BAB IV HASIL DAN ANALISIS. Dalam penelitian ini data yang digunakan adalah data sekunder

Transkripsi

1 4.1 Deskripsi Data Penelitian BAB IV HASIL DAN ANALISIS Dalam penelitian ini data yang digunakan adalah data sekunder yang diperoleh dari berbagai sumber yaitu website resmi badan pusat statistik dan badan pusat statistik provinsi DIY. Jenis data yang digunakan adalah data panel dari tahun yang terdiri dari data rasio gini, PDRB menurut lapangan usaha yakni pertanian,peternakan dan kehutanan, pertambangan dan penggalian, industri pengolahan, listrik gas dan air bersih, perdagangan hotel dan restoran, pengangkutan dan komunikasi, keuangan real estat dan jasa perusahaan, jasa-jasa, ditambah dengan presentase penduduk miskin dan angka partisipasi sekolah (umur 18 24). Penelitian ini bertujuan untuk mengetahui dan memberikan bukti empiris tentang pengaruh struktur ekonomi terhadap ketimpangan pendapatan di 32 provinsi di Indonesia. Metode yang digunakan dalam penelitian ini adalah regresi data panel dengan menggunakan alat bantu program software E-views 7. Tabel 4.1 Hasil Statistik Deskriptif? PPK? PP? IP? LGA? K? Mean Median Maximum Minimum Std. Dev Jarque-Bera Probability Observations

2 Tabel 4.2 Lanjutan Hasil Statistik Deskriptif PHR? PK? KRJP? JASA? PPM? APS? Mean Median Maximum Minimum Std. Dev Jarque-Bera Probability Observations Tabel diatas menunjukksn ringkasan statistik dari beberapa variabel penelitian yang telah didefinisikan sebelumnya. Dengan hipotesis H 0 : distribusi residual dapat dilihat melalui probability atas Jarque-Bera dan tingkat signifikansi (α = 5%) ditentukan bahwa variabel PP, IP, LGA, K, KRJP, JASA, PPM dan APS residualnya belum terdistribusi secara normal. Sedangkan variabel variabel, PPK, PHR dan PK telah terdistribusi secara normal (tidak menolak H 0 ). 4.2 Hasil dan Analisis Permodelan dalam menggunakan teknik regresi data panel dapat menggunakan tiga pendekatan alternatif dalam pengolahannya. Pendekatan-pendekatan tersebut ialah (1) Metode Common-Constant (The Pooled OLS Method), (2) Metode Fixed Effect (FEM), dan (3) Metode Random Effect (REM). 56

3 4.2.1 Pemilihan Model F-stat (Pooled Least Square vs Fixed Effect) Metode Pooled Least Square akan dipilih saat tidak terdapat perbedaan diantara data dan matrix pada dimensi cross section. Model ini mengestimasikan nilai α yang konstan untuk semua dimensi cross section. Tabel 4.3 Hasil Regresi Common Effect Variable Coefficient Std. Error t-statistic Prob. PPK? PP? IP? LGA? K? PHR? PK? KRJP? JASA? PPM? APS? R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter Durbin-Watson stat Sumber : Hasil Output eviews 7 Dari tabel diatas dapat dilihat nilai adjusted R-squared sebesar dengan nilai Durbin-Watson test sebesar (jauh dari range angka 2) yang menandakan adanya masalah otokorelasi. Metode ini mengasumsikan bahwa nilai intersep antar individual dianggap sama dimana hal ini merupakan asumsi yang sangat membatasi (restricted) (Gujarati, 1997). Sehingga metode pooled regression ini tidak dapat 57

4 menangkap gambaran yang sebenarnya atas hubungan yang terjadi antara variabel bebas dengan variabel terikatnya, begitu juga dengan hubungan diantara tiap individu cross section. Oleh karena itu, perlu dilakukan pengolahan data dengan menggunakan metode Fixed Effect dan Random effect kemudian membandingkan hasil dari kedua metode tersebut. 1. Uji Chow Test (signifikansi Commont Effect dan Fixed Effect) Uji ini digunakan untuk memilih model yang terbaik antara commont effect dan fixed effect. Pemilihannya dengan melihat nilai probabilitas F statistiknya. H0 ; memilih model common effect, jika nilai probabilitasnya tidak signifikan pada α = 5%. H1 ; untuk memilih metode fixed effect, jika nilai probabilitasnya signifikan pada α = 5%. 2. Uji Hausman (Signifikansi Fixed effect dan Random effect) Uji ini digunakan untuk memilih model terbaik antara fixed effect dan random effect pemilihannya dengan melihat nilai probabilitas F statistiknya. H0 ; untuk memilih model random effect, jika nilai probabilitasnya tidak signifikan pada α = 5%. H1 ; untuk memilih metode fixed effect, jika nilai probabilitasnya signifikan pada α = 5%. 58

5 4.2.2 Hasil analisis Dependent Variable:? Method: Pooled Least Squares Date: 11/28/15 Time: 23:19 Sample: Included observations: 7 Cross-sections included: 32 Total pool (balanced) observations: 224 Tabel 4.4 Hasil Regresi Fixed effect Gini Variable Coefficient Std. Error t-statistic Prob. C PPK? PP? IP? LGA? K? PHR? PK? KRJP? JASA? PPM? APS? Fixed Effects (Cross) _ACEH--C _SUMUT--C _SUMBAR--C _RIAU--C _JAMBI--C _SUMSEL--C _BENGKULU--C _LAMPUNG--C _BANTEN--C _BABEL--C _DKI--C _JATIM--C _JABAR--C _JATENG--C _DIY--C _NTB--C _NTT--C _BALI--C _KALBAR--C _KALTENG--C _KALSEL--C _KALTIM--C _SULUT--C _SULTENG--C _SULSEL--C _SULTRA--C _GTO--C _SULBAR--C

6 _MALUKU--C _MALKUT--C _PABAR--C _PAPUA--C Cross-section fixed (dummy variables) Effects Specification R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Sumber : Hasil Output Eviews 7 Dari tabel di atas dapat dilihat ada beberapa variabel atas uji t-stat tidak memberikan hasil yang signifikan. Namun nilai adjusted R 2 sebesar memberikan nikai tinggi yang cukup memuaskan. Nilai probability dari f-stat senilai memberikan artian bahwa model tersebut highly significant dengan nilai Durbin-Watson stat sebesar yang belum mendekati pada range angka 2. Melalui pengujian statistic, pemilihan diantara kedua model ini dapat terselesaikan dengan pengujian F-stat sebagai berikut : Df1 = k 1 ( 7 1 = 6) Df2 = n k ( = 219 ) Sehingga nilai f hit = Dengan F tabel (5%) = 2.05 Maka F - hit > F tabel ( > 2.05 ) Keterangan : k = jumlah variabel 60

7 N = jumlah observasi Dari hasil diatas, maka H0 ditolak dengan hipotesis : H 0 : metode pooled least square H 1 : metode fixed effect Berdasarkan pengujian yang dilakukan di atas, maka metode yang dipilih yaitu metode fixed effect. Namun, hal tersebut belum merupakan hasil akhir atas metode pengolahan data karena belum teruji secara statistic. Maka perlu dilihat hasil yang ada dari hasil metode Random Effect dan pengujiannya secara statistik. Menurut Gujarati (2003), jika jumlah data cross section (N) lebih besar dari data time series (T) maka digunakan metode random effect dalam pengolahannya. Untuk itu, maka akan dilihat pada uji formal statistik dan pemilihan berdasarkan model manakah yang paling baik nilai statistiknya. Tabel 4.5 Hasil Regresi Random Effect Gini Dependent Variable:? Method: Pooled EGLS (Cross-section random effects) Date: 11/29/15 Time: 01:40 Sample: Included observations: 7 Cross-sections included: 32 Total pool (balanced) observations: 224 Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-statistic Prob. C PPK? PP? IP? LGA? K?

8 PHR? PK? KRJP? JASA? PPM? APS? Random Effects (Cross) _ACEH--C _SUMUT--C _SUMBAR--C _RIAU--C _JAMBI--C _SUMSEL--C _BENGKULU--C _LAMPUNG--C _BANTEN--C _BABEL--C _DKI--C _JATIM--C _JABAR--C _JATENG--C _DIY--C _NTB--C _NTT--C _BALI--C _KALBAR--C _KALTENG--C _KALSEL--C _KALTIM--C _SULUT--C _SULTENG--C _SULSEL--C _SULTRA--C _GTO--C _SULBAR--C _MALUKU--C _MALKUT--C _PABAR--C _PAPUA--C Effects Specification S.D. Rho Cross-section random Idiosyncratic random Weighted Statistics R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid F-statistic Durbin-Watson stat Prob(F-statistic) Unweighted Statistics 62

9 R-squared Mean dependent var Sum squared resid Durbin-Watson stat Sumber : hasil output E-Views 7 Dari tabel diatas dapat dilihat ada beberapa variabel tidak menunjukan signifikansi (α = 5%) sementara nilai adjusted R 2 memperlihatkan angka yang cukup tinggi yaitu dan nilai Durbin-Watson stat sebesar angka yang jauh dari kisaran range angka 2. Hal ini belum memberikan kepastian metode mana sebaiknya yang digunakan. Maka langkah selanjutnya ialah pengujian Hausman test The Hausman Specification Test Hausman test bertujuan untuk membandingkan antara metode fixed effect dengan random effect. Hasil dari pengujian dengan menggunakan test ini ialah mengetahui metode mana yang sebaiknya dipilih. Berikut merupakan output dari uji menggunakan Hausman Test. Tabel 4.6 Hasil Uji Hausman Test Gini Correlated Random Effects - Hausman Test Pool: Test cross-section random effects Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Cross-section random Sumber : Hasil output E-views 7 Hasil di atas dapat menunjukan bahwa nilai probabilitas pada test cross-section pada menghasilkan angka yang berarti menolak H 0 pada tingkat (α) = 5% karena nilai probabilitas kurang dari (α) = 5%. 63

10 Sehingga menolak H0 dan menerima H1. Sehingga keputusan yang diambil pada pengujian Hausman Test ini yaitu menolak H 0 (p-value < 0.05) dengan hipotesis : H 0 : metode random effect H 1 : metode fixed effect Karena menolak hasil dari uji Hausman maka dilakukan uji chow untuk membandingkan hasil dari metode random effect dan fixed effect. Berikut hasil output uji chow: Tabel 4.7 Uji chow test Gini Redundant Fixed Effects Tests Pool: Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F (31,181) Cross-section Chi-square Sumber : Hasil Output E-views 7 Pada hasil uji chow diatas dapat dilihat bahwa probabilitas F adalah sebesar Hal ini menunjukan bahwa signifikan pada tingkat (α) = 5% karena nilai F lebih kecil dari α = 5%. Maka H1 diterima dan H0 ditolak menunjukan bahwa fixed effect lebih baik dari random effect. 64

11 4.2.3 Uji Hipotesis 1. Uji t statistik a. Pengaruh Sektor Pertanian, Perkebunan dan Kehutanan (PPK) terhadap Rasio Gini Dapat dilihat bahwa nilai koefisien PPK terhadap sebesar , dengan t statistik sebesar dan probabilitasnya sebesar jika menggunakan df (derajat kebebasan) sebesar 218 dan α = 5% menghasilkan t tabel sebesar maka t statistik lebih kecil dari t tabel sehingga sektor pertanian berpengaruh negatif terhadap ketimpangan distribusi pendapatan. signifikan pada α = 5% maka sektor pertanian berpengaruh pada. b. Pengaruh Sektor Pertambangan dan Penggalian (PP) terhadap Rasio Gini Dapat dilihat dari hasil fixed effect diketahui bahwa variabel angka sektor PP mempunyai pengaruh tidak signifikan terhadap rasio gini dengan nilai koefisien PP terhadap sebesar , dengan t statistik sebesar dan probabilitasnya sebesar jika menggunakan df (derajat kebebasan) sebesar 218 dan α = 5% menghasilkan t-tabel sebesar t statistik lebih kecil dari t tabel sehingga tidak signifikan pada α = 5% maka 65

12 sektor pertambangan dan penggalian tidak berpengaruh pada rasio gini. c. Pengaruh sektor Industri Pengolahan (IP) terhadap Rasio Gini Dapat dilihat bahwa nilai koefisien IP terhadap sebesar , dengan t statistik sebesar dan probabilitasnya sebesar jika menggunakan df (derajat kebebasan) sebesar 219 dan α = 5% menghasilkan t tabel sebesar maka t statistik lebih kecil dari t tabel sehingga tidak signifikan pada α=5% maka IP tidak berpengaruh pada d. Pengaruh Listrik, Gas dan Air bersih (LGA) terhadap Rasio Dapat dilihat bahwa nilai koefisien LGA terhadap adalah sebesar , dengan t statistik sebesar dan probabilitasnya sebesar jika menggunakan df (derajat kebebasan) sebesar 218 dan α = 5% menghasilkan t tabel sebesar maka t statistik lebih kecil dari t tabel. Sehingga tidak signifikan pada α=5% maka LGA tidak berpengaruh pada e. Pengaruh Sektor Konstruksi (K) terhadap Rasio Gini Dapat dilihat bahwa nilai koefisien K terhadap adalah sebesar , dengan t statistik sebesar dan probabilitasnya sebesar jika menggunakan df (derajat kebebasan) sebesar 218 dan α = 5% menghasilkan t tabel sebesar maka t statistik lebih besar dari t tabel. Sehingga 66

13 signifikan pada α=5% maka sektor konstruksi berpenggaruh pada f. Pengaruh Sektor Perdagangan, Hotel dan restoran (PHR) terhadap Dapat dilihat bahwa nilai koefisien PHR terhadap adalah sebesar , dengan t statistik sebesar jika menggunakan df (derajat kebebasan) sebesar 218 dan α = 5% menghasilkan t tabel sebesar maka sektor perdagangan, hotel dan restoran berpengaruh negatif terhadap ketimpangan distribusi pendapatan. Dengan nilai probabilitas sebesar pada α=5% maka sektor PHR tidak signifikan berpengaruh pada. g. Pengaruh Sektor Pengangkutan dan Komunikasi (PK) terhadap Dapat dilihat bahwa nilai koefisien PK terhadap adalah sebesar , dengan t statistik sebesar dan probabilitasnya sebesar jika menggunakan df (derajat kebebasan) sebesar 218 dan α = 5% menghasilkan t tabel sebesar maka t statistik lebih besar dari t tabel. Sehingga signifikan pada α=5% maka PK berpengaruh pada 67

14 h. Pengaruh Sektor Keuangan, Real Estat dan Jasa Perusahaan (KRJP) terhadap Dapat dilihat bahwa nilai koefisien KRJP terhadap adalah sebesar , dengan t statistik sebesar dan probabilitasnya sebesar jika menggunakan df (derajat kebebasan) sebesar 218 dan α = 5% menghasilkan t tabel sebesar maka t statistik lebih kecil dari t tabel. Sehingga tidak signifikan pada α=5% maka KRJP berpengaruh pada i. Pengaruh Sektor Jasa terhadap Dapat dilihat bahwa nilai koefisien jasa terhadap adalah sebesar , dengan t statistik sebesar dan probabilitasnya sebesar jika menggunakan df (derajat kebebasan) sebesar 218 dan α = 5% menghasilkan t tabel sebesar maka t statistik lebih kecil dari t tabel. Sehingga signifikan pada α=5% maka sektor Jasa berpengaruh pada j. Pengaruh Presentase Penduduk Miskin (PPM) terhadap Dapat dilihat bahwa nilai koefisien PPM terhadap adalah sebesar , dengan t statistik sebesar dan probabilitasnya sebesar jika menggunakan df (derajat kebebasan) sebesar 218 dan α = 5% menghasilkan t tabel sebesar maka t statistik lebih kecil dari t tabel. Sehingga signifikan pada α=5% maka PPM berpengaruh pada. 68

15 k. Pengaruh Angka Partisipasi Sekolah (APS) terhadap Dapat dilihat bahwa nilai koefisien APS terhadap adalah sebesar , dengan t statistik sebesar dan probabilitasnya sebesar jika menggunakan df (derajat kebebasan) sebesar 218 dan α = 5% menghasilkan t tabel sebesar maka t statistik lebih besar dari t tabel. Sehingga signifikan pada α=5% maka APS berpengaruh pada Tabel 4.8 Ringkasan Hasil Uji T No Variabel T Statistik T Tabel Keterangan 1 PPK terhadap 2 PP terhadap 3 IP terhadap 4 LGA terhadap 5 K terhadap 6 PHR terhadap 7 PK terhadap 8 KRJP terhadap signifikan, pada α = 5% maka PPK berpengaruh pada Tidak signifikan, pada α = 5% maka PP tidak berpengaruh pada Tidak signifikan, pada α = 5% maka IP tidak berpengaruh pada Tidak signifikan, pada α = 5% maka LGA tidak berpengaruh pada Signifikan, pada α = 5% maka K berpengaruh pada Tidak signifikan, pada α = 5% maka PHR tidak berpengaruh pada Signifikan, pada α = 5% maka PK berpengaruh pada Signifikan, pada α = 5% maka KRJP berpengaruh 69

16 9 JASA terhadap 10 PPM terhadap 11 APS terhadap pada signifikan, pada α = 5% maka JASA tidak berpengaruh pada signifikan, pada α = 5% maka PPM tidak berpengaruh pada Signifikan, pada α = 5% maka APS berpengaruh pada 1. Uji F Statistik Uji F digunakan utuk mengetahui apakah secara bersama sama variabel terikat dipengaruhi oleh variabel bebas. Dari tabel fixed effect terlihat bahwa nilai F statistik sebesar dan probabilitas maka signifikan pada α = 5%, sehingga secara statistik PPK, PP, IP, LGA, K, PHR, PK, KRJP, JASA, PPM dan APS secara bersama-sama mempengaruhi. Sedangkan dengan melihat hasil regresi estimasi random effect diperoleh F statistik dan probabilitas sebesar maka signifikansi pada α = 5% sehingga secara statistik PPK, PP, IP, LGA, K, PHR, PK, KRJP, JASA, PPM dan APS secara bersamasama mempengaruhi. 2. Koefisien Determinasi (R 2 ) Koefisien Determinasi (R 2 ) pada terlihat bahwa nilai R Square sebesar artinya variabel dipengaruhi oleh variabel bebas yaitu PPK, PP, IP, LGA, K, PHR, PK, KRJP, JASA, PPM 70

17 dan APS sebesar 77.48% dan sisanya sebesar 22.52% dipengaruhi oleh faktor lain diluar penelitian Interpretasi Hasil Analisis Dari tabel diatas terlihat bahwa : 1. Nilai intersep bersama untuk sebesar jika variabel bebasnya sama dengan nol atau tidak dipengaruhi oelh variabel independen yang ada. Sedangkan nilai intersep untuk masing-masing provinsi adalah sebesar - Provinsi Aceh ( = ) - Provinsi Sumut (= ) - Provinsi Sumbar (= ) - Provinsi Riau =( ) - Provinsi Jambi (= ) - Provinsi Sumsel (= ) - Provinsi Bengkulu (= ) - Provinsi Lampung (= ) - Provinsi Banten (= ) - Provinsi Babel (= ) - Provinsi DKI (= ) - Provinsi jatim (= ) - Provinsi Jabar (= ) - Provinsi Jateng (= ) - Provinsi DIY (= ) 71

18 - Provinsi NTB (= ) - Provinsi NTT (= ) - Provinsi Bali (= ) - Provinsi Kalbar (= ) - Provinsi Kalteng (= ) - Provinsi Kalsel (= ) - Provinsi Kaltim (= ) - Provinsi Sulut (= ) - Provinsi Sulteng (= ) - Provinsi Sulsel (= ) - Provinsi Sultra (= ) - Provinsi GTO (= ) - Provinsi Sulbar (= ) - Provinsi Maluku (= ) - Provinsi Malkut (= ) - Provinsi Pabar (= ) - Provinsi Papua (= ) 2. nilai probabilitas PPK sebesar signifikan terhadap Gini pada tingkat signifikansi (α) 5% 3. variabel yang berpengaruh signifikan terhadap ketimpangan distribusi pendapatan adalah sektor pertanian, konstruksi, pengangkutan dan komunikasi, Keauangan,real estatdan jasa perusahaan, presentase penduduk miskin dan angka partisipasi sekolah. Variabel yang tidak 72

19 signifikan mempengaruhi ketimpangan distribusi pendapatan di Indonesia adalah sektor pertambangan dan penggalian, industry pengolahan, listrik gas dan air bersih serta perdagangan hotel dan restoran. 4. Nilai adjusted R-squared yang diperoleh sebesar yang berarti bahwa variabel-variabel bebas yang digunakan mampu menjelaskan variasi variabel tak bebas, setelah mempertimbangkan penambahan variabel bebas, sebesar 72,26 persen, sedangkan sisanya yaitu persen, dijelaskan oleh variabel lain diluar model. 5. Dilihat dari nilai probability F statistic yang lebih kecil dari 0.05, berarti terdapat minimal satu dari variabel bebas yang digunakan berpengaruh signifikan terhadap variabel tak bebas. 6. Berdasarkan hasil diatas diketahui bahwa sektor pertanian, sektor perdagangan, hotel dan restoran, sektor keuangan, real estat & jasa perusahaan, sektor jasa dan presentase penduduk miskin berpengaruh negatif terhadap ketimpangan pendapatan sedangkan sektor pertambangan dan penggalian, industri pengolahan, listrik gas dan air bersih serta sektor perdagangan hotel restoran berpengaruh positif. 7. Dari regresi data panel menggunakan fixed effect di ketahui bahwa koefisien regresi sektor pertanian sebesar dengan nilai probabilitas yang menunjukkan bahwa rasio gini akan menurun sebesar setiap kenaikkan satu persen sektor pertanian dengan asumsi ceteris paribus. Sektor pertanian merupakan 73

20 sumber pendapatan bagi sebagian besar rumah tangga berpendapatan rendah. Dengan demikian upaya pengangguran ketimpangan distribusi pendapatan dapat secara efektif dilakukan melalui pembangunan pertanian. 8. Dari regresi data panel menggunakan fixed effect di ketahui bahwa koefisien regresi sektor pertambangan dan penggalian sebesar dan nilai probabilitasnya sebesar menunjukkan peningkatan sektor ini sebesar 1 persen menyebabkan rasio gini meningkat sebesar persen artinya, jika pertumbuhan per kapita sektor penggalian dan pertambangan meningkat makan distribusi ketimpangan pendapatan akan semakin memburuk. Namun variabel sektor penggalian dan pertambangan tidak berpengaruh nyata pada taraf α = 5 % karena sektor pertambangan dan penggalian sangat terbatas dan di kelola oleh asing. Sehingga yang menikmati hasil dari pertambangan dan penggalian bukan masyarakat setempat. 9. Dari regresi data panel menggunakan fixed effect di ketahui bahwa koefisien regresi sektor industri pengolahan adalah sebesar dan nilai probabilitasnya sebesar yang berarti jika sektor IP mengalami peningkatan 1 persen maka rasio gini akan meningkat sebesar Namun variabel sektor industri pengolahan tidak berpengaruh nyata pada taraf 10 persen. Sektor industri yang berkembang sampai saat ini ternyata masih didominasi oleh industri padat tenaga kerja, yang biasanya memiliki mata rantai relatif pendek, 74

21 sehingga penciptaan nilai tambah juga relatif kecil. Akan tetapi karena besarnya populasi unit usaha maka kontribusi terhadap perekonomian tetap besar. Terdapat tiga unsur pelaku ekonomi yang mendukung perkembangan sektor industri, yaitu Badan Usaha Milik Swasta (BUMS), Badan Usaha Milik Negara (BUMN) dan pengusaha kecil/menengah, serta koperasi ( PKMK ). 10. Nilai koefisien regresi sektor listrik, gas dan air bersih sebesar dan nikai probabilitasnya sebesar menunjukkan peningkatan pertumbuhan sektor ini sebesar 1 persen maka akan meningkatkan rasio gini sebesar maka, apabila sektor ini mengalami peningkatan maka ketimpangan akan semakin memburuk. Namun variabel sektor listrik, gas dan air bersih tidak berpengaruh nyata pada taraf 10%. Hal ini di karenakan Subsektor listrik yang memberikan peran terbesar belakangan ini perkembangannya cukup pesat, namun kebutuhan akan energi tetap meningkat. Pada tahun 2002 lalu subsektor listrik tumbuh sebesar 4,45 persen, sedangkan pada tahun 2003 tumbuh menjadi 6,22 persen. Demikian juga halnya dengan subsektor air bersih yang memberikan sumbangan kedua terbesar dalam membentuk PDRB sektor listrik, Gas dan Air Bersih. 11. Nilai koefisien regresi sektor konstruksi adalah sebesar dan nilai probabilitasnya sebesar menunjukan peningkatan sebesar 1 persen pada sektor ini akan meningkatkan rasio gini sebesar

22 persen jika sektor ini maka akan memperburuk ketimpangan distribusi pendapatan. 12. Nilai koefisien regresi sektor perdagangan, hotel dan restoran adalah sebesar menunjukkan peningkatan pertumbuhan per kapita sektor ini sebesar 1 persen menyebabkan rasio gini menurun sebesar persen. Artinya jika sektor ini meningkat maka distribusi pendapatan akan membaik. Namun variabel sektor ini tidak berpengaruh nyata pada taraf 10 persen. Hal ini di karenakan Seperti yang kita lihat sekarang, di setiap daerah yang ada di Indonesia memiliki hotel dan retoran atau rumah makan. Dan tidak dapat di ragukan lagi, sebagian besar yang mempengaruhi perekonomian di Indonesia adalah kegiatan perdagangan, namun tingkat konsumsi di Indonesia juga cukup besar namun, Karena kurangnya pemikkirann dan perhitungan yang matang sehingga banyak usaha perdagangan, hotel maupun restoran negeri kalah saing dengan usaha asing yang di tanamkan di Indonesia. 13. Nilai koefisien regresi sektor pengangkutan dan komunikasi sebesar hal ini menunjukkan bahwa kenaikan pertumbuhan sektor PK sebesar satu persen akan meningkatkan rasio gini sebesar persen. Artinya jika sektor pengangkutan dan komunikasi meningkat maka distribusi ketimpangan pendapatan memburuk. 14. Nilai koefisien regresi sektor keuangan, real etat dan jasa keuangan adalah sebesar menunjukan bahwa jika sektor ini meningkat 76

23 sebesar 1 persen maka rasio gini akan menurun sebesar persen. Hal ini sesuai dengan hipotesis yang digunakan jika jasa yang dihasilkan meningkat per satuan waktu maka produktivitas tenaga kerjanya meningkat sehingga akan meningkatkan keuntungan pendapatan. Peningkatan pendapatan ini akan meningkatkan kesejahteraan sehingga distribusi pendapatan semakin membaik. Selain itu dalam sektor KRJP memerlukan tenaga kerja dengan keterampilan khusus sehingga gaji yang diperoleh relatif tinggi sehingga kesejahteraan tenaga kerjanya terjamin (Kamaluddin, 1992). 15. nilai koefisien regresi sektor jasa adalah sebesar dengan nilai probabilitasnya sebesar menunjukkan bahwa jika sektor jasa mengalami pertumbuhan sebesar 1% maka rasio gini akan menurun sebesar maka dapat disimpulkan jika sektor jasa meningkat maka distribusi pendapatan semakin membaik. Hal ini sesuai dengan hipotesis yang digunakan meningkatnya pertumbuhan per kapita sektor jasa menunjukkan jasa yang dihasilkan meningkat per satuan waktu yang berarti produktivitas tenaga kerjanya meningkat sehingga pendapatan akan meningkat dan dapat meningkatkan kesejahteraan. Sektor jasa menyerap tenaga kerja yang cukup besar, sehingga ketika kesejahteraan tenaga kerja sektor ini meningkat maka distribusi pendapatan akan membaik. 16. Nilai koefisien variabel presentase penduduk miskin adalah dengan nilai probabilitasnya sebesar menunjukkan bahwa 77

24 kenaikan presentase penduduk miskin akan mengurangi rasio gini sebesar persen. Hal ini dikarenakan dengan populasi penduduk yang berada di batas garis kemiskinan maka distribusi pendapatan akan merata jika penduduk miskin semakin meningkat. 17. Nilai koefisien variabel angka partisipasi sekolah umur tahun sebesar nengan nilai probabilitasnya hal ini menunjukan jika APS meningkat maka sebesar 1% maka ketimpangan akan meningkat sebanyak persen hal ini di karenakan semakin banyak penduduk yang bersekolah di umur distribusi pendapatan akan semakin timpang karena ketika banyak penduduk yang mengenyam pendidikan perguruan tinggi maka semakin banyak pula persaingan di dunia kerja. Kebanyakan yang dapat mengambil bangku kuliah adalah orang yang mampu dalam perekonomiannya sehingga yang kaya semakin kaya dan dapat pekerjaan yang bagus sementara yang miskin hanya mendapatkan lapangan pekerjaan yang sangat terbatas. 78