FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI SEKTOR PERTANIAN DI DAERAH TERTINGGAL PROVINSI JAWA TIMUR DENGAN REGRESI PANEL

Transkripsi

1 TUGAS AKHIR SS FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI SEKTOR PERTANIAN DI DAERAH TERTINGGAL PROVINSI JAWA TIMUR DENGAN REGRESI PANEL Eka Yula Andn NRP Dosen Pembmbng Dr. Brodjol Sutjo S.U, M.S Departemen Statstka Bsns Fakultas Vokas Insttut Teknolog Sepuluh Nopember Surabaya 2017

2 TUGAS AKHIR SS FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI SEKTOR PERTANIAN DI DAERAH TERTINGGAL PROVINSI JAWA TIMUR DENGAN REGRESI PANEL Eka Yula Andn NRP Dosen Pembmbng Dr. Brodjol Sutjo S.U, M.S Departemen Statstka Bsns Fakultas Vokas Insttut Teknolog Sepuluh Nopember Surabaya 2017

3 FINAL PROJECT SS AFFECT OF AGRICULTURAL SECTOR ECONOMIC GROWTH FACTORS IN UNDEVELOPED REGIONS EAST JAVA USING BY PANEL REGRESSION Eka Yula Andn NRP Supervsor Dr. Brodjol Sutjo S.U, M.S Departement Of Busness Statstc Faculty Of Vocatonal Insttut Teknolog Sepuluh Nopember Surabaya 2017

4

5 v

6 (Halaman In Sengaja Dkosongkan) v

7 FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI SEKTOR PERTANIAN DI DAERAH TERTINGGAL PROVINSI JAWA TIMUR DENGAN REGRESI PANEL Nama Mahasswa : Eka Yula Andn NRP : Dapartemen : Statstka Bsns Dosen Pembmbng : Dr. Brodjol Sutjo S.U, M.S ABSTRAK Umumnya, ketmpangan pendapatan regonal dsebabkan oleh ketdaksembangan pertumbuhan ekonom. Permasalahan ketmpangan pendapatan regonal terjad pula d Jawa Tmur yang dsebabkan oleh selsh antara PDRB (Produk Domestk Regonal Bruto) tertngg dengan PDRB terendah yang sangat jauh sehngga dduga terjad ketmpangan pendapatan regonal yang cukup tngg. Tujuan dar peneltan n adalah memodelkan ketmpangan pendapatan regonal dengan pendekatan pertumbuhan ekonom d daerah tertnggal agar konds perekonoman daerah tersebut tdak semakn memburuk. Berdasarkan model yang terbentuk akan dketahu varabel-varabel yang berpengaruh sgnfkan terhadap pertumbuhan ekonom d daerah tertnggal Jawa Tmur menggunakan analss regres panel. Berdasarkan analss ddapatkan bahwa PDRB sektor pertanan, tenaga kerja sektor pertanan, luas lahan sawah serta produks tanaman pangan tertngg d Jawa Tmur adalah Kabupaten Jember sedangkan pendapatan asl daerah tertngg d Jawa Tmur adalah Kota Surabaya, ketmpangan pendapatan regonal Jawa Tmur tahun 2008 hngga 2015 bertaraf tngg karena nla ndeks wllamson lebh dar 0,5, terdapat 22 kabupaten yang termasuk daerah tertnggal berdasarkan klasfkas tpolog klassen, faktor-faktor yang berpengaruh terhadap pertumbuhan ekonom d daerah tertnggal Jawa Tmur tahun 2008 sampa tahun 2015 dengan efek ndvdu yatu adalah tenaga kerja sektor pertanan, pendapatan asl daerah, luas sawah serta produks tanaman pangan dengan kebakan model sebesar 98,38%. Kata Kunc : Daerah Tertnggal, Indeks Wllamson, Ketmpangan Pendapatan, Regres Panel, Tpolog Klassen v

8 (Halaman In Sengaja Dkosongkan) v

9 AFFECT OF AGRICULTURAL SECTOR ECONOMIC GROWTH FACTORS IN UNDEVELOPED REGIONS EAST JAVA USING BY PANEL REGRESSION Student Name : Eka Yula Andn NRP : Dapartment : Busness Statstc Academc Supervsor : Dr. Brodjol Sutjo S.U, M.S ABSTRACT Generally, regonal ncome dspartes s caused by nbalanced economc growth. Problems of regonal ncome dspartes happened also n East Java s caused by dfference between the bggest and the lowest of dstrcs or ctes s Gross Domestc Product (GDP) of s so far, so that expected problems of hgh level regonal ncome dspartes s happened. The am of ths study s create a model of regonal ncome dspartes wth approach of economc growth n undeveloped regons so that economc condton of the regon s not gettng worse. Based on model, obtaned that the varable sgnfcantly affected to economc growth factors n undeveloped regons East Java usng by panel regresson. Based on analyss, t s known that the hghest GDP of agrcultural sector, labor of agrcultural sector, area of wetland and producton of food crops n East Java s Jember Dstrcs and the hghest locally generated revenue s Surabaya Ctes, the problem of regonal ncome dspartes n hgh level caused by wllamson ndex more than 0.5, twenty two dstrcts n East Java nclued undeveloped regons based on klassen tpology, the affect of economc growth factors n undeveloped regons East Java n 2008 untl 2015 wth the ndvdual effect s labor of agrcultural sector, locally generated revenue, area of wetland and producton of food crops wth goodness of model s 98,38% Keyword : Undeveloped regons, Klassen Typology, Panel Regresson, Regonal Income Dspartes x

10 (Halaman In Sengaja Dkosongkan) x

11 KATA PENGANTAR Puj syukur kehadrat Allah SWT atas lmpahan rahmat dan berkah yang tdak pernah berhent sehngga penuls dapat menyelesakan penyusunan dengan bak Tugas Akhr yang berjudul FAKTOR-FAKTOR YANG MEMPENGARUHI PERTUMBUHAN EKONOMI SEKTOR PERTANIAN DI DAERAH TERTINGGAL PROVINSI JAWA TIMUR DENGAN REGRESI PANEL. Penuls menyadar bahwa dalam penyusunan Tugas Akhr n tdak terlepas dar bantuan dan dukungan dar berbaga phak. Oleh karena tu, pada kesempatan n penuls mengucapkan terma kash yang sebesar-besarnya kepada: 1. Dr. Brodjol Sutjo S.U, M.S selaku dosen pembmbng sekalgus Sekretars Program Stud Dploma III Statstka Bsns Fakultas Vokas ITS yang telah berseda meluangkan waktunya untuk memberkan bmbngan, motvas dan nformas hngga penuls dapat menyelesakan Tugas Akhr n. 2. Dr. Wahyu Wbowo, S.S, M.S selaku Kepala Departemen Statstka Bsns Fakultas Vokas ITS, dosen penguj sekalgus sebaga valdator yang telah memberkan saran dan perbakan pada Tugas Akhr n. 3. Mke Prastut S.S, M.S selaku dosen penguj atas saran dan krtkan yang membangun dalam menyelesakan Tugas Akhr n. 4. Ir. Sr Pngt Wulandar, MS. selaku Kepala Program Stud Dploma III Statstka Bsns Fakultas Vokas ITS yang banyak membantu memberkan dukungan dalam penyelesaan Tugas Akhr n. 5. Ir. Mutah Salamah, M.Kes selaku dosen wal yang selalu member motvas dan membag pengalamannya kepada penuls. 6. Seluruh dosen pengajar beserta karyawan Departemen Statstka Bsns Fakultas Vokas ITS yang telah x

12 memberkan lmu serta karyawan Departemen Statstka Bsns ITS. 7. BPS Provns Jawa Tmur yang yang telah mengznkan dan menyedakan data yang dperlukan dalam penyusunan Tugas Akhr n. 8. Kedua orang tua penuls, Bapak Moch Djaml dan Ibu Nnk Kusmat serta saudara penuls, Amala Dw Febrant atas segala doa, kash sayang, motvas dan perjuangan nya sehngga penuls dapat menyelesakan Tugas Akhr n 9. Erly, Shel, Febr, Farq dan Harun yang senantasa member warna persahabatan dan senantasa memberkan semangat, saran, krtk dalam menyelesakan tugas akhr n 10. Teman-teman PIONEER 2014 dan Semua phak yang telah mendukung dan tdak dapat penuls sebutkan satu persatu. Akhr kata penuls menyadar bahwa dalam penulsan Tugas Akhr n mash jauh dar kesempurnaan sehngga krtk dan saran yang bersfat membangun sangat dperlukan dem perbakan s laporan n kedepannya. Harapan penuls bahwa laporan Tugas Akhr n dapat memberkan kebermanfaatan kepada berbaga phak. Surabaya, Jun 2017 Penuls x

13 DAFTAR ISI Halaman HALAMAN JUDUL... LEMBAR PENGESAHAN... ABSTRAK... v ABSTRACT... x KATA PENGANTAR... x DAFTAR ISI... x DAFTAR TABEL... xv DAFTAR GAMBAR... xx DAFTAR LAMPIRAN... xx BAB I PENDAHULUAN 1.1 Latar Belakang Rumusan Masalah Tujuan Peneltan Manfaat Peneltan Batasan Masalah... 6 BAB II TINJAUAN PUSTAKA 2.1 Indeks Wllamson Tpolog Klassen Regres Panel Pengujan Asums Multkolnertas Estmas Model Regres Panel Common Effect Model (CEM) Fxed Effect Model (FEM) Uj Chow Pengujan Parameter Model Regres Pengujan Serentak Pengujan Parsal Pengujan Asums IIDN Pengujan Kolmogorof Smrnov Pengujan Glejser Pengujan Durbn Watson Ketmpangan Pendapatan Ekonom x

14 BAB III METODOLOGI PENELITIAN 3.1 Sumber Data Varabel Peneltan Langkah Analss BAB IV ANALISIS DAN PEMBAHASAN 4.1 Analss Karakterstk Data PDRB Sektor Pertanan dan Faktor yang Mempengaruhnya Karakterstk Varabel respon dan seluruh varabel predktor PDRB Sektor Pertanan Produks Tanaman Pangan Luas Lahan Sawah Tenaga Kerja Sektor Pertanan Pendapatan Asl Daerah Analss Ketmpangan Pendapatan Regonal Antar Kabupaten/Kota d Jawa Tmur Klasfkas Pertumbuhan Ekonom Kabupaten/Kota d Jawa Tmur Pemodelan PDRB Sektor Pertanan Daerah Tertnggal d Jawa Tmur Pengujan Chow Deteks Multkolnertas Penanganan Multkolnoertas Pemodelan FEM Efek Indvdu pada Pertumbuhan Ekonom Sektor Pertanan Pengujan Sgnfkans Serentak Pengujan Sgnfkans Parsal Deteks Pelanggaran Asums Resdual Dstrbus Normal Deteks Pelanggaran Asums Resdual Independen Penanganan Pelanggaran Asums Resdual Independen Deteks Pelanggaran Asums Resdual Identk xv

15 Penanganan Pelanggaran Asums Resdual Identk Estmas Model FEM Efek Indvdu Pemodelan FEM Efek Waktu pada Pertumbuhan Ekonom Sektor Pertanan Pengujan Sgnfkans Serentak Pengujan Sgnfkans Parsal Deteks Pelanggaran Asums Resdual Dstrbus Normal Deteks Pelanggaran Asums Resdual Independen Penanganan Pelanggaran Asums Resdual Independen Deteks Pelanggaran Asums Resdual Identk Penanganan Pelanggaran Asums Resdual Identk Estmas Model FEM Efek Waktu Pemlhan Kebakan Model Terbak Pada Pemodelan Pertumbuhan Ekonom Sektor Pertanan BAB V PENUTUP 5.1 Kesmpulan Saran DAFTAR PUSTAKA LAMPIRAN BIODATA PENULIS xv

16 (Halaman In Sengaja Dkosongkan) xv

17 DAFTAR TABEL Halaman Tabel 1.1 Dstrbus PDRB Terhadap Jumlah PDB Nasonal (Persen)... 2 Tabel 1.2 Dstrbus Persentase PDRB Jawa Tmur Menurut Lapangan Usaha... 2 Tabel 2.1 Klasfkas Pola Pertumbuhan Ekonom Menurut Tpolog Klassen... 8 Tabel 3.1 Struktur Data Peneltan Tabel 3.2 Varabel Peneltan Tabel 4.1 Karakterstk Data Varabel Respon dan Seluruh Predktor Tabel 4.2 Klasfkas Pola Pertumbuhan Ekonom Jawa Tmur Tahun 2015 Menurut Tpolog Klassen Tabel 4.3 Hasl Pengujan Chow Tabel 4.4 Deteks Multkolnertas Berdasarkan Nla VIF Tabel 4.5 Deteks Multkolnertas Berdasarkan Koefsen Korelas Tabel 4.6 Nla Egen dan Komponen Utama Tabel 4.7 Hasl Akhr Penanggulangan Multkolnertas.. 45 Tabel 4.8 Hasl Pengujan Serentak Efek Indvdu Tabel 4.9 Hasl Pengujan Parsal Efek Indvdu Tabel 4.10 Deteks Asums Independen FEM Efek Indvdu Tabel 4.11 Penanganan Asums Independen Efek Indvdu Tabel 4.12 Deteks Asums Identk FEM Efek Indvdu Tabel 4.13 Penanganan Asums Identk FEM Efek Indvdu Tabel 4.14 Model Akhr FEM Efek Indvdu Tabel 4.15 Hasl Pengujan Serentak Efek Waktu Tabel 4.16 Hasl Pengujan Parsal Efek Waktu xv

18 Tabel 4.17 Deteks Asums Independen Efek Waktu Tabel 4.18 Penanganan Asums Independen Efek Waktu Tabel 4.19 Deteks Asums Identk Efek Waktu Tabel 4.20 Penanggulangan Asums Identk Efek Waktu Tabel 4.21 Estmas Model FEM Efek Waktu Tabel 4.22 Pemlhan Kebakan Model Tabel 4.23 Interpretas Model Regres xv

19 DAFTAR GAMBAR Halaman Gambar 4.1 PDRB Sektor Pertanan Jawa Tmur Gambar 4.2 PDRB Sektor Pertanan Kabupaten/Kota Gambar 4.3 Produks Tanaman Pangan Jawa Tmur Gambar 4.4 Produks Tanaman Pangan Kabupaten/Kota Gambar 4.5 Luas Lahan Sawah Kabupaten/Kota Gambar 4.6 Tenaga Kerja Sektor Pertanan Jawa Tmur Gambar 4.7 Tenaga Kerja Sektor Pertanan Kabupaten atau Kota Gambar 4.8 Pendapatan Asl Daerah Jawa Tmur Tahun Gambar 4.9 Pendapatan Asl Daerah Kabupaten/Kota Tahun Gambar 4.10 Ketmpangan Pendapatan Regonal Jawa Tmur Gambar 4.11 Hasl Uj Kolmogorof Smrnov FEM Cross Secton Gambar 4.12 Hasl Uj Kolmogorof Smrnov FEM Tme Seres xx

20 (Halaman In Sengaja Dkosongkan) xx

21 DAFTAR LAMPIRAN Halaman Lampran 1 Data yang dgunakan Regres Panel Lampran 2 Data Tahun Lampran 3 Data Tahun Lampran 4 Data Tahun Lampran 5 Data Tahun Lampran 6 Data Tahun Lampran 7 Data Tahun Lampran 8 Data Tahun Lampran 9 Data Tahun Lampran 10 Perhtungan Indeks Wllamson Lampran 11 PDRB Per Kapta dan Laju Pertumbuhan PDRB Tahun Lampran 12 Hasl Pengujan CEM dan Deteks Multko Lampran 13 Deteks Multko dengan Koefsen Korelas Lampran 14 Penanganan Kasus Multkolnertas Lampran 15 Pengujan Sgnfkans Komponen Utama Lampran 16 Hasl Pengujan FEM Efek Indvdu Lampran 17 Perhtungan Pengujan Chow Lampran 18 Hasl Pengujan FEM Efek Waktu Lampran 19 Deteks Heterokedaststas FEM Efek Waktu. 85 Lampran 20 Penanganan Heterokedaststas FEM Efek Waktu Lampran 21 Deteks Heterokedaststas FEM Efek Indvdu Lampran 22 Penanganan Heterokedaststas FEM Efek Indvdu Lampran 23 Hasl Regres Lag Varabel FEM Efek Indvdu Lampran 24 Hasl Regres Lag Varabel FEM Efek Waktu Lampran 25 Perhtungan Transformas PCA FEM Efek Indvdu xx

22 Lampran 26 Perhtungan Transformas PCA FEM Efek Waktu Lampran 27 Karakterstk Data Untuk Seluruh Varabel Lampran 28 Surat Keterangan Pengamblan Data Lampran 29 Surat Pernyataan Kevaldan Data xx

23 BAB I PENDAHULUAN 1.1 Latar Belakang Ketmpangan pendapatan d suatu daerah dsebabkan oleh adanya proses pembangunan ekonom yang tdak merata. Pembangunan ekonom cenderung lebh banyak dlakukan pada daerah-daerah yang memlk potens sumber daya yang bak namun kurang memperhatkan daerah dengan potens sumber daya yang kurang bak. Potens yang dmlk setap daerah untuk membangun perekonoman sangat dpengaruh oleh sumber daya yang dmlk daerah tersebut, msalnya sumber daya manusa, sumber daya alam, modal, nfrastruktur, jumlah dan kepadatan penduduk, letak geografs serta sarana dan prasarana yang terseda. Hal tersebut sangat mempengaruh perkembangan pembangunan sehngga mengakbatkan konds perekonoman dan kesejahteraan masyarakat d setap daerah berbeda antara satu dengan yang lannya. Indkator yang dgunakan untuk melhat konds perekonoman secara makro dsuatu daerah yatu dengan Produk Domestk Regonal Bruto (PDRB). Dar PDRB tersebut, kta dapat melhat seberapa jauh pembangunan ekonom telah berhasl menyejahterakan masyarakat. Tolak ukur untuk melhat konds ekonom dapat dlhat dar seberapa besar daerah tersebut berkontrbus terhadap pendapatan nasonal dar tahun ke tahun. Semakn besar daerah tersebut berkontrbus terhadap pendapatan nasonal menunjukkan bahwa konds perekonoman daerah tersebut sangat bak sebalknya semakn rendah suatu daerah berkontrbus terhadap pendapatan nasonal maka konds perekonoman dearah tersebut perlu belum cukup bak dan perlu dkembangkan. Sepert halnya Provns Jawa Tmur dengan konds perekonoman yang dapat dkatakan bak dan mengalam kemajuan dar tahun ke tahun jka dtnjau dar kontrbus PDRB 1

24 2 terhadap pendapatan nasonal. Lebh jelasnya dapat dlhat pada tabel 1.1. Tabel 1.1 Dstrbus PDRB Terhadap Jumlah PDB Nasonal (Persen) Provns DKI Jakarta 15,66 15,64 15,79 16,1 16,47 17,02 Jawa Barat 13,21 13,06 13,01 13,11 12,97 13,09 Jawa Tengah 9,08 8,85 8,7 8,64 8,66 8,7 DI Yogyakarta 0,94 0,91 0,89 0,88 0,87 0,87 Jawa Tmur 14,43 14,32 14,4 14,39 14,41 14,5 Banten 3,95 3,91 3,9 3,93 4,01 4,1 Sumber : BPS, Tabel 1.1 menunjukkan Provns Jawa Tmur memlk kontrbus terbesar kedua setelah DKI Jakarta terhadap Produk Domestk Bruto (PDB) Nasonal yatu sebesar 14,50 persen pada tahun Kontrbus PDRB Jawa Tmur mengalam fluktuas mula dar tahun 2010 hngga tahun 2015 meskpun mengalam penurunan namun penurunan tersebut tdak sgnfkan. Tabel 1.2 menunjukkan bahwa PDRB Provns Jawa Tmur ddomnas dengan 3 sektor unggulan yatu tahun 2015 sektor pertanan memlk kontrbus sebesar 13,75%, sektor ndustr pengolahan sebesar 29,27% serta sektor perdagangan besar dan eceran sebesar 17,64%. Ketga sektor tersebut menyumbang PDRB terbesar d Jawa Tmur dan d ketga sektor tersebut menjad sektor ekonom bass d Provns Jawa Tmur. Tabel 1.2 Dstrbus Persentase PDRB Jawa Tmur Menurut Lapangan Usaha Lapangan Usaha Pertanan, Kehutanan dan Perkanan 13,28 13,47 13,46 13,61 13,75 Pertambangan dan Penggalan 5,86 5,30 5,34 5,17 3,79 Industr Pengolahan 29,15 29,28 28,79 28,95 29,27 Pengadaan Lstrk dan Gas 0,5 0,48 0,37 0,36 0,34 Pengadaan Ar dan Pengolahan Lmbah 0,11 0,1 0,1 0,09 0,09

25 3 Tabel 1.2 Dstrbus Persentase PDRB Jawa Tmur Menurut Lapangan Usaha (Lanjutan) Lapangan Usaha Konstruks 9,04 9,18 9,22 9,47 9,5 Perdagangan Besar dan Eceran Transportas dan Pergudangan Penyedaan Akomodas dan Konsums 17,97 17,67 17,7 17,29 17,64 2,79 2,88 3,07 3,25 3,36 4,78 4,82 4,91 5,19 5,41 Informas dan Komunkas 4,65 4,73 4,78 4,54 4,56 Jasa Keuangan dan Asurans 2,28 2,44 2,64 2,68 2,75 Real Estate 1,64 1,61 1,63 1,57 1,63 Jasa Perusahaan 0,77 0,77 0,79 0,79 0,8 Admnstras Pemerntahan 2,6 2,65 2,51 2,32 2,31 Jasa Penddkan 2,5 2,63 2,73 2,73 2,72 Jasa Kesehatan 0,58 0,6 0,61 0,63 0,63 Jasa Lannya 1,5 1,39 1,36 1,38 1,43 Sumber : BPS, Meskpun konds perekonoman Jawa Tmur menunjukkan kemajuan tetap berdasarkan hasl pendapatan regonal, kemajuan perekonoman tersebut tdak dmbang dengan adanya pemerataan antar kabupaten dan kota. Tahun 2015 tercatat bahwa PDRB Jawa Tmur yang tertngg yatu Kota Surabaya sebesar 406,197 mlar rupah sedangkan terendah yatu Kota Bltar sebesar 4,819 mlar rupah. Terdapat selsh yang terpaut sangat jauh antara PDRB tertngg dan terendah Provns Jawa Tmur, hal n mengndkaskan bahwa tdak meratanya pendapatan regonal yang menyebabkan Provns Jawa Tmur tdak terbebas dar masalah ketmpangan ekonom antar kabupaten dan kota. Ketmpangan ekonom tersebut dapat memberkan dampak negatf, msalnya

26 memcu terjadnya urbansas. Hal tersebut terjad karena seseorang akan cenderung melakukan perpndahan pada daerah yang memlk konds perekonoman yang bak. Menurut Todaro (2003), perpndahan penduduk dapat memperburuk ketdaksembangan struktural antara desa dan kota secara langsung. Urbansas secara berlebhan akan menngkatkan jumlah pencar kerja d perkotaan yang melampau batasan pertumbuhan penduduk. Kehadran para pendatang tersebut cenderung melpatgandakan jumlah tenaga kerja d perkotaan, sementara jumlah tenaga kerja d pedesaan akan semakn berkurang sehngga konds perekonoman d daerah pedesaan akan semakn tertnggal. Peneltan mengena Konds Ketmpangan Ekonom Antar Kabupaten/Kota d Provns Jawa Tmur dapat dketahu bahwa ketmpangan pendapatan antar kabupaten dan kota d Provns Jawa Tmur tahun 2001 hngga 2008 berada pada taraf tngg. Berdasarkan klasfkas dengan tpolog klassen terdapat 6 kabupaten/kota masuk dalam daerah maju dan pertumbuhan cepat, 9 kabupaten/kota masuk dalam daerah berkembang cepat, 2 kabupaten/kota masuk dalam daerah maju tap tertekan, 21 kab/kota masuk dalam daerah relatf tertnggal (Mardana,2010). Selan tu peneltan mengena peranan sektor ekonom bass dalam mengurang ketmpangan pendapatan antarkabupaten/kota d Provns Jawa Tengah dapat dketahu bahwa ketmpangan pendapatan antar kabupaten dan kota d Provns Jawa Tengah tahun 2005 hngga 2012 berada pada taraf tngg. Varabel sektor pertanan yang berpengaruh dalam mengurang ketmpangan pendapatan tersebut adalah luas lahan panen tanaman pangan, luas lahan rgas serta jumlah penduduk (Prabanngrum, 2014) Berdasarkan uraan yang telah djelaskan, pada peneltan n akan dlakukan analss mengena konds ketmpangan pendapatan regonal serta pengklasfkasan terhadap kabupaten dan kota Provns Jawa Tmur berdasarkan PDRB dan laju pertumbuhan PDRB untuk mengetahu kabupaten dan kota d Jawa Tmur yang termasuk daerah tertnggal dan yang terakhr menganalss faktor- 4

27 5 faktor yang mempengaruh pertumbuhan ekonom sektor pertanan d daerah tertnggal dengan analss regres panel. Dalam peneltan n, pertumbuhan ekonom daerah tertnggal Jawa Tmur secara makro dtnjau dar PDRB sektor pertanan yang merupakan salah satu sektor bass perekonoman Jawa Tmur. 1.2 Rumusan Masalah Provns Jawa Tmur terndkas terjad ketmpangan pendapatan regonal karena tdak meratanya PDRB kabupaten dan kota d Provns Jawa Tmur. Tahun 2015 tercatat bahwa Kota Surabaya memlk kontrbus PDRB sebesar 406,197 mlar rupah sedangkan Kota Bltar hanya sebesar 4,819 mlar rupah. Ketmpangan pendapatan regonal tersebut menyebabkan tdak sembangnya konds perekonoman antar kabupaten dan kota. Ketdaksembangan yang dmaksud adalah terdapat wlayah yang termasuk daerah maju serta terdapat daerah yang relatf tertnggal sehngga permasalahan yang akan drumuskan dalam peneltan n adalah bagamana karakterstk PDRB sektor pertanan kabupaten dan kota Jawa Tmur beserta faktor yang mempengaruh, bagamana konds ketmpangan pendapatan regonal kabupaten dan kota Jawa Tmur tahun 2008 hngga 2015, manakah kabupaten dan kota d Provns Jawa Tmur yang termasuk daerah tertnggal serta faktor-faktor apa sajakah yang berpengaruh sgnfkan terhadap pertumbuhan ekonom sektor pertanan kabupaten dan kota d daerah relatf tertnggal Provns Jawa Tmur. 1.3 Tujuan Tujuan yang hendak dcapa dalam peneltan n sesua dengan perumusan masalah adalah sebaga berkut. 1. Mengetahu karakterstk PDRB sektor pertanan kabupaten dan kota Jawa Tmur beserta faktor yang mempengaruh 2. Mengetahu konds ketmpangan pendapatan regonal d Provns Jawa Tmur tahun 2008 hngga Mengklasfkaskan kabupaten dan kota d Provns Jawa Tmur untuk mengetahu kabupaten dan kota Jawa Tmur yang termasuk daerah tertnggal.

28 6 4. Mengetahu faktor-faktor yang berpengaruh sgnfkan terhadap pertumbuhan ekonom sektor pertanan d daerah tertnggal Provns Jawa Tmur untuk mengurang masalah ketmpangan pendapatan regonal. 1.4 Manfaat Manfaat peneltan n adalah dharapkan dapat djadkan bahan evaluas serta masukan bag pemerntahan Jawa Tmur dalam menentukan kebjakan yang tepat agar dapat memnmalsr dan mengatas adanya ketmpangan pendapatan pada masa mendatang melalu pertumbuhan sektor pertanan serta manfaat bag pembaca adalah dapat djadkan bahan acuan untuk pengembangan pembangunan ekonom Jawa Tmur atau daerah lan secara umum. 1.5 Batasan Masalah Batasan masalah yang dgunakan dalam peneltan n adalah pertumbuhan ekonom d daerah tertnggal dtnjau dar PDRB sektor pertanan serta estmas model yang dgunakan adalah CEM (Common Effect Model) dan FEM (Fxed Effect Model) berdasarkan efek ndvdu dan efek waktu.

29 BAB II TINJAUAN PUSTAKA 2.1 Indeks Wllamson Indeks Wllamson dgunakan untuk mengetahu adanya ketmpangan antar wlayah dsuatu daerah (Sjafrzal, 2008). Indeks Wllamson, dapat dhtung dengan persamaan f y y 1 n IW y dmana, IW : Indeks Wllamson y : PDRB per kapta d kabupaten y : rata-rata PDRB per kapta Provns Jawa Tmur f : Jumlah penduduk d kabupaten n : Jumlah penduduk d Provns Jawa Tmur (2.1) Apabla Indeks Wllamson semakn mendekat nol maka menunjukkan ketmpangan pendapatan antar kabupaten/kota d provns yang semakn rendah, sebalknya apabla angka Indeks Wllamson menunjukkan semakn jauh dar nol maka menunjukkan ketmpangan pendapatan antar kabupaten/kota d Provns Jawa Tmur yang semakn tngg. Terdapat krtera yang dgunakan untuk menentukan apakah ketmpangan berada pada taraf rendah, sedang, atau tngg. Menurut Oshma dalam Soetopo 2009, krtera tersebut sebaga berkut. a. Ketmpangan taraf rendah apabla ndeks ketmpangan kurang dar b. Ketmpangan taraf sedang apabla ndeks ketmpangan antara

30 8 c. Ketmpangan taraf tngg apabla ndeks ketmpangan lebh dar Analss Tpolog Klassen Klasfkas pertumbuhan ekonom daerah danalss menggunakan tpolog klassen. Tpolog Klassen membag daerah berdasarkan dua ndkator utama, yatu laju pertumbuhan ekonom dan pendapatan per kapta (Sjafrzal, 2008). Melalu analss n dperoleh empat karakterstk pola dan struktur pertumbuhan ekonom yang berbeda, yatu: 1. Daerah maju dan pertumbuhan cepat, adalah daerah yang memlk tngkat pertumbuhan ekonom dan pendapatan per kapta lebh tngg dbandngkan provns. 2. Daerah berkembang cepat, adalah daerah yang memlk tngkat pertumbuhan ekonom tngg, tetap pendapatan per kaptanya lebh rendah dbandngkan provns. 3. Daerah maju tetap tertekan, adalah daerah yang memlk tngkat pertumbuhan ekonom rendah sedangkan pedapatan per kaptanya lebh tngg dbandngkan provns. 4. Daerah relatf tertnggal, adalah daerah yang memlk tngkat pertumbuhan ekonom dan pendapatan per kapta lebh rendah dbandngkan provns. Tabel 2.1 Klasfkas Pola Pertumbuhan Ekonom Menurut Tpolog Klassen Pendapatan per Pendapatan per kapta d atas Ratarata Provns Rata-rata kapta d bawah Provns Varabel Laju Pertumbuhan d atas Rata-rata Provns Laju Pertumbuhan d bawah Rata-rata Provns Daerah Maju dan Pertumbuhan Cepat Daerah Maju tetap Tertekan Daerah Berkembang Cepat Daerah Relatf Tertnggal

31 9 2.3 Regres Panel Regres panel adalah regres dengan struktur data panel. Data panel adalah gabungan dar data cross secton dan data tme seres. Data cross secton merupakan data dar satu varabel atau lebh yang dkumpulan untuk beberapa ndvdu dalam satu waktu. Sedangkan data tme seres merupakan data dar satu varabel atau lebh yang dkumpulkan dar waktu ke waktu. Sehngga dalam data panel, unt cross secton yang sama dkumpulkan dar waktu ke waktu (Gujarat & Porter, 2012:235). Persamaan model regres dengan menggunakan data cross secton dapat dtuls sebaga berkut. y X dengan = 1,2,...,n Persamaan model regres dengan menggunakan data tme seres dapat dtuls sebaga berkut. yt X t dengan t = 1,2,...,t t Secara umum, persamaan model regres panel dapat dtuls sebaga berkut yt αt X t ' β ε (2.2) t Keterangan: n = banyaknya data cross secton t = banyaknya data tme seres y = varabel respon unt ndvdu ke- dan perode waktu ke-t t α t = koefsen ntersep dar unt ndvdu ke- dan perode waktu ke-t β =,, 2, 1, k merupakan koefsen slope dengan k adalah banyaknya varabel predktor X t ' = X 1t, X 2t,, X merupakan varabel predktor dar kt unt ndvdu ke- dan perode waktu ke-t = error regres dar ndvdu ke- untuk perode waktu ke-t ε t ε ε t = error regres dar ndvdu ke- = error regres dar perode waktu ke-t

32 10 Terdapat beberapa keuntungan menggunakan data panel (Gujarat & Porter, 2012:237), dantaranya adalah sebaga berkut. 1. Data berhubungan dengan ndvdu dar waktu ke waktu dan terdapat batasan heterogentas dalam unt-unt 2. Dengan menggabungkan antara observas cross secton dan tme seres maka data panel memberkan lebh banyak nformas, lebh banyak varas, lebh banyak degree of freedom dan lebh efsen. 3. Dengan observas cross secton yang berulang-ulang, maka data panel yang palng cocok dgunkan untuk mempelajar dnamka perubahan. 4. Data panel palng bak dgunakan untuk mendeteks dan mengukur dampak yang secara sederhana tdak bsa dlhat pada data cross secton murn atau tme seres murn. 5. Data panel dapat memnmumkan bas yang bsa terjad jka mengagres ndvdu-ndvdu kedalam agres besar. 2.4 Pengujan Asums Multkolnertas Uj asums multkolneartas dlakukan untuk melhat apakah terjad kasus multkolneartas. Multkolneartas adalah adanya hubungan lnear yang kuat dantara beberapa varabel predktor dalam suatu model regres. Konsekuens dar adanya kasus multkolneartas adalah sebaga berkut (Gujarat & Porter, 2010 : 416), 1. Estmator OLS yang ddapatkan memlk varans dan kovarans yang besar sehngga estmas yang tepat sult dlakukan 2. Interval kepercayaan senderung lebh besar sehngga menyebabkan penermaan hpotess nol. 3. Uj t untuk satu atau beberapa koefsen regres cenderung tdak sgnfkan 4. Walaupun terdapat banyak koefsen yang tdak sgnfkan (dalam uj t) tetap nla koefsen determnas (R 2 ) basanya sangat tngg.

33 11 5. Estmator OLS dan standart error sangat senstf dengan adanya perubahan kecl pada data Ada beberapa cara untuk mendeteks multkolneartas dantaranya sebaga berkut (Gujarat & Porter, 2010 :430). 1. Apabla memperoleh (R 2 ) yang tngg dalam model tetap sedkt sekal bahkan tdak ada satupun parameter regres yang sgnfkan apabla duj secara parsal dengan menggunakan statstk uj t 2. Apabla dperoleh koefsen korelas sederhana yang tngg dantara sepasang-sepasang varabel predktor 3. Apabla dalam model regres dperoleh koefsen regres dengan tanda yang berbeda dengan koefsen korelas antara varabel respon dan predktor 4. Melhat egenvalue dan condton ndex 5. Melhat nla varans nflaton factor (VIF) pada model regres 1 VIFk 2 R (2.3) Dengan R 2 k k adalah koefsen determnas dar varabel predktor X k yang dregreskan terhadap varabel predktor lannya. Jka nla VIF < 10, tdak terdapat multkolneartas. Sebalknya jka nla VIF 10 maka terjad multkolneartas. 2.5 Estmas Model Regres Panel Untuk mengestmas model regres data panel ada beberapa kemungknan yang akan muncul. Hal tersebut dkarenakan saat menggunakan data panel, koefsen slope dan ntersep berbeda pada setap ndvdu dan setap perode waktu. Kemungknankemungknan tersebut dantaranya sebaga berkut (Wdarjono, 2013 : 355). 1. Koefsen slope dan ntersep konstan sepanjang waktu dan ndvdu 2. Koefsen slope konstan tetap koefsen ntersep bervaras pada setap ndvdu

34 12 3. Koefsen slope konstan tetap koefsen ntersep bervaras pada setap ndvdu dan waktu 4. Semua koefsen (bak koefsen slope maupun ntersep bervaras pada setap ndvdu 5. Semua koefsen (bak koefsen slope maupun ntersep bervaras pada sepanjang waktu pada setap ndvdu. Terdapat dua pendekatan yang serng dgunakan dalam melakukan estmas model regres panel dantaranya common effect model dan fxed effect model Common Effect Model (CEM) CEM merupakan pendekatan untuk mengestmas data panel yang palng sederhana. Pada pendekatan n, seluruh data dgabungkan tanpa memperhatkan ndvdu dan waktu. Pada model CEM ntersep ( ) konstan atau sama dsetap ndvdu maupun setap waktu. Adapun persamaan regres dalam CEM dapat dtuls sabaga berkut. (Gujarat & Porter, 2012 : 239). yt α 1X1 t 1X1 t k X kt ε (2.4) t dmana, = 1,2,...,n merupakan jumlah unt observas ke- t = 1,2,...,t merupakan perode waktu ke-t k = 1,2,...,p meruapakan jumlah parameter Pendekatan yang sesua untuk mengestmas parameter model CEM adalah OLS (Ordnary Least Square). OLS atau metode kuadrat terkecl adalah salah satu metode yang serng dgunakan dalam teknk analss regres dengan memnmumkan kuadrat kesalahan atau error sehngga nla regresnya akan mendekat nla sesungguhnya. Jka persamaan CEM dtuls dalam bentuk matrk, maka persamaan menjad sebaga berkut. Y βx e Untuk mendapatkan taksran β dengan OLS adalah dengan cara memnmumkan fungs total kuadrat error

35 13 n 1 e 2 ' e e ' (Y Xβ) (Y Xβ) (Y' X' β') (Y Xβ) Y ' Y ( Y' Xβ)' β' X' Y β' X' Xβ Y ' Y β' X' Y β' X' Y β' X' Xβ Y ' Y 2β' X' Y β' X' Xβ Agar nla e ' e mnmum, dcar turunan pertama terhadap β dan dsamakan dengan nol. ( e ' e) ( Y' Y 2β' X' Y β' X' Xβ) 0 β β ' ' 2XY 2XXβˆ = 0 2 X ' Xβˆ = 2X ' Y X ' Xβˆ = X ' Y ' 1 ' ( X X) X Xβˆ = ( X ' X) 1 X ' Y Sehngga ddapatkan βˆ OLS sebaga berkut (Draper & Smth, 1998 : 123) βˆ 1 OLS (X' X) X' Y (2.5) Fxed Effect Model (FEM) FEM merupakan pendekatan untuk mengestmas data panel yang dapat dbeda-bedakan berdasarkan ndvdu dan waktu. Berkut adalah beberpa jens model FEM (Wdarjono, 2013:356). FEM koefsen slope konstan tetap koefsen ntersep bervaras pada setap ndvdu Pada model n, dasumskan bahwa tdak terdapat efek waktu tetap terdapat efek yang berbeda antar ndvdu. Adapun persamaan regres dalam FEM dapat dtuls sebaga berkut.

36 14 yt α X t ' β ε t (2.6) Indeks pada ntersep (α ) menunjukkan bahwa ntersep dar masng-masng ndvdu berbeda, tetap ntersep untuk unt waktu tetap (konstan). Perbedaan ntersep tersebut dapat dnyatakan dengan varabel dummy ndvdu.. FEM koefsen slope konstan tetap koefsen ntersep bervaras pada setap waktu Pada model n, dasumskan bahwa tdak terdapat efek ndvdu tetap terdapat efek yang berbeda antar waktu. Adapun persamaan regres dalam FEM dapat dtuls sebaga berkut. yt α t X t ' β ε t (2.7) Indeks t pada ntersep (α t ) menunjukkan bahwa ntersep dar masng-masng waktu berbeda, tetap ntersep untuk unt ndvdu tetap (konstan). Perbedaan ntersep tersebut dapat dnyatakan dengan varabel dummy waktu.. FEM koefsen slope konstan tetap koefsen ntersep bervaras pada setap ndvdu dan waktu Pada model n, dasumskan bahwa terdapat efek ndvdu dan waktu. Adapun persamaan regres dalam FEM dapat dtuls sebaga berkut. yt α t X t ' β ε t (2.8) merupakan ntersep untuk ndvdu ke- dan t merupakan ntersep untuk waktu ke-t. Perbedaan ntersep tersebut dapat dnyatakan dengan varabel dummy ndvdu dan waktu. Pendekatan yang sesua untuk mengestmas parameter model FEM adalah LSDV (Least Square Dummy Varable). LSDV merupakan estmas parameter dengan menggunakan metode OLS dengan memasukkan varabel dummy sebaga salah satu varabel predktornya. Varabel dummy adalah sebuah varabel yang hanya memlk dua kemungknan. Analss pada varabel dummy n yatu dengan member kode 1 pada salah satu kategor dan lannya

37 15 dber kode 0. Berkut merupakan model dar analss regres dengan menggunakan varabel dummy. Y k k1 (2.8) Keterangan : X = varabel predktor kuanttatf D = varabel predktor kualtatf (dummy) T 1 T X X X (2.9) Y Y1 1 X 11 D11 D1, P1 0 Y2 Y, 1 X 21 D21 D 2, P1 X, 1 (2.10) Y n 1 X n1 Dn 1 DN, P1 p 1 Terdapat beberapa kekurangan dar metode FEM antara lan (Gujarat & Porter, 2012 : 245). 1. Semakn banyak jumlah varabel dummy maka akan menmbulkan masalah terhadap jumlah dar derajat bebas (degree of freedom) 2. Semakn banyak jumlah varabel yang masuk dalam model maka peluang terjadnya multkolneartas akan semakn tngg. 3. Mash terdapat permasalahan mengena asums error 4. Metode LSDV tdak mampu mengdentfkas pengaruh dar varabel yang bersfat tetap terhadap waktu (tme-nvarant varable) 2.6 Uj Chow Uj chow adalah pengujan yang dlukan untuk memlh antara CEM atau FEM untuk mengestmas data panel. Pengujan n mrp dengan uj F (Asterou & Hall, 2007 : 346). Hpotess yang dgunakan dalam uj chow sebaga berkut. Hpotess H 0 : (Model CEM yang sesua) 1 2 n H 1 : mnmal ada satu (Model FEM yang sesua) j

38 16 Dmana,j = 1,2,3,...,n dan j Statstk uj: 2 2 RFEM RPooled / m F (2.11) 2 1 RFEM / n k Keterangan: 2 R = R-Square model CEM Pooled 2 R = R-Square model FEM FEM m = selsh banyaknya parameter dantara 2 model regres n = banyaknya observas k = banyaknya varabel predktor Daerah Penolakan : Tolak H 0 jka F htung > F m, np ) /( FEM 2.7 Pengujan Parameter Model Regres Pengujan parameter model regres dlakukan untuk mengetahu hubungan antara varabel respon dengan varabel predktor. Terdapat dua pengujan yang harus dlakukan yatu pengujan secara serentak dan pengujan secara parsal Pengujan Serentak Pengujan secara serentak dlakukan untuk memerksa keberartan koefsen β secara serentak terhadap varabel respon. Hpotess yang dgunakan sebaga berkut (Draper & Smth, 1998). H 0 : 1 2 k 0 H 1 : mnmal ada satu 0 dengan ŷ t F n n 1 t1 k 1 t1 t t 2 yˆ y / k 1 2 yˆ y / nt k 1 t t (2.12) : nla predks ndvdu ke- untuk perode waktu ke-t pada varabel respon

39 17 y k : rata-rata nla varabel respon pada ndvdu ke- : banyaknya varabel predktor Daerah Penolakan : Tolak H 0 jka F htung > F /( k1, ntk1 ) Pengujan Parsal Pengujan parsal atau ndvdu dgunakan untuk mengetahu parameter yang berpengaruh sgnfkan secara ndvdu terhadap model. Hpotess yang dgunakan adalah sebaga berkut (Draper & Smth, 1998 : 39). Hpotess H 0 : k 0 dmana k= 1,2,.,p H 1 : 0 dmana k= 1,2,.,p k Statstk Uj: ˆ t se ˆ k Daerah Penolakan : Tolak H 0 jka t htung > k htung (2.13) dmana seˆ k = standart error untuk parameter ke-k n = jumlah observas cross secton t = jumlah perode tme seres k = banyak varabel predktor, k = 1,2,...,p t /( ntk1) Pengujan Asums Model Pengujan asums model harus dlakukan guna memenuh asums yang dentk, ndependen, dan berdstrbus normal ε t ~ IIDN (0,σ 2 ). Pengujan asums model tersebut secara rnc djelaskan sebaga berkut (Gujarat & Porter, 2012) Pengujan Kolmogorof Smrnov Pengujan kolmogorof smrnov dgunakan untuk mengetahu apakah resdual yang ddapatkan dalam regres lner berganda

40 18 metode kuadrat terkecl berdstrbus normal atau tdak (Gujarat & Porter, 2012). Hpotess : H 0: F (x) = F 0 ( x) (Resdual data berdstrbus normal) H 1: F(x) F ( ) (Resdual data tdak berdstrbus normal) 0 x Statstk uj : D SupS ( x ) F 0 ( x ) (2.14) x dmana : Sup = Supremum dar nla absolut selsh antara S(x) dan F 0( x ) S (x) = Dstrbus frekuens kumulatf observas F 0( x) = Fungs dstrbus frekuens kumulatf Selanjutnya nla D dbandngkan dengan tabel Kolmogorov Smrnov. Jka D>D α maka H 0 dtolak sehngga dnyatakan resdual tdak berdstrbus normal. Jka pengujan normaltas tdak dapat dpenuh maka dapat dlakukan pendeteksan outler serta transformas data Pengujan Glejser Salah satu asums regres panel yang harus dpenuh adalah varans dar error harus homogen serta bersfat konstan 2 Var ( t ) atau dsebut juga dentk. Kebalkannya, bla ternyata dperoleh konds varans error tdak dentk berart terjad kasus heterokedaststas. Konsekuens jka asums homokedaststas tdak terpenuh adalah estmator OLS tetap tak bas dan konssten tetap estmator tersebut tdak lag efsen bak dlam sampel kecl maupun besar yang berakbat nterval kepercayaan menjad semakn lebar dan pengujan sgnfkas menjad kurang kuat. Untuk mendeteks adanya kasus heterokedaststas salah satunya adalah menggunakan uj Glejser (Gujarat & Porter, 2012). Dengan hpotess sebaga berkut.

41 19 Hpotess : H 0 :... (Varans resdual dentk) 1 2 k H 1 : mnmal terdapat satu, =1,2,, k n (Varans resdual tdak dentk) Taraf sgnfkan : = 0,05 Jka k = 1, pengujan glejser dlakukan dengan cara meregreskan e sebaga varabel respon dengan x sebaga varabel predktor sehngga model yang dperoleh e 0 1x Jka k = lebh dar 1, pengujan glejser dlakukan dengan cara meregreskan e sebaga varabel respon dengan ŷ sebaga varabel predktor sehngga model yang dperoleh e yˆ 0 1 Statstk Uj : MS regres Fhtung (2.15) MS resdual Jka varabel predktor sgnfkan secara statstk terhadap varabel respon maka terdapat ndkas terjad heterokedaststas Pengujan Durbn-Watson Asums persyaratan ndependen yatu covarans (ε, ε j) = 0 untuk setap j atau tdak terdapat autokorelas. Autokorelas berart ada hubungan antar resdual bersfat tdak salng ndependen. Pemerksaan asums resdual bersfat ndependen juga dapat dlakukan secara nferensa yatu dengan manggunakan uj Durbn-Watson (Gujarat & Porter, 2012). Hpotess untuk melakukan pengujan dependens resdual adalah sebaga berkut: 1. Hpotess pertama (uj korelas postf) H 0 : 0 (tdak ada korelas postf antar resdual) t H 1 : 0 (ada korelas postf antar resdual) t 2. Hpotess kedua (uj korelas negatf) H 0 : 0 tdak ada korelas negatf antar resdual t

42 20 H 1 : 0ada korelas negatf antar resdual t 3. Hpotess ketga : H 0 : 0 (tdak ada korelas postf maupun negatf antar t resdual) H 1 : t 0 (ada korelas postf atau negatf antar resdual) Taraf sgnfkan : Statstk Uj : d n 2 ( n ) (2.16) Daerah Penolakan: 0< d < dl = Terdapat autokorelas postf dl< d < du = Tdak ada kesmpulan yang past 4-dL < d < 4 = Terdapat autokorelas negatf 4-dU <d< 4-dL = Tdak ada kesmpulan yang past du < d < 4-dU = Tdak terdapat autokorelas 2.9 Ketmpangan Ekonom Antar Wlayah Ketmpangan ekonom antar wlayah merupakan ketdaksembangan pertumbuhan ekonom d suatu wlayah. Ketmpangan ekonom antar wlayah merupakan aspek yang umum terjad dalam kegatan ekonom suatu daerah. Ketmpangan muncul karena adanya perbedaan kandungan sumberdaya alam dan perbedaan konds demograf yang terdapat pada masng-masng wlayah. Sehngga kemampuan suatu daerah dalam proses pembangunan juga menjad berbeda. Oleh karena tu, pada setap daerah terdapat wlayah maju dan wlayah terbelakang. Ketmpangan juga memberkan mplkas terhadap tngkat kesejahteraan masyarakat antar wlayah yang akan mempengaruh

43 21 formulas kebjakan pembangunan wlayah yang dlakukan oleh pemerntah (Sjafrzal,2008). Beberapa faktor utama penyebab terjadnya ketmpangan ekonom menurut Sjafrzal (2008) adalah: a. Perbedaan Kandungan Sumber Daya Alam Adanya perbedaan yang sangat besar dalam kandungan sumberdaya alam pada masng-masng daerah mendorong tmbulnya ketmpangan pembangunan antar wlayah. Perbedaan kandungan sumberdaya alam mempengaruh kegatan produks pada daerah yang bersangkutan. Daerah dengan kandungan sumberdaya alam cukup tngg akan dapat memproduks barang-barang tertentu dengan baya relatf murahdbandngkan dengan daerah lan yang mempunya kandungan sumberdaya alam lebh rendah. Sehngga pertumbuhan ekonom daerah bersangkutan menjad lebh cepat. b. Perbedaan Konds Demografs Konds demografs yang dmaksud adalah perbedaan tngkat pertumbuhan dan struktur kependudukan, perbedaan tngkat penddkan dan kesehatan, perbedaan konds ketenagakerjaan dan perbedaan dalam tngkah laku dan kebasaan serta etos kerja yang dmlk masyarakat daerah bersangkutan. Daerah dengan konds demografs yang bak akan cenderung mempunya produktvtas kerja yang lebh tngg sehngga hal n akan mendorong penngkatan nvestas yang selanjutnya akan menngkatkan penyedaan lapangan kerja dan pertumbuhan ekonom daerah c. Kurang Lancarnya Mobltas Barang dan Jasa Mobltas barang dan jasa melput kegatan perdagangan antar daerah dan mgras. Apabla mobltas tersebut kurang lancar maka kelebhan produks suatu daerah tdak dapat djual ke daerah lan yang membutuhkan. Mgras yang kurang lancar dapat menyebabkan kelebhan tenaga kerja pada suatu daerah. Akbatnya daerah terbelakang sult mendorong proses pembangunannya.

44 22 d. Perbedaan Konsentras Kegatan Ekonom Wlayah Pertumbuhan ekonom daerah akan cenderung lebh cepat pada daerah yang memlk konsentras kegatan ekonom cukup besar. Konds nakan mendorong proses pembangunan daerah melalu penngkatan penyedaan lapangan kerja dan tngkat pendapatan masyarakat. e. Alokas Dana Pembangunan Antar Wlayah Investas merupakan salah satu yang sangat menentukan pertumbuhan ekonom suatu daerah. daerah yang mendapat alokas nvestas yang lebh besar dar pemerntah atau dapat menark lebh banyak nvestas swasta akan cenderung mempunya tngkat pertumbuhan ekonom daerah yang lebh cepat

45 BAB III METODOLOGI PENELITIAN 3.1 Sumber Data Data yang dgunakan pada peneltan n adalah data sekunder yang dperoleh secara resm dan vald dar Badan Pusat Statstk Jawa Tmur yang dtunjukkan dengan surat keterangan pada Lampran 28 dan 29. Unt peneltan yang dgunakan adalah kabupaten/kota Provns Jawa Tmur yang termasuk daerah relatf tertnggal berdasarkan hasl analss klasfkas tpolog klassen. Struktur data dalam peneltan n dsajkan pada Tabel 3.1 dan lebh detal pada Lampran 1. Unt Peneltan Tabel 3.1 Struktur Data Peneltan Varabel Varabel Tahun Respon Predktor (Y) (X1) Varabel Predktor (X4) Kab/Kota Y (1,2008) X 1(1,2008) X 4(1,2008) 2009 Y (1,2009) X 1(1,2009) X 4(1,2009) 2015 Y (1,2015) X 1(1,2015) X 4(1,2015) Kab/Kota Y (2,2008) X 1(2,2008) X 4(2,2008) 2009 Y (2,2009) X 1(2,2009) X 4(2,2009) 2015 Y (2,2015) X 1(2,2015) X 4(2,2015) Kab/Kota n 2008 Y (n,2008) X 1(n,2008) X 4(n,2008) 2009 Y (n,2009) X 1(n,2009) X 4(n,2009) 2015 Y (n,2015) X 1 (n,2015) X 4(n,2015) 3.2 Varabel Peneltan Varabel peneltan yang dgunakan dalam analss faktorfaktor yang mempengaruh pertumbuhan ekonom sektor pertanan daerah tertnggal guna memnmalsr ketmpangan pendapatan 23

46 24 regonal d Provns Jawa Tmur sebanyak 4 varabel yang menggunakan data tahun 2008 hngga 2015 yang dsajkan pada Tabel 3.2. Tabel 3.2 Varabel Peneltan Varabel Keterangan Skala Data Satuan Y PDRB Sektor Pertanan Raso Mlar/Tahun X 1 Tenaga Kerja Sektor Pertanan Raso Jwa/Tahun X 2 Pendapatan Asl Daerah Raso Juta /Tahun X 3 Luas Lahan Sawah Raso Hektar/Tahun X 4 Produks Tanaman Pangan Raso Ton/Tahun Berkut n penjelasan mengena varabel yang dgunakan. 1. PDRB Sektor Pertanan PDRB adalah jumlah nla tambah bruto (gross value added) yang tmbul dar sektor perekonoman d suatu wlayah dalam jangka waktu tertentu khususnya sektor pertanan. Pengertan nla tambah bruto adalah nla produks (output) dkurang dengan baya antara (ntermedate cost). 2. Tenaga Kerja Sektor Pertanan Angkatan kerja adalah penduduk yang sudah memasuk usa kerja, bak yang sudah bekerja maupun belum bekerja atau sedang mencar pekerjaan. Penduduk yang sudah memasuk usa kerja adalah berusa mnmal 15 tahun sampa 65 tahun. Tenaga kerja sektor pertanan merupakan angkatan kerja yang bekerja d sektor pertanan. 3. Pendapatan Asl Daerah Pendapatan asl daerah adalah pendapatan yang dperoleh daerah yang dpungut berdasarkan peraturan daerah sesua dengan peraturan perundang-undangan (pajak daerah, retrbus daerah dan lan lan) guna keperluan daerah yang bersangkutan dalam membaya kegatannya 4. Lahan Sawah Lahan sawah adalah lahan pertanan yang berpetak-petak dan dbatas oleh pematang, saluran untuk menyalurkan ar,

47 25 yang basanya dtanam pad sawah. Lahan sawah terdr dar sawah rgas dan sawah non rgas. 5. Produks Tanaman Pangan Produks tanaman pangan merupakan hasl tanaman pertanan yang melput pad, jagung, kedela, kacang tanah, kacang hjau, ub jalar, ub kayu. 3.3 Langkah Analss Sesua dengan rumusan masalah, langkah analss yang dlakukan pada peneltan n adalah sebaga berkut: 1. Mengumpulkan data dan menganalss karakterstk data Mengumpulkan data PDRB Sektor Pertanan Jawa Tmur dan varabel-varabel yang dduga berpengaruh tahun 2008 sampa 2015 serta menghtung karakterstk data dar varabel respon PDRB sektor pertanan serta 4 varabel yang dduga mempengaruhnya. 2. Melakukan analss ndeks Wllamson Indeks Wllamson dhtung dar tahun ke tahun kemudan dbuat grafk untuk mengetahu konds ketmpangan pendapatan d Jawa Tmur mengalam penngkatan atau penurunan tahun 2008 hngga Unt peneltan yang dgunakan adalah 38 kabupaten dan kota Jawa Tmur 3. Melakukan klasfkas dengan tpolog klassen Mengklasfkaskan kabupaten dan kota d Jawa Tmur berdasarkan laju pertumbuhan ekonom dan PDRB. Pengklasfkasan dbagan menjad daerah maju dengan pertumbuhan pesat, daerah berkembang cepat, daerah maju tap tertekan serta daerah tertnggal. Kabupatan dan Kota yang termasuk dalam daerah relatf tertnggal dgunakan untuk analss selanjutnya. Unt peneltan yang dgunakan adalah 38 kabupaten dan kota Jawa Tmur 4. Melakukan analss regres data panel Unt peneltan yang dgunakan adalah kabupaten dan kota d Jawa Tmur yang termasuk daerah ternggal berdasarkan hasl analss tpolog klassen. Terlebh dahulu dlakukan

48 26 pengujan chow untuk mengetahu model yang sesua adalah model CEM atau FEM. Jka pengujan n tdak sgnfkan maka model yang dgunakan adalah CEM. Jka pengujan n sgnfkan maka model yang dgunakan adalah model FEM. A. Analss dengan Estmas Model CEM Analss n menggunakan metode regres lner berganda untuk mengetahu faktor yang berpengaruh terhadap PDRB sektor pertanan Provns Jawa Tmur tahun 2008 hngga 2015 karena tdak mempertmbangkan efek ndvdu maupun efek waktu. Prosedurnya sebaga berkut. - Melakukan uj multkolnertas. - Melakukan pengujan sgnfkans parameter model regres secara serentak dan parsal - Melakukan pendeteksan dan penanggulangan asums resdual IIDN - Mendapatkan estmas model CEM Interpretas model CEM B. Analss dengan Estmas Model FEM Berbeda dengan analss menggunakan estmas model CEM, analss n perlu memperhatkan efek ndvdu dan efek waktu untuk mengetahu faktor yang berpengaruh terhadap PDRB sektor pertanan Provns Jawa Tmur tahun 2008 hngga 2015 sehngga pemodelan tersebut terdr dar pemodelan menggunakan efek ndvdu serta epfek waktu. Prosedurnya sebaga berkut. - Melakukan uj multkolnertas. - Melakukan pengujan sgnfkans parameter model regres secara serentak dan parsal - Melakukan pendeteksan dan penanggulangan asums resdual IIDN - Mendapatkan estmas model regres panel - Interpretas model regres panel menggunakan efek ndvdu dan efek waktu. 5. Menark Kesmpulan dan Saran

49 27 Berdasarkan langkah analss yang telah djelaskan dapat dgambarkan melalu dagram alr sebaga berkut. Mengumpulkan Data Analss Indeks Wllamson Analss Tpolog Klassen Model CEM Tdak Terdapat Efek Wlayah dan Efek Waktu Ya Model FEM PCR Ya Terdeteks Multko Tdak Tdak Model Sgnfkan Ya Varabel Tdak Sgnfkan dhlangkan Tdak Parameter Sgnfkan A Ya

50 28 A Tdak Datas dengan Pendekatan Regres Lag Varabel Resdual Identk dan Independen? Ya Resdual Berdstrbus Normal? Tdak Datas dengan Pendekatan Transformas data Estmas Parameter Model Baru Kebakan Model Regres R 2 Kesmpulan

51 BAB IV ANALISIS DAN PEMBAHASAN Bab n menyajkan hasl dar analss data yang telah dlakukan berdasarkan metode peneltan yang durakan pada bab sebelumnya. Pembahasan bab n dawal dengan analss ketmpangan pendapatan regonal Jawa Tmur, pengklasfkasan kabupaten/kota d Jawa Tmur dengan metode tpolog klassen kemudan dlakukan pemodelan PDRB Sektor Pertanan daerah tertnggal d Jawa Tmur menggunakan regres panel yang dmula dar pemlhan estmas model, pengujan sgnfkans parameter, estmas model regres panel, pengujan asums model hngga pemlhan kebakan model. 4.1 Analss Karakterstk Data Pada PDRB Sektor Pertanan dan Faktor-Faktor yang Mempengaruhnya Karakterstk data PDRB sektor pertanan dan faktor-faktor yang dduga mempengaruhnya d Kabupaten dan Kota Provns Jawa Tmur tahun 2008 hngga 2015 akan danalss dengan tujuan untuk mengetahu konds yang terjad pada setap varabel yang dgunakan mengalam penngkatan ataukah penurunan setap tahunnya. Haslnya yang akan dsajkan pada tabel dan grafk sub bab hngga Karakterstk Varabel Respon dan Seluruh Varabel Predktor Berkut adalah tabel yang menyajkan gambaran umum dar data yang dgunakan yang melput nla rata-rata, nla mnmum, dan nla maksmum dar setap varabel, yatu varabel respon (Y) merupakan PDRB sektor pertanan dan varabel predktor (X) yang terdr dar tenaga kerja sektor pertanan (X 1), pendapatan asl daerah (X 2), luas sawah (X 3) dan produks tanaman pangan (X 4). 29

52 Tabel 4.1 Karakterstk Data Varabel Respon dan Seluruh Predktor Varabel Tahun PDRB Rata-rata Sektor Mnmum Pertanan Maksmum Tenaga Kerja Pertanan Pendapatan Asl Daerah Luas Sawah Produks Tanaman Pangan Rata-rata Mnmum Maksmum Rata-rata 63,3 87,8 93,5 122,9 191,5 202,9 322,9 322,9 Mnmum 17,5 17,4 25,2 22,5 38,8 39,2 67,3 80,2 Maksmum 641,8 809,8 1036,2 1769, ,8 3247,5 3520,1 Rata-rata Mnmum Maksmum Rata-rata Mnmum Maksmum Tabel 4.1 menunjukkan bahwa setap tahunnya rata-rata PDRB sektor pertanan Jawa Tmur mengalam penngkatan. Begtu pula dengan PDRB sektor pertanan tertngg setap tahunnya juga mengalam penngkatan mula dar tahun 2008 sebesar 8,678 mlar yatu Kabupaten Banyuwang hngga tahun 2015 sebesar 15,737 mlar yatu Kabupaten Jember. Tahun , Kota Mojokerto merupakan kota palng rendah yang memlk PDRB sektor pertanan d Jawa Tmur dkarenakan luas wlayahnya cukup kecl sehngga tdak berpotens dalam pengembangan sektor pertanan. 30

53 Setap tahunnya rata-rata jumlah tenaga kerja sektor pertanan Jawa Tmur mengalam nak turun. Penurunan yang cukup besar terjad pada tahun 2009 ke 2010 yang mencapa jwa. Selama 8 tahun (tahun 2008 sampa tahun 2015), jumlah tenaga kerja sektor pertanan palng tngg yatu Kabupaten Jember pada tahun 2011 sebanyak jwa dar jumlah penduduknya sebesar jwa atau 25% persen penduduk Kabupaten Jember bekerja d sektor pertanan. Rata-rata pendapatan asl daerah Provns Jawa Tmur selama 8 tahun (2008 hngga 2015) mengalam penngkatan. Penngkatan yang sgnfkan sebesar 120 juta terjad pada tahun 2013 ke tahun Pendapatan asl daerah palng tngg d Jawa Tmur dalam kurun waktu 8 tahun yatu Kota Surabaya karena Kota Surabaya yang merupakan bukota provns sehngga kegatan perekonoman mayortas berpusat d Kota Surabaya menyebabkan lebh banyak menghaslkan pajak daerah maupun retrbus daerah. Kabupaten Lamongan memlk lahan sawah palng luas dantara 38 kabupaten dan kota d Jawa Tmur. Dalam kurun waktu 8 tahun (dar 2008 hngga 2015), tahun 2008 Kabupaten Lamongan memlk lahan sawah palng luas dbandngkan dengan tahun sesudahnya yatu sebesar hektar dar hektar luas wlayah Kabupaten Lamongan atau hampr 50 persen wlayah d Kabupaten Lamongan berupa lahan sawah. Rata-rata produks tanaman pangan Jawa Tmur mengalam nak turun. Penngkatan yang cukup besar terjad pada tahun 2011 ke 2012 yatu sebanyak ton. Dalam kurun waktu 8 tahun (dar 2008 hngga 2015), produks tanaman pangan palng tngg terjad pada tahun 2015 sebesar ton d Kabupaten Jember dengan luas lahan sawah sebesar hektar atau dapat dkatakan bahwa Kabupaten Jember memproduks tanaman pangan sebanyak 20 ton dalam 1 hektar lahan sawah. 31

54 PDRB PERTANIAN PDRB Sektor Pertanan Pertumbuhan ekonom secara makro dapat dlhat melalu besarnya PDRB yang dhaslkan oleh setap daerah. Dalam peneltan n akan mengetahu faktor yang mempengaruh pertumbuhan ekonom d daerah tertnggal Jawa Tmur yang dtnjau dar sektor pertanan. Hal tersebut dkarenakan sektor pertanan merupakan salah satu sektor bass Jawa Tmur. Mayortas kabupaten d Jawa Tmur memlk sektor unggulan yatu sektor pertanan. Sektor pertanan dkategorkan menjad tanaman pangan, tanaman holtkultura, tanaman perkebunan, peternakan, dan jasa pertanan. Gambar 4.1 menyajkan PDRB sektor pertanan Jawa Tmur tahun 2008 hngga , , , , , , , , Gambar 4.1 PDRB Sektor Pertanan Jawa Tmur Gambar 4.1 menunjukkan bahwa PDRB sektor pertanan Jawa Tmur tahun 2008 hngga 2015 berfluktuatf. Mula tahun 2008 hngga 2009 PDRB Sektor Pertanan Provns Jawa Tmur mengalam penngkatan sebesar 9,417 mlar rupah namun tahun 2009 ke 2010 mengalam penurunan sebesar 3,560 mlar rupah. Penngkatan PDRB sektor pertanan Jawa Tmur secara sgnfkan terjad pada tahun 2015 yatu sebesar 17,312 mlar rupah. Untuk mengetahu pertumbuhan ekonom sektor pertanan kabupaten dan kota Jawa Tmur dsajkan pada Gambar 4.2

55 PDRB PERTANIAN , , , , , , , , ,0 0,0 Gambar 4.2 PDRB Sektor Pertanan Kabupaten/Kota Secara umum PDRB sektor pertanan Jawa Tmur ddomnas oleh wlayah kabupaten dbandngkan wlayah perkotaan. Wlayah perkotaan memlk kontrbus terhadap PDRB sektor pertanan Jawa Tmur namun tdak sebesar wlayah kabupaten karena wlayah perkotaan sektor unggulan yang mendomnas adalah sektor ndustr pengolahan dan perdagangan berdasarkan data dar Badan Pusat Statstk. PDRB sektor pertanan kabupaten dan kota Jawa Tmur tahun 2008 hngga 2015 terus mengalam penngkatan. Kabupaten Jember memlk PDRB sektor pertanan palng besar dbandngkan dengan kabupaten/kota lan d Jawa Tmur yatu sebesar 15,737 mlar rupah pada tahun 2015 karena produks tanaman pangan yang cukup tngg mencapa ton Produks Tanaman Pangan Salah satu faktor yang mempengaruh pertumbuhan ekonom sektor pertanan d daerah tertnggal Jawa Tmur adalah produks tanaman pangan. Tanaman pangan yang dmaksud menurut Badan Pusat Statstk terdr dar pad, jagung, kedela, kacang tanah, ub jalar, ub kayu, serta kacang hjau. Perkembangan jumlah produks tanaman pangan Provns Jawa Tmur tahun 2008 hngga 2015 dsajkan pada Gambar 4.3.

56 Pactan Ponorogo Trenggalek Tulungagung Bltar Kedr Malang Lumajang Jember Banyuwang Bondowoso Stubondo Probolnggo Pasuruan Sdoarjo Mojokerto Jombang Nganjuk Madun Magetan Ngaw Bojonegoro Tuban Lamongan Gresk Bangkalan Sampang Pamekasan Sumenep Kota Kedr Kota Bltar Kota Malang Kota Probolnggo Kota Pasuruan Kota Mojokerto Kota Madun Kota Surabaya Kota Batu Produks Tanman Pangan Produks Tanman PAngan Gambar 4.3 Produks Tanaman Pangan Jawa Tmur Produks tanaman pangan Jawa Tmur tahun 2008 hngga 2015 mengalam fluktuatf. Tahun 2008 hngga 2010 mengalam penngkatan sebesar ton. Namun mengalam penurunan pada tahun 2011 sebesar ton. Produks tanaman pangan mengalam penngkatan secara sgnfkan pada tahun 2012 sebesar ton. Untuk mengetahu produks tanaman pangan kabupaten/kota Jawa Tmur dsajkan pada Gambar Gambar 4.4 Produks Tanaman Pangan Kabupaten/Kota

57 35 Produks tanaman pangan d kabupaten dan kota Provns Jawa Tmur mayortas mengalam penngkatan mula tahun 2008 hngga tahun 2015 antara lan Kabupaten Trenggalek, Tulungagung, Bltar, Kedr dan Jember. Dalam kurun waktu 8 tahun (dar 2008 hngga 2015) sawah dantara 38 kabupaten dan kota d Jawa Tmur, produks tanaman pangan palng tngg terjad pada tahun 2015 sebesar ton d Kabupaten Jember dengan luas lahan sawah sebesar hektar atau dapat dkatakan bahwa Kabupaten Jember memproduks tanaman pangan sebanyak 20 ton dalam 1 hektar lahan sawah. Hal tersebut menyebabkan pertumbuhan PDRB sektor pertanan d Kabupaten Jember mengalam penngkatan dan berkontrbus palng besar pada PDRB sektor pertanan Jawa Tmur Luas Lahan Sawah Luas lahan sawah menjad salah satu faktor yang dduga mempengaruh pertumbuhan ekonom sektor pertanan Jawa Tmur. Luas lahan sawah tersebut mengndkas seberapa besar jumlah produks yang dhaslkan. Gambar 4.5 menyajkan luas lahan sawah d kabupaten dan kota Jawa Tmur tahun 2008 hngga Secara keseluruhan perkembangan luas lahan sawah d kabupaten dan kota Jawa Tmur konstan tu artnya mula tahun 2008 hngga 2015 luas lahan sawah tersebut tdak mengalam perluasan ataupun penyemptan. Namun terdapat beberapa kabupaten yang mengalam penyemptan luas lahan sawah antara lan Kabupaten Malang, Kabupaten Kedr, Kabupaten Jember, Kabupaten Mojokerto, Kabupaten Jombang, Kabupaten Lamongan dan Kabupaten Sumenep. Hal tersebut terlhat dar luas lahan sawah tahun 2012 mengalam penurunan hngga tahun Kabupaten Jember yang memlk luas lahan sawah cukup besar d Jawa Tmur mengalam penyemptan lahan tahun 2012 seluas hektar menyusut menjad hektar pada tahun Dalam kurun waktu 8 tahun (dar 2008 hngga 2015), tahun 2008 Kabupaten Lamongan memlk lahan sawah palng luas dbandngkan dengan tahun sesudahnya yatu sebesar

58 36 hektar dar hektar luas wlayah Kabupaten Lamongan atau hampr 50 persen wlayah d Kabupaten Lamongan berupa lahan sawah Gambar 4.5 Luas Lahan Sawah Kabupaten/Kota Tenaga Kerja Sektor Pertanan Tenaga kerja khususnya sektor pertanan merupakan salah satu faktor yang mempengaruh pertumbuhan ekonom d daerah tertnggal Jawa Tmur. Secara keseluruhan sesua yang dsajkan pada Gambar 4.6 tenaga kerja sektor pertanan d Jawa Tmur mengalam penurunan meskpun juga mengalam penngkatan namun tdak sgnfkan. Tahun 2009 ke 2013 terjad penurunan jumlah tenaga kerja sektor pertanan yang cukup besar sebanyak tenaga kerja. Hal tersebut dsebabkan karena luas lahan pada sektor pertanan dar tahun ke tahun mengalam penurunan sehngga tenaga kerja sektor pertanan pun juga menurun dan beralh pada sektor lan. Selama 8 tahun (tahun 2008 sampa tahun 2015), jumlah tenaga kerja sektor pertanan palng tngg yatu Kabupaten Jember pada tahun 2011 sebanyak jwa dar jumlah penduduknya sebesar jwa atau 25% persen penduduk Kabupaten Jember bekerja d sektor pertanan.

59 Gambar 4.6 Tenaga Kerja Pertanan Jawa Tmur Tahun Secara keseluruhan jumlah tenaga kerja sektor pertanan d kabupaten dan kota Jawa Tmur dar tahun 2008 hngga tahun 2015 mengalam penurunan sepert yang dsajkan pada Gambar 4.7. Kabupaten Jember yang merupakan kabupaten dengan jumlah tenaga kerja sektor pertanan palng besar mengalam jumlah penurunan tenaga kerja sebesar jwa. Selan Kabupaten Jember, terdapat dua kabupaten yang mengalam penurunan jumlah tenaga kerja yang sgnfkan yatu Kabupaten Malang dan Kabupaten Sumenep. Tahun 2014 tenaga kerja sektor pertanan Kabupaten Malang sebanyak jwa berkurang menjad jwa pada tahun Hal tersebut menyebabkan berkurangnya produks tanaman pangan pada tahun 2014 sebesar 1,22 juta ton menjad 1,13 juta ton pada Menurut BPS, penurunan tenaga kerja sektor pertanan d Kabupaten Sumenep pada tahun 2015 sebanyak jwa. Hal tersebut dkarenakan mayortas penduduk d Kabupaten Sumenep beralh bekerja pada sektor perdagangan dan sektor kelautan.

60 PAD Tenaga Kerja Pertanan Gambar 4.7 Tenaga Kerja Pertanan Kab/Kota Tahun Pendapatan Asl Daerah Pendapatan asl daerah dduga mempengaruh pertumbuhan ekonom d daerah tertnggal Jawa Tmur. Pendapatan asl daerah merupakan seluruh penermaan yang dperoleh daerah dar pajak daerah, retrbus daerah, hasl pengelolaan daerah hngga keuntungan nla tukar rupah terhadap mata uang asng. Perkembangan pendapatan asl daerah Provns Jawa Tmur dsajkan pada Gambar , , , , , , , , , , , , , , , Gambar 4.8 Pendapatan Asl Daerah Jawa Tmur Tahun

61 PAD 39 Pendapatan asl daerah Jawa Tmur secara umum dar tahun 2008 hngga tahun 2015 terus mengalam penngkatan sepert yang dsajkan pada Gambar 4.8. Penngkatan sgnfkan terjad pada tahun 2013 sebesar 7,672 mlar rupah menjad 12,302 mlar rupah pada tahun Untuk mengetahu konds pendapatan asl daerah untuk kabupaten dan kota Jawa Tmur dsajkan pada Gambar , , , , , , , , , , , Gambar 4.9 Pendapatan Asl Daerah Kab/Kota Tahun Gambar 4.9 menyajkan bahwa secara keseluruhan pendapatan asl daerah kabupaten dan kota d Jawa Tmur mengalam penngkatan dar tahun 2008 ke tahun Pendapatan asl daerah palng tngg adalah Kota Surabaya sebesar 3,52 mlar rupah dsusul dengan Kabupaten Sdoarjo sebesar 1,09 mlar rupah dan yang ketga Kabupaten Gresk sebesar 842,197 juta rupah. Hal tersebut dkarenakan Kota Surabaya, Kabupaten Sdoarjo dan Kabupaten Gresk menjalankan kegatan perekonoman yang lebh padat dbandngkan kabupaten dan kota lan terlhat terdapat ndustr besar maupun ndustr menengah serta pusat perdagangan yang besar menyebabkan penngkatan pendapatan asl daerah yang berasal dar pembayaran pajak dan retrbus daerah.

62 Wllamson Indeks Analss Ketmpangan Pendapatan Regonal Antar Kabupaten dan Kota d Jawa Tmur Ketmpangan pendapatan regonal antar kabupaten dan kota Jawa Tmur dhtung menggunakan data PDRB per kapta dan jumlah penduduk. Perhtungan ndeks ketmpangan pendapatan regonal menggunakan persamaan 2.1, perhtungan manual pada Lampran 10 serta haslnya dsajkan pada Gambar ,7900 0,7800 0,7700 0,7600 0,7500 0,7835 0,7781 0,7714 0,7686 0,7642 0,7595 0,7536 0,7472 0,7400 0,7300 0, Gambar 4.10 Ketmpangan Pendapatan Regonal Jawa Tmur Gambar 4.10 menunjukkan ndeks wllamson tahun 2009 hngga 2010 mengalam penurunan yang artnya semakn meratanya pendapatan perkapta antar kabupaten dan kota d Jawa Tmur hal tersebut dsebabkan karena terjadnya penurunan jumlah penduduk pada 19 kabupaten dan kota Jawa Tmur yang memlk pendapatan perkapta rendah sehngga mengakbatkan menngkatnya pendapatan per kapta tersebut. Namun tahun 2010 ke tahun 2011 ndeks wllamson kembal mengalam penngkatan yang artnya ketdakmerataan pendapatan perkapta antar kabupaten dan kota d Jawa Tmur semakn menngkat. Hal tersebut dndkas karena adanya selsh antara pendapatan regonal terendah dan tertngg terpaut sangat jauh. Tahun 2011

63 41 PDRB terendah yatu Kota Bltar sebesar 3,038 mlar sedangkan PDRB tertngg yatu Kota Surabaya sebesar 247,687 mlar. Secara keseluruhan Indeks Wllamson Provns Jawa Tmur tahun 2008 hngga 2015 menunjukkan nla lebh dar sebesar 0,5 yang berart ketmpangan pendapatan regonal d Jawa Tmur berada pada level tngg. Ketmpangan pendapatan regonal menyebabkan munculnya daerah yang termasuk dalam daerah tertnggal. 4.3 Klasfkas Pola Pertumbuhan Ekonom Kabupaten dan Kota d Jawa Tmur Tpolog Klassen dlakukan dengan cara membandngkan PDRB per kapta masng-masng kabupaten dan kota dengan PDRB per kapta Jawa Tmur dan membandngkan laju pertumbuhan PDRB masng-masng kabupaten dan kota dengan laju pertumbuhan Jawa Tmur. PDRB yang dgunakan adalah atas dasar harga konstan tahun 2010 Telah djelaskan pada sub bab 4.2 bahwa tahun 2015 merupakan tahun dmana ketmpangan pendapatan regonal berada pada taraf tngg dbandngkan dengan tahun sebelumnya. Maka dar tu dlakukan pengklasfkasan untuk mengetahu kabupaten dan kota d Jawa Tmur yang termasuk daerah tertnggal. Berdasarkan data pada Lampran 11, kabupaten dan kota d Jawa Tmur dapat dbag menjad empat klasfkas sebaga berkut. Tabel 4.2 Klasfkas Pola Pertumbuhan Ekonom Jawa Tmur Tahun 2015 Menurut Tpolog Klassen Daerah Maju dengan Pertumbuhan Ekonom Cepat 1. Kebupaten Mojokerto 2. Kabupaten Gresk 3. Kota Malang 4. Kota Madun 5. Kota Surabaya 6. Kota Batu Daerah Berkembang Cepat 1. Kabupaten Banyuwang 2. Kabupaten Bojonegoro 3. Kabupaten Lamongan 4. Kota Bltar 5. Kota Probolnggo 6. Kota Pasuruan 7. Kota Mojokerto

64 42 Tabel 4.2 Klasfkas Pola Pertumbuhan Ekonom Jawa Tmur Tahun 2015 Menurut Tpolog Klassen (Lanjutan) Daerah Maju tap Tertekan 1. Kebupaten Pasuruan 2. Kabupaten Sdoarjo 3. Kota Kedr Daerah Tertnggal 1. Kabupaten Pactan 2. Kabupaten Ponorogo 3. Kabupaten Trenggalek 4. Kabupaten Tulungagung 5. Kabupaten Bltar 6. Kabupaten Kedr 7. Kabupaten Malang 8. Kabupaten Lumajang 9. Kabupaten Jember 10. Kabupaten Bondowoso 11. Kabupaten Stubndo 12. Kabupaten Probolnggo 13. Kabupaten Jombang 14. Kabupaten Nganjuk 15. Kabupaten Madun 16. Kabupaten Magetan 17. Kabupaten Ngaw 18. Kabupaten Tuban 19. Kabupaten Bangkalan 20. Kabupaten Sampang 21. Kabupaten Pamekasan 22. Kabupaten Sumenep Tabel 4.2 menunjukkan bahwa terdapat enam daerah yang masuk dalam klasfkas daerah maju dengan pertumbuhan cepat. Enam daerah tersebut terdr dar empat daerah perkotaan dan dua kabupaten. Hal n menunjukkan bahwa daerah perkotaan tumbuh lebh cepat dan maju dbandngkan dengan kabupaten. Sedangkan pada daerah tertnggal ddomnas dengan daerah kabupaten. Terdapat 22 wlayah yang masuk dalam daerah relatf tertnggal dan semuanya merupakan daerah kabupaten. Daerah tertnggal memlk persentase sebesar 57,89 persen sedangkan daerah maju dengan pertumbuhan cepat memlk persentase 15,79 persen.

65 43 Kabupaten/kota yang termasu dalam daerah berkembang cepat sebesar 18,42 persen ssanya berada pada klasfkas daerah maju tap tertekan yatu sebesar 7,89 persen. Dar perbandngan persentase pada masng-masng klasfkas wlayah, terlhat bahwa jumlah daerah tertnggal d Jawa Tmur mash sangat banyak sedangkan hanya beberapa daerah saja yang termasuk daerah maju. Hal n membuktkan bahwa ketmpangan pendapatan antar kabupaten/kota d Provns Jawa Tmur mash tngg. 4.4 Pemodelan PDRB Sektor Pertanan Daerah Tertnggal d Jawa Tmur Peneltan n dbatas hanya menggunakan model Common Effect Model (CEM) dan Fxed Effect Model (FEM). Oleh karena tu langkah awal yang dlakukan adalah pengujan chow untuk memlh dantara model CEM dan FEM manakah yang lebh bak. Pemodelan n menggunakan data pada Lampran 2,3,4,5,6,7,8, Pengujan Chow Uj chow merupakan pengujan yang dlakukan untuk memlh antara CEM atau FEM untuk mengestmas data panel. Untuk mendapatkan hasl uj chow, maka dlakukan pemodelan CEM dan FEM terlebh dulu. Berkut hpotess dar uj chow H 0 : 1 2 (Model CEM yang sesua) 22 H 1 : mnmal ada satu (Model FEM yang sesua) j dmana,j = 1,2,3,...,22 dan j dengan taraf sgnfkan sebesar 0,05 dan daerah penolakan H 0 dtolak jka F htung > F tabel Hasl pengujan chow ddapatkan menggunakan persamaan 2.11 dengan perhtungan pada Lampran 17 dsajkan pada Tabel 4.3. Tabel 4.3 Hasl Pengujan Chow Pengukuran Nla F htung 27,989 F tabel 1,628 Tabel 4.3 menunjukkan bahwa nla F htung yang dperoleh sebesar 27,989 yang lebh besar dar nla F tabel sebesar 1,628 maka dapat dputuskan H 0 dtolak yang berart dantara model CEM dan

66 44 FEM model FEM lebh sesua untuk memodelkan PDRB Sektor Pertanan daerah tertnggal Provns Jawa Tmur tahun 2008 hngga Model FEM yang dgunakan dalam peneltan n berdasarkan efek cross secton (ndvdu) dan efek tme seres (waktu) Deteks Multkolnertas Multkolnertas merupakan hubungan lner antara lebh dar dua varabel predktor dalam pemodelan regres. Deteks multkolnertas dapat dlhat dar nla Varans Inflaton Factor (VIF). Jka nla VIF lebh dar sama dengan 10 maka terdapat multkolnertas. Selan tu, dlhat dar nla koefsen korelas antar varabel predktor. Jka nla koefsen korelas mendekat 1 berart terdapat hubungan yang erat antar varabel predktor. Nla VIF setap varabel predktor berdasarkan ouput software terdapat pada Lampran 12 yang dsajkan pada Tabel 4.4. Tabel 4.4 Deteks Multkolnertas Berdasarkan Nla VIF Varabel Nla VIF X 1 (Tenaga Kerja) 3,37 X 2 (PAD) 1,04 X 3 (Luas Sawah) 4,58 X 4 (Produks) 6,80 Tabel 4.4 menunjukkan nla VIF seluruh varabel predktor yang dgunakan dalam pemodelan FEM efek ndvdu maupun efek waktu memlk nla VIF kurang dar 10 yang berart varabel tersebut tdak terdapat multkolnertas. Namun jka dlhat dar nla koefsen korelas yang dperoleh dar output software pada Lampran 13 haslnya dsajkan d Tabel 4.5. Tabel 4.5 Deteks Multkolnertas Berdasarkan Nla VIF Varabel Koefsen Pvalue Keterangan X 1 dan X 2 0,273 0,000 Terdapat hubungan antara X 1 dan X 2 X 1 dan X 3 0,472 0,000 Terdapat hubungan antara X 1 dan X 3 X 1 dan X 4 0,525 0,000 Terdapat hubungan antara X 1 dan X 4 X 2 dan X 3 0,450 0,000 Terdapat hubungan antara X 2 dan X 3 X 2 dan X 4 0,507 0,000 Terdapat hubungan antara X 2 dan X 4 X 3 dan X 4 0,738 0,000 Terdapat hubungan antara X 3 dan X 4

67 45 Nla koefsen korelas yang ddapatkan sebagaan besar bernla lebh dar 0,5 yang menandakan hubungan yang sangat erat antar varabel predktor serta dbuktkan dar pengujan korelas antar varabel predktor yang ddapatkan kesmpulan bahwa semua varabel predktor berhubungan antara satu dengan yang lan sehngga perlu dtangan dengan prncpal componen regresson Penanganan Multkolnertas Salah satu penanganan kasus multkolnertas adalah dengan metode prncpal componen regresson yatu mereduks dmens varabel yang dsajkan pada Tabel 4.6. Tabel 4.6 Nla Egen dan Komponen Utama Komponen Nla Egen 2,5109 0,7277 0,5077 0,2537 Propors 0,628 0,182 0,127 0,063 Kumulatf 0,628 0,81 0,937 1,000 Komponen baru yang terbentuk berdasarkan nla egen yang bernla lebh dar 1 pada Tabel 4.4 sebanyak 1 komponen dengan persentase kumulatf sebesar 62,8% yang berart dalam satu komponen baru yang terbentuk dapat menjelaskan varabel X 1 (tenaga kerja sektor pertanan), X 2 (Pendapatan asl daerah), X 3 (luas sawah) dan X 4 (Produks tanaman pangan) sebesar 62,8%. Kemudan melakukan pengujan sgnfkan model dan parameter antara varabel Y (PDRB sektor pertanan) dengan nla score dar komponen utama. Haslnya dperoleh dar output software pada Lampran 15. Tabel 4.7 Hasl Akhr Penanggulangan Multkolnertas Sgnfkans Model Keterangan F htung 396,97 F (0,05;1;174) 3,895 Model dan parameter P value 0,000 Sgnfkans Parameter telah sgnfkan secara serentak T htung 19,92 maupun parsal serta T (0,025;174) 2,261 tdak terdapat P value 0,000 multkolnertas VIF 1,000

68 46 Pengujan sgnfkans secara serantak maupun parsal ddapatkan hasl yang sgnfkan berdasarkan Tabel 4.7 serta nla VIF sebesar 1,000 yang kurang dar 10 sehngga dapat dkatakan telah terbebas dar kasus multkolnertas. Komponen utama yang terbentuk adalah pada persamaan 4.1 berdasarkan output software pada Lampran 14. PC1 0,445 Z1 0,432 Z 2 0,544 Z3 0, 565Z (4.1) Pemodelan FEM Efek Indvdu Pada Pertumbuhan Ekonom Sektor Pertanan Dalam pemodelan dengan pendekatan FEM efek Indvdu dlakukan beberapa tahap pengujan. Tahap yang pertama yatu melakukan pengujan sgnfkans secara serentak maupun parsal. Kemudan melakukan pendeteksan asums serta mengatas asums klask IIDN, mengestmas model regres dan terakhr analss kesesuaan model. Berkut hasl pengujan FEM efek ndvdu Pengujan Sgnfkans Parameter Serentak Pengujan parameter untuk melhat ada atau tdaknya pengaruh semua varabel secara serentak terhadap PDRB sektor pertanan yang termasuk daerah tertnggal d Provns Jawa Tmur. H 0 : ( tdak ada pengaruh faktorfaktor yang mempengaruh pertumbuhan ekonom sektor pertanan d Jawa Tmur) H 1 : mnmal ada satu j 0 dengan j=1,2,...,23 (mnmal ada satu faktor-faktor yang mempengaruh pertumbuhan ekonom sektor pertanan d Jawa Tmur) dengan persamaan 2.12, taraf sgnfkan sebesar 0,05 dan daerah penolakan H 0 dtolak jka F htung > F tabel serta P -value < hasl pengujan serentak dsajkan pada Tabel 4.8 berdasarkan output software pada Lampran 16. Tabel 4.8 Hasl Pengujan Serentak Efek Indvdu S. Keragaman Db SS MS F htung P -Value Regres ,37 0,000 Error Total

69 47 Tabel 4.8 menunjukkan bahwa keputusan yang dperoleh adalah H0 dtolak karena nla F htung yang dperoleh sebesar 85,37 yang lebh besar dar nla F( 0,05;22;153) sebesar 1,612 serta P value sebesar 0,000 lebh kecl dar taraf sgnfkan sebesar 0,05 maka artnya mnmal ada satu faktor yang mempengaruh pertumbuhan ekonom sektor pertanan d Jawa Tmur. Maka dlanjutkan pada pengujan parsal Pengujan Sgnfkans Parameter Parsal Pengujan parsal merupakan pengujan untuk mengetahu sgnfkans masng-masng varabel terhadap PDRB Sektor Pertanan Jawa Tmur. Hpotess yang dgunakan dalam pengujan n adalah sebaga berkut. H 0 : 0 ; j=1,2,...,23 j H 1 : 0 ; j=1,2,...,23 j dengan persamaan 2.13, taraf sgnfkan sebesar 0,05 dan daerah penolakan H 0 dtolak jka T htung > T tabel serta P -value < Hasl pengujan parsal dsajkan pada Tabel 4.9 berdasarkan output software pada Lampran 16. Tabel 4.9 Hasl Pengujan Parsal Efek Indvdu Varabel Koefsen T htung P value Konstan ,14 0,000* Z ,01 0,000* Kab 1 (Pactan) 127 0,29 0,769 Kab 2 (Ponorogo) ,90 0,000* Kab 3 (Trenggelek) 971 2,18 0,030* Kab 4 (Tulungagung) 383 0,99 0,322 Kab 5 (Bltar) ,95 0,000* Kab 6 (Kedr) -37-0,10 0,920 Kab 7 (Malang) ,10 0,037* Kab 8 (Lumajang) ,77 0,000* Kab 9 (Jember) ,80 0,000* Kab 10 (Bondowoso) 363 0,92 0,357 Kab 11 (Stubondo) 933 2,22 0,028* Kab 12 (Probolnggo) ,21 0,002*

70 48 Tabel 4.9 Hasl Pengujan Parsal Efek Indvdu (Lanjutan) Varabel Koefsen T htung P value Kab 13 (Jombang) ,41 0,681 Kab 14 (Nganjuk) ,83 0,005* Kab 15 (Madun) 927 2,24 0,027* Kab 16 (Magetan) ,21 0,000* Kab 17 (Ngaw) ,39 0,000* Kab 18 (Tuban) ,14 0,000* Kab 19 (Bangkalan) ,88 0,381 Kab 20 (Sampang) 403 1,01 0,316 Kab 21 (Pamekasan) ,72 0,007* Based Indkator = Kabupaten Sumenep R 2 = 92,47% * : Sgnfkan pada taraf 5% Tabel 4.9 bahwa hasl pengujan parsal dketahu bahwa sebagan besar varabel predktor memlk pengaruh yang sgnfkan terhadap model dengan taraf sgnfkan 5% kecual dummy Kebupaten Pactan, Tulungagung, Kedr, Bondowoso, Jombang, Bangkalan dan Sampang yang tdak sgnfkan terhadap model dengan kebakan model sebesar 92,47% namun model belum dkatakan bak ketka belum memenuh asums resdual berdstrbus normal, dentk dan ndependen (IIDN) sehngga perlu dlakukan pendeteksan asums IIDN. Jka tdak memenuh asums dstrbus normal dtangan dengan cara transformas data sedangkan jka tdak memenuh asums dentk ataupun ndependen dtangan dengan menggunakan metode regres lag varabel Deteks Pelanggaran Asums Dstrbus Normal Salah satu metode yang dgunakan apakah resdual dar model regres berdstrbus normal atau tdak yatu dengan menggunakan uj normaltas Kolmogorof Smrnov. Hpotess yang dgunakan merujuk pada subbab dengan taraf sgnfkan sebesar 0,05. Daerah penolakannya yatu dkatakan resdual dar model regres telah berdstrbus normal jka KS htung > KS tabel. Gambar 4.11 menyajkan hasl deteks asums dstrbus normal.

71 49 Gambar 4.11 Hasl Uj Kolmogorof Smrnov FEM Efek Indvdu Gambar 4.11 menunjukkan bahwa nla KS htung sebesar 0,049 yang lebh kecl dar KS tabel sebesar 0,103 sehngga keputusan yang ddapatkan adalah H 0 gagal dtolak dan secara vsual resdual data telah mengkut gars lner yang berart resdual data telah mengkut dstrbus normal Deteks Pelanggaran Asums Independen Asums resdual ndependen dapat ddeteks salah satunya melalu pengujan durbn watson. Hpotess serta daerah penolakan yang dgunakan merujuk pada subbab dengan taraf sgnfkan sebesar 0,05. Hasl deteks asums resdual ndependen berdasarkan output software pada Lampran 16 dan dsajkan pada Tabel 4.8. Tabel 4.10 Deteks Asums Independen FEM Efek Indvdu D 4-dL 4-dU du dl 1, ,5181 1,9627 2, Tabel 4.10 menunjukkan hasl pengujan durbn watson pada model FEM efek ndvdu ddapatkan ddapatkan hasl nla d sebesar 1,16011 lebh kecl dar nla d L dengan jumlah varabel predktor (k) sebanyak 22 dan jumlah observas (n) sebanyak 176 sebesar 1,4819 sehngga kesmpulannya adalah terdapat autokorelas postf atau resdual data tdak memenuh asums ndependen.

72 Penanganan Pelanggaran Asums Independen Pelanggaran asums ndependen dtangan dengan pendekatan regres lag varabel kemudan dperksa kembal nla durbn watson nya. Berkut hasl penanganan asums resdual ndependen berdasarkan Lampran 23 dsajkan pada Tabel Tabel 4.11 Penanganan Asums Independen Efek Indvdu D 4-dL 4-dU du dl 1, ,5913 1,9165 2, Tabel 4.11 menunjukkan hasl pengujan durbn watson pada model FEM efek ndvdu setelah dtangan ddapatkan nla d sebesar 1,97618 berada dantara nla d U sebesar 2,0835 serta kurang dar nla 4-d U sebesar 1,9165 dengan jumlah varabel predktor (k) sebanyak 23 dan jumlah observas (n) sebanyak 154 sehngga kesmpulannya adalah tdak terdapat autokorelas Deteks Pelanggaran Asums Identk Salah satu asums pentng dar model regres lner adalah bahwa resdual fungs regres populas adalah mempunya varans yang sama atau homogen. Salah satu metode yang dgunakan untuk mendeteks pelanggaran asums dentk yatu menggunakan uj glejser dengan cara meregreskan absolut resdual dengan nla estmas (fts). Hpotess yang dgunakan merujuk pada subbab dengan taraf sgnfkan sebesar 0,05. Hasl dar pengujan glejser berdasarkan Lampran 21 dsajkan pada Tabel Tabel 4.12 Deteks Asums Identk FEM Efek Indvdu S. Keragaman Db SS MS F htung F tabel P -Value Regres ,80 3,895 0,000 Error Total Tabel 4.12 menunjukkan bahwa hasl pengujan glejser pada model FEM efek ndvdu ddapatkan keputusan H 0 dtolak karena F htung sebesar 36,80 lebh besar dar F (0,05;1;174) sebesar 3,895 serta P value sebesar 0,000 lebh kecl dar taraf sgnfkan sebesar 0,05 yang berart terdapat heterokedaststas atau varans resdual data tdak memenuh asums dentk.

73 Penanganan Pelanggaran Asums Identk Pelanggaran asums dentk dtangan dengan pendekatan regres lag varabel kemudan dperksa kembal hasl dar pengujan glejser antara absolut resdual dar regres lag varabel dan nla estmas (fts). Berkut hasl pengujan glejser setelah dlakukan penanganan berdasarkan Lampran 22 dsajkan pada Tabel Tabel 4.13 Penanganan Asums Identk FEM Efek Indvdu S. Keragaman Db SS MS F htung F tabel P -Value Regres ,41 3,903 0,525 Error Total Tabel 4.13 menunjukkan bahwa hasl pengujan glejser pada model FEM efek ndvdu setelah dlakukan penanganan ddapatkan keputusan H 0 gagal dtolak karena F htung sebesar 0,41 lebh kecl dar F (0,05;1;152) sebesar 3,903 serta P value sebesar 0,525 lebh besar dar taraf sgnfkan sebesar 0,05 yang berart tdak terdapat heterokedaststas atau varans resdual data telah memenuh asums dentk Estmas Model FEM Efek Indvdu Setelah dlakukan deteks serta penanganan asums resdual berdstrbus normal, dentk serta ndependen ddapatkan model akhr untuk pemodelan FEM efek ndvdu berdasarkan Lampran 23 yang dsajkan pada Tabel Tabel 4.14 Model Akhr FEM Efek Indvdu Varabel Koefsen T htung P value Konstan 793 3,77 0,000* Z ,70 0,092** Lag yt-1 0, ,03 0,000 Kab 1 (Pactan) ,63 0,105 Kab 2 (Ponorogo) ,63 0,010* Kab 3 (Trenggelek) ,75 0,453 Kab 4 (Tulungagung) ,58 0,117 Kab 5 (Bltar) 107 0,56 0,577

74 52 Tabel 4.14 Model Akhr FEM Efek Indvdu (Lanjutan) Varabel Koefsen T htung P value Kab 6 (Kedr) ,80 0,428 Kab 7 (Malang) 92-0,38 0,705 Kab 8 (Lumajang) 37 0,18 0,858 Kab 9 (Jember) -26-0,07 0,943 Kab 10 (Bondowoso) ,04 0,302 Kab 11 (Stubondo) ,85 0,395 Kab 12 (Probolnggo) -97-0,53 0,594 Kab 13 (Jombang) ,94 0,348 Kab 14 (Nganjuk) ,53 0,129 Kab 15 (Madun) ,97 0,334 Kab 16 (Magetan) ,73 0,467 Kab 17 (Ngaw) ,80 0,006* Kab 18 (Tuban) ,84 0,067** Kab 19 (Bangkalan) ,39 0,168 Kab 20 (Sampang) ,13 0,261 Kab 21 (Pamekasan) ,64 0,520 Based Indkator = Kabupaten Sumenep R 2 = 98,38% * : Sgnfkan pada taraf 5% ** : Sgnfkan pada taraf 10% Model akhr yang ddapatkan terdapat satu komponen utama yang harus dtransformaskan pada varabel asal dengan koefsen komponen utama pada persamaan 4.1 serta perhtungan manual pada Lampran 25. Berkut haslnya sebaga berkut. y PC y y y y t t t t t (0,445 Z 5,47 0, x 1 1 x1 x (0,445 Sx x1 x 793 (76,917 Sx 1 1 0,432Z , x 2 x2 x 0,432 Sx x2 x 74,766 Sx 2 0,544 Z , x 0,565Z 3 4 ) x3 x 0,544 Sx x3 x 94,090 Sx 3 3 0, x x4 x 0,565 Sx x4 x 97,824 Sx ) 4 )

75 53 Sehngga model akhr untuk pemodelan FEM efek ndvdu dsajkan pada persamaan 4.2. y 5,47 0, x 1,0987 x 0,00628 x 0, x t 0,7818lag y 137 D 6 162D 13 t 1 92D 7 266D 37D D 1 196D 538D 26D D19 216D20 142D21 dengan kebakan model FEM efek ndvdu atau R 2 yang ddapatkan sebesar 98,38 % yang artnya PDRB sektor pertanan Jawa Tmur dapat djelaskan oleh varabel tenaga kerja sektor pertanan, pendapatan asl daerah, luas lahan sawah dan produks tanaman pangan sebesar 98,38% sedangkan ssanya 1,62% djelaskan oleh varabel lan yang tdak masuk dalam model D 165D 165D D D 176D D 472D 107 D Pemodelan FEM Efek Waktu Pada Pertumbuhan Ekonom Sektor Pertanan Dalam pemodelan dengan pendekatan FEM efek waktu dlakukan beberapa tahap pengujan. Tahap yang pertama yatu melakukan pengujan sgnfkans secara serentak maupun parsal. Kemudan melakukan pendeteksan asums serta mengatas asums klask IIDN, mengestmas model regres dan terakhr analss kesesuaan model. Berkut hasl pengujan FEM efek waktu Pengujan Sgnfkans Parameter Secara Serentak Pengujan parameter untuk melhat ada atau tdaknya pengaruh semua varabel secara serentak terhadap PDRB sektor pertanan yang termasuk daerah tertnggal d Provns Jawa Tmur. H 0 : ( tdak ada pengaruh faktor-faktor yang mempengaruh pertumbuhan ekonom sektor pertanan d Jawa Tmur) H 1 : mnmal ada satu 0 dengan j=1,2,...,9 (mnmal j ada satu faktor-faktor yang mempengaruh pertumbuhan ekonom sektor pertanan d Jawa Tmur) dengan persamaan 2.12, taraf sgnfkan sebesar 0,05 dan daerah penolakan H 0 dtolak jka F htung > F tabel serta P -value < (4.2)

76 54 Tabel 4.15 Hasl Pengujan Serentak Efek Waktu Sumber Keragaman DF SS MS F htung P- Value Regres ,45 0,000 Error Total Tabel 4.15 menunjukkan bahwa keputusan yang dperoleh adalah H 0 dtolak karena nla F htung yang dperoleh berdasarkan Lampran 18 sebesar 61,45 yang lebh besar dar nla F (0,05;8;167) sebesar 1,994 serta P value sebesar 0,000 lebh kecl dar taraf sgnfkan sebesar 0,05 maka artnya mnmal ada satu faktor yang mempengaruh pertumbuhan ekonom sektor pertanan d Jawa Tmur maka dlanjutkan pada pengujan parsal Pengujan Sgnfkans Parameter Secara Parsal Pengujan parsal merupakan pengujan untuk mengetahu sgnfkans masng-masng varabel terhadapat PDRB Sektor Pertanan Jawa Tmur. Hpotess yang dgunakan dalam pengujan n adalah sebaga berkut. H 0 : 0 ; j=1,2,...,9 j H 1 : 0 ; j=1,2,...,9 j dengan persamaan 2.13, taraf sgnfkan sebesar 0,05 dan daerah penolakan H 0 dtolak jka T htung > T tabel serta P -value < Tabel 4.16 Hasl Pengujan Parsal Efek Waktu Varabel Koefsen T htung P- Value Konstan ,66 0,000 Z ,8 19,92 0,000 Tahun_ ,32 0,000 Tahun_ ,39 0,000 Tahun_ ,76 0,000 Tahun_ ,67 0,008 Tahun_ ,24 0,001 Tahun_ ,40 0,165 Tahun_ ,63 0,106 R 2 = 74,64 %, Based Indcator = Tahun 2015

77 55 Tabel 4.16 bahwa hasl pengujan parsal berdasarkan Lampran 18 dketahu bahwa sebagan besar varabel predktor memlk pengaruh yang sgnfkan terhadap model dengan taraf sgnfkan 5% kecual dummy tahun 2013 dan tahun 2014 yang tdak sgnfkan terhadap model dengan kebakan model sebesar 74,64% namun model belum dkatakan bak ketka belum memenuh asums resdual berdstrbus normal, dentk dan ndependen (IIDN) sehngga perlu dlakukan pendeteksan asums IIDN Deteks Pelanggaran Asums Dstrbus Normal Salah satu metode yang dgunakan apakah resdual dar model regres berdstrbus normal atau tdak yatu dengan menggunakan uj normaltas Kolmogorof Smrnov. Hpotess yang dgunakan merujuk pada subbab dengan taraf sgnfkan sebesar 0,05. Daerah penolakannya yatu dkatakan resdual dar model regres telah berdstrbus normal jka KS htung > KS tabel. Gambar 4.12 Hasl Uj Kolmogorof Smrnov FEM Efek Waktu Gambar 4.12 menunjukkan bahwa nla KS htung sebesar 0,089 yang lebh kecl dar KS tabel sebesar 0,103 sehngga keputusan yang ddapatkan adalah H 0 gagal dtolak dan secara vsual resdual data telah mengkut gars lner yang berart resdual data telah mengkut dstrbus normal Deteks Pelanggaran Asums Independen Asums resdual ndependen dapat ddeteks salah satunya melalu pengujan durbn watson. Hpotess serta daerah penolakan

78 56 yang dgunakan merujuk pada subbab dengan taraf sgnfkan sebesar 0,05. Hasl dar pengujan durbn watson berdasarkan Lampran 18 dsajkan pada Tabel Tabel 4.17 Deteks Asums Independen Efek Waktu d 4-dL 4-dU du dl 1, ,3406 2, Tabel 4.17 menunjukkan hasl pengujan durbn watson pada model FEM efek waktu ddapatkan ddapatkan hasl nla d sebesar 1,14402 lebh kecl dar nla d L dengan jumlah varabel predktor (k) sebanyak 8 dan jumlah observas (n) sebanyak 176 sebesar 1,6594 sehngga kesmpulannya adalah terdapat autokorelas postf atau resdual data tdak memenuh asums ndependen Penanganan Pelanggaran Asums Independen Pelanggaran asums ndependen dtangan dengan pendekatan regres lag varabel kemudan dperksa kembal nla durbn watson nya. Berkut hasl pengujan durbn watson setelah dtangan berdasarkan Lampran 24 dsajkan pada Tabel Tabel 4.18 Penanganan Asums Independen Efek Waktu D 4-dL 4-dU du dl 2, ,3712 2, Tabel 4.18 menunjukkan hasl pengujan durbn watson pada model FEM efek waktu setelah dtangan ddapatkan nla d sebesar 2,05568 berada dantara nla d U sebesar 1,8468 serta kurang dar nla 4-d U sebesar 2,1532 dengan jumlah varabel predktor (k) sebanyak 8 dan jumlah observas (n) sebanyak 154 sehngga kesmpulannya adalah tdak terdapat autokorelas Deteks Pelanggaran Asums Identk Salah satu asums pentng dar model regres lner adalah bahwa resdual fungs regres populas adalah mempunya varans yang sama atau homogen. Untuk mendeteks apakah resdual tersebut telah homogen, salah satu metode yang dgunakan yatu menggunakan uj glejser dengan cara meregreskan absolut resdual dengan nla estmas (fts). Hpotess yang dgunakan

79 57 merujuk pada subbab dengan taraf sgnfkan sebesar 0,05. Hasl dar pengujan glejser berdasarkan Lampran 19 dsajkan pada Tabel Tabel 4.19 Deteks Asums Identk Efek Waktu S. Keragaman Db SS MS F htung F tabel P -Value Regres ,27 3,895 0,000 Error Total Tabel 4.19 menunjukkan bahwa hasl pengujan glejser pada model FEM efek waktu ddapatkan keputusan H 0 dtolak karena F htung sebesar 32,27 lebh besar dar F (0,05;1;174) sebesar 3,895 serta P value sebesar 0,000 lebh kecl dar taraf sgnfkan sebesar 0,05 yang berart terdapat heterokedaststas atau varans resdual data tdak memenuh asums dentk Penanganan Pelanggaran Asums Identk Pelanggaran asums dentk dtangan dengan pendekatan regres lag varabel kemudan dperksa kembal hasl dar pengujan glejser antara absolut resdual dar regres lag varabel dan nla estmas (fts). Hasl pengujan glejser model FEM efek waktu setelah dlakukan penanganan berdasarkan Lampran 20 dsajkan pada Tabel Tabel 4.20 Penanggulangan Asums Identk Efek Waktu S. Keragaman Db SS MS F htung F tabel P -Value Regres ,8 0,00 3,903 0,950 Error ,1 Total Tabel 4.20 menunjukkan bahwa hasl pengujan glejser pada model FEM efek waktu setelah dlakukan penanganan ddapatkan keputusan H 0 gagal dtolak karena F htung sebesar 0,00 lebh kecl dar F (0,05;1;152) sebesar 3,903 serta P value sebesar 0,950 lebh besar dar taraf sgnfkan sebesar 0,05 yang berart tdak terdapat heterokedaststas atau varans resdual data telah memenuh asums dentk.

80 Estmas Model FEM Efek Waktu Setelah dlakukan deteks serta penanganan asums resdual berdstrbus normal, dentk serta ndependen ddapatkan model akhr untuk pemodelan FEM efek waktu berdasarkan Lampran 24 yang dsajkan pada Tabel Tabel 4.21 Estmas Model FEM Efek Waktu Varabel Koefsen T htung P value Konstan 87 0,69 0,489 Z 1 44,9 1,45 0,149 Lag yt-1 0, ,18 0,000 Tahun_ ,65 0,101 Tahun_ ,49 0,628 Tahun_ ,5-0,24 0,812 Tahun_ ,17 0,862 Tahun_ ,6 0,54 0,591 Tahun_2013 1,1 0,01 0,991 R 2 = 98,21, Based Indvator = 2014 Model akhr yang ddapatkan terdapat satu komponen utama yang harus dtransformaskan pada varabel asal dengan koefsen komponen pada persamaan 4.1 serta perhtungan manual pada Lampran 26. Haslnya sebaga berkut. y y y t t t 87 44,9PC 87 44,9(0,445Z 1 1 x1 x 87 44,9(0,445 Sx 0,432Z ,544Z x2 x 0,432 Sx yt 48,259 0, x1 0,285x2 0,00163 x3 0, x4 sehngga model akhr untuk pemodelan FEM efek waktu dsajkan pada persamaan (4.3). y t 48,259 0, x 0,285 x 0,8850lag y t 1 168Dt 49Dt ,5Dt ,00163 x 0,565Z 4 ) x3 x 0,544 Sx 3 17Dt , x 52,6Dt x4 x 0,565 Sx 5 4 1,1 Dt dengan kebakan model FEM efek ndvdu atau R 2 yang ddapatkan sebesar 98,21 % yang artnya PDRB sektor pertanan ) (4.3)

81 59 Jawa Tmur dapat djelaskan oleh varabel tenaga kerja sektor pertanan, pendapatan asl daerah, luas lahan sawah dan produks tanaman pangan sebesar 98,21% sedangkan ssanya 1,79% djelaskan oleh varabel lan yang tdak masuk dalam model Pemlhan Kebakan Model Terbak Pada Pemodelan Pertumbuhan Ekonom Sektor Pertanan Suatu model dkatakan bak ketka memlk nla koefsen determnas atau R 2 yang mendekat 100% karena varabltas varabel predktor yang dgunakan mampun menjelaskan varabel respon dengan sangat bak. Dalam peneltan n melakukan pemodelan terhadap pertumbuhan ekonom sektor pertanan dengan pendekatan estmas model FEM efek ndvdu dan efek waktu. Dar kedua pendekatan tersebut dplh nla R 2 yang tertngg untuk djadkan model terbak yang akan dsajkan pada tabel Tabel 4.22 Pemlhan Kebakan Model Pendekatan Model R 2 FEM Efek Indvdu 98,38 FEM Efek Waktu 98,21 Model terbak yang dplh untuk pemodelan pertumbuhan ekonom sektor pertanan d daerah pertanan Jawa Tmur adalah dengan model FEM dengan efek ndvdu atau kebupaten dengan nla kebakan model sebesar 98,38 yang lebh besar dar FEM dengan efek waktu yang artnya varabltas dar varabel tenaga kerja sektor pertanan, pendapatan asl daerah, luas sawah, produks tanaman pangan serta dummy daerah tertnggal mampu menjelaskan pertumbuhan sektor pertanan sebesar 98,38% dengan persamaan model regres pada persamaan 4.2 untuk nterpretas model regres dsajkan pada tabel Tabel 4.23 Interpretas Model Regres Varabel Koefsen Interpretas Konstan 5,47 Jka tdak terdapat penngkatan tenaga kerja, pendapatan asl daerah, luas sawah serta produks tanaman pangan, PDRB sektor pertanan bernla sebesar 5,47 mlar

82 60 Tabel 4.21 Interpretas Model Regres (Lanjutan) Varabel Koefsen Interpretas X 1 0, * Setap kenakan 1 tenaga kerja sektor pertanan akan menngkatkan PDRB sektor pertanan sebesar 0, X 2 1,0987* Setap pendapatan asl daerah menngkat sebesar 1 juta maka akan menngkatkan PDRB sektor pertanan sebesar 1,0987 X 3 0,00628* Setap perluasan 1 hektar luas sawah akan menngkatkan PDRB sektor pertanan sebesar 0,00628 X 4 0,000363* Setap penngkatan 1 ton produks tanaman pangan akan menngkatkan PDRB sektor pertanan sebesar 0, Lag yt-1 0,7818 Terdapat hubungan antara PDRB sektor pertanan tahun sekarang dan tahun sebelumnya namun ketka varabel lag dmasukkan berdampak pada varabel lan yang awalnya sgnfkan menjad tdak sgnfkan demkan pula untuk dummy Kab 1 (Pactan) -338 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Pactan dan Sumenep Kab 2 (Ponorogo) -538* Terdapat perbedaan yang sgnfkan antara pertumbuhan ekonom sektor pertanan d Kabupaten Ponorogo dan Sumenep dmana pertumbuhan ekonom d Kabupaten Ponorogo lebh rendah dbandngkan dengan Kabupaten Sumenep Kab 3 (Trenggelek) -165 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Trenggalek dan Sumenep

83 Tabel 4.21 Interpretas Model Regres (Lanjutan) Varabel Koefsen Interpretas Kab 4 (Tulungagung) -293 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Tulungagung dan Sumenep Kab 5 (Bltar) 107 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Bltar dan Sumenep Kab 6 (Kedr) -37 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Kedr dan Sumenep Kab 7 (Malang) Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Malang dan Sumenep Kab 8 (Lumajang) 2553 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Lumajang dan Sumenep Kab 9 (Jember) Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Jember dan Sumenep Kab 10 (Bondowoso) 363 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Bondowoso dan Sumenep Kab 11 (Stubondo) 933 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Stubondo dan Sumenep Kab 12 (Probolnggo) 1180 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Probolnggo dan Sumenep 61

84 Tabel 4.21 Interpretas Model Regres (Lanjutan) Varabel Koefsen Interpretas Kab 13 (Jombang) -152 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Jombang dan Sumenep Kab 14 (Nganjuk) Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Nganjuk dan Sumenep Kab 15 (Madun) 927 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Madun dan Sumenep Kab 16 (Magetan) 1854 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Magetan dan Sumenep Kab 17 (Ngaw) -2389* Terdapat perbedaan yang sgnfkan antara pertumbuhan ekonom sektor pertanan d Kabupaten Ngaw dan Sumenep dmana pertumbuhan ekonom d Kabupaten Ngaw lebh rendah dbandngkan dengan Kabupaten Sumenep Kab 18 (Tuban) -4078* Terdapat perbedaan yang sgnfkan antara pertumbuhan ekonom sektor pertanan d Kabupaten Tuban dan Sumenep dmana pertumbuhan ekonom d Kabupaten Tuban lebh rendah dbandngkan dengan Kabupaten Sumenep Kab 19 (Bangkalan) -346 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Bangkalan dan Sumenep Kab 20 (Sampang) 403 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Sampang dan Sumenep 62

85 Tabel 4.21 Interpretas Model Regres (Lanjutan) Varabel Koefsen Interpretas Kab 21 (Pamekasan) 1210 Tdak dapat perbedaan antara pertumbuhan ekonom sektor pertanan d Kabupaten Pamekasan dan Sumenep Based Indkator = Kabupaten Sumenep 63

86 (Halaman In Sengaja Dkosongkan) 64

87 BAB V KESIMPULAN DAN SARAN 5.1 Kesmpulan Berdasarkan analss yang telah dlakukan ddapatkan kesmpulan hasl analss sebaga berkut. 1. PDRB sektor pertanan daerah tertnggal Jawa Tmur tahun 2008 hngga tahun 2015 mengalam fluktuas. Tahun 2015 merupakan tahun dengan PDRB sektor pertanan palng tngg. Kabupaten Jember tahun 2015 memproduks tanaman bahan pangan palng tngg d Jawa Tmur serta memlk luas lahan sawah dan tenaga kerja sektor pertanan palng tngg d Jawa Tmur sedangkan untuk pendapatan asl daerah tertngg Jawa Tmur dhaslkan oleh Kota Surabaya 2. Ketmpangan pendapatan regonal Provns Jawa Tmur dapat dkatakan berada dalam taraf tngg karena nla ndeks wllamson yang lebh dar 0,5 dengan ndeks ketmpangan palng tngg pada tahun 2015 sedangkan palng rendah pada tahun Berdasarkan klasfkas tpolog klassen kabupaten d Jawa Tmur banyak dklasfkaskan pada daerah yang relatf tertnggal yatu sebanyak 22 kabupaten karena memlk PDRB per kapta dbawah PDRB per kapta Jawa Tmur dan laju pertumbuhan ekonomnya juga dbawah laju pertumbuhan ekonom Jawa Tmur. 4. Model terbak yang ddapatkan yatu model FEM cross secton dperoleh varabel yang sgnfkan terhadap PDRB sektor pertanan d daerah tertnggal Jawa Tmur yatu tenaga kerja sektor pertanan, pendapatan asl daerah, luas sawah dan produks tanaman pangan. Kebakan model atau koefsen determnas (R 2 ) yang dperoleh sebesar 98,38%. 65

88 Saran Masalah ketmpangan pendapatan regonal d Jawa Tmur cukup tngg yang artnya ketdakmerataan pendapatan regonal antara kabupaten dan kota satu dengan yang lannya mash cukup tngg yang menmbulkan daerah yang termasuk dalam daerah tertnggal sehngga saran yang dapat dsampakan setelah dlakukan peneltan n dengan tujuan memperbak serta mengembangkan perekonoman daerah tertnggal d Jawa Tmur melalu sektor pertanan yang memlk peranan cukup besar terhadap pertumbuhan ekonom d Jawa Tmur yatu dengan cara menambah tenaga kerja sektor pertanan, menngkatkan produks tanaman pangan sepert pad, jagung, kedela, kacang tanah, ub jalar, ub kayu, serta kacang hjau, memperluas lahan sawah yang rgas maupun non rgas serta pendapatan asl daerah agar dapat mengelolah sektor pertanan secara optmal.

89 DAFTAR PUSTAKA Asterou, D., & Hall, S.G Appled Econometrcs A Modern Approach. New York : Palgrave Macmllan. Badan Pusat Statstk Keadaan Angkatan Kerja d Jawa Tmur Tahun Surabaya: BPS. Badan Pusat Statstk Keadaan Angkatan Kerja d Jawa Tmur Tahun Surabaya: BPS. Badan Pusat Statstk Keadaan Angkatan Kerja d Jawa Tmur Tahun Surabaya: BPS. Badan Pusat Statstk Keadaan Angkatan Kerja d Jawa Tmur Tahun Surabaya: BPS. Badan Pusat Statstk Keadaan Angkatan Kerja d Jawa Tmur Tahun Surabaya: BPS. Badan Pusat Statstk Keadaan Angkatan Kerja d Jawa Tmur Tahun Surabaya: BPS. Badan Pusat Statstk Keadaan Angkatan Kerja d Jawa Tmur Tahun Surabaya: BPS. Badan Pusat Statstk Keadaan Angkatan Kerja d Jawa Tmur Tahun Surabaya: BPS. Badan Pusat Statstk Produk Domestk Regonal Bruto Kabupaten/Kota d Indonesa Jakarta: BPS. Badan Pusat Statstk Produk Domestk Regonal Bruto Kabupaten/Kota d Indonesa Jakarta: BPS. Badan Pusat Statstk Produk Domestk Regonal Bruto Kabupaten/Kota d Indonesa Jakarta: BPS. Badan Pusat Statstk Produk Domestk Regonal Bruto Kabupaten/Kota d Indonesa Jakarta: BPS. Badan Pusat Statstk Produk Domestk Regonal Bruto Kabupaten/Kota Menurut Lapangan Kerja Surabaya: BPS. Badan Pusat Statstk Produk Domestk Regonal Bruto Kabupaten/Kota Menurut Lapangan Kerja Surabaya: BPS. 67

90 68 Badan Pusat Statstk Produk Domestk Regonal Bruto Kabupaten/Kota Menurut Lapangan Kerja Surabaya: BPS. Badan Pusat Statstk Produk Domestk Regonal Bruto Kabupaten/Kota Menurut Lapangan Kerja Surabaya: BPS. Badan Pusat Statstk Provns Jawa Tmur dalam Angka Tahun Surabaya: BPS. Badan Pusat Statstk Provns Jawa Tmur dalam Angka Tahun Surabaya: BPS. Badan Pusat Statstk Provns Jawa Tmur dalam Angka Tahun Surabaya: BPS. Badan Pusat Statstk Provns Jawa Tmur dalam Angka Tahun Surabaya: BPS. Badan Pusat Statstk Provns Jawa Tmur dalam Angka Tahun Surabaya: BPS. Badan Pusat Statstk Provns Jawa Tmur dalam Angka Tahun Surabaya: BPS. Badan Pusat Statstk Provns Jawa Tmur dalam Angka Tahun Surabaya: BPS. Badan Pusat Statstk Provns Jawa Tmur dalam Angka Tahun Surabaya: BPS. Badan Pusat Statstk Statstk Keuangan Pemerntah Kabupaten/Kota Jakarta: BPS. Badan Pusat Statstk Statstk Keuangan Pemerntah Kabupaten/Kota Jakarta: BPS. Badan Pusat Statstk Statstk Keuangan Pemerntah Kabupaten/Kota Jakarta: BPS. Badan Pusat Statstk Statstk Keuangan Pemerntah Kabupaten/Kota Jakarta: BPS. Badan Pusat Statstk Statstk Keuangan Pemerntah Kabupaten/Kota Jakarta: BPS. Badan Pusat Statstk Statstk Keuangan Pemerntah Kabupaten/Kota Jakarta: BPS.

91 69 Draper, N.R. and Smth, H Appled Regresson Analyss, Thrd Edton. Newyork : John Wley and sons, Inc. Gujarat, D. N., & Porter, D. C Dasar-dasar Ekonometrka Eds 5 buku 1. Eugena Mardanughara, Sta Wardhan, dan Carlos Mangunsong (trans). Jakarta : Salemba Empat Gujarat, D. N., & Porter, D. C Dasar-dasar Ekonometrka Eds 5 buku 2. Raden Carlos Mangunsong (trans). Jakarta : Salemba Empat Mardana SA Konds Ketmpangan Ekonom Antar Kabupaten/Kota dan Implkasnya terhadap Kebjakan Pembangunan d Provns Jawa Tmur [skrps]. Bogor (ID): Insttut Pertanan Bogor Prabanngrum DA Peranan Sektor Ekonom Bass Dalam Mengurang Ketmpangan Pendapatan Antar Kabupaten Kota d Provns Jawa Tengah (Perode Tahun ) [skrps]. Bogor (ID): Insttut Pertanan Bogor Sjafrzal Ekonom Regonal: Teor dan Aplkas. Padang: Baduose Meda. Soetopo Analss Ketmpangan Pendapatan Antar Pulau d Indonesa [skrps]. Bogor (ID): Insttut Pertanan Bogor Wdarjono, A Ekonometrka Pengantar dan Aplkasnya Dserta Panduan Evews (eds 4). Yogjakarta : UPP STIM YKPN

92 (Halaman In Sengaja Dkosongkan) 70

93 71 LAMPIRAN Lampran 1. Data yang dgunakan Regres Panel Kab Thn PDRB Tenaga Luas PAD Kerja Sawah Produks Pactan , , Ponorogo , , Trenggalek , , Tulungagung , , Bltar , , Kedr , , Malang , , Lumajang , , Jember , , Bondowoso , , Stubondo , , Probolnggo , , Jombang , , Nganjuk , , Madun , , Magetan , , Ngaw , , Tuban , , Bangkalan , , Sampang , , Pamekasan , , Sumenep , , Pactan , , Ponorogo , , Trenggalek , , Tulungagung , , Bltar , , Kedr , , Malang , , Lumajang , , Jember , ,

94 72 Kab Thn PDRB Tenaga Luas PAD Kerja Sawah Produks Bondowoso , , Stubondo , , Probolnggo , , Jombang , , Nganjuk , , Madun , , Magetan , , Ngaw , , Tuban , , Bangkalan , , Sampang , , Pamekasan , , Sumenep , , Lampran 2. Data Tahun 2008 Kab PDRB Tenaga Luas PAD Kerja Sawah Produks Pactan 1069, , Ponorogo 2076, , Trenggalek 1903, , Tulungagung 1988, , Bltar 4627, , Kedr 3711, , Malang 7226, , Lumajang 4051, , Jember 8301, , Bondowoso 2532, , Stubondo 2115, , Probolnggo 3688, , Jombang 3413, , Nganjuk 3019, , Madun 2113, , Magetan 1847, , Ngaw 2129, , Tuban 4010, ,

95 73 Kab PDRB Tenaga Luas PAD Kerja Sawah Produks Bangkalan 1972, , Sampang 2188, , Pamekasan 1990, , Sumenep 4546, , Lampran 3. Data Tahun 2009 Kab PDRB T Kerja PAD Luas Sawah Produks Pactan 1093, , Ponorogo 2106, , Trenggalek 1825, , Tulungagung 2140, , Bltar 5048, , Kedr 4419, , Malang 7979, , Lumajang 4134, , Jember 9362, , Bondowoso 2102, , Stubondo 2356, , Probolnggo 4053, , Jombang 3704, , Nganjuk 2616, , Madun 1810, , Magetan 2003, , Ngaw 2378, , Tuban 2714, , Bangkalan 2177, , Sampang 2271, , Pamekasan 2311, , Sumenep 5223, , Lampran 4. Data Tahun 2010 Kab PDRB T Kerja PAD Luas Sawah Produks Pactan 1488, , Ponorogo 2865, , Trenggalek 1729, ,

96 74 Kab PDRB T Kerja PAD Luas Sawah Produks Tulungagung 3120, , Bltar 5007, , Kedr 4508, , Malang 7039, , Lumajang 5348, , Jember 9674, , Bondowoso 2760, , Stubondo 2259, , Probolnggo 5034, , Jombang 3670, , Nganjuk 3847, , Madun 2583, , Magetan 2717, , Ngaw 2886, , Tuban 3751, , Bangkalan 2079, , Sampang 2525, , Pamekasan 1822, , Sumenep 3655, , Lampran 5. Data Tahun 2011 Kab PDRB T Kerja PAD Luas Sawah Produks Pactan 1644, , Ponorogo 3132, , Trenggalek 1924, , Tulungagung 3503, , Bltar 5508, , Kedr 4996, , Malang 7855, , Lumajang 6050, , Jember 10813, , Bondowoso 3058, , Stubondo 2535, , Probolnggo 5600, , Jombang 4071, , Nganjuk 4184, ,

97 75 Kab PDRB T Kerja PAD Luas Sawah Produks Madun 2901, , Magetan 3038, , Ngaw 3229, , Tuban 4251, , Bangkalan 2265, , Sampang 2764, , Pamekasan 2065, , Sumenep 4130, , Lampran 6. Data Tahun 2012 Kab PDRB T Kerja PAD Luas Sawah Produks Pactan 1814, , Ponorogo 3421, , Trenggalek 2147, , Tulungagung 3874, , Bltar 5912, , Kedr 5522, , Malang 8578, , Lumajang 6598, , Jember 11834, , Bondowoso 3374, , Stubondo 2834, , Probolnggo 6272, , Jombang 4605, , Nganjuk 4507, , Madun 3208, , Magetan 3331, , Ngaw 3711, , Tuban 4816, , Bangkalan 2471, , Sampang 3031, , Pamekasan 2330, , Sumenep 4668, ,

98 76 Lampran 7. Data Tahun 2013 Kab PDRB Tenaga Luas PAD Kerja Sawah Produks Pactan 1971, , Ponorogo 3675, , Trenggalek 2339, , Tulungagung 4242, , Bltar 6474, , Kedr 6029, , Malang 9441, , Lumajang 7132, , Jember 12584, , Bondowoso 3708, , Stubondo 3150, , Probolnggo 6802, , Jombang 5043, , Nganjuk 4871, , Madun 3514, , Magetan 3706, , Ngaw 4252, , Tuban 5303, , Bangkalan 2737, , Sampang 3243, , Pamekasan 2553, , Sumenep 5198, , Lampran 8. Data Tahun 2014 Kab PDRB Tenaga Luas PAD Kerja Sawah Produks Pactan 2173, , Ponorogo 4032, , Trenggalek 2614, , Tulungagung 4738, , Bltar 7255, , Kedr 6695, , Malang 10577, , Lumajang 7927, ,

99 77 Kab PDRB Tenaga Luas PAD Kerja Sawah Produks Jember 14016, , Bondowoso 4096, , Stubondo 3547, , Probolnggo 7456, , Jombang 5611, , Nganjuk 5240, , Madun 3884, , Magetan 4125, , Ngaw 4635, , Tuban 5882, , Bangkalan 2989, , Sampang 3606, , Pamekasan 2877, , Sumenep 5827, , Lampran 9. Data Tahun 2015 Kab PDRB Tenaga Luas PAD Kerja Sawah Produks Pactan 2371, , Ponorogo 4500, , Trenggalek 2894, , Tulungagung 5212, , Bltar 8102, , Kedr 7334, , Malang 11662, , Lumajang 8812, , Jember 15737, , Bondowoso 4523, , Stubondo 3911, , Probolnggo 8218, , Jombang 6133, , Nganjuk 5736, , Madun 4252, , Magetan 4520, , Ngaw 5310, ,

100 78 Kab PDRB Tenaga Luas PAD Kerja Sawah Produks Tuban 6608, , Bangkalan 3236, , Sampang 4011, , Pamekasan 3168, , Sumenep 6400, , Lampran 10. Perhtungan Indeks Wllamson Tahun f Y n 2 f ( y y) 1 f IW ,9 0, , ,4 0, ,6 0, ,2 0, ,4 0, , ,8 0,7835 Lampran 11. PDRB Per Kapta dan Laju Pertumbuhan PDRB Tahun 2015 Kabupaten/Kota PDRB Per Kapta Laju Pertumbuhan (Juta Rupah) PDRB (Persen) Kabupaten Pactan ,104 Kabupaten Ponorogo ,241 Kabupaten Trenggalek ,031 Kabupaten Tulungagung ,994 Kabupaten Bltar ,045 Kabupaten Kedr ,876 Kabupaten Malang ,264 Kabupaten Lumajang ,627 Kabupaten Jember ,325

101 79 Kabupaten/Kota PDRB Per Kapta Laju Pertumbuhan (Juta Rupah) PDRB (Persen) Kabupaten Banyuwang ,015 Kabupaten Bondowoso ,947 Kabupaten Stubondo ,862 Kabupaten Probolnggo ,759 Kabupaten Pasuruan ,377 Kabupaten Sdoarjo ,240 Kabupaten Mojokerto ,647 Kabupaten Jombang ,355 Kabupaten Nganjuk ,183 Kabupaten Madun ,261 Kabupaten Magetan ,169 Kabupaten Ngaw ,084 Kabupaten Bojonegoro ,426 Kabupaten Tuban ,888 Kabupaten Lamongan ,768 Kabupaten Gresk ,579 Kabupaten Bangkalan (2,666) Kabupaten Sampang ,072 Kabupaten Pamekasan ,324 Kabupaten Sumenep ,271 Kota Kedr ,363 Kota Bltar ,671 Kota Malang ,609 Kota Probolnggo ,861 Kota Pasuruan ,525 Kota Mojokerto ,722 Kota Madun ,139 Kota Surabaya ,972 Kota Batu ,696 Jawa Tmur ,442

102 80 Lampran 12. Hasl Pengujan CEM serta deteks Multko VIF Regresson Analyss: PDRB versus T Kerja; PAD; Luas Sawah; Produks Analyss of Varance Source DF Adj SS Adj MS F-Value P-Value Regresson ,39 0,000 T Kerja ,38 0,000 PAD ,88 0,000 Luas Sawah ,86 0,000 Produks ,53 0,062 Error Total Model Summary S R-sq R-sq(adj) R-sq(pred) 1114,48 80,67% 80,22% 79,48% Coeffcents Term Coef SE Coef T-Value P-Value VIF Constant ,15 0,000 T Kerja 0, , ,24 0,000 1,41 PAD 17,45 1,25 13,92 0,000 1,37 Luas Sawah 0, , ,62 0,000 2,28 Produks -0, , ,88 0,062 2,62 Regresson Equaton PDRB = , T Kerja + 17,45 PAD + 0,05664 Luas Sawah - 0, Produks Durbn-Watson Statstc = 1,34962

103 81 Lampran 13. Deteks Multko Koefsen Korelas Correlaton: T Kerja; PAD; Luas Sawah; Produks T Kerja PAD Luas Sawah PAD 0,273 0,000 Luas Sawah 0,472 0,450 0,000 0,000 Produks 0,525 0,507 0,738 0,000 0,000 0,000 Cell Contents: Pearson correlaton P-Value Lampran 14. Penanganan Kasus Multkolnertas Prncpal Component Analyss: T Kerja; PAD; Luas Sawah; Produks Egenanalyss of the Correlaton Matrx Egenvalue 2,5109 0,7277 0,5077 0,2537 Proporton 0,628 0,182 0,127 0,063 Cumulatve 0,628 0,810 0,937 1,000 Varable PC1 PC2 PC3 PC4 T Kerja 0,445-0,671 0,585-0,103 PAD 0,432 0,741 0,504-0,103 Luas Sawah 0,544-0,027-0,555-0,629 Produks 0,565-0,013-0,311 0,764 Lampran 15. Pengujan Sgnfkan Komponen Utama Regresson Analyss: PDRB versus Z1 Analyss of Varance Source DF Adj SS Adj MS F-Value P-Value Regresson ,97 0,000 Z ,97 0,000 Error Total Model Summary S R-sq R-sq(adj) R-sq(pred) 1387,18 69,53% 69,35% 68,64%

104 82 Lampran 15. Pengujan Sgnfkan Komponen Utama (Lanjutan) Coeffcents Term Coef SE Coef T-Value P-Value VIF Constant ,04 0,000 Z1 1318,5 66,2 19,92 0,000 1,00 Regresson Equaton PDRB = ,5 Z1 Lampran 16. Hasl Pengujan FEM Efek Indvdu Regresson Analyss: PDRB versus Z1; Kab_01; Kab_02; Kab_03; Kab_04; Kab_05; Kab_06;... The followng terms cannot be estmated and were removed:kab_22 Analyss of Varance Source DF Adj SS Adj MS F-Value P-Value Regresson ,37 0,000 Z ,26 0,000 Kab_ ,09 0,769 Kab_ ,41 0,000 Kab_ ,77 0,030 Kab_ ,99 0,322 Kab_ ,48 0,000 Kab_ ,01 0,920 Kab_ ,42 0,037 Kab_ ,84 0,000 Kab_ ,44 0,000 Kab_ ,85 0,357 Kab_ ,93 0,028 Kab_ ,28 0,002 Kab_ ,17 0,681 Kab_ ,02 0,005 Kab_ ,02 0,027 Kab_ ,69 0,000 Kab_ ,88 0,000 Kab_ ,58 0,000 Kab_ ,77 0,381 Kab_ ,01 0,316 Kab_ ,37 0,007 Error Total

105 83 Lampran 16. Hasl Pengujan FEM Efek Indvdu (Lanjutan) Model Summary S R-sq R-sq(adj) R-sq(pred) 735,494 92,47% 91,38% 90,03% Coeffcents Term Coef SE Coef T-Value P-Value VIF Constant ,14 0,000 Z ,01 0,000 15,02 Kab_ ,29 0,769 2,62 Kab_ ,90 0,000 2,01 Kab_ ,18 0,030 2,79 Kab_ ,99 0,322 2,10 Kab_ ,95 0,000 1,95 Kab_ ,10 0,920 1,92 Kab_ ,10 0,037 3,40 Kab_ ,77 0,000 2,01 Kab_ ,80 0,000 7,36 Kab_ ,92 0,357 2,17 Kab_ ,22 0,028 2,49 Kab_ ,21 0,002 1,91 Kab_ ,41 0,681 1,91 Kab_ ,83 0,005 1,92 Kab_ ,24 0,027 2,42 Kab_ ,21 0,000 2,74 Kab_ ,39 0,000 1,97 Kab_ ,14 0,000 2,81 Kab_ ,88 0,381 2,19 Kab_ ,01 0,316 2,27 Kab_ ,72 0,007 2,80 Regresson Equaton PDRB = Z Kab_ Kab_ Kab_ Kab_ Kab_05-37 Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_21 Durbn-Watson Statstc = 1,16011

106 84 Lampran 17. Perhtungan Pengujan Chow F F 2 2 RFEM RPooled / n R / nt n k FEM 0,9607 0,8067/ ,9607/ 22(8) 22 4 = 27,989 Lampran 18. Hasl Pengujan FEM Efek Waktu Regresson Analyss: PDRB versus Z1; Tahun_2008; Tahun_2009; Tahun_2010; Tahun_2011;... The followng terms cannot be estmated and were removed: Tahun_2015 Analyss of Varance Source DF Adj SS Adj MS F-Value P-Value Regresson ,45 0,000 Z ,66 0,000 Tahun_ ,68 0,000 Tahun_ ,29 0,000 Tahun_ ,14 0,000 Tahun_ ,14 0,008 Tahun_ ,47 0,001 Tahun_ ,95 0,165 Tahun_ ,64 0,106 Error Total Model Summary S R-sq R-sq(adj) R-sq(pred) 1291,58 74,64% 73,43% 71,72% Term Coef SE Coef T-Value P-Value VIF Constant ,66 0,000 Z1 1256,8 63,1 19,92 0,000 1,05 Tahun_ ,32 0,000 1,79 Tahun_ ,39 0,000 1,78 Tahun_ ,76 0,000 1,77

107 85 Lampran 18. Hasl Pengujan FEM Efek Waktu (Lanjutan) Term Coef SE Coef T-Value P-Value VIF Tahun_ ,67 0,008 1,77 Tahun_ ,24 0,001 1,75 Tahun_ ,40 0,165 1,76 Tahun_ ,63 0,106 1,75 Regresson Equaton PDRB = ,8 Z Tahun_ Tahun_ Tahun_ Tahun_ Tahun_ Tahun_ Tahun_2014 Durbn-Watson Statstc = 1,14402 Lampran 19. Deteks Heterokedaststas FEM Efek Waktu Regresson Analyss: ABS RESI 2 versus FITS2 Analyss of Varance Source DF Adj SS Adj MS F-Value P-Value Regresson ,27 0,000 FITS ,27 0,000 Error Total Model Summary S R-sq R-sq(adj) R-sq(pred) 768,268 15,64% 15,16% 13,45% Term Coef SE Coef T-Value P-Value VIF Constant ,09 0,038 FITS2 0,1524 0,0268 5,68 0,000 1,00 Regresson Equaton ABS RESI 2 = ,1524 FITS2

108 86 Lampran 20. Penanganan Heterokedaststas FEM Efek Waktu Regresson Analyss: ABS RESI 2 versus FITS2 Analyss of Varance Source DF Adj SS Adj MS F-Value P-Value Regresson ,8 0,00 0,950 FITS ,8 0,00 0,950 Error ,1 Total Model Summary S R-sq R-sq(adj) R-sq(pred) 266,817 0,00% 0,00% 0,00% Term Coef SE Coef T-Value P-Value VIF Constant 163,2 44,5 3,67 0,000 FITS2-0, , ,06 0,950 1,00 Regresson Equaton ABS RESI 2 = 163,2-0,00058 FITS2 Lampran 21. Deteks Heterokedaststas FEM Efek Indvdu Regresson Analyss: ABS RESI 1 versus FITS1 Analyss of Varance Source DF Adj SS Adj MS F-Value P-Value Regresson ,80 0,000 FITS ,80 0,000 Error Total Model Summary S R-sq R-sq(adj) R-sq(pred) 400,181 17,46% 16,98% 14,48% Term Coef SE Coef T-Value P-Value VIF Constant 192,9 62,9 3,07 0,003 FITS1 0,0762 0,0126 6,07 0,000 1,00 Regresson Equaton ABS RESI 1 = 192,9 + 0,0762 FITS1

109 87 Lampran 22. Penanganan Heterokedaststas FEM Efek Indvdu Regresson Analyss: abs res 1 versus FITS1 Analyss of Varance Source DF Adj SS Adj MS F-Value P-Value Regresson ,8 0,01 0,933 FITS ,8 0,01 0,933 Error ,0 Total Model Summary S R-sq R-sq(adj) R-sq(pred) 243,951 0,00% 0,00% 0,00% Term Coef SE Coef T-Value P-Value VIF Constant 173,9 40,7 4,28 0,000 FITS1-0, , ,08 0,933 1,00 Regresson Equaton abs res 1 = 173,9-0,00072 FITS1 Lampran 23. Hasl Regres Lag Varabel FEM Efek Indvdu Regresson Analyss: PDRB versus Z1; Lag yt-1; Kab_01; Kab_02; Kab_03; Kab_04; Kab_05;... The followng terms cannot be estmated and were removed: Kab_22 Analyss of Varance Source DF Adj SS Adj MS F-Value P-Value Regresson ,37 0,000 Z ,88 0,092 Lag yt ,13 0,000 Kab_ ,66 0,105 Kab_ ,90 0,010 Kab_ ,57 0,453 Kab_ ,50 0,117 Kab_ ,31 0,577 Kab_ ,63 0,428 Kab_ ,14 0,705

110 88 Lampran 23. Hasl Regres Lag Varabel Untuk Model FEM Efek Indvdu (Lanjutan) Kab_ ,03 0,858 Kab_ ,01 0,943 Kab_ ,07 0,302 Kab_ ,73 0,395 Kab_ ,29 0,594 Kab_ ,89 0,348 Kab_ ,33 0,129 Kab_ ,94 0,334 Kab_ ,53 0,467 Kab_ ,85 0,006 Kab_ ,40 0,067 Kab_ ,92 0,168 Kab_ ,27 0,261 Kab_ ,42 0,520 Error Total Model Summary S R-sq R-sq(adj) R-sq(pred) 321,060 98,38% 98,09% 97,72% Coeffcents Term Coef SE Coef T-Value P-Value VIF Constant ,77 0,000 Z ,70 0,092 36,98 Lag yt-1 0,7818 0, ,03 0,000 13,36 Kab_ ,63 0,105 2,78 Kab_ ,63 0,010 2,72 Kab_ ,75 0,453 3,11 Kab_ ,58 0,117 2,22 Kab_ ,56 0,577 2,39 Kab_ ,80 0,428 1,93 Kab_ ,38 0,705 3,79 Kab_ ,18 0,858 2,77 Kab_ ,07 0,943 8,22 Kab_ ,04 0,302 2,29 Kab_ ,85 0,395 2,76 Kab_ ,53 0,594 2,11 Kab_ ,94 0,348 1,92 Kab_ ,53 0,129 1,96 Kab_ ,97 0,334 2,66 Kab_ ,73 0,467 3,31 Kab_ ,80 0,006 2,36

111 89 Lampran 23. Hasl Regres Lag Varabel Untuk Model FEM Efek Indvdu (Lanjutan) Coeffcents Term Coef SE Coef T-Value P-Value VIF Kab_ ,84 0,067 4,24 Kab_ ,39 0,168 2,30 Kab_ ,13 0,261 2,37 Kab_ ,64 0,520 3,13 Regresson Equaton PDRB = Z1 + 0,7818 Lag yt Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_08-26 Kab_ Kab_ Kab_11-97 Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_ Kab_21 Durbn-Watson Statstc = 1,97618 Lampran 24. Hasl Regres Lag Varabel Untuk Model FEM Efek Waktu Regresson Analyss: PDRB versus Z1; Lag yt-1; Tahun_2008; Tahun_2009; Tahun_2010;... The followng terms cannot be estmated and were removed: Tahun_2014 Analyss of Varance Source DF Adj SS Adj MS F-Value P-Value Regresson ,98 0,000 Z ,10 0,149 Lag yt ,06 0,000 Tahun_ ,72 0,101 Tahun_ ,24 0,628 Tahun_ ,06 0,812 Tahun_ ,03 0,862 Tahun_ ,29 0,591 Tahun_ ,00 0,991 Error Total Model Summary S R-sq R-sq(adj) R-sq(pred) 319,525 98,21% 98,11% 97,97%

112 90 Lampran 24. Hasl Regres Lag Varabel Untuk Model FEM Efek Waktu (Lanjutan) Coeffcents Term Coef SE Coef T-Value P-Value VIF Constant ,69 0,489 Z1 44,9 30,9 1,45 0,149 3,42 Lag yt-1 0,8850 0, ,18 0,000 3,74 Tahun_ ,65 0,101 1,91 Tahun_ ,49 0,628 1,87 Tahun_ ,5 99,0-0,24 0,812 1,81 Tahun_ ,0 97,8 0,17 0,862 1,77 Tahun_ ,6 97,7 0,54 0,591 1,76 Tahun_2013 1,1 96,7 0,01 0,991 1,73 Regresson Equaton PDRB = ,9 Z1 + 0,8850 Lag yt Tahun_ Tahun_ ,5 Tahun_ ,0 Tahun_ ,6 Tahun_ ,1 Tahun_2013 Durbn-Watson Statstc = 2,05568 Lampran 25. Perhtungan Transformas PCA Untuk FEM Efek Indvdu #Mencar Rata-rata dan Standart Devas Descrptve Statstcs: T Kerja; PAD; Luas Sawah; Produks Varable N N* Mean StDev T Kerja PAD ,77 68,05 Luas Sawah Produks #Koefsen dar Komponen Utama Varable PC1 T Kerja 0,445 PAD 0,432 Luas Sawah 0,544 Produks 0,565

113 91 Lampran 25. Perhtungan Transformas PCA Untuk FEM Efek Indvdu (Lanjutan) t t t t t t t x x x x y x x x x y x x x x y x x x x y Sx x x Sx x x Sx x x Sx x x y Z Z Z Z y PC y , , ,0987 0, ,47 266,65 0, ,07 0, ,83 1, ,98 0, ) , ,73 97, , ,69 94, , ,33 74, ,04 76,9177 ( 793 )) , ,5 97,8241( ) 14974, ,3 94,0908( ) 68,046 91,770 74,7666( ) ,3 (76,9177( 793 ) 0,565 0,544 0, (0, ) 0,565 0,544 0, (0,

114 92 Lampran 26. Perhtungan Transformas PCA Untuk FEM Efek Waktu , , ,285 0, ,259 0,069 0, ,56 0, ,17 0,285 53,46 0, ) , ,76 25, , ,71 24, , ,77 19, ,41 19,963 ( 87 )) , ,5 25,389( ) 14974, ,3 24,4201( ) 68,046 91,770 19,4047( ) ,3 (19,963( 87 ) 0,565 0,544 0,432 44,9(0, ) 0,565 0,544 0,432 44,9(0, ,9 87 x x x x y x x x x y x x x x y x x x x y Sx x x Sx x x Sx x x Sx x x y Z Z Z Z y PC y t t t t t t t

115 93 Lampran 27. Karakterstk Data Seluruh Varabel Descrptve Statstcs: PDRB; TK; PAD; Luas; Produks Varable Tahun Mean Mnmum Maxmum PDRB TK PAD ,3 17,5 641, ,8 17,4 809, ,5 25,2 1036, ,9 22,5 1769, ,5 38,8 2280, ,9 39,2 2570, ,9 67,3 3247, ,9 80,2 3520,1 Luas Produks

116 Lampran 28. Surat Keterangan Pengamblan Data 94

117 Lampran 29. Surat Pernyataan Kevaldan Data 95

118 (Halaman In Sengaja Dkosongkan) 96

119 97 BIODATA PENULIS Penuls yang basa dkenal dengan pangglan Eka memlk nama lengkap yatu Eka Yula Andn. Penuls dlahrkan d Surabaya, 28 Jul 1995 sebaga anak pertama dar dua bersaudara. Penuls bertempat tnggal d Jojoran III Surabaya dengan ayah bernama Moch Djaml, bu bernama Nnk Kusmat serta adk bernama Amala Dw Febrant. Penuls menempuh penddkan formal dmula dar TK Sunan Gr Surabaya, SDN Mojo III Surabaya, SMPN 6 Surabaya, dan SMKN 5 Surabaya Jurusan Kma Industr. Pada waktu SMK penuls memlk pengalaman magang d PT PJB UP Gresk dan PT Iglas Gresk. Setelah lulus dar SMK, penuls melanjutkan studnya sebaga mahassw Dploma III Departemen Statstka Bsns Fakultas Vokas ITS Surabaya dengan NRP serta menjad bagan dar keluarga besar 01 (poneer) dploma statstka angkatan Pada tahun kedua penuls berkesempatan menjad bagan dar panta Gerg ITS 2015 serta menjad assten dosen mata kulah desan ekspermen. Pada tahun ketga penuls berkesempatan menjad assten dosen mata kulah metode regres dan pengendalan kualtas statstk. Semester 4, penuls melakukan kerja praktek d BPS Kota Surabaya. Apabla ada krtk dan saran yang ngn ddskuskan mengena peneltan n dengan penuls melalu emal ekaandn768@gmal.com