Pariety atau PPP).

Betapapun Indonesia dinyatakan sudah berada pada jalur pencapaian

MDGs, menurut Palupi (2010), walaupun telah terjadi peningkatkan anggaran

untuk penanggulangan kemiskinan sebesar 300 persen lebih, yaitu dari Rp. 23

12  

`triliun pada tahun 2005 menjadi Rp. 70 triliun pada tahun 2008, namun angka

kemiskinan hanya berkurang 1 persen. Hal ini karena program penanggulangan

kemiskinan sama sekali tidak efektif, dan karena itu data capaian target MDGs

terkait pengurangan kemiskinan diragukan.5

Landasan hukum, konsensus dan komitmen Indonesia sesungguhnya sudah

sangat kuat dalam pembangunan yang berpusat pada manusia yang didekati

dengan peningkatan indeks pembangunan manusia. Salah satunya adalah

digunakannya indikator indeks pembangunan manusia untuk dasar mengukur

besaran anggaran transfer pusat ke daerah melalui dana alokasi umum (DAU).

Kebijakan yang sudah baik ini, dari sisi anggaran pendapatan daerah, seharusnya

diikuti dengan memberikan landasan yang kuat dari sisi belanja daerah, yaitu

dengan menunjukkan sektor apa yang paling tepat sebagai dasar kebijakan fiskal

untuk percepatan pembangunan daerah. Dengan kata lain, setidaknya ada landasan

ilmiah mengapa sektor pendidikan dan atau sektor kesehatan yang dijadikan

prioritas pembangunan manusia di Indonesia selama ini.

Fakta di lapangan menunjukan bahwa kebijakan fiskal yang menjadi

kewenangan Pemerintah, Pemerintah Provinsi, Pemerintah Kabupaten/Kota, yang

dikaitkan dengan upaya peningkatan angka nominal indeks pembangunan

manusia, dilakukan lebih bersifat coba-coba karena tidak adaa model ekonominya,

sehingga tidak mampu meramalkan kombinasi besaran dan jangka waktu dalam

mencapai sasaran pembangunan manusia yang ditetapkan dalam MDGs. Sejauh

ini, kebijakan fiskal oleh Pemerintah atau Pemerintah Provinsi/Kabupaten/Kota

kebanyakan adalah dengan memperbesar anggaran sektor pendidikan dan atau

sektor kesehatan. Pilihan memperbesar anggaran sektor pendidikan berdasarkan --------------------------------------------------------

5 Harian Kompas, 5 Agustus 2010. 6(3-6): MDGs, Proyek Menjinakkan Nurani ?.

13  

  

Undang-Undang Dasar Tahun 1945, yang mengamanatkan pengalokasiannya

minimal 20 persen dari total anggaran. Sedangkan pilihan memperbesar sektor

kesehatan tentunya didasarkan asumsi bahwa sektor kesehatan mengandung

komponen angka harapan hidup yang menjadi pembentuk persamaan identitas

indeks pembangunan manusia.

Pilihan-pilihan tersebut masih menyimpan pertanyaan mengenai ketepatan

jumlah alokasi fiskal, ketepatan pemilihan sektor, dan jawaban tentang pertanyaan

kapan target MDGs dapat tercapai, karena selama ini belum ada model yang

menempatkan komponen-komponen indeks pembangunan manusia sebagai

variabel endogen dan menjadi bagian dari model ekonometrika. Jika model

ekonometrika indeks pembangunan manusia sudah terbangun secara terintegrasi,

maka berbagai permasalahan di atas dapat dengan lebih mudah diselesaikan.

Berdasarkan uraian di atas dan uraian pada latar belakang, maka yang

menjadi permasalahan dalam penelitian ini adalah:

1. Bagaimana model ekonometrika mampu menjelaskan kaitan komponen-

komponen perekonomian makro (APBD, pasar barang dan pasar tenaga

kerja) dengan komponen-komponen indeks pembangunan manusia (angka

harapan hidup, angka melek huruf, rata-rata lama sekolah, dan pendapatan

per kapita), serta bagaimana dampak kebijakan fiskal terhadap indeks

pembangunan manusia di Indonesia?

2. Bagaimana stategi kebijakan fiskal yang efektif dalam rangka mengurangi

pengangguran dan kemiskinan, serta mendukung pemerataan pembangunan

antar provinsi di Indonesia?

14  

1.3. Tujuan Penelitian

Penelitian ini diharapkan akan mampu mengurai permasalahan tersebut di

atas dan menemukan solusi terbaik sesuai dengan tujuan penelitian ini, yaitu:

1. Membangun model makro ekonometrika yang diperluas dengan

mengintegrasikan komponen perekonomian makro dan indeks

pembangunan manusia.

2. Mempelajari dampak kebijakan fiskal sektor pendidikan dan sektor

kesehatan, serta sektor lainnya terhadap perekonomian makro dan indeks

pembangunan manusia.

3. Meramalkan indeks pembangunan manusia dalam kerangka pencapaian

MDGs di Indonesia tahun 2015.

1.4. Kegunaan Penelitian

Hasil identifikasi hubungan kausalitas perekonomian makro dengan indeks

pembangunan manusia serta dampak kebijakan fiskal sektor pendidikan dan

sektor kesehatan terhadap indeks pembangunan manusia dapat digunakan untuk:

1. Bahan masukan dalam rangka pembangunan yang berpusat pada manusia

(people centred development) di Indonesia.

2. Salah satu sumber informasi untuk perumusan alternatif kebijakan dalam

rangka mencapai sasaran MDGs di Indonesia.

3. Sebagai referensi penelitian lebih lanjut dengan tema yang sama.

1.5. Ruang Lingkup dan Keterbatasan Penelitian

Ruang lingkup penelitian ini berkaitan dengan dampak kebijakan fiskal,

khususnya sektor pendidikan dan sektor kesehatan, terhadap indeks pembangunan

15  

  

manusia di Indonesia pada tahun 2015. Penelitian ini memiliki berbagai

keterbatasan:

1. Alokasi belanja sektor pendidikan, sektor kesehatan, dan sektor lainnya

tidak semata-mata tergantung pada pertimbangan ekonomi (pertumbuhan

dan pemerataan), tetapi juga tergantung pada politik anggaran Pemerintah

setempat. Namun dalam penelitian ini diasumsikan bahwa politik anggaran

Pemerintah setempat sudah mempertimbangkan aspek ekonomi tersebut.

2. Belanja sektor, termasuk sektor pendidikan dan sektor kesehatan, meliputi

belanja sektor yang tertampung dalam anggaran pendapatan dan belanja

provinsi maupun kabupaten/kota di provinsi masing-masing, tidak termasuk

belanja sektor yang berasal dari dana dekonsentrasi maupun dana

pembantuan, serta tidak diurai lebih lanjut berdasarkan jenis pengeluaran

maupun jenis kegiatan.

3. Disesuaikan dengan ketersediaan data dan waktu penelitian, maka hanya

sasaran kunci dari MDGs yang dijadikan variabel endogen dalam model

yang dibangun (angka harapan hidup, angka melek huruf, rata-rata lama

sekolah, dan daya beli sebagai proksi pendapatan riil per kapita), serta hanya

meliputi 21 provinsi dengan jenis data cross section dan time series selama

tahun 2004 sampai dengan hingga tahun 2008.

 

II. TINJAUAN PUSTAKA

2.1. Pembangunan Manusia

Menurut United Nations Development Programme (UNDP, 1990)

pembangunan manusia adalah proses memperluas pilihan orang, dimana yang

paling utama adalah mengarah pada tingginya harapan hidup dan kesehatan, dapat

menikmati pendidikan, dan dapat memenuhi standar kehidupan yang layak.

Pembangunan manusia mempunyai makna lebih dari pada sekedar peningkatan

pendapatan nasional semata. Pembangunan manusia harus dimaknai sebagai

upaya multi dimensi, dalam rangka menciptakan kemampuan insaninya,

merangsang tumbuhnya kreativitas kehidupan yang sesuai dengan kebutuhan dan

minatnya, serta akhirnya dalam rangka meningkatkan produktivitasnya.

Keadaan ini dapat menjadi dasar anggapan bahwa sumber daya manusia

adalah sumber kekayaan negara sesungguhnya. Termasuk orang miskin, meskipun

hampir tidak memiliki apa-apa, tetapi setidaknya memilki aset berupa tenaga

fisiknya, yang juga merupakan bagian kekayaan negara sesungguhnya.

Potensi dari sumber daya manusia tersebut, dengan tenaga fisik sebagai aset

awalnya, akan meningkat bersamaan dengan meningkatnya pengetahuan,

kesehatan, dan pendapatan yang dimilikinya. Keadaan ini menempatkan sektor

pendidikan dan sektor kesehatan menjadi kunci pokok dalam mencapai

pertumbuhan ekonomi dan pembangunan manusia secara timbal balik dalam

jangka panjang.

Sejumlah tujuan pembangunan milenium (MDGs) yang dicanangkan oleh

Perserikatan Bangsa Bangsa (PBB) juga berkaitan langsung dengan sektor

18

pendidikan dan kesehatan, yaitu: mencapai pendidikan dasar untuk semua,

mengurangi angka kematian bayi, meningkatkan kesehatan ibu, dan

menanggulangi penyakit HIV/AIDS, malaria dan penyakit menular lainnya.

Tujuan MDGs lainnya juga mempunyai keterkaitan dengan bidang pendidikan

dan kesehatan seperti mengurangi kemiskinan, dimana sektor pendidikan dan

kesehatan juga berperan dalam hal ini. Dengan demikian setiap negara akan

menyadari betapa pentingnya sektor pendidikan dan kesehatan sebagai upaya

untuk mencapai pertumbuhan ekonomi dan mendapatkan prioritas dalam

perencanaan pembangunan.

Laporan UNDP tahun 1990 secara tegas telah menjelaskan pentingnya

pembangunan manusia (human development) bahwa manusia adalah kekayaan

bangsa yang sesungguhnya. Tujuan utama dari pembangunan adalah

menciptakan lingkungan yang memungkinkan bagi rakyatnya untuk menikmati

umur panjang, sehat dan menjalankan kehidupan yang produktif. Hal ini

tampaknya merupakan suatu kenyataan sederhana. Tetapi hal ini seringkali

terlupakan oleh kesibukan jangka pendek untuk mengumpulkan harta dan uang.

Selain itu laporan tersebut juga mendifinisikan pembangunan manusia sebagai

perluasan pilihan bagi penduduk (enlarging the choice of people). Perluasan

pilihan yang terpenting adalah hal-hal yang menjadikan penduduk paling tidak

memiliki, yaitu: peluang berumur panjang dan sehat, pengetahuan dan

keterampilan yang memadai, dan menikmati standar hidup layak. Pilihan-pilihan

lainnya meliputi kebebasan politik, jaminan hak azasi manusia, dan menghormati

diri sendiri.

19

Sedangkan dalam Human Development Report tahun 1996 dari UNDP,

bahwa pembangunan berpusat pada manusia dipromosikan melalui penegasan

bahwa pembangunan manusia adalah tujuan akhir pembangunan (the ultimate

end), sedangkan pertumbuhan ekonomi adalah sarana (the principal means) untuk

mencapai tujuan akhir pembangunan tersebut.

Semakin jelas bahwa perluasan pilihan dimaksud berada pada tataran

proses dan tataran hasil akhir pembangunan. Perluasan pilihan dalam tataran

proses disediakan untuk manusia dalam perannya sebagai pelaku pembangunan.

Sedangkan perluasan pilihan dalam tataran hasil akhir disediakan untuk manusia

dalam perannya sebagai penikmat pembangunan. Sehingga, pembangunan

manusia pada dasarnya adalah suatu upaya dalam rangka membangun

kemampuan manusia, tidak perduli apakah mereka miskin atau kaya, melalui

perbaikan taraf kesehatan, pengetahuan dan keterampilan, sekaligus sebagai

pemanfaatan (utilizing) kemampuan atau keterampilan mereka tersebut. Konsep

pembangunan manusia demikian ini jauh lebih luas pengertiannya dibandingkan

dengan konsep pembangunan ekonomi yang menekankan kepada pertumbuhan

(economic growth), kebutuhan dasar (basic needs), kesejahteraan masyarakat

(social welfare), atau pengembangan sumberdaya manusia (human resource

development) (Qureshi, 2010).

Uraian-uraian di atas semakin memperkokoh paradigma pembangunan

berpusat pada manusia (people centered development) yang menempatkan

manusia sebagai tujuan akhir pembangunan dan bukan hanya sebagai alat

pembangunan. Untuk mewujudkan tujuan akhir pembangunan dimaksud, terdapat

20

4 hal pokok yang harus diperhatikan sebagai komponen kunci pembangunan

manusia, yaitu:

1. Produktivitas (productivity), mengandung makna bahwa manusia yang

produktif akan mampu menghasilkan pendapatan bagi dirinya dan bagi

keluarganya serta bagi bangsanya. Oleh karena itu pertumbuhan ekonomi

merupakan bagian dari model pembangunan manusia, dan merupakan

variabel endogen yang akan berpengaruh terhadap indeks pembangunan

manusia.

2. Keadilan (equality), mengandung makna bahwa manusia sebagai mahluk

sosial harus memiliki kesempatan yang sama untuk hidup lebih baik. Praktik

monopoli, seperti monopoli ekonomi dan monopoli politik, harus

dihapuskan melalui pengaturan-pengaturan yang dilakukan secara

demokratis. Semua orang boleh memilih apa yang terbaik bagi

kehidupannya sepanjang tidak melanggar aturan main yang telah disepakati

bersama secara konstitusional dan demokratis.

3. Keberlanjutan (sustainability), mengandung makna bahwa sumberdaya yang

tersedia dapat digunakan secara bijaksana untuk kepentingan manusia, baik

generasi masa kini maupun generasi masa yang akan datang. Generasi masa

kini harus sadar dan menjamin ketersediaan sumberdaya yang sama-sama

diperlukan oleh generasi masa yang akan datang. Sumberdaya yang tidak

dapat diperbaharui hanya digunakan secara hemat sambil menanamkan

kewajiban bagi generasi sekarang untuk mencari alternatif sumberdaya

substitusi dari sumberdaya yang dapat diperbaharui.

21

4. Pemberdayaan (empowerment), mengandung arti bahwa adalah fitrah

manusia yang tidak selalu memiliki kemampuan untuk mengakses peluang

dan kesempatan yang sama untuk mensejahterakan diri dan keluarganya.

Karena itu perlu adanya pemberdayaan agar pembangunan manusia dapat

dilakukan oleh semua orang, bukan semata-mata dilakukan untuk semua

orang. Dengan pemberdayaan, maka semua orang dapat berpartisipasi penuh

dalam pengambilan keputusan dan proses mempengaruhi kesejahteraan

mereka (United Nations Development Programme, 1995).

2.2. Indeks Pembangunan Manusia

Indeks pembangunan manusia dicetuskan untuk menjawab ketidakpuasan

para ahli dalam mengukur kinerja pembangunan yang hanya bertumpu pada

indikator makroekonomi saja. Pencetus awalnya adalah Mahbub Ul Haq seorang

ekonom Pakistan yang pada tahun 1970-an menyatakan ketidakpuasannya

terhadap ukuran kinerja sosial ekonomi yang hanya didasarkan pada indikator rata

rata pendapatan nasional per kapita (Gross National Product/Capita) beserta

turunannya, seperti tingkat inflasi, pengangguran, tingkat investasi, tingkat belanja

pemerintah, tingkat konsumsi, dan posisi neraca pembayaran (Anand et al., 2000).

Gagasan Mahbub Ul Haq tersebut inti dari paradigma pembangunan

berpusat pada manusia (people centred development), yang menempatkan

manusia sebagai pelaku sekaligus penikmat pembangunan. Oleh karenanya,

indikator–indikator makroekonomi sebagai ukuran kinerja pertumbuhan ekonomi

bukan akhir pencapaian pembangunan manusia, tetapi ia hanya sebagai sasaran

antara yang harus dilalui dalam rangka mencapai sasaran akhir pembangunan

manusia, yaitu kesejahteraan manusia.

22

Pembangunan berpusat pada manusia ini telah dipromosikan secara

konsisten pada Program Pembangunan Perserikatan Bangsa-Bangsa atau UNDP

sejak tahun 1990. Sejak itu UNDP mengeluarkan laporan tahunan perkembangan

pembangunan manusia untuk negara-negara di dunia berdasarkan tema yang

berbeda, namun masih seputar kepentingan manusia (UNDP 1990 sd. 2009).

Bersamaan dengan itu UNDP terus mempromosikan Human Development Index

(HDI) atau indeks pembangunan manusia sebagai alat utama untuk mengukur

pembangunan manusia, disamping indikator-indikator turunannya seperti Indeks

Pembangunan Gender (IPG), Indeks Pemberdayaan Gender (IDG), dan Indeks

Kemiskinan Manusia (IKM), dan lainnya yang diterapkan kemudian, serta

indikator indikator makroekonomi yang sudah ada sebagai indikator

komplementernya.

Masih digunakannya indikator makroekonomi sebagai indikator

komplementer pembangunan manusia dapat dimengerti karena indikator

makroekonomi menggambarkan pencapaian kinerja pertumbuhan ekonomi

sebagai proses antara menuju pembangunan manusia. Alasan lain penggunaan

indikator makroekonomi untuk mengukur kinerja pembangunan manusia adalah

(1) aspek ekonomi lebih cepat tampak di permukaan diantara berbagai aspek

dalam kehidupan manusia, (2) dampak ekonomis lebih mudah dikuantitatifkan

daripada dampak sosial yang pada dasarnya bersifat kualitatif, (3) pengkajian

kinerja pembangunan dari aspek ekonomi sudah lebih banyak dibandingkan dari

aspek-aspek lainnya dalam ilmu-ilmu sosial, dan (4) indikator makroekonomi,

seperti pendapatan, sudah dikaji sebagai variabel endogen dari suatu model

ekonomi, sehingga dapat diramalkan magnitute dan jangka waktu pencapaiannya.

23

Indeks pembangunan manusia sebagai pengukur kinerja pembangunan

manusia memang belum terlampau sempurna, karena tidak mengukur semua

indikator pembangunan manusia disebabkan tidak seluruhnya dapat

dikuantitatifkan. Kelemahan lainnya dari indeks pembangunan manusia beserta

komponen pembentuknya (Angka Harapan Hidup/AHH, Angka Melek Huruf

/AMH, Rata-rata Lama Sekolah/RLS, dan pendapatan per kapita) adalah belum

dijadikan sebagai variabel endogen dari suatu persamaan simultan, sehingga tidak

diketahui hubungan ekonomi antar variabel dan tidak dapat disimulasikan

bagaimana cara pencapaiannya. Namun secara faktual indeks pembangunan

manusia setidaknya diakui dan diadopsi secara luas oleh negara-negara anggota

PBB, termasuk Indonesia.

Menurut Badan Pusat Statistik (2008), indeks pembangunan manusia adalah

nilai tunggal yang terangkum untuk mempresentasikan 3 dimensi pembangunan

manusia, yaitu: (1) dimensi umur panjang dan sehat dipresentasikan oleh indikator

angka harapan hidup, dan (2) dimensi pengetahuan dipresentasikan oleh indikator

angka melek huruf dan rata-rata lama sekolah, serta (3) dimensi kehidupan layak

dipesentasikan oleh indikator kemampuan daya beli.

Berdasarkan katalog BPS nomor 4102022 mengenai indeks pembangunan

manusia tahun 2006-2007 menjelaskan tentang angka harapan hidup, tingkat

pendidikan, dan standar hidup layak sebagai komponen untuk menghitung indeks

pembangunan manusia di Indonesia. Terdapat perbedaan cara perhitungan IPM

oleh BPS dibandingkan cara perhitungan UNDP, yaitu terletak pada perhitungan

indeks standar hidup layak. BPS menggunakan daya beli sementara UNDP

menggunakan pendapatan per kapita (purchasing power pariety) sebagai basis

24

perhitungan indeks hidup layak. Adapun basis menghitung indeks pendidikan dan

indeks kesehatan tidak ada perbedaan antara BPS dengan UNDP (BPS, 2008,

Anand et al, 2000 dan Nayak, 2005).

Menurut UNDP (2009) bahwa capaian indeks pembangunan manusia

Indonesia dan 181 negara lainnya memiliki kecendrungan yang meningkat dari

tahun 1980 sampai tahun 2007. Hal ini menunjukkan bahwa terjadi pertumbuhan

ekonomi dan peningkatan kinerja pembangunan manusia secara simultan di

seluruh dunia. Peradaban manusia semakin tinggi yang ditandai dengan semakin

tingginya teknologi di segala bidang. Manusia semakin kreatif, inovatif, dan

produktif. Berikut adalah kecendrungan indeks pembangunan manusia Indonesia

tahun 1980-2007 yang diukur berdasarkan skala 0 sampai dengan 1 sebagaimana

Gambar 4.

Sumber: United Nations Development Programme, 2009.

Gambar 4. Kecendrungan Indeks Pembangunan Manusia di Indonesia Tahun 1980-2007

25

Indeks pembangunan manusia meningkat sebagai hasil dari peningkatan

nilai dari kombinasi indikator pembentuknya, yaitu angka harapan hidup, angka

melek huruf, rata-rata lama sekolah, dan daya beli. Sementara kinerja angka

harapan hidup meningkat karena semakin baiknya indikator kesehatan, seperti

menurunnya kekurangan gizi, menurunnya kematian bayi, dan menurunnya

kematian ibu melahirkan. Dengan kata lain dapat dipastikan bahwa indikator-

indikator di atas mempunyai keterkaitan satu sama lain dan menjadi faktor-faktor

yang berpengaruh terhadap pembentukan indeks pembangunan manusia. Untuk

keperluan penelitian ini, perhatian utama ditujukan pada indikator-indikator

pembentuk indeks pembangunan manusia yang menjadi tujuan MDGs, kemudian

dianalisis keterkaitannya dengan indikator ekonomi makro Indonesia.

2.3. Tujuan Pembangunan Milenium

Pada bulan September tahun 2000, sebanyak 189 negara anggota PBB

berkumpul dan kemudian bersepakat mengadopsi 8 tujuan MDGs, serta

berkomitmen untuk mencapai kemajuan yang berarti dalam pengurangan

kemiskinan dan tujuan pembangunan manusia lainnya pada tahun 2015. Tujuan

MDGs tersebut, menurut Todaro (2006), yaitu: (1) menanggulangi kemiskinan

dan kelaparan, (2) menjamin laki laki dan perempuan menyelesaikan pendidikan

dasar, (3) kesetaraan gender dan pemberdayaan perempuan, (4) mengurangi

kematian anak, (5) meningkatkan kesehatan ibu, (6) memberantas HIV/AIDS,

malaria, dan penyakit menular lainnya, (7) menjamin keberlanjutan lingkungan,

dan (8) membina kemitraan global untuk pembangunan. Tujuan tersebut diurai

menjadi 12 target spesifik yang akan dicapai tahun 2015 dengan berdasarkan

capaian kinerja pembangunan internasional yang lalu. Tujuan 1 dan 6 masing-

26

masing terdiri atas 2 target, tujuan 2, 3, 4, 5, dan 8 masing masing terdiri atas 1

target, dan tujuan 7 terdiri atas 3 target. Uraian selengkapnya dari tujuan dan

target MDGs tersebut, yang diadopsi sesuai pengalaman empiris Indonesia adalah

ditampilkan pada Tabel 2.

Tabel 2. Tujuan dan Target Pembangunan Milenium bagi Indonesia

Tujuan dan Target Target Tahun

2015 Tujuan 1: Menanggulangi kemiskinan dan kelaparan Target 1 Menurunkan proporsi penduduk yang tingkat pendapatannya

di bawah US$ 1 per hari menjadi setengahnya antara tahun 1990-2015

10.3 juta

Target 2 Menurunkan proporsi penduduk yang menderita kelaparan menjadi setengahnya antara tahun 1990-2015

-

Tujuan 2: Mencapai pendidikan dasar untuk semua Target 3 Menjamin sampai tahun 2015, semua anak, dimanapun, laki-

laki dan perempuan, dapat menyelesaikan sekolah dasar 100 persen

Tujuan 3: Mendorong kesetaraan gender dan pemberdayaan perempuan Target 4 Menghilangkan ketimpangan gender di semua jenjang

pendidikan tidak lebih dari tahun 2015 100 persen

Tujuan 4: Menurunkan angka kematian anak Target 5 Menurunkan angka kematian balita sebesar dua pertiganya,

antara tahun 1990 dan 2015 33 per mil

Tujuan 5 : Meningkatkan kesehatan ibu Target 6 Menurunkan angka kematian ibu antara tahun 1990-2015

sebesar tiga perempatnya 105 per seratus ribu lahir hidup

Tujuan 6: Memerangi HIV/AIDS, malaria dan penyakit menular lainnya Target 7 Mengendalikan penyebaran HIV/AIDS dan mulai menurunkan

jumlah kasus baru pada tahun 2015 -

Target 8 Mengendalikan penyakit malaria dan mulai menurunnya jumlah kasus malaria dan penyakit lainnya pada tahun 2015

-

Tujuan 7: Memastikan kelestarian lingkungan Target 9 Memadukan prinsip-prinsip pembangunan berkelanjutan

dengan kebijakan-kebijakan dan program nasional serta mengembalikan sumber daya lingkungan yang hilang

-

Target 10 Penurunan sebesar setengah, proposisi penduduk tanpa akses terhadap sumber air minum yang aman dan berkelanjutan serta fasilitas sanitasi dasar pada tahun 2015

-

Target 11

Mencapai perbaikan yang berarti dalam kehidupan penduduk miskin di permukiman kumuh pada tahun 2020

-

Tujuan 8: Membangun kemitraan global untuk pembangunan Target 12 Kemitraan dan kerja sama regional untuk pencapaian MDGs

antara lain di bidang perdagangan, investasi, pengembangan kapasitas, dukungan teknologi, pembangunan infrastruktur, seperti transportasi, ICT, dan environmental sustainabality.

-

Sumber: Badan Pusat Statistik, 2007.

27

Idealnya semua variabel yang menjadi sasaran MDGs merupakan variabel

endogen dalam model persamaan yang akan dibangun. Namun karena kesulitan

dalam menemukan rekaman data dalam kurun watu yang memadai, maka peneliti

menggunakan variabel yang langsung berkaitan dengan persamaan identitas

indeks pembangunan manusia sesuai dengan Tabel 3.

Tabel 3. Indiaktor Indeks Pembangunan Manusia Indonesia Tahun 1990 dan 2015

Dimensi Indikator Tahun 1990

Tahun 2015 Satuan

Umur Panjang dan Sehat

1. Angka Kematian Balita (AKB) 49.5 33.0 Permil kelahiran

2. Angka Kematian Ibu (AKI) 140.0 105.0 Per 100 ribu

Pengetahuan 1. Angka Melek Huruf (AMH) 81.5 100.0 Persen

2. Rata-Rata Lama Sekolah (RLS ) 61.4 15.0 Tahun

Kehidupan yang layak

Pengeluaran (Rupiah) < US $ 1 PPP 20.6 10.3 Juta orang

Sumber: Badan Pusat Statistik, 2008.

2.4. Kebijakan Fiskal di Beberapa Negara

Menurut Mankiw (2003) meskipun Pemerintah telah lama menjalankan

kebijakan moneter dan fiskal, namun pandangan bahwa seharusnya Pemerintah

menggunakan instrumen kebijakan ini untuk mencoba menstabilkan

perekonomian adalah masih baru. Pada tahun 1946 melalui Undang-Undang

Ketenagakerjaan Amerika Serikat yang mewajibkan Pemerintahnya untuk

mempromosikan kesempatan kerja penuh (full employment) dan produksi.

Pembuat Undang-Undang tersebut percaya bahwa tanpa adanya campur

tangan Pemerintah akan dapat menimbulkan terulangnya depresi besar. Ekonom

pendukung kebijakan aktif oleh Pemerintah berlandaskan pada model permintaan

agregat dan penawaran agregat yang menunjukkan bagaimana kebijakan fiskal

28

dan kebijakan moneter bisa mencegah resesi. Ada pula yang berpendapat

sebaliknya, yaitu Pemerintah lepas tangan saja karena tidak ada kepastian mampu

mengatasi krisis disebabkan kelambanan dari dalam berupa keterlambatan

mengambil kebijakan, dan kelambanan dari luar berupa adanya selang waktu

antara pengambilan kebijakan dengan reaksi perekonomian (Mankiw, 2003).

Hasil penelitian Andersen (2005) menyimpulkan efektivitas kebijakan fiskal

dalam rangka menstabilkan perekonomian tergantung pada dua hal yaitu: bentuk

stimulus fiskal dan struktur perekonomian.

Pemerintah Indonesia penganut kebijakan aktif. Pada tahun 2009

Pemerintah Indonesia melakukan kebijakan stimulus fiskal untuk

mempertahankan pertumbuhan perekonomian, menciptakan lapangan kerja yang

otomatis berarti mengurangi pengangguran, serta mencegah terjadinya inflasi

yang tinggi. Kebijakan stimulus fiskal dimaksud melalui insentif perpajakan dan

belanja Pemerintah. Bentuk-bentuk insentif perpajakan yang diberlakukan di

Indonesia adalah (1) penurunan tarif PPh badan, (2) penurunan PPh orang pribadi,

dan (3) penghapusan pajak ekspor. Sedangkan bentuk belanja Pemerintah

dimaksud antara lain: (1) belanja infrastruktur, (2) subsidi Bahan Bakar Minyak

(BBM) dan energi, (3) tunjangan rumah tangga, (4) tunjangan Pemutusan

Hubungan Kerja (PHK) dan Balai Latihan Kerja (BLK), serta (5) subsidi

pendidikan dan kesehatan. Negara-negara lain yang tergolong penganut kebijakan

aktif antara lain Amerika Serikat, Argentina, Autralia, Belanda, Brazil, China,

Inggris, Italia, Jepang, Jerman, Kanada, Perancis, dan Rusia. 6

Kebijakan fiskal untuk pembangunan manusia di Indonesia merupakan

langkah yang diambil oleh Pemerintah, Pemerintah Provinsi, dan Pemerintah --------------------------------------------------------

6 Bahan Paparan Menteri Keuangan Republik Indonesia, 2009.

29

Kabupaten/Kota dalam memperoleh sumber dana dan mengalokasikannya pada

sektor-sektor yang dapat mendorong peningkatan pembangunan manusia, seperti

sektor pendidikan, sektor kesehatan, dan sektor perekonomian lainnya.

Sebelum tahun 2003, pengeluaran Pemerintah terbagi menjadi dua belanja,

yaitu belanja rutin dan belanja pembangunan. Disebut dengan belanja

pembangunan karena dari belanja ini diharapkan mampu menunjang pertumbuhan

perekonomian yang pada gilirannya sekaligus mampu meningkatkan

pembangunan manusia. Belanja pembangunan digunakan untuk sektor pelayanan

publik. Pengalokasiannya pada sektor-sektor terkait di pusat dan daerah.

Setelah dikeluarkannya Keputusan Menteri Dalam Negeri (Kemendagri)

Nomor 29 Tahun 2002, maka sejak tahun anggaran tahun 2003 pengeluaran

(belanja) Pemerintah daerah terdiri atas bagian belanja aparatur daerah dan bagian

belanja pelayanan publik. Masing masing bagian belanja tersebut dirinci ke dalam

belanja administrasi umum, belanja operasi dan pemeliharaan, dan belanja modal.

Walaupun sistem desentralisasi sudah dijalankan namun pengeluaran

Pemerintah dalam penyediaan pelayanan publik tersebut belum dapat sepenuhnya

didukung oleh kemampuan fiskal daerah. Ketergantungan fiskal Pemerintah

daerah kepada Pemerintah pusat terjadi karena masih rendahnya pendapatan asli

daerah. Hal inilah yang menyebabkan masih dibutuhkannya transfer dari

Pemerintah pusat kepada Pemerintah daerah.

2.5. Keterkaitan Pertumbuhan Ekonomi dengan Indeks Pembangunan Manusia

Berdasarkan analisis data dari laporan UNDP tahun 2009, nampak bahwa

kinerja GDP per kapita dan kinerja indeks pembangunan manusia cendrung

30

mempunyai keterkaitan. Hal ini ditemukan di 10 negara yang mempunyai GDP

per kapita tertinggi, ternyata juga merupakan 10 negara dengan indeks

pembangunan manusia tertinggi, jika GDP per kapita dan indeks pembangunan

manusia 10 negara tersebut mempunyai keterkaitan, maka dapat dikonstatntir

adanya keterkaitan antara GDP per kapita beserta indikator turunannya dalam

ekonomi makro dan indeks pembangunan manusia beserta indikator

pembentuknya dalam pembangunan manusia.

Indikator turunan dari GDP per kapita antara lain tingkat inflasi, tingkat

investasi, belanja Pemerintah, tingkat konsumsi, dan posisi neraca pembayaran,

tenaga kerja dan kemiskinan. Adapun indikator pembentuk indeks pembangunan

manusia adalah angka harapan hidup, angka melek huruf, rata-rata lama sekolah,

dan daya beli.

Becker dalam penelitiannya bertema peran pendidikan terhadap industri

Prusia dari tahap pra industri tahun 1816 hingga tahap industri pada tahun 1849

dan tahun 1882 menemukan bahwa pendidikan dasar mengakselerasi secara

signifikan industri non tekstil pada kedua tahap revolusi industri. Dengan kata lain,

rata-rata lama sekolah meningkat akan berdampak pada peningkatan kualitas

sumberdaya manusia/tenaga kerja, yang pada gilirannya akan meningkatkan

produktivitasnya dalam mendukung proses produksi untuk menghasilkan

pertumbuhan ekonomi (Becker et al., 2010).

Pertumbuhan ekonomi dan pembangunan manusia mempunyai keterkaitan

yang kuat telah dibuktikan pula oleh Ramirez yang melakukan penelitian

hubungan pertumbuhan ekonomi dengan komponen-komponen pembangunan

manusia di 70 negara maju dan berkembang, dengan menggunakan data tahun

31

1960 sampai dengan tahun 1992. Hasilnya terdapat hubungan kausalitas dua arah

antara keduanya, yang disebutnya sebagai hubungan rantai A dan B (Ramirez et

al., 1997).

Rantai A, pembangunan ekonomi untuk pembangunan manusia. Sumber

daya ekonomi yang terakumulasi menjadi GDP dialokasikan untuk aktivitas-

aktivitas yang berdampak positif terhadap pembangunan manusia, terutama yang

berasal dari belanja rumah tangga dan belanja Pemerintah.

Rantai B, pembangunan manusia untuk pembangunan ekonomi.

Keberhasilan dalam menyediakan sumberdaya manusia yang berkualitas akan

berdampak positif terhadap pertumbuhan ekonomi, terutama melalui keberhasilan

dalam menyediakan preskripsi teknologi dari hasil Research and Development (R

and D) sektor swasta dan sektor publik yang hasilnya dapat digunakan untuk

meningkatkan produktivitas produksi sehingga nilai tambahnya lebih besar.

Sumberdaya manusia yang berkualitas sebagai hasil pembangunan manusia

yang tinggi, akan memberikan kontribusi yang tinggi kepada negaranya, melalui

peningkatan kapasitas, produktivitas, dan kreativitas penduduknya sebagai pelaku

utama dalam rangka peningkatan pertumbuhan ekonomi (Gross Domestic

Product/GDP).

2.6. Tinjauan Studi Terdahulu

Di Indonesia belum banyak penelitian yang dilakukan untuk menganalisis

secara langsung keterkaitan variabel makroekonomi dengan indeks pembangunan

manusia. Sekalipun telah disusun Laporan Pembangunan Manusia tahun 1990

sampai tahun 2010 oleh UNDP, dan Laporan Pembangunan Manusia Indonesia

tahun 2007 oleh BPS dan Badan Perencanaan Pembangunan Nasional (Bappenas),

32

serta Laporan Indeks Pembangunan Manusia Indonesia tahun 2004 sampai

dengan 2009 oleh BPS, hasilnya masih lebih banyak mengupas tentang

pencapaian realisasi indeks pembangunan manusia setiap tahun, dan hanya sedikit

mengupas faktor faktor yang mempengaruhinya.

Meskipun tidak semua melacak secara langsung hubungan kausalitas

variabel makroekonomi dengan indeks pembangunan manusia, penelitian-

penelitian berikut berhasil melacak hubungan parsial antara indikator

makroekonomi dengan komponen-komponen pembangunan manusia, antara lain:

1. Indeks pembangunan manusia di Provinsi Bali dipengaruhi oleh

pembangunan ekonomi kabupaten/kota di Provinsi Bali, sebaliknya tingkat

kemiskinan mempengaruhi indeks pembangunan manusia secara negatif dan

bersifat elastis, sementara alokasi anggaran sosial berpengaruh secara positif

tetapi non elastis, selanjutnya rasio sarana pendidikan, rasio sarana

kesehatan, dan rata-rata pengeluaran rumah tangga masing masing

mempengaruhi indeks pembangunan manusia secara positif dan bersifat

elastis (Cahyadhi, 2005). Pencapaian indeks pembangunan manusia juga

dipengaruhi secara positif oleh PDRB, rasio guru terhadap murid, kepadatan

penduduk, dan persentase rumah tangga yang mempunyai akses terhadap air

bersih (Alam, 2006). Pengeluaran Pemerintah daerah di bidang pendidikan

dan kesehatan mempunyai pengaruh positif terhadap perkembangan indeks

pembangunan manusia (Utami, 2007). Indeks pembangunan manusia juga

dipengaruhi secara signifikan oleh variabel jumlah bangunan tingkat sekolah

lanjutan pertama, variabel rasio guru terhadap murid sekolah lanjutan

pertama, variabel jumlah puskesmas, variabel PDRB per kapita, dan

33

variabel kepadatan penduduk (Evianto, 2009). Indeks pembangunan

manusia ternyata dipengaruhi secara signifikan oleh korupsi, peningkatan

indeks korupsi satu satuan akan mengakibatkan indeks pembangunan

manusia naik sebanyak 0.05 satuan (Sukadana, 2007). Kontradiktif dengan

teori, Waluyo (2010) menyebutkan bahwa terdapat pengaruh yang negatif

pengeluaran Pemerintah sektor kesehatan (tahun t-1) terhadap peningkatan

indeks pembangunan manusia (tahun t), tetapi di pihak lain pengeluaran

Pemerintah di sektor pendidikan (tahun t-1) berpengaruh positif terhadap

indeks pembangunan manusia. Namun dipersyaratkan pemerintahannya

harus bersih, karena pemerintahan yang bersih merupakan variabel yang

menentukan pertumbuhan ekonomi dan pembangunan manusia di India

(Rudra, 2011).

2. Upah pekerja dipengaruhi secara nyata oleh desentralisasi fiskal. Sebagian

penghasilan yang didapat dari upah akan dibelanjakan untuk keperluan

sandang pangan, pendidikan, dan kesehatan, Besaran dan alokasi belanja

untuk 3 keperluan tersebut, pada gilirannya akan mempengaruhi indeks

pembangunan manusia, (Pakasi, 2005 dan Nanga, 2006).

3. Pertumbuhan ekonomi yang ditandai dengan meningkatnya pendapatan per

kapita masyarakat dipengaruhi secara tidak signifikan oleh disentralisasi

fiskal, bahkan dipengaruhi secara negatif oleh pengeluaran sektor pertanian

dan sektor irigasi dari APBD kabupaten/kota di provinsi Sulawesi Utara.

Namun pertumbuhan ekonomi dipengaruhi secara positif oleh alokasi fiskal

sektor kesejahteraan rakyat dan sektor pendidikan dari APBD

kabupaten/kota di Provinsi Sulawesi Utara (Pakasi, 2005). Secara nasional,

34

ada kesamaan faktor-faktor yang mempengaruhi pertumbuhan ekonomi

dengan keadaan di Provinsi Sulawesi Utara adalah alokasi fiskal sektor

pendidikan dan kesehatan, ditambah sektor infrastruktur. Namun bertolak

belakang untuk sektor pertanian, karena secara nasional justru sektor ini

masih mempengaruhi secara signifikan terhadap pertumbuhan ekonomi

(Yudhoyono, 2004). Hasil studi terhadap 83 negara-negara sedang

berkembang pada periode tahun 1960-1970 menunjukkan bahwa

pertumbuhan PDB dipengaruhi oleh tiga faktor penting, yaitu tingkat

investasi fisik, tingkat pertumbuhan impor, dan tingkat perkembangan

sumber daya manusia pada awal priode. Dengan demikian, investasi sumber

daya manusia merupakan salah satu cara yang tepat dan efisien untuk

meningkatkan kesejahteraan bangsa (Hicks and Sreeten, 1979).

4. Pertumbuhan ekonomi mempunyai hubungan timbal balik dengan

pembangunan manusia, yang mana pertumbuhan ekonomi dapat mendorong

pembangunan manusia, dan pembangunan manusia mampu meningkatkan

pertumbuhan ekonomi (Wheeler, 1980; Ramirez et al., 1997; dan Ranis et

al., 2002). Terdapat hubungan dua arah (two-way relationship) dan saling

berpengaruh secara positip antara kinerja perekonomian wilayah dengan

pembangunan manusia melalui sektor pendidikan (Ali, 2006). Meskipun

hanya salah satu sisi dari hubungan timbal balik tersebut, bahwa investasi

sumber daya manusia dan transfer pendapatan dapat meningkatkan

pertumbuhan ekonomi, diikuti pegurangan pengangguran dan kemiskinan

(Sitepu, 2007 dan Asteriou et al., 2001). Sebaiknya visi pendidikan sudah

saatnya diarahkan untuk pencapaian kemajuan ekonomi (Roza, 2007)

35

5. Penanggulangan kemiskinan dipengaruhi secara positif oleh kualitas sumber

daya manusia (Nanga, 2006), alokasi fiskal sektor infrastruktur, sektor

pertanian, serta sektor pendidikan, dan sektor kesehatan, meskipun dua

sektor terakhir ini agak lemah pengaruhnya (Yudoyono, 2004). Namun

penanggulangan kemiskinan dipengaruhi secara negatif oleh transfer fiskal

ke daerah (Nanga, 2006), serta keterbatasan sumber daya ekonomi rumah

tangga (Sutomo, 1995).

6. Indeks pembangunan manusia adalah ukuran relatif pada tahun yang

berbeda atau pada tempat yang berbeda untuk dibandingkan capaiannya,

sehingga indeks pembangunan manusia kurang bermakna jika hanya berdiri

sendiri. Keadaan ini mendorong masyarakat antar negara, antar provinsi,

antar kabupaten berlomba-lomba untuk meningkatkan peringkat indeks

pembangunan manusia. Alam (2006) menyebut indeks pembangunan

manusia sebagai alat konvergensi pembangunan. Sementara itu, transfer

fiskal antar provinsi di Cina, dari provinsi pantai ke provinsi pedalaman,

membuat pembangunan Cina semakin konvergen (Raiser, 2007). Dengan

kata lain, kebijakan fiskal yang diarahkan untuk peningkatan indeks

pembangunan manusia mampu untuk memeratakan pembangunan.

Berbagai kutipan penelitian yang ditampilkan pada sub bab ini tidak secara

konprehensif mengkaji dampak kebijakan fiskal sektor pendidikan dan sektor

kesehatan terhadap indeks pembangunan manusia di Indonesia. Sebagian

penelitian tersebut juga mengungkap data series indeks pembangunan manusia

masih terbatas sehingga untuk mengatasinya perlu dilakukan cross section antar

kabupaten/provinsi.

 

III. KERANGKA TEORITIS

3.1. Kebijakan Fiskal dan Kebijakan Moneter

Kebijakan fiskal mempengaruhi perekonomian (pendapatan dan suku bunga)

melalui permintaan agregat pada pasar barang, sedangkan kebijakan moneter

memepengaruhi perekonomian (pendapatan dan suku bunga) melalui intervensi

Bank Sentral terhadap pasar uang dan pasar bond (surat berharga). Oleh

karenanya, kebijakan fiskal dan kebijakan moneter sering digunakan sebagai

instrumen untuk menstimulasi dan menstabilkan kegoncangan perekonomian

yang mengganggu pertumbuhan ekonomi (Dornbusch et al., 2004). Adapun

skema hubungan pasar barang dan pasar uang, sebagaimana Gambar 5.

Sumber: Dornbusch, 2004 (dimodifikasi).

Gambar 5. Skema Hubungan Pasar Uang dan Pasar Barang

38

Keseimbangan pasar barang terjadi ketika permintaan agregat sama dengan

penawaran agregat, yang ditunjukkan dengan terbentuknya kurva Investment

Saving (IS) yang menunjukan kombinasi-kombinasi suku bunga dan tingkat-

tingkat pendapatan ketika alokasi belanja yang direncanakan (Planned

Expenditure atau PE) sama dengan belanja aktual (Actual Expenditure atau AE).

Kurva IS ini dapat dilihat secara grafis pada Gambar 6.

Sumber: Dornbusch, 2004 (dimodifikasi).

Gambar 6. Kurva Investment Saving

Proses terbentuknya kurva IS dimulai dari keseimbangan permintaan

agregat dan penawaran agregat, yaitu ketika belanja aktual (AE) sama dengan

belanja yang direncanakan (PE1) dititik E1, Y1, titik yang terbentuk oleh

1 5

Y1

3

PE1

PE2 ∆I

AE

Y2 0

E2

E1

E

Y

4

IS

0

r2

r1

r

Y Y2 Y1

2 I(r)

0

r2

r1

r

I I2 I1

39

pertemuan Y1 dan r1 adalah posisi kondisi perekonomian awal dititik IS. Ketika

suku bunga naik dari r1 ke r2, maka investasi turun dari I1 ke I2, dan PE geser ke

bawah, yang berpotongan dengan AE di titi E2, Y2, dimana E2 < E1 dan Y2 < Y1.

Titik yang terbentuk oleh kombinasi Y2, r2 merupakan titik ke dua dari IS, atau

posisi perekonomian kedua. Ketika dua titik r1, Y1, dan r2, Y2 dihubungkan, maka

garis yang terbentuk adalah garis IS membentuk kurva IS.

Saat terjadi keseimbangan pasar uang, disebut kondisi perekonomian 1,

terbentuk oleh kombinasi suku bunga (r1) dan tingkat-tingkat output (Y1), yaitu

ketika permintaan uang (MD) sama dengan persediaan uang (MS = M/P). Kurva

Liquidity Preference Money Supply atau LM digambarkan pada Gambar 7.

Sumber: Dornbusch, 2004 (dimodifikasi).

Keterangan: Jika MD dipengaruhi oleh r dan Y, maka peningkatan Y dari Y1 ke Y2 akan menyebabkan peningkatan r. Oleh sebab itu kurva LM menggambarkan peningkatan r yang disebabkan oleh peningkatan Y.

Gambar 7. Kurva Liquidity Preference Money Supply

L(r1, Y1)

L(r2, Y2)

MS

M/P0

r2

r1

r

M/P

LM

Y10

r2

r1

r

YY2

40

Proses terbentuknya kurva LM dimulai dari keseimbangan penawaran uang

dengan permintaan uang, yaitu ketika penawaran uang riil (M1/P1) sama dengan L

(r1,Y1), titik yang terbentuk oleh pertemuan M/P1 dengan L(r1,Y1) adalah titik

awal kurva LM, yang juga menggambarkan kondisi perekonomian awal. Ketika

pendapatan meningkat dari Y1 ke Y2, maka L(r2, Y2) geser ke atas karena

penawaran uang (M/P1) tetap, mengakibatkan suku bunga meningkat dari r1 ke r2.

Titik yang terbentuk oleh kombinasi Y2, r2 merupakan titik ke dua dari LM, atau

posisi perekonomian kedua. Ketika dua titik r1, Y1 dan titik r2, Y2 dihubungkan,

maka garis yang terbentuk adalah garis LM membentuk kurva LM.

Sesuai dengan proses pembentukan kurva IS dan LM pada Gambar 6 dan

Gambar 7 di atas, maka diasumsikan pertemuan kurva IS dan LM berada pada

titik P1, Ye1. Lalu, di asumsikan pula bahwa kurva IS tidak berubah karena tidak

sensitif terhadap perubahan harga, dan jumlah uang nominal (M) dianggap tetap,

maka penurunan harga akan menggeser kurva penawaran uang ke kanan.

Mengingat penawaran agregat dan suku bunga tetap, karena kurva IS

dipertahankan tetap, maka kurva LM bergeser ke kanan, sehingga memotong

kurva IS di titik P2, Ye2. Selanjutnya titik Ye1, P1 dihubungkan dengan titik Ye2,

P2 akan membentuk kurva permintaan agregat (AD), sebagaimana Gambar 8.

Dengan demikian, maka kurva AD adalah kombinasi-kombinasi tingkat

harga dan tingkat-tingkat output/pendapatan yang terbentuk oleh kombinasi titik

keseimbangan kurva IS-LM saat kurva IS dipertahankan dan jumlah persediaan

uang nominal tetap tetapi harga berubah (Dornbusch, 2004).

41

Sumber: Dornbusch, 2004 (dimodifikasi).

Gambar 8. Kurva Permintaan Agregat

3.1.1. Dampak Kebijakan Fiskal Pada Permintaan Agregat

Dengan memperhatikan hubungan kurva IS-LM dan kurva AD di atas,

maka intervensi terhadap pasar barang yang disebut kebijakan fiskal, dan

intervensi pasar uang, yang disebut kebijakan moneter, akan mempengaruhi

perekonomian. Kebijakan fiskal mempengaruhi perekonomian melalui

peningkatan belanja Pemerintah dan tingkat pajak. Pengaruhnya dapat ditelusuri

ulang pada Gambar 6, 7, dan 8. Adapun besaran pengaruh kebijakan fiskal

terhadap perekonomian (pendapatan dan suku bunga) melalui perubahan kurva IS

dapat dihitung dari persamaan berikut ini (Dornbusch, 2004):

Y = αG (Ã-bi) ; αG = 1/{(1-c(1-t)} .......................................................... (1)

dimana:

Y : Pendapatan. αG : Koefisien atau parameter variabel. Ã : Variabel eksogen.

42

b : koefisien. c : Marginal propencity to consume. t : Pajak.

3.1.2. Dampak Kebijakan Fiskal pada Penawaran Agregat

Produk Domestik Bruto (PDB) dari sisi penawaran adalah penjumlahan

seluruh nilai produksi (output) sektor-sektor perekonomian. Hubungan antara

PDB dengan tingkat harga akan membentuk kurva penawaran agregat (AS)

sebagaimana Gambar 9.

Sumber: Dornbusch, 2004 (dimodifikasi). Keterangan: P1 < P0 dan IPM1 > IPM0.

Gambar 9. Kurva Penawaran Agregat

Gambar 9 tersebut menjelaskan tentang hubungan antara produksi, input

tenaga kerja, dan pasar tenaga kerja, namun dengan asumsi upah tetap, yang dapat

diuraikan sebagai berikut:

AS0

AS1

YY 1 Y 0

P0

P1

W

W /P W /P0W /P1

L1

L0

L

SL D L

Y = IPM 0f(L)

Y = IPM 1f(L)

43

1. Diasumsikan upah bersifat kaku (Ŵ), sehingga perubahan harga (P) akan

mempengaruhi upah riil (Ŵ/P) yang diterima tenaga kerja, sehingga

mengakibatkan adanya hubungan antara tingkat harga dengan pasar tenaga

kerja (permintaan tenaga kerja (DL) dan penawaran tenaga kerja (SL)), yang

pada gilirannya akan mempengaruhi jumlah nilai barang yang diproduksi

(Y).

2. Ketika tingkat harga (P) berubah maka akan berubah pula jumlah nilai

barang yang diproduksi, yang mana kombinasi keduanya akan membentuk

sejumlah titik pada kurva AS.

3. Oleh karena setiap kebijakan fiskal melalui belanja Pemerintah (G), akan

meningkatkan AD sekaligus meningkatkan nilai produksi barang-barang

yang diproduksi sektor-sektor, maka pertumbuhan ekonomi dapat pula

dianalisis dari sisi AS.

4. Kurva AS dalam jangka panjang akan bergeser ke kanan dari AS0 ke AS1,

apabila kualitas kompetensi tenaga kerja meningkat sejalan dengan

peningkatan indeks pembangunan manusia akan meningkatkan koefisien

teknologi (A) dari A0 ke A1. Dengan kata lain, walaupun jumlah tenaga

kerjanya sama tetapi sebagai pengaruh peningkatan koefisien teknologi (A)

akan meningkatkan jumlah nilai produksi (Y) yang dihasilkan.

Oleh karena setiap kebijakan fiskal melalui G, akan meningkatkan AD

sekaligus meningkatkan nilai produksi barang-barang yang diproduksi sektor-

sektor, maka transmisi kebijakan fiskal terhadap perekonomian dari sisi

penawaran agregat dapat dilihat pada Gambar 10.

44

Sumber: Dornbusch, 2004, (dimodifikasi).

Gambar 10. Dampak Kebijakan Fiskal pada Pasar Barang

Gambar 10 menjelaskan transmisi dari belanja Pemerintah terhadap

permintaan agregat, penawaran agregat, pendapatan, tenaga kerja, upah, suku

bunga, dan harga, dengan asumsi kurva LM tidak berubah, yang dapat diuraikan

sebagai berikut:

1. Dimulai dengan perekonomian yang berada pada keseimbangan awal, yaitu

dengan tingkat pendapatan awal (Y0), tingkat suku bunga awal (r0), tingkat

harga awal (P0), tingkat upah awal (W0), dan jumlah tenaga kerja awal (L0).

2. Kemudian diasumsikan bahwa kebijakan fiskal dilakukan melalui belanja

Pemerintah, maka produksi akan meningkat dari Y0 ke Y1, mengakibatkan

kurva AS bergeser ke kanan dari AS0 ke AS1.

3. Pergeseran kurva AS ke kanan akan berpotongan dengan kurva permintaan

agregat awal (AD0) sehingga harga turun dari P0 ke P1, tetapi kemudian

45

karena turunnya harga tersebut menyebabkan AD meningkat dan bergeser

dari AD0 ke AD1.

4. Pada pasar barang meningkatnya AD mempengaruhi kurva IS-LM, yaitu

kurva IS bergeser dari IS0 ke IS1, menyebabkan naiknya suku bunga dari r0

ke r1. Selanjutnya, berimplikasi kepada menurunnya investasi (I) sehingga

pendapatan (Y) ikut turun, yang disebut crowding out effect.

5. Pada pasar tenaga kerja meningkatnya output akan menambah tenaga kerja

(L) dari L0 ke L1, diasumsikan kurva penawaran tenaga kerja tetap tidak

bergeser.

6. Kesimpulan : kebijakan fiskal melalui peningkatan belanja Pemerintah akan

meningkatkan pendapatan/output dan meningkatkan kesempatan kerja (L),

dan mengurangi pengangguran (U), yaitu selisih antara tingkat pencapaian

pada titik keseimbangan akhir dikurangi pencapaian pada titik

keseimbangan sebelum dilakukannya kebijakan fiskal. Pencapaian akhir

dimaksud menghasilkan tingkat pendapatan baru (Y*), tingkat suku bunga

baru (r*), tingkat harga baru ( P*), tingkat upah baru (W*) dan tingkat

penyerapan tenaga kerja baru (L*), serta tingkat pengangguran baru (U*).

3.2. Kemiskinan

Dalam studi ini tingkat kemiskinan desa dan kota diukur dengan

menggunakan ukuran kemiskinan poverty headcount index, yang mengukur

persentase penduduk miskin (berada di bawah garis kemiskinan) terhadap total

penduduk. Secara matematis, poverty headcount Index, dapat ditulis dalam

persamaan sebagai berikut:

46

nq

=H ........................................................................................................ (2)

dimana H adalah poverty headcount Index (persentase penduduk yang hidup di

bawah garis kemiskianan terhadap jumlah penduduk), q adalah persentase

penduduk yang berada di bawah garis kemiskinan, dan n adalah jumlah penduduk.

Permasalahan dalam poverty headcouni Index adalah ukuran ini tidak

menunjukkan keparahan dari kemiskinan. Hal ini karena menganggap tidak ada

perbedaan pendapatan di antara penduduk miskin, dengan kata lain persentase

penduduk miskin (q) dihitung sebagai penjumlahan penduduk yang

pendapatannya berada di bawah garis kemiskinan, tanpa mempersoalkan adanya

perbedaan nominal pendapatan para penduduk miskin satu sama lain. Derajat

kemiskinan pada suatu negara bergantung pada tingkat pendapatan rata-rata atau

per kapita dan derajat ketimpangan dalam distribusi pendapatan (Son, 2004;

Todaro, 2006).

3.3. Tingkat Pengangguran

Masalah perekonomian makro (pendapatan per kapita, dan indikator

turunannya seperti tingkat inflasi, pengangguran, tingkat investasi, belanja

Pemerintah, tingkat konsumsi, dan posisi neraca pembayaran) yang

mempengaruhi secara langsung terhadap kualitas pembangunan manusia adalah

pengangguran. Tingkat pengangguran yang tinggi akan mengakibatkan kualitas

pembangunan manusia menurun. Tingkat pengangguran yang biasa dipelajari

adalah tingkat pengangguran alamiah (natural rate of unemployment).

47

Persamaan matematis yang biasa digunakan dalam mengkaji mengenai

pengangguran (Mankiw, 2007) dirumuskan dalam formula sebagai berikut :

LF = L + U ................................................................................................. (3)

dimana LF adalah angkatan kerja dari seluruh penduduk, L adalah jumlah

orang yang bekerja pada seluruh sektor perekonomian, dan U adalah jumlah

pengangguran. Tingkat pengangguran sendiri dinyatakan dengan U/L yang dapat

dirumuskan menjadi:

U/L = (S-F)/L .......................................................................................... (4)

dimana S adalah jumlah pemutusan hubungan kerja dan F adalah tingkat

perolehan pekerjaan. Persamaan ini menunjukkan bahwa pada saat tingkat

pengangguran berada pada tingkat pengangguran alamiah, maka tingkat

pengangguran sama dengan nol, sehingga S = F, sesuai formula berikut:

U*/L = (S-F)/L = 0 ..................................................................................... (5)

Dengan kata lain setiap kebijakan yang bertujuan menurunkan tingkat

pengangguran alamiah (U*/L) akan menurunkan tingkat pemutusan hubungan

kerja (S/L) atau meningkatkan tingkat perolehan pekerjaan (F/L), juga sebaliknya.

Mankiw (2007) menyatakan beberapa alasan mengapa adanya

pengangguran alamiah, artinya tidak ada satu negarapun yang bebas dari

pengangguran. Pertama, diperlukan waktu untuk mencocokkan antara kompetensi

pekerja dengan jenis pekerjaan, karena kompetensi pekerja dan jenis-jenis

pekerjaan yang tersedia tidak selalu berkaitan dan cocok (link and match). Kedua,

adanya kekakuan upah terhadap perubahan penawaran (SL) dan permintaan tenaga

kerja (DL). Terlihat pada Gambar 11.

48

Sumber: Mankiw, 2007.

Gambar 11. Hubungan Kekakuan Upah dengan Jumlah Pengangguran

Ketika permintaan tenaga kerja turun, maka kurva permintaan tenaga kerja

geser ke bawah, sementara upah yang kaku menyebabkan tenaga kerja yang

dipekerjakan menjadi lebih sedikit dari jumlah tenaga kerja yang ingin bekerja

sampai terbentuk keseimbangan baru

Pada tahun 1958, A. W. Philips mengkaji prilaku upah di Inggris tahun

1861-1957. Philips menunjukkan hubungan terbalik antara tingkat pengangguran

dan tingkat perubahan upah nominal (inflasi upah), dimana semakin tinggi tingkat

pengangguran, maka semakin rendah laju inflasi upah. Kurva Phillips

menunjukkan bahwa laju inflasi upah menurun dengan naiknya tingkat

pengangguran. Dengan kata lain, terjadi trade off antara inflasi upah dengan

pengangguran dalam jangka pendek (Dornbusch, 2004).

Upah Riil yang Kaku

Upah Riil

0 Tingkat Pengangguran (Persen) Tenaga Kerja yang Ingin Bekerja

DL1

SL

Tenaga Kerja yang Dipekerjakan

Jumlah DL2

49

Hubungan inflasi upah dengan tingkat pengangguran menurut Dornbusch

(2004) dapat dinyatakan dalam formula:

gw = (Wt+1 - Wt)/Wt ................................................................................... (6)

Dimana gW adalah laju inflasi upah, Wt adalah tingkat upah dalam periode

saat ini, dan Wt+1 adalah tingkat upah periode yang akan datang.

Besarnya upah ditentukan oleh jumlah penawaran tenaga kerja, dimana

semakin besar penawaran tenaga kerja maka semakin rendah upah, dan sebaliknya.

Implikasinya apabila semakin besar penawaran tenaga kerja yang tidak sebanding

dengan penyediaan lapangan kerja, yang berarti semakin besar pengangguran,

maka akan semakin rendah upah. Sehingga, laju inflasi upah juga tergantung pada

jumlah pengangguran. Apabila µ* adalah tingkat pengangguran alamiah (natural

rate of unemployment), maka Kurva Philips dapat ditulis dengan formula:

gW = - € (µ - µ* ) ........................................................................................ (7)

dimana gW adalah laju inflasi upah, € adalah elastisitas (responsif) dari upah

terhadap pengangguran aktual, dan µ adalah tingkat pengangguran. Kemudian,

formula (6) dan (7) dapat digabung menjadi:

Wt+1 = Wt [ 1 - € (µ - µ* )] .......................................................................... (8)

Dari formula (8) di atas terlihat bahwa apabila upah naik dari upah

sebelumnya, maka jumlah pengangguran mesti lebih rendah dari jumlah

pengangguran alamiah, dan sebaliknya. Setelah tahun 1960an kurva Phillips dan

formula-formula di atas tidak konsisten dalam menggambarkan hubungan inflasi

dan pengangguran di Inggris dan Amerika Serikat, hal ini sebagai akibat dari

50

belum diakomodasikannya inflasi yang diharapkan (expected inflation)

(Dornbusch et al., 2004).

Menurut Mankiw (2007), kurva Philips dalam bentuk modern

menggambarkan hubungan tingkat inflasi dengan tiga faktor yang

mempengaruhinya yaitu inflasi yang diharapkan (expected inflation), deviasi

pengangguran dari tingkat alamiah atau disebut juga pengangguran siklikal

(cyclical unemployment), dan goncangan penawaran (supply shock). Ketiga faktor

tersebut dirumuskan dalam formula:

π = πe - €(u - u*) + v ................................................................................... (9)

dimana π adalah tingkat inflasi aktual, πe adalah tingkat inflasi yang diharapkan, u

adalah tingkat pengangguran aktual, u* adalah tingkat pengangguran alamiah, v

adalah goncangan penawaran, € adalah elastisitas (responsif) dari upah terhadap

pengangguran siklikal, dan (u - u*) adalah tingkat deviasi pengangguran atau

cyclical unemployment.

Oleh karena kekakuan upah, maka dalam studi ini, upah akan dijadikan

variabel eksogen berdasarkan sektor, yang menempatkan perhitungan upah

berdasarkan nilai rata-ratanya di wilayah perdesaan (untuk kelompok usaha

primer seperti sektor pertanian) dan nilai rata-rata upah di perkotaan untuk

kelompok sektor skunder seperti sektor industri. Selanjutnya, disebabkan oleh

adanya hubungan terbalik antara inflasi dan pengangguran, maka berarti pula

inflasi mempengaruhi jumlah orang yang bekerja. Berikutnya, atas dasar

hubungan searah dan positif antara kualitas sumber daya manusia dengan jumlah

tenaga keja, maka IPM sebagai indikator kualitas manusia akan menggambarkan

51

produktivitas tenaga kerja yang akan mempengaruhi berapa jumlah tenaga kerja

yang bekerja. Terakhir populasi penduduk secara eksogen akan mempengaruhi

jumlah tenaga kerja.

3.4. Pemerintah sebagai Penyedia Barang Publik

Menurut Stiglitz (1999) suatu barang dikatagorikan sebagai barang publik

jika memenuhi salah satu atau kedua karakteristik sebagai berikut:

1. Non - rival consumption, merupakan karakteristik pertama barang publik,

yaitu barang yang dapat dikonsumsi oleh individu tanpa mengurangi

kesempatan bagi individu lain untuk mengkonsumsinya, atau dapat

dikonsumsi secara bersama-sama,

2. Non - exclusion, merupakan karakteristik kedua dari barang publik dimana

tidak ada yang dapat menghalangi seseorang untuk mengkonsumsi barang

tersebut.

Jika kedua karakteristik tersebut (non - rival consumption dan non -

exclusion) ada pada sebuah barang, maka barang tersebut merupakan murni

barang publik (pure public goods). Sedang barang yang hanya memiliki salah satu

dari kedua karakteristik tersebut, atau properti lain (dapat dikonsumsi bersama

atau tidak dapat dikecualikan) pada tingkat tertentu, maka barang tersebut

merupakan barang publik yang tidak murni (impure public goods).

Penyediaan barang publik dapat dilakukan secara pribadi maupun oleh

Pemerintah. Namun penyediaan barang publik yang dilakukan secara pribadi akan

menimbulkan free rider, yang dapat menyebabkan penyediaan barang tersebut

menjadi tidak efisien. Timbulnya free rider disebabkan karena sifat dari barang

52

publik yang memberikan eksternalitas positif bagi orang lain, namun mereka

enggan untuk berpartisipasi dalam penyediaan barang publik tersebut. Oleh sebab

itu, maka Pemerintah dinilai sebagai pihak yang paling tepat untuk menyediakan

barang publik bagi masyarakat.

Secara faktual pemerintah menyediakan sarana dan prasarana di sektor

pendidikan dan di sektor kesehatan, karena kedua sektor ini memenuhi kriteria

barang swasta yang disediakan secara publik (Stiglitz, 1999). Di Indonesia, wujud

penyediaan sarana dan prasarana di sektor pendidikan antara lain berupa gedung

sekolah, tenaga pengajar dan biaya operasional sekolah (BOS), serta di sektor

kesehatan antara lain berupa rumah sakit, puskesmas, tenaga medis, dan

pengobatan gratis. Kekurangan penyediaan sarana dan prasarana di sektor

pendidikan dan di sektor kesehatan oleh pemerintah biasanya dipenuhi oleh pihak

swasta. Namun untuk menghindari adanya free rider, yang dapat menyebabkan

tidak efisiennya penyediaan barang di sektor pendidikan dan di sektor kesehatan

tersebut, maka penyediaan sarana dan prasarana oleh swasta di kedua sektor ini

tidak lagi menganut prinsip barang publik (public goods), tetapi menganut prinsip

barang swasta (private goods).

Merupakan fitrah manusia yang akan berupaya memenuhi tingkat

tertinggi dari utilitasnya, sehingga akan memilih barang publik atau barang swasta

berdasarkan marginal rate of substitution (MRS), yang merupakan slop dari kurva

indiferen (indifference curve). Namun setiap individu mempunyai keterbatasan

anggaran (budget constraint), yang besarnya adalah:

53

Y = C + PG

dimana: Y adalah pendapatan; C adalah konsumsi barang swasta (private goods),

P adalah harga yang harus dibayarkan untuk mengkonsumsi setiap unit barang

publik (public goods), dan G adalah jumlah barang publik yang disediakan.

Sumber: Stiglitz, 1999. Gambar 12: Ilustrasi Kurva Indiferen Barang Publik dan Barang Swasta

Sektor Pendidikan dan Sektor Kesehatan

G1 G2

E E’

B

B B’

Kurva indiferen

Batas Anggaran

Konsumsi barang publik

G1 G2

P 1

P2

Jumlah barang publik

Har

ga

Permintaan barang publik

Bar

ang

Swas

ta

54

Gambar 12 di atas adalah ilustrasi kurva indiferen barang publik dan

barang private sektor pendidikan dan sektor kesehatan. Secara grafis, utilitas

maksimum yang dapat dicapai dari setiap individu adalah berada di titik E pada

panel A, yaitu titik perpotongan antara kurva indiferen dengan batas anggaran.

Tetapi ketika harga (P) turun, sementara batas anggaran tetap, maka jumlah

barang publik (G) yang diminta bertambah, sehingga perpotongan antara kurva

indiferen dengan batas anggaran di titik E’. Kurva ini juga menunjukkan bahwa

setiap individu mempunyai potensi untuk membelanjakan pendapatannya guna

keperluan membeli barang publik maupun barang private di sektor pendidikan

maupun di sektor kesehatan.

55

IV. METODOLOGI PENELITIAN

4.1. Kerangka Pemikiran

Berdasarkan studi pustaka, teori-teori ekonomi makro, dan kerangka logika

yang digunakan, terdapat saling keterkaitan antara komponen perekonomian

makro dengan komponen indeks pembangunan manusia. Keterkaitan masing

masing variabel secara berpasangan maupun secara simultan apabila memiliki

prilaku searah bertanda positif atau apabila bertolak belakang bertanda negatif.

Atas dasar keterkaitan antar komponen tersebut, dibangun variabel endogen dan

variabel eksogen untuk menganalisis dampak kebijakan fiskal sektor pendidikan

dan sektor kesehatan terhadap indeks pembangunan manusia di Indonesia.

Variabel-variabel endogen dan eksogen tersebut disusun dalam kerangka

pemikiran sesuai dengan Gambar 13.

Gambar 13. Kerangka Pemikiran Hubungan Kebijakan Fiskal dengan

Indeks Pembangunan Manusia

Blok Pendapatan:1. Pajak Daerah2. Pendapatan Asli Daerah3. Dana Alokasi Umum4. Dana Alokasi Khusus5. Bagi Hasil Pajak dan Non Pajak6. Pendapatan Lainnya7. Pendapatan Non Pajak Daerah8 Total Pendapatan

Blok Belanja:1. Belanja Sektor Pendidikan2. Belanja Sektor Kesehatan3. Belanja Sektor Pertanian4. Belanja Sektor Industri5. Belanja Sektor Bangunan dan Infrastruktur6. Belanja Sektor Lainnya7. Total Belanja

Blok Indeks Pembangunan Manusia:1. Angka Harapan Hidup2. Angka Melek Huruf3. Rata-Rata Lama Sekolah4. Daya Beli5. Tingkat Kemiskinan Desa dan Kota6. Indeks Pembangunan Manusia

Blok Permintaan Agregat:1. Konsumsi2. Investasi3. Belanja Pemerintah4. Perubahan Persediaan5. Net Ekspor

Blok Penawaran Agregat :1. Sektor Pertanian2. Sektor Industri3. Sektor Infrastruktur4. Sektor Lainnya

Blok Tenaga Kerja:1. Partisipasi Kerja Sektor Pertanian2. Partisipasi Kerja Sektor Industri3. Partisipasi Kerja Sektor Bangunan dan Infrastruktur4. Partisipasi Kerja Sektor Lainnya5. Partisipasi Kerja Sektor6. Angkatan Kerja7. Pengangguran

56

Kerangka pemikiran tersebut diurai membentuk model dampak kebijakan

fiskal sektor pendidikan dan sektor kesehatan terhadap indeks pembangunan

manusia di Indonesia, sebagaimana dijelaskan pada Gambar 14 dan Tabel 4.

Keterangan: = Variabel Endogen; = Variabel Eksogen

Gambar 14. Model Dampak Kebijakan Fiskal Sektor Pendidikan dan Sektor Kesehatan terhadap Indeks Pembangunan Manusia Di Indonesia

57

Tabel 4. Nama Variabel Model Dampak Kebijakan Fiskal Sektor Pendidikan dan Sektor Kesehatan terhadap Indeks Pembangunan Manusia

No. Variabel Nama Satuan 1. AHHt Angka harapan hidup tahun t Tahun 2. AKt Angkatan kerja tahun t Orang 3. AMHt Angka melek huruf tahun t Persen 4. APSDt Angka putus sekolah dasar tahun t Persen 5. BHPBPt Bagi hasil pajak dan non pajak tahun t Juta Rupiah 6. BLJt Belanja tahun t Juta Rupiah 7. BSKt Belanja sektor kesehatan tahun t Juta Rupiah 8. BSPt Belanja sektor pendidikan tahun t Juta Rupiah 9. BSPKt Belanja sektor pendidikan dan sektor kesehatan tahun t Juta Rupiah 10. DAKt Dana alokasi khusus tahun t Juta Rupiah 11. DAUt Dana alokasi umum tahun t Juta Rupiah 12. DNPt Dana perimbangan tahun t Juta Rupiah 13. GPSBt Belanja Pemerintah sektor bangunan dan infrastruktur tahun t Juta Rupiah 14. GPSIt Belanja Pemerintah sektor industri tahun t Juta Rupiah 15. GPSLLt Belanja Pemerintah sektor lain-lain tahun t Juta Rupiah 16. GPSTt Belanja Pemerintah sektor pertanian tahun t Juta Rupiah 17. IHLt Indeks hidup layak tahun t - 18. IHPt Indeks hidup panjang tahun t - 19. IPt Indeks pendidikan tahun t - 20. IPMt Indeks pembangunan manusia tahun t - 21. JLHKt Jumlah kendaraan tahun t Buah 22. KRTCAPt Pengeluaran konsumsi rumah tangga per kapita tahun t Juta Rupiah 23. KUKt Kredit usaha kecil tahun t Juta Rupiah 24. NPJKDt Pendapatan non pajak daerah tahun t Juta Rupiah 25. NXt Net ekspor tahun t Juta Rupiah 26. PADt Pendapatan asli daerah tahun t Juta Rupiah 27. PATt Pendapatan tahun t Juta Rupiah 28. PDRBEXPt Produk domestik regional bruto sisi pengeluaran tahun t Juta Rupiah 29. PDRBSECt Produk domestik regional bruto sisi penerimaan tahun t Juta Rupiah 30. PJKDt Pajak daerah tahun t Juta Rupiah 31. PKRTt Pengeluaran konsumsi rumah tangga tahun t Juta Rupiah 32. PLAINt Pendapatan lain-lain yang sah tahun t Juta Rupiah 33. PMTBt Pembentukan modal tetap bruto tahun t Juta Rupiah 34. PNSt Pegawai negeri sipil tahun t Orang 35. POPt Populasi penduduk tahun t Ribu orang 36. PPt Perubahan persediaan tahun t Juta Rupiah 37. PPPt Daya beli tahun t Ribu Rupiah 38. RLSt Rata-rata lama sekolah tahun t Tahun 39. RTQSBt Rasio TQSBt dengan PDRBSECt tahun t - 40. TKDKt Tingkat kemiskinan desa dan kota tahun t Persen 41. TKKSBt Angka partisipasi kerja sektor bangunan dan infrastruktur tahun t Orang 42. TKKSLt Angka partisipasi kerja sektor lain-lain tahun t Orang 43. TKSIt Angka partisipasi kerja sektor industri tahun t Orang 44. TKSTt Angka partisipasi kerja sektor pertanian tahun t Orang 45. TQSBt Total produksi sektor bangunan dan infrastruktur tahun t Juta Rupiah 46. TQSIt Total produksi sektor industri tahun t Juta Rupiah 47. TQSLLt Total produksi sektor lain-lain tahun t Juta Rupiah 48. TQSTt Total produksi sektor pertanian tahun t Juta Rupiah 49. Ut Pengangguran tahun t Orang

58

4.2. Hipotesis Penelitian

Hipotesis penelitian dibangun dari tujuan yang telah ditetapkan, yang

selanjutnya akan diuji dalam penelitian , yaitu:

1. Kebijakan fiskal melalui belanja Pemerintah di sektor pendidikan dan sektor

kesehatan akan meningkatkan indeks pembangunan manusia.

2. Sasaran tujuan pembangunan milenium tahun 2015 dapat dicapai melalui

kebijakan fiskal di sektor pendidikan dan sektor kesehatan.

4.3. Sumber Data

Penelitian ini akan menggunakan data sekunder berupa pool data, baik data

deret waktu (time series), maupun data cross section dari tahun 2004-2008. Pool

data adalah sebagai solusi dari keterbatasan data deret waktu (time series). Data

tersebut bersumber dari Badan Pusat Statistik (BPS), UNDP, Bank Indonesia,

Kementerian Keuangan, Bappenas, Bappeda Provinsi, dan lembaga-lembaga

resmi lainnya. Pool data di atas akan digunakan untuk membangun model

ekonometrika, untuk kemudian dilakukan pendugaan parameter dari variabel

endogen pada model ekonometrika yang dibangun.

4.4. Spesifikasi Model

Model adalah suatu konsepsi yang menggambarkan keterkaitan variabel-

variabel pembentuknya dalam satu sistem berpikir (system thinking), yang

kemudian dijadikan dasar untuk mentransformasikan suatu kondisi yang ada

(realworld) menjadi kondisi yang diinginkan secara sistematik (systematically

disirable condition) dan dapat diterima secara budaya (culturally feasible).

59

Model ekonometrika menurut Intriligator (1978) merupakan suatu pola

khusus dari model aljabar suatu fenomena perekonomian yang bersifat stochastic

yaitu mencakup pula satu atau lebih variabel pengganggu. Pola khusus atau model

aljabar dari model ekonometrika menjelaskan tentang hubungan satu sama lain

dari masing-masing variabel pembentuknya, yang terdiri atas variabel penjelas

(explanatory variables) dan variabel endogennya (endogenous variables). Model

ekonometrika harus memenuhi: (1) kriteria ekonomi atau harapan teoritis

(theoretically meaningful) khususnya yang menyangkut tanda (sign) dan besaran

(magnitude) dari parameter persamaan simultan yang terbentuk, (2) kriteria

statistik yang berkaitan dengan derajat ketepatan (goodness of fit), dan (3)

kriteria ekonometrika yang menetapkan suatu estimasi memiliki sifat-sifat yang

dibutuhkan seperti unbiasedness, efficiency, sufficiency, dan consistency

(Koutsoyiannis, 1977).

Spesifikasi model yang dirumuskan dalam studi ini sangat terkait dengan

tujuan penelitian yaitu merumuskan model ekonometrika “Dampak kebijakan

fiskal sektor pendidikan dan sektor kesehatan terhadap indeks pembangunan

manusia di Indonesia”. Model yang dibangun adalah model persamaan simultan

yang terdiri atas 23 persamaan struktural dan 15 persamaan identitas yang

dikelompokkan kedalam 6 blok.

4.4.1. Blok Pendapatan Daerah

1. Pajak Daerah

PJKDt = a10 + a11BLJt + a12PPt + + U1t .................................... (1)

2. Dana Alokasi Umum

DAUt = a20 + a21BLJt + a22POPt + +U2t ................................ (2)

60

3. Pendapatan Asli Daerah

PADt = PJKDt + NPJKt ............................................................................ (3)

4. Dana Perimbangan

DNPt = DAUt + DAKt + BHPBPt + PLAINt ............................................. (4)

5. Pendapatan Daerah

PATt = PADt + DNPt .................................................................................. (5)

dimana: PJKDt : Pajak daerah tahun t (juta Rupiah). KRTCAPt : Konsumsi rumah tangga per kapita tahun t (juta Rupiah). DAUt : Dana alokasi umum tahun t (juta Rupiah). POPt : Populasi penduduk tahun t (ribu orang). IPMt : Indeks Pembangunan Manusia tahun t (antara nol sampai

seratus). PADt : Pendapatan asli daerah tahun t (juta Rupiah). NPJKt : Pendapatan non pajak tahun t (juta Rupiah). DNPt : Dana perimbangan tahun t (juta Rupiah). DAKt : Dana alokasi khusus tahun t (juta Rupiah). BHPBPt : Bagi hasil pajak dan non pajak tahun t (juta Rupiah). PLaint : Pendapatan lain-lain yang syah tahun t (juta Rupiah). PATt : Pendapatan tahun t (juta Rupiah). N : Nomor parameter dummy (1 sampai dengan n). M : Nomor provinsi (misal Aceh = 11, Maluku = 81). U1t - U2t : Error term.

Dengan arah dan magnitude dari dugaan parameter yang diharapkan: a11, a12,

a21, a22 > 0.

4.4.2. Blok Belanja Daerah

1. Belanja Sektor Pendidikan

BSPt = a30 + a31PATt + a32POPt + dNMt DMt + U3t ........................................(6)

2. Belanja Sektor Kesehatan

BSKt = a40 + a41PATt + a42PNSt + dNMt DMt + U4t .....................................(7)

3. Belanja Pemerintah Sektor Pertanian

GPSTt = a50 + a51PATt + dNMt DMt + U5t ...................................................(8)

61

4. Belanja Pemerintah Sektor Industri

GPSIt = a60 + a61PATt + dNMt DMt +U6t ...................................................... (9)

5. Belanja Pemerintah Sektor Bangunan dan Infrastruktur

GPSBt = a70 + a71PATt + dNMt DMt + U7t ................................................. (10)

6. Belanja Pemerintah Sektor Lain-Lain

GPSLLt = a80 + a81PATt + a82BSPKt + dNMt DMt + U8t ........................... (11)

7. Belanja Sektor Pendidikan dan Sektor Kesehatan

BSPKt = BSPt + BSKt .............................................................................. (12)

8. Total Belanja

BLJt = GPSTt + GPSIt + GPSBt + GPSLLt ............................................. (13)

dimana: BSPt : Belanja sektor pendidikan tahun t (juta Rupiah). BSKt : Belanja sektor kesehatan tahun t (juta Rupiah). BSPKt : Belanja sektor pendidikan dan kesehatan tahun t (juta Rupiah). BLJt : Belanja tahun t (juta Rupiah). PATt : Pendapatan tahun t (juta Rupiah). POPt : Populasi penduduk tahun t (ribu orang). PNSt : Pegawai negeri sipil tahun t (orang). GPSTt : Belanja Pemerintah sektor pertanian tahun t (juta Rupiah). GPSIt : Belanja Pemerintah sektor industri tahun t (juta Rupiah). GPSBt : Belanja Pemerintah sek. bangunan dan infrastruktur tahun t (Rp.

juta). GPSLLt : Belanja Pemerintah sektor lain-lain tahun t (juta Rupiah). N : Nomor parameter dummy (1 sampai dengan n). M : Nomor provinsi (misal Aceh = 11, Maluku = 81). U3t - U8t : Error term.

Dengan arah dan magnitude dari dugaan parameter yang diharapkan adalah:

a31, a41, a51, a61, a71, a81, a32, a42, a82 > 0.

4.4.3. Blok Permintaan Agregat

1. Pengeluaran Konsumsi Rumah Tangga

PKRTt = a90 + a91PDRBSECt + a92POPt + dNMt DMt + U9t ...................... (14)

62

2. Pembentukan Modal Tetap Bruto

PMTBt = a100 + a101PDRBSECt + a102KUKt + dNMt DMt + U10t ................(15)

3. Produk Domestik Regional Bruto Sisi Permintaan

PDRBEXPt = PKRTt + BLJt + PMTBt + NXt ...........................................(16)

4. Konsumsi Rumah Tangga Per Kapita

KRTCAPt = PKRTt / POPt .......................................................................(17)

dimana:

PKRTt : Pengeluaran konsumsi rumah tangga tahun t (juta Rupiah). PDRBSECt : Produk domestik regional bruto sektoral tahun t (juta

Rupiah). PMTBt : Pembentukan modal tetap bruto tahun t (juta Rupiah). KUKt : Kredit usaha kecil tahun t (juta Rupiah). PDRBEXPt : Produk domestik regional bruto sisi permintaan tahun t

(juta Rupiah). KRTCAPt : Konsumsi rumah tangga per kapita tahun t (juta Rupiah). POPt : Populasi penduduk tahun t (ribu orang). NXt : Selisih antara ekspor dikurangi impor tahun t (juta Rupiah). U9t -U10t : Error term.

Magnitute dan arah dari dugaan parameter yang diharapkan adalah: a91, a101,

a92, a102 > 0.

4.4.4. Blok Penawaran Agregat

1. Total Produksi Sektor Pertanian

TQSTt = a110+a111LOGTKSTt + a112GPSTt ++dNMt DMt+U11t .................(18)

2. Total Produksi Sektor Industri

TQSIt = a120+a121TKSIt + a122GPSIt +dNMt DMt+U12t ...............................(19)

3. Total Produksi Sektor Bangunan dan Infrastruktur

TQSBt = a130+a131TTKKSBt+a132GPSBt+a133JLHKt +dNMt DMt+U13t ......(20)

63

4. Total Produksi Sektor Lain-Lain

TQSLLt = a140+a141TKKSLt + a142GPSLLt + a143JLHK+dNMt DMt+U14t . (21)

5. Rasio Total Produksi Sektor Bangunan dan Infrastruktur

RTQSBt = TQSBt/PDRBSECt ............................................................ (22)

6. Produk Domestik Regional Bruto Sektoral

PDRBSECt = TQSTt + TQSIt + TQSBt + TQSLLt .......................... (23)

dimana: TQSTt : Total produksi sektor pertanian tahun t (juta Rupiah). TQSIt : Total produksi sektor industri tahun t (juta Rupiah). TQSBt : Total produksi sektor bangunan dan infrastruktur tahun t (juta

Rupiah). TQSLLt : Total produksi sektor lain-lain tahun t (juta Rupiah). TKSTt : Angka partisipasi kerja sektor pertanian tahun t (orang). GPSTt : Belanja Pemerintah sektor pertanian tahun t (juta Rupiah). TKSIt : Angka partisipasi kerja sektor industri tahun t (orang). GPSIt : Belanja Pemerintah sektor industri tahun t (juta Rupiah). TTKKSBt : Tren angka partisipasi kerja sektor bangunan dan

infrastruktur tahun t GPSBt : Belanja Pemerintah sektor bangunan dan infrastruktur tahun t

(juta Rupiah). JLHKt : Jumlah kendaraan tahun t (buah). TKKSLt : Angka partisipasi kerja sektor lain-lain tahun t (orang). GPSLLt : Belanja Pemerintah sektor lain-lain tahun t (juta Rupiah). PDRBSECt : Produk domestik regional bruto sektor tahun t (juta Rupiah). RTQSBt : Rasio TQSBt/PDRBSECt tahun t. U11t-U14t : Error term.

Magnitute dan arah dari dugaan parameter yang diharapkan adalah: a111, a121,

a131, a141, a112, a122, a132, a142, a133; a143 > 0.

4.4.5. Blok Tenaga Kerja

1. Angka Partisipasi Kerja Sektor Pertanian

TKSTt = a150 + a151TQSTt + dNMt DMt + U15t ........................................... (24)

2. Angka Partisipasi Kerja Sektor Industri

TKSIt = a160 + a161TQSIt + dNMt DMt + U16t ............................................. (25)

64

3. Angka Partisipasi Kerja Sektor Bangunan dan Infrastruktur

TKKSBt = a170 + a171RTQSBt + dNMt DMt + U17t ......................................(26)

4. Angka Partisipasi Kerja Sektor Lain-Lain

TKKSLt = a180 + a181TQSLLt + dNMt DMt + U18t ......................................(27)

5. Angka Partisipasi Kerja Sektor

TKSt = TKSTt + TKSIt + TKKSBt + TKKSLt ........................................(28)

6. Pengangguran

Ut = AKt - TKSt ........................................................................................(29)

dimana:

TKSTt : Angka partisipasi kerja sektor pertanian tahun t (orang). TKSIt : Angka partisipasi kerja sektor industri tahun t (orang). TKKSBt : Angka partisipasi kerja sektor bangunan dan infrastruktur tahun

t (orang). TKSLLt : Angka partisipasi kerja sektor lain-lannya tahun t (orang). TQSTt : Total produksi sektor pertanian tahun t (juta Rupiah). TQSIt : Total produksi sektor industri tahun t (juta Rupiah). RTQSBt : Rasio TQSBt/PDRBSECt tahun t. TQSLLt : Total produksi sektor lain-lain tahun t (juta Rupiah). TKSt : Angka partisipasi kerja sektor tahun t (orang). AKt : Angkatan kerja tahun t (orang). Ut : Pengangguran tahun t (orang). U15t -U18t : Error term.

Magnitute dan arah dari dugaan parameter yang diharapkan adalah: a151, a161,

a171, a181 > 0.

4.4.6. Blok Indeks Pembangunan Manusia

1. Angka Harapan Hidup

AHHt = a190 + a191 BSKt + a192 KRTCAPt + dNMt DMt + U19t .....................(30)

2. Angka Melek Huruf

AMHt = a200 + a201 BSKt + a202 BSPt + a203KRTCAP t + dNMt DMt + U20t (31)

65

3. Rata-Rata Lama Sekolah

RLSt = a210 + a211 BSPt + a212 KRTCAPt + a213APSD t + dNMt DMt + U21t . (32)

4. Daya Beli

PPPt = a220 + a221Ut + a222KRTCAPt + dNMt DMt +U22t ........................... (33)

5. Tingkat Kemiskinan Desa dan Kota

TKDKt = a230 + a231PPPt + dNMt DMt + U23t .............................................. (34)

6. Indeks Hidup Panjang

IHPt = {(AHH t -25) / (85-25)} ................................................................ (35)

7. Indeks Pendidikan

IPt = (1/3)*(RLSt /15) + (2/3)*(AMHt /100) ............................................ (36)

8. Indeks Hidup Layak

IHLt = {(PPPt - 360) / (732.720 - 300)} ................................................... (37)

9. Indeks Pembangunan Manusia

IPMt = (1/3)*(IHPt + IPt + IHLt)*100 ................................................... (38)

dimana: AHHt : Angka harapan hidup tahun t (tahun). AMHt : Angka melek huruf tahun t (persen). RLSt : Rata-rata lama sekolah tahun t (tahun). PPPt : Daya beli tahun t (ribuan Rupiah). BSPt : Belanja sektor pendidikan tahun t (juta Rupiah). BSKt : Belanja sektor kesehatan tahun t (juta Rupiah). KRTCAPt : Konsumsi rumah tangga per kapita tahun t (juta Rupiah). APSDt : Angka putus sekolah dasar tahun t (persen). Ut : Pengangguran tahun t (orang). IHPt : Indeks hidup panjang tahun t. IPt : Indeks pendidikan tahun t. IHLt : Indeks hidup layak tahun t. IPMt : Indeks Pembangunan Manusia tahun t (antara nol sampai

seratus). TKDKt : Tingkat kemiskinan desa dan kota tahun t (persen). U19t -U23t : Error term.

66

Dengan arah dan magnitude dari dugaan parameter yang diharapkan adalah:

a191, a201, a211, a192, a202, a212, a222, a213 > 0; a221, a213, a231 < 0.

4.5. Prosedur Analisis Data

4.5.1. Identifikasi Model

Identifikasi model ditentukan berdasarkan “order condition“ sebagai

syarat keharusan dan “rank condition“ sebagai syarat kecukupan. Untuk

mengidentifikasi model persamaan struktural berdasarkan order condition

digunakan rumusan (Koutsoyiannis, 1977):

(K - M) > (G - 1) ....................................................................................... (39)

dimana:

K : Total variabel dalam model, yaitu variabel endogen dan variabel eksogen yang telah ditetapkan (predetermined).

M : Jumlah variabel endogen dan variabel eksogen yang termasuk dalam satu persamaan tertentu dalam model.

G : Total persamaan dalam model, yaitu jumlah variabel endogen dalam model.

dengan ketentuan:

(K - M) > (G - 1) : maka persamaan dinyatakan teridentifikasi secara berlebih (overidentified).

(K - M) = (G - 1) : maka persamaan tersebut dinyatakan teridentifikasi secara tepat (exactly identified).

(K - M) < (G - 1) : maka persamaan tersebut dinyatakan tidak teridentifikasi (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

tersebut tidak teridentifikasi. Karena itu, dalam proses identifikasi diperlukan

suatu syarat perlu sekaligus syarat cukup yang ditentukan oleh rank condition

yang menyatakan suatu persamaan teridentifikasi jika dan hanya jika

67

dimungkinkan untuk membentuk minimal satu determinan bukan nol pada order

(G - 1) dari parameter struktural variabel yang tidak termasuk dalam persamaan

tersebut (Koutsoyiannis, 1977).

4.5.2. Metode Pendugaan Model

Dari hasil identifikasi model yang menunjukkan bahwa seluruh persamaan

teridentifikasi secara berlebih (overidentified) dan mempertimbangkan

digunakannya pool data dalam penelitian ini, maka pendugaan/estimasi parameter

menggunakan model panel, dengan metode pendugaan/estimasi fixone.

Untuk mengetahui apakah pengaruh secara bersama-sama dari variabel

penjelas signifikan atau tidak, maka dilakukan pengujian dengan menggunakan uji

F. Sedangkan untuk mengetahui signifikan atau tidaknya pengaruh secara sendiri-

sendiri dari masing-masing variabel penjelas terhadap variabel endogennya diuji

dengan menggunakan uji statistik t pada tingkat signifikansi tertentu.

4.5.3. Validasi Model

Validasi model dimaksudkan untuk mengetahui apakah model yang

dirumuskan itu cukup layak atau valid untuk digunakan dalam menganalisis

“Dampak kebijakan fiskal sektor pendidikan dan sektor kesehatan terhadap indeks

pembangunan manusia di Indonesia”. Kriteria yang biasa digunakan dalam

menilai layak atau valid tidaknya suatu model ekonometrik di antaranya adalah

Root Mean Squares Percent Error (RMSPE) dan Theil inequality coefficient (U

theil) (Pindick dan Rubinfeld, 1991). Persamaan matematis RMSPE dan Utheil

adalah sebagai berikut:

68

[ ]%100x

YY-Y

T1

=RMSPE ∑T

1=t

2

at

at

st .................................................... (40)

Dimana, Yts adalah nilai Yt simulasi/prediksi, Yt

a adalah nilai Yt aktual dan

T adalah jumlah observasi dalam simulasi.

( )

( ) ( )∑∑

∑T

1=t

2at

T

1=t

2st

T

1=t

2at

st

YT1

+YT1

Y-YT1

=Utheil ........................................................ (41)

Dimana U dapat didekomposisi menjadi:

1/N Σ (Yts – Yt

a)2 = (Ys – Ya)2 + (σs – σa)2 + 2(1 – ρ)σsσa ...................... (42)

Dimana Ys dan Ya adalah rata-rata untuk nilai prediksi dan nilai aktual, σs

dan σa adalah standar deviasi untuk nilai prediksi dan nilai aktual, ρ adalah

koefisien korelasi. Proporsi dari U (proportions of inequality) dapat dinyatakan

sebagai berikut:

( )( )Y-Y

N1

Y-Y=U

2as

2asM

∑ .......................................................................... (43)

( )( )Y-Y

N1

-=U

2as

2asS

∑σσ

............................................................................ (44)

( )( )Y-Y

N1

-12=U

2as

asC

∑σσρ

........................................................................... (45)

dimana, UM adalah proporsi bias yang menjelaskan seberapa jauh rata-rata nilai

prediksi menyimpang dari rata-rata nilai aktual dan nilai UM yang diharapkan

adalah yang mendekati nol; US adalah proporsi varians yang menjelaskan

69

seberapa jauh variasi nilai prediksi menyimpang dari nilai variasi nilai aktual dan

nilai US yang diharapkan adalah yang mendekati nol; UC adalah proporsi

kovarians yang mengukur kesalahan peramalan yang tidak sistematis

(unsystematic error). Distribusi ketimpangan (U) yang ideal atas ketiga sumber

tersebut adalah UM = US = UC = 1 (Pyndick and Rubinfeld, 1991).

4.5.4. Simulasi Model

Simulasi pada dasarnya merupakan solusi matematis (mathematical solution)

dari suatu kumpulan berbagai persamaan secara simultan. Simulasi model dengan

demikian menunjuk kepada sekumpulan persamaan tersebut. Simulasi model

dilakukan dengan berbagai alasan, misalnya untuk pengujian dan evaluasi model,

analisis kebijakan historis dan untuk peramalan (Pindyck and Rubinfeld, 1991).

Dalam studi ini, simulasi model terutama ditujukan untuk menganalisis

kebijakan historis yang dapat digunakan sebagai dasar peramalan di masa yang

akan datang. Dalam studi ini, analisis kebijakan difokuskan pada “Dampak

kebijakan fiskal sektor pendidikan dan sektor kesehatan terhadap indeks

pembangunan manusia di Indonesia”. Simulasi kebijakan yang dilakukan adalah

sebagai berikut:

1. Belanja pendidikan dan kesehatan naik 20 persen.

2. Transfer Dana alokasi umum naik 20 persen.

3. Belanja sektor bangunan naik 20 persen.

4. Kombinasi kebijakan belanja pendidikan dan kesehatan naik 20 persen dan

belanja sektor bangunan naik 20 persen.

5. Provinsi quantil 1 indeks pembangunan manusia terendah naik dana alokasi

umum 40 persen, dan lainnya dana alokasi umum naik 20 persen.

70

6. Provinsi quantil 1 dan 2 indeks pembangunan manusia terendah naik dana

alokasi umum 40 persen, dan lainnya dana alokasi umum naik 20 persen.

7. Provinsi quantil 1 dan 2 indeks pembangunan manusia terendah naik total

belanja 40 persen, dan lainnya belanja naik 20 persen.

8. Provinsi quantil 1 dan 2 indeks pembangunan manusia terendah naik belanja

sektor pendidikan dan kesehatan 40 persen, dan lainnya belanja sektor

pendidikan dan kesehatan naik 20 persen.

V. GAMBARAN UMUM

Penyajian gambaran umum tentang variabel-variabel endogen dalam

penelitian ini dimaksudkan agar diketahui kondisi awal dan pola prilaku masing-

masing variabel di provinsi yang berbeda maupun pada masa waktu yang berbeda.

Kurun waktu penyajiannya dimulai tahun 2004 sampai dengan tahun 2008 dengan

skop Indonesia, tetapi dengan penekanan pada 21 provinsi terpilih yang menjadi

sampel penelitian ini yaitu: Provinsi Nanggroe Aceh Darussalam, Provinsi

Sumatera Utara, Provinsi Sumatera Barat, Provinsi Riau, Provinsi Jambi, Provinsi

Bengkulu, Provinsi Sumatera Selatan, Provinsi Lampung, Provinsi Jawa Barat,

Provinsi Jawa Tengah, Provinsi Daerah Istemewa Yogyakarta, Provinsi

Kalimantan Barat, Provinsi Kalimantan Selatan, Provinsi Kalimantan Timur,

Provinsi Bali, Provinsi Nusa Tenggara Barat, Provinsi Nusa Tenggara Timur,

Provinsi Sulawesi Utara, Provinsi Sulawesi Tengah, Provinsi Sulawesi Selatan,

Provinsi Maluku, dan Provinsi Papua.

Dua belas provinsi yang tidak terpilih sebagai sampel penelitian adalah

provinsi Daerah Khusus Ibukota Jakarta karena datanya sempilan; Provinsi Jawa

Timur, Provinsi Kalimantan Tengah dan Provinsi Sulawesi Tenggara karena

laporan realisasi Anggaran Pendapatan dan Belanja Daerah (APBD) pada

publikasi Kementerian Keuangan tidak lengkap; Provinsi Kepulauan Riau,

Provinsi Bangka Belitung, Provinsi Banten, Provinsi Gorontalo, Provinsi

Sulawesi Barat, Provinsi Maluku Utara, dan Provinsi Papua Barat karena 7

provinsi ini merupakan provinsi hasil pemekaran, sehingga ada beberapa variabel

yang datanya tidak tersedia.

72

5.1. Blok Pendapatan Daerah

5.1.1. Pajak Daerah

Anggaran Pendapatan dan Belanja Daerah (APBD) bersumber dari

Pendapatan Asli Daerah (PAD), dana perimbangan, dan pendapatan lain-lain.

Sementara itu, sumber utama dari pendapatan asli daerah bersumber dari Pajak

Daerah (PJKD).

Perkembangan pajak daerah pada 21 provinsi antara tahun 2004 sampai

tahun 2008 dapat dilihat pada Gambar 15. Sementara pajak daerah pada 12

provinsi lainnya di Indonesia tidak digambarkan karena tidak terpilih sebagai

sampel penelitian.

Sumber: DJPK, Kementerian Keuangan, 2011 (diolah).

Gambar 15. Perkembangan Pajak Daerah pada 21 Provinsi

Pajak Daerah (PJKD) dan Non Pajak Daerah (NPJKD) merupakan dua

variabel pembentuk Pendapatan Asli Daerah (PAD). Gambar 16 adalah

konstribusi PJKD dalam PAD di 3 provinsi yang masing-masing mengumpulkan

pajak daerah tertinggi dan terendah tahun 2004 sampai tahun 2008.

0

73

Sumber: DJPK, Kementerian Keuangan, 2011 (diolah).

Gambar 16. Konstribusi Pajak Daerah Tertinggi dan Terendah dalam Pendapatan Asli Daerah di 21 Provinsi Tahun 2004-2008

Berdasarkan gambaran kondisi pajak daerah, maka rata-rata pajak daerah

per provinsi dari tahun 2004 sampai 2009 adalah Rp. 2 414 563 350 000. Hal ini

menunjukkan adanya varian penarikan pajak antar daerah di Indonesia, sekaligus

memberikan gambaran varian potensi perekonomian daerah dalam bentuk Produk

Domestik Regional Bruto (PDRB) di masing-masing daerah.

5.1.2. Dana Alokasi Umum

Dana Alokasi Umum (DAU) merupakan dana transfer pusat kepada provinsi

dan kabupaten/kota yang akan menjadi pos pendapatan dalam APBD masing-

masing. Gambar 17 menunjukkan perkembangan DAU di 21 provinsi. Pada

tahun 2005 sebesar Rp. 42 775 102 880 000 adalah sedikit menurun dari tahun

2004 sebesar Rp. 39 717 608 680 000, tetapi naik secara terus menerus menjadi

sebesar Rp. 59 105 014 65 000 pada tahun 2006, sebesar Rp. 61 713 805 360 000

pada tahun 2007, dan sebesar Rp. 65 595 309 920 000 pada tahun 2008.

0

74

Sumber: DJPK, Kementerian Keuangan, 2011 (diolah).

Gambar 17. Dana Alokasi Umum di 21 Provinsi Tahun 2004 -2008

Adapun keragaan tentang perkembangan dana alokasi umum yang tertinggi

dan terendah di 21 provinsi penelitian antara tahun 2004 sampai tahun 2008,

dikombinasi dengan pendapatan asli daerah dan bagi hasil pajak dan bukan pajak

(BHPBP) pada tahun bersamaan, dapat dilihat pada Gambar 18 berikut ini.

Sumber: DJPK, Kementerian Keuangan, 2011 (diolah).

Gambar 18. Dana Alokasi Umum Tertinggi dan Terendah Dibandingkan dengan Pendapatan Asli Daerah dan Bagi Hasil Pajak dan Bukan Pajak dalam Anggaran Pendapatan dan Belanja Daerah Tahun 2004-2008

0 0

0

75

Provinsi penerima dana alokasi umum yang menduduki peringkat pertama,

kedua, dan ketiga tertinggi adalah Provinsi Jawa Tengah sebesar

Rp. 38 944 969 320 000, Provinsi Jawa Barat sebesar Rp. 34 531 560 220 000,

dan Provinsi Sumatera Utara sebesar Rp. 20 028 031 880 000. Sementara provinsi

penerima dana alokasi umum yang menduduki peringkat ke 19, 20, dan 21 adalah

Provinsi Kalimantan Timur sebesar Rp. 4 953 886 560 000, Provinsi Bengkulu

sebesar Rp. 4 749 808 540 000, dan Provinsi Riau sebesar Rp. 4 505 596 300 000.

Provinsi Kalimantan Timur dan Riau dikenal sebagai penghasil pendapatan

yang berasal dari eksploitasi sumberdaya alam, ternyata termasuk sebagai provinsi

yang menerima dana alokasi umum terendah. Rendahnya dana alokasi umum

Provinsi Kalimantan Timur dan Provinsi Riau dikonpensasi dengan alokasi

anggaran bagi hasil pajak dan bukan pajak yang cukup besar. Hal ini

mengkonfirmasi fungsi dana alokasi umum sebagai dana transfer keuangan pusat

ke daerah untuk pemerataan pembangunan, sementara fungsi bagi hasil pajak dan

bukan pajak adalah untuk peningkatan pendapatan daerah penghasil pajak dan

bukan pajak, terutama bagi hasil pajak dan bukan pajak dari sumberdaya alam.

5.2. Blok Belanja Daerah

5.2.1. Belanja Sektor Pendidikan

Undang-Undang Dasar Tahun 1945 mengamanatkan bahwa belanja sektor

pendidikan (BSP) minimal mencapai 20 persen dari total anggaran belanja

Pemerintah, namun secara faktual tidak seluruh provinsi melaksanakannya. Tabel

5 menunjukan 3 provinsi dengan alokasi belanja sektor pendidikan tertinggi yaitu

Provinsi Jawa Tengah sebesar Rp. 22 702 206 270 000 (37.32 persen), Provinsi

Jawa Barat sebesar Rp. 19 662 153 790 000 (29.85 persen), dan Provinsi

76

Sumatera Utara sebesar Rp. 9 055 098 480 000 (26.79 persen). Sementara 3

provinsi dengan belanja sektor pendidikan terendah berurutan hingga yang paling

rendah adalah Provinsi Papua sebesar Rp. 2 322 395 450 000 (10.45 persen),

Provinsi Maluku sebesar Rp. 1 637 366 450 000 (16,50 persen), dan Provinsi

Bengkulu sebesar Rp. 1 383 752 110 000 (19.26 persen).

Tabel 5. Provinsi dengan Anggaran Belanja Sektor Pendidikan Tertinggi dan Terendah Tahun 2004-2008

Urutan Provinsi Total Belanja Pemerintah

Belanja Sektor Pendidikan Persentase

1. Jawa Tengah 60 832 137.10 22 702 206.27 37.32

2. Jawa Barat 65 870 073.16 19 662 153.79 29.85

3. Sumatra Utara 33 805 583.26 9 055 098.48 26.79

19. Papua 22 213 721.49 2 322 395.45 10.45

20. Maluku 9 921 646.01 1 637 366.45 16.50

21. Bengkulu 7 185 077.64 1 383 752.11 19.26

Sumber: DJPK, Kementerian Keuangan, 2011 (diolah).

Belanja sektor pendidikan pada 21 provinsi tersebut selama tahun 2004

sampai dengan tahun 2008 mencapai Rp. 120 720 893 150 000, atau dibandingkan

dengan seluruh belanja Pemerintah di 21 provinsi tersebut pada kurun waktu yang

sama sebesar Rp. 485 998 332 890 000, maka belanja sektor pendidikan mencapai

24.83 persen dari total anggaran, atau sudah melebihi amanat Undang-Undang

Dasar Tahun 1945.

Perbandingan alokasi belanja sektor pendidikan dengan total belanja

Pemerintah pada tahun 2004 sampai tahun 2008 di 21 provinsi penelitian

ditunjukkan pada Gambar 19. Terlihat kecendrungan belanja sektor pendidikan

dan total belanja Pemerintah menunjukan arah yang sama-sama mengalami

peningkatan. Pada tahun 2004 belanja sektor pendidikan Rp. 19 872 632 000 000

atau 25.42 persen dari total belanja Pemerintah sebesar Rp. 78 164 805 430 000,

77

namun sedikit turun pada tahun 2005 menjadi sebesar Rp. 19 478 774 910 000

(25.74 persen), kemudian meningkat cukup tajam berturut turut pada tahun 2006

sebesar Rp. 24 212 947 860 000 atau 24.84 persen, lalu meningkat menjadi

sebesar Rp. 28 805 676 270 000 atau 23.72 persen pada tahun 2007, lalu pada

tahun 2008 meningkat lagi menjadi sebesar Rp. 33 120 799 180 000 atau 25.60

persen.

Sumber: DJPK, Kementerian Keuangan, 2011 (diolah).

Gambar 19. Perbandingan Alokasi Belanja Sektor Pendidikan dan Belanja Pemerintah di 21 Provinsi Penelitian Tahun 2004-2008

Kenaikan belanja sektor pendidikan selama 5 tahun, dari semula pada tahun

2004 sebesar Rp. 19 872 632 000 000 menjadi Rp. 33 120 799 180 000 pada

tahun 2008. Kondisi ini memberikan gambaran jika selama 5 tahun, capaian

belanja sektor pendidikan mencapai sekitar 40 persen, atau rata-rata mengalami

peningkatan sebesar 8 persen per tahun.

0

78

5.2.2. Belanja Sektor Kesehatan

Alokasi belanja sektor kesehatan (BSK) tidak sebesar belanja sektor

pendidikan, rata-rata belanja sektor kesehatan hanya mencapai sepertiga dari

belanja sektor pendidikan. Tabel 6 menunjukkan perbandingan antara belanja

sektor kesehatan dengan total belanja Pemerintah selama 5 tahun, dari tahun 2004

sampai tahun 2008.

Tabel 6. Perbandingan Belanja Sektor Kesehatan dengan Total Belanja Pemerintah di 21 Provinsi Tahun 2004-2008

Tahun Total Belanja Pemerintah

Belanja Sektor Kesehatan Persentase

2004 78 164 805.43 6 444 414.05 8.24

2005 75 752 734.03 6 256 084.00 8.26

2006 97 469 289.86 7 980 088.53 8.19

2007 121 422 193.75 9 895 349.95 8.15

2008 129 417 820.02 10 683 451.63 8.26

Sumber: DJPK, Kementerian Keuangan, 2011 (Diolah)

Provinsi dengan belanja sektor kesehatan tertinggi dan terendah disajikan

pada Gambar 20.

Sumber: DJPK, Kementerian Keuangan, 2011 (diolah).

Gambar 20. Belanja Sektor Kesehatan Tertinggi dan Terendah dalam Anggaran Pendapatan dan Belanja Daerah Tahun 2004-2008

0

79

Nampak bahwa Provinsi Jawa Tengah mengeluarkan belanja sektor

kesehatan tertinggi sebesar Rp. 5 914 113 390 000 (9.72 persen dari total belanja

Pemerintah sebanyak Rp. 60 832 137 100 000), Provinsi Jawa Barat sebesar

Rp. 5 253 724 530 000 (7.98 persen), dan Provinsi Sumatera Utara sebesar

Rp. 3 057 588 880 000 (9.04 persen).

Provinsi dengan belanja sektor kesehatan rendah hingga terendah adalah

Provinsi Jambi sebesar Rp. 745 810 820 000 (7.73 persen), Provinsi Bengkulu

Rp. 741 320 640 000 (10.32 persen), serta Provinsi Sulawesi Utara sebesar

Rp. 630 680 890 000 (6.67 persen). Provinsi Bengkulu menunjukan perhatian

yang tinggi terhadap sektor kesehatan meskipun belanja sektor kesehatannya

secara nominal berada pada posisi terendah kedua, tetapi dari sisi persentasi justru

tertinggi, bahkan mengalahkan provinsi-provinsi yang menduduki urutan tertinggi

secara nominal.

5.3. Blok Permintaan Agregat

Variabel endogen dalam blok ini terdiri atas pengeluaran konsumsi rumah

tangga (PKRT) dan investasi atau pembentukan modal tetap bruto (PMTB).

Adapun komponen belanja konsumsi Pemerintah (PKP) dan net ekspor (NX)

dijadikan variabel eksogen penelitian ini. Penjumlahan dari 4 variabel tersebut

disebut dengan produk domestik regional bruto dari sisi pengeluaran (PDRBEXP).

Gambar 21 berikut menyajikan proporsi komponen PDRBEXP pada 21

provinsi penelitian. Proporsi komponen PKRT mencapai Rp. 2 795 287 616.52

juta (53 persen PDRBEXP). Komponen lainnya yaitu PKP Rp. 515 312 645.19

juta (10 persen). Sementara PMTB sebesar Rp. 967 608 994.33 juta (18 persen),

dan net ekspor (NX) sebesar Rp. 1 021 194 519.70 juta (19 persen).

80

Sumber: Badan Pusat Statistik, 2010a (diolah).

Gambar 21. Proporsi Komponen dalam Produk Domestik Bruto dari Sisi Pengeluaran Tahun 2004-2008

5.4. Blok Penawaran Agregat

Variabel endogen dalam blok ini terdiri atas total produksi sektor pertanian

(TQST), total produksi sektor industri (TQSI), total produksi sektor bangunan dan

infrastruktur (TQSB), serta total produksi sektor lainnya (TQSLL). Penjumlahan

dari 4 variabel tersebut disebut dengan produk domestik regional bruto sektoral

atau dari sisi penerimaan (PDRSEC). Gambar 22 berikut menyajikan proporsi

komponen produk domestik regional bruto sektoral atau sisi penerimaan total di

21 provinsi penelitian dari tahun 2004 sampai dengan tahun 2008.

Sumber: Badan Pusat Statistik, 2010b (diolah).

Gambar 22. Proporsi Komponen Dalam Produk Domestik Bruto Sektoral Tahun 2004-2008

81

Proporsi komponen total produksi sektor pertanian (TQST) sebesar

Rp. 1 047 305 000 juta (20 persen), total produksi sektor industri (TQSI) sebesar

Rp. 1 367 821 000 juta (25 persen), total produksi sektor bangunan dan

infrastruktur (TQSB) sebesar Rp. 256 858 000 (5 persen), serta total produksi

sektor lainnya (TQSLL) sebesar Rp. 2 627 555 321.97 (50 persen).

5.5. Blok Tenaga Kerja

Variabel endogen dalam blok ini terdiri atas tenaga kerja sektor pertanian

(TKST), tenaga kerja sektor industri (TKSI), dan tenaga kerja sektor bangunan

dan infrastruktur (TKKSB). Sementara tenaga kerja sektor lainnya (TKKSL)

dijadikan variabel eksogen. Keseluruhan dari tenaga kerja sektor tersebut disebut

dengan tenaga kerja sektor (TKS). Selanjutnya selisih antara angkatan kerja (AK)

dengan tenaga kerja sektor (TKS) disebut pengangguran (U). Gambar 23

menunjukan provinsi dengan persentase jumlah pengangguran terendah dan

tertinggi pada tahun 2008.

Sumber: Balitfo Kementerian Tenaga Kerja dan Transmigrasi, 2010 (diolah). Gambar 23. Provinsi dengan Pengangguran Terendah dan Tertinggi Tahun

2008

82

Provinsi dengan pengangguran terendah adalah provinsi Bali sebesar 3.31

persen, Provinsi Nusa Tenggara Timur sebesar 3.73 persen, dan Provinsi Papua

sebesar 4.39 persen, sementara pengangguran tertinggi berada di Provinsi Jawa

Barat sebesar 12.08 persen, Provinsi Kalimantan Timur sebesar 11.11 persen,

serta Provinsi Maluku sebesar 10.67 persen. Provinsi Nusa Tenggara Timur dan

provinsi Papua menarik untuk didalami, karena meskipun angka pengangguran

rendah, tetapi dapat dikonstantir terserap menjadi tenaga kerja sektor pertanian

yang tergolong tenaga kerja mandiri di sektor informal dengan pendapatan rendah

dan tidak menentu, sehingga tingkat kemiskinan desa dan kota tetap tinggi.

5.6. Blok Indeks Pembangunan Manusia

5.6.1. Rata-Rata Lama Sekolah

Rata-rata lama sekolah (RLS) bersama dengan angka melek huruf (AMH)

merupakan dua sub komponen pembentuk komponen indeks pendidikan (IP),

sementara komponen indeks pendidikan bersama-sama dengan komponen indeks

hidup panjang (IHP) dan komponen hidup layak (IHL) adalah 3 komponen

pembentuk indeks pembangunan manusia (IPM). Gambar 24 menunjukan

provinsi yang memiliki rata-rata lama sekolah tertinggi dan terendah pada tahun

2008, dan Gambar 25 menunjukan perkembangan rata-rata lama sekolah di

provinsi tersebut dari tahun 2004 sampai tahun 2008.

Pada tahun 2008 rata-rata lama sekolah tertinggi berturut-turut adalah

Provinsi Kalimantan Timur memiliki rata-rata lama sekolah selama 8.8 tahun,

Provinsi Sulawesi Utara memiliki rata-rata lama sekolah selama 8.8 tahun, dan

provinsi Daerah Istimewa Yogyakarta memiliki rata-rata lama sekolah selama

8.71 tahun. Sedangkan provinsi dengan rata-rata lama sekolah rendah hingga

83

terendah adalah Provinsi Kalimantan Barat memiliki rata-rata lama sekolah 6.7

tahun, Provinsi Nusa Tenggara Timur memiliki rata-rata lama sekolah selama

6.55 tahun, dan Provinsi Papua memiliki rata-rata lama sekolah selama 6.52

tahun.

Sumber: DJPK, Kementerian Keuangan, 2011 (diolah) dan Badan Pusat Statistik, 2009c (diolah).

Gambar 24. Perbandingan Rata-Rata Lama Sekolah Tertinggi dan Terendah, Pendapatan Per Kapita, dan Persentase Belanja Sektor Pendidikan Tahun 2008

Dibandingkan dengan persentasi belanja sektor pendidikan terhadap total

belanja Pemerintah pada tahun 2008, nampaknya rata-rata lama sekolah pada

tahun bersamaan tidak mempunyai hubungan kausalitas yang kuat, tetapi

sebaliknya rata-rata lama sekolah memiliki hubungan yang kuat dengan

pendapatan per kapita per tahun (ICAP). Misalnya Provinsi Kalimantan Timur

yang memiliki rata-rata lama sekolah tertinggi, tetapi hanya dengan

mengeluarkan belanja sektor pendidikan belanja sektor pendidikan sebanyak

84

13.36 persen dari total belanja Pemerintah. Berbeda dengan belanja sektor

pendidikan, maka pendapatan per kapita per tahun Provinsi Kalimantan Timur

sebesar Rp. 33.97 juta adalah tertinggi di Indonesia tentu memiliki pengaruh yang

besar terhadap rata-rata lama sekolah.

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 25. Perkembangan Rata-Rata Lama Sekolah Tertinggi dan Terendah Tahun 2004 sampai dengan Tahun 2008

Perkembangan rata-rata lama sekolah dari waktu ke waktu menunjukkan

peningkatan tetapi terjadi jurang yang cukup dalam antara 3 provinsi dengan rata-

rata lama sekolah tertinggi dengan 3 provinsi lainnya yang masuk dalam

kelompok dengan rata-rata lama sekolah terendah.

Sejak tahun 2005 tren rata-rata lama sekolah cenderung datar, artinya

walaupun ada peningkatan rata-rata lama sekolah tetapi dalam bilangan yang kecil

sekali, sementara kenaikan belanja sektor pendidikan setiap tahun rata-rata

0

85

mencapai 8 persen, ini menjelaskan bahwa dampak belanja sektor pendidikan

terhadap rata-rata lama sekolah tidak signifikan.

5.6.2. Angka Melek Huruf

Angka melek huruf seperti juga rata-rata lama sekolah merupakan sub

komponen pembentuk komponen indeks pendidikan, hanya saja bobot angka

melek huruf adalah dua per tiga dibandingkan sepertiga bobot rata-rata lama

sekolah (BPS, 2008). Gambar 26 menunjukan provinsi yang memiliki angka

melek huruf tertinggi dan terendah pada tahun 2008, dan Gambar 27 menunjukan

perkembangan angka melek huruf di provinsi tersebut dari tahun 2004 sampai

tahun 2008.

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 26. Perbandingan Angka Melek Huruf Tertinggi dan Terendah, Persentase Belanja Sektor Pendidikan, dan Rata-Rata Lama Sekolah Tahun 2008

86

Secara grafis terlihat bahwa pola hubungan yang searah antara angka melek

huruf dengan rata-rata lama sekolah, namun tidak nampak jelas pola hubungan

antara angka melek huruf dengan persentase belanja sektor pendidikan, oleh

karena itu patut diduga pengaruh rata-rata lama sekolah terhadap angka melek

huruf cukup kuat karena sama-sama sebagai indikator output pembangunan

manusia, sedang pengaruh belanja sektor pendidikan terhadap angka melek huruf

tidak signifikan, karena belanja sektor pendidikan merupakan indikator input

pembangunan manusia, sementara angka melek huruf merupakan indikator output

pembangunan manusia.

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 27. Perkembangan Angka Melek Huruf Tertinggi dan Terendah Tahun 2004 sampai dengan Tahun 2008

Perkembangan angka melek huruf tahun 2004 sampai dengan tahun 2008 di

Provinsi Sulawesi Utara, Maluku, dan Riau yang memiliki angka melek huruf

tertinggi sudah cenderung datar, karena nilainya mendekati 100 persen. Sementara

87

angka melek huruf di provinsi yang memiliki angka melek huruf terendah

menunjukan tren kenaikan mendekati 90 persen untuk Provinsi Sulawesi Selatan

dan Provinsi Nusa Tenggara Barat, serta angka melek huruf menuju 80 persen

untuk Provinsi Papua. Provinsi Sulawesi Utara memiliki sekaligus angka melek

huruf dan rata-rata lama sekolah tertinggi, maka dapat dipastikan akan memiliki

indeks pendidikan tertinggi di antara 21 provinsi penelitian. Sebaliknya Provinsi

Papua berada pada posisi terendah untuk angka melek huruf dan rata-rata lama

sekolah, yang berarti memiliki indeks pendidikan yang terendah pula.

5.6.3. Angka Harapan Hidup

Gambar 28 menunjukkan provinsi yang memiliki Angka Harapan Hidup

(AHH) tertinggi dan terendah tahun 2008, sedangkan Gambar 29 menunjukan

perkembangan AHH di provinsi tersebut dari tahun 2004 sampai tahun 2008.

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 28. Perbandingan Angka Harapan Hidup Tertinggi dan Terendah, Persentase Belanja Sektor Kesehatan, dan Pengeluaran Rumah Tangga Per Kapita Tahun 2008

88

Secara grafis tidak terlihat pola hubungan yang searah antara angka

harapan hidup dengan belanja sektor kesehatan, dan pengeluaran rumah tangga

per kapita (KRTCAP) pada tahun yang bersamaan. Diduga penyebabnya karena

indikator angka harapan hidup merupakan indikator output pembangunan manusia,

sementara indikator belanja sektor kesehatan dan pengeluaran rumah tangga per

kapita sebagai indikator input pembangunan manusia, sehingga kurang kuat

hubungan kausalitas satu sama lain dalam tahun yang sama.

Pada Gambar 29 di bawah ini menunjukkan perkembangan angka harapan

hidup yang cenderung datar bagi provinsi dengan angka harapan hidup tertinggi,

dan naik sangat landai bagi provinsi dengan angka harapan hidup terendah.

Keadaan ini memberikan konfirmasi bahwa upaya meningkatkan angka harapan

hidup perlu perjuangan yang berat, dengan kemajuannya sangat sedikit, meskipun

belanja sektor kesehatan dan pengeluaran rumah tangga per kapita ditingkatkan

lebih signifikan. Sisi yang menggembirakan adalah secara matematis tidak ada

batasan umur tertinggi bagi setiap orang.

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 29. Perkembangan Angka Harapan Hidup Tertinggi dan Terendah Tahun 2004 sampai dengan Tahun 2008

89

Dibandingkan dengan perkembangan pengeluaran rumah tangga per kapita

pada Gambar 30, terlihat bahwa perkembangan angka harapan hidup pada

Gambar 29 memang searah, sehingga patut diduga kenaikan indikator input

pembangunan manusia berupa pengeluaran rumah tangga per kapita

mempengaruhi belanja keluarga untuk sub komponen maupun komponen Indeks

Pembangunan Manusia, termasuk peningkatan angka harapan hidup. Namun,

hubungan antara angka harapan hidup dengan pengeluaran rumah tangga per

kapita yang searah tersebut tidak dapat diartikan bahwa provinsi yang tinggi

pengeluaran rumah tangga per kapitanya dapat dipastikan tinggi pula angka

harapan hidupya.

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 30. Perkembangan Pengeluaran Rumah Tangga Per Kapita Tahun 2004 sampai dengan Tahun 2008

Sebagai contoh Provinsi Kalimantan Selatan, kendati provinsi ini

membelanjakan pengeluaran rumah tangga per kapita yang tinggi antara

Rp. 70 000 hingga Rp. 170 000 per kapita per tahun, tetapi dalam kenyataannya

90

angka harapan hidupnya menduduki peringkat kedua terbawah. Sebaliknya,

meskipun Provinsi Daerah Istimewa Yogyakarta hanya membelanjakan

pengeluaran rumah tangga per kapita antara Rp. 40 000 sampai Rp. 60 000 per

kapita per tahun, tetapi angka harapan hidupnya berada pada peringkat pertama

tertinggi.

5.6.4. Daya Beli

Daya beli atau disebut dengan purchasing power parity (PPP), merupakan

satu satunya komponen pembentuk indeks hidup layak. UNDP menggunakan

kemampuan daya beli yang diambil dari pendapatan riil per kapita, sementara

Badan Pusat Statistik menggunakan dari perhitungan pengeluaran untuk sejumlah

barang konsumsi tertentu yang telah disepakati para ahli. Hasil perhitungan BPS

ini yang kemudian digunakan untuk menghitung indeks hidup layak dalam

penelitian ini (Badan Pusat Statistik, 2008).

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 31. Perbandingan Kemampuan Daya Beli Tertinggi dan Terendah, Persentase Pengangguran, dan Pengeluaran Rumah Tangga Per Kapita Tahun 2008

91

Gambar 31 menunjukkan provinsi yang memiliki kemampuan daya beli

tertinggi dan terendah tahun 2008, sedangkan Gambar 32 menunjukan

perkembangan kemampuan daya beli di provinsi tersebut dari tahun 2004 sampai

tahun 2008.

Secara grafis kemampuan daya beli mempunyai hubungan kausalitas yang

searah dengan pengeluaran rumah tangga per kapita, artinya kenaikan kemampuan

daya beli sejalan dengan kenaikan pengeluaran rumah tangga per kapita.

Sebaliknya kemampuan daya beli mempunyai arah yang berlawanan dengan

pengangguran (U), sehingga setiap kenaikan pengangguran akan menurunkan

kemampuan daya beli.

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 32. Perkembangan Daya Beli Tertinggi dan Terendah Tahun 2004 sampai dengan Tahun 2008

Pada Gambar 31 menunjukan provinsi dengan daya beli tertinggi adalah

provinsi Daerah Istimewa Yogyakarta, Provinsi Riau, dan Provinsi Kalimantan

92

Timur. Sedang provinsi dengan daya beli terendah adalah Provinsi Maluku,

Provinsi Nusa Tenggara Timur, dan Provinsi Papua.

Daya beli mempunyai prilaku yang selalu meningkat dari tahun ke tahun,

baik bagi kelompok provinsi dengan daya beli tertinggi, maupun bagi kelompok

provinsi dengan daya beli terendah. Jika prilaku komponen daya beli ini

dibandingkan dengan prilaku sub komponen rata-rata lama sekolah dan sub

komponen angka melek huruf, serta komponen angka harapan hidup yang

semuanya mempunyai tren sudah melandai, maka upaya menaikkan indeks

pembangunan manusia yang paling realistis dalam jangka pendek adalah melalui

peningkatan daya beli. Dengan kata lain, pembangunan ekonomi untuk

menghasilkan pertumbuhan dan pemerataan perekonomian adalah titik bermula

dari upaya peningkatan indeks pembangunan manusia secara merata di seluruh

Indonesia.

5.6.5. Indeks Pembangunan Manusia

Indeks pembangunan manusia merupakan indeks rata-rata dari hasil

penjumlahan komponen indeks pendidikan, indeks hidup panjang, dan indeks

hidup layak, yang kesemuanya merupakan variabel-variabel endogen, sehingga

indeks pembangunan manusia merupakan variabel endogen pula. Gambar 33

berikut menunjukkan perkembangan Provinsi Sulawesi Utara, Provinsi Riau,

Provinsi Daerah Istimewa Yogyakarta, Provinsi Nusa Tenggara Timur, Provinsi

Nusa Tenggara Barat, dan Provinsi Papua, dengan indeks pembangunan manusia

tertinggi dan terendah yang dibandingkan dengan masing-masing indeks hidup

panjang, indeks pendidikan, dan indeks hidup layak.

93

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 33. Perbandingan Indeks Pembangunan Manusia Tertinggi dan Terendah, Indeks Hidup Panjang, Indeks Pendidikan, dan Indeks Hidup Layak Tahun 2008

Provinsi dengan indeks pembangunan manusia tertinggi adalah provinsi

Sulawesi Utara yaitu sebesar 75.16, Provinsi Riau yaitu sebesar 75.09, dan

Provinsi Daerah Istemewa Yogyakarta yaitu sebesar 74.88. Sementara provinsi

dengan indeks pembangunan manusia terendah adalah Provinsi Nusa Tenggara

Timur yaitu sebesar 66.15, Provinsi Nusa Tenggara Barat yaitu sebesar 64.12, dan

Provinsi Papua yaitu sebesar 63.99. Contoh pengambilan provinsi yang memiliki

indeks pembangunan manusia tertinggi dan terendah diharapkan dapat

memberikan gambaran tentang perilaku indeks pembangunan manusia dari tahun

ke tahun, khususnya dari tahun 2004 sampai tahun 2008. Secara lebih lengkap

kondisi tersebut dapat dilihat pada Gambar 34.

94

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 34. Perkembangan Indeks Pembangunan Manusia Tertinggi dan Terendah Tahun 2004 sampai dengan Tahun 2008

Secara grafis terlihat kesenjangan yang cukup dalam antara indeks

pembangunan manusia tertinggi dan terendah, serta adanya perbedaan sudut

kemiringan antara indeks pembangunan manusia tertinggi dengan terendah.

Dengan kata lain, upaya peningkatan indeks pembangunan manusia bagi provinsi

berindeks pembangunan manusia tinggi akan lebih sulit dibandingkan dengan

peningkatan indeks pembangunan manusia bagi provinsi memiliki indeks

pembangunan manusia yang rendah.

5.6.6. Tingkat Kemiskinan Desa dan Kota

Tingkat kemiskinan desa dan kota (TKDK) merupakan persentasi

penduduk miskin di desa dan di kota terhadap total penduduknya. Dengan kata

lain, tingkat kemiskinan desa dan kota merupakan seluruh penduduk miskin di

suatu wilayah yang memiliki kawasan perdesaan dan kawasan perkotaan sekaligus.

95

Gambar 35 menyajikan tingkat kemiskinan desa dan kota terendah dan tertinggi

pada 21 provinsi penelitian.

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 35. Perbandingan Tingkat Kemiskinan Desa dan Kota Terendah dan Tertinggi dengan Daya Beli Tahun 2008

Secari grafis terlihat hubungan yang berkebalikan antara tingkat

kemiskinan desa dan kota dengan daya beli, baik bagi provinsi dengan tingkat

kemiskinan terendah maupun tertinggi. Pada Gambar 36 menunjukan

perkembangan kemiskinan di provinsi dengan tingkat kemiskinan desa dan kota

terendah maupun tertinggi.

Secara grafis terlihat tren yang mendatar untuk penurunan tingkat

kemiskinan desa dan kota di provinsi dengan tingkat kemiskinan desa dan kota

terendah, sebaliknya nampak tren yang agak curam untuk penurunan tingkat

kemiskinan desa dan kota bagi provinsi dengan tingkat kemiskinan desa dan kota

tertinggi. Fenomena ini memberikan konfirmasi untuk penanggulangan

96

kemiskinan harus fokus pada provinsi dengan tingkat kemiskinan desa dan kota

tinggi.

Sumber: Badan Pusat Statistik, 2009c (diolah).

Gambar 36. Perkembangan Tingkat Kemiskinan Desa Kota Terendah dan Tertinggi Tahun 2004 sampai dengan Tahun 2008

VI. MODEL INDEKS PEMBANGUNAN MANUSIA: HASIL ANALISIS PARSIAL PERSAMAAN STRUKTURAL

6.1. Analisis Umum Model Estimasi

Model dampak kebijakan fiskal sektor pendidikan dan sektor kesehatan

terhadap Indeks Pembangunan Manusia meliputi 38 persamaan simultan terdiri

atas 23 persamaan struktural dan 15 persamaan identitas, yang merupakan formasi

dari 38 variabel endogen dan 15 variabel eksogen (predetermined). Model yang

disajikan ini merupakan hasil akhir setelah beberapa kali dimodefikasi, yaitu

ketika masih terdapat persamaan struktural yang memiliki hasil dugaan parameter

tidak sesuai dengan teori ekonomi dan/atau dugaan parameter tidak nyata.

Sehubungan data yang dibangun dalam model ini adalah dalam bentuk

panel data, maka persamaan struktural yang dibangun telah berbasis panel data

tersebut, dan metode estimasi yang digunakan adalah metode estimasi panel data

dengan spesifikasi fixed effect model, sehingga intercept yang dihasilkan di

samping intercept dari variabel bebasnya, juga terdapat intercept yang berbeda

untuk setiap provinsi sebagai unit individu dalam cross section.

Program dan hasil dugaan parameter dari 23 persamaan struktural yang

terdiri atas intercept dan parameter variabel penjelasnya disajikan secara lengkap

dalam Lampiran 1 dan Lampiran 2, yang dinarasikan dalam sub bab dari bab ini.

Secara umum hasil analisis dugaan parameter atas model Indeks

Pembangunan Manusia (IPM) cukup baik, nampak dari nilai koefisien determinasi

(R2) cukup besar pada masing-masing persamaan struktural, yaitu berkisar antara

0.8692 hingga 0.9995, bahkan hanya 2 dari 23 persamaan yang nilai koefisien

determinasi lebih kecil dari 0.90. Hal ini menunjukkan bahwa variabel-variabel

98

penjelas atau predetermined di dalam setiap model struktural dapat menjelaskan

fluktuasi variabel endogennya secara nyata. Pada masing-masing persamaan,

variabel predetermined secara bersama-sama terjadi fixed effects terhadap variabel

endogennya dengan peluang di atas 99 persen, yang ditunjukkan oleh nilai

statistik F hitung berkisar antara 6.54 hingga 675.91. Selain itu, sebagian besar

variabel endogen di dalam setiap persamaan dipengaruhi oleh variabel

penjelasnya pada taraf nyata (α) 5 persen, 10 persen, dan 15 persen.

Satu hal yang menjadi orientasi utama penelitian ini adalah memastikan

tanda dugaan parameter dalam model harus sesuai dengan hipotesis, yang

didasarkan pada teori maupun logika ekonomi. Hasilnya, semua hasil dugaan

parameter dalam model penelitian ini sudah sesuai dengan hipotesis.

Berdasarkan hal ini dan uraian pada alinea di atas, dapat disimpulkan bahwa

model cukup baik dan dapat digunakan untuk melakukan analisis dampak

kebijakan fiskal sektor pendidikan dan sektor kesehatan terhadap Indeks

Pembangunan Manusia.

6.2. Dugaan Parameter Persamaan Struktural

6.2.1. Blok Pendapatan Daerah

Kinerja penyediaan fiskal daerah atau disebut anggaran Pendapatan Daerah

dapat dilihat dari penerimaan daerah yang masuk dalam komponen Pendapatan

Asli Daerah (PADt), Dana Alokasi Umum (DAUt), dan penerimaan lainnya

seperti pendapatan Non Pajak Daerah (NPJKDt), Dana Alokasi Khusus (DAKt),

Bagi Hasil Pajak dan Bukan Pajak (BHPBPt), dan Pendapatan Lain-lain (PLAINt).

Dalam penelitian ini yang dijadikan persamaan struktural adalah Pajak Daerah

(PJKDt) dan Dana Alokasi Umum (DAU).

99

1. Pajak Daerah

Dugaan parameter persamaan Pajak Daerah (PJKDt) memberikan nilai

koefisien determinasi sebesar 88.77 persen. Hal ini berarti variabel penjelas

Belanja Daerah (BLJt) dan Perubahan Persediaan (PPt) di dalam persamaan

tersebut dapat menjelaskan 88.77 persen fluktuasi variabel Pajak Daerah.

Variabel endogen di dalam persamaan Pajak Daerah dipengaruhi secara nyata

oleh variabel Belanja Daerah pada taraf nyata (α) 5 persen. Namun pengaruh

perubahan persediaan tidak signifikan, sebagaimana dapat dilihat pada Tabel 7.

Tabel 7. Hasil Dugaan Parameter Persamaan Pajak Daerah Tahun 2004-2008

Variabel Dugaan Parameter Prob >[t] Elastisitas

PJKDt Pajak Daerah

Intercep 289 904.4

Belanja Daerah (BLJt) 0.038427 0.0201 (A) 0.38

Perubahan Persediaan (PPt) 0.011069 0.5312 (D) 0.02

F-Hitung = 6.78 (Prob > F = 0.0001); R2 = 0.8877

Keterangan (untuk tabel di atas dan tabel-tabel selanjutnya):

A = Dugaan parameter berbeda dengan nol pada taraf nyata (α) 5 persen.

B = Dugaan parameter berbeda dengan nol pada taraf nyata (α) 10 persen.

C = Dugaan parameter berbeda dengan nol pada taraf nyata (α) 15 persen.

D = Dugaan parameter disamakan dengan nol pada taraf nyata (α) > 15 persen.

Nilai dugaan parameter Pajak Daerah dan elastisitasnya pada Tabel 7

menjelaskan tentang pengaruh Belanja Daerah dan Perubahan Persediaan terhadap

pengumpulan Pajak Daerah. Apabila terjadi peningkatan anggaran Belanja Daerah

sebesar Rp. 1 juta maka penerimaan pajak berpotensi naik sebesar Rp. 38 427.

Proporsi potensi nilai peningkatan pajak yang hanya sekitar 3.84 persen

disebabkan oleh instrumen dan sumber pajak yang dapat dilakukan Pemerintah

Provinsi dan Pemerintah Kabupaten/Kota sudah ditetapkan oleh Pemerintah.

100

Sementara itu sumber penerimaan pajak lebih banyak yang bersifat pasif sehingga

belum seluruhnya tergarap secara optimal.

Kenaikan perubahan persediaan dari sisi permintaan agregat sebesar Rp. 1

juta akan menjadi sumber penerimaan pajak daerah dengan potensi penarikan

pajak sebesar Rp. 11 069. Perubahan persediaan ini akan mempengaruhi

kemampuan permodalan usaha. Elastisitas Belanja Daerah dan elastisitas

Perubahan Persediaan berturut-turut sebesar 0.38 dan 0.02 menunjukkan Pajak

Daerah tidak responsif terhadap perubahan kedua variabel tersebut.

2. Dana Alokasi Umum

Dugaan parameter persamaan Pajak Daerah (PJKDt) memberikan nilai

koefisien determinasi sebesar 96.48 persen. Hal ini berarti variabel penjelas

Belanja Daerah (BLJt) dan Populasi Penduduk (POPt) di dalam persamaan

tersebut dapat menjelaskan 96.48 persen fluktuasi variabel Pajak Daerah. Variabel

endogen di dalam persamaan Pajak Daerah dipengaruhi secara nyata oleh

variabel Belanja Daerah pada taraf nyata (α) 5 persen. Namun pengaruh Populasi

Penduduk tidak signifikan. Untuk lebih jelasnya dapat dilihat pada Tabel 8.

Tabel 8. Hasil Dugaan Parameter Persamaan Dana Alokasi Umum Tahun 2004-2008

Variabel Dugaan Parameter Prob >[t] Elastisitas

DAUt Dana alokasi umum

Intercep 8 243.43

Belanja Daerah (BLJt) 0.384778 0.0001(A) 0.72

Populasi Penduduk (POPt) 243.3648 0.2114 (D) 0.73

F-Hitung = 17.66 (Prob > F = 0.0001); R2 = 0.9648

Nilai dugaan parameter DAUt dan elastisitasnya pada Tabel 8 menjelaskan

tentang pengaruh Belanja Daerah dan Populasi Penduduk terhadap transfer DAUt.

101

Apabila terjadi peningkatan anggaran Belanja Daerah sebesar Rp. 1 juta maka

potensi kebutuhan transfer sumber pembiayaan DAUt meningkat sebesar

Rp. 384 778. Populasi Penduduk juga berpengaruh nyata terhadap DAUt dengan

nilai dugaan parameter 243.3648. Jika Populasi Penduduk meningkat sebanyak

1 000 orang maka DAUt akan meningkat sekitar Rp. 243.3648 juta per tahun.

Kenaikan Populasi Penduduk menyebabkan DAUt meningkat sehingga provinsi

dengan penduduk yang lebih banyak akan lebih banyak pula menerima transfer

DAUt.

Elastisitas Belanja Daerah dan elastisitas Populasi Penduduk berturut-turut

sebesar 0.72 dan 0.73, menunjukkan bahwa penerimaan Pajak Daerah tidak

responsif terhadap perubahan kedua variabel tersebut.

6.2.2. Blok Belanja Daerah

Kinerja kebutuhan fiskal daerah atau disebut dengan anggaran Belanja

Daerah (BLJt) merupakan penjumlahan dari kebutuhan untuk Belanja Pemerintah

Sektor Pertanian (GPSTt), Belanja Pemerintah Sektor Industri (GPSIt), Belanja

Pemerintah Sektor Bangunan dan Infrastruktur (GPSBt), dan Belanja Pemerintah

Sektor Lain-Lain (GPSLLt).

Persamaan struktural dalam model yang dibangun meliputi Belanja Sektor

Pendidikan (BSPt) dan Belanja Sektor Kesehatan (BSKt), yang merupakan bagian

dari Belanja Pemerintah Sektor Lain-Lain (GPSLL). Persamaan struktural

meliputi pula Belanja Pemerintah Sektor Pertanian (GPSTt), Belanja Pemerintah

Sektor Industri (GPSIt), dan Belanja Pemerintah Sektor Bangunan dan

Infrastruktur (GPSBt).

102

1. Belanja Sektor Pendidikan

Dugaan parameter persamaan Belanja Sektor Pendidikan (BSPt)

memberikan nilai koefisien determinasi sebesar 98.38 persen. Hal ini berarti

variasi dari dua variabel penjelasnya, yaitu Pendapatan (PATt) dan Pegawai

Negeri Sipil (PNSt) dapat menjelaskan 98.38 persen fluktuasi variabel Belanja

Sektor Pendidikan. Variabel endogen di dalam persamaan Belanja Sektor

Pendidikan dipengaruhi secara nyata oleh variabel Pendapatan Daerah dan

variabel jumlah Pegawai Negeri Sipil masing masing pada taraf nyata (α) 5 persen.

Untuk lebih jelasnya dapat dilihat pada Tabel 9.

Tabel 9. Hasil Dugaan Parameter Persamaan Belanja Sektor Pendidikan Tahun 2004-2008

Variabel Dugaan Parameter Prob >[t] Elastisitas

BSPt Belanja Sektor Pendidikan

Intercep -1 318 667

Pendapatan Daerah (PATt) 0.180641 0.0001 (A) 0.72

Pegawai Negeri Sipil (PNSt) 14.67299 0.0001 (A) 1.65

F-Hitung = 9.4 (Prob > F = 0.0001); R2 = 0.9838

Pendapatan Daerah merupakan faktor yang berpengaruh nyata pada taraf (α)

5 persen terhadap Belanja Sektor Pendidikan dengan nilai dugaan parameter

0.180641. Artinya jika Pendapatan Daerah naik Rp. 1 juta (100 persen) maka

Belanja Sektor Pendidikan akan meningkat Rp. 0.1806 juta (18.06 persen).

Kenaikan pada Pendapatan Daerah di suatu provinsi akan berpotensi menaikkan

Belanja Daerah dan Belanja Sektor Pendidikan di provinsi yang bersangkutan.

Variabel Pegawai Negeri Sipil juga berpengaruh nyata pada taraf (α) 5

persen terhadap Belanja Sektor Pendidikan dengan nilai dugaan parameter

14.67299. Jika peubah Pegawai Negeri Sipil meningkat sebanyak 1 000 orang

103

maka Belanja Sektor Pendidikan akan meningkat sebesar Rp. 14.68 juta per tahun.

Kenaikan variabel Pegawai Negeri Sipil menyebabkan Belanja Sektor Pendidikan

meningkat, sehingga provinsi dengan variabel Pegawai Negeri Sipil yang

meningkat akan meningkatkan pula alokasi Belanja Sektor Pendidikan.

Elastisitas Pendapatan Daerah dan elastisitas variabel Pegawai Negeri Sipil

berturut-turut sebesar 0.72 dan 1.65, menunjukkan bahwa Belanja Sektor

Pendidikan tidak responsif terhadap perubahan Pendapatan Daerah, tetapi

responsif terhadap perubahan variabel Pegawai Negeri Sipil.

2. Belanja Sektor Kesehatan

Dugaan parameter persamaan Belanja Sektor Kesehatan (BSKt)

memberikan nilai koefisien determinasi sebesar 97.99 persen. Hal ini berarti

variasi dari dua variabel bebasnya, yaitu Pendapatan Daerah (PATt) dan jumlah

Pegawai Negeri Sipil (PNSt), dapat menjelaskan 97.99 persen fluktuasi variabel

Belanja Sektor Kesehatan. Variabel endogen persamaan Belanja Sektor Kesehatan

dipengaruhi secara nyata oleh variabel Pendapatan Daerah dan Pegawai Negeri

Sipil masing masing pada taraf nyata (α) 5 persen. Untuk lebih jelasnya dapat

dilihat pada Tabel 10.

Tabel 10. Hasil Dugaan Parameter Persamaan Belanja Sektor Kesehatan Tahun 2004-2008

Variabel Dugaan Parameter Prob >[t] Elastisitas

BSKt Belanja Sektor Kesehatan

Intercep -221 187

Pendapatan Daerah (PATt) 0.068016 0.0001 (A) 0.83

Pegawai Negeri Sipil (PNSt) 3.7340 0.0001 (A) 1.27

F-Hitung = 9.67 (Prob > F = 0.0001); R2 = 0.9799

104

Pendapatan Daerah merupakan faktor yang berpengaruh nyata pada taraf (α)

5 persen terhadap Belanja Sektor Kesehatan dengan nilai dugaan parameter

0.0680. Artinya jika Pendapatan Daerah naik Rp. 1 juta (100 persen) maka

Belanja Sektor Kesehatan akan meningkat Rp. 0.068 juta (6.8 persen). Kenaikan

pada Pendapatan Daerah di suatu provinsi akan menaikkan Belanja Sektor

Kesehatan provinsi yang bersangkutan.

Variabel Pegawai Negeri Sipil juga berpengaruh nyata pada taraf (α) 5

persen terhadap Belanja Sektor Kesehatan dengan nilai dugaan paremeter 3.7340.

Jika Pegawai Negeri Sipil lebih banyak sebesar 1 orang maka Belanja Sektor

Kesehatan akan meningkat sebesar Rp. 3.73 juta per tahun. Kenaikan variabel

Pegawai Negeri Sipil menyebabkan Belanja Sektor Kesehatan meningkat

sehingga provinsi dengan Pegawai Negeri Sipil yang meningkat akan

meningkatkan pula alokasi Belanja Sektor Kesehatan.

Elastisitas Pendapatan Daerah dan elastisitas variabel Pegawai Negeri Sipil

berturut-turut sebesar 0.83 dan 1.27 menunjukkan bahwa Belanja Sektor

Kesehatan tidak responsif terhadap perubahan Pendapatan Daerah, tetapi responsif

terhadap perubahan variabel Pegawai Negeri Sipil.

3. Belanja Pemerintah Sektor Pertanian

Dugaan parameter persamaan Belanja Pemerintah Sektor Pertanian (GPSTt)

memberikan nilai koefisien determinasi sebesar 86.92 persen. Hal ini berarti

variasi variabel penjelasnya, yaitu Pendapatan (PATt), mampu menjelaskan 86.92

persen fluktuasi variabel Belanja Pemerintah Sektor Pertanian. Variabel endogen

Belanja Pemerintah Sektor Pertanian dipengaruhi secara nyata oleh variabel

105

Pendapatan Daerah pada taraf nyata (α) 5 persen. Untuk lebih jelasnya dapat

dilihat pada Tabel 11.

Tabel 11. Hasil Dugaan Parameter Persamaan Belanja Pemerintah Sektor Pertanian Tahun 2004-2008

Variabel Dugaan Parameter Prob >[t] Elastisitas

GPSTt Belanja Pemerintah Sektor Pertanian

Intercep -52 673.8 -

Pendapatan Daerah (PATt) 0.052731 0.0001 (A) 1.11

F-Hitung = 6.54 (Prob > F = 0.0001); R2 = 0.8692

Pendapatan Daerah merupakan faktor yang berpengaruh nyata pada taraf (α)

5 persen terhadap Belanja Pemerintah Sektor Pertanian dengan nilai dugaan

parameter 0.052731. Artinya jika Pendapatan Daerah naik Rp. 1 juta (100 persen)

maka Belanja Pemerintah Sektor Pertanian meningkat sebesar Rp. 0.0527 juta (5.2

persen). Kenaikan pada Pendapatan Daerah di suatu provinsi akan menaikkan

Belanja Pemerintah Sektor Pertanian provinsi yang bersangkutan. Sementara itu,

elastisitas Pendapatan Daerah sebesar 1.11 menunjukkan bahwa Belanja

Pemerintah Sektor Pertanian responsif terhadap perubahan Pendapatan Daerah.

Hal ini wajar, karena belanja sektor pertanian masih menjadi prioritas Pemerintah

karena dihadapkan pada jumlah angka partisipasi kerja sektor pertanian di seluruh

daerah hampir selalu lebih tinggi dari sektor-sektor lainnya.

4. Belanja Pemerintah Sektor Industri

Dugaan parameter persamaan Belanja Pemerintah Sektor Industri (GPSIt)

memberikan nilai koefisien determinasi sebesar 90.10 persen. Hal ini berarti

variabel penjelasnya, yaitu Pendapatan (PATt), mampu menjelaskan 90.10 persen

fluktuasi variabel Belanja Pemerintah Sektor Industri. Variabel endogen

persamaan Belanja Pemerintah Sektor Industri dipengaruhi secara nyata oleh

106

variabel Pendapatan Daerah pada taraf nyata (α) 5 persen. Untuk lebih jelasnya

dapat dilihat pada Tabel 12.

Tabel 12. Hasil Dugaan Parameter Persamaan Belanja Pemerintah Sektor Industri Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

GPSIt Belanja Pemerintah Sektor Industri

Intercep -3 061.87

Pendapatan Daerah (PATt) 0.004244 0.0001 (A) 1.26

F-Hitung = 9.01 (Prob > F = 0.0001); R2 = 0.9010

Pendapatan Daerah merupakan faktor yang berpengaruh nyata pada taraf (α)

5 persen terhadap Belanja Pemerintah Sektor Industri dengan nilai dugaan

parameter 0.004244. Artinya jika Pendapatan Daerah naik Rp. 1 juta (100 persen)

maka Belanja Pemerintah Sektor Industri akan meningkat Rp. 0.004244 juta

(0.42 persen). Kenaikan pada Pendapatan Daerah di suatu provinsi akan

menaikkan Belanja Pemerintah Sektor Industri provinsi yang bersangkutan.

Sementara itu, elastisitas Pendapatan Daerah sebesar 1.26 menunjukkan bahwa

Belanja Pemerintah Sektor Industri responsif terhadap perubahan Pendapatan

Daerah.

5. Belanja Pemerintah Sektor Bangunan dan Infrastruktur

Dugaan parameter persamaan Belanja Pemerintah Sektor Bangunan dan

Infrastruktur (GPSBt) memberikan nilai koefisien determinasi sebesar 91.46

persen. Hal ini berarti variabel penjelasnya, yaitu Pendapatan (PATt), mampu

menjelaskan 91.46 persen fluktuasi variabel Belanja Pemerintah Sektor Bangunan

dan Infrastruktur . Variabel endogen Belanja Pemerintah Sektor Bangunan dan

Infrastruktur dipengaruhi secara nyata oleh variabel Pendapatan Daerah pada

taraf nyata (α) 5 persen. Untuk lebih jelasnya dapat dilihat pada Tabel 13.

107

Tabel 13. Hasil Dugaan Parameter Persamaan Belanja Pemerintah Sektor Bangunan dan Infrastruktur Tahun 2004-2008

Variabel Dugaan

Parameter Prob >[t] Elastisitas

GPSBt Belanja Pemerintah Sektor Bangunan dan

Infrastruktur

Intercep -84 519.4

Pendapatan Daerah (PATt) 0.211716 0.0001 (A) 1.1

F-Hitung =10.15 (Prob > F = 0.0001); R2 = 0.9146

Pendapatan Daerah merupakan faktor yang berpengaruh nyata pada taraf (α)

5 persen terhadap Belanja Pemerintah Sektor Bangunan dan Infrastruktur dengan

nilai dugaan parameter 0.211716. Artinya jika Pendapatan Daerah naik Rp. 1 juta

(100 persen) maka Belanja Pemerintah Sektor Bangunan dan Infrastruktur

berpotensi meningkat Rp. 0.21176 juta (21.18 persen). Kenaikan pada Pendapatan

Daerah di suatu provinsi akan menaikkan Belanja Pemerintah Sektor Bangunan

dan Infrastruktur provinsi yang bersangkutan.

Elastisitas Pendapatan Daerah sebesar 1.10 menunjukkan bahwa Belanja

Pemerintah Sektor Bangunan dan Infrastruktur responsif terhadap perubahan

Pendapatan Daerah.

6. Belanja Pemerintah Sektor Lain-Lain

Dugaan parameter persamaan Belanja Pemerintah Sektor Lain-Lain

(GPSLLt) memberikan nilai koefisien determinasi sebesar 99.12 persen. Hal ini

berarti variabel-variabel penjelasnya, yaitu Pendapatan (PATt) dan Belanja Sektor

Pendidikan dan Kesehatan (BSPKt), mampu menjelaskan 99.12 persen fluktuasi

variabel Belanja Pemerintah Sektor Lain-Lain . Untuk lebih jelasnya dapat dilihat

pada Tabel 14.

108

Tabel 14. Hasil Dugaan Parameter Persamaan Belanja Pemerintah Sektor Lain-Lain Tahun 2004-2008

Variabel Dugaan Parameter Prob >[t] Elastisitas

GPSLLt Belanja Pemerintah Sektor Lain-Lain

Intercep 1 259 697

Pendapatan Daerah (PATt) 0.129308 0.0093 (A) 0.17

Belanja Sektor Pendidikan dan Kesehatan

(BSPKt)

1.893701 0.0001 (A) 0.83

F-Hitung =7.61 (Prob > F = 0.0001); R2 = 0.9912

Pendapatan Daerah dan Belanja Sektor Pendidikan dan Kesehatan

merupakan faktor-faktor yang berpengaruh nyata pada taraf (α) 5 persen terhadap

Belanja Pemerintah Sektor Lain-Lain , dengan nilai dugaan parameter untuk

variabel Pendapatan Daerah sebesar 0.129308 dan Belanja Sektor Pendidikan dan

Kesehatan sebesar 1.893781. Artinya jika Pendapatan Daerah naik Rp. 1 juta (100

persen) maka Belanja Pemerintah Sektor Bangunan dan Infrastruktur berpotensi

meningkat Rp. 0.129308 juta (12.9308 persen). Apabila Belanja Sektor

Pendidikan dan Kesehatan meningkat Rp. 1 juta (100 persen), maka Belanja

Pemerintah Sektor Lain-Lain meningkat Rp. 1.893701 (180.37 persen). Angka

melebihi 100 persen ini karena Belanja Sektor Pendidikan dan Sektor Kesehatan

berada di dalam Belanja Pemerintah Sektor Lain-Lain , sehingga 80.37 persen

sisanya merupakan Belanja Sektor lainnya (BSLt).

Elastisitas Pendapatan Daerah sebesar 0.17 dan elastisitas Belanja Sektor

Pendidikan dan Kesehatan sebesar 0.83 menunjukkan bahwa perubahan Belanja

Pemerintah Sektor Lain-Lain kurang responsif terhadap perubahan Pendapatan

Daerah.

109

6.2.3. Blok Permintaan Agregat

Dugaan parameter pada blok permintaan agregat meliputi persamaan

struktural untuk variabel endogen Pengeluaran Konsumsi Rumah Tangga (PKRTt)

dan Pembentukan Modal Tetap Bruto (PMTBt). Persamaan identitas dalam blok

ini adalah Produk Domestik Regional Bruto (PDRB) Sisi Permintaan (PDRBEXPt)

dan Pengeluaran Rumah Tangga per Kapita (KRTCAPt).

1. Pengeluaran Konsumsi Rumah Tangga

Dugaan parameter persamaan Pengeluaran Konsumsi Rumah Tangga

(PKRTt) memberikan nilai koefisien determinasi sebesar 99.95 persen. Hal ini

berarti variasi dari dua variabel penjelasnya, yaitu Produk Domestik Regional

Broto Sektor (PDRBSECt) dapat menjelaskan 99.95 persen fluktuasi nilai variabel

Pengeluaran Konsumsi Rumah Tangga. Variabel Pengeluaran Konsumsi Rumah

Tangga ini dipengaruhi nyata oleh PDRBSECt pada taraf nyata (α) 5 persen.

Uraian lebih lanjut dapat diperiksa pada Tabel 15.

Tabel 15. Hasil Dugaan Parameter Parameter Persamaan Pengeluaran Konsumsi Rumah Tangga Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

PKRTt Pengeluaran Konsumsi Rumah Tangga

Intercep -1 641 900

Produk Domesrik Regional Bruto Sektoral

(PDRBSECt)

0.24469 0.0001 (A) 0.99

Populasi Penduduk (POPt) 932.8844 0.3576 (D) 0.27

F-Hitung = 186.14 (Prob > F = 0.0001); R2 = 0.9995

Produk Domestik Regional Bruto Sektor (PDRBSECt) merupakan faktor

yang berpengaruh nyata pada taraf (α) 5 persen terhadap Pengeluaran Konsumsi

Rumah Tangga dengan nilai dugaan parameter 0.524469. Artinya jika PDRB

sektor naik Rp. 1 juta (100 persen) maka Pengeluaran Konsumsi Rumah Tangga

110

akan berpotensi meningkat Rp. 0.524469 juta (52.45 persen). Peningkatan PDRB

sektor di suatu provinsi akan meningkatkan Pengeluaran Konsumsi Rumah

Tangga provinsi yang bersangkutan.

Populasi Penduduk mempengaruhi Pengeluaran Konsumsi Rumah Tangga

dengan nilai dugaan parameter 932.8044. Artinya jika populasi naik 1 000 orang

maka Pengeluaran Konsumsi Rumah Tangga akan meningkat Rp. 932.8044 juta.

Provinsi dengan jumlah penduduk yang lebih banyak melakukan pengeluaran

rumah tangga yang lebih tinggi di provinsi yang bersangkutan. Namun pengaruh

Populasi Penduduk bagi pengeluaran rumah tangga provinsi yang bersangkutan

secara statistik kurang signifikan karena nilai α > 15 persen.

Elastisitas PDRB sektor dan elastisitas populasi berturut-turut sebesar 0.99

dan 0.27, menunjukkan bahwa Pengeluaran Konsumsi Rumah Tangga tidak

responsif terhadap kedua variabel di atas.

2. Pembentukan Modal Tetap Bruto

Dugaan parameter persamaan Pembentukan Modal Tetap Bruto (PMTBt)

memberikan nilai koefisien determinasi sebesar 99.63 persen. Hal ini berarti

variasi dari dua variabel penjelasnya, yaitu Produk Domestik Regional Bruto

Sektor (PDRBSECt), dan Kredit Usaha Kecil (KUKt) dapat menjelaskan 99.63

persen fluktuasi variabel Pembentukan Modal Tetap Bruto. Variabel endogen di

dalam persamaan Pembentukan Modal Tetap Bruto dipengaruhi secara nyata oleh

variabel Produk Domestik Regional Bruto Sektor (PDRBSECt) pada taraf nyata (α)

5 persen . Namun, variabel Kredit Usaha Kecil (KUKt) tidak berpengaruh nyata

pada taraf nyata (α) 15 persen. Untuk lebih jelasnya dapat dilihat pada Tabel 16.

111

Tabel 16. Hasil Dugaan Parameter Persamaan Pembentukan Modal Tetap Bruto Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

PMTBt Pembentukan Modal Tetap Bruto

Intercep 1 688 004

Produk Domestik Regional Bruto Sektoral

(PDRBSECt)

0.198449 0.0001 (A) 1.09

Kredit Usaha Kecil (KUKt) 201.6652 0.0402 (A) 0.08

F-Hitung = 29.19 (Prob > F = 0.0001); R2 = 0.9963

PDRB merupakan faktor yang berpengaruh nyata pada taraf (α) 5 persen

terhadap Pembentukan Modal Tetap Bruto dengan nilai dugaan parameter sebesar

0.198449. Artinya jika PDRB sektor naik Rp. 1 juta (100 persen) maka

Pembentukan Modal Tetap Bruto akan meningkat Rp. 0.198449 juta (19.84

persen) . Peningkatan PDRB sektor di suatu provinsi berpotensi meningkatkan

Pembentukan Modal Tetap Bruto provinsi yang bersangkutan.

Kredit Usaha Kecil juga merupakan faktor yang berpengaruh nyata pada

taraf (α) 5 persen terhadap Pembentukan Modal Tetap Bruto dengan nilai dugaan

parameter 201.6652. Artinya jika Kredit Usaha Kecil naik Rp. 1 juta maka

Pembentukan Modal Tetap Bruto akan meningkat Rp. 201.6652 juta. Fluktuasi

Pembentukan Modal Tetap Bruto lebih besar dari Kredit Usaha Kecil, karena di

dalam Pembentukan Modal Tetap Bruto terdapat Kredit Usaha Kecil.

Elastisitas PDRB sektor dan elastisitas Kredit Usaha Kecil berturut-turut

sebesar 1.09 dan 0.08, menunjukkan bahwa perubahan Pembentukan Modal Tetap

Bruto responsif terhadap perubahan PDRB, tetapi tidak responsif terhadap Kredit

Usaha Kecil.

112

6.2.4. Blok Penawaran Agregat

Blok penawaran agregat direpresentasikan oleh PDRB sektoral

(PDRBSECt). Persamaan PDRBSECt merupakan persamaan identitas yang

tersusun dari Total Produksi Sektor Pertanian (TQSTt), Total Produksi Sektor

Industri (TQSIt), Total Produksi Sektor Bangunan dan Infrastruktur (TQSBt), dan

Total Produksi Sektor Lain-Lain (TQSLLt). Keempat sektor ini merupakan

variabel endogen persamaan struktural, yang hasil pendugaan parameter variabel

penjelasnya diuraikan di bawah ini.

1. Total Produksi Sektor Pertanian

Dugaan parameter persamaan Total Produksi Sektor Pertanian memberikan

nilai koefisien determinasi sebesar 99.62 persen. Hal ini berarti variasi dari dua

variabel bebasnya, yaitu Belanja Pemerintah Sektor Pertanian dan Pembentukan

Modal Tetap Bruto dapat menjelaskan 99.62 persen fluktuasi variabel Total

Produksi Sektor Pertanian. Hasil dugaan parameter persamaan Total Produksi

Sektor Pertanian sebagaimana Tabel 17

Tabel 17. Hasil Dugaan Parameter Persamaan Total Produksi Sektor Pertanian Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

TQSTt Total Produksi Sektor Pertanian

Intercep -3 342 166

Logaritma Tenaga Kerja Sektor Pertanian

(LOGTKSTt)

484 676.2 0.7078 (D) 0.59

Belanja Pemerintah Sektor Pertanian (GPSTt) 5.170432 0.0001 (A) 0.12

F-Hitung = 234.73 (Prob > F = 0.0001); R2 = 0.9962

Belanja Pemerintah Sektor Pertanian merupakan faktor yang berpengaruh

nyata pada taraf (α) 5 persen terhadap Total Produksi Sektor Pertanian dengan

nilai dugaan parameter 5.170432. Artinya jika Belanja Pemerintah Sektor

113

Pertanian naik Rp. 1 juta maka Total Produksi Sektor Pertanian akan meningkat

Rp. 5.17 juta. Kenaikan pada Belanja Pemerintah Sektor Pertanian di suatu

provinsi akan menaikkan Total Produksi Sektor Pertanian provinsi yang

bersangkutan.

Tenaga Kerja Sektor Pertanian juga berpengaruh terhadap Total Produksi

Sektor Pertanian dengan nilai dugaan parameter logaritmanya sebesar 484 676.2.

Artinya Logaritma Tenaga Kerja Sektor Pertanian (logTKSTt) meningkat 1 satuan

maka Total Produksi Sektor Pertanian akan meningkat Rp. 404 676.2 juta.

Kenaikan pada Logaritma Tenaga Kerja Sektor Pertanian di suatu provinsi akan

menaikkan Total Produksi Sektor Pertanian provinsi yang bersangkutan.

Elastisitas Logaritma Tenaga Kerja Sektor Pertanian dan elastisitas Belanja

Pemerintah Sektor Pertanian berturut-turut sebesar 0.59 dan 0.12 menunjukkan

bahwa perubahan nilai kedua variabel ini tidak responsif terhadap perubahan

variabel Total Produksi Sektor Pertanian.

2. Total Produksi Sektor Industri

Dugaan parameter persamaan Total Produksi Sektor Industri memberikan

nilai koefisien determinasi sebesar 99.50 persen. Hal ini berarti variasi dari dua

penjelasnya, yaitu Tenaga Kerja Sektor Industri dan Belanja Pemerintah Sektor

Industri dapat menjelaskan 99.50 persen fluktuasi variabel Total Produksi Sektor

Industri. Hasil dugaan parameter selengkapnya sebagaimana Tabel 18.

Tenaga Kerja Sektor Industri merupakan faktor yang berpengaruh nyata

pada taraf (α) 5 persen terhadap Total Produksi Sektor Industri dengan nilai

dugaan parameter 47.97678. Artinya jika Tenaga Kerja Sektor Industri naik 1

orang maka Total Produksi Sektor Industri akan meningkat Rp. 47.98 juta.

114

Kenaikan pada Tenaga Kerja Sektor Industri di suatu provinsi akan menaikkan

Total Produksi Sektor Industri provinsi yang bersangkutan.

Tabel 18. Hasil Dugaan Parameter Persamaan Total Produksi Sektor Industri Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

TQSIt Total Produksi Sektor Industri

Intercep -633 306

Tenaga Kerja Sektor Industri (TKSIt) 47.97675 0.0001 (A) 1.37

Belanja Pemerintah Sektor Industri

(GPSIt)

41.00406 0.2307 (D) 0.05

F-Hitung = 128.14 (Prob > F = 0.0001); R2 = 0.9950

Belanja Pemerintah Sektor Industri juga berpengaruh terhadap Total

Produksi Sektor Industri dengan nilai dugaan parameter 41.00. Artinya jika

Belanja Pemerintah Sektor Industri naik sebesar Rp. 1 juta maka Total Produksi

Sektor Industri akan meningkat Rp. 41.00 juta. Kenaikan pada Belanja

Pemerintah Sektor Industri di suatu provinsi akan menaikkan Total Produksi

Sektor Industri provinsi yang bersangkutan.

Elastisitas Tenaga Kerja Sektor Industri dan elastisitas Belanja Pemerintah

Sektor Industri berturut-turut sebesar 1.37 dan 0.05, menunjukkan bahwa Total

Produksi Sektor Industri responsif terhadap perubahan Tenaga Kerja Sektor

Industri, tetapi tidak responsif terhadap Belanja Pemerintah Sektor Industri.

3. Total Produksi Sektor Bangunan dan Infrastruktur

Dugaan parameter persamaan Total Produksi Sektor Bangunan dan

Infrastruktur memberikan nilai koefisien determinasi sebesar 99.65 persen. Hal

ini berarti variasi dari tiga variabel penjelasnya, yaitu Tren Tenaga Kerja Sektor

Bangunan dan Infrastruktur, Belanja Pemerintah Sektor Bangunan dan

Infrastruktur, dan Jumlah Kendaraan dapat menjelaskan 99.65 persen fluktuasi

115

variabel Total Produksi Sektor Bangunan dan Infrastruktur. Hasil dugaan

parameter persamaan Total Produksi Sektor Bangunan dan Infrastruktur

sebagaimana Tabel 19.

Tabel 19. Hasil Dugaan Parameter Persamaan Total Produksi Sektor Bangunan dan Infrastruktur Tahun 2004-2008

Variabel Dugaan Parameter Prob >[t] Elastisitas

TQSBt Total Produksi Sektor Bangunan dan

Infrastruktur

Intercept 708 031.3

Tren Tenaga Kerja Sektor Bangunan dan

Infrastruktur (TTKKSBt)

0.683962 0.0001 (A) 0.13

Belanja Pemerintah Sektor Bangunan dan

Infrastruktur (GPSBt)

0.371688 0.0001 (A) 0.14

Jumlah Kendaraan (JLHKt) 0.095129 0.1357 (C) 0.05

F-Hitung = 193.63 (Prob > F = 0.0001); R2 = 0.9965

Tren Tenaga Kerja Sektor Bangunan dan Infrastruktur merupakan faktor

yang berpengaruh nyata pada taraf (α) 5 persen terhadap Total Produksi Sektor

Bangunan dan Infrastruktur dengan nilai dugaan parameter 0.683962. Artinya

jika tren tenaga kerja sektor bangunan naik 1 persen maka Total Produksi Sektor

Bangunan dan Infrastruktur akan meningkat 0.68 persen.

Belanja Pemerintah Sektor Bangunan dan Infrastruktur merupakan faktor

yang berpengaruh nyata pada taraf (α) 5 persen terhadap Total Produksi Sektor

Bangunan dan Infrastruktur dengan nilai dugaan parameter 0.371688. Artinya

jika Belanja Pemerintah Sektor Bangunan dan Infrastruktur naik Rp. 1 juta (100

persen) maka Total Produksi Sektor Bangunan dan Infrastruktur akan meningkat

Rp. 0.3717 juta (37.17 persen). Peningkatan pada Belanja Pemerintah Sektor

Bangunan dan Infrastruktur di suatu provinsi akan meningkatkan Total Produksi

Sektor Bangunan dan Infrastruktur provinsi yang bersangkutan.

116

Jumlah Kendaraan merupakan faktor yang berpengaruh nyata pada taraf (α)

15 persen terhadap Total Produksi Sektor Bangunan dan Infrastruktur dengan

nilai dugaan parameter 0.0951. Artinya jika terjadi kenaikan 1 kendaraan maka

Total Produksi Sektor Bangunan dan Infrastruktur akan meningkat Rp. 0.0951

juta. Kenaikan pada Jumlah Kendaraan di suatu provinsi akan menaikkan Total

Produksi Sektor Bangunan dan Infrastruktur provinsi yang bersangkutan.

Elastisitas Tren Tenaga Kerja Sektor Industri, elastisitas Belanja Pemerintah

Sektor Industri, dan Jumlah Kendaraan berturut-turut sebesar 0.13 dan 0.14 serta

0.05, menunjukkan bahwa perubahan Total Produksi Sektor Industri tidak

responsif terhadap perubahan ketiga variabel penjelasnya.

4. Total Produksi Sektor Lain-Lain

Dugaan parameter persamaan Total Produksi Sektor Lain-Lain memberikan

nilai koefisien determinasi sebesar 99.57 persen. Hal ini berarti variasi dari dua

variabel penjelasnya, yaitu Tenaga Kerja Sektor Lain-Lain , Belanja Pemerintah

Sektor Lain-Lain, dan Jumlah Kendaraan dapat menjelaskan 99.57 persen

fluktuasi variabel Total Produksi Sektor Lain-Lain. Hasil dugaan parameternya

dapat dilihat pada Tabel 20.

Tabel 20. Hasil Dugaan Parameter Persamaan Total Produksi Sektor Lain-Lain Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

TQSLLt Total Produksi Sektor Lain-Lain

Intercep 9 963 777

Tenaga Kerja Sektor Lain-Lain (TKKSLt) 9.25683 0.0001 (A) 0.46

Belanja Pemerintah Sektor Lain-Lain

(GPSLLt)

0.540797 0.0544 (B) 0.08

Jumlah Kendaraan (JLHKt) 2.262018 0.0006 (A) 0.12

F-Hitung = 202.13 (Prob > F = 0.0001); R2 = 0.9957

117

Tenaga Kerja Sektor Lain-Lain merupakan faktor yang berpengaruh nyata

pada taraf (α) 5 persen terhadap Total Produksi Sektor Lain-Lain dengan nilai

dugaan parameter 9.25683. Artinya jika Tenaga Kerja Sektor Lain-Lain naik 1

orang maka Total Produksi Sektor Lain-Lain akan meningkat Rp. 9.25683 juta.

Peningkatan pada Tenaga Kerja Sektor Lain-Lain di suatu provinsi akan

menaikkan Total Produksi Sektor Lain-Lain provinsi yang bersangkutan.

Belanja Pemerintah Sektor Lain-Lain merupakan faktor yang berpengaruh

nyata pada taraf (α) 10 persen terhadap Total Produksi Sektor Lain-Lain dengan

nilai dugaan parameter 0.540797. Artinya jika Belanja Pemerintah Sektor Lain-

Lain naik Rp. 1 juta (100 persen) maka Total Produksi Sektor Lain-Lain akan

meningkat sebesar Rp. 0.5408 juta. Peningkatan pada Belanja Pemerintah Sektor

Lain-Lain di suatu provinsi akan peningkatan Total Produksi Sektor Lain-Lain

provinsi yang bersangkutan.

Jumlah Kendaraan merupakan faktor yang berpengaruh nyata pada taraf (α)

5 persen terhadap Total Produksi Sektor Lain-Lain dengan nilai dugaan parameter

2,2620. Artinya jika terjadi kenaikan 1 Jumlah Kendaraan maka Total Produksi

Sektor Lain-Lain akan meningkat Rp. 2.26 juta. Kenaikan pada Jumlah Kendaraan

di suatu provinsi akan menaikkan Total Produksi Sektor Lain-Lain provinsi yang

bersangkutan.

Elastisitas Tenaga Kerja Sektor Lain-Lain , Belanja Pemerintah Sektor Lain-

Lain, dan Jumlah Kendaraan berturut-turut sebesar 0.46 dan 0.08 serta 0.12,

menunjukkan bahwa perubahan Total Produksi Sektor Lain-Lain tidak responsif

terhadap perubahan ketiga variabel penjelasnya.

118

6.2.5. Blok Tenaga Kerja

Blok tenaga kerja terdiri atas persamaan struktural Tenaga Kerja Sektor

Pertanian (TKSTt), Tenaga Kerja Sektor Industri (TKSIt), Tenaga Kerja Sektor

Bangunan dan Infrastruktur (TKSBt), Tenaga Kerja Sektor Lain-Lain (TKKSLt).

Di samping itu terdapat persamaan identitas, yaitu persamaan identitas tenaga

kerja sektor (TKSt), dan persamaan identitas Pengangguran (Ut). Berikut ini

adalah pembahasan untuk persamaan struktural, sedang persamaan identitas tidak

dibahas karena parameternya sama dengan 1.

1. Tenaga Kerja Sektor Pertanian

Dugaan parameter persamaan Tenaga Kerja Sektor Pertanian memberikan

nilai koefisien determinasi sebesar 99.65 persen. Hal ini berarti variabel Total

Produksi Sektor Pertanian dapat menjelaskan 99.65 persen fluktuasi variabel

Tenaga Kerja Sektor Pertanian. Rincian hasil dugaan parameternya dapat dilihat

pada Tabel 21.

Tabel 21. Hasil Dugaan Parameter Persamaan Tenaga Kerja Sektor Pertanian Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

TKSTt Tenaga Kerja Sektor Pertanian

Intercep 878 637.3

Total Produksi Sektor Pertanian (TQSTt) 0.000212 0.9876 (D) 0

F-Hitung = 210.27 (Prob > F = 0.0001); R2 = 0.9965

Total Produksi Sektor Pertanian merupakan faktor yang berpengaruh

terhadap Tenaga Kerja Sektor Pertanian dengan nilai dugaan parameter 0.000212.

Artinya jika Total Produksi Sektor Pertanian naik Rp. 1 triliyun, maka Tenaga

Kerja Sektor Pertanian akan meningkat 212 orang. Peningkatan produksi sektor

119

pertanian di suatu provinsi akan menaikkan permintaan Tenaga Kerja Sektor

Pertanian di provinsi yang bersangkutan.

2. Tenaga Kerja Sektor Industri

Dugaan parameter persamaan Tenaga Kerja Sektor Industri memberikan

nilai koefisien determinasi sebesar 99.85 persen. Hal ini berarti variabel Total

Produksi Sektor Pertanian dapat menjelaskan 99.85 persen dari fluktuasi variabel

Tenaga Kerja Sektor Industri. Hasil estimasi selengkapnya pada Tabel 22.

Tabel 22. Hasil Dugaan Parameter Persamaan Tenaga Kerja Sektor Industri Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

TKSIt Tenaga Kerja Sektor Industri (TKSI)

Intercep 3 274.099

Total Produksi Sektor Industri (TQSIt) 0.012318 0.0001 (A) 0.43

F-Hitung = 591.34 (Prob > F = 0.0001); R2 = 0.9985

Total Produksi Sektor Industri berpengaruh nyata pada taraf (α) 5 persen

terhadap Tenaga Kerja Sektor Industri dengan nilai dugaan parameter 0.012318.

Artinya jika Total Produksi Sektor Industri naik Rp. 1 juta, maka Tenaga Kerja

Sektor Industri akan meningkat 0.012318 orang. Peningkatan Total Produksi

Sektor Industri di suatu provinsi akan menaikkan Tenaga Kerja Sektor Industri

provinsi yang bersangkutan. Di samping itu elastisitas Total Produksi Sektor

Industri sebesar 0.43 menunjukkan bahwa perubahan Tenaga Kerja Sektor

Industri tidak responsif terhadap total peroduksi sektor industri.

3. Tenaga Kerja Sektor Bangunan dan Infrastruktur

Dugaan parameter persamaan Tenaga Kerja Sektor Bangunan dan

Infrastruktur memberikan nilai koefisien determinasi sebesar 99.21 persen. Hal ini

berarti variabel penjelasnya, yaitu rasio Total Produksi Sektor Bangunan dan

120

Infrastruktur, dapat menjelaskan 99.21 persen fluktuasi variabel Tenaga Kerja

Sektor Bangunan dan Infrastruktur. Hasil dugaan parameter persamaan Tenaga

Kerja Sektor Bangunan dan Infrastruktur adalah sebagaimana Tabel 23.

Tabel 23. Hasil Dugaan Parameter Persamaan Tenaga Kerja Sektor Bangunan dan Infrastruktur Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

TKSBt Tenaga Kerja Sektor Bangunan dan

Infrastruktur

Intercep -20 827.4

Rasio Total Produksi Sektor Bangunan

dan Infrastruktur (RTQSBt)

781 324.4 0.1556 (D) 0.32

F-Hitung = 511.99 (Prob > F = 0.0001); R2 = 0.9921

Rasio Total Produksi Sektor Bangunan dan Infrastruktur terhadap produk

domestik bruto sektoral (TQSBt/PDRBSECt) merupakan faktor yang berpengaruh

nyata terhadap Tenaga Kerja Sektor Bangunan dan Infrastruktur dengan nilai

dugaan parameter 781 324.4. Artinya jika rasio Total Produksi Sektor Bangunan

dan Infrastruktur meningkat dalam bilangan 1, maka Tenaga Kerja Sektor

Bangunan dan Infrastruktur akan meningkat 781 324.4 orang.

Peningkatan rasio Total Produksi Sektor Bangunan dan Infrastruktur di

suatu provinsi akan meningkatkan Tenaga Kerja Sektor Bangunan dan

Infrastruktur provinsi bersangkutan. Namun, rasio Total Produksi Sektor

Bangunan dan Infrastruktur ini hanya memiliki elastisitas 0.32, atau

perubahannya tidak responsif terhadap perubahan Tenaga Kerja Sektor Bangunan

dan Infrastruktur.

3. Tenaga Kerja Sektor Lain-Lain

Dugaan parameter persamaan Tenaga Kerja Sektor Lain-Lain (TKKSLt)

memberikan nilai koefisien determinasi sebesar 99.81 persen. Hal ini berarti

121

variabel penjelasnya, yaitu Total Produksi Sektor Lain-Lain dapat menjelaskan

99.81 persen fluktuasi variabel Tenaga Kerja Sektor Lain-Lain. Hasil dugaan

parameter persamaan Tenaga Kerja Sektor Lain-Lain sebagaimana Tabel 24.

Tabel 24. Hasil Dugaan Parameter Persamaan Tenaga Kerja Sektor Lain-Lain Tahun 2004-2008

Variabel Dugaan Parameter Prob >[t] Elastisitas

TKKSLt Tenaga Kerja Sektor Lain-Lain

Intercep -196 373

Total Produksi Sektor Lain-Lain

(TQSLLt)

0.028022 0.0001 (A) 0.56

F-Hitung = 675.91 (Prob > F = 0.0001); R2 = 0.9981

Total Produksi Sektor Lain-Lain merupakan faktor yang berpengaruh nyata

pada tingkat α = 5 persen terhadap Tenaga Kerja Sektor Lain-Lain dengan nilai

dugaan parameter 0.028022. Artinya jika Total Produksi Sektor Lain-Lain

meningkat Rp. 1 triliyun, maka Tenaga Kerja Sektor Lain-Lain akan meningkat

28 022 orang.

Peningkatan Total Produksi Sektor Lain-Lain di suatu provinsi akan

meningkatkan Tenaga Kerja Sektor Lain-Lain provinsi bersangkutan. Namun,

Elastisitas Total Produksi Sektor Lain-Lain hanya 0.56, atau perubahannya tidak

responsif terhadap perubahan Tenaga Kerja Sektor Lain-Lain .

6.2.6. Blok Indeks Pembangunan Manusia

Dugaan parameter pada blok Indeks Pembangunan Manusia meliputi

persamaan struktural untuk variabel endogen Angka Harapan Hidup (AHHt),

Angka Melek Huruf (AMHt), Rata-rata Lama Sekolah (RLSt), Daya Beli (PPPt),

dan Tingkat Kemiskinan Desa dan Kota (TKDKt). Persamaan identitas dalam

blok ini, yaitu Indeks Hidup Panjang (IHPt), Indeks Pendidikan (IPt), Indeks

122

Hidup Layak (IHLt), dan Indeks Pembangunan Manusia (IPMt), tidak dicari

dugaan parameternya.

1. Angka Harapan Hidup

Dugaan parameter persamaan Angka Harapan Hidup memberikan nilai

koefisien determinasi sebesar 98.51 persen. Hal ini berarti variasi dari dua

variabel penjelasnya, yaitu Belanja Sektor Kesehatan dan Pengeluaran Konsumsi

Rumah Tangga per Kapita, dapat menjelaskan 98.51 persen fluktuasi variabel

Angka Harapan Hidup. Hasil estimasi selengkapnya sebagaimana Tabel 25.

Tabel 25. Hasil Dugaan Parameter Persamaan Angka Harapan Hidup Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

AHHt Angka Harapan Hidup

Intercep 61.44018

Belanja Sektor Kesehatan (BSKt) 1.228E-6 0.0121 (A) 0.01

Pengeluaran Konsumsi Rumah Tangga

per Kapita (KRTCAPt)

0.001325 0.0001 (A) 0.06

F-Hitung = 241.18 (Prob > F = 0.0001); R2 = 0.9851

Belanja Sektor Kesehatan merupakan faktor yang berpengaruh nyata pada

taraf (α) 5 persen terhadap variabel Angka Harapan Hidup dengan nilai dugaan

parameter 1.228E-6. Artinya jika Belanja Sektor Kesehatan naik Rp. 1 juta maka

Angka Harapan Hidup akan meningkat 1.228E-6 tahun, atau jika Belanja Sektor

Pendidikan meningkat Rp. 1 triliun maka Angka Harapan Hidup akan meningkat

1.23 tahun. Kenaikan pada Belanja Sektor Kesehatan di suatu provinsi akan

menaikkan Angka Harapan Hidup provinsi yang bersangkutan.

Pengeluaran Konsumsi Rumah Tangga per Kapita berpengaruh nyata pada

taraf (α) 5 persen terhadap Angka Harapan Hidup dengan nilai dugaan parameter

0.001325. Jika Pengeluaran Konsumsi Rumah Tangga per Kapita meningkat

123

sebesar Rp. 1 000 maka Angka Harapan Hidup akan meningkat sebesar 0.001325

tahun, atau jika Pengeluaran Konsumsi Rumah Tangga per Kapita meningkat

sebesar Rp. 1 juta maka Angka Harapan Hidup akan meningkat sebesar 1.325

tahun. Kenaikan pengeluaran rumah tangga per kapita akan menyebabkan Angka

Harapan Hidup meningkat, sehingga provinsi dengan pengeluaran rumah tangga

per kapita meningkat akan meningkatkan pula Angka Harapan Hidup.

Elastisitas Belanja Sektor Pendidikan dan elastisitas pengeluaran rumah

tangga per kapita berturut-turut sebesar 0.01 dan 0.06, menunjukkan bahwa

perubahan nilai kedua variabel ini tidak responsif terhadap perubahan variabel

Angka Harapan Hidup.

2. Angka Melek Huruf

Dugaan parameter persamaan Angka Melek Huruf memberikan nilai

koefisien determinasi sebesar 99.48 persen. Hal ini berarti variasi dari tiga

variabel penjelasnya, yaitu Belanja Sektor Kesehatan, Belanja Sektor Pendidikan

pendidikan dan Pengeluaran Konsumsi Rumah Tangga per Kapita, dapat

menjelaskan 99.48 persen fluktuasi variabel Angka Melek Huruf. Hasil dugaan

parameter persamaan Angka Melek Huruf sebagaimana Tabel 26.

Tabel 26. Hasil Dugaan Parameter Persamaan Angka Melek Huruf Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

AMHt Angka Melek Huruf

Intercep 71.15078

Belanja Sektor Kesehatan (BSKt) 5.312E-7 0.7382 (D) 0,01

Belanja sektor pendidikan (BSPt) 4.04E-7 0.3774 (D) 0.01

Pengeluaran Konsumsi Rumah Tangga per

Kapita (KRTCAPt)

0.000856 0.0090 (A) 0.03

F-Hitung = 640.59 (Prob > F = 0.0001); R2 = 0.9948

124

Belanja Sektor Kesehatan berpengaruh terhadap variabel Angka Melek

Huruf dengan nilai dugaan parameter 5.312E-7. Artinya jika Belanja Sektor

Pendidikan naik Rp. 1 juta maka Angka Melek Huruf akan meningkat 5.312E-7

persen, atau jika Belanja Sektor Pendidikan meningkat Rp. 1 triliun maka Angka

Melek Huruf akan meningkat 0.53 persen.

Belanja Sektor Pendidikan berpengaruh terhadap variabel Angka Melek

Huruf dengan nilai dugaan parameter 4.04E-7. Artinya jika Belanja Sektor

Pendidikan naik Rp. 1 juta maka Angka Melek Huruf akan meningkat 2.04E-7

persen, atau jika Belanja Sektor Pendidikan meningkat Rp. 1 triliun maka Angka

Melek Huruf akan meningkat 0.40 persen.

Pengeluaran Konsumsi Rumah Tangga per Kapita berpengaruh nyata pada

taraf (α) 5 persen terhadap Angka Melek Huruf dengan nilai dugaan parameter

0.000856. Jika pengeluaran rumah tangga per kapita meningkat sebesar Rp. 1000

maka Angka Melek Huruf akan meningkat sebesar 0.000856 persen, atau jika

pengeluaran rumah tangga per kapita meningkat sebesar Rp. 1 juta maka Angka

Melek Huruf akan meningkat sebesar 0.856 persen.

Elastisitas Belanja Sektor Kesehatan, elastisitas Belanja Sektor Pendidikan

dan elastisitas pengeluaran rumah tangga per kapita berturut-turut sebesar 0 dan

0.01 serta 0.03 menunjukkan bahwa perubahan nilai ketiga variabel ini tidak

responsif terhadap perubahan variabel Angka Melek Huruf.

3. Rata-rata Lama Sekolah

Dugaan parameter persamaan Rata-rata Lama Sekolah (RLSt) memberikan

nilai koefisien determinasi sebesar 98.95 persen. Hal ini berarti variasi dari tiga

variabel penjelasnya, yaitu Belanja Sektor Pendidikan (BSPt), Pengeluaran

125

Konsumsi Rumah Tangga per Kapita (KRTCAPt), dan Angka Putus Sekolah

Dasar (APSDt) dapat menjelaskan 98.95 persen fluktuasi variabel Rata-rata Lama

Sekolah. Hasil estimasi persamaan Rata-rata Lama Sekolah sebagaimana Tabel 27.

Tabel 27. Hasil Dugaan Parameter Persamaan Rata-rata Lama Sekolah Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

RLSt Rata-rata Lama Sekolah

Intercep 5.114478

Belanja Sektor Pendidikan (BSPt) 4.403E-8 0.1970 (D) 0.01

Pengeluaran Konsumsi Rumah Tangga per

Kapita (KRTCAPt)

0.000308 0.0001 (A) 0.13

Angka Putus Sekolah Dasar (APSDt) -0.08232 0.0253 (A) -0.01

F-Hitung = 287.24 (Prob > F = 0.0001); R2 = 0.9895

Belanja Sektor Pendidikan berpengaruh terhadap Rata-rata Lama Sekolah

dengan nilai dugaan parameter 4.403E-8. Artinya jika Belanja Sektor Pendidikan

naik Rp. 1 juta maka Rata-rata Lama Sekolah akan meningkat 4.403E-8 tahun,

atau jika Belanja Sektor Pendidikan naik Rp. 1 triliun maka Rata-rata Lama

Sekolah naik 0.044 tahun.

Pengeluaran Konsumsi Rumah Tangga per Kapita berpengaruh nyata pada

taraf (α) 5 persen terhadap Rata-rata Lama Sekolah dengan nilai dugaan parameter

0.000308. Jika Pengeluaran Konsumsi Rumah Tangga per Kapita meningkat

sebesar Rp. 1 000 maka Rata-rata Lama Sekolah akan meningkat sebesar

0.000308 tahun, atau jika Pengeluaran Konsumsi Rumah Tangga per Kapita

meningkat sebesar Rp. 1 juta maka Rata-rata Lama Sekolah akan meningkat

sebesar 0.308 tahun. Kenaikan Pengeluaran Konsumsi Rumah Tangga per Kapita

menyebabkan Rata-rata Lama Sekolah meningkat sehingga provinsi dengan

126

Pengeluaran Konsumsi Rumah Tangga per Kapita yang meningkat akan

meningkatkan pula Rata-rata Lama Sekolah.

Angka Putus Sekolah Dasar (APSDt) juga berpengaruh nyata pada taraf (α)

5 persen terhadap Rata-rata Lama Sekolah dengan nilai dugaan parameter

-0.08232. Jika Angka Putus Sekolah Dasar meningkat sebesar 1 persen maka

Rata-rata Lama Sekolah menurun sebesar 0.08232 tahun. Kenaikan Angka Putus

Sekolah Dasar menyebabkan Rata-rata Lama Sekolah menurun,.

Elastisitas Belanja Sektor Pendidikan, elastisitas Pengeluaran Konsumsi

Rumah Tangga per Kapita, dan elastisitas Angka Putus Sekolah Dasar berturut-

turut sebesar 0.01 dan 0.13 serta -0.01 menunjukkan bahwa perubahan nilai ketiga

variabel ini tidak responsif terhadap perubahan variabel Rata-rata Lama Sekolah.

4. Daya Beli

Dugaan parameter persamaan Daya Beli (PPPt) memberikan nilai koefisien

determinasi sebesar 94.11 persen. Hal ini berarti variasi dari dua variabel

penjelasnya, yaitu Pengangguran (Ut) dan Pengeluaran Konsumsi Rumah Tangga

per Kapita (KRTCAPt), dapat menjelaskan 94.11 persen fluktuasi variabel Daya

Beli. Tabel 28 menjelaskan rincian nilai dugaan parameternya.

Tabel 28. Hasil Dugaan Parameter Persamaan Daya Beli Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

PPPt Daya Beli

Intercep 519.7975

Pengangguran (Ut) -0.00002 0.0229 (A) -0.01

Pengeluaran Konsumsi Rumah Tangga per

Kapita (KRTCAPt)

0.017271 0.0001 (A) 0.09

F-Hitung = 60.41 (Prob > F = 0.0001); R2 = 0.9411

127

Pengangguran merupakan faktor yan g berpengaruh nyata pada taraf (α) 5

persen terhadap variabel Daya Beli dengan nilai dugaan parameter -0.00002.

Artinya jika Pengangguran naik 1 orang, maka secara rata-rata Daya Beli akan

menurun sebesar Rp. -0.02. Atau jika Pengangguran meningkat 1 000 orang maka

rata-rata Daya Beli turun Rp. 20.

Pengeluaran Konsumsi Rumah Tangga per Kapita berpengaruh nyata pada

taraf (α) 5 persen terhadap Daya Beli dengan nilai dugaan parameter 0.0173. Jika

Pengeluaran Konsumsi Rumah Tangga per Kapita meningkat sebesar Rp. 1 000

maka angka Daya Beli akan meningkat sebesar Rp. 0.0173, atau jika pengeluaran

rumah tangga per kapita meningkat sebesar Rp. 1 juta maka Daya Beli akan

meningkat sebesar Rp. 17.3.

Elastisitas belanja Pengangguran dan elastisitas Pengeluaran Konsumsi

Rumah Tangga per Kapita berturut-turut sebesar -0,01 dan 0,09 menunjukkan

bahwa perubahan nilai kedua variabel ini tidak responsif terhadap perubahan

variabel rata-rata Daya Beli.

5. Tingkat Kemiskinan Desa dan Kota

Dugaan parameter Tingkat Kemiskinan Desa dan Kota (TKDKt)

memberikan nilai koefisien determinasi sebesar 99.06 persen. Hal ini berarti

variabel Daya Beli dapat menjelaskan 99.06 persen fluktuasi variabel Tingkat

Kemiskinan Desa dan Kota. Hasil estimasi selengkapnya pada Tabel 29.

Daya Beli merupakan faktor yang berpengaruh nyata pada taraf (α) 5 persen

terhadap variabel Tingkat Kemiskinan Desa dan Kota dengan nilai dugaan

parameter -0.1218. Artinya jika Daya Beli per kapita naik Rp. 1 000 Tingkat

Kemiskinan Desa dan Kota turun 0.1218 persen. Atau jika Daya Beli per kapita

128

meningkat Rp. 100 ribu maka Tingkat Kemiskinan Desa dan Kota turun 12.18

persen.

Tabel 29. Hasil Dugaan Parameter Persamaan Tingkat Kemiskinan Desa dan Kota Tahun 2004-2008

Variabel Dugaan Parameter

Prob >[t] Elastisitas

TKDKt Tingkat Kemiskinan Desa dan Kota

Intercep 111.7009

Daya Beli (PPPt) -0.12184 0.0001 (A) -4.11

F-Hitung = 230.91 (Prob > F = 0.0001); R2 = 0.9906

Elastisitas Daya Beli terhadap Tingkat Kemiskinan Desa dan Kota adalah

sebesar -4.11 menunjukkan bahwa perubahan kemiskinan desa dan kota responsif

terhadap perubahan Daya Beli.

VII. RAMALAN DAMPAK KEBIJAKAN FISKAL SEKTOR PENDIDIKAN DAN SEKTOR KESEHATAN TERHADAP INDEKS PEMBANGUNAN MANUSIA TAHUN 2013-2015

Untuk meramalkan nilai variabel endogen, terlebih dahulu harus dilakukan

validasi model yang akan digunakan untuk peramalan. Selanjutnya diramalkan

nilai variabel penjelasnya, dengan menggunakan metode stepwise autoregresive

dengan prosedur forecast dan asumsi perubahan variabel penjelasnya memiliki

tren yang linier. Sedangkan ramalan variabel endogen dilakukan dengan prosedur

Simnlin dengan metode Newton.

7.1. Validasi Model

Sebelum melakukan simulasi, terlebih dahulu dilakukan validasi model

melalui Root Mean Squares Percent Error (RMSPE) dan statistik U-Theil.

RMSPE digunakan untuk mengukur persentase penyimpangan nilai dugaan dari

nilai aktualnya selama periode pengamatan. Sedangkan statistik U-Theil

digunakan untuk mengevaluasi kemampuan model bagi analisis simulasi. Hasil

validasi model disajikan dalam Tabel 30.

Setiap variabel endogen yang menjadi variabel terikat dalam 38 persamaan

simultan memiliki RMSPE dan U-Theil dengan nilai bervariasi. Untuk RMPSE

bernilai antara 0.70 persen sampai 146.40 persen, sedangkan U-Theil bernilai

antara 0.0032 sampai 0.1542.

RMPSE yang bernilai di atas 35 persen hanya dimiliki oleh 4 variabel

endogen dari total 38 variabel endogen, serta terkonpensasi oleh seluruh nilai U-

Theil-nya mendekati nol.

130

Tabel 30. Hasil Validasi Model Fiskal dan Indeks Pembangunan Manusia

Variabel Endogen Nama Variabel RMSPE

(%) U-Theil

PJKDt Pajak Daerah 146.40 0.1181 DAUt Dana Alokasi Umum 30.54 0.0801 PADt Pendapatan Asli Daerah 60.81 0.0771 DNPt Dana Perimbangan 33.69 0.1223 PATt Pendapatan Daerah 21.67 0.1005 BSPt Belanja Sektor Pendidikan 34.89 0.0871 BSKt Belanja Sektor Kesehatan 23.53 0.0974 GPSTt Belanja Pemerintah Sektor Pertanian 29.47 0.1468 GPSIt Belanja Pemerintah Sektor Industri 64.42 0.1542 GPSBt Belanja Pemerintah Sektor Bangun & Infrastruktur 26.85 0.1348 GPSLLt Belanja Pemerintah Sektor Lain-Lain 20.89 0.0930 BSPKt Belanja Sektor Pendidikan dan Kesehatan 29.24 0.0886 BLJt Belanja Daerah 22.08 0.1023 PKRTt Pengeluaran Konsumsi Rumah Tangga 8.00 0.0267 PMTBt Pembentukan Modal Tetap Bruto 24.53 0.0365 PDRBEXPt Produk Domestik Regional Bruto Pengeluaran 9.95 0.0244 KRTCAPt Konsumsi Rumah Tangga per Kapita 8.00 0.0451 TQSTt Total Produksi Sektor Pertanian 10.43 0.0242 TQSIt Total Produksi Sektor Industri 112.70 0.0500 TQSBt Total Produksi Sektor Bangunan & infrastruktur 25.25 0.0257 TQSLLt Total Produksi Sektor Lain Lain 10.88 0.0272 RTQSBt Rasio Total Produksi Sektor Bangun & Infrastr 23.01 0.0436 PDRBSECt Produk Domestik Regional Bruto Sektoral 10.88 0.0306 TKSTt Tenaga Kerja Sektor Pertanian 5.84 0.0204 TKSIt Tenaga Kerja Sektor Industri 73.31 0.0272 TKKSBt Tenaga Kerja Sektor Bangunan dan Infrastruktur 25.81 0.0379 TKKSLt Tenaga Kerja Sektor Lain Lain 13.34 0.0202 TKSt Tenaga Kerja Sektor 4.31 0.0155 Ut Pengangguran 75.27 0.1213 AHHt Angka Harapan Hidup 0.85 0.0042 AMHt Angka Melek Huruf 0.70 0.0032 RLSt Rata-rata Lama Sekolah 1.69 0.0077 PPPt Daya Beli 1.26 0.0063 TKDKt Tingkat Kemiskinan Desa dan Kota 7.59 0.0277 IHPt Indeks Hidup Panjang 1.35 0.0067 IPt Indeks Pendidikan 087 0.0039 IHLt Indeks Hidup Layak 3.06 0.0152 IPMt Indeks Pembangunan Manusia 1.52 0.0072

131

Hasil validasi model persamaan simultan tersebut di atas menunjukan

bahwa umumnya seluruh persamaan memiliki RMPSE yang cukup baik , dengan

nilai U-Theil yang kecil. Artinya nilai dugaannya cukup rapat dengan nilai

aktualnya, sehingga model persamaan simultan digolongkan baik untuk simulasi

kebijakan maupun peramalan. Khusus untuk 4 model persamaan struktural yang

memiliki RMSPE yang cukup besar, yang berarti nilai dugaan cukup jauh dari

nilai aktualnya, namun rata-rata memiliki nilai U-Theil cukup kecil, maka dapat

disimpulkan bahwa meskipun bias nilai dugaan 4 variabel ini cukup jauh dari nilai

aktual tetapi masih cukup baik untuk simulasi kebijakan maupun peramalan.

7.2. Ramalan Variabel Endogen tanpa Alternatif Skenario Kebijakan

Mengacu kepada data penelitian yang berselang waktu antara tahun 2004

sampai tahun 2008, maka dilakukan peramalan perkembangan variabel endogen

dengan selang waktu peramalan diawali dari tahun 2009 dan diakhiri tahun 2015

sebagai batas waktu pencapaian tujuan pembangunan milenium. Hasil peramalan

selengkapnya pada Lampiran 6. Namun, untuk keperluan pembahasan penulisan

disertasi ini peramalan akan dibatasi untuk tahun 2013 sampai dengan tahun 2015.

Ramalan variabel endogen tanpa alternatif kebijakan, disebut juga dengan

simulasi peramalan dasar, disajikan pada Tabel 31. Hasil simulasi menunjukan

bahwa pertumbuhan sumber pembiayaan daerah per tahun yang berasal dari

Pajak Daerah dan Dana Alokasi Umum masing masing sebesar 4.04 persen dan

7.04 persen, yang ikut mendorong peningkatan Pendapatan Daerah sebesar 6.67

persen per tahun. Pendapatan Daerah yang meningkat tersebut menjadi

pendukung peningkatan alokasi Belanja Daerah dengan rata-rata pertumbuhan per

tahun sebesar 8.05 persen.

132

Tabel 31. Hasil Ramalan Variabel Endogen Tanpa Alternatif Kebijakan Tahun 2013-2015

Variabel Endogen Tahun Pertumbuhan

(%) 2013 2014 2015 PJKDt 655 385.13 680 216.36 705 047.60 4.04 DAUt 4 495 843.58 4 778 458.52 5 061 073.45 7.04 PADt 1 124 061.19 1 180 913.48 1 237 765.78 5.52 PATt 8 259 153.41 8 754 133.65 9 249 113.90 6.67 BSPt 2 524 614.33 2 714 503.73 2 904 393.13 8.66 BSKt 805 995.18 865 230.93 924 466.68 8.43 GPSTt 410 106.70 436 207.50 462 308.30 7.14 GPSt 1 657 453.00 1 762 248.00 1 867 044.00 7.09 BSPKt 3 330 609.50 3 579 734.66 3 828 859.81 8.61 BLJt 9 467 803.48 10 136 573.67 10 805 343.86 8.05 PKRTt 33 152 664.88 34 126 362.58 35 100 855.49 3.08 PMTBt 12 010 677.97 12 422 519.08 12 834 661.22 3.62 PDRBEXPt 61 405 851.43 63 023 991.80 64 643 228.41 2.75 KRTCAPt 4 265.57 4 396.76 4 524.94 3.38 TQSTt 10 707 769.45 10 843 478.37 10 978 886.06 1.30 TQSIt 14 522 033.55 14 732 626.11 14 943 218.66 1.48 TQSBt 3 650 528.44 3 834 113.98 4 019 516.99 5.39 TQSLt 32 817 497.42 33 959 347.79 35 101 198.15 3.69 RTQSBt 0.07 0.07 0.07 2.15 PDRBSECt 61 697 828.87 63 369 566.25 65 042 819.87 2.83 TKSTt 1 454 053.06 1 454 081.83 1 454 110.53 0.00 TKSIt 389 951.60 392 545.68 395 139.76 0.67 TKKSBt 160 829.08 161 891.96 162 951.37 0.67 TKKSLt 1 459 803.14 1 491 800.07 1 523 797.00 2.27 TKSt 3 464 636.88 3 500 319.54 3 535 998.66 1.05 Ut 366 310.40 368 242.32 370 177.77 0.53 AHHt 70.08 70.32 70.56 0.36 AMHt 93.43 93.65 93.87 0.22 RLSt 8.07 8.12 8.18 0.72 PPPt 632.78 635.01 637.18 0.37 TKDKt 16.11 15.84 15.57 -0.28 IPMt 72.79 73.19 73.58 0.41

Belanja Daerah tersebut dilaksanakan berdasarkan sektor dengan laju

pertumbuhan per tahun masing masing sektor adalah Belanja Sektor Pendidikan

8.66 persen, Belanja Sektor Kesehatan 8.43 persen, kombinasi Belanja Sektor

Pendidikan dan Sektor Kesehatan 8.61 persen, Belanja Pemerintah Sektor

Pertanian 7.14 persen, Belanja Pemerintah Sektor Industri 7.74 persen, Belanja

133

Pemerintah Sektor Bangunan dan Infrastruktur 7.09 persen, dan Belanja

Pemerintah Sektor Lain-Lain 8.32 persen.

Pertumbuhan per tahun dari Produk Domestik Rgional Bruto (PDRB)

Sektoral Sisi Penawaran (PDRBSECt) sebesar 2.83 persen, dan PDRB Sisi

Permintaan (PDRBEXPt) sebesar 2.75 persen. Sementara pertumbuhan pajak dan

Belanja Pemerintah lebih tinggi, mengindikasikan bahwa penarikan pajak akan

semakin intensif untuk membiayai Belanja Pemerintah yang meningkat.

Sektor perekonomian yang akan diandalkan menjadi motor pertumbuhan ke

depan, berdasarkan kinerja pertumbuhan sektor berturut turut adalah sektor

bangunan dan infrastruktur 5.39 persen, sektor lain lain 3.69 persen, sektor

industri 1.48 persen, dan sektor pertanian 1.48 persen. Ditinjau dari kinerja total

produksi yang dihasilkan masing masing sektor, maka sektor perekonomian yang

diandalkan pada tahun 2015 adalah sektor lain lain Rp. 35 101 198 miliar, sektor

industri Rp. 14 943 219 miliar; sektor pertanian Rp. 10 978 886 miliar, dan sektor

bangunan dan infrastruktur Rp. 4 019 517 miliar.

Pertumbuhan Tenaga Kerja Sektor, yang merupakan pertumbuhan Angka

Partisipasi Kerja (APK) sektor per tahun sebesar 1.05 persen, tidak sebanding

dengan pertumbuhan penduduk per tahun sebesar 1.49 persen (BKKBN, 2012),

mengakibatkan angka Pengangguran meningkat 0.53 persen per tahun. Di sisi lain

pertumbuhan ekonomi yang positif mampu meningkatkan Daya Beli dengan

pertumbuhan per tahun sebesar 0.37 persen, sehingga secara langsung mengurangi

penduduk yang hidup di bawah garis kemiskinan. Pertanyaan yang belum

terjawab dalam penelitian ini adalah mengapa Pengangguran naik tetapi Daya Beli

tetap meningkat dan tingkat kemiskinan berkurang.

134

Kinerja perekonomian yang tumbuh positif tersebut mendorong

meningkatnya Belanja Pemerintah, termasuk Belanja Pemerintah Sektor

Pendidikan dan Belanja Pemerintah Sektor Kesehatan. Keadaan ini menstimulasi

pertumbuhan nilai pada komponen Indeks Pembangunan Manusia (IPM) per

tahun, yaitu pertumbuhan Daya Beli sebesar 0.37 persen, pertumbuhan Angka

Harapan Hidup sebesar 0.36 persen, Angka Melek Huruf sebesar 0.22 persen, dan

Rata-rata Lama Sekolah sebesar 0.72 persen. Pada akhirnya kinerja perekonomian

tersebut menghasilkan pertumbuhan Indeks Pembangunan Manusia sebesar 0.41

persen per tahun, sehingga Indeks Pembangunan Manusia tanpa alternatif

skenario kebijakan mencapai sebesar 73.58 pada tahun 2015. Pencapaian ini di

bawah sasaran tujuan pembangunan milenium sebesar 80. Adapun perbandingan

sasaran dan ramalan tujuan pembangunan milenium tahun 2015 sebagaimana

Tabel 32

Tabel 32. Sasaran dan Ramalan Pencapaian Tujuan Milenium Tahun 2015 tanpa Skenario Kebijakan

Indeks Indikator Tahun 2015

Satuan MDGs Ramalan

Hidup Angka Harapan Hidup (AHH) 72* 70.60 Tahun

Pendidikan 1. Angka Melek Huruf (AMH) 100 93.90 Persen

2. Rata-rata Lama Sekolah (RLS) 15 8.20 Tahun

Hidup Layak Daya Beli (PPP) 732.720 637.18 Rp 000 /Kap

Komposit Indeks Pembangunan Manusia (IPM) 80** 73.58 - Keterangan: *) Sasaran RPJMN tahun 2009-2014. **) Publikasi Pemda Jawa Barat Tahun 2010.

7.3. Dampak Skenario Kebijakan Periode Tahun 2013-2015

Skenario kebijakan dalam periode peramalan disimulasikan sebagai upaya

untuk memperbaiki kinerja perekonomian sekaligus kinerja pencapaian Indeks

Pembangunan Manusia. Terlebih dahulu masing-masing variabel ditentukan nilai

135

simulasi dasarnya pada periode peramalan menghasilkan rata-rata simulasi dasar.

Kemudian dilakukan shock terhadap variabel yang dijadikan instrumen skenario

kebijakan dalam periode peramalan yang menghasilkan nilai predicted. Selisih

antara nilai predicted dengan nilai rata-rata simulasi dasar adalah dampak

skenario kebijakan tersebut.

Tabel 33. Dampak Simulasi Kebijakan Terhadap Indikator Indeks Pembangunan Manusia Tahun 2013-2015

(%)

Alternatif Kebijakan

Indikator

Pengangguran Angka

Harapan Hidup

Angka Melek Huruf

Rata-rata

Lama Sekolah

Daya Beli

Tingkat Kemiskinan

Desa dan Kota

Indeks Pembangunan

Manusia

1. Belanja pendidikan dan kesehatan naik 20 persen

-4.99 0.28 0.22 0.29 0.16 -0.74 0.35

2. Dana Alokasi Umum naik 20 persen -5.1 0.4 0.25 0.65 0.44 -2.09 0.64

3. Belanja sektor bangunan naik 20 persen -2.34 0.14 0.09 0.24 0.17 -0.83 0.24

4. Kombinasi kebijakan I dan III -6.18 0.35 0.26 0.43 0.27 -1.27 0.48

5. Provinsi quantil 1 Indeks Pembangunan Manusia terendah naik Dana Alokasi Umum 40 persen, lainnya 20 persen

-6.19 0.49 0.32 0.82 0.56 -2.63 0.8

6. Provinsi quantil 1 dan 2 Indeks Pembangunan Manusia terendah naik Dana Alokasi Umum 40 persen, lainnya 20 persen

-7.84 0.58 0.38 0.94 0.65 -3.02 0.93

7. Provinsi quantil 1 dan 2 Indeks Pembangunan Manusia terendah total belanja naik 40 persen, lainnya 20 persen

-5.6 0.38 0.25 0.6 0.41 -1.91 0.6

8. Provinsi quantil 1 dan 2 Indeks Pembangunan Manusia terendah Belanja Sektor Pendidikan dan Kesehatan naik 40 persen, lainnya 20 persen

-9.13 0.52 0.43 0.63 0.35 -1.62 0.69

136

Skenario kebijakan dalam periode peramalan ini terdiri atas 8 skenario yang

hasil simulasi selengkapnya sebagaimana pada Lampiran 7. Tabel 33 berikut

menyajikan simulasi dampak 8 skenario kebijakan terhadap 7 variabel endogen

terpilih yang berkaitan erat dengan tujuan penelitian.

7.3.1. Kebijakan Belanja Pendidikan dan Sektor Kesehatan Naik 20 Persen

Skenario pertama, kebijakan peningkatan kombinasi dari Belanja Sektor

Pendidikan dan Belanja Sektor Kesehatan sebesar 20 persen hanya berdampak

kecil terhadap peningkatan kinerja Indeks Pembangunan Manusia, dan

penanggulangan kemiskinan serta pengurangan pengangguran, masing masing

dengan pertumbuhan rata-rata tahun 2009-2015 sebesar 0.35 persen, dan -0.74

persen, serta -4.99 persen. Kebijakan ini juga hanya berdampak kecil terhadap

peningkatan Angka Harapan Hidup, Angka Melek Huruf, Rata-rata Lama Sekolah,

dan Daya Beli, masing masing dengan pertumbuhan rata-rata tahun 2009-2015

sebesar 0.28 persen, 0.22 persen, 0.29 persen, dan 0.16 persen.

Kebijakan ini dibandingkan dengan 7 kebijakan lainnya, justru kebijakan

yang paling buruk dalam rangka peningkatan Daya Beli masyarakat dan

penanggulangan kemiskinan, serta hanya berada pada peringkat 7, satu peringkat

lebih baik dari kebijakan belanja sektor bangunan dan infrastruktur, dalam upaya

peningkatan Angka Melek Huruf dan Rata-rata Lama Sekolah.

Simulasi skenario alternatif kebijakan ini, selain berhasil merumuskan

dampak masing-masing kebijakan terhadap variabel endogennya, sebagaimana

Lampiran 7, juga berhasil meramal nilai masing masing variabel pada tahun

2013, tahun 2014, dan tahun 2015 sebagaimana pada Lampiran 8.

137

Sesuai dengan hasil ramalan yang diperoleh dari skenario I ini, yaitu

peningkatan Belanja Sektor Pendidikan dan Sektor Kesehatan sebanyak 20 persen,

maka sasaran dan pencapaian tujuan pembangunan milenium tahun 2015

sebagaimana Tabel 34.

Tabel 34. Dampak Kenaikan Belanja Pendidikan dan Kesehatan Sebesar 20 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015

Indeks Indikator Tahun 2015

Satuan MDGs Ramalan

Hidup Panjang Angka Harapan Hidup (AHH) 72* 70.79 Tahun

Pendidikan 1. Angka Melek Huruf (AMH) 100 94.11 Persen

2. Rata-rata Lama Sekolah (RLS) 15 8.20 Tahun

Hidup Layak Daya Beli (PPP) 732.720 638.18 Rp 000 /Kap

Komposit Indeks Pembangunan Manusia (IPM) 80** 73.86 - Keterangan: *) Sasaran RPJMN tahun 2009-2014. **) Publikasi Pemda Jawa Barat Tahun 2010.

7.3.2. Kebijakan Trasfer Dana Alokasi Umum Naik 20 Persen

Skenario kedua, kebijakan transfer Dana Alokasi Umum meningkat 20

persen sama dengan skenario pertama juga hanya berdampak kecil terhadap

peningkatan kinerja Indeks Pembangunan Manusia, penanggulangan kemiskinan

dan pengurangan pengangguran, masing masing dengan nilai pertumbuhan rata-

rata tahun 2009-2015 sebesar 0.64 persen, -2.09 persen, dan -5.10 persen.

Kebijakan ini juga hanya berdampak kecil terhadap pertumbuhan Angka Harapan

Hidup, Angka Melek Huruf, Rata-rata Lama Sekolah, dan Daya Beli, masing

masing dengan nilai 0.40 persen, 0.25 persen, 0.65 persen, dan 0.44 persen.

Kebijakan ini dibandingkan dengan 7 kebijakan lainnya, merupakan pilihan

ketiga terbaik dalam rangka peningkatan Daya Beli dan penanggulangan

kemiskinan serta Rata-rata Lama Sekolah. Posisi keempat untuk Angka Harapan

138

Hidup dan Indeks Pembangunan Manusia, posisi kelima untuk Angka Melek

Huruf, dan posisi keenam untuk Pengangguran.

Simulasi skenario alternatif kebijakan ini, selain berhasil merumuskan

dampak masing-masing kebijakan terhadap variabel endogennya, sebagaimana

telah diuraikan sebelumnya, juga berhasil meramal nilai masing masing variabel

pada tahun 2013, tahun 2014, dan tahun 2015 sebagaimana pada Lampiran 9.

Selanjutnya hasil ramalan tahun 2015 dijadikan dasar evaluasi pencapaian tujuan

pembangunan milenium tahun 2015 sebagaimana Tabel 35. Skenario 2 ini juga

belum berhasil mencapai sasaran tujuan pembangunan milenium.

Tabel 35. Dampak Kenaikan Dana Alokasi Umum Sebesar 20 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015

Indeks Indikator Tahun 2015

Satuan MDGs Ramalan

Hidup Panjang Angka Harapan Hidup (AHH) 72* 70.92 Tahun

Pendidikan 1. Angka Melek Huruf (AMH) 100 94.18 Persen

2. Rata-rata Lama Sekolah (RLS) 15 8.24 Tahun

Hidup Layak Daya Beli (PPP) 732.720 640.82 Rp 000 /Kap

Komposit Indeks Pembangunan Manusia (IPM) 80** 74.18 - Keterangan: *) Sasaran RPJMN tahun 2009-2014. **) Publikasi Pemda Jawa Barat Tahun 2010.

7.3.3. Kebijakan Belanja Pemerintah Sektor Bangunan dan Infrastruktur Naik 20 Persen

Skenario ketiga, kebijakan Belanja Pemerintah Sektor Bangunan dan

Infrastruktur meningkat sebesar 20 persen juga hanya berdampak kecil terhadap

peningkatan kinerja Indeks Pembangunan Manusia, dan penanggulangan

kemiskinan serta pengurangan pengangguran, masing masing dengan nilai sebesar

0.24 persen, dan -0.83 persen, serta -2.34 persen. Kebijakan ini juga hanya

berdampak kecil terhadap peningkatan Angka Harapan Hidup, Angka Melek

139

Huruf, Rata-rata Lama Sekolah, dan Daya Beli, masing masing dengan nilai 0.14

persen, 0.09 persen, 0.24 persen, dan 0.17 persen.

Kebijakan ini dibandingkan dengan 7 kebijakan lainnya, merupakan

prioritas terakhir, karena dampaknya pada posisi terakhir dalam rangka

peningkatan Angka Harapan Hidup, peningkatan Rata-rata Lama Sekolah,

peningkatan Indeks Pembangunan Manusia, dan penanggulangan Pengangguran.

Simulasi skenario alternatif kebijakan ini, selain berhasil merumuskan

dampak masing-masing kebijakan terhadap variabel endogennya, sebagaimana

telah diuraikan sebelumnya, juga berhasil meramal nilai masing masing variabel

pada tahun 2013, tahun 2014, dan tahun 2015 sebagaimana pada Lampiran 10.

Selanjutnya hasil ramalan tahun 2015 dijadikan dasar evaluasi pencapaian tujuan

pembangunan milenium tahun 2015 sebagaimana pada Tabel 36. Skenario 3 ini

juga belum berhasil mencapai sasaran tujuan pembangunan milenium.

Tabel 36. Dampak Kenaikan Belanja Sektor Bangunan dan Infrastruktur Sebesar 20 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015

Indeks Indikator Tahun 2015

Satuan MDGs Ramalan

Hidup Panjang Angka Harapan Hidup (AHH) 72* 70.70 Tahun

Pendidikan 1. Angka Melek Huruf (AMH) 100 93.98 Persen

2. Rata-rata Lama Sekolah (RLS) 15 8.20 Tahun

Hidup Layak Daya Beli (PPP) 732.720 638.67 Rp 000 /Kap

Komposit Indeks Pembangunan Manusia (IPM) 80** 73.81 - Keterangan: *) Sasaran RPJMN tahun 2009-2014. **) Publikasi Pemda Jawa Barat Tahun 2010.

7.3.4. Kombinasi Kebijakan Belanja Sektor Pendidikan, Sektor Kesehatan, dan Sektor Bangunan dan Infrastruktur Naik 20 Persen

Skenario keempat, kebijakan kombinasi Belanja Sektor Pendidikan, Belanja

Sektor Kesehatan, dan Belanja Pemerintah Sektor Bangunan dan Infrastruktur

140

meningkat sebesar 20 persen menunjukan kinerja yang lebih baik daripada

kebijakan peningkatan 20 persen belanja sektoral secara sendiri-sendiri. Tetapi

hasil simulasi skenario kebijakan kombinasi ini masih di bawah hasil simulasi

skenario kebijakan transfer Dana Alokasi Umum. Dampak yang dihasilkan oleh

kebijakan kombinasi ini terhadap peningkatan kinerja Indeks Pembangunan

Manusia, dan penanggulangan kemiskinan serta pengurangan pengangguran,

masing masing dengan nilai rata-rata tahun 2009-2014 berurutan sebesar 0.48

persen, dan -1.27 persen, serta -6.18 persen. Kebijakan ini masih berdampak kecil

terhadap peningkatan Angka Harapan Hidup, Angka Melek Huruf, Rata-rata

Lama Sekolah, dan Daya Beli, masing masing dengan nilai 0.35 persen, 0.26

persen, 0.43 persen, dan 0.27 persen.

Kebijakan ini dibandingkan dengan 7 kebijakan lainnya, merupakan

prioritas keempat dalam rangka penanggulangan pengangguran dan peningkatan

Angka Melek Huruf, pada prioritas keenam untuk peningkatan variabel endogen

lainnya (Tingkat Kemiskinan Desa dan Kota, Daya Beli, Angka Harapan Hidup,

Rata-rata Lama Sekolah, dan Indeks Pembangunan Manusia).

Simulasi skenario alternatif kebijakan ini, selain berhasil merumuskan

dampak masing-masing kebijakan terhadap variabel endogennya, sebagaimana

telah diuraikan sebelumnya, juga berhasil meramal nilai masing masing variabel

pada tahun 2013, tahun 2014, dan tahun 2015 sebagaimana pada Lampiran 11.

Selanjutnya hasil ramalan tahun 2015 dijadikan dasar evaluasi pencapaian tujuan

pembangunan milenium tahun 2015 sebagaimana pada Tabel 36. Skenario 4 ini

juga belum berhasil mencapai sasaran tujuan pembangunan milenium.

141

Tabel 37. Dampak Kenaikan Belanja Sektor Pendidikan, Sektor Kesehatan, dan Sektor Bangunan dan Infrastruktur Masing-Masing 20 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015

Indeks Indikator Tahun 2015

Satuan MDGs Ramalan

Hidup Panjang Angka Harapan Hidup (AHH) 72* 70.86 Tahun

Pendidikan 1. Angka Melek Huruf (AMH) 100 94.15 Persen

2. Rata-rata Lama Sekolah (RLS) 15 8.22 Tahun

Hidup Layak Daya Beli (PPP) 732.720 639.15 Rp 000 /Kap

Komposit Indeks Pembangunan Manusia (IPM) 80** 73.99 - Keterangan: *) Sasaran RPJMN tahun 2009-2014. **) Publikasi Pemda Jawa Barat Tahun 2010.

7.3.5. Kebijakan Afirmatif kepada Provinsi Quantil 1 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen

Skenario kelima, kebijakan afirmatif kepada provinsi quantil 1 Indeks

Pembangunan Manusia terendah dengan meningkatkan Dana Alokasi Umum 40

persen, sementara provinsi lainnya meningkat 20 persen berdampak cukup besar

terhadap peningkatan Indeks Pembangunan Manusia, dan penanggulangan

kemiskinan serta pengurangan pengangguran, masing masing dengan nilai rata-

rata dari tahun 2009 sampai dengan tahun 2015 sebesar 0.80 persen, dan -2.63

persen, serta -6.29 persen. Kebijakan ini juga berdampak cukup besar terhadap

peningkatan Angka Harapan Hidup, Angka Melek Huruf, Rata-rata Lama Sekolah,

dan Daya Beli, masing masing dengan nilai rata-rata tahun 2009-2015 sebesar

0.49 persen, 0.32 persen, 0.82 persen, dan 0.56 persen.

Kebijakan ini dibandingkan dengan 7 kebijakan lainnya, merupakan

prioritas kedua dalam upaya peningkatan Indeks Pembangunan Manusia, Daya

Beli, penanggulangan kemiskinan, dan Rata-rata Lama Sekolah, tatapi hanya

142

berada pada peringkat ketiga dalam rangka penanggulangan Pengangguran dan

peningkatan Angka Melek Huruf.

Simulasi skenario alternatif kebijakan ini, selain berhasil merumuskan

dampak masing-masing kebijakan terhadap variabel endogennya, sebagaimana

telah diuraikan sebelumnya, juga berhasil meramal nilai masing masing variabel

pada tahun 2013, tahun 2014, dan tahun 2015 sebagaimana pada Lampiran 12.

Selanjutnya hasil ramalan tahun 2015 dijadikan dasar evaluasi pencapaian tujuan

pembangunan milenium tahun 2015 sebagaimana pada Tabel 38. Skenario kelima

ini juga belum berhasil mencapai sasaran tujuan pembangunan milenium.

Tabel 38. Dampak Kebijakan Afirmatif kepada Provinsi Quantil 1 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015

Indeks Indikator Tahun 2015

Satuan MDGs Ramalan

Hidup Panjang Angka Harapan Hidup (AHH) 72* 71.00 Tahun

Pendidikan 1. Angka Melek Huruf (AMH) 100 94.25 Persen

2. Rata-rata Lama Sekolah (RLS) 15 8.26 Tahun

Hidup Layak Daya Beli (PPP) 732.720 641.719 Rp 000 /Kap

Komposit Indeks Pembangunan Manusia (IPM) 80** 74.32 - Keterangan: *) Sasaran RPJMN tahun 2009-2014. **) Publikasi Pemda Jawa Barat Tahun 2010. 7.3.6. Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks

Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen

Skenario keenam, kebijakan afirmatif kepada provinsi quantil 1 dan 2

Indeks Pembangunan Manusia terendah dengan meningkatkan Dana Alokasi

Umum sebesar 40 persen, sementara provinsi lainnya meningkat 20 persen

berdampak paling baik terhadap peningkatan kinerja Indeks Pembangunan

Manusia, dan penanggulangan kemiskinan serta pengurangan pengangguran,

143

masing masing dengan nilai rata-rata tahun 2009-2015 sebesar 0.93 persen, dan -

3.02 persen, serta -7.84 persen. Kebijakan ini juga berdampak paling baik

terhadap peningkatan Angka Harapan Hidup, Angka Melek Huruf, Rata-rata

Lama Sekolah, dan Daya Beli, masing masing dengan nilai rata-rata tahun 2009-

2015 sebesar 0.58 persen, 0.38 persen, 0,94 persen, dan 0,65 persen.

Kebijakan ini dibandingkan dengan 7 kebijakan lainnya, merupakan

prioritas pertama dalam upaya peningkatan hampir seluruh variabel endogennya,

kecuali untuk penangulangan Pengangguran dan peningkatan Angka Melek Huruf

yang bertengger diperingkat kedua di bawah skenario 8.

Simulasi skenario alternatif kebijakan ini, selain berhasil merumuskan

dampak masing-masing kebijakan terhadap variabel endogennya, sebagaimana

telah diuraikan sebelumnya, juga berhasil meramal nilai masing masing variabel

pada tahun 2013, tahun 2014, dan tahun 2015 sebagaimana pada Lampiran 13.

Selanjutnya hasil ramalan tahun 2015 dijadikan dasar evaluasi pencapaian tujuan

pembangunan milenium tahun 2015 sebagaimana pada Tabel 39. Skenario

keenam ini juga belum berhasil mencapai sasaran tujuan pembangunan milenium.

Tabel 39. Dampak Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Dana Alokasi Umum 40 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015

Indeks Indikator Tahun 2015

Satuan MDGs Ramalan

Hidup Panjang Angka Harapan Hidup (AHH) 72* 71.08 Tahun

Pendidikan 1. Angka Melek Huruf (AMH) 100 94.32 Persen

2. Rata-rata Lama Sekolah (RLS) 15 8.27 Tahun

Hidup Layak Daya Beli (PPP) 732.720 642,.34 Rp 000 /Kap

Komposit Indeks Pembangunan Manusia (IPM) 80** 74.43 - Keterangan: *) Sasaran RPJMN tahun 200-2014. **) Publikasi Pemda Jawa Barat Tahun 2010.

144

7.3.7. Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Belanja 40 Persen

Skenario ketujuh, kebijakan afirmatif kepada provinsi quantil 1 dan 2 Indeks

Pembangunan Manusia terendah dengan meningkatkan Belanja sebesar 40 persen,

provinsi lainnya meningkat 20 persen, kurang berdampak terhadap peningkatan

Indeks Pembangunan Manusia, dan penanggulangan kemiskinan serta

pengurangan Pengangguran, masing masing dengan nilai rata-rata tahun 2009-

2015 sebesar 0.60 persen, dan -1.91 persen, serta -5.60 persen. Kebijakan ini

juga kurang berdampak terhadap peningkatan Angka Harapan Hidup, Angka

Melek Huruf, Rata-rata Lama Sekolah, dan Daya Beli, masing masing dengan

nilai rata-rata tahun 2009-2015 sebesar 0,38 persen, 0.25 persen, 0.60 persen, dan

0.41 persen.

Kebijakan ini dibandingkan dengan 7 kebijakan lainnya, merupakan

prioritas keempat dalam upaya peningkatan Daya Beli, penanggulangan

kemiskinan, prioritas kelima dalam rangka peningkatan Rata-rata Lama Sekolah,

Angka Harapan Hidup, penanggulangan pengangguran, dan peningkatan Indeks

Pembangunan Manusia, serta hanya pada peringkat keenam untuk Angka Melek

Huruf. Rendahnya kinerja kebijakan ini, karena dalam model yang dibangun

perubahan nilai variabel Belanja tidak berdampak langsung terhadap perubahan

nilai variabel endogen komponen Indeks Pembangunan Manusia, tetapi masuk

melalui pajak dan Dana Alokasi Umum.

Simulasi skenario alternatif kebijakan ini, selain berhasil merumuskan

dampak masing-masing kebijakan terhadap variabel endogennya, sebagaimana

telah diuraikan sebelumnya, juga berhasil meramal nilai masing masing variabel

145

pada tahun 2013, tahun 2014, dan tahun 2015 sebagaimana pada Lampiran 14.

Selanjutnya hasil ramalan tahun 2015 dijadikan dasar evaluasi pencapaian tujuan

pembangunan milenium tahun 2015 sebagaimana pada Tabel 40. Skenario 7 ini

juga belum berhasil mencapai sasaran tujuan pembangunan milenium.

Tabel 40. Dampak Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Belanja 40 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015

Indeks Indikator Tahun 2015

Satuan MDGs Ramalan

Hidup Panjang Angka Harapan Hidup (AHH) 72* 70.89 Tahun

Pendidikan 1. Angka Melek Huruf (AMH) 100 94.16 Persen

2. Rata-rata Lama Sekolah (RLS) 15 8.24 Tahun

Hidup Layak Daya Beli (PPP) 732.720 640.40 Rp 000 /Kap

Komposit Indeks Pembangunan Manusia (IPM) 80** 74.12 - Keterangan: *) Sasaran RPJMN tahun 2009-2014. **) Publikasi Pemda Jawa Barat Tahun 2010. 7.3.8. Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks

Pembangunan Manusia Terendah dengan Meningkatkan Belanja Sektor Pendidikan dan Kesehatan 40 Persen

Kebijakan afirmatif kepada provinsi quantil 1 dan 2 Indeks Pembangunan

Manusia terendah dengan meningkatkan Belanja Sektor Pendidikan dan sektor

kesehatan sebesar 40 persen, provinsi lainnya naik 20 persen, berdampak

terhadap peningkatan kinerja Indeks Pembangunan Manusia, dan penanggulangan

kemiskinan serta pengurangan pengangguran, masing masing dengan nilai rata-

rata tahun 2009-2015 sebesar 0.69 persen, dan -1.62 persen, serta -9.13 persen.

Kebijakan ini juga berdampak cukup besar terhadap peningkatan Angka Harapan

Hidup, Angka Melek Huruf, Rata-rata Lama Sekolah, dan Daya Beli, masing

masing dengan nilai rata-rata tahun 2009-2015 sebesar 0.52 persen, 0.43 persen,

0.63 persen, dan 0.35 persen.

146

Kebijakan ini dibandingkan dengan 7 kebijakan lainnya, merupakan

prioritas pertama dalam upaya peningkatan Angka Melek Huruf dan pengurangan

Pengangguran, prioritas kedua dalam rangka peningkatan Angka Harapan Hidup,

prioritas ketiga untuk peningkatan Indeks Pembangunan Manusia, dan prioritas

kelima dalam rangka peningkatan Daya Beli, penanggulangan kemiskinan, dan

peningkatan Rata-rata Lama Sekolah.

Simulasi skenario alternatif kebijakan ini, selain berhasil merumuskan

dampak masing-masing kebijakan terhadap variabel endogennya, sebagaimana

telah diuraikan sebelumnya, juga berhasil meramal nilai masing masing variabel

pada tahun 2013, tahun 2014, dan tahun 2015 sebagaimana pada Lampiran 15.

Selanjutnya hasil ramalan tahun 2015 dijadikan dasar evaluasi pencapaian tujuan

pembangunan milenium tahun 2015 sebagaimana pada Tabel 41. Skenario

ketujuh ini juga belum berhasil mencapai sasaran tujuan pembangunan milenium.

Tabel 41. Dampak Kebijakan Afirmatif kepada Provinsi Quantil 1 dan 2 Indeks Pembangunan Manusia Terendah dengan Meningkatkan Belanja Sektor Pendidikan dan Kesehatan 40 Persen terhadap Sasaran dan Pencapaian Tujuan Milenium Tahun 2015

Indeks Indikator Tahun 2015

Satuan MDGs Ramalan

Hidup Panjang Angka Harapan Hidup (AHH) 72* 71.00 Tahun

Pendidikan 1. Angka Melek Huruf (AMH) 100 94.34 Persen

2. Rata-2 lama sekolah (RLS) 15 8.23 Tahun

Hidup Layak Daya Beli (PPP) 732,720 639.62 Rp 000 /Kap

Komposit Indeks Pembangunan Manusia (IPM) 80** 74.15 - Keterangan: *) Sasaran RPJMN tahun 2009-2014. **) Publikasi Pemda Jawa Barat Tahun 2010.

7.4. Hasil Ramalan Alternatif Kebijakan Terhadap Pemerataan Pembangunan Daerah

Penelitian Dampak Kebijakan Fiskal Sektor Pendidikan dan Sektor

Kesehatan Terhadap Indeks Pembangunan Manusia dilakukan di 21 provinsi

147

dengan data tahun 2004-2008, meliputi data perekonomian dan data pembangunan

manusia. Dalam model yang dibangun untuk penelitian ini, meliputi model

persamaan panel, sehingga datanya adalah time series dan cross section antar

provinsi.

Sehubungan peramalan variabel endogen menggunakan prosedur simulasi

non linier (SIMNLIN) dengan metode NEWTON, meliputi ramalan terhadap

variabel perekonomian dan variabel Indeks Pembangunan Manusia, yang dalam

hal ini secara berurutan diwakili oleh Produk Domestik Regional Bruto Sektoral

(PDRBSEC) dan Indeks Pembangunan Manusia (IPM), maka peneliti berhasil

mendapatkan standar deviasi hasil ramalan kedua variabel endogen tersebut

berdasarkan delapan skenario kebijakan sebagaimana pada Tabel 42.

Secara statistik apabila sebaran nilai suatu variabel, dalam hal ini Indeks

Pembangunan Manusia dan/atau Produk Domestik Regional Bruto Sektoral,

memiliki variasi koefisien (Coefisien Variation / CV) kecil, maka nilai variabel

tersebut merata dan paling sedikit variasinya. Secara matematis rumus koefisien

variasi adalah:

CV = STD/Mean

dimana:

CV = Koefisien variasi (Coefisien variation) STD = Deviasi standar (Standard deviation) Mean = Nilai rata-rata variabel (Mean)

Nilai koefisien variasi (coefisien variation) Indeks Pembangunan

Manusia (IPM) pada setiap simulasi skenario menunjukkan angka yang kecil,

berkisar antara 4.8248 persen pada skenario 8 sampai dengan 5.1417 persen

pada skenario 4. Keadaan ini menjelaskan bahwa IPM antar provinsi pada 21

148

provinsi penelitian relatif kecil variannya, serta adanya 8 skenario kebijakan

ternyata tidak banyak mengubah keadaan tersebut.

Sebaliknya nilai koefisien variasi (coefisien variation) Produk Domestik

Regional Bruto Sektoral (PDRBSEC) pada setiap simulasi menunjukkan angka

yang besar berkisar antara 102.2746 pada skenario 5 sampai dengan 110.6147

persen pada skenario 8. Keadaan ini menjelaskan bahwa PDRBSEC antar

provinsi pada 21 provinsi penelitian relatif besar variannya, dan ternyata adanya

8 skenario kebijakan juga tidak banyak mengubah kesenjangan PDRBSEC antar

provinsi tersebut.

Tabel 42. Hasil Ramalan Alternatif Kebijakan terhadap Pemerataan102 Pembangunan Daerah

Skenario

IPM PDRBSEC 

Rata-rata

Standar Deviasi

Koefisien Variasi

(%) Rata-rata Standar

Deviasi

Koefisien Variasi

(%) 0 72.3685 3.6535 5.0484 60 030 658 62 723 934 104.4865 1 72.6186 3.6566 5.0353 60 927 546 63 754 075 104.6392 2 72.8294 3.6632 5.0298 61 329 914 63 123 781 102.9249 3 72.5417 3.6995 5.0998 60 580 106 62 944 943 103.9036 4 72.7158 3.7388 5.1417 61 256 482 63 852 064 104.2372 5 72.9468 3.6290 4.9748 61 605 119 63 006 419 102.2746 6 73.0405 3.6091 4.9412 62 018 235 63 664 761 102.6549 7 72.8004 3.6622 5.0305 61 439 754 63 713 214 103.7000 8 72.8643 3.5156 4.8248 53 182 271 58 827 406 110.6147

Keterangan:

Sumulasi 0 : Simulasi Dasar. Simulasi-1 : Belanja Sektor Pendidikan Naik 20 Persen dan Belanja Sektor Kesehatan Naik 20 persen. Simulasi-2 : Dana Alokasi Umum Naik 20 Persen. Simulasi 3 : Belanja Sektor Bangunan dan Infrastruktur Naik 20 Persen. Simulasi 4 : Belanja Sektor Pendidikan Naik 20 Persen dan Belanja Sektor Kesehatan Naik 20 Persen dan Belanja Sektor Bangunan dan Infrastruktur Naik 20 Persen. Simulasi-5 : Dana Alokasi Umum Naik 40 Persen untuk Kelompok Q1, Lainnya Naik 20 Persen. Simulasi-6 : Dana Alokasi Umum Naik 40 Persen untuk Kelompok Q1 dan Q2, Lainnya Naik 20 Persen. Simulasi-7 : Total Belanja Naik 40 Persen untuk Kelompok Q1 dan Q2, Lainnya Naik 20 Persen  Simulasi-8 : Belanja Sektor Pendidikan Naik 40 Persen dan Belanja Sektor Kesehatan Naik 40 Persen untuk Kelompok Q1 dan Q2, Selainnya Naik 20 Persen.

149

Koefisien variasi yang terkecil sampai yang terbesar untuk Indeks

Pembangunan Manusia yang telah dihasilkan oleh delapan skenario kebijakan

secara berurutan adalah skenario 8, skenario 6, skenario 5, skenario 2, skenario 7,

skenario 1, skenario 0, skenario 3, dan skenario 4. Adapun koefisien variasi

untuk Produk Domestik Regional Bruto Sektoral urutan terkecil hingga terbesar

adalah skenario 5, skenario 6, skenario 2, skenario 7, skenario 3, skenario 4,

skenario 0, skenario 1 dan skenario 8.

Dalam kaitannya dengan penelitian ini, nilai-nilai variabel Indeks

Pembangunan Manusia dan Produk Domestik Regional Bruto Sektoral tersebut

milik 21 provinsi penelitian. Ketika skenario kebijakan 8 menghasilkan koefisien

variasi yang terkecil untuk IPM dibandingkan dengan dampak 7 skenario

kebijakan lainnya terhadap IPM, maka skenario 8 merupakan skenario kebijakan

terbaik dalam rangka pemerataan pembangunan manusia bagi 21 provinsi

dimaksud. Sementara itu, apabila yang menjadi fokus perhatian adalah dalam

rangka pemerataan Produk Domestik Regioanal Bruto Sektoral, maka kebijakan

yang terbaik adalah skenario 5.

Sasaran skenario kebijakan 8 meliputi provinsi quantil 1 dan 2 Indeks

Pembangunan Manusia terendah. Adapun provinsi quantil 1 dimaksud adalah

Provinsi Papua, Provinsi Nusa Tenggara Barat, Provinsi Nusa Tenggara Timur,

Provinsi Kalimantan Barat, dan Provinsi Kalimantan Selatan. Sedangkan provinsi

quantil 2 meliputi Provinsi Sulawesi Selatan, Provinsi Lampung, Provinsi Aceh,

Provinsi Maluku, dan Provinsi Bali.

 

VIII. KESIMPULAN DAN IMPLIKASI KEBIJAKAN

8.1 Kesimpulan

Berdasarkan permasalahan, tujuan, dan hipotesis penelitian, serta profil

model, yang meliputi validasi, simulasi dan peramalan variabel endogen, baik

tanpa maupun dengan alternatif kebijakan, diperoleh kesimpulan sebagai berikut:

1. Model persamaan simultan yang mengintegrasikan komponen

perekonomian makro dengan indeks pembangunan manusia (IPM) telah

berhasil dirumuskan dan diduga parameternya, yang terdiri dari 23

persamaan struktural dan 15 persamaan identitas. Setiap model persamaan

struktural, masing masing variabel penjelas mampu menjelaskan keragaman

variabel endogennya secara baik dan pada taraf nyata. Terbukti dari

koefisien determinasinya cukup besar pada masing masing persamaan

struktural berkisar antara 0.87 hingga 0.99, dan parameter dugaannya

berbeda dengan nol pada taraf nyata (α) 0.05; 0.10, dan 0.15. Dengan

demikian model yang dibangun ini layak digunakan untuk keperluan

peramalan dan simulasi dampak kebijakan fiskal sektor pendidikan dan

sektor kesehatan terhadap indeks pembangunan manusia di Indonesia.

2. Indeks pembangunan manusia tidak dipengaruhi secara nyata oleh belanja

sektor pendidikan dan belanja sektor kesehatan. Hal ini karena, komponen

pembentuk indeks pembangunan manusia tersebut, yaitu: angka harapan

hidup (AHH), angka melek huruf (AMH) dan rata-rata lama sekolag (RLS),

serta daya beli (PPP), tidak dipengaruhi secara nyata oleh belanja sektor

pendidikan dan belanja sektor kesehatan.

152

3. Kebijakan fiskal sektor pendidikan dan sektor kesehatan serta sektor

bangunan dan infrastruktur tidak berdampak nyata terhadap indeks

pembangunan manusia. Keadaan ini ditunjukkan pada hasil simulasi

alternatif kebijakan yang terdiri atas varian dari belanja sektor tersebut

secara sektoral maupun kombinasi antar sektor memiliki parameter yang

kecil dan tidak elastis. Hal ini karena kebijakan fiskal sebagai indikator

input makroekonomi memerlukan waktu yang cukup lama untuk mampu

merubah indeks pembangunan manusia sebagai indikator output

makroekonomi.

4. Indeks pembangunan manusia beserta komponen pembentuknya diramalkan

tidak dapat dicapai sesuai dengan sasaran tujuan pembangunan milenium

tahun 2015, baik tanpa maupun dengan alternatif kebijakan fiskal yang telah

ditetapkan. Karena pembangunan manusia merupakan masalah demografi

yang berdimensi waktu panjang, sehingga perubahannya memerlukan waktu

yang cukup panjang pula. Di samping itu, keterbatasan Pemerintah

menghimpun anggaran menyebabkan upaya peningkatan indeks

pembangunan manusia melalui belanja Pemerintah juga terbatas.

5. Indeks pembangunan manusia melalui komponen pembentuknya (angka

harapan hidup, angka melek huruf, rata-rata lama sekolah, dan daya beli)

dipengaruhi secara nyata oleh pengeluaran konsumsi rumah tangga per

kapita. Karena proporsi pengeluaran konsumsi rumah tangga secara relatif

lebih tinggi dari pengeluaran konsumsi Pemerintah, masing-masing sekitar

53 persen dan 10 persen dari total Produk Domestik Regional Bruto (PDRB)

sisi pengeluaran. Padahal belanja setiap sektor, termasuk belanja sektor

153

pendidikan dan belanja sektor kesehatan, berada di dalam pengeluaran

konsumsi Pemerintah tersebut.

8.2 Implikasi Kebijakan

Peningkatan indeks pembangunan manusia melalui upaya meningkatkan

komponennya di sektor pendidikan, yaitu angka melek huruf dan rata-rata lama

sekolah, sangat berat, karena grafik perkembangan dari data empiris kedua

komponen tersebut dari tahun ke tahun sudah rata, khususnya untuk angka melek

huruf yang sudah menuju 100 persen. Oleh karena itu, kualitas belanja sektor

pendidikan harus diperbaiki perspektifnya, tidak semata-mata ke arah jangka

panjang dengan meningkatkan rata-rata lama sekolah, tetapi juga ke arah jangka

pendek dan menengah, dengan mencetak tenaga kerja yang terampil, sehat,

mandiri, dan berpenghasilan layak.

Sementara peningkatan indeks pembangunan manusia melalui upaya

meningkatkan komponen di sektor kesehatan, yaitu melalui peningkatan angka

harapan hidup, serta peningkatan indeks pembangunan manusia melalui upaya

meningkatkan komponen daya beli, masih berpeluang tinggi, karena grafik data

empiris dari komponen angka harapan hidup dan komponen daya beli

menunjukkan arah positif dan meningkat dari tahun ke tahun.

Dengan adanya keterbatasan penyediaan anggaran Pemerintah, maka

kebijakan meningkatkan belanja sektor pendidikan dan belanja sektor kesehatan

dalam persentase tertentu pada provinsi quantil 1 dan 2 dengan indeks

pembangunan manusia terendah adalah kebijakan yang paling realistis

dibandingkan kebijakan meningkatkan dana alokasi umum maupun kebijakan

menaikkan belanja dalam persentasi yang sama, karena dua kebijakan terakhir ini

154

memerlukan jumlah nominal yang jauh lebih banyak dari kebijakan pertama.

Selain itu, kebijakan meningkatkan belanja sektor pendidikan dan belanja sektor

kesehatan tersebut yang disertai kebijakan afirmatif adalah kebijakan yang paling

baik dalam rangka mengatasi pengangguran dan memeratakan pembangunan antar

provinsi, serta cukup baik dalam rangka meningkatkan indeks pembangunan

manusia dan mengurangi kemiskinan.

Model yang disusun dalam penelitian ini masih dapat terus dikembangkan

oleh para peneliti yang juga mengkaji tentang dampak kebijakan fiskal terhadap

indeks pembangunan manusia, dan implikasinya terhadap tujuan pembangunan

milenium. Perbaikan terhadap model dapat dilakukan dalam bentuk

penyempurnaan bentuk persamaan dengan melakukan disagregasi belanja sektor

pendidikan dan belanja sektor kesehatan, serta melakukan simulasi kebijakan

dengan menaikan nilai nominal belanja Pemerintah sebagai pengembangan dari

peningkatan berdasarkan persentase terhadap belanja Pemerintah sebelumnya.

Selain itu, hasil pendugaan parameter model kemungkinan akan semakin baik

apabila data yang terkait semakin lengkap dan panjang tersedia di Indonesia

terutama pada Badan Pusat Statistik (BPS), Kementerian Keuangan, Badan

Perencanaan Pembangunan Nasional (Bappenas), Kementerian Tenaga Kerja dan

Transmigrasi, dan Pemerintah Daerah.

Untuk mengetahui signifikansi dampak belanja Pemerintah di sektor

pendidikan dan belanja Pemerintah di sektor kesehatan dalam jangka panjang

terhadap indeks pembangunan manusia, tingkat kemiskinan, dan angka

pengangguran, maka perlu dilakukan penelitian lebih lanjut dengan data deret

waktu (time series) yang lebih lama.

155

DAFTAR PUSTAKA

Alam, J. 2006. Disparitas Pendapatan dan Faktor-Faktor yang Berpengaruh

terhadap Pencapaian Indeks Pembangunan Manusia di Kabupaten Bekasi. Tesis Magister. Program Pascasarjana, Universitas Indonesia, Jakarta.

Ali, N. B. V. 2006. Analisis Hubungan Pembangunan Manusia dan Kinerja

Perekonomian di Indonesia: Suatu Pendekatan Simultan pada Model Data Panel Propinsi. Tesis Magister. Program Pascasarjana, Universitas Indonesia, Jakarta.

Anand, S and A. Sen. 2000. The Income Component of The Human Development Index. Journal of Human Development, 1(1): 83-105.

Andersen, T.M. 2005. Is There a Role for an Active Fiscal Stabilization ?. CESif0 Economics Studies, 51 (4): 511-547.

Asteriou, D and G. M. Agiomirgianakis. 2001. Human Capital and Economic Growth Times Series Evidence from Greece. Journal of Policy Modeling, 23 (): 481-489.

Aturupane, H., P. Glewwe, and P. Isenman. 1994. Poverty, Human Development, and Growth: An Emerging Consensus ?. Human Development, 84 (2): 244-249.

Badan Pusat Statistik. 2007. Statistik Indonesia 2007. Badan Pusat Statitik, Jakarta.

.2008. Indeks Pembangunan Manusia Indonesia 2006-2007. Katalog BPS 4102002. Badan Pusat Statistik, Jakarta.

.2009a. Penjelasan Singkat Mengenai Indeks Pembangunan Manusia dan MDGs. Badan Pusat Statistik, Jakarta.

.2009b. Profil Kemiskinan di Indonesia. Berita Resmi Statistik 43/07/Th.12. Badan Pusat Statistik, Jakarta.

.2009c. Indeks Pembangunan Manusia Indonesia Tahun 2005-2008. Badan Pusat Statistik, Jakarta.

.2010a. Produk Domestik Regional Bruto Provinsi-Provinsi di Indonesia Menurut Penggunaan 2005-2009. Badan Pusat Statistik, Jakarta.

156

.2010b. Produk Domestik Regional Bruto Provinsi-Provinsi di Indonesia Menurut Lapangan Usaha 2005-2009. Badan Pusat Statistik, Jakarta.

Balitfo Kementerian Tenaga Kerja dan Transmigrasi. 2010. Informasi Ketenagakerjaan. Kementerian Tenaga Kerja dan Transmigrasi, Jakarta.

Barro, R. J. and X. S. Martin. 2004. Economic Growth. Second Edition. The MIT Press Cambridge, Massachusetts.

Becker, S. O., E. Hornung, and L. Woessmann. 2010. Catch Me If You Can: Education and Catch-Up in the Industrial Revolution. CESifo Conference Centre, Munich.

Biswas, B. and F. Caliendo. 2001. A Multivariate Analysis of the Human Development Index. The Indian Economic Journal, 49 (4): 96-100.

Blackwood, D. L. and R. G. Lynch. 1994. The Measurement of Inequality and Poverty: A Policy Maker’s Guide to the Literature. World Development, New York.

Cahyadhi, P. E. 2005. Pelacakan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia (Studi Kasus Kab/Kota di Provinsi Bali). Tesis Magister. Program Pascasarjana, Universitas Indonesia, Jakarta.

Departemen Dalam Negeri. 2005. Undang-Undang Nomor 32 Tahun 2004. Departemen Dalam Negeri, Jakarta.

Direktorat Jenderal Perimbangan Keuangan, Kementerian Keuangan. 2011. Data Keuangan Daerah. Serial Online, http://www.djpk.depkeu.go.id/.

Dornbusch, R., S. Fischer, and R. Startz. 2004. Macroeconomics. Ninth Edition. McGraw-Hill International Edition, Singapore.

Easterlin, R.A. 2000. The Worldwide Standard of Living Since 1800. Journal of Economic Perspectives, 14 (1): 7-26.

Grubel, H. G. 1988. Economic Freedom and Human Welfare: Some Empirical Findings. Cato Journal, 18(2): 287-304.

Hicks, N. and P. Sreeten. 1979. Indicators of Development: The Search for Basic Needs Yardstick. World Development, 7(6): 567-580.

Koutsoyiannis, A. 1977. Theory of Econometrics: An Introductory Exposition of Econometric Methods. McMillan Press Ltd, London.

Mankiw, N. G. 2003. Teori Makroekonomi. Edisi Kelima. Penerbit Erlangga, Jakarta.

157

Marut, D. K. 2009. Perlu Kebijakan Konkrit untuk Percepatan Pencapaian MDGs. INFID, Jakarta.

Nanga, M. 2006. Dampak Transfer Fiskal terhadap Kemiskinan di Indonesia: Suatu Analisis Simulasi Kebijakan. Disertasi Doktor. Sekolah Pascasarjana, Institut Pertanian Bogor, Bogor.

Nayak, P. 2005. A Human Development Approach to The Status of Development in North East India. Paper in 47th Annual International Conference of Western Social Science Association at Albuquerque, News Mexico, 13 – 16 April 2005.

Pakasi, C. B. D. 2005. Dampak Desentralisasi Fiskal terhadap Perekonomian Kabupaten dan Kota di Provinsi Sulawesi Utara. Disertasi Doktor. Sekolah Pascasarjana, Institut Pertanian Bogor, Bogor.

Pyndyck, R. S. and D. L. Rubienfeld. 1991. Econometric Model and Econometric Forecast. McGraw-Hill International Edition, Singapore.

Qureshi, M. N. 2010. Evolution of Human Development Approach by Cutting the Heart of Economic Growth Approach - Brief Review of Literature. European Journal of Economics, Finance and Administrative Sciences - Isue 23-2010 : 8 - 18.

Raiser, M. 1998. Subsidising Inequality: Economics Reforms, Fiscal Transfer and Convergence Across Chinese Provinces. Journal of Development Studies, 34(3): 1-26.

Ramirez, A., G. Ranis, and F. Stewart. 1997. Economic Growth and Human Development. Center Discussion Paper, (787): 1-53.

Ranis, G. and F. Steward. 2002. Economic Growth and Human Development in Latin Amerika. Cepal Review, (78): 7-23.

Ranis, G. 2004. Human Development and Economic Growth. Economic Growth Center Yale University, Center Discussion Paper (887): 1-13.

Ranis, A., A. Ramirez, and F. Stewart. 2000. Economic Growth and Human Development. World Development, 28 (2): 197.

Romer. 2001. Advanced Macroeconomics. Second Edition. McGraw-Hill International Editions, Singapore.

Rostow, W. W. 1960. The Stages of Economic Growth. Cambridge University Press, New York.

Rudra, P. P. and G.S. Sanyal. 2011. Good Governance and Human Development: Evidence from Indian States. Journal of Social and Development Science, 1 (1): 1-8.

158

Sen, A. 1976. Poverty: An Ordinal Approach to Measurement: Econometrica, (44): 219-231.

Son, H. H. and N. Kakwani. 2004. Economic Growth and Poverty Reduction: Initial Conditions Matter. Working Paper No. 2. United Nations Development Programme International Poverty Centre, Brasilia.

Sitepu, R. K. 2007. Dampak Investasi Sumber Daya Manusia dan Transfer Pendapatan terhadap Distribusi Pendapatan dan Kemiskinan di Indonesia. Disertasi Doktor. Sekolah Pascasarjana, Institut Pertanian Bogor, Bogor.

Stiglitz, J. E. 1999. Economics of the Public Sector. Third Edition. M.W. Norton & Company, London.

Suharno. 2008. Metode Pengukuran Kemiskinan Makro-Garis Kemiskinan di Indonesia. Pusat Studi Kependudukan. Universitas Gadjahmada, Yogyakarta.

Sukadana. 2007. Dampak Pembangunan Manusia dan Korupsi pada Pertumbuhan Ekonomi: Suatu Konsep Teoritis dan Empiris. Tesis Magister. Program Pascasarjana, Universitas Indonesia, Jakarta.

Suriasumantri, J. S. 2007. Filsafat Ilmu Sebuah Pengantar Populer. Cetakan Ke XX. Pustaka Sinar Harapan, Jakarta.

Suryahadi, A., D. Suryadarma, and S. Sumarto. 2006. Economic Growth and Poverty Reduction in Indonesia: The Effects of Location and Sectoral Components of Growth. SMERU Research Institute, Jakarta.

Tim Khusus Penanggulangan Kemiskinan Republik Indonesia. 2009. Indeks Pembangunan Manusia. TKPRI, Jakarta.

Todaro, M. P. and S. C. Smith. 2006. Economic Development. Ninth Edition. Pearson Education Limited, London.

United Nations Development Program. 1990. Human Development Report 1990. United Nations Development Program, New York.

. 1995. Human Development Report 1995. United Nations Development Program, New York.

. 1996. Human Development Report 1996. United Nations Development Program, New York.

. 1997. Human Development Report 1997. United Nations Development Program, New York.

. 1998. Human Development Report 1998. United Nations Development Program, New York.

159

. 1999. Human Development Report 1999. United Nations Development Program, New York.

. 2000. Human Development Report 2000. United Nations Development Program, New York.

. 2001. Human Development Report 2001. United Nations Development Program, New York.

. 2002. Human Development Report 2002. United Nations Development Program, New York.

. 2003. Human Development Report 2003. United Nations Development Program, New York.

. 2004. Human Development Report 2004. United Nations Development Program, New York.

. 2006. Human Development Report 2006. United Nations Development Program, New York.

. 2007. Human Development Report 2007. United Nations Development Program, New York.

. 2008. Human Development Report 2008. United Nations Development Program, New York.

. 2009. Human Development Report 2009. United Nations Development Program, New York.

United Nations Economic and Social Commission for Asia and The Pacific. 2010. Progress Report in Asia and The Pasific. UNESCAP, New York.

Utami, D. R. 2007. Analisis Pengaruh Pengeluaran Pemerintah Daerah (Kabupaten/ Kota) di Bidang Pendidikan dan Kesehatan terhadap Indeks Pembangunan Manusia. Tesis Magister. Program Pascasarjana Universitas Indonesia, Jakarta.

Wheeler, D. 1980. Basic Need Fulfillment and Economic Growth: A Simultaneous Model. Journal of Development Economics, 7(4): 435-451.

Yudhoyono, S. B. 2004. Pembangunan Pertanian dan Perdesaan Sebagai Upaya Mengatasi Kemiskinan dan Pengangguran: Analisis Ekonomi Politik Kebijakan Fiskal. Disertasi Doktor. Sekolah Pascasarjana, Institut Pertanian Bogor, Bogor.

160

LAMPIRAN

161

Lampiran 1. Program Estimasi Model Fiskal dan Indeks Pembangunan Manusia

OPTION PS=500 LS=250 NOCENTER NONUMBER; LIBNAME IN 'C:\;  DATA DT;   SET IN.RAW110112;   IF PROV=72 THEN DELETE;   BLJ  = GPST+GPSI+GPSB+BSP+BSK+BSL;   *‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐;   NX1 = NX; 

1. NX  = NX1+(PKP‐BLJ);   *‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐;   MISK=TKDK*POP;   KRTCAP=PKRT/POP;   BSPK=BSP+BSK;   PDRBSEC=TQST+TQSI+TQSB+TQSLL;   BLJ  = GPST+GPSI+GPSB+BSP+BSK+BSL;   TKS=TKST+TKSI+TKKSB+TKKSL;   RTQSB=TQSB/PDRBSEC;   TTKKSB= TKKSB*TREN;   LOGTKST=LOG(TKST);   RUN;  PROC SORT; BY PROV THN; RUN;  PROC TSCSREG DATA=DT FIXONE;   ID PROV THN;    *BLOK PENDAPATAN DAERAH;    MODEL PJKD = BLJ PP ;     MODEL DAU =  BLJ POP ;    *BLOK TOTAL BELANJA DAERAH;    MODEL BSP = PAT PNS;    MODEL BSK = PAT PNS;    MODEL GPST= PAT ;    MODEL GPSI= PAT;    MODEL GPSB = PAT ;     MODEL GPSLL = PAT BSPK ;     *BLOK PERMINTAAN AGREGAT;    MODEL PKRT = PDRBSEC POP ;    MODEL PMTB = PDRBSEC KUK;    *BLOK PENAWARAN AGREGAT;    MODEL TQST = LOGTKST GPST;    MODEL TQSI = TKSI GPSI;    MODEL TQSB = TTKKSB GPSB JLHK ;    MODEL TQSLL = TKKSL GPSLL JLHK;       *BLOK TENAGA KERJA;    MODEL TKST = TQST ; 

162

   MODEL TKSI = TQSI ;    MODEL TKKSB= RTQSB;    MODEL TKKSL= TQSLL;    *BLOK IPM;    MODEL AHH = BSK KRTCAP;    MODEL AMH = BSK BSP KRTCAP;    MODEL RLS = BSP KRTCAP APSD;    MODEL PPP = U KRTCAP;    MODEL TKDK = PPP;    RUN;   

163

Lampiran 2. Hasil Estimasi Model Fiskal dan Indeks Pembangunan Manusia The SAS System  The TSCSREG Procedure    Dependent Variable: PJKD PJKD           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         3.832422E12    DFE                  82 MSE         46736859664    Root MSE    216187.0941 R‐Square         0.8877         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F        20          82       6.78    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     ‐322740      140122      ‐2.30      0.0238    Cross Sectional                                                                      Effect    1 CS2              1    449400.5      142213       3.16      0.0022    Cross Sectional                                                                      Effect    2 CS3              1    34088.64      137485       0.25      0.8048    Cross Sectional                                                                      Effect    3 CS4              1     ‐185510      161808      ‐1.15      0.2549    Cross Sectional                                                                      Effect    4 CS5              1     ‐200386      143744      ‐1.39      0.1671    Cross Sectional                                                                      Effect    5 CS6              1    ‐52791.2      138656      ‐0.38      0.7044    Cross Sectional                                                                      Effect    6 CS7              1     ‐267749      145236      ‐1.84      0.0689    Cross Sectional                                                                      Effect    7 CS8              1     ‐126410      138347      ‐0.91      0.3635    Cross Sectional                                                                      Effect    8 CS9              1     1486278      263150       5.65      <.0001    Cross Sectional                                                                      Effect    9 CS10             1    716330.6      186456       3.84      0.0002    Cross Sectional                                                                      Effect   10 CS11             1    ‐99427.4      145479      ‐0.68      0.4962    Cross Sectional                                                                      Effect   11 CS12             1    205928.2      148006       1.39      0.1679    Cross Sectional                                                                      Effect   12 CS13             1     ‐248039      143627      ‐1.73      0.0879    Cross Sectional                                                                      Effect   13 CS14             1     ‐336373      140480      ‐2.39      0.0189    Cross Sectional                                                                      Effect   14 CS15             1     ‐236657      139392      ‐1.70      0.0933    Cross Sectional                                                                      Effect   15 CS16             1    ‐50367.2      138805      ‐0.36      0.7176    Cross Sectional                                                                      Effect   16 CS17             1     ‐178463      149412      ‐1.19      0.2358    Cross Sectional                                                                      Effect   17 CS18             1     ‐255484      143522      ‐1.78      0.0788    Cross Sectional                                                                      Effect   18 CS19             1    ‐4715.28      141048      ‐0.03      0.9734    Cross Sectional                                                                      Effect   19 CS20             1     ‐316288      142940      ‐2.21      0.0297    Cross Sectional                                                                      Effect   20 Intercept        1    289904.4      120508       2.41      0.0184    Intercept BLJ              1    0.038427      0.0162       2.37      0.0201    BLJ PP               1    0.011069      0.0176       0.63      0.5312    PP

164

The SAS System  The TSCSREG Procedure  Dependent Variable: DAU DAU             Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                   Fit Statistics SSE           1.3539E13    DFE                  82 MSE         1.651097E11    Root MSE    406336.9606 R‐Square         0.9648         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F        20          82      17.66    <.0001                                     Parameter Estimates                                   Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    ‐1020098      370006      ‐2.76      0.0072    Cross Sectional                                                                       Effect    1 CS2              1    ‐1671898     1907809      ‐0.88      0.3834    Cross Sectional                                                                      Effect    2 CS3              1    215350.8      434630       0.50      0.6216    Cross Sectional                                                                      Effect    3 CS4              1    ‐2812575      755733      ‐3.72      0.0004    Cross Sectional                                                                      Effect    4 CS5              1     ‐405987      278888      ‐1.46      0.1493    Cross Sectional                                                                      Effect    5 CS6              1    ‐1458145      863424      ‐1.69      0.0951    Cross Sectional                                                                      Effect    6 CS7              1    ‐12921.7      296570      ‐0.04      0.9654    Cross Sectional                                                                      Effect    7 CS8              1     ‐931369      991311      ‐0.94      0.3502    Cross Sectional                                                                      Effect    8 CS9              1    ‐7846791     7011845      ‐1.12      0.2664    Cross Sectional                                                                      Effect    9 CS10             1    ‐4688470     5535097      ‐0.85      0.3994    Cross Sectional                                                                      Effect   10 CS11             1     ‐324851      326788      ‐0.99      0.3231    Cross Sectional                                                                      Effect   11 CS12             1     ‐441417      325500      ‐1.36      0.1788    Cross Sectional                                                                      Effect   12 CS13             1     ‐416506      483770      ‐0.86      0.3918    Cross Sectional                                                                      Effect   13 CS14             1    95117.08      426795       0.22      0.8242    Cross Sectional                                                                      Effect   14 CS15             1    80766.03      466438       0.17      0.8630    Cross Sectional                                                                      Effect   15 CS16             1     ‐126597      302810      ‐0.42      0.6770    Cross Sectional                                                                      Effect   16 CS17             1    ‐2545593      271564      ‐9.37      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    38032.48      269604       0.14      0.8882    Cross Sectional                                                                      Effect   18 CS19             1     ‐596506     1163541      ‐0.51      0.6096    Cross Sectional                                                                      Effect   19 CS20             1    322270.7      333236       0.97      0.3363    Cross Sectional                                                                      Effect   20 Intercept        1     8243.43      464529       0.02      0.9859    Intercept BLJ              1    0.384778      0.0367      10.48      <.0001    BLJ POP              1    243.3648       193.2       1.26      0.2114    POP 

165

The SAS System The TSCSREG Procedure Dependent Variable: BSP BSP           Model Description  Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                   Fit Statistics SSE         2.132451E12    DFE                  82 MSE         26005505188    Root MSE    161262.2249 R‐Square         0.9838         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          82       9.01    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     ‐448135      126274      ‐3.55      0.0006    Cross Sectional                                                                      Effect    1 CS2              1    ‐1344272      227190      ‐5.92      <.0001    Cross Sectional                                                                      Effect    2 CS3              1     70860.1      129420       0.55      0.5855    Cross Sectional                                                                      Effect    3 CS4              1    156775.9      104021       1.51      0.1356    Cross Sectional                                                                      Effect    4 CS5              1    493897.2      114284       4.32      <.0001    Cross Sectional                                                                      Effect    5 CS6              1     ‐241643      123747      ‐1.95      0.0543    Cross Sectional                                                                      Effect    6 CS7              1    632110.2      114347       5.53      <.0001    Cross Sectional                                                                      Effect    7 CS8              1    92549.43      127356       0.73      0.4695    Cross Sectional                                                                      Effect    8 CS9              1    ‐3475777      469782      ‐7.40      <.0001    Cross Sectional                                                                      Effect    9 CS10             1    ‐3239379      523844      ‐6.18      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    200147.3      126061       1.59      0.1162    Cross Sectional                                                                      Effect   11 CS12             1    353582.1      115510       3.06      0.0030    Cross Sectional                                                                      Effect   12 CS13             1    370967.1      116167       3.19      0.0020    Cross Sectional                                                                      Effect   13 CS14             1     74449.7      121926       0.61      0.5431    Cross Sectional                                                                      Effect   14 CS15             1    320211.8      108407       2.95      0.0041    Cross Sectional                                                                      Effect   15 CS16             1    300929.5      107527       2.80      0.0064    Cross Sectional                                                                      Effect   16 CS17             1    ‐92659.4      110767      ‐0.84      0.4053    Cross Sectional                                                                      Effect   17 CS18             1    458080.7      115050       3.98      0.0001    Cross Sectional                                                                      Effect   18 CS19             1     ‐992500      183122      ‐5.42      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    568806.4      110505       5.15      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1    ‐1318667      114552     ‐11.51      <.0001    Intercept PAT              1    0.180641      0.0187       9.66      <.0001    PAT PNS              1    14.67299      1.4083      10.42      <.0001    PNS 

166

The SAS System The TSCSREG Procedure  Dependent Variable: BSK BSK           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         1.765151E11    DFE                  82 MSE          2152623263    Root MSE     46396.3712 R‐Square         0.9799         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          82       9.67    <.0001                                    Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     ‐222401     36330.0      ‐6.12      <.0001    Cross Sectional                                                                      Effect    1 CS2              1     ‐454543     65364.3      ‐6.95      <.0001    Cross Sectional                                                                      Effect    2 CS3              1     ‐137131     37235.1      ‐3.68      0.0004    Cross Sectional                                                                      Effect    3 CS4              1     ‐131228     29927.5      ‐4.38      <.0001    Cross Sectional                                                                      Effect    4 CS5              1    1085.218     32880.5       0.03      0.9738    Cross Sectional                                                                      Effect    5 CS6              1     ‐184153     35602.8      ‐5.17      <.0001    Cross Sectional                                                                      Effect    6 CS7              1    93758.09     32898.5       2.85      0.0055    Cross Sectional                                                                      Effect    7 CS8              1     ‐172673     36641.3      ‐4.71      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    ‐1239236      135160      ‐9.17      <.0001    Cross Sectional                                                                      Effect    9 CS10             1    ‐1180025      150714      ‐7.83      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    ‐91554.3     36268.7      ‐2.52      0.0135    Cross Sectional                                                                      Effect   11 CS12             1    ‐42635.4     33233.0      ‐1.28      0.2031    Cross Sectional                                                                      Effect   12 CS13             1    ‐20152.4     33422.1      ‐0.60      0.5482    Cross Sectional                                                                      Effect   13 CS14             1    ‐59878.5     35079.2      ‐1.71      0.0916    Cross Sectional                                                                      Effect   14 CS15             1    16613.52     31189.5       0.53      0.5957    Cross Sectional                                                                      Effect   15 CS16             1    43016.52     30936.4       1.39      0.1681    Cross Sectional                                                                      Effect   16 CS17             1     ‐142733     31868.4      ‐4.48      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    ‐43364.6     33100.7      ‐1.31      0.1938    Cross Sectional                                                                      Effect   18 CS19             1     ‐346463     52685.5      ‐6.58      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    60891.81     31793.1       1.92      0.0589    Cross Sectional                                                                      Effect   20 Intercept        1     ‐221187     32957.5      ‐6.71      <.0001    Intercept PAT              1    0.068016     0.00538      12.64      <.0001    PAT PNS              1    3.734001      0.4052       9.22      <.0001    PNS 

167

The SAS System The TSCSREG Procedure   Dependent Variable: GPST GPST           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         2.020151E11    DFE                  83 MSE          2433916600    Root MSE     49334.7403 R‐Square         0.8692         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          83       6.54    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    140134.8     31552.7       4.44      <.0001    Cross Sectional                                                                      Effect    1 CS2              1    ‐6408.61     33037.2      ‐0.19      0.8467    Cross Sectional                                                                      Effect    2 CS3              1     37370.3     31219.9       1.20      0.2347    Cross Sectional                                                                      Effect    3 CS4              1    108335.4     31689.4       3.42      0.0010    Cross Sectional                                                                      Effect    4 CS5              1    83258.86     34035.4       2.45      0.0165    Cross Sectional                                                                      Effect    5 CS6              1    18900.68     31203.8       0.61      0.5464    Cross Sectional                                                                      Effect    6 CS7              1    86030.17     34936.7       2.46      0.0159    Cross Sectional                                                                      Effect    7 CS8              1    30308.21     31866.1       0.95      0.3443    Cross Sectional                                                                      Effect    8 CS9              1     ‐235978     52894.3      ‐4.46      <.0001    Cross Sectional                                                                      Effect    9 CS10             1     ‐216635     49037.9      ‐4.42      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    16050.07     33541.4       0.48      0.6335    Cross Sectional                                                                      Effect   11 CS12             1    38633.35     32308.7       1.20      0.2352    Cross Sectional                                                                      Effect   12 CS13             1    77751.22     33356.3       2.33      0.0222    Cross Sectional                                                                      Effect   13 CS14             1    100202.5     32050.7       3.13      0.0024    Cross Sectional                                                                      Effect   14 CS15             1    67681.75     31745.0       2.13      0.0360    Cross Sectional                                                                      Effect   15 CS16             1    52109.76     31557.0       1.65      0.1025    Cross Sectional                                                                      Effect   16 CS17             1    ‐6087.67     33712.8      ‐0.18      0.8571    Cross Sectional                                                                      Effect   17 CS18             1    48937.37     33870.8       1.44      0.1523    Cross Sectional                                                                      Effect   18 CS19             1    54564.25     31853.6       1.71      0.0905    Cross Sectional                                                                      Effect   19 CS20             1    77449.23     33800.3       2.29      0.0245    Cross Sectional                                                                      Effect   20 Intercept        1    ‐52673.8     31574.6      ‐1.67      0.0990    Intercept PAT              1    0.052731     0.00496      10.64      <.0001    PAT 

168

The SAS System The TSCSREG Procedure  Dependent Variable: GPSI GPSI          Model Description  Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE          2183913470    DFE                  83 MSE         26312210.48    Root MSE      5129.5429 R‐Square         0.9010         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          83       9.01    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     12036.3      3280.7       3.67      0.0004    Cross Sectional                                                                      Effect    1 CS2              1     4315.63      3435.0       1.26      0.2125    Cross Sectional                                                                      Effect    2 CS3              1    ‐6159.16      3246.1      ‐1.90      0.0612    Cross Sectional                                                                      Effect    3 CS4              1    ‐5925.61      3294.9      ‐1.80      0.0757    Cross Sectional                                                                      Effect    4 CS5              1    775.1274      3538.8       0.22      0.8272    Cross Sectional                                                                      Effect    5 CS6              1    ‐8584.98      3244.4      ‐2.65      0.0097    Cross Sectional                                                                      Effect    6 CS7              1     2038.54      3632.5       0.56      0.5762    Cross Sectional                                                                      Effect    7 CS8              1    ‐2620.79      3313.3      ‐0.79      0.4312    Cross Sectional                                                                      Effect    8 CS9              1     3949.63      5499.6       0.72      0.4747    Cross Sectional                                                                      Effect    9 CS10             1    ‐20884.4      5098.7      ‐4.10      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    ‐4254.51      3487.4      ‐1.22      0.2259    Cross Sectional                                                                      Effect   11 CS12             1     4870.53      3359.3       1.45      0.1509    Cross Sectional                                                                      Effect   12 CS13             1     ‐800.38      3468.2      ‐0.23      0.8181    Cross Sectional                                                                      Effect   13 CS14             1    1602.305      3332.5       0.48      0.6319    Cross Sectional                                                                      Effect   14 CS15             1    ‐6266.28      3300.7      ‐1.90      0.0611    Cross Sectional                                                                      Effect   15 CS16             1    ‐6553.37      3281.1      ‐2.00      0.0491    Cross Sectional                                                                      Effect   16 CS17             1    ‐5997.91      3505.3      ‐1.71      0.0908    Cross Sectional                                                                      Effect   17 CS18             1    ‐1101.26      3521.7      ‐0.31      0.7553    Cross Sectional                                                                      Effect   18 CS19             1    8413.099      3312.0       2.54      0.0129    Cross Sectional                                                                      Effect   19 CS20             1    5647.112      3514.4       1.61      0.1119    Cross Sectional                                                                      Effect   20 Intercept        1    ‐3061.87      3282.9      ‐0.93      0.3537    Intercept PAT              1    0.004244    0.000516       8.23      <.0001    PAT 

169

 The SAS System  The TSCSREG Procedure Dependent Variable: GPSB GPSB          Model Description  Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         3.247408E12    DFE                  83 MSE         39125396494    Root MSE    197801.4067 R‐Square         0.9146         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          83      10.15    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     33725.2      126506       0.27      0.7904    Cross Sectional                                                                      Effect    1 CS2              1    ‐8702.48      132459      ‐0.07      0.9478    Cross Sectional                                                                      Effect    2 CS3              1    ‐76930.6      125172      ‐0.61      0.5405    Cross Sectional                                                                      Effect    3 CS4              1      296996      127054       2.34      0.0218    Cross Sectional                                                                      Effect    4 CS5              1    145731.7      136461       1.07      0.2886    Cross Sectional                                                                      Effect    5 CS6              1    453480.1      125108       3.62      0.0005    Cross Sectional                                                                      Effect    6 CS7              1    120918.7      140074       0.86      0.3905    Cross Sectional                                                                      Effect    7 CS8              1    10892.96      127763       0.09      0.9323    Cross Sectional                                                                      Effect    8 CS9              1     ‐710255      212073      ‐3.35      0.0012    Cross Sectional                                                                      Effect    9 CS10             1     ‐982970      196611      ‐5.00      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    ‐91423.3      134480      ‐0.68      0.4985    Cross Sectional                                                                      Effect   11 CS12             1     ‐116986      129537      ‐0.90      0.3691    Cross Sectional                                                                      Effect   12 CS13             1    ‐64137.8      133738      ‐0.48      0.6328    Cross Sectional                                                                      Effect   13 CS14             1      ‐49639      128503      ‐0.39      0.7003    Cross Sectional                                                                      Effect   14 CS15             1    177354.2      127277       1.39      0.1672    Cross Sectional                                                                      Effect   15 CS16             1    64098.03      126524       0.51      0.6138    Cross Sectional                                                                      Effect   16 CS17             1    624023.5      135167       4.62      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    ‐15732.1      135801      ‐0.12      0.9081    Cross Sectional                                                                      Effect   18 CS19             1    ‐6868.65      127713      ‐0.05      0.9572    Cross Sectional                                                                      Effect   19 CS20             1    57353.58      135518       0.42      0.6732    Cross Sectional                                                                      Effect   20 Intercept        1    ‐84519.4      126595      ‐0.67      0.5062    Intercept PAT              1    0.211716      0.0199      10.65      <.0001    PAT 

170

The SAS System                                                                                                00:12 Friday, January 16, 2012  The TSCSREG Procedure  Dependent Variable: GPSLL GPSLL           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                   Fit Statistics SSE         6.859477E12    DFE                  82 MSE         83652156786    Root MSE    289226.8258 R‐Square         0.9912         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          82       7.61    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     ‐784367      187328      ‐4.19      <.0001    Cross Sectional                                                                      Effect    1 CS2              1    ‐1619725      211684      ‐7.65      <.0001    Cross Sectional                                                                      Effect    2 CS3              1    ‐1705581      209656      ‐8.14      <.0001    Cross Sectional                                                                      Effect    3 CS4              1     ‐757007      186446      ‐4.06      0.0001    Cross Sectional                                                                      Effect    4 CS5              1    ‐1311459      218014      ‐6.02      <.0001    Cross Sectional                                                                      Effect    5 CS6              1    ‐1257918      190029      ‐6.62      <.0001    Cross Sectional                                                                      Effect    6 CS7              1    ‐1247765      221444      ‐5.63      <.0001    Cross Sectional                                                                      Effect    7 CS8              1    ‐1462457      208302      ‐7.02      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    ‐1681313      327188      ‐5.14      <.0001    Cross Sectional                                                                      Effect    9 CS10             1    ‐3420424      362220      ‐9.44      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    ‐1236756      219159      ‐5.64      <.0001    Cross Sectional                                                                      Effect   11 CS12             1    ‐1326276      212733      ‐6.23      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    ‐1335233      216039      ‐6.18      <.0001    Cross Sectional                                                                      Effect   13 CS14             1    ‐1341364      207110      ‐6.48      <.0001    Cross Sectional                                                                      Effect   14 CS15             1    ‐1441795      201953      ‐7.14      <.0001    Cross Sectional                                                                      Effect   15 CS16             1    ‐1412516      200685      ‐7.04      <.0001    Cross Sectional                                                                      Effect   16 CS17             1    180859.9      201667       0.90      0.3724    Cross Sectional                                                                      Effect   17 CS18             1    ‐1221731      216577      ‐5.64      <.0001    Cross Sectional                                                                      Effect   18 CS19             1    ‐1228219      198107      ‐6.20      <.0001    Cross Sectional                                                                      Effect   19 CS20             1     ‐961979      209836      ‐4.58      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1     1259697      207364       6.07      <.0001    Intercept PAT              1    0.129308      0.0486       2.66      0.0093    PAT BSPK             1    1.893701      0.1050      18.04      <.0001   

171

The SAS System  The TSCSREG Procedure Dependent Variable: PKRT PKRT           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         7.454278E13    DFE                  82 MSE         9.090583E11    Root MSE    953445.4953 R‐Square         0.9995         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          82     186.14    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    ‐1.027E7     1038465      ‐9.89      <.0001    Cross Sectional                                                                      Effect    1 CS2              1    ‐4746663     7317176      ‐0.65      0.5183    Cross Sectional                                                                      Effect    2 CS3              1    ‐1753314     1530569      ‐1.15      0.2553    Cross Sectional                                                                      Effect    3 CS4              1    ‐2.134E7     1777609     ‐12.00      <.0001    Cross Sectional                                                                      Effect    4 CS5              1     1643283      699047       2.35      0.0211    Cross Sectional                                                                      Effect    5 CS6              1    ‐1637644     3128103      ‐0.52      0.6020    Cross Sectional                                                                      Effect    6 CS7              1    789363.1      779865       1.01      0.3144    Cross Sectional                                                                      Effect    7 CS8              1    ‐4466576     4438183      ‐1.01      0.3172    Cross Sectional                                                                      Effect    8 CS9              1    ‐3800595    28438235      ‐0.13      0.8940    Cross Sectional                                                                      Effect    9 CS10             1    ‐1.023E7    24632866      ‐0.42      0.6791    Cross Sectional                                                                      Effect   10 CS11             1    ‐2650788      996259      ‐2.66      0.0094    Cross Sectional                                                                      Effect   11 CS12             1    ‐1665457      942017      ‐1.77      0.0808    Cross Sectional                                                                      Effect   12 CS13             1    ‐3230011     2075885      ‐1.56      0.1236    Cross Sectional                                                                      Effect   13 CS14             1     1044685     2047769       0.51      0.6113    Cross Sectional                                                                      Effect   14 CS15             1    ‐2732799     1783504      ‐1.53      0.1293    Cross Sectional                                                                      Effect   15 CS16             1    ‐3930160      788000      ‐4.99      <.0001    Cross Sectional                                                                      Effect   16 CS17             1    ‐3.668E7     3015068     ‐12.17      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    ‐1592845      642249      ‐2.48      0.0152    Cross Sectional                                                                      Effect   18 CS19             1    ‐4786295     5316655      ‐0.90      0.3706    Cross Sectional                                                                      Effect   19 CS20             1     1115942      955222       1.17      0.2461    Cross Sectional                                                                      Effect   20 Intercept        1    ‐1641900     1934348      ‐0.85      0.3985    Intercept PDRBSEC          1    0.524469      0.0417      12.57      <.0001    PDRBSEC POP              1    932.8044      1008.4       0.93      0.3576    POP 

172

The SAS System  The TSCSREG Procedure  Dependent Variable: PMTB PMTB           Model Description  Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         4.289875E13    DFE                  82 MSE         5.231555E11    Root MSE    723294.9132 R‐Square         0.9963         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          82      29.19    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    ‐4710265      509558      ‐9.24      <.0001    Cross Sectional                                                                      Effect    1 CS2              1    ‐5031814     1040416      ‐4.84      <.0001    Cross Sectional                                                                      Effect    2 CS3              1    ‐2984449      489571      ‐6.10      <.0001    Cross Sectional                                                                      Effect    3 CS4              1    837241.1      957978       0.87      0.3847    Cross Sectional                                                                      Effect    4 CS5              1    ‐2549816      482053      ‐5.29      <.0001    Cross Sectional                                                                      Effect    5 CS6              1    ‐1218980      659203      ‐1.85      0.0680    Cross Sectional                                                                      Effect    6 CS7              1    ‐2544599      494184      ‐5.15      <.0001    Cross Sectional                                                                      Effect    7 CS8              1    ‐3278047      479680      ‐6.83      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    ‐1.171E7     3245016      ‐3.61      0.0005    Cross Sectional                                                                      Effect    9 CS10             1    ‐8173930     1689336      ‐4.84      <.0001    Cross Sectional                                                                      Effect   10 CS11             1     ‐685175      459445      ‐1.49      0.1397    Cross Sectional                                                                      Effect   11 CS12             1    ‐2865084      468099      ‐6.12      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    ‐1036391      464305      ‐2.23      0.0283    Cross Sectional                                                                      Effect   13 CS14             1    ‐2645944      483624      ‐5.47      <.0001    Cross Sectional                                                                      Effect   14 CS15             1    101460.8      462949       0.22      0.8271    Cross Sectional                                                                      Effect   15 CS16             1    ‐4029899      462275      ‐8.72      <.0001    Cross Sectional                                                                      Effect   16 CS17             1    ‐6257177     1356802      ‐4.61      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    ‐2029671      484145      ‐4.19      <.0001    Cross Sectional                                                                      Effect   18 CS19             1    ‐3555615      518400      ‐6.86      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    ‐2297623      507080      ‐4.53      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1     1688004      416307       4.05      0.0001    Intercept PDRBSEC          1    0.198449      0.0170      11.65      <.0001    PDRBSEC KUK              1    201.6652     96.7357       2.08      0.0402    KUK 

173

The SAS System  The TSCSREG Procedure  Dependent Variable: TQST TQST           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         3.293813E13    DFE                  82 MSE         4.016845E11    Root MSE    633785.8250 R‐Square         0.9962          F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          82     234.73    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     3859227      437119       8.83      <.0001    Cross Sectional                                                                      Effect    1 CS2              1    18932555     1240745      15.26      <.0001    Cross Sectional                                                                      Effect    2 CS3              1     4251728      403360      10.54      <.0001    Cross Sectional                                                                      Effect    3 CS4              1     9954762      440905      22.58      <.0001    Cross Sectional                                                                      Effect    4 CS5              1     1407421      473604       2.97      0.0039    Cross Sectional                                                                      Effect    5 CS6              1     6819794      978395       6.97      <.0001    Cross Sectional                                                                      Effect    6 CS7              1     99476.5      697672       0.14      0.8870    Cross Sectional                                                                      Effect    7 CS8              1     9862242     1017797       9.69      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    30347457     1733559      17.51      <.0001    Cross Sectional                                                                      Effect    9 CS10             1    26062661     2113930      12.33      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    835929.1      524321       1.59      0.1147    Cross Sectional                                                                      Effect   11 CS12             1     1932211      496106       3.89      0.0002    Cross Sectional                                                                      Effect   12 CS13             1     1098871      406321       2.70      0.0083    Cross Sectional                                                                      Effect   13 CS14             1    715280.8      733835       0.97      0.3326    Cross Sectional                                                                      Effect   14 CS15             1     3014017      529290       5.69      <.0001    Cross Sectional                                                                      Effect   15 CS16             1     2863202      449865       6.36      <.0001    Cross Sectional                                                                      Effect   16 CS17             1     3042283      993103       3.06      0.0030    Cross Sectional                                                                      Effect   17 CS18             1    532116.5      965824       0.55      0.5832    Cross Sectional                                                                      Effect   18 CS19             1     8032401      829775       9.68      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    ‐1251487     1292611      ‐0.97      0.3358    Cross Sectional                                                                      Effect   20 Intercept        1    ‐3342166    14697231      ‐0.23      0.8207    Intercept LOGTKST          1    404676.2     1075856       0.38      0.7078 GPST             1    5.170432      0.9292       5.56      <.0001    GPST 

174

The SAS System  The TSCSREG Procedure  Dependent Variable: TQSI TQSI           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         3.513491E14    DFE                  82 MSE         4.284745E12    Root MSE    2069962.678 R‐Square         0.9950          F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          82     128.14    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     1735093     1414727       1.23      0.2235    Cross Sectional                                                                      Effect    1 CS2              1     1978928     2189258       0.90      0.3687    Cross Sectional                                                                      Effect    2 CS3              1    ‐1521884     1426306      ‐1.07      0.2891    Cross Sectional                                                                      Effect    3 CS4              1     2284158     1426344       1.60      0.1131    Cross Sectional                                                                      Effect    4 CS5              1     ‐193872     1386245      ‐0.14      0.8891    Cross Sectional                                                                      Effect    5 CS6              1     3812830     1453922       2.62      0.0104    Cross Sectional                                                                      Effect    6 CS7              1     ‐107028     1368323      ‐0.08      0.9378    Cross Sectional                                                                      Effect    7 CS8              1    ‐3706125     1551818      ‐2.39      0.0192    Cross Sectional                                                                      Effect    8 CS9              1    ‐1.843E7    12033061      ‐1.53      0.1294    Cross Sectional                                                                      Effect    9 CS10             1    ‐7.582E7    11508886      ‐6.59      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    ‐8334906     1809550      ‐4.61      <.0001    Cross Sectional                                                                      Effect   11 CS12             1    ‐1.113E7     1795267      ‐6.20      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    ‐6992601     1581799      ‐4.42      <.0001    Cross Sectional                                                                      Effect   13 CS14             1    ‐5090241     1411630      ‐3.61      0.0005    Cross Sectional                                                                      Effect   14 CS15             1    764763.1     1437429       0.53      0.5961    Cross Sectional                                                                      Effect   15 CS16             1    ‐2540340     1483442      ‐1.71      0.0906    Cross Sectional                                                                      Effect   16 CS17             1    27237630     1395624      19.52      <.0001    Cross Sectional                                                                      Effect   17 CS18             1     ‐973965     1403470      ‐0.69      0.4897    Cross Sectional                                                                      Effect   18 CS19             1    ‐3514187     1522019      ‐2.31      0.0235    Cross Sectional                                                                      Effect   19 CS20             1     ‐577419     1324783      ‐0.44      0.6641    Cross Sectional                                                                      Effect   20 Intercept        1     ‐633306     1073602      ‐0.59      0.5569    Intercept TKSI             1    47.97675      4.4832      10.70      <.0001    TKSI GPSI             1    41.00406     33.9592       1.21      0.2307    GPSI 

175

 The SAS System The TSCSREG Procedure  Dependent Variable: TQSB TQSB           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         2.047595E12    DFE                  81 MSE         25278945413    Root MSE    158993.5389 R‐Square         0.9965         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          81     193.63    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1      389223      105683       3.68      0.0004    Cross Sectional                                                                      Effect    1 CS2              1     4174885      152157      27.44      <.0001    Cross Sectional                                                                      Effect    2 CS3              1    302933.5      107097       2.83      0.0059    Cross Sectional                                                                      Effect    3 CS4              1    822760.5      112745       7.30      <.0001    Cross Sectional                                                                      Effect    4 CS5              1     ‐474439      123349      ‐3.85      0.0002    Cross Sectional                                                                      Effect    5 CS6              1     2343410      107498      21.80      <.0001    Cross Sectional                                                                      Effect    6 CS7              1     ‐714784      109367      ‐6.54      <.0001    Cross Sectional                                                                      Effect    7 CS8              1    328811.9      111081       2.96      0.0040    Cross Sectional                                                                      Effect    8 CS9              1     4751136      144885      32.79      <.0001    Cross Sectional                                                                      Effect    9 CS10             1     4892254      333460      14.67      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    361330.2      145163       2.49      0.0149    Cross Sectional                                                                      Effect   11 CS12             1     ‐414232      156568      ‐2.65      0.0098    Cross Sectional                                                                      Effect   12 CS13             1    74213.78      114108       0.65      0.5173    Cross Sectional                                                                      Effect   13 CS14             1     ‐327034      104589      ‐3.13      0.0025    Cross Sectional                                                                      Effect   14 CS15             1    729908.1      108759       6.71      <.0001    Cross Sectional                                                                      Effect   15 CS16             1    153068.8      111541       1.37      0.1738    Cross Sectional                                                                      Effect   16 CS17             1     1292445      123794      10.44      <.0001    Cross Sectional                                                                      Effect   17 CS18             1     1206322      111473      10.82      <.0001    Cross Sectional                                                                      Effect   18 CS19             1    380639.3      103799       3.67      0.0004    Cross Sectional                                                                      Effect   19 CS20             1     ‐853640      106602      ‐8.01      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1    708031.3     92659.4       7.64      <.0001    Intercept TTKKSB           1    0.683962      0.0561      12.19      <.0001 GPSB             1    0.371688      0.0762       4.88      <.0001    GPSB JLHK             1    0.095129      0.0631       1.51      0.1357    JLHK 

176

The SAS System The TSCSREG Procedure  Dependent Variable: TQSLL TQSLL           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         2.754201E14    DFE                  81 MSE         3.400248E12    Root MSE    1843976.256 R‐Square         0.9957          F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          81     202.13    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     2350375     1333739       1.76      0.0818    Cross Sectional                                                                      Effect    1 CS2              1     5688842     3655245       1.56      0.1235    Cross Sectional                                                                      Effect    2 CS3              1    ‐3006234     1596707      ‐1.88      0.0633    Cross Sectional                                                                      Effect    3 CS4              1    34701256     1779326      19.50      <.0001    Cross Sectional                                                                      Effect    4 CS5              1    ‐9627351     1556856      ‐6.18      <.0001    Cross Sectional                                                                      Effect    5 CS6              1     6903281     1824819       3.78      0.0003    Cross Sectional                                                                      Effect    6 CS7              1    ‐9471114     1340801      ‐7.06      <.0001    Cross Sectional                                                                      Effect    7 CS8              1    ‐8711327     1866176      ‐4.67      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    10556211    14364954       0.73      0.4645    Cross Sectional                                                                      Effect    9 CS10             1    ‐2.188E7    10922480      ‐2.00      0.0485    Cross Sectional                                                                      Effect   10 CS11             1    ‐1.136E7     2011382      ‐5.65      <.0001    Cross Sectional                                                                      Effect   11 CS12             1    ‐9112684     2125218      ‐4.29      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    ‐8643087     1748215      ‐4.94      <.0001    Cross Sectional                                                                      Effect   13 CS14             1    ‐9674641     1254819      ‐7.71      <.0001    Cross Sectional                                                                      Effect   14 CS15             1    ‐6381365     1506419      ‐4.24      <.0001    Cross Sectional                                                                      Effect   15 CS16             1    ‐4867013     1568055      ‐3.10      0.0026    Cross Sectional                                                                      Effect   16 CS17             1    33444036     1308367      25.56      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    ‐7785979     1408456      ‐5.53      <.0001    Cross Sectional                                                                      Effect   18 CS19             1    ‐4647583     2122236      ‐2.19      0.0314    Cross Sectional                                                                      Effect   19 CS20             1    ‐1.039E7     1253787      ‐8.29      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1     9963777     1122159       8.88      <.0001    Intercept TKKSL            1     9.25683      2.1205       4.37      <.0001    TKKSL GPSLL            1    0.540797      0.2770       1.95      0.0544    GPSLL JLHK             1    2.262018      0.6341       3.57      0.0006    JLHK 

177

The SAS System The TSCSREG Procedure  Dependent Variable: TKST TKST           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         7.081342E11    DFE                  83 MSE          8531736803    Root MSE     92367.4012 R‐Square         0.9965          F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          83     210.27    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    16316.74     88172.2       0.19      0.8536    Cross Sectional                                                                      Effect    1 CS2              1     1756355      277717       6.32      <.0001    Cross Sectional                                                                      Effect    2 CS3              1     7931.17     84731.0       0.09      0.9256    Cross Sectional                                                                      Effect    3 CS4              1    106921.6      159057       0.67      0.5033    Cross Sectional                                                                      Effect    4 CS5              1     ‐187274     59966.4      ‐3.12      0.0025    Cross Sectional                                                                      Effect    5 CS6              1     1133570      114960       9.86      <.0001    Cross Sectional                                                                      Effect    6 CS7              1     ‐367113     58874.6      ‐6.24      <.0001    Cross Sectional                                                                      Effect    7 CS8              1     1197140      148304       8.07      <.0001    Cross Sectional                                                                      Effect    8 CS9              1     3401593      441148       7.71      <.0001    Cross Sectional                                                                      Effect    9 CS10             1     5265694      383109      13.74      <.0001    Cross Sectional                                                                      Effect   10 CS11             1     ‐238796     58439.3      ‐4.09      0.0001    Cross Sectional                                                                      Effect   11 CS12             1     ‐213367     62157.3      ‐3.43      0.0009    Cross Sectional                                                                      Effect   12 CS13             1    32890.72     59603.1       0.55      0.5825    Cross Sectional                                                                      Effect   13 CS14             1      677232     60183.5      11.25      <.0001    Cross Sectional                                                                      Effect   14 CS15             1    329425.2     72653.5       4.53      <.0001    Cross Sectional                                                                      Effect   15 CS16             1     ‐154765     69728.7      ‐2.22      0.0292    Cross Sectional                                                                      Effect   16 CS17             1     ‐490143     74375.3      ‐6.59      <.0001    Cross Sectional                                                                      Effect   17 CS18             1     ‐494376     58536.9      ‐8.45      <.0001    Cross Sectional                                                                      Effect   18 CS19             1    857083.5      135052       6.35      <.0001    Cross Sectional                                                                      Effect   19 CS20             1     ‐600259     64630.5      ‐9.29      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1    878637.3     59689.1      14.72      <.0001    Intercept TQST             1    0.000212      0.0136       0.02      0.9876    TQST 

178

The SAS System The TSCSREG Procedure  Dependent Variable: TKSI TKSI           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         89276672732    DFE                  83 MSE          1075622563    Root MSE     32796.6852 R‐Square         0.9985         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          83     591.34    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    ‐8174.12     21412.3      ‐0.38      0.7036    Cross Sectional                                                                      Effect    1 CS2              1    134166.5     31593.5       4.25      <.0001    Cross Sectional                                                                      Effect    2 CS3              1    66483.83     21097.9       3.15      0.0023    Cross Sectional                                                                      Effect    3 CS4              1    23069.27     22561.6       1.02      0.3095    Cross Sectional                                                                      Effect    4 CS5              1    25262.89     20798.1       1.21      0.2279    Cross Sectional                                                                      Effect    5 CS6              1    2806.191     22847.4       0.12      0.9025    Cross Sectional                                                                      Effect    6 CS7              1    10321.24     20743.5       0.50      0.6201    Cross Sectional                                                                      Effect    7 CS8              1    115380.8     21118.9       5.46      <.0001    Cross Sectional                                                                      Effect    8 CS9              1     1322715      125709      10.52      <.0001    Cross Sectional                                                                      Effect    9 CS10             1     1979758     56109.0      35.28      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    203596.6     20858.3       9.76      <.0001    Cross Sectional                                                                      Effect   11 CS12             1    248270.3     20823.6      11.92      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    157258.4     20744.3       7.58      <.0001    Cross Sectional                                                                      Effect   13 CS14             1      107512     20745.0       5.18      <.0001    Cross Sectional                                                                      Effect   14 CS15             1    29795.07     21246.3       1.40      0.1645    Cross Sectional                                                                      Effect   15 CS16             1    83536.25     20923.1       3.99      0.0001    Cross Sectional                                                                      Effect   16 CS17             1     ‐292587     41194.3      ‐7.10      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    36004.11     20752.7       1.73      0.0865    Cross Sectional                                                                      Effect   18 CS19             1    104375.5     21454.0       4.87      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    14146.07     20745.0       0.68      0.4972    Cross Sectional                                                                      Effect   20 Intercept        1    3274.099     14675.9       0.22      0.8240    Intercept TQSI             1    0.012318     0.00109      11.34      <.0001    TQSI 

179

The SAS System  The TSCSREG Procedure Dependent Variable: TKKSB TKKSB           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         46506524904    DFE                  83 MSE         560319577.2    Root MSE     23671.0705 R‐Square         0.9921         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          83     511.99    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    63159.87     15837.1       3.99      0.0001    Cross Sectional                                                                      Effect    1 CS2              1    163106.1     15235.2      10.71      <.0001    Cross Sectional                                                                      Effect    2 CS3              1    47361.88     15749.1       3.01      0.0035    Cross Sectional                                                                      Effect    3 CS4              1    130986.4     21803.3       6.01      <.0001    Cross Sectional                                                                      Effect    4 CS5              1     26809.9     17214.6       1.56      0.1232    Cross Sectional                                                                      Effect    5 CS6              1    63446.35     17025.2       3.73      0.0004    Cross Sectional                                                                      Effect    6 CS7              1    19744.12     21924.8       0.90      0.3704    Cross Sectional                                                                      Effect    7 CS8              1    74115.66     15736.0       4.71      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    870336.5     20945.5      41.55      <.0001    Cross Sectional                                                                      Effect    9 CS10             1    838083.9     15029.5      55.76      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    71320.37     22123.5       3.22      0.0018    Cross Sectional                                                                      Effect   11 CS12             1    107597.8     18456.2       5.83      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    30682.99     15915.4       1.93      0.0573    Cross Sectional                                                                      Effect   13 CS14             1    9306.583     15547.2       0.60      0.5511    Cross Sectional                                                                      Effect   14 CS15             1     20478.4     18461.3       1.11      0.2705    Cross Sectional                                                                      Effect   15 CS16             1    32128.67     15163.7       2.12      0.0371    Cross Sectional                                                                      Effect   16 CS17             1    81721.37     21059.5       3.88      0.0002    Cross Sectional                                                                      Effect   17 CS18             1    ‐58136.1     56383.1      ‐1.03      0.3055    Cross Sectional                                                                      Effect   18 CS19             1    120292.9     16156.5       7.45      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    24091.87     29064.8       0.83      0.4095    Cross Sectional                                                                      Effect   20 Intercept        1    ‐20827.4     33670.3      ‐0.62      0.5379    Intercept RTQSB            1    781324.4      545161       1.43      0.1556 

180

The SAS System  The TSCSREG Procedure  Dependent Variable: TKKSL TKKSL           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE         6.580078E11    DFE                  83 MSE          7927804717    Root MSE     89038.2205 R‐Square         0.9981         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          83     675.91    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    120474.6     61066.7       1.97      0.0518    Cross Sectional                                                                      Effect    1 CS2              1    979606.9      107632       9.10      <.0001    Cross Sectional                                                                      Effect    2 CS3              1    443856.8     57523.2       7.72      <.0001    Cross Sectional                                                                      Effect    3 CS4              1     ‐568953      152219      ‐3.74      0.0003    Cross Sectional                                                                      Effect    4 CS5              1    375437.2     61173.1       6.14      <.0001    Cross Sectional                                                                      Effect    5 CS6              1    234732.2     73663.1       3.19      0.0020    Cross Sectional                                                                      Effect    6 CS7              1    294651.6     66192.4       4.45      <.0001    Cross Sectional                                                                      Effect    7 CS8              1    687471.9     56678.5      12.13      <.0001    Cross Sectional                                                                      Effect    8 CS9              1     4795839      286096      16.76      <.0001    Cross Sectional                                                                      Effect    9 CS10             1     4293445      168693      25.45      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    694701.6     57770.2      12.03      <.0001    Cross Sectional                                                                      Effect   11 CS12             1    663141.9     56321.7      11.77      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    614330.6     58033.8      10.59      <.0001    Cross Sectional                                                                      Effect   13 CS14             1    381572.1     63307.3       6.03      <.0001    Cross Sectional                                                                      Effect   14 CS15             1    400978.9     56810.1       7.06      <.0001    Cross Sectional                                                                      Effect   15 CS16             1    409587.5     56314.0       7.27      <.0001    Cross Sectional                                                                      Effect   16 CS17             1     ‐766376      139987      ‐5.47      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    381504.4     60419.6       6.31      <.0001    Cross Sectional                                                                      Effect   18 CS19             1    751824.2     59484.1      12.64      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    280021.4     68739.0       4.07      0.0001    Cross Sectional                                                                      Effect   20 Intercept        1     ‐196373     61012.2      ‐3.22      0.0018    Intercept TQSLL            1    0.028022     0.00324       8.65      <.0001    TQSLL 

181

The SAS System  The TSCSREG Procedure Dependent Variable: AHH AHH           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE             12.6999    DFE                  82 MSE              0.1549    Root MSE         0.3935 R‐Square         0.9851         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          82     241.18    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    2.662657      0.4304       6.19      <.0001    Cross Sectional                                                                      Effect    1 CS2              1    0.886592      0.2716       3.26      0.0016    Cross Sectional                                                                      Effect    2 CS3              1    1.354417      0.2701       5.01      <.0001    Cross Sectional                                                                      Effect    3 CS4              1    3.338913      0.2489      13.41      <.0001    Cross Sectional                                                                      Effect    4 CS5              1    2.005094      0.2710       7.40      <.0001    Cross Sectional                                                                      Effect    5 CS6              1    0.835177      0.2591       3.22      0.0018    Cross Sectional                                                                      Effect    6 CS7              1    3.783513      0.4164       9.09      <.0001    Cross Sectional                                                                      Effect    7 CS8              1    3.590489      0.4750       7.56      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    ‐0.96377      0.4164      ‐2.31      0.0231    Cross Sectional                                                                      Effect    9 CS10             1    3.700028      0.6613       5.60      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    8.071256      0.4393      18.37      <.0001    Cross Sectional                                                                      Effect   11 CS12             1      4.2223      0.2952      14.30      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    ‐3.23502      0.5939      ‐5.45      <.0001    Cross Sectional                                                                      Effect   13 CS14             1    1.317224      0.5377       2.45      0.0164    Cross Sectional                                                                      Effect   14 CS15             1    0.028981      0.3876       0.07      0.9406    Cross Sectional                                                                      Effect   15 CS16             1    ‐3.72988      0.3478     ‐10.72      <.0001    Cross Sectional                                                                      Effect   16 CS17             1    1.527454      0.3407       4.48      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    6.482882      0.3734      17.36      <.0001    Cross Sectional                                                                      Effect   18 CS19             1    3.609548      0.4924       7.33      <.0001    Cross Sectional                                                                      Effect   19 CS20             1      2.3753      0.5354       4.44      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1    61.44018      0.9022      68.10      <.0001    Intercept BSK              1    1.228E‐6    4.785E‐7       2.57      0.0121    BSK KRTCAP           1    0.001325    0.000237       5.59      <.0001 

182

The SAS System  The TSCSREG Procedure Dependent Variable: AMH AMH           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE             22.3300    DFE                  81 MSE              0.2757    Root MSE         0.5251 R‐Square         0.9948         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          81     640.59    <.0001                                     Parameter Estimates                                   Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    21.93166      0.5847      37.51      <.0001    Cross Sectional                                                                      Effect    1 CS2              1    21.02355      0.4229      49.71      <.0001    Cross Sectional                                                                      Effect    2 CS3              1    20.84239      0.4607      45.24      <.0001    Cross Sectional                                                                      Effect    3 CS4              1    22.22797      0.4226      52.60      <.0001    Cross Sectional                                                                      Effect    4 CS5              1    21.39638      0.4341      49.29      <.0001    Cross Sectional                                                                      Effect    5 CS6              1     20.8407      0.4175      49.92      <.0001    Cross Sectional                                                                      Effect    6 CS7              1     21.1358      0.5655      37.37      <.0001    Cross Sectional                                                                      Effect    7 CS8              1    19.75888      0.6938      28.48      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    17.97038      0.7754      23.18      <.0001    Cross Sectional                                                                      Effect    9 CS10             1     11.8157      1.0511      11.24      <.0001    Cross Sectional                                                                      Effect   10 CS11             1     13.7145      0.6256      21.92      <.0001    Cross Sectional                                                                      Effect   11 CS12             1    11.68728      0.4625      25.27      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    6.535618      0.8043       8.13      <.0001    Cross Sectional                                                                      Effect   13 CS14             1    12.87487      0.7232      17.80      <.0001    Cross Sectional                                                                      Effect   14 CS15             1    15.13792      0.5267      28.74      <.0001    Cross Sectional                                                                      Effect   15 CS16             1    20.80861      0.4684      44.42      <.0001    Cross Sectional                                                                      Effect   16 CS17             1    19.35648      0.4905      39.47      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    25.49593      0.5594      45.58      <.0001    Cross Sectional                                                                      Effect   18 CS19             1    11.29956      0.6649      16.99      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    24.96826      0.7198      34.69      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1    71.15078      1.2060      59.00      <.0001    Intercept BSK              1    5.312E‐7    1.584E‐6       0.34      0.7382    BSK BSP              1     4.04E‐7    4.551E‐7       0.89      0.3774    BSP KRTCAP           1    0.000856    0.000320       2.68      0.0090 

183

The SAS System The TSCSREG Procedure  Dependent Variable: RLS RLS           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE              0.7092    DFE                  81 MSE              0.0088    Root MSE         0.0936 R‐Square         0.9895         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          81     287.24    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     2.48327      0.1067      23.27      <.0001    Cross Sectional                                                                      Effect    1 CS2              1    2.058631      0.0709      29.02      <.0001    Cross Sectional                                                                      Effect    2 CS3              1    1.772071      0.0727      24.36      <.0001    Cross Sectional                                                                      Effect    3 CS4              1    1.993056      0.0628      31.71      <.0001    Cross Sectional                                                                      Effect    4 CS5              1    1.400744      0.0674      20.80      <.0001    Cross Sectional                                                                      Effect    5 CS6              1    1.099648      0.0616      17.85      <.0001    Cross Sectional                                                                      Effect    6 CS7              1    2.121855      0.1020      20.80      <.0001    Cross Sectional                                                                      Effect    7 CS8              1     1.40423      0.1225      11.47      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    0.897531      0.1279       7.02      <.0001    Cross Sectional                                                                      Effect    9 CS10             1    0.494993      0.1838       2.69      0.0086    Cross Sectional                                                                      Effect   10 CS11             1    2.605316      0.1155      22.55      <.0001    Cross Sectional                                                                      Effect   11 CS12             1     1.39609      0.0776      17.98      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    1.044383      0.1432       7.29      <.0001    Cross Sectional                                                                      Effect   13 CS14             1    0.695539      0.1284       5.42      <.0001    Cross Sectional                                                                      Effect   14 CS15             1     0.66624      0.0939       7.10      <.0001    Cross Sectional                                                                      Effect   15 CS16             1    1.309376      0.0833      15.72      <.0001    Cross Sectional                                                                      Effect   16 CS17             1    2.017669      0.0761      26.51      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    2.893203      0.0955      30.28      <.0001    Cross Sectional                                                                      Effect   18 CS19             1     1.27015      0.1227      10.35      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    2.886834      0.1287      22.43      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1    5.114478      0.2190      23.35      <.0001    Intercept BSP              1    4.403E‐8    3.384E‐8       1.30      0.1970    BSP KRTCAP           1    0.000308    0.000052       5.89      <.0001 APSD             1    ‐0.08232      0.0361      ‐2.28      0.0253    APSD 

184

The SAS System  The TSCSREG Procedure Dependent Variable: PPP PPP           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE           1120.3852    DFE                  82 MSE             13.6632    Root MSE         3.6964 R‐Square         0.9411         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          82      60.41    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1    29.74814      3.3015       9.01      <.0001    Cross Sectional                                                                      Effect    1 CS2              1    36.08537      4.3929       8.21      <.0001    Cross Sectional                                                                      Effect    2 CS3              1    39.92786      2.5337      15.76      <.0001    Cross Sectional                                                                      Effect    3 CS4              1    40.01833      2.6524      15.09      <.0001    Cross Sectional                                                                      Effect    4 CS5              1    42.09954      2.5586      16.45      <.0001    Cross Sectional                                                                      Effect    5 CS6              1    23.14077      3.0112       7.68      <.0001    Cross Sectional                                                                      Effect    6 CS7              1    56.72577      3.7442      15.15      <.0001    Cross Sectional                                                                      Effect    7 CS8              1    52.80625      3.8513      13.71      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    65.88268     15.6321       4.21      <.0001    Cross Sectional                                                                      Effect    9 CS10             1    72.94951      8.2632       8.83      <.0001    Cross Sectional                                                                      Effect   10 CS11             1     79.4364      3.7585      21.14      <.0001    Cross Sectional                                                                      Effect   11 CS12             1    44.10974      2.6768      16.48      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    77.64939      4.7749      16.26      <.0001    Cross Sectional                                                                      Effect   13 CS14             1    37.42984      4.2827       8.74      <.0001    Cross Sectional                                                                      Effect   14 CS15             1    47.29236      3.1569      14.98      <.0001    Cross Sectional                                                                      Effect   15 CS16             1    51.84096      2.8606      18.12      <.0001    Cross Sectional                                                                      Effect   16 CS17             1    18.05133      3.1389       5.75      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    52.80359      3.3459      15.78      <.0001    Cross Sectional                                                                      Effect   18 CS19             1    63.71976      3.8795      16.42      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    47.70833      4.5697      10.44      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1    519.7975      7.6547      67.91      <.0001    Intercept U                1    ‐0.00002    6.502E‐6      ‐2.32      0.0229    U KRTCAP           1    0.017271     0.00176       9.80      <.0001 

185

The SAS System  The TSCSREG Procedure Dependent Variable: TKDK TKDK           Model Description Estimation Method             FixOne Number of Cross Sections          21 Time Series Length                 5                    Fit Statistics SSE             71.2700    DFE                  83 MSE              0.8587    Root MSE         0.9266 R‐Square         0.9906         F Test for No Fixed Effects   Num DF      Den DF    F Value    Pr > F       20          83     230.91    <.0001                                     Parameter Estimates                                    Standard Variable        DF    Estimate       Error    t Value    Pr > |t|    Label  CS1              1     ‐12.184      0.5898     ‐20.66      <.0001    Cross Sectional                                                                      Effect    1 CS2              1    ‐21.7847      0.7926     ‐27.49      <.0001    Cross Sectional                                                                      Effect    2 CS3              1    ‐24.5333      0.8099     ‐30.29      <.0001    Cross Sectional                                                                      Effect    3 CS4              1    ‐23.3876      0.8673     ‐26.97      <.0001    Cross Sectional                                                                      Effect    4 CS5              1    ‐24.8834      0.7981     ‐31.18      <.0001    Cross Sectional                                                                      Effect    5 CS6              1    ‐16.8036      0.7243     ‐23.20      <.0001    Cross Sectional                                                                      Effect    6 CS7              1    ‐14.1794      0.7694     ‐18.43      <.0001    Cross Sectional                                                                      Effect    7 CS8              1    ‐15.6547      0.6639     ‐23.58      <.0001    Cross Sectional                                                                      Effect    8 CS9              1    ‐22.7349      0.7946     ‐28.61      <.0001    Cross Sectional                                                                      Effect    9 CS10             1    ‐14.8839      0.8342     ‐17.84      <.0001    Cross Sectional                                                                      Effect   10 CS11             1    ‐14.8923      1.0273     ‐14.50      <.0001    Cross Sectional                                                                      Effect   11 CS12             1    ‐29.3509      0.7885     ‐37.22      <.0001    Cross Sectional                                                                      Effect   12 CS13             1    ‐10.1626      0.8299     ‐12.25      <.0001    Cross Sectional                                                                      Effect   13 CS14             1    ‐11.8521      0.5869     ‐20.20      <.0001    Cross Sectional                                                                      Effect   14 CS15             1    ‐23.3446      0.7198     ‐32.43      <.0001    Cross Sectional                                                                      Effect   15 CS16             1    ‐28.3513      0.8317     ‐34.09      <.0001    Cross Sectional                                                                      Effect   16 CS17             1    ‐24.6596      0.8438     ‐29.23      <.0001    Cross Sectional                                                                      Effect   17 CS18             1    ‐26.1381      0.7551     ‐34.62      <.0001    Cross Sectional                                                                      Effect   18 CS19             1    ‐21.6201      0.7925     ‐27.28      <.0001    Cross Sectional                                                                      Effect   19 CS20             1    ‐6.97159      0.6085     ‐11.46      <.0001    Cross Sectional                                                                      Effect   20 Intercept        1    111.7009     10.1613      10.99      <.0001    Intercept PPP              1    ‐0.12184      0.0172      ‐7.08      <.0001    PPP

 

187

Lampiran 3. Program Validasi Model Fiskal dan Indeks Pembangunan Manusia   /* PROGRAM SIMULASI MODEL HUBUNGAN FISKAL DAN IPM */ /* ============================================== */  Option ps=500 ls=240 nocenter nodate nonumber; LIBNAME IN 'C:\;  Data dt;   set in.raw110112;   BLJ  = GPST+GPSI+GPSB+BSP+BSK+BSL;    *‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐;   NX1 = NX;   NX  = NX1+(PKP‐BLJ);   *‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐;    KRTCAP = PKRT/POP;   BSPK = BSP+BSK;   PDRBEXP= PKRT+BLJ+PMTB+NX;   PDRBSEC=TQST+TQSI+TQSB+TQSLL;   TKS = TKST+TKSI+TKKSB+TKKSL;   U   = AK‐TKS;   RTQSB=TQSB/PDRBSEC;   TTKKSB= TKKSB*TREN;   LOGTKST=LOG(TKST);    IHP  = ((AHH‐25)/(85‐25));   IP   = (1/3)*(RLS/15)+(2/3)*(AMH/100);   IHL  = ((PPP‐360)/(732.720‐300));    IF PROV=72 THEN DELETE;   *Variabel dummy propinsi;   if PROV=11 then D11=1; else D11=0;   if PROV=12 then D12=1; else D12=0;   if PROV=13 then D13=1; else D13=0;   if PROV=14 then D14=1; else D14=0;   if PROV=15 then D15=1; else D15=0;   if PROV=16 then D16=1; else D16=0;   if PROV=17 then D17=1; else D17=0;   if PROV=18 then D18=1; else D18=0;   if PROV=32 then D32=1; else D32=0;   if PROV=33 then D33=1; else D33=0;   if PROV=34 then D34=1; else D34=0;   if PROV=51 then D51=1; else D51=0;   if PROV=52 then D52=1; else D52=0;   if PROV=53 then D53=1; else D53=0;   if PROV=61 then D61=1; else D61=0;   if PROV=63 then D63=1; else D63=0;   if PROV=64 then D64=1; else D64=0;   if PROV=71 then D71=1; else D71=0;   if PROV=73 then D73=1; else D73=0;   if PROV=81 then D81=1; else D81=0;  run;  Proc simnlin data=dt out=hasil stats simulate outpredict theil;  Endogenous PJKD DAU PAD DNP PAT BSP BSK  GPST GPSI GPSB GPSLL BSPK BLJ PKRT PMTB PDRBEXP KRTCAP             TQST TQSI TQSB TQSLL RTQSB PDRBSEC TKST TKSI TKKSB TKKSL TKS U             AHH AMH RLS PPP TKDK IHP IP IHL IPM;   Exogenous PP POP PNS KUK LOGTKST TTKKSB JLHK NPJKD DAK BHPBP PLAIN NX AK APSD;  LOGTKST=LOG(TKST);   Parms /* PJKD        DAU               BSP          BSK              GPST              GPSI        */ d111   ‐322740    d211  ‐1020098    d311   ‐448135    d411  ‐222401    d511  140134.8    d611   12036.3 d112  449400.5    d212  ‐1671898    d312  ‐1344272    d412  ‐454543    d512  ‐6408.61    d612   4315.63 d113  34088.64    d213  215350.8    d313   70860.1    d413  ‐137131    d513   37370.3    d613  ‐6159.16 d114   ‐185510    d214  ‐2812575    d314  156775.9    d414  ‐131228    d514  108335.4    d614  ‐5925.61 d115   ‐200386    d215   ‐405987    d315  493897.2    d415 1085.218    d515  83258.86    d615  775.1274 d116  ‐52791.2    d216  ‐1458145    d316   ‐241643    d416  ‐184153    d516  18900.68    d616  ‐8584.98 d117   ‐267749    d217  ‐12921.7    d317  632110.2    d417 93758.09    d517  86030.17    d617   2038.54 d118   ‐126410    d218   ‐931369    d318  92549.43    d418  ‐172673    d518  30308.21    d618  ‐2620.79 d132   1486278    d232  ‐7846791    d332  ‐3475777    d432 ‐1239236    d532   ‐235978    d632   3949.63 

188

d133  716330.6    d233  ‐4688470    d333  ‐3239379    d433 ‐1180025    d533   ‐216635    d633  ‐20884.4 d134  ‐99427.4    d234   ‐324851    d334  200147.3    d434 ‐91554.3    d534  16050.07    d634  ‐4254.51 d151  205928.2    d251   ‐441417    d351  353582.1    d451 ‐42635.4    d551  38633.35    d651   4870.53 d152   ‐248039    d252   ‐416506    d352  370967.1    d452 ‐20152.4    d552  77751.22    d652   ‐800.38 d153   ‐336373    d253  95117.08    d353   74449.7    d453 ‐59878.5    d553  100202.5    d653  1602.305 d161   ‐236657    d261  80766.03    d361  320211.8    d461 16613.52    d561  67681.75    d661  ‐6266.28 d163  ‐50367.2    d263   ‐126597    d363  300929.5    d463 43016.52    d563  52109.76    d663  ‐6553.37 d164   ‐178463    d264  ‐2545593    d364  ‐92659.4    d464  ‐142733    d564  ‐6087.67    d664  ‐5997.91 d171   ‐255484    d271  38032.48    d371  458080.7    d471 ‐43364.6    d571  48937.37    d671  ‐1101.26 d173  ‐4715.28    d273   ‐596506    d373   ‐992500    d473  ‐346463    d573  54564.25    d673  8413.099 d181   ‐316288    d281  322270.7    d381  568806.4    d481 60891.81    d581  77449.23    d681  5647.112 a10   289904.4    a20    8243.43    a30   ‐1318667    a40   ‐221187    a50   ‐52673.8    a60   ‐3061.87 a11   0.038427    a21   0.384778    a31   0.180641    a41  0.068016    a51   0.052731    a61   0.004244 a12   0.011069    a22   243.3648    a32   14.67299    a42  3.734001     /* GPSB          GPSLL             PKRT              PMTB             TQST              TQSI        */          d711   33725.2    d811  ‐784367    d911  ‐1.027E7    d1011 ‐4708754   d1111  3859227    d1211  1735093 d712  ‐8702.48    d812 ‐1619725    d912  ‐4746663    d1012 ‐5024298   d1112 18932555    d1212  1978928 d713  ‐76930.6    d813 ‐1705581    d913  ‐1753314    d1013 ‐2979768   d1113  4251728    d1213 ‐1521884 d714    296996    d814  ‐757007    d914  ‐2.134E7    d1014 841032.9   d1114  9954762    d1214  2284158 d715  145731.7    d815 ‐1311459    d915   1643283    d1015 ‐2547736   d1115  1407421    d1215  ‐193872 d716  453480.1    d816 ‐1257918    d916  ‐1637644    d1016 ‐1218538   d1116  6819794    d1216  3812830 d717  120918.7    d817 ‐1247765    d917  789363.1    d1017 ‐2544318   d1117  99476.5    d1217  ‐107028 d718  10892.96    d818 ‐1462457    d918  ‐4466576    d1018 ‐3276247   d1118  9862242    d1218 ‐3706125 d732   ‐710255    d832 ‐1681313    d932  ‐3800595    d1032  ‐1.17E7   d1132 30347457    d1232 ‐1.843E7 d733   ‐982970    d833 ‐3420424    d933  ‐1.023E7    d1033 ‐8159276   d1133 26062661    d1233 ‐7.582E7 d734  ‐91423.3    d834 ‐1236756    d934  ‐2650788    d1034  ‐684539   d1134 835929.1    d1234 ‐8334906 d751   ‐116986    d851 ‐1326276    d951  ‐1665457    d1051 ‐2862344   d1151  1932211    d1251 ‐1.113E7 d752  ‐64137.8    d852 ‐1335233    d952  ‐3230011    d1052 ‐1035419   d1152  1098871    d1252 ‐6992601 d753    ‐49639    d853 ‐1341364    d953   1044685    d1053 ‐2644861   d1153 715280.8    d1253 ‐5090241 d761  177354.2    d861 ‐1441795    d961  ‐2732799    d1061 102943.7   d1161  3014017    d1261 764763.1 d763  64098.03    d863 ‐1412516    d963  ‐3930160    d1063 ‐4028856   d1163  2863202    d1263 ‐2540340 d764  624023.5    d864 180859.9    d964  ‐3.668E7    d1064 ‐6262546   d1164  3042283    d1264 27237630 d771  ‐15732.1    d871 ‐1221731    d971  ‐1592845    d1071 ‐2109849   d1171 532116.5    d1271  ‐973965 d773  ‐6868.65    d873 ‐1228219    d973  ‐4786295    d1073 ‐3551010   d1173  8032401    d1273 ‐3514187 d781  57353.58    d881  ‐961979    d981   1115942    d1081 ‐2297894   d1181 ‐1251487    d1281  ‐577419 a70   ‐84519.4    a80   1259697    a90   ‐1641900    a100   1688554   a110  ‐3342166    a120   ‐633306 a71   0.211716    a81  0.129308    a91   0.524469    a101  0.198536   a111  404676.2    a121  47.97675                   a82  1.893701    a92   932.8044    a102   199.449   a112  5.170432    a122  41.00406 /* TQSB              TQSLL             TKST              TKSI             TKKSB             TKKSL       */ d1311   389223    d1411  2350375    d1511 16316.74    d1611 ‐8174.12   d1711 63159.87    d1811  120474.6 d1312  4174885    d1412  5688842    d1512  1756355    d1612 134166.5   d1712 163106.1    d1812  979606.9 d1313 302933.5    d1413 ‐3006234    d1513  7931.17    d1613 66483.83   d1713 47361.88    d1813  443856.8 d1314 822760.5    d1414 34701256    d1514 106921.6    d1614 23069.27   d1714 130986.4    d1814   ‐568953 d1315  ‐474439    d1415 ‐9627351    d1515  ‐187274    d1615 25262.89   d1715  26809.9    d1815  375437.2 d1316  2343410    d1416  6903281    d1516  1133570    d1616 2806.191   d1716 63446.35    d1816  234732.2 d1317  ‐714784    d1417 ‐9471114    d1517  ‐367113    d1617 10321.24   d1717 19744.12    d1817  294651.6 d1318 328811.9    d1418 ‐8711327    d1518  1197140    d1618 115380.8   d1718 74115.66    d1818  687471.9 d1332  4751136    d1432 10556211    d1532  3401593    d1632  1322715   d1732 870336.5    d1832   4795839 d1333  4892254    d1433 ‐2.188E7    d1533  5265694    d1633  1979758   d1733 838083.9    d1833   4293445 d1334 361330.2    d1434 ‐1.136E7    d1534  ‐238796    d1634 203596.6   d1734 71320.37    d1834  694701.6 d1351  ‐414232    d1451 ‐9112684    d1551  ‐213367    d1651 248270.3   d1751 107597.8    d1851  663141.9 d1352 74213.78    d1452 ‐8643087    d1552 32890.72    d1652 157258.4   d1752 30682.99    d1852  614330.6 d1353  ‐327034    d1453 ‐9674641    d1553   677232    d1653   107512   d1753 9306.583    d1853  381572.1 d1361 729908.1    d1461 ‐6381365    d1561 329425.2    d1661 29795.07   d1761  20478.4    d1861  400978.9 d1363 153068.8    d1463 ‐4867013    d1563  ‐154765    d1663 83536.25   d1763 32128.67    d1863  409587.5 d1364  1292445    d1464 33444036    d1564  ‐490143    d1664  ‐292587   d1764 81721.37    d1864   ‐766376 d1371  1206322    d1471 ‐7785979    d1571  ‐494376    d1671 36004.11   d1771 ‐58136.1    d1871  381504.4 d1373 380639.3    d1473 ‐4647583    d1573 857083.5    d1673 104375.5   d1773 120292.9    d1873  751824.2 d1381  ‐853640    d1481 ‐1.039E7    d1581  ‐600259    d1681 14146.07   d1781 24091.87    d1881  280021.4 a130  708031.3    a140   9963777    a150  878637.3    a160  3274.099   a170  ‐20827.4    a180    ‐196373 a131  0.683962    a141   9.25683    a151  0.000212    a161  0.012318   a171  781324.4    a181   0.028022 a132  0.371688    a142  0.540797 a133  0.095129    a143  2.262018 /*     AHH                AMH                RLS                PPP                TKDK           */ d1911  2.662657    d2011  21.93166    d2111   2.48327    d2211  29.74814    d2311   ‐12.184 d1912  0.886592    d2012  21.02355    d2112  2.058631    d2212  36.08537    d2312  ‐21.7847 d1913  1.354417    d2013  20.84239    d2113  1.772071    d2213  39.92786    d2313  ‐24.5333 d1914  3.338913    d2014  22.22797    d2114  1.993056    d2214  40.01833    d2314  ‐23.3876 d1915  2.005094    d2015  21.39638    d2115  1.400744    d2215  42.09954    d2315  ‐24.8834 d1916  0.835177    d2016   20.8407    d2116  1.099648    d2216  23.14077    d2316  ‐16.8036 d1917  3.783513    d2017   21.1358    d2117  2.121855    d2217  56.72577    d2317  ‐14.1794 d1918  3.590489    d2018  19.75888    d2118   1.40423    d2218  52.80625    d2318  ‐15.6547 d1932  ‐0.96377    d2032  17.97038    d2132  0.897531    d2232  65.88268    d2332  ‐22.7349 d1933  3.700028    d2033   11.8157    d2133  0.494993    d2233  72.94951    d2333  ‐14.8839 d1934  8.071256    d2034   13.7145    d2134  2.605316    d2234   79.4364    d2334  ‐14.8923 d1951    4.2223    d2051  11.68728    d2151   1.39609    d2251  44.10974    d2351  ‐29.3509 d1952  ‐3.23502    d2052  6.535618    d2152  1.044383    d2252  77.64939    d2352  ‐10.1626 d1953  1.317224    d2053  12.87487    d2153  0.695539    d2253  37.42984    d2353  ‐11.8521 d1961  0.028981    d2061  15.13792    d2161   0.66624    d2261  47.29236    d2361  ‐23.3446 d1963  ‐3.72988    d2063  20.80861    d2163  1.309376    d2263  51.84096    d2363  ‐28.3513 d1964  1.527454    d2064  19.35648    d2164  2.017669    d2264  18.05133    d2364  ‐24.6596 

189

d1971  6.482882    d2071  25.49593    d2171  2.893203    d2271  52.80359    d2371  ‐26.1381 d1973  3.609548    d2073  11.29956    d2173   1.27015    d2273  63.71976    d2373  ‐21.6201 d1981    2.3753    d2081  24.96826    d2181  2.886834    d2281  47.70833    d2381  ‐6.97159 a190   61.44018    a200   71.15078    a210   5.114478    a220   519.7975    a230   111.7009 a191   1.228E‐6    a201   5.312E‐7    a211   4.403E‐8    a221   ‐0.00002    a231   ‐0.12184 a192   0.001325    a202    4.04E‐7    a212   0.000308    a222   0.017271                    a203   0.000856    a213   ‐0.08232 ;  *BLOK PENDAPATAN DAERAH; *‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐; PJKD = a10+a11*BLJ+a12*PP+      d111*D11+d112*D12+d113*D13+d114*D14+d115*D15+d116*D16+d117*D17+d118*D18+d132*D32+d133*D33+      d134*D34+d151*D51+d152*D52+d153*D53+d161*D61+d163*D63+d164*D64+d171*D71+d173*D73+d181*D81;       DAU  = a20+a21*blj+a22*POP+      d211*D11+d212*D12+d213*D13+d214*D14+d215*D15+d216*D16+d217*D17+d218*D18+d232*D32+d233*D33+      d234*D34+d251*D51+d252*D52+d253*D53+d261*D61+d263*D63+d264*D64+d271*D71+d273*D73+d281*D81;       PAD  = PJKD+NPJKD; DNP  = DAU+DAK+BHPBP+PLAIN; PAT  = PAD+DNP;   * BLOK BELANJA DAERAH    ; * ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ; BSP  = a30+a31*PAT+a32*PNS+      d311*D11+d312*D12+d313*D13+d314*D14+d315*D15+d316*D16+d317*D17+d318*D18+d332*D32+d333*D33+      d334*D34+d351*D51+d352*D52+d353*D53+d361*D61+d363*D63+d364*D64+d371*D71+d373*D73+d381*D81;     BSK  = a40+a41*PAT+a42*PNS+      d411*D11+d412*D12+d413*D13+d414*D14+d415*D15+d416*D16+d417*D17+d418*D18+d432*D32+d433*D33+      d434*D34+d451*D51+d452*D52+d453*D53+d461*D61+d463*D63+d464*D64+d471*D71+d473*D73+d481*D81;  GPST = a50+a51*PAT+      d511*D11+d512*D12+d513*D13+d514*D14+d515*D15+d516*D16+d517*D17+d518*D18+d532*D32+d533*D33+      d534*D34+d551*D51+d552*D52+d553*D53+d561*D61+d563*D63+d564*D64+d571*D71+d573*D73+d581*D81;       GPSI = a60+a61*PAT+      d611*D11+d612*D12+d613*D13+d614*D14+d615*D15+d616*D16+d617*D17+d618*D18+d632*D32+d633*D33+      d634*D34+d651*D51+d652*D52+d653*D53+d661*D61+d663*D63+d664*D64+d671*D71+d673*D73+d681*D81;       GPSB = a70+a71*PAT+        d711*D11+d712*D12+d713*D13+d714*D14+d715*D15+d716*D16+d717*D17+d718*D18+d732*D32+d733*D33+      d734*D34+d751*D51+d752*D52+d753*D53+d761*D61+d763*D63+d764*D64+d771*D71+d773*D73+d781*D81;       GPSLL= a80+a81*PAT+a82*BSPK+      d811*D11+d812*D12+d813*D13+d814*D14+d815*D15+d816*D16+d817*D17+d818*D18+d832*D32+d833*D33+      d834*D34+d851*D51+d852*D52+d853*D53+d861*D61+d863*D63+d864*D64+d871*D71+d873*D73+d881*D81;       BSPK = BSP+BSK; BLJ  =