Gorontalo Development Review https://jurnal.
id/index.
php/gdrev Vol 09.
No 01.
Tahun 2026 P-ISSN : 2614-5170.
E- ISSN :2615-1375
Nationally Accredited Journal.
Decree No.
225/E/KPT/2022
Analisis Interaksi Spasial Pada Pertumbuhan Ekonomi Analysis of Spatial Interactions in Economic Growth Diva Nur Vitriana Widayat .
Fajar Wahyu Prianto .
Aisah Jumiati .
Dwi Perwitasari Wiryaningtyas Program Studi Ekonomi Pembangunan.
Fakultas Ekonomi dan Bisnis.
Universitas Jember/Jember.
Jawa Timur/Indonesia Email : fajar.
prianto@unej.
1,2,3,4
Article info Article history:
Received.
01-12-2025
Revised.
13-01-2026
Published.
01-04-2026
Keywords:
Economics Growth.
Human Development Abstract This study aims to analyze the influence of inter regional spatial interactions on economic growth in 35 regencies/cities in East Java, during the 2013Ae2023 period and using spatial panel estimation.
The variables used are Gross Regional Domestic Product (GRDP) at current prices, the Human Development Index (HDI), physical Special Allocation Fund (DAK), and the number of workers.
The method used is Spatial Autoregressive Combined (SAC) method with the Fixed Effects Model (FEM) approach.
The results of the moran's I test indicate significant spatial autocorrelation on economic growth in East Java.
The analysis results show that the HDI and physical DAK variables have a positive and significant effect on economic growth in East Java.
Meanwhile, the number of workers variable have a positive but insignificant effect on economic growth in East Java in this study.
Abstrak Penelitian ini bertujuan untuk menganalisis pengaruh interaksi spasial antarwilayah terhadap pertumbuhan ekonomi di Jawa Timur.
Analisis dilakukan pada 35 kabupaten/kota di Jawa Timur selama periode 2013 hingga 2023 menggunakan estimasi ekonometrika panel spasial.
Variabel yang digunakan adalah Produk Domestik Regional Bruto (PDRB) atas dasar harga konstan.
Indeks Pembangunan Manusia (IPM).
Dana Alokasi Khusus (DAK) fisik, dan jumlah tenaga kerja.
Metode yang digunakan adalah Spatial Autoregressive Combined (SAC) dengan pendekatan Fixed Effects Model (FEM).
Hasil uji MoranAos I menunjukkan adanya autokorelasi spasial signifikan pada pertumbuhan ekonomi di Jawa Timur.
Hasil analisis menunjukkan vaiabel IPM dan DAK fisik berpengaruh secara positif dan signifikan terhadap pertumbuhan ekonomi di Jawa Timur.
Sementara, jumlah tenaga kerja berpengaruh secara positif namun tidak signifikan terhadap pertumbuhan ekonomi di Jawa Timur.
Coresponden author:
Email: fajar.
prianto@unej.
Index.
Allocation Fund of Infrastructure.
Labor Pendahuluan Pertumbuhan ekonomi merupakan keadaan dimana suatu wilayah mengalami peningkatan kondisi perekonomian secara berkesinambungan pada periode tertentu.
Pertumbuhan ekonomi suatu wilayah pada dasarnya dapat diukur melalui produk domestik regional bruto (PDRB).
PDRB merupakan total nilai barang dan jasa akhir yang dihasilkan oleh suatu wilayah dalam periode tertentu, sehingga nilai PDRB pada periode tertentu menunjukkan nilai perekonomian suatu wilayah pada periode tersebut.
PDRB atas harga konstan dapat digunakan sebagai indikator utama dalam melihat pertumbuhan ekonomi suatu wilayah, karena menunjukkan pertumbuhan ekonomi riil untuk menghindari faktor kenaikan harga (Prianto et al.
Pertumbuhan ekonomi di suatu wilayah akan mengikuti kondisi perekonomian di wilayah tersebut, sehingga setiap wilayah memiliki pertumbuhan ekonomi yang berbeda (Weni et al.
, 2.
Perbedaan pertumbuhan ekonomi menggambarkan adanya keragaman dalam kegiatan produksi, karakteristik struktur ekonomi, serta tingkat pemanfaatan sumber daya lokal.
Faktor yang menyebabkan perbedaan tersebut antara lain ketersediaan infrastruktur, kualitas sumber daya manusia, tingkat investasi, serta konsentrasi kegiatan industri dan Fenomena tersebut dapat dilihat secara nasional, di mana Pulau jawa sebagai pusat kegiatan ekonomi, industri, dan pemerintahan menunjukkan pertumbuhan ekonomi yang relatif lebih tinggi dari pada pulau-pulau di luar jawa.
Provinsi Jawa Timur merupakan provinsi terbesar di Pulau Jawa berdasarkan luas wilayahnya serta berada di kawasan yang strategis yaitu sebagai penghubung wilayah ekonomi Indonesia bagian barat dan timur (Fauzi et al.
, 2.
Berdasarkan laporan badan pusat statistika (BPS) pada tahun 2024 Jawa Timur memiliki nilai PDRB sebesar Rp808,53 Triliun sebagai penyumbang perekonomian terbesar kedua di pulau Jawa setelah DKI Jakarta dengan kontribusi perekonomian sebesar 25,55%.
Pertumbuhan ekonomi yang terjadi di Provinsi Jawa Timur merupakan faktor dari keragaman kegiatan ekonomi (Sanjaya & Setyanto, 2.
Sejalan dengan itu (Izza et , 2.
, menakankan bahwa keberhasilan Jawa Timur sebagai peyumbang terbesar perekonomian nasional tidak hanya bergentung pada satu kegiatan ekonomi, melainkan pada sinergi antar sektor yang mendorong pertumbuhan inklusif dan berkelanjutan.
Kontribusi terbesar pada pertumbuhan ekonomi di Jawa Timur di dominasi oleh industri pengolahan dan perdagangan, berdasarkan data BPS tahun 2025 yang menyumbang 31,25% dan 18,44% dari total PDRB Jawa Timur tahun 2025.
Industri pengolahan dan perdagangan hanya berfokus di wilayah perkotaan kabupaten/kota di kawasan tengah Jawa Timur, sedangkan wilayah selatan dan barat di dominasi oleh kegiatan pertanian dan UMKM yang hanya memberikan kontribusi 10,87% dari total PDRB Jawa Timur.
Selain industri pengolahan, perdagangan, pertanian, dan UMKM, kontribusi terhadap PDRB Jawa Timur juga diperkuat oleh sektor konstruksi, transportasi, serta informasi dan komunikasi yang masing-masing memberikan sumbangan signifikan terhadap aktivitas ekonomi daerah.
Keterlibatan sektor-sektor ini tidak hanya memperluas basis ekonomi, tetapi juga menciptakan keterkaitan antarwilayah melalui penyediaan infrastruktur, mobilitas barang dan jasa, serta akses teknologi (Gustina et al.
, 2.
Perbedaan kegiatan perekonomian tersebut merupakan faktor dari kondisi wilayah serta letak wilayah yang jauh dari pusat perkotaan.
Hal itu, tidak terlepas dari banyaknya pembagian wilayah secara administratif yang dimiliki Jawa Timur dengan jumlah 29 kabupaten dan 9 kota.
Banyaknya pembagian wilayah dapat menjadi salah satu faktor perbedaan kegiatan ekonomi yang signifikan antarwilayah.
Wilayah yang berada di pusat perkotaan akan lebih mudah mendapatkan akses penunjang kegiatan perekonomiannya, seperti infrastruktur, kualitas sumber daya manusia, serta tingkat investasi (Aspiansyah & Damayanti, 2.
Sedangkan wilayah yang berada jauh dari pusat perekotaan akan mendapatkan penunjang yang lebih sulit karena jarak antara pusat perkotaan dengan wilayah piggiran dapat menjadi salah satu keterbatasan pertumbuhan ekonomi wilayah (Rohmah & Fitrianto, 2.
Gambar 1 Persebaran rata-rata pertumbuhan ekonomi 38 kabupaten/kota di Jawa Timur Tahun 2013-2023 .
Sumber: Geoda, diolah Fenomena yang terlihat pada pertumbuhan ekonomi wilayah Jawa Timur memperlihatkan adanya ketimpangan antarwilayah.
Pertumbuhan ekonomi yang tercermin melalui PDRB atas harga konstan menunjukka bahwa wilayah perkotaan dan kawasan industri seperti Kota Surabaya.
Kabupaten Gresik, dan Kabupaten Sidoarjo mengalami laju pertumbuhan yang relatif tinggi.
Sebaliknya wilayah dengan basis ekonomi agraris seperti kabupaten/kota yang berada di wilayah selatan dan barat Jawa Timur mengalami pertumbuhan ekonomi yang relatif stagnan.
Ketimpangan yang terjadi antara wilayah perkotaan dengan wilayah pinggiran menimbulkan permasalahan dalam pemerataan pembangunan, distribusi pendapatan, serta potensi terjadinya kesenjangan sosial antarwilayah.
Pada tahun 2013-2023, pertumbuhan ekonomi di Jawa Timur menunjukkan kecenderungan mengelompok di beberapa wilayah.
Hasil pengujian data awal menunjukkan adanya pola mengelompok pada persebaran pertumbuhan ekonomi.
Pola mengelompok ditunjukkan pada wilayah dengan pertumbuhan ekonomi tinggi cenderung berdekatan, demikian juga dengan wilayah dengan pertumbuhan ekonomi rendah berdekatan dengan wilayah yang serupa.
Walaupun terdapat wilayah yang menunjukkan perbedaan pertumbuhan ekonomi yang nyata, ditunjukkan pada perbedaan warna yang kontras dengan wilayah tetangganya.
Hal tersebut dimungkinkan terjadi karena dalam konsep spasial, hubungan ketetanggan antarwilayah dapat menimbulkan efek limpahan yang positif maupun negatif (Ciptawaty, 2.
Menurut Robert M.
Solow .
dan T.
Swan .
menilai bahwa pertumbuhan ekonomi dapat terjadi karena faktor penambahan modal, tenaga kerja, dan kemajuan teknologi.
Faktor-faktor tersebut perlu disempurnakan dengan mempertimbangkan aspek interaksi spasial, karena setiap wilayah tidak dapat berfungsi secara terpisah sebagai unit yang berdiri sendiri tanpa memperhatikan wilayah lain (Khotiawan et al.
, 2.
Sedangkan dalam konsep pertumbuhan ekonomi wilayah menurut teori Mankiw.
Romer, dan Weil, faktor spatial spillover perlu diperhatikan karena dapat menunjukkan pengaruh dari wilayah sekitarnya (Rohmah & Fitrianto, 2.
Teori Mankiw.
Romer, dan Weil merupakan konsep pertumbuhan ekonomi dari model Solow-Swan yang dikembangkan dengan menambahkan adanya interaksi spasial di suatu wilayah.
Model pertumbuhan ekonomi tersebut yang selanjutnya menangkap adanya spillover effect dalam pertumbuhan ekonomi.
Spillover effect merupakan pengaruh eksternal yang ditimbulkan oleh aktivitas ekonomi suatu wilayah terhadap wilayah tetangga dan sekitarnya (Sari & Wahed, 2.
Berdasarkan latar belakang yang telah diuraikan, peneliti tertarik untuk menganalisis terkait bagaimana interaksi spasial antarwilayah yang terjadi terhadap pertumbuhan ekonomi di Jawa Timur selama tahun 2013-2023 dengan model ekonometrika spasial.
Selain itu, bagaimana pengaruh dari masing-masing variabel independen dapat mempengaruhi pertumbuhan ekonomi di Jawa Timur selama tahun 2013-2023.
Alat analisis yang digunakan adalah aplikasi software Arcgis.
Geoda, serta software Stata 15.
Metode Penelitian Teknik Pengumpulan Data Penelitian ini menggunakan jenis penelitian eksplanatori dengan pendekatan Data yang digunakan merupakan data sekunder yang berasal dari Badan Pusat Statistik.
Tempat dan waktu yang digunakan adalah 35 kabupaten/kota di Jawa Timur selama 2013 hingga 2023 atau 11 tahun.
Penentuan tempat penelitian berdasarkan pada jumlah pembagian wilayah kabupaten/kota terbanyak diantara provinsi lainnya di Indonesia.
Ditentukan jumlah sampel 35 wilayah kabupaten/kota berdasarkan perhitungan rumus Slovin dengan tingkat kesalahan .
5% dari jumlah populasi 38 wilayah kabupaten/kota.
Teknik Analisis Data Metode analisis yang digunakan adalah analisis model dengan pendekatan ekonometrika spasial.
Model ekonometrika spasial digunakan karena menyesuaikan tujuan penelitian, yaitu bagaimana pengaruh dari interaksi spasial dalam pertumbuhan ekonoomi serta pengaruh setiap variabel terhadap pertumbuhan Penelitian ini menggunakan matriks pembobot spasial queen contiguity, dimana pembobot ini dinilai berdasarkan persingguangan baik sudut maupun sisi Selanjutnya dilakukan pengujian dengan moranAos I, bertujuan untuk mengetahui autokorelasi spasial antar wilayah.
Nilai indeks moranAos I positif maupun negatif menunjukkan adanya interaksi spasial antarwilayah, sedangkan nilai indeks moranAos I 0 menunjukkan tidak adanya interaksi spasial antarwilayah (Yunitasari et al.
, 2.
Selain pengujian tersebut, dilakukan pengujian dengan uji CD Pesaran untuk melihat apakah variabel yang digunakan menunjukkan interaksi Hasil uji CD Pesaran yang menunjukkan nilai probabilitas <0,05, berarti terdapat korelasi spasial pada data variabel yang digunakan (Ananda & Nuryadin.
Uji hausman digunakan dalam memilih pendekatan model terbaik diantara fixed effects model (FEM) atau random effects model (REM).
Sedangkan menurut Anselin .
, model ekonometrika spasial ditentukan berdasarkan efek interaksi spasial dalam permodelan (Atikah et al.
, 2.
Model ekonometrika spasial tersebut adalah Spatial Autoregresive Model (SAR) merupakan interaksi endogen pada variabel dependen.
Spatial Error Model (SEM) merupakan interaksi pada error komponen.
Spatial Durbin Model (SDM) merupakan interaksi endogen serta eksogen pada variabel dependen serta variabel independen, dan Spatial Autoregressive Combined Model (SAC) merupakan interaksi endogen pada variabel dependen serta error komponen.
Dari model ekonometrika spasial tersebut dilakukan pemilihan model terbaik dengan membandingkan nilai antara R-square, log-likehood, dan akaike information criterion (AIC) (Nidyashofa & Darsyah, 2.
Spesifikasi Model Ekonometrika Spasial Menurut (Elhorst, 2.
, secara umum efek spasial dapat dilihat menggunakn general nesting model yang dimodelkan sebagai berikut:
ycU = yuUycOycU ycUyu ycOycUyuE yc yc = yuIycOyc u Dimana koefisien yuU sebagai efek spasial endogen, koefisien yuE sebagai efek spasial eksogen, dan koefisien yuI sebagai efek spasial error komponen.
Sehingga, persamaan model yang digunakan dalam menganalisis pertumbuhan ekonomi melalui IPM.
DAK, dan TK dalam penelitian ini adalah sebagai berikut:
ycoycuycEyaycIyaAycnyc = yuU Oc ycycnyc ycoycuycEyaycIyaAycnyc yu1 yaycEycAycnyc yu2 ycoycuyayayaycnyc yu3 ycoycuycNyaycnyc ycOe1 yuE1 Oc ycycnyc ycoycuycEyaycIyaAycnyc yuE2 Oc ycycnyc yaycEycAycnyc yuE3 Oc ycycnyc ycoycuyayayaycnyc yuE4 Oc ycycnyc ycoycuycNyaycnyc ycycn ycOe1 ycOe1 ycOe1 ycOe1 ycycn = yuI Oc ycycnyc ycycn yceycnyc ycOe1 Sedangkan persamaan dari masing-masing model ekonometrika spasial berdasarkan efek interaksi yang terjadi menurut Anselin .
, dapat dijelaskan sebagai berikut:
Spatial Autoregressive Model (SAR) ycoycuycEyaycIyaAycnyc = yuU Oc ycycnyc ycoycuycEyaycIyaAycnyc yu1 yaycEycAycnyc yu2 ycoycuyayayaycnyc yu3 ycoycuycNyaycnyc ycycn yceycnyc Spatial Error Model (SEM) ycOe1 yesyeaycycycycyeOyei = yuya ycycycyeOyei yuya yesyeaycycycyeOyei yuyc yesyeaycycyeOyei yuyenyeO yenyeOyei ycye yenyeOyei = yyA Oc ycyeOyeU yenyeOyei yeIyeOyei yeUOeya Spatial Durbin Model (SDM) ycye yesyeaycycycycyeOyei = yyI Oc yeoyeOyeU yesyeaycycycycyeOyeU yuya ycycycyeOyeU yuya yesyeaycycycyeOyei yuyc yesyeaycycyeOyei yyAyeO yeIyeOyei yeUOeya ycye ycye yuya Oc yeoyeOyeU yesyeaycycycycyeOyeU yuya Oc yeoyeOyeU ycycycyeOyeU yeUOeya ycye yeUOeya ycye yuyc Oc yeoyeOyeU yesyeaycycycyeOyeU yuye Oc yeoyeOyeU yesyeaycycyeOyeU yenyeO yeIyeOyei yeUOeya yeUOeya Spatial Autoregressive Combined Model (SAC) ycoycuycEyaycIyaAycnyc = yuU Oc ycOycnyc ycoycuycEyaycIyaAycyc yu1 yaycEycAycnyc yu2 ycoycuyayayaycnyc yu3 ycoycuycNyaycnyc ycycnyc ycOe1 ycycnyc = yuI Oc ycOycnyc ycycnyc yceycnyc ycOe1 Devinisi Operasional Variabel Produk domestik regional bruto (PDRB) atas dasar harga konstan merupakan variabel dependen, sebagai nilai dari pertumbuhan ekonomi wilayah.
PDRB
merupakan total nilai tambahan bruto yang dihasilkan oleh seluruh kegiatan ekonomi di suatu wilayah dalam periode tertentu.
Indeks pembangunan manusia (IPM) merupakan variabel independen sebagai peubah dari modal manusia.
IPM
merupakan capaian pembangunan menusia yang diukur melalui angka harapan hidup, tingkat pendidikan, dan standar hidup layak.
Dana alokasi khusus (DAK) fisik merupakan variabel independen sebagai peubah dari modal pembangunan fisik suatu wilayah.
DAK fisik adalah bagian dari transfer dana daerah untuk mendanai kegiatan pembagunan.
Jumlah tenaga kerja (TK) merupakan variabel independen sebagai peubah dari jumlah tenaga kerja.
Tenaga kerja merupakan penduduk usia kerja .
-65 tahu.
yang sedang bekerja.
Hasil dan Pembahasan Hasil perhitungan moranAos I dari nilai PDRB 35 kabupaten/kota di Jawa Timur menunjukkan kecenderungan adanya autokorelasi spasial positif Autokorelai positif dilihat dari hasil uji signifikansi moranAos I yang menunjukkan nilai I > E(I), sedangkan hasil positif ditunjukkan pada nilai I > 0 atau mendekati 1 pada setiap tahun, artinya terdapat interaksi spasial antar wilayah.
Sedangkan nilai positif dari hasil uji moranAos I berarti menunjukkan terbentuknya pola mengelompok, di mana wilayah-wilayah dengan tingkat pertumbuhan ekonomi yang tinggi cenderung berada disekitar pertumbuhan ekonomi yang tinggi.
Tabel 2 Hasil Uji Pesaran Autokorelasi Spasial
Statistic PesaranAos test
22,719
0,0000****
Average absolute 0,485 Sumber: Stata, diolah Berdasarkan hasil uji CD Pesaran menunjukkan nilai probabilitas 0,0000, yang menunjukkan terdapat autokorelasi spasial pada data panel yang digunakan dalam penelitian ini.
Sehingga data panel yang digunakan dapat dianalisis menggunakan ekonometrika spasial data panel.
Tabel 3 Hasil Estimasi Pendekatan FEM dan REM
Variabel
IPM
lnDAK Fixed Effects Model Coefisien p-value 0,1144711 0,000**** 0,0212958 0,014** 0,1279997 0,120* Random Effects Model Coefisien p-value 0,1076792 0,000**** 0,0235457 0,009** 0,3972256 0,000**** Sig.
codes: ****.
O0,0.
***.
O0,.
**.
O0,.
=0,05.
Ns .
>0,.
>0,.
Sumber: Stata, diolah Hasil estimasi pengolahan data panel antara pendekatan fixed effects model dengan pendekatan random effects model, menunjukkan nilai p-value pada masingmasing variabel memiliki hasil yang berbeda.
Pada pendekatan fixed effects model variabel IPM dan DAK menunjukkan hasil yang signifikan sedangkan variabel TK menunjukkan hasil yang tidak signifikan, sementara pendekatan random effects model variabel masing-masing variabel menunjukkan nilai yang signifikan.
Setelah mengetahui hasil pendekatan model pada masing-masing variabel, maka dilakukan pemilihan model terbaik menggunakan uji Hausman.
Uji Hausman merupakan pemilihan pendekatan model terbaik antara model efek tetap/fixed effects model (FEM) dan model efek acak/random effects model (REM).
Tabel 4 Hasil Pemilihan Model Terbaik dengan Uji Hausman Uji Hausman .
-B) Ao [(V_b-V_B) ^ (-.
] .
-B) 46,39 0,0000 Prob>chi2 Sumber: Stata, diolah Hasil pemilihan model terbaik menggunakan uji Hausman menunjukkan nilai probabilitas .
sebesar 0,000 dengan Chi2 sebesar 46,39.
Hal ini menunjukkan bahwa nilai prob <0,05 dengan tingkat signifikansi sebesar 5%.
Sehingga dapat diambil keputusan bahwa model estimasi terbaik yang dapat digunakan adalah fixed effects model dibandingkan dengan random effects model.
Tabel 5 Hasil Analisis Ekonometrika Spasial Data Panel dengan Pendekatan FEM
SAR-FE
Variable SEM-FE
SDM-FE
SAC-FE
Coefisien
p-value Coefisien
p-value Coefisien
p-value Coefisien
p-value Main
IPM
lnDAK
0,0374
0,0059
0,0540
0,000****
0,328*
0,339*
0,1090
0,0014
0,1203
0,000****
0,879*
0,123*
0,1798
-0,0002
0,0559
0,004**
0,966*
0,341*
0,0184
0,0094
0,0272
0,000****
0,012**
0,461*
Spatial
0,6664
0,000****
0,3509
0,000****
0,5373
0,000****
0,8397
-0,6990
0,000****
0,000****
Variance 0,0025 0,000**** 0,0043 0,000**** 0,0023 0,000**** 0,0018 0,000**** IPM
lnDAK
0,0340
0,0393
0,0887
0,000****
0,000****
0,000****
Sig.
codes: ****.
O0,0.
***.
O0,.
**.
O0,.
=0,05.
Ns .
>0,.
>0,.
Sumber: Stata, diolah Diantara hasil estimasi spasial data panel tersebut masing-masing model memiliki hasil yang berbeda-beda.
Diantara variabel lainnya, variabel IPM memiliki nilai signifikan <0,05 pada hampir semua permodelan, tetapi tidak signifikan pada model SEM.
Sedangkan variabel DAK dan TK hampir memiliki nilai signifikan >0,05 pada setiap hasil permodelan atau tidak signifikan, tetapi variabel DAK pada model SAC memiliki nilai signifikan <0,05.
Setelah mengetahui hasil estimasi spasial data panel pada setiap variabel, maka dilakukan pemilihan model terbaik dengan membandingkan nilai log likehood.
R-square, dan AIC antara model SAR.
SEM.
SDM, dan SAC.
Tabel 6 Pemilihan Model Terbaik antara Model Ekonometrika Spasial Data Panel
R-sq
Log-likelihood
AIC
SAR-FE
SEM-FE
SDM-FE
SAC-FE
0,2856
576,4322
-1142,864
0,2476
494,0550
-978,1099
0,3370
597,0705
-1178,141
0,2352
606,2621
-1200,524
Sumber: Stata, diolah Nilai AIC terkecil terdapat pada model SAC sebesar -1200,524, nilai R-square terbesar pada model SDM sebesar 0,3370, dan Log-likelihood terbesar pada model SAC sebesar 606,2621.
Diantara perbandingan nilai kriteria pemilihan model terbaik tersebut, diputuskan bahwa model SAC dalam penelitian ini merupakan model terbaik, karena memiliki nilai AIC terkecil dan nilai Log-likelihood terbesar.
Hasil estimasi model SAC dengan pendekatan fiexd effects dalam permodelan penelitian ini adalah sebagai berikut:
Tabel 7 Hasil Analisis Spatial Autoregressive Combined Model (SAC) Pendekatan Fixed Effect Ket.
Variabel
Main
IPM
lnDAK ycEaycu .
uU) Lambda () Sigma2_e .
ua 2 .
Spatial Variance SAC-FE Coefisien p-value 0,0184915 0,0094502 0,0272986 0,8396138 -0,6990609 0,0017738 Mean of fixed-effects 0,000**** 0,012** 0,461* 0,000**** 0,000**** 0,000**** 0,0953 Sig.
codes: ****.
O0,0.
***.
O0,.
**.
O0,.
=0,05.
Ns .
>0,.
>0,.
Sumber: Stata, diolah Berdasarkan hasil estimasi SAC dengan pendekatan fixed effect maka diketahui nilai dari masing-masing koefisien serta interaksi spasial yang dapat ditangkap dalam model.
Sehingga dari hasil estimasi tersebut dapat dimasukkan dalam persamaan ekonometrika dalam penelitian ini.
Hasil pesamaan model Spatial autoregressive combined model (SAC) dalam penelitian ini, sebagai berikut:
ycoycuycEyaycIyaAycnyc = 0,8396138 Oc ycOycnyc ycoycuycEyaycIyaAycyc 0,0184915IPMycnyc 0,0094502lnDAK ycnyc ycOe1 0,0272986lnTK ycnyc ycycnyc ycycnyc = Oe0,6990609 Oc ycOycnyc ycycyc yceycnyc ycOe1 Berdasarkan hasil persamaan model SAC diketahui nilai dari masing-masing koefisien sehingga dapat diketahui bagaimana masing-masing variabel mempengaruhi pertumbuhan ekonomi di Jawa Timur.
Koefisien ycEaycu .
uU) merupakan spasial lag yang dapat ditangkap dalam model SAC, memiliki nilai sebesar 0,8396138 dengan p-value 0,000.
Artinya PDRB suatu wilayah i dipengaruhi secara positif oleh PDRB wilayah tetangga j, ketika PDRB dari wilayah tetangga mengalami peningkatan maka PDRB wilayah tersebut akan meningkat sebesar 0,8396138 persen.
Hasil koefisien yuU dalam model tersebut menunjukkan adanya spillover effects positif, artinya pertumbuhan ekonomi suatu wilayah dipengaruhi oleh pertumbuhan ekonomi wilayah tetangganya secara signifikan dan positif.
Sedangkan koefisien IPM memiliki nilai 0,0184915 dengan p-value 0,000, positif dan signifikan dalam model.
Peningkatan IPM berpengaruh secara nyata pada peningkatan PDRB kabupaten/kota di Jawa Timur.
Berarti juga, setiap peningkatan IPM sebesar 1 persen maka dapat meningkatkan PDRB sebesar 0,0184915 persen.
Koefisien DAK memiliki nilai 0,0094502 dengan p-value 0,012, positif dan signifikan dalam model.
Peningkatan DAK berpengaruh secara nyata pada peningkatan PDRB kabupaten/kota di Jawa Timur.
Berarti juga, setiap peningkatan DAK sebesar 1 persen maka dapat meningkatkan PDRB sebesar 0,0094502 persen.
Koefisien TK memiliki nilai 0,0272986 dengan p-value 0,461, positif tetapi tidak signifikan dalam Artinya, setiap peningkatan TK sebesar 1 persen dapat meningkatkan PDRB sebesar 0,0272986 persen, tetapi pada penelitian ini TK tidak memiliki pengaruh yang nyata.
Koefisien Lambda () merupakan interaksi spasial pada komponen error yang ditangkap dalam model SAC, memiliki nilai -0,6990609 dan p-value 0,000.
Artinya PDRB pada wilayah i bergantung pada variabel error komponen pada wilayah tetangga j.
Variabel PDRB pada masing-masing wilayah akan mendapat pengaruh sebesar -0,6990609 dikali error komponen dari wilayah tetangganya.
Berdasarkan hasil permodelan menggunakan Spatial Autoregressive Combined Model (SAC), interaksi spasial yang dapat ditangkap yaitu interaksi lag antar variabel dependen dan interaksi error komponen.
Interaksi spasial lag atau endogen merupakan proses interaksi spasial yang terjadi pada variabel dependen, artinya variabel dependen di wilayah .
bergantung pada variabel dependen di wilayah yang menjadi tetangganya.
Hasil permodelan menunjukkan nilai koefisien rho (A), sebesar 0,8396138 dengan p-value 0,000.
Hal tersebut, berarti PDRB di setiap wilayah kabupaten/kota .
dipengaruhi oleh 0,8396138 persen dari PDRB setiap wilayah kabupaten/kota yang menjadi tetangganya .
, saat PDRB wilayah yang menjadi tetangga .
meningkat sebesar 1 persen maka wilayah tersebut .
akan meningkat sebesar 0,8396138 persen.
Nilai p-value yang menunjukkan 0,000, berarti pengaruh spasial secara signifikan mempengaruhi PDRB di setiap wilayah kabupaten/kota Jawa Timur.
Model Spatial Autoregressive Combined Model (SAC) juga menangkap interaksi antar error komponen, artinya variabel PDRB pada wilayah .
dipengaruhi oleh variabel error komponen pada wilayah tetangga .
Interaksi spasial pada komponen error yang ditunjukkan pada nilai koefisien lambda () pada model SAC.
Sesuai pada hasil model bahwa interaksi spsial terjadi melalui komponen error berarti juga variabel PDRB pada wilayah .
dipengaruhi oleh variabel error komponen pada wilayah yang menjadi tetangganya .
Nilai koefisien lambda () sebesar -0,6990609 dengan p-value 0,000, yang artinya PDRB setiap kabupaten/kota .
akan mendapat pengaruh sebesar -0,6990609 dikali error komponen dari kabupaten/kota .
yang menjadi tetangga.
Hal itu dapat diartikan juga, saat komponen error dari kabupaten/kota .
yang menjadi tetangga mengalami penurunan maka PDRB kabupaten/kota .
akan mengalami peningkatan.
Nilai p-value yang menunjukkan 0,000, berarti pengaruh spasial secara signifikan mempengaruhi setiap wilayah kabupaten/kota di Jawa Timur.
Penelitian lain yang menemukan bahwa model SAR dengan pendekatan fixed effect merupakan model paling baik diantara model spasial lainnya, dalam penelitiannya menemukan bahwa interaksi spasial dapat terjadi melalui variabel dependen maupun komponen error (Suprayogi, 2.
Sejalan dengan penelitian yang telah dilakukan oleh (Priyono et al.
, 2.
, menemukan bahwa proses interaksi spasial terjadi melawati variabel dependen, menunjukkan bahwa penagruh spasial secara signifikan mempengaruhi disparitas wilayah di Provinsi Jawa Timur.
Sedangkan penelitian lain menemukan interaksi spasial yang terjadi pada error komponen melalui permodelan Spatial Error Model (SEM), yang mengasumsikan bahawa proses autoregresif hanya terdapat pada model error komponen saja (Kasih & Santoso, 2.
Penelitian yang telah dilakukan sebelumnya menunjukkan bahwa interaksi spasial pada variabel dependen dan variabel pada error komponen dapat di tangap menggunakan model SAC.
Sehingga model SAC merupakan efek interaksi endogen dan efek interaksi spasial error yaitu penggabungan antar model SAR dan SEM (Mursalin & Irawan, 2.
Hasil penelitian ini sejalan dari penelitian sebelumnya, yaitu menangkap efek interaksi pada variabel dependen serta error .
Gambar 2 Bivariate Indicator of Spatial Assosiation (BiLISA) Cluster Map Sumber: Geoda, diolah Berdasarkan hasil uji Bivariate Local Indicators of Spatial Association (BiLISA) menunjukkan pengaruh secara lokal dari masing-masing variabel.
Gambar a menunjukkan pengaruh dari variabel IPM terhadap pertumbuhan ekonomi, dari gambar tersebut memperlihatkan IPM disuatu wilayah berpengaruh secara lokal dan signifikan pada pertumbuhan ekonomi.
Wilayah High-High merupakan wilayah dengan IPM tinggi dan dikelilingi wilayah dengan pertumbuhan ekonomi tinggi, yaitu Kabupaten Gresik.
Kota Surabaya, dan Kabupaten Sidoarjo.
Wilayah Low-Low merupakan wilayah dengan IPM rendah dan dikelilingi wilayah dengan pertumbuhan ekonomi rendah, yaitu Kabupaten Ponorogo.
Wilayah Low-High merupakan wilayah dengan IPM rendah tetapi bertetangga dengan wilayah yang memiliki pertumbuhan ekonomi tinggi, yaitu Kabupaten Magetan dan Kabupaten Madiun.
Wilayah High-Low merupakan wilayah dengan IPM tinggi tetapi dikelilingi wilayah dengan pertumbuhan ekonomi rendah, dalam penelitian ini tidak ditemukan wilayah Gambar b menunjukkan pengaruh dari variabel DAK terhadap pertumbuhan ekonomi, dari gambar tersebut memperlihatkan DAK disuatu wilayah berpengaruh secara lokal dan signifikan pada pertumbuhan ekonomi.
Wilayah High-High merupakan wilayah dengan DAK fisik tinggi dan dikelilingi wilayah dengan pertumbuhan ekonomi tinggi, yaitu Kabupaten Gresik dan Kabupaten Sidoarjo.
Wilayah Low-Low merupakan wilayah dengan DAK fisik rendah dan dikelilingi wilayah dengan pertumbuhan ekonomi rendah, yaitu Kabupaten Magetan.
Kabupaten Ponorogo, dan di Kabupaten Madiun.
Wilayah Low-High merupakan wilayah dengan DAK fisik rendah tetapi bertetangga dengan wilayah yang memiliki pertumbuhan ekonomi tinggi, yaitu Kota Pasuruan.
Wilayah High-Low merupakan wilayah dengan DAK fisik tinggi tetapi dikelilingi wilayah dengan pertumbuhan ekonomi rendah, yaitu Kabupaten Madiun dan Kabupaten Ponorogo.
Gambar c menunjukkan pengaruh dari variabel TK terhadap pertumbuhan ekonomi, dari gambar tersebut memperlihatkan TK disuatu wilayah berpengaruh secara lokal dan signifikan pada pertumbuhan ekonomi.
Wilayah High-High merupakan wilayah dengan jumlah tenaga kerja tinggi dan dikelilingi wilayah dengan pertumbuhan ekonomi tinggi, yaitu Kabupaten Gresik.
Kota Surabaya, dan Kabupaten Sidoarjo.
Wilayah Low-Low merupakan wilayah dengan jumlah tenaga kerja rendah dan dikelilingi wilayah dengan pertumbuhan ekonomi rendah, yaitu Kabupaten Magetan.
Kabupaten Ponorogo, dan Kabupaten Madiun.
Wilayah LowHigh merupakan wilayah dengan jumlah tenaga kerja rendah tetapi bertetangga dengan wilayah yang memiliki pertumbuhan ekonomi tinggi, yaitu Kota Pasuruan.
Wilayah High-Low merupakan wilayah dengan jumlah tenaga kerja tinggi tetapi dikelilingi wilayah dengan pertumbuhan ekonomi rendah, dalam penelitian ini tidak ditemukan wilayah yang termasuk dalam cluster tersebut.
Kesimpulan dan Saran Kesimpulan Pengaruh spasial yang ditangkap berdasakan permodelan Spatial Autoregressive Combined Model (SAC), merupakan interaksi lag antar variabel dependen dan interaksi error komponen.
Hasil permodelan menunjukkan nilai koefisien rho (A) atau pengaruh spasial antar variabel dependen, sebesar 0,8686805 berarti PDRB di setiap wilayah kabupaten/kota .
dipengaruhi oleh 0,8686805 persen dari PDRB setiap wilayah kabupaten/kota yang menjadi tetangganya .
Nilai koefisien lambda () atau pengaruh spasial pada error komponen, sebesar 0,7077952 berarti PDRB setiap kabupaten/kota .
akan mendapat pengaruh sebesar -0,7077952 dikali error komponen dari kabupaten/kota .
yang menjadi tetangga.
Variabel IPM berpengaruh secara positif dan signifikan terhadap pertumbuhan ekonomi di Jawa Timur.
Peningkatan IPM secara signifikan dapat mendorong pertumbuhan ekonomi di Jawa Timur.
Variabel DAK fisik berpengaruh secara positif dan signifikan terhadap pertumbuhan ekonomi di Jawa Timur.
Peningkatan alokasi DAK fisik secara signifikan dapat mendorong pertumbuhan ekonomi di Jawa Timur.
Variabel TK berpengaruh secara positif tetapi tidak signifikan secara statistik terhadap pertumbuhan ekonomi di Jawa Timur.
Hasil tidak signifikan tersebut dapat terjadi karena data yang digunakan tidak menunjukkan bukti yang kuat terhadap pengaruh pertumbuhan ekonomi.
Saran Berdasarkan kesimpulan di atas, penelitian tentang korelasi spasial antarwilayah dan pertumbuhan ekonomi di Jawa Timur tahun 2013Ae2023 dapat memberikan saran bagi pemerintah sesuai permasalahan yang ditemukan dari hasil Pemerintah daerah perlu memperkuat kerja sama antar wilayah, terutama wilayah wilayah yang tidak bertetangga langsung dengan wilayah dengan pertumbuhan ekonomi tinggi.
Interaksi yang terjadi dari kerja sama yang kuat antar wilayah dapat meningkatkan pertumbuhan ekonomi, dalam hal ini pemerintah daerah dapat melakukan percepatan pembangunan infrastruktur dan pemusatan aktivitas ekonomi yang disesuaikan dengan potensi wilayahnya.
Pembangunan infrastruktur dapat memudahkan perdagangan antar wilayah serta perencanaan pembangunan yang terintegrasi dapat membantu memaksimalkan efek limpahan pertumbuhan ekonomi di suatu wilayah.
Peningkatan kualitas sumber daya manusia melalui investasi di sektor pendidikan, kesehatan, dan teknologi perlu menjadi perioritas daerah.
Perkembangan teknologi di suatu wilayah menuntut peningkatan kualitas sumber daya manusia agar mampu menyeimbangi, sehingga penyebaran teknologi tersebut dapat memberikan dampak positif bagi wilayah tersebut maupun wilayah Peningkatan dan evaluasi terhadap efektivitas penggunaan DAK fisik di tingkat daerah perlu dilakukan, termasuk dalam hal peningkatan kapasitas perencanaan dan pengelolaan anggaran pemerintah daerah, agar DAK fisik benarbenar diarahkan pada proyek pembangunan ekonomi lokal yang berdampak langsung dan sesuai dengan prioritas nasional.
Pemerintah daerah diharapan mendorong peningkatan produktivitas tenaga kerja melalui pelatihan, pendidikan yang relevan dengan kebutuhan pasar.
Dukungan tersebut diharapkan dapat mendorong pertumbuhan sektor formal dan industri agar tenaga kerja yang tersedia dapat diserap secara optimal dan efisien, baik di wilayah yang memiliki aktivitas ekonomi tinggi serta tersebar merata di wilayah-wilayah pertumbuhan ekonomi rendah yang perlu diseimbangkan dengan peningkatan aktivitas ekonomi.
Daftar Pustaka