JOURNAL OF ECONOMICS AND REGIONAL SCIENCE
Vol.
4 No.
1 Edisi Maret 2024
P-ISSN: 2776-2939 E-ISSN: 2776-3196
Pengaruh Pertumbuhan Ekonomi dan Ketimpangan Pendapatan terhadap Indeks Pembangunan Manusia antar Kabupaten di Provinsi Papua Tengah Rahmat Arapi1.
Antje Tuasela2 Ekonomi Pembangunan.
STIE Jambatan Bulan.
Jl Sultan Hasanuddin.
Mimika, 99910.
Indonesia Histori Artikel:
Pengajuan: 16 Maret 2024 Revisi: 19 Maret 2024 Diterima:20 Maret 2024 Keywords:
Income Inequality Economic Growth.
Human Development Index (HDI) Abstract This research aims to determine the influence of economic growth, funds and income inequality on HDI between districts in Central Papua Province.
The economic growth variable is measured using ADHK GDP rate data, while income inequality is measured using the Gini Ratio.
The associative method with a quantitative approach was used in this research.
The data collection technique uses documentation techniques by collecting data published by the Central Statistics Agency for the years 2012-2021.
The data analysis instrument used is Panel Data Regression with the help of the Eviews 10 The research results show that economic growth has a negative and significant effect on HDI, while income inequality has a positive and significant effect on HDI between districts in Central Papua Province.
Citation: Arapi.
, & Tuasela.
Pengaruh Pertumbuhan Ekonomi dan Ketimpangan Terhadap Indeks Pembangunan Manusia antar Kabupaten Mimika di Papua Tengah.
Journal Of Econpmics and Regional Science, 4.
, 69-82.
Kata Kunci:
Ketimpangan Pendapatan Pertumbuhan Ekonomi.
Indeks Pembangunan Manusia (IPM) Abstract Penelitian ini bertujuan untuk mengetahui pengaruh pertumbuhan ekonomi, dana dan ketimpangan pendapatan terhadap IPM antar Kabupaten di Provinsi Papua Tengah.
Variabel pertumbuhan ekonomi diukur menggunakan data laju
PDRB
ADHK, sedangkan ketimpangan pendapatan diukur menggunakan Gini Rasio.
Metode assosiatif dengan pendekatan kuantitatif yang dipakai dalam penelitian Teknik pengumpulan data menggunakan teknik dokumentasi dengan mengumpulkan data-data yang dipublikasikan oleh Badan Pusat Statistik rentang tahun 2012-2021.
Instrumen analisis data yang digunakan adalah Regresi Data Panel dengan bantuan Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 aplikasi Eviews 10.
Hasil penelitian menunjukan bahwa pertumbuhan ekonomi berpengaruh negative dan signifikan terhadap IPM, sedangkan ketimpangan pendapatan berpengaruh positif dan signifikan terhadap IPM antar Kabupaten di Provinsi Papua Tengah.
Penulis Korespondesi:
Nama Penulis : Rahmat Arapi Email: rahmatarapi@gmail.
JEL Classification: F43.
J24.
I24
PENDAHULUAN
Setiap daerah memiliki tujuan utama untuk meningkatkan taraf hidup Pembangunan ekonomi adalah upaya suatu negara untuk meningkatkan kesejahteraan rakyatnya dengan sumber daya alam yang ada, peningkatan kemakmuran dapat diukur antara lain dengan meningkatkan pendapatan setiap tahunnya atau tingkat pertumbuhan ekonomi yang tinggi, pembangunan ekonomi yang dilaksanakan secara terencana, terarah, dan tepat guna dapat meningkatkan pembangunan, tidak hanya dilihat dari segi pertumbuhan ekonomi tetapi juga mencangkup terwujudnya kemerataan secara lokal maupun individu (Maratade, 2016: .
Menurut Tambunan (Irawan, 2022: .
menyatakan bahwa Indeks Pembangunan Manusia (IPM) atau di kenal dengan sebutan Human Development Index (HDI) adalah Indikator yang digunakan untuk mengukur salah satu aspek penting yang berkaitan dengan kualitas dari hasil pembangunan ekonomi, yakni kesehatan, kesehatan diukur dengan indeks harapan hidup pada saat lahir, pendidikan diukur dengan angka melek huruf dan rata-rata lama sekolah dan indeks hidup layak.
Dari ketiga indikator ini sangat menentukan tingkat kemampuan suatu daerah untuk meningkatkan indeks pembangunan manusia, selain itu faktor-faktor lain seperti ketersedian kesempatan kerja yang ditentukan oleh pertumbuhan ekonomi, infrastruktur dan kebijakan pemerintah sehingga Indeks Pembangunan Manusia akan Nilai Indeks Pembangunan Manusia yang tinggi menandakan keberhasilan pembangunan ekonomi suatu negara Indeks Pembangunan Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 Manusia pembangunan manusia yang baik akan menjadikan faktor-faktor produksi mampu di maksimalkan dan mutu penduduk yang baik akan mampu untuk mengembangkan faktor-faktor produksi yang ada.
Berdasarkan landasan teori yang dikemukakan oleh Professor Kuznet dimana salah satu karakteristik pertumbuhan ekonomi adalah tingginya pertumbuhan output per kapita, pertumbuhan output yang dimaksud adalah PDRB per kapita, tingginya pertumbuhan output menjadikan perubahan pola konsumsi dalam pemenuhan kebutuhan, artinya semakin meningkatnya pertumbuhan ekonomi maka akan semakin tinggi pertumbuhan output per kapita dan merubah pola konsumsi dalam hal ini tingkat daya beli masyarakat juga akan semakin tinggi.
Tingginya daya beli masyarakat akan meningkatkan indeks pembangunan manusia karena daya beli masyarakat merupakan salah satu indikator dalam IPM disebut indikator pendapatan, dapat disimpulkan bahwa semakin tinggi pertumbuhan ekonomi maka akan meningkatkan indeks pembangunan manusia (Irawan, 2022: 23-.
Tingkat pembangunan manusia dimana suatu angka yang mengukur capaian pembangunan manusia berbasis sejumlah komponen dasar kualitas hidup yang dapat mempengaruhi tingkat produktifitas yang dihasilkan oleh seseorang.
Tabel 1.
Indeks Pembangunan Manusia Kabupaten di Provinsi Papua Tengah Tahun 2012-2021 [Metode Bar.
Indeks Pembangunan Manusia Kabupaten Nabire Paniai Puncak Jaya Mimika Puncak Dogiyai Intan Jaya Deiyai Papua Tengah Sumber: BPS Provinsi Papua Tahun, 2023 Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 Berdasarkan data tabel 1, dapat dilihat bahwa indeks pembangunan manusia Provinsi Papua Tengah dalam sepuluh tahun terakhir rata-rata mengalami peningkatan, dimana pada tahun 2012 mencapai 50,71 sedangkan pada tahun 2021 mencapai 55,72.
Hal ini menunjukan bahwa Kabupaten di Provinsi Papua mampu meningkatkan indeks pembangunan manusia dari tahun ke tahun.
Ketimpangan Kabupaten Mimika berdasarkan indikator atau suatu indeks ketimpangan pendapatan yaitu Rasio Gini.
Tabel 2.
Rasio Gini Menurut Kabupaten Kota di Provinsi Papua Tengah Rasio Gini Menurut Kabupaten/Kota Kabupaten Nabire Paniai Puncak Jaya 0.
Mimika Puncak Dogiyai Intan Jaya Deiyai Papua Tengah Sumber: BPS Papua, 2023 Data pada tabel diatas menunjukkan data ketimpangan pendapatan di Provinsi Papua Tengah yang diukur berdasarkan indeks Rasio Gini pada periode tahun 2012- 2021.
Jika dirata-ratakan, indeks rasio gini menunjukkan angka yang fluktuatif.
Artinya ketimpangan pendapatan di Provinsi Papua Tengah belum sepenuhnya terkendali.
Tujuan utama pembangunan ekonomi adalah untuk menciptakan laju pertumbuhan ekonomi yang tinggi.
Laju pertumbuhan ekonomi adalah salah satu indicator keberhasilan dari kegiatan pembangunan ekonomi suatu daerah.
Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 Berikut ini adalah data laju PDRB atas dasar harga konstan antar kabupaten di Provinsi Papua Tengah.
Tabel 3.
Laju PDRB ADHK Menurut Kabupaten/Kota di Provinsi Papua Tengah Kabupate [Seri 2.
Laju Pertumbuhan PDRB ADHK (Dengan Tamban.
Menurut Kabupaten/Kota (Perse.
Nabire Paniai Puncak Jaya Mimika Puncak Dogiyai Intan Jaya Deiyai Sumber: BPS Papua, 2023 Data laju pertumbuhan PDRB di atas menunjukkan tingginya kesenjangan antar kabupaten di Provinsi Papua.
Kabupaten Mimika menujukkan angka Hal ini didukung oleh adanya PT Freeport Indonesia yang beroperasi di sektor pertambangan yang mendominasi PDRB di Kabupaten Mimika.
Sebaliknya Kabupaten Puncak menunjukkan angka terendah yang disebabkan oleh sulitnya akses distribusi barang dan jasa ke daerah Kabupaten Puncak.
METODE
Metode dalam penelitian ini adalah metode assosiatif dengan pendekatan Tujuan dari penelitian ini adalah untuk mengetahui pengaruh pertumbuhan ekonomi dan ketimpangan pendapatan terhadap IPM di Provinasi Papua.
Untuk mengukur variabel pertumbuhan ekonomi digunakan data laju PDRB ADHK tahun 2010, sedangkan variable ketimpangan pendapatan menggunakan data rasio gini.
Teknik pengumpulan data menggunakan teknik dokumentasi.
Data Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 diperoleh dari sumber sekunder yaitu BPS Papua periode 2012-2021.
Instrumen analisis data yang digunakan adalah regresi data panel menggunakan bantuan aplikasi eviews 10.
Dengan bentuk persamaan sebagai berikut:
Y = a b1X1 b2X2 e Keterangan :
Y : IPM
X1 : Pertumbuhan Ekonomi X2 : Ketimpangan Pendapatan a dan b1 serta b2 : Konstanta
e : Error
HASIL
Analisis Regresi Data Panel Regresi data panel adalah analisis yang menggabungkan jenis data cross section dan time series (Ghozali dan Ratmono, 2013:.
Untuk mengetahui metode yang paling efisien dari tiga model persamaan yaitu Common Effect Model (CEM).
Fixed Effect Model (FEM), dan Random Effect Model (REM) perlu dilakukan pengujian masing-masing model tersebut dengan menggunakan metode regresi data panel.
Common Effect Model (CEM) Common Effect Model adalah model yang paling sederhana untuk mengestimasi parameter model data panel, yaitu dengan mengkombinasikan data time series dan cross section sebagai satu kesatuan tanpa melihat adanya perbedaan waktu dan individu .
Common Effect Model mengabaikan adanya perbedaan dimensi individu maupun waktu atau dengan kata lain perilaku data antar individu sama dalam berbagai kurun waktu (Ghozali, 2013 : .
Hasil perhitungan pada tabel di bawah ini:
Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 Tabel 4.
Model Persamaan Common Effect Model Variable Coefficient Std.
Error t-Statistic Prob.
R-squared 184892 Mean dependent var Adjusted R-squared 163720 S.
dependent var of regression 611544 Akaike info criterion Sum squared resid 396 Schwarz criterion Log likelihood 0234 Hannan-Quinn criter.
F-statistic 732981 Durbin-Watson stat Prob(F-statisti.
Sumber.
Data diolah, 2023 Berdasarkan hasil regresi dengan Common Effect Model (CEM) menunjukkan bahwa terdapat nilai konstanta sebesar 33,89638 dengan probabilitas 0,0000.
Nilai R- squared sebesar 0,184892 menjelaskan bahwa probabilitas yang diproksi oleh IPM yang dipengaruhi oleh Laju PDRB dan Rasio Gini sebesar 18,49% dan sisanya sebesar dipengaruhi oleh faktor lain yang tidak dimasukkan kedalam penelitian ini.
Jadi, asumsi dengan memakai Common Effect Model (CEM) tidak realistis dalam menentukan pengaruh Laju PDRB dan Rasio Gini terhadap IPM di Provinsi Papua Tengah.
Fixed Effect Model (FEM) Fixed Effect Model (FEM) adalah model yang diasumsikan bahwa koefisien slope tidak bervariasi terhadap individu maupun waktu .
Pendekatan yang dipakai adalah metode Ordinary Least Square (OLS) sebagai teknik estimasinya (Ghozali dan Ratmono, 2013:.
Hasil perhitungan pada tabel di bawah ini:
Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 Tabel 5.
Model Persamaan Fixed Effect Model Variable Coefficient Std.
Error t-Statistic Prob.
Effects Specification Cross-section fixed .
ummy variable.
R-squared 976338 Mean dependent var Adjusted R-squared 973295 S.
dependent var of regression 717558 Akaike info criterion Sum squared resid 5003 Schwarz criterion Log likelihood 4461 Hannan-Quinn criter.
F-statistic 9197 Durbin-Watson stat Prob(F-statisti.
Sumber: Data diolah, 2023 Berdasarkan hasil regresi Fixed Effect Model (FEM) diketahui nilai konstanta sebesar 50,67949 dengan angka probabilitas sebesar 0,0000.
Persamaan regresi pada nilai R-squared sebesar 0,976338 menjelaskan bahwa tingkat probabilitas yang diproksi oleh IPM yang dipengaruhi oleh Laju PDRB dan Rasio Gini sebesar 97,63% dan sisanya sebesar dipengaruhi oleh faktor lain yang tidak dimasukkan kedalam penelitian ini.
Jadi, asumsi dengan memakai Fixed Effect Model (FEM) lebih realistis dalam menentukan pengaruh Laju PDRB dan Rasio Gini terhadap IPM di Provinsi Papua Tengah.
Random Effect Model (REM) Random Effect Model adalah metode yang akan mengestimasi data panel, yaitu variabel gangguan .
mungkin saling berhubungan antar waktu dan antar individu .
Model ini berasumsi bahwa error term akan selalu ada dan mungkin berkorelasi sepanjang time series dan cross section.
Pendekatan yang digunakan adalah metode Generalized Least Square (GLS) Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 sebagai teknik estimasinya.
Metode ini lebih baik digunakan pada data panel apabila jumlah individu lebih besar daripada jumlah kurun waktu yang ada (Gujurati dan Porter, 2012 : .
Berikut hasil perhitungan yang disajikan pada tabel di bawah ini:
Tabel 6.
Model Persamaan Random Effect Model Variable Coefficient Std.
Error t-Statistic Prob.
Effects Specification Cross-section random Idiosyncratic random Rho Weighted Statistics R-squared Adjusted R-squared of regression F-statistic Prob(F-statisti.
Mean dependent var dependent var Sum squared resid Durbin-Watson stat Unweighted Statistics R-squared Sum squared resid 032999 Mean dependent var 957 Durbin-Watson stat Sumber: Data diolah, 2023 Berdasarkan hasil regresi dengan Random Effect Model (REM) diketahui bahwa terdapat nilai konstanta sebesar 50,41124 dengan probabilitas sebesar 0,0000.
Persamaan regresi pada nilai R-squared sangat rendah yaitu sebesar 0,119381 menjelaskan bahwa tingkat probabilitas IPM dipengaruhi oleh Laju PDRB dan Rasio Gini sebesar 18,49% dan sisanya sebesar dipengaruhi oleh faktor lain yang tidak dimasukkan kedalam penelitian ini.
Jadi, asumsi dengan memakai Random Effect Model (REM) tidak realistis dalam menentukan pengaruh Laju PDRB dan Rasio Gini terhadap IPM di Provinsi Papua Tengah.
Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 Uji Model Regresi Data Panel Berdasarkan hasil ketiga model estimasi regresi data panel yaitu Common Effect Model (CEM).
Fixed Effect Model (FEM), dan Random Effect Model (REM), maka akan dipilih model mana yang paling tepat untuk mengestimasi model persamaan regresi yang diinginkan dengan menggunakan Uji Chow.
Uji Hausnan, dan uji Lagrange Multiplier (LM).
Uji Chow adalah pengujian yang digunakan untuk memilih pendekatan terbaik antara model pendekatan Common Effect Model (CEM) dengan Fixed Effect Model (FEM) dalam mengestimasi data panel.
Menurut Gujurati dan Porter .
2: .
dasar pengambilan keputusan adalah jika nilai probabilitas untuk cross section F > nilai signifikan 0,05 maka model yang paling tepat digunakan adalah Common Effect Model (CEM).
Sedangkan jika nilai probabilitas untuk cross section F < nilai signifikan 0,05 maka model yang paling tepat digunakan adalah Fixed Effect Model (FEM).
Tabel 7.
Hasil Analisis Data Panel Variabel Kontanta Adjusted R2 Cross Section F Prob (Cross Section F) Chi-Sq.
Stat Prob (Chi-Sq.
Sta.
Common Effect Model Fixed Effect Model Random Effect Model Koef.
Koef.
Koef.
Prob.
Prob.
Prob.
Chow Test Hausman Test Sumber: Data diolah, 2023 Hasil uji Chow menunjukkan bahwa nilai probabilitas Cross Section F sebesar 0,0000 < 0,05, maka model yang paling tepat digunakan dalam mengestimasi persamaan regresi adalah Fixed Effect Model (FEM).
Selanjutnya.
Uji Hausman adalah pengujian yang digunakan untuk memilih pendekatan terbaik antara model pendekatan Random Effect Model Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 (REM) dengan Fixed Effect Model (FEM) dalam mengestimasi data panel.
Menurut Gujarati dan Porter .
2: .
dasar pengambilan keputusan adalah jika nilai probabilitas untuk cross section random > nilai signifikan 0,05 maka model yang paling tepat digunakan adalah Random Effect Model (REM).
Sebaliknya, jika nilai probabilitas untuk cross section random < nilai signifikan 0,05 maka model yang paling tepat digunakan adalah Fixed Effect Model (FEM).
Hasil dari Uji Hausman menunjukkan bahwa nilai probabilitas Cross Section Random sebesar 0,0000> 0,05 maka model yang paling tepat dalam mengestimasi persamaan regresi adalah Fixed Effect Model (FEM).
Hasil Uji Chow dan Uji Hausman memberikan kesimpulan yang sama bahwa model yang paling tepat dalam mengestimasi persamaan regresi adalah Fixed Effect Model (FEM), sehingga Uji Lagrange Multiplier tidak perlu dilakukan.
Model estimasi yang diperoleh dari Fixed Effect Model (FEM) dituliskan sebagai berikut:
Y = 50.
6794930136 - 0.
0431132002933*X1 10.
094516664*X2 e Hasil persamaan dengan regresi linear data panel diatas menunjukkan bahwa tingkat probabilitas yang diproksi oleh IPM memiliki nilai konstanta 6795, artinya jika variabel independen lain nilainya tetap .
maka nilai tingkat probabilitas yang diukur dengan IPM sebesar nilai kontanta.
Koefisien regresi Laju PDRB sebesar -0.
0431 artinya setiap peningkatan 1% Laju PDRB akan menurunkan IPM sebesar 0,0431% dengan asumsi kondisi variabel independen lain bernilai tetap .
Sedangkan koefisien regresi Rasio Gini sebesar 10,0945 artinya setiap peningkatan meningkatkan IPM 1% rasio gini sebesar 10,0945% dengan asumsi kondisi independen lain bernilai tetap .
PEMBAHASAN
Hasil pertumbuhan ekonomi berpengaruh negative terhadap IPM di Provinsi Papua.
Hal ini berarti semakin tinggi laju pertumbuhan ekonomidapat menurunkan IPM.
Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 Hal ini pemerintah harus memperhatikan agar pertumbuhan ekonomi di Kabupaten Mimika meningkat yaitu dengan meningkatkan pertambahan dan jumlah produksi barang industri, perkembangan infrastruktur, pertambahan mutu sekolah, pertambahan produksi sektor jasa, pertambahan produk barang modal dan peningkatan teknologi.
Tanpa adanya perkembangan teknologi produktifitas barang-barang modal tidak akan mengalami perubahan dan tetap berada pada tingkat yang sangat rendah.
Dengan meningkatkan dan memajukan teknologi dapat mempertinggi kegiatan suatu barang dapat menimbulkan penemuan barang-barang baru yang belum pernah diproduksi dan meningkatkann mutu barang yang diproduksinya tanpa meningkatkan sehingga dalam hal ini pertumbuhan ekonomi harus ditingkatkan supaya tingkat ketimpangan semakin menurun agar pemerataan kesejahteraan dalam masyarakat dapat terjadi.
Pada analisis menunjukkan bahwa ketimpangan pendapatan secara parsial tidak berpengaruh terhadap IPM di Kabupaten Mimika.
Hal ini dilihat dari data rasio gini menunjukkan bahwa keadaan Kabupaten Mimika dalam bidang pembangunan manusia ke arah yang lebih baik, hal ini yang memperlihatkan kenaikan mutu sumber daya manusia di Kabupaten Mimika belum berhasil mengurangi angka ketimpangan pendapatan disebabkan karena semakin baiknya kualitas sumber daya manusia masyarakat Kabupaten Mimika dari sisi pendidikan dan kesehatan menyebabkan tingkat persaingan antar para pencari kerja semakin tinggi, disisi lain jumlah ketersediaan lapangan kerja tidak bertambah akibatnya yang terjadi adalah sebagian kecil dari para pencari kerja yang dapat terserap di dunia kerja dan dapat berpengaruh pada penghasilan penduduk.
SIMPULAN
Berdasarkan hasil analisis yang telah dilakukan, maka kesimpulan dari penelitian ini adalah Pertumbuhan ekonomi berpengaruh negative dan signifikan terhadap indeks pembangunan manusia.
Sedangkan Ketimpangan Journal of Economics and Regional Science Vol 4.
No 1 Edisi Maret 2024 pendapatan berpengaruh positif dan signifikan terhadap indeks pembangunan SARAN Merujuk pada kesimpulan yang telah diuraikan, maka saran sebagai rekomendasi hasil penelitian yaitu adalah Dalam rangka meningkatkan pertumbuhan ekonomi, pemerintah Kabupaten di lingkup Provinsi Papua Tengah perlu memperhatikan pembangunan di sektor pendidikan dan kesehatan sebagai indikator pembentuk IPM.
Hal ini dikmaksudkan agar IPM dapat tumbuh seiring dengan pertumbuhan ekonomi antar Kabupaten di Provinsi Papua Tengah, dan Pemerintah antar Kabupaten di Provinsi Papua Tengah pertumbuhan ekonomi.
DAFTAR PUSTAKA