V. ANALISIS PENGARUH BANTUAN STIMULUS INFRASTRUKTUR TERHADAP PEREKONOMIAN, KETIMPANGAN DAN KEMISKINAN KABUPATEN TERTINGGAL

Transkripsi

1 V. ANALISIS PENGARUH BANTUAN STIMULUS INFRASTRUKTUR TERHADAP PEREKONOMIAN, KETIMPANGAN DAN KEMISKINAN KABUPATEN TERTINGGAL 5.1. Hasil Estimasi Analisis mengenai pengaruh bantuan infrastruktur (P2IPDT) terhadap perekonomian, ketimpangan dan kemiskinan dalam penelitian ini, dilakukan dengan menghitung pengaruh total bantuan P2IPDT maupun per jenis bantuan P2IPDT yang diterima kabupaten tertinggal. Pada bab sebelumnya telah dijelaskan bahwa bantuan P2IPDT diberikan pada kabupaten tertinggal dalam bidang transporasi, energi, informasi dan telekomunikasi, sosial dan ekonomi. Tabel 5.1 dan 5.2 masing-masing menyajikan hasil estimasi pengaruh bantuan infrastruktur terhadap perekonomian (model 1) dan pengaruh aktifitas perekonomian terhadap kemiskinan (model 2) dengan menggunakan beberapa teknik ekonometrik, antara lain metode panel statis, panel dinamis dan panel instrumental variable. Penggunaan berbagai metode estimasi ini diharapkan dapat menunjukkan variasi hasil estimasi, melihat kebaikan, robustness model, serta validitas di antara berbagai metode estimasi yang digunakan. Secara khusus, hasil ini juga dapat digunakan untuk mengkomparasi hasil estimasi dari model panel statis, panel dinamis dan panel instrumental variable, mengingat masing-masing metode tersebut memiliki kelebihan dan kekurangan. Metode panel data dinamis digunakan dalam penelitian ini mengingat kelebihan metode panel data dinamis yang sanggup mengatasi endogeneity problem terkait dengan penggunaan lag variabel dependen, dimana pada metode panel data statis penggunaan lag variabel dependen menyebabkan hasil estimasi menjadi bias dan tidak konsisten. Penggunaan metode panel instrumental variable digunakan mengingat keterbatasan metode panel data statis dan dinamis jika digunakan pada lebih dari satu persamaan. Digunakannya dua persamaan dalam penelitian ini adalah untuk melihat mekanisme transmisi bantuan stimulus infrastruktur terhadap

2 82 penurunan penduduk miskin (melalui jalur perekonomian) menjadi satu alasan digunakannya metode panel instrumental variable. Estimasi dari ketiga metode ekonometrik yang digunakan tersebut menunjukkan hasil yang bervariasi. Hal ini menunjukkan bahwa masing-masing metode memiliki kelebihan dan kelemahan. Pada model panel data statis menggunakan model Random Effect (RE), hasil estimasi untuk variabel inflasi dan jumlah populasi, terbukti nyata memengaruhi perekonomian (PDRB per kapita). Hasil yang berbeda didapatkan pada estimasi pengaruh variabel indeks gini, bantuan stimulus infrastruktur (P2IPDT) dan kuadrat bantuan, dimana ketiga variabel tersebut tidak signifikan memengaruhi perekonomian, namun demikian hasil estimasi koefisien menunjukkan arah yang sama dengan hasil estimasi menggunakan metode panel dinamis. Hasil estimasi panel data statis untuk dummy variable yang digunakan menunjukkan bahwa terdapat perbedaan nyata antara petumbuhan ekonomi KBI dan KTI. Hasil estimasi yang tidak konsisten antara hasil model 1 dan model 2 didapatkan pada penggunaan metode panel data statis. Pada hasil estimasi model 1, variabel indeks gini nyata positif memengaruhi perekonomian. Kondisi ini dapat diartikan bahwa meningkatnya aktifitas perekonomian di kabupaten tertinggal diikuti pula oleh kenaikan ketimpangan ditribusi pendapatan masyarakat daerah tertinggal, sehingga seharusnya kondisi ini tidak mampu menurunkan persentase kemiskinan di kabupaten tertinggal. Kenyataan yang berkebalikan didapat pada hasil estimasi model 2, dimana dapat disimpulkan bahwa perekonomian di kabupaten tertinggal mampu menurunkan angka kemiskinan. Kondisi ini ditunjukkan oleh nilai koefisien regresi pada variabel PDRB per kapita yang nyata negatif memengaruhi persentase penduduk miskin sehingga dapat diartikan kenaikan aktifitas ekonomi diikuti oleh penurunan persentase penduduk miskin. Hasil yang tidak konsisten ini diduga merupakan akibat dari kelemahan panel data statis yang tidak mampu menangkap proses dynamic adjustment dari perekonomian karena tidak diikutsertakannya lag dependent variable (lag PDRB per kapita) dalam model.

3 83 Berbeda halnya dengan hasil estimasi yang didapatkan dengan menggunakan metode panel data dinamis, dimana hasil estimasi antara model 1 dan model 2 menunjukkan arah yang konsisten. Pada estimasi panel data dinamis dalam model 1 menunjukkan bahwa variabel indeks gini nyata positif memengaruhi PDRB per kapita, yang artinya efek distribusi pendapatan yang besar menyebabkan aktifitas perekonomian yang semakin tinggi tidak mampu menurunkan kemiskinan. Hasil yang sama ditunjukkan pada estimasi model 2, dimana nilai koefisien regresi variabel PDRB per kapita nyata positif memengaruhi persentase penduduk miskin, yang artinya kenaikan aktifitas perekonomian diikuti dengan kenaikan persentase penduduk miskin. Estimasi koefisien pada metode panel instrumental variable (IV) model Fixed Effect (FE) menunjukkan hasil yang tidak lebih baik (Tabel 5.2). Terlihat bahwa hanya variabel PDRB per kapita yang nyata negatif memengaruhi persentase penduduk miskin, sedangkan variabel pengeluaran pemerintah baik nominal maupun kuadrat nominalnya tidak nyata dalam menurunkan persentase penduduk miskin. Kelemahan lain pada estimasi panel instrumental variable ini adalah tidak dapat dilihatnya pengaruh bantuan terhadap perekonomian kabupaten tertinggal karena variabel tersebut telah diinstrumenkan ke dalam persamaan model 2. Melihat hasil estimasi dari ketiga metode ekonometrik yang telah diulas di atas, maka disimpulkan bahwa dalam penelitian ini metode panel data dinamis dipilih sebagai metode yang lebih tepat dalam menjelaskan model pengaruh bantuan terhadap perekonomian dan persentase kemiskinan Analisis Pengaruh Bantuan Infrastruktur terhadap Perekonomian Kabupaten Tertinggal Arah koefisien regresi yang dihasilkan dalam estimasi panel data dinamis dengan menggunakan variabel total bantuan P2IPDT sebagian besar telah sesuai dengan kajian teori ekonomi (Tabel 5.1). Variabel lag PDRB per kapita nyata positif memengaruhi PDRB per kapita tahun berjalan, dengan nilai koefisien sebesar 0,859. Angka sebesar ini dapat diartikan sebagai kenaikan sebesar Rp. 1 juta pada PDRB per

4 84 kapita tahun sebelumnya akan meningkatkan PDRB per kapita tahun berjalan sebesar Rp. 859 ribu. Hubungan yang positif ini dikarenakan adanya penyesuaian dinamis (dynamic of adjustment) mengingat variabel PDRB per kapita merupakan variabel yang dinamis terutama dalam analisis jangka panjang. Tabel 5.1. Hasil Estimasi Pengaruh Bantuan P2IPDT (Total dan per Jenis Bantuan) menggunakan Panel Data Statis dan Dinamis Variabel Model 1 (Dependent Var: PDRB per kapita) Total Bantuan Per Jenis Bantuan Lag PDRB per kapita (Yt-1) Bantuan Infrastruktur (P2IPDT) Kuadrat Bantuan Infrastruktur (P2IPDT2) Inflasi (t-1) (Inft_1) Jumlah Penduduk (Popt) Indeks gini (t) (Ginit) Dummy Bantuan Infrastruktur Transportasi (Dtransp) Dummy Bantuan Infrastruktur Energi (Denergi) Dummy Bantuan Infrastruktur Infotel (Dinfotel) Dummy Bantuan Infrastruktur Sosial (Dsos) Dummy Bantuan Infrastruktur Ekonomi (Dekon) Dummy Wilayah (Dwil) RE SysGMM RE SysGMM - 0, , (0,000) (0,000) -113,446-97,06834 (0,450) (0,001) 0, , (0,605) (0,000) , , ,6 (0,000) (0,013) (0,000) (0,050) -3, , , , (0,000) (0,176) (0,003) (0,272) , , ,8 (0,550) (0,003) (0,118) (0,028) (0,008) Cat: angka dalam kurung menunjukkan nilai probabilita ,4 (0,037) 46504,04 (0,625) 27689,4 (0,770) ,57 (0,887) 15540,48 (0,810) ,9 (0,768) (0,081) 46956,63 (0,582) ,45 (0,832) ,84 (0,862) ,26 (0,108) ,77 (0,162) ,4 (0,022) Variabel kuadrat bantuan stimulus infrastruktur (P2IPDT) nyata positif memengaruhi PDRB per kapita, dengan nilai koefisien regresi sebesar 0,0212. Nilai bantuan stimulus infrastruktur dalam model panel dinamis nyata negatif

5 85 memengaruhi PDRB per kapita dengan nilai koefisien sebesar -97,06. Kedua nilai ini menunjukkan bahwa hubungan antara bantuan dan PDRB per kapita memiliki bentuk pola U (kuadratik), dimana pada awal bantuan diterapkan terdapat kecenderungan penurunan nilai PDRB per kapita, hingga pada suatu saat dicapainya titik balik (turning point), maka bantuan yang diberikan mampu meningkatkan perekonomian. Hasil estimasi yang negatif pada nilai bantuan dan positif pada nilai kuadrat bantuan ini juga menjelaskan bahwa dalam meningkatkan perekonomian, dampak infrastruktur berpengaruh pada jangka menengah dan jangka panjang, mengingat hal tersebut kiranya perlu dibuat peta bantuan (road map) bagaimana bantuan didistribusikan ke kabupaten tertinggal, untuk memperbesar dampaknya terhadap kesejahteraan masyarakat serta memudahkan dalam evaluasi bantuan. Inflasi tahun sebelumnya nyata positif memengaruhi PDRB per kapita kabupaten tertinggal dengan nilai koefisien sebesar ,7. Besaran nilai koefisien regresi ini menunjukkan bahwa apabila terdapat kenaikan 1 persen pada inflasi tahun sebelumnya, maka akan terjadi kenaikan PDRB per kapita sebesar Rp ,7 juta. Hubungan yang positif ini dapat terjadi sebagai akibat adanya inflasi terutama yang berasal dari adanya dorongan permintaan (demand pull inflation), mengingat di daerah tertinggal nilai tambah daerah masih didorong oleh konsumsi masyarakat yang tinggi. Hasil estimasi panel dinamis pada variabel indeks gini yang dalam hal ini merupakan ukuran ketimpangan distribusi pendapatan, menunjukkan arah yang positif dengan nilai koefisien sebesar Angka ini menunjukkan bahwa kenaikan indeks gini sebesar 0,01 akan meningkatkan PDRB per kapita sebesar Rp ,75 juta. Kondisi ini menunjukkan bahwa peningkatan aktifitas ekonomi di kabupaten tertinggal belum mampu menurunkan angka kemiskinan, karena nyatanya ketimpangan yang semakin tinggi menyebabkan peningkatan pada kinerja perekonomian. Hasil ini sejalan dengan penelitian Iradian (2005) yang menyatakan bahwa ketimpangan yang tinggi yang diikuti dengan pertumbuhan ekonomi yang tinggi menyebabkan penurunan kemiskinan akan sulit terjadi. Hubungan positif antara indeks gini dengan PDRB per kapita menunjukkan bahwa ada distribusi

6 86 pendapatan yang timpang di kabupaten tertinggal, dimana peningkatan aktifitas perekonomian hanya dinikmati oleh masyarakat berpendapatan tinggi. Kondisi yang sama terjadi pada level nasional, data BPS pada tahun 2009 mencatat bahwa sebanyak 44,90 persen pendapatan dinikmati hanya oleh 20% penduduk berpendapatan tinggi yang menunjukkan bahwa peningkatan output yang terjadi lebih banyak dinikmati oleh penduduk berpendapatan tinggi. Pertumbuhan 0,25 0,2 0,15 0,1 0, Persentil Pengeluaran Growth Mean Sumber: BPS, diolah dari Susenas Kor Tahun 2008 dan 2009 Gambar 5.1. Growth Incidence Curve Kabupaten Tertinggal di Indonesia, Tahun Pola hubungan yang positif antara indeks gini dan PDRB per kapita juga dapat dijelaskan oleh pola Growth Incidence Curve (GIC). GIC kabupaten tertinggal periode menunjukkan fungsi turun pada kelas 30 persen pendapatan rendah, sedangkan pada kelas 70 persen pendapatan tinggi, GIC mulai menunjukkan fungsi naik. GIC dengan pola seperti ini menunjukkan bahwa terdapat kecenderungan ketimpangan yang menurun pada kelas 30 persen pendapatan rendah, sedangkan pada kelas 70 persen pendapatan tinggi menunjukkan kecenderungan ketimpangan yang semakin tinggi. Kesimpulan ini merujuk pada Ravallion dan Chen (2001) yang menyatakan bahwa jika GIC merupakan fungsi turun menunjukkan bahwa

7 87 ketimpangan akan cenderung menurun, sedangkan jika GIC merupakan fungsi naik menunjukkan bahwa ketimpangan akan meningkat. Penduduk kelas 70 persen pendapatan tinggi menguasai 84,04 persen (tahun 2009) dari total pendapatan kabupaten tertinggal yang menunjukkan besarnya kemampuan dalam memengaruhi perekonomian, sehingga penurunan ketimpangan pada kelas 30 persen pendapatan rendah tidak mampu mengimbangi peningkatan ketimpangan kelas 70 persen pendapatan tinggi. Penelitian Suparno (2010) juga mendukung hasil yang didapat pada penelitian ini, dimana dalam penelitiannya disimpulkan bahwa perekonomian ekonomi ( ) di perdesaan belum tergolong pro poor growth, yang artinya penduduk miskin di perdesaan belum menikmati secara optimal efek perekonomian yang terjadi. Nilai PEGR di perdesaan (2,14 persen) lebih rendah dibanding perekonomian pendapatannya (3,48 persen), berbeda dengan hasil penelitian di perkotaan yang sudah tergolong pro poor growth. Hasil yang saling mendukung ini dapat disebabkan oleh kesamaan karakteristik daerah perdesaan pada penelitian tersebut dengan daerah tertinggal yang memang merupakan daerah perdesaan. Klasifikasi kota dan desa BPS mengkategorikan 183 kabupaten tertinggal sebagai daerah perdesaan. Variabel dummy wilayah yang digunakan untuk menangkap perbedaan intersep antara KBI dan KTI nyata positif memengaruhi perekonomian dengan nilai koefisien sebesar ,4. Besaran nilai koefisien ini menunjukkan bahwa terdapat perbedaan intersep pada persamaan PDRB per kapita, yaitu sebesar Rp ,4 antara wilayah KBI dan KTI. Melihat kondisi ini, kiranya kebijakan selanjutnya dapat ditekankan di KTI mengingat marginal benefit akan lebih banyak dinikmati di kawasan timur. Model estimasi total bantuan seperti yang telah dilakukan sebelumnya telah menjelaskan bahwa bantuan infrastruktur (P2IPDT) yang distimulasi oleh Kementrian PDT ternyata mampu meningkatkan aktifitas ekonomi meskipun belum mampu menurunkan persentase kemiskinan di kabupaten tertinggal. Model estimasi total bantuan tersebut namun tidak dapat melihat jenis bantuan apa yang paling signifikan mendorong perekonomian kabupaten tertinggal, sehingga dapat

8 88 diprioritaskan dalam pembangunan infrastruktur kabupaten tertinggal. Model estimasi per jenis bantuan digunakan dalam penelitian ini untuk menjawab permasalahan tersebut. Faktor ketersediaan data menjadi salah satu hambatan dalam memodelkan bantuan infrastruktur (P2IPDT) ke dalam model persamaan ekonometrik, dimana masing-masing kabupaten tertinggal tidak secara kontinu mendapatkan satu jenis bantuan yang sama tiap tahunnya. Model persamaan dengan dummy variable jenis bantuan kemudian digunakan dalam penelitian ini untuk mengatasi hambatan ketersediaan data. Hasil estimasi dengan menggunakan metode panel data dinamis per jenis bantuan infrastruktur didapatkan nilai koefisien regresi yang nyata positf pada variabel lag variabel dependen, yaitu sebesar 0,961. Hal ini menunjukkan bahwa terdapat penyesuaian dinamis (dynamic of adjustment) pada model pengaruh bantuan infrastruktur (per jenis bantuan) mengingat variabel PDRB per kapita merupakan variabel yang dinamis terutama dalam analisis jangka panjang. Angka koefisien regresi sebesar 0,961 memiliki arti bahwa kenaikan sebesar Rp. 1 juta pada PDRB per kapita tahun sebelumnya akan meningkatkan PDRB per kapita tahun berjalan sebesar Rp. 961 ribu. Nilai koefisien dari dummy variable jenis bantuan kiranya menarik untuk dicermati, dimana tidak ada satupun dari dummy variable jenis bantuan yang nyata secara statistik. Kondisi ini mungkin saja terjadi akibat beberapa faktor diantaranya, bantuan yang diberikan kurang sesuai dengan kebutuhan daerah, bantuan yang diberikan bersifat ad hoc (tidak kontinu) sehingga bantuan tersebut berhenti sebelum dampaknya dirasakan masyarakat. Dari segi permodelan, dummy variable yang digunakan untuk menangkap pengaruh jenis bantuan kiranya belum robust dalam menjelaskan fenomena jenis bantuan secara ekonometrik. Sejalan dengan hasil yang didapatkan pada estimasi pengaruh bantuan P2IPDT total dalam analisis pengaruh per jenis bantuan ini, inflasi tahun sebelumnya nyata positif memengaruhi PDRB per kapita kabupaten tertinggal dengan nilai koefisien sebesar ,6. Besaran nilai koefisien regresi ini menunjukkan bahwa apabila terdapat kenaikan 1 persen pada inflasi tahun sebelumnya, maka akan terjadi

9 89 kenaikan PDRB per kapita sebesar Rp ,6 juta. Hubungan yang positif ini dapat terjadi sebagai akibat adanya inflasi yang timbul dari dorongan permintaan (demand pull inflation), mengingat di daerah tertinggal nilai tambah daerah masih didorong dari konsumsi masyarakat yang tinggi. Variabel indeks gini yang merupakan ukuran ketimpangan distribusi pendapatan, menunjukkan arah yang positif dengan nilai koefisien sebesar ,8. Angka ini menunjukkan bahwa kenaikan indeks gini sebesar 0,01 akan meningkatkan PDRB per kapita sebesar Rp ,7 juta. Kondisi ini sejalan dengan estimasi yang dihasilkan dengan menggunakan nominal bantuan P2IPDT total yang juga sejalan dengan yang ditunjukkan oleh penelitian Suparno (2010). Berdasarkan hasil estimasi tersebut, dapat disimpulkan bahwa peningkatan perekonomian kabupaten tertinggal diikuti dengan kenaikan ketimpangan pendapatan. Melihat fenomena ini, kiranya perlu memfokuskan pembangunan di daerah perdesaan khususnya daerah tertinggal, terutama pada pemberdayaan masyarakat ekonomi menengah ke bawah, untuk turut serta berperan aktif dalam menggerakkan roda perekonomian daerah. Perbedaan variasi dalam perekonomian ekonomi antara KBI dan KTI ternyata signifikan secara statistik. Hal ini ditunjukkan dengan nilai koefisien regresi yang bernilai positif pada variabel dummy wilayah yang digunakan. Hasil estimasi menunjukkan bahwa terdapat perbedaan variasi PDRB per kapita sebesar Rp ,7 antara wilayah KBI dan KTI. Hal ini dapat diartikan pula bahwa terdapat ketimpangan pembangunan antara wilayah KBI dan KTI, bahkan pada kasus kabupaten tertinggal Analisis Pengaruh Perekonomian terhadap Penurunan Kemiskinan di Kabupaten Tertinggal Analisis pengaruh perekonomian terhadap persentase penduduk miskin dijelaskan dalam model ke-2 (Tabel 5.2). Hasil estimasi menunjukkan bahwa variabel PDRB per kapita (sebagai proxy aktifitas perekonomian) nyata positif memengaruhi penduduk miskin dengan nilai koefisien regresi sebesar 1,36e-06. Besaran ini mengindikasikan bahwa kenaikan PDRB per kapita sebesar Rp. 1 triliun dapat

10 90 meningkatkan persentase penduduk miskin sebesar 1,36 %. Kondisi ini mendukung hasil estimasi model 1, yang menyimpulkan bahwa aktifitas ekonomi di kabupaten tertinggal belum mampu menurunkan angka kemiskinan karena diikuti oleh kenaikan ketimpangan pendapatan. Kondisi ini terjadi mengingat proses pembangunan lebih dititikberatkan pada daerah maju (perkotaan) dibandingkan dengan daerah tertinggal (perdesaan). Hal ini sejalan dengan penelitian Daryanto (2003) yang mengungkapkan bahwa proses pembangunan lebih mengedepankan pembangunan perkotaan, sedangkan pembangunan perdesaan selalu diletakkan paling belakang Perdesaan masih dianggap sebagai sumber produksi pertanian untuk memenuhi kebutuhan perkotaan, sumber potensi konsumsi dalam penyerapan yang dihasilkan produk industri dan jasa di perkotaan, serta sumber kelimpahan tenaga kerja bagi perkotaan. Hal ini mengakibatkan semakin lebarnya kesenjangan antara perkotaan dan perdesaan (Daryanto, 2003). Tabel 5.2. Hasil Estimasi Pengaruh Perekonomian terhadap Penurunan Kemiskinan dengan Menggunakan Metode Panel Statis, Panel Dinamis dan Panel Instrumental Variable Variabel Model 2 (Dependent Var: Persentase Pddk Miskin) RE SysGMM Panel IV FE Lag Persentase Pddk Miskin (Pot-1) Indeks gini (t) (Ginit) Pengeluaran Pemerintah (Expjuta) Kuadrat Pengeluaran Pemerintah (Expjuta2) PDRB per kapita (Yt) - -16,10561 (0,005) -8,25e-07 (0,098) 3,20e-12 (0,193) -6,71e-07 (0,021) Cat: angka dalam kurung menunjukkan nilai probabilita 1, (0,000) - -0, (0,085) 2,68e-11 (0,029) 1,36e-06 (0,019) - -6,19999 (0,326) 5,16e-6 (0,424) 1,41e-12 (0,603) -0, (0,000) Variabel pengeluaran pemerintah signifikan dalam menurunkan persentase penduduk miskin, hal ini ditunjukkan oleh nilai koefisien yang negatif, yaitu sebesar

11 91-0, Angka ini menunjukkan bahwa kenaikan pengeluaran pemerintah sebesar Rp. 1 miliar dapat menurunkan persentase penduduk miskin sebesar 0,328 %. Hubungan negatif antara pengeluaran pemerintah dengan persentase penduduk miskin ini dapat terjadi sebagai refleksi implementasi kebijakan-kebijakan pemerintah daerah yang pro poor growth. dalam mengalokasikan dan mengelola keuangan daerah, sehingga dampaknya dapat dirasakan oleh masyarakat miskin. Hal yang cukup menarik untuk dicermati adalah pada variabel kuadrat pengeluaran pemerintah yang nilai koefisiennya bernilai positif. Nilai koefisien yang positif dapat diartikan bahwa dalam jangka panjang, kenaikan pengeluaran pemerintah dapat menurunkan pertumbuhan ekonomi dan berpotensi meningkatkan kemiskinan. Kondisi ini dapat terjadi mengingat Anggaran pendapatan dan belanja baik pusat maupun daerah masih didominasi oleh anggaran untuk belanja rutin (belanja pegawai) yang nilainya lebih tinggi dari belanja modal untuk pembangunan, sehingga peningkatan nilai tambah/output yang terjadi disebabkan oleh peningkatan konsumsi bukan dari investasi. Data Kementrian Keuangan (2009) menunjukkan bahwa belanja modal untuk pembangunan hanya sebesar 26,33 persen dari total belanja nasional Uji Spesifikasi Model Panel Data Dinamis Pengujian spesifikasi model panel data dinamis dalam penelitian ini menggunakan uji Sargan atau yang lebih dikenal dengan Sargan Test of Overidentifying Restriction. Uji Sargan ini digunakan untuk melihat validitas instrumen yang digunakan di dalam model. Hasil uji Sargan terhadap ketiga model persamaan panel data dinamis dapat disimpulkan bahwa instrumen/model yang digunakan adalah valid pada tingkat kepercayaan 1%. Kesimpulan tersebut didasarkan pada nilai p-value pada ketiga model persamaan yang digunakan. Nilai p-value pada model pengaruh total bantuan P2IPDT terhadap perekonomian ekonomi adalah sebesar 0,0317 sedangkan nilai p- value untuk model pengaruh bantuan P2IPDT per jenis bantuan adalah sebesar 0,0197. Nilai p-value untuk model pengaruh perekonomian ekonomi terhadap persentase kemiskinan adalah sebesar 0,2459. Ketiga hasil tersebut merujuk pada

12 92 kesimpulan bahwa tidak cukup bukti secara statistik untuk menolak Ho, sehingga disimpulkan bahwa instrumen/model valid secara statistik.