Keterkaitan spasial perbedaan produktivitas tenaga kerja … · 2015-08-28 · terhadap jumlah tenaga kerja kabupaten/kota menurut lapangan usaha. ... disimpulkan bahwa untuk masing-masing

KETERKAITAN SPASIAL PERBEDAAN PRODUKTIVITASTENAGA KERJA KABUPATEN/KOTA DI PULAU JAWA

ARBA’IN NUR BAWONO

SEKOLAH PASCASARJANAINSTITUT PERTANIAN BOGOR

BOGOR2011

PERNYATAAN MENGENAI TESIS DANSUMBER INFORMASI

Dengan ini saya menyatakan bahwa tesis Keterkaitan Spasial PerbedaanProduktivitas Tenaga Kerja Kabupaten/Kota di Pulau Jawa adalah karya sayadengan arahan komisi pembimbing dan belum diajukan dalam bentuk apa punkepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutipdari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telahdisebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhirtesis ini.

Bogor, September 2011

Arba’in Nur BawonoNRP A156070071

ABSTRACT

ARBA’IN NUR BAWONO. Spatial Dependence of Labour ProductivityDisparities of Districts/Cities at Java Island. Under Direction of SETIA HADI,KOMARSA GANDASASMITA and DIDIT OKTA PRIBADI

Using 115 districts/cities at Java Island and 9 sectors on the 2001-2008, thisstudy use Esteban’s shift share analysis to investigate the extent to which theexisting interregional disparities in labour productivity can be attributed. Thedifferent between labour productivity of districts/cities and Java Island average isregressed on the three shift share components: industrial mix, productivitydifferent, and allocative. However, labour productivity is not only influenced bythree shift share components as explanatory variables but also by aspects relatedto surrounding districts/cities (neighborhood). Therefore, this research employedspatial econometric models, i.e. spatial lag model and spatial error model. Weobserved significant spatial effect for productivity different and the industrial mixcomponent, productivity different as well as allocative components. The resultfound that labor productivity disparities across districts/cities in Java Island couldbe attributed to the industry mix, productivity different and allocativecomponents. Whereas the highest coefficient regression value indicated byindustrial mix component. Therefore, policies are needed not only for thetransformation of labor from one sector (eg. primary sector) to other sectors (eg.secondary sector). It’s necessary to promote policy emphasis on increasingsectoral labour productivity, for example through empowering labor skills andimproving of socioeconomic infrastructure.

Keywords: labour productivity, shift share analysis, spatial regression

RINGKASAN

ARBA’IN NUR BAWONO. Keterkaitan Spasial Perbedaan ProduktivitasTenaga Kerja Kabupaten/Kota di Pulau Jawa. Dibimbing oleh SETIA HADI,KOMARSA GANDASASMITA dan DIDIT OKTA PRIBADI

Terdapat tiga macam ukuran yang biasa digunakan untuk mengkajikinerja suatu wilayah, yaitu: output, output per kapita, dan output per pekerja.Ukuran yang akan dipilih tergantung dari tujuan penelitian. Penggunaan ouputper pekerja, yang sering didefinisikan sebagai produktivitas tenaga kerja memilikibeberapa keunggulan sebagai berikut: (i) lebih sensitif terhadap perbedaan jumlahpenduduk (pekerja) dibanding dengan penggunaan output yang biasanya diwakilioleh PDRB (Produk Domestik Regional Bruto) yang bersifat agregat; (ii) dapatdilakukan dekomposisi secara sektoral dibanding dengan output per kapita (PDRBperkapita).

Penggunaan unit spasial (misalnya, kabupaten/kota) sebagai unit analisisperlu mempertimbangkan efek spasial, yaitu kemungkinan terjadinya nilai yangmirip pada wilayah yang berdekatan sebagaimana dinyatakan hukum geografi I(Tobler’s first law of geography). Memperhatikan uraian di atas, permasalahanyang menjadi perhatian dalam penelitian ini adalah: (i) Apakah terdapat efekspasial pada perbedaan produktivitas tenaga kerja suatu kabupaten/kota denganproduktivitas tenaga kerja kabupaten/kota tetangga di sekitarnya (neighborhood)?(ii) Apakah yang menyebabkan terjadinya perbedaan produktivitas tenaga kerjakabupaten/kota di Pulau Jawa? Sehubungan dengan masalah tersebut maka tujuanpenelitian ini adalah untuk mengetahui kontribusi masing-masing komponen shiftshare terhadap perbedaan produktivitas tenaga kerja kabupaten/kota di Pulau Jawadengan menggunakan pendekatan model regresi spasial.

Produktivitas tenaga kerja kabupaten/kota secara sektoral atau menurutlapangan usaha diukur oleh rasio PDRB kabupaten/kota menurut lapangan usahaterhadap jumlah tenaga kerja kabupaten/kota menurut lapangan usaha. Penelitianini menggunakan pendekatan Kamarianakis dan Le Gallo yang memformulasikanpenyebab perbedaan produktivitas antar wilayah dengan menggunakan analisisshift share yang dikembangkan Esteban. Dengan teknik dekomposisi, Estebanyang menggunakan data negara-negara Eropa menemukan bahwa perbedaanproduktivitas antara suatu megara dengan produktivitas rata-rata Eropa,merupakan penjumlahan dari tiga faktor, yaitu: (i) struktur ekonomi masing-masing negara secara sektoral, (ii) perbedaan produktivitas tenaga kerja padasektor yang sama di negara yang berbeda, dan (iii) perbedaan alokasi tenaga kerjadi masing-masing sektor.

Analisis spasial dalam penelitian ini difokuskan untuk menguji keberadaanefek spasial perbedaan produktivitas tenaga kerja suatu kabupaten/kota denganproduktivitas tenaga kerja kabupaten-kabupaten/kota-kota tetangga di sekitarnya(neighborhood). Autokorelasi spasial dapat didefinisikan sebagai kejadian suatunilai yang mirip berada pada lokasi yang mirip. Autokorelasi spasial akan bernilaipositif jika terdapat pengelompokan (clustering) kabupaten/kota yang memilikinilai yang sama, yaitu kabupaten/kota dengan tingkat produktivitas yang tinggi(rendah) dikitari oleh kabupaten/kota tetangga yang juga memiliki tingkatproduktivitas yang tinggi (rendah). Sebaliknya nilai autokorelasi spasial akan

negatif jika terjadi penyebaran nilai, yaitu kabupaten/kota yang memiliki tingkatproduktivitas yang tinggi (rendah) dikelilingi oleh kabupaten-kabupaten/kota-kotalain yang justru bernilai rendah (tinggi).

Keberadaan pola spasial tersebut selanjutnya digunakan sebagai dasarperlunya menyusun sebuah model ekonometri spasial kontribusi masing-masingkomponen shift share terhadap perbedaan produktivitas tenaga kerjakabupaten/kota di Pulau Jawa.

Hasil penelitian menunjukkan bahwa selama tahun 2001 sampai dengan2008 relatif tidak terdapat perubahan yang signifikan pada peringkat perbedaanproduktivitas tenaga kerja kabupaten/kota terhadap rata-rata produktivitas tenagakerja Pulau Jawa. Pengujian menggunakan uji beda peringkat Kendall (Kendallconcordance test) menghasilkan nilai probabilitas, yaitu nilai asymp. Sig(asymptotic significant) sebesar < 0,05 dan koofisien konkordansi Kendall sebesar0,975 yang berarti tingkat keselarasannya sangat tinggi atau peringkatkabupaten/kota berdasarkan nilai perbedaan produktivitas tenaga kerja antar tahuntidak banyak mengalami perubahan.

Persebaran tingkat produktivitas tenaga kerja tersebut dapat dipetakanberdasarkan nilai rata-rata dan standar deviasinya. Rata-rata perbedaanproduktivitas tenaga kerja kabupaten/kota di Pulau Jawa pada tahun 2001 sebesar1,022 dengan standar deviasi 21,59. Dibandingkan dengan data tahun 2008 tidakdidapatkan perbedaan yang signifikan. Meskipun demikian terdapatkecenderungan penurunan pada rata-rata produktivitas tenaga kerja menjadi -0,21,sedangkan nilai deviasi standar cenderung meningkat dan pada tahun 2008menjadi 29,39 yang mengindikasikan peningkatan perbedaan produktivitas tenagakerja antar kabupaten/kota yang semakin senjang.

Terdapat perbedaan distribusi antara kabupaten/kota yang nilai perbedaanproduktivitas tenaga kerjanya berada di bawah dan di atas rata-rata. Seluruhkabupaten/kota yang berada di bawah rata-rata memiliki nilai perbedaanproduktivitas tenaga kerja antara rata-rata dikurangi dengan standar deviasi.Sedangkan pada kabupaten/kota yang memiliki nilai perbedaan produktivitastenaga kerja di atas rata-rata lebih tersebar, sebagian berada pada rata-rataditambah standar deviasi bahkan sampai rata-rata ditambah dengan tiga kalistandar deviasi.

Hal tersebut menunjukkan bahwa sebagian besar kabupaten/kota memilikiproduktivitas tenaga kerja yang rendah. Dengan kata lain terjadi kemerataanproduktivitas tenaga kerja pada tingkat produktivitas tenaga kerja yang rendah.

Hasil analisis menggunakan regresi spasial dengan data panel yangmenggabungkan sekaligus antara data 115 kabupaten/kota selama 8 tahun (dari2001 sa,pai 2008) menyimpulkan bahwa ketiga komponen shift shareberpengaruh secara nyata terhadap perbedaan produktivitas tenaga kerjakabupaten/kota di Pulau Jawa. Pengujian dengan menggunakan LagrangeMultiplier (LM), uji Hausman dan membandingkamn antara R2 dan Corr2 dapatdisimpulkan bahwa untuk masing-masing variabel penjelas the Industry-MixComponent (μi) dan the Productivity Differential Component (πi) model terbaikyang didapatkan adalah spatial lag atau spatial autoregressive (SAR) fixed effect.Sementara untuk variabel penjelas the Allocative Component (αi) modelterbaiknya adalah spatial error (SEM) fixed effect.

Model regresi spasial yang dikembangkan juga memperlihatkan signifikansiefek spasial pada hubungan antara masing-masing komponen shift share terhadapperbedaan produktivitas tenaga kerja. Hal tersebut berarti perbedaan produktivitastenaga kerja suatu kabupaten/kota juga dipengaruhi oleh perubahan komponenshift share (alokasi tenaga kerja dan produktivitas tenaga kerja sektoral) dikabupaten/kota tetangga.

Oleh karena itu, disarankan untuk merancang kebijakan yang tidak hanyamemperhatikan transformasi tenaga kerja dari suatu sektor ke sektor lain,misalnya dari sektor primer ke sektor sektor sekunder. Tetapi perlu untukmemperhatikan produktivitas tenaga kerja secara sektoral, misalnya melaluipeningkatan ketrampilan tenaga kerja, perbaikan infrastruktur sosial ekonomipendukung, dan lain-lain. Peningkatan keahlian dan ketrampilan tersebut jugadapat menjadi solusi adanya hambatan perpindahan tenaga kerja dari satu sektorke sektor lainnya.

Berdasarkan temuan adanya keterkaitan spasial maka disarankan koordinasiantar kabupaten/kota yang bertetangga untuk bersinergi meningkatkanproduktivitas tenaga kerja. Misalnya, untuk peningkatan infrastruktur sosialekonomi yang dapat mendorong peningkatan produktivitas sektoral perlumemperhatikan skala layanan dan efek limpahan manfaat (spillover effect)sehingga dapat dirancang lebih efisien dalam pembiayaan dan pemanfaatanbarang publik.

Kata kunci : produktivitas tenaga kerja, analisis shift share, autokorelasi spasial,regresi spasial data panel

© Hak Cipta Milik IPB, tahun 2011Hak Cipta dilindungi Undang-Undang

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkanatau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atautinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentinganyang wajar IPBDilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulisdalam bentuk apapun tanpa izin IPB

KETERKAITAN SPASIAL PERBEDAAN PRODUKTIVITASTENAGA KERJA KABUPATEN/KOTA DI PULAU JAWA

ARBA’IN NUR BAWONO

TesisSebagai salah satu syarat untuk memperoleh gelar

Magister SainsPada Program Studi Ilmu Perencanaan Wilayah

SEKOLAH PASCASARJANAINSTITUT PERTANIAN BOGOR

BOGOR2011

Penguji Luar Komisi pada Ujian Tesis : Dr. Ir. Baba Barus, M. Sc

Judul Tesis : Keterkaitan Spasial Perbedaan Produktivitas Tenaga KerjaKabupaten/Kota di Pulau Jawa

Nama : ARBA’IN NUR BAWONO

NRP : A156070071

Disetujui:

Komisi Pembimbing

Dr. Ir. Setia Hadi, MSKetua

Dr. Ir. Komarsa Gandasasmita, M.Sc Didit Okta Pribadi, SP, M.SiAnggota Anggota

Diketahui:

Ketua Program Studi Dekan Sekolah PascasarjanaIlmu Perencanaan Wilayah

Dr. Ir. Ernan Rustiadi, M.Agr Dr. Ir. Dahrul Syah, M.Sc.Agr

Tanggal Ujian: 23 September 2011 Tanggal Lulus:

PRAKATA

Puji syukur penulis panjatkan kehadirat Allah SWT, atas limpahan rahmatdan karunia-Nya sehingga karya ilmiah dengan judul Keterkaitan SpasialPerbedaan Produktivitas Tenaga Kerja Kabupaten/Kota di Pulau Jawa dapatdiselesaikan.

Penyusunan karya ilmiah ini tidak terlepas dari bantuan berbagai pihak.Oleh karena itu ucapan terima kasih dan penghargaan penulis sampaikan kepadaDr. Ir. Setia Hadi, MS, Dr. Ir. Komarsa Gandasasmita, M.Sc dan Didit OktaPribadi, SP, M.Si masing-masing selaku ketua dan anggota komisi pembimbingserta Dr. Ir. Baba Barus, M. Sc selaku penguji luar komisi atas motivasi, arahandan masukan terhadap penulis untuk terus berusaha menyempurnakan karya ini.Terimaksih juga disampaikan kepada Ketua Program Studi Ilmu PerencanaanWilayah dan jajaran manajemen, segenap dosen pengajar, asisten dan stafkependidikan program studi Ilmu Perencanaan Wilayah SPs IPB. Rekan-rekanMahasiswa SPs PWL Angkatan 2007 yang tidak dapat disebutkan satu persatuterima kasih atas kebersamaan dan dorongan semangat untuk dapat menyelesaikantesis ini. Dede Rosdiana perlu disebut secara khusus bukan saja karena menjaditeman “seperjuangan” hingga deadline, tetapi juga atas kontribusinya membantukarya ini lebih rapi dan enak dibaca.

Terakhir, secara khusus penulis menyampaikan terima kasih kepada ayah H.Nurul Huda (alm), ibu Hj. Sumini, dan seluruh keluarga terutama untuk Evi,Izzan, dan Hanan (istri dan kedua anak penulis) atas segala doa, perhatian, kasihsayang, pengertian, dan kesabarannya yang menjadi motivasi lebih bagi penulisuntuk tetap terus melangkah.

Semoga karya ilmiah ini bermanfaat.

Bogor, September 2011

Arba’in Nur Bawono

RIWAYAT HIDUP

Penulis dilahirkan di Kota Surakarta Provinsi Jawa Tengah pada tanggal 21April 1969 dari ayah H. Nurul Huda (Alm) dan ibu Hj. Sumini. Penulismerupakan anak keempat dari lima bersaudara.

Setelah menyelesaikan pendidikan dari SMA Negeri 1 Surakarta pada tahun1988, penulis melanjutkan pendidikan ke Universitas Gadjah Mada, Yogyakarta.Program Studi yang dipilih adalah Ilmu Ekonomi dan Studi Pembangunan,Fakultas Ekonomi dan selesai pada tahun 1998.

Pada tahun 2007 penulis melanjutkan studi di Sekolah Pascasarjana InstitutPertanian Bogor pada Program Studi Ilmu Perencanaan Wilayah. Selamamengikuti perkulihan, penulis tetap bekerja sebagai konsultan dan terlibat padaberbagai kegiatan di beberapa instansi, diantaranya Bappeda Kota Depok,Kementerian Perumahan Rakyat, Kementerian Pekerjaan Umum dan Bappenas.Penulis juga merupakan anggota tim penulisan buku “Melayani Rakyat MenjagaNegara: Sejarah Sosial, Politik dan Ekonomi PT Pos Indonesia (Persero)” yangditerbitkan pada tahun 2011 oleh Lspeu Indonesia (Lembaga Studi danPengembangan Etika Usaha Indonesia) dan PT Pos Indonesia (Persero).

DAFTAR ISI

Halaman

DAFTAR TABEL .............................................................................................. iii

DAFTAR GAMBAR ........................................................................................... v

DAFTAR LAMPIRAN ....................................................................................... vi

PENDAHULUANLatar Belakang ................................................................................................ 1Perumusan Masalah ........................................................................................ 4Tujuan Penelitian ............................................................................................ 4Manfaat Penelitian .......................................................................................... 5Ruang Lingkup Penelitian ............................................................................... 5Kerangka Pemikiran ........................................................................................ 6

TINJAUAN PUSTAKAPerbedaan Kinerja Pembangunan Antar Wilayah ........................................... 9Produktivitas Tenaga Kerja Sebagai Ukuran Kinerja Pembangunan ............. 11Perbedaan Kinerja Pembangunan Antar Wilayah di Indonesia ...................... 13Interaksi dan Keterkaitan Spasial (Spatial Dependence) ................................. 17Permodelan Ekonometri Spasial ..................................................................... 20Kajian Penelitian Terdahulu ............................................................................ 25

METODE PENELITIANJenis dan Sumber Data .................................................................................... 29Analisis Dekomposisi Produktivitas Tenaga Kerja (Shift Share Analysis)...... 32Analisis Data Spasial (Exploratory Spatial Data Analysis/ESDA) ................ 35Matriks Keterkaitan Spasial (Spatial Weight Matrices) .................................. 37Analisis Regresi Spasial Data Panel ............................................................... 39

HASIL DAN PEMBAHASANTinjauan Umum .............................................................................................. 41Perbedaan Produktivitas Tenaga Kerja Antar Kabupaten/Kota ...................... 51Perhitungan Komponen Shift Share ................................................................ 54

Komponen Industrial Mix .......................................................................... 55Komponen Productivity Different .............................................................. 58Komponen Allocative ................................................................................. 60

Pola Spasial Perbedaan Produktivitas Tenaga Kerja ...................................... 61Matrik Kontiguitas Spasial ........................................................................ 61Pengujian Autokorelasi Spasial ................................................................. 63Klaster Kabupaten/Kota Berdasar Perbedaaan Produktivitas TenagaKerja ........................................................................................................... 64

Model Regresi Spasial Perbedaan Produktivitas Tenaga Kerja ....................... 68Spesifikasi Model dengan Spasial Data Panel ............................................ 68

Permodelan Perbedaan Produktivitas Tenaga Kerja dengan Fixed EffectSpasial ......................................................................................................... 73

SIMPULAN DAN SARANSimpulan .......................................................................................................... 79Saran ................................................................................................................ 80

DAFTAR PUSTAKA ......................................................................................... 83

LAMPIRAN ......................................................................................................... 87

DAFTAR TABEL

Tabel Halaman

1. Perkembangan Pangsa Produk Domestik Bruto (PDB) dan Tenaga Kerjaberdasarkan Sektor tahun 1987, 1997, 2007 (dalam persen) ......................... 1

2. Variabel, Definisi dan Indikator yang Digunakan dalam Penelitian ............... 32

3. Tipe Hubungan Wilayah dengan Wilayah Tetangganya ................................ 37

4. PDRB Atas Dasar Harga Konstan 2000 di Pulau Jawa menurut LapanganUsaha, Tahun 2001-2008 ................................................................................ 44

5. Sepuluh Teratas dan Terbawah Peringkat Kabupaten/Kota BerdasarkanPerbandingan PDRB Terhadap PDRB Pulau Jawa, 2001-2008 ..................... 45

6. Persentase Tenaga Kerja di Pulau Jawa menurut Lapangan Usaha Tahun2001-2008 ....................................................................................................... 46

7. Sepuluh Teratas dan Terbawah Peringkat Kabupaten/Kota BerdasarkanPerbandingan Jumlah Tenaga Kerja Terhadap Rata-rata Jumlah TenagaKerja di Pulau Jawa, 2001-2008 ..................................................................... 47

8. Rata-rata Produktivitas Tenaga Kerja Menurut lapangan Usaha Tahun2001 – 2008 ..................................................................................................... 49

9. Sepuluh Teratas dan Terbawah Peringkat Produktivitas Tenaga KerjaKabupaten/Kota Berdasarkan Perbandingan Terhadap ProduktivitasTenaga Kerja Pulau Jawa, 2001-2008 ............................................................. 50

10. Ringkasan Nilai Perbedaan Produktivitas Tenaga kerja Kabupaten/Kota diPulau Jawa, 2001 – 2008.................................................................................. 51

11. Hasil Pengujian Statistik Uji Keselarasan Kendall .......................................... 54

12. Peringkat Sepuluh Teratas dan Terbawah Berdasarkan Nilai KomponenIndustrial Mix (μ = Σ(Pij - Pjawa) * Xj.jawa) Tahun 2001 – 2008 ................ 55

13. Perbandingan Konsentrasi Tenaga Kerja di Jakarta Selatan dan KabupatenPamekasan Tahun 2008 ................................................................................... 56

14. Perkembangan Struktur Tenaga Kerja di Kota Cirebon Tahun 2001 dan2008 ................................................................................................................. 57

15. Peringkat Sepuluh Teratas dan Terbawah Berdasarkan Nilai KomponenProductivity Differential πi = Σj pj

jawa(xji – xj

jawa) Tahun 2001 – 2008 ........... 59

16. Produktivitas Tenaga Kerja Menurut Lapangan Usaha di Kota Kediri danKabupaten Blora serta Perbandingannya dengan Produktivitas TenagaKerja Pulau Jawa Tahun 2008 ......................................................................... 60

17. Peringkat Sepuluh Teratas dan Terbawah Berdasarkan Nilai KomponenAllocative αi = Σj(xj

i – xjjawa)(pj

i – pjjawa) Tahun 2001 – 2008 ......................... 61

18. Ringkasan Hasil Perhitungan Moran’s I ......................................................... 63

19. Uji Likelihood Ratio Perbedaan Produktivitas Tenaga KerjaKabupaten/Kota di Pulau Jawa: the Industry-Mix Componen ........................ 70

20. Uji Likelihood Ratio Perbedaan Produktivitas Tenaga KerjaKabupaten/Kota di Pulau Jawa: the Productivity Differential Component ..... 70

21. Uji Likelihood Ratio Perbedaan Produktivitas Tenaga KerjaKabupaten/Kota di Pulau Jawa: the Allocative Component ............................ 70

22. Uji Hausman Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota diPulau Jawa: the Industry-Mix Component ....................................................... 71

23. Uji Hausman Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota diPulau Jawa: the Productivity Differential Component .................................... 71

24. Uji Hausman Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota diPulau Jawa: the Allocative Component ........................................................... 71

25. Nilai R2 dan Corr2 Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kotadi Pulau Jawa: the Industry-Mix Component ................................................... 72

26. Nilai R2 dan Corr2 Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kotadi Pulau Jawa: the Productivity Differential Component ................................ 72

27. Uji Nilai R2 dan Corr2 Produktivitas Tenaga Kerja Kabupaten/Kota diPulau Jawa: the Allocative Component ........................................................... 72

28. Hasil Pengujian Koefisien Parameter Spasial Lag Model ............................... 73

29. Hasil Pengujian Koefisien Parameter Spasial Error Model ............................ 75

DAFTAR GAMBAR

Gambar Halaman

1. Kerangka Pikir Penelitian ............................................................................. 7

2. Ketimpangan Pembangunan Antar Provinsi di Indonesia, 1993-2003(berdasar Indeks Williamson) ....................................................................... 13

3. Ilustrasi Model Keterkaitan antar Variabel Spasial ...................................... 18

4. Tipe Keterkaitan antar Wilayah .................................................................... 385. Diagram Alir Algoritma Penentuan Model Regresi Spasial Data Panel ....... 41

6. Perkembangan Agregat Produktivitas Tenaga Kerja Pulau Jawa, 2001-2008 ............................................................................................................... 49

7. Persebaran Kabupaten/Kota Berdasarkan Nilai Rata-rata dan StandarDeviasi Perbedaan Produktivitas Tenaga Kerja Tahun 2001 dan 2008......... 52

8.a. Moran Scatter Plot Perbedaan Produktivitas Tenaga KerjaKabupaten/Kota di Pulau Jawa Tahun 2001 .................................................. 64

8.b. Moran Scatter Plot Perbedaan Produktivitas Tenaga KerjaKabupaten/Kota di Pulau Jawa 2008 ............................................................. 65

9. Klaster Kabupaten/Kota Berdasarkan Perbedaan Produktivitas TenagaKerja............................................................................................................... 66

DAFTAR LAMPIRAN

Lampiran Halaman

1. Kabupaten/Kota di Pulau Jawa ....................................................................... 88

2. Rangking dan Nilai Perbedaan Produktivitas Tenaga KerjaKabupaten/Kota di Pulau Jawa, 2001-2008 .................................................... 91

3. Rangking dan Nilai Komponen Industry-Mix Kabupaten/Kota di PulauJawa, 2001-2008 ............................................................................................. 94

4. Rangking dan Nilai Komponen Productivity Different Kabupaten/Kota diPulau Jawa, 2001-2008 ................................................................................... 97

5. Rangking dan Nilai Komponen Allocative Kabupaten/Kota, 2001-2008 ....... 100

6.a.Perhitungan Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota danKomponen Shift Share, Tahun 2001 ............................................................... 103

6.b.Perhitungan Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota danKomponen Shift Share, Tahun 2002 ............................................................... 106

6.c.Perhitungan Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota danKomponen Shift Share, Tahun 2003 ................................................................ 109

6.d.Perhitungan Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota danKomponen Shift Share, Tahun 2004 ............................................................... 112

6.e.Perhitungan Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota danKomponen Shift Share, Tahun 2005 ............................................................... 115

6.f.Perhitungan Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota danKomponen Shift Share, Tahun 2006 ................................................................ 118

6.g.Perhitungan Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota danKomponen Shift Share, Tahun 2007 ............................................................... 121

6.h.Perhitungan Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota danKomponen Shift Share, Tahun 2008 ............................................................... 124

7. Output Hasil Regresi Spasial Lag dan Spatial Error ...................................... 127

PENDAHULUAN

Latar Belakang

Pembangunan merupakan proses transformasi struktural yang mendorong

pergeseran alokasi sumberdaya. Model pembangunan ekonomi dengan penawaran

buruh yang tidak terbatas (unlimited labour supply) misalnya, menjelaskan bahwa

pembangunan akan berlangsung apabila sumberdaya terakumulasi sebagai akibat

peralihan surplus kapital dari sektor pertanian yang subsisten ke sektor kapitalis.

Atas nama pembangunan, terjadilah pengalihan surplus melalui penarikan tenaga

kerja, modal dan sumberdaya-sumberdaya lainnya.

Gagasan yang dikemukan oleh Lewis (1954, diacu dalam Jhingan 1990)

tersebut didasarkan pada pandangan bahwa di sektor subsisten tersedia buruh

dalam jumlah yang tak terbatas dan bersedia menerima upah sekadar cukup untuk

hidup. Karena penawaran buruh tersedia tidak terbatas, maka suatu industri dapat

terus didirikan dan dikembangkan tanpa batas dengan cara menarik buruh dari

sektor subsisten (pertanian) ke sektor industri.

Pada kenyataannya, pemikiran di atas tidak sepenuhnya tepat untuk

menggambarkan proses transformasi yang terjadi di Indonesia sebagaimana dapat

dilihat pada Tabel 1.

Tabel 1 Perkembangan Pangsa Produk Domestik Bruto (PDB) dan Tenaga Kerjaberdasarkan Sektor tahun 1987, 1997, 2007 (dalam persen)

Pangsa PDB Pangsa Tenaga KerjaSektor

1987 1997 2007 1987 1997 2007

Primer 35.49 23.78 24.90 55.55 42.08 42.24

Sekunder 18.34 24.84 27.10 0.15 0.27 12.38

Tersier 46.18 51.39 48.00 44.31 57.65 45.40Sumber : BPS (diolah)

Kontribusi sektor primer cenderung mengalami penurunan dari 35,5 persen

pada tahun 1987 menjadi 24,9 persen pada tahun 2007. Sebaliknya, sektor

sekunder justru memperlihatkan kecenderungan memberikan kontribusi semakin

besar. Jika pada tahun 1987 baru mencapai 18,3 persen, yang berarti masih di

bawah kontribusi sektor primer, pada tahun 2007 telah mencapai lebih dari 27

persen, melampaui kontribusi sektor primer.

Sementara jika dilihat dari penyerapan tenaga kerja, sektor primer dan

tersier masih menjadi sektor yang menyerap tenaga paling besar. Meskipun

cenderung menurun, sampai dengan tahun 2007 masih diatas 40 persen dari total

tenaga kerja di Indonesia. Sektor sekunder yang memiliki pertumbuhan pangsa

terbesar terhadap PDB justru kurang memperlihatkan kemampuan menyerap

tenaga kerja.

Gambaran data tersebut menyajikan bahwa pertumbuhan sektor industri

modern tidak mengakibatkan pertumbuhan jumlah tenaga kerja yang diserap ke

dalam proses produksi karena proses tersebut bersifat hemat tenaga kerja (Arief

dan Sasono 1984). Transformasi stuktur ekonomi dan struktur tenaga kerja yang

kurang seimbang dikuatirkan menyebabkan proses pemiskinan dan eksploitasi

sumberdaya manusia pada sektor primer (Kariyasa 2003). Lebih lanjut, perbedaan

pola transformasi ekonomi dengan ketenagakerjaan tersebut menyebabkan

terjadinya perubahan tingkat produktivitas tenaga kerja secara sektoral. Karena

terdapat perbedaan struktur perekonomian antar wilayah, perbedaan produktivitas

tenaga kerja secara sektoral tersebut akan menyebabkan disparitas pembangunan

antar wilayah.

Dinamika spasial pembangunan Indonesia memperlihatkan

ketidakseimbangan pertumbuhan antara Pulau Jawa dengan pulau-pulau lainnya.

Perkembangan antar daerah memperlihatkan bahwa daerah di Pulau Jawa

umumnya mengalami perkembangan ekonomi jauh lebih cepat dibandingkan

dengan daerah lainnya di luar Jawa (Bhinadi 2002).

Bhakti (2004) melakukan kajian tentang kecenderungan disparitas antar

wilayah di Pulau Jawa dengan menggunakan analisis koefisien variasi tertimbang

(weighted coefficient of variation) yang diformulasikan oleh Williamson dengan

menggunakan PDRB perkapita tahun 1983-2001. Penelitian tersebut

menggunakan PDRB harga konstan dan provinsi-provinsi di Pulau Jawa sebagai

unit analisis. Secara umum dapat disimpulkan bahwa pada rentang waktu

pengamatan kesenjangan antar daerah di Pulau Jawa relatif meningkat.

Penelitian tersebut juga digunakan untuk mengetahui sektor mana yang

memberikan kontribusi terhadap disparitas wilayah dengan mengestimasi

weighted coefficient of variation (CV) masing-masing sektor dan covariation

(COV) antar sektor. Perekonomian dikelompokan menjadi tiga sektor, yaitu: (i)

sektor pertanian, yang terdiri dari pertanian tanaman bahan makanan dan

perkebunan, peternakan, kehutanan dan perikanan; (ii) sektor industri, yang

mencakup pertambangan dan pengglian, industri pengolahan, listrik, gas dan air

bersih, dan bangunan; (iii) sektor jasa, yaitu perdagangan, restoran dan hotel,

pengangkutan dan komunikasi, keuangan, persewaan dan jasa perusahaan, serta

pemerintahan umum dan jasa-jasa kemasyarakatan.

Hasil estimasi menunjukkan nilai CV sektor pertanian relatif lebih kecil

dibanding sektor industri maupun jasa. Artinya, sektor pertanian tidak signifikan

memberikan kontribusi gejala terjadinya disparitas antar wilayah di Pulau Jawa.

Sebaliknya, nilai CV sektor industri dan sektor jasa relatif jauh lebih tinggi

dibanding sektor pertanian. Kondisi ini menggambarkan ketidakseimbangan antar

wilayah di kedua sektor tersebut.

Perhitungan covariation (COV) antara sektor industri dan sektor jasa

menunjukkan nilai positif yang cukup tinggi. Hal tersebut bermakna bahwa sektor

jasa merupakan derived demand atas sektor industri. Sedangkan nilai covariation

(COV) antara sektor pertanian dan sektor industri maupun sektor pertanian dan

sektor jasa bernilai negatif, yang menunjukkan pergeseran PDRB sektor pertanian

ke sektor industri maupun sektor jasa.

Uraian di atas menggambarkan beberapa hal, yaitu: (i) terdapat

kecenderungan ketidakseimbangan proses transformasi ekonomi dan

ketenagakerjaan yang ditandai oleh perbedaan perubahan struktur ekonomi dan

struktur tenaga kerja secara sektoral, (ii) disparitas spasial di Pulau Jawa yang

cenderung meningkat diukur dari perbedaan pembangunan antar kabupaten/kota,

dan (iii) terdapat kontribusi sektoral dalam disparitas pembangunan antar wilayah.

Berdasarkan hal tersebut maka perlu dilakukan kajian lebih lanjut mengenai

disparitas atau perbedaan produktivitas tenaga kerja kabupaten/kota di Pulau Jawa

dengan mempertimbangkan keterkaitan spasial di antara kabupaten-

kabupaten/kota-kota tersebut.

Perumusan Masalah

Memahami karakterisik pertumbuhan suatu wilayah, merupakan hal yang

penting untuk dapat mengetahui faktor-faktor yang dapat meningkatkan atau

menghambat pembangunan, termasuk di dalamnya adalah pertumbuhan output

dan pergeseran alokasi tenaga kerja. Analisis dekomposisi pertumbuhan

menyediakan teknik analisis yang sangat berguna untuk melihat dinamika

pertumbuhan secara sektoral maupun spasial.

Pendekatan ekonometri spasial mempertegas pengakuan bahwa

pertumbuhan yang terjadi bukan berlangsung tanpa ruang (spaceless), akan tetapi

menempati ruang/wilayah tertentu bahkan memiliki keterkaitan secara spasial

(spatial dependence).

Memperhatikan uraian di atas, permasalahan yang menjadi perhatian dalam

penelitian ini adalah:

1. Apakah yang menyebabkan terjadinya perbedaan (disparitas) produktivitas

tenaga kerja antar kabupaten/kota di Pulau Jawa?

2. Apakah terdapat pola spasial (klaster) antara produktivitas tenaga kerja suatu

kabupaten/kota dengan produktivitas tenaga kerja kabupaten/kota lain di

sekitarnya (kabupaten/kota tetangga)?

3. Bagaimanakah model ekonometeri spasial kontribusi masing-masing

komponen shift share terhadap perbedaan produktivitas tenaga kerja

kabupaten/kota di Pulau Jawa?

Tujuan Penilitian

Penelitian ini bertujuan:

1. Mengidentifikasi sumber-sumber perbedaan produktivitas tenaga kerja

kabupaten/kota di Pulau Jawa melalui analisis dekomposisi shift share.

2. Mengidentifikasi keberadaan pola spasial dalam bentuk klaster

kabupaten/kota berdasarkan tingkat perbedaan produktivitas tenaga kerja,

3. Mengembangkan model regresi spasial untuk mengestimasi kontribusi

masing-masing komponen shift share terhadap perbedaan produktivitas

tenaga kerja kabupaten/kota di Pulau Jawa.

Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberikan manfaat untuk memahami

kondisi ketenagakerjaan kabupaten/kota di Pulau Jawa, khususnya alokasi tenaga

kerja dan tingkat produktivitas tenaga kerja secara agregat pada masing-masing

sektor perekonomian. Oleh karena itu hasil penelitian ini dapat digunakan sebagai

masukan bagi perencana pembangunan dalam merumuskan perencanaan

pembangunan bidang ketenagakerjaan sehingga pertumbuhan ekonomi dan

kesejahteraan masyarakat dapat ditingkatkan.

Kontribusi penting yang juga dapat disumbangkan oleh penelitian ini adalah

memasukkan pertimbangan keterkaitan spasial untuk memperdalam pemahaman

sumber-sumber perbedaan produktivitas tenaga kerja. Menyadari keterkaitan

spasial tersebut dapat menjadi pertimbangan bagi perencana pembangunan di

suatu kabupaten/kota untuk dapat merancang program peningkatan produktivitas

tenaga kerja bersama-sama dengan kabupaten/kota lain disekitarnya secara

sinergis sehingga program yang dijalankan dapat lebih efektif dan efisien.

Ruang lingkup Penelitian

Lingkup lokasi penelitian ini adalah Pulau Jawa dengan unit analisa

sebanyak 115 kabupaten/kota keadaan tahun 2001-2008. Kabupaten/Kota tersebut

tersebar di 6 provinsi, yaitu sebanyak 6 wilayah administrasi di Provinsi DKI

Jakarta, 25 kabupaten/kota di Provinsi Jawa Barat, 35 kabupaten/kota di Provinsi

Jawa Tengah, 5 kabupaten/kota di Provinsi DI Yogyakarta, 38 kabupaten/kota di

Provinsi Jawa Timur, dan 6 kabupaten/kota di Provinsi Banten (Lampiran 1).

Pemilihan Pulau Jawa sebagai wilayah kajian didasarkan pada pertimbangan

sebagai berikut: (i) merupakan pusat aktifitas perekonomian dengan pangsa

ekonomi sekitar 59% terhadap PDRB Nasional berdasarkan data Pendapatan

Nasional Indonesia 2004-2007; (ii) berdasarkan data Survei Penduduk Antar

Sensus (SUPAS) 2005, dihuni oleh sebagian besar penduduk Indonesia, mencapai

hampir 60% dari jumlah penduduk; (iii) secara sektoral, industri manufaktur

cenderung terkonsentrasi di Pulau Jawa sejak tahun 1970-an (Aziz 1994).

Demikian juga jika diamati dari sisi ketenagakerjaan, Pulau Jawa menyumbang

lebih dari 80 persen tenaga kerja yang bekerja di sektor Industri dari tahun 1975

sampai dengan 1995 (Kuncoro 2004).

Lingkup subtansi adalah produktivitas tenaga kerja yang diukur secara

agregat (makro) yaitu rasio antara Produk Domestik Regional Bruto (PDRB)

dengan jumlah penduduk yang bekerja menurut lapangan usaha atau sektor

perekonomian. Atribut Pulau Jawa untuk setiap indikator yang digunakan dalam

penelitian ini merujuk pada penjumlahan agregat dari seluruh kabupaten/kota di

Pulau Jawa. PDRB Pulau Jawa misalnya, dengan demikian merupakan hasil

penjumlahan PDRB seluruh kabupaten/kota di Pulau Jawa. Demikian juga dengan

jumlah tenaga kerja Pulau Jawa juga merupakan hasil penjumlahan agregat

seluruh tenaga kerja kabupaten/kota di Pulau Jawa.

Perhatian ditekankan pada mengkaji perbedaan alokasi tenaga kerja antar

kabupaten/kota dan perbedaan produktivitas tenaga kerja antar kabupaten/kota

pada masing-masing lapangan usaha. Kedua hal tersebut, yaitu perbedaan jumlah

alokasi tenaga kerja pada masing-masing sektor dan perbedaan produktivitas

tenaga kerja sektoral di setiap kabupaten/kota diduga menjadi penyebab

perbedaan produktivitas tenaga kerja.

Kerangka Pemikiran

Penelitian ini akan menganalisis sumber-sumber perbedaan produktivitas

tenaga kerja antar kabupaten/kota di Pulau Jawa dengan mempertimbangkan

keterkaitan spasial antar kabupaten/kota tersebut. Perbedaan produktivitas tenaga

kerja tersebut dapat disebabkan oleh perbedaan struktur ekonomi maupun alokasi

tenaga kerja untuk masing-masing sektor ekonomi yang berbeda antara suatu

kabupaten/kota dengan kabupaten/kota lainnya. Dengan demikian, perbedaan

produktivitas tenaga kerja tersebut perlu dikenali melalui analisis dekomposisi

untuk mengetahui faktor-faktor yang menyebabkannya.

Pentingnya memasukkan analisis spasial didasari pemikiran bahwa suatu

unit spasial, dalam hal ini suatu kabupaten/kota melakukan interaksi dan

dipengaruhi oleh kabupaten-kabupaten/kota-kota yang menjadi tetangganya

(neighbors). Hubungan atau pengaruh antara suatu kabupaten/kota dengan

kabupaten/kota yang menjadi tetangganya dapat bersifat positif maupun negatif.

Berdasarkan uraian tersebut, maka kerangka pikir penelitian ini dapat

digambarkan sebagaimana disajikan pada Gambar 1.

Gambar 1. Kerangka Pikir Penelitian

Keterkaitan produktivitastenaga kerja kabupaten/kota

tetangga (spatial weightmatrix)

Fenomena Pembangunan Kabupaten/Kota di Pulau Jawa Transformasi struktur perekonomian (PDRB Sektoral) Pergeseran penyerapan tenaga kerja secara sektoral

Produktivitas tenagakerja kabupaten/kota i

(Xi)

Produktivitas tenaga kerjaPulau Jawa (XJAWA)

Perbedaan produktivitas tenagakerja kabupaten/kota i (Xi - XJAWA)

Analisis dekomposisi(Shift Share Analysis)

Komponen industry mixμi = Σj(pj

i – pjJAWA).xj

JAWA

Komponen productivitydifferentπi = Σj pj

JAWA(xji – xj

JAWA)

Komponen allocativeαi = Σj(xj

i – xjJAWA)(pj

i – pjJAWA)

Model ekonometri spasialEstimasi pengaruh komponen shift share terhadap perbedaan

produktivitas tenaga kerja kabupaten/kota di Pulau Jawa

Analisis keterkaitan spasial(ESDA/Exploratory Spatial Data Analysis)

Uji global Uji lokal

Moran’s Istatistic

Moranscatterplot

Local indicator ofspatial association

Moran significant maps

Klaster perbedaan produktivitastenaga kerja kabupaten/kota di

Pulau Jawa

TINJAUAN PUSTAKA

Perbedaan Kinerja Pembangunan Antar Wilayah

Kuznets (1955) mengawali penelitian yang melihat perubahan kesenjangan

distribusi pendapatan. Menggunakan data beberapa negara (cross section) secara

runtun waktu (time series), Kuznets menemukan hubungan antara kesenjangan

pendapatan dan tingkat pendapatan per kapita yang berbentuk huruf U terbalik

(inverted U hypothesis). Penamaan itu sesuai dengan pola distribusi pendapatan

yang karena perubahan longitudinal (time series) tampak seperti kurva berbentuk

huruf U yang terbalik. Pada awal proses pembangunan, disparitas distribusi

pendapatan akan naik sebagai akibat proses industrialisasi dan urbanisasi.

Akhirnya, pada tahap pembangunan lebih lanjut ketimpangan tersebut akan

menurun, yaitu ketika sektor industri di perkotaan sudah menyerap sebagian besar

tenaga kerja yang datang dari sektor pertanian di perdesaan.

Hasil kajian Williamson (1965) yang menggunakan data GDP berbagai

negara juga mendukung hipotesa U terbalik tersebut. Nilai indeks Williamson

menggambarkan disparitas yang terjadi akibat pertumbuhan output dan jumlah

penduduk di negara-negara yang menjadi wilayah kajian. Pengukuran disparitas

didasarkan pada penyimpangan pendapatan per kapita suatu wilayah dengan

pendapatan per kapita nasional. Dengan kata lain, indeks Williamson merupakan

modifikasi dari standar deviasi. Semakin besar nilainya menunjukkan tingkat

disparitas antar wilayah yang semakin lebar.

Salah satu penjelasan terhadap ketidakmerataan pembangunan antar wilayah

adalah distribusi sumberdaya alam yang tidak merata. Kekhasan sumberdaya alam

di suatu wilayah yang digunakan sebagai input produksi menjadi salah satu

penentu corak aktivitas ekonomi wilayah. Terlebih lagi, pada kenyataannya

terdapat hambatan yang menjadikan ketidaksempurnaan interaksi antar wilayah

(Hoover and Giarratani 1999), yang meliputi: (i) imperfect factor mobility

(ketidaksempurnaan mobilitas faktor produksi); (ii) imperfect factor divisibility

(ketidaksempurnaan pemisahan antar faktor produksi); dan (iii) imperfect mobility

of goods and services (ketidaksempurnaan mobilitas barang dan jasa).

Perbedaan faktor produksi yang dimiliki oleh suatu daerah (endowment

factor) dan hambatan mobilitasnya tersebut mendorong setiap daerah

mengembangkan skala ekonomi (economies of scale) dan mengambil keuntungan

dari peningkatan spesialisasi ekonomi. Proses akumulasi dan mobilisasi

sumberdaya berdasarkan kekhasan masing-masing daerah tersebut, baik berupa

akumulasi modal, ketrampilan tenaga kerja dan kepemilikan sumberdaya alam

merupakan pemicu laju pembangunan daerah bersangkutan. Heterogenitas

sumberdaya dan keragaman karakteristik suatu wilayah menyebabkan

kecenderungan terjadinya disparitas antar daerah dan antar sektor di wilayah

tersebut (Kuncoro 2004).

Perroux 1955, diacu dalam Sjafrizal (2008) mengemukakan konsep kutub

pertumbuhan (growth pole). Dasar teorinya adalah adanya ketidakseimbangan

pada interaksi antar industri. Pembangunan diawali oleh sektor industri

manufaktur yang dinamis, penggunaan teknologi modern yang secara relatif

berskala besar. Sektor ini biasanya disebut sebagai leading sector, yang kemudian

menjalar ke sektor-sektor lainnya. Dengan demikian, perkembangan tidak terjadi

secara serentak di berbagai daerah.

Model basis ekspor (export-base model) dapat digunakan untuk

menjelaskan perbedaan pertumbuhan ekonomi antar daerah. Model yang

diperkenalkan oleh North 1956, diacu dalam Sjafrizal (2008) tersebut menyatakan

bahwa pertumbuhan ekonomi suatu daerah ditentukan oleh keuntungan kompetitif

(competitive advantage) daerah bersangkutan. Suatu daerah yang dapat

mendorong pertumbuhan sektor-sektor yang mempunyai keuntungan kompetitif

sebagai basis untuk ekspor (engine of growth), maka pertumbuhan daerah yang

bersangkutan dapat ditingkatkan (Sjafrizal 2008; Blair 1995). Perbedaan

keuntungan kompetitif yang dimiliki oleh masing-masing daerah sebagai engine

of growth dapat menjelaskan kenyataan laju pertumbuhan ekonomi wilayah yang

bervariasi. Terdapat daerah yang memiliki laju pertumbuhan tinggi dan ada pula

laju pertumbuahan ekonomi daerah yang sangat rendah.

Model basis ekonomi menjadi landasan analisis terjadinya spesialisasi di

suatu daerah. Permintaan eksternal terhadap output daerah akan memiliki efek

dominan dalam pertumbuhan daerah yang bersangkutan. Proses tersebut bersifat

kumulatif, karena stimulus ekspor selain memiliki dampak pengganda (multiplier

effect) terhadap pendapatan, juga akan mendorong investasi di daerah tersebut.

Proses akumulasi dan mobilisasi faktor produksi baik akumulasi modal,

tenaga kerja dan sumberdaya alam yang dimiliki suatu daerah merupakan pemicu

dalam laju pertumbuhan ekonomi daerah bersangkutan. Heterogenitas

karakteristik suatu wilayah mendorong perbedaan pertumbuhan antar sektor, dan

selanjutnya menyebabkan ketimpangan antar daerah.

Produktivitas Tenaga Kerja Sebagai Ukuran Kinerja Pembangunan

Terdapat tiga macam ukuran pertumbuhan yang biasa digunakan untuk

mengkaji kinerja pembangunan suatu wilayah, yaitu: output, output per kapita,

dan output per pekerja. Ukuran yang akan dipilih tergantung dari tujuan

analisis dalam penelitian (Armstrong and Taylor 1993). Pertumbuhan output,

biasanya digunakan untuk mengukur kapasitas produksi yang bergantung pada

kemampuan suatu wilayah untuk menarik modal dan tenaga kerja dari wilayah

lain. Pertumbuhan output per kapita dianggap dapat menggambarkan perubahan

kesejahteraan ekonomi wilayah. Pertumbuhan output per pekerja digunakan

sebagai indikator perubahan tingkat keunggulan wilayah melalui pertumbuhan

produktivitas.

Perbandingan antara ouput dan tenaga kerja, yang sering didefinisikan

sebagai produktivitas tenaga kerja dipandang paling dapat menggambarkan

fenomena transformasi ketenagakerjaan yang tidak sejalan dengan transformasi

struktur ekonomi. Penggunaan produktivitas tenaga kerja sebagai ukuran

disparitas juga memiliki beberapa keunggulan sebagai berikut: (i) lebih sensitif

terhadap perbedaan jumlah pekerja dibanding dengan penggunaan output total

yang biasanya diwakili oleh PDRB (Produk Domestik Regional Bruto) yang

bersifat agregat; (ii) dapat dilakukan dekomposisi secara sektoral dibanding

dengan output perkapita (PDRB perkapita).

Pada dasarnya ada dua pengertian produktivitas tenaga kerja, yaitu dari

pendekatan mikro dan pendekatan makro. Pengertian produktivitas tenaga kerja

dengan pendekatan mikro lebih mudah karena dikaitkan langsung dengan produk

barang atau jasa yang dihasilkan oleh suatu perusahaan. Misalnya pada usaha

pembuatan batu bata maka produktivitas tenaga kerja diukur dengan jumlah batu

bata yang dihasilkan dalam satu satuan waktu tertentu (misalnya, satu bulan)

dibagi dengan jumlah pekerja pada waktu yang sama.

Pendekatan makro produktivitas tenaga kerja tidak semudah menghitung

dari segi mikro. Angka produktivitas yang diperoleh merupakan produktivitas

rata-rata pada suatu sektor ekonomi secara agregat. Ukuran produksi yang

digunakan adalah nilai tambah yang dihasilkan dalam suatu perekonomian, yaitu

menggunakan output ekonomi (PDRB). Sehingga produktivitas tenaga kerja

diukur berdasarkan besaran nilai output di suatu sektor dibagi dengan jumlah

penduduk yang bekerja di sektor tersebut.

Pengukuran produktivitas tenaga kerja tersebut memang mengandung

kelemahan karena tidak memasukkan perhitungan faktor produksi lainnya.

Perubahan produktivitas pada kenyataannya dapat disebabkan oleh penggunaan

peralatan/mesin yang lebih canggih, penggunaan teknologi baru, dan lain-lain.

Meskipun demikian, cara pengukuran di atas masih memadai untuk menunjukkan

perbandingan dan kecenderungan perubahan produktivitas tenaga kerja (BPS DKI

Jakarta 2008).

Disparitas produktivitas tenaga kerja antar daerah dapat disebabkan oleh dua

hal, yaitu: perbedaan produktivitas sektor yang sama di daerah yang berbeda, dan

perbedaan struktur ekonomi antar daerah. Dengan demikian, kedua hal tersebut

menyebabkan suatu daerah memiliki tingkat produktivitas yang lebih tinggi

dibanding rata-rata wilayahnya. Pertama, produktivitas tenaga kerja di daerah

tersebut, untuk seluruh atau sebagian besar sektor, memiliki tingkat yang lebih

tinggi di banding daerah-daerah lain di sekitarnya. Kedua, meskipun tidak

memiliki keunggulan produktivitas sektoral, tetapi daerah tersebut melakukan

spesialisasi pada sektor-sektor yang memiliki produktivitas tenaga kerja yang

tinggi.

Esteban (2000) memformulasikan pandangan di atas dengan menggunakan

analisis shift share. Esteban yang menggunakan data negara-negara Eropa

menemukan bahwa perbedaan produktivitas antara suatu region dengan

produktivitas rata-rata Eropa, merupakan penjumlahan dari tiga faktor, yaitu:

komposisi atau struktur masing-masing wilayah secara sektoral, perbedaan

produktivitas sektor yang sama di wilayah yang berbeda, dan perbedaan alokasi

tenaga kerja di sektor-sektor yang lebih efisien.

Perbedaan Kinerja Pembangunan Antar Wilayah di Indonesia

Perbedaan kinerja pembangunan antar wilayah merupakan salah satu topik

kajian yang telah mendapat banyak perhatian di Indonesia. Akita dan Lukman

(1995) menggunakan koefisien Williamson tertimbang untuk mengukur

ketimpangan pendapatan antar wilayah tahun 1975 – 1992. Selain itu, untuk

mengetahui kontribusi sektor-sektor ekonomi dilakukan analisis dekomposisi

sektoral. Temuan pentingnya adalah bahwa meskipun ketimpangan antar wilayah

dengan menggunakan data PDRB non migas relatif stabil, terdapat perubahan

yang signifikan pada pengamatan kontribusi secara sektoral. Sektor tersier masih

memberikan kontribusi yang besar terhadap ketimpangan tetapi terlihat penurunan

secara gradual. Kontribusi sektor sekunder terhadap ketimpangan antar wilayah

mengalami peningkatan, seiring dengan peningkatan perannya dalam PDRB.

Sjafrizal (2008) memaparkan hasil penelitian ketimpangan pembangunan

dan tendesinya pada tahun 1993-2003. Penelitian ini juga melihat pengaruh DKI

Jakarta terhadap ketimpangan pembangunan antar wilayah di Indonesia. Oleh

karena itu, ketimpangan berdasarkan indeks Wiliamson diukur dengan

menggunakan data termasuk DKI Jakarta dan tanpa DKI Jakarta (Gambar 2).

Sumber: diolah dari Sjafrizal (2008)

Gambar 2. Ketimpangan Pembangunan Antar Provinsi di Indonesia, 1993-2003

Temuan yang menarik adalah bahwa pengaruh DKI Jakarta terhadap

ketimpangan antar wilayah di Indonesia ternyata cukup besar. Sjafrizal juga

membandingkan antara indeks Williamson Indonesia dengan beberapa negara.

Hasilnya perhitungan dengan mengeluarkan data DKI Jakarta masih

menghasilkan angka indeks Williamson di Indonesia yang tinggi dibanding

negara-negara lain dan tendensinya terus meningkat sepanjang waktu.

Akita (2003) membandingkan pola disparitas wilayah antara Indonesia dan

China. Temuan pentingnya adalah terdapat hubungan yang paralel antara

disparitas perekonomian (output) dan disparitas tenaga kerja. Artinya, pada saat

disparitas tinggi, disparitas tenaga kerja juga tinggi. Sebaliknya, jika disparitas

tenaga kerja rendah maka disparitas perekonomian juga rendah. Hasil penelitian

ini menunjukkan kontribusi penting tenaga kerja terhadap pembentukan output

(GDP) di kedua negara yang menjadi wilayah penelitian. Signifikansi tenaga kerja

dibanding faktor produksi modal (kapital) kemungkinan disebabkan kemiripan

perekonomian di kedua negara yang labor intensive, sehingga penyerapan tenaga

kerja cukup besar.

Hubungan antara produksi (output) dan faktor produksi tenaga kerja bersifat

kausalitas, yang berarti terjadi hubungan timbal balik sebagai faktor penyebab

maupun akibat. Disparitas perekonomian dapat menjadi sebab yang

mengakibatkan disparitas tenaga kerja, karena muncul kecenderungan mobilitas

arus tenaga kerja dari daerah yang memiliki tingkat pertumbuhan rendah ke

tinggi. Sebaliknya, ketersediaan faktor produksi tenaga kerja di suatu daerah

menyebabkan pertumbuhan ekonomi daerah bersangkutan lebih tinggi dibanding

daerah lainnya.

Kataoka (2007) mengidentifikasi ketimpangan antar wilayah dengan

menggunakan teknik dekomposisi yang diperkenalkan oleh Duro dan Esteban

(1998). Melalui analisis dekomposisi, Kataoka mengidentifikasi faktor-faktor

yang menyebabkan ketimpangan pendapatan antar wilayah di Indonesia pada

periode tahun 1983-2006, sebelum dan setelah krisis ekonomi. Indeks Theil yang

dibobot dengan jumlah penduduk (Theil L index) didekomposisi menjadi empat

komponen, yaitu: (i) produktivitas tenaga kerja, (ii) tingkat penggunaan tenaga

kerja, (iii) rasio tenaga kerja yang benar-benar bekerja terhadap penduduk usia

kerja, dan (iv) rasio penduduk usia kerja terhadap total penduduk.

Temuannya menunjukkan terdapat perbedaan kecenderungan disparitas

antar wilayah antara perhitungan menggunakan PDRB dengan migas dan PDRB

tanpa migas. Perhitungan dengan PDRB dengan migas menunjukkan kenaikan

disparitas dibanding dengan PDRB tanpa migas. Hal ini mengindikasikan peran

penting migas dalam perekonomian Indonesia.

Lebih lanjut, kajian tersebut diperluas dengan analisis dekomposisi sektoral

produktivitas tenaga kerja. Disparitas produktivitas tenaga kerja antar daerah,

didekomposisi menjadi dua komponen, yaitu komponen dalam sektor (within-

sector component) dan komponen antar sektor (between sector component).

Hasil analisis dekomposisi sektoral menunjukkan penurunan disparitas

produktivitas tenaga kerja pada periode penelitian. Kecenderungan tersebut

terutama disebabkan oleh penurunan disparitas antar sektor (between sector

component), yang turun dari 628,6 pada tahun 1989 menjadi 308,4 pada 2006.

Penurunan kontribusi komponen antar sektor terhadap disparitas antar daerah

tersebut, terutama disebabkan oleh penurunan produktivitas tenaga kerja sektor

pertambangan, konstruksi dan jasa keuangan, yang secara nasional memiliki

tingkat produktivitas tenaga kerja rata-rata yang tinggi.

Di sisi lain, analisis terhadap komponen dalam sektor (within sector)

menunjukkan faktor yang menyebabkan fluktuasi disparitas produktivitas tenaga

kerja berbeda antara satu sektor dengan sektor lainnya. Produktivitas tenaga kerja

sektor primer, kontruksi, utilitas, transportasi dan komunikasi, dan keuangan

mengalami peningkatan sedangkan sektor lainnya berkurang.

McCulloch dan Sjahrir (2008) menemukan beberapa kesimpulan menarik

terkait dengan faktor-faktor yang menentukan pertumbuhan kabupaten/kota di

Indonesia pada era desentralisasi. Pertama, secara umum terjadi proses

konvergensi pendapatan antar wilayah. kabupaten/kota yang memiliki PDRB

rendah cenderung tumbuh lebih cepat dan relatif tidak terkena dampak krisis yang

menyebabkan penurunan pertumbuhan. Kedua, terdapat kecenderungan proses

klaster, yaitu kabupaten/kota yang tumbuh dengan tinggi akan memberikan

dampak pertumbuhan yang tinggi pula terhadap kabupaten/kota disekitarnya.

Ketiga, terjadi dampak komposisi sektoral meskipun sulit diidentifikasi karena

tidak cukup bukti bahwa secara sistemik distibusi sektoral yang lebih

terkonsentrasi akan memberikan dampak pertumbuhan yang lebih cepat. Keempat,

kuantitas dan kualitas tenaga kerja berpengaruh positif secara signifikan terhadap

pertumbuhan ekonomi kabupaten/kota.

Susanti (2005) meneliti proses konvergensi produktivitas tenaga kerja pada

tingkat sektoral antar provinsi di Indonesia selama periode 1987-2003. Metode

yang dipakai untuk mengukur konvergensi adalah konvergensi sigma (σ-

convergence) dan konvergensi beta (β-convergence). Konvergensi sigma

berhubungan dengan proses dispersi antar daerah yang umumnya diukur dengan

standar deviasi terhadap log PDB riil per kapita, semakin menurun sepanjang

waktu. Sedangkan konvergensi beta merupakan indikasi seberapa cepat suatu

indikator, misalnya output per tenaga kerja mendekati nilai steady state-nya.

Analisis konvergensi sigma (σ-convergence) memperlihatkan hasil

konvergensi produktivitas tenaga kerja terjadi secara kuat pada sektor

pertambangan dan penggalian, industri pengolahan, dan produktivitas tenaga kerja

agregat. Artinya, terjadi penurunan disparitas produktivitas tenaga kerja antar

provinsi pada sektor-sektor tersebut. Sebaliknya sektor bangunan, sektor

keuangan, sektor persewaan dan jasa perusahaan mengalami divergensi, atau

disparitas produktivitas tenaga kerja antar provinsi pada sektor-sektor tersebut

semakin melebar.

Sementara analisis konvergensi absolute dari produktivitas tenaga kerja

sektoral dengan menggunakan konvergensi beta (β-convergence). menunjukkan

variasi selama periode penelitian. Kecepatan perubahan konvergensi absolute

produktivitas agregat lebih rendah jika dibandingkan dengan pengukuran secara

sektoral. Menggunakan regresi dengan metode panel data yang memungkinkan

perbedaan fungsi produksi antar perekonomian, maka sektor industri dan jasa

merupakan sektor-sektor yang memiliki kecepatan konvergensi paling tinggi. Hal

tersebut dapat dipahami karena sebagian besar aktivitas perekonomian sektor

industri dan jasa tersebut terkonsentrasi di Pulau Jawa, sementara di daerah

lainnya menyebar relatif tidak merata.

Interaksi dan Keterkaitan Spatial (Spatial Dependence)

Keragaman karakteristik merupakan faktor penting yang menjadi penyebab

perbedaan pertumbuhan antar wilayah. Latar belakang sejarah, komposisi sosial

demografi, kondisi geografi, sebaran sumberdaya alam, kelembagaan dan

kebijakan politik adalah komponen yang menentukan perbedaan perkembangan

struktural wilayah (Todaro & Smith 2003). Kekhasan karakteristik wilayah secara

substantial (unique substances) tersebut ketika berpadu dengan keterkaitan

fungsional (functional interaction) dengan wilayah lain merupakan sumber

perubahan ke arah berbagai bentuk kemajuan, atau sebaliknya justru

memunculkan output yang tidak tepat secara ruang dan waktu (Saefulhakim,

2008).

Myrdal 1957, diacu dalam Jhingan (1990) dengan menggunakan konsep

dampak balik (backwash effect) dan dampak sebar (spread effect) menganalisis

pola hubungan antar wilayah. Dampak balik didefinisikan sebagai semua

perubahan yang bersifat merugikan dari ekspansi ekonomi di suatu wilayah

karena sebab-sebab di luar wilayah tersebut. Sedangkan dampak sebar merujuk

pada dampak momentum pembangunan yang menyebar secara sentrifugal dari

pusat pembangunan ke wilayah-wilayah lainnya. Masalahnya adalah dampak

balik dan dampak sebar tersebut tidak mungkin berjalan seimbang. Merujuk pada

hasil kajian Komisi Ekonomi PBB untuk Eropa, Myrdal menyimpulkan bahwa

keterbelakangan suatu negara terletak pada lemahnya dampak sebar dan kuatnya

dampak balik.

Kenyataan tersebut menunjukkan bahwa proses pertumbuhan suatu daerah

selain dipengaruhi oleh karakteristik daerah itu sendiri juga ditentukan oleh

karakteristik wilayah di sekitarnya dan pola interaksi atau keterkaitan yang terjadi

secara spasial. Aziz (1994) menyatakan bahwa analisis yang mengabaikan unsur

spasial layak untuk dipertanyakan karena mempostulatkan bahwa segala proses

dan mekanisme terjadi di alam tanpa ruang (spaceless). Akibat lebih lanjut, hasil

pelaksanaan kebijakan yang didukung oleh kajian yang mengabaikan unsur

spasial berdeviasi terlalu besar dari hipotesa yang diharapkan.

Saefulhakim (2008) mengilustrasikan bahwa intensitas serangan hama dan

penyakit tanaman yang terjadi pada suatu petak sawah, tidak hanya ditentukan

oleh karakteristik dan pola budidaya yang dilakukan di petak sawah tersebut.

Intensitas serangan hama dan penyakit, karakteristik lingkungan dan pola

budidaya yang dilakukan di petak-petak sawah sekitarnya dan petak-petak sawah

lain yang terkait dalam satu sistem jaringan irigasi/drainase juga turut

mempengaruhinya. Terdapat banyak bukti terhadap keterkaitan antar wilayah

seperti perdagangan antar wilayah, dampak eksternalitas infrastruktur dan

mobilitas tenaga kerja.

Fenomena keterkaitan antar wilayah tersebut, dalam teori ilmu wilayah

diformulasikan dalam berbagai konsep, antara lain: (i) interaksi spasial (spatial

interaction); (ii) difusi spasial (spatial diffusion); (iii) hirarki spasial (spatial

hierarchy); dan (iv) aliran antar daerah (interregional spillover).

Pola interaksi dan keterkaitan spasial tersebut, terkait dengan kinerja

pembangunan suatu daerah yang tidak hanya ditentukan oleh karakteristik

lingkungan dan manajemen daerah tersebut tetapi juga merupakan hasil dari

pengaruh dan interaksi dengan kinerja pembangunan, karakteristik lingkungan dan

manajemen pembangunan di daerah-daerah lain di sekitarnya. Ilustrasi keterkaitan

antar wilayah tersebut dapat digambarkan sebagaimana Gambar 3.

Gambar 3. Ilustrasi Model Keterkaitan antar Variabel Spasial (Saefulhakim, 2008)

Dengan demikian, mengabaikan aspek spasial dalam penelitian wilayah

yang menggunakan unit spasial, misalnya kabupaten/kota sebagai unit analisis

dapat memberikan hasil yang bias. Akibat lebih lanjut, formulasi kebijakan yang

ditarik dari temuan penelitian tersebut juga menjadi tidak tepat.

Kajian yang memadukan antara analisis dekomposisi dan analisis spasial

dilakukan Nazara (2003) yang menggunakan teknik dekomposisi untuk melihat

pengaruh region tetangga terhadap kesenjangan antar provinsi di Indonesia. Untuk

keperluan tersebut, Nazara memodifikasi analisis dekomposisi shift share standar

yang diperkenalkan Dunn (1960) untuk analisis spasial. Modifikasi tersebut

diperlukan untuk mempertimbangkan terjadinya interaksi antara suatu region

dengan tetangganya. Interaksi tersebut, dapat memberikan manfaat posisif

maupun negatif terhadap region bersangkutan.

Teknik dekomposisi shift share spasial tersebut diimplementasikan terhadap

data PDRB provinsi untuk tahun 1976-1998. Pengertian region, didasarkan pada

sistem konfigurasi provinsi di Indonesia, yaitu 26 provinsi dikelompokkan ke

dalam 5 super region: Sumatera, Jawa dan Bali, Kalimantan, Sulawesi, dan

Indonesia Timur. Interaksi diasumsikan hanya terjadi antar provinsi di dalam

super region yang sama. Asumsi ini didasarkan pada hasil perhitungan matrik

Input-Output antar regional (Interregional IO) tahun 1999 yang menunjukkan

transaksi input antara lebih banyak terjadi dalam region di banding antar region.

Nazara mengemukakan beberapa temuan penting. Pertama, terdapat

kecenderungan ketimpangan spasial yang makin besar dalam lima super region

tersebut selama tahun 1990-an dibanding tahun-tahun awal pengamatan.

Kedua, sektor tersier merupakan sektor yang paling kecil menunjukkan

perbedaan antara satu region dengan region yang lain. Hal tersebut diduga

disebabkan oleh perkembangan Indonesia yang belum berorientasi pada sektor

jasa/tersier. Jawa sebagai super region yang paling maju, sehingga dapat

dikatakan sebagai wilayah yang paling berorientasi pada sektor jasa, fluktuasi efek

sektor tersebut yang paling besar terutama pada tahun 1980-an dan awal 1990-an.

Sedangkan di region lain yang sektor jasa belum memberikan kontribusi

signifikan terhadap PDRB, fluktuasinya relatif kecil.

Ketiga, kecenderungan ketimpangan spasial lebih stabil setalah akhir 1980-

an. Pola yang menarik terjadi selama masa krisis ekonomi pada tahun 1997-1998.

Pada periode itu, Ketimpangan spasial super region Kalimantan dan Indonesia

Timur menjadi semakin besar, sementara ketimpangan spasial super region

Sumatera dan Jawa sebaliknya justru semakin menurun. Sedangkan di dalam

super region Sulawesi relatif tidak terjadi perubahan ketimpangan spasial. Hal

tersebut diduga sebagai akibat krisis ekonomi yang lebih berdampakn pada

wilayah perkotaan di Indonesia bagian barat, khususnya Pulau Jawa. Sebaliknya,

di luar Pulau Jawa krisis ekonomi yang ditandai depresiasi rupiah justru

memberikan keuntungan nilai pada barang-barang ekspor khususnya produksi

minyak dan gas, dan juga perdagangan komoditas perkebunan.

Permodelan Ekonometri Spasial

Suatu model regresi linier menyatakan hubungan antara satu atau lebih

variabel independen yang dapat dinyatakan dalam model regresi linier (Drapper

dan Smith 1992). Adapun model regresi linier secara umum sebagai berikut.

pp xxy 110

dengan y adalah variabel respon, p 10 , adalah koefisien parameter yang

diestimasi, dan adalah nilai error regresi.

Suatu model ekonometrika harus memenuhi uji asumsi model regresi, yaitu

I2,0~ IIDN (suatu variable random yang identik, independen, dan

berdistribusi normal). Uraian mengenai pengujian masing-masing asumsi adalah

sebagai berikut:

Asumsi Berdistribusi Normal

Asumsi residual berdistribusi normal harus terpenuhi. Cara pengujian

residual berdistribusi normal atau tidak salah satunya dapat dilakukan dengan

Kolmogorov-Smirnov test. Apabila pengujian residual berdistribusi normal tidak

dapat dipenuhi maka solusinya dapat dilakukan transformasi data, pendeteksian

data outlier (pencilan), dan regresi bootstrap.

Asumsi Homoskedastisitas

Asumsi homoskedastisitas adalah variansi residual bersifat identik atau

konstan, artinya varian setiap residual i Apabila varians residual tidak identik

maka disebut heteroskedastisitas. Salah satu cara untuk melihat ada tidaknya pola

heterokedastisitas dapat dilakukan dengan membuat plot antara residual yang

dikuadratkan dengan y taksiran. Selain itu juga dapat dilakukan dengan uji Glejser

yaitu meregresikan nilai mutlak residual dengan variable independen. Bentuk

umum persamaannya adalah μXβε ˆ (Gujarati, 2004). Jika parameter variabel

independen signifikan berarti varian residual cenderung tidak homogen.

Asumsi Independen

Asumsi independen menunjukkan tidak terdapat autokorelasi. Autokorelasi

adalah hubungan yang terjadi diantara residual yang tersusun dalam rangkaian

waktu (time series) atau dalam rangkaian ruang (data crossection). Salah satu

metode untuk mendeteksinya dengan cara melihat plot Autocorrelation Function

(ACF). Bila lag-nya tidak keluar dari garis batas maka tidak terjadi kasus

autokorelasi.

Asumsi Tidak Ada Multikolinearitas

Multikolinearitas merupakan korelasi atau hubungan yang kuat diantara

variabel-variabel prediktor. Ada beberapa cara untuk mendeteksi adanya

multikolinearitas, diantaranya dengan :

1. Variance Inflation Factor (VIF) yang tinggi, biasanya > 10

2. Korelasi antar variabel prediktor tinggi

3. Koefisien determinasi (R2) tinggi tetapi tidak ada variabel prediktor yang

signifikan

Model Regresi Spasial Data Panel

Dalam model regresi spasial data panel, data yang digunakan adalah data

gabungan antara time series dan crossection atau disebut juga dengan data panel.

Unit crossection dapat berupa individu, rumah tangga, perusahaan, negara,

ataupun lainnya yang berulang selama beberapa waktu. Dalam penelitian ini

digunakan data panel seimbang (balance panel data) dimana setiap unit

crossection memiliki jumlah observasi time series yang sama.

Secara umum model regresi spasial data panel dinyatakan dalam bentuk

persamaan sebagai berikut.

n

1jitiitjtijit ,φμβxyWδy

n

1jititijit εφWρφ

dimana i adalah indeks pada dimensi crossection dengan i = 1,….,n dan t adalah

indeks pada dimensi waktu dengan t = 1,…,T. ity adalah unit pengamatan pada

variabel dependen unit ke – i dan waktu ke – t, ijW adalah matriks

pembobot/penimbang spasial dengan elemen-elemen diagonalnya sama dengan

nol. δ adalah koefisien spasial lag, φ adalah autokorelasi spasial pada error dan ρ

adalah koefisien autokorelasi spasial. itx menunjukkan vektor observasi pada

variabel prediktor pada unit spasial ke-i untuk periode waktu ke-t, β adalah vektor

parameter dan itε adalah error berdistribusi 2,0~ IIDN untuk setiap i dan t.

iμ menunjukkan efek spasial.

Efek spasial dibedakan menjadi dua bagian yaitu dependensi spasial dan

heterogenitas spasial (Anselin 1988). Dependensi spasial terjadi akibat adanya

dependensi dalam data wilayah, sedangkan heterogenitas spasial terjadi akibat

adanya perbedaan antara satu wilayah dengan lainnya. Model spasial dengan efek

dependensi spasial terdiri atas spasial lag dan spasial error. Interaksi diantara unit-

unit spasial pada data panel juga akan memiliki variabel dependen lag spasial atau

spasial proses pada error yang biasa disebut model spatial lag dan model spatial

error (Elhorst 2009).

a. Model Spasial Lag (SAR)

Model spasial lag dinyatakan dengan persamaan berikut.

n

1jitiitjtijit εμβxyWδy

δ adalah koefisien spasial lag.

b. Model Spasial Error (SEM)

Model spasial error dinyatakan dengan persamaan berikut.

n

1jititijititiitit εφWρφ;φμβxy

φ adalah autokorelasi spasial pada error dan ρ koefisien autokorelasi spasial.

Estimasi Model Spasial Data Panel

Berdasarkan Elhorst (2009) estimasi model pada data panel meliputi model

fixed effect dan random effect. Model fixed effect adalah teknik mengestimasi data

panel dengan menggunakan variabel dummy untuk mendapatkan adanya

perbedaan intercept. Model ini tergantung asumsi yang dibuat tentang intercept,

koefisien slope, dan residualnya. Ada beberapa kemungkinan yang akan muncul

yaitu:

1. Diasumsikan intercept dan slope adalah tetap sepanjang waktu

2. Diasumsikan slope adalah tetap tetapi intercept berbeda antar individu

3. Diasumsikan slope tetap tetapi intercept berbeda baik antar waktu maupun

antar individu

4. Diasumsikan intercept dan slope berbeda antar individu

5. Diasumsikan intercept dan slope berbeda antar waktu dan antar individu

Model Fixed Effect

a. Fixed Effect Spatial Lag Model

Model spasial lag dinyatakan dengan persamaan berikut.

n

1jitiitjtijit εμβxyWδy

δ adalah koefisien spasial lag.

Anselin dan Hudak (1992) menyajikan estimasi parameter β , dan 2 pada

model spasial lag dengan menggunakan Maksimum likelihood data crossection.

Prosedur estimasi pada persamaan (2) juga dapat menggunakan fungsi log-

likelihood dengan memperhatikan β , dan 2 . Perbedaannya adalah bahwa data

tersebut diperpanjang dari n pengamatan ke panel n x T pengamatan.

b. Fixed Effect Spatial Error Model

Anselin dan Hudak (1992) menyajikan parameter β , dan 2 dari model

regresi linier termasuk error autokorelasi dengan data crossection.

Likelihood Ratio (LR) Test

Pengujian likelihood Ratio dilakukan untuk mengetahui apakah fixed effect

dan random effect memberikan pengaruh secara bersama-sama. Pengujian ini

dilakukan dengan hipotesis sebagai berikut (Elhorst 2009).

a. Fixed Effect

H0 : 0μ

H1 : 0μ

b. Random Effect

H0 : 1θ

H1 : 1θ

Statistik uji yang digunakan adalah -2s, dimana s adalah selisih antara log-

likelihood model restricted dan model unrestricted. Keputusan yang digunakan

adalah tolak H0 jika p-value <

Hausman Test

Untuk mengetahui apakah suatu model termasuk fixed effect atau random

effect pada model panel data digunakan uji Hausman. Model fixed effect

mengasumsikan variabel prediktor berkorelasi dengan residualnya, sedangkan

random effect mengasumsikan variabel prediktor tidak berkorelasi dengan

residualnya. Random Effect akan menghasilkan suatu estimasi yang tidak

konsisten bila terdapat korelasi. Adapun hipotesis yang digunakan dalam uji

Hausman sebagai berikut.

H0 : 0h

H1 : 0h

Statistik Uji yang digunakan adalah

REFE1' ββdd,dvardh ˆˆ

dimana 1**'2FE

1**'2RE XXσXXσdvar

ˆˆ

Keputusan adalah tolak H0 jika p-value <

Goodness of Fit

Koefisien determinasi (R2) pada regresi spasial data panel lebih sulit

dilakukan karena R2 pada regresi OLS dengan disturbance covariance Iσ 2 ke

bentuk umum model regresi dengan matriks disturbance covariance 1ΩΩσ2 .

Persamaan yang sering digunakan :

YYYY

Ωee1Ωe,R '

'2

atau

YYYYee1eR '

'2

~~~

Y adalah rata-rata variabel respon dan e adalah residual model.

Cara lain Ωee' dapat digantikan dengan jumlah kuadrat e'e ~~

Sementara itu, perhitungan corr2 menggunakan persamaan sebagai berikut.

YYYYYYYY

YYYYYY,corr''

2'2

ˆˆˆ

Y adalah vektor dari nilai taksiran. Berbeda dengan R2 perhitungan corr2 tanpa

melibatkan variasi pada spasial effect sehingga selisih antara R2 dan corr2

menunjukkan variasi yang dapat dijelaskan oleh spasial effect.

Kajian Penelitian Terdahulu

Penggunaan produktivitas tenaga kerja untuk menjelaskan variasi disparitas

antar daerah telah dilakukan di beberapa negara. Kamarianakis (2003)

mengaplikasikan untuk kasus negara-negara Uni Eropa. Kajian tersebut

merupakan pengembangan lebih lanjut analisis shift share yang dilakukan Esteban

dengan menambahkan dua analisis. Pertama, menguji persamaan produktivitas

antar Negara yang perbedaannya ditentukan setiap komponen shift share untuk

beberapa tahun pengamatan antara 1975 - 2000. Hal tersebut dilakukan untuk

menangkap evolusi perbedaan produktivitas antar negara untuk setiap komponen

shift share. Hasilnya menunjukkan bahwa tidak ada alasan mengasumsikan tidak

terdapat hubungan antar tahun yang berbeda.

Kedua, Kamarianakis memasukkan pertimbangan spasial dalam analisis

disparitas produktivitas tenaga kerja Negara-negara Uni Eropa dengan menguji

keberadaan spatial autocorrelation. Hasil temuannya menujukkan bahwa terdapat

kecenderungan penurunan perbedaan produktivast tenaga kerja antar Negara.

Dibanding komponen lainnya, komponen industrial mix merupakan komponen

yang lebih signifikan menjadi faktor penyebab perbedaan antar Negara-negara

Uni Eropa.

Shkurpat (2006) mengaplikasikan analisis dekomposisi perbedaan

produktivitas tenaga kerja di Ukraina. Kajian tersebut bertujuan untuk

mengidentifikasi penyebab utama terjadinya perbedaan produktivitas tenaga kerja

di Ukraina dan mencari bukti keberadaan klaster wilayah berdasarkan perbedaan

produktivitas tenaga kerja. Secara statistik ditemukan dua klaster di Ukraina, yaitu

di bagian barat merupakan wilayah yang memiliki produktivitas tenaga kerja yang

rendah dan klaster di bagian timur yang merupakan wilayah dengan produktivitas

tenaga kerja yang tinggi.

Berdasarkan keberadaan klaster tersebut selanjutnya dilakukan pengujian

model kontribusi komponen shift share terhadap perbedaan produktivitas tenaga

kerja dengan memasukkan pertimbangan spasial. Hasilnya menunjukkan bahwa

untuk kasus Ukraina pada komponen productivity differential dan allocative perlu

memasukkan analisis spasial dalam bentuk model spasial error.

Model Esteban dengan pendekatan spasial dari Kamarianakis juga

diimplementasikan oleh Salim (2006) untuk kasus kabupaten/kota di Pulau Jawa

dengan menggunakan data tahun 2003. Temuannya menegaskan pentingnya

pengaruh kabupaten/kota yang menjadi tetangga untuk dimasukkan dalam analisis

perbedaan produktivitas tenaga kerja.

Salim memodelkan interaksi spasial dengan pendekatan matrik

ketetanggaan (contiguity) dan membandingkan orde 1 dengan orde 4. Hasilnya

menunjukkan bahwa di Jawa, region-region berkelompok secara positif, yaitu

region-region yang memiliki perbedaan produktivitas regional yang besar (kecil)

berkelompok dengan yang bernilai besar (kecil). Penggunaan orde yang lebih

tinggi, yaitu orde 4 yang menghitung interaksi sampai dengan empat lapis

ketetanggaan menguatkan kesimpulan terjadinya klaster perbedaan produktivitas

tenaga kerja di Jawa.

Klaster positif tersebut terjadi pada komponen industry-mix maupun

productivity different. Sedangkan pada komponen allocative klaster tersebut tidak

terlalu dapat didefinisikan. Pengaruh ketetanggaan tersebut juga muncul pada

semua hubungan hubungan antara perbedaan produktivitas tenaga kerja dengan

satu per satu komponen shift share.

Penelitian ini melengkapi kajian tersebut dengan mengambil rentang waktu

tidak hanya satu titik tahun. Diharapkan model ekonometri spasial yang terbentuk

lebih dapat menggambarkan kontribusi masing-masing komponen shift share

terhadap perbedaan produktivitas tenaga kerja kabupaten/kota di Pulau Jawa, baik

secara ruang antar kabupaten/kota (cross section) maupun antar waktu (time

series).

METODE PENELITIAN

Jenis dan Sumber Data

Data-data yang digunakan dalam penelitian ini adalah data sekunder yang

dikumpulkan dengan metode kepustakaan bersumber dari berbagai publikasi BPS.

Data dasar yang digunakan dalam penelitian ini adalah data pendapatan regional

menurut lapangan usaha dan data tenaga kerja menurut lapangan usaha. Data-data

tersebut merupakan data sekunder yang dikumpulkan oleh Badan Pusat Statistik

(BPS) Provinsi Jawa Barat, Banten, Jawa Tengah, DI Yogyakarta, Jawa Timur

dan DKI Jakarta.

Data pendapatan regional adalah Pendapatan Domestik Regional Bruto

(PDRB) kabupaten-kabupaten/kota-kota di Pulau Jawa yang dirinci menurut

lapangan usaha. Untuk menghilangkan pengaruh harga, digunakan PDRB harga

konstan.

Data tenaga kerja menurut lapangan usaha merupakan data jumlah

penduduk yang berusia 15 tahun ke atas yang bekerja selama seminggu yang lalu

menurut kabupaten-kabupaten/kota-kota di Pulau jawa dan dirinci menurut

lapangan usaha. Lapangan usaha sebagai rincian data PDRB maupun jumlah

tenaga kerja dirinci menjadi sembilan sektor yang meliputi:

1. Pertanian, Kehutanan, Perburuan dan Perikanan

2. Pertambangan & Penggalian

3. Industri Pengolahan

4. Listrik, Gas dan Air Bersih

5. Bangunan dan Kontruksi

6. Perdagangan, Rumah Makan dan Hotel

7. Pengangkutan, Perdagangan & Komunikasi

8. Keuangan, Asuransi, Persewaan Bangunan & Jasa Perusahaan

9. Jasa-Jasa Kemasyarakatan

Secara praktis, produktivitas merupakan konsep yang mengukur efisiensi

penggunaan input terhadap output yang dihasilkan. Sesuai dengan definisi

tersebut, produktivitas tenaga kerja dapat diukur menggunakan data nilai tambah

suatu daerah, yaitu PDRB dibandingkan dengan jumlah pekerja. Dengan

demikian, produktivitas tenaga kerja masing-masing kabupaten/kota secara

sektoral atau menurut lapangan usaha diukur oleh rasio PDRB kabupaten/kota

menurut lapangan usaha terhadap jumlah tenaga kerja kabupaten/kota menurut

lapangan usaha.

Perbedaan produktivitas tenaga kerja dalam penelitian ini didefinisakan

sebagai selisih antara produktivitas tenaga kerja suatu kabupaten/kota dengan

produktivitas tenaga kerja agregat Pulau Jawa. Jika xi dan xjawa berturut-turut

merupakan tingkat produktivitas tenaga kerja di suatu kabupaten/kota i dan

produktivitas tenaga kerja agregat Pulau Jawa, maka perbedaan produktivitas

tenaga kerja dirumuskan sebagai xi – xjawa.

Referensi cakupan waktu analisis dengan menggunakan data PDRB dan

tenaga kerja dari tahun 2001 – 2008 dimaksudkan untuk dapat memperoleh suatu

gambaran perkembangan dan transformasi sektoral tenaga kerja.

Perlu diberikan beberapa catatan terkait dengan data-data yang digunakan.

Pertama, untuk data PDRB menurut lapangan usaha relatif mudah didapatkan dan

tersedia untuk seluruh kabupaten/kota di Pulau Jawa pada setiap tahun penelitian,

2001 sampai dengan 2008. Untuk perbandingan antar kabupaten/kota dipilih nilai

PDRB tanpa migas karena kabupaten/kota yang memiliki PDRB yang berasal dari

sub-sektor migas hanya kurang dari 10 persen dari total kabupaten/kota di Pulau

Jawa. Sementara untuk perbandingan antar waktu digunakan data PDRB atas

dasar harga konstan 2000.

Pada beberapa kabupaten/kota, terutama data tahun 2000, 2001 dan 2003,

data PDRB yang dipublikasikan menggunakan tahun dasar 1993. Perbedaan tahun

dasar tersebut memerlukan untuk dilakukan penyeragaman terhadap nilai PDRB

menjadi atas dasar harga konstan 2000. Metode untuk penyesuaian nilai PDRB itu

adalah dengan mencari satu titik tahun yang PDRB-nya dihitung atas dasar harga

konstan 1993 maupun 2000. Selanjutnya dicari angka pembanding, yaitu dengan

membagi antara PDRB atas dasar harga konstan 2000 dengan PDRB atas dasar

harga konstan 1993. Angka pembanding tersebut selanjutnya digunakan untuk

mengalikan nilai PDRB yang masih bertahun dasar 1993 sehingga didapat PDRB

atas dasar harga konstan 2000.

Kedua, untuk data jumlah penduduk yang bekerja menurut lapangan

pekerjaan utama, untuk beberapa kasus perlu dilakukan penyesuian sebagai

berikut:

a. Pada beberapa kabupaten/kota selain 9 (Sembilan) lapangan pekerjaan utama

terdapat klasifikasi sektor “Lainnya” untuk tenaga kerja yang sulit

diklasifikasikan ke dalam sektor yang ada. Jumlah tenaga kerja sektor ini

untuk keperluan penelitian ini diabaikan mengingat selain karena tidak semua

kabupaten/kota mengakomodir klasifikasi tersebut juga secara total jumlahnya

sedikit.

b. Pada beberapa kasus lainnya, data yang tersedia untuk beberapa

kabupaten/kota hanya memuat 5 (lima) sektor yaitu sektor pertanian, sektor

industri, sektor perdagangan, sektor jasa-jasa, dan sektor lainnya. Untuk

menyamakan klasifikasi lapangan pekerjaan maka klasifikasi lainnya yang

merupakan gabungan tenaga kerja sektor pertambangan, sektor LGA, sektor

konstruksi, sektor angkutan, dan sektor keuangan dibagi secara proporsional

sesuai dengan proporsi tenaga kerja di antara kelima sektor tersebut

berdasarkan data tahun sebelum atau sesudahnya.

c. Data tenaga kerja di Kota Tasikmalaya, Kota Cimahi, dan Kota Banjar untuk

tahun 2001 dan 2002 tidak tersedia karena masih menyatu di kabupten induk

sebelum pemekaran, yaitu Kabupaten Tasikmalaya, Kabupaten Bandung, dan

Kabupaten Ciamis. Untuk mengatasi hal tersebut, dihitung proporsi data

tenaga kerja tahun 2003 di ketiga Kota tersebut terhadap tenaga kerja di

masing-masing kabupaten induknya. Proporsi tersebut kemudian digunakan

sebagai dasar untuk menentukan jumlah tenaga kerja di ketiga Kota tersebut

sekaligus sebagai “koreksi” jumlah tenaga kerja di masing-masing kabupaten

induk dengan mengurangkannya secara proporsional.

Ringkasan variabel, definisi dan indikator yang digunakan pada penelitian

ini disajikan pada Tabel 2.

Tabel 2. Variabel, Definisi dan Indikator yang Digunakan dalam Penelitian

Variabel Definisi IndikatorPDRB Jumlah nilai barang dan jasa

(output) atau nilai tambahyang dihasilkan oleh suatudaerah (kabupaten/kota)dalam periode tertentu,biasanya satu tahun.

PDRB menurut lapangan usaha di masing-masing kabupaten/kota di Pulau Jawaberdasarkan harga konstan 2000. DataPDRB yang dikumpulkan dari publikasiBPS Provinsi atau kabupaten/kota memilikisatuan juta rupiah. PDRB Jawa dalampenelitian ini merupakan penjumlahanagregat dari seluruh PDRB kabupaten/kotayang ada di Pulau Jawa.

Tenaga Kerja Input tenaga kerja untukmenghasilkan output(PDRB).

Penduduk yang berumur 15 tahun ke atasyang bekerja seminggu yang lalu menurutlapangan usaha masing-masing Kabupatendan Kota di Pulau Jawa. Data tenaga kerjadikumpulkan dari publikasi BPS Provinsiatau kabupaten/kota memiliki satuan orang.Sampai dengan tahun 2006, data ProvinsiJawa Barat, Jawa Tengah, dan Jawa Timurmenggunakan batas usia 10 tahun ke atasuntuk klasifikasi penduduk yang bekerja.Tenaga kerja Jawa dalam penelitian inimerupakan penjumlahan agregat dariseluruh tenaga kerja kabupaten/kota yangada di Pulau Jawa.

ProduktivitasTenaga Kerja

Efisiensi penggunaan input(tenaga kerja) terhadapoutput (PDRB) yangdihasilkan

Rasio atau hasil dari nilai PDRB dibagidengan jumlah tenaga kerja masing-masingKabupaten dan Kota di Pulau Jawa.Misalkan, produktivitas sektor pertanian disuatu kabupaten/kota sebesar 2,5 berarti dikabupaten/kota tersebut rata-rata tenagakerja di sektor pertanian menghasilkanoutput sebesar Rp. 2,5 juta per tahun.Produktivitas Jawa dalam penelitian inimerupakan rasio antara PDRB Jawa dibagidengan Tenaga Kerja Jawa.

KetimpanganProduktivitasTenaga Kerja

Perbedaan produktivitastenaga kerja suatu daerah(kabupaten/kota) dibandingtingkat produktivtas agregatdi Pulau Jawa

Selisih atau hasil pengurangan antaraproduktivitas tenaga kerja Jawa denganproduktivitas tenaga kerja suatukabupaten/kota.

Analisis Dekomposisi Produktivitas Tenaga Kerja (Shift share Analysis)

Perbedaan produktivitas tenaga kerja dapat didekomposisi dengan

menggunakan analisis shift share sebagaimana yang dilakukan oleh Esteban

(2000). Menurut Esteban, sumber perbedaan produktivitas tenaga kerja di suatu

wilayah dapat dibedakan menjadi 3 (tiga) komponen, yaitu: komposisi atau

struktur masing-masing wilayah secara sektoral, perbedaan produktivitas sektor

yang sama di wilayah yang berbeda, dan perbedaan alokasi tenaga kerja di sektor-

sektor yang lebih efisien.

Pendekatan Esteban telah diaplikasikan oleh Kamarianakis (2003) dan

Ezcurra, et. al (2005) untuk mengukur disparitas produktivitas tenaga kerja di Uni

Eropa. Kamarianakis menganalisis disparitas produktivitas 205 region (NUTS 2)

terhadap produktivitas Uni Erupa (EU). Formulasi pendekatan Esteban yang

dipaparkan dalam penelitian ini dimodifikasi dengan mengganti notasi EU dengan

Jawa untuk memudahkan dalam analisis selanjutnya.

pji = pangsa tenaga kerja sektor j di kabupaten/kota i,

sehingga Σjpji = 1 untuk seluruh kabupaten/kota i.

pjjawa = pangsa tenaga kerja sektor j di Jawa, sehingga Σjpj

jawa = 1

xji = produktivitas tenaga kerja sektor j di kabupaten/kota i

xjjawa = produktivitas tenaga kerja sektor j di Jawa

Berdasarkan formula di atas, produktivitas tenaga kerja di kabuten/kota i

merupakan hasil penjumlahan antara pangsa tenaga kerja per sektor dikalikan

dengan produktivitas di sektor yang sama. Demikian juga produktivitas di Jawa,

sehingga dapat dituliskan:

xi = Σpji . xj

i

xjawa = Σjpjjawa . xj

jawa

Disparitas produktivitas tenaga kerja antara kabupaten/kota i dengan Jawa

dapat dituliskan sebagai:

xi - xjawa

Selanjutnya, sumber disparitas produktivitas tenaga kerja tersebut dapat

diuraikan lebih lanjut berdasarkan analisis dekomposisi Shift share sebagai

berikut:

1. The Industry-Mix Component (μi)

Komponen industrial mix kabupaten/kota i mengukur disparitas produktivitas

antara kabupaten/kota i dan Jawa berdasarkan komposisi tenaga kerja secara

sektoral di masing-masing kabupaten/kota. Diasumsikan bahwa produktivitas

antara kabupaten/kota i dengan Jawa adalah sama untuk masing-masing

sektor, sehingga dapat diformulasikan sebagai:

μi = Σj(pji – pj

jawa).xjjawa

Nilai μi akan positif jika kabupaten/kota I memiliki spesialisasi (pji > pj

jawa)

pada sektor yang mempunyai produktivitas tinggi atau sebaliknya tidak

berspesialisasi (pji < pj

jawa) pada sektor yang mempunyai produktivitas rendah.

2. The Productivity Differential Component (πi)

Komponen Perbedaan Produktivitas sektoral kabupaten/kota i mengukur

perbedaan produktivitas di masing-masing sektor di kabupaten/kota i dan

Jawa, sehingga dapat dirumuskan sebagai:

πi = Σj pjjawa(xj

i – xjjawa)

nilai πi akan positif jika kabupaten/kota memiliki produktivitas sektoral yang

lebih besar dibanding produktivitas sektoral Jawa.

3. The Allocative Component (αi)

Komponen Alokatif αi merupakan gabungan dari kedua komponen yang telah

dijelaskan sebelumnya, dapat dituliskan sebagai:

αi = Σj(xji – xj

jawa)(pji – pj

jawa)

Komponen ini akan bernilai positif jika suatu kabupaten/kota melakukan

spesialisasi pada sektor-sektor yang memiliki tingkat produktivitas yang lebih

tinggi dibanding tingkat produktivitas rata-rata di Jawa. Nilai αi akan

maksimum jika suatu kabupaten/kota i berspesialisasi secara penuh pada

sektor yang memiliki produktivitas paling tinggi. Dengan demikian,

komponen ini merupakan ukuran efisiensi masing-masing kabupaten/kota

dalam mengalokasikan sumberdaya (tenaga kerja) pada sektor-sektor yang

memiliki tingkat produktivitas yang berbeda.

Perbedaan produktivitas kabupaten/kota dengan produktivitas Pulau Jawa

secara lengkap dapat didefinisikan sebagai:

xi – xjawa = μi + πi + αi

Persamaan di atas dapat dibaca sebagai perbedaan produktivitas tenaga kerja

suatu kabupaten/kota dengan produktivitas tenaga kerja Pulau Jawa merupakan

hasil penjumlahan dari nilai komponen industry-mix, productivity different, dan

allocative.

Analisis shift share yang dikembangkan Esteban juga memungkinkan untuk

dilakukan pengujian disparitas produktivitas tenaga kerja dengan menggunakan

model satu komponen tunggal untuk masing-masing komponen dekomposisi.

Untuk tujuan tersebut, dilakukan analisis regresi cross-section terhadap model-

model berikut:

xi – xjawa = aμ + bμμi + εμ,i i = 1, …, N

xi – xjawa = aπ + bμπi + επ,i i = 1, …, N

xi – xjawa = aα + bμ αi + εσ,i i = 1, …, N

Keterangan: N adalah banyaknya kabupaten/kota di Jawa.

Pengujian komponen secara tunggal ini dimaksudkan untuk melihat lebih

jauh terhadap peran masing-masing komponen shift share sebagai sumber

disparitas antar wilayah yang disebabkan oleh perbedaan produktivitas tenaga

kerja secara sektoral antar kabupaten/kota.

Analisis Data Spasial (Exploratory Spatial Data Analysis/ESDA)

Autokorelasi spasial dapat didefinisikan sebagai kejadian suatu nilai yang

mirip berada pada lokasi yang mirip. Autokorelasi spasial akan bernilai positif

jika terdapat pengelompokan (clustering) kabupaten/kota yang memiliki nilai

yang sama, yaitu kabupaten/kota dengan tingkat produktivitas yang tinggi

(rendah) dikitari oleh kabupaten/kota tetangga yang juga memiliki tingkat

produktivitas yang tinggi (rendah). Sebaliknya nilai autokorelasi spasial akan

negatif jika terjadi penyebaran nilai, yaitu kabupaten/kota yang memiliki tingkat

produktivitas yang tinggi (rendah) dikelilingi oleh kabupaten-kabupaten/kota-kota

lain yang justru bernilai rendah (tinggi).

Analisis eksplorasi data spasial (Exploratory Spatial Data Analysis/ESDA)

merupakan teknik analisis untuk menampilkan penyebaran data secara spasial,

mengidentifikasi ketidakteraturan lokasi, mendeteksi pola hubungan spasial dan

menyajikan kelompok spasial yang berbeda (Anselin, 1999). ESDA terdiri dari

serangkaian analisis yang dapat dijelaskan sebagai berikut.

Pengujian Global

Pengujian terhadap keterkaitan spasial (spatial autocorrelation) akan

menggunakan uji statistik Moran’s I.

It =

Nilai zi adalah vektor dari n observasi kabupaten/kota di Pulau Jawa yang

berbeda dari nilai rata-ratanya. Nilai S0 adalah faktor yang telah distandarisasi

atau ΣjΣiwij. Statistik Moran’s I memberikan indikasi umum derajat hubungan

antara nilai observasi vektor zi dengan nilai rata-rata tertimbang tetangga yaitu

vector Wzi (vector spatial lag). Nilai Moran’s I yang lebih besar dari nilai rata-

ratanya E(I) = -1/(n-1) menunjukkan spatial autocorrelation positif sebaliknya

jika lebih kecil berarti terjadi autokorelasi spasial negatif.

Pengujian Lokal

Uji statistik Moran’s I merupakan uji global yang belum dapat

menggambarkan struktur wilayah terkait dengan autokeralasi spasial secara

parsial. Oleh karena itu, untuk mendapatkan gambaran pengelompokan dan

penyebaran wilayah yang memilki pertumbuhan tenaga kerja yang tinggi atau

rendah perlu dilakukan uji statistik korelasi spasial secara lokal menggabungkan

antara Moran scatterplot dan Local Indicator of Spatial Association (LISA)

sebagaimana digunakan oleh Anselin (1999).

Pengujian autokorelasi spasial secara lokal menggunakan Local Moran’s I

untuk kabupaten/kota i dan tahun t adalah sebagai berikut:

Iij = m0 = Σj(Xij - t)2/n

dimana xi adalah variabel observasi di kabupaten/kota i, adalah rata-rata

variabel observasi dan mo adalah jumlah dari kuadrat selisih nilai variabel

tetangganya dengan rata-ratanya. Nilai positif dari Ii berarti terjadi

pengelompokan spasial kabupaten/kota yang memiliki nilai yang sama.

Sebaliknya jika nilainya negatif maka pengelompokan terjadi antara

kabupaten/kota yang memiliki nilai yang berbeda antara kabupaten/kota yang

diamati dengan kabupaten/kota tetangganya. Dengan menggabungkan informasi

dari Moran Scatterplots dan uji LISA yang signifikan dapat dibuat Moran

Significance Map.

Pemetaan dengan menggunakan Moran scatterplot akan menyajikan empat

kuadran yang menggambarkan empat tipe hubungan suatu wilayah dengan

wilayah-wilayah lain disekitarnya sebagai tetangga (neighbors), sebagaimana

dapat dilihat pada Tabel 2.

Tabel 3. Tipe Hubungan Wilayah dengan Wilayah Tetangganya

Tipe Keterangan

HH Suatu wilayah yang memiliki nilai tinggi dan dikitari oleh wilayah-wilayah tetangga yang juga berilai tinggi

HL Suatu wilayah yang memiliki nilai tinggi dan dikitari oleh wilayah-wilayah tetangga yang mempunyai nilai yang rendah

LH Suatu wilayah yang memiliki nilai rendah dan dikitari oleh wilayah-wilayah tetangga yang mempunyai nilai yang tinggi

LL Suatu wilayah yang memiliki nilai rendah dan dikitari oleh wilayah-wilayah tetangga yang juga mempunyai nilai yang rendah

Keterangan:H = High/Tinggi L = Low/Rendah

Matrik Keterkaitan Spasial (Spatial Weight Matrices)

Interaksi spasial antar kabupaten/kota dihitung dengan menggunakan

matriks W, yang mengukur tingkat keterkaitan spasial antara kabupaten/kota r

dengan kabupaten/kota s untuk r, s = 1, …, n. Pola interaksi spasial tersebut

mengikuti pendekatan yang merupakan implementasi analisis spasial dari Hukum

Geografi I (Tobler’s first law of geography) yang menyatakan:

”Everything is related to everything else, but near things are more related

than distant things”.

Pembentukan matriks keterkaitan spasial yang sering disebut matrik W

dapat menggunakan berbagai teknik pembobotan berdasarkan matriks jarak, biaya

perjalanan, waktu tempuh, aliran sumberdaya, maupun aturan umum

ketetanggaan. Anselin (2002) mengusulkan 3 (tiga) pendekatan untuk

mendefinisikan matriks W, yaitu contiguity, distance, dan general.

Matriks W berdasarkan persentuhan batas wilayah (contiguity) menyatakan

bahwa interaksi spasial terjadi antar wilayah yang bertetangga, yaitu yang

memiliki persentuhan batas wilayah (common boundary).

Matriks W berdasarkan aturan umum ketetanggaan (contiguity) antar

kabupaten/kota, dimana jika berbatasan langsung diberi nilai 1, dan 0 untuk

lainnya. Pada prakteknya, definisi batas wilayah tersebut memiliki beberapa

alternatif. Secara umum terdapat berbagai tipe interaksi, yaitu Rook contiguity,

Bishop contiguity dan Queen contiguity. Gambar 4 menjelaskan pengertian

masing-masing kontiguitas berdasarkan jenis dan arah batas wilayah.

Pengujian autokorelasi spasial dapat dilakukan dengan menggunakan

beberapa orde ketetanggaan. Metode orde ke-1 (kesatu), berarti hanya

kabupaten/kota yang berbatasan langsung yang dianggap sebagai tetangga.

Metode orde ke-2 (kedua) mengasumsikan tetangga dari kabupaten/kota tetangga

yang berbatasan langsung juga termasuk kabupaten/kota tetangga yang masih

terjadi efek spasial, dan seterusnya untuk orde yang lebih tinggi.

Rook Contiguity Bishop Contiguity Queen Contiguity

Kabupaten/kota pengamatanbersentuhan langsungdengan sisi-sisikabupaten/kota tetanggasehingga akan memiliki 4tetangga

Kabupaten/kota pengamatanbersentuhan langsungdengan sudut diagonalkabupaten/kota tetanggasehingga akan memiliki 4tetangga

Merupakan gabungan antaraRook dan Bishop, sehinggaakan memiliki 8 tetanga

Gambar 4. Tipe Keterkaitan antar Wilayah.

Sedangkan berdasarkan jarak (distance), interaksi ketetanggaan

ditentukan oleh jarak antar dua wilayah. Sesuai dengan hukum gravitasi, semakin

dekat jarak antar dua wilayah yang bertetangga maka semakin kuat interaksi yang

terjadi. Sebaliknya semakin jauh jarak antar dua wilayah yang bertetangga maka

semakin lemah interaksinya. Terdapat dua variasi matriks W berdasarkan jarak

yaitu dengan menggunakan jarak antara dua wilayah (distance band) dan

sejumlah tertentu wilayah yang ditentukan sebagai tetangga (k-nearest neighbors).

Pendekatan jarak (distance) mengasumsikan semakin dekat jarak antar

kabupaten/kota akan memiliki hubungan yang lebih kuat (Arbia, et. al.). Oleh

karena itu, digunakan perhitungan inverse distance matrices, yang dapat

dirumuskan sebagai berikut:

Wij (d) = 0 jika i = j

Wij (d) = 1/dij2 jika i ≠ j, dan dij ≤ D

Wij (d) = 0 jika i ≠ j, dan d ij > D

dimana dij merupakan jarak ekludian antara titik tengah (centroids)

kabupaten/kota i dan j, dan D adalah cutoff atau batas jarak terjauh yang

diasumsikan sudah tidak terjadi interaksi.

Matriks W dalam pengertian yang lebih umum (general) dapat berupa jarak

dalam pengertian tidak sesungguhnya, yang lebih merepresentasikan daya tarik

suatu wilayah dan hambatan mobilitas antar wilayah (Anselin 2002). Asumsi yang

terlalu ketat yang menganggap keterkaitan hanya terjadi pada wilayah yang

berbatasan seringkali tidak relevan. Pergerakan penduduk dan perdagangan

misalnya, dalam banyak kasus terjadi antar wilayah yang meskipun kedua wilayah

tersebut tidak berbatasan langsung. Misalkan, jarak ekonomi interaksi

ketenagakerjaan antar dua wilayah dapat dituliskan sebagai [ri – rj], sehingga

bobot interaksi antara kedua wilayah tersebut dapat dituliskan sebagai 1/[ri – rj], di

mana r adalah jumlah tenaga kerja.

Analisis Regresi Spasial Data Panel

Model ekonometri yang digunakan dalam penelitian merupakan regresi data

panel yang menggabungkan antara data cross section 115 kabupaten/kota dan data

time series 8 tahun pengamatan dari tahun 2001 sampai dengan 2008. Langkah-

langkah yang digunakan dalam analisis regresi spasial untuk data panel dapat

diringkas sebagai berikut:

1. Menentukan data yang akan digunakan dalam penelitian, yaitu hasil

perhitungan perbedaan produktivitas tenaga kerja setiap kabupaten/kota di

Pulau Jawa dan ketiga komponen shift share.

2. Menentukan matriks interaksi spasial, yang dalam penelitian ini menggunakan

queen contiguity untuk memodelkan aspek ketetanggaan antar kabupaten/kota.

3. Menentukan pengaruh dependensi spasial lag model dan error model dengan

uji likelihood ratio

4. Membatasi effect spasial terhadap fixed effect dan random effect

5. Menentukan nilai LR – test untuk melihat adanya efek spasial

6. Menentukan apakah model yang akan digunakan merupakan fixed effect atau

random effect dengan Hausman test

7. Melakukan estimasi parameter dari model tersebut dengan metode Maksimum

Likelihood Estimator (MLE)

8. Melakukan interpretasi dari hasil yang diperoleh

Algoritma pemilihan model fixed effect dan random effect regresi spasial

data panel dengan menggunakan bantuan software Matlab adalah sebagai berikut:

1. Mulai

2. Load data penelitian yang sudah disimpan dalam bentuk data.dat

3. Load matriks pembobot yang sudah disimpan dalam bentuk matriks.dat

4. Input nilai periode waktu (T) yaitu T = 8, dan jumlah wilayah n = 115

5. Lakukan Proses Uji Likelihood Rasio untuk spasial lag model

Asumsi – asumsi :

a. Spatial fixed effect dengan Spatially dependent variable.

Jika nilai probabilitas > 0.05 tolak Spatial lag model dengan fixed effect

variabel spasial. Jika probabilitas < 0.05, lanjut ke langkah f.

b. Spatial random effect dengan Spatially dependent variable.

Jika nilai probabilitas > 0.05 tolak Spatial lag model dengan random effect

variabel spasial. Jika probabilitas < 0.05, lanjut ke langkah f.

6. Lakukan uji Hausman pada spasial lag model

Asumsi jika nilai probabilitas Hausman < 0.05 tolak spatial random effect

7. Lakukan Proses Uji Likelihood Rasio untuk spasial error model

Sama seperti langkah e, dengan asumsi - asumsi

a. Spatial fixed effect dengan Spatially dependent variable.

Jika nilai probabilitas > 0.05 tolak Spatial error model dengan fixed effect

variabel spasial. Jika probabilitas < 0.05, lanjut ke langkah h.

b. Spatial random effect dengan Spatially dependent variable.

Jika nilai probabilitas > 0.05 tolak Spatial error model dengan random

effect variabel spasial. Jika probabilitas < 0.05, lanjut ke langkah h.

8. Lakukan uji Hausman pada spasial error model

Asumsi jika nilai probabilitas Hausman > 0.05 tolak spatial random effect

9. Selesai.

Diagram alir untuk menentukan model regresi spasial dapat dilihat pada

Gambar 5.

Mulai

Load DataLoad Matrik

Bobot

Input waktu danjumlah unit (T, N)

LR test Lag Model +Fixed Effect

(SAR fixed effect)

LR-test(α < 0,05)?

LR test Lag Model +Random Effect

(SAR random effect)

LR-test(α < 0,05)?

LR test Error Model +Fixed Effect

(SEM fixed effect)

LR test Error Model +Random Effect

(SEM random effect)

LR-test(α < 0,05)?

LR-test(α < 0,05)?

Hausman test Hausman test

H-test(α < 0,05)?

H-test(α < 0,05)?

Lag Model +Fixed Effect

(SAR fixed effect)

Lag Model +Random Effect

(SAR random effect)

Error Model +Fixed Effect

(SEM fixed effect)

Error Model +Random Effect

(SEM random effect)

Ya

Tidak

Ya

Tidak

Ya

Tidak

Ya

Ya

Tidak

Ya

Tidak

Selesai

Tidak

Gambar 5. Diagram Alir Algoritma Penentuan Model Regresi Spasial Data Panel

HASIL DAN PEMBAHASAN

Tinjauan Umum

Tenaga kerja merupakan salah satu faktor produksi dalam pembentukan

nilai tambah suatu kegiatan ekonomi. Produktivitas tenaga kerja dapat

memberikan gambaran tentang seberapa besar nilai tambah yang diberikan oleh

tenaga kerja pada suatu kegiatan ekonomi.

Sebagaimana telah didefinisikan pada bagian sebelumnya, dalam penelitian

ini produktivitas tenaga kerja dihitung dari nilai Produk Domestik Regional Bruto

(PDRB) pada suatu tahun dibagi dengan jumlah penduduk yang bekerja (tenaga

kerja) pada tahun yang sama. Oleh karena itu, sebelum membahas produktivitas

tenaga kerja perlu dipaparkan gambaran umum komponen penentu produktivitas

tenaga kerja, yaitu nilai PDRB dan jumlah tenaga kerja kabupaten/kota di Pulau

Jawa.

Produk Domestik Regional Bruto (PDRB)

Data PDRB yang disajikan adalah data PDRB tanpa Migas atas dasar harga

konstan 2000. PDRB Pulau Jawa dalam penelitian ini dihitung sebagai

penjumlahan agregat dari seluruh PDRB kabupaten/kota di Pulau Jawa. Tabel 4

menunjukkan hasil perhitungan kontribusi sektoral PDRB menurut lapangan

usaha pada tahun 2001-2008. Penggunaan PDRB tanpa Migas mengingat bahwa

jumlah Kabupaten/Kota yang memiliki output dari sub-sektor Migas kurang dari

10 persen dari total 115 kabupaten/Kota yang ada di Pulau Jawa.

Selama tahun pengamatan 2001 – 2008, lapangan usaha atau sektor industri

pengolahan merupakan sektor yang paling dominan, hampir 30 persen dari total

PDRB. Dikuti kemudian dengan sektor perdagangan (rata-rata 23 persen) dan

sektor keuangan dengan kontribusi rata-rata sebesar 12,37 persen. Sektor

pertanian memberikan kontribusi sekitar seperlima terhadap pembentukan PDRB,

sementara sektor pertambangan hanya 0,74 persen salah satunya karena tidak

memasukkan hasil pertambangan minyak dan gas bumi (migas).

Tabel 4 menyajikan perkembangan dan rata-rata kontribusi PDRB secara

sektoral.

Tabel 4. PDRB Atas Dasar Harga Konstan 2000 di Pulau Jawa menurut LapanganUsaha Tahun 2001-2008

Lapangan Usaha (dalam persentase)Tahun1 2 3 4 5 6 7 8 9

2001 13,10 0,83 29,25 1,44 5,90 21,57 5,67 12,77 9,482002 12,83 0,81 28,97 1,48 5,85 22,05 5,89 12,71 9,412003 12,21 0,69 29,31 1,54 5,88 22,51 6,16 12,45 9,242004 11,94 0,67 29,26 1,57 5,86 22,83 6,40 12,37 9,102005 11,65 0,67 29,50 1,60 5,81 22,90 6,50 12,40 8,982006 11,35 0,68 29,17 1,59 5,86 23,43 6,75 12,18 8,992007 11,07 0,69 28,96 1,59 5,87 23,74 7,00 12,10 8,982008 10,59 0,84 28,59 1,55 5,90 24,31 7,33 11,94 8,95

Rata-rata 11,84 0,74 29,13 1,54 5,87 22,92 6,46 12,37 9,14Sumber: Data diolah (2011)

Kontribusi sektoral selama periode pengamatan tidak menunjukkan

perubahan yang mencolok. Meskipun demikian, dari tahun 2001 ke tahun 2008

terdapat kecenderungan penurunan kontribusi pada sektor pertanian, sebaliknya

kenaikan kontribusi terjadi pada sektor perdagangan.

Sementara jika dilihat dari nilainya, selama tahun 2001-2008 terdapat

kecendrungan kenaikan PDRB Pulau Jawa. Jika pada tahun 2001 nilainya sebesar

787.226.346,46 (juta rupiah) dengan rata-rata 6.845.446,49 (juta rupiah), maka

pada tahun 2005 meningkat menjadi 978.286.387,54 (juta rupiah) dengan rata-rata

sebesar 8.506.838,15 (juta rupiah). Tahun 2008 nilai PDRB Pulau Jawa terus

mengalami peningkatan menjadi 1.164.876.028,25 (juta rupiah) dengan nilai rata-

rata 10.129.356,77 (juta rupiah).

Ditinjau dari nilai PDRB kabupaten/kota terhadap nilai rata-rata PDRB

Pulau Jawa, pada tahun 2001 sebanyak 89 kabupaten/kota memiliki PDRB di

bawah rata-rata PDRB Pulau Jawa, sementara 26 kabupaten/kota sisanya memiliki

PDRB di atas nilai rata-rata PDRB Pulau Jawa. Komposisi tersebut tidak banyak

berubah, pada tahun 2008 sebanyak 90 kabupaten/kota nilai PDRB-nya berada

dibawah rata-rata PDRB Pulau Jawa sedangkan 25 kabupaten/kota sisanya

memiliki PDRB lebih tinggi dari rata-rata PDRB Pulau Jawa.

Peringkat atas didominasi kota-kota di Provinsi DKI Jakarta dan sekitarnya

di bagian barat serta Kota Surabaya dan sekitarnya di bagian timur Pulau Jawa.

Sementara Kepulauan Seribu yang juga merupakan wilayah administratif Provinsi

DKI Jakarta justru berada pada peringkat terbawah. Hal tersebut terkait dengan

karakteristik geografisnya sebagai kepulauan sehingga menyulitkan jangkauan

layanan infrastruktur yang tersedia. Selain itu posisinya yang terpisah dari wilayah

administratif Provinsi DKI Jakarta lainnya juga menyebabkan kurang dapat

menikmati fasilitas infrastruktur yang ada di ibu kota.

Tabel 5 menyajikan peringkat sepuluh kabupaten/kota teratas dan sepuluh

terbawah berdasarkan nilai PDRB tahun 2001, 2005 dan 2008.

Tabel 5. Sepuluh Teratas dan Terbawah Peringkat PDRB Kabupaten/Kota diPulau Jawa Tahun 2001-2008

2001 2005 2008Pering-kat Kabupaten/

KotaPDRB

(Juta Rp)Kabupaten/

KotaPDRB

(Juta Rp)Kabupaten/

KotaPDRB

(Juta Rp)1 Jakarta Pusat 62.426.503,46 Jakarta Pusat 75.964.763,00 Jakarta Pusat 91.228.665,00

2 Kota Surabaya 53.512.601,88 Jakarta Selatan 65.946.353,00 Kota Surabaya 79.820.021,93

3 Jakarta Selatan 53.333.764,00 Kota Surabaya 65.717.925,51 Jakarta Selatan 78.997.462,00

4 Jakarta Utara 46.053.817,35 Jakarta Utara 55.829.604,00 Jakarta Utara 66.535.642,00

5 Jakarta Timur 41.495.509,09 Jakarta Timur 50.495.912,00 Jakarta Timur 60.123.979,00

6 Jakarta Barat 35.780.192,00 Jakarta Barat 44.169.682,00 Jakarta Barat 52.734.937,93

7 Bekasi 31.888.777,57 Bekasi 40.750.989,09 Bekasi 49.302.484,59

8 Bogor 19.424.213,96 Bogor 25.056.365,22 Kota Tangerang 44.688.789,00

9 Kota Kediri 17.894.726,11 Bandung 22.548.518,20 Bogor 29.271.000,00

10 Sidoarjo 17.486.943,05 Sidoarjo 22.099.391,51 Kota Bandung 26.986.877,00

… ……….. ……….. ……….. ……….. ……….. ………..RATA-RATAPDRB PULAU JAWA 6.845.446,49 8.506.838,15 10.129.356,77

… ……….. ……….. ……….. ……….. ……….. ………..

106 Kota Tegal 814.469,18 Pacitan 1.213.211,65 Pacitan 1.397.218,01

107 Kota Batu 811.597,84 Kota Batu 1.048.847,78 Kota Batu 1.279.668,05

108 Kota Mojokerto 810.713,09 Kota Tegal 1.002.822,00 Kota Tegal 1.166.546,89

109 Kota Magelang 759.504,24 Kota Madiun 891.355,19 Kota Madiun 1.071.013,56

110 Kota Madiun 735.182,21 Kota Magelang 890.399,02 Kota Pasuruan 1.047.157,44

111 Kota Pasuruan 695.724,34 Kota Pasuruan 878.136,23 Kota Magelang 993.863,83

112 Kota Salatiga 611.506,08 Kota Salatiga 722.063,95 Kota Salatiga 832.154,87

113 Kota Banjar 496.598,85 Kota Blitar 594.668,37 Kota Blitar 723.858,61

114 Kota Blitar 468.853,10 Kota Banjar 588.216,00 Kota Banjar 677.455,67

115 Kep. Seribu 153.109,00 Kep. Seribu 134.087,00 Kep.Seribu 152.073,00Sumber: Data diolah (2011)

Distribusi Tenaga Kerja Menurut Lapangan Usaha

Data tenaga kerja yang digunakan dalam penelitian ini juga disajikan dalam

bentuk rinci menurut lapangan usaha utama, yaitu 9 (sembilan) sektor

sebagaimana yang digunakan dalam PDRB. Perlu dicatat bahwa untuk beberapa

kabupaten/kota terdapat klasifikasi lain-lain, yaitu untuk tenaga kerja yang sulit

dimasukkan dalam klasifikasi Sembilan sektor. Pada penelitian ini, klasifikasi

tersebut diabaikan dengan alasan hanya sebagian kecil kabupaten/kota yang

memiliki sehingga jumlahnya relatif sedikit.

Sektor pertanian menjadi sektor yang paling banyak menyerap tenaga kerja.

Rata-rata tenaga kerja sektor pertanian tahun 2001-2008 sebesar 36 persen dari

total tenaga kerja kabupaten/kota di Pulau Jawa. Terdapat kecenderungan

penurunan persentase penduduk yang bekerja di sektor pertanian selama periode

tersebut.

Tabel 6. Persentase Tenaga Kerja di Pulau Jawa menurut Lapangan Usaha Tahun2001-2008

Lapangan Usaha (dalam persentase)Tahun 1 2 3 4 5 6 7 8 92001 39,7 0,5 15,7 0,2 4,6 20,7 5,5 2,2 10,92002 37,0 0,7 17,0 0,2 5,4 19,5 6,6 1,6 12,02003 39,5 0,6 15,2 0,3 4,4 20,6 5,9 1,4 12,02004 36,2 0,5 16,1 0,3 5,1 21,2 6,5 1,6 12,52005 34,5 0,6 16,5 0,2 5,6 21,8 6,2 1,8 12,82006 32,6 0,7 17,2 0,5 5,7 22,1 6,3 1,8 13,22007 34,4 0,7 15,5 0,2 6,1 22,3 5,7 1,5 13,42008 35,0 0,8 13,7 0,3 6,1 23,9 6,5 2,0 11,7Rata-Rata 36,1 0,7 15,9 0,3 5,4 21,5 6,1 1,7 12,3

Sumber: Data diolah (2011)Keterangan:1. Pertanian, Kehutanan, Perburuan dan Perikanan; 2. Pertambangan & Penggalian; 3. IndustriPengolahan; 4. Listrik, Gas dan Air Bersih; 5. Bangunan dan Kontruksi; 6. Perdagangan, RumahMakan dan Hotel; 7. Pengangkutan, Perdagangan & Komunikasi; 8. Keuangan, Asuransi,Persewaan Bangunan & Jasa Perusahaan; 9. Jasa-Jasa Kemasyarakatan

Tenaga kerja juga banyak terkonsentrasi di sektor perdagangan, selama

periode pengamatan 2001-2008 rata-rata berjumlah lebih dari seperlima (21,5

persen) dari total penduduk yang bekerja. Sektor perindustrian menjadi sektor

berikutnya yang banyak menyerap tenaga kerja dengan rata-rata sebanyak 15,9

persen. Sedangkan sektor yang sedikit menyerap tenaga kerja adalah sektor

pertambangan, sektor listrik, gas dan air bersih, dan sektor keuangan. (Tabel 6).

Sementara jika dilihat dari besarnya penduduk yang bekerja, selama tahun

2001-2008 terdapat kecenderungan kenaikan jumlah tenaga kerja di Pulau Jawa.

Jika pada tahun 2001 jumlah tenaga kerja sebesar 58.345.450 orang dengan nilai

rata-rata 507.352 orang, maka pada tahun 2005 jumlah tenaga kerja meningkat

menjadi 60.109.456 dengan rata-rata sebesar 522.691 orang. Tahun 2008 jumlah

tenaga kerja di Pulau Jawa terus mengalami peningkatan menjadi 60.339.089

orang dengan nilai rata-rata sebanyak 524.688 tenaga kerja.

Ditinjau dari jumlah tenaga kerja kabupaten/kota terhadap nilai rata-rata

jumlah tenaga kerja di Pulau Jawa, pada tahun 2001 sebanyak 61 kabupaten/kota

yang memiliki jumlah tenaga kerja di bawah rata-rata jumlah tenaga kerja di

Pulau Jawa, sementara 54 kabupaten/kota sisanya memiliki jumlah tenaga kerja di

atas nilai rata-rata jumlah tenaga kerja di Pulau Jawa. Pada tahun 2005 sebanyak

60 kabupaten/kota yang memiliki jumlah tenaga kerja berada dibawah rata-rata

jumlah tenaga kerja di Pulau Jawa sedangkan 55 kabupaten/kota sisanya memiliki

jumlah tenaga kerja di lebih tinggi dari rata-rata jumlah tenaga kerja di Pulau

Jawa. Sedangkan pada tahun 2008, komposisi tersebut tidak banyak berubah

dengan sebanyak 63 Kabupaten/Kota memiliki jumlah tenaga kerja di bawah rata-

rata jumlah tenaga kerja di Pulau Jawa dan 52 kabupaten/kota lainnya jumlah

tenaga kerjanya lebih besar dari rata-rata jumlah tenaga kerja di Pulau Jawa.


terbawah berdasarkan jumlah tenaga kerja dibanding rata-rata jumlah tenaga

kerja di Pulau Jawa.

Tabel 7. Sepuluh Teratas dan Terbawah Peringkat Jumlah Tenaga KerjaKabupaten/Kota di Pulau Jawa Tahun 2001-2008

2001 2005 2008Pering-

kat Kabupaten/Kota

TenagaKerja

(orang)

Kabupaten/Kota

TenagaKerja

(orang)

Kabupaten/Kota

TenagaKerja

(orang)1 Bandung 1.500.360 Bandung 1.452.378 Bogor 1.470.340

2 Kota Surabaya 1.354.191 Bogor 1.426.408 Tangerang 1.405.901

3 Malang 1.317.093 Malang 1.265.426 Kota Surabaya 1.249.314

4 Bogor 1.283.998 Kota Surabaya 1.253.922 Malang 1.237.577

5 Jember 1.225.429 Jember 1.170.028 Jember 1.183.197

6 Tangerang 1.062.312 Tangerang 1.086.574 Bandung 1.182.854

7 Jakarta Timur 951.900 Jakarta Timur 926.792 Jakarta Timur 1.091.139

8 Pasuruan 895.294 Kota Bandung 889.973 Jakarta Barat 1.013.159

9 Sukabumi 877.028 Banyuwangi 888.715 Jakarta Selatan 979.454

10 Banyuwangi 871.847 Garut 871.919 Kota Bandung 952.752

… ………… ………… ………. ……….. ………. ………..

RATA-RATA TENAGAKERJA PULAU JAWA 507.352 522.691 524.688

Tabel 7. (Lanjutan)2001 2005 2008

Pering-kat Kabupaten/

Kota

TenagaKerja

(orang)

Kabupaten/Kota

TenagaKerja

(orang)

Kabupaten/Kota

TenagaKerja

(orang)… ……….. ……….. ……….. ……….. ……….. ………..

106 Kota Batu 94.149 Kota Sukabumi 85.426 KotaProbolinggo 96.976

107 Kota Pasuruan 84.323 Kota Probolinggo 83.824 Kota Batu 88.555

108 Kota Madiun 77.777 Kota Pasuruan 73.870 Kota Salatiga 78.668

109 Kota Sukabumi 77.114 Kota Madiun 73.407 Kota Pasuruan 76.569

110 Kota Salatiga 66.028 Kota Salatiga 71.292 Kota Madiun 75.180

111 Kota Blitar 61.618 Kota Banjar 59.668 Kota Banjar 66.424

112 Kota Banjar 60.736 Kota Magelang 54.475 Kota Blitar 61.992

113 Kota Mojokerto 55.412 Kota Blitar 53.999 Kota Magelang 56.107

114 Kota Magelang 49.000 Kota Mojokerto 51.126 Kota Mojokerto 53.661

115 Kepulauan Seribu 7.038 Kepulauan Seribu 7.028 Kep. Seribu 6.981Sumber: Data diolah (2011)

Produktivitas Tenaga Kerja

Berdasarkan kedua data yang telah dipaparkan di atas, yaitu dengan

membagi nilai PDRB kabupaten/Kota dengan jumlah tenaga kerja kabupaten/kota

maka diperoleh nilai produktivitas tenaga kerja kabupaten/Kota. Berdasarkan

ketersediaan data, produktivitas tenaga kerja dapat dihitung secara rinci untuk

masing-masing sektor di setiap Kabupaten/Kota pada setiap tahun, yaitu tahun

2001 sampai dengan 2008.

Secara agregat produktivitas tenaga kerja Pulau Jawa cenderung meningkat.

Pada tahun 2001 rata-rata seorang tenaga kerja menghasilkan output sebesar Rp.

13,49 juta rupiah per tahun dan pada tahun 2008 meningkat menjadi Rp. 19,31

juta rupiah per tahun (Gambar 6).

Sementara secara sektoral, sektor Keuangan merupakan sektor dengan

produktivitas tenaga kerja terbesar. Setiap tenaga kerja sektor keuangan secara

rata-rata menghasilkan Rp. 119,6 juta rupiah/tahun, disusul dengan sektor Listrik,

Gas dan Air Bersih/LGA (Rp. 97,48 juta rupiah/tenaga kerja/tahun), sektor

Industri Pengolahan (30,65 juta rupiah/tenaga kerja/tahun). Perhatian perlu

diberikan kepada sektor LGA karena beberapa Kabupaten/Kota tidak memiliki

tenaga kerja di sektor ini. Hal tersebut dapat terjadi karena berkaitan dengan

masalah kesulitan klasifikasi jenis perkejaan ataupun karena sektor ini memang

hemat tenaga kerja.

Gambar 6. Perkembangan Produktivitas Tenaga Kerja Pulau Jawa Tahun 2001 -2008

Sektor pertanian merupakan sektor dengan tingkat produktivitas tenaga

kerja terendah, rata-rata setiap tenaga kerja menghasilkan output Rp. 5,43 juta

rupiah/tahun (Tabel 8). Sedangkan di sektor pertambangan rata-rata setiap tenaga

kerja memberikan output sebesar Rp. 18,44 juta rupiah/tahun. Perlu diingat bahwa

PDRB yang digunakan pada analisis ini adalah PDRB tanpa migas sehingga

produktivitas tenaga kerja sektor pertambangan hanya mencakup PDRB dari sub-

sektor Pertambangan tanpa migas dan Penggalian, tidak termasuk dari sub-sektor

Migas.

Tabel 8. Rata-rata Produktivitas Tenaga Kerja Menurut lapangan Usaha Tahun2001 - 2008

Sektor/Lapangan Usaha Produktivitas Tenaga Kerja(Juta Rp/TK/Tahun)

Pertanian, Peternakan, Kehutanan, danPerikanan 5,43

Pertambangan 18,44Industri Pengolahan 30,65Listrik, Gas dan Air Bersih 97,48Bangunan 18,17Perdagangan, Hotel, dan Restoran 17,65Pengangkutan dan Komunikasi 17,55Keuangan, Persewaan, dan Jasa Perusahaan 119,60

Jasa-Jasa 12,29Sumber: Data diolah (2011)

Rendahnya produktivitas di sektor pertanian menjadi salah satu indikasi

terjadi masalah dalam transformasi ketenagakerjaan. Seharusnya ketika

permintaan tenaga kerja di sektor pertanian telah lebih rendah dibanding dengan

penawarannya maka kelebihan penawan tenaga kerja tersebut diserap oleh sektor-

sektor lainnya. Kenyataannya terdapat hambatan (barrier) yang menghalangi

perpindahan tenaga kerja yang bekerja di sektor pertanian ke sektor lainnya,

misalnya pengetahuan dan ketrampilan tertentu yang harus dimiliki tenaga kerja.

Kondisi sektor pertanian yang over supply jumlah tenaga kerja tersebut

merupakan penjelas tertekannya produktivitas sektor pertanian pada tingkat yang

rendah.


terbawah berdasarkan nilai produktivitas tenaga kerja pada tahun 2001, 2005 dan

2008. Secara umum tidak terdapat perubahan yang berarti pada peringkat

kabupaten/kota di Pulau Jawa.

Tabel 9. Sepuluh Teratas dan Terbawah Peringkat Produktivitas Tenaga KerjaKabupaten/Kota Berdasarkan Perbandingan Terhadap ProduktivitasTenaga Kerja Pulau Jawa, 2001-2008

2001 2005 2008Pering-

kat Kabupaten/Kota

Produktivitas(Juta Rp/TK/

Tahun)

Kabupaten/Kota


Tahun)

Kabupaten/Kota


Tahun)1 Jakarta Pusat 174,30 Jakarta Pusat 204,39 Jakarta Pusat 215,122 Kota Kediri 143,73 Kota Kediri 147,10 Kota Kediri 178,643 Jakarta Utara 80,06 Jakarta Utara 91,13 Jakarta Utara 98,264 Jakarta Selatan 72,89 Jakarta Selatan 86,12 Kota Cilegon 86,825 Kota Cilegon 67,76 Kota Cilegon 78,67 Jakarta Selatan 80,656 Bekasi 48,94 Bekasi 56,53 Kota Tangerang 69,607 Jakarta Barat 45,09 Jakarta Timur 54,10 Kota Surabaya 63,898 Jakarta Timur 43,59 Jakarta Barat 52,50 Bekasi 57,709 Kota Surabaya 39,52 Kota Cirebon 46,07 Jakarta Timur 55,10

10 Kota Cirebon 39,01 Kota Surabaya 46,03 Jakarta Barat 52,05… ……….. ……….. ……….. ……….. ……….. ………..

PRODUKTIVITASPULAU JAWA 13,49 16,28 19,31

… ……….. ……….. ……….. ……….. ……….. ………..106 Tegal 3,81 Trenggalek 4,67 Pemalang 5,54107 Wonogiri 3,78 Pemalang 4,63 Trenggalek 5,49108 Trenggalek 3,78 Wonogiri 4,61 Wonogiri 5,03109 Wonosobo 3,62 Tegal 4,45 Kebumen 4,88110 Pasuruan 3,59 Bondowoso 4,23 Pekalongan 4,58111 Blora 3,53 Wonosobo 3,93 Wonosobo 4,57112 Bondowoso 3,46 Pamekasan 3,88 Pamekasan 4,39

113 Grobogan 3,33 Blora 3,86 Blora 4,33114 Pamekasan 3,25 Grobogan 3,69 Grobogan 4,09115 Pacitan 2,80 Pacitan 3,58 Pacitan 3,81

Sumber: Data diolah (2011)

Perbedaan Produktivitas Tenaga Kerja Antar Kabupaten/Kota

Perbedaan produktivitas tenaga kerja adalah selisih antara produktivitas

tenaga kerja suatu kabupaten/kota dengan produktivitas tenaga kerja Pulau Jawa.

kabupaten/kota yang memiliki produktivitas tenaga kerja lebih besar dibanding

produktivitas tenaga kerja Pulau Jawa akan memiliki nilai perbedaan yang positif.

Sebaliknya untuk kabupaten/kota dengan produktivitas tenaga kerja lebih kecil

dari produktivitas Pulau Jawa maka perbedaan produktivitasnya akan bertanda

negatif. Semakin besar nilai perbedaan produktivitas tenaga kerja menunjukkan

kabupaten/kota tersebut memiliki produktivitas tenaga kerja yang semakin tinggi.

Hasil perhitungan perbedaan produktivitas tenaga kerja kabupaten/kota di

Pulau Jawa tahun 2001 sampai dengan 2008 dapat diringkas sebagaimana

disajikan pada Tabel 10.

Tabel 10. Ringkasan Nilai Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kotadi Pulau Jawa, 2001-2008

Tahun Rata-rata Standar Deviasi Nilai Maximum NilaiMinimum

2001 1,02 23,63 160,81 -10,702002 0,96 25,38 168,86 -13,072003 0,91 26,43 169,87 -12,222004 0,52 26,90 177,73 -13,322005 0,67 26,68 188,12 -12,692006 0,64 28,14 197,53 -13,512007 3,11 42,76 343,00 -14,902008 -0,21 29,39 195,81 -15,50


Rata-rata perbedaan produktivitas tenaga kerja kabupaten/kota di Pulau

Jawa pada tahun 2001 sebesar 1,022 dengan standar deviasi 21,59. Dibandingkan

dengan data tahun 2008 tidak didapatkan perbedaan yang signifikan. Meskipun

demikian terdapat kecenderungan penurunan pada rata-rata produktivitas tenaga

kerja menjadi -0,21, sedangkan nilai deviasi standar cenderung meningkat dan

pada tahun 2008 menjadi 29,39 yang mengindikasikan peningkatan perbedaan

produktivitas tenaga kerja antar kabupaten/kota yang semakin senjang.

Persebaran tingkat produktivitas tenaga kerja tersebut dapat dipetakan

berdasarkan nilai rata-rata dan standar deviasinya (Gambar 7).

Gambar 7. Persebaran Kabupaten/Kota Berdasarkan Nilai Rata-rata dan Standar Deviasi Perbedaan Produktivitas Tenaga Kerja Tahun

2008

2001

2001 dan 2008

Tahun 2001 sebanyak 89 kabupaten/kota memiliki nilai perbedaan

produktivitas tenaga kerja di bawah rata-rata dan 26 kabupaten/kota berada di atas

rata-rata. Sedangkan pada tahun 2008 sebanyak 90 kabupaten/kota memiliki nilai

perbedaan produktivitas tenaga kerja di bawah rata-rata dan 25 kabupaten/kota

yang lain berada di atas rata-rata.

Terdapat perbedaan distribusi antara kabupaten/kota yang nilai perbedaan

produktivitas tenaga kerjanya berada di bawah dan di atas rata-rata. Seluruh

kabupaten/kota yang berada di bawah rata-rata, baik berdasarkan data tahun 2001

maupun 2008 memiliki nilai perbedaan produktivitas tenaga kerja antara rata-rata

dikurangi dengan standar deviasi.

Hasil perhitungan tahun 2001 pada kabupaten/kota yang memiliki nilai

perbedaan produktivitas di atas rata-rata meskipun hanya berjumlah 26, memiliki

nilai yang lebih tersebar. Sebanyak 16 kabupaten/kota memiliki nilai perbedaan

produktivitas tenaga kerja sebesar nilai rata-rata ditambah dengan deviasi standar.

Sebanyak 5 kabupaten/kota memiliki nilai yang lebih tinggi yaitu nilai rata-rata

ditambah dengan dua kali standar deviasi, sedangkan 5 kabupaten/kota yang

memiliki nilai perbedaan produktivitas tenaga kerja lebih tinggi berada pada nilai

rata-rata ditambah dengan tiga kali standar deviasi.

Data tahun 2008 menghasilkan 25 kabupaten/kota yang memiliki nilai

perbedaan produktivitas tenaga kerja di atas rata-rata. Kabupaten/kota yang

memiliki nilai perbedaan produktivitas tenaga kerja sebesar nilai rata-rata

ditambah dengan deviasi standar sebanyak 15. Sedangkan 5 kabupaten/kota

memiliki nilai yang lebih tinggi yaitu nilai rata-rata ditambah dengan dua kali

standar deviasi, dan 5 kabupaten/kota sisanya memiliki perbedaan produktivtas

tenaga kerja sebesar nilai rata-rata ditambah dengan tiga kali standar deviasi.

Jakarta Pusat merupakan wilayah yang memiliki selisih perbedaan

produktivitas tenaga kerja yang tertinggi dibanding produktivitas tenaga kerja

Pulau Jawa. Produktivitas tenaga kerja Jakarta Pusat pada tahun 2008 sebesar Rp.

215,12 juta rupiah /tahun sementara produktivitas tenaga kerja Pulau Jawa Rp.

19,31 juta rupiah/tahun sehingga perbedaanya sebesar Rp. 195,81 juta

rupiah/tahun. Kabupaten Pacitan dengan nilai produktivitas tenaga kerja terendah

menempati posisi paling bawah karena memiliki selisih negatif terbesar dengan

produktivitas tenaga kerja Pulau Jawa.

Nilai dan peringkat perbedaan produktivitas tenaga kerja kabupaten/kota

dengan produktivitas tenaga kerja Pulau Jawa selama tahun 2001 sampai dengan

tahun 2008 selengkapnya dapat dilihat pada Lampiran 2.

Pengujian perbedaan peringkat selama tahun 2001 sampai dengan tahun

2008 dapat dilakukan dengan melakukan uji keselarasan Kendall (Kendall

Concordance Test). Ringkasan hasil pengujian dapat dilihat pada Tabel 11.

Tabel 11. Hasil Pengujian Statistik Uji Keselarasan Kendall

N 8Kendall's Wa .975Chi-Square 889.214df 114Asymp. Sig. .000

a. Kendall's Coefficient of ConcordanceSumber : Data diolah (2011)

Berdasarkan nilai probabilitas, yaitu nilai asymp. Sig (asymptotic

significant) yang hasilnya < 0,05 maka dapat disimpulkan bahwa hipotesis yang

menyatakan terdapat perbedaan ditolak, sehingga kesimpulannya tidak terdapat

perbedaan di antara peringkat kabupaten/kota dari tahun 2001 sampai 2008.

Berdasarkan koofisien konkordansi Kendall sebesar 0,975 berarti tingkat

keselarasannya sangat tinggi atau peringkat kabupaten/kota berdasarkan nilai

perbedaan produktivitas tenaga kerja antar tahun tidak banyak mengalami

perubahan.

Perhitungan Komponen Shift share

Nilai perbedaan produktivitas tenaga kerja kabupaten/kota dapat

didekomposisi atau diuraikan menjadi tiga komponen, yaitu industrial mix,

productivity different dan allocative. Komponen-komponen tersebut dapat

digunakan untuk mengidentifikasi sumber perbedaan produktivitas tenaga kerja

dikarenakan perbedaan alokasi tenaga kerja atau perbedaan produktivitas sektoral

antar kabupaten/kota. Hasil perhitungan masing-masing komponen tersebut

dipaparkan pada bagian selanjutnya.

Komponen Industrial Mix

Komponen industrial mix menggambarkan senjang produktivitas tenaga

kerja yang disebabkan oleh perbedaan konsentrasi tenaga kerja di masing-masing

kabupaten/kota terkait dengan produktivitas tenaga kerja di wilayah yang lebih

luas (Pulau Jawa). Nilai komponen industrial mix akan tinggi jika terjadi

konsentrasi tenaga kerja di suatu kabupaten/kota (Pji > Pj

Jawa) pada sektor yang

memiliki produktivitas agregat yang tinggi. Sebaliknya jika terjadi konsentrasi

yang rendah (Pji < Pj

Jawa) pada sektor yang memiliki produktivitas tenaga kerja

Pulau Jawa yang tinggi, maka nilai komponen industrial mix kabupaten/kota

tersebut akan rendah.

Ringkasan hasil perhitungan komponen industrial mix yang menunjukkan

peringkat masing-masing kabupaten/kota ditunjukkan pada Tabel 12.

Tabel 12. Peringkat Sepuluh Teratas dan Terbawah Berdasarkan Nilai KomponenIndustrial Mix (μ = Σ(Pij - Pjawa) * Xj.jawa) Tahun 2001 – 2008

2001 2005 2008Pering-

Kat Kabupaten/Kota μ Kabupaten/

Kota μ Kabupaten/Kota μ

1 Kota Cirebon 20,72 Kota Depok 11,71 Jakarta Selatan 10,96

2 Kota Bekasi 18,32 Jakarta Selatan 10,03 Kota Depok 10,66

3 Kota Depok 18,09 Kota Tangerang 9,88 Kota Tangerang 10,24

4 Kota Bandung 17,82 Kota Bogor 8,98 Jakarta Timur 9,90

5 Kota Bogor 16,34 Tangerang 8,75 Kota Surabaya 9,90

6 Kota Sukabumi 15,90 Kota Bandung 8,50 Jakarta Barat 9,30

7 Kota Tangerang 8,33 Kota Cimahi 8,45 Jakarta Pusat 9,15

8 Kota Cimahi 7,86 Jakarta Barat 8,29 Kota Bekasi 9,02

9 Jakarta Timur 7,72 Kota Bekasi 8,13 Kota Cilegon 8,81

10 Jakarta Selatan 7,71 Jakarta Pusat 8,01 Sidoarjo 8,81

….. ….. ….. ….. ….. ….. …..

106 Ngawi -4,82 Sumenep -5,64 Kuningan -6,46

107 Lebak -5,05 Bondowoso -5,72 Cianjur -6,51

108 Temanggung -5,34 Probolinggo -5,76 Subang -6,60

Tabel 12. (Lanjutan)

2001 2005 2008Pering-Kat Kabupaten/

Kota μ Kabupaten/Kota μ Kabupaten/

Kota μ

109 Grobogan -5,47 Bangkalan -5,79 Grobogan -6,63

110 Ponorogo -5,58 Blora -6,09 Wonogiri -6,71

111 Pacitan -5,59 Pamekasan -6,12 Blora -6,79

112 Pamekasan -5,64 Kepulauan Seribu -6,31 Gunung Kidul -6,99

113 Gunung Kidul -5,65 Pacitan -6,36 Ngawi -7,25

114 Blora -5,95 Ngawi -6,79 Sampang -7,37

115 Sampang -6,45 Sampang -7,97 Pamekasan -9,47Sumber: Data diolah (2011)

Fenomena perbedaan nilai industrial mix di atas dapat dipahami lebih lanjut

dengan membandingkan struktur ketenagakerjaan antar kabupaten/kota. Sebagai

contoh dibandingkan antara Jakarta Selatan dan Kabupaten Pamekasan yang

masing-masing merupakan wilayah dengan nilai komponen industrial mix

tertinggi dan terendah. (Tabel 13).

Tabel 13. Perbandingan Konsentrasi Tenaga Kerja di Jakarta Selatan danKabupaten Pamekasan Tahun 2008 (dalam persen)

Tenaga Kerja(Persen)Sektor

JakartaSelatan

KabupatenPamekasan

Produktivitas TKPulau Jawa

(juta Rp/orang/tahun)

Keuangan 10,47 0,08 116,18Listrik, Gas dan Air 0,35 0,00 96,49Industri Pengolahan 7,58 4,76 40,25Angkutan danKomunikasi 8,91 3,38 21,68Pertambangan 0,68 0,42 19,80Perdagangan 37,98 6,63 19,66Bangunan 5,63 1,53 18,76Jasa-jasa 27,76 6,31 14,72Pertanian 0,65 76,89 5,85


Jakarta Selatan yang memiliki perbedaan produktivitas positif terbesar

dibanding produktivitas tenaga kerja Pulau Jawa memiliki konsentrasi tenaga

kerja pada sektor-sektor yang memiliki tingkat produktivitas tenaga kerja yang

tinggi. Sebaliknya Kabupaten Pamekasan yang memiliki perbedaan negatif

terbesar tenaga kerjanya kurang terkonsentrasi pada sektor-sektor yang memiliki

produktivitas tinggi tetapi justru terkonsentrasi pada sektor yang produktivitasnya

rendah.

Tenaga kerja di Jakarta Selatan pada sektor Keuangan yang memiliki

produktivitas tenaga kerja tertinggi (Rp. 116 juta rupiah/tahun) jauh lebih

terkonsentrasi (10,47 persen) dibanding dengan Kabupaten Pamekasan yang

hanya 0,08 persen pada sektor yang sama. Demikian juga dengan sektor Industri,

sektor Angkutan, sektor Perdagangan dan sektor Jasa yang juga memiliki

produktivitas tenaga kerja tinggi konsentrasi tenaga kerja di Jakarta Selatan relatif

lebih besar disbanding dengan tenaga kerja di Kabupaten Pamekasan. Sebaliknya,

tenaga kerja di Kabupaten Pamekasan sebagian besar (lebih dari 75 persen)

terkonsentrasi di sektor Pertanian yang memiliki produktivitas tenaga kerja

terendah (Rp. 5,8 juta rupiah/tahun).

Gambaran menarik lainnya adalah terkait dengan transformasi tenaga kerja

pada kurun waktu pengamatan. Sebagai contoh adalah Kota Cirebon yang pada

tahun 2001 memiliki nilai komponen industrial mix terbesar (20,72) sehingga

berada pada peringkat pertama, pada tahun 2008 tergeser kedudukannya dan

berada pada peringkat 17 dengan nilai komponen industrial mix sebesar 7,33. Hal

tersebut dapat ditelusuri dari pergesaran konsentrasi tenaga kerja di Kota Cirebon

sebagaimana dapat dilihat pada Tabel 14.

Tabel 14. Perkembangan Struktur Tenaga Kerja di Kota Cirebon pada Tahun2001 dan 2008

2001 2008Sektor Pangsa

(persen)

ProduktivitasPulau Jawa

(JutaRp/orang/tahun)

Pangsa(persen)

ProduktivitasPulau Jawa

(JutaRp/orang/tahun)Pertanian 1,78 4,46 3,62 5,85Pertambangan 0,73 21,20 1,03 19,80Industri Pengolahan 11,94 25,18 3,22 40,25Listrik, Gas dan Air 0,63 110,14 2,27 96,49Bangunan 4,71 17,31 9,06 18,76Perdagangan 37,17 14,04 51,37 19,66Angkutan dan Komunikasi 10,05 13,92 13,80 21,68Keuangan 28,38 78,63 5,56 116,18Jasa-jasa 4,61 11,69 10,07 14,72

Nilai Komponen IndustrialMix 20,72 7,33


Penurunan pangsa tenaga kerja di sektor Keuangan dari tahun 2001 (sebesar

28,38 persen) menjadi 5,56 persen pada tahun 2008, padahal sektor tersebut

memiliki produktivitas tinggi (bahkan pada tahun 2008 menjadi sektor yang

paling produktif) menjadi salah satu penyebab penurunan nilai komponen

industrial mix. Demikian juga pergeseran konsentrasi tenaga kerja yang terjadi di

sektor Industri Pengolahan juga turut menyumbang penurunan nilai komponen

industrial mix di Kota Cirebon. Meskipun terjadi peningkatan konsentrasi tenaga

kerja di sektor perdagangan yang juga mengalami peningkatan produktivitas

tenaga kerja, tetapi kondisi tersebut tidak dapat mengkompensasi penurunan nilai

komponen nilai industrial mix.

Komponen Productivity Differential

Nilai komponen productivity differential menyumbang pada perbedaan

produktivitas tenaga kerja suatu kabupaten/kota dibanding produktivitas tenaga

kerja Pulau Jawa melalui perbedaan produktivitas masing-masing sektor. Suatu

sektor di kabupaten/kota yang memiliki produktivitas tenaga kerja lebih tinggi

dibanding produktivitas tenaga kerja Pulau Jawa di sektor yang sama, akan

memiliki nilai komponen productivity differential yang besar. Sebaliknya jika

produktivitas tenaga kerja suatu kabupaten/kota pada suatu sektor lebih rendah

dari produktivitas tenaga kerja Pulau Jawa untuk sektor tersebut maka nilai

komponen nilai komponen productivity differential juga akan rendah.

Dengan kata lain, komponen ini menggambarkan kondisi spesifik suatu

wilayah yang bersifat kompetitif. Suatu kabupaten/kota memiliki tingkat

produktivitas yang tinggi pada suatu sektor karena mendapat dukungan kebijakan,

sumberdaya manusia dan investasi di sektor tersebut. Oleh karena itu perbedaan

kemampuan SDM, tingkat teknologi, alokasi investasi, ketersediaan infrastruktur,

dan lain-lain dapat menjadi penyebab perbedaan produktivitas sektoral antar

kabupaten/kota di Pulau Jawa.

Hasil perhitungan komponen productivity defferential yang disajikan dalam

bentuk ringkasan sepuluh teratas dan terbawah nilai salah satu komponen shift

share tersebut dapat dilihat pada Tabel 15.

Tabel 15. Peringkat Sepuluh Teratas dan Terbawah Berdasarkan Nilai KomponenProductivity Differential πi = Σj pj

jawa(xji – xj

jawa) Tahun 2001 – 2008


Kota πiKabupaten/

Kota πiKabupaten/

Kota πi

1 Jakarta Pusat 87,88 Jakarta Pusat 101,73 Kota Kediri 102,38

2 Kota Kediri 85,14 Kota Kediri 89,59 Jakarta Pusat 97,41

3 Jakarta Utara 48,10 Jakarta Utara 57,65 Bekasi 89,07

4 Kota Cilegon 33,41 Kota Cilegon 51,16 Kota Cirebon 68,04

5 Jakarta Timur 29,43 Kepulauan Seribu 51,12 Jakarta Utara 59,77

6 Kepulauan Seribu 27,88 Jakarta Selatan 41,63 Kota Cilegon 47,69

7 Jakarta Selatan 27,28 Kota Cirebon 39,36 Jakarta Timur 28,32

8 Kota Cirebon 27,20 Jakarta Timur 29,11 Jakarta Selatan 26,15

9 Bekasi 19,60 Bekasi 21,15 Kota Tangerang 25,45

10 Jakarta Barat 19,38 Jakarta Barat 20,34 Karawang 25,36

….. ………….. ….. ………….. ….. ………... …..

106 Brebes -8,29 Sampang -10,70 Temanggung -12,38

107 Demak -8,31 Demak -10,72 Pacitan -12,64

108 Pacitan -8,37 Grobogan -10,72 Banyumas -12,72

109 Wonogiri -8,67 Purbalingga -10,73 Tegal -12,80

110 Pemalang -8,82 Kebumen -10,74 Pemalang -12,81111 Purbalingga -8,88 Wonosobo -11,17 Grobogan -12,86

112 Pasuruan -8,94 Brebes -11,17 Pekalongan -13,28

113 Wonosobo -8,95 Tegal -11,39 Wonogiri -13,32

114 Tegal -9,49 Blora -11,63 Wonosobo -13,84

115 Bondowoso -9,63 Bondowoso -12,06 Blora -14,14Sumber: Data diolah (2011)

Perbedaan nilai komponen productivity differential di atas dapat dijelaskan

lebih lanjut dengan membandingkan tingkat produktivitas tenaga kerja sektoral di

Kota Kediri dan Kabupaten Blora yang masing-masing pada tahun 2008

merupakan wilayah dengan nilai komponen productivity differential tertinggi dan

terendah. (Tabel 16).

Kota Kediri yang memiliki nilai komponen productivity differential paling

besar mempunyai nilai produktivitas tenaga kerja yang relatif lebih tinggi

dibanding produktivitas tenaga kerja Pulau Jawa kecuali untuk sektor

Pertambangan, sektor LGA, sektor Bangunan, dan sektor Jasa. Sektor-sektor yang

memiliki produktivitas yang tinggi tersebut juga didukung oleh konsentrasi tenaga

kerja yang tinggi juga, misalnya sektor Perdagangan dan sektor Industri.

Sebaliknya di Kabupaten Blora seluruh sektor perekonomian memiliki nilai

produktivitas tenaga kerja yang lebih rendah dibanding produktivitas tenaga kerja

Pulau Jawa, bahkan pada sektor yang banyak menyerap tenaga kerja seperti sektor

Pertanian dan sektor Perdagangan.

Tabel 16. Produktivitas Tenaga Kerja Menurut Lapangan Usaha di Kota Kediridan Kabupaten Blora Tahun 2008

Kota Kediri Kabupaten Blora

Sektor Produk-Tivitas

Perbedaan denganProduktivitas

Jawa

TenagaKerja

Produk-Tivitas

Perbedaan denganProduktivitas

Jawa

TenagaKerja

ProduktivitasPulauJawa

Pertanian 6,06 0,21 7.630 3,84 -2,00 278.500 5,85Pertambangan 3,69 -16,11 472 15,04 -4,76 4.688 19,80Industri 558,27 518,02 26.980 8,47 -31,78 14.947 40,25Listrik, Gas dan Air 58,92 -37,57 932 30,70 -65,78 329 96,49Bangunan 3,07 -15,69 11.247 3,52 -15,25 18.835 18,76Perdagangan 140,40 120,74 41.271 3,85 -15,80 74.793 19,66Angkutan 23,54 1,86 8.438 6,49 -15,19 9.126 21,68Keuangan 320,62 204,44 2.349 27,71 -88,47 5.140 116,18Jasa-jasa 10,28 -4,45 24.966 2,85 -11,87 51.144 14,72Sumber: Data diolah (2011)

Keterangan:Produktivitas : Juta Rp/Orang/TahunPerbedaan dengan produktivitas jawa : Juta Rp/Orang/TahunTenaga kerja : Orang

Komponen Allocative

Komponen allocative merupakan gabungan kedua komponen sebelumnya,

yaitu nilai yang menyebabkan perbedaan produktivitas tenaga kerja suatu

kabupaten/kota dibanding wilayah yang lebih luas (produktivitas tenaga kerja

Pulau Jawa) baik yang disebabkan oleh perbedaan produktivitas tenaga kerja

sektoral maupun alokasi tenaga kerja secara sektoral.

Oleh karena itu nilai komponen allocative ditentukan oleh kemampuan

suatu wilayah untuk mentransformasi tenaga kerja dari sektor dengan

produktivitas rendah ke sektor yang memiliki produktivitas tenaga kerja yang

lebih tinggi.

Bentuk ringkas peringkat sepuluh teratas dan terbawah kabupaten/kota

berdasarkan komponen allocative dapat dilihat pada Tabel 17. Sedangkan

selengkapnya nilai dan peringkat kabupaten/kota berdasarkan komponen

allocative selama tahun 2001 sampai dengan tahun 2008 dapat dilihat pada

Lampiran 5.

Tabel 17. Peringkat Sepuluh Teratas dan Sepuluh Terbawah Berdasarkan NilaiKomponen Allocative αi = Σj(xji – xjjawa)(pji – pjjawa) Tahun 2001,2005 dan 2008


Kota αiKabupaten/

Kota αiKabupaten/

Kota αi

1 Jakarta Pusat 66,05 Jakarta Pusat 78,37 Jakarta Pusat 89,262 Kota Kediri 40,75 Kota Kediri 36,20 Kota Kediri 51,513 Jakarta Selatan 24,41 Jakarta Selatan 18,19 Jakarta Selatan 24,244 Kota Cilegon 16,36 Bekasi 13,33 Kota Tangerang 14,615 Jakarta Utara 13,25 Jakarta Utara 10,98 Kota Cilegon 11,026 Bekasi 12,16 Jakarta Barat 7,59 Jakarta Utara 10,477 Jakarta Barat 6,51 Sampang 6,91 Kota Surabaya 9,448 Kota Surabaya 5,57 Bondowoso 5,36 Blora 5,959 Sampang 3,78 Blora 5,29 Wonogiri 5,75

10 Kota Cimahi 3,66 Kota Surabaya 4,39 Garut 4,72….. ………… …… ………… …… ………… ……106 Jakarta Timur -7,05 Kota Pasuruan -5,70 Purwakarta -12,26107 Kota Magelang -8,30 Kota Magelang -6,63 Kota Bogor -13,05108 Kepulauan Seribu -14,97 Jepara -7,96 Bogor -13,23109 Kota Bogor -15,29 Kota Bekasi -8,15 Kota Depok -14,37110 Kota Bandung -17,61 Lebak -8,42 Kota Bekasi -18,42111 Kota Bekasi -18,71 Tangerang -9,89 Karawang -18,85112 Kota Pekalongan -18,73 Kota Cirebon -13,01 Subang -22,07113 Kota Depok -19,19 Kota Depok -14,20 Kepulauan Seribu -22,08114 Kota Cirebon -22,40 Kota Pekalongan -18,60 Kota Cirebon -49,01115 Kota Sukabumi -30,55 Kepulauan Seribu -42,14 Bekasi -50,21

Sumber: Data diolah

Lampiran 6.a. sampai dengan 6.h. menyajikan hasil perhitungan perbedaan

produktivitas tenaga kerja dan kontribusi masing-masing komponen analisis shift

share (yi – yJAWA = μi + πi + αi) dari tahun 2001 sampai dengan tahun 2008.

Pola Spasial Perbedaan Produktivitas Tenaga Kerja

Matrik Kontiguitas Spasial

Perbedaan produktifitas tenaga kerja antara suatu kabupaten/kota dengan

produktivitas tenaga kerja Pulau Jawa perlu dilihat lebih lanjut secara spasial.

Fokus pembahasan akan diarahkan pada meneliti apakah terdapat pengelompokan

kabupaten/kota berdasarkan pada nilai produktivitas tenaga kerja maupun

komponen shift share yang merupakan penyusun nilai produktifitas tenaga kerja.

Untuk keperluan tersebut maka perlu dibangun suatu model keterkaitan

spasial di antara kabupaten-kabupaten/kota-kota di Pulau Jawa dengan

menggunakan spatial weight matrix (matrik W). Sesuai dengan fokus pembahasan

untuk melihat pola pengelompokan , maka digunakan pendekatan ketetanggaan

sebagai matrik W. Artinya keterkaitan spasial diasumsikan terjadi pada kabupaten-

kabupaten/kota-kota yang berbatasan dan berdekatan.

Secara umum tidak ada hambatan mobilitas antar kabupaten/kota yang

bertetangga dan diasumsikan interaksi tidak hanya terjadi antar kabupaten/kota

yang berbatasan langsung tetapi juga pada beberapa kabupaten/kota lainnya yang

menjadi tetangga dari kabupaten/kota yang berbatasan langsung. Oleh karena itu

matrik W yang digunakan untuk keperluan analisis spasial pada penelitian ini

adalah queen contiguity orde 4.

Pemilihan orde 4 juga dapat mengatasi masalah ketetanggan pada sebuah

kabupaten/kota yang berlokasi di dalam kabupaten/kota lainnya. Kota Bogor

misalnya, jika menggunakan orde 1 maka hanya bertetangga dengan Kabupaten

Bogor saja tetapi dengan menggunakan orde 4 akan bertetangga dengan 22

kabupaten/kota lainnya.

Perlakuan khusus perlu diberikan untuk Kepulauan Seribu di Provinsi DKI

Jakarta dan Kabupaten Bangkalan, Sampang, Pamekasan, dan Sumenep di

Provinsi Jawa Timur karena wilayah-wilayah tersebut berada di kepulauan/pulau

yang terpisah dari dataran utama Pulau Jawa. Kepulauan Seribu misalnya, Karena

tidak memiliki batas bersama dengan wilayah lain dianggap tidak memiliki

keterkaitan ketetanggaan. Kondisi tersebut dikoreksi dengan menganggap ada

ketetanggaan dengan wilayah-wilayah administratif lainnya di Provinsi DKI

Jakarta, sehingga Kepulauan Seribu yang semula tidak memiliki tetangga menjadi

memiliki 5 (lima) tetangga.

Sedangkan kabupaten-kabupaten yang berada di Pulau Madura semula

dikonstruksikan hanya bertetangga dengan sesama kabupaten lain di Pulau

Madura sehingga masing-masing memiliki 3 (tiga) tetangga. Kondisi tersebut juga

dikoreksi dengan menambahkan Kota Surabaya dan Kabupaten Gresik sebagai

wilayah tetangga kabupaten-kabupaten di Pulau Madura sehingga Kabupaten

Bangkalan, Sampang, Pamekasan, dan Sumenep menjadi memiliki 5 (lima)

tetangga.

Pengujian Autokorelasi Spasial

Anselin (2003) mengusulkan beberapa langkah untuk menguji keberadaan

pengelompokan spasial atau mengidentifikasi keberadaan autokorelasi spasial

(spatial autocorrelation). Langkah pertama adalah dengan menggunakan

perhitungan Moran’s I statistik (Tabel 18).

Tabel 18. Ringkasan Hasil Perhitungan Moran’s I

PerbedaanProduktivitas

Model KomponenIndustrial Mix

Model KomponenProductivityDiffferential

Model KomponenAllocativeTahun

Moran’s-I p-value Moran’s-I p-value Moran’s-I p-value Moran’s-I p-value2001 0,0923 0,010 0,1599 0,001 0,0969 0,009 0,0039 0,2872002 0,0907 0,003 0,1459 0,001 0,0497 0,037 0,0184 0,1292003 0,0899 0,012 0,0140 0,001 0,0811 0,015 0,0158 0,1882004 0,0879 0,006 0,1095 0,002 0,1829 0,002 -0,0808 0,0132005 0,1125 0,012 0,1771 0,001 0,1077 0,030 0,0201 0,1122006 0,1099 0,007 0,1413 0,002 0,1034 0,007 0,0148 0,1232007 0,1236 0,004 0,1856 0,001 0,0986 0,007 0,0592 0,0242008 0,0905 0,009 0,0611 0,044 0,1605 0,001 -0,0102 0,529


Terjadinya autokorelasi spasial dilihat melalui nilai p-value, yaitu Jika p-

value < 0,05 maka secara statistik dugaan terjadi autokorelasi menjadi signifikan

(Anselin, 2010). Pada perhitungan di atas, perbedaan produktivtas tenaga kerja

antar kabupaten/kota, komponen industrial mix, dan komponen productivity

different menunjukkan signifikansi terjadinya autokorelasi, dan hanya komponen

allocatove yang tidak signifikan kecuali pada tahun 2007.

Nilai Moran’s I yang positif menunjukkan terjadinya autokorelasi yang

positif. Dalam penelitian ini, hal tersebut dapat dibaca terdapat kecenderungan

kabupaten-kabupaten/kota-kota dengan tingkat produktivitas tenaga kerja yang

tinggi akan mengelompok dan demikian juga sebaliknya terjadi pengelompokan

di antara kabupaten-kabupaten/kota-kota yang memiliki produktivitas rendah.

Berdasarkan hasil perhitungan Moran’s I maka perbedaan produktivitas

antara kabupaten/kota di Jawa dengan produktivitas Pulau Jawa menunjukkan

sebagian besar berkorelasi spasial secara positif. Demikian juga dengan

komponen industrial mix dan productivity different juga menunjukkan terjadinya

autokorelasi spasial. Sementara pada komponen allocative tidak terdapat

konsistensi hubungan pada beberapa tahun pengamatan.

Klaster Kabupaten/Kota Berdasar Perbedaan Produktivitas Tenaga Kerja

Moran’s I merupakan ukuran global yang belum dapat menunjukkan di

kabupaten-kabupaten/kota-kota mana terjadi klaster. Oleh karena itu, pengujian

diteruskan dengan menggunakan Moran scatterplots (Gambar 8.a. dan 8.b.).

Hasilnya menunjukkan sebagian besar kabupaten/kota berada pada kuadran LL,

yaitu memiliki produktivitas rendah dan dikitari oleh kabupaten/kota tetangga

yang juga memiliki produktivitas rendah. Kondisi tersebut terjadi baik pada tahun

2001 maupun 2008.

Gambar 8.a. Moran Scatter Plot Perbedaan Produktivitas Tenaga KerjaKabupaten/ Kota di Pulau Jawa Tahun 2001

Xi - XJAWA

WX

i- X

JAW

A

WX

i- X

JAW

A

Gambar 8.b. Moran Scatter Plot Perbedaan Produktivitas Tenaga KerjaKabupaten/ Kota di Pulau Jawa Tahun 2008

Meskipun demikian, tidak setiap kabupaten/kota memiliki signifikansi

posisi dalam kuadran Moran scatterplot tersebut. Oleh karena itu perlu dilakukan

pengujian melalui Local Indicator Spatial Analysis (LISA) significant maps. Hasil

penggabungan antara Moran scatterplot dan Moran significant maps adalah LISA

cluster maps yang menggambarkan posisi masing-masing kabupaten/kota.

Berdasarkan LISA cluster maps baik pada tahun 2001 maupun 2008

sebagaimana dapat dilihat pada Gambar 8, terdapat klaster High-High, Low-Low,

High-Low, Low-High maupun kabupaten/kota yang tidak memiliki signifikansi

pengelompokan.

Xi - XJAWA

Gambar 9. Klaster Kabupaten/Kota Berdasarkan Perbedaan Produktivitas Tenaga Kerja

TAHUN 2001

TAHUN 2008

Klaster High-High terjadi pada kabupaten/kota yang memiliki produktivitas

tenaga kerja tinggi di Jakarta dan sekitarnya (High – High). DKI Jakarta sebagai

pusat kegiatan ekonomi mampu menciptakan nilai tambah yang tinggi terutama

berasal dari sektor-sektor yang memiliki produktivitas tenaga kerja sektoral yang

tinggi seperti sektor keuangan, perdagangan dan jasa-jasa.

Tetapi pada wilayah yang sama juga ditemukan outlier yaitu kabupaten-

kabupaten/kota-kota yang justru memiliki produktivitas tenaga kerja rendah

meskipun bertetangga dengan kabupaten/kota yang memiliki produktivitas tenaga

kerja yang tinggi (Low – High).

Pola autokorelasi negatif tersebut dapat dipahami melalui pengertian PDRB

menurut lapangan usaha yang merupakan penjumlahan nilai tambah yang

dihasilkan seluruh kegiatan unit ekonomi di suatu wilayah pada suatu waktu

tertentu. Nilai tambah tersebut terdiri dari upah/gaji. pajak, dan surplus usaha.

Rendahnya produktivitas kota-kota di sekitar DKI Jakarta seperti Kota

Depok, Kota Bekasi dan Kota Bogor dapat dilihat dari distribusi nilai tambah

yang diterima masing-masing wilayah. Penduduk di kota-kota tersebut merupakan

tenaga kerja komuter di Provinsi DKI Jakarta sehingga nilai tambah yang diterima

kota-kota tersebut berasal dari penerimaan upah/gaji. Sementara nilai tambah

yang lebih besar yang berasal dari pajak dan surplus usaha tetap terakumulasi di

kota-kota di Provinsi DKI Jakarta.

Sebagian besar kabupaten/kota di Provinsi Jawa Tengah berada pada klaster

Low – Low, yang artinya memiliki produktivitas tenaga kerja yang rendah dan

berkelompok dengan kabupaten-kabupaten/kota-kota lain yang menjadi tetangga

yang juga memiliki produktivitas rendah. Dengan kata lain terjadi kemerataan

produktivitas tenaga kerja pada tingkat produktivitas tenaga kerja yang rendah.

Kota Semarang dan Kabupaten Kudus merupakan kabupaten/kota outlier di

Provinsi Jawa Tengah, yang justru memiliki rpoduktivitas tenga kerja yang relatif

tinggi dibanding kabupaten/kota disekitarnya (Kuadran High – Low). Sayangnya

kedua wilayah tersebut belum dapat menjadi pusat pertumbuhan yang dapat

memberikan kontribusi peningkatan produktivitas tenaga kerja kabupaten/kota di

sekitarnya.

Pola keterkaitan yang tidak signifikan yang menunjukkan tidak terdapat

pengelompokan nilai perbedaan produktivitas tenaga kerja terjadi di Jawa Barat

maupun Jawa Timur. Kota Surabaya, Kabupaten Sidoarjo, Kabupaten Gresik dan

Kota Kediri di bagian timur Pulau Jawa yang merupakan kabupaten/kota dengan

tingkat perbedaan produktivitas tenaga kerja yang tinggi tidak memiliki

signifikansi klaster dengan kabupaten/kota tetangganya. Hal tersebut

mengindikasikan penyebaran kabupaten/kota yang memiliki perbedaan

produktivitas tenaga kerja yang tinggi tetapi belum cukup signifikan untuk

berperan sebagai pusat-pusat pertumbuhan bagi wilayah di sekitarnya.

Pola interaksi yang menunjukkan terjadinya autokorelasi spasial negatif

(klaster HL dan LH) mengindikasikan interaksi spasial yang tidak sehat. Kondisi

ini sesuai dengan teori yang dikemukan oleh Myrdal yang menunjukkan lemahnya

dampak sebar (spread effect) dibanding dengan dampak balik (backwash effect).

Hal tersebut berarti pusat-pusat pertumbuhan belum dapat memberikan dampak

positif terhadap wilayah di sekitarnya. Sedangkan kabupaten-kabupaten/kota-kota

yang lain tidak menujukan signifikansi pengelompokan.

Model Regresi Spasial Perbedaan Produktivitas Tenaga Kerja

Spesifikasi Model dengan Spasial Data Panel

Permodelan spasial digunakan untuk mengestimasi kontribusi masing-

masing komponen shift share: Industry-Mix Component (μi), Productivity

Differential Component (πi), dan Allocative Component (αi) terhadap perbedaan

produktivitas tenaga kerja kabupaten/kota di Pulau Jawa. Estimasi parameter pada

masing-masing komponen shift share sebagai variabel bebas (independent

variable) akan dilakukan secara terpisah dengan variabel terikat (dependent

variable) sebagai varibael penjelas (explanatory variable) yaitu perbedaan

produktivitas tenaga kerja. Dengan demikian, terdapat 3 (tiga) model persamaan

tunggal (single equation model), yaitu pengaruh komponen industry-mix terhadap

perbedaan produktivitas tenaga kerja, pengaruh komponen productivity

differential terhadap perbedaan produktivitas tenaga kerja, dan pengaruh

komponen allocative terhadap perbedaan produktivitas tenaga kerja.

Permodelan dilakukan dengan menggunakan data panel, yaitu

menggabungkan antara data cross section 115 kabupaten/kota di Pulau Jawa

dengan data time series 8 (delapan) titik tahun dari tahun 2001 sampai dengan

tahun 2008.

Langkah awal dalam pemodelan spasial data panel adalah menguji adanya

efek spasial Fixed Effect dan Random Effect menggunakan uji Likelihood Ratio

(LR). Spesifikasi model ini dimaksudkan untuk dapat menghasilkan persamaan

yang tidak bias sehingga penaksiran pengaruh variabel bebas terhadap variabel

terikat tidak bias. Adapun hipotesis yang digunakan untuk uji Likelihood Ratio

sebagai berikut.

1. SAR Fixed Effect

H0 : Lag model tidak berpengaruh

H1 : Paling tidak ada satu lag model yang berpengaruh

2. SAR Random Effect

H0 : 1 (Lag model tidak berpengaruh)

H1 : 1 (Lag model berpengaruh)

3. SEM Fixed Effect

H0 : Error model tidak berpengaruh

H1 : Paling tidak ada satu error model yang berpengaruh

4. SEM Random Effect

H0 : 1 (Error model tidak berpengaruh)

H1 : 1 (Error model berpengaruh)

Uji likelihood Ratio (LR test) dilakukan pada masing-masing model, yaitu

kontribusi komponen Industry-Mix terhadap perbedaan produktivitas tenaga kerja

kabupaten/kota, kontribusi komponen Productivity Different terhadap perbedaan

produktivitas tenaga kerja kabupaten/kota, dan kontribusi komponen Allocative

terhadap perbedaan produktivitas tenaga kerja kabupaten/kota. Pengujian

hipotesis menggunakan tingkat signifikasi ( ) sebesar 5%. Hasil uji likelihood

Ratio dapat dilihat pada Tabel 19, 20, dan 21.

Tabel 19. Uji Likelihood Ratio Perbedaan Produktivitas Tenaga KerjaKabupaten/Kota di Pulau Jawa: The Industry-Mix Component (μi)

Model Chi-Square DF P-value

SAR Fixed Effect 2566,5592 115 0,000

SAR Random Effect 1892,5523 1 0,000

SEM Fixed Effect 2579,4085 115 0,000

SEM Random Effect 1913,4178 1 0,000Sumber: Data diolah (2011)

Tabel 20. Uji Likelihood Ratio Perbedaan Produktivitas Tenaga Kerja Kabupaten/Kota di Pulau Jawa: The Productivity Differential Component (πi)


SAR Fixed Effect 1168,3821 115 0,000


SEM Fixed Effect 1227,1336 115 0,000


Tabel 21. Uji Likelihood Ratio Perbedaan Produktivitas Tenaga KerjaKabupaten/Kota di Pulau Jawa: The Allocative Component (αi)


SAR Fixed Effect 2324,9766 115 0,000


SEM Fixed Effect 2338,7662 115 0,000


Berdasarkan Tabel 19, 20, dan 21 diketahui nilai p-value untuk setiap model

kurang dari = 5%. Hasil pengujian ini menunjukkan bahwa pengaruh efek

spasial baik fixed effect maupun random effect signifikan pada model SAR

maupun SEM. Oleh karena belum dapat ditentukan model yang paling sesuai

maka perlu dilakukan uji Hausman untuk menentukan apakah model tersebut

termasuk model fixed effect atau random effect.

Hipotesis yang digunakan dalam uji Hausman sebagai berikut.

H0 : 0h (random effect)

H1 : 0h (fixed effect)

Hasil uji Hausman dapat dilihat pada Tabel 22, 23, dan 24 berikut ini.

Tabel 22. Uji Hausman Perbedaan Produktivitas Tenaga Kerja untuk Industry-MixComponent (μi)

Model Chi-Square DF P-valueSAR Fixed EffectSAR RandomEffect

29,6942 2 0,000

SEM Fixed EffectSEM RandomEffect

40,8053 2 0,000


Tabel 23. Uji Hausman Perbedaan Produktivitas Tenaga Kerja untuk ProductivityDifferential Component (πi)


876,5984 2 0,000


127,6984 2 0,000


Tabel 24. Uji Hausman Perbedaan Produktivitas Tenaga Kerja untuk AllocativeComponent (αi)


15,4034 2 0,0005


6,5328 2 0,0381


Hasil p-value Tabel 22, 23, dan 24 setiap model SAR dan SEM

menunjukkan nilai kurang dari 5%, sehingga model efek spasial yang terbentuk

adalah fixed effect. Dengan demikian terdapat dua kemungkinan untuk model

perbedaan produktivitas dengan masing-maisng variabel penjelas yang ada yaitu

model SAR fixed effect dan SEM fixed effect.

Pemilihan model terbaik (goodness of fit) adalah dengan menggunakan

kriteria R2 dan Corr2. Nilai kedua kriteria R2 dan Corr2 untuk semua kemungkinan

model dapat dilihat pada Tabel 25, 26, dan 27.

Tabel 25. Nilai R2dan Corr2 Perbedaan Produktivitas Tenaga Kerja denganThe Industry-Mix Component (μi)

Model R2 Corr2

SAR Fixed Effect 0,9557 0,0514

SEM Fixed Effect 0,9517 0,0502Sumber: Data diolah (2011)

Tabel 26. Nilai R2dan Corr2 Perbedaan Produktivitas Tenaga Kerja denganThe Productivity Differential Component (πi)

Model R2 Corr2



Tabel 27. Nilai R2 dan Corr2 Perbedaan Produktivitas Tenaga Kerja dengan The Allocative Component (αi)

Model R2 Corr2



Tabel 25, 26, dan 27 menunjukkan pemilihan model terbaik antara SAR dan

SEM dengan fixed effect spatial. Kriteria terbaik adalah memilih model yang

memiliki nilai R2 terbesar dan Corr2 terkecil sehingga didapat selisih keduanya

yng paling besar.

Hasil perhitungan dapat disimpulkan bahwa untuk masing-masing variabel

penjelas the Industry-Mix Component (μi) dan the Productivity Differential

Component (πi) model terbaik yang didapatkan adalah SAR fixed effect.

Sementara untuk variabel penjelas the Allocative Component (αi) model

terbaiknya adalah SEM fixed effect.

Permodelan Perbedaan Produktivitas Tenaga Kerja denganFixed Effect Spasial

Permodelan perbedaan produktivitas tenaga kerja pada masing-masing

untuk setiap variabel prediktor dengan fixed effect spatial terdiri dari Spatial Lag

Model (SAR) dan Spatial Error Model (SEM).

Spatial Lag Model

Pada Spatial Lag Model akan dilakukan uji parsial dengan statistik uji t

untuk melihat pengaruh masing-masing variabel prediktor yang ada di setiap

model terhadap variabel respon. Adapun hipotesis yang digunakan sebagai

berikut.

H0 : 0i

H1 : 0i , i = 1,2,…,n

Hasil pengujiannya dapat dilihat pada Tabel 28 berikut.

Tabel 28. Hasil Pengujian Koefisien Parameter Spatial Lag Model

Variabel KoefisienParameter thit p-value

The Industry-Mix Componentμi 0,9263 6,772 0,000δ 0,4449 8,0052 0,000

The Productivity Differential Componentπi 0,735 24,6678 0,000δ 0,3489 7,0739 0,000

The Allocative Componentαi 0,6631 18,798 0,000δ 0,3469 6,2836 0,000


Pada Tabel 28 yang menyajikan hasil pengujian koefisien parameter secara

parsial diketahui bahwa nilai p-value variabel untuk masing-masing model kurang

dari sehingga keputusannya adalah tolak H0 yang artinya masing-masing

variabel prediktor The Industry-Mix Component, The Productivity Differential

Component, The Allocative Component berpengaruh signifikan terhadap

perbedaan produktivitas tenaga kerja. Dengan demikian masing-masing model

fixed effect spatial lag yang terbentuk adalah sebagai berikut.

iit

n

1iijijit εμ0,9263yW0,4449y

iit

n

1iijijit επ0,735yW0,3489y

iit

n

1iijijit εα0,6631yW0,3469y

Koefisien spasial lag menunjukkan besarnya interaksi pada indeks

perbedaan produktivitas tenaga kerja kabupaten/kota sepulau jawa. Besarnya

interaksi antar variabel respon sepulau jawa untuk masing-masing model sebesar

0,4449; 0,3489; 0,3469 sehingga indeks perbedaan produktivitas tenaga kerja di

setiap kabupaten/kota akan dipengaruhi oleh indeks perbedaan produktivitas

tenaga kerja kabupaten/kota tetangga.

Untuk masing-masing variabel prediktor The Industry-Mix Component, The

Productivity Differential Component, dan The Allocative Component memiliki

tingkat elastisitas yang berbeda yaitu masing-masing 0,9263; 0,735; dan 0,6631.

Hal ini berarti bahwa setiap kenaikan The Industry-Mix Component, The

Productivity Differential Component, dan The Allocative Component sebesar 1%

akan berdampak pada kenaikan perbedaan tingkat produktivitas tenaga kerja

masing-masing sebesar 0,4449%; 0,3489%; dan 0,3469%.

Adapun untuk nilai R2 dan corr2 untuk masing-masing model dapat dilihat

pada Tabel 24, 25, dan 26. Sehingga persentase keragaman yang mampu

dijelaskan oleh SAR spatial fixed effect masing-masing sebesar 90,43%; 56,39%;

dan 65,54%.

Spatial Error Model

Seperti halnya Spatial Lag Model, pada Spatial Error Model juga akan

dilakukan uji parsial dengan statistik uji t untuk melihat pengaruh masing-masing

variabel prediktor yang ada di setiap model terhadap variabel respon. Adapun

hipotesis yang digunakan sebagai berikut.

H0 : 0i

H1 : 0i , i = 1,2,…,n

Tabel 29. Hasil Pengujian Koefisien Parameter Spatial Error Model

Variabel KoefisienParameter thit p-value

The Industry-Mix Componentμi 0,9335 6,6911 0,000φ 0,4549 8,0852 0,000

The Productivity Differential Componentπi 0,7405 24,8964 0,000φ 0,4389 7,6051 0,000

The Allocative Componentαi 0,6617 18,4755 0,000φ 0,3509 5,3637 0,000


Tabel 29 yang merupakan hasil pengujian koefisien parameter Spatial Error

Model secara parsial. Hasilnya menunjukkan bahwa nilai p-value variabel untuk

masing-masing model kurang dari sehingga keputusannya adalah tolak H0 yang

artinya masing-masing variabel prediktor, yaitu the Industry-Mix Component, the

Productivity Differential Component, dan the Allocative Component berpengaruh

signifikan terhadap perbedaan produktivitas tenaga kerja kabupaten/kota di Pulau

Jawa. Dengan demikian masing-masing model fixed effect spatial error yang

terbentuk adalah sebagai berikut.

n

1iijtijitit εφW0,4549μ0,9335y

n

1iijtijitit εφW0,4389π0,7405y

n

1iijtijitit εφW0,3509α0,6617y

Koefisien spasial error ρ menunjukkan besarnya interaksi spasial pada

perbedaan produktivitas tenaga kerja kabupaten/kota di Pulau Jawa. Besarnya

interaksi antar variabel respon kabupaten/kota di Pulau Jawa untuk masing-

masing model sebesar 0,4549; 0,4389; 0,3509 yang menunjukkan perbedaan

produktivitas tenaga kerja di setiap kabupaten/kota yang dipengaruhi oleh

perbedaan produktivitas tenaga kerja kabupaten/kota tetangga.

Masing-masing variabel penjelas the Industry-Mix Component, the

Productivity Differential Component, dan the Allocative Component memiliki

tingkat elastisitas yang berbeda yaitu masing-masing 0,9335; 0,7405; dan 0,6617.

Hal ini berarti bahwa setiap kenaikan the Industry-Mix Component, the

Productivity Differential Component, dan the Allocative Component sebesar 1%

akan berdampak pada kenaikan perbedaan tingkat produktivitas tenaga kerja

masing-masing sebesar 0,4549%; 0,4389%; dan 0,3509%.

Adapun untuk nilai R2 dan corr2 untuk masing-masing model dapat dilihat

pada Tabel 25; 26; dan 27. Sehingga persentase keragaman yang mampu

dijelaskan oleh SEM spatial fixed effect masing-masing sebesar 90,15%; 56,13%;

dan 67%.

Sebagaimana telah dijelaskan sebelumnya, model yang paling sesuai untuk

masing-masing komponen shift share adalah sebagai berikut. Estimasi pengaruh

atau kontribusi komponen industry mix terhadap perbedaan produktivitas tenaga

kerja menggunakan model SAR fixed effect, sehingga diperoleh persamaan:

iit

n

1iijijit εμ0,9263yW0,4449y

Persamaan tersebut menunjukan jika suatu kabupaten/kota mampu

melakukan transformasi ketenagakerjaan dalam arti “memindahkan” tenaga kerja

dari sektor yang kurang produktif ke sektor yang lebih produktif maka akan dapat

meningkatkan produktivitas tenaga kerja di kabupaten/kota tersebut. Peningkatan

komponen industry mix sebesar 1 juta rupiah/orang/tahun akan meningkatan

perbedaan produktivitas tenaga kerja kabupaten/kota dengan produktivitas tenaga

kerja Pulau Jawa sebesar 0,93 juta rupiah/orang/tahun. Sedangkan signifikansi

pada variabel interaksi spasial menunjukan bahwa peningkatan atau penurunan

produktivitas tenaga kerja suatu kabupaten/kota juga dipengaruhi oleh kenaikan

atau penurunan alokasi tenaga kerja di kabupaten-kabupaten/kota-kota di

sekitarnya yang menjadi tetangga.

Sementara untuk pengaruh komponen productivity differential, persamaan

yang terbentuk dapat dituliskan sebagai:

iit

n

1iijijit επ0,735yW0,3489y

Persamaan tersebut juga menunjukan hubungan positif antara komponen

productivity differential dengan perbedaan produktivitas tenaga kerja

kabupaten/kota. Artinya, suatu kabupaten/kota dapat meningkatkan produktivitas

tenaga kerja wilayahnya dengan meningkatkan produktivitas tenaga kerja secara

sektoral sehingga dapat lebih tinggi dibanding produktivitas tenaga kerja Pulau

Jawa di sektor yang sama. Kenaikan nilai komponen productivity differential

sebesar 1 juta rupiah/orang/tahun akan meningkatkan produktivitas tenaga kerja

kabupaten/kota tersebut sebesar 0,74 juta rupiah/orang/tahun, jika produktivitas

tenaga kerja Pulau Jawa dianggap tetap.

Hubungan positif yang signifikansi pada variabel interaksi spasial

menunjukan bahwa peningkatan atau penurunan produktivitas tenaga kerja suatu

kabupaten/kota juga dipengaruhi oleh kenaikan atau penurunan produktivitas

sektoral kabupaten-kabupaten/kota-kota di sekitarnya yang menjadi tetangga.

Sedangkan pada komponen allocative model yang paling sesuai adalah

dengan menggunakan SEM fixed effect sehingga terbentuk persamaan sebagai

berikut:

n

1iijtijitit εφW0,3509α0,6617y

Nilai parameter yang ditunjukan persamaan tersebut dapat dibaca sebagai

jika di suatu kabupaten/kota terjadi peningkatan alokasi tenaga kerja pada sektor

yang lebih produktif dan disertai dengan peningkatan produktivitas tenaga kerja

secara sektoral sehingga nilai komponen allocative meningkat sebesar 1 juta

rupiah/orang/tahun maka akan memberikan kontribusi kenaikan perbedaan

produktivitas tenaga kerja kabupaten/kota tersebut terhadap produktivitas tenaga

kerja Pulau Jawa sebesar 0,67 juta rupiah/orang/tahun. Signifikan efek spasial

pada error mengindikasikan bahwa masih ada komponen atau hal-hal lain di

wilayah sekitarnya yang perlu dipertimbangkan dalam peningkatan produktivitas

tenaga kerja suatu kabupaten/kota, misalnya alokasi modal yang ditentukan oleh

daya tarik suatu kabupaten/kota dalam menarik investasi.

SIMPULAN DAN SARAN

Simpulan

1. Perbedaan produktivitas tenaga kerja kabupaten/kota di Pulau Jawa

dipengaruhi oleh perbedaan alokasi tenaga kerja maupun perbedaan

produktivitas di masing-masing kabupaten/kota. Sebagai contoh, di Jakarta

Selatan sebagai wilayah yang memiliki perbedaan produktivitas tenaga kerja

terbesar dibanding produktivitas tenaga kerja Pulau Jawa menurut perhitungan

komponen industry-mix, alokasi tenaga kerja terkonsentrasi di sektor-sektor

yang memiliki produktivitas tenaga kerja yang tinggi seperti keuangan,

industri, angkutan, dan perdagangan. Sedangkan di Kabupaten Pamekasan

sebagian besar tenaga kerja terkonsentrasi di sektor pertanian yang memiliki

produktivitas tenaga kerja terendah. Perbedaan produktivitas tenaga kerja

juga disebabkan oleh perbedaan produktivitas tenaga kerja setiap

sektor/lapangan usaha. Sebagai contoh, Kota Kediri yang memiliki nilai

perbedaan produktivitas tertinggi menurut perhitungan productivity different

mempunyai produktivitas tenaga kerja yang lebih tinggi dibanding rata-rata

produktivitas tenaga kerja Pulau Jawa.

2. Gambaran spasial perbedaan produktivitas tenaga kerja di Pulau Jawa

menunjukkan keberadaan klaster kabupaten/kota, baik pengelompokan sesama

kabupaten/kota yang memiliki perbedaan produktivitas tenaga kerja yang

tinggi (Klaster High-High), keberadaan kabupaten/kota dengan perbedaan

produktivitas tenaga kerja yang rendah dan bertetangga dengan kabupaten-

kabupaten/kota-kota lain yang juga memiliki perbedaan produktivitas tenaga

kerja yang rendah (Klaster Low-Low). Selain itu juga ditemukan pola

autokorelasi negatif, yaitu keberadaan kabupaten/kota yang memiliki

perbedaan produktivitas tenaga kerja yang tinggi dikitari oleh kabupaten-

kabupaten/kota-kota tetangga yang memiliki perbedaan produktivitas tenaga

kerja yang rendah (Klaster High-Low) dan sebaliknya juga terdapat

kabupaten/kota dengan perbedaan produktivitas tenaga kerja rendah berada di

antara kabupaten/kota tetangga yang memiliki perbedaan produktivitas tenaga

kerja yang tinggi (Klaster Low-High).

3. Pengujian Moran’s I menunjukkan perlunya memasukkan efek spasial dalam

model regresi pengaruh komponen shift share sebagai variabel penjelas

perbedaan produktivitas tenaga kerja kabupaten/kota di Pulau Jawa. Pengujian

menggunakan model regresi spasial dengan data panel, baik koefisien spatial

lag maupun koefisien spatial error menegaskan kontribusi masing-masing

komponen shift share maupun terjadinya efek spasial (spatial effect) terhadap

perbedaan produktivitas tenaga kerja kabupaten/kota di Pulau Jawa. Model

terbaik untuk komponen Industry-Mix dan Productivity Differential adalah

SAR fixed effect. Sementara komponen Allocative (αi) model terbaiknya

adalah SEM fixed effect. Berdasarkan nilai parameter yang didapatkan maka

besarnya kontribusi perbedaan produktivitas tenaga kerja secara berturut-turut

terutama disebakan oleh perbedaan pangsa tenaga kerja antar kabupaten/kota

(komponen industry mix), kemudian perbedaan tingkat produktivitas tenaga

antar kabupaten/kota pada sektor yang sama (komponen productivity

differential), dan interaksi antara perbedaan pangsa tenaga kerja maupun

perbedaan produktivitas tenaga kerja secara sektoral (komponen allocative).

Signifikansi efek spasial pada ketiga persamaan komponen shift share

menunjukan bahwa produktivitas tenaga kerja di suatu kabupaten/kota

dipengaruhi oleh produktivitas tenaga kerja kabupaten/kota lain disekitarnya

yang menjadi tetangga.

Saran

1. Ketiga komponen shift share berpengaruh secara nyata terhadap perbedaan

produktivitas tenaga kerja kabupaten/kota di Pulau Jawa. Oleh karena itu,

disarankan untuk merancang kebijakan yang tidak hanya memperhatikan

transformasi tenaga kerja dari suatu sektor (misalnya sektor primer) ke sektor

lain (misalnya sektor sekunder). Tetapi masing-masing kabupaten/kota perlu

untuk memperhatikan peningkatan produktivitas tenaga kerja secara sektoral,

misalnya melalui peningkatan ketrampilan tenaga kerja, perbaikan

infrastruktur sosial ekonomi pendukung, dan lain-lain. Peningkatan keahlian

dan ketrampilan tersebut juga dapat menjadi solusi adanya hambatan

perpindahan tenaga kerja dari satu sektor ke sektor lainnya.

2. Model regresi spasial yang dikembangkan menunjukkan signifikansi efek

spasial pada hubungan antara masing-masing komponen shift share terhadap

perbedaan produktivitas tenaga kerja. Hal tersebut berarti perbedaan

produktivitas tenaga kerja suatu kabupaten/kota juga dipengaruhi oleh

perubahan komponen shift share (alokasi tenaga kerja dan produktivitas

tenaga kerja sektoral) di kabupaten/kota tetangga. Oleh karena itu disarankan

untuk melakukan koordinasi antar kabupaten/kota yang bertetangga untuk

bersinergi meningkatkan produktivitas tenaga kerja. Misalnya, untuk

peningkatan infrastruktur sosial ekonomi yang dapat mendorong peningkatan

produktivitas sektoral perlu memperhatikan skala layanan dan efek limpahan

manfaat (spillover effect) sehingga dapat dirancang lebih efisien dalam

pembiayaan maupun pemanfaatan.

3. Secara teknis, pembentukan model spasial perlu disempurnakan dengan

menggunakan berbagai model interaksi spasial yang lain, baik yang

berdasarkan pada pertimbangan jarak antar kabupaten/kota maupun aliran

barang dari satu kabupaten/kota ke kabupaten/kota lainnya. Perlu juga

dilakukan pengembangan model regresi spasial yang menggabungkan ketiga

komponen shift share tersebut dalam satu persamaan (simultaneous equation

model) sehingga kontribusi ketiga komponen tersebut baik secara individual

maupun bersama-sama dapat lebih diperjelas.

DAFTAR PUSTAKA

Akita T dan RA Lukman. Interregional Inequality in Indonesia: A SectoralDecomposition Analysis, Bulletin of Indonesian Economic Studies,31(2):61-81

Akita T. 2003. Decomposing Regional Income Inequality in China and IndonesiaUsing Two-Stage Nested Theil Decomposition Method, Annals of RegionalScience Vol.37, No.1:55-77.

Anselin L. 1988. Spatial Econometrics: Methods and Models. Dordrecht: KluwerAcademic Publishers.

________. 1999. Spatial Econometric, Bruton Center School of Social Sciences,Dallas: University of Texas.

________. 2002. Spatial Weight, http://www.dpi.inpe.br/gilberto/tutorials/software/geoda/tutorials/w8_weights.pdf [28 Okober 2009]

________. 2003. GeoDA 0.9 User’s Guide, Spatial Analysis Laboratory (SAL),Department of Agricultural and Consumer Economics, University ofIllinois, Urbana-Champaign, IL. [28 Okober 2009]

Anselin L and Hudak S. 1992. Spatial Econometrics in Practice : A review ofSoftware Options. Regional science and Urban Economics 22:509-36.

Arbia G, Michele B, and GD Vaio. (tt). Space, Institutions and Growth: EmpiricalTests Using Weighted Distance Matrices for the EU25 Regions,www.ecomod.org/files/papers/82.pdf [28 Okober 2009]

Arief S dan A Sasono. 1984. Ketergantungan dan Keterbelakangan, Jakarta:Penerbit Sinar Harapan dan Lembaga Studi Pembangunan.

Armstrong H and J Taylor. 1993. Regional Economics and Policy, SecondEdition, New York: Harvester Wheatsheaf.

Aziz IJ. 1994. Ilmu Ekonomi Regional dan Beberapa Aplikasinya di Indonesia,Jakarta: Lembaga Penerbit FE-UI.

Bhakti. 2004. Kesenjangan Antar Daerah di Pulau Jawa Ditinjau dari PerspektifSektoral dan Regional [tesis]. Jakarta: Magister Perencanaan dan KebijakanPublik, Universitas Indonesia.

Bhinadi A. 2002. Sumber-Sumber Pertumbuhan Ekonomi dan Disparitas Regionaldi Indonesia [tesis]. Yogyakarta: Program Studi Magister Sains, UniversitasGadjah Mada.

Blair JP. 1995. Local Economic Development Analysis and Practice. California:SAGE Publication.

[BPS] Badan Pusat Statistik DKI Jakarta. 2008. Tinjauan Angkatan Kerja diProvinsi DKI Jakarta Tahun 2007. Jakarta: BPS DKI Jakarta.

Drapper N.R dan H Smith. 1992. Applied Regression Analysis. Edisi II, NewYork: John Wiley&Son,Inc.

Dunn ES. 1960. A Statistical and Analytical Technique for Regional Analysis,Paper and Proceeding of the Regional Science Association, 6:97-112.

Elhorst J.P. 2009. Spatial Panel Data Models. In Fischer MM, Getis A (Eds.)Handbook of Applied Spatial Analysis, Ch. C.2. Berlin Heidelberg NewYork: Springer

Esteban. 2000. Regional Convergence in Europe and the Industry Mix: A ShiftShare Analysis. Regional Science and Urban Economics 30:353-364.

Ezcurra R, Carlos G, Pedro P and Manuel R. 2005. Regional Inequality in theEuropean Union: Does Industry Mix Matter?. Regional Studies, Vol. 39.6,August 2005, pp 679-697.

GeoDa Center for Geospatial Analysis and Computation, Arizona StateUniversity, http://geodacenter.asu.edu/software/downloads [28 Oktober2010]

Gujarati D. 2004. Ekonometrika Dasar, Jakarta: Penerbit Erlangga.

Hoover EM and Frank F. 1999. An Introduction of Regional Economics, webbook. http://rri.wvu.edu/WebBook/Giarratani/contents.htm [5 April 2011]

Jhingan, ML. 1990. Ekonomi Pembangunan dan Perencanaan, Jakarta: RajawaliPers.

Kamarianakis Y and Julie LG. 2003. The Evolution of Regional ProductivityDisparities in the European Union, 1975 – 2000, Article Submitted forPublication. Previous versions were presented at the North AmericanRegional Science Association Conference, Philadelphia, November 2003and the 17th Panhellenic Conference in Statistics, Leukada Greece, April2004, http://www.iacm.forth.gr/regional/papers/yiannis_Julie_EU_75_0.pdf[28 Okober 2009]

Kariyasa K. 2003. Perubahan Struktur Ekonomi dan Kesempatan Kerja sertaKualitas Sumberdaya Manusia di Indonesia, http://www.scribd.com/doc/29743371/2-Soca-kariyasa-strktr-Ek-Dan-Kesmpt-Kerja-1 [16 Maret2011]

Kataoka M. 2007. Identifying Some Factors of Regional Income Inequality in Preand Post Economic Crisis in Indonesia,http://test3.nakamotohonten.co.jp/RSAI2009/pdf/rC01-2_Kataoka.pdf [16Maret 2011]

Kuncoro M. 2004. Analisa Spasial dan Regional: Studi Aglomerasi dan KlusterIndustri Indonesia, Yogyakarta: UPP-AMP YKPN.

Kuznets S. 1955. Economic Growth and Income Inequality, American EconomicReview, 45:1-28.

Lewis WA. 1954. “Economic Development with Unlimited Supplies of Labor”,Manchester School of Economic and Social Studies, Vol. 22, pp. 139-91.

McCulloch N and BS Syahrir. 2008, “Endowments, Location or Luck? Evaluatingthe Determinants of Sub-National Growth in Decentralized Indonesia”,Policy Research Working Paper 4769, World Bank, Washington D.C.

Myrdal G. 1956. Economic Theory and Under-Developed Regions, London:Gerald Duckworth & Co.Ltd.

Nazara S. 2003. Spatial Inequality Within A Regional Growth DecompositionTechnique: Indonesian Case 1976-1998, The Regional EconomicsApplications Laboratory (REAL), Illinois, USA, www.real.uiuc.edu/d-paper/03/03-t-21.pdf

Saefulhakim S. 2008. Model Pemetaan Potensi Ekonomi untuk PerumusanKebijakan Pembangunan Daerah: Konsep, Metode, Aplikasi dan TeknikKomputasi, Bogor: CORDIA.

Salim A. 2004. Pengaruh Produktivitas Region Tetangga terhadap ProduktivitasRegion. [tesis]. Jakarta: Magister Perencanaan dan Kebijakan Publik,Universitas Indonesia.

Shkurpat O. 2006. Regional Labor productivity Disparities in Ukraina: Maincauses and Spatial Patern [thesis], Ukraina: Economic Education andResearch Consortium, National University Kyiv-Mohyla Academy.

Sjafrizal. 2008. Ekonomi Regional Teori dan Aplikasi, Padang: Baduose Media.

Susanti BH. 2005. Konvergensi Produktivitas Tenaga Kerja Sektoral antarProvinsi di Indonesia, 1987-2003 [tesis]. Jakarta: Magister Perencanaan danKebijakan Publik, Universitas Indonesia.

Todaro MP and SC Smith. 2003. Pembangunan Ekonomi di Dunia Ketiga, EdisiKedelapan, Jakarta: Penerbit Erlangga.

Williamson. 1965. Regional inequality and the Process of National Development,Economic Development and Cultural Change, 14:3-45.

87

LAMPIRAN

88

Lampiran 1. Kabupaten/Kota di Pulau Jawa

No KodeProvinsi

KodeKab/Kota Provinsi Kabupaten/Kota

1 31 1 DKI Jakarta Kepulauan Seribu2 31 71 DKI Jakarta Jakarta Selatan3 31 72 DKI Jakarta Jakarta Timur4 31 73 DKI Jakarta Jakarta Pusat5 31 74 DKI Jakarta Jakarta Barat6 31 75 DKI Jakarta Jakarta Utara7 32 1 Jawa Barat Bogor8 32 2 Jawa Barat Sukabumi9 32 3 Jawa Barat Cianjur10 32 4 Jawa Barat Bandung11 32 5 Jawa Barat Garut12 32 6 Jawa Barat Tasikmalaya13 32 7 Jawa Barat Ciamis14 32 8 Jawa Barat Kuningan15 32 9 Jawa Barat Cirebon16 32 10 Jawa Barat Majalengka17 32 11 Jawa Barat Sumedang18 32 12 Jawa Barat Indramayu19 32 13 Jawa Barat Subang20 32 14 Jawa Barat Purwakarta21 32 15 Jawa Barat Karawang22 32 16 Jawa Barat Bekasi23 32 71 Jawa Barat Kota Bogor24 32 72 Jawa Barat Kota Sukabumi25 32 73 Jawa Barat Kota Bandung26 32 74 Jawa Barat Kota Cirebon27 32 75 Jawa Barat Kota Bekasi28 32 76 Jawa Barat Kota Depok29 32 77 Jawa Barat Kota Cimahi30 32 78 Jawa Barat Kota Tasikmalaya31 32 79 Jawa Barat Kota Banjar32 33 1 Jawa Tengah Cilacap33 33 2 Jawa Tengah Banyumas34 33 3 Jawa Tengah Purbalingga35 33 4 Jawa Tengah Banjarnegara36 33 5 Jawa Tengah Kebumen37 33 6 Jawa Tengah Purworejo38 33 7 Jawa Tengah Wonosobo39 33 8 Jawa Tengah Magelang40 33 9 Jawa Tengah Boyolali41 33 10 Jawa Tengah Klaten42 33 11 Jawa Tengah Sukoharjo43 33 12 Jawa Tengah Wonogiri44 33 13 Jawa Tengah Karanganyar45 33 14 Jawa Tengah Sragen46 33 15 Jawa Tengah Grobogan47 33 16 Jawa Tengah Blora48 33 17 Jawa Tengah Rembang49 33 18 Jawa Tengah Pati

89

Lampiran 1. (lanjutan)

No KodeProvinsi


50 33 19 Jawa Tengah Kudus51 33 20 Jawa Tengah Jepara52 33 21 Jawa Tengah Demak53 33 22 Jawa Tengah Semarang54 33 23 Jawa Tengah Temanggung55 33 24 Jawa Tengah Kendal56 33 25 Jawa Tengah Batang57 33 26 Jawa Tengah Pekalongan58 33 27 Jawa Tengah Pemalang59 33 28 Jawa Tengah Tegal60 33 29 Jawa Tengah Brebes61 33 71 Jawa Tengah Magelang62 33 72 Jawa Tengah Surakarta63 33 73 Jawa Tengah Salatiga64 33 74 Jawa Tengah Semarang65 33 75 Jawa Tengah Pekalongan66 33 76 Jawa Tengah Tegal67 34 34 DI Yogyakarta Kulon Progo68 34 34 DI Yogyakarta Bantul69 34 34 DI Yogyakarta Gunung Kidul70 34 34 DI Yogyakarta Sleman71 34 34 DI Yogyakarta Yogyakarta72 35 35 Jawa Timur Pacitan73 35 35 Jawa Timur Ponorogo74 35 35 Jawa Timur Trenggalek75 35 35 Jawa Timur Tulungagung76 35 35 Jawa Timur Kab. Blitar77 35 35 Jawa Timur Kab. Kediri78 35 35 Jawa Timur Kab. Malang79 35 35 Jawa Timur Lumajang80 35 35 Jawa Timur Jember81 35 35 Jawa Timur Banyuwangi82 35 35 Jawa Timur Bondowoso83 35 35 Jawa Timur Situbondo84 35 35 Jawa Timur Kab. Probolinggo85 35 35 Jawa Timur Kab. Pasuruan86 35 35 Jawa Timur Sidoarjo87 35 35 Jawa Timur Kab. Mojokerto88 35 35 Jawa Timur Jombang89 35 35 Jawa Timur Nganjuk90 35 35 Jawa Timur Kab. Madiun91 35 35 Jawa Timur Magetan92 35 35 Jawa Timur Ngawi93 35 35 Jawa Timur Bojonegoro94 35 35 Jawa Timur Tuban95 35 35 Jawa Timur Lamongan96 35 35 Jawa Timur Gresik97 35 35 Jawa Timur Bangkalan98 35 35 Jawa Timur Sampang

90


No KodeProvinsi


99 35 35 Jawa Timur Pamekasan100 35 35 Jawa Timur Sumenep101 35 35 Jawa Timur Kota Kediri102 35 35 Jawa Timur Kota Blitar103 35 35 Jawa Timur Kota Malang104 35 35 Jawa Timur Kota Probolinggo105 35 35 Jawa Timur Kota Pasuruan106 35 35 Jawa Timur Kota Mojokerto107 35 35 Jawa Timur Kota Madiun108 35 35 Jawa Timur Surabaya109 35 35 Jawa Timur Kota Batu110 36 36 Banten Pandeglang111 36 36 Banten Lebak112 36 36 Banten Tangerang113 36 36 Banten Serang114 36 36 Banten Tangerang115 36 36 Banten Cilegon

Lampiran 2. Peringkat Kabupaten/Kota Berdasarkan Perbedaan Produktivitas Tenaga Kerja, 2001-2008Rang-king 2001 2002 2003 2004 2005 2006 2007 2008

1 Jakarta Pusat 160.8 Jakarta Pusat 168.9 Jakarta Pusat 169.9 Jakarta Pusat 177.7 Jakarta Pusat 188.1 Jakarta Pusat 197.5 Jakarta Pusat 343.0 Jakarta Pusat 195.82 Kt. Kediri 130.2 Kt. Kediri 141.6 Kt. Kediri 158.3 Kt. Kediri 153.5 Kt. Kediri 130.8 Kt. Kediri 136.8 Kt. Kediri 162.3 Kt. Kediri 159.33 Jakarta Utara 66.6 Jakarta Utara 69.1 Jakarta Utara 71.3 Jakarta Utara 70.0 Jakarta Utara 74.9 Jakarta Utara 78.4 Jakarta Utara 143.5 Jakarta Utara 79.04 Jakarta Selatan 59.4 Jakarta Selatan 63.7 Jakarta Selatan 63.0 Jakarta Selatan 65.3 Jakarta Selatan 69.8 Jakarta Selatan 73.3 Jakarta Selatan 114.0 Kt. Cilegon 67.55 Kt. Cilegon 54.3 Kt. Cilegon 60.9 Kt. Cilegon 59.2 Kt. Cilegon 62.3 Kt. Cilegon 62.4 Kt. Cilegon 69.4 Kt. Cilegon 69.2 Jakarta Selatan 61.36 Bekasi 35.4 Bekasi 40.0 Bekasi 36.3 Bekasi 36.6 Bekasi 39.2 Bekasi 41.1 Jakarta Timur 69.2 Kt. Tangerang 50.37 Jakarta Barat 31.6 Jakarta Barat 35.9 Jakarta Barat 35.1 Kt. Surabaya 36.1 Jakarta Timur 37.8 Jakarta Timur 39.6 Bekasi 65.5 Kt. Surabaya 44.68 Jakarta Timur 30.1 Kt. Surabaya 34.2 Kt. Surabaya 33.7 Jakarta Timur 34.7 Jakarta Barat 36.2 Jakarta Barat 37.9 Jakarta Barat 64.5 Bekasi 38.49 Kt. Surabaya 26.0 Jakarta Timur 32.5 Jakarta Timur 33.7 Jakarta Barat 33.2 Kt. Cirebon 29.8 Kt. Surabaya 33.5 Kt. Surabaya 43.9 Jakarta Timur 35.8

10 Kt. Cirebon 25.5 Kt. Cirebon 26.1 Kt. Cirebon 27.3 Kt. Cirebon 26.8 Kt. Surabaya 29.8 Kt. Cirebon 33.3 Kt. Cirebon 28.8 Jakarta Barat 32.711 Kt. Yogyakarta 17.9 Kt. Yogyakarta 14.4 Kt. Tangerang 20.4 Kt. Tangerang 20.4 Kt. Tangerang 21.0 Kt. Tangerang 25.0 Kt. Tangerang 24.6 Kt. Cirebon 26.412 Kt. Cimahi 13.6 Kt. Malang 14.4 Kt. Malang 15.6 Kt. Malang 15.0 Kt. Cimahi 13.9 Kt. Malang 13.7 Kt. Malang 15.6 Kt. Malang 16.413 Kt. Semarang 10.3 Kt. Cimahi 13.5 Kt. Cimahi 15.1 Kt. Cimahi 13.4 Kt. Malang 11.6 Kt. Cimahi 12.8 Sidoarjo 12.3 Sidoarjo 12.614 Kudus 9.8 Kudus 10.3 Sidoarjo 10.3 Sidoarjo 12.1 Kudus 10.8 Kt. Semarang 9.9 Kt. Cimahi 11.6 Kt. Mojokerto 10.615 Kt. Malang 9.5 Sidoarjo 10.2 Kudus 10.1 Kudus 10.3 Kt. Semarang 9.3 Kudus 9.1 Kt. Mojokerto 11.4 Kudus 9.316 Kep. Seribu 8.3 Kep. Seribu 8.6 Kt. Semarang 9.0 Kt. Semarang 10.2 Kt. Yogyakarta 9.1 Kt. Yogyakarta 8.7 Kt. Bandung 9.4 Kt. Bandung 9.017 Sidoarjo 6.6 Kt. Semarang 8.0 Gresik 7.5 Kt. Yogyakarta 9.7 Kt. Bandung 8.2 Sidoarjo 8.3 Kep. Seribu 9.2 Gresik 8.418 Kt. Bandung 6.1 Gresik 6.6 Kt. Bandung 6.8 Gresik 8.2 Kt. Mojokerto 8.2 Kt. Bandung 8.2 Kt. Semarang 8.9 Kt. Semarang 7.919 Kt. Bekasi 3.5 Kt. Bandung 6.3 Kt. Yogyakarta 6.4 Kt. Bandung 6.0 Sidoarjo 7.2 Kt. Mojokerto 6.6 Kudus 8.8 Kt. Cimahi 7.620 Purwakarta 3.0 Kt. Mojokerto 3.0 Kep. Seribu 4.2 Kt. Mojokerto 3.2 Karawang 4.9 Gresik 5.5 Gresik 8.3 Kt. Yogyakarta 4.721 Gresik 2.6 Purwakarta 2.2 Kt. Mojokerto 4.1 Karawang 2.2 Purwakarta 4.2 Karawang 3.6 Kt. Yogyakarta 4.6 Karawang 2.822 Kt. Magelang 2.0 Bogor 1.0 Kt. Probolinggo 2.6 Kt. Probolinggo 2.2 Gresik 3.5 Purwakarta 3.6 Bandung 2.0 Kep. Seribu 2.523 Bogor 1.6 Karawang 0.8 Purwakarta 1.2 Kep. Seribu 1.8 Kep. Seribu 2.7 Kep. Seribu 2.3 Karawang 1.5 Purwakarta 0.924 Karawang 1.4 Kt. Bekasi 0.0 Karawang 1.0 Purwakarta 1.4 Bogor 1.6 Bogor 1.1 Kt. Probolinggo 0.8 Bogor 0.625 Kt. Sukabumi 1.2 Sumedang -0.1 Bogor 1.0 Kt. Bekasi 0.1 Kt. Bekasi 0.6 Kt. Probolinggo 0.4 Purwakarta -0.1 Kt. Probolinggo 0.526 Kt. Mojokerto 1.1 Kt. Surakarta -0.1 Kt. Surakarta 0.9 Bogor -0.2 Kt. Magelang 0.1 Kt. Surakarta 0.2 Bogor -0.7 Kt. Surakarta -0.927 Kt. Surakarta 1.0 Kt. Probolinggo -0.3 Kt. Sukabumi 0.4 Kt. Surakarta -0.6 Kt. Surakarta -0.1 Kt. Bekasi 0.1 Kt. Magelang -1.5 Kt. Magelang -1.628 Kt. Pekalongan 0.1 Kt. Sukabumi -0.5 Kt. Bekasi 0.4 Kt. Sukabumi -1.0 Kt. Probolinggo -0.3 Cilacap -0.1 Kt. Bekasi -2.0 Cilacap -2.329 Tangerang -1.3 Kt. Magelang -0.7 Kt. Magelang -0.6 Kt. Magelang -1.1 Kt. Sukabumi -0.4 Kt. Sukabumi -1.2 Kt. Surakarta -2.0 Bandung -2.730 Cilacap -1.4 Kt. Pekalongan -1.2 Kt. Pekalongan -1.7 Kt. Pekalongan -1.4 Bandung -1.1 Kt. Magelang -1.4 Cilacap -3.0 Kt. Bekasi -3.731 Serang -1.9 Kt. Madiun -2.2 Cilacap -2.3 Cilacap -2.7 Cilacap -1.1 Bandung -1.7 Sleman -3.7 Kt. Tasikmalaya -4.532 Bandung -2.2 Cilacap -2.4 Kt. Tasikmalaya -2.5 Tangerang -2.9 Kt. Tasikmalaya -2.6 Kt. Pekalongan -2.0 Tangerang -3.9 Kt. Batu -4.933 Kt. Tasikmalaya -2.3 Kt. Tangerang -2.7 Bandung -2.8 Bandung -3.4 Kt. Pekalongan -2.6 Tangerang -3.1 Kt. Sukabumi -3.9 Kt. Sukabumi -4.934 Kt. Probolinggo -3.0 Tangerang -2.9 Kt. Madiun -2.8 Tulungagung -3.7 Kt. Bogor -3.2 Kt. Bogor -4.3 Kt. Madiun -3.9 Kt. Madiun -5.135 Kt. Bogor -3.4 Serang -3.0 Tangerang -3.0 Kt. Bogor -4.1 Serang -3.5 Kt. Tasikmalaya -4.5 Kt. Pekalongan -4.2 Tangerang -5.136 Kendal -3.9 Kt. Tasikmalaya -3.2 Serang -3.6 Kt. Tasikmalaya -4.2 Tangerang -3.6 Indramayu -5.6 Kt. Batu -4.8 Kt. Pekalongan -5.337 Sleman -3.9 Bandung -3.3 Kt. Bogor -4.0 Kt. Madiun -4.3 Kendal -4.6 Sleman -5.7 Kt. Pasuruan -5.2 Kt. Pasuruan -5.738 Kt. Madiun -4.0 Tulungagung -3.6 Tulungagung -4.3 Serang -4.5 Kt. Madiun -5.1 Tulungagung -5.7 Kt. Bogor -5.8 Banyuwangi -6.239 Indramayu -4.1 Kt. Batu -4.2 Kt. Batu -4.3 Kt. Batu -4.5 Sumedang -5.5 Garut -5.9 Banyuwangi -5.9 Tulungagung -6.340 Kt. Salatiga -4.2 Indramayu -4.2 Kt. Pasuruan -4.4 Banyuwangi -4.8 Sleman -5.6 Kt. Madiun -5.9 Tulungagung -6.5 Garut -7.441 Garut -4.3 Kt. Pasuruan -4.3 Kt. Blitar -5.0 Sleman -5.0 Tulungagung -5.7 Karanganyar -6.2 Kt. Tasikmalaya -6.7 Mojokerto -7.5

42 Kt. Depok -4.5 Sleman -5.0 Sleman -5.1 Kt. Pasuruan -5.0 Kt. Batu -5.8 Kt. Pasuruan -6.2 Indramayu -7.0 Karanganyar -7.5


88Rang-king 2001 2002 2003 2004 2005 2006 2007 2008

43 Semarang -4.7 Banyuwangi -5.0 Banyuwangi -5.3 Probolinggo -5.6 Indramayu -6.0 Serang -6.6 Mojokerto -7.4 Kt. Blitar -7.644 Kt. Tangerang -4.8 Jombang -5.4 Mojokerto -5.6 Mojokerto -5.8 Kt. Pasuruan -6.1 Kt. Blitar -6.6 Lumajang -7.4 Lumajang -7.845 Kt. Batu -5.0 Kt. Bogor -5.5 Indramayu -5.7 Kt. Blitar -5.9 Garut -6.2 Kt. Tegal -6.9 Serang -7.4 Kt. Tegal -7.946 Tulungagung -5.0 Kendal -5.5 Probolinggo -5.8 Indramayu -6.2 Kt. Blitar -6.3 Kt. Batu -7.1 Tuban -7.6 Probolinggo -7.947 Sumedang -5.1 Probolinggo -5.5 Garut -5.8 Lumajang -6.3 Kt. Banjar -6.4 Sumedang -7.1 Kt. Blitar -7.6 Tuban -8.048 Kt. Tegal -5.2 Garut -5.5 Kendal -5.9 Jombang -6.4 Kt. Salatiga -6.5 Sukoharjo -7.2 Malang -7.7 Kt. Bogor -8.049 Sukoharjo -5.3 Kt. Depok -5.6 Malang -6.0 Sumedang -6.4 Sukoharjo -6.6 Semarang -7.3 Karanganyar -7.8 Malang -8.150 Banyuwangi -5.3 Mojokerto -5.6 Kt. Tegal -6.3 Garut -6.5 Kt. Depok -6.7 Kt. Depok -7.4 Garut -7.9 Sleman -8.251 Kt. Pasuruan -5.3 Semarang -6.0 Jombang -6.4 Kendal -6.6 Banyuwangi -6.8 Subang -7.6 Probolinggo -8.0 Serang -8.352 Kt. Banjar -5.4 Kt. Salatiga -6.0 Kt. Salatiga -6.4 Malang -6.8 Karanganyar -6.8 Kendal -7.6 Semarang -8.2 Sukoharjo -8.553 Karanganyar -5.4 Kt. Blitar -6.1 Sukoharjo -6.4 Kt. Salatiga -7.1 Kt. Tegal -6.9 Kt. Banjar -7.6 Kt. Salatiga -8.2 Semarang -8.554 Subang -5.6 Malang -6.2 Sumedang -6.6 Magetan -7.2 Mojokerto -7.0 Banyuwangi -7.6 Kt. Tegal -8.2 Kt. Salatiga -8.755 Kt. Blitar -5.9 Lumajang -6.2 Kt. Depok -6.6 Kt. Tegal -7.2 Lumajang -7.2 Mojokerto -7.7 Sukoharjo -8.5 Subang -8.956 Cianjur -6.0 Sukoharjo -6.3 Semarang -6.8 Kt. Banjar -7.3 Subang -7.3 Lumajang -7.7 Sumedang -8.9 Sumedang -8.957 Lebak -6.1 Karanganyar -6.4 Karanganyar -6.8 Sukabumi -7.5 Probolinggo -7.4 Tuban -7.8 Magetan -9.1 Indramayu -9.058 Sukabumi -6.1 Kt. Banjar -6.8 Lumajang -6.8 Sukoharjo -7.5 Semarang -7.4 Sukabumi -7.9 Jombang -9.1 Kt. Banjar -9.159 Mojokerto -6.2 Kt. Tegal -6.8 Sukabumi -7.0 Semarang -7.8 Magetan -7.8 Pandeglang -8.1 Situbondo -9.2 Kendal -9.460 Probolinggo -6.2 Sukabumi -6.8 Magetan -7.1 Subang -8.0 Jombang -7.8 Probolinggo -8.1 Kt. Banjar -9.3 Kediri -9.761 Lumajang -6.2 Tuban -7.0 Situbondo -7.1 Kt. Depok -8.2 Sukabumi -7.9 Kt. Salatiga -8.1 Kt. Depok -9.3 Situbondo -9.762 Malang -6.4 Sumenep -7.1 Kt. Banjar -7.3 Tuban -8.2 Malang -7.9 Malang -8.1 Kediri -9.5 Bojonegoro -9.763 Pandeglang -6.6 Situbondo -7.1 Tuban -7.4 Cianjur -8.3 Cianjur -8.0 Magetan -8.2 Cianjur -9.8 Blitar -9.964 Cirebon -6.7 Subang -7.3 Subang -7.8 Pandeglang -8.4 Tuban -8.1 Situbondo -8.4 Kendal -9.8 Jombang -9.965 Bantul -6.9 Blitar -7.4 Jember -7.9 Bojonegoro -8.8 Pandeglang -8.2 Jombang -8.5 Blitar -9.8 Cirebon -10.266 Ciamis -7.1 Cianjur -7.5 Pandeglang -8.1 Ciamis -8.8 Situbondo -8.6 Cirebon -8.6 Jember -9.8 Nganjuk -10.367 Jombang -7.2 Nganjuk -7.8 Cianjur -8.2 Blitar -8.8 Cirebon -8.6 Jember -8.9 Bojonegoro -9.8 Ciamis -10.468 Situbondo -7.2 Lebak -7.8 Nganjuk -8.4 Kediri -8.9 Bantul -8.7 Cianjur -9.1 Pandeglang -9.9 Pandeglang -10.569 Kulon Progo -7.2 Cirebon -7.8 Lebak -8.5 Situbondo -9.0 Kuningan -8.9 Lebak -9.5 Nganjuk -10.0 Kt. Depok -10.570 Jepara -7.3 Jember -7.9 Bantul -8.5 Nganjuk -9.0 Blitar -9.2 Bantul -9.6 Cirebon -10.0 Sukabumi -10.671 Tuban -7.4 Magetan -8.1 Bojonegoro -8.5 Bangkalan -9.0 Jember -9.2 Kulon Progo -9.7 Pasuruan -10.3 Jember -10.672 Bojonegoro -7.5 Bojonegoro -8.1 Cirebon -8.6 Pasuruan -9.2 Bojonegoro -9.3 Pasuruan -9.8 Lebak -10.5 Pasuruan -10.673 Batang -7.5 Pandeglang -8.2 Jepara -8.7 Klaten -9.3 Nganjuk -9.3 Rembang -9.8 Kulon Progo -10.6 Magetan -10.974 Kuningan -7.6 Ciamis -8.2 Kediri -8.7 Lebak -9.3 Gunung Kidul -9.4 Bojonegoro -9.8 Bantul -10.8 Cianjur -11.075 Kediri -7.6 Kediri -8.2 Ciamis -8.7 Cirebon -9.4 Boyolali -9.4 Blitar -9.9 Sumenep -10.8 Sumenep -11.076 Boyolali -7.6 Bantul -8.2 Pasuruan -8.7 Bantul -9.5 Klaten -9.4 Nganjuk -9.9 Madiun -10.9 Purworejo -11.377 Jember -7.6 Bangkalan -8.3 Sumenep -8.8 Karanganyar -9.5 Majalengka -9.4 Purworejo -10.0 Bangkalan -10.9 Bantul -11.478 Klaten -7.6 Pasuruan -8.3 Madiun -8.9 Madiun -9.6 Purworejo -9.4 Boyolali -10.1 Sukabumi -10.9 Klaten -11.479 Nganjuk -7.7 Kuningan -8.4 Kuningan -9.1 Boyolali -9.7 Kediri -9.5 Kediri -10.1 Klaten -11.0 Kulon Progo -11.480 Blitar -7.8 Madiun -8.4 Klaten -9.2 Kuningan -9.8 Lebak -9.5 Jepara -10.1 Gunung Kidul -11.1 Lebak -11.581 Majalengka -7.8 Klaten -8.8 Boyolali -9.2 Sumenep -9.9 Rembang -9.6 Gunung Kidul -10.2 Lamongan -11.1 Majalengka -11.582 Purworejo -7.8 Lamongan -8.8 Gunung Kidul -9.5 Jepara -10.1 Pasuruan -9.7 Majalengka -10.3 Boyolali -11.4 Bangkalan -11.683 Pati -7.9 Pekalongan -8.9 Bangkalan -9.6 Pekalongan -10.2 Jepara -9.7 Sumenep -10.4 Purworejo -11.5 Madiun -11.684 Pekalongan -7.9 Kulon Progo -8.9 Pekalongan -9.7 Purworejo -10.2 Pekalongan -9.8 Pekalongan -10.4 Jepara -11.6 Boyolali -11.785 Rembang -8.0 Boyolali -9.0 Batang -9.7 Jember -10.3 Madiun -9.9 Madiun -10.5 Kuningan -11.6 Lamongan -11.7

89Lampiran 2. (lanjutan)

Rang-king 2001 2002 2003 2004 2005 2006 2007 2008

86 Gunung Kidul -8.0 Purworejo -9.0 Ngawi -9.8 Lamongan -10.4 Tasikmalaya -9.9 Pati -10.6 Pekalongan -11.7 Gunung Kidul -11.787 Magetan -8.0 Batang -9.0 Purworejo -9.8 Majalengka -10.4 Sumenep -10.0 Batang -10.6 Rembang -11.7 Kuningan -11.888 Tasikmalaya -8.1 Gunung Kidul -9.1 Ponorogo -9.9 Rembang -10.4 Kulon Progo -10.2 Kuningan -10.6 Pati -12.0 Jepara -12.089 Sumenep -8.1 Rembang -9.2 Blitar -9.9 Gunung Kidul -10.4 Ciamis -10.3 Klaten -10.9 Majalengka -12.2 Pati -12.390 Madiun -8.4 Jepara -9.3 Rembang -9.9 Tasikmalaya -10.6 Batang -10.3 Ciamis -11.0 Batang -12.5 Rembang -12.491 Magelang -8.6 Pati -9.3 Lamongan -10.0 Batang -10.7 Pati -10.3 Bangkalan -11.1 Ciamis -12.6 Ngawi -12.592 Lamongan -8.6 Ngawi -9.3 Majalengka -10.3 Ponorogo -10.7 Magelang -10.4 Lamongan -11.1 Banyumas -12.6 Batang -12.693 Bangkalan -8.6 Tasikmalaya -9.4 Pati -10.3 Pati -10.7 Bangkalan -10.5 Banyumas -11.2 Brebes -12.7 Tasikmalaya -12.794 Banjarnegara -8.7 Sampang -9.5 Magelang -10.4 Ngawi -11.0 Lamongan -10.7 Tasikmalaya -11.3 Ngawi -12.7 Brebes -12.795 Banyumas -8.8 Ponorogo -9.8 Tasikmalaya -10.4 Sampang -11.3 Banjarnegara -10.9 Brebes -11.3 Ponorogo -12.8 Ponorogo -12.896 Temanggung -8.8 Banjarnegara -10.0 Temanggung -10.6 Trenggalek -11.4 Sragen -10.9 Banjarnegara -11.3 Subang -12.8 Magelang -13.097 Demak -8.9 Demak -10.2 Banjarnegara -10.6 Banyumas -11.5 Demak -11.0 Ponorogo -11.4 Magelang -12.9 Banjarnegara -13.298 Brebes -8.9 Banyumas -10.2 Brebes -10.7 Banjarnegara -11.5 Ngawi -11.0 Magelang -11.4 Banjarnegara -12.9 Banyumas -13.299 Ngawi -8.9 Sragen -10.2 Banyumas -10.8 Brebes -11.5 Banyumas -11.0 Ngawi -11.5 Tasikmalaya -13.0 Temanggung -13.4100 Sragen -8.9 Brebes -10.3 Trenggalek -10.8 Magelang -11.6 Ponorogo -11.2 Sragen -11.6 Sragen -13.0 Sragen -13.5101 Purbalingga -9.0 Trenggalek -10.3 Demak -10.9 Demak -11.7 Temanggung -11.3 Temanggung -11.6 Bondowoso -13.1 Bondowoso -13.5102 Sampang -9.2 Magelang -10.3 Sampang -11.1 Temanggung -11.7 Purbalingga -11.3 Purbalingga -11.7 Purbalingga -13.1 Demak -13.7103 Ponorogo -9.3 Purbalingga -10.4 Kulon Progo -11.1 Bondowoso -11.8 Brebes -11.4 Demak -11.9 Temanggung -13.1 Sampang -13.7104 Pemalang -9.3 Temanggung -10.5 Purbalingga -11.1 Kulon Progo -11.8 Kebumen -11.6 Kebumen -12.2 Sampang -13.1 Purbalingga -13.7105 Kebumen -9.5 Kebumen -10.6 Bondowoso -11.2 Sragen -11.9 Trenggalek -11.6 Pemalang -12.2 Trenggalek -13.4 Tegal -13.7106 Tegal -9.7 Pamekasan -10.6 Sragen -11.2 Kebumen -12.0 Wonogiri -11.7 Tegal -12.3 Demak -13.5 Pemalang -13.8107 Trenggalek -9.7 Pemalang -10.8 Pemalang -11.2 Pemalang -12.1 Pemalang -11.7 Wonogiri -12.3 Pemalang -13.5 Trenggalek -13.8108 Wonogiri -9.7 Bondowoso -10.8 Wonogiri -11.3 Purbalingga -12.2 Sampang -11.8 Trenggalek -12.4 Wonogiri -13.6 Wonogiri -14.3109 Wonosobo -9.9 Tegal -11.1 Tegal -11.4 Tegal -12.4 Tegal -11.8 Sampang -12.6 Tegal -13.8 Kebumen -14.4110 Blora -10.0 Wonogiri -11.1 Kebumen -11.5 Wonogiri -12.5 Wonosobo -12.3 Bondowoso -12.7 Kebumen -14.1 Pekalongan -14.7111 Pasuruan -10.0 Grobogan -11.3 Pamekasan -11.6 Grobogan -12.6 Pamekasan -12.4 Wonosobo -12.8 Pamekasan -14.1 Wonosobo -14.7112 Bondowoso -10.1 Wonosobo -11.3 Wonosobo -11.8 Wonosobo -12.7 Bondowoso -12.4 Grobogan -13.1 Wonosobo -14.2 Pamekasan -15.0113 Grobogan -10.2 Pacitan -11.6 Grobogan -12.0 Pamekasan -12.8 Blora -12.4 Pamekasan -13.3 Grobogan -14.7 Blora -15.0114 Pamekasan -10.3 Blora -11.7 Blora -12.0 Blora -13.0 Grobogan -12.6 Blora -13.5 Blora -14.8 Grobogan -15.2115 Pacitan -10.7 Majalengka -13.1 Pacitan -12.2 Pacitan -13.3 Pacitan -12.7 Pacitan -13.5 Pacitan -14.9 Pacitan -15.5

90Lampiran 3. Peringkat Kabupaten/Kota Berdasarkan Komponen Industry Mix

Rang-king 2001 2002 2003 2004 2005 2006 2007 2008

1 Kt. Cirebon 20.7 Jakarta Selatan 10.8 Jakarta Selatan 14.3 Kt. Depok 14.6 Jakarta Pusat 11.7 Jakarta Selatan 10.2 Jakarta Selatan 18.8 Jakarta Selatan 11.02 Kt. Bekasi 18.3 Kt. Depok 9.9 Jakarta Pusat 12.2 Jakarta Selatan 12.1 Kt. Kediri 10.0 Kt. Depok 10.1 Jakarta Pusat 15.5 Kt. Depok 10.73 Kt. Depok 18.1 Kt. Tangerang 9.7 Kt. Tangerang 11.5 Kt. Tangerang 11.9 Jakarta Utara 9.9 Kt. Bekasi 8.9 Jakarta Timur 14.4 Kt. Tangerang 10.24 Kt. Bandung 17.8 Jakarta Timur 8.8 Jakarta Timur 10.8 Kt. Bekasi 11.2 Jakarta Selatan 9.0 Jakarta Pusat 8.2 Kt. Depok 13.3 Jakarta Timur 9.95 Kt. Bogor 16.3 Tangerang 8.1 Kt. Depok 10.2 Kt. Bogor 10.6 Kt. Cilegon 8.7 Jakarta Barat 8.2 Jakarta Barat 12.5 Kt. Surabaya 9.96 Kt. Sukabumi 15.9 Jakarta Pusat 8.0 Jakarta Barat 9.9 Kt. Bandung 10.4 Bekasi 8.5 Kt. Surabaya 8.1 Kt. Tangerang 11.6 Jakarta Barat 9.37 Kt. Tangerang 8.3 Kt. Bandung 7.9 Kt. Bekasi 9.8 Jakarta Barat 9.6 Jakarta Timur 8.5 Kt. Bandung 7.7 Kt. Cilegon 10.3 Jakarta Pusat 9.18 Kt. Cimahi 7.9 Kt. Bekasi 7.8 Kt. Bogor 9.6 Jakarta Pusat 9.6 Jakarta Barat 8.3 Jakarta Timur 7.5 Jakarta Utara 9.9 Kt. Bekasi 9.09 Jakarta Timur 7.7 Kt. Cimahi 7.7 Kt. Bandung 9.6 Jakarta Timur 9.1 Kt. Cirebon 8.1 Kt. Tangerang 7.5 Kt. Bekasi 8.8 Kt. Cilegon 8.8

10 Jakarta Selatan 7.7 Jakarta Barat 7.4 Tangerang 8.7 Kt. Pasuruan 8.7 Kt. Surabaya 8.0 Kt. Cimahi 7.5 Kt. Semarang 8.0 Sidoarjo 8.811 Jakarta Pusat 6.9 Kt. Semarang 7.3 Kt. Cimahi 8.7 Kt. Cimahi 8.6 Kt. Tangerang 7.8 Kt. Cilegon 6.9 Kt. Cimahi 7.5 Jakarta Utara 8.712 Tangerang 6.4 Kt. Bogor 7.0 Kt. Surakarta 8.2 Jakarta Utara 7.2 Kt. Cimahi 7.7 Tangerang 6.2 Kt. Surabaya 7.3 Kt. Mojokerto 8.313 Kt. Mojokerto 6.0 Sidoarjo 6.5 Kt. Cirebon 8.0 Kt. Salatiga 6.9 Kt. Malang 7.0 Jakarta Utara 6.1 Tangerang 7.3 Kt. Semarang 8.314 Kt. Surabaya 5.7 Majalengka 6.4 Kt. Semarang 7.9 Kt. Mojokerto 6.7 Kudus 6.6 Kt. Mojokerto 6.1 Kt. Pasuruan 7.0 Kt. Pasuruan 7.615 Jakarta Barat 5.7 Kt. Surabaya 6.4 Kt. Yogyakarta 7.7 Sidoarjo 6.7 Kt. Semarang 6.4 Kt. Malang 6.1 Kt. Salatiga 6.5 Kt. Malang 7.516 Kt. Pekalongan 5.4 Kt. Surakarta 6.3 Kt. Cilegon 7.6 Kt. Cilegon 6.6 Kt. Yogyakarta 6.2 Kt. Cirebon 5.9 Kt. Mojokerto 6.4 Kt. Pekalongan 7.317 Kt. Semarang 5.2 Kt. Cilegon 6.1 Kt. Surabaya 7.2 Kt. Surakarta 6.6 Kt. Bandung 6.0 Kt. Semarang 5.7 Kt. Surakarta 6.2 Kt. Cirebon 7.318 Jakarta Utara 5.2 Kt. Kediri 5.9 Kt. Blitar 7.1 Kt. Surabaya 6.4 Kt. Mojokerto 5.8 Kt. Surakarta 5.7 Sidoarjo 6.0 Jepara 7.019 Sidoarjo 5.1 Kt. Madiun 5.7 Jakarta Utara 7.1 Kt. Malang 6.2 Sidoarjo 5.7 Sidoarjo 5.6 Kt. Magelang 5.9 Tangerang 6.920 Kt. Cilegon 4.5 Jakarta Utara 5.5 Kt. Malang 7.0 Tangerang 6.2 Karawang 5.6 Kt. Bogor 5.2 Kt. Pekalongan 5.9 Kt. Salatiga 6.721 Kt. Salatiga 4.3 Kt. Pasuruan 5.4 Kt. Pekalongan 6.7 Kt. Semarang 6.1 Purwakarta 5.5 Kt. Pekalongan 4.9 Kt. Malang 5.7 Kt. Tasikmalaya 6.622 Kt. Kediri 4.3 Kt. Cirebon 4.9 Kt. Mojokerto 6.7 Kt. Kediri 5.6 Gresik 5.1 Kt. Salatiga 4.8 Kt. Madiun 5.7 Kt. Surakarta 6.423 Jepara 4.2 Kt. Pekalongan 4.8 Kt. Pasuruan 6.4 Kt. Pekalongan 5.2 Kep. Seribu 5.0 Kt. Pasuruan 4.6 Kudus 5.7 Kt. Cimahi 6.324 Kt. Surakarta 4.2 Kt. Mojokerto 4.8 Sidoarjo 6.2 Bekasi 5.0 Bogor 5.0 Kudus 4.5 Kt. Bandung 5.6 Kt. Bogor 6.125 Kt. Malang 4.2 Kudus 4.5 Kt. Madiun 6.1 Jepara 4.9 Kt. Bekasi 4.7 Jepara 4.3 Kt. Cirebon 5.6 Kudus 6.126 Kt. Madiun 4.0 Kt. Salatiga 4.1 Jepara 5.8 Kt. Cirebon 4.5 Kt. Magelang 4.6 Kt. Tasikmalaya 4.3 Jepara 5.4 Kt. Magelang 6.027 Kt. Yogyakarta 4.0 Kt. Yogyakarta 4.0 Kudus 5.6 Kudus 4.2 Kt. Surakarta 4.6 Bekasi 4.1 Kt. Tasikmalaya 5.2 Kt. Bandung 5.928 Kt. Pasuruan 3.9 Kt. Malang 3.8 Kt. Kediri 5.6 Kt. Magelang 4.1 Kt. Probolinggo 4.4 Kt. Blitar 3.7 Kt. Bogor 5.0 Kt. Kediri 5.429 Kt. Tasikmalaya 3.7 Sumedang 3.7 Kt. Salatiga 5.4 Kt. Yogyakarta 4.1 Kt. Sukabumi 4.0 Kt. Kediri 3.5 Kt. Yogyakarta 4.4 Pekalongan 4.930 Bekasi 3.7 Kt. Magelang 3.6 Bantul 4.4 Kt. Tasikmalaya 3.7 Bandung 3.8 Kt. Madiun 3.4 Kt. Kediri 3.9 Gresik 4.631 Kudus 3.5 Kt. Sukabumi 3.3 Kt. Magelang 4.2 Kt. Blitar 3.5 Cilacap 3.5 Serang 3.4 Bekasi 3.9 Kep. Seribu 4.532 Kt. Blitar 3.2 Jepara 3.2 Bogor 4.2 Bantul 3.4 Kt. Tasikmalaya 3.5 Sukoharjo 3.3 Pekalongan 3.5 Kt. Blitar 4.533 Kt. Magelang 3.2 Bekasi 3.1 Kt. Sukabumi 3.7 Kt. Sukabumi 3.4 Kt. Pekalongan 3.2 Kt. Magelang 3.2 Kt. Sukabumi 3.4 Kt. Madiun 4.5

34 Bantul 2.8 Bantul 3.0 Bekasi 3.6 Kt. Tegal 3.3 Kt. Bogor 2.5 Kt. Yogyakarta 2.5 Bantul 3.3 Kt. Yogyakarta 4.135 Sleman 2.1 Kt. Tasikmalaya 2.7 Kt. Tegal 3.3 Kt. Madiun 3.2 Serang 2.5 Gresik 2.4 Bogor 3.2 Kt. Sukabumi 3.636 Bandung 2.0 Kt. Tegal 2.5 Kt. Probolinggo 3.2 Gresik 2.8 Tangerang 2.2 Pekalongan 2.3 Bandung 2.7 Bantul 3.437 Kt. Tegal 1.8 Kt. Blitar 1.7 Kt. Tasikmalaya 3.1 Bandung 2.6 Kendal 2.1 Banyuwangi 2.2 Sukoharjo 2.7 Mojokerto 3.138 Kt. Probolinggo 1.6 Sleman 1.7 Pekalongan 3.0 Pekalongan 2.4 Kt. Madiun 2.1 Bantul 2.1 Kt. Blitar 2.7 Kt. Probolinggo 2.839 Sukoharjo 1.4 Bandung 1.6 Sleman 2.4 Kt. Probolinggo 2.3 Sumedang 2.0 Kt. Sukabumi 1.9 Kt. Tegal 2.6 Klaten 2.440 Klaten 1.4 Sukoharjo 1.4 Bandung 2.1 Sukoharjo 2.1 Sleman 1.7 Kt. Tegal 1.8 Serang 2.5 Kt. Tegal 2.341 Bogor 1.2 Bogor 1.2 Mojokerto 1.8 Bogor 2.1 Tulungagung 1.7 Klaten 1.7 Kt. Probolinggo 2.3 Sukoharjo 1.642 Pekalongan 1.0 Banyumas 0.9 Sukoharjo 1.8 Mojokerto 1.8 Kt. Batu 1.7 Bogor 1.6 Kt. Banjar 2.3 Banyumas 1.2


Rang-king 2001 2002 2003 2004 2005 2006 2007 2008

43 Gresik 0.8 Gresik 0.9 Klaten 1.6 Klaten 1.5 Indramayu 1.4 Kt. Probolinggo 1.5 Klaten 2.0 Sleman 1.144 Karawang 0.4 Kt. Probolinggo 0.9 Gresik 1.5 Sleman 1.5 Kt. Pasuruan 1.4 Bandung 1.3 Gresik 2.0 Kt. Banjar 1.145 Banyumas 0.1 Klaten 0.7 Purwakarta 1.2 Purwakarta 1.1 Garut 1.3 Mojokerto 1.3 Mojokerto 1.8 Serang 0.746 Mojokerto 0.0 Pekalongan 0.3 Banyumas 0.7 Banyumas 0.9 Kt. Blitar 0.9 Karawang 1.3 Sleman 1.1 Jombang 0.747 Tegal 0.0 Karawang 0.1 Purbalingga 0.0 Pasuruan 0.4 Kt. Banjar 0.9 Banyumas 0.8 Karanganyar 0.7 Tulungagung 0.648 Cirebon -0.1 Purbalingga 0.0 Pasuruan -0.4 Jombang 0.4 Kt. Salatiga 0.6 Purwakarta 0.5 Karawang 0.7 Pasuruan 0.449 Purwakarta -0.1 Purwakarta -0.2 Tulungagung -0.7 Karawang 0.0 Sukoharjo 0.4 Cirebon 0.4 Purwakarta 0.6 Karanganyar 0.350 Serang -0.3 Pasuruan -0.3 Kulon Progo -0.9 Kebumen -0.3 Kt. Depok 0.1 Purbalingga 0.3 Banyumas 0.6 Semarang 0.351 Purbalingga -0.5 Karanganyar -0.3 Pemalang -1.1 Purbalingga -0.5 Banyuwangi 0.1 Jombang -0.1 Pasuruan 0.0 Batang 0.152 Tulungagung -0.6 Mojokerto -0.3 Tegal -1.1 Serang -0.7 Karanganyar -0.1 Sleman -0.1 Tegal -0.1 Bogor 0.153 Pasuruan -0.7 Cirebon -0.6 Batang -1.1 Cirebon -0.8 Kt. Tegal -0.1 Tegal -0.2 Jombang -0.3 Bekasi -0.554 Kebumen -0.8 Serang -0.8 Cirebon -1.1 Cilacap -0.8 Mojokerto -0.2 Karanganyar -0.3 Semarang -0.3 Tegal -0.555 Semarang -1.1 Tegal -0.8 Karanganyar -1.2 Majalengka -0.9 Lumajang -0.3 Kebumen -0.5 Cirebon -0.3 Purbalingga -0.756 Kulon Progo -1.2 Jombang -1.0 Semarang -1.2 Semarang -1.2 Subang -0.3 Tulungagung -0.7 Purbalingga -0.4 Cirebon -0.957 Karanganyar -1.3 Cilacap -1.2 Karawang -1.2 Tegal -1.3 Probolinggo -0.3 Pasuruan -0.8 Batang -0.6 Malang -1.158 Jombang -1.3 Kebumen -1.2 Jombang -1.5 Sumedang -1.3 Semarang -0.6 Kt. Banjar -1.0 Temanggung -0.9 Tasikmalaya -1.159 Sumedang -1.3 Batang -1.3 Demak -1.7 Tulungagung -1.5 Magetan -0.9 Majalengka -1.0 Pati -1.3 Temanggung -1.460 Pemalang -1.8 Kulon Progo -1.4 Kt. Batu -1.8 Kulon Progo -1.7 Jombang -1.3 Semarang -1.1 Sumedang -1.5 Kebumen -1.461 Cilacap -1.8 Semarang -1.4 Sumedang -1.8 Batang -1.8 Sukabumi -1.4 Batang -1.2 Kebumen -1.6 Magetan -1.762 Batang -1.9 Demak -1.7 Kt. Banjar -2.0 Karanganyar -1.8 Malang -1.6 Malang -1.5 Malang -1.7 Pati -1.763 Magelang -1.9 Kt. Batu -1.7 Situbondo -2.1 Kt. Banjar -1.8 Cianjur -1.9 Ciamis -1.5 Tulungagung -2.0 Cilacap -1.864 Demak -2.0 Magelang -1.7 Magelang -2.1 Pemalang -2.2 Tuban -2.0 Sumedang -1.9 Boyolali -2.1 Kulon Progo -1.865 Kt. Batu -2.0 Tulungagung -1.9 Kebumen -2.2 Ciamis -2.2 Pandeglang -2.1 Cilacap -2.1 Majalengka -2.2 Pemalang -1.966 Malang -2.2 Garut -2.0 Pati -2.2 Kt. Batu -2.3 Situbondo -2.2 Purworejo -2.2 Pemalang -2.4 Purwakarta -2.067 Sukabumi -2.4 Kendal -2.1 Majalengka -2.3 Demak -2.3 Cirebon -2.2 Sragen -2.2 Ciamis -2.4 Boyolali -2.168 Tasikmalaya -2.5 Purworejo -2.2 Malang -2.3 Kediri -2.4 Bantul -2.3 Magelang -2.3 Demak -2.6 Demak -2.369 Trenggalek -2.6 Sukabumi -2.2 Serang -2.4 Kendal -2.4 Kuningan -2.4 Temanggung -2.3 Cilacap -2.6 Purworejo -2.670 Kediri -2.6 Sragen -2.3 Sragen -2.4 Pati -2.7 Blitar -2.4 Magetan -2.3 Magetan -2.6 Magelang -2.771 Kt. Banjar -2.6 Malang -2.3 Kediri -2.5 Malang -2.8 Jember -2.4 Kulon Progo -2.4 Kt. Batu -2.6 Bandung -2.972 Jember -2.6 Kediri -2.4 Sukabumi -2.7 Tasikmalaya -2.9 Bojonegoro -2.7 Sukabumi -2.4 Tasikmalaya -2.7 Kediri -3.073 Pandeglang -2.7 Pemalang -2.6 Cilacap -2.9 Garut -2.9 Nganjuk -2.7 Demak -2.7 Sukabumi -2.7 Jember -3.174 Garut -2.7 Kt. Banjar -2.7 Garut -2.9 Sukabumi -3.1 Gunung Kidul -2.9 Pemalang -2.8 Kulon Progo -2.7 Sragen -3.175 Nganjuk -2.8 Pati -2.8 Ciamis -3.0 Nganjuk -3.1 Boyolali -2.9 Jember -2.8 Banyuwangi -2.8 Majalengka -3.376 Banyuwangi -2.9 Kuningan -2.8 Kendal -3.3 Banyuwangi -3.1 Klaten -3.0 Boyolali -2.8 Nganjuk -2.8 Kt. Batu -3.477 Majalengka -3.0 Tasikmalaya -3.0 Kuningan -3.4 Jember -3.2 Majalengka -3.0 Kediri -2.9 Sragen -2.9 Wonosobo -3.578 Sragen -3.0 Indramayu -3.1 Boyolali -3.4 Boyolali -3.2 Purworejo -3.1 Kt. Batu -3.0 Kediri -3.1 Banyuwangi -3.679 Blitar -3.1 Jember -3.2 Banjarnegara -3.7 Purworejo -3.6 Kediri -3.3 Subang -3.0 Magelang -3.3 Sumedang -3.680 Boyolali -3.1 Ciamis -3.2 Nganjuk -3.7 Kuningan -3.7 Lebak -3.3 Tasikmalaya -3.1 Purworejo -3.3 Kendal -3.681 Banjarnegara -3.1 Boyolali -3.3 Jember -3.8 Pandeglang -3.8 Rembang -3.4 Kendal -3.1 Jember -3.4 Ciamis -3.782 Ciamis -3.1 Banjarnegara -3.4 Banyuwangi -3.9 Banjarnegara -3.9 Pasuruan -3.5 Pati -3.1 Indramayu -3.4 Karawang -3.783 Pati -3.2 Subang -3.5 Indramayu -4.1 Magelang -3.9 Jepara -3.5 Garut -3.2 Subang -3.5 Banjarnegara -4.184 Bondowoso -3.3 Blitar -3.6 Trenggalek -4.2 Madiun -3.9 Pekalongan -3.6 Kuningan -3.7 Situbondo -3.7 Tuban -4.285 Kendal -3.3 Lumajang -3.9 Tuban -4.3 Magetan -4.1 Madiun -3.7 Indramayu -3.8 Lumajang -3.9 Blitar -4.2


Rang-king 2001 2002 2003 2004 2005 2006 2007 2008

86 Purworejo -3.5 Bondowoso -3.9 Madiun -4.4 Sragen -4.1 Tasikmalaya -3.7 Blitar -3.9 Garut -3.9 Bondowoso -4.387 Kuningan -3.6 Nganjuk -4.2 Subang -4.4 Wonosobo -4.3 Sumenep -3.8 Nganjuk -4.0 Kendal -3.9 Pacitan -4.388 Magetan -3.6 Wonosobo -4.2 Wonosobo -4.5 Indramayu -4.5 Kulon Progo -4.1 Lamongan -4.1 Kuningan -4.0 Trenggalek -4.489 Subang -3.7 Banyuwangi -4.3 Tasikmalaya -4.5 Rembang -4.6 Ciamis -4.2 Brebes -4.1 Wonosobo -4.0 Lamongan -4.490 Wonosobo -3.7 Trenggalek -4.4 Blitar -4.6 Trenggalek -4.7 Batang -4.2 Tuban -4.1 Banjarnegara -4.4 Nganjuk -4.491 Lumajang -3.7 Brebes -4.4 Magetan -4.6 Probolinggo -4.9 Pati -4.3 Bondowoso -4.2 Ponorogo -4.6 Sukabumi -4.592 Situbondo -3.7 Magetan -4.5 Rembang -4.8 Grobogan -4.9 Magelang -4.4 Pacitan -4.4 Blitar -4.8 Pandeglang -4.893 Brebes -3.9 Tuban -4.7 Probolinggo -4.9 Brebes -4.9 Bangkalan -4.5 Trenggalek -4.4 Cianjur -4.9 Rembang -5.094 Indramayu -3.9 Cianjur -4.8 Cianjur -4.9 Cianjur -5.0 Lamongan -4.6 Cianjur -4.7 Grobogan -5.0 Madiun -5.395 Rembang -3.9 Probolinggo -4.8 Brebes -5.0 Subang -5.1 Banjarnegara -4.8 Madiun -4.8 Brebes -5.1 Brebes -5.396 Probolinggo -4.0 Situbondo -4.9 Bondowoso -5.0 Lumajang -5.2 Sragen -4.8 Ponorogo -4.8 Madiun -5.3 Situbondo -5.497 Cianjur -4.1 Pandeglang -4.9 Lumajang -5.0 Blitar -5.4 Demak -4.9 Wonosobo -4.9 Bojonegoro -5.3 Probolinggo -5.498 Lamongan -4.4 Grobogan -4.9 Ponorogo -5.2 Situbondo -5.4 Ngawi -5.0 Probolinggo -4.9 Pandeglang -5.3 Indramayu -5.499 Madiun -4.5 Bojonegoro -5.1 Lamongan -5.4 Lamongan -5.5 Banyumas -5.1 Situbondo -4.9 Lamongan -5.6 Ponorogo -5.4100 Tuban -4.5 Pamekasan -5.1 Wonogiri -5.4 Lebak -5.6 Ponorogo -5.1 Lumajang -4.9 Probolinggo -5.7 Lumajang -5.6101 Kep. Seribu -4.6 Madiun -5.2 Grobogan -5.6 Bondowoso -5.7 Temanggung -5.2 Pandeglang -4.9 Rembang -5.7 Sumenep -5.8102 Wonogiri -4.7 Rembang -5.2 Lebak -5.7 Bojonegoro -5.8 Purbalingga -5.2 Rembang -5.1 Kep. Seribu -5.8 Lebak -5.8103 Sumenep -4.7 Lamongan -5.4 Purworejo -5.7 Ngawi -5.9 Brebes -5.3 Bojonegoro -5.3 Lebak -5.9 Bojonegoro -5.9104 Bangkalan -4.8 Bangkalan -5.4 Temanggung -5.9 Ponorogo -5.9 Kebumen -5.3 Banjarnegara -5.4 Tuban -6.1 Bangkalan -6.1105 Bojonegoro -4.8 Wonogiri -5.5 Bojonegoro -5.9 Bangkalan -5.9 Trenggalek -5.3 Grobogan -5.5 Gunung Kidul -6.1 Garut -6.3106 Ngawi -4.8 Temanggung -5.6 Ngawi -6.0 Wonogiri -6.2 Wonogiri -5.5 Bangkalan -5.5 Pacitan -6.3 Kuningan -6.5107 Lebak -5.1 Lebak -5.9 Pandeglang -6.2 Kep. Seribu -6.4 Pemalang -5.6 Sumenep -5.5 Bondowoso -6.3 Cianjur -6.5108 Temanggung -5.3 Ponorogo -6.0 Gunung Kidul -6.4 Temanggung -6.4 Sampang -5.7 Gunung Kidul -5.6 Trenggalek -6.4 Subang -6.6109 Grobogan -5.5 Ngawi -6.0 Bangkalan -6.5 Tuban -6.6 Tegal -5.8 Lebak -5.7 Wonogiri -6.8 Grobogan -6.6110 Ponorogo -5.6 Kep. Seribu -6.2 Blora -6.6 Sumenep -6.7 Wonosobo -5.8 Blora -5.8 Blora -6.8 Wonogiri -6.7111 Pacitan -5.6 Sumenep -6.2 Sumenep -6.7 Blora -6.8 Pamekasan -6.1 Wonogiri -5.8 Bangkalan -7.0 Blora -6.8112 Pamekasan -5.6 Blora -6.2 Kep. Seribu -6.8 Gunung Kidul -7.0 Bondowoso -6.1 Ngawi -6.3 Ngawi -7.1 Gunung Kidul -7.0113 Gunung Kidul -5.7 Gunung Kidul -6.2 Pacitan -6.9 Pamekasan -7.8 Blora -6.3 Sampang -6.6 Pamekasan -7.4 Ngawi -7.2114 Blora -5.9 Pacitan -6.7 Pamekasan -8.0 Pacitan -8.9 Grobogan -6.4 Kep. Seribu -6.8 Sumenep -7.7 Sampang -7.4115 Sampang -6.5 Sampang -6.8 Sampang -8.9 Sampang -9.2 Pacitan -6.8 Pamekasan -8.2 Sampang -8.5 Pamekasan -9.5

93Lampiran 4. Peringkat Kabupaten Kota Berdasarkan Perbedaan Komponen Productivity Different Tahun 2001-2008

Rang-king 2001 2002 2003 2004 2005 2006 2007 2008


10 Kt. Cirebon 25.5 Kt. Cirebon 26.1 Kt. Cirebon 27.3 Kt. Cirebon 26.8 Kt. Surabaya 29.8 Kt. Cirebon 33.3 Kt. Cirebon 28.8 Jakarta Barat 32.711 Kt. Yogyakarta 17.9 Kt. Yogyakarta 14.4 Kt. Tangerang 20.4 Kt. Tangerang 20.4 Kt. Tangerang 21.0 Kt. Tangerang 25.0 Kt. Tangerang 24.6 Kt. Cirebon 26.412 Kt. Cimahi 13.6 Kt. Malang 14.4 Kt. Malang 15.6 Kt. Malang 15.0 Kt. Cimahi 13.9 Kt. Malang 13.7 Kt. Malang 15.6 Kt. Malang 16.413 Kt. Semarang 10.3 Kt. Cimahi 13.5 Kt. Cimahi 15.1 Kt. Cimahi 13.4 Kt. Malang 11.6 Kt. Cimahi 12.8 Sidoarjo 12.3 Sidoarjo 12.614 Kudus 9.8 Kudus 10.3 Sidoarjo 10.3 Sidoarjo 12.1 Kudus 10.8 Kt. Semarang 9.9 Kt. Cimahi 11.6 Kt. Mojokerto 10.615 Kt. Malang 9.5 Sidoarjo 10.2 Kudus 10.1 Kudus 10.3 Kt. Semarang 9.3 Kudus 9.1 Kt. Mojokerto 11.4 Kudus 9.316 Kep. Seribu 8.3 Kep. Seribu 8.6 Kt. Semarang 9.0 Kt. Semarang 10.2 Kt. Yogyakarta 9.1 Kt. Yogyakarta 8.7 Kt. Bandung 9.4 Kt. Bandung 9.017 Sidoarjo 6.6 Kt. Semarang 8.0 Gresik 7.5 Kt. Yogyakarta 9.7 Kt. Bandung 8.2 Sidoarjo 8.3 Kep. Seribu 9.2 Gresik 8.418 Kt. Bandung 6.1 Gresik 6.6 Kt. Bandung 6.8 Gresik 8.2 Kt. Mojokerto 8.2 Kt. Bandung 8.2 Kt. Semarang 8.9 Kt. Semarang 7.919 Kt. Bekasi 3.5 Kt. Bandung 6.3 Kt. Yogyakarta 6.4 Kt. Bandung 6.0 Sidoarjo 7.2 Kt. Mojokerto 6.6 Kudus 8.8 Kt. Cimahi 7.620 Purwakarta 3.0 Kt. Mojokerto 3.0 Kep. Seribu 4.2 Kt. Mojokerto 3.2 Karawang 4.9 Gresik 5.5 Gresik 8.3 Kt. Yogyakarta 4.721 Gresik 2.6 Purwakarta 2.2 Kt. Mojokerto 4.1 Karawang 2.2 Purwakarta 4.2 Karawang 3.6 Kt. Yogyakarta 4.6 Karawang 2.822 Kt. Magelang 2.0 Bogor 1.0 Kt. Probolinggo 2.6 Kt. Probolinggo 2.2 Gresik 3.5 Purwakarta 3.6 Bandung 2.0 Kep. Seribu 2.523 Bogor 1.6 Karawang 0.8 Purwakarta 1.2 Kep. Seribu 1.8 Kep. Seribu 2.7 Kep. Seribu 2.3 Karawang 1.5 Purwakarta 0.924 Karawang 1.4 Kt. Bekasi 0.0 Karawang 1.0 Purwakarta 1.4 Bogor 1.6 Bogor 1.1 Kt. Probolinggo 0.8 Bogor 0.625 Kt. Sukabumi 1.2 Sumedang -0.1 Bogor 1.0 Kt. Bekasi 0.1 Kt. Bekasi 0.6 Kt. Probolinggo 0.4 Purwakarta -0.1 Kt. Probolinggo 0.526 Kt. Mojokerto 1.1 Kt. Surakarta -0.1 Kt. Surakarta 0.9 Bogor -0.2 Kt. Magelang 0.1 Kt. Surakarta 0.2 Bogor -0.7 Kt. Surakarta -0.927 Kt. Surakarta 1.0 Kt. Probolinggo -0.3 Kt. Sukabumi 0.4 Kt. Surakarta -0.6 Kt. Surakarta -0.1 Kt. Bekasi 0.1 Kt. Magelang -1.5 Kt. Magelang -1.628 Kt. Pekalongan 0.1 Kt. Sukabumi -0.5 Kt. Bekasi 0.4 Kt. Sukabumi -1.0 Kt. Probolinggo -0.3 Cilacap -0.1 Kt. Bekasi -2.0 Cilacap -2.329 Tangerang -1.3 Kt. Magelang -0.7 Kt. Magelang -0.6 Kt. Magelang -1.1 Kt. Sukabumi -0.4 Kt. Sukabumi -1.2 Kt. Surakarta -2.0 Bandung -2.730 Cilacap -1.4 Kt. Pekalongan -1.2 Kt. Pekalongan -1.7 Kt. Pekalongan -1.4 Bandung -1.1 Kt. Magelang -1.4 Cilacap -3.0 Kt. Bekasi -3.731 Serang -1.9 Kt. Madiun -2.2 Cilacap -2.3 Cilacap -2.7 Cilacap -1.1 Bandung -1.7 Sleman -3.7 Kt. Tasikmalaya -4.532 Bandung -2.2 Cilacap -2.4 Kt. Tasikmalaya -2.5 Tangerang -2.9 Kt. Tasikmalaya -2.6 Kt. Pekalongan -2.0 Tangerang -3.9 Kt. Batu -4.933 Kt. Tasikmalaya -2.3 Kt. Tangerang -2.7 Bandung -2.8 Bandung -3.4 Kt. Pekalongan -2.6 Tangerang -3.1 Kt. Sukabumi -3.9 Kt. Sukabumi -4.9

34 Kt. Probolinggo -3.0 Tangerang -2.9 Kt. Madiun -2.8 Tulungagung -3.7 Kt. Bogor -3.2 Kt. Bogor -4.3 Kt. Madiun -3.9 Kt. Madiun -5.135 Kt. Bogor -3.4 Serang -3.0 Tangerang -3.0 Kt. Bogor -4.1 Serang -3.5 Kt. Tasikmalaya -4.5 Kt. Pekalongan -4.2 Tangerang -5.136 Kendal -3.9 Kt. Tasikmalaya -3.2 Serang -3.6 Kt. Tasikmalaya -4.2 Tangerang -3.6 Indramayu -5.6 Kt. Batu -4.8 Kt. Pekalongan -5.337 Sleman -3.9 Bandung -3.3 Kt. Bogor -4.0 Kt. Madiun -4.3 Kendal -4.6 Sleman -5.7 Kt. Pasuruan -5.2 Kt. Pasuruan -5.738 Kt. Madiun -4.0 Tulungagung -3.6 Tulungagung -4.3 Serang -4.5 Kt. Madiun -5.1 Tulungagung -5.7 Kt. Bogor -5.8 Banyuwangi -6.239 Indramayu -4.1 Kt. Batu -4.2 Kt. Batu -4.3 Kt. Batu -4.5 Sumedang -5.5 Garut -5.9 Banyuwangi -5.9 Tulungagung -6.340 Kt. Salatiga -4.2 Indramayu -4.2 Kt. Pasuruan -4.4 Banyuwangi -4.8 Sleman -5.6 Kt. Madiun -5.9 Tulungagung -6.5 Garut -7.441 Garut -4.3 Kt. Pasuruan -4.3 Kt. Blitar -5.0 Sleman -5.0 Tulungagung -5.7 Karanganyar -6.2 Kt. Tasikmalaya -6.7 Mojokerto -7.542 Kt. Depok -4.5 Sleman -5.0 Sleman -5.1 Kt. Pasuruan -5.0 Kt. Batu -5.8 Kt. Pasuruan -6.2 Indramayu -7.0 Karanganyar -7.5


Rang-king 2001 2002 2003 2004 2005 2006 2007 2008



Rang-king 2001 2002 2003 2004 2005 2006 2007 2008


96Lampiran 5. Peringkat Kabupaten/Kota Berdasarkan Komponen Allocative Tahun 2001-2008

Rang-king 2001 2002 2003 2004 2005 2006 2007 2008


10 Kt. Cirebon 25.5 Kt. Cirebon 26.1 Kt. Cirebon 27.3 Kt. Cirebon 26.8 Kt. Surabaya 29.8 Kt. Cirebon 33.3 Kt. Cirebon 28.8 Jakarta Barat 32.711 Kt. Yogyakarta 17.9 Kt. Yogyakarta 14.4 Kt. Tangerang 20.4 Kt. Tangerang 20.4 Kt. Tangerang 21.0 Kt. Tangerang 25.0 Kt. Tangerang 24.6 Kt. Cirebon 26.412 Kt. Cimahi 13.6 Kt. Malang 14.4 Kt. Malang 15.6 Kt. Malang 15.0 Kt. Cimahi 13.9 Kt. Malang 13.7 Kt. Malang 15.6 Kt. Malang 16.413 Kt. Semarang 10.3 Kt. Cimahi 13.5 Kt. Cimahi 15.1 Kt. Cimahi 13.4 Kt. Malang 11.6 Kt. Cimahi 12.8 Sidoarjo 12.3 Sidoarjo 12.614 Kudus 9.8 Kudus 10.3 Sidoarjo 10.3 Sidoarjo 12.1 Kudus 10.8 Kt. Semarang 9.9 Kt. Cimahi 11.6 Kt. Mojokerto 10.615 Kt. Malang 9.5 Sidoarjo 10.2 Kudus 10.1 Kudus 10.3 Kt. Semarang 9.3 Kudus 9.1 Kt. Mojokerto 11.4 Kudus 9.316 Kep. Seribu 8.3 Kep. Seribu 8.6 Kt. Semarang 9.0 Kt. Semarang 10.2 Kt. Yogyakarta 9.1 Kt. Yogyakarta 8.7 Kt. Bandung 9.4 Kt. Bandung 9.017 Sidoarjo 6.6 Kt. Semarang 8.0 Gresik 7.5 Kt. Yogyakarta 9.7 Kt. Bandung 8.2 Sidoarjo 8.3 Kep. Seribu 9.2 Gresik 8.418 Kt. Bandung 6.1 Gresik 6.6 Kt. Bandung 6.8 Gresik 8.2 Kt. Mojokerto 8.2 Kt. Bandung 8.2 Kt. Semarang 8.9 Kt. Semarang 7.919 Kt. Bekasi 3.5 Kt. Bandung 6.3 Kt. Yogyakarta 6.4 Kt. Bandung 6.0 Sidoarjo 7.2 Kt. Mojokerto 6.6 Kudus 8.8 Kt. Cimahi 7.620 Purwakarta 3.0 Kt. Mojokerto 3.0 Kep. Seribu 4.2 Kt. Mojokerto 3.2 Karawang 4.9 Gresik 5.5 Gresik 8.3 Kt. Yogyakarta 4.721 Gresik 2.6 Purwakarta 2.2 Kt. Mojokerto 4.1 Karawang 2.2 Purwakarta 4.2 Karawang 3.6 Kt. Yogyakarta 4.6 Karawang 2.822 Kt. Magelang 2.0 Bogor 1.0 Kt. Probolinggo 2.6 Kt. Probolinggo 2.2 Gresik 3.5 Purwakarta 3.6 Bandung 2.0 Kep. Seribu 2.523 Bogor 1.6 Karawang 0.8 Purwakarta 1.2 Kep. Seribu 1.8 Kep. Seribu 2.7 Kep. Seribu 2.3 Karawang 1.5 Purwakarta 0.924 Karawang 1.4 Kt. Bekasi 0.0 Karawang 1.0 Purwakarta 1.4 Bogor 1.6 Bogor 1.1 Kt. Probolinggo 0.8 Bogor 0.625 Kt. Sukabumi 1.2 Sumedang -0.1 Bogor 1.0 Kt. Bekasi 0.1 Kt. Bekasi 0.6 Kt. Probolinggo 0.4 Purwakarta -0.1 Kt. Probolinggo 0.526 Kt. Mojokerto 1.1 Kt. Surakarta -0.1 Kt. Surakarta 0.9 Bogor -0.2 Kt. Magelang 0.1 Kt. Surakarta 0.2 Bogor -0.7 Kt. Surakarta -0.927 Kt. Surakarta 1.0 Kt. Probolinggo -0.3 Kt. Sukabumi 0.4 Kt. Surakarta -0.6 Kt. Surakarta -0.1 Kt. Bekasi 0.1 Kt. Magelang -1.5 Kt. Magelang -1.628 Kt. Pekalongan 0.1 Kt. Sukabumi -0.5 Kt. Bekasi 0.4 Kt. Sukabumi -1.0 Kt. Probolinggo -0.3 Cilacap -0.1 Kt. Bekasi -2.0 Cilacap -2.329 Tangerang -1.3 Kt. Magelang -0.7 Kt. Magelang -0.6 Kt. Magelang -1.1 Kt. Sukabumi -0.4 Kt. Sukabumi -1.2 Kt. Surakarta -2.0 Bandung -2.730 Cilacap -1.4 Kt. Pekalongan -1.2 Kt. Pekalongan -1.7 Kt. Pekalongan -1.4 Bandung -1.1 Kt. Magelang -1.4 Cilacap -3.0 Kt. Bekasi -3.731 Serang -1.9 Kt. Madiun -2.2 Cilacap -2.3 Cilacap -2.7 Cilacap -1.1 Bandung -1.7 Sleman -3.7 Kt. Tasikmalaya -4.532 Bandung -2.2 Cilacap -2.4 Kt. Tasikmalaya -2.5 Tangerang -2.9 Kt. Tasikmalaya -2.6 Kt. Pekalongan -2.0 Tangerang -3.9 Kt. Batu -4.933 Kt. Tasikmalaya -2.3 Kt. Tangerang -2.7 Bandung -2.8 Bandung -3.4 Kt. Pekalongan -2.6 Tangerang -3.1 Kt. Sukabumi -3.9 Kt. Sukabumi -4.9

34 Kt. Probolinggo -3.0 Tangerang -2.9 Kt. Madiun -2.8 Tulungagung -3.7 Kt. Bogor -3.2 Kt. Bogor -4.3 Kt. Madiun -3.9 Kt. Madiun -5.135 Kt. Bogor -3.4 Serang -3.0 Tangerang -3.0 Kt. Bogor -4.1 Serang -3.5 Kt. Tasikmalaya -4.5 Kt. Pekalongan -4.2 Tangerang -5.136 Kendal -3.9 Kt. Tasikmalaya -3.2 Serang -3.6 Kt. Tasikmalaya -4.2 Tangerang -3.6 Indramayu -5.6 Kt. Batu -4.8 Kt. Pekalongan -5.337 Sleman -3.9 Bandung -3.3 Kt. Bogor -4.0 Kt. Madiun -4.3 Kendal -4.6 Sleman -5.7 Kt. Pasuruan -5.2 Kt. Pasuruan -5.738 Kt. Madiun -4.0 Tulungagung -3.6 Tulungagung -4.3 Serang -4.5 Kt. Madiun -5.1 Tulungagung -5.7 Kt. Bogor -5.8 Banyuwangi -6.239 Indramayu -4.1 Kt. Batu -4.2 Kt. Batu -4.3 Kt. Batu -4.5 Sumedang -5.5 Garut -5.9 Banyuwangi -5.9 Tulungagung -6.340 Kt. Salatiga -4.2 Indramayu -4.2 Kt. Pasuruan -4.4 Banyuwangi -4.8 Sleman -5.6 Kt. Madiun -5.9 Tulungagung -6.5 Garut -7.441 Garut -4.3 Kt. Pasuruan -4.3 Kt. Blitar -5.0 Sleman -5.0 Tulungagung -5.7 Karanganyar -6.2 Kt. Tasikmalaya -6.7 Mojokerto -7.542 Kt. Depok -4.5 Sleman -5.0 Sleman -5.1 Kt. Pasuruan -5.0 Kt. Batu -5.8 Kt. Pasuruan -6.2 Indramayu -7.0 Karanganyar -7.5


Rang-king 2001 2002 2003 2004 2005 2006 2007 2008



Rang-king 2001 2002 2003 2004 2005 2006 2007 2008


Lampiran 6.a. Rangking Perbedaan Produktivitas Tenaga Kerja dan Kontribusi Masing-masingKomponen Shift Share Tahun 2001

Komponen Shift ShareRang-king Kabupaten/Kota

PerbedaanProduktivitas(Xi – Xjawa)

IndustrialMix

ProductivityDifferent Allocative

1 Jakarta Pusat 160.81 6.88 87.88 66.052 Kota Kediri 130.24 4.35 85.14 40.753 Jakarta Utara 66.57 5.22 48.10 13.254 Jakarta Selatan 59.40 7.71 27.28 24.415 Kota Cilegon 54.27 4.49 33.41 16.366 Bekasi 35.45 3.69 19.60 12.167 Jakarta Barat 31.60 5.71 19.38 6.518 Jakarta Timur 30.10 7.72 29.43 -7.059 Kota Surabaya 26.02 5.74 14.70 5.57

10 Kota Cirebon 25.52 20.72 27.20 -22.4011 Kota Yogyakarta 17.86 3.96 18.47 -4.5712 Kota Cimahi 13.60 7.86 2.08 3.6613 Kota Semarang 10.26 5.24 6.94 -1.9214 Kudus 9.78 3.51 6.16 0.1115 Kota Malang 9.48 4.20 3.00 2.2816 Kepulauan Seribu 8.26 -4.65 27.88 -14.9717 Sidoarjo 6.56 5.06 1.89 -0.3918 Kota Bandung 6.07 17.82 5.86 -17.6119 Kota Bekasi 3.48 18.32 3.87 -18.7120 Purwakarta 3.03 -0.10 6.94 -3.8121 Gresik 2.60 0.77 3.06 -1.2422 Kota Magelang 2.01 3.22 7.08 -8.3023 Bogor 1.64 1.16 0.08 0.4024 Karawang 1.36 0.41 0.69 0.2625 Kota Sukabumi 1.21 15.90 15.85 -30.5526 Kota Mojokerto 1.14 6.00 -1.51 -3.3527 Kota Surakarta 0.97 4.20 -1.24 -2.0028 Kota Pekalongan 0.09 5.43 13.38 -18.7329 Tangerang -1.31 6.44 -1.52 -6.2430 Cilacap -1.42 -1.82 0.47 -0.0731 Serang -1.86 -0.35 -0.85 -0.6632 Bandung -2.20 1.98 -4.00 -0.1833 Kota Tasikmalaya -2.31 3.69 -1.64 -4.3634 Kota Probolinggo -2.97 1.56 -2.50 -2.0435 Kota Bogor -3.41 16.34 -4.47 -15.2936 Kendal -3.87 -3.31 -1.26 0.7037 Sleman -3.92 2.12 -0.34 -5.7038 Kota Madiun -4.04 4.04 -3.18 -4.9039 Indramayu -4.10 -3.91 1.04 -1.2340 Kota Salatiga -4.23 4.35 -4.50 -4.0841 Garut -4.29 -2.69 -3.43 1.8342 Kota Depok -4.53 18.09 -3.43 -19.19

Lampiran 6.a. (Lanjutan)Komponen Shift ShareRang-

king Kabupaten/KotaPerbedaan

Produktivitas(Xi – Xjawa)

IndustrialMix


43 Semarang -4.72 -1.06 -4.01 0.3544 Kota Tangerang -4.82 8.33 -8.04 -5.1045 Kota Batu -4.99 -2.00 -4.79 1.8046 Tulungagung -5.01 -0.61 -4.08 -0.3247 Sumedang -5.12 -1.32 -4.69 0.8948 Kota Tegal -5.21 1.80 -2.65 -4.3649 Sukoharjo -5.25 1.44 -5.46 -1.2450 Banyuwangi -5.26 -2.92 -3.45 1.1151 Kota Pasuruan -5.26 3.86 -5.02 -4.1152 Kota Banjar -5.40 -2.63 -4.09 1.3353 Karanganyar -5.44 -1.27 -3.25 -0.9354 Subang -5.59 -3.67 -3.15 1.2355 Kota Blitar -5.88 3.23 -4.60 -4.5156 Cianjur -5.95 -4.13 -1.67 -0.1657 Lebak -6.06 -5.05 -1.03 0.0258 Sukabumi -6.13 -2.39 -4.62 0.8859 Mojokerto -6.18 0.05 -6.21 -0.0260 Probolinggo -6.19 -4.03 -3.51 1.3461 Lumajang -6.23 -3.71 -2.39 -0.1362 Malang -6.40 -2.19 -4.77 0.5763 Pandeglang -6.59 -2.68 -4.68 0.7764 Cirebon -6.70 -0.10 -4.66 -1.9565 Bantul -6.86 2.85 -5.59 -4.1266 Ciamis -7.09 -3.13 -4.51 0.5667 Jombang -7.15 -1.29 -7.04 1.1868 Situbondo -7.18 -3.71 -5.00 1.5369 Kulon Progo -7.18 -1.23 -6.34 0.3970 Jepara -7.34 4.23 -5.48 -6.0971 Tuban -7.37 -4.54 -3.76 0.9372 Bojonegoro -7.46 -4.77 -4.74 2.0673 Batang -7.55 -1.87 -6.49 0.8274 Kuningan -7.58 -3.60 -5.93 1.9675 Kediri -7.58 -2.60 -6.68 1.7076 Boyolali -7.59 -3.08 -3.82 -0.6977 Jember -7.61 -2.65 -7.15 2.1978 Klaten -7.61 1.39 -7.67 -1.3479 Nganjuk -7.68 -2.76 -6.64 1.7280 Blitar -7.75 -3.08 -6.51 1.8481 Majalengka -7.80 -2.99 -5.30 0.4982 Purworejo -7.83 -3.47 -6.72 2.3583 Pati -7.92 -3.24 -6.61 1.9384 Pekalongan -7.94 1.01 -7.09 -1.85

Lampiran 6.a. (Lanjutan)Komponen Shift ShareRang-



IndustrialMix


85 Rembang -7.95 -3.92 -7.43 3.4086 Gunung Kidul -8.01 -5.65 -3.74 1.3887 Magetan -8.03 -3.64 -7.02 2.6288 Tasikmalaya -8.09 -2.49 -7.28 1.6889 Sumenep -8.09 -4.70 -6.40 3.0190 Madiun -8.44 -4.50 -6.85 2.9191 Magelang -8.59 -1.88 -7.92 1.2192 Lamongan -8.63 -4.40 -7.72 3.4993 Bangkalan -8.65 -4.77 -7.10 3.2294 Banjarnegara -8.67 -3.13 -6.76 1.2195 Banyumas -8.80 0.14 -8.28 -0.6596 Temanggung -8.83 -5.34 -3.93 0.4397 Demak -8.86 -1.99 -8.31 1.4498 Brebes -8.87 -3.87 -8.29 3.2899 Ngawi -8.91 -4.82 -7.13 3.05

100 Sragen -8.95 -3.01 -7.81 1.87101 Purbalingga -8.99 -0.46 -8.88 0.36102 Sampang -9.20 -6.45 -6.52 3.78103 Ponorogo -9.32 -5.58 -6.20 2.45104 Pemalang -9.33 -1.77 -8.82 1.27105 Kebumen -9.46 -0.78 -7.42 -1.25106 Tegal -9.69 -0.03 -9.49 -0.17107 Trenggalek -9.71 -2.58 -7.72 0.59108 Wonogiri -9.73 -4.67 -8.67 3.61109 Wonosobo -9.90 -3.68 -8.95 2.73110 Blora -9.98 -5.95 -7.22 3.19111 Pasuruan -9.99 -0.75 -8.94 -0.30112 Bondowoso -10.06 -3.30 -9.63 2.86113 Grobogan -10.21 -5.47 -8.10 3.36114 Pamekasan -10.28 -5.64 -7.83 3.19115 Pacitan -10.70 -5.59 -8.37 3.25

Lampiran 6.b. Rangking Perbedaan Produktivitas Tenaga Kerja dan Kontribusi Masing-masingKomponen Shift Share Tahun 2002



IndustrialMix


1 Jakarta Pusat 168.86 8.03 97.97 62.872 Kota Kediri 141.58 5.86 113.88 21.833 Jakarta Utara 69.08 5.47 54.51 9.104 Jakarta Selatan 63.69 10.77 37.09 15.835 Kota Cilegon 60.91 6.07 33.34 21.496 Bekasi 39.96 3.07 22.91 13.997 Jakarta Barat 35.91 7.42 24.49 4.008 Kota Surabaya 34.19 6.38 19.85 7.979 Jakarta Timur 32.48 8.81 32.45 -8.77

10 Kota Cirebon 26.12 4.95 31.31 -10.1411 Kota Yogyakarta 14.37 4.04 13.73 -3.4012 Kota Malang 14.35 3.78 8.37 2.2013 Kota Cimahi 13.50 7.69 1.73 4.0814 Kudus 10.34 4.47 5.02 0.8615 Sidoarjo 10.24 6.54 5.15 -1.4616 Kepulauan Seribu 8.60 -6.18 26.62 -11.8417 Kota Semarang 7.97 7.33 4.33 -3.6818 Gresik 6.57 0.91 4.90 0.7619 Kota Bandung 6.32 7.93 1.53 -3.1320 Kota Mojokerto 2.95 4.77 -0.17 -1.6521 Purwakarta 2.19 -0.17 3.40 -1.0422 Bogor 0.99 1.18 1.61 -1.8023 Karawang 0.80 0.07 -0.16 0.8924 Kota Bekasi -0.01 7.80 -0.97 -6.8425 Sumedang -0.08 3.69 16.38 -20.1526 Kota Surakarta -0.13 6.30 -3.58 -2.8527 Kota Probolinggo -0.29 0.89 0.51 -1.6828 Kota Sukabumi -0.48 3.28 -2.97 -0.7929 Kota Magelang -0.67 3.63 7.14 -11.4430 Kota Pekalongan -1.23 4.82 10.79 -16.8531 Kota Madiun -2.19 5.75 0.51 -8.4432 Cilacap -2.37 -1.19 -1.62 0.4433 Kota Tangerang -2.74 9.70 -4.98 -7.4634 Tangerang -2.92 8.14 -1.86 -9.1935 Serang -3.02 -0.80 -1.91 -0.3236 Kota Tasikmalaya -3.18 2.74 -1.95 -3.9637 Bandung -3.26 1.55 -4.69 -0.1238 Tulungagung -3.59 -1.91 -0.18 -1.5039 Kota Batu -4.17 -1.69 -3.27 0.7940 Indramayu -4.19 -3.12 1.65 -2.7141 Kota Pasuruan -4.32 5.42 -3.86 -5.8842 Sleman -4.95 1.65 -1.52 -5.09

Lampiran 6.b. (Lanjutan)Komponen Shift ShareRang

-king Kabupaten/KotaPerbedaan


IndustrialMix


43 Banyuwangi -4.98 -4.28 -2.57 1.8744 Jombang -5.39 -1.02 -4.60 0.2345 Kota Bogor -5.46 7.02 -8.18 -4.3046 Kendal -5.51 -2.12 -3.86 0.4747 Probolinggo -5.54 -4.80 -1.02 0.2848 Garut -5.54 -1.99 -5.72 2.1649 Kota Depok -5.60 9.86 -2.08 -13.3950 Mojokerto -5.63 -0.32 -5.25 -0.0651 Semarang -6.00 -1.44 -5.48 0.9252 Kota Salatiga -6.01 4.14 -6.00 -4.1553 Kota Blitar -6.14 1.66 -6.42 -1.3854 Malang -6.16 -2.33 -4.07 0.2355 Lumajang -6.18 -3.87 -3.23 0.9256 Sukoharjo -6.30 1.41 -6.25 -1.4657 Karanganyar -6.35 -0.28 -6.08 0.0158 Kota Banjar -6.80 -2.74 -3.06 -1.0059 Kota Tegal -6.81 2.46 -4.93 -4.3460 Sukabumi -6.82 -2.23 -5.77 1.1961 Tuban -7.05 -4.71 -2.89 0.5662 Sumenep -7.05 -6.18 -2.47 1.6063 Situbondo -7.14 -4.92 -2.92 0.7164 Subang -7.29 -3.55 -5.62 1.8865 Blitar -7.45 -3.62 -6.52 2.6966 Cianjur -7.55 -4.76 -3.86 1.0767 Nganjuk -7.75 -4.17 -5.81 2.2368 Lebak -7.79 -5.90 -2.18 0.3069 Cirebon -7.83 -0.59 -5.10 -2.1370 Jember -7.94 -3.16 -5.72 0.9571 Magetan -8.07 -4.52 -5.84 2.2972 Bojonegoro -8.09 -5.07 -4.69 1.6773 Pandeglang -8.17 -4.94 -4.63 1.4074 Ciamis -8.17 -3.22 -3.00 -1.9675 Kediri -8.18 -2.38 -6.90 1.1076 Bantul -8.22 3.02 -7.03 -4.2177 Bangkalan -8.31 -5.43 -4.92 2.0578 Pasuruan -8.33 -0.26 -7.56 -0.5179 Kuningan -8.40 -2.84 -8.08 2.5180 Madiun -8.44 -5.16 -6.13 2.8581 Klaten -8.79 0.66 -8.32 -1.1382 Lamongan -8.84 -5.36 -6.98 3.5083 Pekalongan -8.89 0.28 -3.55 -5.6184 Kulon Progo -8.95 -1.44 -7.86 0.35

Lampiran 6.b. (Lanjutan)Komponen Shift ShareRang



IndustrialMix


85 Boyolali -8.98 -3.27 -7.36 1.6586 Purworejo -9.00 -2.18 -8.52 1.7087 Batang -9.01 -1.29 -8.47 0.7588 Gunung Kidul -9.11 -6.22 -3.72 0.8389 Rembang -9.19 -5.25 -7.48 3.5490 Jepara -9.30 3.15 -6.09 -6.3691 Pati -9.32 -2.83 -8.32 1.8492 Ngawi -9.33 -6.01 -5.49 2.1793 Tasikmalaya -9.36 -3.03 -8.18 1.8694 Sampang -9.46 -6.76 -6.94 4.2495 Ponorogo -9.78 -6.00 -4.30 0.5296 Banjarnegara -9.95 -3.40 -7.11 0.5797 Demak -10.18 -1.68 -9.99 1.4998 Banyumas -10.22 0.92 -9.93 -1.2199 Sragen -10.25 -2.28 -9.72 1.75

100 Brebes -10.25 -4.41 -9.33 3.49101 Trenggalek -10.30 -4.38 -7.14 1.22102 Magelang -10.32 -1.69 -10.02 1.39103 Purbalingga -10.39 0.02 -9.50 -0.92104 Temanggung -10.49 -5.61 -7.53 2.66105 Kebumen -10.58 -1.24 -8.68 -0.65106 Pamekasan -10.58 -5.12 -9.67 4.21107 Pemalang -10.80 -2.64 -9.82 1.66108 Bondowoso -10.83 -3.93 -9.84 2.94109 Tegal -11.09 -0.81 -10.80 0.52110 Wonogiri -11.09 -5.51 -10.05 4.46111 Grobogan -11.26 -4.95 -9.51 3.20112 Wonosobo -11.32 -4.16 -10.50 3.34113 Pacitan -11.59 -6.74 -8.57 3.73114 Blora -11.65 -6.22 -9.87 4.44115 Majalengka -13.07 6.39 -9.76 -9.70

Lampiran 6.c. Rangking Perbedaan Produktivitas Tenaga Kerja dan Kontribusi Masing-masingKomponen Shift Share Tahun 2003



IndustrialMix


1 Jakarta Pusat 169.87 12.22 131.22 26.432 Kota Kediri 158.30 5.60 106.29 46.413 Jakarta Utara 71.32 7.07 52.01 12.244 Jakarta Selatan 62.97 14.26 31.52 17.195 Kota Cilegon 59.15 7.59 36.18 15.396 Bekasi 36.26 3.64 21.20 11.427 Jakarta Barat 35.13 9.91 19.01 6.208 Kota Surabaya 33.74 7.21 16.99 9.549 Jakarta Timur 33.74 10.76 20.18 2.79

10 Kota Cirebon 27.28 7.96 28.08 -8.7511 Kota Tangerang 20.42 11.54 6.70 2.1812 Kota Malang 15.65 6.97 8.04 0.6313 Kota Cimahi 15.14 8.66 1.89 4.5914 Sidoarjo 10.34 6.17 3.10 1.0715 Kudus 10.15 5.61 5.04 -0.5016 Kota Semarang 8.97 7.93 3.28 -2.2417 Gresik 7.45 1.47 6.26 -0.2818 Kota Bandung 6.77 9.62 1.09 -3.9419 Kota Yogyakarta 6.44 7.70 5.58 -6.8420 Kepulauan Seribu 4.20 -6.83 34.38 -23.3421 Kota Mojokerto 4.14 6.67 -1.23 -1.3022 Kota Probolinggo 2.63 3.16 1.35 -1.8823 Purwakarta 1.20 1.17 0.33 -0.3024 Karawang 1.00 -1.25 1.09 1.1725 Bogor 0.98 4.20 -2.48 -0.7426 Kota Surakarta 0.89 8.18 -3.63 -3.6627 Kota Sukabumi 0.45 3.74 -0.23 -3.0628 Kota Bekasi 0.44 9.82 -1.42 -7.9629 Kota Magelang -0.60 4.22 3.89 -8.7230 Kota Pekalongan -1.70 6.71 8.66 -17.0631 Cilacap -2.31 -2.87 0.50 0.0632 Kota Tasikmalaya -2.50 3.11 6.79 -12.4133 Bandung -2.76 2.12 -4.64 -0.2334 Kota Madiun -2.81 6.06 -1.85 -7.0235 Tangerang -2.99 8.70 -4.21 -7.4936 Serang -3.61 -2.38 5.09 -6.3137 Kota Bogor -4.02 9.64 -7.62 -6.0438 Tulungagung -4.27 -0.69 -1.33 -2.2539 Kota Batu -4.34 -1.78 -4.52 1.9640 Kota Pasuruan -4.37 6.35 -4.01 -6.7141 Kota Blitar -5.00 7.13 -4.31 -7.8342 Sleman -5.12 2.37 -1.80 -5.69

Lampiran 6.c. (Lanjutan)Komponen Shift ShareRang



IndustrialMix


43 Banyuwangi -5.32 -3.93 1.26 -2.6544 Mojokerto -5.61 1.84 -5.96 -1.4945 Indramayu -5.73 -4.12 -1.51 -0.1146 Probolinggo -5.76 -4.86 -1.57 0.6847 Garut -5.80 -2.87 -5.09 2.1648 Kendal -5.95 -3.28 -3.52 0.8449 Malang -6.00 -2.32 -4.68 1.0150 Kota Tegal -6.32 3.33 -4.50 -5.1651 Jombang -6.39 -1.45 -5.97 1.0352 Kota Salatiga -6.40 5.38 -7.27 -4.5153 Sukoharjo -6.43 1.82 -5.42 -2.8354 Sumedang -6.63 -1.78 -5.60 0.7655 Kota Depok -6.63 10.17 -5.23 -11.5856 Semarang -6.81 -1.23 -6.22 0.6457 Karanganyar -6.83 -1.15 -7.03 1.3658 Lumajang -6.83 -5.01 -1.51 -0.3159 Sukabumi -6.98 -2.72 -0.91 -3.3560 Magetan -7.06 -4.65 -2.84 0.4361 Situbondo -7.08 -2.07 -5.85 0.8462 Kota Banjar -7.33 -2.02 -6.11 0.7963 Tuban -7.41 -4.34 -4.50 1.4364 Subang -7.82 -4.43 -4.80 1.4065 Jember -7.90 -3.76 -4.92 0.7766 Pandeglang -8.14 -6.16 -1.93 -0.0567 Cianjur -8.19 -4.90 -7.28 3.9868 Nganjuk -8.37 -3.72 -7.59 2.9469 Lebak -8.51 -5.73 -3.66 0.8970 Bantul -8.54 4.38 -7.36 -5.5671 Bojonegoro -8.54 -5.89 -4.74 2.0972 Cirebon -8.62 -1.13 -7.61 0.1273 Jepara -8.68 5.82 -6.42 -8.0774 Kediri -8.71 -2.47 -8.03 1.7975 Ciamis -8.73 -3.04 -7.74 2.0576 Pasuruan -8.74 -0.36 -8.31 -0.0777 Sumenep -8.83 -6.68 -7.35 5.2078 Madiun -8.86 -4.38 -8.06 3.5879 Kuningan -9.12 -3.38 -8.45 2.7180 Klaten -9.15 1.62 -9.30 -1.4881 Boyolali -9.22 -3.43 -6.67 0.8882 Gunung Kidul -9.53 -6.43 -4.77 1.6783 Bangkalan -9.62 -6.49 -5.68 2.5584 Pekalongan -9.69 3.00 -8.61 -4.09

Lampiran 6.c. (Lanjutan)Komponen Shift ShareRang



IndustrialMix


85 Batang -9.74 -1.10 -9.28 0.6386 Ngawi -9.79 -6.02 -6.66 2.8987 Purworejo -9.84 -5.75 -5.44 1.3488 Ponorogo -9.86 -5.15 -6.57 1.8689 Blitar -9.88 -4.58 -7.77 2.4690 Rembang -9.89 -4.78 -8.92 3.8191 Lamongan -10.00 -5.38 -8.55 3.9392 Majalengka -10.26 -2.32 -9.14 1.2093 Pati -10.28 -2.22 -9.45 1.3994 Magelang -10.40 -2.14 -9.78 1.5295 Tasikmalaya -10.42 -4.53 -3.78 -2.1296 Temanggung -10.56 -5.86 -4.00 -0.7097 Banjarnegara -10.57 -3.70 -9.77 2.9098 Brebes -10.70 -4.98 -9.87 4.1599 Banyumas -10.75 0.72 -10.64 -0.83

100 Trenggalek -10.83 -4.23 -8.98 2.39101 Demak -10.90 -1.70 -10.23 1.02102 Sampang -11.08 -8.91 -6.69 4.52103 Kulon Progo -11.11 -0.88 -10.44 0.20104 Purbalingga -11.12 -0.02 -10.54 -0.56105 Bondowoso -11.23 -4.99 -10.06 3.82106 Sragen -11.23 -2.44 -10.69 1.90107 Pemalang -11.25 -1.07 -10.99 0.82108 Wonogiri -11.29 -5.40 -10.43 4.54109 Tegal -11.42 -1.09 -10.86 0.53110 Kebumen -11.55 -2.16 -11.21 1.82111 Pamekasan -11.65 -8.00 -8.77 5.12112 Wonosobo -11.76 -4.50 -10.86 3.59113 Grobogan -12.01 -5.57 -10.51 4.07114 Blora -12.05 -6.57 -10.63 5.15115 Pacitan -12.22 -6.94 -9.41 4.13

Lampiran 6.d. Rangking Perbedaan Produktivitas Tenaga Kerja dan Kontribusi Masing-masingKomponen Shift Share Tahun 2004



IndustrialMix


1 Jakarta Pusat 177.75 9.60 90.66 77.492 Kota Kediri 153.54 5.60 93.60 54.343 Jakarta Utara 69.98 7.20 51.97 10.814 Jakarta Selatan 65.32 12.07 38.59 14.665 Kota Cilegon 62.27 6.65 35.80 19.826 Bekasi 36.57 5.01 20.72 10.847 Kota Surabaya 36.12 6.43 21.48 8.218 Jakarta Timur 34.70 9.11 27.82 -2.229 Jakarta Barat 33.17 9.65 16.73 6.79

10 Kota Cirebon 26.85 4.48 29.36 -6.9911 Kota Tangerang 20.43 11.88 21.69 -13.1412 Kota Malang 15.01 6.27 5.78 2.9613 Kota Cimahi 13.45 8.62 1.41 3.4114 Sidoarjo 12.06 6.68 5.76 -0.3815 Kudus 10.34 4.21 4.58 1.5416 Kota Semarang 10.23 6.11 4.70 -0.5817 Kota Yogyakarta 9.71 4.07 7.79 -2.1518 Gresik 8.18 2.82 6.61 -1.2619 Kota Bandung 6.05 10.40 0.37 -4.7220 Kota Mojokerto 3.23 6.74 1.61 -5.1121 Karawang 2.23 -0.04 1.62 0.6622 Kota Probolinggo 2.20 2.33 1.06 -1.1823 Kepulauan Seribu 1.84 -6.38 45.69 -37.4724 Purwakarta 1.42 1.07 2.02 -1.6725 Kota Bekasi 0.10 11.24 1.78 -12.9226 Bogor -0.23 2.08 -3.17 0.8627 Kota Surakarta -0.57 6.62 -3.92 -3.2628 Kota Sukabumi -0.97 3.37 -3.25 -1.0929 Kota Magelang -1.10 4.17 2.34 -7.6130 Kota Pekalongan -1.41 5.19 14.34 -20.9431 Cilacap -2.67 -0.85 -1.98 0.1632 Tangerang -2.91 6.25 -3.64 -5.5233 Bandung -3.35 2.57 -5.12 -0.7934 Tulungagung -3.73 -1.45 1.65 -3.9235 Kota Bogor -4.10 10.65 -8.13 -6.6236 Kota Tasikmalaya -4.17 3.68 -3.37 -4.4837 Kota Madiun -4.32 3.25 -2.27 -5.3038 Serang -4.49 -0.67 -4.04 0.2339 Kota Batu -4.54 -2.26 -4.41 2.1240 Banyuwangi -4.82 -3.13 -1.84 0.1541 Sleman -5.00 1.51 -1.12 -5.3842 Kota Pasuruan -5.05 8.67 -2.84 -10.88

Lampiran 6.d. (Lanjutan)Komponen Shift ShareRang-



IndustrialMix


43 Probolinggo -5.57 -4.92 -1.86 1.2144 Mojokerto -5.80 1.83 -5.94 -1.6945 Kota Blitar -5.89 3.47 -5.46 -3.9046 Indramayu -6.21 -4.46 1.95 -3.6947 Lumajang -6.33 -5.26 -1.31 0.2448 Jombang -6.36 0.35 -6.24 -0.4749 Sumedang -6.42 -1.30 -5.29 0.1750 Garut -6.51 -2.88 -5.66 2.0251 Kendal -6.58 -2.41 -5.12 0.9652 Malang -6.76 -2.76 -4.59 0.6053 Kota Salatiga -7.08 6.91 -7.23 -6.7654 Magetan -7.18 -4.12 -3.73 0.6655 Kota Tegal -7.22 3.27 -4.37 -6.1256 Kota Banjar -7.35 -1.79 -6.51 0.9557 Sukabumi -7.47 -3.06 -4.70 0.3058 Sukoharjo -7.51 2.08 -7.64 -1.9659 Semarang -7.83 -1.22 -7.52 0.9160 Subang -7.97 -5.08 -0.69 -2.1961 Kota Depok -8.18 14.66 -4.71 -18.1362 Tuban -8.19 -6.64 0.05 -1.6063 Cianjur -8.29 -5.05 -7.55 4.3264 Pandeglang -8.37 -3.77 -6.37 1.7765 Bojonegoro -8.80 -5.83 -5.88 2.9266 Ciamis -8.80 -2.24 -7.21 0.6467 Blitar -8.81 -5.40 -8.24 4.8368 Kediri -8.91 -2.41 -6.77 0.2769 Situbondo -8.96 -5.44 -4.85 1.3370 Nganjuk -8.96 -3.09 -8.22 2.3571 Bangkalan -9.02 -5.94 -6.19 3.1172 Pasuruan -9.17 0.36 -9.08 -0.4573 Klaten -9.31 1.51 -9.10 -1.7274 Lebak -9.31 -5.65 -5.80 2.1375 Cirebon -9.45 -0.78 -8.95 0.2976 Bantul -9.46 3.39 -8.36 -4.5077 Karanganyar -9.52 -1.77 -5.99 -1.7578 Madiun -9.55 -3.94 -8.85 3.2479 Boyolali -9.68 -3.20 -7.53 1.0580 Kuningan -9.80 -3.70 -9.27 3.1781 Sumenep -9.89 -6.76 -0.14 -3.0082 Jepara -10.13 4.93 -6.67 -8.3983 Pekalongan -10.19 2.40 -9.65 -2.9484 Purworejo -10.22 -3.59 -9.14 2.51

Lampiran 6.d. (Lanjutan)Komponen Shift ShareRang-



IndustrialMix


85 Jember -10.28 -3.20 -9.31 2.2386 Lamongan -10.39 -5.55 -9.23 4.3987 Majalengka -10.39 -0.88 -9.58 0.0688 Rembang -10.43 -4.58 -10.23 4.3789 Gunung Kidul -10.43 -6.99 -4.91 1.4790 Tasikmalaya -10.62 -2.86 -9.35 1.5991 Batang -10.67 -1.76 -10.03 1.1292 Ponorogo -10.67 -5.89 -7.68 2.9093 Pati -10.70 -2.74 -10.02 2.0694 Ngawi -11.00 -5.89 -8.62 3.5195 Sampang -11.32 -9.22 -7.52 5.4196 Trenggalek -11.40 -4.71 -10.41 3.7297 Banyumas -11.53 0.86 -11.50 -0.8998 Banjarnegara -11.53 -3.86 -8.67 1.0099 Brebes -11.55 -4.96 -10.23 3.64

100 Magelang -11.60 -3.94 -10.27 2.61101 Demak -11.67 -2.35 -11.35 2.02102 Temanggung -11.69 -6.47 -7.86 2.64103 Bondowoso -11.83 -5.76 -9.69 3.61104 Kulon Progo -11.85 -1.66 -10.89 0.71105 Sragen -11.85 -4.14 -10.24 2.52106 Kebumen -12.05 -0.31 -11.85 0.10107 Pemalang -12.06 -2.19 -11.37 1.50108 Purbalingga -12.23 -0.50 -11.11 -0.62109 Tegal -12.37 -1.27 -11.86 0.76110 Wonogiri -12.53 -6.21 -11.25 4.93111 Grobogan -12.59 -4.94 -11.74 4.09112 Wonosobo -12.72 -4.35 -12.09 3.72113 Pamekasan -12.83 -7.87 -10.89 5.92114 Blora -13.05 -6.79 -10.68 4.42115 Pacitan -13.30 -8.93 -9.58 5.22

Lampiran 6.e. Rangking Perbedaan Produktivitas Tenaga Kerja dan Kontribusi Masing-masingKomponen Shift Share Tahun 2005



IndustrialMix


1 Jakarta Pusat 188.12 8.01 101.73 78.372 Kota Kediri 130.82 5.03 89.59 36.203 Jakarta Utara 74.86 6.23 57.65 10.984 Jakarta Selatan 69.85 10.03 41.63 18.195 Kota Cilegon 62.40 6.96 51.16 4.276 Bekasi 39.18 4.70 21.15 13.337 Jakarta Timur 37.83 7.71 29.11 1.018 Jakarta Barat 36.22 8.29 20.34 7.599 Kota Cirebon 29.80 3.45 39.36 -13.01

10 Kota Surabaya 29.76 7.76 17.60 4.3911 Kota Tangerang 21.01 9.88 12.44 -1.3012 Kota Cimahi 13.94 8.45 4.10 1.3913 Kota Malang 11.57 5.78 5.45 0.3414 Kudus 10.76 4.00 4.37 2.3915 Kota Semarang 9.31 5.56 5.79 -2.0416 Kota Yogyakarta 9.08 3.51 7.26 -1.7017 Kota Bandung 8.16 8.50 2.29 -2.6318 Kota Mojokerto 8.16 6.01 5.52 -3.3719 Sidoarjo 7.24 6.38 2.90 -2.0520 Karawang 4.89 0.12 4.58 0.1921 Purwakarta 4.20 0.92 3.98 -0.6922 Gresik 3.47 4.62 0.66 -1.8123 Kepulauan Seribu 2.66 -6.31 51.12 -42.1424 Bogor 1.63 1.34 -1.40 1.6825 Kota Bekasi 0.58 8.13 0.59 -8.1526 Kota Magelang 0.11 4.64 2.09 -6.6327 Kota Surakarta -0.06 5.69 -3.71 -2.0328 Kota Probolinggo -0.32 1.75 -0.46 -1.6129 Kota Sukabumi -0.38 1.66 -3.11 1.0730 Bandung -1.07 2.16 -3.44 0.2031 Cilacap -1.14 -1.59 2.65 -2.2032 Kota Tasikmalaya -2.62 3.24 -2.59 -3.2833 Kota Pekalongan -2.65 5.45 10.50 -18.6034 Kota Bogor -3.18 8.98 -6.88 -5.2835 Serang -3.52 -0.29 -2.57 -0.6736 Tangerang -3.57 8.75 -2.44 -9.8937 Kendal -4.58 -2.99 -1.07 -0.5238 Kota Madiun -5.11 3.80 -5.02 -3.9039 Sumedang -5.52 -1.34 -4.36 0.1740 Sleman -5.64 0.86 -2.06 -4.4441 Tulungagung -5.70 -0.27 -5.02 -0.4142 Kota Batu -5.82 -1.90 -5.26 1.34

Lampiran 6.e. (Lanjutan)Komponen Shift ShareRang-



IndustrialMix


43 Indramayu -5.98 -4.84 1.00 -2.1344 Kota Pasuruan -6.11 5.04 -5.46 -5.7045 Garut -6.24 -3.50 1.14 -3.8846 Kota Blitar -6.31 1.66 -5.70 -2.2747 Kota Banjar -6.45 -2.33 -4.96 0.8448 Kota Salatiga -6.52 4.44 -6.46 -4.5049 Sukoharjo -6.57 2.15 -5.48 -3.2450 Kota Depok -6.73 11.71 -4.24 -14.2051 Banyuwangi -6.81 -4.17 -4.65 2.0052 Karanganyar -6.84 0.12 -7.27 0.3153 Kota Tegal -6.88 2.54 -5.90 -3.5354 Mojokerto -7.02 1.42 -7.07 -1.3755 Lumajang -7.17 -5.21 -3.44 1.4856 Subang -7.33 -5.35 1.75 -3.7357 Probolinggo -7.37 -5.76 -0.56 -1.0558 Semarang -7.39 -0.22 -7.68 0.5059 Magetan -7.81 -5.33 -0.13 -2.3560 Jombang -7.82 0.37 -7.99 -0.2061 Sukabumi -7.86 -2.70 -6.03 0.8762 Malang -7.93 -2.40 -6.25 0.7263 Cianjur -7.98 -5.21 -6.59 3.8264 Tuban -8.13 -4.96 -4.73 1.5765 Pandeglang -8.17 -4.24 -5.53 1.5966 Situbondo -8.57 -4.33 -6.26 2.0267 Cirebon -8.59 2.02 -7.98 -2.6368 Bantul -8.71 2.47 -7.68 -3.5069 Kuningan -8.92 -3.27 -8.44 2.7970 Blitar -9.16 -3.77 -7.96 2.5871 Jember -9.23 -4.11 -8.19 3.0772 Bojonegoro -9.30 -4.76 -6.90 2.3573 Nganjuk -9.34 -3.35 -8.68 2.6974 Gunung Kidul -9.38 -5.13 -6.30 2.0475 Boyolali -9.39 -2.11 -8.94 1.6776 Klaten -9.40 1.37 -9.27 -1.4977 Majalengka -9.41 -0.58 -6.89 -1.9578 Purworejo -9.44 -3.02 -7.90 1.4879 Kediri -9.48 -2.24 -9.21 1.9780 Lebak -9.53 6.63 -7.74 -8.4281 Rembang -9.62 -3.73 -9.07 3.1782 Pasuruan -9.72 -0.07 -8.84 -0.8183 Jepara -9.72 5.06 -6.83 -7.9684 Pekalongan -9.79 2.09 -8.64 -3.23

Lampiran 6.e. (Lanjutan)Komponen Shift ShareRang-



IndustrialMix


85 Madiun -9.87 -4.61 -8.85 3.5986 Tasikmalaya -9.95 -2.94 -9.22 2.2187 Sumenep -9.97 -5.64 -5.67 1.3488 Kulon Progo -10.23 -2.05 -9.04 0.8689 Ciamis -10.28 -2.45 -9.02 1.1990 Batang -10.29 -1.45 -9.92 1.0791 Pati -10.30 -2.44 -9.29 1.4392 Magelang -10.39 -2.90 -9.91 2.4293 Bangkalan -10.46 -5.79 -7.17 2.5094 Lamongan -10.72 -4.46 -9.91 3.6595 Banjarnegara -10.93 -3.51 -9.66 2.2496 Sragen -10.95 -3.55 -9.54 2.1497 Demak -11.00 -2.25 -10.72 1.9798 Ngawi -11.00 -6.79 -7.14 2.9399 Banyumas -11.04 0.63 -10.02 -1.65

100 Ponorogo -11.20 -4.89 -9.09 2.78101 Temanggung -11.26 -4.45 -9.61 2.80102 Purbalingga -11.30 -0.34 -10.73 -0.23103 Brebes -11.44 -3.05 -11.17 2.79104 Kebumen -11.56 -2.70 -10.74 1.87105 Trenggalek -11.62 -3.71 -9.99 2.08106 Wonogiri -11.67 -5.27 -10.04 3.64107 Pemalang -11.69 -3.42 -10.09 1.82108 Sampang -11.76 -7.97 -10.70 6.91109 Tegal -11.85 -0.14 -11.39 -0.31110 Wonosobo -12.35 -5.11 -11.17 3.93111 Pamekasan -12.39 -6.12 -7.75 1.48112 Bondowoso -12.41 -5.72 -12.06 5.36113 Blora -12.44 -6.09 -11.63 5.29114 Grobogan -12.64 -5.55 -10.72 3.63115 Pacitan -12.69 -6.36 -10.21 3.87

Lampiran 6.f. Rangking Perbedaan Produktivitas Tenaga Kerja dan Kontribusi Masing-masingKomponen Shift Share Tahun 2006



IndustrialMix


1 Jakarta Pusat 197.53 8.17 108.27 81.092 Kota Kediri 136.84 3.53 101.67 31.643 Jakarta Utara 78.45 6.11 63.35 8.994 Jakarta Selatan 73.27 10.16 42.36 20.755 Kota Cilegon 69.43 6.91 49.32 13.196 Bekasi 41.11 4.08 26.14 10.897 Jakarta Timur 39.62 7.54 29.96 2.128 Jakarta Barat 37.94 8.16 21.99 7.809 Kota Surabaya 33.47 8.13 19.98 5.36

10 Kota Cirebon 33.28 5.94 38.51 -11.1711 Kota Tangerang 25.02 7.52 11.00 6.5012 Kota Malang 13.66 6.06 8.84 -1.2413 Kota Cimahi 12.82 7.48 7.44 -2.1014 Kota Semarang 9.92 5.68 6.01 -1.7715 Kudus 9.12 4.52 3.94 0.6616 Kota Yogyakarta 8.65 2.48 6.95 -0.7817 Sidoarjo 8.26 5.56 3.36 -0.6618 Kota Bandung 8.16 7.66 2.09 -1.5919 Kota Mojokerto 6.65 6.11 3.88 -3.3520 Gresik 5.45 2.37 2.68 0.3921 Karawang 3.64 1.27 3.36 -0.9922 Purwakarta 3.62 0.46 4.62 -1.4723 Kepulauan Seribu 2.30 -6.79 52.37 -43.2824 Bogor 1.13 1.59 -0.47 0.0125 Kota Probolinggo 0.44 1.50 -0.65 -0.4126 Kota Surakarta 0.23 5.66 -2.97 -2.4627 Kota Bekasi 0.10 8.92 0.20 -9.0228 Cilacap -0.08 -2.08 3.55 -1.5629 Kota Sukabumi -1.19 1.89 -1.06 -2.0230 Kota Magelang -1.42 3.24 3.29 -7.9431 Bandung -1.66 1.32 -3.79 0.8132 Kota Pekalongan -2.00 4.95 4.94 -11.8933 Tangerang -3.14 6.18 -1.00 -8.3234 Kota Bogor -4.33 5.16 -7.29 -2.2135 Kota Tasikmalaya -4.50 4.29 -2.64 -6.1536 Indramayu -5.64 -3.78 0.74 -2.5937 Sleman -5.68 -0.15 -1.94 -3.5938 Tulungagung -5.75 -0.73 -3.08 -1.9439 Garut -5.90 -3.18 -4.99 2.2740 Kota Madiun -5.92 3.43 -5.79 -3.5641 Karanganyar -6.19 -0.34 -6.75 0.9042 Kota Pasuruan -6.24 4.59 -4.23 -6.59

Lampiran 6.f. (Lanjutan)Komponen Shift ShareRang-



IndustrialMix


43 Serang -6.57 3.38 -7.32 -2.6444 Kota Blitar -6.64 3.69 -5.58 -4.7645 Kota Tegal -6.94 1.83 -4.80 -3.9746 Kota Batu -7.05 -2.96 -5.89 1.8047 Sumedang -7.11 -1.89 -6.43 1.2148 Sukoharjo -7.24 3.26 -6.93 -3.5649 Semarang -7.30 -1.07 -7.00 0.7750 Kota Depok -7.42 10.10 -1.13 -16.3851 Subang -7.57 -2.97 -5.59 0.9952 Kendal -7.61 -3.11 -5.60 1.1153 Kota Banjar -7.61 -0.98 -6.63 0.0054 Banyuwangi -7.63 2.21 -3.28 -6.5655 Mojokerto -7.70 1.31 -7.42 -1.5856 Lumajang -7.71 -4.93 -4.81 2.0257 Tuban -7.81 -4.10 -5.93 2.2258 Sukabumi -7.88 -2.42 -6.66 1.1959 Pandeglang -8.07 -4.93 -3.78 0.6560 Probolinggo -8.08 -4.87 -4.09 0.8761 Kota Salatiga -8.10 4.76 -8.18 -4.6862 Malang -8.10 -1.47 -5.97 -0.6663 Magetan -8.22 -2.34 -4.87 -1.0164 Situbondo -8.39 -4.92 -5.23 1.7665 Jombang -8.54 -0.06 -8.54 0.0666 Cirebon -8.59 0.43 -1.77 -7.2467 Jember -8.90 -2.81 -5.81 -0.2868 Cianjur -9.10 -4.73 -8.42 4.0569 Lebak -9.54 -5.69 -5.89 2.0470 Bantul -9.60 2.09 -8.70 -2.9971 Kulon Progo -9.68 -2.41 -8.00 0.7372 Pasuruan -9.82 -0.84 -8.97 0.0073 Rembang -9.82 -5.05 -8.65 3.8874 Bojonegoro -9.82 -5.29 -6.84 2.3175 Blitar -9.88 -3.89 -9.99 4.0176 Nganjuk -9.89 -3.99 -8.88 2.9877 Purworejo -10.00 -2.15 -9.23 1.3878 Boyolali -10.08 -2.84 -8.52 1.2879 Kediri -10.11 -2.95 -9.13 1.9680 Jepara -10.13 4.32 -7.32 -7.1281 Gunung Kidul -10.18 -5.59 -6.96 2.3782 Majalengka -10.30 -0.98 -9.35 0.0383 Sumenep -10.39 -5.47 -7.39 2.4784 Pekalongan -10.40 2.30 -9.32 -3.39

Lampiran 6.f. (Lanjutan)Komponen Shift ShareRang-



IndustrialMix


85 Madiun -10.47 -4.76 -8.41 2.7086 Pati -10.58 -3.15 -9.69 2.2687 Batang -10.62 -1.24 -9.96 0.5888 Kuningan -10.63 -3.66 -9.76 2.7989 Klaten -10.87 1.70 -9.36 -3.2090 Ciamis -11.02 -1.50 -10.95 1.4391 Bangkalan -11.05 -5.46 -8.75 3.1792 Lamongan -11.11 -4.06 -10.55 3.5093 Banyumas -11.21 0.79 -10.92 -1.0894 Tasikmalaya -11.28 -3.06 -10.85 2.6495 Brebes -11.28 -4.08 -9.44 2.2596 Banjarnegara -11.31 -5.41 -7.11 1.2297 Ponorogo -11.39 -4.85 -9.22 2.6798 Magelang -11.42 -2.28 -11.02 1.8999 Ngawi -11.47 -6.29 -8.84 3.66

100 Sragen -11.56 -2.20 -11.23 1.87101 Temanggung -11.61 -2.33 -10.45 1.17102 Purbalingga -11.67 0.26 -10.29 -1.64103 Demak -11.90 -2.70 -11.29 2.09104 Kebumen -12.22 -0.53 -11.82 0.13105 Pemalang -12.23 -2.81 -11.40 1.98106 Tegal -12.27 -0.15 -12.04 -0.07107 Wonogiri -12.28 -5.81 -10.28 3.81108 Trenggalek -12.40 -4.39 -10.78 2.77109 Sampang -12.60 -6.65 -10.07 4.12110 Bondowoso -12.68 -4.21 -10.25 1.78111 Wonosobo -12.75 -4.87 -11.90 4.02112 Grobogan -13.12 -5.45 -10.90 3.23113 Pamekasan -13.34 -8.17 -7.26 2.09114 Blora -13.48 -5.79 -12.99 5.31115 Pacitan -13.51 -4.38 -10.73 1.59

Lampiran 6.g. Rangking Perbedaan Produktivitas Tenaga Kerja dan Kontribusi Masing-masingKomponen Shift Share Tahun 2007



IndustrialMix


1 Jakarta Pusat 343.00 15.48 184.00 143.522 Kota Kediri 162.32 3.94 127.78 30.603 Jakarta Utara 143.46 9.95 100.57 32.954 Jakarta Selatan 113.96 18.75 47.09 48.115 Kota Cilegon 69.22 10.27 58.65 0.306 Jakarta Timur 69.18 14.44 55.34 -0.607 Bekasi 65.45 3.87 32.42 29.168 Jakarta Barat 64.53 12.50 37.98 14.069 Kota Surabaya 43.94 7.33 28.57 8.03

10 Kota Cirebon 28.82 5.56 47.26 -24.0011 Kota Tangerang 24.60 11.58 9.40 3.6212 Kota Malang 15.64 5.74 6.05 3.8513 Sidoarjo 12.31 5.99 5.41 0.9014 Kota Cimahi 11.64 7.53 2.09 2.0115 Kota Mojokerto 11.44 6.38 11.51 -6.4616 Kota Bandung 9.43 5.60 4.97 -1.1417 Kepulauan Seribu 9.18 -5.78 35.32 -20.3618 Kota Semarang 8.86 7.95 4.03 -3.1219 Kudus 8.76 5.67 2.52 0.5720 Gresik 8.26 1.98 34.54 -28.2621 Kota Yogyakarta 4.63 4.44 2.13 -1.9522 Bandung 2.02 2.73 -1.78 1.0823 Karawang 1.47 0.65 -0.36 1.1824 Kota Probolinggo 0.80 2.33 -1.22 -0.3125 Purwakarta -0.11 0.60 -1.07 0.3626 Bogor -0.69 3.22 -3.20 -0.7027 Kota Magelang -1.51 5.90 5.14 -12.5528 Kota Bekasi -1.96 8.77 -2.16 -8.5729 Kota Surakarta -2.00 6.21 -5.07 -3.1430 Cilacap -2.97 -2.60 -0.22 -0.1531 Sleman -3.70 1.10 0.76 -5.5732 Tangerang -3.86 7.25 -3.09 -8.0233 Kota Sukabumi -3.93 3.44 -6.32 -1.0634 Kota Madiun -3.95 5.69 -1.56 -8.0835 Kota Pekalongan -4.18 5.86 -0.88 -9.1636 Kota Batu -4.82 -2.63 -4.27 2.0837 Kota Pasuruan -5.16 7.00 -4.07 -8.0938 Kota Bogor -5.80 5.02 -7.78 -3.0439 Banyuwangi -5.95 -2.84 38.83 -41.9340 Tulungagung -6.46 -2.01 -2.71 -1.7541 Kota Tasikmalaya -6.68 5.23 -4.71 -7.2042 Indramayu -7.04 -3.44 -0.42 -3.18

Lampiran 6.g. (Lanjutan)Komponen Shift ShareRang-



IndustrialMix


43 Mojokerto -7.36 1.85 -7.68 -1.5244 Lumajang -7.36 -3.85 -5.74 2.2345 Serang -7.41 2.52 -8.30 -1.6346 Tuban -7.60 -6.08 -0.94 -0.5847 Kota Blitar -7.61 2.68 -7.08 -3.2148 Malang -7.72 -1.66 -5.95 -0.1049 Karanganyar -7.79 0.68 -8.31 -0.1650 Garut -7.90 -3.89 -8.33 4.3251 Probolinggo -7.97 -5.66 -3.59 1.2852 Semarang -8.16 -0.27 -8.29 0.3953 Kota Salatiga -8.17 6.47 -8.36 -6.2854 Kota Tegal -8.19 2.64 -8.01 -2.8255 Sukoharjo -8.45 2.69 -7.92 -3.2256 Sumedang -8.86 -1.51 -8.02 0.6757 Magetan -9.08 -2.61 -4.63 -1.8358 Jombang -9.08 -0.26 -9.17 0.3559 Situbondo -9.19 -3.72 -8.41 2.9460 Kota Banjar -9.26 2.30 -9.50 -2.0661 Kota Depok -9.32 13.31 -6.61 -16.0162 Kediri -9.51 -3.11 -8.38 1.9863 Cianjur -9.76 -4.92 -9.47 4.6364 Kendal -9.77 -3.94 -7.62 1.8065 Blitar -9.78 -4.83 -9.29 4.3466 Jember -9.81 -3.37 -6.01 -0.4367 Bojonegoro -9.84 -5.35 -7.72 3.2268 Pandeglang -9.87 -5.35 -6.04 1.5269 Nganjuk -10.00 -2.84 -9.28 2.1370 Cirebon -10.01 -0.34 -6.92 -2.7571 Pasuruan -10.28 -0.04 -10.02 -0.2272 Lebak -10.54 -5.88 -7.64 2.9873 Kulon Progo -10.61 -2.74 -8.59 0.7174 Bantul -10.76 3.30 -9.91 -4.1575 Sumenep -10.79 -7.67 -5.87 2.7576 Madiun -10.85 -5.26 -9.14 3.5577 Bangkalan -10.85 -7.03 -7.04 3.2278 Sukabumi -10.88 -2.73 -9.80 1.6579 Klaten -10.98 2.04 -11.02 -2.0080 Gunung Kidul -11.09 -6.14 -6.51 1.5681 Lamongan -11.13 -5.57 -9.80 4.2382 Boyolali -11.44 -2.12 -10.67 1.3583 Purworejo -11.50 -3.32 -10.43 2.2584 Jepara -11.59 5.38 -9.94 -7.02

Lampiran 6.g. (Lanjutan)Komponen Shift ShareRang-



IndustrialMix


85 Kuningan -11.63 -4.05 -9.86 2.2786 Pekalongan -11.68 3.48 -10.87 -4.2987 Rembang -11.73 -5.68 -10.83 4.7888 Pati -11.98 -1.33 -11.64 0.9889 Majalengka -12.19 -2.16 -11.49 1.4690 Batang -12.50 -0.59 -12.04 0.1391 Ciamis -12.57 -2.42 -12.10 1.9492 Banyumas -12.60 0.56 -12.12 -1.0393 Brebes -12.68 -5.05 -11.30 3.6894 Ngawi -12.72 -7.10 -10.28 4.6695 Ponorogo -12.78 -4.64 -10.82 2.6896 Subang -12.84 -3.47 -6.83 -2.5597 Magelang -12.87 -3.28 -12.10 2.5198 Banjarnegara -12.93 -4.39 -11.42 2.8899 Tasikmalaya -13.00 -2.72 -11.58 1.30

100 Sragen -13.04 -2.87 -12.49 2.32101 Bondowoso -13.05 -6.34 -9.62 2.90102 Purbalingga -13.06 -0.41 -10.78 -1.87103 Temanggung -13.09 -0.87 -12.32 0.10104 Sampang -13.14 -8.54 -6.80 2.21105 Trenggalek -13.42 -6.38 -8.95 1.92106 Demak -13.45 -2.59 -12.92 2.06107 Pemalang -13.50 -2.38 -12.43 1.31108 Wonogiri -13.58 -6.78 -11.80 5.01109 Tegal -13.84 -0.14 -13.15 -0.55110 Kebumen -14.10 -1.59 -13.37 0.86111 Pamekasan -14.12 -7.36 -12.07 5.31112 Wonosobo -14.16 -4.05 -13.49 3.38113 Grobogan -14.66 -5.00 -13.62 3.96114 Blora -14.75 -6.82 -13.67 5.74115 Pacitan -14.90 -6.32 -12.56 3.98

Lampiran 7. Output Hasil Regresi Spasial Lag dan Spatial Error

OUTPUT SPATIAL LAG (SAR)Data Perbedaan Produktivitas Tenaga Kerja dengan The Industry-Mix ComponentPooled model with spatially lagged dependent variable and spatial fixed effectsDependent Variable = produktivitasR-squared = 0.9557corr-squared = 0.0514sigma^2 = 37.4964Nobs,Nvar,#FE = 920, 2, 116log-likelihood = -2979.8949# of iterations = 1min and max rho = -1.0000, 1.0000total time in secs = 0.4060time for optimiz = 0.0000time for lndet = 0.3120time for t-stats = 0.0310No lndet approximation used***************************************************************Variable Coefficient Asymptot t-stat z-probabilityIM 0.926265 6.772003 0.000000W*dep.var. 0.444993 8.005170 0.000000

LR-test joint significance spatial fixed effects, degrees of freedom and probability =2566.5592, 115, 0.0000

Pooled model with spatially lagged dependent variable and spatial random effectsDependent Variable = produktivitasR-squared = 0.9492corr-squared = 0.2659sigma^2 = 42.9848Nobs,Nvar = 920, 3log-likelihood = -3316.8984# of iterations = 4min and max rho = -1.0000, 1.0000total time in secs = 1.8120time for optimiz = 1.7350time for lndet = 0.2960time for t-stats = 0.0310No lndet approximation used***************************************************************Variable Coefficient Asymptot t-stat z-probabilitykonstan 0.313157 0.133011 0.894185IM 1.088032 7.770143 0.000000W*dep.var. 0.433968 7.738106 0.000000teta 0.091837 10.757641 0.000000

LR-test significance spatial random effects, degrees of freedom and probability =1892.5523, 1, 0.0000Hausman test-statistic, degrees of freedom and probability = 29.6942, 2, 0.0000

Lampiran 7. (Lanjutan)

Data Perbedaan Produktivitas Tenaga Kerja dengan The Productivity DifferentialComponentPooled model with spatially lagged dependent variable and spatial fixed effectsDependent Variable = produktivitasR-squared = 0.9719corr-squared = 0.4080sigma^2 = 23.7584Nobs,Nvar,#FE = 920, 2, 116log-likelihood = -2766.8304# of iterations = 1min and max rho = -1.0000, 1.0000total time in secs = 0.3910time for optimiz = 0.0160time for lndet = 0.2970time for t-stats = 0.0320No lndet approximation used***************************************************************Variable Coefficient Asymptot t-stat z-probabilityPD 0.735032 24.667837 0.000000W*dep.var. 0.348983 7.073978 0.000000


Pooled model with spatially lagged dependent variable and spatial random effectsDependent Variable = produktivitasR-squared = 0.9671corr-squared = 0.8609sigma^2 = 27.8361Nobs,Nvar = 920, 3log-likelihood = -3064.7397# of iterations = 100min and max rho = -1.0000, 1.0000total time in secs = 45.1090time for optimiz = 45.0160time for lndet = 0.2820time for t-stats = 0.0310No lndet approximation used***************************************************************Variable Coefficient Asymptot t-stat z-probabilitykonstan 0.416515 0.333182 0.738997PD 0.864143 29.584994 0.000000W*dep.var. 0.273970 5.565107 0.000000teta 0.139179 10.801410 0.000000



Data Perbedaan Produktivitas Tenaga Kerja dengan The Allocative ComponentPooled model with spatially lagged dependent variable and spatial fixed effectsDependent Variable = produktivitasR-squared = 0.9662corr-squared = 0.3108sigma^2 = 28.6327Nobs,Nvar,#FE = 920, 2, 116log-likelihood = -2852.6196# of iterations = 1min and max rho = -1.0000, 1.0000total time in secs = 0.5310time for optimiz = 0.0160time for lndet = 0.3910time for t-stats = 0.0470No lndet approximation used***************************************************************Variable Coefficient Asymptot t-stat z-probabilityAL 0.663100 18.798001 0.000000W*dep.var. 0.346999 6.283612 0.000000


Pooled model with spatially lagged dependent variable and spatial random effectsDependent Variable = produktivitasR-squared = 0.9612corr-squared = 0.5307sigma^2 = 32.8061Nobs,Nvar = 920, 3log-likelihood = -3191.9333# of iterations = 4min and max rho = -1.0000, 1.0000total time in secs = 1.8440time for optimiz = 1.7500time for lndet = 0.2970time for t-stats = 0.0310No lndet approximation used***************************************************************Variable Coefficient Asymptot t-stat z-probabilitykonstan 0.157622 0.075236 0.940027AL 0.709702 19.096330 0.000000W*dep.var. 0.347999 6.323666 0.000000teta 0.090170 10.756439 0.000000



OUTPUT SPATIAL ERROR (SEM)Data Perbedaan Produktivitas Tenaga Kerja dengan The Industry-Mix ComponentPooled model with spatial error autocorrelation and spatial fixed effectsDependent Variable = produktivitasR-squared = 0.9517corr-squared = 0.0502sigma^2 = 37.5210log-likelihood = -2980.4779Nobs,Nvar,#FE = 920, 1, 116# iterations = 17min and max rho = -0.9900, 0.9900total time in secs = 14.3130time for optimiz = 13.6720time for lndet = 0.4680time for t-stats = 0.0310No lndet approximation used***************************************************************Variable Coefficient Asymptot t-stat z-probabilityIM 0.933516 6.691140 0.000000spat.aut. 0.454993 8.085214 0.000000


Pooled model with spatial error autocorrelation and spatial random effectsDependent Variable = produktivitasR-squared = 0.9492corr-squared = 0.2426sigma^2 = 42.9508Nobs,Nvar = 920, 2log-likelihood = -3313.4732# of iterations = 4min and max rho = Inf, 1.0000total time in secs = 1.7960time for optimiz = 1.5000time for eigs = 0.1100time for t-stats = 0.0780***************************************************************Variable Coefficient Asymptot t-stat z-probabilitykonstan 1.076345 0.500654 0.616615IM 1.087751 7.682388 0.000000spat.aut. 0.451695 7.472841 0.000000teta 13.973105 9.544906 0.000000LR-test significance spatial random effects, degrees of freedom and probability =1913.4178, 1, 0.0000Hausman test-statistic, degrees of freedom and probability = 40.8053, 2, 0.0000


Data Perbedaan Produktivitas Tenaga Kerja dengan The Productivity DifferentialComponentPooled model with spatial error autocorrelation and spatial fixed effectsDependent Variable = produktivitasR-squared = 0.9699corr-squared = 0.4086sigma^2 = 23.5359log-likelihood = -2765.4708Nobs,Nvar,#FE = 920, 1, 116# iterations = 17min and max rho = -0.9900, 0.9900total time in secs = 13.1090time for optimiz = 12.7820time for lndet = 0.2970time for t-stats = 0.0150No lndet approximation used***************************************************************Variable Coefficient Asymptot t-stat z-probabilityPD 0.740538 24.896437 0.000000spat.aut. 0.438969 7.605079 0.000000LR-test joint significance spatial fixed effects, degrees of freedom and probability =1227.1336, 115, 0.0000

Pooled model with spatial error autocorrelation and spatial random effectsDependent Variable = produktivitasR-squared = 0.9680corr-squared = 0.8778sigma^2 = 27.0957Nobs,Nvar = 920, 2log-likelihood = -3069.9502# of iterations = 5min and max rho = Inf, 1.0000total time in secs = 0.3750time for optimiz = 0.2970time for eigs = 0.0160time for t-stats = 0.0320***************************************************************Variable Coefficient Asymptot t-stat z-probabilitykonstan -1.285059 -0.980169 0.327003PD 0.814515 28.071363 0.000000spat.aut. 0.432466 6.942489 0.000000teta 8.102066 9.478253 0.000000LR-test significance spatial random effects, degrees of freedom and probability =618.1747, 1, 0.0000Hausman test-statistic, degrees of freedom and probability = 127.6984, 2, 0.0000


Data Perbedaan Produktivitas Tenaga Kerja dengan The Allocative ComponentPooled model with spatial error autocorrelation and spatial fixed effectsDependent Variable = produktivitasR-squared = 0.9641corr-squared = 0.2941sigma^2 = 29.0627log-likelihood = -2859.4397Nobs,Nvar,#FE = 920, 1, 116# iterations = 16min and max rho = -0.9900, 0.9900total time in secs = 13.9220time for optimiz = 13.5620time for lndet = 0.3130time for t-stats = 0.0320No lndet approximation used***************************************************************Variable Coefficient Asymptot t-stat z-probabilityAL 0.661686 18.475513 0.000000spat.aut. 0.350993 5.363660 0.000000


Pooled model with spatial error autocorrelation and spatial random effectsDependent Variable = produktivitasR-squared = 0.9607corr-squared = 0.5100sigma^2 = 33.2388Nobs,Nvar = 920, 2log-likelihood = -3199.365# of iterations = 4min and max rho = Inf, 1.0000total time in secs = 0.3750time for optimiz = 0.2650time for eigs = 0.0160time for t-stats = 0.0470***************************************************************Variable Coefficient Asymptot t-stat z-probabilitykonstan 1.122040 0.561615 0.574379AL 0.689778 18.410311 0.000000spat.aut. 0.347695 4.950022 0.000001teta 15.762693 9.535938 0.000000


Documents

Keterkaitan spasial perbedaan produktivitas tenaga kerja … · 2015-08-28 · terhadap jumlah tenaga kerja kabupaten/kota menurut lapangan usaha. ... disimpulkan bahwa untuk masing-masing