HASIL PENELITIAN DAN PEMBAHASAN
4.5 Analisis Potensi Ekonomi dan Jumlah Penduduk Miskin Terhadap Pendapatan perkapita Kabupaten Samosir Pendapatan perkapita Kabupaten Samosir
4.6.10. Uji Asumsi Klasik 1. Autokorelasi
+ + + + =1171378.784 -2.040JPM 252999.2713*LQ 1.068*(PS PVS DS) PDRBP9 4.6.9. Sektor Jasa-jasa
Dari hasil regresi tersebut diatas dapat dirumuskan persamaan matematika sebagai berikut :
Keterangan :
µ = Disturbance faktor (diluar faktor pendugaan parameter).
Dari nilai persamaan diatas menunjukkan bahwa jumlah penduduk miskin dan tanda positif, yang berarti bahwa pengaruh jumlah penduduk miskin berpengaruh terhadap pengurangan pendapatan perkapita Kabupaten Samosir, sedangkan nilai LQ dan SSA potensi sektor jasa-jasa negatif, yang berarti bahwa potensi basis/ unggulan dan SSA sektor jasa-jasa berpengaruh negatif terhadap peningkatan pendapatan per kapita Kabupaten Samosir.
Agar model persamaan regresi GLS tersebut diatas layak dipergunakan, maka harus memenuhi beberapa asumsi klasik.
Adapun uji asumsi klasik dimaksud adalah sebagai berikut :
4.6.10. Uji Asumsi Klasik 4.6.10.1. Autokorelasi
Autokorelasi adalah korelasi antar variabel data serangkaian observasi yang diurutkan menurut waktu (deret waktu).
Untuk mengetahui autokorelasi salah satunya digunakan uji durbin Watson (DW).
Hasil pengolahan data dengan menggunakan program Eviews dapat nilai Durbin-Watson sebesar 0,765.
Dari nilai Durbin-Watson tabel pada (α = 5 %) di dapat hasil Durbin-watson tabel sebagai berikut :
K=3 D-W-hit = 1,126
Dl Du
8 0.368 2.287
4-dl 3.632
4-du 1.713
Kriteria pengambilan keputusan :
Dengan demikian maka hipotesis bahwa model persamaan regresi dengan metode (GLS) Cross Section Weights tidak ada autokorelasi dapat diterima, dengan tingkat kepercayaan 95 persen.
4.6.10.2. Multikolinierity
Yang dimaksud dengan multicolonierity ialah situasi adanya korelasi variabel-variabel bebas diantara satu dengan lainnya (varibel bebas tidak orthogonal), maksudnya variabel bebas yang nilai korelasi diantara sesamanya sama dengan nol.
Autokorelasi ? Tidak ada ? Autokorelasi Positif Autokorelasi Negatif
0 368 , 0 = L d 287 , 2 U d 2 713 , 1 4 = −dU 632 , 3 4 = −dL 4 Sumber : Prapto, 2004 0,765
Metode Koutsoyiannis melakukan regresi dependent variabel atas setiap variabel bebas yang terkandung dalam suatu model regresi yang diuji. Kemudian dari hasil regresi ini, kita pilih salah satu model regresi yang secara apriori dan statistik paling meyakinkan (regresinya disebut elementary regression).
Hasil pengolahan data dengan menggunakan program Eviews dapat nilai koefisien correlations variabel bebas sebagai berikut :
Tabel 4.13. Nilai Koefisien Korelasi Variabel, Provinsional Share (PVS), Jumlah Penduduk Miskin (JPM), Indeks Location Quotient (LQ), Propostional Shift (PS) dan Differential Shift (DS)
Correlation PVS JPM LQ PS DS PVS 1.0000 JPM -0.1511 1.0000 LQ -0.8711 0.1139 1.0000 PS 1.0000 -0.1511 -0.8711 1.0000 DS -0.9990 0.1195 0.8766 -0.9990 1.0000
Sumber : Hasil pengolahan Eviews, Tahun 2012, Lampiran-17.
Dari tabel diatas dapat dijelaskan bahwa korelasi antar variabel bebas yang digunakan dalam persamaan regresi antara JPM dengan PVS sebesar -0,1511, JPM dengan LQ sebesar 0,1139 dan PS dengan JPM sebesar -0,1151 menunjukkan bahwa korelasi antara variabel bebas tidak sempurna dengan kata lain bahwa asumsi multikolinierity model persamaan regresi tersebut di tolak. Dengan demikian koefisien regresi dapat menunjukkan pengaruh murni dari variable independen dalam model regresi tersebut.
4.6.10.3. Uji Normalitas
Untuk mendeteksi apakah residualnya berdistribusi normal atau tidak dengan membandingkan nilai Jarque Bera (JB) dengan X2tabel, sebagai berikut :
c. Jika nilai JB > 2
X tabel, maka residualnya tidak normal.
Analisis hasil eviews JB pada tabel berikut :
Tabel 4.14. Nilai Mean, Median, Maximum, Std. Deviasi, Skewnes, Kutosis, Jarque-Berra dan Probabilitas Uji Normalitas Model Regresi Potensi Ekonomi Kab. Samosir, Tahun 2003-2010
RESID1 RESID2 RESID3 RESID4 RESID5 RESID6 RESID7 RESID8 RESID9
Mean 1839.26 -79.36 -54.33 -76.08 -67.43 150.03 -50.68 -26.36 395.95 Median -135606.92 -960.65 -3034.59 -531.39 -2428.30 -25702.55 -3406.38 -1996.44 -49583.52 Maximum 925889.72 25879.82 19368.20 24812.61 21965.62 114270.70 17668.82 24079.60 238437.43 Minimum -643419.11 -26263.74 -14316.20 -24919.03 -21449.27 -64315.92 -14566.50 -17865.15 -137434.15 Std. Dev. 646036.80 18126.91 13921.61 17404.81 15632.95 64625.34 13547.73 13807.50 146881.69 Skewness 0.34 0.21 0.28 0.21 0.18 0.71 0.25 0.43 0.54 Kurtosis 1.50 2.00 1.44 1.97 1.79 2.08 1.38 2.20 1.76 Jarque-Bera 0.90 0.39 0.92 0.41 0.53 0.95 0.96 0.46 0.91 Probability 0.64 0.82 0.63 0.81 0.77 0.62 0.62 0.79 0.63 Observations 8 8 8 8 8 8 8 8 8
Sumber : Hasil pengolahan Eviews, Tahun 2012
Dari tabel JB diatas dimana nilai JB > X2tabel dengan nilaiX2tabel sebesar 5,99 pada α = 5 % adalah JB1, JB3, JB6, JB7 dan JB9, ini artinya bahwa model persamaan regresi untuk lapangan usaha pertanian, industri, perdagangan, hotel dan restoran, pengangkutan dan komunikasi dan jasa-jasa residualnya tidak normal dengan kata lain variabel bebas untuk sektor pertanian, industri, perdagangan, hotel dan restoran, pengangkutan dan komunikasi dan jasa-jasa berpengaruh nyata terhadap variabel pendapatan perkapita.
Sedangkan nilai JB < X2tabel dengan nilaiX2tabel sebesar 5,99 pada α = 5 % adalah JB2, JB4, JB5 dan JB8, ini artinya bahwa model persamaan regresi untuk lapangan usaha pertambangan dan penggalian, listrik, gas dan air minum, bangunan dan lembaga bank dan nonbank residualnya normal dengan kata lain variabel bebas lapangan usaha pertambangan dan penggalian, listrik, gas dan air
minum, bangunan dan lembaga bank dan nonbank tidak berpengaruh nyata terhadap variabel pendapatan perkapita.
4.6.10.4. Heteroskedastisitas 4.6.10.4.1. Uji White
Apabila nilai X2hitung (nilai Obs* R squared) > nilai X2tabel (7,814) dengan derajat kepercayaan α = 2,5 %, maka untuk no cross terms dapat disimpulkan model persamaan regresi adalah model heteroskedastisitas, sebaliknya jika nilai X2hitung (nilai Obs* R squared) < nilai X2tabel (7,814) dengan derajat kepercayaan α = 5 %, maka untuk no cross terms dapat disimpulkan model persamaan regresi adalah tidak mengandung heteroskedastisitas.
Hasil pengolahan dengan menggunakan Eviews diperoleh nilai Obs* R squared masing-masing sektor sebagai berikut :
Tabel 4.15. Uji Heteroskedastisitas dengan White Test (no cross terms) Persamaan regresi menurut Lapangan Usaha Kabupaten Samosir, Tahun 2003-2010
White Heteroskedasticity Test:
1. Sektor Pertanian
F-statistic 0.850079 Probability 0.680256
Obs*R-squared 6.688627 Probability 0.350605
2. Sektor Pertambangan dan Penggalian
F-statistic 0.427738 Probability 0.822871
Obs*R-squared 5.756859 Probability 0.450971
3. Sektor Industri
F-statistic 15.79657 Probability 0.190257
Obs*R-squared 7.916475 Probability 0.244287
4. Sektor Listrik, gas dan air minum
F-statistic 3914.479 Probability 0.012234
Obs*R-squared 7.999659 Probability 0.238128
5. Sektor Bangunan
F-statistic 1.214339 Probability 0.600861
Obs*R-squared 7.034520 Probability 0.317667
F-statistic 11.83967 Probability 0.218877
Obs*R-squared 7.888948 Probability 0.246353
7. Sektor Pengangkutan dan Komunikasi
F-statistic 118.8059 Probability 0.070113
Obs*R-squared 7.988793 Probability 0.238926
8. Sektor Bank dan Non Bank
F-statistic 0.978861 Probability 0.648850
Obs*R-squared 6.836053 Probability 0.336276
9. Sektor Jasa-jasa
F-statistic 8.377304 Probability 0.258490
Obs*R-squared 7.843945 Probability 0.249761
Sumber : Hasil pengolahan Eviews, Tahun 2012
Nilai X2hitung (nilai Obs* R squared) > nilai X2tabel adalah pada model persamaan regresi sektor industri, listrik, gas dan air minum, perdagangan, hotel dan restoran, sektor pengangkutan dan komunikasi dan sektor jasa-jasa dengan nilai Obs*R-Squared masing-masing sebesar 7,916, 7,999, 7,888, 7,988 dan 7,843 > dari nilai X2tabel sebesar 7,814, ini artinya bahwa model persamaan sektor tersebut mengandung heteroskedastisitas.
Nilai X2hitung (nilai Obs* R squared) < nilai X2tabel adalah pada model persamaan regresi sektor pertanian, pertambangan dan penggalian, sektor bangunan dan sektor bank dan nonbank dengan nilai masing-masing sebesar 6,688, 5,757, 7,035 dan 6,836 < 7,814, ini berarti bahwa model regresi pada persamaan sektor tersebut bisa dipergunakan untuk memprediksi nilai-nilai koefisien regresi.
4.6.11. Koefisien Determinasi R2 (R Square)
Pengukuran kecocokan model dilakukan dengan memperhatikan besarnya
koefisien determinasi R2. Model dianggap baik atau cocok apabila harga
nilaiR2mendekati 1, R2 sekaligus menunjukkaan besar pengaruh semua variabel independen terhadap variable dependen.
Dari tabel 4.22 diatas didapat nilai nilai R-squared sebesar 0,979 ini berarti bahwa secara bersama-sama jumlah penduduk miskin, Indeks LQ dan SSA masing-masing sektor mampu menjelaskan pengaruhnya terhadap pendapatan perkapita Kabupaten Samosir sebesar 97,90 persen sedangkan 2,10 persen dipengaruhnya oleh faktor diluar pendugaan parameter tersebut diatas (disturbance factor).
4.6.12. Uji F
Uji F digunakan untuk mengetahui apakah Jumlah Penduduk Miskin
)
(JPM , Indeks Location Quotient (LQi)masing-masing sektor dan (SSAi)secara
simultan berpengaruh nyata terhadap pendapatan perkapita Kabupaten Samosir.
0 H : R2 = 0 a H : R2 ≠ 0 F-statistic = 131.229 F-tabel pada (α = 5 %) = 9,280
Berarti bahwa F-hitung > F-tabel (131.229 > 9,280), dengan demikian ini berarti bahwa nilai R-Squared significant (nyata) pada tingkat kepercayaan 95 persen.
