Pendahuluan
Pertumbuhan ekonomi
merupakan salah satu indikator terpenting untuk mengevaluasi kinerja ekonomi,
terutama untuk menganalisis hasil-hasil upaya suatu negara atau regional untuk
mencapai pembangunan ekonomi. (Resalawati, 2011)
Jika produksi barang dan jasa meningkat dibanding tahun sebelumnya, dapat
dikatakan ekonomi mengalami pertumbuhan. Pertumbuhan ekonomi menunjukkan sejauh
mana kegiatan ekonomi akan memberikan pendapatan lebih bagi masyarakat dalam
kurun waktu tertentu. Pertumbuhan ekonomi diukur dengan Gross Domestic Product (GDP).
Parameter pertumbuhan ekonomi dari penyediaan barang dan jasa yang dapat
digunakan di dalam negeri, seperti peningkatan jumlah produk industri,
peningkatan infrastruktur, penambahan sekolah, peningkatan penyediaan layanan
dan peningkatan jumlah ahli bagasi (Mankiw, 2006).
Pembangunan infrastruktur
menjadi salah satu indikator yang dapat mendorong maupun menghambat pertumbuhan
perekonomian. Jika infrastruktur lemah, operasi ekonomi suatu negara atau
regional menjadi tidak memadai (Kustanto, 2020).
Beban logistik tinggi, daya saing berkurang dan diskriminatif sosial terjadi.
Pembangunan infrastruktur dan kegiatan ekonomi terdapat korelasi antara
keduanya karena pembangunan infrastruktur berorientasi pada ekspansi ekonomi
melalui efek pengganda. Dengan ekspansi ekonomi, infrastruktur yang ada dapat
menyerap besarnya aliran barang dan jasa yang beredar di seluruh perekonomian (Damayanthi, 2008).
Infrastruktur dapat mendukung aktivitas ekonomi masyarakat dan kelancaran
distribusi aliran barang, maka dapat disimpulkan bahwa infrastruktur merupakan
sarana public primer yang menjalankan
roda perekonomian nasional, dengan adanya infrastruktur yang memadai akan
terselenggara sistem transportasi yang efektif. Infrastruktur yang dapat
mendukung aktivitas ekonomi masyarakat dan kelancaran distribusi aliran barang
salah satunya adalah jalan, jalan merupakan salah satu infrastruktur yang
paling sering digunakan untuk suatu wilayah agar pertumbuhan ekonomi meningkat (Iriyena, 2019).
Infrastruktur�� juga��
dapat�� dijadikan�� mobil��
penggerak pembangunan�
nasional� dan� menjadi�
konektivitas� antar� wilayah��
yang� ada� di�
Indonesia. Perbaikan� pada� sektor�
infrastruktur� tentunya� dapat�
mendorong� minat� investasi�
asing� dan domestik. Peningkatan
pertumbuhan ekonomi Indonesia beberapa tahun terakhir salah satunya ditenggarai
karena�� meningkatnya perhatian
pemerintah�� terhadap investasi
infrastruktur. Keberadaan�
Infrastruktur� yang� memadai�
seharunya� akan� berkontribusi�
kepada� kelancaran produksi�� maupun��
distribusi�� barang�� dan��
jasa�� antar�� wilayah��
yang�� pada ��akhirnya��
dapat meningkatkan pertumbuhan��
ekonomi (Ilham et al., 2021).
Selain infrastruktur,
pertumbuhan ekonomi dapat dipengaruhi dengan tingkat Indeks Pembangunan Manusia
(IPM). IPM merupakan indikator untuk mengukur kualitas hidup manusia. IPM
merupakan gabungan dari 3 dimensi yaitu umur panjang dan hidup sehat,
pengetahuan, dan standar hidup layak. Dimana masing-masing dimensi tersebut
dihitung nilai indeksnya, kemudian didapat nilai IPM (Prasetyoningrum & Sukmawati, 2018).
Dimana tingkat indeks
pembangunan manusia yang tinggi menjadi salah satu indikator dalam keberhasilan
suatu pembangunan (Mirza, 2012).
Melalui kemampuan masyarakat untuk dapat berkontribusi lebih banyak dalam
meningkatkan produktivitas dan kreativitas baik yang berkaitan dengan kelembagaan
maupun teknologi. Indeks Pembangunan Manusia memainkan peran penting dalam
perkembangan ekonomi modern karena pembangunan manusia yang baik akan
memaksimalkan faktor produksi. Kualitas penduduk yang baik akan memungkinkan
adanya inovasi untuk mengembangkan faktor-faktor produksi yang ada. Selain itu,
tingginya tingkat pembangunan manusia telah menyebabkan peningkatan jumlah
orang sehingga akan meningkatkan tingkat konsumsi. Berbanding� terbalik dengan IPM (Susanto, 2013).
Selain infrastruktur dan indeks pembangunan
manusia, pertumbuhan ekonomi juga dipengaruhi dengan tingkat kemiskinan. Secara
teoritis, upaya pengentasan kemiskinan mensyaratkan adanya pertumbuhan ekonomi
yang berkualitas. Pertumbuhan ekonomi yang berkualitas dapat diwujudkan dengan
kebijakan perluasan kesempatan kerja (mengurangi tingkat pengangguran) dan
memaksimalkan investasi yang produkif di berbagai sektor ekonomi. Menurut teori
neo klasik, pertumbuhan ekonomi tergantung pada pertambahan penyediaan
faktor-faktor produksi (penduduk, tenaga kerja, dan akumulasi modal) dan
tingkat kemajuan teknologi (Ali, 2009).
Pembentukan modal menghasilkan kemajuan teknik yang menunjang tercapainya
ekonomi produksi
skala luas dan meningkatkan spesialisasi,
Pembentukan modal memberikan mesin, alat dan perlengkapan bagi tenaga kerja
yang semakin meningkat (Jonaidi, 2012).
�Rendahnya tingkat kemiskinan menjadi suatu
indicator penting dalam keberhasilan pertumbuhan ekonomi dikarenakan rendahnya
tingkat kemiskinan berarti� terdapat
produktivitas yang tinggi pada masyarakat, hal tersebut mengakibatkan tingginya
pendapatan yang masyarakat terima.�
Tingginya pendapatan akan berimplikasi pada rendahnya tabungan dan investasi
yang menunjang pertumbuhan ekonomi (Susanto, 2013).
Bali merupakan provinsi di
Indonesia yang memiliki letak� astronomis
8�25′23″
Lintang Selatan dan 115�14′55″ Bujur Timur. Luas wilayah Bali mencapai 5.780,06 km2
atau 0,29% dari luas wilayah Indonesia yang terdiri atas satu kotamadya dan
delapan kabupaten, terbagi lagi menjadi 57 kecamatan dan 716 desa/kelurahan,
Berdasarkan data dari Badan Pusat Statistik (BPS) Provinsi Bali, perkembangan
laju pertumbuhan ekonomi di Provinsi Bali selama periode 2015-2020 mengalami
perubahan yang fluktuatif dan mengalami penurunan yang sangat tajam di tahun
2020 sebagaimana yang ditunjukkan pada grafik 1.
Grafik 1.
Laju Pertumbuhan Ekonomi Provinsi
Bali Tahun 2015-2020
Sumber :
Badan Pusat Statisik Provnsi Bali dalam Angka 2015-2020
Perkembangan ekonomi Provinsi
Bali periode 2015-2020 mengalami perubahan yang fluktuatif dan mengalami
penurunan tajam dari tahun 2019 ke 2020 dimana tahun 2019 menunjukkan 5,6% dan
pada 2020 menunjukkan -9,31%, faktor yang menjadi penurunan tajam ini
disebabkan karena pandemi Covid-19 yang berdampak negatif terhadap perekonomian
daerah secara keseluruhan. Bukti ini bisa dilihat dari data BPS Provinsi Bali
yang memperlihatkan kategori lapangan usaha akomodasi, makanan dan minuman
sebagai penyumbang pertumbuhan ekonomi terbesar justru tumbuh negatif. Begitu
pula sektor transportasi dan pergudangan, pengadaan listrik, industri
pengolahan dan jasa lainnya, semua terpukul karena Covid-19. Hanya tercatat
lapangan usaha informasi dan komunikasi mengalami pertumbuhan positif.
Namun dalam
No.SP-319/HUM/ROKOM/SET.MARVES/V/2021 Kementerian Koordinator Bidang
Kemaritiman dan Investasi Republik Indonesia menyatakan bahwa meskipun sedang
ada dalam masa pandemi, tetapi pembangunan harus tetap berjalan dimana
pertumbuhan ekonomi di Provinsi Bali masih mengalami kontraksi yang cukup dalam
karena sangat tergantung pada sektor pariwisata. Oleh karena itu, pada masa
mendatang Provinsi Bali diupayakan untuk tidak hanya akan fokus ke sektor
pariwisata, tetapi juga sektor lain yaitu dengan mendorong percepatan
pembangunan infrastruktur di berbagai sektor (Utama, 2020).
Grafik 2
Perkembangan Panjang
Infrastruktur Jalan Provinsi Bali Tahun 2015-2020
Sumber :
Badan Pusat Statisik Provnsi Bali dalam Angka 2015-2020
Dalam hal infrastruktur
jalan raya, panjang jalan di Provinsi Bali yang berstatus jalan provinsi
mengalami peningkatan drastis dari tahun 2017 yang menunjukkan angka 1372.73 km
menjadi 9835.65 km pada tahun 2018. Peningkatan sebesar 8462.92 km disebabkan
karena jalan merupakan sarana penting penunjang pembangunan antar daerah.
Kemudahan yang ditimbulkan oleh ketersediaan jalan raya secara otomatis akan
berdampak positif bagi kelangsungan transaksi ekonomi antar daerah/kota di Provinsi
Bali. Sistem jalan yang baik memberikan keunggulan kompetitif bagi suatu negara
atau wilayah, memungkinkannya bersaing dalam pemasaran produk, pengembangan
industri, distribusi penduduk dan pertumbuhan pendapatan. Jaringan jalan yang
terbatas akan menghambat pertumbuhan wilayah, sehingga mengganggu kegiatan
ekonomi dan menyebabkan harga komoditas menjadi lebih tinggi.
Grafik 3
Perkembangan Kemiskinan
dan IPM Provinsi Bali Tahun 2015-2020
Sumber : Badan Pusat Statisik Provinsi
Bali dalam Angka 2015-2020
Kondisi kesejahteraan di
Provinsi Bali secara umum terjaga, Indeks Pembangunan Manusia (IPM) yang
merupakan indikator untuk mengukur keberhasilan dalam upaya membangun kualitas
hidup manusia menjelaskan kondisi penduduk saat mengakses hasil pembangunan
dalam memperoleh pendapatan, kesehatan, pendidikan, dan sebagainya. Indeks
Pembangunan Manusia (IPM) Provinsi Bali pada 2020 yang mencatatkan capaian
sebesar 75,50 atau meningkat 0,12 poin dibanding tahun 2019 yang tercatat
sebesar 75,38. Selanjutnya dalam hal penduduk miskin mengalami fluktuatif
dimana saat mengalami peningkatan tingkat penduduk miskin di Provinsi Bali
terjadi ketidakmerataan atau ketimpangan.Jumlah penduduk miskin di Provinsi
Bali tercatat meningkat menjadi 3,78% atau sekitar 165,19 ribu jiwa pada Maret
2020. Kemiskinan di daerah perdesaan lebih tinggi dari yang tinggal di kota,
yaitu 4,78% di desa dan 3,33% di kota.
Dengan demikian dalam uraian
pembahasan kali ini akan lebih membahas mengenai Pengaruh Pembangunan Infrastruktur,
Tingkat Kemiskinan dan Indeks Pembangunan Manusia terhadap Perumbuhan Ekonomi
Provinsi Bali tahun 2015-2020, agar kita dapat mengetahui lebih dalam mengenai
masalah pengaruh dari faktor-faktor tersebut terhadap pertumbuhan ekonomi di
Provinsi Bali, sehingga kita dapat memberi solusi untuk mengatasi masalah yang
ada. Dimana dalam hal ini erat kaitannya antara keberadaan jalan raya serta
kontribusi pembangunan manusia dengan upaya peningkatan perekonomian di Kabupaten/kota
Provinsi Bali sangat diperlukan untuk menunjang laju pertumbuhan ekonomi.
Metode
Penelitian
Metode
analisis yang digunakan dalam penelitian ini adalah dengan melakukan analisis
regresi informasi panel dengan menggunakan aplikasi Eviews 10. Analisis regresi
utama mengkaji ketergantungan suatu variabel (yaitu ketergantungan suatu
variabel terikat pada variabel lain, yaitu yang disebut Variabel Independen.
dalam bahasa sehari-hari). Berdasarkan variabel-variabel yang telah dipaparkan
oleh peneliti maka model regresi data panel empiris dirumuskan sebagai berikut
:
PEit = α + β1INFJit + β2PMit +
β3IPMit + εit
Dimana :
|
PE |
:
Pertumbuhan Ekonomi |
|
INFJ |
:
Infrastruktur Jalan |
|
PM |
:
Penduduk Miskin |
|
IPM |
:
Indeks Pembangunan Manusia |
|
I |
:
Banyaknya kota/kabupaten (data cross section) |
|
T |
:
Banyaknya tahun (data time series) |
|
Ε |
: error term |
Untuk
mengestimasi data panel diperlukan beberapa langkah terlebih dahulu sebelum
menggunakan Common Effect, Fixed Effect, atau Random Effect
yaitu dengan mengestimasi dari hasil terbaik menggunakan uji Chow yang
digunakan untuk menentukan apakah model Common Effect lebih baik
digunakan dari pada Fixed Effect dengan nilai probabilitas lebih keil
dari derajat kepercayaan yang dipilih (0,05), uji Hausman yang digunakan untuk
menentukan apakah model Fixed Effect lebih baik digunakan dari pada Random
Effect dimana apabila nilai probabilitas lebih kecil dari derajat
kepercayaan (0,05) maka model yang terbaik untuk dipilih yaitu Fixed Effect,
dan Lagrange Multiplier test yang digunakan untuk menentukan apakah model Random
Effect lebih baik digunakan dari pada Ordinary Least Square dimana apabila
nilai probabilitas lebih besar dari chi-square.
Hasil dan Pembahasan
Melalui pengolahan data dari variabel-variabel yang
telah dipaparkan oleh peneliti, maka diperoleh hasil penelitian sebagai berikut.
Tabel 1
Hasil Estimasi Model Regresi Data Panel
|
Variable |
Common Effect |
Fixed Effect |
Random Effect |
|
C |
0.0000 |
0.0000 |
0.0000 |
|
INF_JALAN |
0.1320 |
0.0270 |
0.0557 |
|
PEND_MISKIN |
0.9326 |
0.7714 |
0.9137 |
|
IPM |
0.0030 |
0.0004 |
0.0002 |
|
R-squared |
0.233799 |
0.624332 |
0.233799 |
|
Adjusted R-squared |
0.177735 |
0.499109 |
0.177735 |
|
Prob(F-statistic) |
0.011471 |
0.000155 |
0.011471 |
Sumber: Hasil estimasi
penulis, 2021
Dari hasil yang tertera,
dapat dilihat bahwa dari pendekatan Common Effect, Fixed Effect
dan Random Effect terdapat hasil yang berbeda-beda. Nilai R-squared pada
uji Common Effect sebesar 0.233799, pada uji Fixed Effect sebesar
0.624332 dan pada uji Random Effect sebesar 0.233799. Setelah melakukan
uji model yang akan digunakan selanjutnya yaitu dalam penelitian ini dilakukan
estimasi pemilihan model mengunakan uji chow dan uji hausman.
Uji Chow
Tabel 2
Hasil Regresi dengan Uji Chow
|
Effect Test |
Statistic |
d.f. |
Prob. |
|
Cross-section
F |
4.288216 |
(8.33) |
0.0013 |
|
Cross-section
Chi-square |
32.073199 |
8 |
0.0001 |
Sumber: Hasil
estimasi penulis, 2021
Berdasarkan tabel uji chow, nilai probabilitas
cross-section chi square yang lebih kecil dari derajat kepercayaa (0,05) yakni
sebesar 0.0001. Maka hasil uji chow menolak pendekatan Common Effect
model dan menerima pendekatan Fixed Effect model. Kemudian selanjutnya
dilakukan regresi dengan pendekatan Random Effect model. Kemudian
dilakukan uji hausman dengan hasil sebagai berikut.
Uji Hausman
Tabel 3
Hasil Regresi dengan Hausman Test
|
Correlated Random
Effects - Hausman Test |
|||
|
Equation:
Untitled |
|||
|
Test
cross-section Random Effects |
|||
|
Test
Summary |
Chi-Sq. Statistic |
Chi-Sq. d.f. |
Prob. |
|
Cross-section random |
32.424808 |
3 |
0.0000 |
Sumber: Hasil estimasi penulis, 2021
Berdasarkan tabel uji hausman diatas, nilai probabilitas
cross-section random adalah sebesar 0.0000 yang artinya lebih kecil dari
alpha 0,05. Maka hasil uji hausman menolak pendekatan Random Effect
model dan memilih Fixed Effect model. Maka model regresi terbaik yang
digunakan dalam penelitian ini adalah model dengan pendekatan Fixed Effect
model. Maka tidak dilakukan pengujian lanjutan untuk uji LM karena model
terbaik sudah terpilih.
Uji Asumsi Klasik
Hasil olah yang diperoleh
menggunakan bantuan Eviews 10 sebagai berikut :
Tabel 4
Hasil Estimasi Normalitas
|
Series : Standarized Residuals |
|
|
Sample 2015 2019 |
|
|
Observations 45 |
|
|
Mean |
4.47E-18 |
|
Median |
-0.006829 |
|
Maximum |
0.076727 |
|
Minimum |
-0.103269 |
|
Std. Dev. |
0.043448 |
|
Skewness |
-0.462421 |
|
Kurtos is |
2.550406 |
|
Jarque-Bera |
1.98275 |
|
Probability |
0.371066 |
Sumber: Hasil
estimasi penulis, 2021
Uji Normalitas bertujuan untuk menguji apakah dalam
model regresi variabel dependen dan variabel independen keduanya mempunyai
distribusi normal atau paling tidak mendekati distribusi normal. Berdasarkan
hasil perhitungan dapat diketahui bahwa nilai probabilitas Jarque-Bera sebesar
1.982750 maka dengan probabilitas sebesar 0.371066 lebih besar� dari tingkat signifikansi yang digunakan
yaitu α = 5% atau sebesar 0.05 dapat disimpulkan bahwa residual model
regresi berdistribusi normal.
Tabel 5
Hasil Estimasi Multikolinearitas
|
|
INF_JALAN |
PEND_MISKIN |
IPM |
|
INF_JALAN |
1.000000 |
0.063504 |
-0.025469 |
|
PEND_MISKIN |
0.063504 |
1.000000 |
-0.110566 |
|
IPM |
-0.25469 |
-0.110566 |
1.000000 |
Sumber: Hasil
estimasi penulis, 2021
Dengan koefisien antar variabel independen lebih
besar dari 0,8 maka dapat� dinyatakan
bahwa terdapat masalah kolinearitas dalam model. Bahkan jika koefisien korelasi
kurang dari 0,8, model tersebut tidak memiliki kolinearitas. Berdasarkan hasil
yang telah tertera terlihat bahwa�
korelasi antar variabel independen jauh di bawah 0,8 yang berarti tidak
terdapat multikolinearitas.
Tabel 6
Hasil Estimasi Uji Heteroskedatisitas
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
0.086582 |
0.051735 |
1.673565 |
0.1018 |
|
INF_JALAN |
-1.37E-05 |
7.37E-06 |
-1.866698 |
0.0691 |
|
PEND_MISKIN |
-0.000390 |
0.000449 |
-0.868230 |
0.3903 |
|
IPM |
-0.000504 |
0.000677 |
-0.744992 |
0.4605 |
���������� Sumber: Hasil
estimasi penulis, 2021
Uji ini bertujuan untuk melihat ada tidaknya
variansi di dalam data. Dari hasil olah di atas, dapat diketahui dimana nilai p
value yang ditunjukkan dengan nilai Probabilitas lebih besar dari derajat
kepercayaan (0,05), maka menerima H0 atau berarti model tersebut terbebas dari
heteroskedastisitas dengan kata lain bahwa model regresi memiliki varian
residual tetap (homoskedastisitas).
Tabel 7
Hasil Estimasi dengan Uji Autokorelasi
|
Cross-section fixed (dummy variables) |
|||
|
Weighted Statistics |
|||
|
R-squared |
0.624322 |
Mean dependent var |
1.765536 |
|
Adjusted
R-squared |
0.499109 |
S.D. dependent var |
0.070888 |
|
S.E. of
regression |
0.050170 |
Sum squared resid |
0.083061 |
|
F-statistic |
4.985765 |
Durbin-Watson stat |
2.964588 |
|
Prob(F-statistic) |
0.000155 |
|
|
Sumber: Hasil estimasi
penulis, 2021
Uji ini bertujuan untuk mengetahui apakah dalam
variabel terdapat autokorelasi. Dapat dilihat melalui nilai Durbin Watson (DW)
dimana berdasarkan hasil penelitian menunjukkan nilai Durbin Watson sebesar
2.964588, dimana dL berarti sebesar 0,6291 dan dU sebesar 1,6993 yang berarti
bahwa d>dL dimana terdapat autokorelasi.
Koefisien Determinasi (R2)
Koefisien determinasi
berguna untuk mengukur kemampuan model dalam menerangkan himpunan veriabel
independen. Nilai koefisien determinasi ditunjukkan dengan angka antara nol
sampai satu. Nilai determinan yang kecil berarti kemampuan variabel-variabel
independen dalam variasi variable dependen amat terbatas. Sedangkan nilai yang
mendekati satu berarti variabel-variabel independen tersebut memberikan
informasi yang dibutuhkan untuk memprediksi variabel dependen.
Tabel 8
Weighted
Statistic
|
R-squared |
0.624332 |
|
Adjusted
R-squared |
0.499109 |
|
F-statistic |
4.985765 |
|
Prob(F-statistic) |
0.000155 |
Sumber: Hasil estimasi
penulis, 2021
Berdasarkan hasil estimasi regresi data panel
dengan metode Fixed Effect, diperoleh nilai R-square (R2) sebesar
0.624332 yang menunjukkan bahwa kontribusi variabel independent yang terdiri
dari infastruktur jalan, penduduk miskin, dan Indeks Pembangunan Manusia (IPM)
mempengaruhi variabel dependent yaitu pertumbuhan ekonomi sebesar 62,43 persen
saja dan sisanya 37,57 persen dipengaruhi oleh variabel lain di luar model
penelitian ini.
Uji F
Uji ini untuk melihat
kesignifikansian dari model yang dimiliki. Yang dilihat adalah nilai
F-Statistik dan prob(F-Statistik) pada hasil uji regresi. Dari hasil pengujian
data diketahui nilai probabilitas F-statistik 4.985765 dengan nilai f hitung
(Prob F-Statistik) sebesar 0.000155 (signifikan pada α 1%). Dari hasil uji
di atas artinya bahwa variabel infrastruktur jalan, penduduk miskin, dan indeks
pembangunan manusia untuk sembilan kabupaten/kota di Provinsi Bali secara
bersama-sama mempengaruhi laju pertumbuhan ekonomi secara signifikan pada
tingkat kepercayaan 95%.� Maka model ini
telah memenuhi goodness of fit atau uji kelayakan
Uji Parsial (Uji t)
Tabel 9
Hasil Estimasi Uji Parsial (Uji t)
|
Variable |
Coefficient |
t-Statistic |
Prob |
Hasil |
|
Infrastruktur Jalan |
5.25E-05 |
2.313793 |
0.0270 |
Berpengaruh positif,
signifikan |
|
Penduduk Miskin |
0.002136 |
0.292915 |
0.7714 |
Berpengaruh positif, tidak
signifikan |
|
Indeks Pembangunan Manusia |
-0.055893 |
-3.897293 |
0.0004 |
Berpengaruh negatif,
signifikan |
Sumber: Hasil estimasi penulis, 2021
Nilai probailitas t-statistic digunakan untuk
menguji hipotesis, terlihat pada variabel infrastruktur jalan (X1) dengan nilai
uji t sebesar 2.313793 memiliki nilai prob t-statistic sebesar 0.0270< 0.05
dimana hal ini menunjukkan bahwa variabel infrastruktur jalan berpengaruh
positif signifikan terhadap nilai laju pertumbuhan ekonomi. Artinya setiap
kenaikan 1% infrastruktur jalan maka laju pertumbuhan ekonomi Kabupaten/Kota di
Provinsi Bali akan mengalami kenaikan sebesar 5,25 persen. Dengan adanya
infrastruktur jalan terlebih dengan pembangunan jalan tol di Provinsi Bali yang
akan melintasi beberapa desa atau kabupaten memberikan dampak positif untuk
masyarakat dalam pemerataan pembangunan sebagai pertumbuhan perekonomian dan
peningkatan kas negara. Selain itu juga, jalan ini akan menjadi pilihan
alternatipe dalam mengurangi jarak tempuh, waktu dan kemacetan perjalanan. Hal
ini sejalan dengan penelitian (Lianna & Anshar, 2020)
dimana secara parsial� dengan hasil
regresi variabel infrastruktur jalan belum berpengaruh signifikan terhadap PDRB
Kabupaten/Kota di Provinsi Kalimantan Selatan dikarenakan permasalahan yang
dihadapi dalam pengembangan jalan antara lain belum optimalnya pengendara jalan
dalam mempergunakan jalan dengan sebaikbaiknya, jalan dalam kondisi rusak
diakibatkan banyaknya mobil-mobil besar yang lalu lalang melewati jalan tanpa
aturan.
Pada variabel penduduk miskin (X2) memiliki nilai
probabilitas t-statistic sebesar 0.7714>0.05 dengan nilai uji t senilai
0.292915, dimana hal ini ternyata penduduk miskin berpengaruh secara positif
namun tidak signifikan� terhadap laju
pertumbuhan ekonomi. Pertumbuhan ekonomi tetap terjadi meskipun kemiskinan juga
meningkat dikarenakan dalam kegiatan ekonomi, factor produksi disinergikan
untuk menciptakan nilai tambah dimana minimnya akses penduduk miskin terhadap
factor produksi menyebabkan akses terhadap nilai tambah juga minim. Hal ini
sejalan dengan penelitian (Adelowokan et al., 2019)
Studi ini menunjukkan bahwa meskipun ada populasi miskin yang ditentukan oleh
angka absolut, output suatu negara akan meningkat. Meskipun jumlah penduduk
miskin meningkat, perekonomian akan terus tumbuh. Juga dalam jangka pendek,
meskipun jumlah penduduk miskin meningkat dari tahun ke tahun, perekonomian
tetap tumbuh. Perlu adanya kebijakan makroekonomi yang stabil untuk menjamin
pemerataan pendapatan sehingga masyarakat miskin juga mendapat manfaat dari
pertumbuhan Negara.
Pada variabel indeks pembangunan manusia (X3)
memiliki nilai probabilitas t-statistic sebesar 0.0004<0.05 dengan nilai uji
t senilai -3.897293, yakni� koefisien
indeks pembangunan manusia bertanda negative yang berarti berpengaruh negative
dan� signifikan terhadap laju
pertumbuhan. Artinya setiap kenaikan 1 persen indeks pembangunan manusia� maka laju pertumbuhan Kabupaten/Kota di
Provinsi Bali akan mengalami penurunan sebesar -0,05 persen. Pada variabel ini
memberikan hasil yang tidak sejalan dengan teori IPM yang seharusnya IPM
berpengaruh positif terhadap laju pertumbuhan ekonomi. Terdapat factor lain
dimana perekonomian yang baik tidak berkorelasi dengan kualitas sumber daya
manusia dikarenakan Provinsi Bali masih didominasi 21 hingga 27 persen
masyarakat dengan lulusan sekolah dasar saja. Bahkan apabila digabungkan dengan
masyarakat yang tidak memiliki ijazah berada di angka 14� hingga 19 persen, maka penduduk kurang
berpendidikan di Provinsi Bali dapat berkisar 43 persen dari total penduduk.
Masalah utama Pemerintah untuk memajukan dan mendorong kualitas sumber daya
manusia Bali terletak pada mentalitas masyarakatnya dimana dengan kemajuan
teknologi yang pesat menjadikan adanya mentalitas manja yang enggan
berpendidikan tinggi dan enggan bekerja keras. Ditambah dengan adanya pandemic
Covid -19 menyebabkan menurunnya kemampuan masyarakat dalam memenuhi kebutuhan
hidupnya, yang digambarkan oleh komponen rata-rata pengeluaran per kapita
disesuaikan (PPP) yang tercatat sebesar Rp13,93 juta rupiah menurun Rp217.000
dari tahun sebelumnya. Penelitian ini sejalan dengan (Handayani et al., 2017)
yang menyatakan bahwa variabel IPM memiliki korelasi yang negative namun
berpengaruh signifikan� terhadap PDRB
Kabupaten/kota di Provinsi Sumatera Selatan. Namun penelitian ini berbeda
dengan (Asnidar, 2018)
yang menyatakan bahwa tingkat IPM berpengaruh positif tidak signifikan terhadap
pertumbuhan ekonomi di Kabupaten Aceh Timur dikarenakan setiap daerah ingin
memaksimalkan kualitas sumber daya manusia yang memadai untuk dapat
meningkatkan pembangunan dan mensejahterakan masyarakat.
Kesimpulan
Berdasarkan hasil estimasi regresi untuk pemilihan model terbaik
menggunakan uji Chow dan uji Hausman, pada data panel terpilih model terbaik
yang digunakan dalam penelitian yakni Fixed
Effect (FEM). Dalam uji koefisien determinasi (R2) seluruh variabel yang
digunakan meliputi variabel infrastruktur jalan, penduduk miskin, dan indeks
pembangungan manusia terhadap laju pertumbuhan ekonomi sembilan kabupaten/kota
di Provinsi Bali menunjukkan hasil sebesar 62,43 persen dipengaruhi oleh
variabel-variabel bebas yang peneliti tentukan�
dalam model regresi data panel metode�
Fixed Effect. Sementara
sisanya sebesar 37,57 persen dijelaskan oleh variabel-variabel lain diluar
model penelitian ini. Secara parsial variabel infrastruktur jalan memiliki
pengaruh� positif dan signifikan terhadap
laju pertumbuhan ekonomi. Hal ini dikarenakan pada setiap kenaikan� infrastruktur jalan diiringi dengan
kenaikan� laju pertumbuhan ekonomi
Kabupaten/Kota di Provinsi Bali. Sedangkan untuk variabel penduduk miskin secara
parsial memiliki pengaruh yang positif namun tidak signifikan terhadap laju
pertumbuhan ekonomi. Hal ini dikarenakan apabila� setiap kenaikan penduduk miskin diiringi
dengan kenaikan� laju pertumbuhan ekonomi
Kabupaten/Kota di Provinsi Bali. Secara parsial variabel Indeks Pembangunan
Manusia (IPM) memiliki pengaruh negative dan signifikan terhadap laju
pertumbuhan ekonomi.
Adelowokan, O. A., Maku, O. E.,
Babasanya, A. O., & Adesoye, A. B. (2019). Unemployment, poverty and economic
growth in Nigeria. Journal of Economics & Management, 35, 5�17. Google Scholar
Ali,
M. (2009). Pendidikan untuk pembangunan nasional: menuju bangsa Indonesia
yang mandiri dan berdaya saing tinggi. Grasindo. Google Scholar
Asnidar. (2018). Pengaruh Indeks
Pembangunan Manusia ( IPM ) dan Inflasi terhadap Pertumbuhan Ekonomi di
Kabupaten Aceh Timur. 2(1), 1�12.
Google Scholar
Damayanthi,
V. R. (2008). Proses industrialisasi di Indonesia dalam prespektif ekonomi
politik. Journal of Indonesian Applied Economics, 2(1). Google Scholar
Ilham,
R., Ap, S., Ramawi, D. H. M. A. T., & Si, M. (2021). Pembangunan Infrastruktur
Dikota Sungai Penuh Tahun 2019. 3(3), 18�29. Google Scholar
Lianna, L. D. R. D., &
Anshar, M. (2020). Pengaruh Infrastruktur Terhadap Pdrb Kabupaten/Kota Di Provinsi
Kalimantan Selatan Tahun 2014-2018. Jurnal Syntax Transformation, 1(7),
328�334. Google Scholar
Utama, G. I. (2020).
BKD 2019-2.Google Scholar
Iriyena, P. (2019). Analisis
Pengaruh Infrastruktur Jalan Terhadap Pertumbuhan Ekonomi Di Kabupaten Kaimana
2007-2017. Jurnal Berkala Ilmiah Efisiensi, 19(02), 49�59. Google Scholar
Jonaidi, A.
(2012). Analisis Pertumbuhan Ekonomi dan Kemiskinan. Kajian Ekonomi, 1(April),
140�164. Google Scholar
Kustanto,
A. (2020). Pertumbuhan Ekonomi Regional di Indonesia: Peran Infrastruktur,
Modal Manusia dan Keterbukaan Perdagangan (Regional Economic Growth in
Indonesia: The Role of Infrastructure, Human Capital and Trade Openness). Buletin
Studi Ekonomi, 25(1). Google Scholar
Mankiw, N. G. (2006). Teori Makroekonomi
Edisi Keenam. Jakarta: Erlangga. Google Scholar
Mirza,
D. S. (2012). Pengaruh kemiskinan, pertumbuhan ekonomi, dan belanja modal
terhadap indeks pembangunan manusia di Jawa Tengah tahun 2006-2009. Economics
Development Analysis Journal, 1(2). Google Scholar
Prasetyoningrum,
A. K., & Sukmawati, U. S. (2018). Analisis Pengaruh Indeks Pembangunan
Manusia (IPM), Pertumbuhan Ekonomi dan Pengagguran Terhadap Kemiskinan di
Indonesia. Equilibrium: Jurnal Ekonomi Syariah, 6(2), 217�240. Google Scholar
Resalawati,
A. (2011). �Pengaruh perkembangan
usaha kecil menengah terhadap pertumbuhan ekonomi pada sektor UKM di Indonesia.
Google Scholar
Susanto, A. B. (2013). Pengaruh
Indeks Pembangunan Manusia (IPM) dan Inflasi Terhadap Pertumbuhan Ekonomi di
Kabupaten Lamongan. Jurnal Pendidikan Ekonomi (JUPE), 1(3). Google Scholar
Tino Handayani. (2019). Pengaruh
Belanja Modal, Infrastruktur dan Indeks Pembangunan Manusia terhadap Produk
Domestik Regional Bruto di Provinsi Sumatera Selatan. Jurnal Ekonomi
Pembangunan, 15(2), 92�100. Google Scholar
