Model pertumbuhan produksi wilayah dengan pendekatan data envelopment analysis :: Kasus industri manufaktur di Indonesia, 1980-1997

PRIBADI, Krishna Nur, Promotor Prof.Dr. Sukanto Reksohadiprodjo, MCom

2003 | Disertasi | S3 Ilmu Ekonomi

Sejarah perkembangan ekonomi bangsa Indonesia dalam periode tiga dasawarsa terakhir ini, yaitu sejak 1969 sampai sekarang, kecuali pada masa krisis ekonomi, telah mengalami pertumbuhan ekonomi secara konsisten. Dalam dasawarsa periode 1987-1996, telah terjadi pertumbuhan ekonomi sebesar rata-rata 6.8 persen. Ekspor hasil industri tampak meningkat dengan pesat, terutama hasil manufaktur industri yang telah direlokasi dari negeri lain dengan menggunakan teknologi. Pertumbuhan produksi industri di negara kawasan Asia Tenggara pada umumnya telah menjadi bahan perdebatan para peneliti ekonomi bahwa pertumbuhan lebih disebabkan oleh pertumbuhan input dan hanya sebagian kecil oleh perubahan tingkat produktivitas yang diukur dengan Total Factor Productivity (TFP) . Pertumbuhan industri di Indonesia ditunjukkan oleh pertumbuhan modal dan tenaga kerja yang pesat, sedangkan peranan tingkat produktivitas sangatlah rendah. Mengingat pada era globalisasi ini, persaingan bisnis akan semakin ketat, sesuai dengan UU. No: 22 tahun 1999 mengenai otonomi, setiap wilayah kabupaten akan mengalami persaingan dalam meningkatkan sumber daya yang ada untuk meningkatkan produksi wilayah kabupaten/kota tersebut. Salah satu upaya untuk meningkatkan pertumbuhan produksi suatu wilayah adalah dengan perbaikan pada tingkat produktivitas suatu wilayah dalam mengelola sumber dayanya. Tingkat produktivitas adalah konsep mikro yang mengukur kinerja antarinput dan output suatu proses produksi yang akan digunakan dalam meneliti pertumbuhan produksi wilayah. Data envelopment analysis (DEA) adalah metode untuk menilai tingkat produktivitas suatu unit produksi yang diperkenalkan pertama kali oleh Charnes (1978). Pengembangan lebih jauh model DEA dalam kaitannya dengan teori pertumbuhan dan mengaplikasikan pada wilayah yang merupakan agregat dari berbagai unit produksi, diharapkan dapat menambah sumbangan pada ilmu pengetahuan ekonomi wilayah. Tujuan utama penelitian ini adalah untuk melakukan analisis faktor produktivitas dengan menjelaskan hubungan serta keterkaitannya dengan kemampuan produksi dan pertumbuhanwilayah kabupaten/kota di Indonesia. Secara rinci, tujuan penelitian ini adalah sebagai berikut: (1). melakukan analisis tingkat produktivitas wilayah industri manufaktur di wilayah kabupaten dan kota; (2). mengembangkan model pertumbuhan dengan mempertimbangkan faktor tingkat produktivitas dengan pendekatan data envelopment analysis (DEA); (3). melakukan untuk simulasi model yang dikembangkan pada butir (2) melihat pertumbuhan produksi industri manufaktur di wilayah kabupaten dan kota ; memberikan rumusan implikasi kebijakan terhadap produktivitas. Untuk menjawab tujuan penelitian ini, dirumuskan dua hipotesis penelitan: (1). tingkat produktivitas (Indeks DEA), pertumbuhan tenaga kerja (L*), dan pertumbuhan modal (K*), masing-masing memberikan pengaruh positif terhadap pertumbuhan produksi (y*); (2). tingkat produktivitas (Indeks DEA) industri manufaktur wilayah kabupaten dan kota memberikan kontribusi terbesar dibandingkan pertumbuhan modal dan pertumbuhan tenaga kerja terhadap pertumbuhan produksi wilayah Populasi penelitian meliputi perusahaan industri manufakturing skala besar dan menengah yang terdapat di data yang berhubungan dengan industri Indonesia. Data manufakturing skala besar dan sedang dikumpulkan oleh Biro Pusat Statistik dalam bentuk daftar pertanyaan yang diajukan pada setiap perusahaan di seluruh sektor dan di seluruh wilayah kabupaten dan wilayah kota di Indonesia yang dilakukan setiap tahun. Data base yang tersedia adalah runtun waktu dari tahun 1976 sampai dengan 1997. Mengingat kelengkapan data, maka database yang akan digunakan dalam penelitian ini adalah dari tahun 1980 sampai dengan 1997. Sesuai dengan tujuan penelitian ini, wilayah kabupaten/kota dijadi kan sebagai unit analisis. Pemilihan sampel dilakukan berdasarkan atas purposive random sampling, yaitu memilih 50 kabupaten/kota yang memiliki nilai total output industri manufaktur terbesar dari 205 wilayah kabupaten yang memiliki industri manufaktur skala besar dan menengah. Dengan mengaplikasikan Data Envelopment Analysis (DEA) dalam mengukur tingkat produktivitas wilayah, maka dapat diperoleh set kemungkinan produksi dan wilayah terdepan (frontier) dengan karakteristik dan ciri masing-masing model CCR dengan asumsi Constant Returns to Scale (CRS); model BCC dengan asumsi Variabel Returns to Scale (VRS) dan terakhir skala efisiensi (SE) yang merupakan gabungan CCR dan BCC. Mengikuti teori dasar Solow, maka model pertumbuhan yang dikembangkan dalam penelitian ini didasarkan pada fungsi umum y = f (A, K, L) dengan menerapkan tingkat produktivitas (A) yang dihitung dengan cara Data Envelopment Analysis (DEA). Ada tiga nilai indeks DEA yang digunakan dalam penelitian ini yang masing-masing didasarkan pada asumsi yang telah dijelaskan pada bab terdahulu. Model yang diteliti ini terdiri dari : 1. Model 1 : y* = β₁ + β₂K* + β₃L* + IndeksCCR + e 2. Model 2 : y* = β₁ + β₂K* + β₃L* + IndeksBCC + e 3. Model 3.: y* = β₁ + β₂K* + β₃L* + IndeksSE + e Dengan menggunakan Ordinary Least square, ketiga jenis model pertumbuhan yang diteliti yang memiliki goodness of fit adalah model pertama. Secara statistik model pertama tidak menunjukkan adanya autokorelasi di antara faktor galat serta tidak ada kolinieritas antara variabel-variabel bebas sehingga sesuai dengan asumsi klasik. Secara spesifik model tersebut adalah : y* =--4,870+O,189K*+ 1,08L*+ 10,85CCR (4.2) Dengan menginterpretasikan model di atas bahwa pertumbuhan modal, tenaga kerja, dan indeks CCR, indeks koefisiennya adalah positif, secara empiris hipotesis 1 penelitian ini dapat diterima. Persamaan 4.2 koefisien CCR adalah 10,85, artinya bila indeks CCR sama dengan satu, maka pertumbuhan produksi akan meningkat sebesar 10,85% Koefisien pertumbuhan modal sebesar 0,189 menunjukkan kenaikan 1% modal yang akan meningkatkan pertumbuhan produksi sebesar 0,189%; kenaikan tenaga kerja sebesar 1% akan meningkatkan tingkat 1,O8%. Telah dibuktikan bahwa tingkat produksi sebesar sensitifitas indeks CCR lebih besar dibandingkan dengan variabel lainnya dan hipotesis 2 dapat diterima. Walaupun hasil regresi model pertumbuhan ini merupakan agregat secara nasional, tetapi dapat diaplikasikan untuk wilayah dan kota untuk analisis kebijakan. Khususnya, diasumsikan bahwa pemerintah sebagai pembuat kebijakan menggunakan variabel bebas sebagai alat untuk mencapai tujuan yang digambarkan oleh variabel tidak bebas. Tujuan utama simulasi model adalah menetapkan besaran variabel bebas untuk meningkatan pertumbuhan produksi kabupaten dan kota secara berarti melalui kebijakan pertumbuhan modal dan kebijakan peningkatan efisiensi. Dasar yang digunakan untuk melakukan simulasi kebijakan adalah tipologi wilayah kabupaten dan kota menurut tingkat pertumbuhan modal dan tingkat efisiensi. Tingkat keberhasiian dan tingkat efisiensi diukur dengan indeks CCR sebagai hasil kineja manajemen sumber daya yang tersedia meliputi input industri yang didefinisikan dalam model DEA ini. Tipologi wilayah kabupaten menurut tingkat pertumbuhan modal dan tingkat efisiensi berdasarkan data tahun 1980-1997 yang terdiri atas ha1 sebagai berikut. 1. Tipologi I adalah wilayah kabupaten yang mempunyai tingkat pertumbuhan modal tinggi di atas 25,1% per tahun dan tingkat efisiensi di atas 0.75 diukur dengan indeks CCR terdiri atas 6 wilayah kabupaten dan kota : Kutai (13,26%), Bengkalis (17,08%), Lampung Utara (14,77%), Asahan (8,74%) Kudus (13,1%) dan Jakarta Selatan (12,75). 2. Tipologi II adalah wilayah kabupaten yang mempunyai tingkat pertumbuhan modal tinggi di atas 2,15 % per tahun dan tingkat efisiensi sedang di antara 0,61 dan 0,74 diukur dengan indeks CCR. Terdiri atas 4 wilayah : Kediri (8,11%), Jakarta Utara (14,58%), Bekasi (17,33%), dan Barito Kuala (7,97%). 3. Tipologi III adalah wilayah kabupaten yang mempunyai tingkat pertumbuhan modal tinggi di atas 25,1% per tahun dan tingkat efisiensi rendah di bawah 0,60 diukur dengan indeks CCR, terdiri atas 8 wilayah : Karawang (8,09%), Medan (15,67%), Purwakarta 7,93%, Jakarta Barat (12,16%), Tanggerang (12,9%), Jakarta Timur, (20,08%), Kabupaten Bandung (9,02%), dan Sidoarjo ( 18,83%). 4. Tipologi IV adalah wilayah kabupaten yang mempunyai tingkat pertumbuhan modal sedang di antara 15,1-25% per tahun dan tingkat efisiensi tinggi di atas 0,75 diukur dengan indeks CCR; terdiri dari 1 wilayah: Lampung Tengah (14,11%). 5. Tipologi V adalah wilayah kabupaten yang mempunyai tingkat pertumbuhan modal sedang di antara 15,1-25% per tahun dan tingkat efisiensi sedang di antara 0,74-0,61 diukur dengan indeks CCR terdiri atas 5 wilayah : Cirebon (7,19%), Mojokerto (7,17%), Samarinda (7,15%), Surabaya (11,95%), Semarang (7,8%) dan Pontianak (7,91%). 6. Tipologi VI adalah wilayah kabupaten yang mempunyai tingkat pertumbuhan modal sedang antara 15,1-25% per tahun dan tingkat efisiensi rendah di bawah 0,60 terdiri atas 9 wilayah : Banjarmasin (6,42%), Padang (7,12%), Pakan Baru (6,69%), Bogor (7,13%), Palembang (6,82%), Gresik (6,81%), Bandung (9,87%), Bandar Lampung (7,95%), dan Ujung Pandang (10,34%). 7. Tipologi VII adalah wilayah kabupaten yang mempunyai tingkat pertumbuhan modal rendah dan tingkat efisiensi tinggi diukur dengan indeks CCR terdiri atas 3 wilayah: Malang (9,9O/0), Labuhan Batu (11,45%) dan Cirebon (9,03%). 8. Tipologi VIII adalah wilayah kabupaten yang mempunyai tingkat pertumbuhan modal rendah dan tingkat efisiensi sedang terdiri atas 7 wilayah: Kendal (15,99%), Bogor (8,41%), Pontianak (11,28%), Sumedang (8,27%), Cilacap (7,6%), Sukoharjo (7,5%), dan Simalungun (7,37%). 9. Tipologi IX adalah wilayah kabupaten yang mempunyai tingkat pertumbuhan modal rendah dan tingkat efisiensi rendah terdiri atas 6 wilayah: Deli Serdang (7,5%), Pasuruan (6,67%), Probolinggo (6,49), Karang Anyar (5,67%), Malang (5,44%), dan Semarang (7,21%). Berdasarkan pengelompokan, dilakukan simulasi untuk mengubah posisi wilayah kabupaten untuk mencapai pertumbuhan produksi yang tinggi melalui usaha peningkatan efisiensi dan pertumbuhan modal. Simulasi didasarkan pada pertumbuhan produksi wilayah kabupaten dan kota dengan mengikuti pola tahun sebelumnya (1980-1997). Secara keseluruhan, dapat disimpulkan bahwa untuk meningkatkan produksi wilayah akan sangatlah efektif dengan melakukan perubahan efisiensi. Penelitian ini menggunakan analisis regresi cross-country, namun demikian cara tersebut bukanlah satu-satunya jalan untuk menjelaskan teori pertumbuhan. Dengan dasar model neoklasik, teknologi diasumsikan menyebar langsung ke semua wilayah secara merata. Dari temuan penelitian ini asumsi tersebut sangat kritis dan masih perlu diteliti lebih lanjut terutama aspek perubahan teknologi dan aspek ruang. Penelitian ke depan diharapkan lebih banyak pada aspek spasial, terutama ekonomi regional yang berkaitan dengan ketimpangan wilayah maupun pertumbuhan antardaerah. Penelitian mengenai pertumbuhan perlu difokuskan pada penyebaran pengetahuan teknologi dan ketimpangan teknologi antarwilayah. Hal ini merupa kan lanjutan penelitian disertasi ini yang berkaitan dengan masalah produktivitas dan pertumbuhan.

The history of Indonesia's economic development during three decades, since 1969 up to now, except for the economic crisis era, has undergone economic growth. During the 1987-1996 period the economic growth was on the average of 6.8 percent. There has been a rapid increase in the export of industrial products, especially the manufacturing output that has been relocated from other countries through the use of technology. The industrial production growth in the Southeast Asian region has been the subject of much debate amongst economic researchers that the growth is due to the growth of input and only a small amount to the changes of productivity rate assessed with Total Factor Productivity (TFP). The industrial growth in Indonesia was shown by the rapid growth of capital and labor, whereas the role of productivity rate was very low. Keeping in mind that during the globalization era business competition grew more intense, consistent with the Act No. 22 of 1999 about autonomy, each regency will compete in improving their resources so they could increase the regency/municipality's production. One of the efforts to increase production of a region is through improvement on the productivity rate of the region in managing its resources. Productivity rate is a micro concept that measures the performance between the input and output of a production process that will be used to study regional production growth. Data envelopment analysis (DEA) is a method to assess the productivity rate of a production unit which is first introduced by Charnes (1978). Further development of the DEA model in connection with the growth theory and applying it to areas that are aggregates of different production units, will hopefully contribute to regional economic studies. The main purpose of this research is to conduct an analysis of the productivity factor by explaining the relationship and its correlation with production capability and the growth of regencies /urban areas in Indonesia. Detailed objectives of this study are as follows: 1. Conduct analysis of the productivity rate of manufacturing industries in regencies and urban areas; 2. Develop a growth model by taking into account the productivity rate factor with data envelopment analysis (DEA) approach; 3. Conduct a simulation model that is developed on point (2) to see the growth of manufacturing industries in regencies and urban areas; and formulate policy implication for productivity. To achieve the objectives above, this study will formulate two hypotheses: 1. Productivity rate (DEA Index), labor growth (L*), and capital growth (K*) each has a positive effect on production growth (y*);2. Productivity rate (DEA Index) of manufacturing industries in regencies and urban areas has the highest contribution compared with capital and labor growth to regional production growth. The research population consists of large and medium scale companies of manufacturing industry in Indonesia. The data related to the large and medium scale companies of manufacturing industry was acquired from the Central Statistic Agency. The agency collected the data by sending questionnaire to all companies in every sector and throughout regional and urban area in Indonesia every year. The database acquired was from 1976 to 1997. Considering the completeness of the database, it was decided that database used for this research is from 1980 to 1997. Consistent with this study, regional/urban areas will serve as analysis unit. Samples were taken by purposive random sampling i.e. taking 50 regencies/urban areas that have the highest total value in the manufacture industry out of 203 regencies that have large and medium scale manufacturing industries. By applying Data Envelopment Analysis (DEA) in measuring regional productivity rate, a set of probability in production and frontier areas is obtained with characteristics and features of each CCR model with the Constant Returns to Scale (CRS) assumption; BCC model with the assumption Variable Returns to Scale (VRS) and lastly the Efficiency Scale (SE) which is combination of CCR and BCC. The Solow growth model basic theory developed in this research is based on the basic function y = f(A,K,L) by implementing productivity rate (A) which is measured by Data envelopment analysis (DEA) method. There are three DEA value indexes used in this research, each of which is based on the assumption that has been explained in the previous chapter. The model that is studied here consists of: 1. Model 1 : y* = β₁ + β₂K* + β₃L* + IndeksCCR + e 2. Model 2 : y* = β₁ + β₂K* + β₃L* + IndeksBCC + e 3. Model 3.: y* = β₁ + β₂K* + β₃L* + IndeksSE + e By using Ordinary Least square, out of the three types of growth model studied the one that has goodness of fit is the first model. Statistically the first model does not show any auto-correlation between the error factor and there is also no co-linearity between independent variables, so that it is consistent with the classic assumption. The specific model is as follows: y* =--4,870+O,189K*+ 1,08L*+ 10,85CCR (4.2) By interpreting the model above that capital growth, labor growth and CCR index the co-efficient index is positive, empirically the first hypothesis in this research is accepted. From the equation (4.2), the CCR coefficient is 10,85 which means if the CCR index equal one then the production growth will increase by 10,85 0/0. The capital growth coefficient of 0,189 shows a 1 % increase on capital which will increase production growth by 0,189 % and labor growth of 1%, will increases production rate by 1,08%. Thus, the labor elastic sensitivity is higher than the other variable so hypothesis two is rejected. The hypothesis two has proven accepted, then the index DEA is more effective than other variable.' Even though the result of the growth model regression is an aggregate nationally, it cane be applied to regional and urban areas to analyze policy, especially if it is assumed that the government as policy maker utilize the independent variable as a tool to reach objectives described by the dependent variable. The main purpose of the simulation model is to establish the independent variable volume to increase the production growth of regional and urban areas through capital growth policy and increasing efficiency policy. The framework used to simulate policy is the regional and urban area typology capital growth rate as success indicator and efficiency rate that can be measured with CCR index as the output of resource management available that consisted of industry input define in the DEA model. Typology of regional (regencies) areas according to capital growth and efficiency rate are based on data during the years of 1980 - 1997, which consist of: 1. Typology I cover regencies that have the high capital growth rate over 25.1 % per year and efficiency rate over 0.75 measured with CCR index. It consisted of 6 regencies and municipalities: Kutai, North Lampung, Bengkalis, Asahan, Kudus, and South Jakarta. 2. Typology II cover regencies that have the high capital growth rate over 25.1% per year and low efficiency rate under 0.61 and 0.74 measured with CCR index. It consisted of 4 areas: Kediri, Barito Kuala, North Jakarta and Bekasi. 3. Typology HI cover regencies that have moderate capital growth rate over 25.1% per year and with low efficiency rate under 0.60 measured in CCR index. It consisted of 8 areas: Karawang, Medan, Purwakarta, West Jakarta, Bandung, Tanggerang, East Jakarta, and Sidoarjo. 4. Typology IV cover regencies that have moderate capital growth rate between 15.1% and 25% per year, with high efficiency rate over 0.75 measured in CCR index. It consisted of one area: Central Lampung. 5. Typology V cover regencies that have moderate capital growth rate between 15.1% and 25% per year, with moderate efficiency rate between 0.75 and 0,61 measured in CCR index. It consisted of 5 areas: Cirebon, Mojokerto, Samarinda, Surabaya, Semarang and Surabaya. 6. Typology VI cover regencies that have moderate capital growth rate between 15.1% and 25% per year, with low efficiency rate under 0,60 measured in CCR index. It consisted of 9 areas: Banjarmasin, Padang, Pakan Baru, Bogor, Palembang, Gresik, Bandung, Bandar Lampung, dan Ujung Pandang. 7. Group VII cover regenCies that have low capital growth rate under 15.1% per year, with high efficiency rate over 0.75 measured in CCR index. It consisted of 3 areas: Malang, Labuhan Batu and Cirebon. 8. Typology VIII cover regencies that have low capital growth rate with moderate efficiency rate measured in CCR index. It consisted of 7 areas: Kendal, Bogor, Pontinak, Sumedang, Cilacap, Sukoharjo, and Sirnalungun. 9. Typology IX cover regencies that have low capital growth rate, with low efficiency rate measured in CCR index. It consisted of 6 areas: Deli Serang, Pasuruan, Probolinggo, Karang Anyar, Malang and Semarang Based on the groups of growth and efficiency rate, simulation was conducted to change the regency areas position so it can reach a high production rate through an increase in efficiency and capital growth. Simulation was based on the regional and urban areas production growth rate following the pattern of the year before (1980-1997). Overall, it can be summarized that to increase areas production it will be very effective to effect a change in efficiency. This research uses the cross-country regression analysis, but the method is not the only one to describe the growth theory. By adopting the neo-classic model, technology is assumed to spread to all areas evenly. From the findings of this research, the assumption is critical and needs to be studied further especially the aspect of technological changes and spatial changes. Future research would be well advised to focus on the spatial aspect, especially regional economy in relation to spatial gap or growth gap between regions. Research on growth needs to be focused on the dissemination of technological science and technology gap between areas. This will be the next step from a dissertation research related to productivity and growth issues.

Kata Kunci : Industri Manufaktur Indonesia,Pertumbuhan Produksi Wilayah,Envelopment Analysis