4 bab iv hasil penelitian 4.1 hasil analisis...

39

4 BAB IV

HASIL PENELITIAN

4.1 Hasil Analisis Deskripsi Statistik

Pada bagian ini diuraikan mengenai gambaran secara keseluruhan terkait

dengan variabel-variabel yang digunakan dalam penelitian ini pada periode 2001-

2017, diantaranya GDP perkapita, keterbukaan perdagangan yang diukur dengan

rasio ekspor dan impor terhadap GDP, investasi modal fisik, investasi modal

manusia yang diukur dengan rata-rata lama sekolah, dan tingkat pengangguran.

Berikut merupakan tabel deskripsi statistik mengenai variabel-variabel dalam

penelitian ini.

Tabel 4-1 Hasil Deskripsi Statistik

Variable Obs Mean Std. Dev Min. Max.

GDPPC 187 3.404535 2.822628 -5.404594 12.51431

TRDO 187 121.2906 86.74875 21.4238 395.6673

lnINV 187 26.00307 2.300375 20.3419 30.59113

MYS 187 8.286631 2.490041 3.3 12.8

UNEMP 187 3.348401 1.951322 0.489 9.316

Sumber: Hasil pengolahan data dengan Stata14

40

4.1.1 Pertumbuhan Ekonomi

Menurut Badan Pusat Statistik (2019), GDP perkapita merupakan

pendapatan nasional dibagi dengan jumlah penduduk pada pertengahan tahun.

Berdasarkan tabel 4-1 dapat diketahui bahwa tingkat pertumbuhan ekonomi di

negara ASEAN+3 pada periode penelitian tahun 2001-2017 yang ditunjukkan oleh

variabel GGDPPC memiliki rata-rata sebesar 3,40%. Dengan tingkat pertumbuhan

ekonomi paling rendah selama periode penelitian terjadi di negara Jepang tahun

2009 sebesar -5.40% sedangkan tingkat pertumbuhan ekonomi paling tinggi terjadi

di negara Singapura pada tahun 2010 sebesar 12,51% pada tahun 2010.

Sumber: World Development Indicators (WDI), data diolah

Grafik 4-1 Pertumbuhan Ekonomi di Negara ASEAN+3

periode 2001-2017

-6

-4

-2

0

2

4

6

8

10

12

14

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Pe

rtu

mb

uh

an E

kon

om

i (%

)

Tahun

Brunei Darussalam Indonesia Japan Cambodia

Korea, Rep. Lao PDR Malaysia Philippines

Singapore Thailand Vietnam

41

Berdasarkan grafik 4-1 menunjukkan keadaan tingkat pertumbuhan

ekonomi di negara ASEAN+3 pada periode 2001-2017, dimana pertumbuhan

ekonomi mengalami fluktuasi dari tahun ke tahun. Rata-rata pertumbuhan ekonomi

di sebagian negara secara bersamaan menurun di tahun 2009 karena adanya

fenomena krisis global. Pada tahun 2017 diketahui bahwa Vietnam memiliki

pertumbuhan ekonomi paling tinggi yakni sebesar 5,73% diikuti oleh Kamboja,

Laos, dan Filipina yang pertumbuhan ekonominya masing-masing secara berurutan

sebesar 5,39%, 5,20%, dan 5,15%. Adapun tingkat pertumbuhan ekonomi paling

rendah pada tahun 2017 terjadi di Negara Brunei dengan 0,21%.

4.1.2 Keterbukaan Perdagangan

Menurut Todaro (2011) menyatakan bahwa keterbukaan perdagangan

merupakan bentuk perekonomian terbuka yang terkait dengan aktivitas ekspor dan

impor. Untuk itu, keterbukaan perdagangan diukur dengan rasio ekspor dan impor

dibagi dengan GDP suatu negara yang ditunjukkan dengan variabel TRDO.

Berdasarkan tabel 4-1 dapat diketahui bahwa rata-rata keterbukaan perdagangan di

Negara ASEAN+3 pada periode penelitian tahun 2001-2017 adalah sebesar

121.29%. Derajat keterbukaan perdagangan paling tinggi terjadi di Negara

Singapura dengan 395.67% di tahun 2008 sedangkan keterbukaan perdagangan

paling rendah sebesar 21.42% terjadi di Negara Jepang pada tahun 2001.

42


Berdasarkan pada grafik 4-2 menunjukkan keterbukaan perdagangan di

Negara ASEAN+3, dimana Negara Singapura memiliki keterbukaan perdagangan

paling tinggi dari periode tahun 2001-2017 dan menunjukkan angka sebesar

369,59% di tahun 2017. Tren keterbukaan perdagangan yang mengalami

peningkatan terjadi di negara seperti Jepang, Kamboja, Korea, Laos, Thailand dan

Vietnam. Adapun 5 negara lainnya seperti Brunei, Indonesia, Malaysia, Filipina

dan Singapura menunjukkan tren yang menurun. Di tahun 2017, keterbukaan

perdagangan terendah sebesar 33,24% terjadi di Jepang. Untuk derajat keterbukaan

perdagangan tertinggi setelah Singapura pada tahun 2017 terjadi di Vietnam sebesar

247,29%, Kamboja 146,84% dan Malaysia 137,9%.

0

50

100

150

200

250

300

350

400

450

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Ke

terb

uka

an P

erd

agan

gan

(%

)

Tahun




Grafik 4-2 Keterbukaan Perdagangan di Negara ASEAN+3

periode 2001-2017

43

4.1.3 Investasi Modal Fisik

Investasi modal fisik merupakan penyediaan peralatan, mesin, dan

perlengkapan sebagai barang modal yang digunakan dalam menghasilkan barang

dan jasa, dan dalam penelitian ini digambarkan dengan variabel lnINV.

Berdasarkan tabel 4-1 dapat diketahui bahwa rata-rata investasi modal fisik di

negara ASEAN+3 selama periode 2001-2017 adalah sebesar 26%. Investasi modal

fisik terendah menunjukkan angka sebesar 20.34% yang dilakukan oleh Laos pada

tahun 2001, dan tertinggi dilakukan oleh Jepang sebesar 30.59% terjadi pada tahun

2017.


0

5

10

15

20

25

30

35

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Ln In

vest

asi M

od

al F

isik

(%

)

Tahun

Brunei Darussalam Indonesia Japan

Cambodia Korea, Rep. Lao PDR

Malaysia Philippines Singapore

Thailand Vietnam

Grafik 4-3 Investasi Modal Fisik di Negara ASEAN+3

periode 2001-2017

44

Berdasarkan grafik 4-3 menunjukkan besaran investasi modal fisik yang

dilakukan oleh negara ASEAN+3 dari tahun 2001-2017. Dalam grafik tersebut

terlihat bahwa Jepang menjadi negara yang melakukan investasi modal fisik paling

tinggi di setiap tahunnya dan diikuti oleh Korea Selatan dan Indonesia di posisi

kedua dan ketiga. Adapun negara-negara seperti Kamboja, Laos, dan Brunei

menjadi negara paling rendah dalam investasi modal fisik dengan rata-rata selama

periode 2001-2017 masing-masing sebesar 22.80%, 22.85%, dan 23.55%, dan

negara lainnya berada di posisi menengah.

4.1.4 Rata-rata Lama Sekolah

Investasi modal manusia yang digambarkan dengan variabel MYS dihitung

dengan rata-rata lama sekolah. Menurut Badan Pusat Statistik, rata-rata lama

sekolah merupakan jumlah tahun belajar penduduk usia 15 tahun keatas yang telah

menyelesaikan pendidikan formal dan tidak termasuk tahun yang mengulang.

Berdasarkan tabel 4-1 dapat diketahui bahwa rata-rata lama sekolah di negara

ASEAN+3 periode tahun 2001-2017 adalah sebesar 8,29 tahun. Pendidikan dengan

rata-rata lama sekolah paling rendah sebesar 3,3 tahun di Negara Kamboja pada

tahun 2001 dan tertinggi 12,8 tahun terjadi di negara Jepang di tahun 2017.

45

Sumber: United Nations Development Programs (UNDP)

Berdasarkan Grafik 4-4 menunjukkan rata-rata lama sekolah di negara

ASEAN+3 periode 2001-2017 memiliki kecenderungan meningkat dari tahun ke

tahun di semua negara. Hal ini menunjukkan bahwa semakin pentingnya

pendidikan seseorang. Pada tahun 2017, rata-rata lama sekolah tertinggi terjadi di

Negara Jepang dengan 12,8 tahun, diikuti Korea sebagai tertinggi kedua rata-rata

selama 12,1 tahun, dan Singapura 11,5 tahun. Adapun negara dengan rata-rata lama

sekolah terendah di tahun 2017 terjadi di Negara Kamboja dengan 4,8 tahun, urutan

terendah selanjutnya sebesar 5,2 tahun di Negara Laos, dan Thailand 7,6 tahun.

0

2

4

6

8

10

12

14

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Rat

a-ra

ta la

ma

seko

lah

(Ta

hu

n)

Tahun

Brunei Darussalam Indonesia Japan

Cambodia Korea Laos

Malaysia Philippines Singapore

Thailand Viet Nam

Grafik 4-4 Rata-rata lama sekolah di Negara ASEAN+3

periode 2001-2017

46

4.1.5 Tingkat Pengangguran

Tingkat pengangguran merupakan persentase angkatan kerja yang tidak

bekerja. Berdasarkan tabel 4-1 dapat diketahui bahwa rata-rata tingkat

pengangguran di negara ASEAN+3 periode tahun 2001-2017 adalah sebesar

3,34%. Tingkat pengangguran terendah terjadi di Thailand pada tahun 2013 sebesar

0,489%. Adapun tingkat pengangguran tertinggi sebesar 9,316% terjadi di Brunei

pada tahun 2017.


Berdasarkan pada grafik 4-5, tingkat pengangguran mengalami fluktuasi di

masing-masing negara. Tingkat pengangguran di Indonesia memiliki tren yang

menurun sejak tahun 2007 yang semula 6,08% di 2001 menjadi 4,18% di tahun

2017. Adapun tren tingkat pengangguran di Brunei menunjukkan peningkatan

dimana pada tahun 2001 tingkat penganggurannya sebesar 5,6% menjadi 9,3% di

tahun 2017.

0

2

4

6

8

10

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Pe

nga

ngg

ura

n (

%)

Tahun




Grafik 4-5 Tingkat Pengangguran di Negara ASEAN+3

periode 2001-2017

47

4.2 Hasil Estimasi Model

Estimasi dilakukan untuk melihat seberapa besar pengaruh dari variabel

independen (X) terhadap variabel dependen (Y), dengan model yang digunakan

adalah sebagai berikut:

lnGDPPCit = β0 + β1 TRDOit + β2 lnINVit + β3 lnMYSit + β4 UNEMPit + εit (4.1)

Dimana:

GDPPC : PDB per kapita

TRDO : Keterbukaan perdagangan (Trade Openness)

INV : Investasi modal fisik

MYS : Rata-rata lama sekolah (Mean Years of Schooling)

UNEMP : Tingkat Pengangguran

Ln : Notasi dalam bentuk logaritma natural

β0 : Konstanta

β1, β2, β3, β4 : Koefisien regresi

ε : error term

i : Cross Section (11 Negara di kawasan ASEAN+3)

t : Time Series (Periode tahun 2001-2017)

48

Tabel 4-2 Hasil Perbandingan Estimasi PLS, FEM, dan REM

Variable

Pooled Least

Square

Fixed Effect

Model

Random

Effect Model

TRDO Koefisien

Std. Error

0.0023963***

(0.0005615)

0.0023963***

(0.000554)

0.0021173***

(0.0003283)

lnINV Koefisien

Std. Error

-0.1516772***

(0.0347842)

-0.1516772***

(0.034316)

0.0830986***

(0.0109071)

lnMYS Koefisien

Std. Error

2.998998***

(0.2718498)

2.998998***

(0.2681908)

0.7602932***

(0.1263623)

UNEMP Koefisien

Std. Error

-0.1284809***

(0.0284605)

-0.1284809***

(0.0280775)

-0.053586***

(0.0077276)

Konstanta Koefisien

Std. Error

6.551434***

(0.572344)

6.551434***

(0.5646405)

5.705394***

(0.2855619)

N

Prob. F

Prob> Chi-Square

187

0.0000

187

0.0000

187

0.0000

R-Square

PLS = 0.7577

FEM = 0.7577

REM = 0.4048

Keterangan:

* = Tingkat Signifikansi 10%

** = Tingkat Signifikansi 5%

*** = Tingkat Signifikansi 1%

Sumber : Hasil pengolahan data dengan Stata14

Perbandingan hasil model regresi ini merujuk pada penelitian sebelumnya

yang dilakukan oleh Tahir & Toseef (2015).

49

4.3 Uji Pemilihan Model

4.3.1. Uji Chow

Uji Chow merupakan pengujian yang dilakukan untuk membandingkan

antara model Pooled Least Square dengan Fixed Effect Model dan mengetahui

model pilihan terbaik yang digunakan dalam penelitian. Hasil dari pengujian ini

adalah:

Tabel 4-3 Hasil Uji Chow

Prob > F Signifikansi α

0.0000 0.01


Berdasarkan pada hasil dari tabel diatas, dapat diketahui bahwa model ini

memiliki nilai probabilitas sebesar 0.0000. Jika dibandingkan dengan tingkat

signifikansi α sebesar 0.01, maka nilai probabilitas tersebut menunjukkan angka

yang lebih rendah dan dapat disimpulkan bahwa model terbaik yang digunakan

dalam penelitian ini adalah Fixed Effect Model.

4.3.2. UjiHausman

Menurut Gujarati & Porter (2009) menyatakan bahwa pengujian

inidilakukan untuk membandingkan antara Fixed Effect Model atau Random Effect

Model dan mengetahui model yang terbaik digunakan dalam penelitian ini. Hasil

dari pengujian ini adalah:

50

Tabel 4-4 Hasil Uji Hausman

Prob > Chi2 Signifikansi α

0.0161 0.01





yang lebih tinggi dan dapat disimpulkan bahwa model terbaik yang digunakan

dalam penelitian ini adalah Random Effect Model.

4.3.3 Uji Breusch & Pagan Lagrangian Multiplier

Menurut Gujarati & Porter (2009) menyatakan bahwa pengujian ini

dilakukan untuk membandingkan apabila hasil dari uji chow dan uji hausman

menunjukkan model yang berbeda. Dalam penelitian ini, uji Breusch & Pagan

Lagrangian Multiplier dilakukan untu membandingkan antara Random Effect

Model atau Fixed Effect Model dan mengetahui model yang terbaik digunakan

dalam penelitian ini. Hasil dari pengujian ini adalah:

Tabel 4-5 Hasil Uji Breusch & Pagan Lagrangian Multiplier

Prob > Chibar Signifikansi α

0.0000 0.01


51




yang lebih rendah dan dapat disimpulkan bahwa model terbaik yang digunakan

dalam penelitian ini adalah Random Effect Model.

4.4 Uji Asumsi Klasik

4.4.1 Uji Heteroskedastisitas

Menurut Gujarati & Porter (2009) pada hasil estimasi yang menggunakan

Random Effect Model merupakan estimasi dengan Generalized Least Square (GLS)

yaitu transformasi variabel sehingga memenuhi asumsi standar kuadrat terkecil, di

mana hasil estimasi dari GLS adalah homoskedastis, sehingga pada model ini dapat

dikatakan tidak terdapat masalah heteroskedastisitas yang berarti persebaran data

menjadi konstan atau tidak terdapat outlier pada data. Kemudian Wooldridge

(2012) menjelaskan Random Effect Model terbebas dari masalah asumsi klasik

lainnya, di mana pada model ini estimasi yang dihasilkan konsisten dan terdistribusi

dengan normal atau dapat dikatakan estimasi yang dihasilakn tidak bias.

52

4.4.2 Uji Autokorelasi

Menurut Gujarati & Porter (2015) pada hasil estimasi yang menggunakan

Random Effect Model tidak terdapat korelasi dari error secara individual dan tidak

terdapat autokorelasi antara data time series dan cross section. Lebih lanjut

Wooldridge (2012) menjelaskan pada model ini tidak terdapat korelasi antara error

term, yakni error term pada periode waktu tertentu tidak memiliki korelasi dengan

variabel yang ada pada periode waktu lain.

4.4.3 Uji Multikoliearitas

Multikolinearitas merupakan suatu keadaan yang menunjukkan adanya

hubungan linear atau saling keterkaitan diantara variabel-variabel independen

dalam model regresi. Suatu data dapat dikatakan memiliki masalah

multikolinearitas jika nilai korelasi antar variabel independennya lebih besar dari

0.8 (Gujarati, 2004). Hasil pengujian ini adalah sebagai berikut:

Tabel 4-6 Hasil Uji Multikolinearitas

TRDO lnINV lnMYS UNEMP

TRDO 1.0000

lnINV -0.0818 1.0000

lnMYS 0.1733 0.7777 1.0000

UNEMP -0.0493 0.2140 0.5104 1.0000


53

Berdasarkan pada tabel 4-6 dapat diketahui nilai correlation matrix tidak

menunjukkan angka yang melebihi 0.8, sehingga dapat disimpulkan bahwa di

dalam model penelitian ini tidak terdapat masalah multikolinearitas.

4.5 Uji Statistik

4.5.1 Hasil Estimasi Random Effect Model

Tabel 4-7 Hasil Estimasi Random Effect Model

VAR lnGDPPC

TRDO 0.0021173***

(0.0003283)

lnINV 0.0830986***

(0.0109071)

lnMYS 0.7602932***

(0.1263623)

UNEMP -0.053586***

(0.0077276)

Konstanta 5.705394***

(0.2855619)

Observation

Number of Region

R-Square

187

11

0.4048

Standard errors in parentheses

*** p<0,01 ; ** p<0,05 ; * p<0,1


54

Berdasarkan pada tabel 4-7 maka selanjutnya dapat dilakukan pengujian

signifikansi secara parsial dengan uji z, pengujian signifikansi secara simultan

dengan uji Wald Chi-Square, serta dilakukan pula analisis koefisien determinasi.

4.5.2 Uji Signifikansi Parsial

Berdasarkan pada hasil estimasi model Random Effect dengan

menggunakan software Stata14, pengujian signifikansi parsial dilakukan dengan

melakukan uji z untuk melihat pengaruh variabel independen secara parsial

terhadap variabel dependennya, dimana dalam model ini variabel dependen adalah

tingkat GDP per kapita. Hasil dari pengujian ini adalah sebagai berikut:

Tabel 4-8 Uji Signifikansi Parsial dengan Uji z

Variable Prob. z H0 Keterangan

TRDO 0.000 H0 ditolak Signifikansi pada α = 1%

lnINV 0.000 H0 ditolak Signifikansi pada α = 1%

lnMYS 0.000 H0 ditolak Signifikansi pada α = 1%

UNEMP 0.000 H0 ditolak Signifikansi pada α = 1%


Berdasarkan tabel 4-8 dapat diketahui bahwa variabel keterbukaan

perdagangan (TRDO), variabel investasi modal fisik (lnINV), variabel rata-rata

lama sekolah (lnMYS), dan variabel tingkat pengangguran (UNEMP) secara parsial

mempengaruhi tingkat GDP per kapita pada tingkat signifikansi α = 1%.

55

4.5.3 Uji Signifikansi Simultan

Berdasarkan pada hasil estimasi model Random Effect dengan

menggunakan software Stata14, pengujian signifikansi simultan dilakukan dengan

melakukan uji Wald Chi-Square untuk melihat apakah semua variabel independen

secara parsial atau bersama-sama berpengaruh terhadap variabel dependen. Hasil

dari pengujian ini adalah sebagai berikut:

Tabel 4-9 Uji Signifikansi Simultan dengan Uji Wald Chi-Square

Prob > Chi-Square Signifikansi α

0.0000 0.01


Berdasarkan pada hasil dari tabel 4-9 diatas, dapat diketahui bahwa model

ini memiliki nilai probabilitas sebesar 0.0000. Jika dibandingkan dengan tingkat


yang lebih kecil dan dapat disimpulkan bahwa variabel-variabel yang digunakan

dalam penelitian ini yang meliputi keterbukaan perdagangan, investasi modal fisik,

rata-rata lama sekolah, dan tingkat pengangguran secara bersama-sama

mempengaruhi variabel dependennya yaitu tingkat GDP per kapita.

56

4.5.4 Koefisien Determinasi (R2)

Menurut Wooldridge (2015), koefisien determinasi merupakan rasio yang

menunjukkan seberapa besar variasi dari variabel-variabel independen (X) yang

digunakan dalam penelitian dapat mempengaruhi dan menjelaskan variabel

dependennya (Y). Koefisien determinasi dapat dilihat pada nilai R2 (R-Square) yang

telah diuji sebelumnya pada tabel 4-7 adalah sebesar 0.4048. Hal ini menjelaskan

bahwa variasi dari variabel independen yang digunakan di dalam model penelitian

mampu menjelaskan dan mempengaruhi variabel dependen sebesar 40.48%.

Sedangkan sisanya 59.52% dijelaskan oleh variabel lain di luar model penelitian.

4.6 Analisis Ekonomi

4.6.1 Intersep

Berdasarkan tabel 4-7 pada hasil estimasi model penelitian, nilai intersep

yang dihasilkan adalah sebesar 5.705394. Hal ini menunjukkan bahwa tanpa

dipengaruhi variabel apapun di dalam model penelitian, tingkat pertumbuhan

ekonomi di negara ASEAN+3 pada periode 2001-2017 adalah sebesar 5.70%.

4.6.2 Pengaruh Keterbukaan Perdagangan terhadap Pertumbuhan

Ekonomi

Berdasarkan tabel 4-7 diketahui bahwa variabel keterbukaan perdagangan

memiliki pengaruh yang positif dan signifikan terhadap pertumbuhan ekonomi di

negara ASEAN+3 pada periode 2001-2017. Variabel ini mempunyai nilai koefisien

regresi sebesar 0.0021173.

57

Angka ini menunjukkan bahwa setiap terjadi peningkatan pada variabel

keterbukaan perdagangan sebesar 1 persen, maka akan meningkatkan tingkat GDP

per kapita sebesar 0.21%, cateris paribus.

Pengaruh positif antara keterbukaan perdagangan terhadap GDP per kapita

ini didukung oleh beberapa penelitian seperti yang dilakukan oleh Zeren (2013),

(Tahir & Khan, 2014). Penelitian ini juga sejalan dengan penelitian yang dilakukan

Tahir dan Azid (2015), Pradhan (2011), dan Karras (2003) yang juga menemukan

hasil bahwa keterbukaan perdagangan dapat meningkatkan pertumbuhan ekonomi.

Nilai koefisien ini tidak berbeda jauh dengan penelitian-penelitian yang

telah dilakukan, misalnya penelitian Georgios Karras (2003) berjudul “Trade

Openness and Economic Growth: Can We Estimate the Precise Effect?” yang

menunjukkan bahwa pengaruh keterbukaan perdagangan dapat meningkatkan

pertumbuhan ekonomi, dimana peningkatan 1% pada variabel keterbukaan

perdagangan akan meningkatkan variabel pertumbuhan ekonomi rata-rata sebesar

0,28%.

Keterbukaan perdagangan dapat mendorong perluasan pasar domestik ke

pasar internasional, meningkatkan daya saing produk lokal yang selanjutnya dapat

mendorong adanya inovasi baru untuk menghadapi persaingan yang lebih luas.

Keterbukaan perdagangan dapat menyerap perubahan teknologi dari negara maju

dengan didukung kualitas sumber daya manusia yang baik, yang kemudian

mempertinggi tingkat kemajuan teknologi yang selanjutnya meningkatkan

produktivitas dan pertumbuhan ekonomi.

58

4.6.3 Pengaruh Investasi Modal Fisik terhadap Pertumbuhan Ekonomi

Berdasarkan tabel 4-7 diketahui bahwa variabel investasi modal fisik



regresi sebesar 0.0830986. Angka ini menunjukkan bahwa setiap terjadi

peningkatan pada variabel investasi modal fisik sebesar 1 persen, maka akan

meningkatkan tingkat GDP per kapita sebesar 0.083%, cateris paribus.

Hubungan positif antara investasi modal fisik terhadap pertumbuhn

ekonomi yang diproksikan melalui GDP per kapita ini didukung oleh beberapa

penelitian seperti yang dilakukan oleh Tahir (2014), dan Muhammad Tahir and

Toseef Azid (2015). Penelitian lain dilakukan oleh Meidani dan Maryam (2011)

menunjukkan pula bahwa investasi dalam modal fisik berpengaruh positif terhadap

pertumbuhan ekonomi. Menurut Sulistiawati (2012), pembangunan ekonomi

memerlukan dukungan investasi yang merupakan salah satu sumber utama

pertumbuhan ekonomi. Menurutnya, investasi dapat mendorong pertumbuhan

ekonomi melalui penyerapan tenaga kerja. Investasi di dalam modal fisik

memerlukan tenaga kerja untuk menjalankan suatu proses produksi. Hal ini akan

menurunkan angka pengangguran sehingga pendapatan masyarakat meningkat dan

kesejahteraan masyarakat pun ikut meningkat.

4.6.4 Pengaruh Rata-rata Lama Sekolah terhadap Pertumbuhan Ekonomi

Berdasarkan tabel 4-7 diketahui bahwa variabel rata-rata lama sekolah


59


regresi sebesar 0.7602932. Angka ini menunjukkan bahwa setiap terjadi

peningkatan pada variabel rata-rata lama sekolah sebesar 1 persen, maka akan

meningkatkan tingkat GDP per kapita sebesar 0.76%, cateris paribus.

Hasil penelitian ini didukung oleh penelitian yang dilakukan Pradhan (2011)

bahwa pendidikan berpengaruh positif dan signifikan terhadap pertumbuhan

ekonomi. Dalam penelitiannya dijelaskan bahwa pendidikan penting untuk

menghasilkan tenaga kerja yang berkualitas tinggi. Proses produksi yang

menggunakan teknologi dalam pengembangannya akan meningkatkan permintaan

tenaga kerja yang berpendidikan lebih baik karena dalam penyerapan teknologi

memerlukan dukungan keterampilan, keahlian, dan pengetahuan yang cukup dari

pekerjanya yang selanjutnya hal ini dapat meningkatkan potensi pendapatan

individu yang lebih baik.

4.6.5 Pengaruh Tingkat Penganguran terhadap Pertumbuhan Ekonomi

Berdasarkan tabel 4-7 dapat diketahui bahwa variabel tingkat pengangguran

memiliki pengaruh yang negatif terhadap pertumbuhan GDP per kapita di negara

ASEAN+3 pada periode 2001-2017. Variabel ini mempunyai nilai koefisien regresi

sebesar -0.053586. Angka ini menunjukkan bahwa setiap terajadi peningkatan pada

variabel tingkat pengangguran sebesar 1 persen, maka akan menurunkan tingkat

GDP per kapita sebesar 5.36%, cateris paribus.

60

Hasil dari hubungan yang negatif antara tingkat pengangguran terhadap

GDP per kapita penelitian ini didukung oleh penelitian sebelumnya yang dilakukan

oleh Meidani dan Zabihi (2011) serta Cebula (2012). Hukum Okun menyatakan

adanya hubungan negatif yang linear antara pengangguran dengan pertumbuhan

ekonomi: 1% kenaikan tingkat pengangguran akan menyebabkan menurunnya

pertumbuhan ekonomi sebesar 2% atau lebih.

Tingkat pengangguran yang tinggi menjelaskan bahwa sumber daya tenaga

kerja tidak digunakan secara efisien. Pengangguran berarti suatu keadaan seseorang

akibat tidak adanya atau kehilangan suatu pekerjaan maka dirinya tidak melakukan

suatu produktivitas tertentu dan mengurangi pendapatan masyarakat sehingga

menyebabkan penurunan kemakmuran yang bisa dicapai karena harus mengurangi

pengeluaran konsumsinya. Hal ini dapat mengganggu kesehatan keluarganya, serta

kekacauan sosial tidak terhindarkan hingga menimbulkan efek buruk pada

kesejahteraan masyarakat dalam prospek pembangunan ekonomi dan selanjutnya

menurunkan pertumbuhan ekonomi.

4 bab iv hasil penelitian 4.1 hasil analisis...

Documents