relevansi teori environmental kuznets curve...
TRANSCRIPT
RELEVANSI TEORI ENVIRONMENTAL KUZNETS CURVE
TERHADAP DEGRADASI LINGKUNGAN DI TIGA
KLASIFIKASI NEGARA TAHUN 1985-2014
SKRIPSI
Diajukan Kepada Fakultas Ekonomi dan Bisnis (FEB)
Untuk Memenuhi Salah Satu Syarat Mencapai Gelar Sarjana Ekonomi (S.E)
Disusun Oleh:
Muhammad Harits Abdulah
11150840000038
Universitas Islam Negeri Syarif Hidayatullah
Fakultas Ekonomi dan Bisnis
Jurusan Ekonomi Pembangunan
Jakarta
1441 H / 2019 M
i
LEMBAR PENGESAHAN PEMBIMBING
ii
LEMBAR PENGESAHAN KOMPREHENSIF
iii
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH
iv
LEMBAR PENGESAHAN UJIAN SKRIPSI
v
DAFTAR RIWAYAT HIDUP
I. Identitas Pribadi
1. Nama Lengkap : Muhammad Harits Abdullah
2. Tempat / Tanggal Lahir : Jakarta / 27 Desember 1997
3. Alamat : Jl. K.H. Ahmad Madani, 112, Jatimakmur,
Pondok Gede, Bekasi
4. Telepon : 081310141928
5. E-mail : [email protected]
II. Pendidikan Formal
1. SD IT Iqro Bekasi Tahun 2003-2009
2. SMP IT Assyifa Boarding School, Subang Tahun 2009-2012
3. SMA IT Assyifa Boarding School, Subang Tahun 2012-2015
4. S1 UIN Syarif Hidayatullah Jakarta Tahun 2015-2019
III. Prestasi dan Pencapaian
1. Juara II Lomba Karya Tulis Ilmiah Nasional FEB UIN Jakarta, 2016
2. Juara III Lomba Esai Nasional FE Universitas Negeri Jakarta, 2017
3. Finalis Lomba Debat Nasional FEB UIN Jakarta, 2017
4. Peraih Penghargaan Mahasiswa Berprestasi (SAA) UIN Jakarta, 2017
5. Penerima Beasiswa Bank Indonesia (GenBI), 2018-2019
6. Juara III Lomba Basket UIN Jakarta, 2017
IV. Pengalaman Profesional
1. Project Officer Intern di Sustainable Development Financing Project,
Environment Unit - United Nations Development Programme (UNDP)
Indonesia (2019)
vi
V. Pengalaman Organisasi
1. Anggota Divisi Olahraga dan Kesenian HMJ Ekonomi Pembangunan UIN
Jakarta, 2016
2. Koordinator Divisi Keilmuan HMJ Ekonomi Pembangunan UIN Jakarta,
2017
3. Kepala Bidang II Pengembangan Akademik dan Religi HMJ Ekonomi
Pembangunan UIN Jakarta, 2018
4. Menteri Pendidikan Ikatan Mahasiswa Ekonomi Pembangunan Indonesia
rayon Jawa bagian barat (IMEPI Jabagbar), 2017-2019
5. Anggota Departemen Kemitraan Generasi Baru Indonesia daerah Jakarta,
Bogor, Depok, Tangerang (GenBI Jabodetan), 2018
6. Koordinator Departemen Kemitraan GenBI UIN Jakarta, 2018
7. Dewan Pengarah Departemen Kemitraan GenBI UIN Jakarta, 2019
vii
ABSTRACT
Environmental Kuznets Curve (henceforth, EKC) hypothesis is a theory that
hypothesizes the relationship between environmental degradation and percapita
income. This theory postulates an inverted-U relationship between environmental
degradation and percapita income, i.e., environmental degradation tends to
increase up to certain level as income goes up, after that, the degradation will tend
to decrease.
This study aims to test the relevance of EKC hypothesis while also test the impact
of percapita GDP and energy consumption percapita towards environmental
degradation in lower-middle, upper-middle, and high income countries over the
period of 1985 - 2014.
This study uses panel data method and Random Effect Model (REM) approach
for lower-middle and high income countries, while for upple-middle income country
uses Fixed Effect Model (FEM) approach.
This study finds that the EKC hypothesis is relevant in upper-middle income
country, with the turning point of percapita GDP at USD 9,143. In addition, this
study also finds that energy consumption percapita has a positive and significant
impact on environmental degradation in all income groups, and percapita GDP has
a positive and significant impact on environmental degradation in lower-middle and
upper-middle country, meanwhile a negative and significant impact in high income
country.
Keywords: Environmental Kuznets Curve, CO2 emissions, energy consumption,
Fixed Effect Model, Random Effect Model
viii
ABSTRAK
Teori Environmental Kuznets Curve (Seterusnya disebut EKC) adalah teori
yang mencoba mencari hubungan antara degradasi lingkungan dengan pendapatan
perkapita. Teori ini mempostulasikan relasi berbentuk U terbalik antara pendapatan
perkapita dengan degradasi lingkungan, yaitu degradasi lingkungan akan cenderung
meningkat seiring dengan peningkatan pendapatan. Setelah itu, akan terjadi
penurunan dari tingkat degradasi lingkungan.
Penelitian ini bertujuan untuk menguji relevansi teori EKC juga pengaruh dari
PDB perkapita dan konsumsi energi perkapita terhadap degradasi lingkungan di
kelompok negara berpendapatan menengah ke bawah, menengah ke atas, dan
kelompok negara berpendapatan tinggi pada tahun 1985 hingga 2014.
Penelitian ini menggunakan metode data panel dan pendekatan REM (Random
Effect Model) untuk kelompok negara berpendapatan menengah ke bawah dan
tinggi dan menggunakan pendekatan FEM (Fixed Effect Model) untuk kelompok
negara berpendapatan menengah ke atas.
Hasil penelitian ini menunjukkan bahwa teori EKC relevan hanya pada
kelompok negara berpendapatan menengah ke atas saja, dengan nilai turning point
PDB perkapita sebesar USD 9,143. Selain itu, penelitian ini juga menemukan bahwa
konsumsi energi perkapita berpengaruh positif dan signifikan terhadap degradasi
lingkungan di seluruh kelompok negara, dan PDB perkapita berpengaruh positif dan
signifikan di kelompok negara berpendapatan menengah ke bawah dan menengah
ke atas, namun berpengaruh negatif dan signifikan di kelompok berpendapatan
tinggi.
Keywords: Environmental Kuznets Curve, Emisi CO2, konsumsi energi, Fixed
Effect Model, Random Effect Model
ix
KATA PENGANTAR
Assalamu’alaikum warahmatullahi wabarakatuh,
Dengan mengucapkan Alhamdulillah, segala puji dan syukur penulis
haturkan atas kehadirat Allah SWT, karena berkat rahmat dan hidayah-Nya
penyusunan skripsi yang berjudul “Relevansi Teori Environmental Kuznets Curve
Terhadap Degradasi Lingkungan Di Tiga Klasifikasi Negara Tahun 1985-2014” ini
dapat diselesaikan guna memenuhi salah satu persyaratan dalam menyelesaikan
pendidikan strata satu pada jurusan Ekonomi Pembangunan Fakultas Ekonomi dan
Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Perjalanan panjang telah penulis lalui dalam rangka pembuatan penulisan
skripsi ini. Tidak terhitung hambatan yang telah dilalui dalam proses
penyusunannya. Namun berkat kuasa dan kehendak-Nya lah sehingga penulis
berhasil menyelesaikan penyusunan skripsi ini. Dengan rampungnya skripsi ini,
penulis ingin menyampaikan rasa terimakasih kepada:
1. Orang tua penulis, Ibunda Zuhirda Efiani dan Ayahanda Mohamad Yadi
yang telah mendidik dan memberikan kasih sayang, dukungan, doa, serta
kesabaran tanpa batas kepada penulis, juga kepada kakak penulis Afifah
Shibghatullah dan Muhammad Akbar Jundullah, juga adik penulis Khonsa
Salsabila.
2. Bapak Prof. Dr. Amilin, S.E.Ak., M.Si., CA., QIA., BKP., CRMP., selaku
Dekan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta,
semoga bapak selalu diberikan kemudahan dan kelancaran oleh Allah SWT
dalam membangun dan mengembangkan Fakultas Ekonomi dan Bisnis.
3. Bapak Pheni Chalid, Ph.D selaku dosen pembimbing yang telah
meluangkan waktu, memberikan motivasi dan arahan serta transfer ilmu
yang sangat bermanfaat selama perkuliahan dan bimbingan kepada penulis
mulai dari penulisan skripsi ini hingga selesai. Semoga bapak senantiasa
diberikan kesehatan dan keberkahan oleh Allah SWT.
4. Bapak Muhammad Hartana Iswandi Putra, M.Si dan Bapak Deni Pandu
Nugraha, M.Sc selaku Ketua dan Sekretaris jurusan Ekonomi Pembangunan
x
yang telah memberikan arahan serta bimbingan yang berarti dalam
penyelesaian perkuliahan ini.
5. Bapak Drs. Rusdianto, M.Sc. selaku dosen Pembimbing Akademik yang
telah memberikan banyak arahan dan senantiasa membimbing semasa
perkuliahan. Semoga bapak senantiasa dalam lindungan Allah SWT.
6. Seluruh jajaran dosen Fakultas Ekonomi dan Bisnis yang telah memberikan
ilmu dan pengalaman yang sangat berguna dan berharga kepada penulis
semasa perkuliahan serta jajaran karyawan dan staff UIN Syarif
Hidayatullah Jakarta yang telah melayani dan membantu selama masa
perkuliahan.
7. Seluruh teman-teman jajaran PT. Entropy yang senantiasa memotivasi dan
menemani hari-hari penulis selama perkuliahan. Terima kasih kepada
Wahyu, Ivan, Farras, Zul, Hilal, Feisal, Sya’ban, Desti, Satria, Putri, Farith,
Khaidar, Azam, Alwan, Isma. Semoga kita senantiasa berjuang dan
berteman dalam kebaikan hingga usia senja nanti.
8. Kawan-kawan Sepermainan: Miqdad, Rizki K., Azzy, dan Nisa, terimakasih
telah menemani dan membersamai selama lima tahun ini.
9. Kakak-kakak tingkat dan teman-teman angkatan 2015 Jurusan Ekonomi
Pembangunan dan kawan-kawan konsentrasi Perencanaan Pembangunan.
Terima kasih atas segala kebersamaan dan kebaikan.
10. Kolega penulis semasa melaksanakan magang di SDF Project UNDP
Indonesia: Mas Didi, Bang Fahrul, Pak Budhi, Pak Mumu, Kak Dima, Kak
Tiara, Kak Octa, dan Kak Hanna. Terima kasih atas setiap kesempatan dan
pengalaman yang berharga serta insight yang telah diberikan untuk
penulisan skripsi ini, terutama terkait pembiayaan perubahan iklim.
11. Teman-teman di IMEPI Jabagbar terutama kak Trian, Jop, Risky, Nurul,
Risma, dan Chris atas seluruh pengalaman yang telah diberikan.
12. Teman-teman Sepertunawismaan: Bagus, Iim, Afeb.
13. Kawan-kawan di HMJ Ekonomi Pembangunan periode 2016-2018.
14. Kawan-kawan penerima beasiswa Bank Indonesia yang tergabung dalam
GenBI periode 2018-2019.
xi
Serta pihak-pihak lain yang tidak dapat disebutkan satu persatu yang telah
membantu dalam proses pengerjaan skripsi ini.
Penulis menyadari bahwa karya skripsi ini masih jauh dari kata sempurna
karena keterbatasan pengetahuan dan pengalaman yang dimiliki oleh penulis. Oleh
karenanya, segala kritik dan saran yang membangun akan sangat diapresiasi untuk
perbaikan di masa mendatang.
Wassalamualaikum warahmatullahi wabarakatuh
Jakarta, September 2019
Muhammad Harits Abdulah
xii
DAFTAR ISI
LEMBAR PENGESAHAN PEMBIMBING ................................................................... i
LEMBAR PENGESAHAN KOMPREHENSIF ............................................................ ii
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ....................................... iii
LEMBAR PENGESAHAN UJIAN SKRIPSI ............................................................... iv
DAFTAR RIWAYAT HIDUP ......................................................................................... v
ABSTRACT ..................................................................................................................... vii
ABSTRAK ...................................................................................................................... viii
KATA PENGANTAR ...................................................................................................... ix
DAFTAR ISI.................................................................................................................... xii
DAFTAR TABEL .......................................................................................................... xiv
DAFTAR GAMBAR ....................................................................................................... xv
BAB I .................................................................................................................................. 1
A. Latar Belakang ................................................................................................ 1
B. Batasan Masalah ............................................................................................. 6
C. Rumusan Masalah ........................................................................................... 7
D. Tujuan Penelitian ............................................................................................ 7
E. Manfaat Penelitian .......................................................................................... 8
BAB II ................................................................................................................................ 9
A. Teori Terkait ................................................................................................... 9
1. Environmental Kuznets Curve (EKC) ......................................................... 9
2. Pollution Haven Hyphotesis (PHH) ........................................................... 13
3. Degradasi Lingkungan ............................................................................... 15
4. Pembangunan Berkelanjutan (Sustainable Development) ......................... 17
5. Eksternalitas ............................................................................................... 18
B. Penelitian Terdahulu ..................................................................................... 20
C. Hubungan Antar Variabel ............................................................................. 27
1. Degradasi Lingkungan dan Pendapatan Perkapita..................................... 27
2. Degradasi Lingkungan dan Konsumsi Energi ........................................... 27
D. Kerangka Berpikir ........................................................................................ 29
E. Hipotesis Penelitian ...................................................................................... 29
BAB III ............................................................................................................................. 31
xiii
A. Ruang Lingkup Penelitian .......................................................................... 31
B. Metode Penentuan Sampel ......................................................................... 31
C. Metode Pengumpulan Data ........................................................................ 33
D. Metode Analisis Data ................................................................................. 33
1. Model Data Panel....................................................................................... 34
2. Estimasi Model Data Panel ........................................................................ 35
3. Pemilihan Model Data Panel ..................................................................... 36
4. Uji Asumsi Klasik ...................................................................................... 38
5. Uji Kelayakan ............................................................................................ 39
E. Operasional Variabel Penelitian ................................................................. 40
BAB IV ............................................................................................................................. 42
A. Gambaran Umum Objek Penelitian ............................................................. 42
B. Temuan Hasil Penelitian ............................................................................... 46
1. Kelompok Negara Berpendapatan Menengah Ke Bawah ........................ 47
2. Kelompok Negara Berpendapatan Menengah Ke Atas ............................. 50
3. Kelompok Negara Berpendapatan Tinggi ................................................. 54
4. Uji Asumsi Klasik ...................................................................................... 57
5. Uji Kelayakan ............................................................................................ 60
6. Analisis Ekonomi ....................................................................................... 63
7. Analisis Relevansi Teori Environmental Kuznets Curve .......................... 66
BAB V .............................................................................................................................. 69
A. Simpulan ...................................................................................................... 69
B. Saran ............................................................................................................ 70
DAFTAR PUSTAKA ...................................................................................................... 73
LAMPIRAN..................................................................................................................... 77
xiv
DAFTAR TABEL
Table 2.1 Penelitian Terdahulu ..............................................................................20
Tabel 3.1 Klasifikasi Negara Berdasarkan Pendapatan .........................................32
Tabel 3.2 Sampel Penelitian ...................................................................................32
Tabel 3.3. Operasional Variabel Penelitian ...........................................................40
Tabel 4.1. Uji Chow Negara Berpendapatan Menengah ke Bawah.......................47
Tabel 4.2. Uji Hausman Negara Berpendapatan Menengah ke Bawah .................47
Tabel 4.3. Uji LM Negara Berpendapatan Menengah ke Bawah ..........................48
Tabel 4.4. Hasil Data Panel Negara Berpendapatan Menengah ke Bawah ...........49
Tabel 4.5. Uji Chow Negara Berpendapatan Menengah ke Atas ..........................51
Tabel 4.6. Uji Hausman Negara Berpendapatan Menengah ke Atas .....................51
Tabel 4.7. Hasil Data Panel Negara Berpendapatan Menengah ke Atas ...............52
Tabel 4.8. Uji Chow Negara Berpendapatan Tinggi ..............................................54
Tabel 4.9. Uji Hausman Negara Berpendapatan Tinggi ........................................54
Tabel 4.10. Uji LM Negara Berpendapatan Tinggi ...............................................55
Table 4.11 Hasil Data Panel Negara Berpendapatan Tinggi .................................56
Tabel 4.12. Uji Multikolinearitas Negara Berpendapatan Menengah ke Bawah ...58
Tabel 4.13. Uji Multikolinearitas Negara Berpendapatan Menengah ke Atas ......58
Tabel 4.14. Uji Multikolinearitas Negara Berpendapatan Tinggi ..........................58
Tabel 4.15. Uji Heteroskedastisitas Negara Berpendapatan Menengah ke Atas ...59
Tabel 4.16. Uji t-Statistik Negara Berpendapatan Menengah Ke Bawah ..............60
Tabel 4.17. Uji t-Statistik Negara Berpendapatan Menengah ke Atas ..................61
Tabel 4.18. Uji t-Statistik Negara Berpendapatan Tinggi ......................................61
Tabel 4.19. Uji F-Statistic Negara Berpendapatan Menengah ke Bawah ..............62
Tabel 4.20. Uji F-Statistic Negara Berpendapatan Menengah ke Atas .................62
Tabel 4.21. Uji F-Statistic Negara Berpendapatan Tinggi .....................................62
Tabel 4.22. Uji R-Square Negara Berpendapatan Menengah ke Bawah ...............62
Tabel 4.23. Uji R-Square Negara Berpendapatan Menengah ke Atas ...................62
Tabel 4.24. Uji R-Square Negara Berpendapatan TInggi ......................................63
Tabel 4.25. Hasil Pengujian Hipotesis EKC ..........................................................66
Tabel 4.26. Perbandingan Turning Point Pendapatan Perkapita EKC ...................68
xv
DAFTAR GAMBAR
Gambar 1.1 PDB Dunia 1960-2016 .........................................................................2
Gambar 1.2. Emisi CO2 Dunia (1960-2014) .......................................................... 3
Gambar 1.3. Anomali Temperatur dari Tahun ke Tahun ........................................ 3
Gambar 2.1. Kurva Kuznets (Kuznets Curve) ...................................................... 10
Gambar 2.2. Environmental Kuznets Curve ......................................................... 12
Gambar 2.3. Kerangka Berpikir ............................................................................ 29
Gambar 3.1. Alternatif Bentuk Environmental Kuznets Curve ............................ 35
Gambar 4.1. Tingkat Emisi CO2 di Tiga Klasifikasi Pendapatan Negara ............ 42
Gambar 4.2. Tingkat PDB Perkapita di Tiga Klasifikasi Negara ......................... 44
Gambar 4.3 Tingkat Konsumsi Energi Perkapita di Tiga Klasifikasi Negara ...... 45
Gambar 4.4. Kurva EKC Kelompok Negara Berpendapatan Menengah Ke Atas 67
1
BAB I
PENDAHULUAN
A. Latar Belakang
Pembangunan ekonomi merupakan salah satu tujuan utama dari adanya bidang
ilmu ekonomi. Seluruh negara di dunia ini saling susul menyusul dalam kemajuan
pembangunan negaranya masing-masing. Setiap negara saling bersaing untuk
menjadi negara adidaya, menguasai perekonomian global dan menjadi negara maju
yang memiliki pengaruh besar di kancah internasional. Salah satu bukti nyata akan
majunya pembangunan suatu negara digambarkan oleh kemajuan teknologinya.
Teknologi memang dapat dianggap sebagai simbol kemajuan dan kemasyhuran
suatu negara dan masyarakatnya, karena teknologi menggambarkan kemauan serta
kemampuan dari suatu negara untuk berinovasi dan melangkah maju. Terbukti dari
tahun 1800-an hingga sekarang, banyak sekali jenis teknologi baru yang telah
muncul, baik itu melalui proses invensi maupun inovasi. Hingga saat ini, dunia
disebut telah mengalami empat kali revolusi industri, yang berarti bisa diartikan
bahwa perekonomian global telah mengalami empat kali perubahan struktur
ekonomi akibat adanya perkembangan teknologi.
Dimulai pada fase industri 1.0, kehadiran mesin bertenaga uap dan air
membantu pekerja dalam menuntaskan pekerjaannya, meningkatkan kapabilitas
produksi dan pertumbuhan bisnis. Dilanjutkan dengan fase Industri 2.0 ketika listrik
menjadi sumber tenaga utama, yang dianggap lebih mudah dipergunakan
dibandingkan mesin tenaga uap. Pada periode ini pula mulai berkembang program
manajemen yang mendorong efisiensi dan efektifitas dalam fasilitas manufaktur.
Lalu dilanjutkan dengan fase industri 3.0 yang mencuat pada beberapa dekade akhir
di abad 20 ini. Invensi di bidang manufaktur dan peralatan elektronik seperti
transistor dan Chip sirkuit yang terintegrasi menyebabkan munculnya automasi
pada mesin, menggantikan operator manusia.
Kemudian yang terkini yaitu industri 4.0 yang menghubungkan Internet of
Things (IoT) dengan kegiatan manufaktur untuk sharing informasi, menghasilkan
adanya kegiatan intelligence dalam mesin, atau yang lebih awam disebut sebagai
2
artificial intelligence atau AI. Industri 4.0 ini dianggap dapat membuat prinsip dasar
teknologi yang muncul pada industri 3.0 mencapai potensi maksimalnya.
Teknologi dianggap sebagai salah satu faktor utama yang mempengaruhi
perkembangan ekonomi (Steenhuis & De Bruijn, 2012). Bahkan, teknologi dapat
dikatakan sebagai penyokong utama untuk kemajuan ekonomi, di mana teknologi
selalu mengedepankan efisiensi dan efektifitas, yang mana merupakan penyokong
utama dalam kegiatan ekonomi. Hadirnya teknologi tercatat telah meringankan
biaya dan proses dari produksi, distribusi, hingga konsumsi, menyebabkan
kemudahan bagi manusia di setiap kegiatan dalam kehidupannya. Data di bawah ini
menunjukkan adanya tren kenaikan total PDB dunia dari tahun 1960 sampai 2016.
Tren positif ini salah satunya disebabkan oleh kemajuan teknologi global.
Sumber: World Bank
Namun, di balik kemudahan yang diperoleh oleh teknologi, jelas ada biaya yang
harus dibayarkan. Dalam ekonomi dikenal adanya teori Opportunity Cost. Ketika
kita memutuskan untuk menjalankan atau melakukan suatu kegiatan, kita telah
menggunakan sumber daya yang tidak dapat digunakan pada kegiatan atau
kesempatan lain. Opportunity Cost adalah nilai atau value dari kesempatan yang
0
10
20
30
40
50
60
70
80
90
19
60
19
62
19
64
19
66
19
68
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
PDB Dunia 1960-2016 (Dalam angka triliun)
GDP Dunia
Gambar 1.1 PDB Dunia 1960-2016
3
tidak kita ambil tersebut (Nielsen, 2004), atau singkatnya, opportunity cost adalah
nilai yang tidak kita ambil karena kita lebih memilih kegiatan lain.
Sumber: World Bank
Beberapa ahli berpendapat bahwa biaya dari kemajuan dunia ini adalah
degradasi lingkungan. Dalam ekonomi, istilah ‘nilai’ tidak melulu soal uang. Nilai
menggambarkan manfaat yang diberikan oleh sumber daya kepada agen ekonomi.
Menurut ahli lingkungan, perubahan lingkungan dalam 60 tahun terakhir
menyebabkan manusia berada pada zona yang berisiko untuk melanjutkan hidup.
Peningkatan kerusakan lingkungan dapat dilihat pada kurva di atas yang
menggambarkan tingkat total emisi CO2 dunia dari tahun 1960 hingga 2014.
Ekonomi adalah tentang berkorban, dan dunia telah mengorbankan kelestarian alam
untuk kemajuan dunia (Milman, 2015).
0
5000000
10000000
15000000
20000000
25000000
30000000
35000000
40000000
19
60
19
62
19
64
19
66
19
68
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
Emisi CO2 Dunia (1960-2014)
Emisi CO2 (kt)
Gambar 1.3 Anomali Temperatur dari Tahun ke Tahun
Gambar 1.2 Emisi CO2 Dunia (1960-2014)
Sumber: Climate NASA
4
Bukti nyata akan meningkatnya kerusakan lingkungan oleh manusia adalah
terjadinya anomali perubahan iklim yang menyebabkan peningkatan suhu rerata
dunia. Grafik di atas menggambarkan indeks suhu daratan dan lautan secara global.
Dari grafik tersebut dapat dianalisis bahwa dunia telah mengalami peningkatan suhu
secara signifikan. Peningkatan suhu ini utamanya disebabkan oleh perkembangan
teknologi yang menghasilkan eksternalitas negatif berupa emisi yang kemudian
merusak lingkungan.
Hasil kajian para ilmuwan yang tergabung dalam Intergovernment Panel on
Climate Change (IPCC) menyimpulkan bahwa perubahan iklim yang mendorong
pemanasan global terlihat secara nyata pada 150 tahun terakhir yang ditunjukkan
melalui hadirnya anomali kondisi alam, seperti naiknya suhu rata-rata udara dan
laut, cairnya salju es di beberapa tempat, dan meningkatnya permukaan air laut
secara global.
Kajian ini juga menyatakan bahwa perubahan iklim juga disebabkan oleh ulah
manusia (anthropogenic intervention) yang mengakibatkan pelepasan Gas Rumah
Kaca (GRK) atau greenhouse gas ke udara yang kemudian menumpuk di lapisan
atmosfer. Penumpukan GRK di atmosfer inilah yang menjadi penyebab peningkatan
suhu bumi. Jika tidak ada langkah yang diambil untuk menangkal dan menstabilkan
tingkat GRK di atmosfer, maka diperkirakan dalam kurun waktu 50 sampai dengan
100 tahun ke depan, bumi akan mengalami peningkatan suhu rata-rata sebesar 1.1
hingga 5 derajat celcius. Ke depannya, peningkatan suhu ini akan memberikan
dampak yang sangat besar bagi kehidupan manusia dan makhluk hidup lain di
seluruh dunia (Solomon & IPCC, 2007).
Bukti akan dampak ekonomis dari adanya perubahan iklim telah dijabarkan
secara luas di dalam laporan Stern Review 2007 yang berjudul The Economics of
Climate Change. Laporan ini menyimpulkan bahwa biaya yang muncul akibat
perubahan iklim yang tidak disertai aksi untuk menanggulanginya akan setara
dengan 5% dari PDB global setiap tahunnya, sementara biaya yang ditimbulkan
akibat perubahan iklim apabila disertai dengan upaya untuk menanggulanginya
(mengurangi gas rumah kaca) dapat dibatasi hingga 1% saja. Penelitian ini
menunjukkan pentingnya upaya dalam menanggulangi perubahan iklim, baik itu
yang bersifat mitigasi maupun adaptasi (Nicholas Stern, 2007).
5
Berbagai upaya telah dijalankan dan dilakukan oleh berbagai kalangan untuk
menanggulangi kerusakan lingkungan yang setiap hari semakin parah. Salah satu
langkah paling besar global dalam melawan perubahan iklim adalah dengan
dibentuknya United Nations Framework Convention on Climate Change
(UNFCCC) yang dirundingkan pada KTT bumi di Rio di Janeiro pada tanggal 3
sampai dengan 14 Juni 1992 dan mulai diberlakukan pada tanggal 21 Maret 1994.
Tujuan utama dari adanya UNFCCC adalah untuk menstabilkan konsentrasi gas
rumah kaca atmosfer hingga berada pada tingkat yang mencegah terjadinya bahaya
untuk umat manusia. Selain UNFCCC, terdapat beberapa komitmen global lainnya
dalam menangani perubahan iklim seperti Protokol Kyoto yang diberlakukan pada
1997, Bali Road Map pada 2007 dan Paris Agreement pada 2015.
Berbagai komitmen ini kemudian mulai diikuti dan diberlakukan oleh berbagai
negara, termasuk Indonesia yang kemudian menjadi salah satu negara yang paling
aktif dalam melawan perubahan iklim dunia. Hal ini utamanya disebabkan oleh
kondisi geografis Indonesia yang sangat rentan terhadap perubahan iklim.
Salah satu langkah besar Indonesia dalam menjaga kondisi lingkungan dan
melawan perubahan iklim adalah dengan meluncurkan Rencana Aksi Nasional
Penurunan Emisi Gas Rumah Kaca (RAN-GRK) pada 2011 yang termaktub dalam
Peraturan Presiden Republik Indonesia Nomor 61 Tahun 2011 dan Rencana Aksi
Nasional Adaptasi Perubahan Iklim (RAN-API) yang dirilis pada 2014.
Simon Smith Kuznets, guru besar ilmu ekonomi di Universitas Pennsylvania,
John Hopkins, dan Harvard yang meraih penghargaan nobel di bidang ekonomi
telah mengeluarkan sebuah teori tentang hubungan antara pertumbuhan ekonomi
dan kesenjangan pendapatan yang ditulis dalam karyanya yang berjudul “Economic
Growth and Income Inequality” yang dirilis oleh The American Economic Review
pada 1955. Kuznets berpendapat bahwa relasi antara pertumbuhan ekonomi dan
pendapatan perkapita itu berbentuk seperti kurva U terbalik, di mana pada tahap
awal pertumbuhan, tingkat kesenjangan pendapatan akan tinggi dan terus
meningkat, namun seiring dengan berjalannya waktu, pertumbuhan ekonomi terus
meningkat dan akhirnya mengurangi tingkat kesenjangan pendapatan tersebut
(Simon Kuznets, 1955). Teori ini kemudian sering disebut sebagai Kurva Kuznets
(Kuznets Curve).
6
Beberapa ahli kemudian berargumen bahwa konsep tersebut ternyata sejalan
dengan konsep dalam ekonomi lingkungan, di mana dalam teori tersebut
dipostulasikan bahwa pada tahap awal pembangunan, pertumbuhan ekonomi turut
meningkatkan kerusakan lingkungan, namun seiring dengan meningkatnya
kemajuan teknologi, pendapatan, dan juga kesadaran masyarakat akan pentingnya
kelestarian lingkungan, pada suatu titik tertentu, kurva tersebut akan menurun dan
menyebabkan pertumbuhan ekonomi tidak lagi diikuti oleh kerusakan lingkungan
yang tinggi. Bahkan dalam teori ini disebutkan, jika sudah mencapai titik optimal
atau breakeven point atau turning point, pertumbuhan ekonomi yang digambarkan
melalui PDB perkapita justru akan mengurangi tingkat kerusakan lingkungan
(Dinda, 2004). Itulah mengapa penelitian-penelitian berikutnya selalu mengaitkan
teori lingkungan ini dengan nama Kuznets, sehingga muncullah nama teori
Environmental Kuznets Curve.
Teori Environmental Kuznets Curve ini menyatakan bahwa tidak selamanya
pertumbuhan ekonomi selalu diikuti oleh peningkatan kerusakan lingkungan.
Seiring berjalannya waktu, akan terjadi Turning Point (TP) di mana peningkatan
pertumbuhan ekonomi tidak lagi akan diikuti oleh meningkatnya kerusakan
lingkungan. Bahkan, pertumbuhan ekonomi akan mengurangi tingkat dari
kerusakan lingkungan tersebut, atau terjadi perbaikan kondisi lingkungan.
B. Batasan Masalah
Pembatasan masalah harus diberlakukan agar penelitian ini dapat lebih fokus dan
tidak keluar dari pokok penelitian yang ingin dibahas. Penelitian yang terkait
dengan pembahasan ekonomi lingkungan ini akan dibatasi pada variabel angka PDB
perkapita, tingkat Emisi CO2 perkapita, dan konsumsi energi perkapita di tiga
kelompok negara, yaitu high level income (pendapatan tinggi), upper-middle level
income (pendapatan menengah ke atas), dan lower-middle level income (pendapatan
menengah ke bawah). Penelitian ini menggunakan data dari tahun 1985 hingga 2014
sebagai batasan waktu.
7
C. Rumusan Masalah
Degradasi lingkungan merupakan sebuah permasalahan yang harus dituntaskan
tidak saja hanya melalui kesadaran individu, melainkan juga merupakan sebuah
permasalahan yang harus dituntaskan secara kelembagaan. Pemerintah sebagai
lembaga tertinggi dalam suatu negara memiliki tugas penting dalam rangka
mendorong pembangunan ekonomi yang ramah akan lingkungan. Teori EKC
muncul sebagai salah satu opsi penyelesaian permasalahan degradasi lingkungan
secara kelembagaan.
Penelitian ini akan berfokus pada pembahasan terkait PDB perkapita dan
konsumsi energi perkapita serta kaitannya terhadap tingkat kerusakan lingkungan
atau degradasi lingkungan yang diwakili oleh emisi CO2 perkapita. Sehingga,
pertanyaan masalah dapat dijabarkan sebagai berikut:
1. Sejauh mana pengaruh PDB perkapita dan konsumsi energi perkapita terhadap
tingkat emisi CO2 perkapita?
2. Apakah hipotesis teori Environmental Kuznets Curve relevan di klasifikasi
negara berpendapatan menengah ke bawah, menengah ke atas, dan tinggi?
3. Berapakah nilai turning point dari teori EKC di klasifikasi negara berpendapatan
menengah ke bawah, menengah ke atas, dan tinggi?
D. Tujuan Penelitian
Berdasarkan rumusan masalah yang sudah dijelaskan, maka tujuan yang ingin
dicapai dari penelitian ini, yaitu:
1. Mengetahui sejauh mana pengaruh PDB perkapita dan konsumsi energi perkapita
terhadap tingkat emisi CO2 perkapita
2. Mengetahui relevansi dari hipotesis teori Environmental Kuznets Curve di
klasifikasi negara berpendapatan menengah ke bawah, menengah ke atas, dan
tinggi.
3. Mengetahui berapa nilai turning point dari teori EKC di klasifikasi negara
berpendapatan menengah ke bawah, menengah ke atas, dan tinggi.
8
E. Manfaat Penelitian
Berdasarkan tujuan penelitian yang sudah dijelaskan, maka manfaat dari
penelitian ini, yaitu untuk:
1. Peneliti
Penelitian ini menjadi sarana pembelajaran dan pengaplikasian teori-teori yang
sudah dipelajari saat kuliah.
2. Pemerintah Terkait
Penelitian ini dapat menjadi informasi tambahan untuk pertimbangan dalam
pengambilan keputusan khususnya kebijakan di bidang ekonomi lingkungan.
3. Akademisi
Penelitian dapat menjadi rujukan belajar dan penelitian bagi pihak akademisi
yang juga membahas topik yang sama atau memiliki hubungan dengan topik
penelitian ini, selain itu, penelitian ini juga dapat digunakan sebagai sarana
pembelajaran bagi pihak akademisi.
9
BAB II
TINJAUAN PUSTAKA
A. Teori Terkait
1. Environmental Kuznets Curve (EKC)
Hubungan antara pertumbuhan ekonomi dan kualitas lingkungan merupakan
sebuah perdebatan yang telah lama muncul. Sebelum tahun 1970, terdapat
pendapat yang menyatakan bahwa konsumsi bahan baku, energi, dan sumber daya
alam lainnya tumbuh hampir bersamaan dengan tingkat yang sama dengan
pertumbuhan ekonomi. Kemudian, Club of Rome, sebuah organisasi pemerhati
ekonomi dan lingkungan jangka panjang dunia, merilis laporannya yang
menyatakan kekhawatiran mereka mengenai ketersediaan sumber daya alam dunia
pada masa mendatang.
Ekonom lingkungan dari Club of Rome berpendapat bahwa keterbatasan
sumber daya alam akan menghambat pertumbuhan ekonomi dan kemudian akan
mencegah terjadinya pertumbuhan ekonomi di suatu negara, membuat terjadinya
skema pertumbuhan ekonomi 0 persen untuk mencegah terjadinya permasalahan
lingkungan di masa yang akan datang.
Pernyataan ini kemudian menimbulkan berbagai macam kritik, baik secara
teoritis maupun empiris. Selain karena masih belum banyak tersedianya data,
pernyataan ini berketerbalikan dengan beberapa penelitian sebelumnya
Simon Smith Kuznets pada 1955 memprediksikan bahwa hubungan antara
pendapatan perkapita dan kesenjangan pendapatan memiliki relasi yang berbentuk
kurva U terbalik. Pada awalnya, ketika pendapatan perkapita meningkat, maka hal
ini akan diikuti pula oleh peningkatan kesenjangan pendapatan. Meski demikian,
setelah beberapa lama dan terjadi Turning Point (TP), peningkatan pendapatan
perkapita akan mulai diikuti oleh penurunan kesenjangan pendapatan. Dengan kata
lain, tingkat pendapatan sangat senjang di awal pembangunan, dan semakin merata
pada tahap berikutnya dari pembangunan (Kuznets, 1955). Bentuk dari korelasi ini
kemudian sering disebut sebagai korelasi berbentuk kurva U terbalik atau kurva
berbentuk lonceng (Dinda, 2004).
10
Sumber: The Green Market Oracle (2018)
Pada kisaran tahun 1990-an, kurva Kuznets muncul dalam bentuk yang baru.
Para ahli mulai mencoba untuk menggambarkan korelasi antara ekonomi dan
kondisi lingkungan. Tingkat pendapatan yang tinggi ternyata mampu mengurangi
tingkat degradasi lingkungan (Beckerman, 1992). Sehingga, muncul analisis
bahwa pertumbuhan ekonomi merupakan prakondisi untuk terjadinya peningkatan
kualitas lingkungan (Bhagawati, 1993).
Beberapa ahli kemudian menemukan bahwa hubungan antara degradasi
lingkungan dengan pendapatan perkapita memiliki bentuk yang sama dengan teori
kurva Kuznets yang dirilis pada 1955. Hingga kemudian, kurva Kuznets tidak saja
menggambarkan korelasi antara pendapatan perkapita dengan tingkat kesenjangan
pendapatan. Kurva Kuznets juga menggambarkan korelasi antara tingkat
pendapatan dengan kualitas lingkungan atau degradasi lingkungan.
Gambar 2.1 Kurva Kuznets (Kuznets Curve)
11
Teori ini kemudian mulai disebut sebagai Environmental Kuznets Curve
(EKC). Teori EKC ini pertama kali dikembangkan di dalam working paper karya
Gene M. Grossman dan Alan B. Krueger pada 1991. Grossman dan Krueger
membuat makalah kerja tentang dampak lingkungan atas hadirnya NAFTA (North
American Free Trade Agreement). Dalam makalah ini pula muncul bukti empiris
atas hadirnya EKC dalam korelasi antara pendapatan dengan degradasi lingkungan.
Grossman dan Krueger pertama kali menyadari adanya hubungan antara polusi
yang diproksikan dalam tingkat asap dan CO2 dengan pendapatan perkapita. Nama
Kuznets kemudian disandingkan dengan kurva ini karena korelasinya yang sama-
sama berbentuk U terbalik. Meski Grossman dan Krueger yang pertama kali
menyandingkan teori lingkungan ini dengan teori kurva Kuznets, nama
Environmental Kuznets Curve atau EKC pertama kali disebut oleh Panayatou
(1993) dalam makalahnya yang berjudul “Economic Growth and the Environment”
(Dinda, 2005).
Pada tahap awal pembangunan ketika suatu negara mulai membangun
perekonomiannya, atau pada tahap awal pertumbuhan ekonomi, tingkat kerusakan
lingkungan akan berada pada tingkat yang tinggi karena sedang terjadinya
eksploitasi sumber daya besar-besaran untuk menyokong tingkat faktor produksi
agar menghasilkan output yang besar. Di saat yang bersamaan, tingkat kesadaran
masyarakat dan pemerintah terkait pentingnya kualitas lingkungan untuk
kehidupan juga masih sangat minim dikarenakan rendahnya tingkat pendapatan.
Orang-orang miskin memiliki permintaan yang rendah terhadap kualitas
lingkungan. Karena menurut mereka, kualitas lingkungan merupakan barang
tersier yang tidak mendesak untuk dimiliki karena tidak termasuk jenis barang
primer. Meski demikian, ketika tingkat pendapatan masyarakat meningkat, maka
kemudian akan muncul permintaan akan lingkungan yang sehat dan bersih dari
masyarakat tersebut. Orang-orang kemudian akan rela untuk mengeluarkan lebih
untuk memperoleh kualitas hidup yang bersih (Dinda, 2005).
Pada tahap awal pembangunan, atau yang disebut sebagai tahap perkembangan
ekonomi oleh Kuznets, suatu negara akan banyak melakukan eksploitasi terhadap
12
sumber dayanya untuk mendorong tingkat pertumbuhan ekonomi. Semakin banyak
inputnya, maka semakin besar pula tingkat outputnya. Pada tahap ini, Kuznets
menyebutnya sebagai tahap pra industrial economies, yaitu sebuah tahap yang
terjadi sebelum era industrialisasi suatu negara. Pada tahap ini, umumnya suatu
negara berstruktur di bidang agraria. Tahap ini akan diikuti oleh meningkatnya
tingkat kerusakan lingkungan secara masif dan signifikan, dikarenakan terjadinya
eksploitasi sumber daya besar-besaran untuk mendorong pertumbuhan ekonomi.
Kemudian setelah terjadi eksploitasi besar-besaran, negara tersebut akan
mencapai tingkat tertentu yang kemudian akan memunculkan Turning Point, di
mana pertumbuhan ekonomi tidak lagi akan diikuti oleh kerusakan lingkungan.
Tahap ini sering disebut sebagai tahap ekonomi industri, tahap puncak dalam EKC.
Sumber: Tejvan Pettinger (2017)
Berdasarkan Dinda (2004), turning point EKC didapatkan dengan rumus =
− 𝛽1
2𝛽2 . Setelah terjadi turning point, ekonomi terus tumbuh dan tingkat kerusakan
lingkungan semakin berkurang. Masyarakat dan pemerintah mulai menyadari akan
Gambar 2.2 Environmental Kuznets Curve
13
pentingnya lingkungan dan mulai memprioritaskan kegiatan ekonomi yang bersih
dan ramah lingkungan. Pemerintah akan memperketat regulasi untuk menciptakan
ekonomi yang bersih, sehingga pada tahap ini mulai terjadi pergeseran struktur
ekonomi, dari yang sebelumya berstruktur industri menjadi negara dengan
mayoritas struktur ekonomi di bidang jasa. Beberapa ahli juga mengaitkan
pergeseran struktur ekonomi ini dengan teori Pollution Haven.
Sehingga dalam teori EKC ini, untuk mencapai tahap akhir, suatu negara akan
mengalami tiga struktur ekonomi yang berbeda, mulai dari struktur ekonomi
agraris, lalu menjadi ekonomi industri, dan dilanjut dengan ekonomi berbasis jasa
(service economies).
Beberapa ahli memiliki beberapa analisis penyebab terjadinya turning point di
dalam teori EKC ini. Beberapa penyebabnya antara lain adalah elastisitas
permintaan (Dinda, 2004) dan perdagangan internasional (Copeland & Taylor,
1994; Dinda, 2004).
2. Pollution Haven Hyphotesis (PHH)
Pollution Haven Hypothesis (PHH) pertama kali dipostulasikan oleh Copeland
dan Taylor (1994) dalam konteks Perdagangan Utara-Selatan (north-south trade)
dalam studi kasus NAFTA. Penelitian ini juga merupakan penelitian pertama yang
mencoba mencari hubungan antara keketatan regulasi lingkungan dan pola
perdagangan dengan tingkat polusi di suatu negara (Gill, Viswanathan, & Karim,
2018).
Copeland dan Taylor (1994) memprediksikan bahwa NAFTA akan menjadi
sebuah ‘kehancuran’ lingkungan untuk Meksiko dan ‘kehancuran’ pekerjaan untuk
Amerika Serikat. Lebih lanjut, Copeland dan Taylor (1994) juga menyebutkan
bahwa di bawah liberalisasi perdagangan, perusahaan atau industri yang
menghasilkan output berpolusi akan berpindah dari negara kaya yang memiliki
peraturan dan kebijakan yang ketat di bidang lingkungan menuju negara yang
cenderung miskin dan memiliki regulasi yang lemah di bidang lingkungan. Maka,
dalam perdagangan terbuka, negara berkembang akan cenderung menjadi pollution
haven untuk industri kotor dari negara yang lebih maju (Gill dkk., 2018).
14
Beberapa ahli menyatakan bahwa Pollution Haven Hyphotesis ini merupakan
penyebab dari adanya teori EKC. Suatu negara akan mulai menjadi lebih bersih
dari barang olahan dan industri-industri polutan dikarenakan industri-industri yang
terbilang kotor di dalam negara tersebut telah ‘diekspor’ kepada negara-negara
berkembang yang belum memiliki regulasi lingkungan yang kuat.
Sehingga, negara yang telah ‘mengekspor’ industri-industri kotor tersebut akan
mulai mengalami pergeseran struktur menjadi negara berbasis jasa (service
economy). Pada tahap ini pula kemungkinan besar terjadi turning point,
dikarenakan peningkatan pendapatan perkapita sudah tidak lagi diikuti oleh
kerusakan lingkungan. Sebaliknya, peningkatan pendapatan perkapita akan diikuti
oleh peningkatan kualitas lingkungan.
Meski PHH telah diteliti secara teoritis dan empiris oleh banyak ahli, belum
ada hasil konklusif akhir yang mampu menyatakan akan eksistensi PHH. PHH
menyatakan bahwa polusi dunia baru bisa diatur apabila negara maju bersedia
untuk mengatur konsumsi barang-barang polusi (Gill dkk., 2018).
Dinda (2004) kurang sejalan dengan hipotesis Pollution Haven. Menurutnya,
meski industri polutan cenderung berlokasi di negara berkembang, situasi ini juga
akan meningkatkan tingkat pendapatan dari negara yang ditinggali oleh si industri
polutan. Hasilnya, negara yang ditinggali industri polutan akan mulai
memprioritaskan regulasi di bidang lingkungan. Sehingga jika skema ini
diteruskan, kelak tidak akan ada lagi negara yang dapat menjadi ‘Pollution Haven’
untuk industri-industri polutan dikarenakan seluruh negara akan berada pada
tingkat atau level yang sama (Dinda, 2004).
Beberapa argumen inilah yang kemudian menyebabkan literatur empiris terkait
PHH memiliki output yang bercampur baur. Meski demikian, masih banyak
peneliti dan ekonom lingkungan yang termotivasi untuk meneliti terkait PHH,
entah itu untuk membantah ataupun mendukung hipotesis ini.
Yang (2001) memberikan sebuah bukti yang cukup kuat akan eksistensi PHH
dengan melihat dampak bidang lingkungan dari keanggotaan Taiwan dalam World
Trade Organization (WTO). Penelitiannya kemudian menemukan fakta bahwa
emisi CO2 di Taiwan meningkat setelah munculnya liberalisasi perdagangan yang
diberlakukan melalui keanggotaan Taiwan di bawah WTO. Selain itu, dia juga
15
menemukan bahwa mayoritas struktur produksi ekonomi negara tersebut telah
bergeser menjadi industri polutan (Yang, 2001).
Lebih lanjut lagi, terdapat pula beberapa argumen yang melawan argumen PHH
ini. Menurut Gill dkk (2018), beberapa argumen tersebut adalah sebagai berikut:
a. Beberapa menyatakan bahwa ketika sebuah perusahaan berpindah menuju negara
yang memiliki regulasi lingkungan yang longgar, perusahaan tersebut juga akan
mempertimbangkan adanya aspek penurunan produktifitas pekerja yang kemudian
akan membuat perusahaan mengeluarkan biaya tambahan untuk menutupi
produktifitas pekerja yang hilang karena polusi perusahaan.
b. Selain itu, perusahaan juga akan mempertimbangkan berbagai biaya yang hangus
karena melakukan perpindahan kepada negara lain tersebut.
c. Negara yang memiliki regulasi lingkungan yang lemah biasanya memiliki pondasi
hukum dan hukum komersial yang tidak jelas pula. Namun, investor dari negara-
negara berkembang cenderung untuk memilih negara dengan pondasi hukum yang
kuat dan kejelasan hukum dalam berniaga. Hal ini menyebabkan investor lebih
cenderung untuk menghindari negara-negara dengan regulasi di bidang lingkungan
yang lemah tersebut.
d. Menurut Letchumanan dan Kodama (2000), kebanyakan teori PHH didasarkan
pada teori neo-klasik tentang comparative advantage yang mana tidak
mempertimbangkan beberapa aspek dan faktor tambahan yang dinamis seperti
teknologi, inovasi, dan akses pasar yang mana juga memiliki dampak signifikan
terhadap kekompetitifan ekspor dibandingkan faktor comparative advantage.
Letchumanan dan Kodama (2000) juga mengkritik asumsi pendeketan PHH yang
menyatakan bahwa industri benar-benar berpindah secara keseluruhan untuk
mengambil keuntungan lokasi dari pollution haven.
3. Degradasi Lingkungan
Perubahan iklim akan memiliki dampak terhadap degradasi lingkungan dan
sistem sosial-ekonomi yang bergantung pada kondisi lingkungan sekitar (Warner,
Hamza, Oliver-Smith, Renaud, & Julca, 2010). Dikarenakan terjadinya perubahan
iklim, maka akan muncul dampak-dampak yang kemudian mampu merubah
tatanan kehidupan, baik itu secara fisik maupun non fisik. Salah satu dampak dari
adanya perubahan iklim adalah munculnya degradasi lingkungan.
16
Degradasi lingkungan adalah kerusakan lingkungan karena terjadinya
penipisan sumber daya seperti udara, air, dan tanah; kerusakan ekosistem;
kerusakan habitat; dan polusi. Degradasi lingkungan didefinisikan sebagai
perubahan atau gangguan terhadap lingkungan yang dianggap bersifat merusak.
Menurut M.R. Chertow (2001), degradasi lingkungan dapat digambarkan oleh
fungsi I = PAT. Dampak lingkungan (I) atau degradasi lingkungan disebabkan oleh
kombinasi dari peningkatan populasi manusia (P), pertumbuhan ekonomi yang
terus meningkat (A), dan penggunaan teknologi yang mengurangi sumber daya
serta menciptakan polusi (T) (M.R. Chertow, 2001).
Menurut Dinda (2004), dalam keterkaitannya dengan EKC, terdapat beberapa
indikator kerusakan lingkungan yang sering dipergunakan dalam penelitian
terdahulu yaitu
1) Indikator kualitas udara yang umumnya menggunakan satuan CO2, SO2, CO,
ataupun NOx,
2) Indikator kualitas air, yang menggunakan tiga kategori indikator yaitu a) tingkat
konsentrasi pathogen dalam air, b) tingkat logam berat dan pembuangan kimia
beracun di air yang disebabkan oleh manusia, dan c) Tingkat kerusakan oksigen
yang terkandung dalam air
3) Indikator lingkungan lainnya seperti tingkat sampah perkotaan, sanitasi perkotaan,
akses terhadap air minum bersih, tingkat penggunaan energy dan lain sebagainya.
(Dinda, 2004).
Salah satu dampak paling berbahaya dari adanya degradasi lingkungan adalah
terjadinya penipisan sumber air di dunia. Menurut Climate Institute, diperkirakan
hanya 2.5% dari seluruh air yang ada di dunia yang tergolong sebagai air tawar,
dengan sisanya tergolong sebagai air asin. 69% dari air tawar merupakan bagian
dari es yang berada di Antartika dan Greenland, sehingga hanya sekitar 30% dari
2.5% air tawar yang tersedia untuk dikonsumsi. Air tawar merupakan aspek
lingkungan yang sangat penting, karena hampir seluruh makhluk hidup di atas
bumi bergantung terhadap ketersediaan air tawar.
Diperkirakan satu pertiga dari manusia di dunia telah mengalami kekurangan
air bersih, dan sekitar satu perlima dari populasi di dunia tinggal di area yang
cenderung mengalami kelangkaan air, diperkirakan juga bahwa satu per empat dari
17
populasi di dunia tinggal di negara berkembang yang cenderung belum memiliki
infrastruktur yang memadai untuk mengolah air dari sungai dan akuifer yang
tersedia. Kelangkaan air bersih merupakan salah satu masalah yang terus
meningkat dikarenakan banyaknya permasalahan yang diperkirakan terus
bertumbuh di masa depan seperti pertumbuhan populasi, urbanisasi, dan perubahan
iklim (UNDP, 2006).
4. Pembangunan Berkelanjutan (Sustainable Development)
Pembangunan berkelanjutan atau sustainable development merupakan suatu
prinsip pengorganisasian untuk memenuhi tujuan pembangunan manusia sembari
mempertahankan kemampuan alam untuk menyediakan sumber daya alam dan
ekosistem yang menjadi tumpuan ekonomi masyarakat. Pembangunan
berkelanjutan digagas sebagai respon atas berbagai dampak yang ditimbulkan
manusia terhadap lingkungan, terutama dalam proses penggunaan teknologi yang
berdampak terhadap pertumbuhan ekonomi.
Sebagai respon lebih lanjut dan sebagai bukti akan keseriusan dunia dalam
mendorong pembangunan berkelanjutan, saat ini Persatuan Bangsa-bangsa (PBB)
sedang menjalankan program Sustainable Development Goals atau yang lebih
awam dikenal sebagai SDGs. SDGs sendiri merupakan program yang digagas
sebagai pengganti akan Millenium Development Goals atau MDGs. MDGs
merupakan program yang diluncurkan pada tahun 2000, berisi 8 tujuan besar yang
ditargetkan dicapai dalam 15 tahun, sampai dengan tahun 2015. Berdasarkan
United Nations (2015), MDGs terdiri dari
1) Memberantas kemiskinan dan kelaparan ekstrem,
2) Mewujudkan pendidikan dasar untuk semua,
3) Mendorong kesetaraan gender dan pemberdayaan perempuan,
4) Menurunkan angka kematian anak,
5) Meningkatkan kesehatan ibu,
6) Memerangi HIV dan AIDS, malaria, serta penyakit lainnya,
7) Memastikan kelestarian lingkungan,
8) Mempromosikan kemitraan global untuk pembangunan
Kemudian pada 2012, dilaksanakan United Nations Conference on Sustainable
Development (UNCSD) sebagai peringatan 20 tahun United Nations Conference
18
on Environment and Development (UNCED) atau yang dikenal sebagai Earth
Summit. Konferensi ini kemudian dikenal sebagai Rio+20. Sebelumnya pada Juli
2011, Colombia mengajukan konsep SDGs yang berisi 17 target terkait. Kemudian
dalam konferensi tersebut, konsep SDGs ini disepakati di bawah resolusi “The
Future We Want”. Setelah itu, PBB mulai memproses konsep ini agar menjadi
konsep pembangunan yang dilaksanakan oleh 193 anggotanya. Resolusi ini
kemudian menjadi perjanjian antar pemerintah dunia sebagai Agenda
Pembangunan Pasca 2015 (Paula Caballero, 2016). Berdasarkan United Nations,
SDGs terdiri dari 17 target sebagai berikut:
1) Tanpa kemiskinan
2) Tanpa kelaparan
3) Kehidupan sehat dan sejahtera
4) Pendidikan berkualitas
5) Kesetaraan gender
6) Air bersih dan sanitasi layak
7) Energi bersih dan terjangkau
8) Pekerjaan layak dan pertumbuhan ekonomi
9) Industri, inovasi, dan infrastruktur
10) Berkurangnya kesenjangan
11) Kota dan komunitas berkelanjutan
12) Konsumsi dan produksi yang bertanggung jawab
13) Penanganan perubahan iklim
14) Ekosistem laut
15) Ekosistem daratan
16) Perdamaian, keadilan, dan kelembagaan yang tangguh
17) Kemitraan untuk mencapai tujuan
5. Eksternalitas
Dalam ilmu ekonomi, eksternalitas dikenal sebagai biaya atau keuntungan
yang dirasakan oleh pihak yang mana tidak bertanggung jawab atas biaya atau
keuntungan tersebut (Buchanan & Stubblebine, 1962). Eksternalitas umumnya
terjadi ketika harga equilibrium suatu barang atau jasa tidak mencerminkan biaya
dan keuntungan yang sesungguhnya dari suatu barang atau jasa tersebut. Hal ini
19
kemudian menyebabkan keseimbangan kompetitif eksternalitas tidak menjadi
Pareto Optimal.
Eksternalitas dapat muncul dalam bentuk positif maupun negatif.
Eksternalitas positif biasanya berupa dampak positif yang diterima pihak lain akibat
kegiatan produksi atau konsumsi yang dilakukan oleh suatu pihak. Contoh singkat
akan adanya eksternalitas positif adalah terbangunnya infrastruktur di pedalaman
sebagai akibat pembangunan industri. Sedangkan eksternalitas negatif adalah
dampak negatif yang diterima dan dirasakan oleh pihak lain sebagai akibat dari
proses konsumsi maupun produksi suatu pihak. Contoh umum akan eksternalitas
negatif adalah polusi sebagai akibat dari proses produksi industri.
Untuk menanggulangi eksternalitas, pihak pemerintah dan institusi terkait
harus malakukan internalitas. Internalitas diberlakukan agar transaksi dapat
menyeimbangkan setiap biaya dan keuntungan antar seluruh agen ekonomi.
Langkah paling umum yang diberlakukan pemerintah adalah dengan menjalankan
kebijakan pajak polusi. Selain itu, internalitas juga dapat dilaksanakan melalui
program Corporate Social Responsibility (CSR) dan kesepakatan sosial. Setelah
eksternalitas berhasil diinternalkan, ekuilibrium kompetitif akan menjadi Pareto
Optimal.
20
B. Penelitian Terdahulu
Tabel 2.1 Penelitian Terdahulu
No. Penulis Tahun Judul Ringkasan Temuan
1 Kingsley Appiah 2017 Investigation of
the Relationship
Between Economic
Growth and
Carbon Dioxide
(CO2) Emissions
as Economic
Structure
Changes:
Evidence from
Ghana
Penelitian ini mencoba mengkaji dan
menelusuri hubungan antara CO2 dan
pertumbuhan ekonomi di negara Ghana ketika
terjadi perubahan struktur ekonomi. Penelitian
ini juga mencoba untuk menguji Environmental
Kuznets Curve (EKC) dari pertumbuhan
ekonomi dan CO2 di Ghana. Selain itu,
penelitian ini juga melihat kontribusi dari
beberapa sektor ekonomi terhadap pertumbuhan
ekonomi di Ghana. Penelitian ini menggunakan
data dari tahun 1970-2016 dengan
menggunakan CO2 (metrik ton perkapita)
sebagai proksi dari polusi lingkungan dan PDB
perkapita sebagai proksi dari pertumbuhan
ekonomi.
-Belum mampu menunjukkan
eksistensi teori EKC
-Tingkat emisi CO2 di Ghana
signifikan dipengaruhi oleh PDB
-Struktur perekonomian Ghana
telah bergeser dari basis
agrikultur menuju jasa
21
2 Huiming Zhu 2016 The effects of FDI,
economic growth
and energy
consumption on
carbon emissions
in ASEAN-5:
Evidence from
panel quantile
regression
Penelitian ini mencoba mencari dampak
dari FDI, pertumbuhan ekonomi, dan konsumsi
energi terhadap emisi karbon dari lima negara
terpilih di Association of South East Asian
Nations (ASEAN-5) yaitu Indonesia, Malaysia,
Filipina, Singapura, dan Thailand.
Penelitian ini menggunakan metodologi
model regresi fixed effect panel quantile untuk
mencari tahu determinan dari emisi karbon
melalui distribusi kondisional, terutama di
negara dengan tingkat emisi paling banyak dan
paling sedikit. Penelitian ini menggunakan data
dari tahun 1980-2010 yang bersumber dari
World Development Indicators.
-Kurva EKC tidak dapat
ditemukan di dalam kelompok
ASEAN-5, namun efek dari
pertumbuhan ekonomi bersifat
negative dan signifikan pada
kuantil paling atas, menunjukkan
bahwa tingkat pertumbuhan
ekonomi yang lebih tinggi dapat
mencegah peningkatan dalam
pertumbuhan emisi karbon di
negara dengant ingkat emisi yang
tinggi
-Trade Openness memiliki
pengaruh negatif tehadap emisi
karbon
3 Nicholas Apergis
dan Ilhan Ozturk
2014 Testing
Environmental
Kuznets Curve
Penelitian ini mencoba untuk menguji hipotesis
EKC dalam 14 negara Asia selama periode
waktu 1990 sampai dengan 2011. Penelitian ini
menggunakan metode data panel yang
-Teori EKC muncul dan signifikan
secara statistic antara PDB
perkapita dan emisi CO2
22
Hypothesis in
Asian Countries
menggunakan framework multivariate yang
terdiri dari PDB perkapita, kepadatan populasi,
lahan, share industri terhadap PDB, dan empat
indikator pengukur kualitas institusi.
-Terdapat kausalitas searah
(unidirectional) antara PDB
perkapita dan emisi, yang mana
berasal dari PDB perkapita
menuju emisi.
4 Edgar C. Saucedo
A, Jesús Díaz P,
dan María del Pilar
Parra O.
2017 Estimating
Environmental
Kuznets Curve:
The Impact of
Environmental
Taxes and Energy
Consumption in
CO2 Emissions of
OECD Countries
Penelitian ini bertujuan untuk
mengestimasi hubungan antara emisi CO2
perkapita, PDB perkapita, konsumsi energi, dan
pajak lingkungan (environmental taxes) di
negara-negara OECD pada tahun 1994 – 2014.
Penelitian ini menggunakan model panel data
dinamis dan statis.
-Teori EKC muncul di dalam
model data panel negara-negara
OECD
-Konsumsi energi bahan bakar
fosil memiliki dampak positif
terhadap emisi CO2
- pemerintah memiliki peran yang
sangat penting dalam
meningkatkan kondisi lingkungan,
karena pajak lingkungan
berdampak negatif terhadap emisi
CO2
5 Dea Yustisia dan
Catur Sugiyanto
2014 Analisis Empiris
Environmental
Penelitian oleh Dea Yustisia dan Catur
Sugiyanto ini bertujuan untuk menginvestigasi
-Penelitian ini menemukan bahwa
teori EKC muncul hanya pada
23
Kuznets Curve
(EKC) Terkait
Orientasi Energi
akan ada atau tidaknya Environmental Kuznets
Curve (EKC) dalam tiga klasifikasi negara (high
development country, middle development
country, dan low development country) selama
masa periode 1991-2010. Penelitian ini
menggunakan metode data panel.
negara dengan klasifikasi middle
development country dan terdapat
penolakan pada klasifikasi negara
lainnya.
- Energi alternatif memiliki peran
yang penting dalam pembangunan
berkelanjutan.
- Investasi dan kesepakatan
bersama (joint agreement) terkait
penggunaan energi yang ramah
lingkungan memiliki dampak
signifikan terhadap pembangunan
berkelanjutan
6 Devy Priambodo
Kuswantoro
2009 Pembangunan
Ekonomi dan
Deforestasi Hutan
Tropis (Mengkaji
Kembali Hipotesis
Environmental
Penelitian ini bertujuan untuk
mengobservasi dan menganalisis eksistensi serta
konsistensi dari teori Environmental Kuznets
Curve pada deforestasi hutan tropis untuk
periode tahun 1990-2005. Penelitian ini
menggunakan empat model berbeda terkait
-Model EKC hanya ditemukan
dalam model 2 dan model 3.
-Variasi variabel yang digunakan
dalam penelitian ternyata
mempengaruhi konsistensi EKC
24
Kuznets Curve
Menggunakan
Analisis Antar
Negara)
deforestasi hutan dalam pengujian EKC, yaitu:
1) Luas deforestasi tahunan, 2) Laju deforestasi
tahunan, 3) Luas deforestasi tahunan perkapita,
dan 4) Luas deforestasi tahunan per output
perekonomian
-Ditemukan turning point sebesar
USD 10,406 dan pada model 2 dan
sebesar USD 7,283 pada model 3.
-Variabel ekspor kayu,
produktifitas pertanian, dan harga
ekspor kayu gergajian
memberikan pengaruh negatif
terhadap deforestasi
7 Alexandra Allard
dan Johanna
Takman
2017 An Empirical
Assessment of the
N-Shaped
Environmental
Kuznets Curve
Hypothesis
Penelitian ini bertujuan untuk menguji
hipotesis teori EKC dengan menggunakan
metode data panel. Variabel dependen penelitian
ini adalah emisi CO2 dan variabel independennya
terdiri dari PDB perkapita, konsumsi energi
terbarukan, perkembangan teknologi,
perdagangan, dan kualitas institusional dalam
jangka waktu 1994 hingga 2012.
-Ditemukan teori EKC di seluruh
kelompok berpendapatan negara
kecuali pendapatan menengah ke
atas ketika menggunakan metode
regresi pooled OLS
-Hubungan yang negatif yang
jelas antara energi terbarukan dan
emisi CO2.
8 Min Na Wang 2017 Investigating the
Environmental
Kuznets Curve of
Penelitian ini mencoba menganalisis
eksistensi dari teori EKC dari negara Albania
dan Swedia. Penelitian ini menggunakan metode
-Tidak ditemukan adanya
hipotesis EKC di negara Swedia
dalam periode 1984 hingga 2012.
25
Consumption for
Developing and
Developen
Countries: a Study
of Albania and
Sweden
Time Series. Variabel dependen penelitian ini
terdiri dari jejak ekologi (ecological footprints)
dan variabel independennya terdiri dari PDB
perkapita dan keterbukaan perdagangan (Trade
Openness)
-Ditemukan adanya hipotesis
EKC di negara Albania
9 Maxensius Tri
Sambodo dan Esta
Lestari
2012 Investigating the
Environmental
Kuznets Curve:
Panel Data
Evidence
Penelitian ini mencoba menganalisis
eksistensi EKC dalam tiga kelompok: dunia,
negara OECD, dan negara-negara berkembang.
Penelitian ini mencoba membandingkan hasil
penelitian ketika menggunakan beberapa teknik
estimasi berbeda: Pooled OLS, Fixed Effect,
Random Effect, dan data panel dinamis
-Penggunaan rentang waktu dan
spesifikasi model memiliki
implikasi yang penting terhadap
estimasi parameter, kondisi ini
kemudian menyebabkan
ketidakpastian dalam estimasi
parameter
-EKC hanya ditemukan dalam
kelompok negara OECD
-Transisi ekonomi dari basis
agrikultur menuju basis jasa akan
berdampak negatif terhadap emisi
CO2 perkapita
26
10 Ana J. López-
Menéndez,
Rigoberto Pérez,
dan Blanca Moreno.
2014 Environmental
Costs and
Renewable
Energy: Re-
visiting the
Environmental
Kuznets Curve
Penelitian ini mencoba menguji
eksistensi dari teori EKC di dalam kelompok 27
negara Uni Eropa dalam periode waktu 1996-
2010. Penelitian ini menggunakan metode data
panel dan total emisi CO2 sebagai variabel
dependen dan PDB perkapita serta konsumsi
energi terbarukan sebagai variabel independen
-Pengujian secara keseluruhan
menghasilkan pola kurva
berbentuk N dari kelompok EU-27
-Penelitian ini menemukan teori
EKC hanya di empat negara,
Cyprus, Yunani, Slovenia, dan
Spanyol
-11 Negara menunjukkan pola
meningkat, 9 menunjukkan pola
menurun, dan 3 negara
menunjukkan pola kurva U
27
C. Hubungan Antar Variabel
1. Degradasi Lingkungan dan Pendapatan Perkapita
Pada dasarnya, hubungan antara kerusakan lingkungan dengan pendapatan
perkapita bersifat positif atau sejalan. Pada tahap awal pembangunan, pendapatan
perkapita masyarakat akan cenderung meningkat. Peningkatan pendapatan
masyarakat ini kemudian akan diikuti oleh peningkatan kerusakan lingkungan yang
umumnya digambarkan oleh tingkat emisi CO2. Hal ini disebabkan karena pada
tahap pembangunan ini, faktor-faktor yang turut mendorong peningkatan
pertumbuhan ekonomi dan pendapatan perkapita tersebut juga meningkat, seperti
tingkat industri, investasi, hingga konsumsi masyarakat.
Tingginya faktor-faktor pendorong pertumbuhan ekonomi tersebut kemudian
akan memberikan dampak terhadap tingginya tingkat emisi CO2 yang kemudian
akan mempengaruhi kualitas lingkungan. Emisi CO2 ini akan berkembang dan
berakumulasi di dalam atmosfer yang kemudian akan menghalangi kemampuan
panas matahari dan radiasi untuk keluar dari muka bumi. Hal ini akan meningkatkan
suhu rata-rata permukaan bumi yang kemudian menjadi penyebab berbagai
bencana, seperti kekeringan, penyebaran penyakit, kebakaran hutan, dan berbagai
macam dampak buruk lainnya. Hal inilah yang lebih lanjut sering dikenal dengan
perubahan iklim yang disebabkan oleh efek Gas Rumah Kaca (GRK) atau
Greenhouse Gas (GHG).
Meski demikian, menurut teori EKC, ketika pendapatan perkapita masyarakat
telah mencapai titik tertentu, peningkatan pendapatan perkapita masyarakat tidak
lagi akan diikuti oleh peningkatan kerusakan lingkungan. Hal inilah yang kemudian
disebut sebagai kurva U terbalik, karena dalam perkembangannya akan terjadi
turning point yang menyebabkan penurunan lereng kurva.
2. Degradasi Lingkungan dan Konsumsi Energi
Hubungan antara tingkat konsumsi energi dengan degradasi lingkungan bersifat
sejalan atau positif, dengan catatan bahwa jenis energi yang digunakan masih
mayoritas jenis energi yang berdampak buruk terhadap lingkungan atau jenis energi
yang tidak termasuk ke dalam Energi Baru Terbarukan (EBT). Hal ini dikarenakan
tingkat penggunaan energi yang tidak ramah lingkungan akan meningkatkan
28
kerusakan lingkungan dengan cara meningkatkan akumulasi tingkat emisi yang
merusak lingkungan.
Konsumsi energi dapat dianggap sebagai salah satu faktor utama dalam
kontribusinya terhadap emisi CO2. Hal ini dikarenakan konsumsi energi dapat
dianggap sebagai ‘minyak’ yang turut mendorong pertumbuhan ekonomi. Sesuai
dengan hipotesis oleh Chertow (2001) yang menyatakan bahwa degradasi
lingkungan dipengaruhi oleh tingkat populasi, pertumbuhan ekonomi, dan
penggunaan teknologi, konsumsi energi sangat berpengaruh dan terpengaruh oleh
ketiga variabel ini, sehingga penting untuk menyertakan variabel konsumsi energi
untuk menganalisis keterkaitannya dengan emisi CO2
29
D. Kerangka Berpikir
Relevansi Teori Environmental Kuznets Curve Terhadap Degradasi
Lingkungan di Tiga Klasifikasi Negara Tahun 1985 - 2014
PDB Perkapita (X1)
Emisi CO2 (Y)
Data Panel
Pemilihan Model:
-Uji Chow
-Uji Hausman
-LM Test
Uji Hipotesis:
-Uji T
-Uji F
-Uji Adjusted R2
Kesimpulan dan Saran
PDB Perkapita
kuadrat (X12)
Konsumsi Energi
Perkapita(X2)
Analisis Relevansi EKC
Gambar 2.3 Kerangka Berpikir
30
E. Hipotesis Penelitian
Dalam melaksanakan penelitian, terdapat hipotesis atau dugaan sementara
terkait hasil akhir penelitian ini yang akan menjadi acuan dalam menganalisis hasil
regresi akhir penelitian. Berdasarkan acuan teoritis dan studi empiris dari
penelitian-penelitian yang telah dilakukan di bidang terkait, maka dapat
dirumuskan hipotesis sebagai berikut:
1. Variabel PDB perkapita memiliki pengaruh positif dan signifikan terhadap
degradasi lingkungan di kelompok negara berpendapatan tinggi, menengah
ke atas, dan menengah ke bawah. Sementara itu, Variabel konsumsi energi
perkapita memiliki pengaruh positif dan signifikan terhadap degradasi
lingkungan di kelompok negara berpendapatan tinggi, menengah ke atas,
dan menengah ke bawah.
2. Teori EKC relevan di kelompok negara berpendapatan menengah ke atas
saja, karena diasumsikan bahwa kelompok negara ini merupakan kelompok
negara-negara yang sedang berkembang dan bertransisi.
3. Terdapat turning point yang menunjukkan titik balik teori EKC di kelompok
negara berpendapatan menengah ke atas.
31
BAB III
METODE PENELITIAN
A. Ruang Lingkup Penelitian
Penelitian ini menggunakan satu variabel dependen (terikat) dan tiga variabel
independen (tidak terikat). Variabel dependen yang digunakan dalam penelitian ini
adalah kerusakan lingkungan yang diproksikan dalam tingkat CO2 perkapita.
Penelitian ini menggunakan CO2 perkapita sebagai proksi untuk variabel kerusakan
lingkungan dikarenakan CO2 perkapita merupakan variabel yang umum digunakan
di bidang penelitian ini (Allard, Takman, Uddin, & Ahmed, 2018). Selain itu,
menurut World Bank (2014) yang dikutip dari UNFCCC, emisi CO2
merepresentasikan lebih dari 80% tingkat emisi Gas Rumah Kaca dunia. Variabel
independen yang digunakan dalam penelitian ini adalah PDB perkapita sebagai
proksi untuk pendapatan perkapita dan konsumsi energi.
Penelitian ini menggunakan data sekunder. Data sekunder merupakan data yang
diperoleh melalui perantara atau secara tidak langsung yang telah disusun oleh
instansi tertentu yang dapat dipertanggung jawabkan. Penelitian ini mendapatkan
data dari beberapa sumber yang dikumpulkan oleh World Bank. Penelitian ini
menggunakan pendekatan kuantitatif dan metode data panel yang mencakup data
cross-section yang berupa tiga kelompok negara berdasarkan klasifikasi
pendapatan dan time series yang berupa periode tahun 1985 hingga tahun 2014.
B. Metode Penentuan Sampel
Sampel merupakan suatu sub kelompok dari suatu populasi terpilih untuk
kemudian digunakan dalam penelitian (Amirullah, 2015). Penelitian ini
menggunakan masing-masing 10 sampel negara yang berasal dari tiga kelompok
negara, yaitu lower-middle income, upper-middle income, dan high-income sesuai
dengan klasifikasi dari World Bank. Berdasarkan World Bank (2018), klasifikasi
kelompok negara berdasarkan tingkat pendapatan adalah sebagai berikut:
32
Tabel 3.1. Klasifikasi Negara Berdasarkan Pendapatan
Threshold GNI/Capita (Current US$)
Low-income
Lower-middle Income 996 – 3,895
Upper-middle Income 3,896 – 12,055
High-income > 12,055
Sumber: World Bank
Penelitian ini menggunakan metode pengambilan sample Purposive Sampling,
yaitu metode pengambilan sampel penelitian berdasarkan pertimbangan peneliti
yang berdasarkan pertimbangan atas berbagai tujuan dan maksud tertentu. Sampel
dari masing-masing klasifikasi negara diambil berdasarkan pertimbangan
kelengkapan data dan peran negara tersebut dalam perekonomian dunia.
Dikarenakan penelitian ini menggunakan periode waktu yang cukup panjang, maka
kelengkapan data menjadi salah satu pertimbangan utama. Kemudian, diputuskan
sampel dari masing-masing klasifikasi negara sebagai berikut:
Tabel 3.2 Sampel Penelitian
No. Klasifikasi Pendapatan Negara Sampel
1. High / Tinggi Australia, Singapura, Swedia,
Finlandia, Kanada, Brunei
Darussalam, Jepang, Norwegia,
Amerika Serikat, Denmark
2. Upper Middle / Menengah ke Atas Argentina, Sri Lanka, China,
Malaysia, Thailand, Brazil,
Turki, Mexico, Afrika Selatan,
Iran
3. Lower Middle / Menengah ke Bawah Indonesia, Filipina, Sudan,
Nigeria, India, Myanmar, Ghana,
Pakistan, Mesir, Honduras
33
Penelitian ini tidak mengambil sampel dari kelompok negara berpendapatan low
income atau berpendapatan rendah, karena berdasarkan Allard (2017), kontribusi
negara-negara di dalam kelompok pendapatan rendah terhadap PDB global dan
emisi CO2 cenderung minimal. Berlawanan dengan kelompok negara
berpendapatan rendah, kelompok negara berpendapatan menengah memiliki
kepentingan yang meningkat terhadap ekonomi global. Dikarenakan negara-negara
yang tergabung dalam kelompok berpendapatan menengah akan terus berkembang
dan meningkatkan pengeluaran emisi yang dihasilkan dalam kegiatan ekonomi
seperti industri (Allard dkk., 2018), maka sangat penting untuk memasukkan
kelompok negara berpendapatan menengah ke dalam penelitian ini.
Dikarenakan jumlah variabel bebas yang lebih dari satu, maka penelitian ini
menggunakan analisis regresi berganda. Selanjutnya, untuk menghitung jumlah
minimal sampel, diperlukan perhitungan dengan mengkalikan jumlah variabel
dengan 10. Penelitian ini menggunakan empat variabel yang berupa satu variabel
dependen dan tiga variabel independen, sehingga dapat dihitung bahwa minimal
sampel yang diperlukan dalam penelitian ini adalah 40 (4 variabel dikalikan 10).
Penelitian ini kemudian menggunakan observasi sebanyak 30 negara yang
dikelompokkan menjadi tiga kelompok regresi dengan rentang waktu 30 tahun
yaitu dari 1985 hingga 2014, sehingga didapatkan total sampel dari masing-masing
model adalah 300.
C. Metode Pengumpulan Data
Dalam menunjang penelitian ini, penulis menggunakan beberapa data yang
diambil dari beberapa sumber. Data yang digunakan terkait CO2 perkapita diambil
dari World Bank yang dikumpulkan oleh Carbon Dioxide Information Analysis
Center, Oak Ridge National Laboratory. Untuk data PDB perkapita, data diperoleh
dari data nasional World Bank. Sedangkan terkait data konsumsi energi perkapita
diperoleh dari World Development Index World Bank.
D. Metode Analisis Data
Penelitian ini menggunakan alat analisis E-Views 9.0 sebagai alat pengolahan
data. Jenis data yang digunakan dalam penelitian ini adalah data panel. Data panel
34
adalah gabungan antara jenis data time series dan cross section. Baltagi (2005)
menyebutkan beberapa keutungan dari menggunakan data panel dibandingkan
dengan menggunakan data metode time series atau cross section saja. Beberapa
keuntungan tersebut antara lain adalah sebagai berikut:
1) Mampu menyediakan data yang lebih banyak sehingga mampu
menghasilkan derajat bebas yang cenderung lebih besar
2) Data panel mampu memberikan data yang lebih informatif, variatif, dan
efisien
3) Mampu mengontrol heterogenitas individual
4) Mampu meminimalisir hubungan kolinearitas antar variabel sehingga dapat
meningkatkan hasil estimasi
5) Pendekatan data panel dapat mendeteksi dan mengindentifikasi efek yang
tidak terdeteksi dalam pendekatan time series dan cross section
6) Dapat digunakan untuk studi perubahan yang bersifat dinamis dan
memungkinkan untuk mempelajari model perilaku yang lebih kompleks.
1. Model Data Panel
Model analisis yang akan digunakan dalam penelitian ini adalah sebagai
berikut:
yit = αi + β1xit + β2x2
it + β3zit + eit (1)
Keterangan:
yit = Tingkat kerusakan lingkungan di negara i pada periode t
β1xit = PDB perkapita di negara i pada periode t
β2x2
it = PDB perkapita kuadrat di negara i pada periode t
β3zit = Konsumsi energi perkapita di negara i pada periode t
αi = Konstanta
𝑒𝑖𝑡 = error term di kabupaten/kota i periode t
Model (1) digunakan untuk menguji beberapa bentuk hubungan lingkungan dan
pembangunan/pertumbuhan ekonomi sesuai dengan Orobu dan Omotor (2011)
yang menyatakan bahwa dalam pengujian teori EKC, terdapat beberapa bentuk
alternatif dari hasil pengujian sebagai berikut:
35
Sumber: Orobu dan Omotor (2011)
Kurva A menunjukkan pola hubungan Jika β1 < 0 dan β2 = 0, akan muncul
hubungan yang menurun antara tingkat degradasi lingkungan dengan pendapatan
perkapita. Kurva B menunjukkan pola hubungan jika β1 > 0 dan β2 = 0, akan muncul
hubungan yang bersifat meningkat antara tingkat degradasi lingkungan dengan
pendapatan perkapita. Kurva C menunjukkan pola hubungan jika β1 > 0 dan β2 < 0,
menunjukkan pola antara degradasi lingkungan dan pendapatan perkapita yang
berbentuk U terbalik atau EKC. Kurva D apabila β1 < 0 dan β2 > 0, menunjukkan
pola yang berbentuk U antara degradasi lingkungan dan pendapatan perkapita.
2. Estimasi Model Data Panel
Terdapat tiga pendekatan yang umum digunakan dalam melakukan penelitian
yang menggunakan estimasi regresi data panel yaitu Common Effect Model (CEM)
Fixed Effect Model (FEM) dan Random Effect Model (REM).
1. Common Effect Model
Common Effect Model merupakan pendekatan model data panel yang dianggap
paling sederhana. Model ini tidak memperhatikan dimensi waktu maupun individu,
sehingga model ini menggunakan teknik kuadrat terkecil atau Ordinary Least
Square (OLS), menyebabkan intersep dalam model ini diestimasikan tetap.
2. Fixed Effect Model
Fixed Effect Model (FEM) adalah sebuah teknik estimasi regresi data panel
yang menggunakan dummy variable untuk menangkap perbedaan intersep. Model
ini mengasumsikan bahwa individu (cross section) mempunyai intersepnya
masing-masing. FEM dapat pula disebut Least Square Dummy Variable atau LSDV
Gambar 3.1 Alternatif Bentuk Environmental Kuznets Curve
36
dikarenakan model ini menggunakan dummy variabel dalam melihat perbedaan
intersep antar individu.
3. Random Effect Model
Random Effect Model adalah pendekatan yang mengasumsikan bahwa intersep
antar variabel adalah random dan error term terdiri dari kombinasi error time series
dan cross section dan error gabungan. Salah satu keuntungan menggunakan model
Random Effect adalah model ini menghilangkan heteroskedastisitas dikarenakan
menggunakan metode Generalized Least Square (GLS) yang menghilangkan
pelanggaran heteroskedastisitas.
3. Pemilihan Model Data Panel
Di luar CEM, dalam Gujarati (2003), pemilihan pendekatan didasarkan pada
beberapa hal yaitu: 1) ada atau tidaknya korelasi error term dan variabel bebasnya.
Jika ternyata terdapat korelasi, maka disarankan untuk menggunakan FEM dan
begitu pula sebaliknya, dan 2) Jumlah sampel dalam penelitian, apabila sampel
dalam penelitian hanya merupakan bagian kecil dari populasi maka akan
didapatkan hasil error term yang bersifat random maka akan disarankan untuk
menggunakan pendekatan REM.
Uji yang lebih formal untuk menentukan pendekatan model digagas oleh
Hausman (1978) yang menggunakan distribusi dari Chi Square untuk menentukan
pemilihan model yang lebih baik diantara kedua pendeketan model ini. Apabila
nilai statistik Chi Square lebih tinggi dari nilai tabel Chi Square, maka pendekatan
FEM lebih tepat untuk dipilih dan begitu pula sebaliknya, apabila nilai statistik Chi
Square lebih rendah dari nilai tabel Chi Square, maka pendekatan REM lebih tepat
untuk digunakan.
Meski demikian, di dalam penelitian ini, tetap akan dilakukan pengujian untuk
menentukan model mana yang terbaik antara CEM, FEM, dan REM. Terdapat tiga
uji spesifikasi model yang akan dijalankan, yaitu Uji Chow, Uji Hausman, dan Uji
Lagrange Multiplier (Uji LM).
37
1. Uji Chow
Uji Chow dilakukan untuk menentukan model mana yang lebih baik antara
Common Effect Model dan Fixed Effect Model dalam melakukan estimasi data
panel. Hipotesis dalam Uji Chow adalah sebagai berikut:
H0 : Common Effect Model
H1 : Fixed Effect Model
Apabila ditemukan hasil dalam probabilitas redundant fixed effect lebih kecil
dari 0.05, maka H0 ditolak atau model yang lebih baik digunakan untuk
mengestimasi adalah Fixed Effect. Sebaliknya jika probabilitas lebih besar dari
0.05, maka H1 ditolak dan model yang paling tepat untuk dipergunakan adalah
model Common Effect.
2. Uji Hausman
Uji Hausman dilakukan untuk menentukan model mana yang lebih baik antara
Random Effect Model dan Fixed Effect Model dalam melakukan estimasi data
panel. Hipotesis dalam Uji Chow adalah sebagai berikut:
H0 : Random Effect Model
H1 : Fixed Effect Model
Apabila ditemukan hasil dalam probabilitas Correlated Random Effect lebih
kecil dari 0.05, maka H0 ditolak atau model yang lebih baik digunakan untuk
mengestimasi adalah Fixed Effect. Sebaliknya jika probabilitas lebih besar dari
0.05, maka H1 ditolak dan model yang paling tepat untuk dipergunakan adalah
model Random Effect.
3. Uji Lagrange Multiplier (LM)
Uji LM dilakukan untuk menentukan model mana yang lebih baik antara
Common Effect Model dan Random Effect Model dalam melakukan estimasi data
panel. Hipotesis dalam Uji Chow adalah sebagai berikut:
H0 : Common Effect Model
H1 : Random Effect Model
Apabila ditemukan hasil dalam probabilitas Breusch-Pagan lebih kecil dari
0.05, maka H0 ditolak atau model yang lebih baik digunakan untuk mengestimasi
38
adalah Random Effect. Sebaliknya jika probabilitas lebih besar dari 0.05, maka H1
ditolak dan model yang paling tepat untuk dipergunakan adalah model Common
Effect.
4. Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk melihat dan memastikan bahwa model di
dalam penelitian ini valid sebagai suatu alat penduga. Penelitian ini menggunakan
dua Uji Asumsi Klasik yaitu uji Heteroskedastisitas dan uji Multikolinearitas.
a. Heteroskedastisitas
Heteroskedastisitas adalah sebuah permasalahan yang muncul dikarenakan
terdapat faktor pengganggu yang menyebabkan varian yang tidak sama atau
tidak konstan. Hal ini kemudian dapat memunculkan beberapa permasalahan,
salah satunya adalah heteroskedasatisitas mampu menyebabkan penaksir OLS
bias. Meski demikian, terdapat beberapa cara untuk menghapus permasalahan
ini, salah satunya adalah menggunakan metode Weighted Cross-section yang
tersedia dalam alat analisis E-Views. Penelitian ini menggunakan uji
heteroskedastisitas Breusch-Pagan-Godfrey untuk mendeteksi ada atau
tidaknya permasalahan heteroskedastisitas. Jika hasil uji di atas 0.05, maka
dapat disimpulkan bahwa tidak terdapat permasalahan heteroskedastisitas.
b. Multikolinearitas
Multikolinearitas adalah suatu kondisi di mana terdapat hubungan linier
antar variabel independen di dalam model regresi. Penelitian ini menggunakan
uji Variance Inflation Factor (VIF) untuk menguji ada atau tidaknya
permasalahan multikolinearitas. Jika nilai hasil pengujian di bawah 10, maka
dapat disimpulkan bahwa tidak terdapat permasalahan multikolinearitas.
Sebaliknya, nilai di atas 10 dapat diartikan bahwa terdapat permasalahan
multikolinearitas.
39
5. Uji Kelayakan
a. Uji-t
Uji-t dilakukan untuk menguji besaran koefisien atau slope regresi secara
individu atau antar variabel independen terhadap variabel dependen secara
parsial. Selain itu, Uji-t juga berguna untuk mengetahui apakah suatu variabel
independen signifikan mempengaruhi variabel dependen. Jika dari pengujian
didapatkan nilai t-Prob lebih kecil 0.05, maka dapat disimpulkan bahwa
variabel independen tersebut berpengaruh secara signifikan terhadap variabel
dependen. Sebaliknya, jika nilai t-Prob lebih besar dari 0.05, maka variabel
independen tersebut tidak berpengaruh secara signifikan terhadap variabel
dependen.
b. Uji-F
Uji-F bertujuan untuk mengetahui besarnya koefisien atau slope hasil
regresi secara bersamaan atau simultan (keseluruhan). Uji ini dilakukan untuk
mengetahui apakah seluruh variabel independen dapat dan mampu menjelaskan
variabel dependen secara simultan.
Untuk membaca hasil Uji-F, dapat dilihat pada bagian Prob(F). Apabila
nilai probabilitasnya lebih kecil dari 0.05, maka dapat disimpulkan bahwa
seluruh variabel independen memiliki pengaruh yang signifikan terhadap
variabel dependen secara simultan. Sebaliknya, apabila probabilitas lebih kecil
dari 0.05, maka variabel independen tidak berpengaruh secara signifikan
terhadap variabel dependen secara simultan.
c. Koefisien Determinasi
Koefisien determinasi atau uji R-Square adalah pengujian yang bertujuan
untuk melihat seberapa besar variabel independen menggambarkan variabel
dependen. Koefisien determinasi cukup penting karena hasil dari koefisien ini
dapat menggambarkan baik atau tidaknya model regresi yang terestimasi. Jika
nilai R-Square semakin tinggi atau mendekati angka 1, maka variabel dependen
dari hasil estimasi semakin dapat digambarkan oleh variabel independen.
Sebaliknya, semakin kecil nilai R-Square atau semakin mendekati angka 0,
40
maka variabel dependen semakin tidak digambarkan oleh variabel
independennya.
E. Operasional Variabel Penelitian
Tabel 3.3 Operasional Variabel Penelitian
Variabel Definisi Satuan Sumber
Emisi CO2
Perkapita
Emisi CO2 atau Karbon
Dioksida merupakan emisi
yang berasal dari
pembakaran bahan bakar
fosil dan manufaktur semen.
Di dalamnya termasuk juga
karbon dioksida yang
diproduksi dalam proses
konsumsi bahan bakar
padat, cair, dan gas serta
pembakaran gas.
Metric Ton
perkapita
Carbon
Dioxide
Information
Analysis
Center, Oak
Ridge National
Laboratory
(World Bank
Data)
PDB
Perkapita
PDB Perkapita adalah total
dari seluruh nilai tambah
dari seluruh produsen
ditambah dengan pajak
produksi (dikurangi subsidi)
yang belum termasuk dalam
valuasi output. PDB
perkapita merupakan
perhitungan dari tingkat
PDB suatu negara dibagi
dengan populasi negara
tersebut.
PDB
Konstan
2010
(US$)
Data Nasional
World Bank
PDB
Perkapita
Kuadrat
Merupakan nilai pangkat
dua (kuadrat) dari angka
PDB. Variabel ini
digunakan untuk menguji
eksistensi teori EKC dalam
kelompok negara terkait
PDB
Konstan
2010
(US$)
Olah data
41
Konsumsi
Energi
Perkapita
Konsumsi energi adalah
tingkat penggunaan energi
primer perkapita sebelum
penggunaan bahan bakar
akhir, yang setara dengan
tingkat produksi asli
ditambah impor dan
perubahan stok, dan
dikurangi tingkat ekspor dan
bahan bakar yang dipasok
ke dalam kapal dan pesawat
yang bergerak di bidang
transportasi internasional
Kg minyak
perkapita
World
Development
Indicator
World Bank
42
BAB IV
PEMBAHASAN
A. Gambaran Umum Objek Penelitian
1. Degradasi Lingkungan
Degradasi atau kerusakan lingkungan merupakan salah satu permasalahan yang
kerap menjadi perdebatan dalam menentukan perencanaan pembangunan ekonomi.
Dalam proses pembangunan, umumnya akan diikuti oleh peningkatan kerusakan
lingkungan, baik itu yang disebabkan proses penggunaan teknologi yang
menimbulkan polusi, pembukaan lahan untuk pengembangan industri, hingga
eksploitasi sumber daya alam untuk ekstraksi bahan baku ekonomi.
Tingkat degradasi lingkungan umumnya digambarkan oleh tingkat emisi CO2
karena menurut World Bank (2014), sebanyak 80% dari total gas rumah kaca dunia
diwakili oleh tingkat emisi CO2. Hal ini menyebabkan emisi CO2 sebagai salah satu
penyumbang utama terhadap degradasi lingkungan yang terjadi di dunia, karena
tingginya tingkat gas rumah kaca yang berakumulasi di dalam atmosfer mampu
menyebabkan peningkatan degradasi lingkungan seperti kekeringan, kebakaran
hutan, kekurangan air, peningkatan tingkat laut, hingga matinya berbagai bioma
dan ekosistem.
Gambar 4.1 Tingkat Emisi CO2 di Tiga Klasifikasi Pendapatan Negara
Sumber: World Bank
0
2000000
4000000
6000000
8000000
10000000
12000000
14000000
16000000
18000000
19
60
19
63
19
66
19
69
19
72
19
75
19
78
19
81
19
84
19
87
19
90
19
93
19
96
19
99
20
02
20
05
20
08
20
11
20
14
Tingkat Emisi CO2 (Kt)
Lower Middle Upper Middle High
43
Berdasarkan gambar di atas, dapat dianalisis bahwa perkembangan tingkat
emisi CO2 di klasifikasi negara berpendapatan menengah ke bawah, menengah ke
atas, dan tinggi cenderung mengalami peningkatan dari tahun ke tahun. Di
kelompok negara berpendapatan menengah ke bawah, peningkatan tingkat emisi
CO2 cenderung stagnan dari tahun ke tahun, tanpa ada peningkatan yang signifikan.
Sedangkan untuk klasifikasi negara berpendapatan menengah ke atas, terlihat
bahwa terjadi peningkatan yang cukup signifikan di sekitar tahun 2000. Tingkat
emisi CO2 terus meningkat hingga tahun 2014 bahkan hingga melebihi tingkat
emisi dari klasifikasi negara berpendapatan tinggi. Peningkatan yang cenderung
signifikan ini kemungkinan besar disebabkan oleh pembangunan besar-besaran di
klasifikasi negara berpendapatan menengah ke atas yang memang umumnya terdiri
dari negara-negara yang sedang mendorong pembangunan menuju negara industri.
Sedangkan untuk klasifikasi negara berpendapatan tinggi, dapat dianalisis
bahwa peningkatan emisi CO2 cenderung signifikan pada awal-awal tahun 1960-an
saja, dan seterusnya peningkatan emisi CO2 cenderung stagnan bahkan di beberapa
tahun terlihat adanya penurunan tingkat emisi CO2, seperti di tahun 1973 dan di
tahun 2007. Terjadinya penurunan ini kemungkinan besar disebabkan oleh mulai
munculnya kesadaran negara dan masyarakat di kelompok negara berpendapatan
tinggi untuk menjaga lingkungan dengan cara mengurangi kegiatan ekonomi yang
memproduksi polusi dan mendorong kegiatan ekonomi yang cenderung bersih.
2. PDB Perkapita
PDB perkapita merupakan total dari nilai akhir seluruh barang dan jasa yang
diproduksi dalam suatu negara dibagi dengan total populasi negara tersebut.
Tingkat PDB perkapita digunakan sebagai proksi untuk aspek pendapatan
perkapita, dikarenakan tingkat PDB perkapita dapat menggambarkan tingkat
kemampuan suatu negara dalam mendorong kesejahteraan rakyatnya. Selain itu,
hampir seluruh penelitian terdahulu yang terkait dengan Environmental Kuznets
Curve menggunakan PDB perkapita sebagai proksi untuk pendapatan perkapita
dalam upaya menguji eksistensi EKC.
44
Gambar 4.2 Tingkat PDB Perkapita di Tiga Klasifikasi Negara
Sumber: World Bank
Berdasarkan grafik di atas, terlihat jelas adanya selisih yang cukup jauh antara
klasifikasi negara berpendapatan tinggi dengan klasifikasi negara berpendapatan
menengah ke atas dan menengah ke bawah. Di klasifikasi negara berpendapatan
tinggi, terlihat beberapa kali tingkat PDB perkapita sempat mengalami penurunan,
di antaranya pada tahun 1973 dan 2008. Penurunan pada tahun 1973 disebabkan
oleh embargo minyak besar-besaran oleh negara pengekspor minyak timur tengah
terhadap negara-negara barat yang umumnya adalah negara dengan klasifikasi
pendapatan tinggi.
Sedangkan pada tahun 2008, penurunan PDB perkapita kemungkinan besar
disebabkan oleh terjadinya krisis finansial 2007-2008 yang umumnya paling
berdampak pada klasifikasi negara berpendapatan tinggi. Krisis ini bermula dari
kekacauan dalam subprime lending atau kredit subprima di Amerika Serikat, di
mana ribuan debitur dinyatakan gagal bayar dan pailit, menyebabkan krisis
finansial menyebar ke seluruh dunia, ditandai dengan gulung tikarnya Bank
Investasi global Lehman Brothers.
Untuk klasifikasi negara berpendapatan menengah ke bawah dan menengah ke
atas, tidak terdapat peningkatan ataupun penurunan yang signifikan. Sedangkan
untuk klasifikasi negara berpendapatan menengah ke atas, terlihat adanya tren
peningkatan positif yang dimulai pada tahun 2000-an.
0
5000
10000
15000
20000
25000
30000
35000
40000
45000
19
60
19
62
19
64
19
66
19
68
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
PDB Perkapita
Lower Middle Upper Middle High
45
3. Konsumsi Energi Perkapita
Energi merupakan bahan yang vital untuk pertumbuhan ekonomi. Perputaran
roda perokonomian suatu negara sangat bergantung terhadap energi. Salah satu
bukti nyata akan pentingnya konsumsi energi dapat terlihat pada penurunan
pertumbuhan ekonomi di beberapa negara barat pada tahun 1973 hingga 1975 yang
utamanya disebabkan oleh embargo minyak timur tengah yang dilakukan pada
tahun 1973 hingga 1974. Salah satu negara yang paling merasakan dampak dari
embargo ini adalah Amerika Serikat, menyebabkan pertumbuhan ekonomi negara
tersebut anjlok menyentuh angka -0.541% pada 1974, padahal dua tahun
sebelumnya, Amerika Serikat sedang mengalami pertumbuhan ekonomi yang
kukuh, meningkat dari 3.2% pada 1971 ke 5.6% pada 1973.
Gambar 4.3 Tingkat Konsumsi Energi Perkapita di Tiga Klasifikasi Negara
Sumber: World Bank
Berdasarkan grafik di atas, tingkat konsumsi energi perkapita di seluruh
klasifikasi negara cenderung stagnan dan tidak terdapat lonjakan yang cenderung
signifikan kecuali di klasifikasi negara berpendapatan menengah ke atas dan
menengah ke bawah pada tahun 1989. Lonjakan angka pada tahun tersebut
disebabkan oleh baru tersedianya data konsumsi energi perkapita dari beberapa
negara dalam bank data World Bank.
0
1000
2000
3000
4000
5000
6000
19
71
19
73
19
75
19
77
19
79
19
81
19
83
19
85
19
87
19
89
19
91
19
93
19
95
19
97
19
99
20
01
20
03
20
05
20
07
20
09
20
11
20
13
Konsumsi Energi Perkapita
Lower Middle Upper Middle High
46
Untuk klasifikasi negara berpendapatan menengah ke bawah, tingkat konsumsi
energi perkapita cenderung stagnan tanpa adanya pergerakan positif maupun
negatif. Sedangkan untuk klasifikasi negara berpendapatan menengah ke atas, dapat
terlihat tren positif yang terjadi pada tahun 2000-an. Tren positif ini disebabkan
aktifitas negara yang mulai mendorong pertumbuhan ekonomi yang salah satunya
akan berdampak terhadap tingkat konsumsi energi.
Selanjutnya pada klasifikasi negara berpendapatan tinggi, terjadi penurunan
konsumsi energi pada beberapa titik seperti pada tahun 1973. Seperti yang telah
dipaparkan sebelumnya, penurunan konsumsi energi perkapita ini disebabkan oleh
embargo yang dilakukan negara-negara pengekspor minyak timur tengah yang
kemudian berdampak terhadap perekonomian negara-negara barat.
B. Temuan Hasil Penelitian
Dalam penelitian ini, peneliti melakukan regresi sebanyak tiga kali untuk
melihat pengaruh dari tingkat populasi dan PDB perkapita terhadap tingkat
kerusakan lingkungan dan relevansi teori Environmental Kuznets Curve dari tiga
klasifikasi negara dunia yang dikelompokkan berdasarkan tingkat pendapatan
negara menurut World Bank: lower-middle income atau negara dengan kelompok
penapatan menengah ke bawah, upper-middle income atau negara dengan
pendapatan menengah ke atas, dan high level income atau negara dengan tingkat
pendapatan tinggi.
Untuk menentukan model yang akan digunakan di dalam masing-masing
kelompok negara, perlu dilakukan Uji Chow, Uji Hausman, dan Uji Lagrange
Multiplier. Ketiga uji tersebut bertujuan untuk melihat nilai dari probabilitas (P-
Value) F-Statistik lebih kecil dari tingkat signifikansi ∝ = 5% sehingga dapat
terlihat model regresi mana yang paling cocok untuk digunakan di dalam peneliian
ini. Hipotesis dari uji tersebut adalah sebagai berikut:
Uji Chow: H0 = Model Common Effect
H1 = Model Fixed Effect
Uji Hausman H0 = Model Random Effect
H1 = Model Fixed Effect
47
Uji Lagrange Multiplier H0 = Model Common Effect
H1 = Model Random Effect
1. Kelompok Negara Berpendapatan Menengah Ke Bawah
Penelitian ini menggunakan sampel dari 10 negara untuk klasifikasi negara
pendapatan menengah ke bawah yaitu Indonesia, Filipina, Sudan, Nigeria, India,
Myanmar, Ghana, Pakistan, Mesir, dan Honduras. Berikut ini merupakan hasil
pengujian model penelitian berupa Uji Chow, Uji Hausman, dan Uji Lagrange
Multiplier, dan Random Effect Model.
A. Uji Chow
Tabel 4.1 Uji Chow Negara Berpendapatan Menengah ke Bawah
Effects Test Statistic d.f. Prob.
Cross-Section F 275.773527 (9,287) 0.0000
Cross-Section
Chi Square
680.023647 9 0.0000
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan Hasil Uji Chow di atas, nilai probabilitas dari Cross-Section F
adalah sebesar 0.0000. Hal ini menunjukkan bahwa probabilitas lebih kecil dari
nilai tingkat signifikansi α = 5% atau 0.05, mengindikasikan bahwa H1 ditolak dan
model yang lebih baik adalah fixed effect. Selanjutnya dilakukan Uji Hausman
untuk mengetahui model mana yang lebih baik antara random effect dan fixed effect.
B. Uji Hausman
Tabel 4.2 Uji Hausman Negara Berpendapatan Menengah ke Bawah
Test Summary Chi-Sq. Statistic Chi-Sq d.f Prob.
Cross-Section
Random
0.522405 3 0.9139
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
48
Berdasarkan Hasil Uji Hausman di atas, nilai probabilitas adalah sebesar
0.9139. Hal ini menunjukkan bahwa probabilitas lebih besar dari nilai tingkat
signifikansi α = 5% atau 0.05, mengindikasikan bahwa H1 ditolak dan model yang
lebih baik adalah random effect. Selanjutnya dilakukan Uji Lagrange Multiplier
untuk mengetahui model mana yang lebih baik antara common effect dan random
effect.
C. Uji Lagrange Multiplier
Tabel 4.3 Uji LM Negara Berpendapatan Menengah ke Bawah
Null (No. Rand. Effect)
Alternative
Cross-Section
One-Side
Period One-Side Both
Breusch-Pagan 3367.812
(0.0000)
10.81570
(0.0010)
3378.628
(0.0000)
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan Hasil Uji Lagrange Multiplier di atas, nilai probabilitas dari
Cross-section One-side Breusch-Pagan adalah sebesar 0.0000. Hal ini
menunjukkan bahwa probabilitas lebih kecil dari nilai tingkat signifikansi α = 5%
atau 0.05, mengindikasikan bahwa model yang terbaik untuk digunakan di
kelompok negara berpendapatan menengah ke bawah adalah model random effect.
D. Model Random Effect (REM)
Berdasarkan uji yang telah dilakukan sebelumnya, maka model yang terbaik
untuk digunakan kepada kelompok negara berpendapatan menengah ke bawah
adalah model random effect. Persamaan model random effect untuk kelompok
negara berpendapatan menengah ke bawah dapat dijelaskan pada persamaan
berikut:
ED = -0.526646 + 0.000222 GDP + 0.00000000869 GDP2 + 0.002003 EC
Di mana:
ED = Environmental Degradation atau Kerusakan Lingkungan di kelompok
negara berpendapatan menengah ke bawah
49
GDP = PDB perkapita di kelompok negara berpendapatan menengah ke bawah
GDP2 = PDB perkapita kuadrat di kelompok negara berpendapatan menengah ke
bawah
EC = Energy Consumption atau tingkat penggunaan energi di kelompok negara
berpendapatan menengah ke bawah
Tabel 4.4 Hasil Data Panel Negara Berpendapatan Menengah ke Bawah
Dependent Variable: ED
Variable Coefficient Std. Error t-Statistic Prob.
C -0.526646 0.151526 -3.475615 0.0006
GDP 0.000222 5.53E-05 4.021651 0.0001
GDP_SQUARED 8.69E-09 1.49E-08 0.585111 0.5589
EC 0.002003 0.000131 15.31909 0.0000
R-Squared 0.792079
Adjusted R-
Squared
0.789971
F-Statistic 375.8721
Prob(F-Statistic) 0.000000
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Dari hasil data panel di atas, dapat dianalisis sebagai berikut:
Variabel GDP memiliki nilai koefisien positif sebesar 0.000222 terhadap
variabel ED. Hal tersebut menunjukkan bahwa peningkatan 1% PDB akan
berdampak positif atau akan meningkatkan emisi CO2 sebesar 0.000222 ton
perkapita di kelompok negara dengan pendapatan menengah ke bawah. Probabilitas
t-statistic sebesar 0.0001 menunjukkan bahwa variabel GDP memiliki pengaruh
signifikan terhadap ED karena nilai probabilitas 0.0001<0.05.
50
Variabel GDP_SQUARED juga menunjukkan nilai koefisien positif sebesar
0.00000000869 terhadap variabel ED. Hal tersebut menunjukkan bahwa
peningkatan 1% PDB_SQUARED akan berdampak positif atau meningkatkan
emisi CO2 sebesar 0.00000000869 ton perkapita di kelompok negara dengan
pendapatan menengah ke bawah. Probabilitas t-statistic sebesar 0.5589
menunjukkan bahwa variabel GDP_SQUARED tidak berpengaruh secara
signifikan terhadap ED karena nilai probabilitas 0.5589>0.005.
Variabel EC juga menunjukkan nilai koefisien positif sebesar 0.002003
terhadap variabel ED. Hal tersebut menunjukkan bahwa peningkatan 1% konsumsi
energi perkapita akan berdampak positif atau meningkatkan emisi CO2 sebesar
0.002003 ton perkapita di kelompok negara dengan pendapatan menengah ke
bawah. Probabilitas t-statistic sebesar 0.0000 mengimplikasikan bahwa variabel
konsumsi energi perkapita berpengaruh secara signifikan terhadap ED karena nilai
probabilitas 0.0000<0.05.
Tingkat R-Squared menunjukkan bahwa nilai koefisien determinansi adalah
sebesar 0.792079. Hal ini mengindikasikan bahwa sebesar 79.2% dari variabel
kerusakan lingkungan di kelompok negara dengan pendapatan menengah ke bawah
pada tahun 1985 sampai dengan tahun 2014 mampu dijelaskan oleh variabel PDB,
PDB2 dan konsumsi energi perkapita, sedangkan sisanya yaitu sebesar 20.8% (100
- 79.2) dijelaskan oleh variabel lain yang tidak terkandung dalam penelitian ini.
2. Kelompok Negara Berpendapatan Menengah Ke Atas
Penelitian ini menggunakan sampel dari 10 negara untuk klasifikasi negara
berpendapatan menengah ke atas yaitu Argentina, Sri Lanka, China, Malaysia,
Thailand, Brazil, Turki, Mexico, Afrika Selatan, dan Iran. Berikut ini merupakan
hasil pengujian model penelitian berupa Uji Chow, Uji Hausman, dan Uji Lagrange
Multiplier, dan Random Effect Model:
51
A. Uji Chow
Tabel 4.5 Uji Chow Negara Berpendapatan Menengah ke Atas
Effects Test Statistic d.f. Prob.
Cross-Section F 155.394415 (9,287) 0.0000
Cross-Section
Chi Square
531.109448 9 0.0000
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan Hasil Uji Chow di atas, nilai probabilitas dari Cross-Section F
adalah sebesar 0.0000. Hal ini menunjukkan bahwa probabilitas lebih kecil dari
nilai tingkat signifikansi α = 5% atau 0.05, mengindikasikan bahwa H1 ditolak dan
model yang lebih baik adalah fixed effect. Selanjutnya dilakukan Uji Hausman
untuk mengetahui model mana yang lebih baik antara random effect dan fixed effect.
B. Uji Hausman
Tabel 4.6 Uji Hausman Negara Berpendapatan Menengah ke Atas
Test Summary Chi-Sq. Statistic Chi-Sq d.f Prob.
Cross-Section
Random
20.560908 3 0.0001
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan Hasil Uji Hausman di atas, nilai probabilitas adalah sebesar
0.0001. Hal ini menunjukkan bahwa probabilitas lebih kecil dari nilai tingkat
signifikansi α = 5% atau 0.05, mengindikasikan bahwa H1 diterima dan model yang
lebih baik adalah fixed effect. Meski demikian, menurut Stern (1996) yang dikutip
dari Burcu Özcan (2019), heteroskedastisitas merupakan salah satu permasalahan
yang sangat besar kemungkinannya untuk muncul dalam model penelitian hipotesis
EKC. Oleh karena itu, harus dilakukan pencegahan untuk mengatasi permasalahan
heteroskedastisitas. Salah satu langkah untuk mengatasi permasalahan
heteroskedastisitas adalah dengan menggunakan metode Generalized Least
52
Squared (GLS) atau metode White. Penelitian ini kemudian menggunakan metode
GLS untuk menanggulangi permasalahan heteroskedastisitas.
D. Model Fixed Effect (FEM)
Berdasarkan uji yang telah dilakukan sebelumnya, maka model yang terbaik
untuk digunakan kepada kelompok negara berpendapatan menengah ke bawah
adalah model fixed effect. Model ini kemudian menggunakan metode White
Diagonal Covariance untuk mengatasi permasalahan heteroskedastisitas.
Persamaan model fixed effect dengan metode White covariance untuk kelompok
negara berpendapatan menengah ke atas dapat dijelaskan pada persamaan berikut:
ED = - 0.903156 + 0.000320 GDP - 0.0000000175 GDP2 + 0.002521 EC
Di mana:
ED = Environmental Degradation atau Kerusakan Lingkungan di kelompok
negara berpendapatan menengah ke atas
GDP = PDB perkapita di kelompok negara berpendapatan menengah ke atas
GDP2 = PDB perkapita kuadrat di negara berpendapatan menengah ke atas
EC = Energy Consumption atau tingkat penggunaan energi di kelompok negara
berpendapatan menengah ke atas
Tabel 4.7 Hasil Data Panel Negara Berpendapatan Menengah ke Atas
Dependent Variable: ED
Variable Coefficient Std. Error t-Statistic Prob.
C -0.903156 0.139233 -6.486632 0.0000
GDP 0.000320 5.59E-05 5.729560 0.0000
GDP_SQUARED -1.75E-08 2.84E-09 -6.183187 0.0000
EC 0.002521 8.39E-05 30.03894 0.0000
R-Squared 0.990722
53
Adjusted R-
Squared
0.990334
F-Statistic 2553.930
Prob(F-Statistic) 0.000000
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Dari hasil data panel di atas, dapat dianalisis sebagai berikut:
Variabel GDP memiliki nilai koefisien positif sebesar 0.000320 terhadap
variabel ED. Hal tersebut menunjukkan bahwa peningkatan 1% PDB akan
berdampak positif atau akan meningkatkan emisi CO2 sebesar 0.000320 ton
perkapita di kelompok negara dengan pendapatan menengah ke atas. Probabilitas t-
statistic sebesar 0.0000 menunjukkan bahwa variabel GDP memiliki pengaruh
signifikan terhadap ED karena nilai probabilitas 0.0000<0.05.
Variabel GDP_SQUARED menunjukkan nilai koefisien negatif sebesar -
0.0000000175 terhadap variabel ED. Hal tersebut menunjukkan bahwa peningkatan
1% GDP_SQUARED akan berdampak negatif atau menurunkan emisi CO2 sebesar
- 0.0000000175 ton perkapita di kelompok negara dengan pendapatan menengah
ke atas. Probabilitas t-statistic sebesar 0.0000 menunjukkan bahwa variabel
GDP_SQUARED berpengaruh secara signifikan terhadap degradasi lingkungan
karena nilai probabilitas 0.0000<0.005. Variabel PDB kuadrat yang bernilai negatif
menunjukkan adanya hipotesis EKC di dalam kelompok negara ini.
Variabel EC menunjukkan nilai koefisien positif sebesar 0.002521 terhadap
variabel ED. Hal tersebut menunjukkan bahwa peningkatan 1% konsumsi energi
perkapita akan berdampak positif atau meningkatkan emisi CO2 sebesar 0.002521
ton perkapita di kelompok negara dengan pendapatan menengah ke atas.
Probabilitas t-statistic sebesar 0.0000 mengimplikasikan bahwa variabel konsumsi
energi perkapita berpengaruh secara signifikan terhadap degradasi lingkungan
karena nilai probabilitas 0.0000<0.05.
Tingkat R-Squared menunjukkan bahwa nilai koefisien determinansi adalah
sebesar 0.990722. Hal ini mengindikasikan bahwa sebesar 99.0% dari variabel
54
kerusakan lingkungan di kelompok negara dengan pendapatan menengah ke atas
pada tahun 1985 sampai dengan tahun 2014 mampu dijelaskan oleh variabel PDB,
PDB2 dan konsumsi energi perkapita, sedangkan sisanya yaitu sebesar 1.0% (100 -
99.1) dijelaskan oleh variabel lain yang tidak terkandung dalam penelitian ini.
3. Kelompok Negara Berpendapatan Tinggi
Penelitian ini menggunakan sampel dari 10 negara untuk klasifikasi negara
berpendapatan tinggi yaitu Australia, Singapura, Swedia, Finlandia, Kanada,
Brunei Darussalam, Jepang, Norwegia, Amerika Serikat, dan Denmark. Berikut ini
merupakan hasil pengujian model penelitian berupa Uji Chow, Uji Hausman, dan
Uji Lagrange Multiplier, dan Random Effect Model.
A. Uji Chow
Tabel 4.8 Uji Chow Negara Berpendapatan Tinggi
Effects Test Statistic d.f. Prob.
Cross-Section F 89.409499 (9,287) 0.0000
Cross-Section
Chi Square
400.798766 9 0.0000
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan Hasil Uji Chow di atas, nilai probabilitas dari Cross-Section F
adalah sebesar 0.0000. Hal ini menunjukkan bahwa probabilitas lebih kecil dari
nilai tingkat signifikansi α = 5% atau 0.05, mengindikasikan bahwa H1 ditolak dan
model yang lebih baik adalah fixed effect. Selanjutnya dilakukan Uji Hausman
untuk mengetahui model mana yang lebih baik antara random effect dan fixed effect.
B. Uji Hausman
Tabel 4.9 Uji Hausman Negara Berpendapatan Tinggi
Test Summary Chi-Sq. Statistic Chi-Sq d.f Prob.
Cross-Section
Random
0.540419 3 0.9099
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
55
Berdasarkan Hasil Uji Hausman di atas, nilai probabilitas adalah sebesar
0.9099. Hal ini menunjukkan bahwa probabilitas lebih besar dari nilai tingkat
signifikansi α = 5% atau 0.05, mengindikasikan bahwa H1 ditolak dan model yang
lebih baik adalah random effect. Selanjutnya dilakukan Uji Lagrange Multiplier
untuk mengetahui model mana yang lebih baik antara common effect dan random
effect.
C. Uji Lagrange Multiplier
Tabel 4.10 Uji LM Negara Berpendapatan Tinggi
Null (No. Rand. Effect)
Alternative
Cross-Section
One-Side
Period One-Side Both
Breusch-Pagan 2237.369
(0.0000)
10.25237
(0.0014)
2247.622
(0.0000)
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan Hasil Uji Lagrange Multiplier di atas, nilai probabilitas dari
Cross-section One-side Breusch-Pagan adalah sebesar 0.0000. Hal ini
menunjukkan bahwa probabilitas lebih kecil dari nilai tingkat signifikansi α = 5%
atau 0.05, mengindikasikan bahwa model terbaik untuk digunakan di kelompok
negara berpendapatan menengah ke bawah adalah model random effect.
D. Model Random Effect (REM)
Berdasarkan uji yang telah dilakukan sebelumnya, maka model yang terbaik
untuk digunakan kepada kelompok negara berpendapatan tinggi adalah model
random effect. Persamaan model random effect untuk kelompok negara
berpendapatan tinggi dapat dijelaskan pada persamaan berikut:
ED = 12.47244 - 0.000289 GDP + 0.00000000194 GDP2 + 0.001525 EC
Di mana:
ED = Environmental Degradation atau Kerusakan Lingkungan di kelompok
negara berpendapatan tinggi
GDP = PDB perkapita di kelompok negara berpendapatan tinggi
56
GDP2 = PDB perkapita kuadrat di kelompok negara berpendapatan tinggi
EC = Energy Consumption atau tingkat penggunaan energi di kelompok negara
berpendapatan tinggi
Tabel 4.11 Hasil Data Panel Negara Berpendapatan Tinggi
Dependent Variable: ED
Variable Coefficient Std. Error t-Statistic Prob.
C 12.47244 1.826583 6.828291 0.0000
GDP -0.000289 4.72E-05 -6.107363 0.0000
GDP_SQUARED 1.94E-09 4.43E-10 4.390311 0.0000
EC 0.001525 0.000185 8.253279 0.0000
R-Squared 0.242884
Adjusted R-
Squared
0.235210
F-Statistic 31.65238
Prob(F-Statistic) 0.000000
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Dari hasil data panel di atas, dapat dianalisis sebagai berikut:
Variabel GDP memiliki nilai koefisien negatif sebesar -0.000289 terhadap
variabel ED. Hal tersebut menunjukkan bahwa peningkatan 1% PDB akan
berdampak negatif atau akan mengurangi tingkat emisi CO2 sebesar -0.000289 ton
perkapita di kelompok negara dengan pendapatan tinggi. Probabilitas t-statistic
sebesar 0.0000 menunjukkan bahwa variabel GDP memiliki pengaruh signifikan
terhadap ED karena nilai probabilitas 0.0000<0.05.
Variabel GDP_SQUARED menunjukkan nilai koefisien positif sebesar
0.00000000194 terhadap variabel ED. Hal tersebut menunjukkan bahwa
peningkatan 1% PDB_SQUARED akan berdampak positif atau meningkatkan
57
emisi CO2 sebesar 0.00000000194 ton perkapita di kelompok negara dengan
pendapatan tinggi. Probabilitas t-statistic sebesar 0.0000 menunjukkan bahwa
variabel GDP_SQUARED berpengaruh secara signifikan terhadap ED karena nilai
probabilitas 0.0000<0.005.
Variabel EC juga menunjukkan nilai koefisien positif sebesar 0.001525
terhadap variabel ED. Hal tersebut menunjukkan bahwa peningkatan 1% konsumsi
energi perkapita akan berdampak positif atau meningkatkan emisi CO2 sebesar
0.001525 ton perkapita di kelompok negara dengan pendapatan tinggi. Probabilitas
t-statistic sebesar 0.0000 mengimplikasikan bahwa variabel konsumsi energi
perkapita berpengaruh secara signifikan terhadap ED karena nilai probabilitas
0.0000<0.05.
Tingkat R-Squared menunjukkan bahwa nilai koefisien determinansi adalah
sebesar 0.242884. Hal ini mengindikasikan bahwa sebesar 24.2% dari variabel
kerusakan lingkungan di kelompok negara dengan pendapatan tinggi pada tahun
1985 sampai dengan tahun 2014 mampu dijelaskan oleh variabel PDB, PDB2 dan
konsumsi energi perkapita, sedangkan sisanya yaitu sebesar 75.8% (100 - 24.2)
dijelaskan oleh variabel lain yang tidak terkandung dalam penelitian ini.
4. Uji Asumsi Klasik
Dalam penelitian ini juga akan dilakukan uji asumsi klasik berupa Uji
Heteroskedastisitas dan Uji Multikolinearitas. Meski demikian, dalam model
penelitian kuadratik yang menggunakan variabel independen yang dapat dipastikan
berkaitan antara satu dan lainnya seperti x dan x2, kemungkinan besar kedua
variabel tersebut akan berkorelasi antara satu dan lainnya dan menimbulkan
multikolinearitas. Menurut Min Na Wang (2017) yang dikutip dari Allison (2012),
permasalahan multikolinearitas dalam model seperti ini dapat diterima karena
variabel x dan x2 berkorelasi sempurna antara satu dan lainnya. Hal ini dikarenakan
meskipun nilai Variance Inflation Factor tinggi, nilai p-value dari masing-masing
variabel akan sama jika dilakukan standarisasi data dan tidak menimbulkan
konsekuensi yang merugikan (Paul Allison, 2012).
a. Uji Multikolinearitas
58
Uji Multikolinearitas dilakukan untuk memastikan tidak adanya hubungan
yang terjadi antar variabel bebas. Dalam penelitian model kuadratik, sangat besar
peluang untuk terjadinya permasalahan multikolinearitas. Dalam Gujarati (2003),
jenis penelitian kuadratik atau polynomial regression seperti penelitian model EKC,
hubungan antar variabel bebas akan tinggi. Meski demikian, model regresi jenis ini
masih tetap bisa menghasilkan hasil estimasi yang efisien, dikarenakan angka
kuadratik dari variabel seperti x2, x3, x4, dan seterusnya merupakan fungsi nonlinear
dari variabel x, sehingga penelitian masih tetap dapat dijalankan (Gujarati, 2003).
Untuk membuktikan bahwa di dalam model penelitian ini pelanggaran
multikolinearitas terjadi antara variabel x dan x2 saja, peneliti mengeluarkan
variabel x2 dari dalam perhitungan tes VIF. Metode ini sesuai dengan yang
dilakukan oleh Allard (2017). Hasil tes VIF dari ketiga klasifikasi negara adalah
sebagai berikut.
Tabel 4.12 Uji Multikolinearitas Negara Berpendapatan Menengah ke
Bawah
Variable Coefficient Variance Uncentered VIF Centered VIF
C 0.018702 1.118545 NA
GDP 7.19E-10 2.093451 2.011464
EC 1.59E-08 2.243734 2.011464
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Tabel 4.13 Uji Multikolinearitas Negara Berpendapatan Menengah ke Atas
Variable Coefficient Variance Uncentered VIF Centered VIF
C 0.007285 34.92045 NA
GDP 2.60E-10 44.15088 1.888047
EC 6.43E-09 63.58899 1.888047
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Tabel 4.14 Uji Multikolinearitas Negara Berpendapatan Tinggi
Variable Coefficient Variance Uncentered VIF Centered VIF
C 2.347120 1.946411 NA
59
GDP 2.36E-10 1.537105 1.137540
EC 3.55E-08 2.120140 1.137540
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan hasil pengujian multikolinearitas di atas, didapatkan hasil bahwa
tidak terdapat pelanggaran multikolinearitas di seluruh model yang telah dikurangi
variabel PDB perkapita kuadrat. Nilai Centered VIF dari seluruh klasifikasi negara
berada pada angka lebih kecil dari 10, sehingga dapat disimpulkan bahwa seluruh
model terbebas dari pelanggaran multikolinearitas.
b. Uji Heteroskedastisitas
Uji Heteroskedastisitas dilakukan untuk melihat apakah residual dari model
yang terbentuk memiliki varians yang konstan atau tidak. Dalam penelitian ini, dua
kelompok regresi yaitu pada klasifikasi negara berpendapatan menengah ke bawah
dan tinggi menggunakan REM, sehingga diasumsikan bahwa pada kedua model ini
sudah terbebas dari permasalahan heteroskedastisitas dikarenakan REM
menggunakan metode Generalized Least Square (GLS) yang merupakan salah satu
penyelesaian permasalahan heteroskedastisitas.
Sedangkan klasifikasi pendapatan menengah ke atas menggunakan FEM,
sehingga diperlukan uji heteroskedastisitas. Dalam hasil regresi yang telah dibahas
sebelumnya, peneliti telah menggunakan metode White diagonal standard errors
& covariance untuk menanggulanginya. Hasil uji heteroskedastisitas Breusch-
Pagan-Godfrey dari klasifikasi negara berpendapatan menengah ke atas sebelum
digunakan metode White diagonal covariance adalah sebagai berikut.
Tabel 4.15. Uji Heteroskedastisitas Negara Berpendapatan Menengah ke
Atas
F-Statistic 49.56152 Prob. F(3,296) 0.0000
Obs*R-Squared 100.3079 Prob. Chi-Square (3) 0.0000
Scaled Explained SS 79.07820 Prob. Chi-Square (3) 0.0000
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan hasil uji heteroskedastisitas Breusch-Pagan-Godfrey dari
klasifikasi negara berpendapatan menengah ke atas, nilai dari p value di Prob. Chi-
60
Square (3) sebesar 0.0000. Hal ini menunjukkan bahwa tolak H0 karena 0.0000 <
0.05. Hal ini mengindikasikan bahwa dalam data terdapat permasalahan
heteroskedastisitas. Sebenarnya, hal ini merupakan salah satu permasalahan yang
umum dalam model penelitian ini, karena heteroskedastisitas memang salah satu
permasalahan utama yang sangat mungkin untuk muncul dalam penelitian terkait
hipotesis EKC (Burcu Özcan & Ilhan Öztürk, 2019). Oleh karenanya, peneliti telah
menanggulanginya dengan menggunakan metode White diagonal covariance
dalam melakukan regresi, sesuai dengan Nachrowi dan Usman (2006). Sehingga,
hasil regresi yang telah dibahas sebelumnya dianggap telah terbebas dari
permasalahan heteroskedastisitas.
5. Uji Kelayakan
a. Uji t-Statistik
Pengujian t-Statistik bertujuan untuk menguji apakah variabel independen di
dalam penelitian ini yaitu PDB perkapita, PDB perkapita kuadrat dan konsumsi
energi perkapita berpengaruh secara parsial terhadap variabel dependen yaitu emisi
CO2 perkapita. Pengujian dilakukan dengan cara membandingkan t-Statistik dari
hasil regresi dengan t-tabel.
Tabel 4.16 Uji t-Statistik Negara Berpendapatan Menengah Ke Bawah
Variabel t-Statistik Probabilitas Keterangan
GDP 4.021651 0.0001 Tolak H0 : ∝=5%
GDP_SQUARED 0.585111 0.5589 Tolak H1: ∝=5%
EC 15.31909 0.0000 Tolak H0: ∝=5%
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan tabel hasil uji t-Statistik di atas, dapat disimpulkan bahwa pada
kelompok negara berpendapatan menengah ke bawah pada tahun 1985 hingga
2014, variabel PDB perkapita dan konsumsi energi perkapita secara parsial
mempengaruhi variabel dependen secara signifikan. Sedangkan variabel PDB
perkapita kuadrat tidak berpengaruh parsial secara signifikan terhadap variabel
dependen.
61
Tabel 4.17 Uji t-Statistik Negara Berpendapatan Menengah ke Atas
Variabel t-Statistik Probabilitas Keterangan
GDP -6.486632 0.0000 Tolak H0 : ∝=5%
GDP_SQUARED 5.729560 0.0000 Tolak H0: ∝=5%
EC -6.183187 0.0000 Tolak H0: ∝=5%
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan tabel hasil uji t-Statistik di atas, dapat disimpulkan bahwa pada
kelompok negara berpendapatan menengah ke atas pada tahun 1985 hingga 2014,
seluruh variabel independen yaitu PDB perkapita, PDB perkapita kuadrat dan
konsumsi energi perkapita secara parsial mempengaruhi variabel dependen secara
signifikan.
Tabel 4.18 Uji t-Statistik Negara Berpendapatan Tinggi
Variabel t-Statistik Probabilitas Keterangan
GDP -6.107363 0.0000 Tolak H0 : ∝=5%
GDP_SQUARED 4.390311 0.0000 Tolak H0: ∝=5%
EC 8.253279 0.0000 Tolak H0: ∝=5%
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan tabel hasil uji t-Statistik di atas, dapat disimpulkan bahwa pada
kelompok negara berpendapatan tinggi pada tahun 1985 hingga 2014, seluruh
variabel independen yaitu PDB perkapita, PDB perkapita kuadrat dan konsumsi
energi perkapita secara parsial mempengaruhi variabel dependen secara signifikan.
b. Uji F-Statistik
Pengujian F-Statistik bertujuan untuk menguji apakah variabel independen
di dalam penelitian ini yaitu PDB perkapita, PDB perkapita kuadrat dan konsumsi
energi perkapita berpengaruh secara simultan terhadap variabel dependen yaitu
emisi CO2 perkapita.
62
Tabel 4.19 Uji F-Statistic Negara Berpendapatan Menengah ke Bawah
F-Statistic Prob(F-Statistic) Keterangan
375.8721 0.0000 Tolak H0: ∝=5%
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Tabel 4.20 Uji F-Statistic Negara Berpendapatan Menengah ke Atas
F-Statistic Prob(F-Statistic) Keterangan
2553.930 0.0000 Tolak H0: ∝=5%
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Tabel 4.21. Uji F-Statistic Negara Berpendapatan Tinggi
F-Statistic Prob(F-Statistic) Keterangan
31.65238 0.0000 Tolak H0: ∝=5%
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan uji F-Statistik di atas, dapat disimpulkan bahwa seluruh variabel
independen di kelompok negara berpendapatan menengah ke bawah,
berpendapatan menengah ke atas, dan berpendapatan tinggi pada tahun 1985 hingga
2014 memiliki pengaruh yang signifikan secara simultan terhadap variabel
dependen karena seluruhnya memiliki nilai probabilitas di bawah 0.05.
c. Uji R-Square
Tabel 4.22 Uji R-Square Negara Berpendapatan Menengah ke Bawah
R-Square 0.792079
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Tabel 4.23 Uji R-Square Negara Berpendapatan Menengah ke Atas
R-Square 0.990722
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
63
Tabel 4.24 Uji R-Square Negara Berpendapatan TInggi
R-Square 0.242884
Sumber: Hasil Pengolahan Data dengan Eviews 9.0
Berdasarkan pengujian koefisien determinasi atau uji R-Square didapatkan
hasil sebagaimana tabel di atas. Dapat dianalisis bahwa pada klasifikasi negara
berpendapatan menengah ke bawah, menengah ke atas, dan tinggi, didapatkan nilai
R-Square sebesar masing-masing 0.79, 0.99, dan 0.24. Hal ini menunjukkan bahwa
di klasifikasi negara berpendapatan menengah ke bawah, variabel independen
mewakilkan atau dapat menjelaskan variabel dependen sebesar 79%, sedangkan
21% sisanya digambarkan oleh variabel lain di luar penelitian. Di klasifikasi negara
berpendapatan menengah ke atas, variabel independen mampu menggambarkan
variabel dependen sebesar 99%, sedangkan 1% sisanya digambarkan oleh variabel
lain di luar penelitian. Lalu untuk klasifikasi negara berpendapatan tinggi, variabel
independen mampu menggambarkan variabel dependen sebesar 24% saja,
sedangkan 76% sisanya digambarkan oleh variabel lain di luar penelitian.
6. Analisis Ekonomi
a. PDB Perkapita terhadap Degradasi Lingkungan
Produk Domestrik Bruto atau PDB merupakan nilai akhir dari seluruh produk
dan jasa yang diproduksi dalam suatu negara di periode waktu tertentu. PDB sering
dijadikan sebagai indikator pertumbuhan ekonomi suatu negara. Sementara itu,
PDB perkapita merupakan nilai dari total PDB dibagi dengan jumlah penduduk dari
negara tersebut. PDB perkapita dapat dianggap sebagai indikator yang terbaik untuk
menggambarkan standar kehidupan di dalam suatu negara. PDB perkapita
menggambarkan seberapa sejahtera suatu negara untuk mengembangkan
kehidupan masyarakatnya. Penelitian ini mencoba untuk melihat hubungan antara
PDB perkapita terhadap tingkat degradasi lingkungan yang direpresentasikan oleh
tingkat emisi CO2 perkapita.
Berdasarkan penelitian ini, didapatkan hasil yang menunjukkan bahwa PDB
perkapita memiliki nilai koefisien yang positif terhadap degradasi lingkungan di
dalam model data panel (1) Kelompok negara berpendapatan menengah ke bawah
sebesar 0.000222, dan (2) Kelompok negara berpendapatan menengah ke atas
64
sebesar 0.000320. Dalam kelompok negara ini, dapat dianalisis bahwa peningkatan
PDB perkapita dalam kelompok negara ini turut diikuti oleh peningkatan emisi CO2
yang berdampak terhadap peningkatan degradasi lingkungan. Temuan ini sejalan
dengan beberapa penelitian sebelumnya (Devy Priambodo Kuswantoro, 2009;
Edgar J. Saucedo, Jesús Díaz P., & María del Pilar Parra O., 2017; López-
Menéndez, Pérez, & Moreno, 2014; Poudel, Paudel, & Bhattarai, 2009; Sinha Babu
& Datta, 2013) yang juga menemukan bahwa hubungan antara PDB perkapita
dengan degradasi lingkungan bersifat positif.
Hal ini dikarenakan kegiatan ekonomi yang dilakukan dalam produksi,
distribusi, dan konsumsi yang mendorong pertumbuhan ekonomi akan
menghasilkan eksternalitas berupa polusi yang akan berdampak terhadap
meningkatnya degradasi lingkungan.
Sementara itu, dalam data panel kelompok negara berpendapatan tinggi,
ditemukan bahwa PDB perkapita memiliki nilai koefisien yang negatif terhadap
degradasi lingkungan sebesar -0.000289. Temuan nilai PDB perkapita yang bersifat
negatif terhadap degradasi lingkungan sebenarnya merupakan hal yang cukup
jarang dalam penelitian-penelitian sebelumnya. Meski demikian, Luo, dkk. (2014)
menemukan adanya korelasi negatif antara beberapa jenis polutan terhadap PDRB
perkapita di beberapa wilayah di China. Hal ini kemungkinan besar dikarenakan
adanya penggunaan teknologi ramah lingkungan yang pesat di dalam model
penelitian. Meski demikian, hal ini masih perlu dikonfirmasi lebih lanjut dengan
menggunakan penelitian lain.
Argumen ini dirasa cukup rasional dikarenakan koefisien negatif dalam
penelitian ini ditemukan di dalam kelompok negara berpendapatan tinggi.
Sehingga, dapat dianalisis bahwa aktifitas ekonomi yang digunakan dalam
kelompok negara berpendapatan tinggi sudah efisien dan ramah terhadap
lingkungan. PDB perkapita yang tinggi menyebabkan masyarakat dan
penyelenggara negara menyadari akan pentingnya lingkungan dalam pembangunan
jangka panjang, sehingga peningkatan PDB perkapita akan mengurangi tingkat
kerusakan lingkungan dikarenakan ke depannya, pembangunan akan diprioritaskan
di dalam bidang yang ramah lingkungan.
65
b. Konsumsi Energi Perkapita terhadap Degradasi Lingkungan
Berdasarkan penelitian ini, didapatkan hasil yang menunjukkan bahwa
konsumsi energi perkapita memiliki nilai koefisien yang positif terhadap degradasi
lingkungan di dalam seluruh model data panel sebagai berikut: (1) Kelompok
negara berpendapatan menengah ke bawah sebesar 0.002003, lalu (2) Kelompok
negara berpendapatan menengah ke atas sebesar 0.002521, dan (3) Kelompok
negara berpendapatan tinggi sebesar 0.001525. Temuan ini sejalan dengan
penelitian sebelumnya (Edgar J. Saucedo dkk., 2017; Sterpu, Soava, & Mehedintu,
2018; Yustisia & Sugiyanto, 2014) yang menemukan bahwa konsumsi energi
berpengaruh positif terhadap angka emisi CO2. Hal ini mengindikasikan bahwa
penggunaan energi di seluruh kelompok negara relatif masih belum menggunakan
jenis energi yang ramah lingkungan. Hal ini dikarenakan penggunaan energi masih
berdampak terhadap output polusi yang dihasilkan dari proses penggunaan energi
tersebut.
Awalnya, faktor utama yang menyebabkan belum masifnya penggunaan energi
ramah lingkungan adalah karena harga. Sebelum munculnya teknologi yang
mampu menciptakan energi yang ramah lingkungan secara efektif, sektor energi
seperti fosil metana, batu bara, dan minyak yang cenderung menghasilkan emisi
yang tinggi merupakan opsi utama dalam energi dikarenakan tingkat harga yang
relatif lebih murah. Meski demikian, perkembangan teknologi telah semakin
berkembang dan produksinya juga semakin efisien, menyebabkan semakin
murahnya harga energi yang ramah lingkungan. Salah satu jenis energi yang
semakin murah adalah listrik. Bahkan, berdasarkan Kåberger (2018), harga dari
listrik terbarukan telah lebih murah dari harga per unit minyak, namun masih lebih
mahal dari batu bara.
Berdasarkan World Bank (2018), presentase tingkat konsumsi energi
terbarukan pada 2011 meningkat dari 17.21% menjadi 18.054% di tahun 2015.
Meski telah terjadi peningkatan, rupanya angka ini masih belum cukup untuk
menekan angka emisi CO2, dibuktikan dengan koefisien negatif antara konsumsi
energi perkapita dengan emisi CO2 yang ditemukan di dalam penelitian ini.
66
7. Analisis Relevansi Teori Environmental Kuznets Curve
Berdasarkan hasil regresi yang telah dijalankan sebelumnya, maka hasil
pengujian masing-masing model dapat dijabarkan sebagai berikut:
Tabel 4.25 Hasil Pengujian Hipotesis EKC
Indikator
Kelompok Pendapatan Negara
Lower-Middle Upper-Middle High
Pendapatan Perkapita 0.000222** 0.000320** -0.000289**
Pendapatan Perkapita
Kuadrat
8.69E-09ts -1.75E-08** 1.94E-09**
Terjadi EKC TIDAK YA TIDAK
Turning Point (USD) 9,142.857
Sumber: Pengolahan pribadi. (**) = Signifikan pada tingkat 5%, (ts) = Tidak
signifikan
Berdasarkan hasil pengujian di atas, dapat disimpulkan bahwa hipotesis teori
Environmental Kuznets Curve pada tahun 1985 hingga 2014 relevan hanya pada
kelompok negara berpendapatan menengah ke atas (upper middle). Berdasarkan
Dinda (2004), turning point x dari EKC dapat diestimasikan dengan menggunakan
rumus = − 𝛽1
2𝛽2 . Dengan menggunakan rumus tersebut, didapatkan turning point
pada tingkat pendapatan perkapita sebesar USD 9,142.857. Berdasarkan persamaan
ini, dapat digambarkan kurva sebagai berikut:
67
Gambar 4.4 Kurva EKC Kelompok Negara Berpendapatan Menengah Ke
Atas
Sumber: Pengolahan pribadi.
Berdasarkan persamaan model di kelompok negara berpendapatan menengah
ke atas yang telah didapatkan sebelumnya, didapatkan kurva seperti yang
digambarkan di dalam gambar 7. Dapat dilihat bahwa kurva tersebut berbentuk
seperti U-terbalik. Hal ini sesuai dengan hipotesis di dalam teori EKC, bahwa pada
tahap awal pembangunan, peningkatan pendapatan perkapita akan diikuti oleh
peningkatan degradasi lingkungan, yang dalam penelitian ini diproksikan oleh
tingkat emisi CO2 perkapita. Lalu pada suatu titik tertentu, peningkatan pendapatan
perkapita tidak lagi akan diikuti oleh peningkatan degradasi lingkungan, dan
kemudian akan terus menurun.
Dalam model EKC untuk kelompok negara berpendapatan menengah ke atas
ini, turning point hipotesis EKC didapatkan pada pendapatan perkapita sebesar
USD 9,142.857. Hal ini mengindikasikan bahwa pertumbuhan tingkat degradasi
lingkungan di kelompok negara berpendapatan menengah ke atas akan mulai
mengalami penurunan pada tingkat pendapatan perkapita sebesar USD 9,142.857
ceteris paribus.
68
Nilai turning point yang diperoleh dalam persamaan penelitian ini tidak
berbeda jauh dengan beberapa penelitian sebelumnya. Seperti penelitian
Kuswantoro (2009) yang mendapatkan hasil bahwa turning point di negara dengan
hutan tropis diperoleh pada pendapatan perkapita pada kisaran USD 7,283 hingga
USD 10,406 (harga konstan 2000). Hasil penelitin ini juga sejalan dengan Dinda
(2004) yang menyatakan bahwa kebanyakan penelitian yang menggunakan
indikator polusi, estimasi turning point berada pada kisaran USD 3,000 hingga USD
10,000 dengan harga konstan 1985, atau berada di kisaran USD 4,800 hingga USD
16,000 jika menggunakan harga konstan 2000. Perbandingan tabel yang diambil
dari Kuswantoro (2009) yang dikutip dari Yandle et al. dapat dilihat pada tabel
berikut:
Tabel 4.26 Perbandingan Turning Point Pendapatan Perkapita EKC
Sumber: Yandle et al. dalam Kuswantoro (2009), diolah. Ket: Tahun di dalam
kolom Turning Point lama dan Turning Point baru menunjukkan tahun acuan
perhitungan PDB
Penelitian (Tahun) Turning Point lama Turning Point baru
Cropper & Griffiths (1994) 4,760 – 5,420 (1985) 7,900 – 9,100 (2001)
Barbier & Burgess (2001) 5,445 (1987) 8,700 (2003)
Bhattarai & Hammig (2004) 6,000 – 7,000 (1985) 10,000 – 11,800 (2003)
Devy Priambodo Kuswantoro
(2009)
- 7, 283 -10,406 (2000)
Skripsi - 9,142.857 (2010)
69
BAB V
SIMPULAN DAN SARAN
A. Simpulan
Berdasarkan hasil analisis dan pemaparan pembahasan yang telah dijelaskan
sebelumnya, diperoleh beberapa kesimpulan terkait penelitian mengenai Relevansi
Teori Environmental Kuznets Curve Terhadap Degradasi Lingkungan di Tiga
Klasifikasi Negara Tahun 1985-2014 ini adalah sebagai berikut:
1. a. PDB perkapita memiliki koefisien positif pada data panel (1)
klasifikasi negara berpendapatan menengah ke bawah sebesar 0.000222, (2)
klasifikasi negara berpendapatan menengah ke atas sebesar 0.000320
terhadap variabel emisi CO2 perkapita. Hal ini mengindikasikan bahwa
setiap peningkatan sebesar 1% pada PDB perkapita akan berdampak
terhadap peningkatan emisi CO2 perkapita sebesar 0.000222 ton perkapita
di klasifikasi negara berpendapatan menengah ke bawah dan sebesar
0.000320 ton perkapita di klasifikasi negara berpendapatan menengah ke
atas. Sementara itu, PDB perkapita memiliki koefisien negatif pada data
panel klasifikasi negara berpendapatan tinggi sebesar -0.000289 terhadap
variabel emisi CO2 perkapita. Hal ini mengindikasikan bahwa setiap
peningkatan sebesar 1% pada PDB perkapita akan berdampak terhadap
penurunan tingkat emisi CO2 perkapita sebesar -0.000289 ton perkapita di
klasifikasi negara berpendapatan tinggi.
b. Konsumsi energi perkapita memiliki koefisien positif pada seluruh
data panel klasifikasi negara, dengan jumlah koefisien di (1) klasifikasi
negara berpendapatan menengah ke bawah sebesar 0.002003, (2) klasifikasi
negara berpendapatan menengah ke atas sebesar 0.002521, dan (3)
klasifikasi negara berpendapatan tinggi sebesar 0.001525. Hal ini
mengindikasikan bahwa setiap peningkatan sebesar 1% dalam tingkat
konsumsi energi perkapita akan meningkatkan emisi CO2 perkapita sebesar
(1) 0.002003 ton perkapita di klasifikasi negara berpendapatan menengah
ke bawah, (2) 0.002521 ton perkapita di klasifikasi negara berpendapatan
70
menengah ke atas, dan (3) 0.001525 ton perkapita di klasifikasi negara
berpendapatan tinggi. Hal ini mengindikasikan bahwa konsumsi energi
perkapita di seluruh klasifikasi negara relatif masih mengandalkan energi
yang tidak ramah lingkungan.
2. Dalam periode 1985-2014, teori Environmental Kuznets Curve (EKC)
terbukti relevan hanya pada kelompok negara berpendapatan menengah ke
atas saja, dan tidak ditemukan adanya hipotesis EKC di klasifikasi negara
berpendapatan menengah ke bawah maupun klasifikasi negara
berpendapatan tinggi. Hal ini sesuai dengan hipotesis di dalam teori EKC
yang menyatakan bahwa teori EKC akan muncul dalam negara yang sedang
berkembang dan bertransisi menuju negara jasa. Sedangkan dalam
klasifikasi negara berpendapatan tinggi, diasumsikan bahwa negara tersebut
telah melewati turning point EKC sehingga tidak ditemukan adanya EKC
dalam periode 1985-2014 di klasifikasi negara tersebut. Hal ini dibuktikan
dengan koefisien negatif yang terdapat dalam variabel PDB perkapita.
3. Turning point dari teori EKC yang ditemukan di klasifikasi negara
berpendapatan menengah ke atas ditemukan berada pada titik pendapatan
perkapita sebesar 9,142.857 USD. Hal ini mengindikasikan bahwa ketika
pendapatan perkapita di klasifikasi negara berpendapatan menengah ke atas
mencapai angka 9,142.857 USD, akan mulai terjadi penurunan
pertumbuhan degradasi lingkungan. Dan kemudian setiap peningkatan
pendapatan perkapita akan terus mengurangi tingkat degradasi lingkungan.
B. Saran
Berdasarkan simpulan-simpulan yang telah dipaparkan di atas, dicetuskan
beberapa saran sebagai berikut:
1. Bagi Akademisi
a. Teori EKC merupakan sebuah teori yang sangat peka terhadap
perbedaan data dan metodologi penelitian. Perbedaan metode penelitian
yang digunakan dapat berdampak terhadap hasil dan interpretasi yang
berbeda. Sehingga, sangat disarankan untuk berhati-hati dan lebih
71
komprehensif dalam menentukan metodologi dan memilih data
penelitian.
b. Diperlukan penelitian lebih lanjut terkait beberapa poin hasil penelitian
ini yang tidak sesuai dengan hipotesis penelitian yaitu koefisien negatif
yang muncul antara PDB perkapita dan emisi CO2 di klasifikasi negara
berpendapatan tinggi, serta penyebab nilai R-Square yang cenderung
rendah di klasifikasi negara berpendapatan tinggi
2. Bagi Pemerintah
a. Pemerintah selaku pihak yang memiliki wewenang dalam menjalankan
kebijakan negara memiliki peran penting dalam intervensi terkait
penanggulangan perubahan iklim yang salah satunya adalah melalui
pengurangan tingkat emisi CO2. Karena untuk mengurangi tingkat emisi
CO2, diperlukan intervensi pemerintah melalui penerapan kebijakan-
kebijakan yang mendorong pengurangan emisi CO2. Berdasarkan
penelitian ini, ditemukan bahwa konsumsi energi perkapita berpengaruh
positif di seluruh klasifikasi negara. Hal ini mengindikasikan bahwa
mayoritas konsumsi energi masih menggunakan energi yang tidak
ramah lingkungan. Faktor utama dalam tingginya konsumsi energi ini
adalah dikarenakan belum efektifnya biaya penggunaan energi yang
ramah lingkungan dan kurangnya sosialisasi terhadap masyarakat.
Meski pertumbuhan konsumsi energi terbarukan sedang mengalami
peningkatan, pemerintah masih harus terus mendorong pengembangan
sektor energi salah satunya dengan cara membangun infrastruktur energi
terbarukan agar harga produksi energi terbarukan semakin menurun.
Lalu, pemerintah juga harus mulai menggalakkan program yang
mendorong masyarakat agar berpindah dari energi yang tidak ramah
lingkungan menuju energi terbarukan. Salah satu cara yang dapat
diimplementasikan adalah dengan mengurangi subsidi terhadap jenis
energi yang tidak ramah lingkungan dan mulai mengucurkan subsidi
pada jenis energi terbarukan.
b. Dalam kaitannya dengan teori EKC, pemerintah disarankan untuk
meningkatkan pendapatan perkapita negaranya dengan mendorong
72
pembangunan di sektor-sektor yang relatif ramah lingkungan. Salah satu
program yang telah dijalankan pemerintah dan perlu dikembangkan
lebih jauh adalah program green investment, program yang mendorong
investor untuk menanamkan modalnya dalam sektor-sektor yang
mendorong aksi mitigasi ataupun adaptasi perubahan iklim. Di
Indonesia sendiri, pemerintah melalui Kementerian Keuangan telah
merilis Green Sukuk semenjak 2018. Indonesia tercatat menjadi negara
pertama di dunia yang merilis Green Sukuk secara nasional (World’s
first sovereign Green Sukuk). Pemerintah sangat disarankan untuk
mempertahankan program sejenis ini dan terus mengembangkannya
agar pendanaan di bidang yang ramah lingkungan semakin meningkat
dan di saat bersamaan juga membangun perekonomian dan
meningkatkan pendapatan perkapita.
73
DAFTAR PUSTAKA
Allard, A., Takman, J., Uddin, G. S., & Ahmed, A. (2018). The N-shaped
environmental Kuznets curve: an empirical evaluation using a panel
quantile regression approach. Environmental Science and Pollution
Research, 25(6), 5848–5861. https://doi.org/10.1007/s11356-017-0907-0
Apergis, N., & Ozturk, I. (2014). Testing Environmental Kuznets Curve hypothesis
in Asian countries. Ecological Indicators, 52, 16–22.
https://doi.org/10.1016/j.ecolind.2014.11.026
Appiah, K., Du, J., Musah, A.-A. I., & Afriyie, S. (2017). Investigation of the
Relationship between Economic Growth and Carbon Dioxide (CO2)
Emissions as Economic Structure Changes: Evidence from Ghana.
Resources and Environment, 8.
Badi H. Baltagi. (2005). Econometric Analysis of Panel Data (3 ed.). John Wiley
& Sons Ltd. England.
Buchanan, J. M., & Stubblebine, W. C. (1962). Externality. Economica, 29(116),
371. https://doi.org/10.2307/2551386
Burcu Özcan, & Ilhan Öztürk. (2019). Environmental Kuznets Curve (EKC): A
Manual. Academic Press.
Copeland, B. R., & Taylor, M. S. (1994). North-South Trade and the Environment.
The Quarterly Journal of Economics, 109(3), 755–787.
https://doi.org/10.2307/2118421
Devy Priambodo Kuswantoro. (2009). Pembangunan Ekonomi dan Deforestasi
Hutan Tropis (Mengkaji Kembali Hipotesis Environmental Kuznets Curve
Menggunakan Analisis Antar Negara. Program Pascasarjana Fakultas
Ekonomi Universitas Padjajaran.
Dinda, S. (2004). Environmental Kuznets Curve Hypothesis: A Survey. Ecological
Economics, 49(4), 431–455.
https://doi.org/10.1016/j.ecolecon.2004.02.011
74
Edgar J. Saucedo, Jesús Díaz P., & María del Pilar Parra O. (2017). Estimating
Environmental Kuznets Curve: The Impact of Environmental Taxes and
Energy Consumption in CO2 Emissions of OECD Countries.
Gill, F. L., Viswanathan, K. K., & Karim, M. Z. A. (2018). The Critical Review of
the Pollution Haven Hypothesis. 8(1), 8.
Gujarati, D. N. (2003). Basic econometrics (4th ed). Boston: McGraw Hill.
Kåberger, T. (2018). Progress of renewable electricity replacing fossil fuels. Global
Energy Interconnection, 1(1), 5.
López-Menéndez, A. J., Pérez, R., & Moreno, B. (2014). Environmental costs and
renewable energy: Re-visiting the Environmental Kuznets Curve. Journal
of Environmental Management, 145, 368–373.
https://doi.org/10.1016/j.jenvman.2014.07.017
Luo, Y., Chen, H., Zhu, Q., Peng, C., Yang, G., Yang, Y., & Zhang, Y. (2014).
Relationship between Air Pollutants and Economic Development of the
Provincial Capital Cities in China during the Past Decade. PLoS ONE, 9(8),
e104013. https://doi.org/10.1371/journal.pone.0104013
Marian R. Chertow. (2001). The IPAT Equation and Its Variants: Changing Views
of Technology and Environmental Impact. Massachusetts Institute of
Technology and Yale University.
Maxensius Tri Sambodo, & Esta Lestari. (2012). Investigating the Environmental
Kuznets Curve: Panel Data Evidence. RIEBS, 3(2).
Milman, O. (2015). Rate of environmental degradation puts life on Earth at risk,
say scientists. Diambil dari
https://www.theguardian.com/environment/2015/jan/15/rate-of-
environmental-degradation-puts-life-on-earth-at-risk-say-scientists
Nachrowi Djalal Nachrowi, & Hardius Usman. (2006). Pendekatan Populer dan
Praktis Ekonometrika Untuk Analisis Ekonomi dan Keuangan. Lembaga
Penerbit FEUI.
Nicholas Stern. (2007). The Economics of Climate Change. Cambridge University
Press.
Nielsen, E. (2004). Opportunity Cost. Jargon Alert, 1.
75
Paul Allison. (2012). When Can You Safely Ignore Multicollinearity? Diambil dari
https://statisticalhorizons.com/multicollinearity
Paula Caballero. (2016). A Short History of the SDGs.
Poudel, B. N., Paudel, K. P., & Bhattarai, K. (2009). Searching for an
Environmental Kuznets Curve in Carbon Dioxide Pollutant in Latin
American Countries. Journal of Agricultural and Applied Economics,
41(1), 13–27. https://doi.org/10.1017/S1074070800002522
Rosa, W. (Ed.). (2017). Transforming Our World: The 2030 Agenda for Sustainable
Development. Dalam A New Era in Global Health.
https://doi.org/10.1891/9780826190123.ap02
Sinha Babu, S., & Datta, S. K. (2013). The relevance of environmental Kuznets
curve (EKC) in a framework of broad-based environmental degradation and
modified measure of growth – a pooled data analysis. International Journal
of Sustainable Development & World Ecology, 20(4), 309–316.
https://doi.org/10.1080/13504509.2013.795505
Solomon, S., & IPCC (Ed.). (2007). Climate change 2007: the physical science
basis ; contribution of Working Group I to the Fourth Assessment Report of
the Intergovernmental Panel on Climate Change (1st published). New
York: UNEP.
Steenhuis, H.-J., & De Bruijn, E. J. (2012). TECHNOLOGY AND ECONOMIC
DEVELOPMENT: A LITERATURE REVIEW. International Journal of
Innovation and Technology Management, 09(05), 1250033.
https://doi.org/10.1142/S0219877012500332
Sterpu, M., Soava, G., & Mehedintu, A. (2018). Impact of Economic Growth and
Energy Consumption on Greenhouse Gas Emissions: Testing
Environmental Curves Hypotheses on EU Countries. Sustainability, 10(9),
3327. https://doi.org/10.3390/su10093327
UNDP (Ed.). (2006). Beyond scarcity: power, poverty and the global water crisis.
New York, NY: UNDP.
Wang, M. N. (2017). Ivestigating the Environmental Kuznets Curve of
Consumption for Developing and Developed Countries. 73.
76
Warner, K., Hamza, M., Oliver-Smith, A., Renaud, F., & Julca, A. (2010). Climate
change, environmental degradation and migration. Natural Hazards, 55(3),
689–715. https://doi.org/10.1007/s11069-009-9419-7
Yang, H.-Y. (2001). Trade liberalization and pollution: a general equilibrium
analysis of carbon dioxide emissions in Taiwan. Economic Modelling,
18(3), 435–454. https://doi.org/10.1016/S0264-9993(00)00048-1
Yustisia, D., & Sugiyanto, C. (2014). ANALISIS EMPIRIS ENVIRONMENTAL
KUZNETS CURVE (EKC) TERKAIT ORIENTASI ENERGI. 15, 10.
Zhu, H., Duan, L., Guo, Y., & Yu, K. (2016). The effects of FDI, economic growth
and energy consumption on carbon emissions in ASEAN-5: Evidence from
panel quantile regression. Economic Modelling, 58, 237–248.
https://doi.org/10.1016/j.econmod.2016.05.003
77
LAMPIRAN
Lampiran 1: Uji Model Panel
1. Klasifikasi Negara Berpendapatan Menengah Ke Bawah
A. Common Effect Model
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 02:49
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C -0.176389 0.095921 -1.838909 0.0669
GDP -1.63E-05 0.000116 -0.140507 0.8884
GDP_SQUARED 9.02E-08 3.34E-08 2.699115 0.0074
EC 0.001575 0.000218 7.232653 0.0000
R-squared 0.579609 Mean dependent var 0.790833
Adjusted R-squared 0.575348 S.D. dependent var 0.553414
S.E. of regression 0.360634 Akaike info criterion 0.811337
Sum squared resid 38.49682 Schwarz criterion 0.860721
Log likelihood -117.7005 Hannan-Quinn criter. 0.831100
F-statistic 136.0353 Durbin-Watson stat 0.056890
Prob(F-statistic) 0.000000
B. Fixed Effect Model
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 02:52
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C -0.531029 0.066758 -7.954516 0.0000
GDP 0.000225 5.54E-05 4.050956 0.0001
GDP_SQUARED 8.01E-09 1.49E-08 0.538096 0.5909
78
EC 0.002009 0.000131 15.30553 0.0000
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.956427 Mean dependent var 0.790833
Adjusted R-squared 0.954605 S.D. dependent var 0.553414
S.E. of regression 0.117911 Akaike info criterion -1.395409
Sum squared resid 3.990155 Schwarz criterion -1.234911
Log likelihood 222.3113 Hannan-Quinn criter. -1.331177
F-statistic 524.9691 Durbin-Watson stat 0.563650
Prob(F-statistic) 0.000000
C. Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 275.773527 (9,287) 0.0000
Cross-section Chi-square 680.023647 9 0.0000
Cross-section fixed effects test equation:
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 02:55
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C -0.176389 0.095921 -1.838909 0.0669
GDP -1.63E-05 0.000116 -0.140507 0.8884
GDP_SQUARED 9.02E-08 3.34E-08 2.699115 0.0074
EC 0.001575 0.000218 7.232653 0.0000
R-squared 0.579609 Mean dependent var 0.790833
Adjusted R-squared 0.575348 S.D. dependent var 0.553414
S.E. of regression 0.360634 Akaike info criterion 0.811337
Sum squared resid 38.49682 Schwarz criterion 0.860721
Log likelihood -117.7005 Hannan-Quinn criter. 0.831100
F-statistic 136.0353 Durbin-Watson stat 0.056890
Prob(F-statistic) 0.000000
79
D. Random Effect Model
Dependent Variable: ED
Method: Panel EGLS (Cross-section random effects)
Date: 09/21/19 Time: 02:56
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.526646 0.151526 -3.475615 0.0006
GDP 0.000222 5.53E-05 4.021651 0.0001
GDP_SQUARED 8.69E-09 1.49E-08 0.585111 0.5589
EC 0.002003 0.000131 15.31909 0.0000
Effects Specification
S.D. Rho
Cross-section random 0.430736 0.9303
Idiosyncratic random 0.117911 0.0697
Weighted Statistics
R-squared 0.792079 Mean dependent var 0.039475
Adjusted R-squared 0.789971 S.D. dependent var 0.256206
S.E. of regression 0.117416 Sum squared resid 4.080836
F-statistic 375.8721 Durbin-Watson stat 0.550758
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.559261 Mean dependent var 0.790833
Sum squared resid 40.36009 Durbin-Watson stat 0.055688
E. Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.522405 3 0.9139
80
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
GDP 0.000225 0.000222 0.000000 0.5667
GDP_SQUARED 0.000000 0.000000 0.000000 0.4868
EC 0.002009 0.002003 0.000000 0.5970
Cross-section random effects test equation:
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 02:58
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C -0.531029 0.066758 -7.954516 0.0000
GDP 0.000225 5.54E-05 4.050956 0.0001
GDP_SQUARED 8.01E-09 1.49E-08 0.538096 0.5909
EC 0.002009 0.000131 15.30553 0.0000
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.956427 Mean dependent var 0.790833
Adjusted R-squared 0.954605 S.D. dependent var 0.553414
S.E. of regression 0.117911 Akaike info criterion -1.395409
Sum squared resid 3.990155 Schwarz criterion -1.234911
Log likelihood 222.3113 Hannan-Quinn criter. -1.331177
F-statistic 524.9691 Durbin-Watson stat 0.563650
Prob(F-statistic) 0.000000
F. Uji Lagrange Multiplier
Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
(all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 3367.812 10.81570 3378.628
81
(0.0000) (0.0010) (0.0000)
Honda 58.03285 -3.288723 38.70994
(0.0000) -- (0.0000)
King-Wu 58.03285 -3.288723 49.09636
(0.0000) -- (0.0000)
Standardized Honda 70.65661 -3.208538 38.92094
(0.0000) -- (0.0000)
Standardized King-Wu 70.65661 -3.208538 53.59350
(0.0000) -- (0.0000)
Gourierioux, et al.* -- -- 3367.812
(< 0.01)
*Mixed chi-square asymptotic critical values:
1% 7.289
5% 4.321
10% 2.952
2. Klasifikasi Negara Berpendapatan Menengah Ke Atas
A. Common Effect Model
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 03:10
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C -0.569637 0.120911 -4.711200 0.0000
GDP -0.000139 5.25E-05 -2.651309 0.0084
GDP_SQUARED -2.64E-10 4.02E-09 -0.065685 0.9477
EC 0.003653 6.13E-05 59.57587 0.0000
R-squared 0.945512 Mean dependent var 3.995595
Adjusted R-squared 0.944959 S.D. dependent var 2.429154
S.E. of regression 0.569897 Akaike info criterion 1.726522
Sum squared resid 96.13568 Schwarz criterion 1.775906
Log likelihood -254.9783 Hannan-Quinn criter. 1.746285
F-statistic 1712.120 Durbin-Watson stat 0.126759
82
Prob(F-statistic) 0.000000
B. Fixed Effect Model (Tanpa Weighted Cross Section)
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 03:12
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C -0.903156 0.108466 -8.326626 0.0000
GDP 0.000320 4.65E-05 6.882512 0.0000
GDP_SQUARED -1.75E-08 2.33E-09 -7.518958 0.0000
EC 0.002521 7.96E-05 31.66746 0.0000
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.990722 Mean dependent var 3.995595
Adjusted R-squared 0.990334 S.D. dependent var 2.429154
S.E. of regression 0.238820 Akaike info criterion 0.016157
Sum squared resid 16.36910 Schwarz criterion 0.176654
Log likelihood 10.57646 Hannan-Quinn criter. 0.080388
F-statistic 2553.930 Durbin-Watson stat 0.628163
Prob(F-statistic) 0.000000
C. Fixed Effect Model (Dengan Weighted Cross Section)
Dependent Variable: ED
Method: Panel EGLS (Cross-section weights)
Date: 09/21/19 Time: 03:11
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
White diagonal standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.
C -0.903156 0.139233 -6.486632 0.0000
GDP 0.000320 5.59E-05 5.729560 0.0000
GDP_SQUARED -1.75E-08 2.84E-09 -6.183187 0.0000
83
EC 0.002521 8.39E-05 30.03894 0.0000
Effects Specification
Cross-section fixed (dummy variables)
Weighted Statistics
R-squared 0.990722 Mean dependent var 3.995595
Adjusted R-squared 0.990334 S.D. dependent var 2.429154
S.E. of regression 0.238820 Sum squared resid 0.016157
F-statistic 16.36910 Durbin-Watson stat 0.176654
Prob(F-statistic) 10.57646
D. Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 155.394415 (9,287) 0.0000
Cross-section Chi-square 531.109448 9 0.0000
Cross-section fixed effects test equation:
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 03:18
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C -0.569637 0.120911 -4.711200 0.0000
GDP -0.000139 5.25E-05 -2.651309 0.0084
GDP_SQUARED -2.64E-10 4.02E-09 -0.065685 0.9477
EC 0.003653 6.13E-05 59.57587 0.0000
R-squared 0.945512 Mean dependent var 3.995595
Adjusted R-squared 0.944959 S.D. dependent var 2.429154
S.E. of regression 0.569897 Akaike info criterion 1.726522
Sum squared resid 96.13568 Schwarz criterion 1.775906
Log likelihood -254.9783 Hannan-Quinn criter. 1.746285
F-statistic 1712.120 Durbin-Watson stat 0.126759
Prob(F-statistic) 0.000000
84
E. Random Effect Model
Dependent Variable: ED
Method: Panel EGLS (Cross-section random effects)
Date: 09/21/19 Time: 03:19
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.819293 0.197894 -4.140061 0.0000
GDP 0.000268 4.45E-05 6.009804 0.0000
GDP_SQUARED -1.57E-08 2.28E-09 -6.899429 0.0000
EC 0.002626 7.57E-05 34.70333 0.0000
Effects Specification
S.D. Rho
Cross-section random 0.529886 0.8312
Idiosyncratic random 0.238820 0.1688
Weighted Statistics
R-squared 0.952496 Mean dependent var 0.327676
Adjusted R-squared 0.952014 S.D. dependent var 1.122099
S.E. of regression 0.245803 Sum squared resid 17.88401
F-statistic 1978.345 Durbin-Watson stat 0.577873
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.871904 Mean dependent var 3.995595
Sum squared resid 226.0041 Durbin-Watson stat 0.045728
F. Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 20.560908 3 0.0001
85
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
GDP 0.000320 0.000268 0.000000 0.0001
GDP_SQUARED -0.000000 -0.000000 0.000000 0.0002
EC 0.002521 0.002626 0.000000 0.0000
Cross-section random effects test equation:
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 03:20
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C -0.903156 0.108466 -8.326626 0.0000
GDP 0.000320 4.65E-05 6.882512 0.0000
GDP_SQUARED -1.75E-08 2.33E-09 -7.518958 0.0000
EC 0.002521 7.96E-05 31.66746 0.0000
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.990722 Mean dependent var 3.995595
Adjusted R-squared 0.990334 S.D. dependent var 2.429154
S.E. of regression 0.238820 Akaike info criterion 0.016157
Sum squared resid 16.36910 Schwarz criterion 0.176654
Log likelihood 10.57646 Hannan-Quinn criter. 0.080388
F-statistic 2553.930 Durbin-Watson stat 0.628163
Prob(F-statistic) 0.000000
G. Uji Lagrange Multiplier
Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
(all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 2063.883 5.080270 2068.963
(0.0000) (0.0242) (0.0000)
86
Honda 45.42998 -2.253945 30.53006
(0.0000) -- (0.0000)
King-Wu 45.42998 -2.253945 38.59022
(0.0000) -- (0.0000)
Standardized Honda 54.53015 -2.151148 29.64463
(0.0000) -- (0.0000)
Standardized King-Wu 54.53015 -2.151148 40.89063
(0.0000) -- (0.0000)
Gourierioux, et al.* -- -- 2063.883
(< 0.01)
*Mixed chi-square asymptotic critical values:
1% 7.289
5% 4.321
10% 2.952
3. Klasifikasi Negara Berpendapatan Tinggi
A. Common Effect Model
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 03:23
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C 7.995295 2.077363 3.848770 0.0001
GDP -0.000163 7.47E-05 -2.179405 0.0301
GDP_SQUARED 7.22E-10 6.65E-10 1.086567 0.2781
EC 0.001789 0.000127 14.10467 0.0000
R-squared 0.448956 Mean dependent var 12.57970
87
Adjusted R-squared 0.443371 S.D. dependent var 4.630637
S.E. of regression 3.454807 Akaike info criterion 5.330654
Sum squared resid 3532.964 Schwarz criterion 5.380038
Log likelihood -795.5981 Hannan-Quinn criter. 5.350417
F-statistic 80.38730 Durbin-Watson stat 0.160274
Prob(F-statistic) 0.000000
B. Fixed Effect Model
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 03:24
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C 12.57803 1.413293 8.899805 0.0000
GDP -0.000289 4.74E-05 -6.102541 0.0000
GDP_SQUARED 1.96E-09 4.45E-10 4.407916 0.0000
EC 0.001506 0.000190 7.907522 0.0000
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.855133 Mean dependent var 12.57970
Adjusted R-squared 0.849075 S.D. dependent var 4.630637
S.E. of regression 1.798957 Akaike info criterion 4.054658
Sum squared resid 928.8029 Schwarz criterion 4.215155
Log likelihood -595.1987 Hannan-Quinn criter. 4.118889
F-statistic 141.1768 Durbin-Watson stat 0.591781
Prob(F-statistic) 0.000000
C. Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 89.409499 (9,287) 0.0000
Cross-section Chi-square 400.798766 9 0.0000
88
Cross-section fixed effects test equation:
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 03:24
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C 7.995295 2.077363 3.848770 0.0001
GDP -0.000163 7.47E-05 -2.179405 0.0301
GDP_SQUARED 7.22E-10 6.65E-10 1.086567 0.2781
EC 0.001789 0.000127 14.10467 0.0000
R-squared 0.448956 Mean dependent var 12.57970
Adjusted R-squared 0.443371 S.D. dependent var 4.630637
S.E. of regression 3.454807 Akaike info criterion 5.330654
Sum squared resid 3532.964 Schwarz criterion 5.380038
Log likelihood -795.5981 Hannan-Quinn criter. 5.350417
F-statistic 80.38730 Durbin-Watson stat 0.160274
Prob(F-statistic) 0.000000
D. Random Effect Model
Dependent Variable: ED
Method: Panel EGLS (Cross-section random effects)
Date: 09/21/19 Time: 03:23
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 12.47244 1.826583 6.828291 0.0000
GDP -0.000289 4.72E-05 -6.107363 0.0000
GDP_SQUARED 1.94E-09 4.43E-10 4.390311 0.0000
EC 0.001525 0.000185 8.253279 0.0000
Effects Specification
S.D. Rho
Cross-section random 3.702652 0.8090
Idiosyncratic random 1.798957 0.1910
Weighted Statistics
89
R-squared 0.242884 Mean dependent var 1.111516
Adjusted R-squared 0.235210 S.D. dependent var 2.048509
S.E. of regression 1.791468 Sum squared resid 949.9693
F-statistic 31.65238 Durbin-Watson stat 0.579402
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.433052 Mean dependent var 12.57970
Sum squared resid 3634.928 Durbin-Watson stat 0.151424
E. Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.540419 3 0.9099
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
GDP -0.000289 -0.000289 0.000000 0.8580
GDP_SQUARED 0.000000 0.000000 0.000000 0.6938
EC 0.001506 0.001525 0.000000 0.6815
Cross-section random effects test equation:
Dependent Variable: ED
Method: Panel Least Squares
Date: 09/21/19 Time: 03:25
Sample: 1985 2014
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C 12.57803 1.413293 8.899805 0.0000
GDP -0.000289 4.74E-05 -6.102541 0.0000
GDP_SQUARED 1.96E-09 4.45E-10 4.407916 0.0000
EC 0.001506 0.000190 7.907522 0.0000
Effects Specification
90
Cross-section fixed (dummy variables)
R-squared 0.855133 Mean dependent var 12.57970
Adjusted R-squared 0.849075 S.D. dependent var 4.630637
S.E. of regression 1.798957 Akaike info criterion 4.054658
Sum squared resid 928.8029 Schwarz criterion 4.215155
Log likelihood -595.1987 Hannan-Quinn criter. 4.118889
F-statistic 141.1768 Durbin-Watson stat 0.591781
Prob(F-statistic) 0.000000
F. Uji Lagrange Multiplier
Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
(all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 2237.369 10.25237 2247.622
(0.0000) (0.0014) (0.0000)
Honda 47.30084 -3.201932 31.18264
(0.0000) -- (0.0000)
King-Wu 47.30084 -3.201932 39.76323
(0.0000) -- (0.0000)
Standardized Honda 58.10062 -3.119184 30.60860
(0.0000) -- (0.0000)
Standardized King-Wu 58.10062 -3.119184 42.88772
(0.0000) -- (0.0000)
Gourierioux, et al.* -- -- 2237.369
(< 0.01)
*Mixed chi-square asymptotic critical values:
1% 7.289
5% 4.321
10% 2.952
91
Lampiran 2: Uji Multikolinearitas
1. Klasifikasi Negara Berpendapatan Menengah Ke Bawah
Variance Inflation Factors
Date: 09/18/19 Time: 00:29
Sample: 1 300
Included observations: 300
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 0.018702 1.118545 NA
GDP 7.19E-10 2.093451 2.011464
EC 1.59E-08 2.243734 2.011464
2. Klasifikasi Negara Berpendapatan Menengah Ke Atas
Variance Inflation Factors
Date: 09/18/19 Time: 00:34
Sample: 1 300
Included observations: 300
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 0.007285 34.92045 NA
GDP 2.60E-10 44.15088 1.888047
EC 6.43E-09 63.58899 1.888047
3. Klasifikasi Negara Berpendapatan Tinggi
Variance Inflation Factors
Date: 09/18/19 Time: 00:38
Sample: 1 300
Included observations: 300
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 2.347120 1.946411 NA
GDP 2.36E-10 1.537105 1.137540
EC 3.55E-08 2.120140 1.137540
92
Lampiran 3: Uji Breusch-Pagan-Godfrey (Uji Heteroskedastisitas)
1. Klasifikasi Negara Berpendapatan Menengah Ke Atas
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 49.56152 Prob. F(3,296) 0.0000
Obs*R-squared 100.3079 Prob. Chi-Square(3) 0.0000
Scaled explained SS 79.07820 Prob. Chi-Square(3) 0.0000
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/21/19 Time: 03:38
Sample: 1 300
Included observations: 300
Variable Coefficient Std. Error t-Statistic Prob.
C -0.103102 0.071068 -1.450756 0.1479
GDP -4.86E-05 3.09E-05 -1.574309 0.1165
GDP_SQUARED 3.81E-09 2.36E-09 1.613065 0.1078
EC 0.000367 3.60E-05 10.17989 0.0000
R-squared 0.334360 Mean dependent var 0.320452
Adjusted R-squared 0.327613 S.D. dependent var 0.408502
S.E. of regression 0.334968 Akaike info criterion 0.663680
Sum squared resid 33.21226 Schwarz criterion 0.713064
Log likelihood -95.55205 Hannan-Quinn criter. 0.683444
F-statistic 49.56152 Durbin-Watson stat 0.754723
Prob(F-statistic) 0.000000