Jurnal Ekonomi & Studi Pembangunan Volume 19, Nomor 1, April 2018, hlm. 50-60 DOI: 10.18196/jesp.19.1.2727 PENDIDIKAN, KESEHATAN DAN PERTUMBUHAN EKONOMI REGIONAL DI INDONESIA: PENDEKATAN MODEL PANEL DINAMIS Aminuddin Anwar Fakultas Ekonomi Universitas Islam Indonesia Ring Road Utara, Condongcatur, Depok, Sleman, Yogyakarta 55283, Indonesia. E-mail Korespondensi: aminuddin.anwar@uii.ac.id Abstract: This study analyzes the contribution of human capital ie education and health to regional economic growth in Indonesia. This study uses the regional level of the province as the unit of analy- sis with the timeframe from 2004 to 2014. Development of economic growth model which is a dy- namic model becomes a challenge for estimation of regression model, this study uses generalized method of moment (GMM) as an analytical tool to overcome bias Which occurred on the model of economic growth. This study provides empirical evidence on the role of education and health to re- gional economic growth in Indonesia. In addition, the estimation results also provide empirical re- sults of conditional convergence with the contribution of human capital that is education and health as a determinant of convergence Key Words: education, health, economic growth, dynamic panel data JEL Classification: I25, I15, O47, C33 PENDAHULUAN Pertumbuhan ekonomi yang berkelanjutan menjadi salah satu tujuan utama dalam proses pembangunan ekonomi. Capaian pertumbuhan ekonomi yang berkelanjutan tersebut dapat di- capai dengan meningkatkan sumber utama per- tumbuhan ekonomi yang memiliki implikasi akumulatif. Salah satu sumber utama tersebut adalah modal manusia. Modal manusia menjadi salah satu bagian penting dalam pembangunan perekonomian suatu negara karena ketika mem- iliki modal manusia yang berkualitas akan mem- berikan kontribusi lebih besar bagi pembangunan ekonominya. Secara teoritis menurut (Schultz, 1961) modal manusia dapat dimaknai sebagai suatu konsep angkatan kerja dalam perspektif klasik mirip dengan suatu properti dan dikonsep- tualisasikan sebagai kapasitas produktif dari manusia yang jauh lebih besar dibandingkan dari semua kekayaan yang dimiliki bersama. Konsep modal manusia memainkan peran utama dalam teori pertumbuhan ekonomi mod- ern. Pada tingkat ekonomi makro stok modal manusia memiliki peran penting bagi proses per- tumbuhan ekonomi, pada tingkat mikro modal manusia dapat menjelaskan variasi dalam struktur upah dan distribusi upah antar individu dan kelompok. Lebih lanjut modal manusia menurut (Becker, 2006) didefinisikan sebagai pengetahuan, informasi, ide, keahlian dan kesehatan dari seorang individu. Menurut (Hanushek, 2013) kualitas tenaga kerja memiliki hubungan yang konsisten, stabil, dan kuat ter- hadap pertumbuhan ekonomi tetapi hubungan pertumbuhan ekonomi tidak muncul sebagai hasil dari kualitas yang lebih tinggi melalui inves- tasi sumber daya di sekolah-sekolah. Hal utama yang menjadi penting bagi negara-negara berkembang ini adalah investasi mereka dalam pendidikan dasar dan menengah (Becker, 2006). Teori dasar dari model pertumbuhan endo- gen adalah fokus pada adanya peran dari modal Pendidikan, Kesehatan Dan Pertumbuhan Ekonomi Regional Di Indonesia… (Aminudin Anwar) 51 manusia yang dipelopori oleh (Lucas, 1988) dan (Romer, 1990). Menurut (Lucas, 1988) gagasan modal manusia tidak hanya memberikan efek internal tetapi memberikan efek lanjutan yaitu efek eksternal yang terlihat dari kondisi analisis agregat. Menurut (Bloom, Canning, & Sevilla, 2004) salah satu kritik dalam aplikasi model per- tumbuhan ekonomi adalah tidak mempertim- bangkan kesehatan sebagai bagian dalam model pertumbuhan ekonomi. Lebih lanjut dijelaskan oleh (Bloom et al., 2004) pekerja yang sehat secara fisik dan mental akan berpengaruh secara multi- dimesional sehingga akan meningkatkan produk- tifitasnya dan mendapatkan pendapatan yang lebih tinggi. Jalur dari adanya kualitas pendidi- kan dan kesehatan adalah kemampuan dan ket- erampilan yang akan meningkatkan kapasitas untuk berproduksi selanjutnya mengembangkan kapasitas diri dalam meningkatkan kapasitas ekonomi suatu negara. Ukuran keberhasilan in- vestasi pada bidang pendidikan dan kesehatan dapat ditunjukkan pada hasil produktivitas yang dihasilkan oleh individu. Menurut (Hanushek & Kimko, 2000), tingkat pertumbuhan ekonomi di- pengaruhi oleh gagasan dan penemuan, yang terkait dengan persediaan modal manusia baik melalui kegiatan penelitian dan pengembangan (R&D) atau melalui perilaku adopsi. Perkembangan penelitian tentang pendidi- kan dan kesehatan terhadap pertumbuhan ekonomi telah banyak dilakukan sebelumnya. Perkembangan tersebut meliputi pengembangan model, variabel dan alat analisis yang berbeda. Penelitian awal yang berfokus pada pendidikan dilakukan oleh (Mankiw, Romer, & Weil, 1992) menggunakan augmented solow growth model dengan modal manusia sebagai faktor produksi tambahan sementara itu dengan menerapkan model pertumbuhan endogen (Lucas, 1988); (Romer, 1990) juga menghubungkan modal manusia dan adopsi teknologi sebagai faktor penting dalam meningkatkan pertumbuhan. Se- mentara itu, (Benhabib & Spiegel, 1994) misalnya telah menemukan adanya hubungan yang lemah antara pertumbuhan dan peningkatan sumber daya manusia diukur dalam hal pencapaian pen- didikan. Sementara itu penelitian dari (Pritchett, 2001), menjelaskan bahwa terjadi variasi yang berbeda mengenai dampak pendidikan terhadap pertumbuhan ekonomi hal tersebut dikarenakan lingkungan institusi, penawaran pekerja berpen- didikan meningkat tetapi permintaan cenderung tetap, dan terjadi perbedaan kualitas pendidikan. Kontribusi dari kesehatan terhadap per- tumbuhan ekonomi ditunjukkan oleh beberapa penelitian seperti (Aka & Dumon, 2008) bukti empiris menunjukkan bahwa dinamika jangka panjang dari proses pertumbuhan dijelaskan oleh kesehatan masa lalu dan tingkat pendidikan. Kontribusi dari (Bloom et al., 2004) hasil utama kami adalah bahwa kesehatan yang baik memiliki efek positif, cukup besar, dan secara statistik sig- nifikan pada output agregat. Studi yang dil- akukan (Barro, 2013) menggunakan data antar negara menemukan bukti hubungan parsial anta- ra pertumbuhan dan harapan hidup dimana di- tunjukkan bahwa antara status kesehatan dan pertumbuhan ekonomi adalah positif. Studi lain dari (Knowles & Owen, 1995) menggunakan data antar negara menunjukkan hubungan yang lebih kuat antara pendapatan per kapita dan modal kesehatan, dan pendapatan per kapita terahadap modal pendidikan. Pada level daerah studi (Li & Huang, 2009) antar daerah di China menggunakan panel statis pada provinsi di China menemukan efek positif dari pendidikan dan kesehatan terhadap pertumbuhan ekonomi di China untuk periode 1978-2005. (Li & Liang, 2010) antar negara di Asia Timur yang menemukan bahwa peran dari pendidikan dan kesehatan secara positif berpengaruh terhadap pertum- buhan ekonomi, tetapi peran dari kesehatan memiliki kontribusi yang lebih besar. 52 Jurnal Ekonomi & Studi Pembangunan Volume 19, Nomor 1, April 2018: 50-60 Perkembangan yang cukup signifikan di- tunjukkan tidak hanya secara hasil empiris ten- tang studi pertumbuhan ekonomi. Beberapa perkembangan lanjutan memberikan kontribusi berupa metode estimasi yang berbeda. Penelitian awal tentang modal manusia dan pertumbuhan ekonomi menggunakan data cross section dan metode ordinary least square yaitu (Mankiw et al., 1992) dan (Benhabib & Spiegel, 1994). Perkembangan lanjutan ditunjukkan oleh (Aka & Dumon, 2008) dengan metode time series, semen- tara itu model lanjutan yang digunakan beberapa penelitian selanjutnya adalah panel statis yaitu (Barro, 1992), dan (Barro, 2013). Model dengan prinsip estimasi lanjutan yang merupakan model data panel dengan kondisi dinamis yaitu (Knowles & Owen, 1995), (Islam, 1995), (Caselli, Esquivel, & Lefort, 1996), (Bond, Hoeffler, & Temple, 2001), (Li & Huang, 2009) dan (Li & Liang, 2010). Penelitian di Indonesia secara aplikatif menggunakan model dinamis pertumbuhan ekonomi sebagai model acuan untuk menganalisis konvergensi di Indonesia yaitu (Fir- daus & Yusop, 2009) pada level provinsi dan periode 1983-2003 dengan menggunakan metode General Method of Moments (GMM). Penelitian (Kharisma & Saleh, 2013), menganalisis dispersi pendapatan serta menguji konvergensi absolute (absolute convergence) serta conditional conver- gence di 26 provinsi di Indonesia selama periode 1984-2008 dengan model panel dinamis. Penelitian ini secara spesifik melakukan analisis dalam konteks model dinamis dengan data panel untuk aplikasi regional provinsi di Indonesia. Penelitian ini mencoba memberikan analisis secara empiris kontribusi komposisi dari modal manusia yaitu pendidikan dan kesehatan ter- hadap pertumbuhan ekonomi di Indonesia. METODE PENELITIAN Penelitian ini menggunakan data panel yang merupakan gabungan dari cross section dan time series untuk level provinsi di Indone- sia. Data yang digunakan yaitu pada 33 provinsi di Indonesia pada periode antara 2004 sampai 2014. Secara umum penelitian empiris ini menggunakan data sekunder yang diambil dari Badan Pusat Statistika. Penelitian ini menggunakan variabel pertumbuhan ekonomi, indikator pendidikan, kesehatan, investasi dan pengeluaran pemerintah. Definisi secara lebih jelas variabel-variabel tersebut dapat dijelaskan sebagai berikut: Tabel 1 Definisi Operasional Variabel Variabel Lambang Satuan Keterangan Pertumbuhan ekonomi Juta Rupiah Nilai pertumbuhan PDRB per Kapita an- tara periode dan Nilai Output per Kapita Juta Rupiah Nilai PDRB per Kapita riil. Rasio Investasi ter- hadap PDRB per Kapita Milyar Rupiah Total investasi (Penanaman Modal Asing (PMA) dan Penanaman Modal Dalam Negeri (PMDN)) per PDRB per Kapita Pendidikan Tahun Rata-rata lama sekolah penduduk usia 15 tahun keatas. Kesehatan Tahun Perkiraan lama hidup rata-rata penduduk dengan asumsi tidak ada perubahan pola Pendidikan, Kesehatan Dan Pertumbuhan Ekonomi Regional Di Indonesia… (Aminudin Anwar) 53 Variabel Lambang Satuan Keterangan mortalitas menurut umur. Rasio pertumbuhan penduduk dan tingkat tabungan. Rasio Rasio pertumbuhan penduduk dan ting- kat tabungan (diasumsikan nilai adalah 0.05) Pengeluaran pemerintah Milyar Rupiah Nilai total pengeluaran pemerintah per PDRB per Kapita Sumber: Penulis Secara teoritis penelitian ini mengadopsi model Augmented Solow Growth Model yang dil- akukan oleh (Mankiw et al., 1992) yang dikem- bangkan oleh (Knowles & Owen, 1995) dan (Li & Liang, 2010) dengan menambahkan modal manu- sia dalam bentuk pendidikan dan kesehatan pada konteks data panel. Model tersebut adalah se- bagai berikut: Dimana nilai adalah nilai adalah nilai log output perkapita adalah nilai kondisi awal log output perkapita, , , , dan dan adalah nilai log dari stok modal fisik per kapita, log dari pendidikan, log kesehatan dan rasio tabungan dan pertumbuhan penduduk dan desentralisasi fiskal. Nilai merupakan indikator dari konvergensi beta, , , , dan merupakan nilai koefisien pa- rameter estimasi untuk variabel modal fisik per kapita, log dari pendidikan, log kesehatan dan rasio tabungan dan pertumbuhan penduduk, dan pengeluaran pemerintah. Nilai , dan merupakan nilai efek spesifik daerah, efek spe- sifik waktu dan nilai eror pada daerah dan wak- tu . Metode estimasi yang digunakan dalam penelitian ini adalah Generalized Method of Mo- ments (GMM). Metode estimasi ini digunakan ka- rena beberapa alasan utama yang muncul dalam melakukan estimasi. Penggunaan metode regresi cross-section dalam model pertumbuhan (cross- section growth regression) dikritik oleh (Ross & Renelt, 1992) karena metode ini sangat sensitif terhadap variabel independen yang diikutser- takan dalam spesifikasi atau dengan kata lain pa- rameter yang diestimasi nilainya berubah sangat signifikan ketika satu atau lebih variabel di- masukkan atau dikeluarkan dari dalam model. Hal tersebut menunjukkan kemungkinan model terkena masalah omitted variabel bias. Menurut (Caselli et al., 1996) terdapat dua sumber dari inkonsistennya dalam penelitian empiris pertum- buhan ekonomi antar negara. Pertama, perlakuan yang tidak tepat pada efek spesifik pada negara yang merepresentasikan perbedaan dalam hal teknologi atau selera sehingga memberikan ke- naikaan pada bias adanya ommited variabel. Adan- ya hal tersebut diasumsikan bahwa efek ommited variabel yang terjadi tidak berkorelasi dengan var- iabel yang berada di sebelah kanan persamaan, tetapi asumsi ini tentu melanggar karena sifat dinamis dari regresi pertumbuhan. Kedua, ter- dapat argumen teoritis yang kuat bahwa setid- aknya subset dari variabel penjelas harus diharap- kan endogen. Meskipun masalah ini umumnya diakui dalam literatur, beberapa upaya untuk mengendalikan hal ini telah dibuat. Ada dua estimasi GMM yang umum digunakan untuk mengestimasi model auto- regressif linier, yaitu first difference GMM dan sys- tem GMM. Penelitian ini menggunakan modules pada Stata 13.1 yaitu modules XTABOND2. Prosedur analisis menggunakan GMM memer- lukan beberapa uji untuk menspesifikasikan model agar dapat memberikan hasil yang valid 54 Jurnal Ekonomi & Studi Pembangunan Volume 19, Nomor 1, April 2018: 50-60 dan konsisten yaitu model yang tidak terjadi ko- relasi serial pada eror dan instrumen yang digunakan secara keseluruhan pada model ada- lah valid. Pengujian pertama untuk menilai ke- layakan dari model dengan melihat hasil nilai dari AR (1) dan AR (2) yang merupakan nilai p- values untuk first dan second order autocorrelated disturbance. Test untuk AR (1) biasanya menolak hipotesis nol, tetapi indikator yang penting di- tunjukkan oleh nilai dari AR (2). Uji selanjutnya adalah Sargan Test atau Hansen Test terhadap overidentifying restriction yang menguji validatas variabel instrumen yang digunakan secara kese- luruhan dengan menguji sampel yang analog dengan control moment yang digunakan. Hipotesis nol dari uji ini adalah variabel instru- ment yang digunakan valid dan terdistribusi menurut chi square. dengan (J-K) derajat kebeba- san. J adalah jumlah variabel instrument dan K adalah jumlah variabel penjelas. Kelayakan model penelitian untuk mengestimasi model adalah apabila nilai probabilitas chi square mempunyai tingkat signifikasi lebih besar dari 0,1 atau 0,5 atau 0,01 maka menerima H0 atau dengan kata lain variabel instrument yang digunakan valid. HASIL DAN PEMBAHASAN Analisis awal untuk memberikan gambaran kondisi dari hubungan antar variabel. Berdasar- kan hasil analisis korelasi pada tabel 2 ditunjuk- kan bahwa nilai positif dan signifikan ditunjuk- kan pada keseluruhan variabel tu , dan terhadap yang sesuai dengan hara- pan yang ditunjukkan terhadap hubungan antar variabel tersebut. Tabel 2 Matriks Korelasi antar Variabel 1.0000 0.3092 1.0000 (0.0000) 0.5949 0.1864 1.0000 (0.0000) (0.0007) 0.4478 0.1625 0.5377 1.0000 (0.0000) (0.0033) (0.0000) 0.0900 -0.0784 -0.0108 -0.0827 1.0000 (0.0634) (0.1577) (0.8458) 0.2024) 0.6177 0.6383 0.4006 0.4432 -0.0316 1.0000 (0.0000) (0.0000) (0.0000) (0.0000) (0.5489) Keterangan: Angka dalam kurung adalah (p-value) Nilai korelasi antara terhadap inves- tasi ( bernilai positif dan memiliki nilai ko- relasi sebesar 0.3092. Nilai korelasi antara terhadap pendidikan ( bernilai positif dan memiliki nilai korelasi sebesar 0.5949, sementara terhadap kesehatan ( juga bernilai positif dan memiliki nilai korelasi sebesar 0.4478. Nilai ko- relasi antara terhadap pertumbuhan penduduk ( bernilai positif dan memiliki nilai korelasi sebesar 0.0900. Hal yang sama juga ditunjukkan pada hubungan ter- hadap pengeluaran pemerintah ( bernilai positif dan memiliki nilai korelasi sebesar 0.6177. Secara keseluruhan ekspektasi kondisi dari hub- ungan antar variabel memberikan gambaran awal Pendidikan, Kesehatan Dan Pertumbuhan Ekonomi Regional Di Indonesia… (Aminudin Anwar) 55 tentang kondisi yang diharapkan pada penelitian ini. Analisis lanjutan pada model ini dibagi menjadi dua bagian. Pertama, hasil analisis esti- masi model panel statis dengn pendekatan com- mon effects (CE), random effect (RE), dan fixed effect (FE). Kedua, hasil analisis estimasi model panel dinamis dengan menggunakan generalized method of moments (GMM) yang dibagi menjadi difference GMM dan system GMM. Analisis hasil regresi pertama ditunjukkan pada tabel 4. Hal pertama yang dilakukan adalah menguji model terbaik antara CE, RE dan FE. Berdasarkan hasil uji spe- sifikasi model nilai p-value untuk uji LM mem- berikan hasil signifikan yang berarti antara model CE dan RE model yang dipilih adalah RE. Pada uji kedua yaitu hausman test didapatkan nilai yang signifikan sehingga dapat disimpulkan bahwa modal FE lebih baik dibandingkan dengan model yang lain. Berdasarkan hasil dari uji spesifikasi model menunjukkan bahwa model terbaik adalah FE, maka berdasarkan kolom fixed effect pada tabel 3 dapat dianalisis bahwa kontribusi modal manusia yaitu pendidikan ( ) dan kesehatan ( ) memiliki arah yang positif dan secara statistik signifikan pada level 1 persen. Hal lain yang dapat ditunjukkan dari analisis dengan model FE adalah kontribusi positif dari pertumbuhan penduduk yang secara statistik signifikan pada level 1 persen. Sementara itu, peran dari investasi fisik ( ) dan pengeluaran pemerintah ( tidak memiliki peran terhadap pertumbuhan ekonomi karena secara statistik tidak signifikan. Indikator lain yang dapat dijelaskan dari hal ini adalah terjadinya konvergensi pada model ini yang ditunjukkan pada nilai koefisien dari lag variabel PDRB per Kapita ( yang secara statistik signifikan pada level 1 persen. Tabel 3 Model Panel Statis VARIABLES Variabel Dependen ( ) Common Effect Random Effect Fixed Effect 0.984*** 0.983*** 0.868*** (0.00451) (0.00512) (0.0235) 0.00106 0.000514 -0.00213 (0.00120) (0.00124) (0.00138) 0.0760*** 0.0786*** 0.297*** (0.0221) (0.0252) (0.0895) 0.0974 0.112 1.155*** (0.0596) (0.0698) (0.321) 0.00763 0.0140** 0.0262*** (0.00702) (0.00704) (0.00707) -0.00181 -0.00119 -0.00849 (0.00297) (0.00321) (0.00926) Constant -0.353 -0.401 -4.188*** (0.225) (0.265) (1.254) LM Test 18.88 Prob > chibar2 0.000 Hausman Test 49.51 56 Jurnal Ekonomi & Studi Pembangunan Volume 19, Nomor 1, April 2018: 50-60 VARIABLES Variabel Dependen ( ) Common Effect Random Effect Fixed Effect Prob>chi2 0.000 F- Tests 4.14 Prob-F 0.000 Obs. 326 326 326 R-squared 0.996 0.958 Jumlah Prov. 33 33 Angka dalam kurung adalah standar eror, tanda *** p<0.01, ** p<0.05, * p<0.1. Nilai koefisien yaitu memiliki nilai Berdasarkan penjelasan diatas bahwa model panel data pada pertumbuhan ekonomi merupa- kan model dinamis dimana terdapat nilai lag de- penden variabel pada sisi sebelah kanan. Secara teoritis hal tersebut mengakibatkan kondisi yang bias jika tidak menggunakan alat analisis yang tepat. Penelitian ini mengembangkan hal tersebut dengan menggunakan Generalized Method of Mo- ments (GMM) untuk mengatasi permasalahan yang muncul karena kondisi model pertumbuhan ekonomi yang dinamis. Hasil dari regresi menggunakan model GMM ditunjukkan pada tabel 4. Pada tabel 4 ditunjukkan beberapa spe- sifikasi model untuk mendapatkan model terbaik yang dapat merepresentasikan hasil yang terbaik dalam model. Pada model GMM ditunjukkan model 1, 2, dan 3 yang merupakan identifikasi pada kondisi model. Pada model 1 kondisi yang dilakukan yaitu dengan mengasumsikan bahwa keseluruhan independen variabel endogen kecua- li tingkat pertumbuhan populasi sehingga harus diinstrumentasi sesuai dengan kondisi pada ana- lisis GMM. Model 2 mengasumsikan bahwa vari- abel lag variabel PDRB per kapita, Investasi fisik, modal manusia untuk pendidikan dan kesehatan dan pendidikan diasumsikan endogen sehingga harus diinstrumentasi sesuai dengan kondisi pa- da analisis GMM. Model 3 mengasumsikan bah- wa hanya variabel lag variabel PDRB per kapita dan modal manusia untuk pendidikan dan kesehatan dan pendidikan yang diasumsikan en- dogen sehingga harus diinstrumentasi sesuai dengan kondisi pada analisis GMM. Sebelum melakukan intepretasi hasil esti- masi pada model GMM, hal pertama yang harus dilakukan adalah menguji kelayakan dari model GMM. Pengujian kelayakan model GMM dil- akukan untuk mendapatkan model yang valid yaitu model yang tidak terjadi korelasi serial pada eror dan instrumen yang digunakan secara kese- luruhan pada model adalah valid. Pengujian per- tama untuk menilai kelayakan dari model dengan melihat hasil nilai dari AR (1) dan AR (2) yang merupakan nilai p-values untuk first dan second order autocorrelated disturbance. Test untuk AR (1) biasanya menolak hipotesis nol, tetapi indikator yang penting ditunjukkan oleh nilai dari AR (2). Berdasarkan output pada tabel 5 ditunjukkan bahwa nilai p-value dari AR (1) menunjukkan nilai yang signifikan tetapi fokus analisis berada pada AR (2), nilai AR (2) pada model difference GMM model 1 p-value 0.0064, model 2 nilai p-value 0.0058, dan model 3 nilai p-value 0.0053. Berdasar- kan hasil tersebut keseluruhan model difference GMM memiliki nilai p-value dibawah nilai alpha 5 persen maka dapat disimpulkan bahwa pada model difference GMM terjadi serial autokorelasi pada eror. Sementara itu pada model system GMM dapat ditunjukkan bahwa nilai p-value dari AR (1), sementara itu nilai AR (2) pada model 1 nilai p-value 0.083, model 2 nilai p-value 0.022, dan model 3 nilai p-value 0.0091. Berdasarkan hasil tersebut model 2 dan 3 pada system GMM mem- Pendidikan, Kesehatan Dan Pertumbuhan Ekonomi Regional Di Indonesia… (Aminudin Anwar) 57 iliki nilai p-value dibawah nilai alpha 5 persen maka dapat disimpulkan bahwa pada model ter- jadi serial autokorelasi pada eror. Nilai AR (2) pada model 1 menunjukkan nilai p-value diatas nilai alpha 5 persen sehingga dapat disimpulkan untuk model 1 system GMM tidak terjadi serial autokorelasi pada eror. Uji kelayakan model yang kedua yaitu un- tuk menguji validitas dari instrumen yang digunakan dalam model. Hasil output untuk sar- gan test pada model difference GMM menunjuk- kan bahwa pada model 1 nilai p-value 0.973, mod- el 2 nilai p-value 0.714, dan model 3 nilai p-value 0.0545. Berdasarkan hasil tersebut dapat disim- pulakan bahwa instrumen yang digunakan pada model untuk keseluruhan model difference GMM valid. Pada model system GMM nilai sargan test untuk model 1 nilai p-value 0.997, model 2 nilai p- value 0.953, dan model 3 nilai p-value 0.269. Ber- dasarkan hasil tersebut dapat disimpulkan bahwa instrumen yang digunakan pada model untuk keseluruhan model system GMM valid. Berdasarkan uji kelayakan model maka model yang dapat diinterpretasikan adalah model yang tidak terjadi autokorelasi serial pada eror dan memiliki instrumen yang valid. Disimpulkan bahwa kondisi dari keseluruhan model difference GMM tidak layak karena terjadi serial autoko- relasi pada eror walaupun instrument yang digunakan valid. Sementara itu, untuk model sys- tem GMM ditunjukkan bahwa pada model 2 dan 3 tidak layak karena terjadi serial autokorelasi pada eror walaupun instrument yang digunakan valid. Model terbaik pada penelitian ini ditunjuk- kan pada model 1 untuk system GMM dimana tidak terjadi autokorelasi serial pada eror dan memiliki instrumen yang valid. Tabel 4 Model Panel Dinamis VARIABLES Variabel Dependen ( ) Difference GMM System GMM (1) (2) (3) (1) (2) (3) 0.885*** 0.881*** 0.885*** 0.984*** 0.984*** 0.979*** (0.0303) (0.0317) (0.0324) (0.00499) (0.00530) (0.00626) -0.00312* -0.00337* -0.00436** 0.000986 0.00107 0.000263 (0.00177) (0.00180) (0.00189) (0.00134) (0.00146) (0.00145) 0.310*** 0.351*** 0.426*** 0.0716*** 0.0851*** 0.120*** (0.113) (0.121) (0.135) (0.0248) (0.0265) (0.0320) 1.243*** 1.264** 1.306** 0.127* 0.120 0.138 (0.477) (0.507) (0.522) (0.0740) (0.0801) (0.0917) 0.0220*** 0.0219*** 0.0204** 0.00788 0.00874 0.0102 (0.00813) (0.00816) (0.00827) (0.00775) (0.00786) (0.00785) -0.0119 -0.0147 -0.0213 -0.00180 -0.00234 -0.00160 (0.0124) (0.0130) (0.0137) (0.00331) (0.00342) (0.00342) Constant -0.469* -0.462 -0.574* (0.281) (0.303) (0.341) Obs. 285 285 285 326 326 326 Jumlah Prov. 32 32 32 33 33 33 58 Jurnal Ekonomi & Studi Pembangunan Volume 19, Nomor 1, April 2018: 50-60 VARIABLES Variabel Dependen ( ) Difference GMM System GMM (1) (2) (3) (1) (2) (3) Sargan Test 186.1 185.4 176.6 208.9 201.7 189.2 P-Value 0.973 0.714 0.0545 0.997 0.953 0.269 AR (1) -8.177 -8.186 -8.112 -5.204 -6.350 -7.542 P-Value 0.00 0.00 0.00 0.00 0.00 0.00 AR (2) 2.727 2.758 2.791 1.724 2.299 2.610 P-Value 0.00639 0.00581 0.00526 0.0847 0.0215 0.00906 Instrumen 231 203 154 276 244 185 Angka dalam kurung adalah standar eror, tanda *** p<0.01, ** p<0.05, * p<0.1. Nilai koefisien yaitu memiliki nilai Hasil output estimasi model 1 untuk system GMM digunakan sebagai analisis karena kon- disinya yang sesuai dengan kelayakan model. Hal utama yang menjadi fokus kajian penelitian ini adalah kontribusi dari modal manusia yaitu pen- didikan dan kesehatan terhadap pertumbuhan ekonomi. Berdasarkan hasil dari output dapat dianalisis bahwa nilai koefisien dari pendidikan ( ) memiliki nilai positif sebesar 0.0851 dan signifikan pada level 1 persen. Kondisi yang sama terjadi pada nilai koefisien kesehatan ( ) di- mana memiliki nilai positif sebesar 0.127 dan sig- nifikan pada level 10 persen. Berdasarkan hasil tersebut maka secara empiris dapat dibuktikan tentang peran penting dari modal manusia yaitu pendidikan dan kesehatan terhadap pertum- buhan ekonomi di Indonesia. Hal ini sejalan dengan penelitian sebelumnya yang dilakukan oleh (Knowles & Owen, 1995) untuk analisis antar negara, (Li & Liang, 2010) antar negara di Asia Timur, dan (Li & Huang, 2009) untuk provinsi di China. Temuan yang sejalan dengan penelitian ini di Indonesia (Kharisma & Saleh, 2013) hanya menunjukkan peran dari pendidikan terhadap pertumbuhan ekonomi sementara kesehatan secara statistik tidak signifikan. Hal lain yang dapat dijelaskan dari hasil output tersebut adalah kontribusi sektor fisik dan peran pemerintah yaitu investasi fisik ( ), pertumbuhan penduduk, dan pengeluaran pemerintah ( ) yang memiliki nilai ecara statistik tidak signifikan. Hal ini memberikan gambaran bahwa kontribusi sektor fisik tidak ter- lalu menjadi sesuatu yang dominan untuk per- tumbuhan ekonomi yang lebih baik justru kontri- busi sektor non-fisik seperti modal manusia akan memberikan nilai yang lebih baik. Di sisi lain peran pemerintah melalui pendanaan pem- bangunan cenderung belum mampu untuk mem- berikan kontribusi. Kecenderungan aktifitas pemerintah yang menggunakan alokasi dana un- tuk aktifitas rutin menjadi salah satu hal yang ter- jadi, seharusnya pemerintah mampu untuk men- dukung pertumbuhan ekonomi dengan alokasi dana yang terorientasi pada sektor yang berim- plikasi terhadap pembangunan ekonomi. Konvergensi yang menjadi salah satu indi- kator dan merupakan efek lanjutan dari pertum- buhan ekonomi terjadi pada provinsi-provinsi di Indonesia. Hal tersebut ditunjukkan dari nilai lag PDRB per kapita ( ) yang memiliki nilai kurang dari 1 yaitu 0.984 dan secara statistik sig- nifikan pada level 1 persen. Hal ini membuktikan hipotesis konvergensi kondisional dimana daerah yang memiliki tingkat pertumbuhan awal yang rendah dapat mengakumulasi proses pertum- buhannya dan mempu untuk mengejar daerah yang awalnya maju. Implikasinya adalah daerah yang maju akan memiliki kecepatan konvergensi Pendidikan, Kesehatan Dan Pertumbuhan Ekonomi Regional Di Indonesia… (Aminudin Anwar) 59 sebesar 1.613 persen dan daerah yang pertum- buhan awalnya rendah akan dapat mengejar separo dari kondisinya tersebut dalam waktu 42.97 tahun. Kontribusi positif dari pendidikan dan kesehatan dalam model konvergensi kondi- sional tersebut juga memiliki implikasi bahwa faktor yang mampu untuk meningkatkan aksel- erasi pertumbuhan ekonomi tersebut terdapat pada pendidikan dan kesehatan. Hal ini sejalan dengan penelitian sebelumnya yaitu (Firdaus & Yusop, 2009) dan (Kharisma & Saleh, 2013) yang juga menemukan hal yang sama terhadap terbuk- tinya hipotesis konvergensi pada provinsi di In- donesia. SIMPULAN Kontribusi modal manusia sebagai penentu pertumbuhan pada level provinsi di Indonesia secara empiris terbukti. Hal tersebut ditunjukkan oleh nilai positif variabel pendidikan dan kesehatan. Indikasi ini menunjukkan bahwa peran sentral modal manusia menurut teori per- tumbuhan endogen terbukti di Indonesia. Hal ini seharusnya menjadi perhatian bagi pengambil kebijakan untuk meningkatkan investasi pada sektor pendidikan dan kesehatan sehingga mam- pu untuk meningkatkan pembangunan ekonomi di Indonesia. Terjadinya konvergensi kondisional secara empiris terbukti pada level provinsi di Indonesia. Hal ini memberikan gambaran bahwa daerah- daerah yang dianggap sebagai daerah yang awal- nya memiliki kondisi pertumbuhan rendah dapat mengakselerasi pertumbuhan ekonominya se- hingga mampu untuk mengejar daerah-daerah yang awalnya maju. Kontribusi dari pendidikan dan kesehatan dalam kondisi konvergensi secara positif berperan, yang berarti pendidikan dan kesehatan menjadi faktor utama penurunan ting- kat ketimpangan pembangunan ekonomi antar daerah. DAFTAR PUSTAKA Aka, B. F., & Dumon, J. C. (2008). Health, Education and Economic Growth: Testing for Long- Run Relationships and Causal Links. Applied Econometrics and International Development Development, 8(2), 101–113. Barro, R. J. (1992). Human Capital and Economic Growth. Proceedings, Federal Reserve Bank of Kansas City, (1966), 199–230. http://doi.org/10.1086/449834 Barro, R. J. (2013). Health and Economic Growth. Annals of Economics and Finance, 14(2), 305–342. http://doi.org/10.1016/S1574- 0684(05)01006-3 Becker, G. S. (2006). The Age of Human Capital. In H. Lauder, P. Brown, J.-A. Dillabough, & A. H. Halsey (Eds.), Education, Globalization and Social Change (1st ed., pp. 292–294). Oxford: Oxford University Press. Benhabib, J., & Spiegel, M. M. (1994). The Role of Human Capital in Economic Development Evidence from Aggregate Cross-Country Data. Journal of Monetary Economics, 34(2), 143–173. http://doi.org/10.1016/0304- 3932(94)90047-7 Bloom, D. E., Canning, D., & Sevilla, J. (2004). The effect of health on economic growth: A production function approach. World Development, 32(1), 1–13. http://doi.org/10.1016/j.worlddev.2003.0 7.002 Bond, S. R., Hoeffler, A., & Temple, J. (2001). GMM Estimation of Empirical Growth Models. Economics Papers, Economics Group, Nuffield College: University of Oxford. Caselli, F., Esquivel, G., & Lefort, F. (1996). Reopening the Convergence Debate : A New Look at Cross-Country Growth 60 Jurnal Ekonomi & Studi Pembangunan Volume 19, Nomor 1, April 2018: 50-60 Empirics. Journal of Economic Growth, 1(3), 363–389. Firdaus, M., & Yusop, Z. (2009). Dynamic analysis of regional convergence in Indonesia. International Journal of Economics and Management, 3(1), 73–86. Hanushek, E. A. (2013). Economic growth in developing countries: The role of human capital. Economics of Education Review, 37, 204–212. http://doi.org/10.1016/j.econedurev.201 3.04.005 Hanushek, E. A., & Kimko, D. D. (2000). Schooling, Labor Force Quality, and the Growth of Nations. American Economic Review, 90(5), 1184–1208. http://doi.org/10.1257/aer.90.5.1184 Islam, N. (1995). Growth Empirics : A Panel Data Approach. The Quarterly Journal of Economics, Oxford University, 110(4), 1127– 1170. Retrieved from http://www.jstor.org/stable/2946651 Kharisma, B., & Saleh, S. (2013). Convergence of Income Among Provinces in Indonesia 1984-2008: A Panel Data Approach. Journal of Indonesian Economy and Business, 28(2), 167–187. Knowles, S., & Owen, P. D. (1995). Health Capital and Cross-Country Variation in Income per Capita in The Mankiw-Romer-Weil Model. Economics Letters, 48, 99–106. Li, H., & Huang, L. (2009). Health, education, and economic growth in China: Empirical findings and implications. China Economic Review, 20(3), 374–387. http://doi.org/10.1016/j.chieco.2008.05.0 01 Li, H., & Liang, H. (2010). Health, Education, and Economic Growth in East Asia. Journal of Chinese Economic and Foreign Trade Studies, 8(2), 110–131. http://doi.org/10.1108/105692112112044 92 Lucas, R. E. (1988). On the mechanics of economic development. Journal of Monetary Economics, 22(1), 3–42. http://doi.org/10.1016/0304- 3932(88)90168-7 Mankiw, N. G., Romer, D., & Weil, D. N. (1992). A Contribution to the Empirics of Economic Growth. The Quarterly Journal of Economics, Oxford University, 107(2), 407–437. http://doi.org/10.3386/w19870 Pritchett, L. (2001). Where Has All the Education Gone? The World Bank Economic Review, 15(3), 367–391. Romer, P. M. (1990). Human Capital And Growth: Theory and Evidence. Carnegie-Rochester Conference Series on Public Policy, 32, 251– 286. http://doi.org/10.1016/0167- 2231(90)90028-J Ross, L., & Renelt, D. (1992). A Sensitivity Analysis Of Cross Country Growth Regressions. American Economic Review, 82(4), 942–963. Schultz, T. W. (1961). Investment in Human Capital. The American Economic Review, 51(1), 1–17.