BAB III METODE PENELITIAN
4.2. Analisis dan Pembahasan
4.2.3. Hasil Estimasi
Bedasarkan pengujian yang dilakukan, dimana pengujian Chow memberikan hasil estimasi dan analisis bahwa Fixed Effect Model (FEM) yang tepat. Kemudian uji Hausman digunakan untuk menentukan model Fixed Effect Model (FEM) atau Random Effect Model (REM) yang akan digunakan. Namun,
setelah diestimasi dan dianalisis, pengujian Hausman memilih model yang tepat digunakan adalah Random Effect Model (REM). Adapun hasil estimasi dengan menggunakan Random Effect Model (REM) dengan program eviews 9 untuk mengolah data dalam penelitian ini adalah sebagai berikut :
Tabel 4.6
Hasil Estimasi Random Effect Model (REM)
Variable Coefficient Std.Error t-Statistic Prob.
C 16,13624 2,539396 6,354362 0,0000
Bedasarkan tabel 4.6 diketahui koefisien determinan (nilai R-squared) sebesar 0,2952, hal ini menunjukkan bahwa seluruh variabel bebas yang dimasukkan ke dalam model telah mampu menjelaskan perubahan-perubahan yang terjadi pada variabel terikat sebesar 29,52 %, sedangkan sisanya 70,48 % dijelaskan oleh variabel lainnya yang tidak dimasukkan ke dalam model. Hal ini menunjukkan bahwa tingkat kemiskinan di Kabupaten/Kota Medan, Binjai, Deli
Serdang, Karo, dan Langkat tidak didominasi oleh perubahan-perubahan variabel-variabel penelitian.
Dengan hasil estimasi yang diperoleh nilai F-statistik sebesar 15,07916 dengan nilai probabilitasnya pada F-statistik sebesar 0,000003 dengan taraf signifikan α = 5 %, maka dapat disimpulkan bahwa nilai probabilitasnya F-statistik sebesar 0,000003 < 0,05, sehingga hal ini menunjukkan bahwa seluruh variabel bebas (tingkat pengangguran dan pertumbuhan ekonomi) secara bersama-sama memiliki pengaruh yang signifikan terhadap variabel terikat (tingkat kemiskinan) di Kabupaten/Kota Medan, Binjai, Deli Serdang, Karo, dan Langkat.
Apabila dilakukan analisis secara parsial (Uji t) dari masing-masing variabel bebas terhadap variabel terikat pada dengan taraf signifikan α = 5 %, dengan hipotesis sebagai berikut :
Jika : = 0 (tidak ada pengaruh secara signifikan) : = 0 (ada pengaruh secara signifikan)
Dengan kriteria pengambilan keputusan sebagai berikut :
Jika, nilai-Prob. > α (0,05), maka terdapat pengaruh yang tidak signifikan antara variabel bebas terhadap variabel terikat sehingga, Ho diterima. Sebaliknya jika nilai-Prob. < α (0,05), maka terdapat pengaruh yang signifikan antara variabel bebas terhadap variabel terikat, maka Ho ditolak.
Bedasarkan hasil estimasi pada tabel 4.6, jika dilalukan analisis secara parsial dari masing-masing varibel bebas (tingkat pengangguran dan pertumbuhan ekonomi), menunjukkan bahwa tingkat pengangguran dengan nilai probabilitas sebesar 0,1438 > 0,05, artinya tingkat pengangguran tidak berpengaruh signifikan
58
terhadap tingkat kemiskinan di Kabupaten/Kota Medan, Binjai, Deli Serdang, Karo, dan Langkat. Sedangkan pertumbuhan ekonomi dengan nilai probabilitas sebesar 0,0000 < 0,05, artinya pertumbuhan ekonomi berpengaruh secara signifikan terhadap tingkat kemiskinan di Kabupaten/Kota Medan, Binjai, Deli Serdang, Karo, dan Langkat.
Bedasarkan uraian diatas yang menunjukkan bahwa pengujian Hausman memberikan hasil estimasi bahwa Random Effect Model (REM) yang tepat.
Namun bedasarkan hasil analisis diatas jika kita melihat nilai R-squared pada hasil estimasi Random Effect Model (REM), R-squared nya hanya sebesar 0,2952.
Pengujian R-squared digunakan untuk mengukur seberapa besar proporsi atau persentase dari variabel terikat yang dijelaskan oleh variabel-variabel bebasnya. Nilai R-Squared dikatakan baik jika diatas 0,5 karena nilai R-squared berkisar antara 0-1. Nilai R-squared = 0, menunjukkan tidak adanya pengaruh antara variabel bebas terhadap variabel terikat. Semakin kecil nilai R-squared, maka pengaruh variabel bebas terhadap variabel terikat semakin lemah, sebaliknya jika nilai R-squared semakin besar mendekati 1 menunjukkan semakin kuatnya variabel bebas (independen) mempengaruhi variabel terikat (dependen).
Dengan demikian pada model Random Effect nilai R-squared hanya 0,2952 nilai ini masih dibawah dari 0,5 yang artinya pengaruh variabel bebas terhadap variabel terikatnya semakin lemah. Oleh karena itu, maka dapat disimpulkan bahwa kurang efisiennya Random Effect Model (REM), sehingga harus menggunakan Fixed Effect Model (FEM) dalam metode Generalized Least Square (GLS) agar lebih konsisten dan lebih baik lagi. Hal ini juga diperkuat
dengan teori Nachrowi dan Usman (2006) dalam Pangestika (2015), bahwa jika pada data panel memiliki jumlah waktu (t) lebih besar daripada jumlah individu (i) maka disarankan menggunakan model Fixed Effect Model (FEM), dimana dalam penelitian ini jumlah data time series nya dalam kurun waktu 2001-2015 atau dalam 15 (lima belas) tahun, sedangkan jumlah data cross section nya ada 5 Kabupaten/Kota. Oleh karena itu dalam penelitian ini agar lebih efisien dan konsisten lagi, sebaiknya menggunakan model FEM dengan metode GLS untuk dianalisis lebih lanjut dan diinterpretasikan.
Adapun hasil estimasi Fixed Effect Model (FEM) dengan metode GLS sebagai berikut :
Tabel 4.7
Hasil Estimasi Fixed Effect Model (FEM) dengan GLS
Variable Coefficient Std.Error t-Statistic Prob.
C 15,20065 1,160457 13,09885 0,0000
Bedasarkan tabel 4.7 diketahui koefisien determinan (R-squared) sebesar 0,7633, hal ini menunjukkan bahwa seluruh variabel bebas yang dimasukkan ke dalam model telah mampu menjelaskan perubahan-perubahan yang terjadi pada variabel terikat sebesar 76,33 %, sedangkan sisanya 23,67 % dijelaskan oleh variabel lainnya yang tidak dimasukkan ke dalam model. Hal ini menunjukkan
60
bahwa tingkat kemiskinan di Kabupaten/Kota Medan, Binjai, Deli Serdang, Karo, dan Langkat didominasi oleh perubahan-perubahan variabel-variabel penelitian.
Dengan hasil estimasi yang diperoleh nilai F-statistik sebesar 36,55418 dengan nilai probabilitasnya pada F-statistik sebesar 0,000000 dengan taraf signifikan α = 5 %, maka dapat disimpulkan bahwa nilai probabilitasnya F-statistik sebesar 0,000000 < 0,05, sehingga hal ini menunjukkan bahwa seluruh variabel bebas (tingkat pengangguran dan pertumbuhan ekonomi) secara bersama-sama memiliki pengaruh yang signifikan terhadap variabel terikat (tingkat kemiskinan) di Kabupaten/Kota Medan, Binjai, Deli Serdang, Karo, dan Langkat.
Apabila dilakukan analisis secara parsial (Uji t) dari masing-masing variabel bebas terhadap variabel terikat pada dengan taraf signifikan α = 5 %, dengan hipotesis sebagai berikut :
Jika : = 0 (tidak ada pengaruh secara signifikan) : = 0 (ada pengaruh secara signifikan)
Dengan kriteria pengambilan keputusan sebagai berikut :
Jika, nilai-Prob. > α (0,05) , maka terdapat pengaruh yang tidak signifikan antara variabel bebas terhadap variabel terikat sehingga, Ho diterima. Sebaliknya jika nilai-Prob. < α (0,05), maka terdapat pengaruh yang signifikan antara variabel bebas terhadap variabel terikat, maka Ho ditolak.
Bedasarkan hasil estimasi pada tabel 4.7, jika dilalukan analisis secara parsial dari masing-masing varibel bebas (tingkat pengangguran dan pertumbuhan ekonomi), menunjukkan bahwa tingkat pengangguran dengan nilai probabilitas sebesar 0,3034 > 0,05, artinya tingkat pengangguran tidak berpengaruh signifikan
terhadap tingkat kemiskinan di Kabupaten/Kota Medan, Binjai, Deli Serdang, Karo, dan Langkat. Sedangkan pertumbuhan ekonomi dengan nilai probabilitas sebesar 0,0000 < 0,05, artinya pertumbuhan ekonomi berpengaruh secara signifikan terhadap tingkat kemiskinan di Kabupaten/Kota Medan, Binjai, Deli Serdang, Karo, dan Langkat.
Adapun perbandingan Random Effect Model (REM) dan Fixed Effect Model (FEM) dalam metode Generalized Least Square (GLS) sebagai berikut :
Tabel 4.8
Perbandingan Model FEM dan REM dalam GLS
Model Fixed Effect Model (FEM) Model Random Effect Model (REM) Y = 15,20065 + 0,064039TP +
Catatan : Angka dalam kurung adalah nilai t-statistik
Bedasarkan tabel 4.8 jika dilihat dari nilai R-squared nya lebih baik dan efisien pada Fixed Effect Model (FEM) yaitu sebesar 0,76, nilai ini diatas 0,5 dan mendekati 1 artinya bahwa semakin kuatnya pengaruh variabel bebas (independen) terhadap variabel terikat (dependen). Kemudian jika dilihat dari S.E.of regression nya bahwa pada model Fixed Effect Model (FEM) hanya 2,77
sedangkan pada Random Effect Model (REM) sebesar 2,99. Hal ini menunjukkan bahwa S.E.of regression nya lebih baik pada model FEM karena jika nilai standar errornya lebih kecil, hal ini berarti nilai kesalahan dalam variabel penelitian tersebut lebih kecil.
62
Oleh karena itu Fixed Effect Model (FEM) dengan metode GLS lebih baik dan efisien daripada menggunakan Random Effect Model (REM). Sehingga dalam penelitian ini menggunakan Fixed Effect Model (FEM) untuk diinterpretasikan.