ANALISIS HUBUNGAN DINAMIS PERTUMBUHAN EKONOMI DAN KETIMPANGAN PENDAPATAN INDONESIA MENGGUNAKAN CLUSTERING DAN MODEL EKONOMETRIK
Abstract
Barro (2000) menyatakan bahwa tidak ada hubungan yang signifikan antara pertumuhan ekonomi dan ketimpangan pendapatan di negara berkembang dengan penghasilan rendah. Hal yang berbeda justru ditunjukkan pada penelitian yang dilakukan di meksiko oleh Ortega (2006) yang menyatakan bahwa terdapat hubungan positif antara pertumuhan ekonomi dan ketimpangan pendapatan. Mempertimbangkan terkait perbedaan kesimpulan beberapa penelitian terkait hubungan pertumbuhan ekonomi dan ketimpangan pendapatan tersebut, maka dalam hal ini perlu kajian lebih mendalam untuk mengetahui hubungan keduanya khususnya di Indonesia.Tujuan dari penelitian ini adalah untuk menganalisis terkait hubungan antara pertumbuhan ekonomi dan ketimpangan pendapatan akan di Indonesia dengan terlebih dahulu melakukan pengelompokan (clustering) pada provinsi-provinsi yang ada berdasarkan karakteristik pertumuhan ekonomi dan ketimpangan pendapatanya. Metode pengklasteran yang digunakan adalah K-Means, K-Medoid, dan Fuzzy K-Means Medoid Noise. Yang selanjutnya akan dilakukan dengan uji kausalitas seta pengujian ekonometrik menggunakan ARDL. Didapatkan hasilklaster yang terbentuk ada 2 yaitu klaster 1 dengan kombinasi pertumbuhan ekonomi dan ketimpangan pendapatan yang rendah dan klaster 2 dengan kombinasi pertumbuhan ekonomi dan ketimpangan yang tinggi. Dari masing-masing klaster ini dilakukan analisis kausalitas dan ekonometrik. Didapatkan hasil pada klaster 1 ketimpangan pendapatan berpengaruh secara negatif signifikan terhadap pertumbuhan ekonomi pada jangka panjang maupun jangka pendek. Sedangkan pada klaster 2 pertumbuhan ekonomi berpengaruh secara positif signifikan terhadap ketimpangan pendapatan pada jangka panjang serta pada jangka pendek hanya dipengaruhi secara signifikan oleh nilai masa lalu dari ketimpangan pendapatan.
References
Agusalim, L. (2016). Pertumbuhan Ekonomi, Ketimpangan Pendapatan dan Desentralisasi di Indonesia. KINERJA Vol. 20 No. 1 , 53-68.
Barro, R. (2000). Inequality and growth in a panel of countries. J. Econ. Growth , 5-32.
Brida, J. G., Carrera, E. J. S., & Segarra, V. (2019). Clustering and Regime Dynamics for Economic Growth and Income Inequality. Structural Change and Economic Dynamics. doi:10.1016/j.strueco.2019.09.010
Castello, A. (2010). . Inequality and growth in advanced economies: an empirical in- vestigation. J. Econ. Inequality , 293-321.
Kaur, Noor K., Kaur, Usvir., & Singh, Dr. Dheerendra., (2014). K-Medoids Clustering Algorithm – A Review. [pdf] International Journal of ComputerApplication and Technology (IJCAT).ISSN. 2349-1841 Vol. 1, Issue 1. April2014.
Krishnapuram R., Joshi A., Nasraoui O., Yi L., (2001). Low-complexity fuzzy relational clustering algorithms for web mining. IEEE Transactions on Fuzzy Systems, 9, 595-607
Ortega, A. (2006). Assessment of the Relationship between Income Inequality and Economic Growth: A Panel Data Analysis of the 32 Federal Entities of Mexico, 1960-2002. Contributions to Economic Analysis, Vol. 274 , 361-381.
Piketty, T. (2014). Capital in the Twenty-First Century. Belknap Press.
Wibowo, T. (2016). Ketimpangan Pendapatan dan Middle Income Trap. Kajian Ekonomi Keuangan Vol. 2 No. 2 , 112-132.
Copyright (c) 2021 Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.