updating model keterkaitan regional:...
TRANSCRIPT
Laporan akhir
UPDATING MODEL KETERKAITAN REGIONAL:
Pendekatan Model Ekonometrik
Direktorat Pengembangan Wilayah
Deputi Bidang Pengembangan Regional dan Otonomi DaerahKementerian Negara Perencanaan pembangunan Nasional/BAPPENAS
2009
Laporan Akhir UPDATING MODEL KETERKAITAN REGIONAL:
Pendekatan Model Ekonometrik
PENGARAH Ir. Max H. Pohan, CES, MA
PENANGGUNG JAWAB Ir. Arifin Rudiyanto M.Sc, Ph.D
TIM PENYUSUN Drs. Sumedi Andono Mulyo, MA, Ph.D
Awan Setiawan, SE, MM, ME Uke Mohammad Hussein, S.Si. MPP
Supriyadi, S.Si, MTP Rudi Alfian, SE
Yudianto, ST, MT, MPP Agung Widodo, SP, MIDEC
Fidelia Silvana, SP, M.Int.Econ & F Anang Budi Gunawan, SE Ika Retna Wulandary, ST
TIM PENDUKUNG Anna Astuti
Eni Arni Sapto Mulyono
Tri Supriyana Setya Rusdianto
Selenia Ediyani P.
Komentar, saran dan kritik dapat disampaikan ke :
Direktorat Pengembangan Wilayah
Deputi Bidang Pengembangan Regional dan Otonomi Daerah
Badan Perencanaan Pembangunan Nasional (BAPPENAS)
Jl. Taman Suropati No. 2 Jakarta Pusat 10310
Telp/Fax. (021) 3193 4195
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT yang telah
melimpahkan rahmat dan karunia-Nya sehingga kami dapat menyelesaikan
laporan akhir yang berjudul ”Updating Pengembangan Model
Keterkaitan Regional: Pendekatan Model Ekonometrik”.
Laporan akhir ini terdiri dari tujuh bab. Empat Bab pertama tentang
justifikasi penelitian yang mencakup pendahuluan, kerangka teoritis,
kerangka operasional dan metodologi. Dua Bab berikutnya tentang
gambaran umum ekonomi wilayah dan hasil dan pembahasan. Sementara
Bab terakhir berisi kesimpulan dan implikasi kebijakan.
Ketersediaan data terutama data yang berkaitan dengan aliran
perdagangan (ekspor-impor) antar wilayah/provinsi menjadi kendala
terbesar dalam penyempurnaan penelitian ini. Namun demikian, dengan
segenap kemampuan team peneliti berusaha untuk mengembangkan model
yang compatible dengan tujuan dari penelitian ini.
Tak ada gading yang tak retak. Hasil penelitian ini diharapkan dapat
digunakan sebagai dasar pertimbangan kebijakan ekonomi regional
Indonesia dan menjadi motivator model-model ekonomi regional
selanjutnya.
Atas kerjasama dan kepercayaan Direktorat Pengembangan Wilayah,
Deputi Bidang Pengembangan Regional dan Otonomi Daerah, Badan
Perencanaan Pembangunan Nasional dalam penyelesaian penelitian ini,
kami mengucapkan terimakasih.
Jakarta, November 2009 Direktur Pengembangan Wilayah
i
DAFTAR ISI
I. PENDAHULUAN ....................................................................... 1
1.1. Latar Belakang ...................................................................... 1 1.2. Perumusan Masalah ............................................................... 5 1.3. Tujuan Penelitian ................................................................. 10 1.4. Sasaran ..................................................................................... 11 1.5. Relevansi Kajian dengan Unit Kerja ....................................... 11 1.6. Ruang Lingkup Kegiatan ........................................................ 11 1.7. Keluaran ................................................................................. 12 II. TINJAUAN PUSTAKA ............................................................... 13
2.1. Definisi Wilayah ...................................................................... 13 2.2. Migrasi di Indonesia ............................................................... 14 2.3. Distribusi Pendapatan dan Ketimpangan Antar-Daerah ......... 15 2.4. Pengeluaran Pemerintah Lintas Sektor ..................................... 19 2.5. Studi Terdahulu Yang Terkait ................................................ 23 III. KERANGKA PEMIKIRAN ...................................................... 28 3.1. Kerangka Teori .................................................................... 28 3.1.1. Teori Pertumbuhan Ekonomi ...................................... 28 3.1.1.1. Model Harrod-Domar .................................. 28 3.1.1.2. Model Pertumbuhan Solow ........................... 30 3.1.1.3. Model Pertumbuhan Baru ............................. 32 3.1.1.4. Model Human Capital dan Pertumbuhan ..... 36 3.1.2. Model Regional Flows .............................................. 37 3.1.2.1. Keunggulan Komparatif ............................... 37 3.1.2.2. Teori Heckscher–Ohlin ……………………. 40 3.1.2.3. Mobilitas Sumberdaya ……………………… 41 3.1.3. Perpindahan Penduduk dan Tenaga Kerja ................ 43 3.1.3.1. Ekonomi dan Migrasi ................................... 44 3.1.3.2. Faktor Non Upah .......................................... 44 3.1.3.3. Model Harris-Tadaro …………………….. 45 3.1.3.4. Model Gravitasi ……………………………. 46 3.1.3.5. Net dan Gross Migrasi .................................. 47 3.1.3.6. Efisiensi Migrasi .......................................... 49 3.1.4. Mobilitas Capital .......................................................... 50 3.1.5. Pendekatan Neraca Pembayaran untuk Pertumbuhan Ekonomi Wilayah …………………………………… 51 3.1.6. Prototipe Model Keterkaitan Regional ...................... 54 3.1.7. Pendekatan Model IS-LM dalam Keterkaitan Makro Ekonomi ....................................................................... 55 3.1.7.1. Model IS – LM ............................................... 55 3.1.7.2. Keterkaitan antara Model IS-LM, AS-AD Fungsi Produksi dan Pasar Tenaga Kerja ..... 59
Laporan Akhir Updating Model Keterkaitan Regional
Laporan Akhir Updating Model Keterkaitan Regional
3.2. Kerangka Konseptual ………………..…………………….. 61
IV. PERUMUSAN MODEL KETERKAITAN REGIONAL DAN PROSEDUR ANALISIS …………………………………… 62
4.1. Spesifikasi Model …………………………………………… 62 4.1.1. Blok Output ………………………………………….. 65 4.1.2. Blok Investasi Swasta Sektoral .................................... 66 4.1.3. Blok Investasi Pemerintah Sektoral .............................. 67 4.1.4. Blok Tenaga Kerja Sektoral ………………............… 67 4.1.5. Blok Upah Sektoral …………………………………… 68 4.1.6. Blok Inflasi …........…………………………….......... 68 4.1.7. Blok Pengangguran ....................….…………………. 69 4.1.8. Blok Kemiskinan ...........................…………………. 70 4.1.9. Blok Migrasi ………………………………................ 71 4.1.10. Blok Perdagangan ........................................................ 72 4.2. Prosedur Analisis …………………………………………… 73 4.2.1. Identifikasi Model ………………………………….. 73 4.2.2. Metode Pendugaan Model ………………………….. 74 4.2.3. Validasi Model …………………………………….. 75 4.2.4. Simulasi Model …………………………………….. 76 4.3. Jenis dan Sumber Data ……………………………………… 77 4.4. Waktu Pelaksanaan ………………………………………….. 77 4.5. Sistematika Pelaporan ………………………………………. 78
V. HASIL PERKEMBANGAN MODEL KETERKAITAN REGIONAL …………..…………………………………………… 79
5.1. Keragaan Umum Hasil Estimasi Model Keterkaitan Regional . 79 5.2. Hasil Validasi Model …………..……….……………………... 80 5.3. Hasil Prediksi (Baseline) ………..……….…………………….. 81 5.4. Skenario Kebijakan ………..…………….………………….….. 86 5.4.1. Investasi Swasta ……………………………………….. 87 5.4.2. Investasi Pemerintah ………............….……………….. 90 5.4.3. Investasi Swasta dan Pemerintah …….…….………….. 92 5.4.4. Upah Minimum Regional ……………..……………….. 96 5.4.5. Belanja Pelayanan Publik ……………..……………….. 99
VI. KESIMPULAN DAN IMPLIKASI KEBIJAKAN ….…………… 103 6.1. Kesimpulan …………………………………………………… . 103 6.2. Implikasi Kebijakan …...………..……….…………………….. 105 6.3. Saran Penelitian Lanjutan ……..……….………………………. 106 DAFTAR PUSTAKA
DAFTAR TABEL
Nomor Halaman
1.1. Komposisi Penduduk Indonesia Menurut Provinsi, Tahun 2005-2008 ............... 6
1.2. Komposisi Produk Domestik Regional Bruto Indonesia Harga Berlaku
Menurut Pulau, Tahun 2004-2007 (%) ............................................................. 7
1.3. PDRB per Kapita dalam Harga Konstan 2000 Menurut Pulau, Tahun
2000-2005 .......................................................................................................... 8
2.1. Distribusi Sektoral dari Pengeluaran Publik secara Nasional ............................ 20
3.1. Tenaga Kerja yang Diperlukan untuk Proses Produksi ..................................... 38
3.2. Matriks Daftar Faktor-Faktor Perbandingan Biaya-Keuntungan Berpindah .... 45
3.3. Perpindahan Gros dan Net Migrasi dan Kondisi Ekonomi Lokal .................... 48
5.1. Hasil Proyeksi Produk Domestik Regional Bruto, 2009-2014 ............................ 81
5.2. Hasil Proyeksi Pertumbuhan Ekonomi Wilayah, , 2009-2014 ............................ 82
5.3. Hasil Proyeksi Jumlah Penduduk Miskin, 2009-2014 ........................................ 83
5.4. Hasil Proyeksi Jumlah Angkatan Kerja, , 2009-2014 ......................................... 84
5.5. Hasil Proyeksi Jumlah Permintaan Tenaga Kerja, 2009-2014 ............................ 84
5.6. Hasil Proyeksi Jumlah Pengangguran .................................................................. 85
5.7. Hasil Proyeksi Tingkat Pengangguran, 2009-2014 .............................................. 85
5.8. Hasil Proyeksi Upah, 2009-2014 ......................................................................... 86
5.9. Dampak Peningkatan Investasi Swasta, terhadap Kinerja Ekonomi Wilayah, Periode
2009-2014 ............................................................................................................. 87
5.10. Dampak Peningkatan Investasi Swasta, terhadap Arus Migrasi Penduduk (Migrasi
Masuk) ke Wilayah, Periode 2009-2014 .............................................................. 87
5.11. Dampak Peningkatan Investasi Swasta, terhadap Arus Migrasi Penduduk (Migrasi
Keluar) dari Wilayah, Periode 2009-2014 ............................................................. 88
5.12. Dampak Peningkatan Investasi Swasta, terhadap Arus Perdagangan (Export) Antar
Wilayah, Periode 2009-2014 ................................................................................. 88
5.13. Dampak Peningkatan Investasi Swasta, terhadap Arus Perdagangan (Import) Antar
Wilayah, Periode 2009-2014 ................................................................................. 89
Laporan Akhir Updating Model Keterkaitan Regional
5.14. Dampak Peningkatan Investasi Pemerintah, terhadap Kinerja Ekonomi Wilayah,
Periode 2009-2014 .................................................................................................. 90
5.15. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Migrasi Penduduk
(Migrasi Masuk) ke Wilayah, Periode 2009-2014 .................................................. 90
5.16. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Migrasi Penduduk
(Migrasi Keluar) dari Wilayah, Periode 2009-2014 ................................................ 91
5.17. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Perdagangan (Export)
Antar Wilayah, Periode 2009-2014 ........................................................................ 91
5.18. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Perdagangan (Impor)
Antar Wilayah, Periode 2009-2014 ........................................................................ 92
5.19. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Kinerja Ekonomi
Wilayah, Periode 2009-2014 .................................................................................. 93
5.20. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Migrasi
Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014 ................................. 93
5.21. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Migrasi
Penduduk (Migrasi Keluar) dari Wilayah, Periode 2009-2014 ............................... 94
5.22. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Perdagangan
(Export) Antar Wilayah, Periode 2009-2014 ........................................................... 95
5.23. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Perdagangan
(Import) Antar Wilayah, Periode 2009-2014 ............................................................ 95
5.24. Dampak Peningkatan Upah Minimum Regional, terhadap Kinerja Ekonomi Wilayah,
Periode 2009-2014 . ................................................................................................. 96
5.25. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Migrasi Penduduk
(Migrasi Masuk) ke Wilayah, Periode 2009-2014 ................................................... 97
5.26. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Migrasi Penduduk
(Migrasi Keluar) dari Wilayah, Periode 2009-2014 ................................................. 97
5.27. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Perdagangan
(Export) Antar Wilayah, Periode 2009-2014 ............................................................ 98
5.28. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Perdagangan
(Import) Antar Wilayah, Periode 2009-2014 ............................................................. 98
5.29. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Kinerja Ekonomi Wilayah,
Periode 2009-2014 .................................................................................................... 99
Laporan Akhir Updating Model Keterkaitan Regional
Laporan Akhir Updating Model Keterkaitan Regional
5.30. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Migrasi Penduduk
(Migrasi Masuk) ke Wilayah, Periode 2009-2014 ................................................... 100
5.31. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Migrasi Penduduk
(Migrasi Keluar) dari Wilayah, Periode 2009-2014 ................................................ 100
5.32. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Perdagangan
(Export) Antar Wilayah, Periode 2009-2014 .......................................................... 101
5.33. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Perdagangan
(Import) Antar Wilayah, Periode 2009-2014 .......................................................... 102
DAFTAR GAMBAR
Nomor Halaman
2.1. Distribusi Pengeluaran Publik secara Nasional pada Sektor-Sektor Kunci, 2001-2007 ..................................................................................... 22
3.1. Kurva Kemungkinan Produksi dan Konsumsi.......................................... 39
3.2. Model Perpindahan Sumberdaya .............................................................. 42
3.3. Prototipe Model Keterkaitan Regional ..................................................... 55
3.4. Hubungan antara Permintaan Agregat dan Kurva IS................................ 57
3.5. Hubungan Permintaan Uang dengan Kurva LM....................................... 58
3.6. Keseimbangan Kurva IS-LM .................................................................... 58
3.7. Keterkaitan Variabel Makroekonomi........................................................ 60
3.8. Kerangka Konseptual Keterkaitan Regional............................................. 61
4.1. Simplifikasi Model Keterkaitan Regional................................................. 65
4.2. Garis Waktu Peramalan............................................................................. 76
5.1. Pertumbuhan Ekonomi... .......................................................................... 82
Laporan Akhir Updating Model Keterkaitan Regional
I
PENDAHULUAN
1.1. Latar Belakang
Indonesia merupakan negara yang memiliki berbagai keberagaman, baik
dalam sumber daya manusianya maupun sumber daya alamnya. Kesatuan dalam
keberagaman tersebut adalah hal yang sangat penting untuk diimplementasikan di
Indonesia. Menurut Geertz, “[Indonesia] akan makmur jika dapat menerima dan
memanfaatkan keberagamannya dan sebaliknya akan terpecah-pecah jika
mencoba untuk menghilangkan keberagaman tersebut” (Hill, 1996). Indonesia
perlu menjalankan kebijakan yang akan mengoptimasi pemanfaatan sumberdaya
baik sumberdaya manusia maupun sumberdaya alam bagi peningkatan
kesejahteraan masyarakat secara berkelanjutan selain memerlukan intervensi
kebijakan yang berpihak pada kearifan lokal yang berbasis kewilayahan, juga
memerlukan strategi pembangunan yang bersifat lintas wilayah dan lintas sektor.
Strategi ini diperlukan agar wilayah tersebut dapat berkembang mencapai tingkat
yang diinginkan melalui optimasi pemanfaatan sumberdaya alam secara harmonis
dengan pendekatan komprehensif yang memperhatikian kesembangan fisik,
ekonomi, sosial dan budaya.
Salah satu tujuan pokok pembangunan adalah menciptakan keseluruhan
pola pertumbuhan pendapatan yang diinginkan dengan penekanan khusus pada
akselerasi pertumbuhan dan pendapatan golongan miskin. Sehingga konsep
penerapan pencapaian pertumbuhan ekonomi yang tinggi semata tanpa diiringi
dengan penurunan angka kemiskinan dan ketimpangan distribusi pendapatan
bukanlah merupakan konsep yang tepat.
Meskipun analisis ekonomi umumnya tidak menyinggung hubungan
antara pertumbuhan ekonomi dan distribusi pendapatan, namun sebagian besar
teori mengisyaratkan bahwa ketimpangan distribusi pendapatan merupakan
sesuatu yang harus dikorbankan demi memacu laju pertumbuhan ekonomi secara
cepat.
Orieantasi kebijakan pembangunan sebelumnya dianggap identik dengan
kebijakan pertumbuhan ekonomi baik pada tingkat regional maupun nasional
Laporan Akhir Updating Model Keterkaitan Regional
1
tanpa memperhatikan distribusi pendapatan dapat menyebabkan kemiskinan
semakin melebar. Disamping hal tersebut kebijakan pembangunan juga masih
bersifat parsial dan terlalu menekankan kepada akumulasi dari kapital fisik (man-
made capital), tanpa memperhatikan keterkaitan dengan natural capital, human
capital, social capital.
Pertumbuhan ekonomi tinggi yang menguras sumberdaya alam tanpa
diimbangi dengan akumulasi kapital dan investasi dalam pemeliharaannya akan
berdampak terhadap rusaknya kelestarian (sustainability) dari sumber-sumberdaya
alam dan lingkungan hidup. Penyusutan dan degradasi dari sumberdaya tersebut
juga telah memperparah terjadinya ketidakseimbangan (unbalance growths)
pembangunan antar wilayah (provinsi, kabupaten/kota, wilayah perdesaan-
perkotaan) dan kelompok–kelompok dalam masyarakat, bahkan ketidakmerataan
pendapatan antar kelompok tersebut pada akhirnya akan mengarah pada
melebarnya tingkat kemiskinan.
Disamping itu, persoalan-persoalan penting lainnya di daerah yang selama
ini kita hadapi antara lain:
1. Daya saing daerah dan keterkaitan ekonomi antardaerah yang rendah
2. Kegiatan ekonomi yang masih terkonsentrasi pada beberapa daerah dan sektor
tertentu saja
3. Belum termanfaatkannya secara optimal potensi sumber daya wilayah
4. Produktivitas wilayah yang rendah
5. Masih banyaknya wilayah-wilayah miskin seperti perbatasan, pesisir, dan
kawasan tertinggal
6. Konversi lahan pertanian yang tinggi ke non pertanian
7. Kapasitas aparat yang masih rendah
8. Kurangnya keterlibatan masyarakat, dunia usaha, LSM dalam pembangunan;
dan
9. Belum kondusifnya iklim untuk investasi di daerah.
Seluruh permasalahan tersebut merupakan akumulasi dari kurang
terintegrasinya berbagai kebijakan pembangunan. Maka pendekatan pembangunan
yang dilakukan selama ini perlu dirubah memakai pendekatan regional. Salah satu
implikasi terpenting dari kecenderungan perubahan ini, khususnya dalam bidang
pembangunan ekonomi adalah apa yang dikenal dengan integrasi ekonomi
Laporan Akhir Updating Model Keterkaitan Regional
2
menjadi satu kesatuan ekonomi kawasan. Arus lalu lintas perdagangan barang dan
jasa serta investasi antar negara akan semakin meluas, intensif, dan dinamis.
Berbagai literatur tentang regional sciences atau regional development
menyebutkan tentang pentingnya tujuh aspek yang perlu diperhitungkan dalam
pengembangan wilayah. Pertama, keterkaitan wilayah secara fisik (physical
linkages) baik kondisi infrastruktur yang ada seperti jalan, kereta api, angkutan
sungai, dan angkutan udara maupun jaringan interkoneksi yang menghubungkan
berbagai infrastruktur tersebut. Kedua, keterkaitan wilayah secara ekonomi
(economic linkages) terutama ketersediaan sumberdaya, pola aliran barang dan
jasa, keterkaitan produksi, komditas unggulan maupun aliran modal dan
pendapatan. Ketiga, pergerakan dan perpindahan penduduk (population movement
linkages) baik migrasi tetap maupun migrasi musiman terkait dengan kegiatan
ekonomi. Keempat, keterkaitan teknologi (technological linkages) baik teknologi
produksi, teknologi informasi, teknologi telekomunikasi. Kelima, keterkaitan
sosial (social interaction linkages) dalam kehidupan budaya, agama dan
kekerabatan. Keenam, keterkaitan layanan jasa (service delivery linkages)
termasuk jaringan layanan energi, keuangan dan perbankan, pendidikan,
kesehatan dan perdagangan. Ketujuh, keterkaitan administrasi, politik,
pengorganisasian (political, administrative, and organizational linkages). Selain
itu, keseimbangan dan keterkaitan lintas wilayah dan lintas sektor perlu dilakukan
melalui penataan ruang sebagai salah satu instrumen utama dalam
pengarusutamaan (mainstreaming) kebijakan pembangunan berbasis wilayah.
Otonomi daerah merupakan tantangan bagi pemerintah daerah itu sendiri,
karena kewenangannya yang lebih luas untuk menentukan kebijakan dan program
pembangunan yang terbaik bagi peningkatan kesejahteraan masyarakat dan
kemajuan daerah masing-masing. Dengan latar belakang demografi, geografis,
infrastruktur dan ekonomi yang tidak sama, serta kapasitas sumber daya yang
berbeda, maka salah satu konsekuensi dari pelaksanaan otonomi daerah adalah
keberagaman daerah dalam hal kinerja pelaksanaan dan pencapaian tujuan
pembangunan. Perbedaan kinerja selanjutnya akan menyebabkan kesenjangan
antardaerah. Pendekatan pembangunan berbasis wilayah merupakan jawaban
untuk mengkonsolidasikan kekuatan dan potensi lokal secara lebih efektif guna
mendorong keserasian dan keseimbangan pembangunan wilayah sebagai bagian
Laporan Akhir Updating Model Keterkaitan Regional
3
integral dari pembangunan nasional. Oleh karenanya penyusunan model
keterkaitan regional menjadi suatu hal penting dalam mengatisipasi perubahan
ekonomi dalam menjamin kesinambungan pembangunan nasional dan antar
wilayah.
Akhir-akhir ini pengembangan model pembangunan wilayah perlu dikaji
dan dievaluasi secara mendalam. Dengan berbagai kelemahan dan kelebihan,
model pembangunan secara luas (broad-based) dilakukan untuk mendorong
pemerataan pembangunan antarwilayah.
Kecermatan dalam penyempurnaan model pembagunan wilayah yang telah
disusun pada tahun-tahun sebelumnya akan berpengaruh terhadap akurasi analisis
keterkaitan pembagunan antar wilayah. Pendekatan pembangunan berbasis
wilayah merupakan jawaban untuk mengkonsolidasikan kekuatan dan potensi
lokal secara lebih efektif guna mendorong keserasian dan keseimbangan
pembangunan wilayah sebagai bagian integral dari pembangunan nasional.
Contoh model yang telah dikembangkan atau dibangun dan telah
dilakukan dilakukan Bappenas adalah membangun multiregional input-ouput
model (MRIO), model ekonometrika dan computable general equilibrium model
(CGE). Namun demikian, perlu disadari bahwa dari ketiga model yang
dikembangkan oleh Bappenas tersebut masih bersifat parsial atau terpisah satu
dengan lainnya. Dalam arti bahwa dari ketiga model tersebut memberikan suatu
solusi, dimana kemungkinan solusi yang dihasilkan dapat sama atau berbeda satu
sama lainnya.
Untuk hal tersebut sedapat mungkin model tersebut diintegrasi dalam
sebuah sistem yang saling terkait satu sama lainnya. Misalnya kelemahan dalam
model MRIO dapat diatasi dengan CGE, model CGE yang bersifat black box
(terutama untuk berbagai koefisien patameter yang terdapat dalam model CGE,)
dapat diatasi oleh model ekonometrika. Penyempurnaan model-model yang telah
ada tersebut perlu terus menerus dilakukan dengan harapan temuan-temuan yang
ada dari model dapat memberikan solusi yang lebih komprehensif dan dapat
dituangkan dalam kebijakan yang ada di Indonesia.
Penyempurnaan model keterkaitan pembangunan antarwilayah diharapkan
dapat mengoptimalkan pembangunan antarwilayah dan mengurangi adanya
ketimpangan pembangunan antar-wilayah.
Laporan Akhir Updating Model Keterkaitan Regional
4
1.2. Perumusan Masalah
Sejak pelita pertama sampai dengan pelita tujuh pembangunan lebih
terkonsentrasi di pulau Jawa. Hal ini tidak terlepas dari kenyataan bahwa pulau
Jawa memiliki kesiapan lebih awal dalam menjalankan pembangunan, oleh karena
itu, pemerintah menggagas untuk meningkatkan pertumbuhan di kawasan timur
Indonesia dalam rangka untuk mengurangi kesenjangan ekonomi, dimana
Kawasan Timur Indonesia akan mendapat prioritas utama dalam kegiatan
pembangunan, namun demikian program pembangunan ini belum memberikan
hasil yang menggembirakan. Alasannya, program pemerintah ini tidak mendapat
dukungan sepenuhnya dari para pelaku ekonomi di lapangan. Dengan kata lain,
pihak swasta kurang tertarik berinvestasi di wilayah timur Indonesia. Akibatnya
sampai saat ini, masih terdapat kesenjangan ekonomi yang cukup besar antara
wialyah Barat dengan wilayah Timur.
Ada dua alasan mengapa pihak swasta kurang tertarik berinvestasi di
wilayah timur, pertama, penduduk Jawa (Provinsi Banten, DKI Jakarta, Jawa
Barat, Jawa Tengah, DI Yogyakarta, Jawa Timur dan Bali) lebih 60 persen dari
total penduduk Indonesia (lihat Tabel 1), sedangkan luasnya hanya sekitar 7
persen. Akibatnya investor lebih tertarik berproduksi di Jawa dengan alasan skala
ekonomi dan mendekati lokasi pasar. Kedua, sarana dan prasarana di KTI belum
memadai dalam mendukung investasi, terutama prasarana angkutan dan
komunikasi. Untuk itu diperlukan campur tangan pemerintah menciptakan
lingkungan yang mampu menarik minat investor.
Istilah pembagian kawasan kepulauan saat ini lebih dirinci tidak hanya
kawasan kepulaun yang luas di wilayah Timur dan Barat (KTI dan KBI),
melainkan dibagi dalam tujuh kawasan kepulauan yaitu Jawa-Bali, Sumatera,
Kalimantan, Sulawesi, Nusatenggara (Nusa Tenggara Timur dan Nusa Tenggara
Barat), Maluku (provinsi Maluku dan Maluku Utara) dan Papua (Papua dan Irian
Jaya Barat). Pembagian pulau ini akan memperjelas dalam mengidentifikasi setiap
perubahan-perubahan yang terjadi di salah satu wilayah/pulau yang berdampak
pada wilayah lainnya. Adanya keterkaitan antar kawasan tersebut dapat ditentukan
wilayah mana yang berdampak besar bagi sasaran pembangunan suatu wilayah
Laporan Akhir Updating Model Keterkaitan Regional
5
maupun seluruh wilayah. Setiap perubahan pembangunan di wilayah kunci akan
berdampak besar bagi perubahan di wilayah lainnya.
Tabel 1.1. Komposisi Penduduk Indonesia Menurut Provinsi, Tahun 2005-2008
No Provinsi 2005 2006 2007 2008 1 Nanggroe Aceh Darussalam 1.842 1.809 1.786 1.7692 Sumatera Utara 5.689 5.616 5.598 5.5943 Sumatera Barat 2.086 2.058 1.954 1.9414 R i a u 2.092 2.710 2.912 2.9925 J a m b i 1.204 1.192 1.210 1.2176 Sumatera Selatan 3.099 3.065 3.061 3.0707 B e n g k u l u 0.708 0.697 0.738 0.7448 L a m p u n g 3.251 3.204 3.296 3.3029 Kep. Bangka Belitung 0.477 0.478 0.439 0.440
10 Kep. Riau 0.582 0.573 0.612 0.62311 DKI Jakarta 4.048 3.982 3.867 3.84312 Jawa Barat 17.803 17.613 17.744 17.82213 Jawa Tengah 14.611 14.295 14.092 13.96214 DI Yogyakarta 1.528 1.506 1.467 1.46215 Jawa Timur 16.583 16.255 15.725 15.58916 Banten 4.125 4.098 4.315 4.37817 B a l i 1.546 1.525 1.521 1.52018 Nusa Tenggara Barat 1.912 1.891 1.971 1.97619 Nusa Tenggara Timur 1.947 1.935 1.862 1.86320 Kalimantan Barat 1.851 1.829 1.994 2.00121 Kalimantan Tengah 0.875 0.861 0.990 1.00422 Kalimantan Selatan 1.500 1.486 1.467 1.47123 Kalimantan Timur 1.302 1.304 1.299 1.31524 Sulawesi Utara 0.973 0.960 0.964 0.96325 Sulawesi Tengah 1.049 1.044 1.096 1.10226 Sulawesi Selatan 3.431 3.830 3.816 3.80827 Sulawesi Tenggara 0.897 0.889 0.963 0.97528 Gorontalo 0.421 0.418 0.389 0.38729 Sulawesi Barat 0.443 0.436 0.431 0.42630 M a l u k u 0.572 0.565 0.572 0.57531 Maluku Utara 0.404 0.408 0.405 0.40532 Irian Jaya Barat 0.294 0.286 0.286 0.28833 Papua 0.857 1.183 1.158 1.169
Sumber: BPS (diolah)
Diterapkannya otonomi daerah, membuat pemerintah daerah berlomba-
lomba menarik minat investor masuk dan menanamkan modalnya di daerah.
Daerah berharap bahwa seluruh atau sebagian besar manfaat dari investasi di
daerahnya mampu memicu pertumbuhan perekonomian daerahnya. Pemerintah
daerah belum menyadari dengan baik bahwa limpahan manfaat investasi tidak
semuanya mengalir ke daerah tempat investasi, tetapi sebagian kecil atau dapat
juga dalam porsi yang cukup besar dapat mengalir ke daerah lain, terutama pulau
Laporan Akhir Updating Model Keterkaitan Regional
6
Jawa. Hal ini disebabkan karena Pulau Jawa memiliki infrastruktur perekonomian
paling lengkap.
Tingginya konsentrasi penduduk di Jawa tentu saja diikuti oleh konsentrasi
aktivitas ekonomi. Kadar aktivitas ekonomi dapat ditunjukkan oleh angka Produk
Domestik Regional Bruto (PDRB), periode 2000-2005, Jawa (Provinsi Banten,
DKI Jakarta, Jawa Barat, Jawa Tengah, DI Yogyakarta, Jawa Timur dan Bali)
memberikan kontribusi lebih dari 60 persen terhadap total PDRB seluruh daerah
(Tabel 2). Kemudian perannya agak menurun ketika terjadi krisis ekonomi
nasional. Diperkirakan perannya kembali akan meningkat setelah perekonomian
pulih dari krisis. Fakta demikian menunjukkan bahwa peran Jawa sangat dominan
dalam perekonomian Indonesia.
Tabel 1.2. Komposisi Produk Domestik Regional Bruto Berdasarkan Harga Berlaku Menurut Provinsin, Tahun 2004-2007 (%)
No Provinsi 2004 2005 2006 2007 1 Nanggroe Aceh Darussalam 2.23 1.93 2.36 2.08 2 Sumatera Utara 5.24 5.16 5.13 5.16 3 Sumatera Barat 1.66 1.69 1.70 1.70 4 Riau 6.69 5.24 5.35 5.96 5 Jambi 0.82 0.85 0.84 0.91 6 Sumatera Selatan 2.85 3.08 3.07 3.12 7 Bengkulu 0.36 0.38 0.37 0.36 8 Lampung 1.60 1.50 1.56 1.73 9 Bangka Belitung 0.49 0.51 0.51 0.51 10 Kepulauan Riau 1.82 1.55 1.48 1.47 11 DKI Jakarta 16.65 16.46 16.07 16.06 12 Jawa Barat 13.34 14.61 15.18 14.92 13 Jawa Tengah 8.57 8.84 9.04 8.86 14 DI Yogyakarta 0.98 0.95 0.94 0.93 15 Jawa Timur 15.12 15.22 15.08 15.17 16 Banten 3.27 3.19 3.14 3.05 17 Bali 1.28 1.28 1.20 1.20 18 NTB 0.98 0.97 0.91 0.95 19 NTT 0.57 0.55 0.54 0.54 20 Kalimantan Barat 1.32 1.27 1.21 1.20 21 Kalimantan Tengah 0.81 0.79 0.78 0.79 22 Kalimantan Selatan 1.14 1.10 1.10 1.12 23 Kalimantan Timur 5.93 6.60 6.36 6.01 24 Sulawesi Utara 0.68 0.67 0.69 0.69 25 Sulawesi Tengah 0.65 0.64 0.62 0.62 26 Sulawesi Selatan 2.16 1.96 1.95 1.96 27 Sulawesi Tengggara 0.46 0.49 0.49 0.51 28 Gorontalo 0.12 0.13 0.13 0.14 29 Sulawesi Barat 0.20 0.17 0.16 0.18 30 Maluku 0.18 0.17 0.16 0.16 31 Maluku Utara 0.10 0.10 0.09 0.09 32 Papua Barat 0.35 0.30 0.29 0.29
Laporan Akhir Updating Model Keterkaitan Regional
7
Laporan Akhir Updating Model Keterkaitan Regional
8
No Provinsi 2004 2005 2006 2007 33 Papua 1.39 1.65 1.50 1.57
Total 100.00 100.00 100.00 100.00Sumber: BPS (diolah)
Walaupun posisi ekonomi Jawa sangat dominan, pendapatan per kapitanya
bukanlah yang tertinggi. PDRB per kapita tertinggi diraih oleh penduduk yang
bertempat tinggal di luar Jawa, seperti Kalimantan Timur dan Sulawesi Selatan.
PDRB per kapita Jawa berada di sekitar nilai PDRB per kapita nasional. PDRB
per kapita Jawa tertekan oleh jumlah penduduknya yang mencapai lebih 60 persen
dari penduduk Indonesia. Pada Tabel 3 dicantumkan nilai PDRB per kapita dalam
harga konstan 2000 menurut kelompok provinsi.
Tabel 1.3. PDRB per Kapita dalam Harga Konstan 2000 Menurut Pulau, Tahun 2000-2005 (Juta rupiah)
No Provinsi 2000 2001 2002 2003 2004 2005
1 NAD 22.77 20.10 10.56 10.60 9.91 8.552 Sumatera Utara 6.01 6.21 6.32 6.65 6.90 7.253 Sumatera Barat 5.40 5.59 5.79 5.87 6.09 6.434 Riau 14.63 16.13 15.09 13.15 13.24 13.885 Jambi 3.98 4.19 4.36 4.42 4.56 4.816 Sumatera Selatan 6.03 6.11 6.09 6.98 7.18 7.497 Bangka Belitung 6.79 6.71 7.56 7.91 7.87 8.038 Bengkulu 3.12 3.56 3.24 3.69 3.82 4.039 Lampung 3.50 3.58 3.71 3.88 4.02 4.15
10 Banten 5.64 5.75 5.80 5.80 6.04 6.3711 DKI Jakarta 27.30 28.42 29.88 30.64 33.66 33.7512 Jawa Barat 5.48 5.64 5.73 5.84 6.06 6.3713 Jawa Tengah 3.71 3.82 3.88 4.03 4.19 4.4014 DI Yogya 4.32 4.49 4.65 4.79 5.01 5.2615 Jawa Timur 5.83 6.06 6.22 6.32 6.66 7.0316 Kalimantan Barat 5.18 5.24 4.98 5.42 5.58 5.8117 Kalimantan Tengah 6.10 6.15 6.11 6.84 7.06 7.4618 Kalimantan Selatan 8.58 8.56 8.20 8.82 9.12 9.5719 Kalimantan Timur 27.71 28.79 28.76 28.19 28.28 29.0020 Sulawesi Utara 1.37 1.39 1.37 1.42 1.46 1.5221 Gorontalo 0.60 0.62 0.65 0.65 0.69 0.7322 Sulawesi Tengah 4.38 4.55 4.70 4.79 5.07 5.4323 Sulawesi Selatan 34.04 37.79 39.14 39.96 41.38 40.5924 Sulawesi Tenggara 3.25 3.34 3.38 3.71 3.91 4.1725 Bali 5.49 5.66 5.73 5.69 5.88 6.2026 NTB 3.18 3.39 3.28 3.51 3.67 3.7327 NTT 2.06 2.06 2.20 2.21 2.28 2.3428 Maluku 2.41 2.30 2.37 2.44 2.50 2.6229 Maluku Utara 2.81 2.43 2.52 2.38 1.82 2.5630 Papua 10.84 11.04 9.64 8.95 6.51 8.84
Sumber: PDRB Provinsi dan Statistik Indonesia, diolah dari berbagai terbitan, BPS
Posisi ekonomi Jawa yang dominan menunjukkan adanya ketimpangan
ekonomi antara Jawa dan luar Jawa. Ketimpangan ini mendapat perhatian karena
dapat menimbulkan dampak negatif terhadap aspek demografi, politik, ekonomi,
pertahanan keamanan dan sebagainya. Penyebab lain ketimpangan ekonomi di
antaranya adalah kondisi infrastruktur dan sumberdaya manusia Jawa & Bali telah
lebih maju daripada daerah lain. Infrastruktur yang dimaksud diantaranya adalah
ketersediaan tenaga listrik, prasarana dan sarana transportasi dan komunikasi.
Karena kelebihannya dalam kepemilikan infrastruktur tersebut, maka pelaku
ekonomi memilih Jawa & Bali sebagai pusat kegiatan bisnis nasional.
Jawa & Bali oleh sebagian besar pengusaha dijadikan tempat penyusunan
kebijakan, strategi dan perencanaan bisnis berskala nasional maupun
internasional. Sementara bisnis di luar Jawa kebanyakan berupa pabrikan atau unit
usaha yang hanya menjalankan operasional secara teknis. Dengan demikian
sekalipun omset bisnis di luar Jawa cukup besar, namun perputaran uang sebagian
besar masih berada di antara rekanan usaha yang berlokasi di Jawa. Besarnya
perputaran uang di Jawa ini mendorong kegiatan perekonomian yang semakin
tinggi di Jawa, sekalipun usaha penciptaan uangnya berada di luar Jawa.
Penyebab terjadinya ketimpangan ekonomi antardaerah berikutnya dapat
dilihat dari aspek kepemilikan faktor produksi, yaitu modal atau kapital dan
tenaga kerja. Jawa memiliki keunggulan dalam faktor kapital dan tenaga kerja,
tetapi miskin akan sumberdaya alam. Sementara itu daerah luar Jawa memiliki
keunggulan dalam kepemilikan bahan baku berupa sumberdaya alam, baik berupa
barang tambang, hasil perkebunan dan kelautan.
Daerah yang menguasai kepemilikan kapital dan tenaga kerja cenderung
mengalami laju pertumbuhan ekonomi tinggi, sedangkan daerah kaya sumberdaya
alam mengalami laju pertumbuhan ekonomi lebih lamban. Oleh karena terdapat
perbedaan kepemilikan faktor antar daerah, maka terjadi spesifikasi produksi,
yang akan mendorong kegiatan perdagangan antardaerah.
Daerah yang memiliki banyak keunggulan dalam kepemilikan faktor akan
menjadi tempat berproduksi (sentra produksi) dan sekaligus sebagai pemasok
barang dan jasa bagi daerah-daerah lainnya. Apalagi jika ditunjang dengan jumlah
penduduk yang besar. Berbeda dengan daerah yang memiliki keunggulan dalam
aspek kepemilikan sumberdaya alam dan kepemilikan faktor, maka daerah-daerah
Laporan Akhir Updating Model Keterkaitan Regional
9
yang terbelakang perkembangan ekonominya hampir dipastikan lebih lambat.
Selain itu daerah ini masih memiliki ketergantungan yang tinggi terhadap daerah
yang lebih maju. Mengingat adanya perbedaan karakteristik antardaerah di
Indonesia yang disebabkan oleh jumlah penduduk, kualitas sumberdaya manusia,
infrastruktur, kapital dan sumberdaya alam, maka ketergantungan atau keterkaitan
ekonomi antardaerah dipastikan akan terjadi. Sehubungan dengan struktur
keterkaitan ekonomi tersebut muncul pertanyaan-pertanyaan yang membutuhkan
jawaban melalui suatu penelitian ilmiah, yaitu:
1. Bagaimana model keterkaitan ekonomi regional antar-pulau dan bagaimana
konsep pengembangan model keterkaitan regional yang ”acceptable,
implementable, dan managable.”
2. Bagaimana dampak terhadap pulau tertentu, jika terdapat shock di pulau lain
dengan melakukan berbagai simulasi kebijakan pembangunan untuk
perencanaan keterkaitan pembangunan nasional dan regional.
3. Bagaimana pola dampak dari keterkaitan kebijakan nasional, regional, sektoral
maupun tata ruang terhadap perekonomian suatu daerah.
4. Bagaimana suatu skenario pembangunan wilayah yang sesuai dengan
keterkaitan pembangunan regional dan sasaran pembangunan nasional.
5. Bagaimana merumuskan strategi kebijakan, program pembangunan prioritas,
kewenangan serta instrumen kebijakan berdasarkan hasil model yang
dibangun untuk periode jangka pendek, menengah dan panjang.
1.3. Tujuan Penelitian
Dengan mengacu pada latar belakang dan permasalahan studi yang telah
diuraikan sebelumnya, maka tujuan dari kajian ini adalah:
1. Membangun model keterkaitan regional berbasis model-model yang telah
dikembangkan sebelumnya (Model MRIO- CGE - Ekonometrika).
2. Melakukan updating data yang digunakan dalam model keterkaitan regional.
3. Melakukan berbagai simulasi kebijakan pembangunan untuk perencanaan
keterkaitan pembangunan nasional dan regional.
4. Menganalisis pola dampak dari keterkaitan kebijakan nasional, regional,
sektoral maupun tata ruang terhadap perekonomian suatu daerah.
Laporan Akhir Updating Model Keterkaitan Regional
10
5. Merumuskan strategi kebijakan, program pembangunan prioritas,
kewenangan serta instrumen kebijakan berdasarkan hasil model yang
dibangun untuk periode jangka pendek, menengah dan panjang.
1.4. Sasaran
Adapun sasaran yang ingin dicapai dalam kajian ini adalah:
1. Terumuskannya konsep Pengembangan Model Keterkaitan Regional yang
merupakan hasil penyempurnaan dari berbagai model yang telah
dikembangkan (Model MRIO- CGE - Ekonometrika);
2. Terlaksanannya updating data yang digunakan dalam model keterkaitan
regional;
3. Terlaksananya berbagai simulasi kebijakan pembangunan untuk perencanaan
keterkaitan pembangunan nasional dan regional;
4. Terlaksananya analisis pola dampak dari keterkaitan kebijakan nasional,
regional, sektoral maupun tata ruang terhadap perekonomian suatu daerah;
5. Tersusunnya strategi kebijakan, program pembangunan prioritas,
kewenangan serta instrumen kebijakan berdasarkan hasil model yang
dibangun untuk periode jangka pendek, menengah dan panjang.
1.5. Relevansi Kajian dengan Unit Kerja
Adapun penerima manfaat dari kajian ini adalah Bappenas pada umumnya
dan unit kerja bersangkutan pada khususnya. Keluaran dari kajian ini akan
mendukung upaya analisis untuk perencanaan pengembangan wilayah dan
antarwilayah dengan menggunakan model kuantitatif keterkaitan regional untuk
melakukan simulasi berbagai kebijakan pembangunan untuk perencanaan, analisis
dampak dari keterkaitan kebijakan, dan pengembangan skenario pembangunan
wilayah. Dari hasil simulasi dan analisis tersebut diharapkan akan memberikan
masukan dalam rencana pembangunan pemerintah dalam jangka pendek dan
menengah, khususnya dalam perencanaan pembangunan untuk pengembangan
wilayah dan antarwilayah, dan mengurangi kesenjangan antarwilayah. Masukan
tersebut akan mendukung dan memperkaya perencanaan dalam bidang
pembangunan wilayah serta memberikan aspek spasial pada sistem perencanaan
nasional.
Laporan Akhir Updating Model Keterkaitan Regional
11
1.6. Ruang Lingkup Kegiatan
Model keterkaitan regional dititikberatkan pada serangkaian kegiatan
untuk mengembangkan, menyempurnakan dan updating data – data dari berbagai
model pengembangan wilayah yang telah dilakukan pada tahun-tahun sebelumnya
dengan lebih menitikberatkan pada keterkaitan regional, sektoral dan tata ruang.
Merumuskan skenario dan alternatif kebijakan keterkaitan regional, dan
melakukan simulasi dampak kebijakan terhadap pembangunan wilayah. Ruang
lingkup kegiatan pengembangan model keterkaitan regional adalah:
1. Pengumpulan data-data dan literatur dari berbagai sumber, antara lain:
a. Data statistik terbaru: sensus, laporan, dan lainnya.
b. Data regional dan sektoral terbaru: data regional dari Provinsi dan data
sektoral departemen teknis, LPND, data dari universitas dan lembaga-
lembaga kajian;
c. Kebijakan-kebijakan nasional, regional, sektoral dan tata ruang yang
terkait dengan pembangunan daerah;
d. Literatur-literatur terkait untuk penyusunan Model Keterkaitan
Regional.
2. Analisis data dan pengkajian literatur untuk pengembangan Model
Keterkaitan Regional.
3. Focus Group Discussion (FGD) yang diikuti antara lain oleh unsur-unsur
pemerintah pusat, pemerintah daerah, pakar, serta perguruan tinggi, untuk
memperoleh masukan dalam pengembangan Model Keterkaitan Regional.
4. Penyusunan laporan kajian pengembangan Model Keterkaitan Regional.
5. Sosialisasi dan Diskusi hasil Kajian berupa Lokakarya/workshop dengan
mengundang stakeholders terkait untuk diseminasi hasil kajian di tingkat
pusat dan sosialisasi ke daerah terpilih Provinsi Sulawesi Selatan dan
Lampung.
1.7. Keluaran
Kajian menghasilkan keluaran Skenario Pembangunan antarwilayah yang
berpedoman pada Konsep perencanaan keterkaitan pembangunan regional.
Skenario ini antara lain berisi rekomendasi kebijakan dan prioritas dalam
Laporan Akhir Updating Model Keterkaitan Regional
12
Laporan Akhir Updating Model Keterkaitan Regional
13
perencanaan pembangunan baik dalam Periode Jangka Pendek (tahunan), Jangka
Menengah (5 tahun) dan jangka panjang
II
TINJAUAN PUSTAKA
2.1. Definisi Wilayah
Setidaknya ada tiga definisi tentang daerah yang sering dijumpai dalam
literatur, yaitu daerah homogen, daerah nodal dan daerah perencanaan atau daerah
administratif (Richardson, 1969). Penjelasan masing-masing definisi daerah
adalah sebagai berikut:
1. Konsep daerah homogen didasarkan pada suatu pandangan bahwa unit-unit
spasial dapat dikelompokkan menjadi suatu daerah tunggal jika mereka
memiliki karakteristik yang sama. Karakteristik yang dimaksud dapat berupa
karakteristik ekonomi, geografi ataupun sosial-politik. Pendefinisian daerah
akan menjadi sulit manakala daerah-daerah tersebut seragam dalam beberapa
hal tetapi tidak seragam dalam aspek lainnya.
2. Konsep daerah nodal, didefinisikan sebagai suatu daerah yang terdiri atas
satuan-satuan ruang yang berbeda yang saling berkaitan satu dengan yang
lainnya baik secara internal maupun secara eksternal. Secara internal
keterkaitan fungsional terjadi melalui perdagangan dan layanan jasa-jasa di
dalam daerah yang bersangkutan. Secara eksternal jaringan produksi,
perdagangan, angkutan, komunikasi, imigrasi, aliran bahan baku dan
komoditas mengaitkan suatu daerah dengan daerah yang lainnya, termasuk
dengan luar negeri.
3. Klasifikasi daerah perencanaan atau administratif dipandang penting dalam
kaitannya dengan perumusan kebijakan dan perencanaan serta analisis daerah.
Mengingat pelaksanaan kebijakan daerah membutuhkan legitimasi kekuasaan
maka daerah ini perlu didefinisikan sebagai daerah administratif dengan
legalitas politik yang jelas pada berbagai tingkat.
Mengacu kepada definisi daerah administratif, maka Indonesia dapat
dibagi-bagi menjadi beberapa tingkat daerah yaitu propinsi, kabupaten/kota dan
Desa. Memperhatikan aspek ini sangatlah penting dalam upaya mengelompokkan
berbagai propinsi menjadi beberapa kesatuan daerah yang lebih luas, misalnya
kesatuan pulau. Indonesia yang terdiri dari puluhan ribu pulau, dengan adat-
Laporan Akhir Updating Model Keterkaitan Regional
13
istiadat dan budaya yang berbeda-beda menjadi dasar terjadinya perbedaan
karakter sosial, politik dan ekonomi. Aspek ekonomi sangat dipengaruhi oleh
karakter geografis, aspek sosial dan politik. Oleh karena itu di samping
mempertimbangkan aspek ekonomi, untuk mengelompokkan daerah-daerah
menjadi beberapa kesatuan daerah yang lebih luas, misalnya pulau, juga harus
mempertimbangkan aspek geografis, sosial dan politik. Akibat dari penjelasan
pada dua paragraf sebelumnya, maka penggabungan beberapa propinsi menjadi
daerah yang lebih besar harus mempertimbangkan kriteria daerah administratif
dan daerah homogen.
2.2. Migrasi di Indonesia
Migrasi merupakan fenomena sosial yang tidak dapat dilepaskan dari
gerak langkah pembangunan ekonomi. Berbagai motif yang melatarbelakangi
individu untuk melakukan migrasi didominasi oleh adanya keinginan untuk
mengubah hidup dan mutu kehidupan individu tersebut. Tirtosudarmo (1985),
menyatakan bahwa keputusan dan kemampuan merealisasikan keputusan tersebut
sangat tergantung pada lingkungan sosial, ekonomi dan industri yang
bersangkutan. Artinya keputusan untuk melakukan migrasi tidak hanya semata-
mata karena pertimbangan sendiri tetapi juga oleh perubahan-perubahan struktural
di dalam masyarakat dimana individu berdomisili (Syafa’at, 1998).
Keputusan untuk melakukan migrasi ditandai oleh adanya faktor
pendorong (push factor) dari tempat seseorang bermukim dan pilihan tujuan
sebagai tempat berpindah yang dicirikan oleh adanya faktor penarik (pull factor)
dari tempat tujuan tadi. Dari berbagai alasan yang dikemukakan, satu hal yang
dominan adalah kemungkinan diperolehnya tambahan pendapatan tunai sebagai
hasil jerih payah bekerja pada berbagai pilihan pekerjaan di tempat yang baru.
Berbagai alasan yang dikemukakan untuk melakukan migrasi sebenarnya
mempunyai tujuan utama untuk mengubah status ekonomi, sekaligus status sosial
dan kehidupan seseorang/sekeluarga di tengah masyarakat.
Colter (1984), menyebutkan bahwa walaupun pembangunan ekonomi
antara perdesaan dan kota belum seimbang, sehingga mendorong adanya
mobilitas penduduk dari wilayah perdesaan ke perkotaan. Pola migrasi penduduk,
menunjukkan adanya kecenderungan meningkatnya migran sirkuler dan
Laporan Akhir Updating Model Keterkaitan Regional
14
kecenderungan makin menurunnya migran komuter. Hal ini terjadi karena faktor
sosial, yaitu adanya pandangan dalam masyarakat desa bahwa migran sirkuler
merupakan kelompok migran paling berhasil dalam memperbaiki status ekonomi
dan sosialnya (Erwidodo, 1991), sehingga kelompok migran komuter yang sudah
merasa mapan pekerjaannya merubah pola migrannya menjadi sirkuler. Perubahan
pola migran tersebut, juga dipengaruhi oleh semakin mahalnya biaya transportasi
dan makin tidak pastinya kesempatan kerja di desa.
Adanya empat konsep yang dapat digunakan untuk menelaah proses
urbanisasi yaitu : (1) sistem perekonomian (urban systems), (2) mobilitas
penduduk desa-desa, kota-kota, desa-kota, (3) struktur tata ruang, dan (4) model
ekonomi yang digunakan dalam pembangunan ekonominya (Todaro, 2000).
Urbanisasi merupakan suatu proses yang wajar dan dialami oleh semua
negara. Proses urbanisasi suatu negara perlu diketahui untuk melihat sejauh mana
tingkat hubungan antara wilayah perdesaan dengan wilayah perkotaan, apakah
hubungan tersebut bersifat simetris atau asimetris, dan sejauh mana intensitas atau
bentuk hubungan antara kedua wilayah tersebut. Proses urbanisasi dapat dilihat
dari dinamika mobilitas penduduk desa-kota dan kota-desa. Mobilitas penduduk
secara geometris antara satu lokasi dengan lokasi yang lain atau antara daerah
perdesaan dan daerah perkotaan merupakan suatu fenomena yang dapat terjadi
dimana pun selama dua lokasi tersebut masih terdapat adanya perbedaan.
Selanjutnya pada periode krisis ekonomi tingkat urbanisasi tergolong
tinggi, karena lebih kurang 50 persen penduduk telah terurbanisasi. Tingkat
urbanisasi meningkat dari 2.173 persen menjadi 2.487 persen pada periode krisis
ekonomi (BPS, 1998). Hal ini menunjukkan bahwa periode krisis, perpindahan
penduduk dari desa ke kota tetap terjadi. Namun diperkirakan keputusan migrasi
yang terjadi pada periode tersebut terjadi bukan karena alasan ekonomi, tetapi
lebih mengarah kepada alasan non-ekonomi.
2.3. Distribusi Pendapatan dan Ketimpangan Antar-Daerah
Dalam teori ekonomi distribusi pendapatan dapat dibedakan menjadi dua,
yaitu : (1) distribusi pendapatan institusional atau distribusi pendapatan personal,
yaitu distribusi pendapatan yang terjadi antar institusi maupun antar kelompok
Laporan Akhir Updating Model Keterkaitan Regional
15
rumahtangga; dan (2) distribusi pendapatan fungsional atau distribusi pendapatan
faktorial, adalah distribusi pendapatan yang diterima oleh masing-masing faktor
produksi yang digunakan dalam proses produksi (Semaoen, 1992).
Distribusi pendapatan personal atau institusional adalah merupakan ukuran
yang paling umum digunakan oleh para ekonom. Ukuran ini hanya berkaitan
dengan masing-masing individu atau satu kelompok masyarakat dan jumlah
penghasilan yang mereka terima. Besarnya pendapatan personal yang diterima
oleh masing-masing individu atau kelompok masyarakat, sangat tergantung dari
kepemilikan faktor produksi. Individu dapat memberikan jasa tenaga kerja,
keterampilan (manajemen), dan modal yang dimilikinya dalam suatu proses
produksi. Imbalan terhadap digunakannya faktor produksi milik individu
masyarakat itulah yang diterima sebagai pendapatan personal (Semaoen. 1992).
Imbalan yang diterima oleh setiap individu atau kelompok masyarakat,
dapat berupa : (1) upah atau gaji, sebagai balas jasa atas penggunaan faktor
produksi dalam suatu proses produksi, (2) laba, dividen, bunga, sewa, dan lain
sebagainya atas imbalan penggunaan modal atau kapital, dan (3) pendapatan lain,
atas imbalan yang dibayarkan untuk kepemilikan faktor produksi lainnya.
Selanjutnya Todaro (1991), Yotopolus dan Nugent (1976), menggunakan
Kurva Lorenz dan Koefisien Gini untuk mengukur distribusi pendapatan. Kurva
Lorenz dapat menjelaskan distribusi pendapatan secara grafis, sedangkan
Koefisien Gini mengukur ketimpangan pendapatan yang terjadi dengan melihat
hubungan antara jumlah penduduk dengan distribusi pendapatan dalam bentuk
persentase kumulatif.
Distribusi pendapatan fungsional atau distribusi pendapatan faktorial ini
menjelaskan distribusi pendapatan yang diterima oleh masing-masing faktor
produksi yang digunakan dalam proses produksi. Besarnya kecilnya pendapatan
ini tergantung dari seberapa besar atau seberapa banyak faktor produksi yang
digunakan, selain juga ditentukan oleh faktor harga faktor produksi.
Dalam melakukan analisis distribusi pendapatan faktorial ini, produksi
total dibagi habis dalam faktor produksi yang digunakan. Dalam konteks analisis
SAM, ada dua faktor produksi yang digunakan yaitu modal dan tenaga kerja.
Perubahan dalam pemakaian faktor produksi akan menyebabkan perubahan dalam
Laporan Akhir Updating Model Keterkaitan Regional
16
distribusi pendapatan faktorial atau fungsional. Selanjutnya, pendapatan yang
diterimakan kepada masing-masing faktor produksi tersebut akan diterima oleh
pemilik faktor produksi.
Semaoen (1992) mengatakan bahwa pengukuran distribusi pendapatan
dapat dilakukan dengan metode akuntansi dan dengan menggunakan fungsi
produksi guna memperoleh andil faktor (factor share) dari setiap faktor produksi
yang digunakan. Metode akuntansi dalam menghitung andil faktor setiap masukan
(faktor produksi) memerlukan data mengenai jumlah faktor produksi yang
digunakan dalam proses produksi dan balas jasa yang diterima oleh setiap faktor
tersebut. Dalam perhitungannya, nilai produksi dialokasikan kepada setiap faktor
produksi sebagai balas jasa dari penggunaan faktor produksi tersebut. Balas jasa
terhadap faktor produksi ini, merupakan pendapatan dari masing-masing faktor
tersebut, atau yang disebut sebagai pendapatan faktorial.
Wie (1981) mengemukakan bahwa negara yang hanya menekankan pada
pertumbuhan ekonomi tanpa memikirkan distribusi pendapatan, akan
memunculkan ketimpangan-ketimpangan di antaranya:
a. Ketimpangan pendapatan antar golongan atau ketimpangan relatif.
Ketimpangan yang terjadi antar golongan ini sering kali diukur dengan
menggunakan koefisien Gini. Kendati koefisien Gini bukan merupakan
indikator yang ideal mengenai ketimpangan pendapatan antar berbagai
golongan, namun sedikitnya angka ini dapat memberikan gambaran mengenai
kecenderungan umum dalam pola distribusi pendapatan.
b. Ketimpangan pendapatan antara masyarakat perdesaan dan perkotaan.
Ketimpangan dalam distribusi pendapatan dapat juga ditinjau dari segi
perbedaan pendapatan antara masyarakat desa dengan masyarakat perkotaan
(urban-rural income disparities). Untuk membedakan hal itu digunakan dua
indikator: (1) perbandingan antara tingkat pendapatan per kapita di daerah
perkotaan dan pedesaan, dan (2) disparitas pendapatan daerah perkotaan dan
daerah perdesaan(perbedaan pendapatan rata-rata antara kedua daerah sebagai
persentase dari pendapatan nasional rata-rata). Menurut Bank Dunia, pola
pembangunan Indonesia memang memperlihatkan suatu urban bias dengan
tekanan berat pada sektor industri, yang merupakan landasan bagi
Laporan Akhir Updating Model Keterkaitan Regional
17
ketimpangan distribusi pendapatan di kemudian hari.
c. Ketimpangan distribusi pendapatan antar daerah. Untuk melihat ketimpangan
distribusi pendapatan nasional, adalah ketimpangan dalam perkembangan
ekonomi antar berbagai daerah di Indonesia, yang mengakibatkan pula
terjadinya ketimpangan pendapatan per kapita antar daerah (regional income
disparities). Ketimpangan pendapatan seperti ini disebabkan oleh karena
penyebaran sumberdaya alam yang tidak merata, perbedaan laju pertumbuhan
antar daerah, dan belum berhasilnya usaha-usaha pembangunan yang merata
antar daerah di Indonesia.
Arif (1978) menyebutkan bahwa terdapat delapan proses yang telah
menimbulkan ketimpangan yang pada suatu wilayah ( pada level propinsi ataupun
negara), di antaranya (1) Pertambahan penduduk yang tinggi yang mengakibatkan
menurunnya pendapatan per kapita, (2) Inflasi dimana pendapatan uang
bertambah tetapi tidak diikuti secara proporsional dengan pertambahan produksi
barang-barang, (3) Ketidakmerataan pembangunan antar subwilayah (atau daerah
yang lebih kecil), (4) Investasi yang sangat banyak dalam proyek-proyek yang
intensif modal sehingga persentase pendapatan dari harta bertambah besar
dibandingkan dengan persentase pendapatan yang berasal dari kerja, sehingga
pengangguran bertambah, (5) Rendahnya mobilitas sosial, (6) Pelaksanaan
kebijaksanaan substitusi-impor industri yang menyebabkan kenaikan harga
barang-barang hasil industri untuk melindungi golongan kapitalis, (7)
Memburuknya term of trade bagi wilayah yang sedang berkembang dalam
perdagangan dengan wilayah maju (daerah atau negara) sebagai akibat ketidak
elastisan permintaan wilayah maju, dan (8) Hancurnya industri-industri rakyat,
seperti: pertukangan, industri rumah tangga, dan lain-lainnya.
Lebih lanjut, Wie (1981) menjelaskan bahwa dalam upaya mengurangi
ketimpangan tersebut adalah dengan strategi campur tangan pemerintah. Dalam
hal ini diupayakan pembagian yang merata dari sumberdaya yang ada kepada
golongan masyarakat termiskin, sehingga kesejahteraan mereka dapat meningkat.
Terdapat tiga cara dalam menanggulangi atau melakukan redistribusi
ketimpangan pendapatan, yaitu, (1) Redistribusi Non-Incremental. Hal ini
menyangkut kebijaksanaan redistribusi harta yang ada, seperti: pemungutan pajak
Laporan Akhir Updating Model Keterkaitan Regional
18
pendapatan secara progresif, (2) Redistribusi Incremental. Cara ini digunakan
dalam pemungutan pajak bagi golongan yang berpendapatan tinggi, yang
selanjutnya dibagikan langsung kepada mereka yang kurang mampu.
Kebijaksanaan ini biasanya dianut oleh negara-negara sosialis, dan (3)
Redistribusi melalui pertumbuhan. Kebijakan ini bertujuan untuk menaikkan laju
pertumbuhan pendapatan golongan masyarakat miskin, dengan tidak mengurangi
secara absolut pendapatan total.
Ada beberapa hal yang terkandung dalam kebijaksanaan ini, seperti: (1)
mempertahankan laju pertumbuhan yang tinggi, (2) menstabilkan penghasilan
golongan paling kaya, (3) menyalurkan sebagian pendapatan golongan kaya
sebagai hasil pertumbuhan ke dalam berbagai bentuk investasi, dan (4)
mengalokasikan investasi ke dalam bentuk yang lebih bermanfaat bagi golongan
masyarakat termiskin.Redistribusi melalui pertumbuhan dapat digunakan untuk
menganalisis potensi jangka panjang pembangunan ekonomi, khususnya yang
menyangkut kesenjangan (trade-off).
Setidaknya ada empat pendekatan untuk meningkatkan kesejahteraan
golongan masyarakat paling miskin (1) meningkatkan laju pertumbuhan
pendapatan daerah sampai tingkat maksimal dengan jalan meningkatkan tabungan
dan mengalokasikan sumberdaya secara lebih efektif dan efisien, (2) mengalihkan
investasi kepada golongan masyarakat miskin dalam bentuk pendidikan,
kesehatan, penyediaan kredit dan fasilitas umum, (3) melakukan redistribusi
pendapatan kepada golongan masyarakat miskin melalui sistem fiskal, atau
mengalokasikan barang-barang konsumsi secara langsung, dan (4) pengalihan
harta yang sudah ada kepada golongan masyarakat miskin, misalnya melalui land
reform.
2.4. Pengeluaran Pemerintah Lintas Sektoral
Menurut Worldbank (2007), sejak krisis ekonomi dan pelaksanaan
desentralisasi, komposisi pengeluaran sektoral telah mengalami perubahan
signifikan. Pengeluaran untuk infrastruktur masih belum kembali pada tingkat
sebelum krisis dan masih berkisar 3 persen dari PDB sejak tahun 2001. Angka ini
hanya sedikit lebih tinggi daripada pengeluaran untuk infrastruktur yang rendah
Laporan Akhir Updating Model Keterkaitan Regional
19
saat pascakrisis tahun 2000. Sebaliknya, pengeluaran untuk sektor sosial
meningkat secara substansial. Terutama, pengeluaran untuk sektor pendidikan
meningkat hampir dua kali lipat dari 2,5 persen (2000) menjadi sekitar 4 persen
(2007). Tingkat pengeluaran saat ini untuk administrasi sangat tinggi (15 persen,
terutama disebabkan oleh pengeluaran yang tinggi di daerah) dan menunjukkan
adanya pemborosan yang signifikan atas sumber daya publik. Terdapat cukup
ruang untuk perbaikan dan pemerintah harus berusaha mengurangi pengeluaran
ini menjadi hanya 5 sampai 10 persen.
Indonesia memiliki distribusi pengeluaran yang sangat tidak merata.
Kategori multi-sektor (sektor perdagangan, pengembangan usaha, keuangan dan
koperasi) merupakan kategori pengeluaran yang dominan karena meliputi juga
subsidi dan pembayaran bunga. Kategori pengeluaran ini umumnya mengambil
sekitar 40 persen atau lebih dari agregat pengeluaran pemerintah. Jika pengeluaran
untuk “aparatur pemerintah dan pengawasan” diikutsertakan, maka lebih dari
setengah dari keseluruhan pengeluaran pemerintah dipakai tanpa alokasi untuk
sektor-sektor seperti pendidikan, kesehatan atau infrastruktur. Akan tetapi,
kategori pengeluaran perdagangan-usaha-keuangan telah menurun rasionya dari
total pengeluaran, terutama sejak pengurangan subsidi BBM pada 2005. Hal Ini
telah membuka ruang tambahan untuk meningkatkan pengeluaran pada sektor
sosial dan pertahanan. Memang, dengan perkecualian untuk sector pertambangan
dan infrastruktur, seluruh sektor utama, seperti pendidikan, kesehatan, pertahanan,
dan pertanian setidaknya naik menjadi dua kali lipat sejak 2001 (lihat Tabel 2.1).
Tabel 2.1. Distribusi Sektoral dari Pengeluaran Publik secara Nasional
Laporan Akhir Updating Model Keterkaitan Regional
20
Struktur pengeluaran Indonesia telah mengalami perubahan secara dramatis
sejak tahun 2001. Dengan menurunnya pembayaran utang, pengeluaran sektoral
telah mengalami peningkatan. Akan tetapi, pengeluaran sektoral dapat lebih
ditingkatkan lagi jika pembayaran subsidi tidak meningkat begitu tajam pada 2004
dan 2005, yang mengakibatkan pengalihan sumber daya terhadap pengeluaran
tambahan pada sektor-sektor kunci. Tren dan beberapa hal berikut ini penting
diperhatikan:
Sektor pendidikan kini merupakan pengeluaran nomor satu di Indonesia,
diikuti oleh pengeluaran aparatur pemerintah dan subsidi.
Pembayaran bunga telah mengalami penurunan secara terus-menerus.
Pengeluaran ini pernah menjadi pengeluaran utama pada tahun 2001 dengan
hampir 25 persen, di 2006 pembayaran bunga diperkirakan hanya sebesar 11
persen.
Pengeluaran subsidi selama ini selalu signifikan tetapi pengeluaran ini
mengalami fluktuasi yang cukup besar. Pada tahun 2004 dan 2005, saat terjadi
kenaikan harga minyak yang tajam, subsidi menjadi pengeluaran pemerintah
terbesar sehingga mengalihkan pengeluaran atas sektor lain, terutama
pengeluaran pembangunan.
Pengeluaran atas pelayanan inti pemerintah meningkat secara terus menerus
mencapai jumlah sekitar 15 persen dari total pengeluaran pemerintah pada
2006. Sejak tahun 2003, pengeluaran untuk pelayanan inti pemerintah
melebihi pengeluaran untuk infrastruktur dan, sejak tahun 2006, pengeluaran
ini diproyeksikan menjadi pengeluaran terbesar kedua dari seluruh sektor
(setelah sektor pendidikan).
Infrastruktur memiliki proporsi yang lebih kecil dibandingkan sektor lain,
terutama sejak 2003.Walaupun terjadi penurunan yang cukup besar pada
pengeluaran non-sektoral (untuk hutang dan subsidi)pengeluaran infrastruktur
telah mengalami penurunan sejak 2003.
Proporsi pengeluaran untuk sektor pertahanan, kesehatan, dan pertanian telah
meningkat secara perlahan. Pengeluaran untuk pertahanan saat ini berjumlah
7 persen dari anggaran, naik dari sebelumnya yang berada di bawah 5 persen
Laporan Akhir Updating Model Keterkaitan Regional
21
pada tahun 2001. Pengeluaran untuk sektor kesehatan dan pertanian masih
berada di bawah angka 5 persen.
Gambar 2.1 Distribusi Pengeluaran Publik secara Nasional pada Sektor-Sektor Kunci, 2001-2007.
Pengeluaran publik secara nasional untuk sektor infrastruktur dibandingkan
sektor lain masih cukup konstan sejak tahun 2001 sampai 2005, dengan nilai rata-
rata sebesar 10,5 persen dari total pengeluaran nasional, setara dengan sekitar 2
persen dari PDB. Pengeluaran publik untuk infrastruktur dalam angka riil
meningkat sebesar 20 persen dalam periode 2001 sampai 2005 dan diproyeksikan
meningkat lebih lanjut sebesar 28 persen dalam periode 2005 sampai 2007.
Walaupun peningkatan tersebut cukup besar, jumlah ini relatif masih kecil
dibandingkan dengan kesenjangan akumulasi pembiayaan yang demikian besar
pada sektor infrastruktur setelah investasi yang relatif rendah selama bertahun-
tahun untuk sektor ini.
Pengeluaran publik secara nasional dalam angka riil untuk sektor pertanian,
kehutanan, dan perikanan mengalami peningkatan sejak tahun 2001 sampai
dengan 2005, rata-rata 2,4 persen dari total pengeluaran pada periode yang sama.
Sangat menarik untuk diamati bahwa mulai tahun 2004 pengeluaran pemerintah
daerah telah mengambil alih pengeluaran pemerintah pusat. Pada tahun 2004,
pengeluaran pemerintah pusat berjumlah 45 persen dari total pengeluaran,
Laporan Akhir Updating Model Keterkaitan Regional
22
dibandingkan dengan 55 persen pengeluaran dari pemerintah daerah (pengeluaran
pemerintah provinsi hanya berjumlah 17 persen dan kabupaten/kota 38 persen).
Akan tetapi, pemerintah pusat masih berperan besar dalam pengeluaran
pembangunan di sektor tersebut.
2.5. Studi Terdahulu Yang Terkait
Pada dasarnya penelitian mengenai keterkaitan multi regional di Indonesia
dengan menggunakan analisis ekonometrika belum pernah dilakukan sebelumnya.
Adapun penelitian mengenai keterkaitan regional biasanya dilakukan
menggunakan kerangka analisis input-output (I-O) dan Social Accounting Matrix
(SAM). Para peneliti umumnya menggunakan kedua alat analisis di atas mencoba
mengungkapkan dan mencari jawabannya, "siapa menerima apa" dari hasil-hasil
pembangunan yang telah dilaksanakan.
Downey (1984), melakukan penelitian untuk disertasi, mencoba
menganalisis ketimpangan pendapatan yang terjadi di Indonesia, untuk melihat
siapa mendapat apa (who gets what). Untuk menggambarkan kondisi ini, Downey
melakukan disagregasi terhadap institusi rumahtangga berdasarkan kepemilikan
tanah pertanian, buruh tani, buruh non-pertanian, desa-kota, dan lain sebagainya.
Kemudian baru dianalisis distribusi pendapatan yang diterima oleh masing-
masing klasifikasi rumahtangga tersebut. Pendapatan terendah diterima oleh
rumahtangga buruh tani sedangkan yang tertinggi diterima oleh tenaga kerja
perkotaan dan diikuti oleh pemilik tanah di atas lima hektar. Selanjutnya, Badan
Pusat Statistik (1986), menggunakan Sistem Neraca Sosial Ekonomi istilah lain
dari SAM dan Model Keseimbangan Umum untuk melihat pengaruh turunnya
harga minyak dan subsidi minyak terhadap distribusi pendapatan. Analisis SAM
juga dapat digunakan untuk menganalisis distribusi pendapatan antar sistem
usahatani (tanaman dan ternak), daerah-daerah produksi, buruh tani dan tenaga
kerja wanita, dilakukan oleh Budiyanti dan Schreiner (1991).
Sutomo (1995), dengan menggunakan analisis SAM mencoba
membandingkan kemiskinan dan pembangunan ekonomi yang terjadi pada dua
wilayah, yaitu Propinsi Riau dan Propinsi Nusa Tenggara Timur (NTT).
Diperoleh hasil bahwa dalam pembangunan ekonomi yang dilakukan selama ini
Laporan Akhir Updating Model Keterkaitan Regional
23
telah terjadi ketimpangan pendapatan antar kedua wilayah (NTT dan Riau), dan
ketimpangan juga terjadi antar kelompok rumahtangga dikedua wilayah.
Masyarakat miskin (dengan pendapatan terendah) diterima oleh rumahtangga
buruh non-pertanian dan tertinggi pada kelompok rumahtangga bukan buruh di
sektor non-pertanian (terjadi pada kedua propinsi). Ketimpangan pendapatan ini
ditunjukkan oleh indeks gini kedua propinsi tersebut melebihi 0.5. Sedangkan
dengan menggunakan analisis distribusi pendapatan faktorial, menunjukkan
propinsi NTT intensif tenaga kerja sedangkan di propinsi Riau terjadi sebaliknya,
yaitu intensif modal. Ini berarti pada kedua propinsi, bila terjadi peningkatan
penggunaan tenaga kerja dan modal memiliki peranan penting dalam
meningkatkan nilai tambah bruto wilayah.
Analisis SAM regional dapat juga digunakan untuk menganalisis
keterkaitan sosial-ekonomi antar propinsi atau antar wilayah (dua wilayah atau
lebih). Analisis ini dikenal dengan analisis SAM Interregional (IRSAM). Analisis
IRSAM untuk Malaysia sudah dilakukan tahun 1970 (Pyatt dan Round, 1985),
dengan membagi wilayah Malaysia menjadi dua wilayah, yaitu: Malaysia Barat
dan Malaysia Timur. Studi IRSAM di Indonesia dilakukan oleh Hidayat (1991).
Hidayat membagi wilayah Indonesia menjadi dua wilayah makro (Jawa dan Luar
Jawa) dan tujuh wilayah mikro, masing-masing tiga wilayah mikro di Jawa, dan
empat wilayah mikro untuk luar Jawa. Studi ini digunakan untuk menguji struktur
dan keterkaitan (interdependence) antar kedua wilayah makro dan menunjukkan
implikasinya pada perekonomian secara menyeluruh, termasuk di dalamnya:
distribusi pendapatan, peningkatan produksi dan kinerja ekspor dari sektor-sektor
yang berlainan antara wilayah pinggir dengan wilayah pusat.
Model Interregional Computable General Equilibrium (IRCGE) adalah
pengembangan dari IRSAM, seperti yang dilakukan oleh Tumenggung (1995) dan
Wuryanto (1996). Tumenggung membangun model IRCGE dengan menggunakan
kerangka IRSAM Indonesia yang dibangun oleh Hidayat sebagai tabel dasar,
dengan membagi wilayah Indonesia menjadi dua, Jawa dan Luar Jawa.
Wuryanto (1996), dengan menggunakan model CGE, menganalisis
keterkaitan antara desentralisasi fiskal dengan kinerja ekonomi Indonesia.
Wuryanto juga mengelompokkan Indonesia menjadi dua wilayah makro; Jawa
Laporan Akhir Updating Model Keterkaitan Regional
24
dan Luar Jawa, seperti halnya Hidayat dan Tumenggung. Dari hasil studinya
ditemukan bahwa desentralisasi fiskal dapat meningkatkan pendapatan
rumahtangga regional hampir di semua wilayah (region), terutama di Jawa.
Namun, peningkatan pendapatan rumahtangga di Luar Jawa yang awalnya rendah
cenderung menimbulkan ketimpangan pendapatan.
Penelitian mengenai migrasi lebih banyak dilakukan dalam skala mikro
dan spasial/kewilayahan. Pergerakan atau mobilitas penduduk sudah merupakan
bagian yang tak terpisahkan dengan proses berkembangnya pembangunan di
Indonesia. Mobilitas penduduk sendiri merupakan produk dari berbagai faktor
antara lain kepadatan penduduk, langkanya lapangan kerja di desa, keinginan
untuk mencapai taraf hidup yang lebih baik, daya tarik kota dan berbagai faktor
lainnya yang pada dasarnya dapat diklasifikasikan pada faktor penarik dan
pendorong terjadinya mobilitas penduduk.
Noekman dan Erwidodo (1992), meneliti tentang pengaruh kondisi desa
dan karakteristik individu terhadap mobilitas penduduk dengan menggunakan
fungsi logit. Hasil studinya menunjukkan bahwa keputusan seseorang untuk
bermigrasi dipengaruhi oleh luas lahan yang dimiliki, usia, pendidikan, dan
kondisi desa yang diwakili oleh keadaan irigasinya.
Hasil studi di atas sejalan dengan hasil penelitian Gunawan dan Zulham
(1992), yang menemukan bahwa minat masyarakat perdesaan untuk bekerja di
sektor pertanian berkurang terutama pada kelompok muda dan berpendidikan.
Pada kelompok ini tingkat migrasi sangat tinggi, sehingga diperkirakan pertanian
akan didominasi pekerja berusia tua dan berpendidikan rendah.
Hasil penelitian Levy dan Walter (1974), menunjukkan hasil yang
berlawanan dengan penelitian yang dilakukan oleh Noekman dan Erwidodo
(1992), terutama mengenai faktor jarak, yaitu menunjukkan bahwa: (1) Jarak
berpengaruh nyata terhadap migrasi, baik migran yang tidak berpendidikan
maupun migran yang berpendidikan dasar dan lanjutan, dimana semakin jauh
jarak yang ditempuh migran akan mengurangi jumlah migran di Venezuela.
Pengaruh jarak ini semakin kecil dengan semakin tinggi pendidikan migran, (2)
Jumlah migran akan menurun dengan meningkatnya upah di daerah asal dan
jumlah migran akan meningkat dengan meningkatnya upah di daerah tujuan, (3)
Laporan Akhir Updating Model Keterkaitan Regional
25
Berdasarkan tingkat pendidikan, migran yang berpendidikan lebih respons
terhadap perubahan upah baik di daerah asal maupun di daerah tujuan daripada
migran yang tidak berpendidikan, dan (4) Tingkat pengangguran di daerah asal
mempunyai hubungan positif dengan jumlah migrasi, sedangkan tingkat
pengangguran di daerah tujuan (Venezuela) mempunyai hubungan negatif dengan
jumlah migrasi.
Sebaliknya, hasil penelitian Rofiqoh (1994), menunjukkan hasil analisis
yang sama dengan penelitian Levy dan Walter (1974). Rofiqoh (1994), meneliti
faktor-faktor yang mempengaruhi migrasi di Kalimantan Timur dan menemukan
bahwa: (1) Jarak antara daerah asal dan daerah tujuan mempunyai hubungan
negatif dengan migrasi neto yang masuk ke Kalimantan Timur, (2) Rasio upah
nyata antara daerah asal dan tujuan berhubungan positif dengan migrasi neto yang
masuk ke Kalimantan Timur, (3) Rasio jumlah tenaga kerja yang menamatkan
SMP dan SMA antara daerah asal dan tujuan mempunyai hubungan yang positif
dengan migrasi neto yang masuk ke Kalimantan Timur, (4) Rasio jumlah tenaga
kerja yang menamatkan Perguruan Tinggi antara daerah asal dan tujuan
mempunyai hubungan negatif dengan migrasi neto yang masuk ke Kalimantan
Timur, (5) Tingkat kesempatan kerja relatif daerah asal terhadap daerah tujuan
berpengaruh positif dengan migrasi neto yang masuk ke Kalimantan Timur, (6)
Tingkat industrialisasi di propinsi tersebut relatif terhadap daerah asal
berhubungan positif dengan migrasi neto.
Secara lebih spesifik hasil studi Mintchell (1961) dan Mantra (1978),
mengungkapkan bahwa ada dua faktor yang mendorong migran melakukan
migrasi. Faktor-faktor yang mendorong migran meninggalkan daerah asalnya
disebut faktor sentrifugal, sedangkan faktor-faktor yang menarik kembali ke
daerah asalnya disebut faktor sentripetal.
Mantra (1987), menganalisis mengenai migrasi penduduk di Indonesia
berdasarkan hasil Survey Penduduk Antar Sensus BPS (1985), memperoleh
beberapa karakteristik pada migran di antaranya: (1) Usia migran terkonsentrasi
pada kelompok usia 25-44 tahun, dimana kelompok ini merupakan kelompok usia
produktif. Pada kelompok usia 15-19 tahun persentase migran perempuan lebih
besar dari persentase migran laki-laki, karena pada usia tersebut migran
Laporan Akhir Updating Model Keterkaitan Regional
26
Laporan Akhir Updating Model Keterkaitan Regional
27
perempuan pada umumnya belum kawin, (2) Kebanyakan migran bekerja di
sektor informal. Sekitar 45 persen sebagai buruh, hampir seperempatnya berusaha
sendiri, dan sekitar 15 persen bekerja sebagai buruh tetap, dan (3) Pendidikan
migran relatif tinggi daripada pendidikan non migran. Namun demikian migran
yang telah berusia lanjut (>50 tahun) tingkat pendidikannya rendah.
III KERANGKA PEMIKIRAN
3.1. Kerangka Teori
Berikut ini akan diuraikan kerangka teori yang digunakan sehubungan
dengan pengembangan model keterkaitan regional. Kerangka teori diwali dengan
teori pertumbuhan, model arus wilayah, perpindahan penduduk dan tenaga kerja,
mobilitas modal, dan neraca perdagangan dalam konteks wilayah.
3.1.1. Teori Pertumbuhan Ekonomi
Pertumbuhan ekonomi merupakan gambaran kemampuan suatu wilayah
untuk menghasilkan barang-barang dan jasa, yang merupakan unsur penting dan
menjadi tujuan utama dari pembangunan ekonomi. Teori yang membahas tentang
faktor-faktor yang menentukan pertumbuhan ekonomi, secara umum dapat
dibedakan menjadi dua faktor, yaitu (1) faktor-faktor penentu dan sisi penawaran
(supply side) dan (2) faktor-faktor penentu dari sisi permintaan (demand side).
Dan sisi penawaran, faktor-faktor penentu pertumbuhan ekonomi
mencakup: jumlah penduduk (sumber daya manusia), stok kapital, sumberdaya
alam, dan teknologi. Sedangkan dari sisi permintaan, pertumbuhan ekonomi
ditentukan atau dipengaruhi antara lain oleh pengeluaran pemerintah (government
expenditure), investasi swasta (private investment) dan jumlah uang beredar
(money supply). Berikut ini akan dibahas beberapa teori pertumbuhan ekonomi,
diantaranya adalah Teori pertumbuhan Harrod-Domar, Teori pertumbuhan Solow
dan Teori Pertumbuhan Baru dan Model Human Capital.
3.1.1.1.Model Harrod-Domar
Teori Harrod-Domar (H-D) pada dasarnya berusaha untuk memadukan
pandangan kaum Klasik yang dinilai terlalu menekankan sisi penawaran (ingat
Say's law of market) dan pandangan Keynes yang lebih menekankan pada sisi
permintaan (demand side). Dalam kaitan ini, Harrod-Domar mengatakan bahwa
investasi memainkan peran ganda (dual role) yaitu di satu sisi, investasi akan
meningkatkan kemampuan produktif (productive capacity) dari perekonomian
Laporan Akhir Updating Model Keterkaitan Regional
28
(Klasik) dan di sisi lain, investasi akan menciptakan atau meningkatkan
permintaan (demand creating) di dalam perekonomian (Keynes).
Dalam teori H-D, investasi merupakan faktor penentu yang sangat penting
dan pertumbuhan ekonomi. Bahkan mereka mengatakan bahwa “tabungan dan
investasi merupakan kekuatan sentral dibalik pertumbuhan ekonomi” (saving and
investment is central forces behind economic growth). Secara sederhana, kaitan
pertumbuhan ekonomi, tabungan dan investasi dalam versi model H-D dapat
dinyatakan sebagai berikut:
Misalkan tabungan (S) adalah bagian dalam jumlah tertentu, atau, s, dari
pendapatan nasional (Y). Oleh karena itu, kita pun dapat menuliskan hubungan
tersebut dalam bentuk persamaan yang sederhana :
S = sY ……………………………………………………… (3.1)
Investasi (I) didefinisikan sebagai perubahan dari stok modal (K) yang dapat
diwakili oleh K, sehingga kita dapat menuliskan persamaan sederhana yang
kedua sebagai berikut :
I = K ………………………………………………………….. (3.2)
Akan tetapi, karena jumlah stok modal K mempunyai hubungan langsung
dengan jumlah pendapatan nasional atau output Y, seperti telah ditunjukkan oleh
rasio modal-output, k, maka:
K/Y = k atau K/Y = k
Akhirnya
K = kY ……………………………………………………. (3.3)
Yang terakhir, mengingat jumlah keseluruhan dari tabungan nasional (S)
harus sama dengan keseluruhan investasi (I), maka persamaan berikutnya dapat
ditulis sebagai berikut :
S = I ………………………………………………………….. (3.4)
Dari persamaan (3.1) telah diketahui bahwa S = sY dan dari persamaan
(3.2) dan (3.3), juga telah diketahui bahwa: I = K = kY. Dengan demikian,
‘identitas’ tabungan yang merupakan persamaan modal dalam persamaan (3.4)
adalah sebagai berikut :
S = sY = kY = K = I …………………………………………. (3.5)
Atau bisa diringkas menjadi
Laporan Akhir Updating Model Keterkaitan Regional
29
sY = kY ………………………………………………………. (3.6)
Selanjutnya, apabila kedua sisi persamaan (3.6) dibagi mula-mula dengan Y dan
kemudian dengan k, maka akan didapat :
Y/Y = s/k ................................................................................ (3.7)
Dimana :
(Y/Y) = pertumbuhan ekonomi
s = tingkat tabungan nasional
k = ICOR (incremental capital output rasio, K/Y atau I/Y)
Y = Output nasional atan GNP, K = stok kapital, I=investasi
Persamaan tersebut menyatakan bahwa pertumbuhan ekonomi (Y/Y)
ditentukan secara bersama-sama oleh rasio tabungan nasional (s), dan rasio modal
output nasional (k). Dengan kata lain, makna secara ekonomi dapat diartikan
bahwa agar suatu perekonomian dapat bertumbuh, maka perekonomian yang
bersangkutan haruslah menabung dan menginvestasikan sebesar proporsi tertentu
dari GNP-nya. Dalam arti bahwa semakin besar suatu perekonomian menabung
dan menginvestasikan GNP-nya, maka semakin pesat pertumbuhan ekonominya
(Todaro, 2000; Perkins, et. al, 2001).
3.1.1.2.Model Pertumbuhan Solow
Menurut teori pertumbuhan neoklasik tradisional (traditional neoclassical
growth theory), pertumbuhan output selalu bersumber dari satu atau lebih dari tiga
faktor: kenaikan kuantitas dan kualitas tenaga kerja (melalui pertumbuhan jumlah
penduduk dan perbaikan pendidikan), penambahan modal (melalui tabungan dan
investasi), serta penyempurnaan teknologi.
Lebih lanjut dikemukakan bahwa perekonomian tertutup (closed
economy), yakni tidak menjalin hubungan dengan pihak-pihak luar, yang tingkat
tabungannya rendah (dalam kondisi cateris paribus) dalam jangka pendek pasti
akan mengalami laju pertumbuhan yang lebih lambat jika dibandingkan dengan
perekonomian lainnya yang memiliki tingkat tabungan lebih tinggi. Pada akhirnya
hal ini akan mengakibatkan konvergensi penurunan pendapatan per kapita (semua
perekonomian tertutup akan sama-sama mengalami penurunan pendapatan per
Laporan Akhir Updating Model Keterkaitan Regional
30
kapita). Di lain pihak, perekonomian terbuka (open economy), yakni yang
mengadakan hubungan perdagangan, investasi, dan sebagainya dengan negara
atau pihak-pihak luar, pasti akan mengalami suatu konvergensi peningkatan
pendapatan per kapita, karena arus permodalan akan mengalir deras dan negara-
negara kaya ke negara-negara miskin di mana rasio modal-tenaga kerjanya masih
rendah sehingga menjanjikan imbalan atau tingkat keuntungan investasi (returns
on investments) yang lebih tinggi.
Model pertumbuhan neoklasik Solow, merupakan model pertumbuhan
ekonomi yang paling terkenal, meskipun dalam hal tertentu model Solow
menggambarkan perekonomian negara maju secara lebih baik daripada
kemampuannya dalam menjelaskan perekonomian negara berkembang, namun
tetap menjadi titik acuan dasar dalam kepustakaan mengenai pertumbuhan dan
pembangunan. Model ini menyatakan bahwa secara kondisional, perekonomian
berbagai negara akan bertemu (converge) pada tingkat pendapatan yang sama,
dengan syarat bahwa negara tersebut mempunyai tingkat tabungan, depresiasi,
pertumbuhan angkatan kerja, dan pertumbuhan produktivitas yang sama.
Modifikasi penting dari model pertumbuhan Harrod-Domar adalah bahwa
model Solow membolehkan substitusi antara modal dan tenaga kerja. Dalam
proses produksi, dengan mengasumsikan bahwa terdapat tambahan hasil yang
semakin berkurang dalam penggunaan input-input ini. Fungsi produksi agregat,
Y = F(K, L) .................................................................................... (3.8)
dengan mengasumsikan skala hasil yang konstan (constant returns to scale).
Sebagai contoh, dalam kasus khusus yang dikenal sebagai fungsi produksi Cobb-
Douglas, pada waktu t kita mendapatkan:
Y(t) = K(t) [A(t)L(t)]1- ............................................................. (3.9)
Dimana Y adalah produk domestik bruto, K adalah modal (yang dapat mencakup
modal manusia maupun modal fisik), L adalah tenaga kerja, dan A adalah
produktivitas tenaga kerja, yang tumbuh selamanya pada tingkat eksogen. Karena
adanya skala hasil yang konstan, mak jika semua input dinaikkan dengan jumlah
proporsi yang sama, maka output akan naik dengan jumlah proporsi yang sama,
yang dinotasikan, dengan:
Y = F ( K, L) ........................................................................... (3.10)
Laporan Akhir Updating Model Keterkaitan Regional
31
Dimana > 0. Karena dapat berupa angka riil positif berapa pun, secara
matematis yang bermanfaat untuk menganalisis implikasi model tersebut adalah
dengan menetapkan nilai = 1/ L, sehingga:
Y/L = F(K/L, 1) ................................................................................ (3.11)
atau
y = f(k)
Dengan penyederhanaan ini mak kita hanya berurusan dengan satu variabel dalam
fungsi produksi. Misalnya, dalam kasus fungsi Cobb-Douglas kita dapat
menuliskan kembali persamaan dengan cara:
Y = Ak ........................................................................................ (3.12)
Hal ini mencerminkan sebuah cara alternatif mengenai fungsi produksi, dimana
segala sesuatu dihitung dalam kuantitas per tenaga kerja. Persamaan di atas
menyatakan bahwa output per pekerja adalah fungsi dari jumlah modal per tenaga
kerja. Semakin banyak jumlah modal yang harus ditangani masing-masing
pekerja, maka semakin banyak pula output yang dapat dihasilkan per pekerja.
3.1.1.3.Model Pertumbuhan Baru (New Growth Theory)
Kinerja teori neoklasik yang kurang memuaskan dalam menjelaskan
sumber-sumber pertumbuhan ekonomi jangka panjang menyebabkan kekecewaan
yang meluas terhadap teori pertumbuhan tradisional. Bahkan, menurut teori
tradisional, tidak terdapat karakteristik intrinsik dari perekonomian yang dapat
menyebabkannya tumbuh dalam jangka panjang. Sebaliknya, literatur tersebut
malah membahas proses dinamis yang membuat rasio modal-tenaga kerja
mendekati tingkat keseimbangan jangka panjang. Jika tidak ada shock eksternal
atau perubahan teknologi, yang tidak dijelaskan dalam model neoklasik, semua
perekonomian akan menuju kepada pertumbuhan nol, sehingga peningkatan GNP
per kapita dianggap merupakan fenomena sementara saja, yang bersumber dari
perubahan teknologi atau proses penyeimbangan jangka pendek selama
perekonomian mendekati keseimbangan jangka panjangnya. Karenanya, teori ini
gagal memberikan penjelasan atas terjadinya pertumbuhan ekonomi yang
berlangsung dengan kecepatan yang luar biasa di seluruh dunia.
Laporan Akhir Updating Model Keterkaitan Regional
32
Setiap peningkatan GNP yang bukan berasal dari penyesuaian jangka
pendek dalam cadangan tenaga kerja maupun modal, dianggap bersumber dari
kategori ketiga, yaitu yang biasa disebut sebagai residu Solow (Solow residual).
Residu ini, tidak seperti namanya, bertanggung jawab sekitar 50 persen
pertumbuhan yang terjadi di banyak negara industri. Dengan kata lain, teori
neoklasik menyebutkan bahwa sebagian besar sumber pertumbuhan ekonomi
merupakan faktor eksogen atau proses yang sama sekali independent dari
kemajuan teknologi (Todaro and Smith, 2004).
Meskipun hal ini mungkin terjadi, pendekatan ini paling tidak mempunyai
dua kelemahan. Pertama, dengan menggunakan kerangka neoklasik, adalah tidak
mungkin untuk menganalisis penentu kemajuan teknologi karena kemajuan
tersebut sama sekali tidak berkaitan dengan keputusan yang dibuat oleh berbagai
lembaga ekonomi. Dan kedua, teori tersebut gagal menjelaskan besarnya
perbedaan residu yang terdapat di antara negara yang mempunyai teknologi yang
serupa. Dengan kata lain, keyakinan yang besar ditempatkan pada proses eksternal
yang kurang dipahami, dan kurang didukung oleh teori maupun bukti empiris.
Menurut teori neoklasik, rasio modal-tenaga kerja yang rendah pada
negara-negara berkembang menjanjikan tingkat pengembalian investasi yang luar
biasa tinggi, bahkan setelah menerapkan liberalisasi dalam perdagangan dan pasar
domestik, banyak negara berkembang yang tidak tumbuh atau hanya tumbuh
sedikit dan gagal menarik investasi asing, atau gagal mencegah larinya modal
domestik ke luar negeri. Perilaku aliran modal negara-negara berkembang yang
aneh (dari negara miskin ke negara kaya) turut memicu konsep pertumbuhan
endogen (endogenous growth) atau dengan kata lain yang lebih sederhana, teori
pertumbuhan baru (new growth theory).
Teori pertumbuhan baru tersebut memberikan kerangka teoritis untuk
menganalisis pertumbuhan endogen, yaitu pertumbuhan GNP yang persisten,
yang ditentukan oleh sistem yang mengatur proses produksi dan bukan oleh
kekuatan-kekuatan di luar sistem. Berlawanan dengan teori neoklasik tradisional,
model-model ini menganggap bahwa pertumbuhan GNP merupakan konsekuensi
alamiah dari keseimbangan jangka panjang. Motivasi utama dari teori
pertumbuhan baru ini adalah untuk menjelaskan perbedaan tingkat pertumbuhan
Laporan Akhir Updating Model Keterkaitan Regional
33
antar negara maupun faktor-faktor yang memberi proporsi lebih besar dalam
pertumbuhan yang diobservasi. Lebih jelasnya lagi, teori pertumbuhan endogen
berusaha untuk menjelaskan faktor-faktor yang menentukan tingkat pertumbuhan
GDP yang tidak dijelaskan dan dianggap sebagai variabel eksogen dalam
perhitungan teori pertumbuhan neoklasik Solow (residu Solow).
Model pertumbuhan endogen mempunyai kemiripan struktural dengan
model neoklasik, namun sangat berbeda dalam hal asumsi yang mendasarinya dan
kesimpulan yang ditarik darinya. Perbedaan teoritis yang paling signifikan berasal
dari dikeluarkannya asumsi neoklasik tentang hasil marjinal yang semakin
menurun atas investasi modal, memberikan peluang terjadinya skala hasil yang
semakin meningkat (increasing returns to scale) dalam produksi agregat, dan
sering kali berfokus pada peran eksternalitas dalam menentukan tingkat
pengembalian investasi modal. Dengan mengasumsikan bahwa investasi sektor
publik dan swasta dalam sumberdaya manusia menghasilkan ekonomi eksternal
dan peningkatan produktivitas yang membalikkan kecenderungan hasil yang
semakin menurun yang alamiah, teori pertumbuhan endogen berupaya
menjelaskan keberadaan skala hasil yang semakin meningkat dan pola
pertumbuhan jangka panjang yang berbeda-beda antar negara. Dan karena
teknologi masih memainkan peran penting dalam model-model ini, tidak ada
perlunya lagi untuk menjelaskan pertumbuhan jangka panjang.
Dalam membandingkan teori pertumbuhan baru dengan teori neoklasik
tradisional, sangat bermanfaat jika kita mengetahui bahwa banyak teori
pertumbuhan endogen dapat dinyatakan oleh persamaan, yaitu Y = AK, seperti
yang terdapat dalam model Harrod-Domar. Dalam formulasi ini, A mewakili
semua faktor yang mempengaruhi teknologi, dan K adalah modal fisik dan
sumberdaya manusia. Pada rumus ini tidak terdapat hasil yang semakin menurun
atas modal; sehingga terdapat kemungkinan bahwa investasi dalam modal fisik
dan sumberdaya manusia dapat menghasilkan ekonomi eksternal dan peningkatan
produktivitas yang melebihi keuntungan pribadi dalam jumlah yang cukup untuk
membalikkan efek hasil yang semakin berkurang. Hasil akhirnya adalah
pertumbuhan jangka panjang yang berkesinambungan, sebuah hasil yang
ditabukan oleh teori pertumbuhan neoklasik tradisional.
Laporan Akhir Updating Model Keterkaitan Regional
34
Meskipun teori pertumbuhan baru menekankan kembali pentingnya
tabungan dan investasi modal manusia untuk mempercepat pertumbuhan, teori ini
juga membawa beberapa implikasi pertumbuhan yang sama sekali berlawanan
dengan teori tradisional. Pertama, tidak terdapat kekuatan yang mengarahkan
terciptanya persamaan tingkat pertumbuhan antar negara yang perekonomiannya
tertutup; tingkat pertumbuhan nasional tetap konstan dan berbeda antar negara
tergantung pada tingkat tabungan nasional dan tingkat teknologinya. Selanjutnya,
tidak terdapat kecenderungan bahwa level pendapatan per kapita di negara yang
miskin modal akan menyamai tingkat pendapatan per kapita di negara-negara
kaya meskipun tingkat pertumbuhan tabungan dan tingkat pertumbuhan
populasinya serupa. Konsekuensi serius dari fakta ini adalah bahwa resesi yang
berlangsung sementara atau lama di sebuah negara dapat menyebabkan semakin
melebarnya jurang pendapatan yang permanen di dalam negara tersebut dan
dengan negara-negara lain yang lebih kaya. Aspek yang paling menarik dari
model pertumbuhan endogen adalah model tersebut membantu menjelaskan
keanehan aliran modal internasional yang memperburuk ketimpangan antara
negara maju dengan negara berkembang. Potensi tingkat pengembalian investasi
yang tinggi yang ditawarkan oleh negara berkembang yang mempunyai rasio
modal-tenaga kerja yang rendah berkurang dengan cepat dikarenakan rendahnya
tingkat investasi komplementer (complementary investments) dalam sumber daya
manusia, infrastruktur, atau riset dan pengembangan. Pada gilirannya, negara
miskin kurang mendapat manfaat dari luasnya keuntungan sosial yang terkait
dengan setiap alternatif bentuk pengeluaran modal ini. Karena para individu tidak
menerima keuntungan pribadi dari eksternalitas positif yang tercipta dari investasi
mereka sendiri, pasar bebas menyebabkan akumulasi modal komplementer
menjadi lebih sedikit daripada tingkat optimalnya (Todaro and Smith, 2004).
Karena investasi komplementer menghasilkan manfaat sosial maupun
pribadi, pemerintah dapat memperbaiki efisiensi alokasi sumberdayanya. Mereka
dapat melakukannya dengan menyediakan barang-barang publik (infrastruktur)
atau mendorong investasi swasta dalam industri-industri yang padat pengetahuan
(knowledge-intensive industries) dimana sumberdaya manusia dapat
diakumulasikan dan akhirnya diperoleh skala hasil yang semakin meningkat.
Laporan Akhir Updating Model Keterkaitan Regional
35
Model teori pertumbuhan baru menganggap perubahan teknologi sebagai
sebuah hasil endogen dari investasi publik dan swasta dalam sumberdaya manusia
dan industri padat pengetahuan. Sehingga, berlawanan dengan contoh teori
kontrarevolusi neoklasik, model pertumbuhan endogen mendorong peran aktif
kebijakan publik dalam merangsang pembangunan ekonomi melalui investasi
langsung maupun tidak langsung dalam pembentukan sumberdaya manusia dan
mendorong investasi swasta asing dalam berbagai industri padat-pengetahuan
seperti industri perangkat lunak komputer dan telekomunikasi.
3.1.1.4.Model Human Capital dan Pertumbuhan
Model ini merupakan pegembangan dari model Solow dengan fungsi
produksi Cobb-Douglas, dimana output merupakan fungsi dari kapital (K), stok
human capital (H), dan jumlah tenaga kerja (L). Fungsi produksi tersebut adalah:
Y(t) = K(t) H (t) [A(t)L(t)]1 - - , ............................................... (3.13)
Dimana > 0, > 0 dan + < 1. Sekali lagi bahwa H adalah stok human
capital, L merupakan jumlah tenaga kerja : selanjutnya keahlian tenaga kerja
disuplai dari 1 unit L dan beberapa jumlah H. Persamaan di atas
mengimplikasikan bahwa constant return to scale terhadap K, H dan L secara
bersama. Dengan membuat asumsi tentang dinamika K dan L :
)()( tYstK K ................................................................................. (3.14)
dan
)()( tnLtL .................................................................................... (3.15)
Dimana sK merupakan fraksi output dari physical capital accumulation, untuk
penyederhaan diasumsikan tidak ada depresiasi. Selanjutnya model Solow
diasumsikan constant dan kemajuan teknologi eksogen, maka :
)()( tgAtA ................................................................................... (3.16)
dan persamaan yang terakhir, human capital accumulation di modelkan dengan
cara yang sama dengan physical capital accumulation, yaitu:
)()( tYstH H ............................................................................... (3.17)
Dimana sH adalah fraksi sumberdaya dari human capital accumulation. Model ini
dapat digeneralisasi dalam beberapa cara tanpa mempengaruhi maknanya. Fungsi
Laporan Akhir Updating Model Keterkaitan Regional
36
produksi Cobb-Douglas dapat digantikan dengan fungsi produksi umum sebagai
berikut :
Y = F (K, H, AL) ............................................................................. (318)
Persamaan diatas menyatakan bahwa output suatu perekonomian merupakan
fungsi dari kapital, human capital, produktivitas tenaga kerja. Menurut Park
(1995), human capital dapat diartikan sebagai kumpulan spesialisasi keahlian.
Persediaan tenaga kerja yang dapat diperoleh dengan mengalokasikan pendapatan
untuk beraktivitas yang disebut ”pengeluaran untuk pendidikan dan kesehatan”.
Dengan kata lain, dapat dikatakan bahwa human capital dapat diproxy dari
pengeluaran pemerintah untuk pendidikan dan kesehatan.
3.1.2. Model Regional Flows
Asumsi tradisional yang digunakan oleh ahli ekonomi regional bahwa
sumberdaya dengan bebas masuk diantara daerah atau wilayah dalam suatu
negara. Berbeda dengan model teori perdagangan internasional dimana faktor
produksi dianggap tidak dapat berpindah sedangkan komoditi dapat berpindah.
Banyak studi dimana negara ditempatkan sebagai wilayah dalam ekonomi global
yang lebih luas, sehingga, secara teoritis perbedaan antara ekonomi regional dan
internasional menjadi kabur bagi ahli ekonomi internasional dalam memberikan
apresiasi untuk kekuatan dan asumsi model ekonomi regional. Pada prakteknya,
perbedaan antara ekonomi regional dan internasional menjadi tidak jelas karena
sumberdaya dan komoditi/barang secara relatif bebas berpindah. Masyarakat
Ekonomi Eropa merupakan contoh yang menonjol sebagai wilayah dimana
hubungan ekonomi antara negara-negara terjadi karena keterkaitan antara wilayah
sebagai suatu negara. Asumsi yang digunakan untuk membangun model regional
flows yaitu pertama, sumberdaya tidak dapat berpindah dari suatu daerah ke
daerah lain dan kedua mobilitas sumberdaya sempurna.
3.1.2.1.Keunggulan Komparatif
Teori keunggulan komparatif menunjukkan bahwa negara akan
memperoleh keuntungan dari perdagangan. Prinsip dari keunggulan komparatif
yaitu jika sumberdaya tidak berpindah diantara area, maka akan ada spesialisasi
Laporan Akhir Updating Model Keterkaitan Regional
37
dalam komoditi yang diproduksi secara efisien. Efisiensi relatif ditentukan oleh
biaya oportunity, jumlah unit barang atau jasa yang harus diproduksi. Jika suatu
negara menghasilkan barang yang memiliki keunggulan komparatif dan
melakukan perdagangan dengan negara lain, maka spesialisasi dan perdagangan
akan menguntungkan kepada kedua negara. Salah satu implikasi terpenting dari
teori keunggulan komparatif adalah perdagangan masih memberikan keuntungan
sekalipun jika suatu negara dapat menghasilkan lebih murah dibandingkan dengan
negara lainnya.
Tabel 3.1 menunjukkan bagaimana spesialisasi produk dalam keunggulan
komparatif dan perdagangan terhadap produk lainnya akan meningkatkan
pendapatan. Contoh pada Tabel 3.1 menjelaskan sebuah negara, contoh data
tersebut diaplikasikan dimana sumberdaya tidak berpindah antara daerah.
Diasumsikan semua biaya diukur dalam jumlah jam kerja, biaya transportasi nol,
dan biaya oportunitas tidak berubah terhadap perubahan output (biaya konstan).
Tabel 3.1. Tenaga Kerja yang Diperlukan untuk Proses Produksi
Biaya Absolut ( jumlah jam kerja diperlukan per unit)
Tiap unit dari Region I Bagian dunia lain Makanan Produk manufaktur
1 2
3 4
Biaya oportunitas Biaya untuk setiap unit makanan terhadap setiap unit produk manufaktur Biaya produk manufaktur terhadap makanan
½
2
¾
4/3
Tabel 3.1 menunjukkan jumlah tenaga kerja untuk menghasilkan makanan
dan produk manafaktur di suatu wilayah dan bagian dunia lain. Asumsikan, dunia
lain yang lebih luas merupakan daerah homogen dimana rasio harga dunia tidak
mempengaruhi output suatu daerah kecil. Region dapat menghasilkan makanan
dan produk manufaktur dengan biaya tenaga kerja yang lebih rendah
dibandingkan dengan dunia lain. Biaya oportunitas untuk setiap unit makanan di
region I adalah ½ dari produk manufaktur. Artinya, untuk menghasilkan setiap
makanan domestik, region I menghasilkan ½ produk manufaktur. Setiap unit
biaya makanan ¾ unit produk manufaktur di bagian dunia lain. Karena itu, region
I mempunyai keunggulan komparatif dalam memproduksi makanan.
Laporan Akhir Updating Model Keterkaitan Regional
38
Untuk menentukan keuntungan spesialisasi dan perdagangan, maka kita
dapat membandingkan konsumsi dan produksi pada region I sebelum dan sesudah
perdagangan. Jika perdagangan tidak ada, maka upah riil untuk setiap jam kerja
pada region I adalah 1 unit makanan atau ½ unit produk manufaktur. Sedangkan
upah riil di bagian dunia lain yaitu 1/3 unit makanan atau ¼ unit produk
manufaktur. Misalkan region I memiliki 6 juta jam kerja yang dapat digunakan.
Kurva kemungkinan produksi ditunjukkan pada Gambar 3.1.
Food (Millions of units)
Production Possibilities
2
a c
d
4
6 Consumption possibilities with trade
1.5 31 2 4 4.5
Gambar 3.1. Kurva Kemungkinan Produksi dan Konsumsi
Tanpa ada perdagangan, titik yang sesuai untuk produksi (konsumsi)
tergantung pada pilihan dari setiap individu di region I. Misalnya, individu di
region I memilih untuk menghasilkan 4 juta unit makanan dan 1 juta unit produk
manufaktur yang ditunjukkan pada titik a, dan tingkat produksi ditunjukkan oleh
kemungkinan konsumsi. Jika dilakukan perdagangan diantara negara dimana
biaya transportasi dan transaksi tidak berpengaruh. Harga relatif di region I akan
sama dengan harga relatif di bagian dunia lain. Pedagang akan membeli produk
yang lebih murah dan menjual kembali jika harga produk meningkat. Barang
manufaktur di region I lebih mahal dibandingkan dengan makanan, maka
pedagang akan membawa produk manafaktur ke region I dan membawa makanan
ke bagian dunia lain.
Laporan Akhir Updating Model Keterkaitan Regional
39
Keuntungan dari perdagangan dapat meningkat terhadap penduduk yang
tinggal di region I dan patner dagangnya. Sebelum perdagangan, kurva
kemungkinan produksi sama dengan kurva kemungkinan konsumsi. Jika region I
melakukan perdagangan dengan bagian dunia lain, kurva kemungkinan konsumsi
di region I akan melebihi kemungkinan produksi dan kemungkinan konsumsi.
Untuk membuktikan kondisi ini, misalkan region menggunakan semua
sumberdaya untuk menghasilkan 6 juta unit makanan dan menukarkan 2 juta unit
makanan untuk barang-barang manufaktur. Jumlah produk manufaktur yang dapat
dibeli dengan makanan tergantung pada hubungan perdagangan. Jika diasumsikan
output yang dihasilkan oleh region kecil tidak berpengaruh terhadap harga dunia,
maka hubungan perdagangan ditentukan oleh rasio harga dunia. Dengan
demikian, region akan menerima 1.5 juta unit produk manufaktur yang
dipertukarkan dengan 2 juta unit makanan, konsumsi pada titik c pada kurva
kemungkinan konsumsi setelah perdagangan. Jika seluruh penduduk di region
berkeinginan untuk mengkonsumsi seluruh produk manufaktur, maka jumlah
produk manufaktur yang dikonsumsi adalah 4.5 juta unit. Jika titik a merupakan
kemungkinan produksi dan konsumsi sebelum perdagangan, maka perdagangan
akan memindahkan kurva kemungkinan kunsumsi, dimana penduduk di region I
akan mengkonsumsi lebih banyak kedua barang, ditunjukkan oleh titik diantara c
dan d. Penjelasan ini merupakan contoh antara suatu negara dengan bagian dunia
lain, prinsip yang sama juga dapat digunakan antar region dalam suatu Negara.
3.1.2.2.Teori Heckscher–Ohlin
Teori keunggulan komparatif menyatakan bahwa suatu negara (regions)
harus melakukan spesialisasi untuk memproduksi komoditi yang dihasilkan
dengan biaya yang relatif murah, tetapi produk yang dihasilkan belum
mengindikasikan apakah barang dan jasa akan diekspor. Hipotesis Heckscher dan
Ohlin menyatakan jika suatu negara mempunyai faktor produksi yang berlimpah,
negara tersebut memiliki keunggulan komparatif untuk memproduksi barang yang
diperlukan dalam jumlah besar dari kelebihan faktor produksi tersebut. Sebagai
contoh, region dengan top soil dan curah hujan yang berlimpah tentu memiliki
keunggulan komparatif dalam produk-produk pertanian. Oleh karena itu,
Laporan Akhir Updating Model Keterkaitan Regional
40
meskipun faktor produksi tidak dapat berpindah (immobile), Heckscher dan Ohlin
menduga bahwa faktor produksi yang berlebih dapat berpindah yang diwujudkan
menjadi ekspor dominan.
Aliran komoditi dari perdagangan akan berakibat bukan hanya terhadap
harga komoditi tetapi juga harga sumberdaya. Suatu negara yang melimpah dalam
tenaga kerja cenderung memiliki upah yang rendah sebelum ada perdagangan.
Ekspor tenaga kerja, produk yang intensif akan meningkatkan permintaan
terhadap tenaga kerja dan upah. Negara pengimpor tenaga kerja akan menekan
permintaan tenaga kerja sehingga upah terhadap kerja dibayar rendah. Jika dalam
kenyataannya dimana diasumsikan informasi sempurna dan komoditi dapat
berpindah, maka teori Heckscher dan Ohlin menuju kepada kesimpulan bahwa
komoditi yang berpindah akan menghasilkan persamaan dengan harga faktor
produksi. Dalam kondisi demikian, perpindahan komoditi dapat disubstitusi
dengan perpindahan sumberdaya.
Teori keunggulan komparatif Hechscher – Ohlin dihadapkan pada
tantangan karena teori ini tidak mampu menjelaskan dan memprediksi pola
perdagangan aktual. Beberapa pertimbangan untuk berpikir ulang terhadap teori
keunggulan komparatif yaitu (1) mekanisme dan kelembagaan kurang
diperhatikan, (2) jika hukum, kelembagaan dan kebiasaan tidak mendukung, maka
spesialisasi dan perdagangan tidak bekembang dan (3) keunggulan komparatif
adalah teori yang statis.
3.1.2.3.Mobilitas Sumberdaya
Teori keunggulan komparatif berkembang dengan asumsi bahwa
sumberdaya tidak berpindah. Ahli ekonomi regional membangun model dengan
asumsi sumberdaya berpindah sempurna. Sudah pasti, masalah perpindahan
tenaga kerja dan modal antara wilayah lebih kecil dengan perpindahan faktor
produksi antara negara.
Jika informasi sempurna dan tidak ada biaya relokasi, faktor produksi akan
berpindah ke region yang kompensasinya lebih tinggi. Gambar 3.2 dapat
menunjukkan analisis tentang sumberdaya yang berpindah. Diasumsikan ada 2
region, di region J kompensasi lebih besar $ 2 per unit dibandingkan dengan
Laporan Akhir Updating Model Keterkaitan Regional
41
region I (Kurva S). Perbedaan ini akan mendorong sumberdaya akan bergerak
dari region I ke region J. Apabila kompensasi faktor produksi adalah $5, maka
migrasi akan berhenti.
D D
S
S’
S’
4
6
55
$ Region JS
$ Region I
Q Q
Gambar 3.2. Model Perpindahan Sumberdaya
Berikutnya, jika ada biaya realokasi akan mengakibatkan munculnya
penyesuaian. Pergerakan sumberdaya akan bermanfaat jika present value
penerimaan mendatang di daerah tujuan dikurangi present value dari penerimaan
mendatang terhadap biaya realokasi di daerah asal. Insentif cukup untuk realokasi,
biaya realokasi harus lebih kecil dari present value of future ditambah returns
sehingga penerimaan input antara region J dapat dibandingkan dengan I.
Gambar 2 menunjukkan kurva penawaran bergeser sehingga menjadi sama
dengan harga faktor produksi karena diasumsikan perpindahan sumberdaya tanpa
biaya. Jika relokasi sumberdaya dikenakan biaya, maka present value dari
perbedaan kompensasi terhadap umur faktor produksi akan sama dengan biaya
realokasi pada keseimbangan.
Proses penyesuaian bukan terjadi secara langsung, penerimaan faktor
produksi yang tinggi di region J akan mendorong sumberdaya berpindah dari I ke
J. Perpindahan sumberdaya dari I ke J, kurva penawaran dari faktor produksi akan
bergeser ke kanan sedangkan di region I akan bergeser ke kiri. Penerimaan faktor
produksi pada daerah dimana kompensasi rendah akan meningkat sedangkan
penerimaan faktor produksi akan menurun pada wilayah yang kompensasi tinggi.
Laporan Akhir Updating Model Keterkaitan Regional
42
Jika gap harga faktor produksi tidak konstan tetapi kecil selama proses
penyesuaian, maka sangat sulit bagi migran potensial untuk menentukan nilai
penerimaan mendatang dengan berpindah ke wilayah dengan harga yang tinggi.
Untuk menghitung perpindahan faktor produksi yang memberi keuntungan pada
wilayah yang memberikan penerimaan yang tinggi, pemilik faktor produksi tidak
hanya mengetahui harga faktor produksi yang berlaku tetapi juga bagaimana
perbedaan harga akan berubah pada waktu mendatang.
Perpindahan dalam sumberdaya akan menguntungkan terhadap pemilik
sumberdaya yang melimpah pada daerah yang memiliki harga faktor produksi
yang rendah dan merugikan terhadap pemilik sumberdaya pada daerah yang harga
faktor produksi tinggi. Sulit menentukan kapan memperoleh keuntungan yang
lebih atau kerugian dari realokasi. Kondisi tersebut ditentukan oleh jumlah pekerja
asal di masing-masing wilayah. Perpindahan sumberdaya akan meningkatkan
jumlah output, jika sumberdaya yang dibeli adalah nilai produk marginal.
Misalkan, sumberdaya di wilayah J memiliki marginal produk yang lebih tinggi
dibandingkan dengan wilayah I, akan bemasalah jika pembayaran sumberdaya
sama dengan nilai marginal produk. Jika sumberdaya ditransfer dari I ke J, nilai
output yang hilang di wilayah I akan lebih rendah dibandingkan dengan
peningkatan output nasional oleh sumberdaya pekerja di J. Karena itu, produk
nasional bruto akan meningkat sebagai hasil dari perpindahan sumberdaya.
Model yang ditunjukkan Gambar 3.2 tidak menunjukkan respon
permintaan. Pergerakan permintaan dapat membantu menghapus perbedaan harga.
Sebagai contoh, misalkan tenaga dan modal adalah faktor produksi utama. Tenaga
kerja dapat direalokasi dari upah yang rendah ke wilayah yang upah tinggi.
Tetapi secara simultan, modal mengalir ke wilayah yang upah rendah sebagai
ganti keuntungan dari input komplementer yang berbiaya rendah.
3.1.3. Perpindahan Penduduk dan Tenaga Kerja
3.1.3.1.Ekonomi dari Migrasi
Perbedaan antara ketidakseimbangan dan keseimbangan model migrasi
sangat penting. Model ketidakseimbangan, migrasi diasumsikan sebagai motivasi
keuntungan atau ketidakberuntungan yang terjadi diantara region. Sebagai contoh,
Laporan Akhir Updating Model Keterkaitan Regional
43
upah yang tinggi di suatu wilayah, maka pekerja dan keluarganya akan berpindah
ke wilayah dengan upah tinggi. Model keseimbangan menjelaskan migrasi pada
pasar faktor produksi wilayah adalah seimbang.
Motivasi untuk melakukan migrasi sangat berbeda diantara individu.
Dalam model ketidakseimbangan, upah dan kesempatan tenaga kerja merupakan
kemungkinan faktor utama perpindahan tenaga kerja. Dalam berbagai analisis,
migrasi sering diakibatkan oleh adanya pengaruh dorongan dan tarikan. Migran
merespon pengaruh tarikan untuk pekerjaan dengan gaji yang tinggi di wilayah
tujuan dan merupakan faktor pendorong ketika di daerah asalnya rendah dan atau
kesempatan tenaga yang rendah di wilayah asal. Pengaruh tarikan bekerja jauh
lebih kuat dibandingkan dengan dorongan bekerja, sehingga migran akan
berpindah ke daerah tujuan.
3.1.3.2.Faktor Non Upah
Hampir keseluruhan studi menunjukkan bahwa kecenderungan tenaga
kerja melakukan migrasi ke daerah yang upahnya lebih tinggi atau daerah yang
mengalami pertumbuhan kesempatan kerja, tetapi faktor bukan upah juga dapat
membantu menjelaskan tentang migrasi.
Di luar gaji, ada dua faktor yang sangat mempengaruhi migran mengambil
keputusan untuk berpindah yaitu pertama, keuntungan tunjangan tambahan
seperti kompensasi dan kedua, perbedaan biaya hidup. Alasan-alasan lainnya
seperti perbaikan kualitas hidup, prospek kesempatan promosi, dan prospek upah
yang tinggi di lokasi yang baru.
Walaupun keputusan setiap individu untuk melakukan migrasi adalah
kompleks, hampir semua faktor tersebut dapat dijelaskan dengan konsep biaya
dan keuntungan, karena nilai moneter dapat memberikan keutungan dan biaya
non-moneter.
Tabel 3.2. menjelaskan tentang keuntungan dan biaya migrasi, alasan
untuk memutuskan migrasi atau tidak berimigrasi. Prospek meningkatkan
penghasilan adalah salah satu komponen yang utama untuk memutuskan migrasi.
Laporan Akhir Updating Model Keterkaitan Regional
44
Tabel 3.2. Matriks Daftar Faktor-Faktor Perbandingan Biaya-Keuntungan Berpindah
Keputusan Biaya Potensial Keuntungan Potensial
A (migration cost factors) B (migration pull factors) Transportasi ke tempat tinggal baru Pembayaran gaji yang tinggi Ketidakpastian untuk menemukan pekerjaan
Preferensi atau memilih jenis pekerjaan
Perumahan sementara mencari pekerjaan Pendidikan yang baik untuk anak-anak, diri sendiri
Makanan sementara mencari pekerjaan Ada lembaga yang menyediakan jasa untuk berkomunikasi yang baik
Pakaian yang digunakan mencari pekerjaan
Lebih menarik, kehidupan social
Gangguan dari orang asing Kondisi social yang lebih baik, bangsa dan etnik
Perbedaan status sosial Kehidupan yang asing dengan sekeliling Kebutuhan untuk menggunakan bahasa lain, meningkatkan berkomunikasi
Migrasi
Kebutuhan untuk mengubah cara berpakaian, perilaku, tingkah laku sehari-hari
Tidak Berimigrasi
C (migration push factors) D (migration counterinfluence)
Kesulitan mencari pekerjaan di tempat asal
Perumahan yang tidak mahal dan dapat digunakan
Kehilangan kesempatan rekreasi tempat asal
Makanan yang murah
Dominasi yang kuat dari keluarga Setiap hari berhubungan dengan keluarga
Ketidakpuasan hubungan social di tempat asal
Setiap hari berhubungan dengan teman lama
Ketidakpuasan terhadap kelembagaan tempat asal
Kehidupan yang dekat dengan sekeliling Menggunakan bahasa setempat, kebiasaan setempat
Ketidakpuasan ras, etnik, dan kondisi politik
Ada jaminan pekerjaan (dari beberapa orang)
3.1.3.3.Model Harris-Tadaro
Haris dan Todaro (1970) mengembangkan sebuah model untuk
menjelaskan permasalahan migrasi yang dihadapi oleh negara-negara berkembang
pada saat orang beramai-ramai masuk ke kota besar kendati tingkat pengangguran
di kota sangat tinggi. Model tersebut juga menjelaskan adanya kecenderungan
perbedaan upah yang tetap berlangsung kepada migrasi. Dalil yang dikemukakan
oleh Haris-Todaro adalah migrasi terjadi ketika upah aktual di wilayah asal lebih
Laporan Akhir Updating Model Keterkaitan Regional
45
rendah dibandingkan dengan upah yang diharapkan (expected) di daerah tujuan.
Upah yang diharapkan adalah upah aktual dikali dengan peluang bekerja. Di
dalam model mereka diasumsikan bahwa peluang bekerja untuk para pekerja
adalah 1-U, dimana U adalah tingkat pengangguran. Dengan kata lain, penduduk
baru percaya bahwa mereka mempunyai peluang memperoleh pekerjaan yang
sama dengan penduduk setempat. Jika besarnya upah $ 10.000 per tahun dan
angka pengangguran 20 persen, upah yang diharapkan $ 8.000.
Untuk mengerti Model Harris dan Todaro diasumsikan ada wilayah
dengan upah yang tinggi dan upah yang rendah. Juga diasumsikan bahwa upah di
wilayah yang tinggi kelembagaan tidak berpengaruh seperti hukum, serikat dan
kebiasaan. Upah perkotaan tidak menurun diperhadapkan dengan pengangguran
yang besar. Jika ada full employment di kedua wilayah, para pekerja melakukan
migrasi ke wilayah yang upahnya tinggi. Jika jumlah pekerjaan pada wilayah
dengan upah yang tinggi sama, maka penggangguran akan bertambah. Para
migran rela melakukan trade off antara resiko menganggur dengan potensi untuk
upah yang tinggi. Tambahan migran mungkin akan memperoleh pekerjaan tetapi
bagi pekerjaan lainnya akan kehilangan pekerjaan. Oleh karena itu migrasi dapat
menyebabkan penggangguran yang tinggi sehingga produk nasional akan turun.
Pekerja memilih menganggur daripada bekerja dengan upah yang rendah
(produktifitas rendah).
3.1.3.4.Model Gravitasi
Arus perpindahan penduduk sering didekati dengan model gravitasi.
Asumsi model gravitasi bahwa migrasi penduduk antara dua wilayah akan
meningkat dan menurun terhadap jarak kedua wilayah. Pada model dasar,
penduduk mewakili individu yang tinggal atau melakukan migrasi di tempat.
Jarak adalah penghalang utama untuk berimigrasi. Rumus Model gravitasi
sederhana, yaitu
2ab
baab
D
PPM ............................................................................ (3.19)
Dimana Mab = Migrasi dari A ke B
PaPb = Penduduk di A atau B
Dab = Jarak antara A dan B
Laporan Akhir Updating Model Keterkaitan Regional
46
Permasalahan utama dengan model gravitasi sederhana ialah bahwa
migrasi diantara setempat selalu nol. Variabel lain telah masuk dalam perbedaan
oportunitas. Perbedaan dalam upah, pendapatan dan angka pengangguran sering
digunakan mengukur perbedaan opportunitas. Kritik lainnya terhadap model
gravitasi adalah kelemahan spesifikasi, karena jarak sulit diukur dengan
perjalanan, terutama dalam era tranportasi modern, sehingga waktu perjalanan
telah disubtitusi terhadap jarak di beberapa model. Hambatan sosial dan politik,
sama seperti ketidakpastian, merupakan penghalang yang penting. Faktor-faktor
ini memiliki korelasi yang rendah dengan jarak.
Salah satu alasan yang menyebabkan model gravitasi kurang akurat
dikenal dengan dampak beaten-path. Dampak beaten-path menunjuk kepada
kecenderungan observasi kepada individu terutama daerah asal melakukan
migrasi pada tujuan yang sama. Beberapa “pendahulu” dari suatu wilayah
pertama-tama melakukan migrasi. Setelah itu, menyusul yang lainnya, dan tujuan
migrasi yang sama, karena telah memperoleh pekerjaan atau informasi tempat
tinggal dan dukungan dari pendahulunya.
Dengan mengikuti beaten path, maka para migran mempunyai biaya
rendah, ketidakpastian dan biaya sosial untuk realokasi. Efek beaten path dapat
menolong menjelaskan kelompok etnik terkonsentrasi khususnya di beberapa
kota. Biaya migrasi yang rendah, efek beaten path mempunyai dua implikasi
penting, yaitu pertama, perpindahan para migran dapat menjadi terus-menerus
sebagai migrasi berbiaya rendah dan faktor pendorong menambahan jumlah
migrasi dan kedua, beaten path dapat perjalanan dengan dua cara, migrasi kembali
ke daerah asalnya. Model gravitasi dapat juga dimodifikasi untuk menghitung
intervensi oportunitas.
3.1.3.5.Net dan Gross Migrasi
Ketika ahli ekonomi mengumpulkan dan menganalisis data migrasi, fokus
analisis terutama net migrasi, yaitu perbedaan migrasi ke dalam (in migration) dan
migrasi keluar (out migration). Bagaimanapun juga, net migrasi merupakan
perbedaan substansi pada tingkat gros migrasi karena beberapa individu masuk ke
suatu wilayah dan pada waktu yang sama ada yang keluar.
Laporan Akhir Updating Model Keterkaitan Regional
47
Tabel 3.3. Perpindahan Gros dan Net Migrasi dan Kondisi Ekonomi Lokal
Migrasi keluar
Tinggi Rendah
Tinggi Migrasi net rendah Migrasi net masuk tinggi
Migrasi ke dalam
Rendah Migrasi net masuk negatif Migrasi net rendah
Table 3.3 menunjukkan empat pola perbedaan gross migrasi, yaitu (1)
mobilitas tinggi; migrasi masuk dan keluar sama-sama tinggi, (2) migrasi masuk
tinggi, migrasi keluar rendah, (3) migrasi masuk rendah, migrasi keluar tinggi dan
(4) migrasi masuk rendah, migrasi keluar juga rendah. Kasus migrasi masuk dan
keluar yang tinggi dan migrasi masuk dan keluar yang rendah akan menghasilkan
migrasi net yang rendah tetapi dengan alasan yang berbeda.
Kasus migrasi keluar dan masuk yang tinggi menghasilkan migrasi silang
yang signifikan, yang merupakan peluang bagi penduduk keluar-masuk antara-
wilayah. Wilayah oportunitas dapat menarik perpindahan penduduk yang tinggi.
Wilayah dengan oportunitas yang tinggi dapat menarik menghasilkan perpindahan
penduduk melalui migrasi silang. Wilayah dengan migrasi masuk yang rendah dan
migrasi keluar yang rendah akan memiliki net perubahan penduduk yang rendah.
Daerah yang stabil atau penurunan perekonomian menjadi kesempatan migrasi
masuk, tetapi mungkin ada faktor pendorong untuk memperoleh pekerjaan. Hasil
studi terakhir menunjukkan bahwa faktor-faktor demografi dari masyarakat
penting atau sangat penting dibandingkan dengan faktor-faktor pendorong
(kesempatan ekonomi yang hilang) dalam menentukan migrasi keluar.
Wilayah dengan migrasi masuk yang rendah dan migrasi keluar yang
tinggi menggambarkan wilayah dengan oportunity rendah dengan perpindahan
penduduk tinggi. Wilayah dengan proporsi umur 18-25 tahun yang tinggi, tetapi
oportunity kesempatan kerja yang menurun. Migrasi bersih (net migration) dapat
negatif disebabkan karena migrasi keluar yang tinggi dan migrasi masuk yang
rendah. Wilayah dengan migrasi masuk yang rendah dan migrasi keluar yang
tinggi maka wilayah tersebut akan kehilangan penduduk dari perpindahan
penduduk tersebut. Migrasi masuk yang tinggi dan migrasi keluar yang rendah
disebabkan karena oportunity yang lebih besar, sementara penduduk yang ada
memiliki karakteristik mobilitas yang rendah.
Laporan Akhir Updating Model Keterkaitan Regional
48
Walaupun para migran pindah ke wilayah oportunity yang tinggi, mungkin
ada kegagalan disana jika perpindahan penduduk menyebabkan perekonomian
diantara wilayah menurun. Pada beberapa kajian disebutkan bahwa migrasi
menyebabkan perbedaan antar-daerah antara upah yang tinggi dan yang rendah
sehingga menarik para migran ke daerah tujuan.
Ada tiga cara para migran memberikan stimulasi pada perekonomian pada
wilayah tujuan yaitu (1) penduduk yang besar dan menyebar akan meningkatkan
permintaan pekerja, menambah barang-barang dan jasa untuk penduduk lokal, (2)
aktivitas ekonomi yang besar akan diikuti dengan aglomerasi perekonomian yang
besar dan peningkatan produktifitas dan (3) migrasi alami yang selektif
mendorong pekerja lebih produktif, sehingga meningkatkan permintaan tenaga
kerja. Di wilayah yang kurang berkembang, migrasi keluar akan menyebabkan
penurunan opportunity perekonomian. Migrasi yang selektif, dimana penduduk
yang tinggal lebih tua, bukan sarjana dan kurang trampil. Kondisi ini kurang
menarik untuk mendorong kegiatan perekonomian yang baru. Jika upah rendah,
maka wilayah tersebut memberi upah rendah kepada pekerja. Jika upah di wilayah
kurang berkembang tinggi dan kaku, maka tidak ada daya tarik di wilayah tersebut
tidak memiliki prospek dan jumlah perusahaan akan menurun.
Gerking dan Weirick (1983) menentukan bahwa ada perbedaan upah yang
persisten diantara wilayah di Amerika Serikat. Bagaimanapun juga, perbedaan
tersebut tidak lengkap menjelaskan efek stimulasi dari migrasi. Upah regional dan
perbedaan pendapatan secara luas diakibatkan oleh fakta bahwa wilayah
mempunyai fungsi perekonomian yang berbeda, misalnya perbedaan skill pekerja.
Penemuan Gerking dan Weirick mendukung teori bahwa perbedaan upah
merupakan penentu utama migrasi.
3.1.3.6.Efisiensi Migrasi
Implikasi model ekonomi sederhana menunjukkan bahwa migrasi akan
efisien jika para migran akan berpindah ke wilayah yang membayar tinggi dengan
produktifitas tinggi. Migrasi tidak efisien dalam model Harris-Tadaro karena
migrasi meningkatkan angka pengangguran. Migrasi silang memberi kesan tidak
efisien karena jika diantara wilayah ada pertukaran perpindahan maka realokasi
tidak diperlukan. Migrasi silang memungkinkan tidak ada hubungan antara skill
Laporan Akhir Updating Model Keterkaitan Regional
49
dan tipe pekerja yang berbeda antara-wilayah. Substansi migrasi silang
mereflesikan persoalan agregasi yang kuat dari semua pekerja seperti faktor
produksi yang homogen.
Salah satu cara mengevaluasi efektifitas migrasi yaitu menguji apakah
migrasi better off sesudah migrasi. Ada tiga pendekatan umum yang digunakan
untuk mengevaluasi keuntunganh individu bermigrasi yaitu (1) menanyakan
kepada para migran jika mereka better off, (2) membandingkan penghasilan para
migran dengan penghasilan orang yang tidak bermigrasi dan (3) menguji
keuntungan sosial termasuk eksternalitas.
Survey Lansing dan Mueller (1967) menemukan bahwa mayoritas migran
berpindah karena pertimbangan adanya harapan yang lebih baik dan
menguntungkan. Studi ini juga menunjukkan bahwa pengalaman secara umum
para migran bahwa penghasilan para migran meningkat. Individu yang
melaksanakan migrasi mempunyai harapan memiliki pendapatan yang lebih tinggi
dibandingkan dengan tidak bermigrasi. Dapat dikatakan bahwa migrasi
meningkatkan posisi ekonomi dari para migran.
Hunt dan Kau (1985) menguji penerimaan pria muda yang bermigrasi.
Mereka menemukan bahwa 13 persen dari migran upah tahunan yang diterima
meningkat. Hunt dan Kau menyimpulkan bahwa dengan skill yang dimiliki akan
membantu memperoleh pekerjaan di wilayah yang baru. Implikasi dari penemuan
ini bahwa efisiensi dari migrasi meningkat dengan pengalaman para migran. Hal
ini dihipotesiskan bahwa jika seseorang bermigrasi akan memiliki tambahan
pendapatan dengan adanya keahlian dan pengalaman para migran. Total
keuntungan sosial dari migrasi termasuk eksternalitas sulit dievaluasi. Migrasi
dapat disebutkan sebagai keuntungan sosial jika penghasilan migran yang tinggi
merefleksikan output social yang tinggi. Efek sosial dari migrasi sulit untuk
diakses karena efisiensi migrasi sulit untuk dievaluasi ketika kita membandingkan
biaya marginal sosial dengan keuntungan.
3.1.4. Mobilitas Capital
Pengertian modal (capital) menurut ahli ekonomi yaitu input untuk
produksi dalam menghasilkan barang. Yang termasuk dalam capital yaitu input
fisik untuk proses produksi, seperti bangunan, mesin dan human capital.
Laporan Akhir Updating Model Keterkaitan Regional
50
Jumlah modal fisik diukur dengan nilai uang. Bagi individu, perbedaan
uang dengan modal fisik tidak selalu penting karena setiap individu dapat
menukarkan modal fisik dengan uang tetapi masyarakat secara keseluruhan tidak
dapat menukarkan modal fisik dengan uang. Modal uang memiliki mobilitas yang
tinggi antar-wilayah baik domestik dan internasional. Modal (real capital)
merupakan salah satu faktor produksi utama, dan dikombinasikan dengan tanah,
tenaga kerja dan ketrampilan. Modal yang digunakan untuk proses produksi
kurang mobile jika dibandingkan dengan uang. Meskipun ada keterbatasan
mobilitas real capital, individu dapat menjual asetnya dan mentransfer ke wilayah
lainnya. Dari perspektif individu, kapital dapat berpindah di suatu tempat
meskipun aset fisik tidak dapat berpindah. Lagipula, karena real capital adalah
nilai dalam uang maka jumlah capital yang diinvestasikan di suatu wilayah dapat
bergerak dengan cepat.
Ada tiga tipe perpindahan capital yang dapat diidentifikasi. Pertama,
modal uang ditransfer dari suatu wilayah ke wilayah lainnya, baik untuk
pertukaran terhadap barang dan jasa-jasa ataupun biaya investasi riil. Kedua, aset
fisik dapat diangkut dari suatu tempat ke tempat lainnya, walaupun perpindahan
untuk beberapa aset fisik adalah terbatas. Ketiga, nilai modal fisik dapat berubah
yang menggambarkan perubahan lingkungan ekonomi.
3.1.5. Pendekatan Neraca Pembayaran untuk Pertumbuhan Ekonomi Wilayah
Untuk mengerti latar belakang cara berpikir pendekatan neraca
pembayaran wilayah untuk pertumbuhan ekonomi, perlu memperhatikan model
pendapatan dan pengeluaran wilayah berikut ini:
Yt = ( Ct + I t + Gt ) + ( Xt - Mt) ………………………….. (3.20)
Tiga bagian pertama disisi bagian kanan persaman (3.20) menunjukkan agregat
permintaan yang dihubungkan dengan kegiatan domestik dalam perekonomian
wilayah; disebut juga sebagai, regional domestic absorption, At. Sementara itu
dua bagian dari sisi kanan menunjukkan komponen dari agregat permintaan
Laporan Akhir Updating Model Keterkaitan Regional
51
wilayah yang dihubungkan dengan sektor perdagangan antar-wilayah. Bentuk
umum, dari persamaan (3.20) dapat ditulis:
(Yt –At) = (Xt – Mt) …………………………………………… (3.21)
Dimana (Yt-At) adalah sama dengan tambahan aset bersih dari wilayah lainnya.
Untuk mengetahui tambahan aset bersih dari wilayah lainnya, sebagai perbedaan
diantara pendapatan regional dan regional domestic absorption, dapat dilihat pada
model neraca pembayaran tingkat nasional, dan kemudian menterjemahkannya
dalam kasus wilayah. Model sederhana neraca pembayaran pada tingkat nasional
didefinisikan sebagai berikut:
CAN + KAN + BOFN = 0 ……………………………………….. (3.22)
Dimana CAN adalah neraca pembayaran transaksi berjalan pada tingkat nasional,
KAN adalah neraca pembayaran capital account pada tingkat nasional dan BOFN
adalah neraca pembiayaan pegawai pemerintah.
Neraca pembayaran pada transaksi berjalan menggambarkan arus uang
bersih dari perdagangan untuk seluruh barang dan jasa, ditambah arus bunga
bersih dan deviden dari semua aset yang berada di luar negeri yang dimiliki oleh
penduduk domestik dan orang asing. Dengan demikian neraca pembayaran
transaksi berjalan lebih luas daripada neraca perdagangan yang sederhana, yang
hanya menunjuk kepada perdagangan barang-barang.
Jika transaksi berjalan pada posisi surplus, hal ini berarti bahwa negara
tersebut sedang membangun cadangan devisa yang berasal dari valuta asing yang
didedominasi oleh mata uang lokal. Harga dari mata uang domestik meningkat
secara relatif terhadap mata uang asing. Sementara itu, neraca pembayaran dari
neraca modal menunjukkan pendapatan bersih negara dari aset asing melalui
pinjaman dan meminjam dari keuangan internasional yang menunjukkan
penerimaan bersih dari penduduk setempat dalam hal kekayaan yang terletak
diluar negeri. Jika neraca modal surplus, mengimplikasikan ada aliran uang
masuk dari negara-negara lain yang biasa digunakan untuk membeli aset domestik
daripada digunakan untuk membeli aset dari negara lain. Keduanya secara
bersamaan transaksi berjalan dan neraca modal menunjuk surplus bersih dari
Laporan Akhir Updating Model Keterkaitan Regional
52
neraca pembayaran total. Neraca keuangan pemerintah adalah jumlah yang
diperlukan untuk menjaga agar pendapatan dan pengeluaran internasional
seimbang dan sama dengan perbedaan bersih antara uang permintaan dan
penawaran mata uang lokal dalam pasar valuta asing.
CAN + KAN = - BOFN ………………………………………….. (3.23)
Jika kita kembali menyusun persamaan (3.22) menghasilkan persamaan (3.23),
kita dapat lihat bahwa sisi kiri persamaan (3.23) adalah positif, berarti neraca
pembayaran dalam kondisi surplus dan jika negative maka neraca pembayaran
adalah defisit. Jika neraca pembayaran berada dalam surplus, cadangan aset asing
meningkat atau secara aternatif menurunkan hutang kepada penduduk asing. Jika
neraca pembayaran defisit maka aset asing menurun maka hutang penduduk asing
meningkat. Penyesuaian kekayaan dimediasi melalui pasar valuta asing.
Pada kasus perdagangan antar regional, dan karena transaksi dilakukan
dalam mata uang lokal, pembayaran pemerintah didominasi oleh mata uang yang
sama. Kita mengetahui bahwa daerah tidak memiliki hambatan bea cukai dan
perdagangan. Tetapi pada prinsipnya, kita catat bahwa neraca pembayaran dari
bagian kanan persamaan (3.24) harus selalu sama dengan nol. Ketika diterapkan
persamaan tersebut untuk antar-wilayah, maka neraca pembayaran antar-wilayah
diformulasikan dalam:
CAR + KAR = 0 …………………………………………………… (3.24)
Dimana CAR adalah neraca pembayaran transaski berjalan pada tingkat regional
dan KAR adalah neraca pembayaran capital account pada tingkat daerah, dan
dapat diubah menjadi
CAR = - KAR ……………………………………………………. (3.25)
Dengan kata lain surplus bersih dari perdagangan barang dan jasa di suatu daerah
dengan daerah lain (Xt-Mt) dalam persamaan (3.21) diseimbangkan dengan
pendapatan bersih dari aset wilayah dari wilayah yang lain (Yt-At) pada
persamaan (3.21). Sebagai contoh, jika suatu wilayah yang berbasis industri
berhasil mengeksport, hal ini mengimplikasikan bahwa pendapatan yang
diperoleh dari ekspor dapat digunakan kedua-duanya untuk impor barang dan jasa
Laporan Akhir Updating Model Keterkaitan Regional
53
dari daerah-daerah lain dan juga membeli aset-aset yang lebih dari daerah lain.
Aset-aset yang dibeli ini akan termasuk aset negara yang riil di daerah-daerah lain,
sama seperti pangsa pendapatan di dalam perusahaan yang berlokasi di daerah
lain. Jika suatu wilayah neraca pembayaran defisit, itu harus dibiayai dengan
penjualan bersih dari aset domestik kepada pembeli dari daerah-daerah lain. Jika
neraca pembayaran seimbang itu berarti bahwa pendapatan bersih yang ada di
negara-negara lain adalah nol.
Wilayah yang mengalami defisit neraca pembayaran secara terus menerus
akan menyebabkan cadangan devisanya terbatas. Untuk mebiayai necara defisit
tersebut maka wilayah tersebut dapat menjual aset kepemilikan domestik ke
pembeli luar. Sehingga daerah tersebut dapat memelihara neraca pembayaran
defisit dalam jangka panjang. Hal ini mengimplikasikan bahwa pendapatan
regional dalam jangka panjang juga dipengaruhi oleh tingkat ekspor wilayah.
3.1.6. Prototipe Keterkaitan Regional
Menurut Treyz (1993), suatu prototipe ekonomi regional dicirikan dengan
terjadinya banyak transaksi setiap harinya, dimana transaksi ini mempunyai
keterkaitan. Suatu model dasar keterkaitan regional memerlukan identifikasi untuk
menentukan variabel kunci (determinan major) yang berpengaruh besar dalam
suatu sistem / model. Berikut ini adalah prototipe model dasar keterkaitan regional
yang terdiri dari 5 blok yaitu blok output sektoral, blok permintaan kapital dan
tenaga kerja sektoral, blok populasi dan penawaran tenaga kerja sektoral dan blok
upah, harga dan profit sektoral dan blok pangsa pasar.
Blok output sektoral terdiri dari konsumsi dan pengeluaran pemerintah.
Blok permintaan kapital dan tenaga kerja sektoral merupakan permintaan kapital
dari sektor spesifik dan jumlah tenaga kerja yang diperlukan suatu sektor. Blok
populasi dan penawaran tenaga kerja sektoral mencakup migrasi dan ketersedian
angkatan kerja. Blok upah, harga dan profit sektoral mencakup peluang kerja,
tingkat upah, harga jual dan keuntungan. Blok pangsa pasar sektoral mencakup
proporsi pasar lokal dan eksternal yang dipasok dari suatu wilayah.
Laporan Akhir Updating Model Keterkaitan Regional
54
4. Upah, Harga dan Profit
1. Output
3. Populasi dan Penawaran
Tenaga Kerja
2. Permintaan Kapital dan
Tenaga Kerja
5. Pangsa Pasar
Gambar 3.3. Prototipe Model Keterkaitan Regional
Tanda panah menunjukkan keterkaitan variabel endogen antar blok. Adapun
secara umum keterkaitan antar endogen dalam model adalah sebagai berikut. Pada
sektor output blok 1, populasi, employment dan tingkat upah menentukan
permintaan konsumsi lokal dan pemerintah. Permintaan kapital lokal penting
dalam menentukan investasi lokal. Output di blok 1 dan rasio pekerja per output
di blok 1 menentukan tenaga kerja di blok 2. Rasio pekerja per output dipengaruhi
oleh tingkat upah dan biaya kapital di blok 4. Permintaan kapital dipengaruhi oleh
relatif biaya kapital dan tenaga kerja. Populasi dan penawaran tenaga kerja di blok
3 dipengaruhi oleh permintaan tenaga kerja di sektor 2 dan tingkat upah disektor
4. Pangsa regional di blok 5 dipengaruhi oleh output di blok 1 , profit dan harga di
blok 4. Pangsa regional pada pasar ektraordinary di blok 5 mempengaruhi ekspor
di blok 1.
3.1.7. Pendekatan Model IS-LM dalam Keterkaitan Makroekonomi
3.1.7.1.Model IS-LM
Model IS-LM terdiri dari kurva IS dan kurva LM. Kurva IS mencerminkan
titik-titik keseimbangan antara pendapatan nasional dan suku bunga di pasar
barang (output dan input) sedangkan kurva LM mencerminkan titik-titik
Laporan Akhir Updating Model Keterkaitan Regional
55
keseimbangan antara pendapatan nasional dan suku bunga di pasar uang.
Keseimbangan antara pasar barang dan pasar uang (IS dan LM) menentukan
tingkat pendapatan nasional dan suku bunga yang terjadi.
IS tidak lain adalah pendapatan nasional yang penghitungannya didekati
dengan cara pengeluaran. Adapun komponen penyusun pendapatan nasional dapat
dirumuskan sebagai berikut:
Y = C + I (r)+ G + (X-M)
dimana : Y = pendapatan nasional C = konsumsi I = investasi swasta G = pengeluaran pemerintah X = ekspor M = impor r = suku bunga
Secara grafik dapat dijelaskan dengan model Keynesian Cross yang ditunjukkan
pada Gambar 3.4. dan hubungannya dengan kurva IS. Perubahan yang terjadi
pada pengeluaran agregat, misalnya peningkatan pengeluaran pemerintah (ΔG),
mengakibatkan kurva Yd0 bergerak ke Yd
1 hal ini mengakibatkan perubahan
pendapatan nasional dari Y0 ke Y1. Perubahan tersebut juga mengakibatkan
perubahan keseimbangan di pasar barang, yaitu kurva IS bergeser dari IS0 ke IS1.
Perubahan di pasar barang akibat komponen C, I, G, X dan atau M mengakibatkan
perubahan Y dengan tanpa mengubah r, atau terjadi shifted curve. Namun jika
terjadi perubahan r akan mengakibatkan perubahan pada investasi sehingga Y
berubah sepanjang kurva IS (move along curve).
Sedangkan LM adalah kurva yang dibentuk dari fungsi permintaan uang
(Md), dimana jumlah permintaan uang untuk keperluan spekulasi dipengaruhi oleh
suku bunga. Perubahan dalam permintaan uang mengakibatkan perubahan kurva
LM. Pada Gambar 3.4, jika jumlah permintaan uang meningkat maka kurva L0
bergeser ke L1, hal ini mengakibatkan kurva LM bergerak dari LM0 ke LM1.
Perubahan uang untuk transaksi, untuk berjaga-jaga dan untuk spekulasi
otonomos mengakibatkan pergeseran kurva pemintaan uang sehingga
mengakibatkan pergeseran kurva LM (shifted curve).
Laporan Akhir Updating Model Keterkaitan Regional
56
Income S
pent
r0
0
0
IS0
Yd= Ys
ΔG = G1-G0
Income Earned
Yd
Ys450
Yd0 = C + I(r) + G0 + (X-M)
IS1
Y0 Y1
Y1Y0
Y
r
Yd1 = C + I(r) + G1 + (X-M)
Gambar 3.4. Hubungan antara Permintaan Agregat dan Kurva IS
Sedangkan LM adalah kurva yang dibentuk dari fungsi permintaan uang (Md),
dimana jumlah permintaan uang untuk keperluan spekulasi dipengaruhi oleh suku
bunga. Perubahan dalam permintaan uang mengakibatkan perubahan kurva LM.
Pada Gambar 3.5, jika jumlah permintaan uang meningkat maka kurva L0
bergeser ke L1, hal ini mengakibatkan kurva LM bergerak dari LM0 ke LM1.
Perubahan uang untuk transaksi, untuk berjaga-jaga dan untuk spekulasi
otonomos mengakibatkan pergeseran kurva pemintaan uang sehingga
mengakibatkan pergeseran kurva LM (shifted curve).
Laporan Akhir Updating Model Keterkaitan Regional
57
Jika r berubah maka akan mengakibatkan perubahan jumlah uang spekulasi yang
diminta. Jika r turun maka jumlah uang untuk spekulasi meningkat, hal ini
mengakibatkkan jumlah uang untuk transaksi menurun, sehingga mengakibatkan
penurunan Y (move along curve). Hubungan permintaan uang dengan dengan
kurva LM adalah sebagai berikut :
r0
0L0
r
Md
Md1Md
0
r0
0
LM1r
Y0 Y1
L1
LM0
Y
Gambar 3.5. Hubungan Permintaan Uang dengan Kurva LM
Keseimbangan antara pasar barang dan pasar uang merupakan perpotongan antar
kurva IS dan LM, seperti pada Gambar 3.6.
r0
0
IS
LM
Y
r
Y0
Gambar 3.6. Keseimbangan Kurva IS-LM
Laporan Akhir Updating Model Keterkaitan Regional
58
3.1.7.2.Keterkaitan antara Model IS-LM, AS-AD, Fungsi Produksi dan Pasar Tenaga Kerja
Keterkaitan antara model IS-LM dan model AS-AD adalah terletak pada
hubungan antara IS-LM dengan AD (agregat demand). Setiap terjadi shifted curve
baik pada kurva IS maupun kurva LM mengakibatkan pergeseran pada kurva AD.
Seperti dijelaskan pada Gambar 3.7, perubahan pada kurva IS dari IS0 ke IS1 yang
dapat diakibatkan oleh ekspansi konsumsi, pengeluaran pemeritah, investasi dan
net ekspor dapat mengakibatkan perubahan kurva AD dari AD0 ke AD1.
Konsekuensinya mengakibatkan perubahan titik keseimbangan pada kurva AS-
AD yang mengakibatkana juga terjadinya kenaikan harga dari P0 ke P2 dan
perubahan pendapatan nasional dari Y0 ke Y2.
Jika pendapatan nasional bersumber dari produksi dalam negeri, maka
terjadinya peningkatan produksi menuntut peningkatan dalam penggunaan input
produksi. Salah satu input produksi adalah tenaga kerja manusia. Jadi perubahan
produksi akibat pergeseran kurva AD tersebut mengakibatkan perubahan
pendapatan nasional sebesar Y0Y2. Peningkatan pendapatan nasional tersebut
memerlukan peningkatan penggunaan tenaga kerja sebesar N0N2. Peningkatan
permintaan tenaga kerja sebesar N0N2 akhirnya mengakibatkan peningkatan upah
dari w0 ke w1.
Penigkatan pendapatan nasional tidak hanya diakibatkan oleh pergeseran
kurva AD melainkan oleh pergeseran kurva AS. Kurva AS yang mencerminkan
supply barang dan jasa, dimana kurva AS yang dipengaruhi oleh tingkat teknologi
dan biaya produksi. Apabila terjadi peningkatan teknologi atau penghematan
biaya produksi maka kuva AS akan bergeser ke kanan, sehingga meningkatnan
pendapatan nasional. Efek selanjutnya di pasar tenaga kerja dan fungsi produksi
analog dengan dampak perubahan kurva AD.
Laporan Akhir Updating Model Keterkaitan Regional
59
Laporan Akhir Updating Model Keterkaitan Regional
60
Gambar 3.7. Keterkaitan Variabel Makroekonomi
0
0
P0
P2
P
0TKS
1TKS
0TKD
w
N2N0
N2N0
y2
y0
AD1
IS2
y0 y2 y1
r0
r2
y2
r1
y1
IS1
LM
y0
r
y
y
AS
AD0
IS0
N
y
y = f (N)
1TKD
N
w1
w0
0
0
3.2. Kerangka Konseptual
Untuk menjawab tujuan penelitian ini, digunakan sebuah model
ekonometrik-multiregional. Region dalam hal ini dapat diartikan sebagai
provinsi. Beberapa literatur yang ada, keterkaitan regional umumnya hanya
menggunakan dua regional. Belum pernah kajian yang menggunakan keterkaitan
regional lebih dari dua region. Dalam penelitian ini, region yang ingin dilihat
adalah seluruh provinsi yang ada di Indonesia. Tetapi karena alasan keterbatasan
data, maka provinsi hanya dikaji sebanyak 30 provinsi.
Seperti yang telah dijelaskan dalam kerangka teori sebelumnya bahwa
keterkaitan region ini dapat dilihat dari beberapa cara yaitu dari arus migrasi
penduduk dan arus perdagangan antar-wilayah. Dampak migrasi ini memiliki
dampak yang berbeda antar-wilayah. Migrasi dapat memberikan stimulus
ekonomi dan mungkin diwilayah lain dapat juga menyebabkan pengangguran
yang tinggi yang berdampak pada penurunan pendapatan wilayah. Bagaimana
dengan arus perdagangan? Jika suatu negara memiliki keunggulan komparatif dan
melakukan perdagangan, sehingga dapat meningkatkan capital diwilayah tersebut.
Berikut ini adalah simplifikasi dalam membangun keterkaitan Model
Ekonometrik-Multiregional ditampilkan pada Gambar berikut ini.
Indikator Makroekonomi Growth Unemployment Inflasi Neraca Perdagangan
Kemiskinan
Provinsi- i
Arus Perdagangan
Arus Migrasi
Ketimpangan Antar provinsi
Provinsi- j
Gambar 3.8. Kerangka Konseptual Keterkaitan Regional
Laporan Akhir Updating Model Keterkaitan Regional
61
Laporan Akhir Updating Model Keterkaitan Regional
62
Keterkaitan antar region (provinsi) dalam model ini ditandai oleh arus
migrasi dan arus perdagangan yang terjadi antar region, keterkaitan ini secara
langsung akan mempengaruhi kondisi perekonomian region itu sendiri dan region
lainnya. Perekonomian dalam suatu region diukur melalui indikator
makroekonominya. Selain itu, dari keterkaitan region ini juga akan dilihat
dampaknya terhadap ketimpangan pendapatan. Dari indikator indikator
makroekonomi dan ketimpangan pendapatan yang terjadi selanjutnya akan dilihat
dampak kemiskinan di masing-masing region.
Laporan Akhir Updating Model Keterkaitan Regional
63
4.1. Spesifikasi Model
Model ekonometrika merupakan suatu pola khusus dari model aljabar,
yakni suatu unsur yang bersifat stochastic yang mencakup satu atau lebih peubah
pengganggu (Intriligator, 1978). Menurut Koutsoyiannis, (1977) Model
ekonometrika merupakan gambaran dari hubungan masing-masing variabel
penjelas (explanatory variables) terhadap peubah endogen (dependent variables)
khususnya yang menyangkut tanda dan besaran (magnitude and sign) dari
penduga parameter sesuai dengan harapan teoritis secara apriori ekonomi dengan
kata lain, model yang baik haruslah memenuhi kriteria teori ekonomi
(theoritically meaningful), kriteria statistika dan kriteria ekonometrika.
Tahapan membangun model diawali dengan suatu pemahaman fenomena
perekonomian yang dihipotesiskan terjadi sebagai akibat dari keterkaitan regional
yang akan berpengaruh terhadap perekonomian daerah. Spesifikasi model
dilakukan dengan memformulasikan model yang paling sesuai dengan sistem atau
fenomena aktual yang diabstraksikan. Setelah model dispesifikasikan atau
diformulasikan, selanjutnya model diestimasi dengan menggunakan teknik
estimasi yang paling sesuai, sehingga memberikan hasil estimasi yang terbaik.
Tahap berikutnya adalah evaluasi untuk mengetahui apakah model tersebut secara
teoritis bermakna dan secara kuantitatif memuaskan. Jika hal ini terlah terpenuhi
maka akan dilakukan peramalan variabel endeogen dari tahun 2006 sampai
dengan 2014. Tahap terakhir adalah melakukan simulasi kebijakan.
Bolton (1985) mendeskripsikan tiga tipe metode peramalan regional yang
sering digunakan dalam peramalan wilayah, yaitu pertama model top down
dengan menggunakan input data nasional yang diperoleh melalui peramalan
model ekonometrika ekonomi nasional yang dijadikan sebagai variable
independent di dalam model regional. Kedua, model bottom up yang dapat
digunakan untuk mengestimasi output nasional (atau output wilayah yang lebih
luas) yang merupakan penjumlahan dari nilai-nilai peramalan subregion, dan
terakhir adalah Multiregional model yang menjelaskan bagaimana hubungan
PERUMUSAN MODEL KETERKAITAN REGIONAL DAN PROSEDUR ANALISIS
IV
timbal balik aktifitas dari suatu industri pada wilayah tertentu akan mempengaruhi
beberapa sektor di wilayah lain. Multiregional model memerlukan informasi
trade flows antara region-region. Tetapi karena kompleksitas dan syarat substansi
data yang diperlukan, maka model bottom-up dan multiregional lebih sering
hanya difokuskan pada beberapa wilayah, dengan kata lain, jumlah region yang
digunakan umumnya hanya dua atau tiga wilayah.
Dalam kajian pengembangan model keterkaitan jumla wilayah atau region
yang digunakan adalah 30 provinsi dari 33 provinsi yang ada di Indonesia. Data
dikumpulkan dari masing-masing region (provinsi) dan model serta analisis, juga
berdasarkan region. Provinsi yang akan dikaji dalam hal ini adalah seluruh
provinsi yang ada di Indonesia, tetapi dengan alasan keterbatasan data, dimana
ada beberapa provinsi yang baru terbentuk (seperti Kepulauan Riau, Sulawesi
Barat dan Irian Jaya Barat) tidak dianalis dalam kajian pengembangan model
keterkaitan regional.
Spesifikasi model yang dirumuskan dalam kajian ini adalah sangat terkait
dengan tujuan penelitian yaitu merumuskan model keterkaitan regional. Model
yang dibangun adalah sistem persamaan simultan dinamis. Model keterkaitan
regional dibangun berdasarkan kerangka teori ekonomi dan kajian empiris yang
relevan, yang diharapkan mampu menunjukkan kinerja perekonomian daerah
secara sederhana dan jelas.
Untuk memudahkan mengingat nama-nama variabel yang akan digunakan
dalam model keterkaitan regional ini, berikut ini akan didefinisikan beberapa
karakter yang akan digunakan seterusnya, yaitu:
i = klasifikasi sektoral (1-9)
p = Provinsi (1,..., 30)
t = tahun pengamatan(Tahun 1975 – 2006)
Spesifikasi model dalam kajian ini dibagi dalam sepuluh blok, yaitu PDRB
sektoral, investasi swasta sektoral, investasi pemerintah sektoral, tenaga kerja
sektoral, upah sektoral, inflasi, pengangguran, kemiskinan, migrasi dan blok
perdagangan. Berikut ini adalah akan diuraian spesifikasi dari masing-masing
blok, dan secara sederhana keterkaitan antar-blok digambarkan pada Gambar 4
berikut ini:
Laporan Akhir Updating Model Keterkaitan Regional
64
PDRB
PDRB sektoral Capital
HC
Inflasi
Upah
Tenaga Kerja
Ekspor
Arus Migrasi
Unemploy
UMR
KHM
ImporPX
PDRB j
POP j
POP
PM j SDA j
SDA
Poverty
Investasi
CV
(U/L) j
Gambar 4.1: Simplifikasi Model Keterkaitan Regional
Pada Gambar 4.1 merupakan penyederhaan dari model keterkaitan regional secara
utuh, mengingat persamaan dalam model keterkaitan regional ini lebih dari 1000
persamaan perilaku, maka tidak semua provinsi dan explanatory variables
dinyatakan di dalamnya.
4.1.1. Blok PDRB Sektoral
Dalam teori Solow disebutkan bahwa output suatu perekonomian sangat
dipengaruhi oleh jumlah tenaga kerja dan modal (Mankiw, 2000). Model ini
selanjutnya dikembangkan oleh Romer, dimana selain faktor modal dan tenaga
kerja, human capital merupakan faktor penggerak pertumbuhan ekonomi.
Sedangkan Harrord-Domard mementingkan tingkat investasi dalam memacu
pertumbuhan ekonomi. Dalam kajian ini PDRB provinsi ke p merupakan fungsi
dari jumlah tenaga kerja, investasi swasta dan pemerintah. Sehingga secara umum
model ekonomi untuk PDRB sektoral di masing-masing provinsi p adalah:
Laporan Akhir Updating Model Keterkaitan Regional
65
Yipt = f( Lipt, ISipt, IGipt, DAUpt, INFRipt) ............................ (4.1)
PDRBpt = .......................................................................... (4.2)
9
1iiY
dimana:
i = 1, 2, 3,…,9 (Klasifikasi Sektoral) = 1 adalah PDRB Sektor pertanian per pekerja di provinsi p = 2 adalah PDRB Sektor pertambangan per pekerja di provinsi p
= 3 adalah PDRB Sektor industri per pekerja di provinsi p
= 4 adalah PDRB Sektor LGA per pekerja di provinsi p
= 5 adalah PDRB Sektor bangunan per pekerja di provinsi p
= 6 adalah PDRB Sektor perdagangan per pekerja di provinsi p
= 7 adalah PDRB Sektor transportasi per pekerja di provinsi p
= 8 adalah PDRB Sektor lembaga keuangan per pekerja provinsi p
= 9 adalah PDRB Sektor jasa-jasa per pekerja di provinsi p
p = provinsi ke 1, 2, 3,…,30
DAUt = dana alokasi umum di provinsi p pada tahun ke t
IGipt = investasi pemerintah di sektor i di provinsi p pada tahun t
ISipt = investasi swasta di sektor i di provinsi p pada tahun t
INFRipt= dana infrastruktur di sektor i di provinsi p pada tahun t
Jumlah persamaan dalam blok PDRB sektoral terdiri dari sembilan
persamaan struktural dan satu persamaan identitas. Persamaan struktural terdiri
PDRB sektoral, sedangkan persamaan identitas adalah penjumlahan dari seluruh
PDRB sektoral yang dalam hal ini disebut sebagai PDRB provinsi. Jumlah
persamaan di dalam blok sektoral adalah 300 persamaan.
4.1.2. Blok Investasi Swasta Sektoral
Secara umum dapat diketahui bahwa investasi merupakan fungsi dari suku
bunga dan tingkat pendapatan.
ISipt = f (SBI, Yipt) ........................................................................ (4.3) Dalam kajian pengembangan model regional ini, blok investasi swasta
merupakan fungsi dari tingkat suku bunga yang diwakili oleh suku bunga Bank
Indonesia dan tingkat pendapatan yang diwakili oleh PDRB sektoral Sehingga
secara umum model ekonomi untuk Investasi swasta di masing-masing sektor
pada provinsi p ditunjukkan pada persamaan (4.3). Total persamaan investasi
swasta untuk seluruh provinsi adalah 270 persamaan perilaku.
Laporan Akhir Updating Model Keterkaitan Regional
66
4.1.3. Blok Investasi Pemerintah Sektoral
Hal yang sama juga diperlakukan untuk investasi pemerintah sektoral.,
yang diformulasi secara umum untuk masing-masing provinsi adalah.
ISipt = f (SBI, Yipt) ........................................................................ (4.4) Dari persamaan (4.4) dalam pengembangan model regional ini, dapat
diketahui investasi pemerintah ditentukan oleh tingkat suku bunga yang diwakili
oleh suku bunga Bank Indonesia dan tingkat pendapatan yang diwakili oleh
PDRB sektoral. Total persamaan investasi pemerintah untuk seluruh provinsi
adalah 270 persamaan perilaku.
4.1.4. Blok Tenaga Kerja Sektoral
Berdasarkan pada konsep ekonomi, bahwa tenaga kerja merupakan fungsi
linier dari upah, tingkat output dan tingkat investasi. Sehingga permintaan tenaga
kerja yang dibangun dalam model ini adalah:
Lipt = f(Wipt, Yipt, NEXpt) ………………………………. (4.5)
LFpt = TLpt + UNpt + NMpt …………………………….. (4.6)
dimana:
Lipt = jumlah tenaga kerja di sektor i di provinsi p pada tahun ke t TLpt = total permintaan tenaga kerja di provinsi p pada tahun t LFpt = total angkatan kerja di provinsi p pada tahun ke t Wipt = upah di sektor i di provinsi p pada tahun ke t Yipt = PDRB di sektor i di provinsi p pada tahun ke t UNpt = pengangguran di provinsi p pada tahun ke t INFpt = tingkat inflasi di provinsi p pada tahun ke t NMpt = migrasi bersih provinsi p pada tahun ke t. Migrasi bersih
diperoleh dari migrasi in di kurangi dengan migrasi out atau dituliskan (MGIN-MGOUT).
NEXpt = Ekspor bersih dari provinsi p pada tahun ke t
Jumlah persamaan blok permintaan tenaga kerja terdiri dari satu
persamaan struktural dan satu persamaan identitas. Persamaan struktural terdiri
dari persamaan jumlah permintaan tenaga kerja itu sendiri di masing-masing
sektor dan persamaan identitas adalah total anggkatan kerja. Jumlah persamaan
tenaga kerja adalah 270 (9 sektor x 30 provinsi) persamaan perilaku dan 30 (1 x
30) persamaa identitas. Sehingga total jumlah persamaan di dalam blok tenaga
kerja adalah 300 persamaan.
Laporan Akhir Updating Model Keterkaitan Regional
67
Laporan Akhir Updating Model Keterkaitan Regional
68
4.1.5. Blok Upah Sektoral
Upah dapat didefinisikan sebagai harga yang dibayar kepada mereka yang
menyelenggara jasa-jasa, atau dapat juga disebut sebagai semua jenis kompensasi
untuk jasa-jasa. Dalam menetapkan upah, perusahaan dan pekerja berinteraksi
terhadap kondisi di pasar tenaga kerja. Penetapan upah juga harus memperhatikan
efek inflasi. Sehingga persamaan blok upah ditentukan sebagai berikut:
Wipt = f(UMRpt, Yipt, KHMpt, LFpt, INFpt) ........................... (4.7)
WRpt =
i
Wi
i
9
1 ...................................................................... (4.8)
dimana:
Wipt = upah di sektor i di provinsi p pada tahun ke t UMRpt = upah minimum regional provinsi p pada tahun ke t Yipt = PDRB sektor i di provinsi p pada tahun ke t KHMpt = kebutuhan hidup minimum di provinsi p pada tahun ke t LFpt = total angkatan kerja di provinsi p pada tahun ke t INFpt = tingkat inflasi di provinsi p pada tahun ke t WRpt = upah rata-rata di provinsi p pada tahun ke t yang diperoleh
Jumlah persamaan blok upah terdiri dari satu persamaan struktural dan
saru persamaan identitas. Persamaan struktural terdiri dari persamaan upah di
masing-masing sektor, yaitu sebesar 270 (9 sektor x 30 Provinsi). Sedangkan
jumlah persamaan identitas adalah upah rata-rata provinsi, yaitu sebesar 30,
sehingga jumlah persamaan menjadi 300.
4.1.6. Blok Inflasi
Tingkat inflasi merupakan gambaran dari kenaikan harga yang dapat
disebabkan oleh tarikan permintaan, dorongan biaya atau mungkin disebabkan
oleh gabunga keduanya.
INFpt = f(WRpt, PDRBpt) .............................................. (4.9)
dimana:
INFpt = tingkat inflasi di provinsi p pada tahun ke t WRpt = upah rata-rata di provinsi p pada tahun ke t
Dalam kajian ini tingkat inflasi ditentukan oleh fungsi dari dorongan biaya
yang diwakili oleh upah ra-rata dan tarikan permintaan yang diwakili oleh PDRB
provinsi. Total persamaan perilaku inflasi dalam kajian adalah 30 persamaan.
4.1.7. Blok Pengangguran
Pengangguran dan inflasi adalah merupakan dua dari beberapa indikator
penting dalam ekonomi makro. Tingkat pengangguran dapat mengkuantifikasi
kinerja perekonomian suatu negara. Konsekuensi dari tingginga tingkat
pengangguran memberikan perubahan-perubahan negatif dalam perekonomian.
Kerugian dari tingginya tingkat pengangguran dapat diukur dalam bentuk
keluaran yang hilang bagi keseluruhan perekonomian (economic waste). Hal ini
disebabkan karena penganggur merupakan sumber daya berharga yang potensi
outputnya tersia-siakan.
Kerugian dari tingginya tingkat pengangguran dapat berupa peningkatan
keresahan sosial dalam masyarakat (the human cost of unemployment). Seperti
halnya pengangguran, inflasi juga merupakan masalah utama dalam ekonomi
makro. Akan tetapi inflasi tidak menyebabkan kerugian nyata terhadap output
nasional. Sementara bila terjadi pengangguran maka output potensial menjadi
terbuang dan ini sangat tidak diharapkan.
Tidak adanya inflasi maupun kelebihan pengangguran adalah harapan dari
para pelaku ekonomi. Tetapi gangguan dalam perekonomian memang nyata
terjadi, dan tanpa adanya fleksibilitas harga-upah yang sempurna, tidaklah
mungkin memulihkan kondisi tenaga kerja penuh (full employment) dengan
tingkat harga yang stabil dalam jangka pendek. Oleh karena itu seringkali para
pembuat kebijakan mengahadapai tujuan keduanya bertentangan. Ketika para
pembuat kebijakan menggerakkan perekonomian ke atas sepanjang kurva
penawaran agregat jangka pendek, mereka menurunkan tingkat pengangguran dan
menaikkan tingkat inflasi. Sebaliknya, ketika mereka mengkontraksi permintaan
agregat dan menggerakkan perekonomian ke bawah kurva penawaran agregat
jangka pendek, pengangguran naik dan inflasi turun. Trade-off inflasi dan
pengangguran jelas menjadi pertimbangan dalam pembuatan kebijakan.
Kurva Phillips menggambarkan keterkaitan antara inflasi dan tingkat
pengangguran. Kurva ini menyimpulkan bahwa penurunan tingkat pengangguran
akan selalu dapat dipertahankan dengan mendorong kenaikan laju inflasi, dan
bahwa laju inflasi akan selalu dapat diturunkan dengan membiarkan terjadinya
kenaikan tingkat pengangguran. Kurva Phillips adalah cara yang berguna untuk
menunjukkan penawaran agregat karena inflasi dan pengangguran merupakan
Laporan Akhir Updating Model Keterkaitan Regional
69
Laporan Akhir Updating Model Keterkaitan Regional
70
ukuran kinerja perekonomian yang penting. Dalam kajian ini pengangguran
ditentukan oleh fungsi dari tingkat inflasi, product regional bruto suatu provinsi,
tingkat upah dan net migrasi migrasi. Formulasi dalam bentuk model ekonomi
adalah:
UNpt = f(INFpt, PDRBpt, WRpt, NMpt, DAKpt ) ..........................
(4.10)
ada tahun ke t e t
PDRBp PDRB provinsi p pada tahun ke t DAKpt
ovinsi. Jumlah persamaan dalam blok inflasi adalah 30 persamaan
erilaku.
4.1.8.
si di provinsi itu sendiri. Bentuk persamaan ekonomi dituliskan
sebaga
OVpt = f (GROWTHpt, UNpt, WRpt, INFpt, DAKpt) ............... (4.11)
t a tahun ke t THpt da tahun t
UNpt
region, sehingga total persamaan dalam blok kemiskinan adalah
30 persamaan.
Dimana: UNpt = tingkat pengangguran provinsi p pINFpt = tingkat inflasi provinsi p pada tahun k
t = = Dana alokasi khusus pada tahun ke t
Dalam studi ini, inflasi diwakili oleh consumen price index (CPI) masing-
masing pr
p
Blok Kemiskinan
Blok kemiskinan hanya dibentuk dengan oleh satu persamaan perilaku.
yaitu persamaan jumlah penduduk miskin di masing-masing provinsi, yang
merupakan fungsi dari tingkat pertumbuhan ekonomi masing-masing provinsi,
kekayaan sumberdaya alam, dan tingkat pengangguran, upah rata-rata provinsi
dan tingkat infla
i berikut:
P
dimana
POVip = Jumlah penduduk miskin di provinsi p padGROW = Pertumbuhan ekonomi provinsi p pa
= Pengangguran di provinsi p pada tahun t INFpt = tingkat inflasi di provinsi p pada tahun ke t
Jumlah persamaan dalam blok kemiskinan terdiri dari satu persamaan
struktural. Dimana persamaan kemiskinan tersebut terdiri dari 1 persamaan untuk
masing-masing
Laporan Akhir Updating Model Keterkaitan Regional
71
4.1.9.
kaitan erat dengan kesempatan kerja dan tingkat
pengan
ggi usia pekerja, sampai pada batas
tertentu
ta lain, suatu penyebab menimbulkan akibat setelah
suatu s
Blok Migrasi
Keputusan seseorang untuk bermigrasi, pada garis besarnya dapat
dikelompokkan menjadi faktor pendorong (push factor) dan faktor penarik (pull
factor). Untuk menentukan faktor mana yang paling berpengaruh terhadap migrasi
digunakan kerangka berpikir yang didasarkan pada teori Human Capital dan
model Haris Todaro. Teori Human Capital dan Model Haris Todaro lebih
memfokuskan perhatiannya pada hubungan ekonomi dari migrasi. Menurut Teori
Human Capital bahwa seseorang akan bermigrasi, jika pendapatan yang diperoleh
di daerah tujuan lebih besar dari pendapatan di daerah asal ditambah dengan biaya
langsung migrasi. Selanjutnya model Haris Todaro menyatakan bahwa keputusan
untuk bermigrasi tidak hanya ditentukan oleh berapa pendapatan yang diterima
seandainya bermigrasi, tetapi juga juga dipengaruhi oleh peluang untuk
mendapatkan pekerjaan yang ber
gguran di daerah tujuan.
Sebagai tenaga kerja, migran mempunyai potensi atau mute tertentu untuk
menghasilkan barang dan jasa. Apabila potensi yang dimiliki kurang dapat
berproduksi di daerah asal, karena kesempatan tidak ada atau terbatas, sedangkan
potensi yang dimiliki mampu berproduksi relatif tinggi di daerah tujuan, maka
tenaga kerja yang bersangkutan akan bermigrasi ke daerah yang penduduknya
kurang dapat berproduksi sesuai dengan mutu yang dimiliki. Mutu mempunyai
peranan penting untuk mempengaruhi proses terjadinya migrasi, karena mutu
disini akan menentukan besainya peluang dalam memperoleh pekerjaan. Di
Indonesia, pasar kerja didominasi oleh pekerja dengan pendidikan rendah,
sehingga pengamatan mengenai mutu pekerja akan lebih baik jika didekati dengan
usia penduduk, dengan asumsi semakin tin
, akan semakin baik mutu pekerja.
Dalam migrasi juga terjadi persoalan assymetric information. Situasi ini
menyebabkan peningkatan suatu variabel ekonomi, misalnya peningkatan upah
daerah tujuan, tidak dapat langsung diikuti dengan penurunan migrasi dalam
waktu yang sama. Dengan ka
elang waktu tertentu.
Laporan Akhir Updating Model Keterkaitan Regional
72
Selang waktu tersebut disebut lag. Oleh karena itu, perumusan realitistis
dari hubungan-hubungan ekonomi di dalam pasar kerja memerlukan variabel-
variabel lag dari variabel-variabel terikatnya. Variabel migrasi ini meruapakan
salah satu bentuk keterkaitan antar wilayah, namun demikian karena alasan data,
tidak adanya sumberdata yang menunjukkan arus migrasi berdasarkan daerah asal
dan tujuan, maka persamaan migrasi hanya dibentuk oleh satu persamaan saja,
yait persamaan net migrasi (NMG). Berdasarkan uraian tersebut, maka fungsi
ekonom
pt = f (W , PDRB , W , PDRB ) ................................. (4.12)
dimana :
da tahun ke t yang migrasi yang masuk
uar (MGINTpt – MGOUTpt) hun ke t
jt = upah rata-rata di provinsi j pada tahun ke t PDRBp
diri dari satu persamaan
struktural yaitu net migrasi. Sehingga jumlah persamaan perilaku dalam
h 30 persamaan perilaku.
tu
negara. Berbeda dengan m
rkaitan regional dalam hal ini
ditentukan oleh harga ekspor, PDRB da
ekonom
i migrasi keluar diformulasi sebagai berikut:
NMG pt pt jt jt
NMjpt = migrasi penduduk bersih di provinsi p padiperoleh dengan cara mengurangkan dikurangi dengan migrasi yang kel
Wpt = upah rata-rata di provinsi p pada taW
t = PDRB provinsi p pada tahun ke t PDRBjt = PDRB provinsi j pada tahun ke t
Jumlah persamaan dalam blok migrasi ter
persamaan net migrasi adala
4.1.10. Blok Perdagangan
Asumsi tradisional yang digunakan oleh ahli ekonomi regional bahwa
sumberdaya dengan bebas masuk diantara daerah atau wilayah dalam sua
odel teori perdagangan internasional dimana faktor
produksi dianggap tidak dapat berpindah sedangkan komoditi dapat berpindah.
Asumsi yang digunakan untuk membangun model regional flows yaitu
pertama, sumberdaya tidak dapat berpindah dari suatu daerah ke daerah lain,
tetapi modal dan arus barang dan jasa dapat berpindah secara sempurna dan kedua
mobilitas sumberdaya juga diasumsikan adalah sempurna. Dengan demikian,
persamaan ekspor yang ditentukan dalam model kete
n jumlah penduduk. Berikut adalah model
i untuk persamaan ekspor dan impor, yaitu:
Laporan Akhir Updating Model Keterkaitan Regional
73
Xpt = f(PXpt, PDRBjt, POPjt, PDRBjt) ............................. (4.13)
Mpt = f(PMjt, PDRB
= Xpt - Mpt ............................................................... (4.15)
pada tahun ke t
OPpt p t
aan. Sehingga total persamaan dalam
persamaan.
4.2.1.
asi model persamaan struktural
berdasarkan order condition ditentukan oleh:
- M) > (G - 1) ………………………………………………. (4.16)
dimana
K = alam model, yaitu peubah endogen dan peubah
M = n yang termasuk dalam satu
G = rsamaan dalam model, yaitu jumlah peubah endogen dalam
ika dalam suatu persamaan dalam model menunjukkan kondisi sebagai berikut.
pt, POPpt) .......................................... (4.14)
NEXpt
Keterangan:
Xpt = ekspor provinsi p j pada tahun ke t
Mpt = impor provinsi p pada tahun ke t dimana p j
PXpt = harga ekspor sektor i di provinsi p pada tahun ke t
PMpt = harga impor settor i di provinsi p pada tahun ke t
NEXpt = ekspor bersih sektor i di provinsi p pada tahun ke t
NEXpt = ekspor bersih sektor i di provinsi p
PDRBpt = PDRB provinsi p pada tahun ke t.
PDRBjt = PDRB provinsi j pada tahun ke t.
P = jumlah penduduk provinsi pada tahun ke
Jumlah persamaan blok BOT terdiri dari dua persamaan struktural dan 1
persamaan identitas. Persamaan struktural terdiri dari ekspor dan impor provinsi.
Jumlah persamaan ekspor 30 dan persamaan impor adalah 30 persamaan perilaku,
dan persamaan identitas sebanyak 30 persam
blok perdagangan adalah 90
4.2. Prosedur Analisis
Identifikasi Model
Indentifikasi model ditentukan atas dasar “order condition” sebagai
syarat keharusan dan “rank condition” sebagai syarat kecukupan. Menurut
Koutsoyiannis (1977), rumusan identifik
(K
:
Total peubah d
predetermined.
Jumlah peubah endogen dan eksoge
persamaan tertentu dalam model, dan
Total pe
model.
J
Laporan Akhir Updating Model Keterkaitan Regional
74
K – M ) > ( G – 1 ) = teridentifikasi en
(K – M ) = ( G – 1 ) = entifikasi secara tepat (exactly identified),
– M ) < (G – 1 ) = dinyatakan tidak
samaan struktural yang nilainya tidak sama dengan nol
(Kouts
er condition persamaan struktural yang ada dalam model
adalah er identified.
4.2.2.
konsisten, lebih sederhana dan lebih mudah, sedangkan metode 3SLS dan FIML
( maka persamaan dinyatakansecara berlebih (overid tified)
maka persamaan tersebut dinyatakan teriddan
maka persamaan tersebut (Kteridentifikasi (unidentified).
Hasil identifikasi untuk setiap persamaan struktural haruslah exactly
identified atau overidentified untuk dapat menduga parameter-parameternya.
Kendati suatu persamaan memenuhi order condition, mungkin saja persamaan itu
tidak teridentifikasi. Karena itu, dalam proses identifikasi diperlukan suatu syarat
perlu sekaligus cukup. Hal itu dituangkan dalam rank condition untuk identifikasi
yang menyatakan, bahwa dalam suatu persamaan teridentifikasi jika dan hanya
jika dimungkinkan untuk membentuk minimal satu determinan bukan nol pada
order (G-1) dari parameter struktural peubah yang tidak termasuk dalam
persamaan tersebut. Atau dengan kata lain kondisi rank ditentukan oleh
determinan turunan per
oyiannis, 1977).
Dalam penelitian ini, model yang telah dirumuskan terdiri dari 1650
persamaan atau 1650 variabel endogen, terdiri dari 1530 persamaan perilaku dan
120 persamaan identitas, jumlah peubah dalam persamaan adalah 5 peubah. Maka
berdasarkan kriteria ord
ov
Metode Pendugaan Model
Dari hasil identifikasi model, maka model dinyatakan over identified,
dalam hal ini untuk pendugaan model dapat dilakukan dengan 2SLS (Two Stage
Least Squares), 3SLS (Three Stage Least Squares), LIML (Limited Information
Maximum Likelihood) atau FIML (Full Information Maximum Likehood). Dalam
penelitian metode pendugaan model yang digunakan adalah 2SLS, dengan
beberapa pertimbangan, yaitu penerapan 2SLS menghasilkan taksiran yang
menggunakan informsi yang lebih banyak dan lebih sensitif terhadap kesalahan
pengukuran maupun kesalahan spesifikasi model (Gujarati, 1999)
Untuk mengetahui dan menguji apakah variabel penjelas secara bersama-
sama berpengaruh nyata atau tidak terhadap variabel endogen, maka pada setiap
persamaan digunakan uji statistik F, dan untuk menguji apakah masing-masing
variabel penjelas berpengaruh nyata atau tidak terhadap variabel endogen, maka
pada setiap persamaan digunakan uji statistik t.
4.2.3. Validasi Model
Untuk mengetahui apakah model cukup valid untuk membuat suatu
simulasi alternatif kebijakan atau non kebijakan dan peramalan, maka perlu
dilakukan suatu validasi model, dengan tujuan untuk manganalisis sejauhmana
model tersebut dapat mewakili dunia nyata. Dalam penelitian ini, kriteria statistik
untuk validasi nilai pendugaan model ekonometrika yang digunakan adalah: Root
Means Square Error (RMSE), (Root Means Percent Square Error (RMSPE) dan
Theil’s Inequality Coefficient (U) (Pindyck and Rubinfield, 1991). Kriteria-
kriteria dirumuskan sebagai berikut:
n
t
at
st YY
nRMSE
1
21 ………………………………. (4.17)
n
ta
t
at
st
Y
YY
nRMSPE
1
21
……………………………… (4.18)
n
t
at
n
t
st
n
t
at
st
Yn
Yn
YYn
U
1
2
1
2
1
2
11
1
……………………… (4.19)
dimana:
stY = nilai hasil simulasi dasar dari variabel observasi a
tY = nilai aktual variabel observasi
n = jumlah periode observasi
Laporan Akhir Updating Model Keterkaitan Regional
75
Statistik RMSPE digunakan untuk mengukur seberapa jauh nilai-nilai
peubah endogen hasil pendugaan menyimpang dari alur nilai-nilai aktualnya
dalam ukuran relatif (persen), atau seberapa dekat nilai dugaan itu mengikuti
perkembangan nilai aktualnya. Sedangikan nilai statistik U bermanfaat untuk
mengetahui kemampuan model untuk analisis simulasi peramalan. Nilai koefisien
Theil (U) berkisar antara 1 dan 0. Jika U = 0 maka pendugaan model sempurna,
jika U =1 maka pendugaan model naif. Pada dasarnya makin kecil nilai RMSPE
dan U-Theil’s dan makin besar nilai R², maka pendugaan model semakin baik.
4.2.4. Simulasi Model
Setelah model divalidasi dan memenuhi kriteria secara statistik, maka
model tersebut dapat dijadikan sebagai model dasar simulasi. Peramalan dapat
dapat dibedakan beberapa jenis dan tujuan simulasi, diantaranya adalah ramalan
berdasarkan horizon waktu, yang dibedakan menjadi ex post forecasting, ex ante
forecasting dan backcasting., yang diilustrasikan pada Gambar 5.
Forecasting
t2 t1 t3 (t d )
Periode data dugaan
Periode dugaan
ex-ante forecasting
ex-post forecasting
backcasting ex-post simulation or historical simulation
Gambar 4.2. Garis Waktu Peramalan.
Pada periode t1 menunjukkan batas waktu dari model yang dihitung
dengan data yang ada. Simulasi yang dibuat diantara t1 ke t2 disebut dengan ex-
post simulation atau historical simulation. Nilai historical series yang dimulai
tahun t1 dan berakhir tahun t2, digunakan untuk peubah eksogen, sedangkan nilai
historical dalam t1 merupakan keadaan awal dari peubah endogen.
Ex-post forecasting menunjukkan kalau periode dugaan t2 < t3, maka
peramalan dapat dilakukan diakhir periode. Sedangkan pada ex-ante forecasting
yang dimulai dari t3 adalah simulasi atau perkiraan nilai dependent variabel yang
didasarkan pada variabel bebas dan dapat diteruskan hingga pada tahun-tahun
Laporan Akhir Updating Model Keterkaitan Regional
76
berikutnya. Analisis kebijakan dilakukan untuk melihat dampak kebijakan
ekonomi dan liberalisasi perdagangan (melalui intrumen tarif) terhadap semua
peubah endogen.
Dengan demikian kita dapat mengetahui bagaimana reaksi peubah
endogen terhadap perubahan peubah eksogen. Beberapa skenario simulasi
alternatif kebijakan ekonomi secara parsial dan alternatif kombinasi kebijakan
ekonomi yang ditentukan secara arbitrary, yaitu: peningkatan pertumbuhan
ekonomi nasional sebesar 5.0 persen, 5.5 persen, 6.0 persen dan 6.5 persen.
4.3. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder
dengan rentang waktu (time series) dari tahun 1978 sampai dengan tahun 2007.
Sedangkan sumber data dalam penelitian ini diperoleh dari beberapa instansi yang
terkait yaitu Biro Pusat Statistik (BPS). Beberapa hal yang perlu diperhatikan dan
merupakan catatan bahwa dalam penelitian harga dideflasi dengan indeks harga
sesuai dengan indeks harga masing-masing dengan tujuan untuk menghilangkan
atau menghindari pengaruh inflasi. Sehingga harga nominal yang diperoleh secara
langsung dapat menjadi harga riil.
4.4. Waktu Pelaksanaan
Pengembangan Model Keterkaitan Regional ini akan dilaksanakan secara
swakelola dalam kurun waktu (8 bulan) tahun anggaran 2009 dimulai pada bulan
April sampai dengan November 2009.
8 (delapan) Bulan No Kegiatan
1 2 3 4 5 6 7 8 9 10 11 12
1. Persiapan
2. Rapat Diskusi
3. Seminar Konsep Awal
4. Kunjungan Lapangan
5. Analisis dan simulasi
6. Penyusunan Laporan
7. Seminar Akhir
Laporan Akhir Updating Model Keterkaitan Regional
77
Laporan Akhir Updating Model Keterkaitan Regional
78
4.5. Sistematika Pelaporan
Hasil dari kegiatan “Updating Model Keterkaitan Regional Tahun Anggaran
2009” akan disusun dalam satu laporan yang terbagi dalam tiga tahap, yiatu:
laporan awal, kemajuan dan laporan akhir.
1. Laporan Awal
Merupakan laporan pendahuluan yang antara lain berisi hasil perumusan
permasalahan secara hipotetik, tinjauan dan studi pustaka dan referensi yang
telah diperoleh yang dianggap relevan.
2. Laporan Kemajuan
Merupakan laporan yang hampir lengkap dengan memuat hasil data dan
analisis berbagai strategi yang dapat dilakukan untuk memanfaatkan wilayah-
daerah dan strategis. Dalam laporan ini juga telah terakomodasi hasil-hasil
diskusi dengan staf bappenas yang dilakukan secara intensif sebelumnya.
3. Laporan Akhir
Merupakan penyempurnaan laporan sebelumnya yang berisi hasil analisis dan
perumusan strategi yang telah mendapat tanggapan dan masukan dari berbagai
pihak. Pada laporan akhir, akan dilampirkan pula ringkasan laporan berbagai
data yang dianggap penting serta hasil analisis yang mendukung pemahaman
terhadap hasil kajian serta implementasinya.
V
HASIL PERKEMBANGAN MODEL KETERKAITAN REGIONAL
5.1. Keragaan Umum Hasil Estimasi Model Keterkaitan Regional
Hasil estimasi model keterkaitan regional dalam penelitian ini dapat dikatakan
baik, hal ini ditunjukkan oleh nilai koefisien determinasinya (R²) dari masing-masing
persamaan perilaku yaitu berkisar antara 0.50 sampai dengan 0.99. Dari seluruh
persamaan perilaku yang di estimasi, hanya terdapat 5 persamaan perilaku, yaitu
persamaan impor pulau maluku dari pulau Sumatera (MI6D1), persamaan impor pulau
maluku dari pulau Kalimantan (MI6D3), persamaan impor pulau maluku dari pulau
Sulawesi (MI6D4), persamaan impor pulau maluku dari pulau Nusatenggara (MI6D5) dan
persamaan impor pulau maluku dari pulau Papua (MI6D7) dimana nilai R2 berada masing-
masing adalah 0.20, sampai dengan 0.40. Hal ini menunjukkan bahwa secara umum
peubah-peubah penjelas (exogenous variable) yang ada di dalam persamaan perilaku
mampu menjelaskan dengan baik perilaku peubah endogen (endogenous variable).
Nilai statistik-t, digunakan untuk menguji apakah masing-masing variabel penjelas
berpengarauh nyata terhadap variabel endogennya. Hasil estimasi dari statistik-t yang
diperoleh menunjukkan bahwa terdapat beberapa peubah penjelas yang tidak signifikan
atau tidak berbeda nyata dengan nol terhadap variabel endogennya pada taraf =0.05.
Dalam studi ini taraf yang digunakan cukup fleksibel yaitu dengan taraf = 0.15.
Disamping itu setiap persamaan struktural mempunyai besaran parameter dan tandanya
sesuai dengan harapan dan cukup logis dari sudut pandang teori ekonomi (a priori
economic), meskipun demikian masih terdapat beberapa explanatory variables yang tidak
signifikan secara statistik, dalam arti bahwa secara individu variabel tersebut tidak berbeda
nyata dengan nol mempengaruhi variabel endogennya (Lampiran 1).
Berdasarkan hasil uji statistik durbin-w (dw) dan terdapat sejumlah persamaan
yang mengalami masalah serial korelasi dan juga terdapat beberapa persamaan yang tidak
terdeteksi serial korelasinya. Beberapa variabel yang diduga terdapat masalah serial
korelasi adalah persamaan Migrasi Keluar Pulau Sulawesi ke Pulau Sumatera (MO4K1),
Migrasi Keluar Pulau Sulawesi ke Pulau Jawa (MO4K2), Migrasi Keluar Pulau Sulawesi
Laporan Akhir Updating Model Keterkaitan Regional
79
ke Pulau Kalimantan (MO4K3), Migrasi Keluar Pulau Sulawesi ke Pulau Nusatenggara
(MO4K5) dan Migrasi Keluar Pulau Sulawesi ke Pulau Maluku (MO4K6), dan Migrasi
Keluar Pulau Sulawesi ke Pulau Papua (MO4K7). Terlepas dari ada tidaknya masalah
serial korelasi yang serius, Pindyck dan Rubinfeld (1991) membuktikan bahwa masalah
serial korelasi hanya mengurangi efisiensi pendugaan parameter dan serial korelasi tidak
menimbulkan bias parameter regresi, oleh karena itu, hasil pendugaan model dalam kajian
ini dapat dinyatakan cukup representatif dalam menggambarkan fenomena keterkaitan
regional.
5.2. Hasil Validasi Model
Untuk mengetahui apakah model cukup valid untuk membuat suatu simulasi
alternatif kebijakan atau non kebijakan dan peramalan, maka perlu dilakukan suatu uji
validasi model, dengan tujuan untuk manganalisis sejauhmana model tersebut dapat
mewakili fenomena keterkaitan regional. Dalam kajian ini, kriteria statistik untuk validasi
nilai pendugaan model ekonometrika yang digunakan adalah Root Means Percent Square
Error (RMSPE) yang digunakan untuk mengukur seberapa jauh nilai-nilai peubah
endogen hasil pendugaan menyimpang dari alur nilai-nilai aktualnya dalam ukuran relatif
(persen), atau seberapa dekat nilai dugaan itu mengikuti perkembangan nilai aktualnya,
sedangkan Theil’s Inequality Coefficient (U), yang bermanfaat untuk mengetahui
kemampuan model untuk melakukan simulasi dan analisis kebijakan. Pada dasarnya
makin kecil nilai RMSPE dan U-Theil’s, maka pendugaan model semakin baik (Pindyck
and Rubinfield, 1991).
Hasil validasi model menunjukkan bahwa model ini dapat dilihat dari nilai
RMSPE, dimana hampir seluruh persamaan perilaku nilai RMPSE masih berada di range
harapan yaitu 1% - 20%, yang munujukkan bahwa persamaan perilaku yang hanya
menyimpang dibawah 1% - 20% dari nilai aktualnya. Dari 203 persamaan, hanya terdapat
6 persamaan perilaku yang nilai RMSPE berkisar diantara 50% - 80%. Dengan kata lain
bahwa model ini dapat dijadikan sebagai model peramalan. Sedangkan dilihat dari nilai
Theil’s Inequality Coefficient (U), model ini juga dapat dijadikan sebagai sebuah model
untuk alternatif simulasi kebijakan, karena nilai U-Theil hampir seluruhnya berada di
bahwa 0.2.
Laporan Akhir Updating Model Keterkaitan Regional
80
Dari 203 persamaan, hanya terdapat 2 persamaan perilaku yang niai memiliki U-
Theil berada diantara 0.30 – 0.44, yaitu persamaan perilaku Persamaan Migrasi Keluar
Pulau Kalimantan ke pulau Maluku (MO3K6) dan Migrasi keluar dari pulau Kalimantan
ke pulau Papua (MO3K7) lebih lengkapnya lihat (Lampiran 2). Namun jika dilihat
berdasarkan Statistik UM yang menujukkan bahwa persamaan perilaku tersebut memiliki
hasil estimasi yang tidak bias.
Dengan kata lain bahwa, secara keseluruhan model ini dapat digunakan untuk
melakukan simulasi alternatif kebijakan. Dengan demikian kita dapat mengetahui
bagaimana reaksi peubah endogen (persamaan perilaku) terhadap perubahan variabel
eksogen. Beberapa skenario simulasi alternatif kebijakan ekonomi secara parsial dan
alternatif kombinasi kebijakan ekonomi yang ditentukan secara arbitrary. Namun sebelum
melakukan skenario kebijakan, pada bagian ini akan diuraikan terlebih dahulu nilai
peramalan sebagai baseline dari model.
5.3. Hasil Prediksi (Baseline)
Hasil analisis ekonometri model keterkaitan regional memberikan informasi
kondisi keterkaitakan peubah-peubah produk domestic regional bruto (PDRB)
pertumbuhan ekonomi, tingkat pengangguran, tingkat kemiskinan, upah, permintaan
tenaga kerja, dan angkatan kerja. Pada bab ini menguraikan hasil prediksi pada peubah-
peubah tersebut, baik prediksi tanpa ada perubahan pada peubah-peubah penjelasnya
(baseline/simulasi dasar) maupun prediksi dengan adanya perubahan pada peubah-peubah
penjelasnya (skenario perubahan). Berikut ini adalah nilai produk domestic regional bruto
hasil prediksi Tahun 2009-2014.
Tabel 5.1. Hasil Proyeksi Produk Domestik Regional Bruto, 2009-2014
PDRB (juta Rp) Tahun
Sumatera Jawa-Bali Kalimantan Sulawesi NT Maluku Papua
2009 490,009 1,277,820 209,358 85,900 30,223 5,518 34,5492010 520,722 1,341,977 221,200 89,583 31,831 5,700 35,6602011 551,477 1,405,863 234,145 93,721 33,706 6,054 37,0402012 587,956 1,479,968 247,077 98,247 35,401 6,455 38,4142013 629,003 1,558,475 262,152 103,181 37,572 6,796 39,9322014 670,379 1,637,601 279,678 108,253 39,535 7,271 41,555
Rata-rata 574,924 1,450,284 242,268 96,481 34,711 6,299 37,858
Laporan Akhir Updating Model Keterkaitan Regional
81
Berdasarkan data pada Tabel 5.1 dapat diketahui nilai (PDRB) rata-rata tahunan
selama rentang prediksi yaitu Tahun 2009-2014. Adapun prediksi rata-rata tahunan PDRB
terkonsentrasi di pulau Jawa yaitu sebesar Rp 1,450,284 juta, diikuti dengan PDRB
kepulauan Sumatera sebesar Rp 574,924 juta. PDRB di wilayah timur Indonesia relatif
kecil, dimana PDRB terkecil di kepulauan Maluku yaitu sebesar Rp 6,299 juta.
Tabel 5.2. Hasil Proyeksi Pertumbuhan Ekonomi Wilayah, , 2009-2014
Tahun Pertumbuhan Ekonomi Wilayah (Baseline)
Sumatera Jawa-Bali Kalimantan Sulawesi NT Maluku Papua
2009 6.44 4.50 6.36 3.84 5.69 4.17 3.34 2010 6.27 5.02 5.66 4.29 5.32 3.31 3.22 2011 5.91 4.76 5.85 4.62 5.89 6.20 3.87 2012 6.61 5.27 5.52 4.83 5.03 6.63 3.71 2013 6.98 5.30 6.10 5.02 6.13 5.28 3.95 2014 6.58 5.08 6.69 4.92 5.23 6.99 4.06
Rata-rata 6.46 4.99 6.03 4.59 5.55 5.43 3.69
1.00
1.50
2.00
2.50
3.00
3.50
4.00
4.50
5.00
5.50
6.00
6.50
7.00
7.50
2008 2009 2010 2011 2012 2013 2014
Sumatera Jawa-Bali Kalimantan Sulawesi
NT Maluku Papua
Gambar 5.1. Pertumbuhan Ekonomi
Laporan Akhir Updating Model Keterkaitan Regional
82
Berdasarkan data pada Tabel 5.2 dapat diketahui pertumbuhan ekonomi untuk
rentang Tahun 2009-2014. Berdasarkan nilai pertumbuhan ekonomi tahunan tersebut
dapat diketahui nilai pertumbuhan ekonomi (growth) rata-rata tahunan. Adapun prediksi
rata-rata pertumbuhan ekonomi (growth) rata-rata tahunan tertinggi berada di kepulauan
Sumatera yaitu sebesar 6.46 persen, diikuti kepulauan Kalimantan, Nusatenggara, Maluku,
Jawa-Bali dan Papua (Gambar 5.1)
Berdasarkan data pada Tabel 5.3 dapat diketahui jumlah penduduk miskin untuk
rentang Tahun 2009-2014. Berdasarkan angka jumlah penduduk miskin tersebut dapat
diketahui angka rata-rata tahunan. Adapun prediksi rata-rata tahunan jumlah penduduk
miskin terkonsentrasi di pulau Jawa yaitu sebesar 23496 jiwa, diikuti dengan kepulauan
Sumatera. Angka kemiskinan di wilayah timur Indonesia relatif kecil, dimana angka
kemiskinan terkecil di kepulauan Maluku sebesar 474 jiwa.
Tabel 5.3. Hasil Proyeksi Jumlah Penduduk Miskin, 2009-2014
Tahun Jumlah Penduduk Miskin ( 000 jiwa)
Sumatera Jawa-Bali
Kalimantan Sulawesi NT Maluku Papua
2009 9,179 21,367 1,129 2,682 2,080 516 1,0202010 9,444 22,079 1,071 2,649 2,036 499 9972011 9,718 23,039 1,039 2,617 2,027 482 9872012 9,993 23,878 1,010 2,572 2,015 465 9732013 10,269 24,805 992 2,532 2,009 450 9642014 10,554 25,806 981 2,492 2,004 434 957
Rata-rata 9,860 23,496 1,037 2,591 2,029 474 983
Berdasarkan data pada Tabel 5.4 dapat diketahui jumlah angkatan kerja untuk
rentang Tahun 2009-2014. Berdasarkan angka jumlah angkatan kerja dapat diketahui
angka rata-rata tahunan.
Prediksi rata-rata tahunan jumlah angkatan kerja terkonsentrasi di pulau Jawa yaitu
sebesar 66,427,000 jiwa, diikuti dengan kepulauan Sumatera sebesar 18,054,000 jiwa.
Angkatan kerja wilayah timur Indonesia relatif kecil, dimana angkatan kerja terkecil di
kepulauan Maluku sebesar 860,000 jiwa.
Laporan Akhir Updating Model Keterkaitan Regional
83
Tabel 5.4. Hasil Proyeksi Jumlah Angkatan Kerja, , 2009-2014
Tahun Jumlah Angkatan Kerja ( 000 Jiwa )
Sumatera Jawa-Bali
Kalimantan Sulawesi NT Maluku Papua
2009 19,359 65,245 6,495 7,735 4,494 859 1,5182010 18,795 65,334 6,692 8,070 4,602 855 1,4792011 18,246 65,844 6,906 8,394 4,703 855 1,4612012 17,742 66,561 7,135 8,695 4,802 858 1,4552013 17,290 67,368 7,382 8,979 4,902 862 1,4562014 16,892 68,209 7,652 9,251 5,007 868 1,461
Rata-rata 18,054 66,427 7,044 8,521 4,752 860 1,472
Berdasarkan data pada Tabel 5.5 dapat diketahui jumlah permintaan tenaga kerja
untuk rentang Tahun 2009-2014. Berdasarkan angka jumlah permintaan tenaga kerja dapat
diketahui angka rata-rata tahunan. Adapun prediksi rata-rata tahunan jumlah permintaan
tenaga kerja terkonsentrasi di pulau Jawa yaitu sebesar 59,939,000 jiwa, diikuti dengan
kepulauan Sumatera sebesar 16,739,000 jiwa. Permintaan tenaga kerja wilayah timur
Indonesia relatif kecil, dimana jumlah permintaan tenaga kerja terkecil di kepulauan
Maluku sebesar 816,000 jiwa.
Tabel 5.5. Hasil Proyeksi Jumlah Permintaan Tenaga Kerja, 2009-2014
Tahun Permintaan Tenaga Kerja ( 000 jiwa )
Sumatera Jawa-Bali
Kalimantan Sulawesi NT Maluku Papua
2009 17,744 58,893 5,992 7,047 4,207 813 1,4202010 17,293 59,074 6,156 7,324 4,293 811 1,3882011 16,876 59,532 6,333 7,569 4,373 812 1,3732012 16,498 60,100 6,520 7,794 4,452 815 1,3682013 16,161 60,708 6,723 8,005 4,532 819 1,3692014 15,864 61,328 6,944 8,207 4,617 825 1,374
Rata-rata 16,739 59,939 6,445 7,658 4,412 816 1,382
Berdasarkan data pada Tabel 6 dapat diketahui jumlah pengangguran untuk rentang
Tahun 2009-2014. Berdasarkan jumlah pengangguran dapat diketahui pengangguran rata-
rata tahunan. Adapun prediksi rata-rata tahunan jumlah pengangguran terkonsentrasi di
pulau Jawa yaitu sebesar 6,488,000 jiwa, diikuti dengan kepulauan Sumatera sebesar
1,315,000 jiwa. Pengangguran di wilayah timur Indonesia relatif kecil, dimana jumlah
pengangguran terkecil di kepulauan Maluku sebesar 44,000 jiwa.
Laporan Akhir Updating Model Keterkaitan Regional
84
Tabel 5.6. Hasil Proyeksi Jumlah Pengangguran
Tahun Jumlah Pengangguran ( 000 jiwa)
Sumatera Jawa-Bali
Kalimantan Sulawesi NT Maluku Papua
2009 1,615 6,351 503 688 287 45 98 2010 1,501 6,260 536 746 309 44 92 2011 1,370 6,311 573 824 330 43 88 2012 1,244 6,461 614 901 350 43 87 2013 1,129 6,660 659 974 370 43 87 2014 1,027 6,881 709 1,043 390 43 87
Rata-rata 1,315 6,488 599 863 340 44 90
Berdasarkan data pada Tabel 5.7 dapat diketahui tingkat pengangguran untuk
rentang Tahun 2009-2014. Berdasarkan tingkat pengangguran dapat diketahui tingkat
pengangguran rata-rata tahunan. Adapun prediksi rata-rata tahunan tingkat pengangguran
tertinggi di kepulauan Sulawesi yaitu sebesar 10.07 persen, diikuti dengan tingkat
pengangguran di kepulauan Jawa-Bali, Kalimantan, Sumatera, NT, Papua dan Maluku.
Tingkat pengangguran terkecil di kepulauan Papua yaitu sebesar 5.08 persen.
Tabel 5.7. Hasil Proyeksi Tingkat Pengangguran, 2009-2014
Tahun Tingkat Pengangguran (%)
Sumatera Jawa-Bali
Kalimantan Sulawesi NT Maluku Papua
2009 8.34 9.73 7.75 8.89 6.39 5.29 6.48 2010 7.99 9.58 8.00 9.24 6.72 5.15 6.21 2011 7.51 9.59 8.30 9.82 7.03 5.06 6.05 2012 7.01 9.71 8.61 10.37 7.29 5.01 5.97 2013 6.53 9.89 8.93 10.85 7.54 4.98 5.95 2014 6.08 10.09 9.26 11.28 7.79 4.97 5.96
Rata-rata 7.24 9.76 8.48 10.07 7.13 5.08 6.10
Berdasarkan data pada Tabel 5.8 dapat diketahui upah untuk rentang waktu Tahun
2009-2014, dimana upah Pulau Sumatera memiliki kecenderungan yang menurun hingga
tahun 2014, sedangkan di pulau Jawa-Bali relatif memiliki kecenderungan manaik hingga
pada tahun 2014 adalah 2.6 juta dan secara rata-rata adalah 1.9 juta.
Laporan Akhir Updating Model Keterkaitan Regional
85
Tabel 5.8. Hasil Proyeksi Upah, 2009-2014
Tahun Upah (000 Rp)
Sumatera Jawa-Bali
Kalimantan Sulawesi NT Maluku Papua
2009 1,048 1,359 1,787 1,347 1,333 1,409 2,073 2010 1,060 1,556 2,070 1,564 1,478 1,572 2,175 2011 1,049 1,776 2,419 1,840 1,654 1,749 2,263 2012 1,021 2,024 2,853 2,181 1,862 1,945 2,348 2013 981 2,304 3,395 2,589 2,111 2,161 2,436 2014 936 2,619 4,081 3,073 2,409 2,400 2,530
Rata-rata 1,016 1,940 2,767 2,099 1,808 1,873 2,304
Prediksi rata-rata upah tahunan tertinggi di kepulauan Kalimantan yaitu sebesar Rp
2.7 juta diikuti dengan tingkat upah di kepulauan Papua sebesar Rp 2.3 juta. Tingkat upah
terkecil di pulau Sumateera yaitu sebesar Rp 1.01 juta.
5.4. Skenario Kebijakan
Simulasi dilakukan pada peubah-peubah yang merupakan instrumen kebijakan
yang meliputi investasi swasta, investasi pemerintah, tingkat UMR dan belanja pelayanan
publik. Adapun skenario simulasi adalah sebagai berikut :
1. Peningkatan investasi swasta sebesar 10 persen di kepulauan Jawa-Bali dan Sumatera,
dan peningkatan 5 persen di kepulauan Kalimantan, Sulawesi, NT, Maluku dan Papua
(S1)
2. Peningkatan investasi pemerintah sebesar 15 persen di kepulauan Kalimantan,
Sulawesi, NT, Maluku dan Papua, dan peningkatan 5 persen di kepulauan Jawa-Bali
dan Sumatera (S2)
3. Kombinasi Skenario 1 dan 2 (S3)
4. Peningkatan upah minimum regional di pulau Sumatera, Jawa-Bali, Kalimantan,
Sulawesi, Nusatenggara, Maluku dan pulau Papua masing-masing sebesar 10 persen
(S4)
5. Peningkatan belanja pelayanan publik di pulau Sumatera, Jawa-Bali, Kalimantan,
Sulawesi, Nusatenggara, Maluku dan pulau Papua masing-masing sebesar 10 persen
(S5)
Laporan Akhir Updating Model Keterkaitan Regional
86
Skenario-skenario tersebut (S1-S5) memberikan dampak pada perubahan peubah-
peubah endogen yang berbeda-beda. Skenario kebijakan dari S1-S5 terhadap kinerja
ekonomi wilayah akan diuraikan pada bagian berikut ini.
5.4.1. Investasi Swasta
Peningkatan investasi swasta sebesar 10 persen di kepulauan Jawa-Bali dan
Sumatera, dan peningkatan 5 persen di kepulauan Kalimantan, Sulawesi, NT, Maluku dan
Papua terhadap kinerja makroekonomi wilayah ditampilkan pada Tabel 5.9.
Tabel 5.9. Dampak Peningkatan Investasi Swasta, terhadap Kinerja Ekonomi Wilayah, Periode 2009-2014
(%) Pulau PDRB Permintaan Angkatan Pengang- Kemiskinan Upah Tenaga Kerja Kerja guran Sumatera 1.643 0.060 0.064 0.119 -0.289 0.087Jawa-Bali 1.099 0.044 0.048 0.094 -0.001 0.011Kallimantan 0.789 0.081 0.085 0.142 -0.007 0.184Sulawesi 0.023 0.003 0.003 0.004 -0.001 0.007Nusatenggara 0.369 0.002 0.002 0.003 -0.063 0.003Maluku 0.647 0.012 0.011 0.006 -0.113 0.009Papua 0.309 0.024 0.026 0.052 -0.003 0.020
Pada Table 5.9 terlihat bahwa kenaikan investasi swasta memberikan pengaruh
yang positif bagi pertumbuhan ekonomi yang digambarkan dari kenaikan PDRB pulau,
dimana kenaikan tertinggi di peroleh oleh pulau Sumatera, yaitu 1.64% dan terendah
adalah pulau Sulawesi.
Tabel 5.10. Dampak Peningkatan Investasi Swasta, terhadap Arus Migrasi Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014
(%) Migrasi Masuk Dari
Ke Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera -0.691 -0.639 -0.906 -0.389 -0.389 -0.389Jawa-Bali -0.165 -0.097 -0.270 -0.361 -0.361 -0.361Kallimantan 0.008 -0.067 -0.064 -0.373 -0.373 -0.373Sulawesi 0.000 -0.008 0.001 0.002 0.002 0.002Nusatenggara -0.206 -0.045 0.049 -0.188 -0.188 -0.188Maluku -0.356 -0.077 0.060 -0.316 -0.316 -0.316Papua -0.139 -0.042 0.031 -0.077 -0.077 -0.077
Laporan Akhir Updating Model Keterkaitan Regional
87
Kenaikan PDRB tersebut akan mendorong permintaan tenaga kerja namun
demikian permintaan tenaga kerja kenaikannya relatif kecil, dampak dari kenaikan tenaga
kerja direspon oleh kenaikan upah oleh para kerja, kenaikan upah tertinggi adalah pulau
Kalimantan, yaitu 0.18%. Kenaikan PDRB secara langsung menurunkan tingkat
kemiskinan, namun demikian tingkat pengangguran juga mengalami kenaikan. Alasan
mengapa pengangguran mengalami kenaikan meskipun PDRB meningkat, yaitu karena
kenaikan PDRB akan mendorong masukkan penduduk ke wilayah tersebut (migrasi
masuk) dan diikuti oleh pola perubahan demografi penduduk yang masuk ke dalam
angkatan kerja di wilayah tersebut yang akan menambah jumlah angkatan kerja.
Tabel 5.11. Dampak Peningkatan Investasi Swasta, terhadap Arus Migrasi Penduduk
(Migrasi Keluar) dari Wilayah, Periode 2009-2014 (%)
Migrasi Keluar Ke dari Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua
Sumatera -0.505 -0.348 0.005 0.021 -0.232 0.010Jawa-Bali -0.449 -0.125 -0.009 0.079 0.376 0.167Kallimantan -0.558 -0.798 -0.094 -0.181 0.072 -0.058Sulawesi -2.165 -0.825 -0.669 0.066 -0.233 0.467Nusatenggara -0.844 -0.632 0.255 -0.012 -0.180 0.316Maluku -0.686 -0.481 0.174 -0.003 -0.135 0.074Papua -0.813 -0.577 0.097 -0.001 -0.096 -0.104
Perubahan pola demografi penduduk tesebut dan peningkatan jumlah angkatan
kerja baik masuk maupaun yang keluar dari wilayah tersebut, tidak seluruhnya mampu
diserap lapangan kerja.
Tabel 5.12. Dampak Peningkatan Investasi Swasta, terhadap Arus Perdagangan (Export) Antar Wilayah, Periode 2009-2014
(%) Ke
Export Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.624 0.100 0.010 0.362 0.333 0.441Jawa-Bali -0.240 -0.065 0.025 0.107 0.414 0.164Kallimantan -0.243 -0.045 0.005 0.084 0.487 0.079Sulawesi 0.005 -0.154 0.116 0.059 0.300 0.065Nusatenggara 1.766 2.503 0.749 0.007 1.256 0.063Maluku 0.434 -0.384 -0.078 -0.017 -0.036 0.034Papua 0.046 0.178 -0.068 -0.016 -0.001 0.029
Laporan Akhir Updating Model Keterkaitan Regional
88
Peningkatan investasi swasta juga berdampak terhadap arus perdagangan (ekspor
dan impor) antar wilayah dengan arah dan besaran yang berbeda. Pada Tabel 5.12 terlihat
bahwa ekspor wilayah Sumatera mengalami peningkatan ke setiap daerah tujuan ekspor,
begitu juga halnya yang terjadi terhadap daerah wilayah Nusatenggara. Sedangkan ekspor
pulau Jawa-Bali ke wilayah Sumatera dan Kalimantan mengalami penurunan, sebaliknya
ke daerah tujuan wilayah timur umumnya mengalami peningkatan, wilayah Sulawesi juga
mengalami peningkatan ekspor ke daerah tujuannya, kecuali ke daerah tujuan Jawa-Bali
mengalami penurunan. Ekspor wilayah Maluku ke Sumatera dan Papua terlihat juga
mengalami peningkatan, sebaliknya ke daerah Jawa-Bali, Kalimantan, Sulawesi dan
Nusatenggara ekspor wilayah Maluku mengalami penurunan. Sementara ekspor wilayah
Papua ke kawasan barat umum meningkat sebaliknya mengalami penurunan ekspor untuk
daerah tujuan kawasan timur (Tabel 5.12).
Tabel 5.13. Dampak Peningkatan Investasi Swasta, terhadap Arus Perdagangan (Import) Antar Wilayah, Periode 2009-2014
(%) Dari
Impor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.018 -0.092 0.213 0.811 1.156 -0.725Jawa-Bali -0.340 -0.310 -0.323 0.720 0.720 0.720Kallimantan -0.078 -0.130 -0.011 -0.261 -0.261 -0.261Sulawesi 0.002 -0.006 -0.004 -0.003 -0.003 -0.003Nusatenggara -0.245 -0.279 -0.183 -0.328 -0.281 -0.278Maluku 0.057 -0.009 0.147 0.021 0.008 0.001Papua 0.225 0.160 0.186 0.171 0.187 0.187
Tabel 5.13 terlihat bahwa impor wilayah Sumatera dari wilayah asal Kalimantan
dan Papua mengalami penurunan, sebaliknya daerah asal Jawa-Bali, Sulawesi,
Nusatenggara dan Maluku mengalami kenaikan, impor Jawa-Bali dari wilayah asal
Sumatera, Kalimantan dan Sulawesi mengalami penurunan, namun dari daerah asal NT,
Maluku dan Papua mengalami peningkatan. Impor wilayah Kalimantan dari seluruh asal
mengalami penurunan, hal yang sama juga berlaku untuk wilayah Nusatengara dan
Sulawesi, kecuali untuk impor Sulawesi dari daerah asal Sumatera. Sementara impor
wilayah Papua dari daerah asal semuanya mengalami peningkatan hal yang sama juga
terlihat untuk wilayah Maluku, kecual dari daerah asal Jawa-Bali mengalami penurunan.
Laporan Akhir Updating Model Keterkaitan Regional
89
5.4.2. Investasi Pemerintah
Dampak peningkatan investasi pemerintah sebesar 5 persen di pulau Sumatera dan
Jawa-Bali, dan peningkatan 15 persen di pulau wilayah Kalimantan, Sulawesi, Nusa
Tenggara, Maluku dan Papua terhadap kinerja makroekonomi wilayah ditampilkan pada
Tabel 5.13.
Tabel 5.14. Dampak Peningkatan Investasi Pemerintah, terhadap Kinerja Ekonomi Wilayah, Periode 2009-2014
(%) Pulau PDRB Permintaan Angkatan Pengang- Kemiskinan Upah Tenaga Kerja Kerja guran Sumatera 0.679 0.025 0.027 0.050 -0.120 0.036Jawa-Bali 0.117 0.005 0.005 0.010 0.000 0.001Kallimantan 2.208 0.225 0.238 0.395 -0.020 0.512Sulawesi 0.730 0.087 0.092 0.134 -0.025 0.242Nusatenggara 2.586 0.012 0.012 0.024 -0.437 0.019Maluku 2.003 0.036 0.035 0.019 -0.348 0.027Papua 1.103 0.084 0.091 0.184 -0.012 0.070
Table 5.13 menunjukkan bahwa kenaikan investasi pemerintah memberikan
pengaruh yang positif bagi pertumbuhan ekonomi yang digambarkan dari kenaikan PDRB
pulau, dimana kenaikan tertinggi di peroleh oleh pulau Nusatenggara, Kalimantan dan
Maluku dan terendah adalah pulau dan Jawa-Bali, Sumatera dan Sulawesi.
Kenaikan PDRB tersebut akan mendorong permintaan tenaga kerja namun
demikian, kenaikan permintaan tenaga kerja masih relatif kecil. Dampak dari kenaikan
tenaga kerja direspon oleh kenaikan upah oleh para kerja, kenaikan upah tertinggi adalah
pulau Kalimantan, yaitu 0.51%. Kenaikan PDRB secara langsung menurunkan tingkat
kemiskinan, kecuali untuk wilayah Jawa-Bali, dan tingkat pengangguran juga mengalami
kenaikan.
Tabel 5.15. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Migrasi Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014
(%) Migrasi Masuk Dari
Ke Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera -0.288 -0.266 -0.378 -0.162 -0.162 -0.162Jawa-Bali -0.018 -0.010 -0.029 -0.039 -0.039 -0.039Kallimantan 0.023 -0.186 -0.178 -1.032 -1.032 -1.032Sulawesi -0.016 -0.252 0.023 0.079 0.079 0.079Nusatenggara -1.418 -0.311 0.338 -1.297 -1.297 -1.297Maluku -1.090 -0.238 0.185 -0.970 -0.970 -0.970Papua -0.492 -0.149 0.112 -0.272 -0.272 -0.272
Laporan Akhir Updating Model Keterkaitan Regional
90
Seperti halnya dampak investasi swasta, peningkatan investasi pemerintah dalam
ini juga belum mampu menurunkan tingkat pengangguran untuk setiap wilayah, antara
lain disebabkan oleh kenaikan PDRB akan mendorong masukkan penduduk ke wilayah
tersebut (migrasi masuk) dan diikuti oleh pola perubahan demografi penduduk yang
masuk ke dalam angkatan kerja di wilayah tersebut yang akan menambah jumlah angkatan
kerja.
Tabel 5.16. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Migrasi Penduduk
(Migrasi Keluar) dari Wilayah, Periode 2009-2014 (%)
Migrasi Keluar Ke dari Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua
Sumatera -0.076 -1.044 -0.068 -0.214 -0.588 -0.046Jawa-Bali -0.187 -0.347 -0.306 0.551 1.161 0.593Kallimantan -0.107 -0.086 -0.091 -0.706 0.246 -0.207Sulawesi -0.908 -0.088 -1.837 0.456 -0.713 1.669Nusatenggara -0.345 -0.073 0.715 -0.415 -0.551 1.126Maluku -0.276 -0.065 0.486 -0.171 -0.934 0.263Papua -0.309 -0.060 0.276 -0.258 -0.656 -0.320
Perubahan pola demografi penduduk tesebut dan peningkatan jumlah angkatan
kerja baik masuk maupaun yang keluar dari wilayah tersebut, tidak seluruhnya mampu
diserap lapangan kerja, sehingga untuk mengantisipasi naikknya jumlah pengangguran
selain dibutuhkan investasi, juga harus diimbangi dengan kemampuan penciptaan
lapangan kerja bagi para pekerja baru, disamping kebijakan tersebut reformasi
administrasi kependudukan juga menjadi suatu skenario yang tepat baik dalam
menurunkan arus pergerakan penduduk.
Tabel 5.17. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Perdagangan (Export) Antar Wilayah, Periode 2009-2014
(%) Ke
Expor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.066 0.279 0.345 2.539 1.026 1.575Jawa-Bali -0.100 -0.181 0.859 0.743 1.278 0.584Kallimantan -0.101 -0.005 0.159 0.587 1.505 0.282Sulawesi 0.002 -0.016 0.322 0.410 0.924 0.230Nusatenggara 0.729 0.263 2.096 0.241 3.914 0.225Maluku 0.180 -0.041 -0.215 -0.544 -0.249 0.121Papua 0.019 0.019 -0.190 -0.521 -0.009 0.088
Laporan Akhir Updating Model Keterkaitan Regional
91
Ekspor wilayah Sumatera mengalami peningkatan ke daerah Jawa-Bali, Sulawesi,
NT dan Maluku sebaliknya ke daerah tujuan Kalimantan dan Papua terlihat mengalami
penurunan, lebih detail pola perdangangan antar-wilayah dapat dilihat pada Tabel 5.17.
Kenaikan PDRB karena peningkatan investasi tidak serta merta meningkatkan ekspor
wilayah ke daerah tujuannya, dampak kenaikan investasi terhadap ekspor ke daerah tujuan
ada wilayah yang berdampak positif dan negatif. Dampak yang sama juga terjadi terhadap
arus impor antar-daerah (Tabel 5.18).
Tabel 5.18. Dampak Peningkatan Investasi Pemerintah, terhadap Arus Perdagangan (Impor) Antar Wilayah, Periode 2009-2014
(%) Dari
Impor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku PapuaSumatera 0.007 -0.038 0.088 0.336 0.478 -0.302Jawa-Bali -0.036 -0.033 -0.034 0.076 0.076 0.076Kallimantan -0.215 -0.361 -0.031 -0.724 -0.724 -0.724Sulawesi 0.079 -0.207 -0.122 -0.093 -0.093 -0.093Nusatenggara -1.685 -1.915 -1.265 -2.248 -1.934 -1.909Maluku 0.176 -0.027 0.452 0.065 0.026 0.003Papua 0.803 0.569 0.661 0.608 0.664 0.664
Pada tabel 5.18 menunjukkan bahwa impor wilayah Sumatera dari wilayah asal
Kalimantan dan Papua mengalami penurunan, sebaliknya daerah asal Jawa-Bali, Sulawesi,
Nusatenggara dan Maluku mengalami kenaikan, impor Jawa-Bali dari wilayah asal
Sumatera, Kalimantan dan Sulawesi mengalami penurunan, namun dari daerah asal NT,
Maluku dan Papua mengalami peningkatan. Impor wilayah Kalimantan dari seluruh asal
mengalami penurunan, hal yang sama juga berlaku untuk wilayah Nusatengara dan
Sulawesi, kecuali untuk impor Sulawesi dari daerah asal Sumatera. Sementara impor
wilayah Papua dari daerah asal semuanya mengalami peningkatan hal yang sama juga
terlihat untuk wilayah Maluku, kecual dari daerah asal Jawa-Bali mengalami penurunan.
5.4.3. Investasi Swasta dan Pemerintah
Dampak peningkatan investasi swasta dan pemerintah (Seknario kombinasi
kebijakan simulasi 1 dan simulasi 2) terhadap kinerja makroekonomi wilayah ditampilkan
pada Tabel 5.19.
Laporan Akhir Updating Model Keterkaitan Regional
92
Tabel 5.19. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Kinerja Ekonomi Wilayah, Periode 2009-2014
(%) Pulau PDRB Permintaan Angkatan Pengang- Kemiskinan Upah Tenaga Kerja Kerja guran Sumatera 2.334 0.085 0.091 0.169 -0.408 0.124Jawa-Bali 1.217 0.049 0.053 0.104 -0.001 0.013Kallimantan 3.016 0.306 0.323 0.538 -0.027 0.697Sulawesi 0.751 0.090 0.094 0.137 -0.026 0.248Nusatenggara 2.965 0.013 0.014 0.027 -0.500 0.022Maluku 2.662 0.048 0.047 0.026 -0.460 0.035Papua 1.416 0.108 0.116 0.236 -0.016 0.090
Table 5.19 menunjukkan bahwa kenaikan investasi pemerintah memberikan
pengaruh yang positif bagi pertumbuhan ekonomi yang digambarkan dari kenaikan PDRB
di setiap pulau, kenaikan PDRB tertinggi terdapat pulau Kalimantan dan Nusatenggara,
Maluku dan Sumatera Utara dan terendah adalah pulau dan Sulawesi, Jawa-Bali dan pulau
Papua. Kenaikan PDRB tersebut akan mendorong permintaan tenaga kerja namun
demikian, kenaikan permintaan tenaga kerja masih relatif kecil. Dampak dari kenaikan
tenaga kerja direspon oleh kenaikan upah oleh para kerja, kenaikan upah tertinggi adalah
pulau Kalimantan, yaitu 0.69%. Kenaikan PDRB secara langsung menurunkan tingkat
kemiskinan di setiap provinsi. Penurunan jumlah penduduk miskin terdapat di pulau Nusa
Tenggara, Maluku dan Sumatera, dan yang terkecil adalah pulau Jawa-Bali, Papua dan
Kalimantan. Yang menarik dan patut dicermati adalah kenaikan tertinggi PDRB yang
terdapat di Pulau Kalimantan, tidak barengi dengan tingginya penurunan jumlah penduduk
miskin.
Tabel 5.20. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus
Migrasi Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014 (%)
Migrasi Masuk Dari Ke Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua
Sumatera -0.977 -0.903 -1.279 -0.550 -0.550 -0.550Jawa-Bali -0.183 -0.107 -0.299 -0.400 -0.400 -0.400Kallimantan 0.032 -0.252 -0.242 -1.401 -1.401 -1.401Sulawesi -0.016 -0.259 0.024 0.081 0.081 0.081Nusatenggara -1.620 -0.355 0.387 -1.482 -1.482 -1.482Maluku -1.442 -0.315 0.245 -1.283 -1.283 -1.283Papua -0.630 -0.191 0.143 -0.348 -0.348 -0.348
Laporan Akhir Updating Model Keterkaitan Regional
93
Sebaliknya dipulau Sulawesi terlihat bahwa peningkatan PDRB hanya 0.75 %,
dimana dengan jumlah kenaikan tersebut jumlah penduduk miskin berkurang sebesar 0.02
persen relatif sama jika dibandingkan dengan penurunan jumlah penduduk miskin di pulau
Kalimantan. Jika dilihat lebih jauh lagi adalah kenaikan PDRB belum mampun
menurunkan jumlah pengangguran, namun sebaliknya jumlah pengangguran meningkat
(Tabel 5.19)
Tabel 5.21. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus
Migrasi Penduduk (Migrasi Keluar) dari Wilayah, Periode 2009-2014 (%)
Migrasi Keluar Ke dari Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua
Sumatera -0.581 -1.387 -0.063 -0.194 -0.818 -0.035Jawa-Bali -0.635 -0.472 -0.314 0.631 1.543 0.762Kallimantan -0.664 -0.882 -0.186 -0.886 0.318 -0.265Sulawesi -3.042 -0.912 -2.485 0.522 -0.944 2.146Nusatenggara -1.185 -0.705 0.972 -0.425 -0.730 1.445Maluku -0.959 -0.545 0.662 -0.173 -1.068 0.337Papua -1.119 -0.637 0.373 -0.257 -0.751 -0.423
Meningkatnya jumlah pengangguran antara lain disebabkan oleh jumlah
permintaan tenaga kerja relatif lebih kecil jika dibandingkan dengan jumlah angkatan kerja
yang masuk ke dalam wilayah pulau tersebut, kenaikan PDRB akan mendorong masukkan
penduduk ke wilayah tersebut (migrasi masuk) dan diikuti oleh pola perubahan demografi
penduduk yang masuk ke dalam angkatan kerja di wilayah tersebut yang akan menambah
jumlah angkatan kerja. Perubahan pola demografi penduduk tesebut dan peningkatan
jumlah angkatan kerja baik masuk maupaun yang keluar dari wilayah tersebut, tidak
seluruhnya mampu diserap lapangan kerja, sehingga untuk mengantisipasi naikknya
jumlah pengangguran selain dibutuhkan investasi, juga harus diimbangi dengan (1)
kemampuan penciptaan lapangan kerja bagi para pekerja baru, (2) reformasi administrasi
kependudukan juga menjadi suatu skenario yang tepat baik dalam menurunkan arus
pergerakan penduduk (Tabel 5.20 dan Tabel 5.21).
Ekspor wilayah Sumatera terlihat mengalami peningkatan sebagai dampak dari
peningkatan investasi swasta dan pemerintah. Ekspor wilayah Sumatera ke seluruh
wilayah terlihat seluruhnya mengalami peningkatan, ekspor wilayah Sumatera tertinggi
adalah ke pulau Nusatenggara dan Papua.
Laporan Akhir Updating Model Keterkaitan Regional
94
Ekspor wilayah Jawa-Bali ke Sumatera dan Kalimantan terlihat mengalami
penurunan, sebaliknya ekspor Jawa-Bali ke Sulawesi, NT dan Maluku dan Papua
mengalami peningkatan lebih detail pola perdangangan ekspor antar-wilayah dapat dilihat
pada Tabel 5.22.
Tabel 5.22. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Perdagangan (Export) Antar Wilayah, Periode 2009-2014
(%) Ke
Expor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.691 0.379 0.354 2.912 1.363 2.025Jawa-Bali -0.340 -0.247 0.881 0.850 1.697 0.749Kallimantan -0.344 -0.050 0.163 0.672 2.000 0.362Sulawesi 0.007 -0.171 0.439 0.469 1.227 0.295Nusatenggara 2.510 2.775 2.863 0.247 5.220 0.288Maluku 0.616 -0.424 -0.292 -0.559 -0.285 0.155Papua 0.065 0.197 -0.258 -0.535 -0.010 0.117
. Kenaikan PDRB karena peningkatan investasi swasta dan pemeritah tidak serta
merta meningkatkan ekspor wilayah ke daerah tujuan ekspor, dampak kenaikan investasi
tersebut terhadap ekspor ke daerah tujuan bervariasi, ada wilayah yang berdampak positif
dan negatif.
Tabel 5.23. Dampak Peningkatan Investasi Swasta dan Pemerintah, terhadap Arus Perdagangan (Import) Antar Wilayah, Periode 2009-2014
(%) Dari
Impor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.025 -0.131 0.301 1.150 1.641 -1.024Jawa-Bali -0.376 -0.343 -0.357 0.798 0.798 0.798Kallimantan -0.292 -0.491 -0.042 -0.983 -0.983 -0.983Sulawesi 0.082 -0.213 -0.126 -0.095 -0.095 -0.095Nusatenggara -1.926 -2.188 -1.446 -2.568 -2.209 -2.181Maluku 0.234 -0.036 0.600 0.086 0.034 0.004Papua 1.030 0.730 0.849 0.780 0.853 0.853
Pada tabel 5.23 menunjukkan bahwa impor wilayah Sumatera dari wilayah asal
Kalimantan dan Papua mengalami penurunan, sebaliknya daerah asal Jawa-Bali, Sulawesi,
Nusatenggara dan Maluku mengalami kenaikan, impor Jawa-Bali dari wilayah asal
Sumatera, Kalimantan dan Sulawesi mengalami penurunan, namun dari daerah asal NT,
Maluku dan Papua mengalami peningkatan. Impor wilayah Kalimantan dari seluruh asal
Laporan Akhir Updating Model Keterkaitan Regional
95
mengalami penurunan, hal yang sama juga berlaku untuk wilayah Nusatengara dan
Sulawesi, kecuali untuk impor Sulawesi dari daerah asal Sumatera. Sementara impor
wilayah Papua dari daerah asal, semua mengalami peningkatan hal yang sama juga terlihat
untuk wilayah Maluku, kecual dari daerah asal Jawa-Bali mengalami penurunan sebesar
0.036 persen.
5.4.4. Upah Minimum Regional
Dampak peningkatan upah minimum regional (UMR) masing-masing sebesar 10
persen disetiap wilayah terhadap kinerja makroekonomi ditampilkan pada Tabel 5.24.
Table 5.24 menunjukkan bahwa UMR memberikan pengaruh yang positif bagi upah rata-
rata yang diterima oleh pekerja, kecuali untuk pulau Nusatenggara.
Tabel 5.24. Dampak Peningkatan Upah Minimum Regional, terhadap Kinerja Ekonomi Wilayah, Periode 2009-2014
(%) Pulau PDRB Permintaan Angkatan Pengang- Kemiskinan Upah Tenaga Kerja Kerja guran Sumatera -0.039 -0.112 -0.120 -0.221 -0.005 1.851Jawa-Bali 0.025 0.075 0.081 0.158 -0.149 1.516Kallimantan 0.020 0.085 0.089 0.146 -0.059 1.000Sulawesi 0.024 0.085 0.090 0.132 -0.274 2.365Nusatenggara -0.288 -0.460 -0.491 -0.896 0.977 -4.791Maluku 0.086 0.066 0.063 0.009 -0.928 1.763Papua 0.075 0.114 0.123 0.251 -0.201 1.786
Peningkatan upah di Pulau Sumatera berdampak pada penurunan permintaan
tenaga kerja yang pada akhirnya akan menurunkan nilai PDRB di pulau Sumatera.
Meskipun nilai PDRB di pulau Sumatera menurun, tingkat pengangguran dan jumlah
penduduk miskin mengalami penurunan.
Penurunan jumlah penduduk miskin tersebut lebih disebabkan karena jumlah
penduduk yang masuk ke pulau Sumatera dari daerah asal lebih kecil dibandingkan
dengan jumlah penduduk yang masuk ke pulau Sumatera (Tabel 5.25 dan Tabel 5.26),
sehingga secara migrasi bersih penduduk positif, tingginya masuk jumlah penduduk
tersebut yang lebih mendorong pada turunnya jumlah penduduk miskin dan tingkat
pengangguran. Dalam arti kata bahwa besaran jumlah penduduk di pulau Suamtera sangat
dominan dalam mempengaruhi proporsi jumlah penduduk miskin dan pengangguran.
Laporan Akhir Updating Model Keterkaitan Regional
96
Berbeda halnya dengan pulau-pulau lainnya, dampak dari peningkatan upah
tersebut justru meningkatkan jumlah pengangguran, hal ini mudah dijelaskan karena
migrasi bersih yang positif, tanpa dukungan dan kekuatan daerah menciptakan lapangan
kerja dan kemampuan menyediakan lapangan kerja akan berdampak buruk pasar tenaga
kerja yang pada akhirnya akan meningkatkan jumlah pengangguran.
Tabel 5.25. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Migrasi
Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014 (%)
Migrasi Masuk Dari Ke Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua
Sumatera 0.655 1.561 0.658 0.894 0.894 0.894Jawa-Bali 0.277 0.398 0.435 0.557 0.557 0.557Kallimantan 0.871 0.209 0.783 0.387 0.387 0.387Sulawesi -0.265 0.143 -0.031 1.105 1.105 1.105Nusatenggara -3.744 -2.083 -1.318 -2.717 -2.717 -2.717Maluku 0.194 0.570 0.744 0.146 0.146 0.146Papua 0.576 1.016 0.697 0.332 0.332 0.332
Lebih detail dapat dilihat pada Tabel 5.25. bahwa kenaikan upah minimum
regional dihampir setiap wilayah akan mendorong pada jumlah penduduk yang masuka
kepulau tersebut kecuali untuk wilayah Nusatenggara, dan Sulawesi dari daerah asal
Sumatera dan Kalimantan. Meskipun kenaikan upah tersebut direspon dengan masukkan
jumlah penduduk ke pualu tersebut, namun demikian migrasi keluar jug terjadi
peningkatan di berbagai wilayah. Peningkatan migrasi keluar disebabkan karena
perbedaan proporsi upah disetiap wilayah.
Tabel 5.26. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Migrasi Penduduk (Migrasi Keluar) dari Wilayah, Periode 2009-2014
(%) Migrasi Keluar Ke
dari Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera -0.010 1.144 0.482 1.995 0.043 0.637Jawa-Bali 0.174 0.308 0.833 0.143 -0.093 -0.516Kallimantan 0.571 -0.285 1.364 -5.594 0.762 0.640Sulawesi -1.081 -0.437 -0.443 -1.786 0.425 0.819Nusatenggara -1.684 3.583 -2.745 -2.173 0.877 2.005Maluku 0.253 0.837 0.056 0.283 -1.296 -0.105Papua 0.325 0.942 0.246 0.305 -1.757 -0.034
Laporan Akhir Updating Model Keterkaitan Regional
97
Tabel 5.27. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Perdagangan (Export) Antar Wilayah, Periode 2009-2014
(%) Ke
Expor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.012 0.002 0.010 -0.260 0.034 0.101Jawa-Bali 0.005 -0.001 0.022 -0.076 0.042 0.036Kallimantan 0.004 -0.001 0.004 -0.057 0.048 0.016Sulawesi 0.000 -0.003 0.003 -0.042 0.030 0.014Nusatenggara -0.037 0.055 0.018 0.007 0.155 0.014Maluku -0.010 -0.009 -0.002 -0.017 0.027 0.008Papua -0.001 0.003 -0.002 -0.016 0.001 0.003
Penurunan PDRB pulau Sumatera seperti yang ditampilkan pada Tabel 5.24
sebelumnya juga disebabkan karena menurunkan export pulau sumatera ke wilayah
Nusatenggara sebesar 0.26 persen meskipun export ke region lainny mengalami kenaikan
tetapi dengan kenaikan yang relatif kecil jika dibandingkan dengan penurunan export ke
daerah Nusatenggara.
Tabel 5.28. Dampak Peningkatan Upah Minimum Regional, terhadap Arus Perdagangan (Import) Antar Wilayah, Periode 2009-2014
(%) Dari
Impor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.000 0.002 -0.004 -0.015 -0.023 0.014Jawa-Bali -0.007 -0.006 -0.007 0.015 0.015 0.015Kallimantan -0.002 -0.003 0.000 -0.006 -0.006 -0.006Sulawesi 0.002 -0.006 -0.004 -0.003 -0.003 -0.003Nusatenggara 0.180 0.203 0.135 0.240 0.206 0.203Maluku 0.007 -0.001 0.018 0.003 0.001 0.000Papua 0.052 0.037 0.043 0.039 0.043 0.043
Pada tabel 5.28 menunjukkan bahwa impor wilayah Sumatera dari wilayah asal
Kalimantan dan Papua mengalami peningkatan, sebaliknya daerah asal Sulawesi,
Nusatenggara dan Maluku mengalami penurunan. Impor di masing-masing dari daerah
asal antar pulau berbededa satu wilayah dengan wilayah lainnya. Kecuali untuk wilayah
Maluku, dimana import wilayah pulau Maluku dari daerah asal seluruhnya mengalami
peningkatan. Sebaliknya untuk daerah Kalimantan, dimana impornya dari daerah asal
seluruhnya mengalami penurunan.
Laporan Akhir Updating Model Keterkaitan Regional
98
5.4.5. Belanja Pelayanan Publik
Dampak peningkatan belanja pelayanan publik masing-masing sebesar 10 persen
disetiap wilayah terhadap kinerja makroekonomi wilayah ditampilkan pada Tabel 5.29
berikut.
Tabel 5.29. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Kinerja Ekonomi Wilayah, Periode 2009-2014
(%) Pulau PDRB Permintaan Angkatan Pengang- Kemiskinan Upah Tenaga Kerja Kerja guran Sumatera 1.523 0.055 0.059 0.111 -0.268 0.081Jawa-Bali 0.678 0.027 0.030 0.058 -2.169 0.007Kallimantan 1.561 0.159 0.168 0.280 -0.812 0.362Sulawesi 0.275 0.033 0.035 0.050 -0.747 0.091Nusatenggara 1.267 0.006 0.006 0.012 -0.881 0.009Maluku 1.346 0.024 0.024 0.013 -0.580 0.018Papua 0.694 0.053 0.057 0.116 -0.589 0.044
Pada table 5.29 terlihat bahwa kenaikan belanja pelayanan publik berdampak
positif bagi pertumbuhan ekonomi yang digambarkan dari kenaikan PDRB pulau, dimana
kenaikan tertinggi di peroleh oleh pulau Sumatera, yaitu 1.52% dan terendah adalah pulau
Sulawesi, Jawa-Bali dan Papua. Peningkatan PDRB tersebut akan mendorong pada
kenaikan permintaan tenaga kerja namun demikian permintaan tenaga kerja meningkatnya
relatif kecil, dampak dari kenaikan tenaga kerja direspon oleh kenaikan upah oleh para
kerja, kenaikan upah tertinggi adalah pulau Kalimantan, yaitu 0.36%.
Kenaikan PDRB secara langsung menurunkan jumlah penduduk miskin di seluruh
wilayah, dengan penurunan jumlah penduduk miskin terdapat di pulau Jawa-Bali, namun
demikian secara keseluruhan jumlah pengangguran pengangguran juga mengalami
kenaikan. Alasan mengapa pengangguran mengalami kenaikan meskipun PDRB
meningkat, yaitu karena kenaikan PDRB akan mendorong masukkan penduduk ke wilayah
tersebut (migrasi masuk) dan diikuti oleh pola perubahan demografi penduduk yang
masuk ke dalam angkatan kerja di wilayah tersebut yang akan menambah jumlah angkatan
kerja. Perubahan pola demografi penduduk tesebut dan peningkatan jumlah angkatan kerja
baik masuk maupaun yang keluar dari wilayah tersebut, tidak seluruhnya mampu diserap
lapangan kerja.
Laporan Akhir Updating Model Keterkaitan Regional
99
Tabel 5.30. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Migrasi Penduduk (Migrasi Masuk) ke Wilayah, Periode 2009-2014
(%) Migrasi Masuk Dari
Ke Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera -0.641 -0.593 -0.841 -0.361 -0.361 -0.361Jawa-Bali -0.102 -0.060 -0.167 -0.224 -0.224 -0.224Kallimantan 0.017 -0.132 -0.126 -0.733 -0.733 -0.733Sulawesi -0.006 -0.095 0.009 0.030 0.030 0.030Nusatenggara -0.702 -0.153 0.167 -0.642 -0.642 -0.642Maluku -0.736 -0.160 0.125 -0.655 -0.655 -0.655Papua -0.311 -0.094 0.070 -0.171 -0.171 -0.171
Meningkatnya jumlah pengangguran antara lain disebabkan oleh jumlah
permintaan tenaga kerja relatif lebih kecil jika dibandingkan dengan jumlah angkatan kerja
yang masuk ke dalam wilayah pulau tersebut, kenaikan PDRB akan mendorong masukkan
penduduk ke wilayah tersebut (migrasi masuk) dan diikuti oleh pola perubahan demografi
penduduk yang masuk ke dalam angkatan kerja di wilayah tersebut yang akan menambah
jumlah angkatan kerja.
Tabel 5.31. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Migrasi Penduduk (Migrasi Keluar) dari Wilayah, Periode 2009-2014
(%) Migrasi Keluar Ke
dari Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera -0.335 -0.720 -0.020 -0.066 -0.427 -0.011Jawa-Bali -0.417 -0.247 -0.116 0.271 0.781 0.374Kallimantan -0.463 -0.495 -0.126 -0.428 0.158 -0.131Sulawesi -2.010 -0.511 -1.309 0.225 -0.482 1.049Nusatenggara -0.780 -0.394 0.505 -0.156 -0.372 0.708Maluku -0.632 -0.304 0.344 -0.062 -0.462 0.166Papua -0.742 -0.357 0.193 -0.090 -0.325 -0.216
Perubahan pola demografi penduduk tersebut dan peningkatan jumlah angkatan
kerja baik masuk maupaun yang keluar dari wilayah tersebut, tidak seluruhnya mampu
diserap lapangan kerja, sehingga untuk mengantisipasi naikknya jumlah pengangguran
selain dibutuhkan belanja pelayanan publik, juga harus diimbangi dengan kemampuan
penciptaan lapangan kerja bagi para pekerja baru, dan reformasi administrasi
kependudukan juga menjadi suatu skenario yang tepat baik dalam menurunkan arus
pergerakan penduduk (Tabel 5.30 dan Tabel 5.31).
Laporan Akhir Updating Model Keterkaitan Regional
100
Peningkatan belanja pelayan pubik juga berdampak terhadap arus perdagangan
(ekspor dan impor) antar wilayah dengan arah dan besaran yang berbeda. Pada Tabel 5.32
terlihat bahwa ekspor wilayah Sumatera mengalami peningkatan ke setiap daerah tujuan
ekspor, begitu juga halnya yang terjadi terhadap daerah wilayah Nusatenggara. Sedangkan
ekspor pulau Jawa-Bali ke wilayah Sumatera dan Kalimantan mengalami penurunan,
sebaliknya ke daerah tujuan wilayah timur umumnya mengalami peningkatan, wilayah
Sulawesi juga mengalami peningkatan ekspor ke daerah tujuannya, kecuali ke daerah
tujuan Jawa-Bali mengalami penurunan. Ekspor wilayah Maluku ke Sumatera dan Papua
terlihat juga mengalami peningkatan, sebaliknya ke daerah Jawa-Bali, Kalimantan,
Sulawesi dan Nusatenggara ekspor wilayah Maluku mengalami penurunan. Sementara
ekspor wilayah Papua ke kawasan barat umum meningkat sebaliknya mengalami
penurunan ekspor untuk daerah tujuan kawasan timur.
Tabel 5.32. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Perdagangan (Export) Antar Wilayah, Periode 2009-2014
(%) Ke
Expor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.385 0.197 0.130 1.244 0.691 0.990Jawa-Bali -0.223 -0.129 0.322 0.365 0.860 0.368Kallimantan -0.226 -0.028 0.060 0.289 1.012 0.178Sulawesi 0.005 -0.095 0.228 0.202 0.622 0.145Nusatenggara 1.636 1.540 1.481 0.091 2.622 0.142Maluku 0.403 -0.237 -0.153 -0.206 -0.123 0.076Papua 0.043 0.110 -0.135 -0.197 -0.004 0.059
Tabel 5.33. Dampak Peningkatan Belanja Pelayanan Publik, terhadap Arus Perdagangan (Import) Antar Wilayah, Periode 2009-2014
(%) Dari
Impor Sumatera Jawa-Bali Kallimantan Sulawesi NT Maluku Papua Sumatera 0.017 -0.086 0.197 0.752 1.071 -0.672Jawa-Bali -0.211 -0.192 -0.200 0.445 0.445 0.445Kallimantan -0.153 -0.256 -0.022 -0.514 -0.514 -0.514Sulawesi 0.030 -0.078 -0.046 -0.035 -0.035 -0.035Nusatenggara -0.835 -0.950 -0.626 -1.116 -0.959 -0.947Maluku 0.119 -0.019 0.305 0.044 0.017 0.002Papua 0.505 0.359 0.417 0.383 0.419 0.419
Laporan Akhir Updating Model Keterkaitan Regional
101
Laporan Akhir Updating Model Keterkaitan Regional
102
Tabel 5.33 terlihat bahwa impor wilayah Sumatera dari wilayah asal Kalimantan
dan Papua mengalami penurunan, sebaliknya daerah asal Jawa-Bali, Sulawesi,
Nusatenggara dan Maluku mengalami kenaikan, impor Jawa-Bali dari wilayah asal
Sumatera, Kalimantan dan Sulawesi mengalami penurunan, namun dari daerah asal NT,
Maluku dan Papua mengalami peningkatan. Impor wilayah Kalimantan dari seluruh asal
mengalami penurunan, hal yang sama juga berlaku untuk wilayah Nusatengara dan
Sulawesi, kecuali untuk impor Sulawesi dari daerah asal Sumatera. Sementara impor
wilayah Papua dari daerah asal semuanya mengalami peningkatan hal yang sama juga
terlihat untuk wilayah Maluku, kecuali dari daerah asal Jawa-Bali mengalami penurunan.
103
VI
KESIMPULAN DAN IMPLIKASI KEBIJAKAN
6.1. Kesimpulan
Berdasarkan hasil konstruksi model dan pembahasan yang telah diuraikan
sebelumnya dapat ditarik beberapa kesimpulan dan implikasi kebijakan yang terkait
dengan model keterkaitan regional, yaitu:
1. Tenaga kerja memberikan pengaruh yang positif terhadap pertumbuhan
PDRB pulau, meskipun secara ekonomi responnya tidak elastis, sama halnya
dengan investasi swasta maupun pemerintah, kecuali di wilaya maluku
investasi swasta memberikan pengaruh yang signifikan dan respon perubahan
PDRB terhadap perubahan investasi swasta adalah elastis.
2. Permintaan tenaga kerja di masing-masing untuk seluruh wilayah pulau
berhubungan positif terhadap upah pulau, kecuali untuk wilayah sumatera
namun demikian tetapi responnya adalah inelastis. Pengaruh expor bersih
pulau lebih besar memberikan dampak terhadap penyerapan tenaga kerja
dibandingkan dengan peningkatan PDRB pulau.
3. Jumlah angkatan kerja diseluruh wilayah dipengaruh secara sifnifikan oleh net
migrasi (migrasi masuk-migrasi keluar) dan permintaan tenaga kerja sendiri,
yang pada akhirnya akan berdampak pada besaran pengangguran.
Penganggura dalam hal ini merupakan identitas dari jumlah angkatan kerja
dikurangi denegan jumlah penduduk yang bekerja.
4. Upah tenaga kerja diberhubungan positif terhadap UMR, dalam arti bahwa
UMR berintegrasi langsung dengan upah yang diterima oleh para pekerja.
Selain faktor UMR, upah juga dipengaruhi oleh inflasi wilayah, sedangkan
jumlah tenaga kerja berhubugan dengan negatif terhadap upah yang diterima
oleh pekerja.
5. Pengangguran berkorelasi postif dengan inflasi di seluruh provinsi. Iinflasi
dan pengangguran adalah trade off. Tidak adanya inflasi maupun kelebihan
pengangguran adalah harapan dari para pelaku ekonomi. Tetapi gangguan
dalam perekonomian memang nyata terjadi, dan tanpa adanya fleksibilitas
harga-upah yang sempurna, tidaklah mungkin memulihkan kondisi tenaga
Laporan Akhir Updating Model Keterkaitan Regional
103
104
kerja penuh (full employment) dengan tingkat harga yang stabil dalam jangka
pendek
6. Faktor utama yang paling berpengaruh terhadap jumlah orang miskin di setiap
wilayah adalah PDRB, tingkat upah dan belanja pelayanan publik. Sedangkan
tingkat pertumbuhan ekonomi meskipun dapat menurunkan kemiskinan tetapi
responnya adalah inelastis, dengan kata lain trickel down effect yang
diharapkan dari pelaku ekonomi secara umum tidak berlaku di seluruh
wilayah.
7. Arus migarasi penduduk baik migrasi masuk maupun migrasi keluar,
dipengaruhi oleh perbedaan upah wilayah, tingkat pengangguran dan tingkat
kemiskinan di suatu wilayah, namun demikian seluruh variabel tersebut
secara ekonomi responnya inelastis, artinya bahwa arus migarasi penduduk
lebih ditentukan oleh faktor beaten path dibandingkan dengan faktor upah dan
kinerja perekonomian daerah yang akan dikunjungi oleh para migran.
8. Kerjasama perdagangan antara region selain disebabkan karena karakteristik
lokal daerah, juga sangat ditentukan oleh demografi wilayah tersebut. Dalam
arti bahwa, jika secara demografi region tersebut berdekatan maka volume
perdagangan mereka akan semakin besar.
9. Peningkatan investasi swasta secara keseluruhan memberikan dampak positif
bagi kinerja perekonomian wilayah kecuali untuk pengangguran masih
mengalami peningkatan, yang dinyalir disebabkan oleh meningkatnya jumlah
penduduk yang masuk.
10. Peningkatan investasi penemerintah juga secara keseluruhan memberikan
dampak positif bagi kinerja perekonomian wilayah kecuali untuk
pengangguran masih mengalami peningkatan, yang antara lain disebabkan
karena migrasi bersih yang semikin meningkat.
11. Peningkatan upah minimum regional berdampak langsung pada kenaikan
upah di seluruh wilayah, yang mengarah pada penurunan jumlah penduduk
miskin. Peningkatan upah minimum regional dalam rangka untuk
menigkatkan produktivitas tenaga kerja perlu secara keseluruhan memberikan
dampak positif bagi kinerja perekonomian wilayah terutama bagi wilayah
pulau Sumatera dan Nustenggara terutama digambarkan oleh turunnya jumlah
pengangguran.
Laporan Akhir Updating Model Keterkaitan Regional
104
105
12. Kenaikan belanja pelayanan publik berdampak positif bagi pertumbuhan
ekonomi yang digambarkan dari kenaikan PDRB pulau, peningkatan PDRB
tersebut akan mendorong pada kenaikan permintaan tenaga kerja namun
demikian permintaan tenaga kerja meningkatnya relatif kecil.
6.2. Implikasi Kebijakan
Aktivitas dan kegiatan ekonomi yang terpusat di wilayah pulau Jawa-Bali
merupakan hambatan terbesar bagi upaya pemerataan ekonomi antarpulau di
Indonesia. Untuk mengurangi atau meminimumkan fenomena tersebut sangat
diperlukan kebijakan pemerintah dengan menciptakan iklim investasi yang lebih
baik di wilayah Timur Indonesia. Peningkatan jumlah penduduk melalui arus
migrasi di hampir seluruh pulau memiliki dampak yang berbeda antara pulau, tetapi
umum migrasi penduduk ini berdampak pada peningkatan jumlah angkatan tenaga
kerja di pulau lain dan hal ini akan mendorong pada peningkatan pengangguran dan
penurunan tingkat upah di pulau lain. Untuk mengurangi arus net migrasi ini
disarankan kepada pemerintah setempat untuk melakukan intervensi melalui
pemberlakukan upah minimum regional yang layak sesuai dengan tingkat
kebutuhan hidup minimum pulau. Untuk menunjang pertumbuhan industri yang
dapat di respon dengan positif oleh investor, disarankan kepada pemerintah untuk
membangun dan memperbaiki infrastruktur fisik yang mendukung pada kegiatan
industri. Infrastruktur fisik yang penting diantaranya adalah sarana transportasi dan
komunikasi dan juga diperlukan intervensi pemerintah setempat untuk memberikan
berbagai macam insentif yang meringankan investor yang memilih lokasi usahanya.
Untuk mendorong peningkatan ekspor untuk barang dan jasa yang menjadi
unggulan, perlu dilakukan intervensi pemerintah daerah. Disarankan pemerintah
daerah berupaya dengan cara memberikan insentif untuk berproduksi bagi para
eksportir, seperti kemudahan dalam pengurusan administasi dan penurunan pajak.
Selain itu pemerintah juga berusaha memfasilitasi peningkatan produksi bagi usaha
mikro kecil dan menengah yang berorientasi ekspor. Implikasi dari kebijakan yang
mendorong ekspor tersebut diharapkan export bersih akan meningkat, dimana
permintaan terhadap tenaga kerja juga akan meningkat.
Dari stimulus investasi pemerintah, swasta dan belanja pelayanan publik
secara keseluruhan memberikan dampak positif bagi kinerja perekonomian
Laporan Akhir Updating Model Keterkaitan Regional
105
106
Laporan Akhir Updating Model Keterkaitan Regional
106
wilayah, tetapi terlihat pengangguran masih mengalami peningkatan. Dengan kata
lain bahwa setiap stimulus yang diberikan harus dibarengi dengan kesiapan wilayah
untuk menciptakan lapangan kerja bagi para pekerja baru, dan reformasi
administrasi kependudukan juga menjadi suatu skenario yang tepat baik dalam
menurunkan arus pergerakan penduduk, dengan demikian arus masuk penduduk
dari suatu wilayah satu ke wilayah lainnya dapat diantisipasi guna menahan
kenaikan jumlah penduduk yang menganggur.
6.3. Saran Penelitian Lanjutan
Model keterkaitan regional ini menjadi lebih baik dalam arti relatif
mendekati fenomena dunia nyata, maka sebaiknya wilayah dalam kajian ini
didisagregasi menjadi wilayah berdasarkan provinsi. Keuntungan dan kelebihan
model ini adalah pola atau arus migrasi, dan pola perdagangan telah dilakukan
disagregasi berdasarkan daerah tujuan (destination) dan dan daerah asal (origin),
sehingga perubahan perilaku dari suatu wilayah ke wilayah provinsi lainnya dapat
ditangkap atau dijelaskan di dalam model keterkaitan regional.
DAFTAR PUSTAKA
Blair, J. P. 1991. Urban and Regional Economics. Richard D. Irwin, Inc. Homewood, IL. Boston.
Branson, W. H. and J. M. Litvack. 1981. Macroeconomic. Second Edition. Harper & Row Publisher, New York.
Colter, J.M. 1984. Ciri-ciri dan Pola Tenaga Kerja Migran dari Daerah Perdesaan. Rural Dynamic Series No. 24. Studi Dinamika Perdesaan. Yayasan Penelitian Survey AgroEkonomi, Bogor.
Erwidodo. 1991. Urbanisasi Temporer di Jawa Barat. Monograph Series No. 4, Pusat Penelitian Sosial Ekonomi Pertanian. Dalam Monograf Dinamika Keterkaitan Desa-Kota di Jawa Barat. Arus Tenaga Kerja, Barang dan Kapital. Pusat Penelitian Sosial Ekonomi Pertanian, Bogor
Gunawan, M. dan A. Zulham. 1992. Dampak Migrasi Desa Kota Terhadap Sosial Ekonomi Perdesaan (Kasus Migrasi di Perdesaan Jawa Barat). Monograf Series No.4, Pusat Penelitian Sosial Ekonomi Pertanian, Badan Penelitian dan Pengembangan Pertanian, Departemen Pertanian, Bogor.
Hidayat, T. 1991. The Construction of Two Region Social Accounting Matrix for Indonesia and Its Application to Some Equity Issues. Ph.D Dissertation. Department of Economics, Cornell University, Ithaca.
Intriligator, M. D. 1978. Econometric Model, Techniques, and Applications. Prentice Hall Inc, New Jersey.
Koutsoyiannis, A. 1977. Theory of Econometrics: An Introductory Exposition of Econometic Methods. Second Edition. The MacMillan Press Ltd, London
Levy, M.B. dan W.J. Wadycki. 1974. Education and The Decision to Migrate : An Econometric Analysis of Migration in Venezuela. Econometric Jurnal, 42 (2) : 377-388.
McCann, P. 2001. Urban and Regional Economics. Oxford University Press. New York.
Mintchell. 1961. The Cause of Labour Migration in Migrant. Dalam I.B. Mantra dan M. Molo. 1985. Konferensi Nasional Pusat Studi Kependudukan III, Jakarta.
Pindyck, R. S. and D. L. Rubinfeld. 1991. Econometric Models and Economic Forcasts. Third Edition. McGraw-Hill Inc, New York.
Pyatt, G. and J.I. Round. 1985. Regional Account in a SAM Framework. The World Bank, Washington D.C.
Laporan Akhir Updating Model Keterkaitan Regional
108
Laporan Akhir Updating Model Keterkaitan Regional
Richardson, H.W. 1969. Regional Economics. Praeger Publisher, New York.
Rofiqoh. 1994. Analisis Faktor-Faktor yang Mempengaruhi Migrasi dan Produktivitas Pekerja di Kalimantan Timur. Skripsi Sarjana. Jurusan Ilmu-Ilmu Sosial Ekonomi Pertanian, Fakultas Pertanian, Institut Pertanian Bogor, Bogor.
Romer, D. 1996. Advanced Macroeconomics. McGraw Hill Companies, Inc. Berkeley, USA.
Sutomo, S. 1995. Kemiskinan dan Pembangunan Ekonomi Wilayah: Analisis Sistem Neraca Sosial Ekonomi. Disertasi Doktor. Program Pascasarjana, Institut Pertanian Bogor, Bogor.
Syafa’at, N., C. Saleh dan A.S. Bagi. 1998. Dampak Mobilitas Angkatan Kerja Terhadap Penyerapan Tenaga Kerja dan Pendapatan Rumah Tangga Perdesaan. Makalah Disampaikan Dalam Seminar Nasional Pembangunan Pertanian dan Perdesaan Dalam Otonomi Daerah, Bogor, 16-17 November 1998, Bogor.
Tirtosudarmo, R. 1985. Migration Decision Making. The Casae of East Java. National Institut of Economic and Social Research, Jakarta.
Todaro, M. P. 2000. Economic Development. Pearson Education Limited, New York.
Treyz, George I. 1993. Regional Economic Modelling : A Systematic Approach to Economic Forecasting and Policy Analysis, Kluwer Academic Publisher, USA.
Tumenggung, Y.A. 1995. An Interregional Computable General Equilibrium Model for Indonesia: Measuring the Regional Economic Consequences of National Tax Policy. Ph.D Dissertation. Regional Science Program, Cornell University, Ithaca.
Worldbank, 2007. Kajian Pengeluaran Publik Indonesia: Memaksimalkan Peluang Baru. Worldbank Indonesia, Jakarta.
Wuryanto, L.E. 1996. Fiscal Decentralitation and Economic Performance In Indonesia : An Interregional Computable General Ekuilibrium Approach. Ph.D. Dissertation. Faculty of Graduate School, Cornell University, Ithaca.
Wie, T.K. 1981. Pembangunan Ekonomi dan Pemerataan: Beberapa Pendekatan Alternatif. LP3ES, Jakarta.
LAMPIRAN
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Model Summary
Model Variables 329
Endogenous 203
Exogenous 126
Parameters 989
ID Variables 1
Equations 203
Number of Statements 245
Program Lag Length 1
The 203 Equations to Estimate
LnPDRB1 = F(a11, a12, a13, a14(DK), a15)
LnPDRB2 = F(a20(1), a21, a22, a23, a25)
LnPDRB3 = F(a30(1), a31, a32, a33, a35)
LnPDRB4 = F(a40(1), a41, a42, a45)
LnPDRB5 = F(a51, a52, a53, a55)
LnPDRB6 = F(a61, a62, a63)
LnPDRB7 = F(a70(1), a71, a72, a73, a75)
LnTK1 = F(b10(1), b11, b12, b13(NX1), b15)
LnTK2 = F(b20(1), b21, b22, b23, b25)
LnTK3 = F(b30(1), b31, b32, b35)
LnTK4 = F(b40(1), b41, b42, b43(NX4), b45)
LnTK5 = F(b50(1), b51, b52, b53(NX5), b55)
LnTK6 = F(b60(1), b61, b62(LnPDRB6), b63(NX6), b65)
LnTK7 = F(b70(1), b71, b72, b73(NX7), b75)
LnLF1 = F(c10(1), c11, c12, c14)
LnLF2 = F(c20(1), c21, c22, c24)
LnLF3 = F(c30(1), c31, c32, c34)
LnLF4 = F(c40(1), c41, c42, c44)
LnLF5 = F(c50(1), c51, c52, c54)
LnLF6 = F(c60(1), c61, c62, c64)
LnLF7 = F(c70(1), c71, c72, c74)
LnUpah1 = F(d10(1), d11, d12, d14)
LnUpah2 = F(d20(1), d21, d22, d23, d24)
LnUpah3 = F(d30(1), d31, d32, d33, d34)
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
The 203 Equations to Estimate
LnUpah4 = F(d40(1), d41, d42, d43, d44)
LnUpah5 = F(d50(1), d51, d52, d53, d54)
LnUpah6 = F(d60(1), d61, d62, d63, d64)
LnUpah7 = F(d70(1), d71, d72, d73, d74)
LnPOV1 = F(e10(1), e11, e12, e14, e15)
LnPOV2 = F(e20(1), e21, e23, e24, e25)
LnPOV3 = F(e30(1), e31, e32, e33, e34, e35)
LnPOV4 = F(e40(1), e41, e43, e44, e45)
LnPOV5 = F(e50(1), e51, e52, e53, e54, e55)
LnPOV6 = F(e60(1), e61(LnPDRB6), e62, e63, e64, e65)
LnPOV7 = F(e70(1), e71, e72, e73, e75)
LnMI1D2 = F(f10(1), f11, f12, f13, f14)
LnMI1D3 = F(f20(1), f21, f22, f23, f24)
LnMI1D4 = F(f30(1), f31, f32, f33, f34)
LnMI1D5 = F(f40(1), f41, f42, f43, f44)
LnMI1D6 = F(f50(1), f51, f52, f53, f54)
LnMI1D7 = F(f60(1), f61, f62, f63, f64)
LnMI2D1 = F(g10(1), g11, g12, g13, g14)
LnMI2D3 = F(g20(1), g21, g22, g23, g24)
LnMI2D4 = F(g30(1), g31, g32, g33, g34)
LnMI2D5 = F(g40(1), g41, g42, g43, g44)
LnMI2D6 = F(g50(1), g51, g52, g53, g54)
LnMI2D7 = F(g60(1), g61, g62, g63, g64)
LnMI3D1 = F(h10(1), h11, h12, h13, h14)
LnMI3D2 = F(h20(1), h21, h22, h23, h24)
LnMI3D4 = F(h30(1), h31, h32, h33, h34)
LnMI3D5 = F(h40(1), h41, h42, h43, h44)
LnMI3D6 = F(h50(1), h51, h52, h53, h54)
LnMI3D7 = F(h60(1), h61, h62, h63, h64)
LnMI4D1 = F(i10(1), i11, i12, i13, i14)
LnMI4D2 = F(i20(1), i21, i22, i23, i24)
LnMI4D3 = F(i30(1), i31, i32, i33, i34)
LnMI4D5 = F(i40(1), i41, i42, i43, i44)
LnMI4D6 = F(i50(1), i51, i52, i53, i54)
LnMI4D7 = F(i60(1), i61, i62, i63, i64)
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
The 203 Equations to Estimate
LnMI5D1 = F(j10(1), j11, j12, j13, j14)
LnMI5D2 = F(j20(1), j21, j22, j23, j24)
LnMI5D3 = F(j30(1), j31, j32, j33, j34)
LnMI5D4 = F(j40(1), j41, j42, j43, j44)
LnMI5D6 = F(j50(1), j51, j52, j53, j54)
LnMI5D7 = F(j60(1), j61, j62, j63, j64)
LnMI6D1 = F(k10(1), k11, k12(LnPDRB6), k13, k14)
LnMI6D2 = F(k20(1), k21, k22(LnPDRB6), k23, k24)
LnMI6D3 = F(k30(1), k31, k32(LnPDRB6), k33, k34)
LnMI6D4 = F(k40(1), k41, k42(LnPDRB6), k43, k44)
LnMI6D5 = F(k50(1), k51, k52(LnPDRB6), k53, k54)
LnMI6D7 = F(k60(1), k61, k62(LnPDRB6), k63, k64)
LnMI7D1 = F(l10(1), l11, l12, l14)
LnMI7D2 = F(l20(1), l21, l22, l23, l24)
LnMI7D3 = F(l30(1), l31, l32, l33, l34)
LnMI7D4 = F(l40(1), l41, l42, l44)
LnMI7D5 = F(l50(1), l51, l52, l54)
LnMI7D6 = F(l60(1), l61, l62, l64)
LnMO1K2 = F(m10(1), m11, m12, m13, m14)
LnMO1K3 = F(m20(1), m21, m22, m23, m24)
LnMO1K4 = F(m30(1), m31, m32, m33, m34)
LnMO1K5 = F(m40(1), m41, m42, m43, m44)
LnMO1K6 = F(m50(1), m51, m52(LnPDRB6), m53, m54)
LnMO1K7 = F(m60(1), m61, m62, m63, m64)
LnMO2K1 = F(n10(1), n11, n12, n14)
LnMO2K3 = F(n20(1), n21, n22)
LnMO2K4 = F(n30(1), n31, n32, n34)
LnMO2K5 = F(n40(1), n41, n42, n44)
LnMO2K6 = F(n50(1), n51, n52(LnPDRB6), n54)
LnMO2K7 = F(n60(1), n61, n62, n64)
LnMO3K1 = F(o10(1), o11, o12, o13, o14)
LnMO3K2 = F(o20(1), o21, o22, o23, o24)
LnMO3K4 = F(o30(1), o31, o32, o33, o34)
LnMO3K5 = F(o40(1), o41, o42, o43, o44)
LnMO3K6 = F(o50(1), o51, o52(LnPDRB6), o53, o54)
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
The 203 Equations to Estimate
LnMO3K7 = F(o61, o63, o65)
LnMO4K1 = F(p10(1), p11, p12, p13, p14)
LnMO4K2 = F(p20(1), p21, p22, p23, p24)
LnMO4K3 = F(p30(1), p31, p32, p33, p34)
LnMO4K5 = F(p40(1), p41, p42, p43)
LnMO4K6 = F(p50(1), p51, p52(LnPDRB6), p53)
LnMO4K7 = F(p60(1), p61, p62, p63, p64)
LnMO5K1 = F(q10(1), q11, q12, q13, q14)
LnMO5K2 = F(q20(1), q21, q22, q23, q24)
LnMO5K3 = F(q30(1), q31, q32, q33, q34)
LnMO5K4 = F(q40(1), q41, q42, q43, q44)
LnMO5K6 = F(q50(1), q51, q52(LnPDRB6), q53, q54)
LnMO5K7 = F(q60(1), q61, q62, q63, q64)
LnMO6K1 = F(r10(1), r11, r12, r13, r14)
LnMO6K2 = F(r20(1), r21, r22, r23, r24)
LnMO6K3 = F(r30(1), r31, r32, r33, r34)
LnMO6K4 = F(r40(1), r41, r42, r43, r44)
LnMO6K5 = F(r50(1), r51, r52, r53, r54)
LnMO6K7 = F(r60(1), r61, r62, r63, r64)
LnMO7K1 = F(s10(1), s11, s12, s13, s14)
LnMO7K2 = F(s20(1), s21, s22, s23, s24)
LnMO7K3 = F(s30(1), s31, s32, s33, s34)
LnMO7K4 = F(s40(1), s41, s42, s43, s44)
LnMO7K5 = F(s50(1), s51, s52, s53, s54)
LnMO7K6 = F(s60(1), s61, s62(LnPDRB6), s63, s64)
LnX1K2 = F(t10(1), t11, t12, t13, t14)
LnX1K3 = F(t20(1), t21, t22, t23, t24)
LnX1K4 = F(t30(1), t31, t32, t33, t34)
LnX1K5 = F(t40(1), t41, t42, t43, t44)
LnX1K6 = F(t50(1), t51, t52(LnPDRB6), t53, t54)
LnX1K7 = F(t60(1), t61, t62, t63, t64)
LnX2K1 = F(u10(1), u11, u12, u13, u14)
LnX2K3 = F(u20(1), u21, u22, u23, u24)
LnX2K4 = F(u30(1), u31, u32, u33, u34)
LnX2K5 = F(u40(1), u41, u42, u43, u44)
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
The 203 Equations to Estimate
LnX2K6 = F(u50(1), u51, u52(LnPDRB6), u53, u54)
LnX2K7 = F(u60(1), u61, u62, u63, u64)
LnX3K1 = F(v10(1), v11, v12, v13, v14)
LnX3K2 = F(v20(1), v21, v22, v23, v24)
LnX3K4 = F(v30(1), v31, v32, v33, v34)
LnX3K5 = F(v40(1), v41, v42, v43, v44)
LnX3K6 = F(v50(1), v51, v52(LnPDRB6), v53, v54)
LnX3K7 = F(v60(1), v61, v62, v63, v64)
LnX4K1 = F(w10(1), w11, w12, w13, w14)
LnX4K2 = F(w20(1), w21, w22, w23, w24)
LnX4K3 = F(w30(1), w31, w32, w33, w34)
LnX4K5 = F(w40(1), w41, w42, w43, w44)
LnX4K6 = F(w50(1), w51, w52(LnPDRB6), w53, w54)
LnX4K7 = F(w60(1), w61, w62, w63, w64)
LnX5K1 = F(x10(1), x11, x12, x13, x14)
LnX5K2 = F(x20(1), x21, x22, x23, x24)
LnX5K3 = F(x30(1), x31, x32, x33, x34)
LnX5K4 = F(x40(1), x41, x42, x43, x44)
LnX5K6 = F(x50(1), x51, x52(LnPDRB6), x53, x54)
LnX5K7 = F(x60(1), x61, x62, x63, x64)
LnX6K1 = F(y10(1), y11, y12, y13, y14)
LnX6K2 = F(y20(1), y21, y22, y23, y24)
LnX6K3 = F(y30(1), y31, y32, y33, y34)
LnX6K4 = F(y40(1), y41, y42, y43, y44)
LnX6K5 = F(y50(1), y51, y52, y53, y54)
LnX6K7 = F(y60(1), y61, y62, y63, y64)
LnX7K1 = F(z10(1), z11, z12, z13, z14)
LnX7K2 = F(z20(1), z21, z22, z23, z24)
LnX7K3 = F(z30(1), z31, z32, z33, z34)
LnX7K4 = F(z40(1), z41, z42, z43, z44)
LnX7K5 = F(z50(1), z51, z52, z53, z54)
LnX7K6 = F(z60(1), z61, z62(LnPDRB6), z63, z64)
LnM1D2 = F(aa10(1), aa11, aa12, aa13, aa14)
LnM1D3 = F(aa20(1), aa21, aa22, aa23, aa24)
LnM1D4 = F(aa30(1), aa31, aa32, aa33, aa34)
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
The 203 Equations to Estimate
LnM1D5 = F(aa40(1), aa41, aa42, aa43, aa44)
LnM1D6 = F(aa50(1), aa51, aa52, aa53, aa54)
LnM1D7 = F(aa60(1), aa61, aa62, aa63, aa64)
LnM2D1 = F(bb10(1), bb11, bb12, bb13, bb14)
LnM2D3 = F(bb20(1), bb21, bb22, bb23, bb24)
LnM2D4 = F(bb30(1), bb31, bb32, bb33, bb34)
LnM2D5 = F(bb40(1), bb41, bb42, bb43, bb44)
LnM2D6 = F(bb50(1), bb51, bb52, bb53, bb54)
LnM2D7 = F(bb60(1), bb61, bb62, bb63, bb64)
LnM3D1 = F(cc10(1), cc11, cc12, cc13, cc14)
LnM3D2 = F(cc20(1), cc21, cc22, cc23, cc24)
LnM3D4 = F(cc30(1), cc31, cc32, cc33, cc34)
LnM3D5 = F(cc40(1), cc41, cc42, cc43, cc44)
LnM3D6 = F(cc50(1), cc51, cc52, cc53, cc54)
LnM3D7 = F(cc60(1), cc61, cc62, cc63, cc64)
LnM4D1 = F(dd10(1), dd11, dd12, dd13, dd14)
LnM4D2 = F(dd20(1), dd21, dd22, dd23, dd24)
LnM4D3 = F(dd30(1), dd31, dd32, dd33, dd34)
LnM4D5 = F(dd40(1), dd41, dd42, dd43, dd44)
LnM4D6 = F(dd50(1), dd51, dd52, dd53, dd54)
LnM4D7 = F(dd60(1), dd61, dd62, dd63, dd64)
LnM5D1 = F(ee10(1), ee11, ee12, ee13, ee14)
LnM5D2 = F(ee20(1), ee21, ee22, ee23, ee24)
LnM5D3 = F(ee30(1), ee31, ee32, ee33, ee34)
LnM5D4 = F(ee40(1), ee41, ee42, ee43, ee44)
LnM5D6 = F(ee50(1), ee51, ee52, ee53, ee54)
LnM5D7 = F(ee60(1), ee61, ee62, ee63, ee64)
LnM6D1 = F(ff10(1), ff11, ff12(LnPDRB6), ff13, ff14)
LnM6D2 = F(ff20(1), ff21, ff22(LnPDRB6), ff23, ff24)
LnM6D3 = F(ff30(1), ff31, ff32(LnPDRB6), ff33, ff34)
LnM6D4 = F(ff40(1), ff41, ff42(LnPDRB6), ff43)
LnM6D5 = F(ff50(1), ff51, ff52(LnPDRB6), ff53, ff54)
LnM6D7 = F(ff60(1), ff61, ff62(LnPDRB6), ff63, ff64)
LnM7D1 = F(gg10(1), gg11, gg12, gg13, gg14)
LnM7D2 = F(gg20(1), gg21, gg22, gg23, gg24)
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
The 203 Equations to Estimate
LnM7D3 = F(gg30(1), gg31, gg32, gg33, gg34)
LnM7D4 = F(gg40(1), gg41, gg42, gg43, gg44)
LnM7D5 = F(gg50(1), gg51, gg52, gg53, gg54)
LnM7D6 = F(gg60(1), gg61, gg62, gg63, gg64)
Instruments 1 UN1 UN2 UN3 UN4 UN5 UN6 UN7 NMG1 NMG2 NMG3 NMG4 NMG5 NMG6 NMG7 POP1 POP2 BPP6 NX1 NX2 NX3 NX4 NX5 NX6 NX7 X1T X2T X3T X4T X5T X6T X7T
The estimation lag length 1
NOTE: At 2SLS Iteration 1 CONVERGE=0.001 Criteria Met.
Regional Economic and Demographi Indonesian Model
The MODEL Procedure2SLS Estimation Summary
Data Set Options
DATA= ANALISIS
Minimization Summary
Parameters Estimated 989
Method Gauss
Iterations 1
Final Convergence Criteria
R 1.8E-9
PPC(e12) 5.956E-7
RPC(e60) 4315220
Object 0.998018
Trace(S) 15.30529
Objective Value 12.99923
Observations Processed
Read 34
Solved 33
First 2
Last 34
Lagged 1
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Summary of Residual Errors
Equation DF
Model DF
Error SSE MSE Root MSE R-SquareAdj
R-Sq Durbin Watson
LnPDRB1 5 28 0.2322 0.00829 0.0911 0.9822 0.9796 1.4512
LnPDRB2 5 28 0.1774 0.00634 0.0796 0.9911 0.9898 1.4369
LnPDRB3 5 28 0.1724 0.00616 0.0785 0.9890 0.9874 2.1410
LnPDRB4 4 29 0.1143 0.00394 0.0628 0.9915 0.9906 1.5160
LnPDRB5 4 29 1.1047 0.0381 0.1952 0.9248 0.9170 2.3077
LnPDRB6 3 30 4.4124 0.1471 0.3835 0.4540 0.4176 0.5195
LnPDRB7 5 28 0.4803 0.0172 0.1310 0.9743 0.9706 1.9678
LnTK1 5 28 0.0342 0.00122 0.0349 0.9549 0.9484 2.6765
LnTK2 5 28 0.0833 0.00297 0.0545 0.7855 0.7549 2.0648
LnTK3 4 29 0.1284 0.00443 0.0665 0.9061 0.8964 2.1991
LnTK4 5 28 0.0726 0.00259 0.0509 0.8901 0.8743 2.3360
LnTK5 5 28 0.0128 0.000456 0.0213 0.9805 0.9777 2.0853
LnTK6 5 28 0.2628 0.00938 0.0969 0.7743 0.7420 1.9830
LnTK7 5 28 0.1814 0.00648 0.0805 0.9064 0.8931 1.7841
LnLF1 4 29 0.00306 0.000106 0.0103 0.9971 0.9968 1.0681
LnLF2 4 29 0.00734 0.000253 0.0159 0.9870 0.9857 0.7373
LnLF3 4 29 0.00394 0.000136 0.0116 0.9977 0.9974 0.8928
LnLF4 4 29 0.00720 0.000248 0.0158 0.9927 0.9919 0.8509
LnLF5 4 29 0.00219 0.000076 0.00869 0.9974 0.9971 0.9175
LnLF6 4 29 0.0258 0.000889 0.0298 0.9775 0.9751 0.4593
LnLF7 4 29 0.00252 0.000087 0.00933 0.9989 0.9988 1.7485
LnUpah1 4 29 0.6076 0.0210 0.1447 0.9642 0.9605 1.9261
LnUpah2 5 28 0.3935 0.0141 0.1185 0.9858 0.9838 1.4595
LnUpah3 5 28 0.2093 0.00748 0.0865 0.9909 0.9896 1.3918
LnUpah4 5 28 0.5001 0.0179 0.1336 0.9801 0.9773 2.0700
LnUpah5 5 28 0.2561 0.00914 0.0956 0.9933 0.9924 2.2037
LnUpah6 5 28 0.3570 0.0127 0.1129 0.9895 0.9880 2.3709
LnUpah7 5 28 0.1887 0.00674 0.0821 0.9951 0.9944 2.2386
LnPOV1 5 28 0.4037 0.0144 0.1201 0.8659 0.8467 1.7235
LnPOV2 5 28 0.1600 0.00571 0.0756 0.9623 0.9569 1.4875
LnPOV3 6 27 0.2767 0.0102 0.1012 0.6388 0.5719 1.1747
LnPOV4 5 28 0.1770 0.00632 0.0795 0.7361 0.6984 1.9599
LnPOV5 6 27 0.1694 0.00628 0.0792 0.6459 0.5803 1.4406
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Summary of Residual Errors
Equation DF
Model DF
Error SSE MSE Root MSE R-SquareAdj
R-Sq Durbin Watson
LnPOV6 6 27 0.4072 0.0151 0.1228 0.8623 0.8368 1.3663
LnPOV7 5 28 0.6624 0.0237 0.1538 0.7154 0.6748 1.4761
LnMI1D2 5 28 0.4335 0.0155 0.1244 0.9054 0.8919 1.2879
LnMI1D3 5 28 1.9249 0.0687 0.2622 0.8019 0.7736 2.1459
LnMI1D4 5 28 1.0359 0.0370 0.1923 0.9094 0.8964 0.8920
LnMI1D5 5 28 1.4662 0.0524 0.2288 0.7010 0.6583 1.7420
LnMI1D6 5 28 1.4662 0.0524 0.2288 0.7010 0.6583 1.7420
LnMI1D7 5 28 1.4662 0.0524 0.2288 0.7010 0.6583 1.7420
LnMI2D1 5 28 1.3894 0.0496 0.2228 0.6879 0.6433 1.7057
LnMI2D3 5 28 0.9420 0.0336 0.1834 0.8220 0.7966 1.5591
LnMI2D4 5 28 3.8893 0.1389 0.3727 0.6569 0.6079 1.7316
LnMI2D5 5 28 4.4980 0.1606 0.4008 0.7177 0.6774 1.9510
LnMI2D6 5 28 4.4980 0.1606 0.4008 0.7177 0.6774 1.9510
LnMI2D7 5 28 4.4980 0.1606 0.4008 0.7177 0.6774 1.9510
LnMI3D1 5 28 2.3311 0.0833 0.2885 0.5942 0.5362 2.1538
LnMI3D2 5 28 0.4971 0.0178 0.1332 0.8525 0.8314 1.1268
LnMI3D4 5 28 2.3297 0.0832 0.2885 0.6584 0.6096 2.0659
LnMI3D5 5 28 11.7162 0.4184 0.6469 0.4123 0.3283 2.0478
LnMI3D6 5 28 11.7162 0.4184 0.6469 0.4123 0.3283 2.0478
LnMI3D7 5 28 11.7162 0.4184 0.6469 0.4123 0.3283 2.0478
LnMI4D1 5 28 0.5553 0.0198 0.1408 0.8300 0.8057 1.0611
LnMI4D2 5 28 1.4007 0.0500 0.2237 0.7351 0.6972 1.9391
LnMI4D3 5 28 2.0809 0.0743 0.2726 0.3399 0.2457 1.9858
LnMI4D5 5 28 1.2712 0.0454 0.2131 0.8476 0.8258 1.7877
LnMI4D6 5 28 1.2712 0.0454 0.2131 0.8476 0.8258 1.7877
LnMI4D7 5 28 1.2712 0.0454 0.2131 0.8476 0.8258 1.7877
LnMI5D1 5 28 1.9899 0.0711 0.2666 0.5812 0.5214 2.5220
LnMI5D2 5 28 0.6847 0.0245 0.1564 0.7979 0.7691 2.2581
LnMI5D3 5 28 0.4541 0.0162 0.1273 0.9385 0.9297 2.0704
LnMI5D4 5 28 0.6872 0.0245 0.1567 0.8167 0.7905 2.5017
LnMI5D6 5 28 0.6872 0.0245 0.1567 0.8167 0.7905 2.5017
LnMI5D7 5 28 0.6872 0.0245 0.1567 0.8167 0.7905 2.5017
LnMI6D1 5 28 1.7518 0.0626 0.2501 0.6314 0.5787 2.4375
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Summary of Residual Errors
Equation DF
Model DF
Error SSE MSE Root MSE R-SquareAdj
R-Sq Durbin Watson
LnMI6D2 5 28 0.6720 0.0240 0.1549 0.8017 0.7733 2.4265
LnMI6D3 5 28 0.5773 0.0206 0.1436 0.9218 0.9107 2.3550
LnMI6D4 5 28 0.6640 0.0237 0.1540 0.8228 0.7975 2.4271
LnMI6D5 5 28 0.6640 0.0237 0.1540 0.8228 0.7975 2.4271
LnMI6D7 5 28 0.6640 0.0237 0.1540 0.8228 0.7975 2.4271
LnMI7D1 4 29 2.1840 0.0753 0.2744 0.5404 0.4929 2.4952
LnMI7D2 5 28 0.7033 0.0251 0.1585 0.7924 0.7628 2.2419
LnMI7D3 5 28 0.5531 0.0198 0.1405 0.9251 0.9144 2.2431
LnMI7D4 4 29 0.8009 0.0276 0.1662 0.7863 0.7642 2.5217
LnMI7D5 4 29 0.8009 0.0276 0.1662 0.7863 0.7642 2.5217
LnMI7D6 4 29 0.8009 0.0276 0.1662 0.7863 0.7642 2.5217
LnMO1K2 5 28 0.8680 0.0310 0.1761 0.8592 0.8391 1.8488
LnMO1K3 5 28 1.7441 0.0623 0.2496 0.8596 0.8395 2.1073
LnMO1K4 5 28 2.2183 0.0792 0.2815 0.6811 0.6356 1.6519
LnMO1K5 5 28 4.1559 0.1484 0.3853 0.5155 0.4462 2.0623
LnMO1K6 5 28 0.9884 0.0353 0.1879 0.8882 0.8722 1.9322
LnMO1K7 5 28 1.0203 0.0364 0.1909 0.8349 0.8113 1.5619
LnMO2K1 4 29 0.2840 0.00979 0.0990 0.9452 0.9396 0.7844
LnMO2K3 3 30 2.2325 0.0744 0.2728 0.3837 0.3426 0.2495
LnMO2K4 4 29 0.5015 0.0173 0.1315 0.9069 0.8973 2.0898
LnMO2K5 4 29 1.1415 0.0394 0.1984 0.9083 0.8988 1.2240
LnMO2K6 4 29 1.0432 0.0360 0.1897 0.9162 0.9075 1.4730
LnMO2K7 4 29 1.0306 0.0355 0.1885 0.9172 0.9087 1.3415
LnMO3K1 5 28 0.7839 0.0280 0.1673 0.9152 0.9031 1.1854
LnMO3K2 5 28 0.2770 0.00989 0.0995 0.9539 0.9474 1.4706
LnMO3K4 5 28 0.3958 0.0141 0.1189 0.9384 0.9296 1.4150
LnMO3K5 5 28 1.8324 0.0654 0.2558 0.9130 0.9006 2.4431
LnMO3K6 5 28 1.8151 0.0648 0.2546 0.9138 0.9015 2.4053
LnMO3K7 3 30 2.1663 0.0722 0.2687 0.8971 0.8903 2.1216
LnMO4K1 5 28 0.6364 0.0227 0.1508 0.9554 0.9491 0.7260
LnMO4K2 5 28 1.0904 0.0389 0.1973 0.9319 0.9222 0.6462
LnMO4K3 5 28 0.7088 0.0253 0.1591 0.9629 0.9576 0.6390
LnMO4K5 4 29 4.4249 0.1526 0.3906 0.2261 0.1460 0.2490
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Summary of Residual Errors
Equation DF
Model DF
Error SSE MSE Root MSE R-SquareAdj
R-Sq Durbin Watson
LnMO4K6 4 29 4.1927 0.1446 0.3802 0.2667 0.1908 0.3367
LnMO4K7 5 28 0.5196 0.0186 0.1362 0.9091 0.8961 1.0653
LnMO5K1 5 28 2.8719 0.1026 0.3203 0.8123 0.7855 2.1152
LnMO5K2 5 28 2.8214 0.1008 0.3174 0.8565 0.8360 2.3221
LnMO5K3 5 28 3.5949 0.1284 0.3583 0.8188 0.7929 1.9910
LnMO5K4 5 28 2.2698 0.0811 0.2847 0.7665 0.7332 2.0956
LnMO5K6 5 28 2.4567 0.0877 0.2962 0.7473 0.7112 2.1597
LnMO5K7 5 28 1.5804 0.0564 0.2376 0.8374 0.8142 2.1829
LnMO6K1 5 28 1.8997 0.0678 0.2605 0.8281 0.8035 2.0193
LnMO6K2 5 28 1.9614 0.0700 0.2647 0.8588 0.8386 1.9263
LnMO6K3 5 28 2.9249 0.1045 0.3232 0.8386 0.8155 2.0398
LnMO6K4 5 28 1.8966 0.0677 0.2603 0.7153 0.6747 2.1739
LnMO6K5 5 28 1.8323 0.0654 0.2558 0.7250 0.6857 2.2497
LnMO6K7 5 28 1.8907 0.0675 0.2599 0.7162 0.6757 2.1481
LnMO7K1 5 28 1.8220 0.0651 0.2551 0.8351 0.8115 2.0784
LnMO7K2 5 28 2.0143 0.0719 0.2682 0.8550 0.8343 2.0505
LnMO7K3 5 28 2.8623 0.1022 0.3197 0.8420 0.8195 2.0434
LnMO7K4 5 28 1.8361 0.0656 0.2561 0.7244 0.6850 2.2150
LnMO7K5 5 28 1.8491 0.0660 0.2570 0.7225 0.6828 2.0735
LnMO7K6 5 28 1.9116 0.0683 0.2613 0.7131 0.6721 2.1719
LnX1K2 5 28 0.2245 0.00802 0.0895 0.9361 0.9269 1.8168
LnX1K3 5 28 0.7209 0.0257 0.1605 0.4400 0.3600 1.9282
LnX1K4 5 28 1.2188 0.0435 0.2086 0.7450 0.7085 1.6277
LnX1K5 5 28 35.3432 1.2623 1.1235 0.2409 0.1324 2.1763
LnX1K6 5 28 1.2288 0.0439 0.2095 0.7429 0.7061 1.6702
LnX1K7 5 28 34.4915 1.2318 1.1099 0.2591 0.1533 2.2245
LnX2K1 5 28 0.1899 0.00678 0.0823 0.9896 0.9881 2.2066
LnX2K3 5 28 0.3068 0.0110 0.1047 0.9811 0.9784 1.9501
LnX2K4 5 28 0.5854 0.0209 0.1446 0.9712 0.9671 2.0981
LnX2K5 5 28 0.5072 0.0181 0.1346 0.9699 0.9656 1.9434
LnX2K6 5 28 0.6273 0.0224 0.1497 0.9628 0.9575 2.1084
LnX2K7 5 28 0.5584 0.0199 0.1412 0.9669 0.9622 1.9756
LnX3K1 5 28 0.3350 0.0120 0.1094 0.9814 0.9787 1.6634
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Summary of Residual Errors
Equation DF
Model DF
Error SSE MSE Root MSE R-SquareAdj
R-Sq Durbin Watson
LnX3K2 5 28 0.2607 0.00931 0.0965 0.9823 0.9797 2.0479
LnX3K4 5 28 0.8556 0.0306 0.1748 0.9609 0.9553 1.5602
LnX3K5 5 28 0.4822 0.0172 0.1312 0.9709 0.9667 1.6955
LnX3K6 5 28 0.7379 0.0264 0.1623 0.9553 0.9489 1.8105
LnX3K7 5 28 0.4051 0.0145 0.1203 0.9756 0.9721 1.7132
LnX4K1 5 28 0.2576 0.00920 0.0959 0.9656 0.9606 1.7452
LnX4K2 5 28 0.2512 0.00897 0.0947 0.9606 0.9549 1.6281
LnX4K3 5 28 1.0411 0.0372 0.1928 0.9008 0.8866 1.8865
LnX4K5 5 28 0.2991 0.0107 0.1034 0.9445 0.9366 1.8469
LnX4K6 5 28 0.4094 0.0146 0.1209 0.9240 0.9132 2.1908
LnX4K7 5 28 0.3621 0.0129 0.1137 0.9328 0.9232 2.0608
LnX5K1 5 28 6.5716 0.2347 0.4845 0.6680 0.6206 1.8061
LnX5K2 5 28 5.0267 0.1795 0.4237 0.7376 0.7001 2.1398
LnX5K3 5 28 5.5523 0.1983 0.4453 0.7571 0.7224 1.8838
LnX5K4 5 28 8.2879 0.2960 0.5441 0.5841 0.5247 1.9117
LnX5K6 5 28 3.1024 0.1108 0.3329 0.8370 0.8137 2.1154
LnX5K7 5 28 5.5732 0.1990 0.4461 0.7071 0.6653 1.8683
LnX6K1 5 28 1.3539 0.0484 0.2199 0.9169 0.9050 1.3581
LnX6K2 5 28 0.2601 0.00929 0.0964 0.9809 0.9781 1.9776
LnX6K3 5 28 0.9515 0.0340 0.1843 0.9342 0.9248 1.5251
LnX6K4 5 28 1.5230 0.0544 0.2332 0.9196 0.9081 2.2153
LnX6K5 5 28 0.3194 0.0114 0.1068 0.9778 0.9746 1.8331
LnX6K7 5 28 0.3067 0.0110 0.1047 0.9787 0.9756 1.8399
LnX7K1 5 28 1.3085 0.0467 0.2162 0.9259 0.9154 1.6755
LnX7K2 5 28 0.4123 0.0147 0.1213 0.9757 0.9722 1.6154
LnX7K3 5 28 1.1386 0.0407 0.2017 0.9495 0.9422 1.7151
LnX7K4 5 28 1.8627 0.0665 0.2579 0.9005 0.8863 2.3997
LnX7K5 5 28 0.3907 0.0140 0.1181 0.9784 0.9753 1.5619
LnX7K6 5 28 0.3783 0.0135 0.1162 0.9791 0.9761 1.6067
LnM1D2 5 28 0.3756 0.0134 0.1158 0.8960 0.8812 2.2943
LnM1D3 5 28 0.2408 0.00860 0.0927 0.7121 0.6710 2.1314
LnM1D4 5 28 0.8577 0.0306 0.1750 0.6927 0.6488 2.0232
LnM1D5 5 28 4.2614 0.1522 0.3901 0.3971 0.3110 1.6340
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Summary of Residual Errors
Equation DF
Model DF
Error SSE MSE Root MSE R-SquareAdj
R-Sq Durbin Watson
LnM1D6 5 28 11.0256 0.3938 0.6275 0.3337 0.2385 1.7519
LnM1D7 5 28 1.9010 0.0679 0.2606 0.6153 0.5604 2.0366
LnM2D1 5 28 0.4516 0.0161 0.1270 0.9540 0.9474 1.7406
LnM2D3 5 28 0.4222 0.0151 0.1228 0.9108 0.8981 1.8117
LnM2D4 5 28 1.0302 0.0368 0.1918 0.8681 0.8493 1.4749
LnM2D5 5 28 1.4989 0.0535 0.2314 0.7537 0.7185 1.6538
LnM2D6 5 28 1.4989 0.0535 0.2314 0.7537 0.7185 1.6538
LnM2D7 5 28 1.4989 0.0535 0.2314 0.7537 0.7185 1.6538
LnM3D1 5 28 0.6272 0.0224 0.1497 0.9240 0.9132 1.6828
LnM3D2 5 28 0.6049 0.0216 0.1470 0.8972 0.8825 1.7275
LnM3D4 5 28 1.4974 0.0535 0.2313 0.8515 0.8303 1.3453
LnM3D5 5 28 0.8197 0.0293 0.1711 0.8853 0.8689 1.8565
LnM3D6 5 28 0.8197 0.0293 0.1711 0.8853 0.8689 1.8565
LnM3D7 5 28 0.8197 0.0293 0.1711 0.8853 0.8689 1.8565
LnM4D1 5 28 0.7089 0.0253 0.1591 0.7553 0.7204 1.4018
LnM4D2 5 28 0.5825 0.0208 0.1442 0.7007 0.6580 1.2244
LnM4D3 5 28 0.4476 0.0160 0.1264 0.7994 0.7708 1.6016
LnM4D5 5 28 0.3707 0.0132 0.1151 0.7919 0.7621 1.4026
LnM4D6 5 28 0.3707 0.0132 0.1151 0.7919 0.7621 1.4026
LnM4D7 5 28 0.3707 0.0132 0.1151 0.7919 0.7621 1.4026
LnM5D1 5 28 5.0843 0.1816 0.4261 0.9179 0.9062 1.7924
LnM5D2 5 28 5.2880 0.1889 0.4346 0.9100 0.8972 1.6898
LnM5D3 5 28 4.7020 0.1679 0.4098 0.9186 0.9070 1.7993
LnM5D4 5 28 5.9983 0.2142 0.4628 0.9061 0.8926 1.5984
LnM5D6 5 28 5.4405 0.1943 0.4408 0.9113 0.8986 1.6921
LnM5D7 5 28 5.3589 0.1914 0.4375 0.9122 0.8997 1.6977
LnM6D1 5 28 1.7135 0.0612 0.2474 0.2459 0.1382 2.0255
LnM6D2 5 28 1.8786 0.0671 0.2590 0.4317 0.3505 2.0854
LnM6D3 5 28 2.7599 0.0986 0.3140 0.2603 0.1546 1.8886
LnM6D4 4 29 5.4800 0.1890 0.4347 0.1119 0.0201 1.7373
LnM6D5 5 28 1.7457 0.0623 0.2497 0.3167 0.2191 2.0461
LnM6D7 5 28 1.7390 0.0621 0.2492 0.3090 0.2103 2.0395
LnM7D1 5 28 7.4452 0.2659 0.5157 0.8683 0.8495 2.5004
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Summary of Residual Errors
Equation DF
Model DF
Error SSE MSE Root MSE R-SquareAdj
R-Sq Durbin Watson
LnM7D2 5 28 6.5068 0.2324 0.4821 0.8594 0.8394 2.5493
LnM7D3 5 28 7.0025 0.2501 0.5001 0.8730 0.8549 2.4940
LnM7D4 5 28 8.1853 0.2923 0.5407 0.8441 0.8218 2.4479
LnM7D5 5 28 7.0697 0.2525 0.5025 0.8672 0.8482 2.5274
LnM7D6 5 28 7.0867 0.2531 0.5031 0.8673 0.8483 2.5279
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
a11 0.271405 0.0753 3.60 0.0012
a12 0.067154 0.0402 1.67 0.1059
a13 0.054516 0.0288 1.89 0.0688
a14 -0.21836 0.0807 -2.71 0.0115
a15 0.768583 0.0703 10.93 <.0001
a20 0.151262 2.5407 0.06 0.9529
a21 0.142784 0.2310 0.62 0.5416
a22 0.038794 0.0656 0.59 0.5587
a23 0.008076 0.0274 0.30 0.7702
a25 0.864994 0.0714 12.12 <.0001
a30 1.851517 1.4414 1.28 0.2095
a31 0.123986 0.1620 0.77 0.4505
a32 0.066226 0.0221 3.00 0.0056
a33 0.064173 0.0402 1.60 0.1216
a35 0.734206 0.0484 15.18 <.0001
a40 0.33735 1.6741 0.20 0.8417
a41 0.123754 0.1793 0.69 0.4956
a42 0.018925 0.0483 0.39 0.6982
a45 0.87097 0.0494 17.64 <.0001
a51 0.328557 0.1251 2.63 0.0136
a52 0.032489 0.0395 0.82 0.4173
a53 0.078643 0.0562 1.40 0.1726
a55 0.71872 0.1122 6.40 <.0001
a61 1.234379 0.0131 94.57 <.0001
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
a62 0.129098 0.0649 1.99 0.0559
a63 0.138584 0.0566 2.45 0.0204
a70 -0.38734 1.8092 -0.21 0.8320
a71 0.288404 0.2254 1.28 0.2112
a72 0.02209 0.0299 0.74 0.4669
a73 0.027608 0.0896 0.31 0.7604
a75 0.832473 0.1245 6.69 <.0001
b10 0.029714 1.1384 0.03 0.9794
b11 -0.02101 0.0187 -1.12 0.2710
b12 0.014456 0.0148 0.97 0.3381
b13 6.354E-7 1.418E-6 0.45 0.6574
b15 0.989841 0.1378 7.18 <.0001
b20 6.347575 2.0891 3.04 0.0051
b21 0.039461 0.0304 1.30 0.2048
b22 0.030441 0.0212 1.44 0.1622
b23 1.959E-7 9.435E-7 0.21 0.8370
b25 0.356848 0.1976 1.81 0.0817
b30 2.062735 1.0498 1.96 0.0591
b31 0.049827 0.0331 1.51 0.1429
b32 0.046062 0.0267 1.72 0.0957
b35 0.657061 0.1594 4.12 0.0003
b40 1.873936 1.2494 1.50 0.1448
b41 0.019954 0.0215 0.93 0.3619
b42 0.057213 0.0336 1.70 0.0998
b43 -9.8E-6 0.000020 -0.49 0.6297
b45 0.702661 0.1604 4.38 0.0002
b50 3.252853 1.0815 3.01 0.0055
b51 0.063451 0.0188 3.37 0.0022
b52 0.002353 0.00946 0.25 0.8053
b53 9.326E-6 6.171E-6 1.51 0.1419
b55 0.554178 0.1444 3.84 0.0006
b60 1.9094 0.8358 2.28 0.0301
b61 0.021632 0.0285 0.76 0.4543
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
b62 0.008369 0.0645 0.13 0.8977
b63 0.000065 0.000040 1.63 0.1133
b65 0.680132 0.1106 6.15 <.0001
b70 2.145404 1.1704 1.83 0.0774
b71 0.036351 0.0510 0.71 0.4816
b72 0.043752 0.0523 0.84 0.4096
b73 0.000013 0.000012 1.04 0.3056
b75 0.599568 0.1790 3.35 0.0023
c10 -1.49137 0.1699 -8.78 <.0001
c11 0.000017 0.000016 1.04 0.3069
c12 0.902406 0.0506 17.83 <.0001
c14 0.256002 0.0419 6.11 <.0001
c20 -1.90854 0.3617 -5.28 <.0001
c21 0.00001 0.000018 0.57 0.5707
c22 0.966528 0.0543 17.79 <.0001
c24 0.214418 0.0456 4.70 <.0001
c30 -0.86416 0.0847 -10.20 <.0001
c31 0.00005 0.000049 1.02 0.3143
c32 1.005232 0.0329 30.59 <.0001
c34 0.102741 0.0303 3.39 0.0020
c40 -1.00774 0.2688 -3.75 0.0008
c41 -0.00048 0.000202 -2.40 0.0229
c42 0.876247 0.0568 15.42 <.0001
c44 0.246385 0.0458 5.38 <.0001
c50 -0.93589 0.1136 -8.24 <.0001
c51 -0.00001 0.000103 -0.12 0.9029
c52 0.919142 0.0618 14.87 <.0001
c54 0.199968 0.0598 3.34 0.0023
c60 -0.09464 0.3123 -0.30 0.7640
c61 0.000303 0.000689 0.44 0.6639
c62 0.84134 0.0525 16.02 <.0001
c64 0.179154 0.0512 3.50 0.0015
c70 -0.52822 0.0544 -9.72 <.0001
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
c71 0.000313 0.000185 1.70 0.1004
c72 1.025305 0.0197 52.09 <.0001
c74 0.055862 0.0184 3.04 0.0050
d10 -5.76948 2.3927 -2.41 0.0225
d11 0.079087 0.1316 0.60 0.5527
d12 0.666505 0.2814 2.37 0.0247
d14 0.813033 0.1128 7.21 <.0001
d20 -1.78783 4.3888 -0.41 0.6868
d21 0.04681 0.1519 0.31 0.7602
d22 0.112353 0.4475 0.25 0.8036
d23 0.226549 0.1442 1.57 0.1274
d24 0.894093 0.1100 8.12 <.0001
d30 -5.72141 1.4132 -4.05 0.0004
d31 0.008734 0.0981 0.09 0.9297
d32 0.821713 0.2148 3.83 0.0007
d33 -0.11921 0.1019 -1.17 0.2517
d34 0.889419 0.0866 10.27 <.0001
d40 -8.22684 3.3892 -2.43 0.0219
d41 0.073543 0.1306 0.56 0.5780
d42 1.055462 0.4403 2.40 0.0235
d43 -0.06179 0.1141 -0.54 0.5923
d44 0.822256 0.1192 6.90 <.0001
d50 -4.1538 5.6792 -0.73 0.4706
d51 -0.12322 0.0773 -1.59 0.1221
d52 0.585459 0.7703 0.76 0.4536
d53 0.100855 0.1034 0.98 0.3376
d54 0.944959 0.1620 5.83 <.0001
d60 -1.80578 1.1059 -1.63 0.1137
d61 0.053036 0.1483 0.36 0.7233
d62 0.236363 0.1565 1.51 0.1422
d63 0.051674 0.2260 0.23 0.8208
d64 0.958664 0.1025 9.35 <.0001
d70 -2.45535 1.1352 -2.16 0.0392
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
d71 0.09141 0.1055 0.87 0.3937
d72 0.402536 0.1782 2.26 0.0318
d73 0.207092 0.0789 2.62 0.0139
d74 0.717904 0.1401 5.13 <.0001
e10 -363.931 154.2 -2.36 0.0254
e11 -0.12619 0.0952 -1.32 0.1959
e12 -0.00413 0.0648 -0.06 0.9497
e14 48.78785 20.5676 2.37 0.0248
e15 0.405396 0.1858 2.18 0.0376
e20 -389.604 163.0 -2.39 0.0238
e21 -0.06432 0.0474 -1.36 0.1860
e23 -0.1277 0.0764 -1.67 0.1059
e24 52.06586 21.7594 2.39 0.0237
e25 0.54836 0.1878 2.92 0.0068
e30 2.607611 1.1192 2.33 0.0275
e31 -0.01065 0.0366 -0.29 0.7733
e32 0.003252 0.1039 0.03 0.9753
e33 -0.04571 0.0351 -1.30 0.2044
e34 0.000118 0.000581 0.20 0.8399
e35 0.701425 0.1441 4.87 <.0001
e40 -92.8735 51.7485 -1.79 0.0835
e41 -0.12298 0.0476 -2.59 0.0152
e43 -0.07121 0.0462 -1.54 0.1342
e44 13.35007 6.9468 1.92 0.0649
e45 0.101703 0.2120 0.48 0.6352
e50 -349.808 162.5 -2.15 0.0404
e51 -0.115 0.0729 -1.58 0.1263
e52 -0.14288 0.0755 -1.89 0.0693
e53 -0.04373 0.0471 -0.93 0.3618
e54 46.87216 21.5236 2.18 0.0383
e55 0.469411 0.1894 2.48 0.0197
e60 -435.837 425.8 -1.02 0.3152
e61 -0.09504 0.1676 -0.57 0.5754
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
e62 -0.36422 0.2346 -1.55 0.1322
e63 -0.02043 0.0835 -0.24 0.8086
e64 58.14266 56.5092 1.03 0.3127
e65 0.559465 0.1666 3.36 0.0024
e70 3.659846 1.4800 2.47 0.0197
e71 -0.00287 0.0883 -0.03 0.9743
e72 -0.06776 0.0723 -0.94 0.3568
e73 -0.0327 0.0454 -0.72 0.4772
e75 0.591039 0.1510 3.91 0.0005
f10 2.999522 0.7176 4.18 0.0003
f11 0.15675 0.1190 1.32 0.1986
f12 -0.21046 0.0797 -2.64 0.0134
f13 -0.042 0.1114 -0.38 0.7089
f14 0.810996 0.0857 9.46 <.0001
f20 1.774777 1.4701 1.21 0.2374
f21 0.471107 0.1960 2.40 0.0231
f22 -0.25819 0.1195 -2.16 0.0395
f23 -0.12335 0.1573 -0.78 0.4394
f24 0.617166 0.0964 6.40 <.0001
f30 2.611761 1.2988 2.01 0.0540
f31 0.153383 0.1982 0.77 0.4454
f32 -0.26897 0.0982 -2.74 0.0106
f33 0.049605 0.1459 0.34 0.7363
f34 0.822916 0.0961 8.56 <.0001
f40 1.721852 1.6153 1.07 0.2956
f41 0.258936 0.2268 1.14 0.2633
f42 -0.14777 0.1391 -1.06 0.2972
f43 -0.10124 0.1938 -0.52 0.6054
f44 0.648356 0.1552 4.18 0.0003
f50 1.579272 1.6587 0.95 0.3492
f51 0.258936 0.2268 1.14 0.2633
f52 -0.14777 0.1391 -1.06 0.2972
f53 -0.10124 0.1938 -0.52 0.6054
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
f54 0.648356 0.1552 4.18 0.0003
f60 1.51516 1.6786 0.90 0.3744
f61 0.258936 0.2268 1.14 0.2633
f62 -0.14777 0.1391 -1.06 0.2972
f63 -0.10124 0.1938 -0.52 0.6054
f64 0.648356 0.1552 4.18 0.0003
g10 2.030529 1.1853 1.71 0.0977
g11 0.100536 0.1886 0.53 0.5981
g12 -0.07773 0.0870 -0.89 0.3791
g13 0.002701 0.1841 0.01 0.9884
g14 0.714317 0.1281 5.58 <.0001
g20 1.030657 0.8796 1.17 0.2512
g21 0.142528 0.1545 0.92 0.3641
g22 -0.04602 0.0713 -0.65 0.5241
g23 -0.00409 0.1488 -0.03 0.9783
g24 0.6997 0.1241 5.64 <.0001
g30 1.813602 1.7505 1.04 0.3090
g31 0.155722 0.3088 0.50 0.6180
g32 -0.12553 0.1475 -0.85 0.4020
g33 0.002879 0.3053 0.01 0.9925
g34 0.709138 0.1296 5.47 <.0001
g40 2.052131 2.0409 1.01 0.3233
g41 0.212775 0.3420 0.62 0.5389
g42 -0.17933 0.1765 -1.02 0.3184
g43 0.064382 0.3254 0.20 0.8446
g44 0.649189 0.1453 4.47 0.0001
g50 1.97385 2.0256 0.97 0.3382
g51 0.212775 0.3420 0.62 0.5389
g52 -0.17933 0.1765 -1.02 0.3184
g53 0.064382 0.3254 0.20 0.8446
g54 0.649189 0.1453 4.47 0.0001
g60 2.00193 2.0311 0.99 0.3327
g61 0.212775 0.3420 0.62 0.5389
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
g62 -0.17933 0.1765 -1.02 0.3184
g63 0.064382 0.3254 0.20 0.8446
g64 0.649189 0.1453 4.47 0.0001
h10 1.160769 1.2870 0.90 0.3748
h11 0.632142 0.2866 2.21 0.0358
h12 -0.12279 0.1286 -0.95 0.3480
h13 -0.39353 0.2473 -1.59 0.1227
h14 0.388463 0.1751 2.22 0.0348
h20 1.114225 0.8843 1.26 0.2181
h21 0.1051 0.1571 0.67 0.5089
h22 -0.05526 0.0654 -0.84 0.4055
h23 -0.03048 0.1222 -0.25 0.8049
h24 0.802959 0.1369 5.87 <.0001
h30 2.452412 1.3399 1.83 0.0779
h31 0.709573 0.2984 2.38 0.0245
h32 -0.22064 0.1323 -1.67 0.1065
h33 -0.24232 0.2356 -1.03 0.3126
h34 0.167865 0.2003 0.84 0.4091
h40 2.43721 2.8115 0.87 0.3934
h41 0.358568 0.5108 0.70 0.4885
h42 -0.468 0.2949 -1.59 0.1237
h43 0.254393 0.4841 0.53 0.6034
h44 0.235504 0.1847 1.27 0.2129
h50 2.460735 2.8124 0.87 0.3890
h51 0.358568 0.5108 0.70 0.4885
h52 -0.468 0.2949 -1.59 0.1237
h53 0.254393 0.4841 0.53 0.6034
h54 0.235504 0.1847 1.27 0.2129
h60 2.505718 2.8140 0.89 0.3808
h61 0.358568 0.5108 0.70 0.4885
h62 -0.468 0.2949 -1.59 0.1237
h63 0.254393 0.4841 0.53 0.6034
h64 0.235504 0.1847 1.27 0.2129
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
i10 0.255341 0.6679 0.38 0.7051
i11 -0.05265 0.1419 -0.37 0.7133
i12 0.001962 0.0679 0.03 0.9771
i13 0.027274 0.1305 0.21 0.8359
i14 0.938988 0.1153 8.15 <.0001
i20 2.606621 1.4605 1.78 0.0851
i21 0.037466 0.2118 0.18 0.8609
i22 -0.19688 0.1320 -1.49 0.1471
i23 0.074918 0.1860 0.40 0.6901
i24 0.69226 0.1593 4.35 0.0002
i30 0.553837 1.2062 0.46 0.6497
i31 -0.00976 0.2050 -0.05 0.9624
i32 0.02328 0.1290 0.18 0.8581
i33 0.053505 0.2051 0.26 0.7961
i34 0.510816 0.1685 3.03 0.0052
i40 -0.03362 1.0767 -0.03 0.9753
i41 0.223062 0.2705 0.82 0.4166
i42 -0.00698 0.1250 -0.06 0.9558
i43 -0.10847 0.1903 -0.57 0.5731
i44 0.764004 0.1767 4.32 0.0002
i50 0.012665 1.0940 0.01 0.9908
i51 0.223062 0.2705 0.82 0.4166
i52 -0.00698 0.1250 -0.06 0.9558
i53 -0.10847 0.1903 -0.57 0.5731
i54 0.764004 0.1767 4.32 0.0002
i60 -0.00758 1.0863 -0.01 0.9945
i61 0.223062 0.2705 0.82 0.4166
i62 -0.00698 0.1250 -0.06 0.9558
i63 -0.10847 0.1903 -0.57 0.5731
i64 0.764004 0.1767 4.32 0.0002
j10 2.792385 1.2350 2.26 0.0317
j11 0.551476 0.3687 1.50 0.1459
j12 -0.34937 0.1558 -2.24 0.0330
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
j13 -0.40406 0.3824 -1.06 0.2997
j14 0.498193 0.1555 3.20 0.0034
j20 1.980989 0.7098 2.79 0.0094
j21 0.365955 0.2249 1.63 0.1149
j22 -0.09699 0.0749 -1.29 0.2060
j23 -0.15697 0.2230 -0.70 0.4874
j24 0.292062 0.1723 1.70 0.1012
j30 -2.76645 0.6748 -4.10 0.0003
j31 0.2734 0.1743 1.57 0.1281
j32 0.127732 0.0634 2.02 0.0536
j33 0.083636 0.1751 0.48 0.6365
j34 0.032902 0.1784 0.18 0.8550
j40 2.572402 1.1112 2.31 0.0282
j41 0.364344 0.2396 1.52 0.1396
j42 -0.28322 0.1223 -2.32 0.0281
j43 -0.25829 0.2417 -1.07 0.2944
j44 0.614989 0.1352 4.55 <.0001
j50 2.669161 1.1410 2.34 0.0267
j51 0.364344 0.2396 1.52 0.1396
j52 -0.28322 0.1223 -2.32 0.0281
j53 -0.25829 0.2417 -1.07 0.2944
j54 0.614989 0.1352 4.55 <.0001
j60 2.356944 1.0460 2.25 0.0323
j61 0.364344 0.2396 1.52 0.1396
j62 -0.28322 0.1223 -2.32 0.0281
j63 -0.25829 0.2417 -1.07 0.2944
j64 0.614989 0.1352 4.55 <.0001
k10 3.477939 1.1002 3.16 0.0038
k11 0.108331 0.2126 0.51 0.6143
k12 -0.38493 0.1236 -3.11 0.0042
k13 -0.02202 0.2166 -0.10 0.9198
k14 0.378691 0.1571 2.41 0.0227
k20 2.21978 0.6679 3.32 0.0025
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
k21 0.292798 0.1537 1.91 0.0670
k22 -0.10092 0.0596 -1.69 0.1016
k23 -0.07066 0.1373 -0.51 0.6108
k24 0.225873 0.1833 1.23 0.2281
k30 -2.29291 0.7489 -3.06 0.0048
k31 0.397336 0.1627 2.44 0.0212
k32 0.078424 0.0575 1.36 0.1837
k33 -0.01978 0.1253 -0.16 0.8756
k34 0.123836 0.2127 0.58 0.5650
k40 3.069886 1.1712 2.62 0.0140
k41 0.073723 0.1313 0.56 0.5788
k42 -0.29444 0.1134 -2.60 0.0148
k43 -0.04023 0.1345 -0.30 0.7671
k44 0.505246 0.1585 3.19 0.0035
k50 3.166914 1.1998 2.64 0.0134
k51 0.073723 0.1313 0.56 0.5788
k52 -0.29444 0.1134 -2.60 0.0148
k53 -0.04023 0.1345 -0.30 0.7671
k54 0.505246 0.1585 3.19 0.0035
k60 3.124481 1.1873 2.63 0.0137
k61 0.073723 0.1313 0.56 0.5788
k62 -0.29444 0.1134 -2.60 0.0148
k63 -0.04023 0.1345 -0.30 0.7671
k64 0.505246 0.1585 3.19 0.0035
l10 1.649167 1.1368 1.45 0.1576
l11 0.206748 0.1249 1.66 0.1086
l12 -0.28709 0.1855 -1.55 0.1326
l14 0.567054 0.1579 3.59 0.0012
l20 1.483633 0.6499 2.28 0.0302
l21 0.440005 0.1972 2.23 0.0339
l22 -0.13029 0.0940 -1.39 0.1766
l23 -0.20722 0.1766 -1.17 0.2504
l24 0.329121 0.1706 1.93 0.0639
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
l30 -2.52102 0.7555 -3.34 0.0024
l31 0.330052 0.1680 1.96 0.0595
l32 0.066183 0.0797 0.83 0.4135
l33 -0.04654 0.1573 -0.30 0.7695
l34 0.214456 0.1832 1.17 0.2517
l40 0.803447 0.9316 0.86 0.3955
l41 0.091694 0.0817 1.12 0.2707
l42 -0.12286 0.1349 -0.91 0.3700
l44 0.779634 0.1281 6.08 <.0001
l50 0.789225 0.9249 0.85 0.4005
l51 0.091694 0.0817 1.12 0.2707
l52 -0.12286 0.1349 -0.91 0.3700
l54 0.779634 0.1281 6.08 <.0001
l60 0.841317 0.9495 0.89 0.3829
l61 0.091694 0.0817 1.12 0.2707
l62 -0.12286 0.1349 -0.91 0.3700
l64 0.779634 0.1281 6.08 <.0001
m10 3.454406 1.2788 2.70 0.0116
m11 0.509871 0.3125 1.63 0.1140
m12 -0.18655 0.0818 -2.28 0.0305
m13 -0.37163 0.3965 -0.94 0.3566
m14 0.694113 0.1595 4.35 0.0002
m20 2.314206 1.3047 1.77 0.0870
m21 0.257105 0.4492 0.57 0.5717
m22 -0.37076 0.1317 -2.82 0.0088
m23 0.273164 0.5144 0.53 0.5996
m24 0.47495 0.1419 3.35 0.0023
m30 0.694236 1.7019 0.41 0.6864
m31 0.070887 0.5024 0.14 0.8888
m32 -0.06595 0.1475 -0.45 0.6583
m33 0.045479 0.5544 0.08 0.9352
m34 0.725848 0.1458 4.98 <.0001
m40 -0.31791 2.0438 -0.16 0.8775
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
m41 -0.1262 0.2803 -0.45 0.6560
m42 -0.07267 0.2097 -0.35 0.7315
m43 0.518491 0.3531 1.47 0.1532
m44 0.333167 0.1810 1.84 0.0762
m50 1.387906 1.1770 1.18 0.2482
m51 0.365446 0.1506 2.43 0.0220
m52 -0.14031 0.1016 -1.38 0.1783
m53 -0.28928 0.2027 -1.43 0.1646
m54 0.64812 0.1714 3.78 0.0008
m60 -0.26233 0.9855 -0.27 0.7920
m61 -0.00316 0.1496 -0.02 0.9833
m62 -0.02732 0.1222 -0.22 0.8247
m63 0.177204 0.2000 0.89 0.3831
m64 0.686808 0.1673 4.10 0.0003
n10 2.356159 0.8893 2.65 0.0129
n11 0.039514 0.0319 1.24 0.2247
n12 -0.12976 0.0519 -2.50 0.0183
n14 0.828461 0.0681 12.17 <.0001
n20 5.451323 0.8410 6.48 <.0001
n21 0.338059 0.0796 4.25 0.0002
n22 -0.23278 0.0967 -2.41 0.0225
n30 2.919584 0.9304 3.14 0.0039
n31 0.201773 0.0533 3.79 0.0007
n32 -0.26779 0.0832 -3.22 0.0032
n34 0.675307 0.0935 7.22 <.0001
n40 -0.47769 0.8413 -0.57 0.5745
n41 -0.0167 0.0834 -0.20 0.8426
n42 0.077949 0.1072 0.73 0.4728
n44 0.948722 0.0902 10.52 <.0001
n50 -1.29907 0.7558 -1.72 0.0963
n51 -0.02897 0.0550 -0.53 0.6022
n52 0.164814 0.0882 1.87 0.0718
n54 1.017695 0.0910 11.19 <.0001
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
n60 -1.25552 0.7127 -1.76 0.0887
n61 -0.11637 0.0931 -1.25 0.2211
n62 0.212999 0.1143 1.86 0.0725
n64 0.968142 0.0769 12.58 <.0001
o10 1.442868 0.9795 1.47 0.1519
o11 0.053998 0.3341 0.16 0.8728
o12 -0.18472 0.0894 -2.07 0.0481
o13 0.183666 0.2867 0.64 0.5270
o14 0.730536 0.1070 6.83 <.0001
o20 -8.10892 2.6990 -3.00 0.0056
o21 -0.08462 0.0776 -1.09 0.2848
o22 -0.3228 0.1030 -3.13 0.0040
o23 1.434787 0.4492 3.19 0.0035
o24 0.918932 0.1011 9.09 <.0001
o30 -0.10975 0.4000 -0.27 0.7858
o31 0.40775 0.2988 1.36 0.1833
o32 0.013975 0.0471 0.30 0.7689
o33 -0.30658 0.3222 -0.95 0.3495
o34 0.773788 0.1216 6.37 <.0001
o40 0.55752 1.3721 0.41 0.6876
o41 0.544157 0.3162 1.72 0.0963
o42 -0.06505 0.1546 -0.42 0.6771
o43 -0.45438 0.2982 -1.52 0.1388
o44 0.766512 0.1221 6.28 <.0001
o50 -1.10328 1.4820 -0.74 0.4628
o51 0.359401 0.3759 0.96 0.3472
o52 0.088538 0.1469 0.60 0.5516
o53 -0.27156 0.4032 -0.67 0.5061
o54 0.80607 0.1193 6.76 <.0001
o61 0.146144 0.1299 1.13 0.2695
o63 -0.08443 0.0791 -1.07 0.2944
o65 0.859385 0.1162 7.39 <.0001
p10 -19.7899 4.7856 -4.14 0.0003
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
p11 -0.2494 0.1037 -2.41 0.0230
p12 -0.58143 0.1515 -3.84 0.0006
p13 2.978474 0.6967 4.28 0.0002
p14 0.986283 0.0729 13.53 <.0001
p20 -17.155 11.5268 -1.49 0.1479
p21 -0.13084 0.1552 -0.84 0.4065
p22 -0.32928 0.2627 -1.25 0.2204
p23 2.347092 1.5997 1.47 0.1535
p24 0.945405 0.0989 9.56 <.0001
p30 -21.8456 8.0981 -2.70 0.0117
p31 -0.2594 0.1597 -1.62 0.1155
p32 -0.38343 0.1900 -2.02 0.0533
p33 2.889751 1.0973 2.63 0.0136
p34 1.040564 0.0941 11.06 <.0001
p40 17.77244 18.4218 0.96 0.3426
p41 0.376172 0.2029 1.85 0.0739
p42 0.175834 0.3878 0.45 0.6536
p43 -2.01199 2.3683 -0.85 0.4025
p50 -3.06427 3.4670 -0.88 0.3841
p51 0.279157 0.0897 3.11 0.0041
p52 -0.36468 0.2547 -1.43 0.1630
p53 0.872594 0.6077 1.44 0.1617
p60 33.26123 6.9041 4.82 <.0001
p61 0.204697 0.0676 3.03 0.0053
p62 0.760536 0.1712 4.44 0.0001
p63 -4.29592 0.8923 -4.81 <.0001
p64 0.660909 0.0793 8.33 <.0001
q10 2.158776 2.0290 1.06 0.2964
q11 0.0763 0.3583 0.21 0.8329
q12 -0.27693 0.1675 -1.65 0.1094
q13 0.23908 0.2208 1.08 0.2881
q14 0.672018 0.1776 3.78 0.0007
q20 3.211439 1.7913 1.79 0.0838
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
q21 0.875287 0.5501 1.59 0.1228
q22 -0.38834 0.1617 -2.40 0.0232
q23 -0.2323 0.4279 -0.54 0.5915
q24 0.422135 0.1822 2.32 0.0280
q30 -1.51055 2.2961 -0.66 0.5160
q31 -0.3508 0.3872 -0.91 0.3726
q32 0.23213 0.2062 1.13 0.2698
q33 0.270993 0.3560 0.76 0.4529
q34 0.682494 0.1284 5.31 <.0001
q40 3.185421 1.7633 1.81 0.0816
q41 0.070991 0.3619 0.20 0.8459
q42 -0.43641 0.1961 -2.23 0.0343
q43 0.377426 0.3034 1.24 0.2238
q44 0.376113 0.1972 1.91 0.0668
q50 8.869226 23.0630 0.38 0.7035
q51 0.404666 0.5174 0.78 0.4407
q52 -0.197 0.3913 -0.50 0.6186
q53 -0.94971 3.2386 -0.29 0.7715
q54 0.384514 0.2341 1.64 0.1117
q60 63.01621 13.7614 4.58 <.0001
q61 1.03269 0.2336 4.42 0.0001
q62 0.905035 0.2619 3.46 0.0018
q63 -8.62748 1.8760 -4.60 <.0001
q64 0.072031 0.1779 0.40 0.6887
r10 1.856344 1.5715 1.18 0.2474
r11 -0.13406 0.2652 -0.51 0.6171
r12 -0.17209 0.1396 -1.23 0.2278
r13 0.228204 0.1916 1.19 0.2436
r14 0.832575 0.1358 6.13 <.0001
r20 2.544662 1.5533 1.64 0.1126
r21 0.722721 0.4314 1.68 0.1050
r22 -0.25656 0.1426 -1.80 0.0829
r23 -0.3295 0.3788 -0.87 0.3918
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
r24 0.553924 0.1491 3.72 0.0009
r30 -0.64634 1.7939 -0.36 0.7213
r31 -0.39996 0.4040 -0.99 0.3307
r32 0.17252 0.1731 1.00 0.3275
r33 0.240236 0.3855 0.62 0.5383
r34 0.791468 0.1052 7.52 <.0001
r40 0.993933 1.6459 0.60 0.5508
r41 -0.05464 0.3517 -0.16 0.8777
r42 -0.1142 0.1900 -0.60 0.5527
r43 0.16399 0.3366 0.49 0.6299
r44 0.712074 0.1830 3.89 0.0006
r50 0.091887 2.2594 0.04 0.9678
r51 0.1619 0.1181 1.37 0.1813
r52 -0.18389 0.1785 -1.03 0.3117
r53 0.168884 0.3235 0.52 0.6057
r54 0.703199 0.1468 4.79 <.0001
r60 0.663493 2.3918 0.28 0.7835
r61 -0.03184 0.1748 -0.18 0.8567
r62 0.115667 0.2424 0.48 0.6369
r63 -0.16202 0.3874 -0.42 0.6790
r64 0.782646 0.1377 5.68 <.0001
s10 2.205468 1.4896 1.48 0.1499
s11 -0.16113 0.2246 -0.72 0.4790
s12 -0.20828 0.1382 -1.51 0.1429
s13 0.249759 0.1527 1.64 0.1131
s14 0.843791 0.1328 6.35 <.0001
s20 2.925375 1.5706 1.86 0.0731
s21 0.35278 0.3702 0.95 0.3487
s22 -0.29538 0.1477 -2.00 0.0553
s23 0.012557 0.3057 0.04 0.9675
s24 0.604312 0.1549 3.90 0.0005
s30 -0.30506 1.7396 -0.18 0.8621
s31 -0.44273 0.3033 -1.46 0.1554
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
s32 0.129065 0.1755 0.74 0.4683
s33 0.287642 0.2886 1.00 0.3275
s34 0.782872 0.1045 7.49 <.0001
s40 1.586478 1.5615 1.02 0.3183
s41 -0.1392 0.2605 -0.53 0.5973
s42 -0.18156 0.1869 -0.97 0.3395
s43 0.256469 0.2368 1.08 0.2880
s44 0.716719 0.1801 3.98 0.0004
s50 0.994321 1.0981 0.91 0.3729
s51 0.19063 0.4770 0.40 0.6925
s52 -0.12963 0.1508 -0.86 0.3973
s53 -0.06134 0.4786 -0.13 0.8989
s54 0.689901 0.1452 4.75 <.0001
s60 -0.73947 4.3544 -0.17 0.8664
s61 -0.00735 0.2822 -0.03 0.9794
s62 -0.06676 0.1783 -0.37 0.7108
s63 0.212135 0.8699 0.24 0.8091
s64 0.767111 0.1960 3.91 0.0005
t10 6.167783 6.5341 0.94 0.3533
t11 0.151071 0.1063 1.42 0.1662
t12 0.232844 0.1388 1.68 0.1046
t13 -0.69272 0.7617 -0.91 0.3709
t14 0.878091 0.1052 8.34 <.0001
t20 8.026885 2.8610 2.81 0.0090
t21 -0.2031 0.1693 -1.20 0.2404
t22 0.080645 0.1577 0.51 0.6132
t23 -0.51606 0.3782 -1.36 0.1832
t24 0.524203 0.1611 3.25 0.0030
t30 2.903479 6.8941 0.42 0.6769
t31 0.075107 0.2332 0.32 0.7498
t32 0.259505 0.3166 0.82 0.4193
t33 -0.27621 1.1053 -0.25 0.8045
t34 0.652605 0.1729 3.77 0.0008
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
t40 -4.66552 22.8897 -0.20 0.8400
t41 1.35982 1.1268 1.21 0.2376
t42 0.61823 1.1382 0.54 0.5913
t43 0.326558 3.5731 0.09 0.9278
t44 0.465491 0.1678 2.77 0.0098
t50 2.343848 2.2154 1.06 0.2991
t51 0.013701 0.2141 0.06 0.9494
t52 0.227658 0.1943 1.17 0.2511
t53 -0.22785 0.2928 -0.78 0.4430
t54 0.713924 0.1195 5.97 <.0001
t60 0.420356 7.4939 0.06 0.9557
t61 1.351486 0.9444 1.43 0.1635
t62 0.931685 1.0332 0.90 0.3749
t63 -0.67672 2.0246 -0.33 0.7407
t64 0.453209 0.1641 2.76 0.0100
u10 -15.465 3.7052 -4.17 0.0003
u11 0.533407 0.0924 5.77 <.0001
u12 -0.11002 0.1027 -1.07 0.2933
u13 2.057566 0.5247 3.92 0.0005
u14 0.370827 0.1033 3.59 0.0012
u20 -6.46319 3.8310 -1.69 0.1027
u21 0.197002 0.0861 2.29 0.0300
u22 -0.04963 0.1427 -0.35 0.7307
u23 1.146468 0.7038 1.63 0.1145
u24 0.583349 0.1405 4.15 0.0003
u30 9.827841 9.7851 1.00 0.3238
u31 0.095814 0.1173 0.82 0.4211
u32 0.421702 0.2275 1.85 0.0743
u33 -1.47422 1.3884 -1.06 0.2974
u34 0.957462 0.1698 5.64 <.0001
u40 -5.30672 3.7746 -1.41 0.1708
u41 0.43894 0.1241 3.54 0.0014
u42 0.170299 0.1131 1.51 0.1434
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
u43 0.810179 0.5813 1.39 0.1744
u44 0.514323 0.1230 4.18 0.0003
u50 1.009444 1.3793 0.73 0.4703
u51 0.269318 0.1198 2.25 0.0326
u52 0.240651 0.1079 2.23 0.0339
u53 -0.23305 0.2236 -1.04 0.3063
u54 0.810799 0.0718 11.28 <.0001
u60 0.1108 0.9585 0.12 0.9088
u61 0.27313 0.1111 2.46 0.0204
u62 0.302745 0.1222 2.48 0.0195
u63 -0.01926 0.2596 -0.07 0.9414
u64 0.597637 0.1166 5.13 <.0001
v10 -10.0195 5.6621 -1.77 0.0877
v11 0.16485 0.1340 1.23 0.2288
v12 -0.07633 0.1305 -0.59 0.5632
v13 1.2725 0.7318 1.74 0.0930
v14 0.717601 0.1520 4.72 <.0001
v20 -9.3017 9.8083 -0.95 0.3511
v21 0.098395 0.1331 0.74 0.4661
v22 -0.01933 0.1459 -0.13 0.8955
v23 0.966367 1.0167 0.95 0.3500
v24 0.808714 0.1487 5.44 <.0001
v30 -5.40795 10.1754 -0.53 0.5993
v31 0.193124 0.2090 0.92 0.3634
v32 0.102503 0.2444 0.42 0.6781
v33 0.63653 1.3696 0.46 0.6457
v34 0.777648 0.1352 5.75 <.0001
v40 -4.95635 4.4076 -1.12 0.2704
v41 0.130675 0.1400 0.93 0.3586
v42 0.097739 0.1267 0.77 0.4469
v43 0.691453 0.6411 1.08 0.2900
v44 0.738384 0.1431 5.16 <.0001
v50 2.576912 1.8304 1.41 0.1702
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
v51 -0.02445 0.2600 -0.09 0.9258
v52 0.271993 0.2250 1.21 0.2368
v53 -0.4566 0.3259 -1.40 0.1722
v54 0.838514 0.1459 5.75 <.0001
v60 -0.86862 0.9689 -0.90 0.3776
v61 0.230924 0.1132 2.04 0.0509
v62 0.109552 0.1199 0.91 0.3686
v63 0.141621 0.2257 0.63 0.5355
v64 0.838144 0.1122 7.47 <.0001
w10 -11.6126 3.9659 -2.93 0.0067
w11 0.207172 0.0688 3.01 0.0055
w12 0.002384 0.0959 0.02 0.9803
w13 1.440013 0.5078 2.84 0.0084
w14 0.422505 0.1406 3.01 0.0055
w20 -21.6148 11.0419 -1.96 0.0603
w21 0.176023 0.0850 2.07 0.0478
w22 -0.09472 0.1643 -0.58 0.5688
w23 2.22871 1.1398 1.96 0.0606
w24 0.498217 0.1454 3.43 0.0019
w30 -4.80124 4.3622 -1.10 0.2804
w31 0.227657 0.1298 1.75 0.0905
w32 0.080509 0.1882 0.43 0.6721
w33 0.612483 0.6904 0.89 0.3826
w34 0.643539 0.1425 4.52 0.0001
w40 -7.09321 3.9713 -1.79 0.0849
w41 0.22584 0.0840 2.69 0.0120
w42 0.106019 0.1054 1.01 0.3233
w43 1.052038 0.5742 1.83 0.0776
w44 0.4285 0.1354 3.17 0.0037
w50 2.012722 1.1535 1.74 0.0920
w51 0.072004 0.1138 0.63 0.5319
w52 0.179168 0.1121 1.60 0.1211
w53 -0.30193 0.2100 -1.44 0.1615
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
w54 0.805675 0.1278 6.30 <.0001
w60 -0.93817 1.1262 -0.83 0.4119
w61 0.19329 0.0800 2.42 0.0224
w62 0.117116 0.1076 1.09 0.2857
w63 0.213782 0.2489 0.86 0.3977
w64 0.636296 0.1134 5.61 <.0001
x10 7.572221 12.3997 0.61 0.5463
x11 -0.20547 0.0974 -2.11 0.0441
x12 0.721685 0.4600 1.57 0.1279
x13 -1.43573 1.6346 -0.88 0.3872
x14 0.428256 0.1630 2.63 0.0138
x20 72.52263 42.0992 1.72 0.0960
x21 -0.33631 0.1153 -2.92 0.0069
x22 1.395237 0.6550 2.13 0.0421
x23 -7.66234 4.3398 -1.77 0.0884
x24 0.477719 0.1526 3.13 0.0041
x30 2.339433 8.8917 0.26 0.7944
x31 -0.21311 0.0933 -2.28 0.0302
x32 0.66176 0.4000 1.65 0.1092
x33 -0.9314 1.3924 -0.67 0.5090
x34 0.396718 0.1624 2.44 0.0212
x40 -6.9792 32.0084 -0.22 0.8290
x41 -0.13703 0.1714 -0.80 0.4308
x42 0.257228 0.9208 0.28 0.7820
x43 0.592293 4.3389 0.14 0.8924
x44 0.32513 0.1852 1.76 0.0902
x50 14.76059 3.6903 4.00 0.0004
x51 0.017238 0.0840 0.21 0.8389
x52 1.216394 0.2382 5.11 <.0001
x53 -3.01797 0.6651 -4.54 <.0001
x54 0.439605 0.1098 4.00 0.0004
x60 -2.87989 4.9054 -0.59 0.5618
x61 -0.12653 0.0999 -1.27 0.2159
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
x62 0.148157 0.3665 0.40 0.6891
x63 0.402767 1.0327 0.39 0.6995
x64 0.400649 0.1753 2.29 0.0301
y10 8.829192 4.5849 1.93 0.0644
y11 0.956981 0.1532 6.24 <.0001
y12 0.230109 0.2061 1.12 0.2738
y13 -0.72858 0.6565 -1.11 0.2766
y14 0.186306 0.1183 1.58 0.1264
y20 -14.6364 8.8470 -1.65 0.1092
y21 1.213663 0.0971 12.50 <.0001
y22 -0.35666 0.1608 -2.22 0.0349
y23 2.141486 0.9520 2.25 0.0325
y24 0.01201 0.0689 0.17 0.8630
y30 -0.55528 2.8718 -0.19 0.8481
y31 0.963614 0.1364 7.07 <.0001
y32 -0.08264 0.1725 -0.48 0.6356
y33 0.565188 0.5306 1.07 0.2959
y34 0.228923 0.1041 2.20 0.0363
y40 -14.6635 11.3084 -1.30 0.2053
y41 1.266098 0.2260 5.60 <.0001
y42 -0.67822 0.4163 -1.63 0.1145
y43 2.714037 1.6609 1.63 0.1134
y44 0.163124 0.1296 1.26 0.2184
y50 1.047689 2.8218 0.37 0.7132
y51 1.101376 0.0868 12.69 <.0001
y52 -0.091 0.1059 -0.86 0.3973
y53 0.519874 0.4318 1.20 0.2386
y54 0.102684 0.0669 1.54 0.1359
y60 5.099763 1.0141 5.03 <.0001
y61 1.090401 0.0798 13.66 <.0001
y62 0.103706 0.0977 1.06 0.2975
y63 -0.13021 0.2300 -0.57 0.5758
y64 0.080886 0.0692 1.17 0.2526
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
z10 -3.8639 5.4786 -0.71 0.4865
z11 0.230187 0.1429 1.61 0.1184
z12 0.015089 0.1908 0.08 0.9375
z13 0.510131 0.7398 0.69 0.4962
z14 0.69588 0.1251 5.56 <.0001
z20 0.668594 11.5378 0.06 0.9542
z21 0.183948 0.1048 1.76 0.0901
z22 0.073359 0.1802 0.41 0.6871
z23 -0.04387 1.2295 -0.04 0.9718
z24 0.816841 0.1071 7.62 <.0001
z30 -6.22517 5.6062 -1.11 0.2763
z31 0.330443 0.1442 2.29 0.0297
z32 -0.05167 0.2009 -0.26 0.7990
z33 0.99686 0.9146 1.09 0.2850
z34 0.570471 0.1755 3.25 0.0030
z40 -19.8894 9.5366 -2.09 0.0462
z41 0.753233 0.2304 3.27 0.0029
z42 -0.55028 0.3662 -1.50 0.1442
z43 3.030771 1.4250 2.13 0.0424
z44 0.353868 0.1544 2.29 0.0296
z50 -2.28683 3.4765 -0.66 0.5160
z51 0.258243 0.0933 2.77 0.0099
z52 -0.00154 0.1099 -0.01 0.9889
z53 0.41273 0.5286 0.78 0.4414
z54 0.755498 0.0909 8.31 <.0001
z60 -0.36187 0.7997 -0.45 0.6544
z61 0.261695 0.1412 1.85 0.0743
z62 0.01873 0.0845 0.22 0.8262
z63 0.232835 0.1697 1.37 0.1810
z64 0.740978 0.1012 7.32 <.0001
aa10 -2.98943 3.2150 -0.93 0.3604
aa11 -0.07188 0.1101 -0.65 0.5190
aa12 0.007666 0.1114 0.07 0.9456
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
aa13 0.718592 0.4858 1.48 0.1502
aa14 0.462444 0.1717 2.69 0.0118
aa20 -1.49733 2.3468 -0.64 0.5286
aa21 0.100739 0.0855 1.18 0.2486
aa22 -0.06791 0.0880 -0.77 0.4467
aa23 1.080051 0.3547 3.04 0.0050
aa24 -0.19552 0.1897 -1.03 0.3116
aa30 2.523708 4.3993 0.57 0.5708
aa31 -0.20297 0.1715 -1.18 0.2466
aa32 0.084415 0.1649 0.51 0.6128
aa33 0.045399 0.6030 0.08 0.9405
aa34 0.513966 0.1736 2.96 0.0062
aa40 9.066877 10.1422 0.89 0.3790
aa41 -0.08501 0.3772 -0.23 0.8233
aa42 0.274122 0.3655 0.75 0.4595
aa43 -0.90996 1.2881 -0.71 0.4858
aa44 0.625668 0.1579 3.96 0.0005
aa50 16.8709 16.5827 1.02 0.3177
aa51 -0.29081 0.6100 -0.48 0.6372
aa52 0.427825 0.5894 0.73 0.4739
aa53 -1.75411 2.1006 -0.84 0.4108
aa54 0.536243 0.1671 3.21 0.0033
aa60 -6.42465 6.7327 -0.95 0.3481
aa61 -0.10695 0.2379 -0.45 0.6565
aa62 -0.28756 0.2481 -1.16 0.2561
aa63 1.292754 0.9107 1.42 0.1668
aa64 0.54398 0.1497 3.63 0.0011
bb10 -24.292 14.9962 -1.62 0.1165
bb11 0.423127 0.1690 2.50 0.0184
bb12 -0.16521 0.2131 -0.78 0.4448
bb13 2.466764 1.5534 1.59 0.1235
bb14 0.711834 0.0999 7.13 <.0001
bb20 -19.2432 13.7171 -1.40 0.1716
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
bb21 0.337963 0.1565 2.16 0.0395
bb22 -0.15861 0.2035 -0.78 0.4423
bb23 2.065584 1.4412 1.43 0.1629
bb24 0.670129 0.1222 5.48 <.0001
bb30 -25.7869 23.4252 -1.10 0.2803
bb31 0.40947 0.2612 1.57 0.1282
bb32 -0.1799 0.3380 -0.53 0.5988
bb33 2.681555 2.4297 1.10 0.2791
bb34 0.595567 0.1510 3.94 0.0005
bb40 9.995704 22.7741 0.44 0.6641
bb41 0.249798 0.2885 0.87 0.3939
bb42 0.341399 0.3583 0.95 0.3488
bb43 -1.05622 2.3455 -0.45 0.6560
bb44 0.690271 0.1227 5.63 <.0001
bb50 10.03706 22.7690 0.44 0.6627
bb51 0.249798 0.2885 0.87 0.3939
bb52 0.341399 0.3583 0.95 0.3488
bb53 -1.05622 2.3455 -0.45 0.6560
bb54 0.690271 0.1227 5.63 <.0001
bb60 9.891489 22.7869 0.43 0.6676
bb61 0.249798 0.2885 0.87 0.3939
bb62 0.341399 0.3583 0.95 0.3488
bb63 -1.05622 2.3455 -0.45 0.6560
bb64 0.690271 0.1227 5.63 <.0001
cc10 -1.19537 4.2253 -0.28 0.7793
cc11 -0.30558 0.1523 -2.01 0.0546
cc12 -0.06222 0.1521 -0.41 0.6855
cc13 0.614225 0.6644 0.92 0.3632
cc14 0.535341 0.1351 3.96 0.0005
cc20 -0.3748 4.2598 -0.09 0.9305
cc21 -0.21979 0.1508 -1.46 0.1560
cc22 -0.09245 0.1574 -0.59 0.5617
cc23 0.48107 0.6806 0.71 0.4855
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
cc24 0.645594 0.1309 4.93 <.0001
cc30 -2.89288 7.3968 -0.39 0.6987
cc31 -0.10419 0.2409 -0.43 0.6687
cc32 -0.00816 0.2501 -0.03 0.9742
cc33 0.608605 1.1292 0.54 0.5942
cc34 0.619491 0.1713 3.62 0.0012
cc40 -4.11061 4.9041 -0.84 0.4090
cc41 -0.2984 0.1738 -1.72 0.0971
cc42 -0.24122 0.1867 -1.29 0.2070
cc43 1.205191 0.7812 1.54 0.1341
cc44 0.414177 0.1486 2.79 0.0094
cc50 -4.41454 4.9426 -0.89 0.3794
cc51 -0.2984 0.1738 -1.72 0.0971
cc52 -0.24122 0.1867 -1.29 0.2070
cc53 1.205191 0.7812 1.54 0.1341
cc54 0.414177 0.1486 2.79 0.0094
cc60 -4.25189 4.9219 -0.86 0.3950
cc61 -0.2984 0.1738 -1.72 0.0971
cc62 -0.24122 0.1867 -1.29 0.2070
cc63 1.205191 0.7812 1.54 0.1341
cc64 0.414177 0.1486 2.79 0.0094
dd10 -4.54393 6.2584 -0.73 0.4738
dd11 0.567929 0.1838 3.09 0.0045
dd12 0.075668 0.2045 0.37 0.7141
dd13 0.612499 0.8739 0.70 0.4892
dd14 0.453894 0.1311 3.46 0.0017
dd20 -9.66137 5.8523 -1.65 0.1099
dd21 0.612834 0.1656 3.70 0.0009
dd22 -0.20587 0.1932 -1.07 0.2958
dd23 1.491138 0.8342 1.79 0.0847
dd24 0.429415 0.1319 3.26 0.0030
dd30 -10.722 5.3502 -2.00 0.0548
dd31 0.786037 0.1553 5.06 <.0001
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
dd32 -0.13699 0.1707 -0.80 0.4290
dd33 1.584419 0.7607 2.08 0.0465
dd34 0.298246 0.1232 2.42 0.0222
dd40 -6.81291 4.5084 -1.51 0.1420
dd41 0.731175 0.1389 5.26 <.0001
dd42 -0.10209 0.1502 -0.68 0.5024
dd43 1.113334 0.6394 1.74 0.0926
dd44 0.315273 0.1146 2.75 0.0103
dd50 -6.52621 4.4964 -1.45 0.1578
dd51 0.731175 0.1389 5.26 <.0001
dd52 -0.10209 0.1502 -0.68 0.5024
dd53 1.113334 0.6394 1.74 0.0926
dd54 0.315273 0.1146 2.75 0.0103
dd60 -6.54447 4.4971 -1.46 0.1567
dd61 0.731175 0.1389 5.26 <.0001
dd62 -0.10209 0.1502 -0.68 0.5024
dd63 1.113334 0.6394 1.74 0.0926
dd64 0.315273 0.1146 2.75 0.0103
ee10 -27.0217 12.3283 -2.19 0.0369
ee11 1.221946 0.1709 7.15 <.0001
ee12 -0.57449 0.4020 -1.43 0.1641
ee13 3.761723 1.8194 2.07 0.0480
ee14 0.187758 0.1014 1.85 0.0746
ee20 -23.8294 12.4348 -1.92 0.0656
ee21 1.232699 0.1739 7.09 <.0001
ee22 -0.64321 0.4135 -1.56 0.1311
ee23 3.49989 1.8471 1.89 0.0685
ee24 0.206655 0.1009 2.05 0.0499
ee30 -21.0687 11.8149 -1.78 0.0854
ee31 1.284562 0.1630 7.88 <.0001
ee32 -0.43977 0.3890 -1.13 0.2678
ee33 2.910587 1.7475 1.67 0.1069
ee34 0.171373 0.0972 1.76 0.0888
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
ee40 -32.3602 13.5931 -2.38 0.0243
ee41 1.178802 0.1867 6.31 <.0001
ee42 -0.76488 0.4424 -1.73 0.0948
ee43 4.564795 2.0056 2.28 0.0307
ee44 0.190743 0.1098 1.74 0.0933
ee50 -27.2465 12.7165 -2.14 0.0410
ee51 1.224178 0.1774 6.90 <.0001
ee52 -0.65735 0.4181 -1.57 0.1271
ee53 3.873888 1.8812 2.06 0.0489
ee54 0.193074 0.1035 1.87 0.0726
ee60 -26.7507 12.6118 -2.12 0.0429
ee61 1.225812 0.1759 6.97 <.0001
ee62 -0.64956 0.4151 -1.56 0.1289
ee63 3.838249 1.8679 2.05 0.0493
ee64 0.192143 0.1029 1.87 0.0724
ff10 7.557165 2.0993 3.60 0.0012
ff11 0.099331 0.0723 1.37 0.1803
ff12 0.085614 0.1398 0.61 0.5452
ff13 -0.64498 0.3190 -2.02 0.0528
ff14 0.044348 0.1781 0.25 0.8051
ff20 8.251201 2.2506 3.67 0.0010
ff21 0.160111 0.0794 2.02 0.0534
ff22 -0.01238 0.1466 -0.08 0.9333
ff23 -0.62619 0.3326 -1.88 0.0702
ff24 0.128336 0.1697 0.76 0.4558
ff30 6.606264 2.5456 2.60 0.0149
ff31 0.130508 0.0913 1.43 0.1637
ff32 0.187084 0.1787 1.05 0.3040
ff33 -0.77597 0.4106 -1.89 0.0692
ff34 0.215607 0.1734 1.24 0.2241
ff40 5.259658 3.0783 1.71 0.0982
ff41 0.170453 0.1245 1.37 0.1813
ff42 0.032748 0.2454 0.13 0.8948
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
ff43 -0.44243 0.5442 -0.81 0.4229
ff50 8.741387 2.2739 3.84 0.0006
ff51 0.120817 0.0740 1.63 0.1136
ff52 0.012234 0.1411 0.09 0.9315
ff53 -0.57424 0.3208 -1.79 0.0842
ff54 0.068586 0.1756 0.39 0.6990
ff60 6.890192 2.0797 3.31 0.0026
ff61 0.114256 0.0735 1.55 0.1314
ff62 0.001399 0.1408 0.01 0.9921
ff63 -0.55171 0.3200 -1.72 0.0957
ff64 0.066467 0.1763 0.38 0.7090
gg10 3.25603 5.6648 0.57 0.5700
gg11 -0.6746 0.4310 -1.57 0.1288
gg12 0.53686 0.4499 1.19 0.2427
gg13 -0.37662 0.9322 -0.40 0.6893
gg14 0.363743 0.2060 1.77 0.0884
gg20 3.538309 5.1873 0.68 0.5008
gg21 -0.66482 0.3898 -1.71 0.0992
gg22 0.387362 0.4138 0.94 0.3572
gg23 -0.21603 0.8613 -0.25 0.8038
gg24 0.354211 0.2005 1.77 0.0883
gg30 2.873247 5.3869 0.53 0.5980
gg31 -0.74105 0.4420 -1.68 0.1047
gg32 0.466478 0.4289 1.09 0.2861
gg33 -0.19218 0.8925 -0.22 0.8311
gg34 0.312981 0.2204 1.42 0.1666
gg40 3.705073 6.2724 0.59 0.5595
gg41 -0.67929 0.4889 -1.39 0.1756
gg42 0.4004 0.4634 0.86 0.3949
gg43 -0.29551 0.9796 -0.30 0.7651
gg44 0.386569 0.2211 1.75 0.0914
gg50 3.908429 5.5250 0.71 0.4852
gg51 -0.6975 0.4199 -1.66 0.1078
Regional Economic and Demographi Indonesian Model
The MODEL Procedure
Nonlinear 2SLS Parameter Estimates
Parameter EstimateApprox Std Err t Value
ApproxPr > |t|
gg52 0.44425 0.4345 1.02 0.3153
gg53 -0.31294 0.9033 -0.35 0.7316
gg54 0.369087 0.2037 1.81 0.0808
gg60 3.884768 5.5181 0.70 0.4872
gg61 -0.69868 0.4188 -1.67 0.1064
gg62 0.443503 0.4352 1.02 0.3169
gg63 -0.31678 0.9045 -0.35 0.7288
gg64 0.370869 0.2028 1.83 0.0781
Number of Observations Statistics for System
Used 33 Objective 12.9992
Missing 0 Objective*N 428.9747
Regional Economic and Demographi Indonesian Model
The SIMNLIN Procedure
Model Summary
Model Variables 329
Endogenous 203
Exogenous 126
Parameters 989
ID Variables 1
Equations 203
Number of Statements 245
Program Lag Length 1
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Data Set Options
DATA= ANALISIS
OUT= VALIDASI
Solution Summary
Variables Solved 203
Simulation Lag Length 1
Solution Method NEWTON
CONVERGE= 1E-8
Maximum CC 1.2E-14
Maximum Iterations 1
Total Iterations 33
Average Iterations 1
Observations Processed
Read 34
Lagged 1
Solved 33
First 2
Last 34
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Descriptive Statistics
Actual Predicted
Variable N Obs N Mean Std Dev Mean Std Dev
LnPDRB1 33 33 12.2357 0.6377 12.2527 0.6334
LnPDRB2 33 33 13.0817 0.7889 13.1050 0.8084
LnPDRB3 33 33 11.2656 0.6996 11.2820 0.7059
LnPDRB4 33 33 10.5140 0.6489 10.5476 0.6804
LnPDRB5 33 33 9.3984 0.6774 9.4229 0.6388
LnPDRB6 33 33 8.5059 0.5025 8.5160 0.3614
LnPDRB7 33 33 9.4058 0.7639 9.4350 0.7623
LnTK1 33 33 9.6595 0.1538 9.6631 0.1187
LnTK2 33 33 10.8272 0.1101 10.8289 0.0970
LnTK3 33 33 8.3080 0.2067 8.3341 0.1935
LnTK4 33 33 8.5933 0.1436 8.6038 0.1339
LnTK5 33 33 8.0431 0.1428 8.0527 0.1413
LnTK6 33 33 6.7806 0.1907 6.7910 0.1555
LnTK7 33 33 6.9880 0.2462 6.9844 0.2150
LnLF1 33 33 9.7106 0.1827 9.7153 0.1414
LnLF2 33 33 10.8855 0.1330 10.8879 0.1203
LnLF3 33 33 8.3481 0.2295 8.3773 0.2155
LnLF4 33 33 8.6495 0.1754 8.6617 0.1642
LnLF5 33 33 8.0675 0.1624 8.0783 0.1607
LnLF6 33 33 6.8357 0.1890 6.8472 0.1561
LnLF7 33 33 7.0247 0.2648 7.0206 0.2318
LnUpah1 33 33 5.6779 0.7279 5.7150 0.6068
LnUpah2 33 33 5.3114 0.9310 5.3060 0.8623
LnUpah3 33 33 5.5928 0.8498 5.7626 0.8222
LnUpah4 33 33 5.4323 0.8868 5.4912 0.8037
LnUpah5 33 33 5.0741 1.0968 5.1410 1.0907
LnUpah6 33 33 5.3824 1.0329 5.4638 0.9260
LnUpah7 33 33 5.6834 1.0957 5.6693 1.0454
LnPOV1 33 33 8.6268 0.3067 8.6188 0.2677
LnPOV2 33 33 9.6953 0.3640 9.6931 0.3406
LnPOV3 33 33 7.3597 0.1547 7.3602 0.0903
LnPOV4 33 33 8.1572 0.1448 8.1489 0.1053
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Descriptive Statistics
Actual Predicted
Variable N Obs N Mean Std Dev Mean Std Dev
LnPOV5 33 33 7.8744 0.1223 7.8507 0.0835
LnPOV6 33 33 6.7382 0.3040 6.6659 0.1973
LnPOV7 33 33 7.4280 0.2697 7.4266 0.2068
LnMI1D2 33 33 5.7357 0.3785 5.7582 0.2289
LnMI1D3 33 33 1.7339 0.5510 1.7711 0.2180
LnMI1D4 33 33 2.1662 0.5976 2.1662 0.2611
LnMI1D5 33 33 2.4853 0.3914 2.5085 0.1439
LnMI1D6 33 33 2.0798 0.3914 2.1031 0.1439
LnMI1D7 33 33 1.8975 0.3914 1.9208 0.1439
LnMI2D1 33 33 5.4326 0.3730 5.4114 0.1245
LnMI2D3 33 33 3.8196 0.4067 3.8073 0.2575
LnMI2D4 33 33 3.4517 0.5952 3.4215 0.1826
LnMI2D5 33 33 3.2267 0.7057 3.1983 0.3527
LnMI2D6 33 33 3.0036 0.7057 2.9752 0.3527
LnMI2D7 33 33 3.0836 0.7057 3.0552 0.3527
LnMI3D1 33 33 2.3174 0.4237 2.4826 0.1198
LnMI3D2 33 33 4.7351 0.3245 4.7998 0.1012
LnMI3D4 33 33 3.3235 0.4617 3.4622 0.2682
LnMI3D5 33 33 0.5128 0.7893 0.5812 0.4205
LnMI3D6 33 33 0.5436 0.7893 0.6120 0.4205
LnMI3D7 33 33 0.6025 0.7893 0.6708 0.4205
LnMI4D1 33 33 2.1344 0.3195 2.1071 0.1411
LnMI4D2 33 33 3.5768 0.4065 3.5671 0.2574
LnMI4D3 33 33 2.0173 0.3139 2.0252 0.1214
LnMI4D5 33 33 2.5273 0.5106 2.5642 0.1939
LnMI4D6 33 33 2.7234 0.5106 2.7603 0.1939
LnMI4D7 33 33 2.6377 0.5106 2.6745 0.1939
LnMI5D1 33 33 0.8381 0.3854 0.8980 0.1215
LnMI5D2 33 33 3.0878 0.3254 3.1185 0.2758
LnMI5D3 33 33 0.2168 0.4804 0.2388 0.4669
LnMI5D4 33 33 1.4634 0.3422 1.5118 0.1688
LnMI5D6 33 33 1.7147 0.3422 1.7631 0.1688
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Descriptive Statistics
Actual Predicted
Variable N Obs N Mean Std Dev Mean Std Dev
LnMI5D7 33 33 0.9038 0.3422 0.9522 0.1688
LnMI6D1 33 33 1.0894 0.3854 1.0997 0.1686
LnMI6D2 33 33 3.3391 0.3254 3.3688 0.2356
LnMI6D3 33 33 0.4681 0.4804 0.5059 0.4172
LnMI6D4 33 33 1.5606 0.3422 1.5691 0.1843
LnMI6D5 33 33 1.7567 0.3422 1.7653 0.1843
LnMI6D7 33 33 1.6709 0.3422 1.6795 0.1843
LnMI7D1 33 33 0.2785 0.3854 0.2569 0.1522
LnMI7D2 33 33 2.5282 0.3254 2.5132 0.2415
LnMI7D3 33 33 -0.3429 0.4804 -0.3466 0.4416
LnMI7D4 33 33 0.8142 0.3422 0.7971 0.1909
LnMI7D5 33 33 0.7496 0.3422 0.7325 0.1909
LnMI7D6 33 33 0.9860 0.3422 0.9689 0.1909
LnMO1K2 33 33 5.2160 0.4389 5.1310 0.2773
LnMO1K3 33 33 2.1271 0.6230 2.2148 0.3741
LnMO1K4 33 33 2.3037 0.4663 2.3256 0.1451
LnMO1K5 33 33 1.9493 0.5177 1.9622 0.2024
LnMO1K6 33 33 1.4015 0.5256 1.4416 0.3870
LnMO1K7 33 33 1.4439 0.4395 1.4532 0.2478
LnMO2K1 33 33 5.9214 0.4025 5.9127 0.3529
LnMO2K3 33 33 4.7196 0.3365 4.7732 0.1645
LnMO2K4 33 33 3.6986 0.4103 3.7134 0.2606
LnMO2K5 33 33 3.3398 0.6237 3.3249 0.1316
LnMO2K6 33 33 2.9343 0.6237 3.0307 0.2247
LnMO2K7 33 33 2.7520 0.6237 2.7885 0.3231
LnMO3K1 33 33 1.8816 0.5375 1.9797 0.3012
LnMO3K2 33 33 3.6988 0.4335 3.6660 0.2501
LnMO3K4 33 33 2.2420 0.4480 2.1434 0.3115
LnMO3K5 33 33 0.5897 0.8113 0.4160 0.6170
LnMO3K6 33 33 0.1842 0.8113 0.1381 0.5172
LnMO3K7 33 33 0.00192 0.8113 0.0210 0.4042
LnMO4K1 33 33 2.3099 0.6680 2.1003 0.4322
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Descriptive Statistics
Actual Predicted
Variable N Obs N Mean Std Dev Mean Std Dev
LnMO4K2 33 33 3.1969 0.7076 3.1536 0.1757
LnMO4K3 33 33 3.2366 0.7729 2.4131 0.6460
LnMO4K5 33 33 2.1897 0.4227 2.2192 0.1934
LnMO4K6 33 33 2.1897 0.4227 2.2087 0.1914
LnMO4K7 33 33 2.0355 0.4227 2.0856 0.1775
LnMO5K1 33 33 1.2027 0.6915 1.2554 0.4772
LnMO5K2 33 33 2.7458 0.7839 2.6989 0.4762
LnMO5K3 33 33 1.4956 0.7874 1.3856 0.5807
LnMO5K4 33 33 1.4328 0.5512 1.4544 0.3901
LnMO5K6 33 33 1.6047 0.5512 1.6550 0.3073
LnMO5K7 33 33 1.3683 0.5512 1.3813 0.3535
LnMO6K1 33 33 1.2527 0.5876 1.3226 0.2338
LnMO6K2 33 33 2.7959 0.6588 2.7046 0.3901
LnMO6K3 33 33 1.5457 0.7525 1.3574 0.4061
LnMO6K4 33 33 1.3493 0.4563 1.3528 0.1698
LnMO6K5 33 33 1.7548 0.4563 1.7517 0.2090
LnMO6K7 33 33 1.4183 0.4563 1.4053 0.1722
LnMO7K1 33 33 0.9824 0.5876 0.9064 0.2906
LnMO7K2 33 33 2.5256 0.6588 2.4960 0.3642
LnMO7K3 33 33 1.2754 0.7525 0.9488 0.3590
LnMO7K4 33 33 1.3712 0.4563 1.2889 0.2181
LnMO7K5 33 33 1.3022 0.4563 1.3096 0.2171
LnMO7K6 33 33 1.0610 0.4563 1.0250 0.1502
LnX1K2 33 33 9.7736 0.3312 9.7839 0.3193
LnX1K3 33 33 8.7508 0.2006 8.7477 0.1034
LnX1K4 33 33 8.6868 0.3864 8.6942 0.3001
LnX1K5 33 33 8.3079 1.2062 8.3358 0.4437
LnX1K6 33 33 8.6868 0.3864 8.6840 0.2027
LnX1K7 33 33 8.3079 1.2062 8.3622 0.4267
LnX2K1 33 33 9.3248 0.7543 9.3214 0.7426
LnX2K3 33 33 9.1453 0.7125 9.1310 0.6817
LnX2K4 33 33 8.8117 0.7969 8.8808 0.8213
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Descriptive Statistics
Actual Predicted
Variable N Obs N Mean Std Dev Mean Std Dev
LnX2K5 33 33 8.8182 0.7259 8.8211 0.6972
LnX2K6 33 33 9.0695 0.7259 9.0797 0.6292
LnX2K7 33 33 8.2586 0.7259 8.2749 0.6843
LnX3K1 33 33 8.5816 0.7495 8.5727 0.7244
LnX3K2 33 33 8.6179 0.6777 8.6017 0.6375
LnX3K4 33 33 7.7501 0.8266 7.7366 0.7634
LnX3K5 33 33 7.8325 0.7191 7.8294 0.6753
LnX3K6 33 33 7.7099 0.7181 7.7175 0.5474
LnX3K7 33 33 7.5579 0.7203 7.5617 0.6895
LnX4K1 33 33 6.7081 0.4834 6.7068 0.4720
LnX4K2 33 33 6.5757 0.4462 6.5676 0.4270
LnX4K3 33 33 5.7027 0.5727 5.6957 0.5246
LnX4K5 33 33 6.1732 0.4103 6.1754 0.3876
LnX4K6 33 33 6.4245 0.4103 6.4407 0.2889
LnX4K7 33 33 5.6135 0.4103 5.6191 0.3863
LnX5K1 33 33 1.8263 0.7865 1.8514 0.6333
LnX5K2 33 33 2.5829 0.7737 2.6449 0.7906
LnX5K3 33 33 1.7076 0.8451 1.7204 0.7397
LnX5K4 33 33 1.7678 0.7891 1.7811 0.6111
LnX5K6 33 33 2.4864 0.7711 2.5111 0.7212
LnX5K7 33 33 2.2632 0.7711 2.2687 0.6355
LnX6K1 33 33 4.9474 0.7135 4.9537 0.6765
LnX6K2 33 33 5.7040 0.6517 5.6956 0.6695
LnX6K3 33 33 4.8288 0.6724 4.8252 0.6523
LnX6K4 33 33 4.8889 0.7694 4.8620 0.7584
LnX6K5 33 33 5.3844 0.6705 5.3819 0.6718
LnX6K7 33 33 5.6075 0.6705 5.6108 0.6599
LnX7K1 33 33 6.2974 0.7431 6.3093 0.6978
LnX7K2 33 33 7.0540 0.7280 7.0633 0.7067
LnX7K3 33 33 6.1787 0.8391 6.1672 0.7913
LnX7K4 33 33 6.2389 0.7648 6.2106 0.6845
LnX7K5 33 33 6.5520 0.7515 6.5548 0.7268
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Descriptive Statistics
Actual Predicted
Variable N Obs N Mean Std Dev Mean Std Dev
LnX7K6 33 33 6.9575 0.7515 6.9554 0.7179
LnM1D2 33 33 8.4561 0.3360 8.4559 0.3122
LnM1D3 33 33 7.6825 0.1617 7.6822 0.1380
LnM1D4 33 33 7.6730 0.2953 7.6701 0.2230
LnM1D5 33 33 7.2918 0.4700 7.2969 0.0739
LnM1D6 33 33 6.9704 0.7191 6.9857 0.1528
LnM1D7 33 33 7.6443 0.3930 7.6366 0.2597
LnM2D1 33 33 10.2230 0.5539 10.2147 0.5146
LnM2D3 33 33 9.9369 0.3846 9.9232 0.3380
LnM2D4 33 33 9.2569 0.4941 9.2349 0.4147
LnM2D5 33 33 8.5028 0.4361 8.5261 0.3320
LnM2D6 33 33 8.6363 0.4361 8.6597 0.3320
LnM2D7 33 33 8.1663 0.4361 8.1897 0.3320
LnM3D1 33 33 6.8376 0.5080 6.8385 0.4869
LnM3D2 33 33 7.3037 0.4288 7.3002 0.3958
LnM3D4 33 33 6.2500 0.5614 6.2391 0.4710
LnM3D5 33 33 6.2535 0.4725 6.2469 0.4404
LnM3D6 33 33 5.7347 0.4725 5.7281 0.4404
LnM3D7 33 33 6.0123 0.4725 6.0058 0.4404
LnM4D1 33 33 5.0135 0.3009 5.0201 0.2305
LnM4D2 33 33 5.3937 0.2466 5.3800 0.1763
LnM4D3 33 33 5.4588 0.2641 5.4499 0.2222
LnM4D5 33 33 5.2011 0.2359 5.1954 0.1964
LnM4D6 33 33 5.6198 0.2359 5.6141 0.1964
LnM4D7 33 33 5.5932 0.2359 5.5874 0.1964
LnM5D1 33 33 3.4253 1.3912 3.4081 1.2765
LnM5D2 33 33 3.8274 1.3554 3.8072 1.2216
LnM5D3 33 33 3.1355 1.3438 3.1224 1.2416
LnM5D4 33 33 3.2991 1.4126 3.2746 1.2698
LnM5D6 33 33 3.4360 1.3843 3.4157 1.2540
LnM5D7 33 33 3.7507 1.3813 3.7306 1.2527
LnM6D1 33 33 3.6184 0.2665 3.6195 0.1385
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Descriptive Statistics
Actual Predicted
Variable N Obs N Mean Std Dev Mean Std Dev
LnM6D2 33 33 4.1448 0.3214 4.1447 0.2056
LnM6D3 33 33 3.0812 0.3415 3.0829 0.1696
LnM6D4 33 33 2.4725 0.4391 2.4728 0.1484
LnM6D5 33 33 4.9660 0.2826 4.9663 0.1587
LnM6D7 33 33 3.0457 0.2804 3.0459 0.1547
LnM7D1 33 33 5.3007 1.3290 5.3251 1.1925
LnM7D2 33 33 5.3936 1.2028 5.4092 1.0720
LnM7D3 33 33 5.1019 1.3128 5.1181 1.1848
LnM7D4 33 33 5.1054 1.2809 5.1227 1.1169
LnM7D5 33 33 5.6427 1.2896 5.6615 1.1526
LnM7D6 33 33 5.5581 1.2918 5.5770 1.1544
Statistics of fit
Variable N Mean Error Mean % Error
Mean Abs
ErrorMean Abs %
ErrorRMS
Error RMS % Error R-Square
LnPDRB1 33 0.0170 0.1473 0.0861 0.7205 0.1098 0.9411 0.9694
LnPDRB2 33 0.0233 0.1745 0.0980 0.7483 0.1143 0.8711 0.9783
LnPDRB3 33 0.0164 0.1456 0.0628 0.5566 0.0784 0.6972 0.9870
LnPDRB4 33 0.0336 0.3052 0.0793 0.7488 0.0900 0.8430 0.9802
LnPDRB5 33 0.0245 0.3129 0.1269 1.3650 0.1863 1.9997 0.9220
LnPDRB6 33 0.0101 0.2703 0.2360 2.8259 0.2916 3.6038 0.6527
LnPDRB7 33 0.0293 0.3272 0.1438 1.5278 0.1628 1.7388 0.9532
LnTK1 33 0.00363 0.0438 0.0395 0.4083 0.0489 0.5079 0.8958
LnTK2 33 0.00164 0.0174 0.0315 0.2916 0.0504 0.4691 0.7839
LnTK3 33 0.0261 0.3212 0.0571 0.6929 0.0767 0.9329 0.8578
LnTK4 33 0.0105 0.1261 0.0467 0.5453 0.0560 0.6552 0.8430
LnTK5 33 0.00955 0.1195 0.0180 0.2246 0.0243 0.3038 0.9701
LnTK6 33 0.0105 0.1755 0.0598 0.8771 0.0913 1.3233 0.7636
LnTK7 33 -0.00357 -0.0283 0.0745 1.0563 0.0961 1.3534 0.8427
LnLF1 33 0.00470 0.0570 0.0474 0.4878 0.0573 0.5910 0.8985
LnLF2 33 0.00240 0.0243 0.0357 0.3283 0.0485 0.4473 0.8630
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Statistics of fit
Variable N Mean Error Mean % Error
Mean Abs
ErrorMean Abs %
ErrorRMS
Error RMS % Error R-Square
LnLF3 33 0.0291 0.3573 0.0621 0.7501 0.0802 0.9720 0.8741
LnLF4 33 0.0121 0.1446 0.0458 0.5318 0.0543 0.6317 0.9014
LnLF5 33 0.0108 0.1348 0.0204 0.2529 0.0263 0.3278 0.9729
LnLF6 33 0.0115 0.1875 0.0615 0.8950 0.0897 1.2926 0.7679
LnLF7 33 -0.00410 -0.0330 0.0800 1.1280 0.1015 1.4178 0.8486
LnUpah1 33 0.0371 1.0404 0.2494 4.6454 0.2910 5.6776 0.8352
LnUpah2 33 -0.00543 0.1923 0.1873 3.7826 0.2260 4.7463 0.9392
LnUpah3 33 0.1699 3.2849 0.2502 4.7617 0.3288 6.5027 0.8456
LnUpah4 33 0.0589 1.4583 0.2470 4.7663 0.2950 5.8515 0.8859
LnUpah5 33 0.0669 1.3837 0.1194 2.3492 0.1461 2.8562 0.9817
LnUpah6 33 0.0814 1.9135 0.1683 3.1794 0.2026 3.8333 0.9603
LnUpah7 33 -0.0141 -0.0891 0.1230 2.1912 0.1474 2.6051 0.9813
LnPOV1 33 -0.00801 -0.0688 0.0842 0.9608 0.1215 1.3778 0.8382
LnPOV2 33 -0.00222 -0.0116 0.0496 0.4980 0.0795 0.7783 0.9508
LnPOV3 33 0.000544 0.0364 0.0949 1.2938 0.1270 1.7375 0.3057
LnPOV4 33 -0.00822 -0.0887 0.0544 0.6646 0.0826 0.9979 0.6641
LnPOV5 33 -0.0237 -0.2875 0.0559 0.7009 0.0986 1.2112 0.3290
LnPOV6 33 -0.0724 -0.9715 0.1632 2.4134 0.2126 3.1043 0.4955
LnPOV7 33 -0.00138 0.0382 0.1196 1.6329 0.1779 2.4733 0.5513
LnMI1D2 33 0.0225 0.6229 0.2056 3.5919 0.2596 4.5324 0.5150
LnMI1D3 33 0.0373 16.3529 0.3211 29.7107 0.4197 56.1460 0.4018
LnMI1D4 33 -0.00001 7.2619 0.3578 20.5622 0.4497 31.9010 0.4162
LnMI1D5 33 0.0233 2.9766 0.2463 10.5893 0.3137 14.5984 0.3377
LnMI1D6 33 0.0233 4.1488 0.2463 12.9889 0.3137 18.4125 0.3377
LnMI1D7 33 0.0233 4.9659 0.2463 14.4976 0.3137 20.9449 0.3377
LnMI2D1 33 -0.0212 0.0371 0.2317 4.4783 0.3231 6.6728 0.2261
LnMI2D3 33 -0.0123 0.3477 0.1787 5.0291 0.2732 8.2491 0.5347
LnMI2D4 33 -0.0302 2.9603 0.3853 13.7603 0.5290 24.0619 0.1853
LnMI2D5 33 -0.0284 5.5775 0.3832 16.6239 0.5497 37.0693 0.3742
LnMI2D6 33 -0.0284 7.5669 0.3832 19.3275 0.5497 46.8056 0.3742
LnMI2D7 33 -0.0284 6.7349 0.3832 18.2287 0.5497 42.7190 0.3742
LnMI3D1 33 0.1652 13.7974 0.3209 19.4706 0.4525 44.2086 -.1762
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Statistics of fit
Variable N Mean Error Mean % Error
Mean Abs
ErrorMean Abs %
ErrorRMS
Error RMS % Error R-Square
LnMI3D2 33 0.0647 1.7426 0.2038 4.4477 0.2683 6.0217 0.2950
LnMI3D4 33 0.1387 6.0695 0.2661 9.5118 0.3811 18.2454 0.2973
LnMI3D5 33 0.0683 -42.3957 0.4223 110.8 0.6171 186.4 0.3696
LnMI3D6 33 0.0683 -65.1621 0.4223 119.0 0.6171 218.1 0.3696
LnMI3D7 33 0.0683 -44.3786 0.4223 207.5 0.6171 519.5 0.3696
LnMI4D1 33 -0.0273 0.7825 0.2418 11.6459 0.3204 15.7888 -.0373
LnMI4D2 33 -0.00969 0.4456 0.2179 6.3360 0.2762 8.2855 0.5237
LnMI4D3 33 0.00784 2.6190 0.2120 11.3148 0.2909 17.2968 0.1141
LnMI4D5 33 0.0369 5.0913 0.3279 14.7153 0.4061 20.4678 0.3476
LnMI4D6 33 0.0369 4.4084 0.3279 13.4405 0.4061 18.4324 0.3476
LnMI4D7 33 0.0369 4.6862 0.3279 13.9678 0.4061 19.2666 0.3476
LnMI5D1 33 0.0599 11.5234 0.2608 46.1430 0.3472 76.1058 0.1630
LnMI5D2 33 0.0307 1.3290 0.1321 4.4430 0.1803 6.3070 0.6835
LnMI5D3 33 0.0221 23.7822 0.0924 54.3196 0.1273 80.1069 0.9276
LnMI5D4 33 0.0484 8.8247 0.1765 16.2351 0.2384 31.6043 0.4996
LnMI5D6 33 0.0484 6.3318 0.1765 12.7951 0.2384 22.5862 0.4996
LnMI5D7 33 0.0484 -65.2777 0.1765 96.4492 0.2384 433.9 0.4996
LnMI6D1 33 0.0103 -17.9785 0.1906 37.1322 0.2997 124.3 0.3761
LnMI6D2 33 0.0297 1.2446 0.1132 3.4911 0.1709 5.4916 0.7156
LnMI6D3 33 0.0378 69.1835 0.1069 98.8515 0.1509 394.2 0.8983
LnMI6D4 33 0.00856 5.1062 0.1777 14.4818 0.2476 28.5729 0.4602
LnMI6D5 33 0.00856 3.7681 0.1777 12.2090 0.2476 22.4749 0.4602
LnMI6D7 33 0.00856 4.2686 0.1777 13.0938 0.2476 24.7567 0.4602
LnMI7D1 33 -0.0215 -66.8254 0.2215 105.6 0.2986 189.2 0.3806
LnMI7D2 33 -0.0150 0.0468 0.1372 5.5617 0.1883 7.8979 0.6545
LnMI7D3 33 -0.00370 -17.2975 0.0927 22.6983 0.1367 31.9976 0.9166
LnMI7D4 33 -0.0171 -16.7281 0.1583 38.5012 0.2114 113.1 0.6067
LnMI7D5 33 -0.0171 -8.7546 0.1583 34.4938 0.2114 78.6929 0.6067
LnMI7D6 33 -0.0171 48.7343 0.1583 63.2450 0.2114 277.8 0.6067
LnMO1K2 33 -0.0850 -1.2678 0.2245 4.2922 0.2932 5.6218 0.5399
LnMO1K3 33 0.0878 11.0050 0.3429 20.6735 0.4046 32.8427 0.5651
LnMO1K4 33 0.0218 5.2834 0.3029 15.6204 0.3991 23.7347 0.2445
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Statistics of fit
Variable N Mean Error Mean % Error
Mean Abs
ErrorMean Abs %
ErrorRMS
Error RMS % Error R-Square
LnMO1K5 33 0.0128 10.7305 0.3336 24.3743 0.4402 45.9358 0.2543
LnMO1K6 33 0.0401 10.7647 0.2127 20.7376 0.2770 34.0967 0.7136
LnMO1K7 33 0.00927 10.4196 0.2621 24.8736 0.3252 43.1537 0.4352
LnMO2K1 33 -0.00862 -0.0118 0.1821 3.1381 0.2351 4.1028 0.6482
LnMO2K3 33 0.0536 1.5204 0.2519 5.4314 0.2905 6.3895 0.2313
LnMO2K4 33 0.0148 0.9539 0.1899 5.3091 0.2141 6.0671 0.7193
LnMO2K5 33 -0.0149 3.1724 0.4184 14.3091 0.5273 20.8912 0.2628
LnMO2K6 33 0.0964 7.6065 0.3105 13.7542 0.4369 23.8667 0.4939
LnMO2K7 33 0.0365 6.0301 0.3382 15.6655 0.4376 25.8009 0.4925
LnMO3K1 33 0.0981 15.5683 0.2392 21.8954 0.3467 48.8323 0.5710
LnMO3K2 33 -0.0328 -0.2349 0.1775 4.9884 0.2131 6.2417 0.7507
LnMO3K4 33 -0.0986 -3.1372 0.1829 7.9985 0.2232 9.4569 0.7440
LnMO3K5 33 -0.1737 -24.5207 0.3660 134.7 0.4721 326.9 0.6508
LnMO3K6 33 -0.0461 -41.1547 0.3345 82.8251 0.4083 156.7 0.7388
LnMO3K7 33 0.0191 -121.2 0.4427 121.9 0.5354 366.3 0.5508
LnMO4K1 33 -0.2097 0.3405 0.6123 31.2937 0.6907 39.3631 -.1026
LnMO4K2 33 -0.0433 3.8228 0.5085 18.4885 0.5953 25.1104 0.2701
LnMO4K3 33 -0.8235 -18.9295 1.0661 30.7612 1.3835 37.2437 -2.304
LnMO4K5 33 0.0295 4.8291 0.2991 15.3183 0.3659 20.2895 0.2272
LnMO4K6 33 0.0191 4.7606 0.3162 16.4714 0.3996 22.9448 0.0782
LnMO4K7 33 0.0501 6.8608 0.2968 17.0113 0.3760 24.0751 0.1838
LnMO5K1 33 0.0527 27.1016 0.3013 106.1 0.3879 314.5 0.6755
LnMO5K2 33 -0.0469 4.8153 0.3410 16.7064 0.4481 32.3613 0.6629
LnMO5K3 33 -0.1100 1.0287 0.4031 30.1063 0.4985 37.7664 0.5867
LnMO5K4 33 0.0216 14.1027 0.1856 23.1403 0.2833 48.8946 0.7277
LnMO5K6 33 0.0503 14.6238 0.2418 23.6700 0.3538 45.0485 0.5752
LnMO5K7 33 0.0130 17.2513 0.2030 27.8618 0.2955 59.1603 0.7036
LnMO6K1 33 0.0699 105.1 0.3148 148.4 0.4495 559.6 0.3966
LnMO6K2 33 -0.0913 1.7797 0.3598 15.8735 0.4598 27.7850 0.4977
LnMO6K3 33 -0.1883 -0.7828 0.4314 27.6051 0.5796 36.0093 0.3882
LnMO6K4 33 0.00349 16.1487 0.2478 29.9539 0.3548 57.7992 0.3764
LnMO6K5 33 -0.00305 6.0448 0.2292 16.6779 0.3260 28.4252 0.4736
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Statistics of fit
Variable N Mean Error Mean % Error
Mean Abs
ErrorMean Abs %
ErrorRMS
Error RMS % Error R-Square
LnMO6K7 33 -0.0131 13.3565 0.2912 30.3562 0.3816 54.1338 0.2789
LnMO7K1 33 -0.0760 -18.3354 0.3370 92.8661 0.4482 221.8 0.4000
LnMO7K2 33 -0.0295 6.0330 0.3199 17.8504 0.4233 36.9375 0.5744
LnMO7K3 33 -0.3266 -11.6863 0.4745 35.5115 0.6516 43.6118 0.2266
LnMO7K4 33 -0.0822 6.9467 0.2804 28.5531 0.3671 47.4293 0.3325
LnMO7K5 33 0.00738 17.1918 0.2437 31.1907 0.3328 61.0377 0.4514
LnMO7K6 33 -0.0360 57.8081 0.2975 80.9373 0.3940 205.2 0.2311
LnX1K2 33 0.0104 0.1229 0.1269 1.2823 0.1580 1.5770 0.7654
LnX1K3 33 -0.00307 0.00111 0.1171 1.3366 0.1642 1.8691 0.3090
LnX1K4 33 0.00741 0.1574 0.1848 2.1364 0.2261 2.6446 0.6469
LnX1K5 33 0.0279 4.7038 0.6229 11.5218 1.1364 33.9414 0.0846
LnX1K6 33 -0.00272 0.0806 0.2208 2.5531 0.2494 2.8998 0.5705
LnX1K7 33 0.0543 5.0961 0.6003 11.3508 1.1456 34.5153 0.0697
LnX2K1 33 -0.00333 -0.0215 0.0666 0.7316 0.0812 0.9024 0.9881
LnX2K3 33 -0.0142 -0.1224 0.0958 1.0537 0.1144 1.2506 0.9734
LnX2K4 33 0.0690 0.7767 0.1154 1.3034 0.1581 1.7613 0.9594
LnX2K5 33 0.00294 0.0747 0.1122 1.2691 0.1453 1.6462 0.9587
LnX2K6 33 0.0102 0.2374 0.1930 2.1986 0.2557 2.9279 0.8721
LnX2K7 33 0.0163 0.2586 0.0986 1.2050 0.1438 1.7957 0.9595
LnX3K1 33 -0.00891 -0.0727 0.1007 1.1543 0.1288 1.4481 0.9695
LnX3K2 33 -0.0162 -0.1478 0.0990 1.1330 0.1216 1.3676 0.9668
LnX3K4 33 -0.0135 -0.0635 0.1694 2.1428 0.2101 2.6127 0.9334
LnX3K5 33 -0.00307 0.0264 0.1371 1.7320 0.1608 2.0022 0.9485
LnX3K6 33 0.00759 0.3691 0.2490 3.3052 0.3029 4.0573 0.8165
LnX3K7 33 0.00381 0.1008 0.1144 1.4883 0.1534 1.9568 0.9532
LnX4K1 33 -0.00128 0.00282 0.0752 1.1046 0.1032 1.5124 0.9530
LnX4K2 33 -0.00811 -0.0938 0.0798 1.1969 0.1102 1.6459 0.9371
LnX4K3 33 -0.00706 0.0222 0.1549 2.6877 0.2171 3.8070 0.8518
LnX4K5 33 0.00221 0.0738 0.0905 1.4619 0.1100 1.7670 0.9259
LnX4K6 33 0.0162 0.3927 0.1408 2.2360 0.1677 2.6938 0.8277
LnX4K7 33 0.00558 0.1486 0.0904 1.5977 0.1115 1.9659 0.9239
LnX5K1 33 0.0251 23.4644 0.3327 36.9521 0.4757 119.8 0.6227
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Statistics of fit
Variable N Mean Error Mean % Error
Mean Abs
ErrorMean Abs %
ErrorRMS
Error RMS % Error R-Square
LnX5K2 33 0.0619 5.5148 0.3233 14.4341 0.4841 29.2284 0.5963
LnX5K3 33 0.0128 11.7680 0.3013 28.6125 0.4225 67.4946 0.7423
LnX5K4 33 0.0133 122.0 0.3572 138.1 0.5233 685.4 0.5465
LnX5K6 33 0.0247 5.6728 0.4247 20.3820 0.5519 28.2218 0.4718
LnX5K7 33 0.00544 6.0441 0.2717 15.5569 0.4367 37.6702 0.6693
LnX6K1 33 0.00633 0.3474 0.1822 3.7611 0.2238 4.7324 0.8985
LnX6K2 33 -0.00841 -0.1694 0.0761 1.3975 0.0996 1.9032 0.9759
LnX6K3 33 -0.00357 0.0523 0.1407 2.9564 0.1810 3.8217 0.9252
LnX6K4 33 -0.0270 -0.4335 0.1837 3.9350 0.2350 5.1861 0.9038
LnX6K5 33 -0.00248 -0.0289 0.0718 1.3641 0.1001 2.0002 0.9770
LnX6K7 33 0.00334 0.1051 0.0742 1.3483 0.1051 2.0292 0.9746
LnX7K1 33 0.0119 0.3656 0.2162 3.5460 0.2688 4.5210 0.8650
LnX7K2 33 0.00935 0.1765 0.1116 1.5605 0.1413 1.9039 0.9612
LnX7K3 33 -0.0116 -0.0456 0.1506 2.3874 0.1980 3.1482 0.9426
LnX7K4 33 -0.0283 -0.2065 0.1943 3.2325 0.2484 4.3112 0.8912
LnX7K5 33 0.00282 0.0992 0.1080 1.6354 0.1440 2.1044 0.9621
LnX7K6 33 -0.00210 0.0316 0.0983 1.3794 0.1363 1.8400 0.9661
LnM1D2 33 -0.00023 0.0163 0.0786 0.9210 0.1131 1.3204 0.8831
LnM1D3 33 -0.00028 0.00860 0.0689 0.8935 0.0884 1.1457 0.6916
LnM1D4 33 -0.00294 0.0176 0.1366 1.7575 0.1780 2.2412 0.6255
LnM1D5 33 0.00518 0.4684 0.3480 4.8855 0.4419 6.3888 0.0881
LnM1D6 33 0.0152 1.4036 0.4921 7.7184 0.6721 12.1481 0.0992
LnM1D7 33 -0.00770 0.0412 0.2049 2.7253 0.2701 3.6801 0.5129
LnM2D1 33 -0.00830 -0.0496 0.1398 1.3741 0.1680 1.6554 0.9051
LnM2D3 33 -0.0137 -0.1097 0.1361 1.3638 0.1563 1.5621 0.8296
LnM2D4 33 -0.0219 -0.1672 0.1995 2.1448 0.2281 2.4475 0.7803
LnM2D5 33 0.0233 0.3721 0.1997 2.3719 0.2522 3.0376 0.6550
LnM2D6 33 0.0233 0.3648 0.1997 2.3347 0.2522 2.9893 0.6550
LnM2D7 33 0.0233 0.3916 0.1997 2.4709 0.2522 3.1666 0.6550
LnM3D1 33 0.000862 0.0543 0.1163 1.6930 0.1474 2.1276 0.9132
LnM3D2 33 -0.00346 -0.00275 0.1143 1.5540 0.1541 2.1125 0.8668
LnM3D4 33 -0.0110 0.0288 0.1977 3.1574 0.2624 4.2932 0.7747
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Statistics of fit
Variable N Mean Error Mean % Error
Mean Abs
ErrorMean Abs %
ErrorRMS
Error RMS % Error R-Square
LnM3D5 33 -0.00656 -0.0388 0.1226 1.9495 0.1599 2.5283 0.8819
LnM3D6 33 -0.00656 -0.0360 0.1226 2.1260 0.1599 2.7566 0.8819
LnM3D7 33 -0.00656 -0.0377 0.1226 2.0277 0.1599 2.6295 0.8819
LnM4D1 33 0.00663 0.2679 0.1508 2.9808 0.1924 3.7653 0.5782
LnM4D2 33 -0.0138 -0.1624 0.1297 2.3980 0.1670 3.0780 0.5274
LnM4D3 33 -0.00888 -0.1064 0.1070 1.9374 0.1280 2.2838 0.7575
LnM4D5 33 -0.00574 -0.0564 0.0975 1.8469 0.1222 2.2771 0.7233
LnM4D6 33 -0.00574 -0.0557 0.0975 1.7109 0.1222 2.1117 0.7233
LnM4D7 33 -0.00574 -0.0557 0.0975 1.7189 0.1222 2.1215 0.7233
LnM5D1 33 -0.0172 1.3132 0.2969 9.7475 0.4363 14.2071 0.8986
LnM5D2 33 -0.0202 1.2443 0.3030 8.8139 0.4569 13.6929 0.8828
LnM5D3 33 -0.0131 1.9064 0.2943 11.2437 0.4026 16.7809 0.9074
LnM5D4 33 -0.0245 1.9976 0.3197 11.0637 0.4938 18.4816 0.8740
LnM5D6 33 -0.0203 1.5205 0.2971 9.8417 0.4603 15.3829 0.8860
LnM5D7 33 -0.0201 1.1591 0.2940 8.6628 0.4562 13.3294 0.8875
LnM6D1 33 0.00111 0.4452 0.1665 4.7079 0.2292 6.5063 0.2369
LnM6D2 33 -0.00006 0.3556 0.1696 4.2019 0.2371 5.8805 0.4387
LnM6D3 33 0.00170 1.0081 0.2164 7.1702 0.2982 9.8244 0.2136
LnM6D4 33 0.000329 3.0245 0.3175 13.8203 0.4078 18.9027 0.1108
LnM6D5 33 0.000259 0.2282 0.1549 3.1797 0.2296 4.6988 0.3188
LnM6D7 33 0.000148 0.6237 0.1569 5.3735 0.2292 7.9235 0.3114
LnM7D1 33 0.0244 2.0779 0.3108 7.1535 0.5082 15.3343 0.8492
LnM7D2 33 0.0155 1.5575 0.2651 6.0074 0.4550 13.1395 0.8524
LnM7D3 33 0.0163 1.7503 0.2960 6.8469 0.4602 13.5476 0.8733
LnM7D4 33 0.0172 2.1677 0.3434 8.0665 0.5117 15.3673 0.8354
LnM7D5 33 0.0189 1.6091 0.2967 6.2439 0.4815 12.9530 0.8562
LnM7D6 33 0.0189 1.6756 0.2980 6.4047 0.4827 13.3542 0.8560
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Forecast Error Statistics
MSE Decomposition Proportions
Inequality Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnPDRB1 33 0.0121 0.98 0.02 0.00 0.97 0.00 0.97 0.0090 0.0045
LnPDRB2 33 0.0131 0.99 0.04 0.05 0.90 0.03 0.93 0.0087 0.0044
LnPDRB3 33 0.00615 0.99 0.04 0.02 0.94 0.01 0.95 0.0069 0.0035
LnPDRB4 33 0.00810 0.99 0.14 0.16 0.70 0.12 0.74 0.0085 0.0043
LnPDRB5 33 0.0347 0.96 0.02 0.00 0.98 0.04 0.94 0.0198 0.0099
LnPDRB6 33 0.0850 0.81 0.00 0.03 0.97 0.23 0.77 0.0342 0.0171
LnPDRB7 33 0.0265 0.98 0.03 0.01 0.96 0.00 0.97 0.0172 0.0086
LnTK1 33 0.00239 0.97 0.01 0.37 0.63 0.50 0.49 0.0051 0.0025
LnTK2 33 0.00254 0.89 0.00 0.00 1.00 0.07 0.93 0.0047 0.0023
LnTK3 33 0.00589 0.94 0.12 0.00 0.88 0.03 0.86 0.0092 0.0046
LnTK4 33 0.00314 0.92 0.04 0.00 0.96 0.03 0.94 0.0065 0.0033
LnTK5 33 0.000591 0.99 0.15 0.00 0.85 0.00 0.84 0.0030 0.0015
LnTK6 33 0.00834 0.88 0.01 0.02 0.97 0.14 0.84 0.0135 0.0067
LnTK7 33 0.00924 0.92 0.00 0.01 0.99 0.10 0.90 0.0137 0.0069
LnLF1 33 0.00329 0.97 0.01 0.37 0.62 0.50 0.49 0.0059 0.0030
LnLF2 33 0.00235 0.93 0.00 0.00 0.99 0.07 0.93 0.0045 0.0022
LnLF3 33 0.00643 0.94 0.13 0.00 0.87 0.03 0.84 0.0096 0.0048
LnLF4 33 0.00294 0.95 0.05 0.00 0.95 0.04 0.91 0.0063 0.0031
LnLF5 33 0.000692 0.99 0.17 0.00 0.83 0.00 0.83 0.0033 0.0016
LnLF6 33 0.00804 0.88 0.02 0.01 0.97 0.13 0.85 0.0131 0.0066
LnLF7 33 0.0103 0.92 0.00 0.01 0.98 0.10 0.90 0.0144 0.0072
LnUpah1 33 0.0847 0.92 0.02 0.04 0.94 0.17 0.82 0.0509 0.0254
LnUpah2 33 0.0511 0.97 0.00 0.03 0.97 0.09 0.91 0.0419 0.0210
LnUpah3 33 0.1081 0.94 0.27 0.00 0.73 0.01 0.73 0.0581 0.0287
LnUpah4 33 0.0870 0.94 0.04 0.01 0.95 0.08 0.88 0.0536 0.0267
LnUpah5 33 0.0214 0.99 0.21 0.00 0.79 0.00 0.79 0.0282 0.0140
LnUpah6 33 0.0411 0.99 0.16 0.21 0.63 0.27 0.57 0.0370 0.0184
LnUpah7 33 0.0217 0.99 0.01 0.07 0.92 0.11 0.88 0.0255 0.0128
LnPOV1 33 0.0148 0.92 0.00 0.01 0.98 0.10 0.90 0.0141 0.0070
LnPOV2 33 0.00632 0.98 0.00 0.03 0.97 0.08 0.92 0.0082 0.0041
LnPOV3 33 0.0161 0.55 0.00 0.00 1.00 0.25 0.75 0.0172 0.0086
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Forecast Error Statistics
MSE Decomposition Proportions
Inequality Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnPOV4 33 0.00683 0.82 0.01 0.03 0.96 0.22 0.77 0.0101 0.0051
LnPOV5 33 0.00973 0.61 0.06 0.01 0.93 0.15 0.79 0.0125 0.0063
LnPOV6 33 0.0452 0.75 0.12 0.02 0.86 0.24 0.64 0.0315 0.0159
LnPOV7 33 0.0317 0.74 0.00 0.00 1.00 0.12 0.88 0.0239 0.0120
LnMI1D2 33 0.0674 0.73 0.01 0.03 0.96 0.32 0.67 0.0452 0.0225
LnMI1D3 33 0.1761 0.71 0.01 0.17 0.83 0.61 0.38 0.2310 0.1165
LnMI1D4 33 0.2022 0.69 0.00 0.11 0.89 0.54 0.46 0.2003 0.1016
LnMI1D5 33 0.0984 0.65 0.01 0.12 0.88 0.60 0.39 0.1247 0.0624
LnMI1D6 33 0.0984 0.65 0.01 0.12 0.88 0.60 0.39 0.1483 0.0743
LnMI1D7 33 0.0984 0.65 0.01 0.12 0.88 0.60 0.39 0.1620 0.0812
LnMI2D1 33 0.1044 0.51 0.00 0.04 0.96 0.57 0.42 0.0593 0.0298
LnMI2D3 33 0.0746 0.74 0.00 0.02 0.97 0.29 0.71 0.0711 0.0357
LnMI2D4 33 0.2798 0.46 0.00 0.03 0.97 0.59 0.41 0.1511 0.0764
LnMI2D5 33 0.3022 0.63 0.00 0.03 0.97 0.40 0.60 0.1665 0.0843
LnMI2D6 33 0.3022 0.63 0.00 0.03 0.97 0.40 0.60 0.1783 0.0904
LnMI2D7 33 0.3022 0.63 0.00 0.03 0.97 0.40 0.60 0.1739 0.0882
LnMI3D1 33 0.2047 0.11 0.13 0.03 0.84 0.44 0.43 0.1922 0.0935
LnMI3D2 33 0.0720 0.69 0.06 0.21 0.73 0.67 0.27 0.0565 0.0281
LnMI3D4 33 0.1452 0.63 0.13 0.00 0.86 0.25 0.62 0.1136 0.0558
LnMI3D5 33 0.3808 0.62 0.01 0.01 0.98 0.35 0.64 0.6627 0.3752
LnMI3D6 33 0.3808 0.62 0.01 0.01 0.98 0.35 0.64 0.6506 0.3657
LnMI3D7 33 0.3808 0.62 0.01 0.01 0.98 0.35 0.64 0.6275 0.3483
LnMI4D1 33 0.1027 0.19 0.01 0.06 0.93 0.30 0.69 0.1485 0.0751
LnMI4D2 33 0.0763 0.73 0.00 0.02 0.98 0.28 0.72 0.0767 0.0385
LnMI4D3 33 0.0846 0.34 0.00 0.00 1.00 0.42 0.57 0.1425 0.0715
LnMI4D5 33 0.1649 0.65 0.01 0.12 0.88 0.59 0.40 0.1576 0.0789
LnMI4D6 33 0.1649 0.65 0.01 0.12 0.88 0.59 0.40 0.1466 0.0733
LnMI4D7 33 0.1649 0.65 0.01 0.12 0.88 0.59 0.40 0.1512 0.0757
LnMI5D1 33 0.1205 0.46 0.03 0.02 0.95 0.56 0.41 0.3774 0.1901
LnMI5D2 33 0.0325 0.83 0.03 0.00 0.97 0.07 0.90 0.0581 0.0289
LnMI5D3 33 0.0162 0.96 0.03 0.00 0.97 0.01 0.96 0.2447 0.1226
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Forecast Error Statistics
MSE Decomposition Proportions
Inequality Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnMI5D4 33 0.0568 0.77 0.04 0.16 0.80 0.51 0.45 0.1587 0.0789
LnMI5D6 33 0.0568 0.77 0.04 0.16 0.80 0.51 0.45 0.1364 0.0678
LnMI5D7 33 0.0568 0.77 0.04 0.16 0.80 0.51 0.45 0.2471 0.1234
LnMI6D1 33 0.0898 0.65 0.00 0.07 0.93 0.51 0.49 0.2598 0.1323
LnMI6D2 33 0.0292 0.86 0.03 0.07 0.90 0.27 0.70 0.0509 0.0254
LnMI6D3 33 0.0228 0.96 0.06 0.07 0.86 0.17 0.77 0.2267 0.1145
LnMI6D4 33 0.0613 0.70 0.00 0.05 0.95 0.39 0.60 0.1551 0.0780
LnMI6D5 33 0.0613 0.70 0.00 0.05 0.95 0.39 0.60 0.1384 0.0695
LnMI6D7 33 0.0613 0.70 0.00 0.05 0.95 0.39 0.60 0.1453 0.0730
LnMI7D1 33 0.0892 0.68 0.01 0.13 0.86 0.59 0.40 0.6345 0.3888
LnMI7D2 33 0.0355 0.81 0.01 0.01 0.98 0.19 0.80 0.0739 0.0371
LnMI7D3 33 0.0187 0.96 0.00 0.02 0.98 0.08 0.92 0.2339 0.1198
LnMI7D4 33 0.0447 0.83 0.01 0.18 0.81 0.50 0.50 0.2399 0.1243
LnMI7D5 33 0.0447 0.83 0.01 0.18 0.81 0.50 0.50 0.2571 0.1339
LnMI7D6 33 0.0447 0.83 0.01 0.18 0.81 0.50 0.50 0.2028 0.1042
LnMO1K2 33 0.0860 0.77 0.08 0.04 0.87 0.29 0.62 0.0560 0.0283
LnMO1K3 33 0.1637 0.79 0.05 0.08 0.87 0.37 0.59 0.1828 0.0907
LnMO1K4 33 0.1593 0.55 0.00 0.08 0.92 0.63 0.37 0.1699 0.0853
LnMO1K5 33 0.1938 0.52 0.00 0.02 0.98 0.50 0.50 0.2185 0.1104
LnMO1K6 33 0.0767 0.86 0.02 0.05 0.93 0.24 0.74 0.1854 0.0928
LnMO1K7 33 0.1058 0.67 0.00 0.02 0.98 0.34 0.66 0.2158 0.1091
LnMO2K1 33 0.0553 0.81 0.00 0.01 0.99 0.04 0.96 0.0396 0.0198
LnMO2K3 33 0.0844 0.51 0.03 0.00 0.97 0.34 0.63 0.0614 0.0306
LnMO2K4 33 0.0458 0.88 0.00 0.22 0.77 0.47 0.52 0.0575 0.0288
LnMO2K5 33 0.2781 0.73 0.00 0.37 0.63 0.84 0.15 0.1553 0.0784
LnMO2K6 33 0.1909 0.90 0.05 0.58 0.38 0.81 0.14 0.1457 0.0724
LnMO2K7 33 0.1915 0.74 0.01 0.10 0.90 0.46 0.54 0.1552 0.0778
LnMO3K1 33 0.1202 0.82 0.08 0.16 0.76 0.45 0.47 0.1774 0.0876
LnMO3K2 33 0.0454 0.94 0.02 0.54 0.44 0.72 0.26 0.0572 0.0288
LnMO3K4 33 0.0498 0.92 0.19 0.19 0.61 0.36 0.44 0.0977 0.0502
LnMO3K5 33 0.2228 0.84 0.14 0.02 0.85 0.16 0.70 0.4754 0.2730
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Forecast Error Statistics
MSE Decomposition Proportions
Inequality Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnMO3K6 33 0.1667 0.90 0.01 0.27 0.72 0.50 0.48 0.4980 0.3030
LnMO3K7 33 0.2867 0.80 0.00 0.21 0.79 0.56 0.44 0.6702 0.4471
LnMO4K1 33 0.4770 0.32 0.09 0.10 0.81 0.11 0.79 0.2876 0.1520
LnMO4K2 33 0.3544 0.68 0.01 0.25 0.74 0.77 0.22 0.1819 0.0926
LnMO4K3 33 1.9139 -0.26 0.35 0.36 0.28 0.01 0.64 0.4161 0.2377
LnMO4K5 33 0.1339 0.48 0.01 0.00 0.99 0.38 0.61 0.1642 0.0821
LnMO4K6 33 0.1597 0.32 0.00 0.02 0.98 0.32 0.67 0.1793 0.0899
LnMO4K7 33 0.1414 0.45 0.02 0.00 0.98 0.41 0.57 0.1810 0.0902
LnMO5K1 33 0.1504 0.84 0.02 0.07 0.91 0.30 0.69 0.2806 0.1425
LnMO5K2 33 0.2008 0.85 0.01 0.18 0.81 0.46 0.53 0.1571 0.0801
LnMO5K3 33 0.2485 0.78 0.05 0.00 0.95 0.17 0.78 0.2959 0.1566
LnMO5K4 33 0.0802 0.87 0.01 0.10 0.90 0.31 0.68 0.1849 0.0933
LnMO5K6 33 0.1252 0.80 0.02 0.14 0.84 0.46 0.52 0.2088 0.1048
LnMO5K7 33 0.0873 0.87 0.00 0.18 0.82 0.43 0.56 0.2008 0.1020
LnMO6K1 33 0.2020 0.72 0.02 0.17 0.81 0.60 0.37 0.3257 0.1651
LnMO6K2 33 0.2114 0.73 0.04 0.04 0.92 0.33 0.63 0.1602 0.0821
LnMO6K3 33 0.3359 0.69 0.11 0.04 0.86 0.35 0.55 0.3381 0.1852
LnMO6K4 33 0.1259 0.69 0.00 0.16 0.84 0.63 0.37 0.2495 0.1274
LnMO6K5 33 0.1063 0.75 0.00 0.16 0.84 0.56 0.44 0.1800 0.0912
LnMO6K7 33 0.1456 0.56 0.00 0.05 0.95 0.54 0.46 0.2565 0.1314
LnMO7K1 33 0.2009 0.67 0.03 0.05 0.92 0.43 0.55 0.3931 0.2144
LnMO7K2 33 0.1792 0.80 0.00 0.14 0.85 0.47 0.53 0.1623 0.0825
LnMO7K3 33 0.4246 0.68 0.25 0.05 0.70 0.35 0.40 0.4418 0.2620
LnMO7K4 33 0.1348 0.62 0.05 0.03 0.92 0.41 0.54 0.2544 0.1335
LnMO7K5 33 0.1108 0.71 0.00 0.10 0.90 0.50 0.50 0.2416 0.1231
LnMO7K6 33 0.1552 0.53 0.01 0.05 0.94 0.59 0.41 0.3419 0.1801
LnX1K2 33 0.0250 0.88 0.00 0.03 0.97 0.01 0.99 0.0162 0.0081
LnX1K3 33 0.0270 0.56 0.00 0.00 1.00 0.34 0.66 0.0188 0.0094
LnX1K4 33 0.0511 0.81 0.00 0.00 1.00 0.14 0.86 0.0260 0.0130
LnX1K5 33 1.2915 0.30 0.00 0.01 0.99 0.44 0.56 0.1354 0.0679
LnX1K6 33 0.0622 0.81 0.00 0.18 0.82 0.53 0.47 0.0287 0.0143
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Forecast Error Statistics
MSE Decomposition Proportions
Inequality Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnX1K7 33 1.3125 0.28 0.00 0.01 0.99 0.45 0.55 0.1365 0.0683
LnX2K1 33 0.00659 0.99 0.00 0.01 0.99 0.02 0.98 0.0087 0.0043
LnX2K3 33 0.0131 0.99 0.02 0.03 0.95 0.07 0.91 0.0125 0.0062
LnX2K4 33 0.0250 0.98 0.19 0.05 0.76 0.02 0.79 0.0179 0.0089
LnX2K5 33 0.0211 0.98 0.00 0.01 0.99 0.04 0.96 0.0164 0.0082
LnX2K6 33 0.0654 0.94 0.00 0.04 0.96 0.14 0.86 0.0281 0.0140
LnX2K7 33 0.0207 0.98 0.01 0.04 0.95 0.08 0.91 0.0174 0.0087
LnX3K1 33 0.0166 0.98 0.00 0.01 0.98 0.04 0.96 0.0150 0.0075
LnX3K2 33 0.0148 0.98 0.02 0.06 0.92 0.11 0.88 0.0141 0.0070
LnX3K4 33 0.0441 0.97 0.00 0.03 0.97 0.09 0.91 0.0270 0.0135
LnX3K5 33 0.0258 0.97 0.00 0.02 0.98 0.07 0.93 0.0204 0.0102
LnX3K6 33 0.0917 0.92 0.00 0.13 0.87 0.31 0.69 0.0391 0.0196
LnX3K7 33 0.0235 0.98 0.00 0.01 0.99 0.04 0.96 0.0202 0.0101
LnX4K1 33 0.0107 0.98 0.00 0.00 1.00 0.01 0.99 0.0154 0.0077
LnX4K2 33 0.0121 0.97 0.01 0.00 0.99 0.03 0.97 0.0167 0.0084
LnX4K3 33 0.0471 0.92 0.00 0.00 1.00 0.05 0.95 0.0379 0.0190
LnX4K5 33 0.0121 0.96 0.00 0.00 1.00 0.04 0.96 0.0178 0.0089
LnX4K6 33 0.0281 0.94 0.01 0.33 0.66 0.51 0.48 0.0261 0.0130
LnX4K7 33 0.0124 0.96 0.00 0.01 0.99 0.04 0.95 0.0198 0.0099
LnX5K1 33 0.2263 0.79 0.00 0.00 1.00 0.10 0.90 0.2398 0.1208
LnX5K2 33 0.2344 0.81 0.02 0.12 0.87 0.00 0.98 0.1798 0.0888
LnX5K3 33 0.1785 0.86 0.00 0.00 1.00 0.06 0.94 0.2224 0.1121
LnX5K4 33 0.2738 0.74 0.00 0.00 1.00 0.11 0.89 0.2710 0.1373
LnX5K6 33 0.3046 0.72 0.00 0.09 0.91 0.01 0.99 0.2123 0.1059
LnX5K7 33 0.1907 0.82 0.00 0.00 1.00 0.09 0.91 0.1829 0.0921
LnX6K1 33 0.0501 0.95 0.00 0.00 1.00 0.03 0.97 0.0448 0.0224
LnX6K2 33 0.00991 0.99 0.01 0.06 0.93 0.03 0.96 0.0173 0.0087
LnX6K3 33 0.0328 0.96 0.00 0.00 1.00 0.01 0.99 0.0371 0.0186
LnX6K4 33 0.0552 0.95 0.01 0.01 0.98 0.00 0.98 0.0475 0.0238
LnX6K5 33 0.0100 0.99 0.00 0.01 0.99 0.00 1.00 0.0185 0.0092
LnX6K7 33 0.0111 0.99 0.00 0.00 1.00 0.01 0.99 0.0186 0.0093
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Forecast Error Statistics
MSE Decomposition Proportions
Inequality Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnX7K1 33 0.0723 0.93 0.00 0.00 1.00 0.03 0.97 0.0424 0.0212
LnX7K2 33 0.0200 0.98 0.00 0.00 0.99 0.02 0.97 0.0199 0.0100
LnX7K3 33 0.0392 0.97 0.00 0.01 0.98 0.06 0.94 0.0318 0.0159
LnX7K4 33 0.0617 0.95 0.01 0.02 0.96 0.10 0.89 0.0395 0.0198
LnX7K5 33 0.0207 0.98 0.00 0.01 0.99 0.03 0.97 0.0218 0.0109
LnX7K6 33 0.0186 0.98 0.00 0.02 0.98 0.06 0.94 0.0195 0.0097
LnM1D2 33 0.0128 0.94 0.00 0.00 1.00 0.04 0.96 0.0134 0.0067
LnM1D3 33 0.00782 0.83 0.00 0.00 1.00 0.07 0.93 0.0115 0.0058
LnM1D4 33 0.0317 0.79 0.00 0.00 1.00 0.16 0.84 0.0232 0.0116
LnM1D5 33 0.1953 0.36 0.00 0.04 0.96 0.78 0.22 0.0605 0.0303
LnM1D6 33 0.4517 0.34 0.00 0.02 0.98 0.69 0.31 0.0959 0.0480
LnM1D7 33 0.0729 0.72 0.00 0.01 0.99 0.24 0.76 0.0353 0.0177
LnM2D1 33 0.0282 0.95 0.00 0.01 0.99 0.05 0.94 0.0164 0.0082
LnM2D3 33 0.0244 0.91 0.01 0.01 0.99 0.09 0.91 0.0157 0.0079
LnM2D4 33 0.0520 0.89 0.01 0.01 0.98 0.12 0.87 0.0246 0.0123
LnM2D5 33 0.0636 0.81 0.01 0.01 0.98 0.17 0.83 0.0296 0.0148
LnM2D6 33 0.0636 0.81 0.01 0.01 0.98 0.17 0.83 0.0292 0.0146
LnM2D7 33 0.0636 0.81 0.01 0.01 0.98 0.17 0.83 0.0308 0.0154
LnM3D1 33 0.0217 0.96 0.00 0.00 1.00 0.02 0.98 0.0215 0.0107
LnM3D2 33 0.0238 0.93 0.00 0.00 1.00 0.04 0.96 0.0211 0.0105
LnM3D4 33 0.0689 0.88 0.00 0.01 0.99 0.12 0.88 0.0418 0.0209
LnM3D5 33 0.0256 0.94 0.00 0.00 1.00 0.04 0.96 0.0255 0.0128
LnM3D6 33 0.0256 0.94 0.00 0.00 1.00 0.04 0.96 0.0278 0.0139
LnM3D7 33 0.0256 0.94 0.00 0.00 1.00 0.04 0.96 0.0265 0.0133
LnM4D1 33 0.0370 0.76 0.00 0.00 1.00 0.13 0.87 0.0383 0.0192
LnM4D2 33 0.0279 0.73 0.01 0.00 0.99 0.17 0.82 0.0309 0.0155
LnM4D3 33 0.0164 0.87 0.00 0.00 0.99 0.10 0.89 0.0234 0.0117
LnM4D5 33 0.0149 0.85 0.00 0.00 1.00 0.10 0.90 0.0235 0.0117
LnM4D6 33 0.0149 0.85 0.00 0.00 1.00 0.10 0.90 0.0217 0.0109
LnM4D7 33 0.0149 0.85 0.00 0.00 1.00 0.10 0.90 0.0218 0.0109
LnM5D1 33 0.1904 0.95 0.00 0.01 0.99 0.07 0.93 0.1183 0.0596
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Forecast Error Statistics
MSE Decomposition Proportions
Inequality Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnM5D2 33 0.2088 0.94 0.00 0.01 0.98 0.08 0.92 0.1127 0.0568
LnM5D3 33 0.1621 0.95 0.00 0.01 0.99 0.06 0.94 0.1183 0.0596
LnM5D4 33 0.2439 0.94 0.00 0.01 0.99 0.08 0.92 0.1379 0.0697
LnM5D6 33 0.2119 0.94 0.00 0.01 0.99 0.08 0.92 0.1245 0.0628
LnM5D7 33 0.2081 0.94 0.00 0.01 0.99 0.08 0.92 0.1143 0.0576
LnM6D1 33 0.0526 0.49 0.00 0.00 1.00 0.30 0.70 0.0632 0.0316
LnM6D2 33 0.0562 0.66 0.00 0.00 1.00 0.23 0.77 0.0570 0.0285
LnM6D3 33 0.0889 0.46 0.00 0.00 1.00 0.32 0.68 0.0962 0.0482
LnM6D4 33 0.1663 0.33 0.00 0.00 1.00 0.49 0.51 0.1625 0.0818
LnM6D5 33 0.0527 0.56 0.00 0.00 1.00 0.28 0.72 0.0462 0.0231
LnM6D7 33 0.0525 0.56 0.00 0.00 1.00 0.29 0.71 0.0749 0.0375
LnM7D1 33 0.2583 0.92 0.00 0.00 0.99 0.07 0.93 0.0931 0.0466
LnM7D2 33 0.2070 0.92 0.00 0.01 0.99 0.08 0.92 0.0824 0.0412
LnM7D3 33 0.2118 0.94 0.00 0.01 0.99 0.07 0.92 0.0874 0.0438
LnM7D4 33 0.2618 0.92 0.00 0.01 0.99 0.10 0.90 0.0973 0.0487
LnM7D5 33 0.2319 0.93 0.00 0.01 0.99 0.08 0.92 0.0833 0.0417
LnM7D6 33 0.2330 0.93 0.00 0.01 0.99 0.08 0.92 0.0847 0.0424
Theil Relative Change Forecast Error Statistics
Relative Change MSE Decomposition
Proportions Inequality
Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnPDRB1 33 0.000091 0.59 0.02 0.27 0.71 0.01 0.97 0.7809 0.3671
LnPDRB2 33 0.000077 0.53 0.04 0.35 0.61 0.03 0.94 0.7821 0.3560
LnPDRB3 33 0.000050 0.85 0.04 0.05 0.91 0.00 0.95 0.4431 0.2175
LnPDRB4 33 0.000072 0.58 0.13 0.12 0.75 0.01 0.86 0.6797 0.3175
LnPDRB5 33 0.000375 0.64 0.02 0.22 0.75 0.00 0.97 0.7999 0.3800
LnPDRB6 33 0.00134 0.48 0.01 0.75 0.24 0.33 0.66 1.6749 0.5653
LnPDRB7 33 0.000307 0.35 0.03 0.38 0.59 0.01 0.96 0.9879 0.4543
LnTK1 33 0.000026 0.41 0.01 0.59 0.40 0.13 0.86 1.3824 0.5499
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Relative Change Forecast Error Statistics
Relative Change MSE Decomposition
Proportions Inequality
Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnTK2 33 0.000021 0.60 0.00 0.08 0.92 0.04 0.96 0.8192 0.4439
LnTK3 33 0.000086 0.50 0.12 0.32 0.56 0.02 0.86 1.1159 0.4884
LnTK4 33 0.000043 0.51 0.04 0.36 0.61 0.02 0.94 1.0795 0.4872
LnTK5 33 9.204E-6 0.63 0.15 0.19 0.65 0.00 0.84 0.8656 0.3891
LnTK6 33 0.000172 0.66 0.02 0.23 0.75 0.01 0.98 0.8697 0.4173
LnTK7 33 0.000183 0.44 0.00 0.40 0.60 0.02 0.98 1.1412 0.5270
LnLF1 33 0.000035 0.39 0.01 0.70 0.29 0.23 0.76 1.6024 0.5774
LnLF2 33 0.000020 0.57 0.00 0.15 0.85 0.01 0.99 0.8708 0.4519
LnLF3 33 0.000094 0.48 0.13 0.38 0.48 0.04 0.82 1.2133 0.5039
LnLF4 33 0.000040 0.53 0.05 0.38 0.57 0.04 0.91 1.0781 0.4728
LnLF5 33 0.000011 0.61 0.17 0.27 0.56 0.02 0.81 0.9293 0.3982
LnLF6 33 0.000166 0.63 0.02 0.32 0.66 0.03 0.95 0.9508 0.4345
LnLF7 33 0.000201 0.43 0.00 0.44 0.56 0.04 0.96 1.1801 0.5328
LnUpah1 33 0.00318 0.32 0.03 0.74 0.23 0.27 0.70 1.8632 0.6178
LnUpah2 33 0.00227 0.36 0.00 0.77 0.23 0.30 0.70 1.6735 0.5847
LnUpah3 33 0.00432 0.36 0.26 0.66 0.08 0.38 0.36 2.7935 0.6618
LnUpah4 33 0.00347 0.34 0.06 0.75 0.19 0.31 0.63 1.9382 0.6096
LnUpah5 33 0.000847 0.61 0.24 0.52 0.24 0.23 0.53 1.1271 0.4069
LnUpah6 33 0.00152 0.38 0.25 0.55 0.21 0.19 0.57 1.5579 0.5160
LnUpah7 33 0.000700 0.42 0.00 0.70 0.30 0.23 0.77 1.1676 0.4798
LnPOV1 33 0.000195 0.52 0.00 0.14 0.86 0.02 0.97 0.9110 0.4901
LnPOV2 33 0.000062 0.51 0.00 0.15 0.85 0.02 0.98 0.8766 0.4657
LnPOV3 33 0.000301 0.42 0.00 0.48 0.52 0.05 0.95 1.2503 0.5461
LnPOV4 33 0.000101 0.57 0.01 0.06 0.93 0.07 0.92 0.8459 0.4719
LnPOV5 33 0.000151 0.46 0.06 0.31 0.64 0.01 0.94 1.1108 0.5230
LnPOV6 33 0.000967 0.31 0.10 0.52 0.38 0.08 0.82 1.5384 0.6031
LnPOV7 33 0.000594 0.46 0.00 0.38 0.62 0.02 0.98 1.1195 0.5184
LnMI1D2 33 0.00208 0.47 0.02 0.52 0.46 0.10 0.88 1.2675 0.5218
LnMI1D3 33 0.2846 0.92 0.05 0.00 0.95 0.03 0.93 0.3941 0.2012
LnMI1D4 33 0.0900 0.42 0.05 0.71 0.25 0.28 0.68 1.7487 0.5846
LnMI1D5 33 0.0203 0.63 0.03 0.33 0.64 0.04 0.93 0.9487 0.4264
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Relative Change Forecast Error Statistics
Relative Change MSE Decomposition
Proportions Inequality
Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnMI1D6 33 0.0316 0.68 0.04 0.32 0.64 0.05 0.92 0.8960 0.4012
LnMI1D7 33 0.0403 0.71 0.04 0.32 0.64 0.05 0.90 0.8570 0.3824
LnMI2D1 33 0.00402 0.39 0.00 0.63 0.37 0.15 0.85 1.5044 0.5824
LnMI2D3 33 0.00645 0.36 0.00 0.66 0.34 0.17 0.83 1.5856 0.5972
LnMI2D4 33 0.0438 0.49 0.01 0.76 0.23 0.36 0.64 1.8179 0.5869
LnMI2D5 33 0.0684 0.74 0.02 0.71 0.27 0.41 0.57 1.2822 0.4514
LnMI2D6 33 0.0987 0.80 0.02 0.75 0.22 0.50 0.48 1.2721 0.4356
LnMI2D7 33 0.0854 0.77 0.02 0.74 0.24 0.47 0.51 1.2762 0.4416
LnMI3D1 33 0.0812 0.81 0.15 0.58 0.27 0.35 0.50 1.1284 0.4106
LnMI3D2 33 0.00363 0.26 0.08 0.73 0.19 0.27 0.64 2.2237 0.6824
LnMI3D4 33 0.0177 0.72 0.15 0.30 0.55 0.06 0.78 0.9332 0.4033
LnMI3D5 33 6.7701 0.73 0.09 0.04 0.87 0.33 0.58 0.7027 0.4514
LnMI3D6 33 10.3804 0.82 0.07 0.23 0.70 0.55 0.37 0.6608 0.4474
LnMI3D7 33 82.2016 0.92 0.01 0.62 0.37 0.84 0.15 0.6602 0.4732
LnMI4D1 33 0.0246 0.19 0.00 0.85 0.14 0.37 0.63 2.5823 0.7222
LnMI4D2 33 0.00676 0.40 0.00 0.44 0.56 0.03 0.97 1.2297 0.5555
LnMI4D3 33 0.0308 0.52 0.01 0.18 0.81 0.01 0.99 0.9459 0.4877
LnMI4D5 33 0.0406 0.33 0.06 0.78 0.16 0.36 0.58 2.3753 0.6767
LnMI4D6 33 0.0332 0.33 0.05 0.78 0.16 0.36 0.59 2.3345 0.6747
LnMI4D7 33 0.0361 0.33 0.06 0.78 0.16 0.36 0.59 2.3514 0.6756
LnMI5D1 33 0.4824 0.54 0.09 0.54 0.37 0.16 0.75 1.3602 0.5318
LnMI5D2 33 0.00370 0.55 0.04 0.26 0.71 0.00 0.96 0.9752 0.4646
LnMI5D3 33 1.7932 0.34 0.11 0.05 0.84 0.18 0.72 1.0195 0.6343
LnMI5D4 33 0.0483 0.75 0.11 0.49 0.41 0.21 0.69 1.0441 0.4134
LnMI5D6 33 0.0305 0.67 0.10 0.49 0.42 0.17 0.74 1.1456 0.4549
LnMI5D7 33 2.4345 0.99 0.01 0.96 0.03 0.94 0.05 0.5592 0.2199
LnMI6D1 33 0.2291 0.94 0.00 0.59 0.41 0.43 0.57 0.5338 0.2273
LnMI6D2 33 0.00281 0.56 0.04 0.18 0.78 0.00 0.95 0.9240 0.4589
LnMI6D3 33 1.1930 1.00 0.04 0.88 0.08 0.86 0.10 0.3086 0.1347
LnMI6D4 33 0.0413 0.67 0.03 0.52 0.45 0.18 0.79 1.1103 0.4461
LnMI6D5 33 0.0296 0.60 0.02 0.52 0.46 0.15 0.83 1.1767 0.4776
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Relative Change Forecast Error Statistics
Relative Change MSE Decomposition
Proportions Inequality
Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnMI6D7 33 0.0339 0.63 0.03 0.52 0.46 0.16 0.82 1.1509 0.4653
LnMI7D1 33 13.9344 0.11 0.01 0.14 0.85 0.20 0.79 1.0746 0.6952
LnMI7D2 33 0.00583 0.53 0.00 0.29 0.71 0.01 0.99 0.9861 0.4769
LnMI7D3 33 0.4725 0.65 0.00 0.13 0.87 0.62 0.38 0.7970 0.5585
LnMI7D4 33 0.2531 0.92 0.00 0.61 0.39 0.42 0.58 0.6306 0.2623
LnMI7D5 33 0.2407 0.78 0.00 0.48 0.52 0.19 0.81 0.8536 0.3620
LnMI7D6 33 0.7698 0.99 0.04 0.89 0.07 0.86 0.11 0.4574 0.1881
LnMO1K2 33 0.00318 0.36 0.06 0.49 0.46 0.05 0.89 1.3711 0.5897
LnMO1K3 33 0.0670 0.68 0.14 0.44 0.42 0.15 0.72 1.1248 0.4464
LnMO1K4 33 0.0505 0.37 0.04 0.62 0.34 0.16 0.81 1.5805 0.5912
LnMO1K5 33 0.0968 0.74 0.03 0.35 0.62 0.08 0.88 0.8461 0.3725
LnMO1K6 33 0.0881 0.55 0.08 0.33 0.59 0.03 0.89 1.0596 0.4700
LnMO1K7 33 0.1303 0.58 0.05 0.47 0.48 0.11 0.84 1.1679 0.4810
LnMO2K1 33 0.00167 0.12 0.00 0.82 0.18 0.27 0.73 2.2479 0.7113
LnMO2K3 33 0.00409 0.27 0.05 0.79 0.16 0.35 0.60 2.4398 0.6940
LnMO2K4 33 0.00381 0.40 0.02 0.53 0.45 0.08 0.90 1.3633 0.5654
LnMO2K5 33 0.0398 0.32 0.02 0.81 0.16 0.37 0.61 2.3305 0.6752
LnMO2K6 33 0.0495 0.40 0.10 0.70 0.19 0.30 0.59 2.0857 0.6399
LnMO2K7 33 0.0577 0.46 0.06 0.75 0.20 0.35 0.59 1.9979 0.6150
LnMO3K1 33 0.1765 0.58 0.12 0.77 0.11 0.50 0.38 2.4017 0.6240
LnMO3K2 33 0.00389 0.19 0.00 0.74 0.26 0.20 0.80 1.8882 0.6700
LnMO3K4 33 0.00942 0.20 0.12 0.61 0.27 0.13 0.75 1.7926 0.6855
LnMO3K5 33 27.2780 0.20 0.01 0.09 0.90 0.23 0.76 1.0325 0.6825
LnMO3K6 33 4.9446 0.71 0.07 0.83 0.10 0.61 0.32 2.1986 0.5813
LnMO3K7 33 49.5869 -0.99 0.07 0.92 0.01 0.02 0.91 1.7450 0.9945
LnMO4K1 33 0.1413 -0.02 0.00 0.91 0.08 0.43 0.57 3.4303 0.8056
LnMO4K2 33 0.0589 0.19 0.02 0.88 0.10 0.45 0.53 3.0562 0.7473
LnMO4K3 33 0.1420 -0.18 0.28 0.69 0.03 0.37 0.35 5.3561 0.8817
LnMO4K5 33 0.0409 0.28 0.05 0.77 0.18 0.32 0.63 2.2676 0.6747
LnMO4K6 33 0.0526 0.24 0.04 0.82 0.14 0.38 0.58 2.5715 0.7041
LnMO4K7 33 0.0571 0.26 0.07 0.77 0.15 0.34 0.58 2.4607 0.6910
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Relative Change Forecast Error Statistics
Relative Change MSE Decomposition
Proportions Inequality
Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnMO5K1 33 15.5024 -0.76 0.01 0.97 0.02 0.33 0.66 4.2905 0.9583
LnMO5K2 33 0.0571 0.69 0.02 0.52 0.47 0.18 0.80 1.0529 0.4276
LnMO5K3 33 0.1706 0.48 0.02 0.21 0.77 0.00 0.98 0.9443 0.4939
LnMO5K4 33 0.1950 0.55 0.05 0.37 0.57 0.04 0.91 1.0972 0.4841
LnMO5K6 33 0.1725 0.45 0.08 0.52 0.40 0.11 0.80 1.4096 0.5516
LnMO5K7 33 0.2885 0.59 0.06 0.44 0.50 0.10 0.84 1.1348 0.4723
LnMO6K1 33 49.4296 -0.87 0.04 0.94 0.01 0.27 0.69 4.0258 0.9760
LnMO6K2 33 0.0456 0.65 0.00 0.54 0.46 0.18 0.82 1.1239 0.4540
LnMO6K3 33 0.1292 0.51 0.01 0.38 0.61 0.03 0.96 1.0618 0.4924
LnMO6K4 33 0.2661 0.47 0.06 0.52 0.42 0.11 0.83 1.3509 0.5406
LnMO6K5 33 0.0739 0.46 0.03 0.53 0.44 0.10 0.87 1.3317 0.5432
LnMO6K7 33 0.2411 0.45 0.04 0.60 0.36 0.17 0.79 1.4899 0.5618
LnMO7K1 33 6.9522 -0.76 0.00 0.97 0.03 0.29 0.71 3.9484 0.9529
LnMO7K2 33 0.0644 0.73 0.02 0.52 0.45 0.21 0.77 1.0107 0.4076
LnMO7K3 33 0.6003 0.71 0.13 0.04 0.83 0.33 0.54 0.7389 0.4840
LnMO7K4 33 0.1927 0.46 0.01 0.46 0.53 0.06 0.94 1.2079 0.5267
LnMO7K5 33 0.2924 0.52 0.06 0.48 0.46 0.10 0.85 1.2585 0.5153
LnMO7K6 33 2.5512 0.63 0.06 0.50 0.44 0.16 0.78 1.1582 0.4616
LnX1K2 33 0.000251 0.31 0.01 0.68 0.31 0.18 0.82 1.6554 0.6118
LnX1K3 33 0.000345 0.55 0.00 0.21 0.79 0.00 1.00 0.9436 0.4766
LnX1K4 33 0.000683 0.47 0.00 0.31 0.69 0.00 0.99 1.0625 0.5136
LnX1K5 33 0.0290 0.88 0.01 0.09 0.91 0.00 0.99 0.4982 0.2453
LnX1K6 33 0.000841 0.43 0.00 0.42 0.58 0.03 0.97 1.1789 0.5377
LnX1K7 33 0.0300 0.88 0.01 0.10 0.88 0.01 0.98 0.5067 0.2473
LnX2K1 33 0.000082 0.75 0.00 0.05 0.94 0.02 0.98 0.6162 0.3211
LnX2K3 33 0.000158 0.53 0.01 0.20 0.79 0.00 0.99 0.8886 0.4610
LnX2K4 33 0.000307 0.55 0.19 0.20 0.60 0.00 0.81 1.0042 0.4461
LnX2K5 33 0.000272 0.58 0.00 0.13 0.86 0.01 0.99 0.8340 0.4343
LnX2K6 33 0.000876 0.12 0.01 0.62 0.38 0.06 0.93 1.5402 0.6437
LnX2K7 33 0.000317 0.58 0.02 0.14 0.85 0.01 0.97 0.8396 0.4278
LnX3K1 33 0.000214 0.53 0.00 0.42 0.58 0.05 0.95 0.9240 0.4287
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Relative Change Forecast Error Statistics
Relative Change MSE Decomposition
Proportions Inequality
Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnX3K2 33 0.000191 0.53 0.01 0.50 0.49 0.10 0.89 1.0062 0.4505
LnX3K4 33 0.000696 0.47 0.00 0.45 0.55 0.05 0.95 1.0949 0.4939
LnX3K5 33 0.000413 0.51 0.00 0.47 0.53 0.07 0.93 1.0524 0.4644
LnX3K6 33 0.00168 0.31 0.01 0.76 0.23 0.27 0.72 1.8098 0.6149
LnX3K7 33 0.000395 0.53 0.00 0.53 0.47 0.12 0.88 1.0733 0.4551
LnX4K1 33 0.000232 0.61 0.00 0.17 0.83 0.00 1.00 0.7970 0.4036
LnX4K2 33 0.000272 0.57 0.00 0.28 0.71 0.01 0.99 0.8985 0.4377
LnX4K3 33 0.00142 0.56 0.00 0.35 0.65 0.03 0.97 1.0023 0.4645
LnX4K5 33 0.000318 0.62 0.00 0.18 0.82 0.00 1.00 0.8235 0.4135
LnX4K6 33 0.000739 0.50 0.02 0.58 0.40 0.16 0.82 1.3074 0.5114
LnX4K7 33 0.000390 0.61 0.00 0.18 0.81 0.00 1.00 0.8301 0.4136
LnX5K1 33 0.2333 0.98 0.04 0.65 0.31 0.56 0.40 0.3700 0.1618
LnX5K2 33 0.0580 0.85 0.03 0.53 0.44 0.29 0.68 0.7696 0.3160
LnX5K3 33 0.1314 0.93 0.01 0.38 0.60 0.23 0.76 0.4450 0.2007
LnX5K4 33 1.2105 1.00 0.04 0.87 0.09 0.86 0.11 0.1523 0.0711
LnX5K6 33 0.0983 0.82 0.04 0.65 0.31 0.40 0.56 1.0078 0.3784
LnX5K7 33 0.0507 0.87 0.01 0.31 0.67 0.12 0.87 0.5948 0.2688
LnX6K1 33 0.00203 0.78 0.00 0.02 0.98 0.05 0.95 0.6370 0.3422
LnX6K2 33 0.000324 0.93 0.01 0.03 0.96 0.00 0.99 0.3717 0.1858
LnX6K3 33 0.00143 0.81 0.00 0.01 0.99 0.05 0.95 0.5822 0.3120
LnX6K4 33 0.00251 0.75 0.01 0.07 0.91 0.01 0.98 0.6913 0.3554
LnX6K5 33 0.000329 0.94 0.00 0.00 1.00 0.04 0.96 0.3462 0.1789
LnX6K7 33 0.000327 0.93 0.00 0.00 1.00 0.04 0.96 0.3602 0.1870
LnX7K1 33 0.00205 0.42 0.00 0.48 0.52 0.05 0.94 1.2090 0.5281
LnX7K2 33 0.000376 0.52 0.01 0.37 0.62 0.03 0.97 0.9925 0.4550
LnX7K3 33 0.000964 0.58 0.00 0.19 0.81 0.00 1.00 0.8653 0.4387
LnX7K4 33 0.00175 0.67 0.01 0.06 0.93 0.03 0.96 0.7582 0.4078
LnX7K5 33 0.000461 0.50 0.00 0.40 0.60 0.03 0.96 1.0153 0.4637
LnX7K6 33 0.000353 0.52 0.00 0.32 0.68 0.01 0.99 0.9422 0.4500
LnM1D2 33 0.000173 0.56 0.00 0.17 0.83 0.00 1.00 0.8867 0.4557
LnM1D3 33 0.000129 0.75 0.00 0.01 0.99 0.22 0.78 0.6655 0.3939
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Relative Change Forecast Error Statistics
Relative Change MSE Decomposition
Proportions Inequality
Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnM1D4 33 0.000516 0.48 0.00 0.22 0.78 0.00 1.00 0.9862 0.5070
LnM1D5 33 0.00389 0.49 0.00 0.32 0.68 0.01 0.99 1.0619 0.5075
LnM1D6 33 0.0107 0.62 0.01 0.22 0.78 0.00 0.99 0.8927 0.4383
LnM1D7 33 0.00129 0.56 0.00 0.23 0.77 0.00 1.00 0.9411 0.4681
LnM2D1 33 0.000273 0.50 0.00 0.48 0.52 0.07 0.93 1.1519 0.5022
LnM2D3 33 0.000245 0.49 0.01 0.45 0.55 0.06 0.94 1.1576 0.5112
LnM2D4 33 0.000606 0.48 0.01 0.39 0.60 0.03 0.97 1.1229 0.5164
LnM2D5 33 0.000914 0.55 0.01 0.30 0.69 0.01 0.98 1.0046 0.4761
LnM2D6 33 0.000886 0.55 0.01 0.30 0.69 0.01 0.98 1.0045 0.4761
LnM2D7 33 0.000993 0.55 0.01 0.30 0.69 0.01 0.98 1.0047 0.4760
LnM3D1 33 0.000455 0.64 0.00 0.19 0.81 0.00 1.00 0.8360 0.4151
LnM3D2 33 0.000446 0.59 0.00 0.31 0.69 0.02 0.98 0.9587 0.4505
LnM3D4 33 0.00180 0.47 0.00 0.38 0.62 0.02 0.98 1.1092 0.5146
LnM3D5 33 0.000646 0.67 0.00 0.10 0.90 0.01 0.99 0.7690 0.4016
LnM3D6 33 0.000768 0.68 0.00 0.10 0.90 0.01 0.99 0.7678 0.4009
LnM3D7 33 0.000699 0.67 0.00 0.10 0.90 0.01 0.99 0.7685 0.4013
LnM4D1 33 0.00142 0.46 0.00 0.27 0.73 0.00 1.00 1.0417 0.5192
LnM4D2 33 0.000952 0.50 0.00 0.21 0.79 0.00 0.99 0.9743 0.5013
LnM4D3 33 0.000544 0.71 0.00 0.06 0.94 0.03 0.97 0.7278 0.3866
LnM4D5 33 0.000527 0.69 0.00 0.07 0.93 0.02 0.98 0.7501 0.3972
LnM4D6 33 0.000453 0.69 0.00 0.07 0.93 0.02 0.98 0.7482 0.3965
LnM4D7 33 0.000457 0.69 0.00 0.07 0.93 0.02 0.98 0.7483 0.3965
LnM5D1 33 0.0206 0.89 0.00 0.06 0.94 0.22 0.78 0.4559 0.2550
LnM5D2 33 0.0180 0.88 0.00 0.03 0.97 0.18 0.82 0.4766 0.2653
LnM5D3 33 0.0235 0.92 0.00 0.11 0.88 0.28 0.72 0.4047 0.2263
LnM5D4 33 0.0293 0.86 0.00 0.03 0.97 0.19 0.81 0.5078 0.2853
LnM5D6 33 0.0228 0.88 0.00 0.05 0.95 0.22 0.78 0.4730 0.2654
LnM5D7 33 0.0180 0.88 0.00 0.04 0.96 0.20 0.80 0.4765 0.2666
LnM6D1 33 0.00418 0.73 0.00 0.00 1.00 0.12 0.88 0.6863 0.3900
LnM6D2 33 0.00341 0.72 0.00 0.00 1.00 0.11 0.89 0.6948 0.3936
LnM6D3 33 0.00980 0.67 0.00 0.03 0.97 0.07 0.93 0.7557 0.4178
Regional Economic and Demographi Indonesian Model
The SIMNLIN ProcedureDynamic Simultaneous Simulation
Theil Relative Change Forecast Error Statistics
Relative Change MSE Decomposition
Proportions Inequality
Coef
Variable N MSE Corr
(R)Bias
(UM)Reg
(UR)Dist
(UD)Var
(US)Covar
(UC) U1 U
LnM6D4 33 0.0284 0.75 0.00 0.00 1.00 0.13 0.87 0.6572 0.3727
LnM6D5 33 0.00219 0.72 0.00 0.00 1.00 0.13 0.87 0.6916 0.3952
LnM6D7 33 0.00606 0.73 0.00 0.00 1.00 0.14 0.86 0.6849 0.3919
LnM7D1 33 0.0128 0.71 0.01 0.13 0.86 0.00 0.99 0.7447 0.3725
LnM7D2 33 0.00992 0.70 0.01 0.12 0.87 0.00 0.99 0.7530 0.3804
LnM7D3 33 0.0108 0.72 0.01 0.05 0.94 0.03 0.96 0.7089 0.3746
LnM7D4 33 0.0130 0.73 0.01 0.07 0.92 0.01 0.98 0.7045 0.3653
LnM7D5 33 0.00990 0.70 0.01 0.11 0.88 0.00 0.99 0.7516 0.3828
LnM7D6 33 0.0104 0.70 0.01 0.11 0.88 0.00 0.99 0.7494 0.3806