Salah satu bentuk struktur data yang sering digunakan dalam studi ekonometrika adalah data panel. Data panel adalah data yang berstruktur urut waktu sekaligus cross section (Ariefianti, 2012). Dalam penelitian ini, penulis menguji data penelitian dengan tiga jenis metode estimasi, yaitu model pendekatan kuadrat terkecil (pooled least square), pendekatan efek tetap fixed Effect dan efek acak Random effect.
1. Hasil Estimasi Model Pertama
Model pertama adalah model yang digunakan untuk menganalisis faktor-faktor yang mempengaruhi ketimpangan pendidikan (Educineq). Dalam penelitian
pengeluaran pemerintah di sektor pendidikan (EducSpend) terhadap ketimpangan pendidikan (EducIneq).
Pendekatan Efek Random disebabkan variasi nilai dan arah hubungan antar subjek yang di asumsikan Random dan dispesifikasikan dalam bentuk residual (Kuncoro, 2012). Model tersebut mengestimasi data panel yang variabel residual diduga memiliki hubungan antar waktu dan antar subjek.
a. Uji hausman
Statistik uji hausman ini mengukuti distribusi statistik Chi Square dengan degree Of freedom sebanyak k (jumlah variabel Independen0. Jika nilai statistik hausman lebih besar dari nilai kritisnya maka model yang tepat adalah Fixed Effect, sedangkan sebaliknya bila nilai statistik Hausman lebih kecil dari kritisnya maka model yang tepat adalah model random effect.
Tabel 4.3 Uji Hausman Hasil Estimasi Model Pertama
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob. Cross-section random 1.821869 2 0.4021
Hasil pengujian diperoleh chi-square 1.821869 dan P-Value 0.4021 atau lebih besar dari taraf 1%, 5% dan 10%, maka hasil estimasi mengikuti model random effect.
Apabila proses pengolahan data dan model yang dipilih adalah Random Effect maka pengujian dapat dikatan selesai. Disebabkan, metode REM yang menggunakan
uji asumsi klasik (Sedyadi, 2014)6
b. Analisis Estimasi dan Hasil pengelohan Data Panel Model Random Effect Dibuat pada model persamaan ekonometrika dengan menggunakan regresi data panel dengan menggunakan pendekatan Random Effect Model. Berikut model yang digunakan dalam model pertama ini :
EducIneqit= B0+B1LnPorvetyit+ B2LnEducSpendit+ ε...(4.1)
Keterangan :
EducIneq : Ketimpangan Pendidikan Porvety : Tingkat Kemiskinan
EducSpend : Pengeluaran pemerintah di sektor pendidikan.
Tabel 4.4
Hasil Estimasi Model Random Effect Pada Model Pertama
Variabel Dependen
(EducIneq) Total Obsevasi (72)
Variable Coefficient Std. Error t-Statistic Prob.
C 0.137409 0.032675 4.205350 0.0001
PORVETY? 0.008852 0.002849 3.107699 0.0027
SPEND? 1.90E-05 2.95E-05 0.644863 0.5212
R-squared 0.726947
F-statistic 5.016514
Durbin-Watson stat 2.022348
Sumber : Hasil Pengolahan data dengan Eviews
dalam penelitian ini diestimasi menggunakan Random Effect yaitu Porvety (X1) dan EducSpend (X2). Variabel yang mempengaruhi Ketimpangan Pendidikan (Education Inequality) di Provinsi Sulawesi Selatan pada tahun 2014-2016 adalah bahwa faktor tingkat kemiskinan berpengaruh signifikan terhadap ketimpangan pendidikan pada derajat kepercayaan 5% atau 0.05. artinya jika tingkat kemiskinan naik sebesar 1% atau 0.01 satuan, maka ketimpangan pendidikan akan naik dengan nilai koefisien sebesar 0.008852. kemudian untuk variabel Pengeluaran pemerintah di sektor pendidikan (EducSpend) berpengaruh tidak signifikan terhadap ketimpangan pendidikan (EducIneq) dengan nilai koefisien sebesar 1.90E-05.
c. Uji Hipotesis Pada model Pertama
Uji Hipotesis digunakan untuk mengetahui tingkat signifikan dari masing-masing variabel independen secara bersama mampu memberikan penjelasan mengenaik variabel dependen.
1. Analisis Koefisien Determinasi (Statistik R2)
Koefisien determinasi digunakan untuk mengetahui tingkat signifikan masing-masing variabel independen secara bersama mampu memberikan penjelasan mengenai variabel dependen.
Tabel 4.5
Nilai Koefisien Determinasi pada model pertama
R-squared 0.726947
R-Square dengan nilai sebesar 0.726947 dengan kata lain seluruh variabel bebas (Porvety, EducSpend) mampu menjelaskan nilai variabel dependen (EducIneq) sebesar 72.69%. sedangkan sisanya 28.31 % dijelaskan oleh varibel lain diluar penelitian ini.
2. Uji Simultan (Uji F)
Uji F dilaksanakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat.
Tabel 4.6
Hasil Uji Simultan pada Model Pertama F-statistic 5.016514 Prob (F-statistic) 0.009245 α 0.05
Berdasarkan tabel diatas dengan membandingkan P-Value dengan tingkat signifikan sebesar 0.05. dapat disimpulkan bahwa P-Value 0.009245 < 0.05 dengan demikian H0 di tolak dan Ha diterima dengan artian bahwa variabel bebas secara simultan berpengaruh signifikan terhadap variabel terikat.
3. Uji Statistik (Uji T)
Uji T digunakan untuk menguji tingkat signifikan antara variabel bebas dengan variabel terikat secara individu, dengan menggunakan tingkat signifikan 5% atau 0,05. Dikatakan signifikan apabila nilai thitung > dari ttabel.
Variabel t-statistic Prob
Porvety 3.107699 0.0027
EducSpen 0.644863 0.5212
Berdasarkan pada tabel 4.7 dengan melihat nilai t-statistic dengan membandingkannya dengan ttabel . dengan nilai t-tabel 2.07961. Maka, dapat disumpulkan bahwa variabel Porveti (Tingkat Kemiskinan) berpengaruh signifikan terhadap variabel terikat EducIneq (Ketimpangan pendidikan). Sedangkan EducSpen (Pengeluaran Pemerintah) mengalami tidak signifikan dengan nilai t-statistik 0.644863 < t-tabel2.07961.
2. Hasil estimasi Model Kedua
Model kedua adalah model untuk mengetahui pengaruh ketimpangan pendidikan (EducIneq) terhadap Pertumbuhan Ekonomi (Growth).
Tabel 4.8
Hasil Uji Hausman pada Model Kedua
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob. Cross-section random 38.319897 23 0.0235 Hasil pengujian diperoleh chi-square 38.319897 dan P-Value 0.0235 atau lebih kecil dari 5% maka disimpulkan bahwa H0(Model Mengikuti Random effect) ditolak dan H1( Model mengikuti Fixed Effect) di terima. Berdasarkan kesimpulan ini maka hasil estimasi mengikuti model Fixed Effect.
pada model kedua
Variable Coefficient Std. Error t-Statistic Prob.
C 5.962506 0.902747 2.188709 0.0000
EDUCINEQ? -6.566246 3.777846 -1.738092 0.0887
R-squared 0.725760
F-statistic 1.451968
Durbin-Watson stat 2.207754
Sumber : Hasil Pengolahan data dengan Eviews 9
Berdasarkan variabel yang digunakan pada model kedua ini yaitu ketimpangan pendidikan (EducIneq). Variabel yang mempengaruhi Pertumbuhan Ekonomi di provinsi Sulawesi Selatan tahun 2014-2016. Bahwa ketimpangan pendidikan berpengaruh signifikan terhadap pertumbuhan ekonomi di provinsi Sulawesi Selatan dengan taraf kepercayaan 10%. Artinya jika ketimpangan pendidikan naik sebesar 1% atau 0.01 satuan, maka pertumbuhan ekonomi akan turun dengan nilai koefisien sebesar -6.566246
3. Uji Asumsi
Pengujian ini bertujuan untuk memastikan bahwa model yang di peroleh benar-benar memenuhi asumsi dasar dalam analisis regresi data panel. Dalam kata lain model yang dibuat harus lolos dari adanya penyimpangan asumsi normalitas, heterkedastisitas, dan multikolerasi dan autokolerasi.
Untuk mendeteksi ada atau tidaknya heteroskedastisitas dalam pengujian ini, maka dapat digunakan uji white.
Tabel 4.11
Uji Heterkedastisitas pada model kedua
Variable Coefficient Std. Error t-Statistic Prob. EDUCINEQ -1.710852 1.642993 -1.041302 0.3032
C 1.194749 0.389925 3.064046 0.0036
Berdasarkan pada tabel 4.11 diatas memperlihatkan bahwa dari hasil tersebut adalah nilai probabilitas pada masing-masing variabel independen. Apabila nila prob < 0.05 maka adanya heteroskedastisitas. Sebaliknya jika nilai probabilitas > 0.05 maka terbebas dari pelanggaran asumsi heteroskedastisitas. Maka dapat disimpulkan bahwa pengujian diatas memperlihatkan bahwa masing-masing variabel independen dengan nilai probabilitas 0.3032 > 0.05 maka terbebas dari pelanggaran asumsi heteroskedastisitas.
b. Uji Multikolinieritas
Pengujian ini diperlukan untuk melihat ada atau tidak adanya kolerasi yang tinggi antara variabel bebas.
Tabel 4.12
Uji Multikolerasi pada model kedua
GROWTH EDUCINEQ
GROWTH 1.000000 0.148165
menghitung koefisien kolerasi antar sesama variabel. Maka dapat disimpulkan bahwa variabel bebas secara keseluruhan bahwa variabel bebas terbebas secara keseluruhan tidak terjadi multikolinieritas dalam regresi, karena nilai koefisien kolerasi keseluruhan variabel < 0,8.
c. Uji Autokolerasi
Uji Autokolerasi digunakan untuk menguji suatu model apakah diantara variabel pengganggu masing-masing variabel bebas saling mempengaruhi. Untuk mengukur toleransi terjadi autokolerasi di lihat dari besarnya nilai Durbin Watson pada data statistik yang di uji. Apabila sebaliknya jika statistik Durbin Watson berkisar 1.55 maka di katakan tidak terjadi autokolerasi, sebaliknya jika statistik Durbin Watson berkisar dibawah 1.55 maka dikatakan terjadi kolerasi.
Tabel 4.13
Uji Autokolerasi pada model kedua
Model Durbin-Watson
1 2.207754
Hasil regresi diketahui bahwa nilai Durbin Watson sebesar 2.207754. sedangkan tolak ukur uji autokolerasi adalah Durbin watson berkisar diatas 1.55 maka dikatakan tidak terjadi autokolerasi, jadi hasil kesimpulan uji statistik Durbin Watson penelitian ini diatas 1.55 maka dikatakan tidak terjadi autokolerasi.
Uji Hipotesis digunakan untuk mengetahui tingkat signifikan dari masing-masing variabel indepen secara bersama mampu memberikan penjelasan mengenai variabel dependen.
a. Analisis Koefisien Determinasi (Statistik R2)
Koefisien determinasi digunakan untuk mengetahui tingkat signifikan masing-masing variabel independen secara bersama mampu memberikan penjelasan mengenai variabel dependen.
Tabel 4.14
Nilai Koefisien determinasi pada model kedua
R-squared 0.725760
Adjusted R-squared 0.732530
Berdasarkan tabel 4.11 diatas menjelaskan, untuk mengetahui bahwa nilai R-squared sebesar 0.725760. dengan kata lain seluruh variabel bebas (EducSpen) mampu menjelaskan nilai variabel dependen (EducIneq) sebesar 72.57%. Sedangkan sisanya 28.43% dijelaskan oleh variabel lain diluar penelitian.
b. Uji Simultan (Uji F)
Uji F dilaksanakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat.