PENGARUH PERTUMBUHAN EKONOMI, PEMBANGUNAN MANUSIA DAN

INVESTASI ASING LANGSUNG TERHADAP KETIMPANGAN PENDAPATAN PADA

PROVINSI INDONESIA BAGIAN TIMUR

Budi Wahyudi

Jurusan Akuntansi, Fakultas Ekonomi, Universitas Gunadarma

Budiwahyudi@staff.gunadarma.ac.id

Abstrak

Pembangunan yang dilakukan pemerintah bertujuan adanya pertumbuhan ekonomi dan

mengurangi kemisminan. Namun dengan adanya perbedaan kemampuan daerah dalam

mendapatkan PDRB per kapita, alokasi investasi yang tidak merata pada beberapa daerah dan

indeks pembangunan manusia yang berbeda tiap daerah menyebabkan ketimpangan dan

kemiskinan. Penelitian ini bertujuan untuk mengetahui pengaruh PDRB per kapita, investasi

asimg langsung, dan indeks pembangunan manusia terhadap ketimpangan pendapatan antar

daerah di provinsi Indonesia bagian timur dengan kriteria indeks pembangunan manusia

tergolong sedang dan pengeluaran perkapita terendah yaitu Provinsi Maluku, Maluku Utara,

Papua Barat dan Papua tahun 2012-2018. Data diolah dengan analisis data panel dengan regresi

linier berganda. Seluruh variabel penelitian berpengaruh secara simultan terhadap ketimpangan

pendapatan. Secara parsial variabel PDRB per kapita berpengaruh positif dan signifikan terhadap

ketimpangan pendapatan, indeks pembangunan manusia berpengaruh negatif dan signifikan

terhadap ketimpangan pendapatan. Sementara investasi asing langsung tidak berpengaruh

terhadap ketimpangan pendapatan.

Kata Kunci : ketimpangan pendapatan, PDRB per kapita, investasi asing langsung, indeks

pembangunan manusia,

Abstract

Development by the government aims at economic growth and reducing poverty. However, due

to differences in the ability of the region to obtain GRDP per capita, uneven allocation of

investment in several regions and different human development indexes in each region causes

inequality and poverty. This study aims to determine the effect of per capita GRDP, direct

investment, and human development index on income inequality between regions in the

Provinces of Maluku, North Maluku, West Papua and Papua in 2012-2018. Data processed by

panel data analysis with regression. All research variables simultaneously influence income

inequality. Partially the GRDP variable per capita has a positive and significant effect on income

inequality, the human development index has a negative and significant effect on income

inequality. While foreign direct investment has no effect on income inequality

Keywords: income inequality, GDP per capita, foreign direct investment, human development

index.

PENDAHULUAN

Pembangunan infrastruktur diharapkan dapat terus dijamin keberlanjutannya guna

mengakselerasi transformasi ekonomi Indonesia dan berkonstribusi positif dalam mempercepat

pemerataan pembangunan, bukan hanya pada pertumbuhan ekonomi, menggerakkan ekonomi

produktif rakyat, sehingga seluruh wilayah di Indonesia menjadi bagian penting dari rantai

produksi regional dan global (regional and global production chain) yang berperan dalam

memeratakan pembangunan dan keadilan ekonomi ke seluruh wilayah di Indonesia, sehingga

visi Indonesia maju melalui pilar keberlanjutan pembangunan infrastruktur dapat mengantarkan

Indonesia menjadi negara maju 2045. Aspek pemerataan sudah harus menjadi mainstream

pembangunan, tidak hanya efek samping pembangunan, dalam rangka mengatasi kesenjangan

pendapatan wilayah.

Pada tahun 2019 provinsi yang mempunyai nilai gini ratio tertinggi yaitu di Provinsi

Daerah Istimewa Yogyakarta yaitu sebesar 0,422. Sementara yang terendah tercatat di Bangka

Belitung dengan gini ratio sebesar 0,272. Sedangkan apabila Dibandingkan dengan gini ratio

nasional yang sebesar 0,384, terdapat delapan provinsi dengan angka gini ratio lebih tinggi, yaitu

Daerah Istimewa Yogyakarta (0,422), Gorontalo (0,417), Papua (0,398), Sulawesi Tenggara

(0,392), DKI Jakarta (0,390), dan Nusa Tenggara Barat (0,391).

Dengan kesenjangan antar wilayah di Indonesia yang bersifat kompleks dan multisektoral,

berbagai upaya harus dilakukan untuk mengatasinya,. Dalam Rencana Pembangunan Jangka

Menengah Nasional (RPJMN) untuk tahun 2020-2024, dengan rasio Gini sebagai indicator

ketimpangan, gini rasio ditargetkan turun ke kisaran 0,36. Sementara pada tahun 2019 gini rasio

Indonesia pada 0,38, artinya pemerintah harus dapat menurunkan sebesar 0,02.

Kesenjangan keterampilan teknologi informasi dan komunikasi antar provinsi terjadi di

Indonesia. Berdasarkan data BPS, pada tahun 2016, proporsi remaja dan dewasa usia 15-24

tahun dengan keterampilan teknologi informasi dan komunikasi, Provinsi DKI Jakarta,

Kepulauan Riau, dan Daerah Istimewa Yogyakarta adalah daerah dengan tingkat keterampilan

teknologi infrmasi dan komunikasi tertinggi. Sedangkan dengan tingkat keterampilan teknologi

informasi dan telekomunikasi terendah terjadi di Provinsi Papua. Adanya akses internet yang

mudah sehingga dapat diprediksikan akan bermunculan banyaknya usaha atau jenis pekerjaan

baru. Diharapkan masyarakat dan Pemerintah dapat memanfaatkan momen tersebut dengan

sebaik-baiknya. .

Berdasarkan uraian diatas, tujuan penelitian ini adalah untuk mengetahui pengaruh

pertumbuhan ekonomi, indeks pembangunan manusia, dan investasi asing langsung terhadap

ketimpangan pendapatan di Indonesia.

KERANGKA TEORI

Manoel Bittencourt (2016) penelitian di Amerika selatan menggunakan data tahun 1970-

2007 berkesimpulan,pertumbuhan ekonomi berpengaruh negative terhadap kesenjangan

ekonomi. De Janvry dan Sadoulet (2000) meneliti dua belas Negara Amerika Latin antara tahun

1970-1994 menyimpulkan bahwa pertumbuhan ekonomi tidak berpengaruh terhadap

berkurangnya ketimpangan pendapatan. Lundberg dan Squire (2003), menggunakan sampeel 125

negara berkesimpulan bahwa bahwa pertumbuhan ekonomi, pada kenyataannya, meningkatkan

koefisien Gini atau berpengaruh meningkatkan kesenjangan ekonomi. Begitu juga Lopez (2006)

berkesimpulan sama bahwa pertumbuhan ekonomi berhubungan dengan meningkatnya rasio

gini. Dao (2009) menemukan bahwa persentase penduduk pedesaan yang hidup di bawah garis

kemiskinan tergantung pada daya beli per kapita pendapatan nasional bruto dan wilayah di mana

ia berada. Sima Siami dan Darren H (2017) Produksi pada sector algokultural dan industry

berpengaruh mengurangi ketimpangan pendapatan, sedangkan produksi sector jasa berpengaruh

meningkatkan ketimpangan pendapatan.

Dao (2008) menganalisis dampak pembangunan manusia pada kemiskinan dalam sampel

40 negara berkembang dan menemukan bahwa kemiskinan adalah terkait dengan perbedaan

gender dalam pendidikan, gizi buruk dan kematian anak, kematian ibu, akses ke perawatan

kesehatan prenatal, kebidanan dan ketimpangan pendapatan secara linear tergantung pada

variabel penjelas yang sama ditambah angka kematian bayi. Dao (2013) menganalisis hubungan

antara faktor pendukung, modal manusia dan ketimpangan dalam sampel 19 negara berkembang

dan menemukan bahwa variasi pendapatan atau konsumsi lintas negara ketidaksetaraan dapat

dijelaskan oleh ketidaksetaraan investasi dalam sumber daya manusia yang diukur dengan

ketimpangan dalam kesehatan anak serta ketimpangan dalam pendidikan dan oleh ketimpangan

yang diukur dengan indeks rasio Gini. Ram (1992) menghitung koefisien korelasi antara IPM

dan ketimpangan pendapatan riil dan menemukan berpengaruh meningkatkan ketimpangan.

Minh Quang Dao (2013) akses ke pendidikan serta ketidaksetaraan dalam kesehatan anak yang

secara linear memengaruhi pendapatan atau ketidaksetaraan. Akibatnya, jika pemerintah di

negara-negara berkembang bertujuan untuk mengurangi ketimpangan, mereka perlu menerapkan

program yang dirancang untuk mengurangi ketidaksetaraan dalam kesehatan anak dengan

memungkinkan anak-anak dari yang paling miskin dari yang miskin untuk mendapatkan

imunisasi penuh, yang pada gilirannya akan menyebabkan pengurangan pada bayi dan kematian

anak dan dalam pendidikan dengan menyediakan sarana bagi keluarga berpenghasilan rendah

sehingga anak-anak mereka memiliki akses yang lebih baik ke pendidikan.

(Bussmann et al., 2005; Feenstra dan Hanson, 2003; Furceri dan Loungani, 2015)

berkesimpulan bahwa investasi langsung asing berdampak pada ketimpangan. Kaulihowa and

Adjasi (2018) mengkonfirmasi hubungan non-linear antara FDI dan ketimpangan pendapatan, di

mana, awalnya FDI mengurangi ketidaksetaraan, Namun, efek ini berkurang dengan semakin

jauh peningkatan FDI. Ehrhart (2005) menyelidiki pengaruh FDI bagi negara-negara Amerika

Latin dan Asia Timur dan hasilnya mengungkapkan dampak positif dari FDI pada ketimpangan

pendapatan.

Berdasarkan uraian diatas maka disusun rumusan penelitian sebagai berikut, pertama

apakah pertumbuhan ekonomi , pembangunan manusia dan investasi asing langsung berpengaruh

secara parsial dan simultan terhadap ketimpangan pendapatan, kedua diantara variabel tersebut

manakah yang paling dominan mempengaruhi ketimpangan pendapatan.

METODE PENELITIN

Objek Penelitian, Jenis dan Teknik Pengumpulan Data

Objek penelitian ini adalah provinsi di Indonesia bagian timur yang memiliki kriteria

indeks pembangunan manusia tergolong sedang dan pengeluaran perkapita terendah yaitu

Provinsi Maluku, Maluku Utara, Papua Barat dan Papua tahun 2012-2018. Data diperoleh dari

Badan Pusat Statistik (BPS) dan Badan Koordinasi Penanaman Modal (BPKM).

Model Penelitian

Analisis dimulai dengan pengembangan model matematis yang menggambarkan pola hubungan

kausalitas antara variabel bebas yang meliputi IPM, PDRB dan FDI. Variabel terikat yakni

ketimpangan pendapatan (Gini). Model persamaan garis regresi terebut adalah sebagai sebagai

berikut:

Y = di mana: Y= Ketimpangan pendapatan (Gini); α= konstanta; βi= koefisien regresi; X1=

PDRB; X2=IPM; X3= FDI; e = error.

Secara diagramatik model tersebut adalah sebagai berikut. Y = α + β1X1 + β2X2+ β3X3 + e

di mana: Y= ketimpangan pendapatan (Gini Ratio); α= konstanta; βi= koefisien regresi; X1=

PDRB; X2= IPM; X3= FDI e= error. Secara diagramatik model tersebut adalah sebagai berikut :

Gambar 1. Model Penelitian

Metode Analisis Data

Analisis regresi linier berganda digunakan untuk menguji hipotesis penelitian. Uji asumsi

klasik yang meliputi uji normalitas, multikolinieritas, autokorelasi, dan heteroskedastisitas

dilakukan sebelum analisis regresi

HASIL DAN PEMBAHASAN

Asumsi Klasik

Hasil pengujian normalitas dengan interprensi terhadap One Sample Kolmogrov Simornov

pada penelitian ini memperlihatkan bahwa nilai Asymp Sig (2-tailed) adalah 0,913. Hal ini

berarti nilai Asymp Sig lebih besar dari nilai α = 0,05 (Asymp. Sig > 0,05). Dengan demikian

dapat dinyatakan bahwa penyebaran data memenuhi asumsi normalitas. Hasil pengujian

normalitas dapat dilihat pada tabel 1.

Tabel 1, Hasil Uji Normalitas

N KolmogorovSmirnov Z Asymp. Sig. (2tailed)

36 0,559 0,913

Investasi Asing

Langsung

Kesenjangan

Pendapatan

Pertumbuhan Ekonomi

Pembangunan

Manusia

Hasil pengujian multikolinearitas terdapat pada tabel 2, kelima variable menunjukkan

bahwa tidak terjadi masalah multikolinearitas karena nilai tolerance lebih besar dari 0,1 dan nilai

VIF lebih kecil dari 10 sehingga dapat disimpulkan tidak terdapat hubungan linier antarvariabel

bebas dalam model regresi.

Tabel 2. Hasil Uji Multikolinearitas

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity

Statistics

B Std. Error Beta Tolerance VIF

1 (Constan

t) .690 .096

7.167 .000

pdrb 9.570E-7 .000 .392 3.005 .005 .641 1.559

ipm -.006 .001 -.497 -3.838 .001 .649 1.541

fdi -8.054E-6 .000 -.049 -.455 .652 .937 1.067

a. Dependent Variable: gini

Hasil analisis uji heteroskedastisitas diperoleh dengan memperhatikan grafik scatterplot,

diketahui bahwa titik-titik data menyebar di atas dan di bawah angka 0 pada sumbu Y dengan

pola yang tidak jelas maka pada model regresi penelitian tidak terjadi masalah

heteroskedastisitas. Hasil pengujian heteroskedastisitasterlihat pada gambar 2.

Gambar 2. Hasil Uji Heteroskedastisitas

Hasil analisis yang diperoleh dari uji autokorelasi adalah tidak terjadinya korelasi antar

residu pada tingkat kepercayaan 95% (α = 5%). Kesimpulan tidak terjadinya autokorelasi karena

posisi nilai Durbin Watson berada pada 1.244 < 2.640 < 2.756. Nilai Durbin Watson hitung

sebesar 2.640 diperoleh dari output SPSS tabel model summary yang ditampilkan pada tabel 3.

Tabel 3 Hasil Uji Autokolerasi

Model R R Square

Adjusted R

Square

Std. Error of

the Estimate

Durbin-

Watson

1 .807a .651 .619 .02825 2.640

a. Predictors: (Constant), fdi, ipm, pdrb

b. Dependent Variable: gini

Berdasarkan hasil uji asumsi klasik di atas, dapat disimpulkan bahwa data yang diperoleh

dapat dianalisis menggunakan metode analisis regresi linier berganda.

Hubungan Kausal Antar variabel Penelitian

Pengaruh simultan

Berdasarkan tabel koefisien regresi di atas diperoleh persamaan garis regresi sebagai

berikut: Gini = 0,690 + 9.570 PDRB - 0,006 IPM - 8,054 FDI

Hasil analisis varian (anova) dapat dilihat dalam tabel 4. Seperti tampak dalam table 4

tersebut nilai Fhitung adalah 19,936 jauh lebih besar daripada nilai Ftabel pada tingkat

signifikansi α 5 persen yakni 2,892. Hal tersebut menunjukkan bahwa model persamaan garis

regresi dapat digunakan untuk menjelaskan kesenjangan pendapatan (Gini) berdasarkan nilai-

nilai yang mempengaruhinya yakni PDRB, IPM dan FDI. Dengan perkataan lain, secara

simultan ketiga variabel tersebut berpengaruh terhadap ketimpangan pendapatan. Hasil analisis

regresi linier berganda ditampilkan pada table koefisien regresi variabel penelitian berikut ini.

Tabel 4. Hasil Uji Simultan

Model

Sum of

Squares df Mean Square F Sig.

1 Regression .048 3 .016 19.936 .000a

Residual .026 32 .001

Total .073 35

a. Predictors: (Constant), fdi, ipm, pdrb

b. Dependent Variable: gini

Seberapa besar PDRB, IPM dan FDI mempengaruhi kesenjangan pendapatan dapat dilihat

dari koefisien determinasi yang diperoleh adalah sebesar 0,619 dapat dilihat pada table 3. Hal

tersebut mengindikasikan bahwa PDRB, IPM dan FDI secara bersama-sama mempunyai

pengaruh sebesar 61,9 % dalam menentukan kesenjangan pendapatan.

Pengaruh Parsial

Koefisien regresi untuk setiap variabel dengan tingkat signifikansinya dapat dilihat dalam

tabel 2. Sebagaimana tampak dalam tabel tersebut diketahui bahwa terdapat dua variabel bebas

yang berpengaruh signifikan secara parsial terhadap kesenjangan pendapatan yakni PDRB dan

IPM yang memiliki nilai signifikansi lebih kecil dari 0,05. Dari kedua variable tersebut dapat

diidentifikasi yang memiliki pengaruh paling dominan terhadap kesenjangan pendapatan adalah

IPM yang diindikasikan oleh nilai koefisien regresi yang distandarisasi sebesar - 0,497.

HASIL DAN PEMBAHASAN

Pengaruh PDRB terhadap ketimpangan pendapatan

Variabel pertumbuhan ekonomi (PDRB) berpengaruh positif terhadap ketimpangan

pendapatan. Artinya bahwa PDRB berpengaruh meningkatkan ketimpangan pendapatan. Hal ini

sesuai dengan penelitian yang dilakukan oleh Lundberg dan Squire (2003), menggunakan

sampel 125 negara berkesimpulan bahwa bahwa pertumbuhan ekonomi, pada kenyataannya,

meningkatkan koefisien Gini atau berpengaruh meningkatkan kesenjangan ekonomi. Begitu juga

Lopez (2006) berkesimpulan sama bahwa pertumbuhan ekonomi berhubungan dengan

meningkatnya rasio gini.

Pengaruh Pembangunan Manusia (IPM) terhadap ketimpangan pendapatan.

Variabel pembangunan manusia (IPM) berpengaruh negativ terhadap ketimpangan

pendapatan artinya pembangunan manusia berpengaruh mengurangi ketimpangan pendapatan

daerah di provinsi Maluku, Maluku Utara, Papua Barat dan Papua. Hal ini sesuai dengann

penelitian yang dilakukan oleh Minh Quang Dao (2013) bahwa pendidikan dan kesehatan

berpengaruh pada pengurangan ketimpangan pendapatan.

Pengaruh investasi asing langsung terhadap ketimpangan pendapatan

Variabel investasi asing langsung menunjukkan tidak adanya pengaruh terhadap

ketimpangan pendapatan. Kaulihowa and Adjasi (2018) dalam penelitiannya bahwa pada

investasi awal terdapat pengaruh antara investasi asing langsung dengan ketsenjangan

pendapatan tetapi semakin tinggi investasi maka semakin berkurang pengaruhnya. Pengaruh

investasi asing langsung terhadap ketimpangan pendapatan sangat kecil dan memerlukan waktu

yang panjang untuk melihat pengaruh yang lebih kuat lagi. Pengaruh inveatsi asing langsung

(FDI) pada ketimpangan upah, tergantung pada seberapa besar perbedaan upah kerja antara

perusahaan milik asing dan milik dalam negeri dan intensitas keterampilan dari pekerjaan di

perusahaan milik asing dibandingkan dengan yang domestik (Feenstra dan Hanson, 2003;

Estrin, 2017).

KESIMPULAN DAN IMPLIKASI

Kesimpulan

Berdasarkan hasil analisis yang telah dilakukan dalam penelitian ini, dapat ditarik

kesimpulan sebagai berikut.

1. Variabel pertumbuahan ekonomi, pembangunan manusia dan investasi asing langsung

secara bersama-sama berpengaruh terhadap ketimpangan pendapatan..

2. Variabel pertumbuhan ekonomi dan pembangunan manusia secara parsial berpengaruh

terhadap ketimpangan pendapatan. Sementara variabel investasi asing langsung tidak

berpengaruh terhadap ketimpangan pendapatan.

3. Variabel yang secara dominan mempengaruhi ketimpangan pendapatan adalah

pembangunan manusia.

Implikasi

Secara umum ketiga variabel yaitu pertumbuhan ekonomi, pembangunan manusia dan investasi

asing langsung harus diperhatikan, karena semua variabel tersebut secara bersama-sama

berpengaruh terhadap ketimpangan pendapatan. Pembangunan manuisa berpengaruh bahkan

dominan dan negativ pengaruhnya, berdampak kepada berkurangnya ketimpangan pendapatan.

Pemerintah perlu memperhatikan aspek pendidikan dan kesehatan masyarakat miskin hingga

mereka dapat meningkatkan kesehatan, pengetahuan dan ketrampilan, hingga mereka dapat

meningkatkan pendapatan mereka.

DAFTAR PUSTAKA

Bittencourt M, 2016. Economic Growth and Inequality: Evidence from the Young Democracies

of South America, In Macroeconomic Analysis and International Finance. 37-

58.doi.org/10.1108/S1571-038620140000023002

Bound, J. and Johnson, G. 1992, Changes in the structure of wages during the 1980s: an

evaluation of alternative explanations, American Economic Review, Vol. 82 No. 3, pp.

371-392.

Bussmann, M., De Soysa, I. and Oneal, J.R. 2005, The effect of globalization on national income

inequality, Comparative Sociology, Vol. 4 No. 3, pp. 285-312.

Dao, M.Q. 2008, Human capital, poverty, and income distribution in developing countries,

Journal of Economic Studies, Vol. 35 No. 4, pp. 294-303.

Dao, M.Q. 2009, Poverty, income distribution, and agricultural in developing countries, Journal

of Economic Studies, Vol. 36 No. 2, pp. 168-183.

Dao, M.Q. 2013, Factor endowment, human capital, and inequality in developing countries,

Journal of Economic Studies, Vol. 40 No. 1, pp. 98-106.

Deaton, A. 2003, Health, inequality, and economic development”, Journal of Economic

Literature, Vol. 41 No. 1, pp. 113-158.

De Janvry, A., dan Sadoulet, E. 2000. Growth, poverty, and inequality in Latin America: A

causal analysis, 1970 Review of Income and Wealth, 46(3),

Estrin, S. 2017, Foreign direct investment and employment in transition economies. Has FDI

into transition countries had the expected economic effects?, IZA World of Labour No.

330, Bonn.

Ehrhart, C. 2005, Openness to international trade and investment and income inequality:

evidence from a panel Latin American and East Asian countries, CEMAFI, University of

Nice–Sophia.

Feenstra, R. and Hanson, G. 2003, Global production sharing and rising inequality: a survey of

trade and wages, in Choi, E.K. and Harrigan, J. (Eds), Handbook of International Trade,

Blackwell, Malden, MA, pp. 146-185.

Furceri, D. and Loungani, P. 2015, Capital account liberalization and inequality, IMF Working

Paper No. WP/15/243, International Monetary Fund, Washington, DC.

Kaulihowa, T. and Adjasi, C. 2018, FDI and welfare dynamics in Africa, Thunderbird

International Business Review, Vol. 60 No. 3, pp. 313-328.

Lopez, H. 2006. Growth and inequality: Are the 1990s different? Economic Letters, 93(1), 18

Lundberg, M., & Squire, L. 2003. The simultaneous evolution of growth and inequality. The

Economic Journal, 113(487), 326

Ram, R. 1992 International Inequalities in Human Development and Real Income, Economics

Letters, 38, 351–354

Siami Sima dan Darren H 2017 The impacts of sector growth and monetary policy on income

inequality in developing countries, Journal of Economic Studies Vol. 46 No. 3, 2019 pp.

591-610 DOI 10.1108/JES-08-2017-0243

Quang Dao, M. (2013), Factor endowment, human capital, and inequality in developing

countries", Journal of Economic Studies, Vol. 40 No. 1, pp. 98

106. https://doi.org/10.1108/01443581311283538

Zulfiu Alili M, Nick Adnett, 2018, Did FDI increase wage inequality in transition economies?,

International Journal of Social Economics, Vol. 45 Issue: 9, pp.1283-1304,

https://doi.org/10.1108/IJSE-09-2017-0373