Hasil Pencarian  ::  Simpan CSV :: Kembali

"Industri Mikro dan Kecil (IMK) merupakan salah satu motor penggerak yang krusial bagi pembangunan dan pertumbuhan ekonomi di Indonesia. Populasi industri mikro dan kecil yang merupakan kelompok ekonomi skala kecil yang menyerap banyak tenaga kerja dan memiliki pola yang tersebar mendominasi struktur industri nasional. Studi ini bertujuan untuk mengetahui hubungan antara IMK dengan pertumbuhan ekonomi daerah berupa PDRB per kapita dan PDRB sektor manufaktur. Metode yang digunakan adalah regresi data panel tahun 2010-2013 dan fokus pada variabel unit IMK, tenaga kerja IMK dan output IMK. Hasil penelitian menunjukan IMK berkontribusi positif dan signifikan dalam mempengaruhi pertumbuhan ekonomi daerah meskipun bersifat inelastis dimana produktivitas dan daya saing IMK masih lemah.

---

Small and Micro Industries (SMI?s) is one of the crucial driving force for development and economic growth in Indonesia. The population of micro and small industries which is a group of small-scale economies with labor intensive group, it has spread in pattern and dominates the national industrial structure. The goal of this study is determining the relationship between the SMI?s and regional economic growth such as GDP per capita and GDP of the manufacturing sector. The research using method of panel data regression from year 2010-2013 and focus on SMI?s unit variable, labor and output. The research results showed a positive and significant SMI?s contribution in influencing the regional economic growth although inelastic relationship where productivity and competitiveness of SMI?s is still weak."

"ABSTRAKKriminalitas merupakan salah satu permasalahan sosial yang harus diatasi karena mengakibatkan berbagai macam kerugian ekonomi dan psikologis. Kriminalitas termasuk fenomena spasial karena terdapat kecenderungan bahwa tingkat kriminalitas suatu daerah mempengaruhi tingkat kriminalitas di daerah sekitarnya. Penelitian ini bertujuan untuk melihat keterkaitan spasial tingkat kriminalitas antar provinsi-provinsi di Indonesia dan mengidentifikasi faktor-faktor apa saja yang signifikan mempengaruhi tingkat kriminalitas diantara household expenditure, tingkat pengangguran terbuka, persentase siswa SMA dropout, persentase polisi, persentase penduduk miskin, dan indeks gini.Penelitian ini menggunakan data panel 33 provinsi selama periode 2007-2013, yang dianalisis secara deskriptif dan ekonometrika menggunakan regresi data panel dan regresi spasial data panel. Hasil estimasi menunjukkan bahwa terdapat keterkaitan spasial tingkat kriminalitas di Indonesia. Model terbaik yang dapat menggambarkan tingkat kriminalitas adalah spatial autocorrelation (SAC) yang menunjukkan adanya keterkaitan spasial baik pada variabel dependen maupun errornya. Faktor-faktor yang signifikan mempengaruhi tingkat kriminalitas di Indonesia selama periode 2007-2013 adalah indeks gini, persentase siswa SMA dropout, dan tingkat pengangguran terbuka. Dengan α=1% indeks gini menunjukkan variabel yang paling berpengaruh terhadap peningkatan tingkat kriminalitas. Hal ini menunjukkan bahwa tingkat kesenjangan ekonomi antar masyarakat dapat memicu terjadinya aktifitas kriminal.

---

ABSTRACT

Crime is a social problem that must be solved because it resulted in a wide range of economic and psychological losses. Crime is one of spatial phenomena because there is a tendency that a local crime rate affects the crime rate in surrounding area. This study aims to investigate the spatial linkages of crime rate among the provinces in Indonesia and to identify what factors are significantly affecting the crime rate among household expenditure, unemployment rate, the percentage of high school students drop out, the percentage of the police, the percentage of poor people, and the index gini.

This study uses panel data of 33 provinces during the period 2007-2013, were analyzed using descriptive and econometric panel data regression and spatial regression panel data. The result indicates that there is a spatial linkages of crime rate in Indonesia. The best model that can capture the crime rate is spatial autocorrelation (SAC) which shows the spatial relationship both on the dependent variable and error. Significant factors that affecting the crime rate in Indonesia for period 2007-2013 are the gini index, the percentage of high school dropouts, and the unemployment rate. With α = 1% gini index is the most influence variable that increase the crime rate. This indicates that the economic disparities between communities may lead to criminal activity."