Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
MODEL SIMULTAN AGLOMERASI DI SEKTOR INDUSTRI
BESAR DAN MENENGAH TERHADAP PERTUMBUHAN
EKONOMI PADA PROVINSI DI PULAU JAWA, BALI DAN
NUSA TENGGARA TAHUN 2011 – 2018
Disusun sebagai salah satu syarat menyelesaikan Program Studi Strata I
pada Jurusan Ilmu Ekonomi Studi Pembangunan Fakultas Ekonomi dan
Bisnis
Oleh:
FANIA NUR PRASETYANINGRUM
B300160137
PROGRAM STUDI EKONOMI PEMBANGUNAN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MUHAMMADIYAH SURAKARTA
2020
i
iii
1
MODEL SIMULTAN AGLOMERASI DI SEKTOR INDUSTRI BESAR
DAN MENENGAH TERHADAP PERTUMBUHAN EKONOMI PADA
PROVINSI DI PULAU JAWA, BALI DAN NUSA TENGGARA
TAHUN 2011 – 2018
Abstrak
Penelitian ini bertujuan untuk menganalisis pengaruh aglomerasi di sektor industri
besar dan menengah terhadap pertumbuhan ekonomi regional pada provinsi di
Pulau Jawa, Bali dan Nusa Tenggara pada tahun 2011 - 2018. Teknik
pengumpulan data menggunakan data sekunder yang diperoleh dari Badan Pusat
Statistik (BPS) Provinsi Jawa Timur yang berupa variabel-variabel yakni variabel
dependen dan variabel independen. Penelitian ini menggunakan metode GLS
(General Least Square). Faktor-faktor yang mempengaruhi pertumbuhan ekonomi
antara lain: aglomerasi, keterbukaan ekonomi, ipm, gini ratio, dan ekspor.
Sedangkan faktor-faktor yang memepengaruhi aglomerasi antara lain:
pertumbuhan ekonomi, keterbukaan ekonomi, angkatan kerja dan ekspor. Studi ini
menunjukkan pengaruh semua variabel independen pertumbuhan ekonomi yaitu:
aglomerasi, keterbukaan ekonomi, ipm, gini ratio dan ekpor tidak berpengaruh
secara masing-masing terhadap pertumbuhan ekonomi pada provinsi di Pulau
Jawa, Bali dan Nusa Tenggara. Sedangkan variabel independen pada aglomerasi
industri menunjukkan bahwa pertumbuhan ekonomi dan keterbukaan ekonomi
berpengaruh secara signifikan terhadap berubahnya indeks aglomerasi industri
pada provinsi di Pulau Jawa, Bali dan Nusa Tenggara.
Kata Kunci: Pertumbuhan Ekonomi, Aglomerasi Industri, Keterbukaan
Ekonomi, Human Capital, Gini Ratio, Ekspor, Angkatan Kerja.
Abstract
This study aims to analyze the effect of agglomeration in large and medium
industrial sectors on regional economic growth in provinces in Java, Bali and
Nusa Tenggara in 2011 - 2018. Data collection techniques using secondary data
obtained from the Central Statistics Agency (BPS) of the Java Province East in
the form of variables namely the dependent variable and independent variables.
This study uses the GLS (General Least Square) method. Factors that influence
economic growth include: agglomeration, economic openness, oil palm, gini ratio,
and exports. While the factors that influence agglomeration include: economic
growth, economic openness, labor force and exports. This study shows that the
influence of all independent variables of economic growth, namely:
agglomeration, economic openness, IPM, Gini ratio and exports, does not have an
effect respectively on economic growth in the provinces of Java, Bali and Nusa
Tenggara. While the independent variables on industrial agglomeration indicate
that economic growth and economic openness significantly influence changes in
the index of industrial agglomeration in the provinces of Java, Bali and Nusa
Tenggara.
Keywords: Economic Growth, Industrial Agglomeration, Economic Openness,
Human Capital, Gini Ratio, Exports, Labor Force.
2
1. PENDAHULUAN
Pembangunan ekonomi pada dasarnya meliputi usaha masyarakat secara
keseluruhan dalam upaya untuk mengembangkan kegiatan ekonomi dan
mempertinggi tingkat kesejahteraan masyarakatnya. Menurut Arsyad (2004),
pembangunan ekonomi daerah adalah suatu proses dimana pemerintah daerah dan
masyarakatnya mengelola sumber daya yang ada dan membentuk suatu pola
kemitraan antara pemerintah daerah dengan sektor swasta untuk menciptakan
suatu lapangan kerja baru dan merangsang perkembangan kegiatan ekonomi
(pertumbuhan ekonomi) dalam suatu wilayah tersebut. Pertumbuhan ekonomi
daerah dapat dicerminkan dari perubahan PDRB dalam suatu wilayah.
Konsep pembangunan ekonomi seringkali dikaitkan dengan proses
industrialisasi. Industrialisasi telah menjadi kekuatan utama (driving force) di
balik urbanisasi yang cepat di kawasan Asia sejak dasawarsa 1980an. Berbeda
dalam kasus industri berbasis sumber daya (resource-based industries), industri
manufaktur cenderung berlokasi di dalam dan di sekitar kota. Pertanian dan
industri berdampingan, bahkan kadang berebut lahan di seputar pusat-pusat kota
yang pada gilirannya semakin mengaburkan perbedaan baku antara desa dan kota
(McGee, 1991). Industri cenderung beraglomerasi di daerah-daerah dimana
potensi dan kemampuan daerah tersebut memenuhi kebutuhan mereka, dan
mereka mendapat manfaat akibat lokasi perusahaan yang saling berdekatan. Kota
umumnya menawarkan berbagai kelebihan dalam bentuk produktifitas dan
pendapatan yang lebih tinggi, menarik investasi baru, teknologi baru, pekerja
terdidik dan terampil dalam jumlah yang jauh lebih tinggi dibanding perdesaan
(Malecki, 1991).
Adanya ekonomi aglomerasi menghasilkan perbedaan spasial dalam
tingkat pendapatan. Semakin teraglomerasi secara spasial suatu perekonomian
maka akan semakin meningkat pertumbuhannya. Daerah-daerah yang banyak
industri pengolahan tumbuh lebih cepat dibandingkan daerah-daerah yang hanya
mempunyai sedikit industri pengolahan. Alasannya adalah daerah-daerah
yangmempunyai industri pengolahan lebih banyak mempunyai akumulasi modal.
Singkatnya bahwa daerah-daerah dengan konsentrasi industri pengolahan
3
perekonomiannya tumbuh lebih cepat dibandingkan dengan daerah yang tidak
punya konsentrasi industri pengolahan.
2. METODE
2. 1 Objek Penelitian
Objek dalam penelitian ini adalah industri besar dan sedang pada Provinsi di
Pulau Jawa, Bali dan Nusa Tenggara.
2. 2 Jenis dan Sumber Data
Data yang digunakan adalah data sekunder dengan tipe data panel. Data panel
yaitu gabungan dari cross section dan time series.
2. 3 Definisi Operasional Variabel
Berdasarkan dari permasalahan dalam penelitian, maka ada beberapa definisi
operasional variabel yang dijelaskan yaitu:
1) Variabel Dependen
Variabel yang digunakan dalam penelitian ini adalah:
a. Pertumbuhan Ekonomi, menggunakan data PDRB Provinsi di Pulau Jawa,
Bali dan Nusa Tenggara tahun 2011 - 2018 yang dinyatakan dalam rupiah.
b. Aglomerasi Industri, dalam penelitian ini angka aglomerasi industri
diperoleh dari perhitungan menggunakan indeks Ballasa. Rumusnya
sebagai berikut:
𝐵𝑎𝑙𝑙𝑎𝑠𝑎𝑖𝑗 = (𝐸𝑖𝑗
∑ 𝑗 𝐸𝑖𝑗) / (
∑ 𝑖 𝐸𝑖𝑗
∑ 𝑖 ∑ 𝑗 𝐸𝑖𝑗) (1)
Dimana,
E = Tenaga Kerja
i = Sektor
j = Wilayah
Pembilang dari indeks ballasa menyajikan bagian wilayah j dari total
tenaga kerja disektor industri i. Semakin terpusat suatu industri maka
semakin besar pula hasil dari perhitungan indeks Ballasanya (Sbergami,
2002).
4
2) Variabel Independen
Variabel independen yang digunakan dalam penelitian ini yaitu:
a. Laju Keterbukaan Ekonomi, dalam penelitian ini laju keterbukaan
ekonomi/openness dihitung dengan menggunakan rumus:
𝐿𝑎𝑗𝑢 𝐾𝑒𝑡𝑒𝑟𝑏𝑢𝑘𝑎𝑎𝑛 𝐸𝑘𝑜𝑛𝑜𝑚𝑖 =𝑇𝑜𝑡𝑎𝑙 𝐸𝑘𝑠𝑝𝑜𝑟+𝑇𝑜𝑡𝑎𝑙 𝐼𝑚𝑝𝑜𝑟
𝑃𝐷𝑅𝐵 (2)
b. Human Capital, yaitu tingkat investasi sumber daya manusia pada Provinsi
di Pulau Jawa, Bali dan Nusa Tenggara pada tahun 2011-2018. Dalam
penelitian ini angka Human Capital digambarkan dari Indeks Pembangunan
Manusia (IPM) yang dinyatakan dalam satuan indeks.
c. Gini Ratio, merupakan ukuran ketimpangan distribusi pendapatan pada
Provinsi di Pulau Jawa, Bali dan Nusa Tenggara pada periode 2011-2018.
Data pada gini ratio menggunakan satuan indeks.
d. Ekspor, yaitu jumlah produk/barang yang dikirim ke luar negeri untuk
menambah devisa negara. Pada penelitian ini digunakan data ekspor pada
Provinsi di Pulau Jawa, Bali dan Nusa Tenggara antara tahun 2011 - 2018
yang dinyatakan dalam satuan dolar Amerika.
e. Angkatan Kerja, merupakan jumlah angkatan kerja yang tersebar di
wilayah Provinsi di Pulau Jawa, Bali dan Nusa Tenggara. Dihitung dari
tahun 2011-2018. Dalam penelitian ini angkatan kerja menggunakan satuan
jiwa.
2. 4 Metode Analisis Data
Penelitian ini menggunakan alat analisis model simultan regresi data panel dengan
menggunakan Eviews, teknik yang ditawarkan, yaitu:
1) Uji Identifikasi Persamaan Simultan.
2) Uji Endogenitas Variabel.
3) Uji Simultanitas Hausmann.
4) Uji Estimasi Regresi Data Panel untuk memilih model:
a. Fixed Effect (Fixed Effect Model atau FEM).
b. Random Effect (Random Effect Model/REM).
5) Uji Regresi Data Panel dengan Model Simultan.
5
3. HASIL DAN PEMBAHASAN
3. 1 Uji Identifikasi Persamaan Simultan
Menurut Widarjono (2017) ada tiga kemungkinan yang terjadi terhadap
persamaan simultan yaitu tidak teridentifikasi (unidentified), teridentifikasi
(identified), dan terlalu teridentifikasi (overidentified). Ada aturan main di dalam
melakukan identifikasi sebuah persamaan simultan. Dalam aturan main terdapat
beberapa notasi diantaranya adalah sebagai berikut:
M : Jumlah variabel endogen dalam model simultan
m : Jumlah variabel endogen dalam persamaan tertentu
K : Jumlah variabel eksogen dalam model simultan
k : Jumlah variabel eksogen dalam persamaan tertentu
Dua aturan main dalam masalah identifikasi persamaan simultan sehingga
bisa diestimasi yaitu:
1) Aturan Main 1
Di dalam persamaan simultan M, suatu persamaan teridentifikasi jika
mengeluarkan paling tidak M-1 variabel eksogen maupun endogen yang ada
dalam model. Jika mengeluarkan tepat sebesar M-1, maka model adalah
terindentifikasi sedangkan jika lebih dari M-1 maka modelnya telalu
terindentifikasi.
Log(PDRB)it = β0 + β1IBit + β2OPit + β3IPMit + β4GRit + β5EKSit + U1it (3)
K-k > m-1 (4)
7-4 > 2-1
3 > 1, Overidentified
Artinya, persamaan pertama terlalu teridentifikasi.
2) Aturan Main 2
Di dalam persamaan simultan M, suatu persamaan teridentifikasi jika jumlah
variabel eksogen yang dikeluarkan dari persamaan kurang dari jumlah variabel
endogen dikurangi 1 yaitu:
K – k ≥ m – 1 (5)
Jika K – k < m – 1 maka persamaan tidak terindetifikasi,
K – k = m – 1 maka persamaan teridentifikasi sedangkan
6
K – k > m – 1 maka persamaan terlalu teridentifikasi.
IBit = β6 + β7Log(PDRB)it + β8OPit + β9Log(AK)it + β10EKSit + U2it (6)
K-k > m-1 (7)
7-3 > 2-1
4 > 1, Overidentified
Artinya, persamaan kedua terlalu teridentifikasi.
3. 2 Estimasi Persamaan Simultan
Dari kedua identifikasi diatas, diperoleh bahwa kedua persamaan terlalu
teridentifikasi. Sehingga untuk mengestimasi persamaan simultan digunakan
metode Two Stage Least Square (TSLS).
3. 3 Uji Endogenitas Variabel
Tabel 1
Hasil Uji Endogenitas Variabel PDRB
Sumber: BPS, Statistik Indonesia, 2019 (hasil data diolah)
Dari tabel diatas, diperoleh hasil bahwa t-stat sebesar 5,002 dan prob t-stat sebesar
0,0000 yang dibandingkan dengan α 0,05 menunjukkan bahwa Prob t-stat lebih
kecil sehingga variabel signifkan dan menunjukkan bahwa variabel PDRB
terbukti memiliki sifat endogen.
7
Tabel 2
Hasil Uji Endogenitas Variabel Aglomerasi Industri
Sumber: BPS, Statistik Indonesia, 2019 (hasil data diolah)
Dari tabel diatas, diperoleh hasil bahwa t-stat sebesar 2,865 dan prob t-stat
sebesar 0,0056 dibandingkan dengan α 0,05 yang menunjukkan prob t-stat lebih
kecil sehingga variabel signifikan dan menunjukkan bahwa variabel Aglomerasi
Industri terbukti memiliki sifat endogen.
3. 4 Uji Simultanitas Hausmann
Tujuan uji simultanitas Hausman adalah untuk membuktikan secara empiris
bahwa suatu sistem persamaan benar-benar terdapat hubungan simultan antar
persamaan strukturalnya.
Tabel 3
Hasil Uji Simultanitas Hausman Variabel PDRB
Sumber: BPS, Statistik Indonesia, 2019 (hasil data diolah)
Dari tabel diatas diperoleh hasil bahwa t-stat sebesar -2,557 dan prob t-stat
sebesar 0,0129 dibandingkan dengan α 0,05 yang menunjukkan bahwa prob t-stat
lebih kecil sehingga variabel signifikan dan menunjukkan bahwa variabel PDRB
memiliki pengaruh simultan terhadap variabel Aglomerasi Industri.
8
Tabel 4
Hasil Uji Simultanitas Hausman Variabel Aglomerasi Industri
Sumber: BPS, Statistik Indonesia, 2019 (hasil data diolah)
Dari tabel diatas diperoleh hasil bahwa t-stat sebesar -29,479 dan prob t-
stat sebesar 0,0000 yang dibandingkan dengan α 0,05 menunjukkan bahwa prob t-
stat lebih kecil sehingga menunjukkan bahwa variabel Aglomerasi Industri
memiliki pengaruh simultan terhadap variabel PDRB.
3. 5 Mengestimasi Persamaan Data Panel
Terdapat dua pendekatan untuk mengestimasi persamaan panel yaitu Fixed Effect
Model (FEM) dan Random Effect Model (REM). Langkah-langkah untuk
mengestimasi persamaan panel:
1) Fixed Effect Model (FEM)
Uji ini digunakan untuk memilih apakah model lebih baik menggunakan Pooled
Least Square atau Fixed Effect Model (Baltagi, 2008). Uji ini dilakukan
menggunakan Uji Chow atau Uji Likelihood Ratio.
Tabel 5
Hasil Estimasi Panel dengan Uji Chow Persamaan PDRB
Log(PDRB)it = β0 + β₁ IBit + β₂ OPit + β₃ IPMit + β₄ GRit + β5EKSit + U1it
Log(PDRB)it = 20,513+ 0,003IBit – 0,439OPit + 0,088IPMit – 0,591GRit +
(0,000) (0,893) (0,466) (0,000)* (0,015)**
0,000EKSit + U1it
(0,273)
R2 = 0,999549 ; DW Stat = 1,441501 ; F-stat = 9889,582 ; Prob F-stat = 0,0000
Keterangan: * signifikan pada α 0,01; ** signifikan pada α 0,05; *** signifikan
pada α 0,1. Angka dalam kurung adalah probabilitas nilai t-statistik.
9
Hasil dari uji Likelihood Rationya adalah dimana H0 = Common Effect
Model (CEM) lebih baik dari FEM. Diperoleh hasil Prob F sebesar 0,0000
dibandingkan dengan α 0,05. Kesimpulanya, H0 ditolak yang menunjukkan bahwa
FEM lebih baik dari CEM. Sehingga, persamaan ini memilih FEM pada α 0,05
dan 0,01.
Tabel 6
Hasil Estimasi Panel dengan Uji Chow Persamaan Aglomerasi Industri
IBit = β6 + β7Log(PDRB)it + β8OPit + β9Log(AK)it + β10EKSit + U2it
IBit = -12,682 + 0,868Log(PDRB)it – 8,524OPit + 0,596Log(AK)it + 0,000EKSit
(0,069)*** (0,009)* (0,018)** (0,4700)
(0,078)***
+ U2it
R2 = 0,898387 ; DW Stat = 1,922465 ; F-stat = 43,46941 ; Prob F-stat = 0,0000
Keterangan: * signifikan pada α 0,01; ** signifikan pada α 0,05; *** signifikan
pada α 0,1. Angka dalam kurung adalah probabilitas nilai t-statistik.
Hasil dari uji Likelihood Rationya adalah dimana H0 = Common Effect
Model (CEM) lebih baik dari FEM. Diperoleh hasil Prob F sebesar 0,0000
dibandingkan dengan α 0,05. Kesimpulannya H0 ditolak yang menunjukkan
bahwa FEM lebih baik dari CEM. Sehingga, persamaan ini memilih FEM pada α
0,05 dan 0,01.
2) Random Effect Model (REM)
Uji ini digunakan untuk memilih apakah model lebih baik menggunakan Random
Effect Model atau Fixed Effect Model. Uji ini dilakukan menggunakan Uji
Hausmann.
Tabel 7
Hasil Estimasi Panel dengan Uji Hausmann Persamaan PDRB
Log(PDRB)it = β0 + β₁ IBit + β₂ OPit + β₃ IPMit + β₄ GRit + β5EKSit + U1it
Log(PDRB)it = 20,542 + 0,008IBit – 0,399OPit + 0,087IPMit – 0,601GRit +
(0,000) (0,764) (0,506) (0,000)* (0,012)**
0,000EKSit + U1it
(0,183)
R2 = 0,926827 ; F-stat = 167,1939 ; Prob F-stat = 0,00000 ; Chi-square =
0,0000
Keterangan: * signifikan pada α 0,01; ** signifikan pada α 0,05; *** signifikan
pada α 0,1. Angka dalam kurung adalah probabilitas nilai t-statistik.
10
Hasil dari uji Hausmannnya adalah dimana H0 = REM lebih baik dari
FEM. Diperoleh hasil Prob chi2 sebesar 0,0000 dibandingkan dengan α 0,05.
Kesimpulannya, bahwa H0 ditolak yang menunjukkan FEM lebih baik dari REM.
Sehingga, persamaan ini memilih FEM pada α 0,05.
Tabel 8
Hasil Estimasi Panel dengan Uji Hausmann Persamaan Aglomerasi Industri
IBit = β6 + β7Log(PDRB)it + β8OPit + β9Log(AK)it + β10EKSit + U2it
IBit = -6,929 + 0,396Log(PDRB)it – 3,782OPit + 0,157og(AK)it + 0,000EKSit
(0,003)* (0,015)** (0,1054) (0,4758) (0,1559)
+ U2it
R2 = 0,167427 ; F-stat = 3,368355 ; Prob F-stat = 0,014265 ; Chi-square =
0,0343
Keterangan: * signifikan pada α 0,01; ** signifikan pada α 0,05; *** signifikan
pada α 0,1. Angka dalam kurung adalah probabilitas nilai t-statistik.
Hasil dari uji Hausmannnya adalah dimana H0 = REM lebih baik dari
FEM. Diperoleh Prob chi2 sebesar 0,0343 dibandingkan dengan α 0,05.
Kesimpulannya, bahwa H0 ditolak yang menunjukkan FEM lebih baik dari REM.
Sehingga, persamaan ini memilih FEM pada α 0,05.
3. 6 Uji Regresi Data Panel dengan Model Simultan
Tabel 9
Hasil Estimasi TSLS Dengan FEM untuk Persamaan PDRB
Log(PDRB)it = β0 + β₁ IBit + β₂ OPit + β₃ IPMit + β₄ GRit + β5EKSit + U1it
Log(PDRB)it = 16,709 – 1,122IBit + 7,007OPit + 0,157IPMit – 0,392GRit -
(0,012) (0,548) (0,583) (0,182) (0,769)
0,00798EKSit + U1it
(0,625)
R2 = 0,986291 ; DW Stat = 2,036083 ; F-stat = 12215,56 ; Prob F-stat =
0,00000
Keterangan: * signifikan pada α 0,01; ** signifikan pada α 0,05; *** signifikan
pada α 0,1. Angka dalam kurung adalah probabilitas nilai t-statistik.
Variabel aglomerasi industri (IB), keterbukaan ekonomi (OP), indeks
pembangunan manusia (IPM), gini ratio (GR) dan ekspor (EKS) secara masing-
masing tidak mempengaruhi pertumbuhan ekonomi pada provinsi di Pulau Jawa
dan Bali namun secara bersama-sama variabel aglomerasi industri (IB),
11
keterbukaan ekonomi (OP), indeks pembangunan manusia (IPM), gini ratio (GR)
dan ekspor (EKS) berpengaruh terhadap pertumbuhan ekonomi.
Tabel 10
Hasil Estimasi TSLS Dengan FEM untuk Persamaan Aglomerasi Industri
IBit = β6 + β7Log(PDRB)it + β8OPit + β9Log(AK)it + β10EKSit + U2it
IBit = -11,557 + 1,017Log(PDRB)it + 9,7116OPit + 0,923og(AK)it -
0,0126EKSit
(0,1024) (0,071)* (0,0124)** (0,3094)
(0,0520)***
+ U2it
R2 = 0,898020 ; DW Stat = 1,916553 ; F-stat = 43,95540; Prob F-stat = 0,00000
Keterangan: * signifikan pada α 0,01; ** signifikan pada α 0,05; *** signifikan
pada α 0,1. Angka dalam kurung adalah probabilitas nilai t-statistik.
Variabel pertumbuhan ekonomi (PDRB) dan keterbukaan ekonomi (OP)
secara masing-masing berpengaruh terhadap aglomerasi industri (IB) pada
provinsi di Pulau Jawa dan Bali. Sedangkan variabel variabel angkatan kerja (AK)
dan ekspor (EKS) tidak berpengaruh terhadap aglomerasi industri (IB) pada
provinsi di Pulau Jawa dan Bali. Variabel pertumbuhan ekonomi, keterbukaan
ekonomi, angkatan kerja dan ekspor secara bersama-sama berpengaruh terhadap
aglomerasi industri pada provinsi di Pulau Jawa dan Bali.
PDRB memiliki pengaruh positif dan signifikan terhadap aglomerasi
industri. Hal ini terjadi karena apabila jumlah PDRB meningkat maka aglomerasi
industri juga akan meningkat. Hal ini sejalan dengan penelitian yang dilakukan
oleh Harry Bloch (2014) yang menyatakan bahwa bukti efek spesialisasi positif
dan efek keanekaragaman negatif untuk manufaktur Indonesia, menunjukkan
bahwa spesialisasi menguntungkan bagi stimulasi pertumbuhan produktivitas
sementara keragaman tidak menguntungkan, perusahaan yang berlokasi di daerah
perkotaan telah menikmati pertumbuhan produktivitas lebih cepat daripada yang
di luar daerah perkotaan, tetapi kami tidak dapat memeriksa fenomena ini di
tingkat sub-sektor industri karena banyak industri memiliki terlalu sedikit
perusahaan yang berlokasi di luar daerah perkotaan. Pertumbuhan produktivitas
yang tinggi sejalan dengan pertumbuhan ekonomi daerah yang juga meningkat.
12
Keterbukaan ekonomi memiliki pengaruh positif dan signifikan terhadap
aglomerasi industri. Hal ini terjadi karena apabila nilai keterbukaan ekonomi
meningkat maka aglomerasi industri juga akan meningkat. Hal ini sesuai dengan
penelitian yang dilakukan Zhao Chen (2008) yang menyatakan bahwa
Keterbukaan ekonomi, yang juga terkait dengan geografi dan sejarah mendorong
aglomerasi industri, ukuran pasar yang besar, efek keterkaitan ke depan dan ke
belakang, urbanisasi tingkat tinggi, infrastruktur yang lebih baik, dan keterlibatan
pemerintah daerah yang lebih sedikit cenderung memfasilitasi konsentrasi
industri, wilayah pesisir memiliki keunggulan geografis dalam menarik
perusahaan.
4. PENUTUP
4. 1 Kesimpulan
Kesimpulan yang diperoleh dari penelitian model simultan aglomerasi industri
terhadap pertumbuhan ekonomi pada provinsi di Pulau Jawa, Bali dan Nusa
Tenggara periode 2011 – 2018 adalah sebagai berikut:
1. Adanya hubungan simultan antara pertumbuhan ekonomi dan aglomerasi
industri.
2. Variabel aglomerasi industri, keterbukaan ekonomi, indeks pembangunan
manusia, gini ratio dan ekspor secara masing-masing tidak mempengaruhi
pertumbuhan ekonomi pada provinsi di Pulau Jawa dan Bali.
3. Variabel aglomerasi industri, keterbukaan ekonomi, indeks pembangunan
manusia, gini ratio dan ekspor secara bersama-sama berpengaruh terhadap
pertumbuhan ekonomi pada provinsi di Pulau Jawa dan Bali.
4. Variabel pertumbuhan ekonomi dan keterbukaan ekonomi secara masing-
masing berpengaruh terhadap aglomerasi industri pada provinsi di Pulau
Jawa dan Bali. Sedangkan variabel variabel angkatan kerja dan ekspor
tidak berpengaruh terhadap aglomerasi industri pada provinsi di Pulau
Jawa dan Bali.
13
5. Variabel pertumbuhan ekonomi, keterbukaan ekonomi, angkatan kerja dan
ekspor secara bersama-sama berpengaruh terhadap aglomerasi industri
pada provinsi di Pulau Jawa dan Bali.
4. 2 Saran
Bagi Pemerintah :
1. Pemerintah perlu mengembangkan lagi aglomerasi industri di Pulau Jawa
dan Bali dan khususnya di Provinsi Nusa Tenggara Barat dan Nusa
Tenggara Timur. Karena dapat memberikan kontribusi yang cukup besar
dalam mendukung meningkatnya laju pertumbuhan ekonomi daerah.
2. Pemerintah lebih meningkatkan kegiatan ekspor sehingga dapat
mendukung dan meningkatkan pertumbuhan ekonomi daerah.
Bagi Peneliti :
1. Menambah rentang waktu yang digunakan, menggunakan analisis yang
membedakan antar kabupaten/kota di tiap-tiap provinsi hal ini dikarenakan
setiap provinsi memiliki karakteristik yang berbeda-beda.
2. Variabel aglomerasi industri agar lebih dikaji ulang ketika digunakan
sebagai salah satu variabel independen terhadap pertumbuhan ekonomi.
DAFTAR PUSTAKA
Adrian Sutedi. 2013. Good Corporate Governance. Jakarta: Sinar Grafika
Baltagi, Badi H. 2008. Econometric Analysis of Panel Data. New York: John
Wiley and Sons
Barua, Alokesh dan Pavel Chakraborty. 2010. Does Openness Affect Regional
Inequality? A Case Study for Indiarode. Review of Development
Economics, 14(3)
Bloch, Harry Dkk. 2014. Agglomeration Economies and Productivity Growth in
Manufacturing Industry: Empirical Evidence from Indonesia. Economic
Record
Badan Pusat Statistik. Berbagai terbitan. Statistik Indonesia. Jakarta: Badan Pusat
Statistik.
. Berbagai Terbitan. Statistik Provinsi Bali. Denpasar:
Badan Pusat Statistik.
. Berbagai Terbitan. Statistik Provinsi Banten. Banten:
Badan Pusat Statistik.
. Berbagai Terbitan. Statistik Provinsi Daerah Istimewa
Yogyakarta. Yogyakarta: Badan Pusat Statistik.
14
. Berbagai Terbitan. Statistik Provinsi DKI Jakarta.
Jakarta: Badan Pusat Statistik.
. Berbagai Terbitan. Statistik Provinsi Jawa Barat.
Bandung: Badan Pusat Statistik.
. Berbagai Terbitan. Statistik Provinsi Jawa Tengah.
Semarang: Badan Pusat Statistik.
. Berbagai Terbitan. Statistik Provinsi Jawa Timur.
Surabaya: Badan Pusat Statistik.
. Berbagai Terbitan. Statistik Provinsi Nusa Tenggara
Barat. Mataram: Badan Pusat Statistik.
. Berbagai Terbitan. Statistik Provinsi Nusa Tenggara
Timur. Kupang: Badan Pusat Statistik
Cuadrado-Roura, Juan R. 2016. Service industries and regional analysis. New
directions and challenges. Journal of Regional Research 36
Chen, Zhao dkk. 2008. Economic Opening and Industrial agglomeration in
China. Economic Research Journal
Damodar, Gujarati. 2012. Dasar-dasar Ekonometrika. Jakarta: Salemba Empat
Davis dkk. 2005. Labor-Force Heterogeneity as a Source of Agglomeration
Economies in an Empirical Analysis of County-Level Determinants of
Food Plant Entry. Munich Personal RePEc Archive No 6654
Daumal, Marie. 2010. The Impact of Trade Openess in Regional Inequality: The
Cases of India and Brazil. Universite Paris Journal No 2010-04
Duranton, Gilles dan William R Ker. 2015. The Logic of Agglomeration. Oxford
Handbook of Economic Geography
Ellison, Glenn dan Edward L. Glaeser. 1999. The Geographic Concentration of
Industry: Does Natural Advantage Explain Agglomeration. Geographic
Concentration of Industry Journal Volume 89 No 2
Fan, Cindy and Allen J. Scott. 2003. Industrial Agglomeration and Development:
A Survey of Spatial Economic Issues in East Asia and a Statistical
Analysis of Chinese Regions. Economic Geography 79(3): 295–319
Gilbert, Brett Anita. 2017. Agglomeration, Industrial Districts and Industry
Clusters: Trends of the 21st Century Literature. Foundations and Trends
in Entrepreneurship, Vol. 13, No. 1
Han, Wei dkk. 2019. Does Urban Industrial Agglomeration Lead to the
Improvement of Land Use Efficiency in China? An Empirical Study from a
Spatial Perspective. Sustainability 11, 986
Hasanah, Fatihatun. 2016. Analisis Pengaruh Aglomerasi Industri, Angkatan
Kerja dan Human Capital Investment Terhadap Pertumbuhan Ekonomi
Kabupaten/Kota Di Provinsi Jawa Tengah Tahun 2012-2014. Jurnal
Pendidikan dan Ekonomi, Volume 5, Nomor 4
Kompasiana. 2019. Bagaimana Dampak yang Diberikan dari Adanya Aglomerasi
Industri di Indonesia. Kompas.
https://www.google.com/amp/s/www.kompasians.com/amp/alwidwi/5dce
7641d541df5d1452O0752 (diakses pada tanggal 30 November 2019)
15
Krugman, Paul dan Raul Livas Elizondo. 1996. Trade Polis and Third World
Metropolis. Institute for Police Reform Journal
Kuncoro, Mudradjad. 2012. Ekonomika Aglomerasi. Yogyakarta: UPP STIM
YKPN
Kustanto, Heru dkk. 2012. Reindustrialisasi dan Dampaknya Terhadap Ekonomi
Makro Serta Kinerja Sektor Industri Di Indonesia. Jurnal Riset Industri
Vol. VI No. 1
Kusumasari, Annisa dan Fitria Kartiasih. 2017. Aglomerasi Industri dan
Pengaruhnya Terhadap Pertumbuhan Ekonomi Jawa Barat 2010-2014.
Jurnal Aplikasi Statistika Dan Komputasi Statistic V.9.2
Lu, Yanru dan Kai Cao. 2019. Spatial Analysis of Big Data Industrial
Agglomeration and Development in China. Sustainability Journal 1
Mankiw N, Gregory. 2006. Makro Ekonomi. Jakarta: Penerbit Erlangga
Mauleny, Ariesy Tri. 2015. Aglomerasi, Perubahan Sosial Ekonomi, Dan
Kebijakan Pembangunan Jakarta. Jurnal Ekonomi & Kebijakan Publik,
Vol. 6, No. 2
Mopangga, Herwin. 2011. Analisis Ketimpangan Pembangunan dan
Pertumbuhan Ekonomi di Provinsi Gorontalo. Trikonomika Volume 10,
No. 1
Paci, Raffaele dan Stefano Usai. 2008. Agglomeration Economies, Spatial
Dependence and Local Industry Growth. Revue D’économie Industriell
Prasetyo, Eko. 2011. Analisis Pengaruh Penanaman Modal Dalam Negeri
(PMDN), Penanaman Modal Asing (PMA), Tenaga Kerja, Dan Ekspor
Terhadap Pertumbuhan Ekonomi Di Jawa Tengah Periode Tahun
19852009. Skripsi. Universitas Negeri Semarang: Semar
Resmi Asbiantari, Dara. 2016. Pengaruh Ekspor Terhadap Pertumbuhan
Ekonomi Indonesia. Jurnal Ekonomi dan Kebijakan Pembangunan Volume
5 No 2
Rizqal, Mochammad. 2010. “Analisis Hubungan Simultan Antara Tingkat Upah
Dan Penyerapan Tenaga Kerja Serta Variabel Yang Mempengaruhinya”.
Thesis. Bogor: Program Studi Ilmu Ekonomi Sekolah Pascasarjana,
Institut Pertanian
Robiani, Bernadette dkk. 2017. Agglomeration of Manufacturing Industrial,
Economic Growth, And Interregional Inequality in South Sumatra,
Indonesia. International Journal of Economics and Financial Issues 7(4)
Sandhika, Ardyan Wahyu. 2012. “Analisis Pengaruh Aglomerasi, Tenaga Kerja,
Jumlah Penduduk, Dan Modal Terhadap Pertumbuhan Ekonomi
Kabupaten Kendal”. Skripsi. Semarang: Fakultas Ekonomika Dan Bisnis,
Universitas Diponegoro
Santoso, Galik dkk. 2015. Aglomerasi Industri Makanan dan Minuman di Pulau
Jawa Tahun 2010. Jurnal FE Universitas Indonesia
Sodik, Jamzani dan Dedi Iskandar. 2007. Aglomerasi Dan Pertumbuhan
Ekonomi: Peran Karakteristik Regional Di Indonesia. Jurnal Ekonomi
dan Studi Pembangunan Volume 8, Nomor 2
Suryadi, Ace. 2009. Mewujudkan Masyarakat Pembelajar: Konsep, Kebijakan
Implementasi. Bandung: Widya Aksara Press
16
Susetyo, Dyke. 2011. “Analisis Pengaruh Tingkat Investasi, Aglomerasi, Tenaga
Kerja Dan Indeks Pembangunan Manusia Terhadap Pertumbuhan
Ekonomi Kabupaten/Kota Di Jawa Tengah”. Skripsi. Semarang: Fakultas
Ekonomika Dan Bisnis, Universitas Diponegoro
Widarjono, Agus. 2017. Ekonomterika. Yogyakarta: UPP STIM YKPN
Wulandari, Yuli dkk. 2019. Aglomerasi Industri Pengolahan Di Wilayah
Kabupaten Jember Tahun 2011-2015. E-Journal Ekonomi Bisnis dan
Akuntansi, 2019, Volume VI (1)
Yuliadi, Imamudin. 2008. Analisis Impor Indonesia: Pendekatan Persamaan
Simultan. Jurnal Ekonomi dan Studi Pembangunan Volume 9 Nomor 1
Zulyanto, Aan. 2010. Pengaruh Desentralisasi Fiskal Terhadap Pertumbuhan
Ekonomi Di Provinsi Bengkulu. Tesis. Program Pascasarjana Universitas
Diponegoro Semarang
Zuliastri, Fikanti dkk. 2013. Analisis Faktor yang Mempengaruhi Aglomerasi
Industri Unggulan Daerah dan Hubungannya dengan Daya Saing Industri
Daerah. Jurnal Ekonomi dan Kebijakan Pembangunan Vol 2 No 2