BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. 4.1.1. · Kondisi Geografis Provinsi Riau ... 4 Pelalawan Pangkalan Kerinci 12 758,45 5 Siak Siak Sri Indrapura 8 275,18 6 Kampar Bangkinang

31 Universitas Muhammadiyah Riau

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1. Gambaran Umum Daerah Penelitian

4.1.1. Kondisi Geografis Provinsi Riau

Provinsi Riau merupakan salah satu provinsi yang terletak di Pulau Sumatera,

Indonesia dengan ibukota adalah Pekanbaru. Provinsi Riau berbatasan langsung

dengan selat malaka dan provinsi sumatera utara di sebelah utara, sebelah selatan

berbatasan dengan provinsi jambi dan provinsi sumatera barat, sebelah timur

berbatasan dengan provinsi kepulauan riau dan selat malaka, dan sebelah barat

berbatasan langsung dengan provinsi sumatera barat dan sumatera utara.

Provinsi Riau membentang dari lereng Bukit Barisan sampai dengan

SelatMalaka terletak antara 01° 05’ 00” Lintang Selatan-02° 25’ 00” Lintang Utara

atau antara 100°00’00”-105° 05’ 00” Bujur Timur.Provinsi Riau memiliki luas area

sebesar 87.023,66 km2 dan memiliki 12 kabupaten/kota.

Tabel 4.1 Luas Wilayah Provinsi Riau Menurut Kabupaten/kota 2017 (Km2)

NO Kabupaten/Kota Ibukota

Kabupaten/Kota

Luas Wilayah

(Km2)

1 Kuantan Singingi Teluk Kuantan 5 259,36

2 Indragiri Hulu Rengat 7 723,80

3 Indragiri Hilir Tembilahan 12 614,78

4 Pelalawan Pangkalan Kerinci 12 758,45

5 Siak Siak Sri Indrapura 8 275,18

6 Kampar Bangkinang 10 983,47

7 Rokan Hulu Pasir Pangaraian 7 588,13

8 Bengkalis Bengkalis 6 975,41

9 Rokan Hilir Bagansiapiapi 8 881,59

10 Kepulauan Meranti Selat Panjang 3 707,84

11 Pekanbaru Pekanbaru 632,27

12 Dumai Dumai 1 623,38

RIAU 87 023,66

Sumber : Riau dalam angka 2018 (BPS Riau)

32

Universitas Muhammadiyah Riau

4.1.2. Kependudukan

Jumlah penduduk Riau dari hasil proyeksi yaitu sebesar 6.657.911 jiwa pada

yang terdiri atas 3.416.307 jiwapenduduk laki-laki dan 3.241.604 jiwa penduduk

perempuan.Penduduk laki-laki di Provinsi Riau lebih besar dibandingkan penduduk

perempuanseperti terlihat pada table 4.2. dibawah ini :

Table 4.2. Jumlah Penduduk menurut jenis kelamin dan Kabupaten/Kota

Provinsi Riau, 2017

No. Kabupaten/Kota Jenis Kelamin (ribu)

Laki-laki Perempuan Jumlah

1 Kuantan Singingi 164,769 156,447 321,216

2 Indragiri Hulu 218,496 207,401 425,897

3 Indragiri Hilir 370,603 351,631 722,234

4 Pelalawan 225,234 213,554 438,788

5 Siak 238,837 226,577 465,414

6 Kampar 427,065 405,322 832,387

7 Rokan Hulu 329,047 312,161 641,208

8 Bengkalis 286,865 272,216 559,081

9 Rokan Hilir 348,782 330,881 679,663

10 Kepulauan Meranti 93,961 89,336 183,297

11 Pekanbaru 559,917 531,171 1,091,088

12 Dumai 152,731 144,907 297,638

Jumlah 3,416,307 3,241,604 6,657,911

Sumber : Riau dalam angka 2018 (BPS Riau)

Distribusi penduduk 2017 menurut Kabupaten/Kota menunjukan bahwa

penduduk Riau terkonsentrasi di kota Pekanbaru sebagai ibukota provinsi dengan

jumlah penduduk 1.091.088 jiwa atau sekitar 16,39 % dari seluruh penduduk Riau.

Sedangkan Kabupaten/Kota dengan jumlah penduduk terkecil adalah Kabupaten

Kepulauan Meranti sebesar 183.297 jiwa.

4.2. Deskripsi Variabel-Variabel Penelitian

4.2.1. Variabel Pertumbuhan Ekonomi di Wilayah Kabupaten/Kota Provinsi Riau

Salah satu hal penting dalam pembangunan dan merupakan salah satu tujuan

pembangunan nasional adalah pertumbuhan ekonomi yang tinggi. Dalam konteks

pertumbuhan ekonomi daerah hal tersebut tidak jauh berbeda. Setiap daerah tentunya

menginginkan pertumbuhan ekonomi menjadi salah satu sasaran dalam

pembangunan daerah. Produk domestic regional bruto menggambarkan kemampuan

suatu wilayah dalam menciptakan nilai tambah pada suatu waktu tertentu. PDRB

33


dapat dilihat dari tiga sisi pendekatan yaitu produksi, penggunaan, dan pendapatan.

Ketiga pendekatan tersebut menyajikan komposisi data nilai tambah menurut sector

ekonomi, penggunaan, dan sumber pendapatan. PDRB menurut Kabupaten/Kota di

Provinsi Riau dapat dilihat pada table 4.3 :

Table 4.3. Produk Domestik Regional Bruto Menurut Kabupaten/Kota di

Provinsi Riau Tahun 2013-2017

Kabupaten/Kota 2013 2014 2015 2016 2017

Kuantan Singingi 19,336,933 20,331,154 19,896,348 20,669,804 21,584,597

Indragiri Hulu 25,180,129 26,571,896 25,791,527 26,742,942 27,817,785

Indragiri Hilir 34,769,508 37,160,800 37,920,056 39,754,987 41,627,466

Pelalawan 27,817,785 29,058,309 29,774,301 30,654,216 31,910,602

Siak 51,987,673 51,485,182 51,379,296 31,910,602 52,048,831

Kampar 44,297,000 45,816,000 46,314,000 47,609,000 47,609,000

Rokan Hulu 19,150,561 20,396,303 20,800,664 21,785,244 22,996,276

Bengkalis 88,411,085 85,003,796 82,676,674 80,656,528 79,230,434

Rokan Hilir 42,405,060 44,445,780 44,676,810 45,556,000 46,279,800

Kepulauan Meranti 10,329,760 10,788,977 11,096,024 11,453,445 11,831,782

Pekanbaru 51,053,167 54,575,479 57,616,752 60,891,070 64,620,230

Dumai 19,605,667 20,132,375 20,516,493 21,468,403 22,347,511

Sumber : Hasil olahan data dari Kabupaten/Kota di Provinsi Riau

Berdasaarkan table di atas dapat dilihat pertumbuhan ekonomi terbesar dari

tahun 2013 sampai dengan 2017 terdapat di Kabupaten Bengkalis Dan Kota

Pekanbaru sedangkan pertumbuhan ekonomi terkecil terdapat di Kabupaten

Kepulauan Meranti.

4.2.2. Variabel Pendapatan Asli Daerah (PAD) di Wilayah Kabupaten/Kota Provinsi

Riau

Pendapatan Asli Daerah (PAD) merupakan salah satu hal penting dalam

upaya penggalian potensi daerah. Pentingnya hal tersebut mencerminkan dari

semakin gencarnya daerah dalam hal mencari potensi daerah guna mengisi besarnya

nilai pendapatan asli daerah, terlebih setelah diberlakukanya kebijakan otonomi

daerah guna meningkatkan pertumbuhan ekonomi di daerah.

Dalam penelitian ini, data Pendapatan Asli DaerahKabupaten/ Kota di

Provinsi Riau selama 5 tahun yaitu dari tahun 2013 hingga tahun 2017. Pendapatan

Asli Daerahditunjukkan dalam tabel 4.4. sebagai berikut :

34


Table 4.4. Jumlah Penerimaan Pendapatan Asli Daerah (PAD) Menurut

Kabupaten/Kota di Provinsi Riau Tahun 2013-2017

Kabupaten/Kota 2013 2014 2015 2016 2017


Indragiri Hulu 72,381,681 111,827,898 125,142,263 109,733,193 159,665,857

Indragiri Hilir 80,512,228 105,692,681 115,592,702 132,442,800 214,785,344

Pelalawan 72,235,808 86,278,847 109,085,091 107,042,930 182,015,874

Siak 348,618,602 309,862,791 311,112,375 164,325,691 199,247,637

Kampar 157,869,015 188,653,172 221,377,672 162,363,323 316,191,621

Rokan Hulu 56,857,588 90,890,315 82,773,884 95,812,025 199,642,462

Bengkalis 219,252,418 253,692,220 258,889,531 199,026,650 308,150,000

Rokan Hilir 145,074,390 86,143,200 111,332,070 94,904,410 195,508,782


Pekanbaru 368,031,806 430,017,652 473,839,023 482,031,164 697,466,656

Dumai 157,466,165 153,223,679 162,535,866 192,760,175 265,472,760


Berdasarkan table di atas, penerimaan pendapatan asli daerah

Kabupaten/Kota di Provinsi Riau selama 5 (lima) dari 2013 sampai dengan 2017

mengalami kenaikan yang berbeda di setiap daerah. Penerimaan tertinggi terjadi di

Kota Pekanbaru pada tahun 2017 sebesar Rp. 697.466.656. Penerimaan PAD Kota

Pekanbaru berasal dari pajak daerah. Sedangkan penerimaan PAD terendah di

Kabupaten/Kota di Provinsi Riau di peroleh oleh Kabupaten Kepulauan Meranti

sebesar Rp. 80.941.080.

4.2.3. Variabel Belanja Modal di Wilayah Kabupaten/Kota Provinsi Riau

Belanja Modal merupakan unsur dari pengeluran daerah yang digunakan

untuk membiayaipengadaan aset tetap.Belanja Modal menggambarkan tingkat

konsumsi pemerintah daerah untuk menambah aset tetap dan aset lainnya yang

memberi manfaat lebih dari satu periode akutansi. Semakin tinggi tingkat Belanja

Modal maka semakin banyak aset tetap yang dimiliki oleh pemerintah daerah

tersebut. Diharapkan banyaknya aset tetap tersebut menjadi sarana prasarana naiknya

Pertumbuhan ekonomi daerah.

Dalam penelitian ini, data Belanja Modal Kabupaten/ Kota di Provinsi Riau

selama 5 tahun yaitu dari tahun 2013 hingga tahun 2017. Belanja Modal ditunjukkan

dalam tabel 4.5 sebagai berikut :

35


Table 4.5. Jumlah Belanja Modal Menurut Kabupaten/Kota di Provinsi Riau

tahun 2013-2017

Kabupaten/Kota 2013 2014 2015 2016 2017


Indragiri Hulu 480,751,481 320,878,860 557,609,596 246,977,757 247,686,767

Indragiri Hilir 363,143,942 392,225,899 550,565,277 693,930,017 510,111,723

Pelalawan 296,763,913 327,477,590 453,584,910 454,684,128 254,665,598

Siak 803,328,619 1,005,348,199 906,133,668 252,760,588 216,462,854

Kampar 452,815,455 624,428,613 490,400,606 377,722,237 352,062,836

Rokan Hulu 441,831,841 330,667,029 279,249,015 252,866,981 330,432,257

Bengkalis 1,271,708,816 1,131,617,485 1,815,753,250 765,742,949 982,284,436

Rokan Hilir 1,126,673,689 561,189,705 465,846,935 399,644,133 339,836,023


Pekanbaru 470,984,427 647,098,439 823,637,820 450,341,770 466,573,845

Dumai 343,406,951 383,170,589 143,872,370 200,116,034 272,620,881


Berdasarkan data diatas, nilai belanja modal dari tahun 2013 sampai dengan

2017 cenderung fluktuatif. Alokasi belanja modal tertinggi terdapat pada Kabupaten

Bengkalis yang mengalami peningkatan yang cukup baik dari tahun 2013-2017,

namun pada tahun 2016 nilai belanja modal Kabupaten Bengkalis mengalami

penurunan sebesar Rp. 765.742.949 dari tahun 2015. Sedangkan pada tahun 2017

Belanja Modal Kabupaten Bengkalis mengalami kenaikan yang cukup signififikan

sebesar Rp. 982.284.436. Sedangkan untuk alokasi belanja modal terendah terdapat

di Kabupaten Kepulauan Meranti.

4.2.4. Variabel Belanja Bantuan Keuangan di Wilayah Kabupaten/Kota Provinsi

Riau

Bantuan keuangan digunakan untuk menganggarkan bantuan keuangan yang

bersifat umum atau khusus dari provinsi kepada kabupaten/kota, pemerintah desa,

dan kepada pemerintah daerah lainnya atau dari pemerintah kabupaten/kota kepada

pemerintah desa dan pemerintah daerah lainnya dalam rangka pemerataan atau

peningkatan kemampuan keuangan daerah.

Dalam penelitian ini, data Belanja Bantuan Keuangan Kabupaten/ Kota di

Provinsi Riau selama 5 tahun yaitu dari tahun 2013 hingga tahun 2017. Belanja

Bantuan Keuangan ditunjukkan dalam tabel 4.6 sebagai berikut :

36


Tabel 4.6. Jumlah Belanja Bantuan Keuangan MenurutKabupaten/Kota di

Provinsi Riau tahun 2013-2017

Kabupaten/Kota 2013 2014 2015 2016 2017

Kuantan Singingi 21,192,994 421,071,510 485,291,264 688,257,312 0

Indragiri Hulu 54,392,164 155,480,440 68,426,010 0 0

Indragiri Hilir 66,160,357 106,237,011 187,706,896 237,457,842 277,751,953

Pelalawan 109,085,643 111,765,990 117,568,023 151,109,533 178,181,193

Siak 111,277,259 121,503,155 206,096,032 165,071,306 197,420,999

Kampar 87,541,132 97,263,868 162,342,509 230,892,045 288,051,719

Rokan Hulu 57,322,810 58,755,019 87,347,959 156,047,913 203,197,169

Bengkalis 390,698,247 389,726,417 502,359,857 365,316,020 325,409,752

Rokan Hilir 41,020,300 32,967,733 189,327,551 203,439,094 180,676,776


Pekanbaru 879,961,199 849,425,904 899,998,800 999,885,800 999,885,000

Dumai 1,219,898,160 1,443,022,880 1,893,772,000 2,055,441,600 2,245,267,080


Berdasarkan tabael diatas, menunjukan bahwa Kota Dumai merupakan

daerah dengan pengeluaran pemerintah atas belanja bantuan keuangan tetinggi

dengan pengeluaran pemerintah atas belanja bantuan keuangan terbesar terjadi pada

tahun 2017 sebesar Rp. 2.245.267.080 meningkat dibandingkan tahun 2016.

Sedangkan untuk pengeluaran pemerintah atas belanja bantuan keuangan terendah

terjadi di Kabupaten Indragiri Hulu.

4.3. Hasil Penelitian

4.3.1. Analisis Regresi Data Panel

Untuk mengetahui besarnya pengaruh PAD, Pengeluaran Pemerintah atas

Belanja Modal, Pengeluaran Pemerintah atas Belanja Bantuan Keuangan terhadap

Pertumbuhan Ekonomi di wilayah 12 Kabupaten/Kota Provinsi Riau maka dapat

digunakan analisis regresi data panel.

4.3.2. Estimasi Pemilihan Model Regresi Data Panel

Penelitian ini menggunakan model analisis regresi data panel. Dalam

menganalisis, digunakan program Eviews untuk memudahkannya. Pemilihan model

regresi data panel dilakukan dengan cara 3 metode pengujian, yaitu Common Effect

Model, Fixed Effect Models, dan Random Effect Models untuk memilih model regresi

yang paling baik digunakan dalam penelitian ini. Berikut merupakan hasil

pengujiannya:

37


4.3.2.1 Common Effect Model

Pengujian menggunakan common effect model adalah pengujian yang paling

sederhana. Dalam model common effect ini, intersep dan koefisien dianggap tetap

sepanjang waktu. Berikut hasil estimasi dari model common effect;

Table 4.7. Hasil Regresi Common Effect Model

Variabel Coefficient Probabilitas

C 8736866 0.0024

PAD 0.072056 0.0000

BELANJAMODAL 0.036867 0.0000

BANTUANKEUANGAN -0.005009 0.0954

R-squared 0.748976

F-statistic 55.69552

Prob(F-statistic) 0.000000 Sumber : hasil olahan data Eviews 9

Berdasarkan table 4.7 menunjukan koefisien PAD sebesar 0.072056 dan

probabilitas PAD sebesar 0.0000 yang dimana variable PAD memiliki pengaruh

Positif dan signifikan terhadap pertumbuhan ekonomi. Nilai koefisien Belanja Modal

sebesar 0.036867 dan probabilitas sebesar 0.0000 yang dimana variable Belanja

Modal memiliki pengaruh Positif dan signifikan terhadap pertumbuhan ekonomi.

Nilai koefisien Bantuan Keuangan sebesar -0.005009 dengan probabilitas sebesar

0.0954 dimana variable Bantuan Keuangan memiliki pengaruh negative dan tidak

signifikan terhadap pertumbuhan ekonomi. Sedangkan koefisien Pertumbuhan

ekonomi sebesar 8736866 dan nilai R-squared sebesar 0.748976 atau 74.89% dan

nilai F-statistic sebesar 55.69552 dengan Prob(F-statistic) sebesar 0.000000. Model

estimasi pooledleast square adalah sebagai berikut:

PEit = 8736866 + 0.072056 PADit + 0.036867 BMit + (-0.005009) BKit +ect

4.3.2.2 Fixed Effect Model

Pada model fixed effect, diasumsikan bahwa intersep bersifat tidak konstan

dan koefisien diasumsikan konstan. Artinya, adanya perbedaan intersep karena

perbedaan individu atau obyek sedangkan perubahan waktu dianggap konstan.

Berikut adalah hasil estimasi model fixed effect;

38


Table 4.8. Hasil Regresi Fixed Effect Model


C 30069426 0.0000

PAD 0.033421 0.0000


BANTUANKEUANGAN 0.001236 0.6315

R-squared 0.985023


Prob(F-statistic) 0.000000 Sumber : hasil olahan data Eviews 9





Modal memiliki pengaruh Positif dan tidak signifikan terhadap pertumbuhan

ekonomi. Nilai koefisien Bantuan Keuangan sebesar 0,001236 dengan probabilitas

sebesar 0.6315 dimana variable Bantuan Keuangan memiliki pengaruh positif dan

tidak signifikan terhadap pertumbuhan ekonomi. Sedangkan koefisien Pertumbuhan

ekonomi sebesar 30069426 dan nilai R-squared sebesar 0.985023 atau 98,50% dan


estimasi fixed effect adalah sebagai berikut:

PEit = 30069426 + 0.033421 PADit + 0.01808 BMit + 0.001236BKit +ect

4.3.2.3 Random Effect Model

Random Effect Models merupakan pengujian yang didasarkan adanya

perbedaan intersep dan konstanta yang disebabkan oleh residual error sebagai akibat

dari perbedaan antar waktu maupun provinsi.

Table 4.9 Hasil regresi Random Effect Model


C 24571989 0.0000

PAD 0.053120 0.0000


BANTUANKEUANGAN -0.002150 0.2649

R-squared 0.391147


Prob(F-statistic) 0.000004

Sumber : hasil olahan data Eviews 9

39






Modal memiliki pengaruh Positif dan signifikan terhadap pertumbuhan ekonomi.

Nilai koefisien Bantuan Keuangan sebesar -0.002150 dengan probabilitas sebesar

0.2649 dimana variable Bantuan Keuangan memiliki pengaruh negative dan tidak

signifikan terhadap pertumbuhan ekonomi. Sedangkan koefisien Pertumbuhan

ekonomi sebesar 24571989 dan nilai R-squared sebesar 0.391147 atau 39.11% dan


estimasi random effect adalah sebagai berikut:

PEit = 24571989 + 0.053120 PADit + 0.008642 BMit + (-0.002150) BKit +ect

4.3.3. Pemilihan Model Estimasi Regresi Data Panel

4.3.3.1. Uji Chow Test

Uji ini digunakan untuk mengetahui apakah teknik regresi data panel dengan

metode Fixed Effect lebih baik dari regresi model data panel tanpa vaiabel dummy

atau metode Common Ejfect. Hipotesis dari pengujian ini adalah sebagai berikut:

H0 : Model Common Effect

Ha : Model Fixed Effect

Kriteria pengujian ini adalah dilihat dari p value dari F statistik. Apabila nilai

probabilitas <0.05 maka H0 ditolak artinya efek dalam model estimasi regresi panel

yang tepat digunakan adalah Fixed effect model, dan sebaliknya apabila nilai

probabilitas > 0.05 maka H0 diterima artinya dalam model estimasi regresi panel

yang sesuai adalah Common Effect model (CEM). Hasil pengujian model

menggunakan uji Chow dapat dilihat melalui tabel berikut :

Table 4.10 Uji Chow Test

Redundant Fixed Effects Tests

Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob. Cross-section F 64.474838 (11,45) 0.0000

Cross-section Chi-square 169.141553 11 0.0000


40


Berdasarkan tabel 4.10 diatas diperoleh F-statistik adalah

64.474838dengand.f (11,45)dan nilai probabilitas F-Statistik sebesar 0.0000, yang

berarti bahwa nilai probabilitas F-Statistik lebih kecil dari tingkat signifikansi α 5%

(0.0000 <0.05). Maka Ho ditolak, sehingga model panel yang digunakan adalah

Fixed EffectModel.

4.3.3.2.Uji Hausman Test

Uji ini digunakan untuk mengetahui apakah teknik regresi data panel yang

tepat menggunakan random effect ataukah Fixed effect. Hipotesis yang digunakan

dalam uji Hausman adalah sebagai berikut :

Ho : Model Random Effect

Ha : Model Fixed Effect

Krireria pengujian ini adalah apabila nilai probabilitas <0.05 maka H0 ditolak

artinya efek dalam model estimasi regresi panel yang tepaat digunakan adalah Fixed

effect model, dan sebaliknya apabila nilai probabilitas > 0.05 maka H0 diterima

artinya dalam model estimasi regresi panel yang sesuai adalah Model Random Effect.

Hasil pengujian model menggunakan uji Hausman dapat dilihat melalui tabel

berikut:

Table 4.11 Uji Hausman Test

Correlated Random Effects - Hausman Test

Equation: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Cross-section random 134.708730 3 0.0000


Berdasarkan hasil uji Hausman pada tabel 4.11 di atas, didapatkan Chi-

Square statistic sebesar 134.708730 dengan probabilitas 0.0000 dan d.f. 3.

Dikarenakan nilai probabilitas Chi-Square statistic lebih kecil dari nilai α 5% (0.0000

< 0.05) maka Ho ditolak. Dapat disimpulkan bahwa model terbaik yang dapat

digunakan untuk model penelitian adalah Fixed Effect Model. Jadi, berdasarkan uji

Chow dan uji Hausman model yang digunakan adalah Fixed Effect Model.

4.3.3.3.Fixed Effect Model (Model Cross Section Weights)

41


Analisis data panel pada penelitian ini menggunakan estimasi model fixed

Effect sebagai metode analisis data panel pada penelitian ini sebelumnya diuji

melalui uji chow dan uji hausman terlebih dahulu, sehingga akhirnya model fixed

effect ini terjadi heterodastisistas dan autokorelasi, karena setiap data panel

diasumsikan mengalami heterodastistas sebab terdiri dari banyak cross section.

Sehingga untuk mengatasi permasalahan tersebut digunakan method white cross

section pada data panel. Dengan mengguanakan method cross section pada model

fixed effect maka otomatis uji asumsi klasik pada data panel panel

dihilangkan.Heterokedastisitas timbul apabila nilai residual dari model tidak

memiliki varians yang konstan. Artinya, setiap observasi mempunyai reliabilitas

yang berbeda beda akibat perubahankondisi yang melatarbelakangi tidak terangkum

dalam model (Kuncoro, 2011). Gejala ini sering terjadi pada data cross section

(Gujarati, 2012), sehingga sangat dimungkinkan terjadi heterokedastisitas pada data

panel. Implikasi terjadi autokorelasi dan heterokedastisitas pada data panel dapat

diperbaiki dengan model Cross-section weight. Apabila model data panel mengalami

heterokedastisitas tanpa autokorelasi dapat diatasi dengan model Cross-section

weight. Hasil regresi data panel dengan menggunakan Model Fixed Effectsebagai

berikut:

Tabel 4.12 Output Fixed Effect Model (Model Cross Section Weights)

Dependent Variable: PDRB

Method: Panel EGLS (Cross-section weights)

Date: 08/17/19 Time: 11:06

Sample: 2013 2017

Periods included: 5

Cross-sections included: 12

Total panel (balanced) observations: 60

Linear estimation after one-step weighting matrix

White cross-section standard errors & covariance (d.f. corrected)

Variable Coefficient Std. Error t-Statistic Prob. C 31473196 1455908. 21.61757 0.0000

PAD 0.030971 0.004527 6.841463 0.0000

BELANJAMODAL 0.000267 0.001303 0.205096 0.8384

BANTUANKEUANGAN 0.000614 0.000677 0.907220 0.3691

Effects Specification

Cross-section fixed (dummy variables)

Weighted Statistics

R-squared 0.995829 Mean dependent var 77233902

42


Adjusted R-squared 0.994532 S.D. dependent var 36542765

S.E. of regression 2668173. Sum squared resid 3.20E+14

F-statistic 767.4861 Durbin-Watson stat 2.082317

Prob(F-statistic) 0.000000 Unweighted Statistics

R-squared 0.984717 Mean dependent var 37293765

Sum squared resid 3.49E+14 Durbin-Watson stat 2.569766


Menurut penelitian ini persamaan yang digunakan adalah sebagai berikut:

Berdasarkan hasil penelitian diperoleh hasil sebagai berikut ntuk

Pertumbuhan Ekonomi:

Keterangan :

a. Konstanta sebesar 31473196 menunjukan bahwa apabila PAD, Belanja

Modal, dan Bantuan Keuangan nilainya tetap maka besarnya Pertumbuhan

Ekonomi nilainya sama yaitu 31473196 satuan.

b. Koefisien regresi Pendapatan Asli Daerah (X1) sebesar 0.030971

menunjukan bahwa setiap penambahan Pendapatan Asli Daerah sebesar 1%

dengan asumsi variable lainya dianggap konstan, maka akan meningkatkan

Pertumbuhan Ekonomi sebesar 0.03 satuan.

c. Koefisien regresi Belanja Modal (X2) sebesar menunjukan bahwa

setiap penambahan Belanja Modal sebesar 1% dengan asumsi variable lainya

dianggap konstan, maka akan meningkatkan Pertumbuhan Ekonomi sebesar

0.0002 satuan.

d. Koefisien regresi Bantuan Keuangan (X3) sebesar menunjukan

bahwa setiap penambahan Belanja Modal sebesar 1% dengan asumsi variable

lainya dianggap konstan, maka akan meningkatkan Pertumbuhan Ekonomi

sebesar 0.0006 satuan.

4.3.4. Uji Asumsi Klasik

Dalam analisis regresi perlu melakukan pemenuhan beberapa asumsi agar

model yang digunakan dapat dikatakan baik. Model penelitian yang baik biasanya

terbebas dari masalah seperti autokorelasi dan heterokedastisitas, oleh karena itu uji

43


asumsi klasik dilakukan untuk mengetahui masalah yang mungkin terjadi dalam

penelitian. Dalam penelitian ini peneliti menggunakan aplikasi Eviews 9 sebagai alat

analisis uji asumsi klasik.

4.3.4.1. Uji Autokolerasi

Uji Autokorelasi yang dilakukan dengan menggunakan uji Durbin Watson

(DW test) untuk mengetahui apakah ada korelasi antara anggota serangkaian

observasi runtut waktu dan ruang dalam model regresi linier. Jika DW statistik

berada diantara du < d < 4 – du, maka model regresi dalam penelitian ini terbebas

dari autokorelasi.

Autokorelasi

Positif Ragu-ragu

Tidak ada

Autokorelasi

Ragu-

ragu

Autokorelasi

Negatif

dL dU

4-dU 4-dL

0 1.4797 1.6889

2.0823

2.3111 2.5203 4

Gambar 4.1 Skema Uji Autokolerasi

Dari hasil estimasi didapat nilai DW statistik sebesar 2,0823 pada seluruh

populasi, dan jumlah variabel bebas didapat nilai dU sebesar 1,6889, dL sebesar

1,4797,4-du sebesar 2,3111, dan 4-dL sebesar 2,5203. Dengan melihat DW

statistiknya maka H0 yang menyatakan tidak ada autokorelasi positif maupun H0*

yang menyatakan tidak ada autokorelasi negatif diterima dalam model. Menurut

Sarwoko (2005) masalah autokorelasi dapat diatasi dengan menggunakan metode

General Least Square (GLS). GLS merupakan metode untuk membuang autokorelasi

urutan pertama (First order autocorelation) pada sebuah estimasi yang diregresi.

Sehingga dengan menggunakan metode ini masalah autokorelasi dapat teratasi.

4.3.4.2. Uji Heterokedastisitas

Heteroskedastisitas biasanya terjadi pada jenis data cross section. Karena

regresi data panel memiliki karakteristik tersebut, maka ada kemungkinan terjadi

heteroskedastisitas. Dari ketiga model regresi data panel hanya CE dan FE saja yang

memungkinkan terjadinya heteroskedastisitas, sedangkan RE tidak terjadi.Hal ini

dikarenakan estimasi CE dan FE masih menggunakan pendekatan Ordinary Least

Square (OLS) sedangkan RE sudah menggunakan Generalize Least Square (GLS)

yang merupakan salah satu teknik penyembuhan regresi.

44


Untuk membandingkan apakah model FE terjadi heteroskedastisitas atau

tidak, dapat dilakukan dengan cara membandingan hasil antara model FE tanpa

pembobotan (unweighted) dan model FE dengan pembobotan (weighted).

Tabel 4.13 Pembanding Model FE Unweighted dan model FE Weighted

Parameter FE Unweighted FE Weighted

Prob. t-Statistic Hanya 1 Var yang Sig (<0,05) Hanya 1 Var yang Sig (<0,05)

R-squared 0.985023 0.995829

Prob(F-statistic) 0.000000 0.000000

Sumber: Hasil Output Eviews 9

Berdasarkan 3 (tiga) parameter di atas pada dasarnya tidak terdapat

perbedaan yang terlalu signifikan, hanya pada R-squared saja yang mana model

FE weighted lebih besar (lebih baik) yaitu 0,995829 dibandingkan dengan nilai R-

squared pada model FE unweighted sebesar 0.985023sehingga dapat disimpulkan

tidak terjadi heteroskedastisitas pada model FE.

4.3.5. Uji Hipotesis

4.3.5.1. Uji t (t-statistik)

Uji t menunjukkan tingkat signifikansi pengaruh masing-masing variabel

pendapatan asli daerah, Pengeluaran pemerintah atas belanja modal, pengeluaran

pemerintah atas belanja bantuan keuangan terhadap pertumbuhan ekonomi di

Kabupaten/Kota Provinsi Riau.

Hipotesis yang digunakan sebagai berikut :

a. H0 : tidak terdapat pengaruh PAD (X1), Belanja Modal (X2) dan Bantuan

Keuangan(X3) terhadap Pertumbuhan Ekonomi (Y)

b. H1 : terdapat pengaruh PAD (X1), Belanja Modal (X2) dan Bantuan

Keuangan(X3) terhadap Pertumbuhan Ekonomi (Y)

Kriteria pengambilan keputusan,

a. H0 diterima bila t hitung t tabel (tidak terdapat pengaruh yang signifikan

antara variabel independen dengan variabel dependen)

b. H0 ditolak bila t hitung > t tabel (terdapat pengaruh yang signifikan antara

variabel independen dengan variabel dependen)

45


Dari hasil Output Fixed Effect Model (Model Cross Section Weights) pada

table 4.12 menunjukan bahwa nilai t-statistk PAD sebesar 6.841463 >2.003 pada t-

tabel dan nilai Probabilitas sebesar 0.0000 yang artinya nilai probabilitas PAD lebih

kecil dari nilai alpa 0.05 (5%) ini berarti pada level signifikan sebesar 95%

menyatakan H0 ditolak dan H1 ditterima. Dengan demikian Pendapatan Asli Daerah

(PAD) berpengaruh signifikan terhadap Pertumbuhan Ekonomi di Kabupaten/Kota

Provinsi Riau.

Nilai t-statistk Belanja Modal sebesar 0.205096 < 2.003 pada t-tabel dan nilai

Probabilitas sebesar 0.8384 yang artinya nilai probabilitas Belanja Modal lebih besar

dari nilai alpa 0.05 (5%) ini berarti pada level signifikan sebesar 95% menyatakan H0

diterima dan menolak H1. Dengan demikian Belanja Modal tidak berpengaruh

signifikan terhadap Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riau.

Nilai t-statistk Belanja Bantuan Keuangan sebesar 0.907220< 2.003 pada t-

tabel dan nilai Probabilitas sebesar 0.3691yang artinya nilai probabilitas Bantuan

Keuangan lebih besar dari nilai alpa 0.05 (5%) ini berarti pada level signifikan

sebesar 95% menyatakan H0 diterima dan menolak H1. Dengan demikian Bantuan

Keuangan tidak berpengaruh dan tidak signifikan terhadap Pertumbuhan Ekonomi di


4.3.5.2. Uji f (f-statistik)

Uji f yang dilakukan untuk melihat apakah variabel independent pendapatan

asli daerah (X1), belanja modal (X2), dan bantuan keuangan (X3) secara simultan

atau bersamaan berpengaruh terhadap variabel dependent Pertumbuhan ekonomi di


Hipotesis yang digunakan sebagai berikut :

a. H0 : tidak terdapat pengaruh PAD (X1), Belanja Modal (X2) dan Bantuan

Keuangan(X3) secara bersama-sama terhadap Pertumbuhan Ekonomi (Y).

b. H1 : terdapat pengaruh PAD (X1), Belanja Modal (X2) dan Bantuan

Keuangan(X3) secara bersama-sama terhadap Pertumbuhan Ekonomi (Y).

Kriteria keputusan,

a. H0 diterima bila F hitung < F tabel (tidak terdapat pengaruh)

b. H0 ditolak bila F hitung > F tabel (Terdapat pengaruh)

46


Dari hasil Output Fixed Effect Model (Model Cross Section Weights) pada table

4.12 menunjukan bahwa nilai -statistik sebesar767.4861 dengan f-tabel 2.77 dan

nilai probabilitas 0.000000 < 0.05. maka dapat disimpulkan bahwa PAD, Belanja

Modal, dan Bantuan Keuangan secara simultan berpengaruh signifikanterhadap

Pertumbuhan Ekonomi di Kabupaten/Kota Provinsi Riau.

4.3.5.3. Koefisien Determinasi (R2)

Koefisien determinasi (R2) merupakan suatu nilai (nilai proporsi) yang

mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan dalam

persamaan regresi, dalam menerangkan variabel-variabel tak bebas. Nilai

determinasi berkisar antara 0 dan 1. Nilai koefisien determinasi R2 yang kecil

(mendekati nol) berarti kemampuan variabel-variabel tak bebas secara simultan

dalam menerangkan variasi variabel tak bebas amat terbatas. Nilai koefisien

determinasi R2 yang mendekati satu berarti variabel bebas memberikan hamper

semua informasi yang dibutuhkan untuk memprediksi variasi variabel bebas.

Dari hasil Output Fixed Effect Model (Model Cross Section Weights) pada

table 4.12 menunjukan bahwa nilai R2 sebesar 0.995829 atau 99.58%, maka variable

Pendapatan Asli Daerah (PAD), Belanja Modal, dan Bantuan Keuangan memiliki

pengaruh terhadap Pertumbuhan ekonomi di Kabupaten/Kota Provinsi Riau.

Sementara sisanya 0,42% dipengaruhi oleh faktor lain di luar penelitian ini.

4.4. Pembahasan

4.4.1. Analisis Pertumbuhan Ekonomi di Kabupaten/Kota di Provinsi Riau

Analisis regresi yang telah digunakan bertujuan untuk mengetahui hubungan

antar variabel Pendapatan Asli Daerah, Belanja Modal, dan Bantuan Keuangan

dengan Pertumbuhan Ekonomi. Dari hasil pengolahan data yang dilakukan

menunjukkan bahwa hasil akhir dari regresi data panel menggunakan fixed effect

model. Pada output dapat dilihat nilai R square sebesar 0.995829 (99.58%) yang

berarti penelitian ini menjelaskan pengaruh Pendapatan Asli Daerah, Belanja Modal,

dan Bantuan Keuangan terhadap pertumbuhan ekonomi. F-statistik pada output

regresi menunjukan validasi atas model yang diestimasi, karena nilai probabilitas dari

47


f-statistik bernilai 0.000000 yang mengidenfikasikan signifikan dengan tingkat

keyakinan 5% (0,05).

Tabel 4.14 Hubungan Variabel Independen Terhadap Variabel Dependen

Variabel Hubungan yang Ditemukan Signifikan (5%)

PAD Positif (+) Signifikan

Belanja Modal Positif (+) Tidak signifikan

Bantuan Keuangan Positif (+) Tidak signifikan

Sumber: Hasil Output Eviews 9

4.4.2. Pengaruh Pendapatan Asli Daerah Terhadap Pertumbuhan Ekonomi

Pendapatan Asli Daerah menggambarkan kemampuan daerah

dalammengelola sumber-sumber daya yang ada di daerahnya. Semakin

tinggiPendapatan Asli Daerah maka semakin tinggi juga kemampuan suatu

daerahdalam memaksimalkan pengelolaan sumber daya yang ada di daerahnya.

Peningkatan pendapatan asli daerah (PAD) harus berdampak pada perekonomian

daerah (Saragih, 2003). Oleh karena itu, daerah tidak akan berhasil bila daerah tidak

mengalami pertumbuhan ekonomi yang berarti meskipun terjadi peningkatan

penerimaan pendapatan asli daerah.

Berdasarkan hasil uji t antara PAD dengan Pertumbuhan Ekonomi

menunjukan nilai 6,841463 yang mana lebih besar dari nilai t tabel dengan nilai

probabilitas sebesar 0,0000 lebih kecil dari 0,05. Nilai t hitung positif berarti PAD

berpengaruh positif dan signifikan terhadap Pertumbuhan Ekonomi. Hal ini

menunjukkan bahwa setiap kenaikan 1% kapasitas Pendapatan Asli Daerah akan

meningkatkan Pertumbuhan Ekonomi sebesar 6,841463. Hal ini sesuai dengan teori

bahwa PAD sebagai salah satu penerimaan daerah mencerminkan tingkat

kemandirian daerah. Semakin besar PAD maka menunjukkan bahwa daerah itu

mampu melaksanakan desentralisasi fiskal dan ketergantungan terhadap pemerintah

pusat berkurang.

Penelitian ini sejalan dengan teori Keynes yang menyatakan bahwa

Pendapatan Asli Daerah memiliki pengaruh yang signifikan terhadap pertumbuhan

ekonomi, karena berkaitan dengan peranan APBD dan APBN yang dilakukan untuk

meningkatkan PAD setiap daerah untuk meningkatkan pertumbuhan ekonomi

(Parsito Sanneng, 2016). Penelitian ini sesuai dengan hasil penelitian Wardhiah

48


(2018), Paidi Hidayat dan Sirojuzilan (2006), Amin Pujiati (2006), Romey Linda

Hutapea (2006) dimana semua peneltian tersebut menjelaskan bahwa PAD memiliki

pengaruh yang signifikan terhadap pertumbuhan ekonomi suatu daerah.

Namun hasil penelitian ini tidak sejalan dengan penelitian yang dilakukan

oleh Febrian Dwi Prakarsa (2014) yang menyatakan bahwaPendapatan Asli Daerah

berpengaruh secara tidak signifikan dan berdampak secara negatif terhadap

pertumbuhan ekonomi yang ada di Jawa Timur. Hal Ini memperlihatkan bahwa

penarikan pajak dan retribusi daerah yang dilakukan pemerintah daerah justru

menghambat pertumbuhan ekonomi daerah.

Berdasarkan hasil diatas dapat dikatakan bahwa penerimaan pemerintah

terutama dari pendapatan asli daerah di kabupaten.kota provinsi riau mengalami

pergerakan yang positif. Hal ini menunjukan bahwa pendapatan asli daerah sangat

berpengaruh terhadap pertumbuhan ekonomi di kabupaten/kota di provinsi Riau.

Maka dalam hal ini pemerintah kabupaten.kota di provinsi Riau harus lebih bias

meningkatkan PADnya dengan mengoptimalkan usaha-usaha yang produktif secara

langsung dan mengoptimalkan potensi-potensi PAD yang ada di kabupaten/kota di

Riau. jika PAD meningkat maka dana yang dimiliki pemerintah daerah akan

meningkat, sehingga pemerintah daerah mampu meningkatkan pelayanan publik dan

kesejahteraan masyarakat.

4.4.3. Pengaruh pengeluaran Pemerintah atas Belanja Modal Terhadap

Pertumbuhan Ekonomi

Belanja modal merupakan pengeluaran pemerintah yang

mencerminkanpengeluaran dalam bentuk pembelian atau pengadaan atau

pembangunan aset tetapberwujud yang digunakan untuk menunjang kegiatan

pemerintahan seperti tanah,peralatan dan mesin, gedung dan bangunan, jalan, irigasi

dan aset tetap lainnya.

Hasil uji t menunjukkan bahwa nilai t-hitung dari belanja modal adalah

0,205096 dan nilai ini lebih kecil dibandingkan t-tabel sebesar 2,003 (t-hitung<t-

tabel) pada tingkat α=5% dengan nilai probabilitas sebesar 0,8384. Hal Ini berarti

bahwa secara parisal belanja modal tidak berpengaruh signifikan terhadap

pertumbuhan ekonomi.

49


Hal ini menunjukkan masih rendahnya alokasi belanjamodal untuk kegiatan

pembangunan berbagai fasilitas publik sehingga belumberpengaruh secara signifikan

terhadap pertumbuhan ekonomi daerah. Disamping itu,dalam proses penyusunan

anggaran belanja modal yang melibatkan pihak eksekutif danlegislatif memungkinan

terjadinya distorsi pengalokasian belanja modal sebagai dampakkecenderungan

untuk memaksimalkan utilitas dari pihak-pihak yang terlibat dalam

prosespenyusunan anggaran sesuai dengan preferensinya, sebagaimana diungkapkan

Magnerdan Johnson dalam Suryarini (2012)

Hasil tersebut sesuai dengan pernyataan Budiono bahwa pertumbuhan itu

harus bersumber dari proses intern perekonomian tersebut. Ketentuan ini sangat

penting untuk diperhatikan dalam ekonomi wilayah, karena bisa saja suatu wilayah

mengalami pertumbuhan tetapi pertumbuhan itu tercipta karena banyaknya

bantuan/suntikan daerah dari pemerintah pusat dan pertumbuhan itu terhenti apabila

suntikan dana itu dihentikan (Tarigan, 2005).

Hasil penelitian ini sejalan dengan penelitian yang dilakukan Kurniawan

(2011), dimana belanja modal berpengaruh positif terhadap pertumbuhan ekonomi

namun tidak signifikan.Penelitian Anasmen (2009) yang berjudul pengaruh belanja

modal terhadap pertumbuhan ekonomi di Sumatera Barat, mendapatkan hasil bahwa

belanja modal berpengaruh positif namun tidak signifikan terhadap pertumbuhan

ekonomi Hal ini menunjukkan masih rendahnya alokasi belanja modal untuk

kegiatan pembangunan berbagai fasilitas publik sehingga belum berpengaruh secara

signifikan terhadap pertumbuhan ekonomi daerah.

Hasil penelitian ini juga sejalan dengan penelitian Ahmad Fajri (2016) yang

menyatakan bahwa Belanja modal tidak memiliki pengaruh yang signifikan dalam

meningkatkan pertumbuhan ekonomi provinsi-provinsi di Sumatera. Hal Ini

menunjukkan masih kurang tepatnya kebijakan pengalokasian belanja modal

sehingga tidak mampu mendorong peningkatan permintaan produksi daerah.

Dalam peneitian ini belanja modal di kabupaten/kota di Provinsi Riau

bervariasi antara daerah satu dengan daerah yang lainya dengan jumlah yang besar

antar kabupaten/kota di Riau. Namun hal ini tidak menjadikan alokasi belanja modal

menjadi pemicu dalam perkembangan tren pertumbuhan ekonomi (PDRB) di

kabupaten/kota Provinsi Riau itu sendiri. Dalam realitanya masih banyak alokasi

50


belanja modal yang digunakan untuk gedung dan bangunan yang dibangun oleh

pemerintah daerah tidak mempunyai fungsi bagi pertumbuhan ekonomi. Oleh karena

itu pemerintah kabupaten/kota Provinsi Riau harus lebih bisa mengelola alokasi

anggaran belanja modal dengan baik sehingga mampu dinikmati oleh masyarakat

dalam waktu yang pendek.

4.4.4. Pengaruh pengeluaran Pemerintah atas Bantuan Keuangan Terhadap

Pertumbuhan Ekonomi

Bantuan Keuangan merupakan Belanja Tidak Langsung yang dialokasikan

oleh Pemerintah Provinsi kepada Kabupaten/Kota maupun Pemerintahan Desa di

wilayahnya. Bantuan keuangandigunakan untuk menganggarkan bantuan keuangan

yang bersifat umum atau khusus dariprovinsi kepada kabupaten/kota, pemerintah

desa, dan kepada pemerintah daerah lainnya ataudari pemerintah kabupaten/kota

kepada pemerintah desa dan pemerintah daerah lainnya dalamrangka pemerataan

dan/atau peningkatan kemampuan keuangan.

Nilai koefisien regresi data panel bantuan keuangan adalah 0.000614 artinya

apabila terjadi peningkatan bantuan keuangan sebesar 100 persen maka akan

menambah jumlah pertumbuhan ekonomi. Nilai t-statistik sebesar 0.907220 dan nilai

probabilitas sebesar 0.3691 > 0,05 tingkat signifikan, ini berarti dapat disimpulkan

bahwa bantuan keuangan tidak berpengaruh secara signifikan terhadap pertumbuhan

ekonomi di Kabupaten/Kota Provinsi Riau.

Hal ini tidak sejalan dengan teori yang menyebutkan bahwa pemerintah dapat

mempengaruhi tingkat GDP nyata dengan mengubah persediaan berbagai faktor

yang dapat dipakai dalam produksi, melalui program-program pengeluaran misalnya

pendidikan, kesehatan dan lain-lainSehingga dengan mempengaruhi besarnya GDP

dan pendapatan riil akan ikut mendorong pertumbuhan ekonomi (Rahayu, 2010).

Menurut keynes, melalui kebijakan fiskal pengeluaran agregat dapat ditambah dan

langkah ini akan menaikkan pendapatan nasional dan tingkat penggunaan tenaga

kerja. Pengeluaran agregat dapat ditingkatkan lagi dengan cara menaikkan

51


pengeluaran pemerintah untuk membeli barang dan jasa yang diperlukan maupun

untuk menambah investasi pemerintah (Sukirno, 2012).

Hasil penelitian ini tidak sejalan dengan penelitian yang dilakukan Jamzani

Sodik (2007) yang menjelaskan bahwa investasi swasta tidak mempunyai pengaruh

terhadap pertumbuhan ekonomi regional provinsi di Indonesia. Sedangkan

pengeluaran pemerintah baik pengeluaran pembangunan maupun pengeluaran rutin

mempunyai pengaruh yang signifikan dan positif terhadap pertumbuhan ekonomi

regional.

Documents

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. 4.1.1. · Kondisi Geografis Provinsi Riau ... 4 Pelalawan Pangkalan Kerinci 12 758,45 5 Siak Siak Sri Indrapura 8 275,18 6 Kampar Bangkinang