JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print)
D-236
At Pemodelan Kerugian Makroekonomi Akibat Bencana Alam dengan Regresi Panel Evi Kinasih Ikhwan dan Dwi Endah Kusrini Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia e-mail:
[email protected] AbstrakβBencana alam merupakan suatu ancaman yang tak dapat dihentikan oleh manusia serta dapat menyebabkan kerugian dalam tiga aspek yaitu aspek secara langsung, tidak langsung maupun aspek makroekonomi.Secara makroekonomi, kerugian yang ditimbulkan oleh bencana alam dapat dilihat dari Produk Domestik Regional Bruto (PDRB), sehingga perlu diidentifikasi faktor-faktor yang mempengaruhi kerugian makroekonomi akibat bencana alam. Penelitian ini bertujuan menganalisis kerugian makroekonomi akibat bencana alam di kabupaten-kabupaten di Pulau Jawa dengan menggunakan regresi panel. Regresi panel merupakan metode regresi yang digunakan pada data panel (data gabungan antara data cross sectional dan data time series). Salah satu hal yang penting dalam regresi panel adalah pemilihan model panel.Wilayah yang dimodelkan menggunakan regresi panel pada penelitian ini adalah kelompok wilayah satu yaitu wilayah kabupaten yang nilai korelasi antara variabel PDRB dan jumlah tenaga kerja adalah positif dan signifikan. Hasil penelitian menunjukkan bahwa variabel independen yang berpengaruh pada kelompok wilayah satu adalah jumlah tenaga kerja dan jumlah kejadian bencana. Kata KunciβBencana Alam, Regresi Panel.
I. PENDAHULUAN
B
ENCANA alam merupakan suatu ancaman yang tak dapat dihentikan oleh manusia dan menyebabkan kerusakan baik secara sosial maupun ekonomi atau finansial yang akhirnya dapat mengganggu pembangunan nasional. Koffi Annan menyatakan bahwa negara-negara berkembang kehilangan 5% dari produk nasional bruto setiap tahunnya karena bencana alam [1]. Indonesia yang merupakan salah satu negara berkembang, juga sebagai negara yang rawan bencana.Contoh bencana yang pernah terjadi di Indonesia adalah tsunami di Aceh tahun 2004, gempa bumi di Yogyakarta tahun 2007, gunung meletus di Kediri tahun 2013, dan lain-lain.Secara umum, kerugian yang ditimbulkan bencana alam dapat dilihat dari 3 aspek yaitu aspek secara langsung, aspek secara tidak langsung dan aspek makroekonomi. Umumnya, bencana alam menyebabkan kerugian makroekonomi di negara berkembang. Kerugian makroekonomi dapat dilihat dari Produk Domestik Regional Bruto (PDRB). Regresi panel merupakan metode regresi yang digunakan pada datapanel (data gabungan
antara data cross sectional dan data time series). Ada tiga macam estimasi yang digunakan pada data panel yaitu common effect model (CEM), fixed effect model (FEM) dan random effect model (REM). Beberapa penelitian terkait bencana alam pernah dilakukan oleh [2] tentang konsekuensi makroekonomi yang ditimbulkan oleh bencana alam dengan menggunakan regresi panel. Penelitian tersebut menyebutkan bahwa banyaknya bencana atau tipe bencana dan jumlah kerusakan fasilitas turut mempengaruhi penurunan PDRB. Karena itu, penelitian ini akan menganalisis pemodelan kerugian makroekonomi akibat bencana alam di Pulau Jawa karena Pulau Jawa merupakan pusat perekonomian di Indonesia. Beberapa penelitian terkait regresi panel telah dilakukan [3] menggunakan regresi data panel untuk memodelkan persentase penduduk miskin di Jawa Timur.Hasil penelitian tersebut menunjukkan bahwa model regresi panel secara efisien lebih efektif dalam memodelkan data dibandingkan dengan regresi linier sederhana. Penelitian ini merupakan penelitian lanjutan yang telah dilakukan oleh [4] yang menganalisis pemodelan ekonometrika spasial akibat bencana alam dengan menggunakan Spatial Durbin Model (SDM) di Pulau Jawa. Berdasarkan uraian tersebut, maka kajian dalam penelitian ini adalah pemodelan dari kerugian makroekonomi akibat bencana alam dengan variabel independen terdiri dari jumlah tenaga kerja, jumlah kejadian bencana dan jumlah kerusakan fasilitas umum. Selain itu, penelitian ini juga menyelidiki faktor-faktor apa saja yang mempengaruhi PDRB di empat wilayah kabupaten di Pulau Jawa. II. TINJAUAN PUSTAKA A. Bencana Alam Berdasarkan Undang-Undang No. 24 Tahun 2007, definisi bencana adalah peristiwa atau serangkaian peristiwa yang mengancam dan mengganggu kehidupan dan penghidupan masyarakat yang disebabkan oleh faktor alam dan nonalam ataupun faktor manusia sehingga mengakibatkan timbulnya korban jiwa manusia, kerusakan lingkungan, kerugian harta benda, dan dampak psikologis [5]. Secara ekonomi, bencana dapat membawa kerugian secara langsung yaitu kerugian modal saham, secara tidak langsung yaitu mengganggu bisnis
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print)
D-237
dan secara makro ekonomi yaitu menurunnya produk domestik bruto [6].
π»0 : πΌ1 = πΌ2 = β― = πΌπ = πΌ (CEM) π»1 : minimal ada satu πΌπ β πΌ (FEM)
B. Data Panel Data panel adalah gabungan antara data time series dandata cross sectional. Ada beberapa keuntungan yangdidapatkan jika menggunakan data panel [7], di antaranya: 1. Dapat mengontrol heterogenitas individual. 2. Lebih informatif, lebih bervariasi, lebih efisien dan dapat menghindari masalah multikolinearitas. Selain memiliki keuntungan, data panel memiliki beberapa keterbatasan [7], di antaranya: 1. Masalah rancangan dan pengumpulan data. 2. Ketidaksesuaian dalam pengukuran error. 3. Dimensi time series yang pendek. 4. Ketergantungan cross sectional.
Statistik uji:πΉ =
C. Estimasi Data Panel Ada beberapa kemungkinan yang akan terjadi saat menggunakan data panel, di antaranya [8]: 1. Intersep dan slope koefisien adalah tetap sepanjang waktu dan individu. 2. Slope koefisien adalah tetap tetapi intersep berbeda antar individu. 3. Slope koefisien adalah tetap tetapi intersep berbeda antar individu dan waktu. 4. Semua koefisien (intersep dan slope koefisien) berbeda antar individu. 5. Intersep dan slope koefisien berbeda antar individu dan waktu. Karena itu, ada tiga kemungkinan model yang dapat digunakan untuk mengestimasi data panel: 1. Common Effect Model (CEM) Pendekatan ini juga biasa disebut dengan pendekatan regresi linier sederhana (OLS) dan memenuhi asumsi 1 di atas. Berikut adalah modelnya: π¦ππ‘ = πΌ + πππ‘β² π½ + πππ‘ (1) 2. Fixed Effect Model (FEM) Merupakan teknik mengestimasi data panel dengan menggunakan variabel dummy untuk menangkap adanya perbedaan intersep. Model FEM menurut Greene [8] sebagai berikut. π¦ππ‘ = πΌπ + πππ‘β² π½ + πππ‘ (2) Indeks π pada intersep πΌπ menunjukkan bahwa intersep dari setiap individu berbeda, namun intersep untuk unit time series tetap (konstan). 3. Random Effect Model (REM) Model REM digunakan untuk mengatasi masalah ketidakpastian yang dimiliki oleh model REM. Model FEM menurut Greene [8] sebagai berikut: π¦ππ‘ = πΌ + πππ‘β² π½ + ππ + πππ‘ (3)
π = π΄β² π£ππ π½πΉπΈπ β π£ππ π½π
πΈπ π΄ (5) π΄ = π½πΉπΈπ + π½π
πΈπ 2 Tolak π»0 apabilaπ > ππΎ;πΌ dan model terpilih adalah FEM [8]. 3. Uji Lagrange Multiplier Dilakukan untuk melihat adanya heteroskedastistas pada model FEM. π»0 : ππ2 = π 2 (homoskedastis) π»1 : ππ2 β π 2 (heteroskedastis) ππ π π 2 β1 2 π πΏπ = 2 πβ1 β1 2 (6) π=1 πππ π=1 π‘=1 πππ‘
D. Pemilihan Model Estimasi Regresi Data Panel Ada beberapa pengujian yang harus dilakukan sebelum menentukan model estimasi regresi panel, di antaranya: 1. Uji Chow Digunakan untuk menentukan model CEM atau FEM [Greene] dengan hipotesis:
2 π
2 πΉπΈπ βπ
πΆπΈπ π β1
(4)
1βπ
2 πΉπΈπ π πβπ βπΎ
2 2 denganπ
πΉπΈπ adalah koefisien determinasimodel FEM, π
πΆπΈπ adalah koefisien determinasimodel CEM, π adalah jumlah unit cross section, π adalah jumlah unit time series, dan πΎ adalah jumlah variabel independen. Keputusan tolak π»0 jika πΉβππ‘π’ππ > πΉ πβ1,ππβπβπΎ ;πΌ dan model yang dipilih adalah model FEM [8]. 2. Uji Hausman Dilakukan untuk memilih model estimasi terbaik antara model FEM atau model REM, dengan hipotesis: π»0 : ππππ πππ , π’ππ = 0 (REM) π»1 : ππππ πππ , π’ππ β 0 (FEM) β1
denganπππ‘ adalah residual pada unit cross section ke-π dan waktu ke-π‘, πadalah jumlah unit time series dan π adalah 2 jumlah unit cross section. Tolak π»0apabilaπΏπ > π(πβ1;πΌ) dan model FEM memiliki struktur heteroskedastis sehingga perlu diestimasi dengan model FEM cross section weight. E. Kriteria Kebaikan Model Kriteria kebaikan model yang digunakan adalah koefisien determinasi [7]. π
2 = 1 β
π π 2 π=1 π‘=1 π¦ ππ‘ βπ¦ ππ‘ π π 2 π=1 π‘=1 π¦ ππ‘ βπ¦
(7)
Semakin tinggi nilai koefisien determinasi, maka semakin baik model yang dihasilkan. F. Pengujian Parameter Regresi Ada 2 uji parameter regresi yaitu uji serentak dan uji parsial.Uji serentak digunakan untuk mengetahui semua pengaruh variabel independen terhadap variabel dependen.Uji parsial digunakan untuk mengetahui variabel independen yang berpengaruh signifikan secara individu terhadap variabel dependen. Hipotesis untuk uji serentak: π»0 : π½1 = π½2 = β― = π½πΎ = 0 π»1 : minimal ada satu π½π β 0 π = 1,2, β¦ , πΎ πΉ=
π½ β² π β² π¦ βπ π¦ 2 π π¦ β² π¦ βπ½ β² π β² π¦ π β π+1
(8)
Tolak π»0 jika πΉβππ‘π’ππ lebih besar dari πΉπ‘ππππ = πΉπΌ;(πΎβ1,πβπΎ) . Hipotesis untuk uji parsial: π»0 : π½π = 0 π»1 : π½π β 0 π = 1,2, β¦ , πΎ π½
π‘βππ‘π’ππ = ππΈ(π½π ) π
(9)
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) Tolak π»0 jika π‘βππ‘π’ππ
lebih besar dari π‘πΌ ;πβπΎ , dengan π
2007 hingga 2012.
2
adalah jumlah pengamatan dan π adalah banyaknya parameter. G. Pengujian Asumsi Residual Ada beberapa asumsi klasik yang dibutuhkan pada model regresi yaitu asumsi independen, asumsi identik, asumsi berdistribusi normal dan tidak terjadi multikolinearitas. 1. Asumsi Independen Autokorelasi terjadi apabila residual saling berkaitan [9] yang dideteksi dengan uji Durbin Watson. π»0 : π1 = 0 π»1 : π1 β 0 π=
D-238
π 2 π‘=2 π π‘ βπ π‘β1 π π2 π‘=1 π‘
(10)
Tolak π»0 apabila 0 < π < ππΏ atauππ’ < π < 4 β ππ’ dengan ππΏ adalah batas bawah tabel Durbin Watson dan ππ adalah batas atas tabel Durbin Watson. 2. Asumsi Identik Uji heteroskedastisitas dilakukan untuk mengetahui adanya ketidaksamaan varians dari error suatu pengamatan dengan pengamatan lainnya.Uji statistik yang biasa digunakan adalah uji Glejser yaitu dengan meregresikan absolute residual dengan variabel independen. π»0 : tidak terjadi heteroskedastisitas π»1 : terjadi heteroskedastisitas π = 1,2, β¦ , πΎ Statistik uji: π‘βππ‘π’ππ t hitung = SE
Ξ²i
(11)
Ξ²i
Keputusan tolak π»0 apabila t hitung
lebih besar dari t Ξ± ;nβK , 2
dengan π adalah jumlah pengamatan dan πΎ adalah banyaknya parameter. 3. Asumsi Normalitas Digunakan uji Kolmogorov-Smirnov dengan hipotesis sebagai berikut [9]: π»0 : residual berdistribusi normal π»1 : residual tidak berdistribusi normal π· = πππ₯ πΉ0 π₯π β ππ π₯π (12) Dengan πΉ0 π₯π merupakan fungsi distribusi frekuensi kumulatif relatif dari distribusi teoritis di bawah π»0. ππ π₯π merupakan distribusi frekuensi kumulatif amatan sebanyak sampel. Keputusan tolak π»0 diambil jika π· > π·1βπΌ ataupvalue< πΌ. III. METODOLOGI PENELITIAN A. Sumber Data Sumber data yang digunakan dalam penelitian ini adalah data sekunder dari Badan Nasional Penanggulangan Bencana (BNPB) dan Badan Pusat Statistika (BPS) pada periode 2007 hingga 2012.Data yang diambil dari BPS adalah data mengenai produk domestik regional bruto dan jumlah tenaga kerja.Adapun, data yang diambil dari BNPB adalah jumlah kejadian bencana dan jumlah kerusakan fasilitas umum.Unit cross section pada penelitian ini adalah 83 kabupaten di Pulau Jawa sedangkan unit time series penelitian ini adalah tahun
B. Variabel Penelitian Berikut ini merupakan variabel penelitian yang digunakan pada penelitian ini: Tabel 1. Variabel penelitian Variabel Produk domestik regional bruto (PDRB) per kabupaten/kota (πππ‘ ) Jumlah tenaga kerja per kabupaten/kota (π1ππ‘ ) Jumlah kejadian bencana (π2ππ‘ ) Jumlah kerusakan fasilitas umum (π3ππ‘ )
Satuan
Skala
Milyar Rupiah
Rasio
Jiwa
Rasio
Bencana
Rasio
Unit
Rasio
C. Langkah Analisis Langkah analisis yang digunakan dalam penelitian sebagai berikut: 1. Untuk mencapai tujuan pertama, maka dilakukan analisis statistika deskriptif pada masing-masing variabel dependen dan variabel independen. 2. Untuk mencapai tujuan kedua dan ketiga, maka dilakukan langkah-langkah sebagai berikut: a. Mengumpulkan set data panel. b. Mengidentifikasi adanya kasus multikolinearitas atau tidak. c. Melakukan estimasi model regresi panel dengan menggunakan uji Chow. Apabila keputusannya adalah gagal tolak π»0 maka model yang digunakan adalah CEM, namun bila keputusannya adalah tolak π»0 maka model yang digunakan adalah FEMdan dilanjutkan ke langkah d. d. Melakukan estimasi model regresi panel dengan menggunakan uji Hausman. Apabila keputusannya adalah gagal tolak π»0 maka model yang digunakan adalah REMdan langkah berhenti, namun bila keputusannya adalah tolak π»0 maka model yang digunakan adalah FEMdan dilanjutkan ke langkah e. e. Melakukan estimasi model regresi panel dengan menggunakan uji Lagrange Multiplier. Apabila keputusannya adalah gagal tolak π»0 maka model yang digunakan adalah FEMdan struktur data sudah homogen. Namun bila keputusannya adalah tolak π»0 maka struktur data belum homogen dan model estimasi yang digunakan adalah model FEM cross section weight. f. Melakukan pengujian signifikansi parameter regresi panel. g. Melakukan pengujian asumsi residual. h. Menganalisis hasil yang diperoleh. i. Membuat kesimpulan. IV. ANALISIS DAN PEMBAHASAN Ada satu model yang akan dianalisis yaitu model wilayah satu yang terdiri dari 9 kabupaten yang nilai korelasi antara variabel PDRB (πππ‘ ) dan jumlah tenaga kerja (π1ππ‘ ) bernilai positif dan signifikan.
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) A. Karakteristik Variabel Penelitian Karakteristik dari variabel penelitian disajikan dalam empat bentuk yaitu korelasi antar variabel, karakteristik variabel seluruh kabupaten, perkembangan variabel tahun 2007 hingga 2012, dan perkembangan variabel wilayah satu. Tabel 2. Korelasi variabel seluruh kabupaten πππ‘ π1ππ‘ π2ππ‘ 0,355* π1ππ‘ π2ππ‘ 0,284* 0,019 0,162* 0,026 0,103 π3ππ‘ Keterangan :*) Signifikan pada πΌ = 1%
Variabel
N
πππ‘ π1ππ‘
498 498
π2ππ‘
498
π3ππ‘
498
53176
6435
5703 2009
π1ππ‘ π2ππ‘ π3ππ‘
Bogor Bangkalan
PDRB
15000 10000 5000 0 2011
5598
π1ππ‘ 1,010 1,106 1,096
Tabel 4 menjelaskan bahwa nilai VIF dari model π1ππ‘ kurang dari 5.Hal ini menunjukkan bahwa tidak terjadi kasus multikolinearitas pada model-model tersebut dan analisis regresi panel dapat dilanjutkan. C. Penentuan Model Panel Untuk menentukan model regresi panel yang tepat pada kasus kerugian makroekonomi akibat bencana alam, maka dilakukan beberapa pengujian seperti uji Chow, uji Hausman dan uji Lagrange Multiplier. Pada pemodelan ini, model yang akan dianalisis adalah model π1ππ‘ dan ππ π1ππ‘ . Model π1ππ‘ Antar Individu π1ππ‘ Antar Waktu ππ π1ππ‘ Antar Individu ππ π1ππ‘ Antar Waktu Keterangan : 1)πΉ0.05;(8,44)
2010
4747
Tabel 4. Nilai VIF
Bekasi Sidoarjo
20000
2009
7688
B. Pemodelan Regresi Panel Sebelum melakukan pemodelan, maka dilakukan deteksi adanya kasus multikolinearitas atau tidak pada model.
25000
2008
6366
Pada Gambar 2 dapat dilihat bahwa kabupaten Karawang memiliki rata-rata PDRB tertinggi dibandingkan dengan 8 kabupaten lainnya untuk wilayah satu dimana rata-rata PDRB Kabupaten Karawang dari tahun 2007 hingga tahun 2012 adalah 53176,3 milyar rupiah
Kab dengan Nilai Max
Rata-rata PDRB dari 83 kabupaten selama 6 tahun adalah 15970 milyar rupiah.Adapun kabupaten yang memiliki PDRB terendah adalah Pacitan dengan PDRB sebesar 2321 milyar rupiah. Kabupaten yang memiliki PDRB tertinggi adalah Bekasi dengan PDRB sebesar 116,47 trilyun rupiah. Perkembangan variabel PDRB dari tahun 2007 hingga 2012 yang didasarkan pada nilai rata-rata setiap tahunnya sebagai berikut:
2007
6199
Gambar 2. Rata-rata PDRB kelompok wilayah satu
Berdasarkan Tabel 2 dapat diketahui bahwa jumlah tenaga kerja, jumlah kejadian bencana dan jumlah kerusakan fasilitas umum memiliki korelasi yang positif dan signifikan dengan PDRB pada πΌ = 10%. Adapun karakteristik variabel penelitian seluruh variabel penelitian disajikan pada Tabel 3 berikut: Tabel 3. Statistika deskriptif variabel penelitian Kab dengan Mean Min Max Nilai Min 15970 2321 116470 Pacitan 247,52 59 735 Sampang Beberapa 7,697 0 113 kab Beberapa 217 0 17042 kab
60000 50000 40000 30000 20000 10000 0
D-239
Tabel 5. Hasil Uji Chow Fhitung Ftabel P-value Keputusan 86,993 1)2,157 0,0000 Tolak π»0 0,117 2)2,413 0,9880 Gagal Tolak π»0 241,837 3)2,163 0,0000 Tolak π»0 0,475 4)2,417 0,7931 Gagal Tolak π»0 2) πΉ0.05;(5,47) 3)πΉ0.05;(8,43) 4)πΉ0.05;(5,46)
2012
Y 11816 13580 14792 16555 18506 20569
Gambar 1. Perkembangan PDRB berlaku
Variabel PDRB (πππ‘ ) dari tahun 2007 hingga tahun 2012 terus mengalami peningkatan.Hal ini menunjukkan bahwa setiap tahun, kabupaten-kabupaten di Pulau Jawa mengalami kenaikan PDRB yang mengindikasikan bahwa perekonomian di 83 kabupaten di Pulau Jawa juga semakin membaik. Ratarata PDRB tertinggi terjadi pada tahun 2012 yaitu sebesar 20568,87 milyar rupiah. Adapun rata-rata PDRB (πππ‘ ) di wilayah satu disajikan pada Gambar 2 berikut:
Hasil uji Chow dengan error komponen antar individu pada Tabel 5 menghasilkan keputusan tolak π»0 untuk model π1ππ‘ dan ππ π1ππ‘ . Hal ini dikarenakan nilai πΉβππ‘π’ππ pada model tersebut lebih besar dibandingkan πΉπ‘ππππ . Artinya, untuk komponen antar individu model estimasi yang tepat untuk model π1ππ‘ dan ππ π1ππ‘ adalah FEM. Adapun pada komponen antar waktu, statistik uji menghasilkan keputusan gagal tolak π»0 untuk model π1ππ‘ dan ππ π1ππ‘ . Artinya, pada komponen antar waktu model estimasi yang tepat untuk model π1ππ‘ dan ππ π1ππ‘ adalah CEM. Selanjutnya, dilakukan uji Hausman untuk model FEM pada komponen antar individu. Uji Hausman digunakan untuk menentukan model estimasi REMataukah model FEM yang tepat untuk model
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) komponenantar individu. Model π1ππ‘ Antar Individu ππ π1ππ‘ Antar Individu 2 Keterangan : 1)π0.05;1
Tabel 6. Hasil Uji Hausman Wald πππππππ P-value 1) 0,705 3,8415 0,4010 2,024 2)5,9915 0,3634 2) 2 π0.05;2
Keputusan Gagal tolak π»0 Gagal tolak π»0
Hasil uji Hausman padakomponen antar individu Tabel 6 menghasilkan keputusan gagal tolak π»0 untuk model π1ππ‘ dan 2 ππ π1ππ‘ karena nilai πβππ‘π’ππ lebih kecil dibandingkan nilai 2 ππ‘ππππ . Jadi, model estimasi yang tepat untuk model π1ππ‘ dan ππ π1ππ‘ adalah REM dan tidak perlu dilakukan ke pengujian Lagrange Multiplier. Selanjutnya, untuk menentukan model yang tepat pada masing-masing wilayah dapat digunakan perbandingan nilai π
2 seperti berikut. Tabel 7. Perbandingan π
2 (%) model πΉπ Model * 21,6801 π1ππ‘ Antar Individu ** π1ππ‘ Antar Waktu 2,2000 * 68,6135 ππ π1ππ‘ Antar Individu ** 10,2000 ππ π1ππ‘ Antar Waktu Keterangan :
*)
REM CEM
**)
Nilai π
2 model π1ππ‘ antar individu lebih besar dibandingkan model π1ππ‘ antar waktu.Adapun nilai π
2 model ππ π1ππ‘ antar individu lebih besar dibandingkan model ππ π1ππ‘ antar waktu, sehingga model ππ π1ππ‘ REM dipilih sebagai model yang mewakili wilayah satu. D. Estimasi Model Regresi Panel Pengujian Chow dan Hausman menyimpulkan bahwa metode yang sesuai untuk mengestimasi model regresi panel pada wilayah satu adalah REM. ππ π1ππ‘ = πΌ0π + 0,005559π1ππ‘ + 0,007750π2ππ‘ (13) Nilai πΌ0π pada persamaan (18) merupakan nilai intersep untuk masing-masing kabupaten di wilayah satu yang nilainya berbeda-beda seperti yang tersaji pada Tabel 8 berikut ini: Tabel 8. Estimasi Intersep πΌ0π Kabupaten πΆππ Kabupaten Karawang 9,348466 Bantul 6,646406 Demak 7,132426 Grobogan 9,618633 Gunungkidul 7,497175 Banjarnegara 7,782027 Magelang 7,459258 Rembang 7,554903 Sampang 8,149296
Misalkan diambil contoh PDRB atas dasar harga berlaku untuk Kabupaten Karawang pada tahun 2010 maka diperoleh taksiran sebagai berikut: ππ π1ππ‘ = 9,348466 + 0,005559 260 + 0,007750 13 = 10,894556
D-240
Sehingga diperoleh nilai taksiran dari PDRB sebagai berikut: π1ππ‘ = π10,894556 = 53882,22903 Nilai taksiran PDRB atas dasar harga berlaku Kabupaten Karawang pada tahun 2010 adalah 53882,22903 milyar rupiah, sedangkan nilai sebenarnya adalah sebesar 57260 milyar rupiah. Jadi, diperoleh nilai residualnya sebesar 3377,771 milyar rupiah atau 3,377 trilyun rupiah. Model ππ π1ππ‘ pada persamaan (18) memberikan nilai π
2 sebesar 68,6135 persen seperti yang ditunjukkan pada Tabel 9. Artinya variabel πππ‘ dapat menjelaskan variabilitas πππ‘ sebesar 68,6135 persen sedangkan sisanya 31,3865 persen dijelaskan oleh variabel lain yang belum masuk ke dalam model. Tabel 9. Statistik Uji Estimasi Model Goodness of Fit ππ ππππ R-squared 0,686135 Adjusted R-squared 0,673827 F-statistic 55,74521 Prob (F-statistic)
0,000000
E. Pengujian Signifikansi Parameter Model Regresi Ada 2 jenis pengujian pada tahap ini yaitu uji serentak dan uji parsial.Berdasarkan Tabel 9 dapat diketahui bahwa nilai πΉβππ‘π’ππ untuk model ππ π1 sebesar 55,74521 lebih besar dibandingkan πΉπ‘ππππ = πΉ0.05;(1,52) = 4,027. Sehingga, minimal ada satu variabel independen yang berpengaruh signifikan pada variabel π1ππ‘ di wilayah satu. Selanjutnya hasil uji parsial untuk model ππ π1ππ‘ sebagai berikut: Variabel C π1 π2
Tabel 10. Estimasi Model ππ π1ππ‘ REM Koefisien Std. Error thitung 7,687621 0,286431 26,83939 0,005559 0,007750
0,000633 0,002516
8,780877 3,081064
p-value 0,0000 0,0000 0,0033
Didapatkan nilai π‘π‘ππππ = π‘0.025 ;52 = 2,007. Keputusan tolak jika π‘βππ‘π’ππ > π‘π‘ππππ . Berdasarkan Tabel 10, dapat dilihat bahwa faktor yang berpengaruh signifikan terhadap variabel π1ππ‘ di wilayah satu adalah jumlah tenaga kerja (π1ππ‘ ) dan jumlah kejadian bencana (π2ππ‘ ). F. Pengujian Asumsi Residual Setelah mendapatkan model terbaik, langkah berikutnya adalah melakukan pengujian asumsi klasik residual yang meliputi uji normalitas, uji identik dan uji independen. Hasil uji asumsi normal residual disajikan pada Tabel 11 berikut: Tabel 11. Hasil Uji Kolmogorov Smirnov Model D P-value Keputusan ππ π1ππ‘ 0,181 0,058 Gagal tolak π»0
Berdasarkan Tabel 11 dapat diketahui bahwa nilai π· dari model ππ π1ππ‘ . Selain itu, nilai p-value dari model ππ π1ππ‘ lebih besar dari 5 persen yang menunjukkan bahwa residual model di wilayah satu telah memenuhi asumsi distribusi normal.
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) Hasil uji asumsi identik residual disajikan pada Tabel 12 berikut: Model ππ π1ππ‘ Keterangan :
Tabel 12. Hasil Uji Glejser πππππππ ππππππ P-value 0,840 1)3,179 0,437
Keputusan Gagal tolak π»0
DAFTAR PUSTAKA [1] [2] [3]
πΉ0.05;(2,51)
1)
Berdasarkan Tabel 12 dapat diketahui bahwa nilai πΉβππ‘π’ππ residual model ππ π1ππ‘ lebih kecil dari πΉπ‘ππππ sehingga keputusannya adalah gagal tolak π»0. Hal ini menunjukkan bahwa residual model untuk wilayah satu sudah memenuhi asumsi identik. Hasil uji asumsi independen residual disajikan pada Tabel 13 berikut: Kabupaten Karawang Bantul
Tabel 13. Hasil Uji Durbin Watson π
π«π³ π«πΌ 0,0033 0,6102 1,4002 0,0186 0,6102 1,4002
Demak Grobogan
0,0409 1,0223
0,6102 0,6102
1,4002 1,4002
Gunungkidul Banjarnegara Magelang
0,6657 0,6336 0,1514
0,6102 0,6102 0,6102
1,4002 1,4002 1,4002
Rembang Sampang
0,5786 0,0429
0,6102 0,6102
1,4002 1,4002
[4]
[5]
[6] [7]
Keputusan Tolak π»0 Tolak π»0 Tolak π»0 Gagal Tolak π»0 Gagal Tolak π»0 Gagal Tolak π»0 Tolak π»0 Tolak π»0 Tolak π»0
nilaiπ untuk Kabupaten Karawang, Bantul, Demak, Magelang, Rembang dan Sampang berada di bawah batas bawah π·πΏ yang artinya terjadi kasus autokorelasi pada 6 kabupaten tersebut. Adapun, nilai π untuk Kabupaten Grobogan, Gunungkidul dan Banjarnegara berada di antara batas bawah π·πΏ dan batas atas π·π yang artinya tidak terjadi kasus autokorelasi pada 3 kabupaten tersebut. V. KESIMPULAN DAN SARAN Berdasarkan hasil analisis dan pembahasan, maka dapat diperoleh kesimpulan sebagai berikut: 1. Secara umum, PDRB atas dasar harga berlaku (πππ‘ ) 83 kabupaten di Pulau Jawa berkorelasi signifikan dengan jumlah tenaga kerja (π1ππ‘ ), jumlah kejadian bencana (π2ππ‘ ), dan jumlah kerusakan fasilitas umum (π3ππ‘ ). Perkembangan PDRB dari tahun 2007 hingga 2012 terus meningkat yang mengindikasikan perekonomian dari 83 kabupaten di Pulau Jawa juga semakin membaik dari tahun ke tahun. 2. Model regresi panel yang sesuai untuk PDRB kabupaten di wilayah satu Pulau Jawa adalah REM. Variabel yang berpengaruh signifikan terhadap PDRB di wilayah satu adalah jumlah tenaga kerja dan jumlah kejadian bencana. Berdasarkan hasil penelitian yang telah dilakukan, saran yang dapat diberikan adalah: 1. Penambahan wilayah kota pada penelitian selanjutnya. 2. Penambahan periode penelitian agar hasil yang didapatkan lebih akurat. Selain itu, bisa melakukan pengembangan metode dengan menggunakan metode panel spasial. 3. Mengatasi asumsi residual yang tak dapat dipenuhi pada penelitian ini.
D-241
[8] [9]
J. Ingleton. Natural Disaster Management. Leicester : Tudor Rose (1999). I. Noy,βThe Macroeconomic Consequences Of Disasters,β Development Economics J., Vol. 88 (2009) 221-231. Y. Desi, βPemodelan Persentase Penduduk Miskin Di Provinsi Jawa Timur Tahun 2004-2008 Dengan Regresi Data Panel,β Thesis yang tidak dipublikasikan(2010). H. Kusumaningrum, βPemodelan Ekonometrika Spasial Kerugian Makroekonomi Akibat Bencana Alam,β Tugas akhir S1 yang tidak dipublikasikan (2014). Kementerian Negara Perencanaan Pembangunan Nasional (KNPPN), Badan Perencanaan Pembangunan Nasional (BPPN), dan Badan Koordinasi Nasional Penanganan Bencana (BKNPB). Rencana Aksi Nasional Pengurangan Resiko Bencana. Jakarta: Perum Percetakan Negara RI (2006). R. Mechler, βNatural Disaster Risk Management and Financing Disaster Losses in Developing Countries,β Thesis yang dipublikasikan (2003). B. H. Baltagi.Econometric Analysis of Panel Data (3rded.). England: John Wiley & Sons, Ltd (2005). W. H. Greene. Econometric Analysis (4thed.). New Jersey: Prentice Hall (2002). W. Daniel. Statistika Non Parametrik. Jakarta: Gramedia(1989).