• Tidak ada hasil yang ditemukan

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

C. Hasil Pengolahan Data

Analisa pembahasan ini dimaksudkan untuk mengetahui korelasi antara

ketiga variabel, yaitu variabel dependen (Tingkat Urbanisasi) dan variabel

independen (Pertumbuhan Ekonomi, Upah Minimum dan Kesempatan Kerja).

Untuk membuktikan kebenaran hipotesa tersebut, penulis mengajukan dalam

bentuk analisa matematik, apakah Tingkat Urbanisasi Kota makassar

dipengaruhi oleh Pertumbuhan Ekonomi, Upah Minimum dan Kesempatan

Kerja.

Berdasarkan data yang telah diperoleh dari hasil penelitian dan telah

diolah dengan menggunakan SPSS.

Dimana:

Y = Tingkat Urbanisasi

= Pertumbuhan ekonomi (%)

= Upah minimum kota Makassar (Milyar Rupiah) ` = Kesempatan kerja per tahun (%)

= Konstantan.

= Koefisien regresi untuk masing-masing variabel independen e = error term.

Tabel 4.6

Hasil Koefisien Regresi

Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -4,870 3,724 -1,308 ,282 Pertumbuhan Ekonomi ,486 ,332 1,055 1,465 ,239

Upah minimum 6,215E-7 ,000 ,721 1,134 ,339

kesempatan kerja ,005 ,007 ,415 ,735 ,516

Dari hasil estimasi sebelumnya dapat dijelaskan pengaruh variabel

1) Nilai konstanta regresi pertumbuhan ekonomi 0,486 menyatakan bahwa

setiap peningkatan 1% pertumbuhan ekonomi maka akan meningkatkan

tingkat urbanisasi sebesar 0,486%. Arah hubungan dengan jumlah

urbanisasi adalah (+) dimana kenaikan jumlah pertumbuhan ekonomi

akan mengakibatkan peningkatan jumlah urbanisasi di Kota Makassar.

2) Nilai konstanta regresi upah minimum 6,125 menyatakan bahwa setiap

peningkatan Rp. 1 upah minimum maka akan meningkatkan urbanisasi

sebesar 6,125 % atau setiap peningkatan Rp 100.000,- upah minimum

akan meningkatkan tingkat urbanisasi sebesar 6,125%. Arah hubungan

dengan jumlah urbanisasi adalah (+), berhubungan dengan penelitian

terdahulu yaitu semakin tinggi upah di Kota Makassar maka semakin

meningkat pula urbanisasi yang masuk.

3) Nilai konstanta regresi tingkat kesempatan kerja dengan koefisien

regresi 0,005 menyatakan bahwa setiap peningkatan tingkat

kesempatan kerja sebesar 1% maka akan meningkatkan tingkat

urbanisasi sebesar 0,005%. Hubungan kesempatan kerja dengan

urbanisasi yaitu semakin banyaknya kesempatan kerja atau lapangan

pekerjaan dan tenaga kerja yang terserap maka akan semakin banyak

pula jumlah urbanisasi yang masuk di kota Makassar

Adapun ketiga variabel diasumsikan tidak ada maka dapat kita ketahui

tingkat urbanisasi akan menurun sebesar 4,870 %.

1. Pengujian Asumsi Klasik a. Uji Normalitas

Uji normalitas digunakan untuk menguji apakah nilai residual yang

yang digunakan adalah metode grafik, yaitu dengan melihat penyebaran

data pada sumber diagonal pada grafik Normal P-P plot of regression

standardized. Sebagai dasar pengambilan keputusannya, jika titik-titik

menyebar sekitar garis dan mengikuti garis diagonal, maka nilai residual

tersebut telah normal.

Gambar 4.1 Plot Normalitas

Menurut imam gozali model regresi dikatakan berdistribusi normal

jika data ploting yang menggambarkan data sesungguhnya mengikuti

garis diagonal. Berdasarkan plot P-P normalitas di atas dapat dilihat

bahwa data mengikuti garis diagonal sehingga disimpulkan bahwa

model regresi tersebut berdistribusi normal.

Sedangkan uji normalitas menggunakan kolmogorov smirnov yaitu

Tabel 4.7 Uji Normalitas Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk Statistic Df Sig. Statistic df Sig. Unstandardized

Residual ,205 7 ,200

* ,961 7 ,824

1. Jika nilai signifikan lebih besar dari 0,05, maka data penelitian

berdistribusi normal.

2. Jika nilai signifikan lebih kecil dari 0,05, maka data penelitian tidak

berdistribusi normal.

Berdasarkan tabel output SPSS tersebut diketahui bahwa nilai

signifikansi menggunakan kolmogorov smirnov sebesar 0.200 lebih

besar dari 0.05. maka sesuai dengan dasar pengambilan keputusan

dalam uji normalitas kolmogotov-smirnov dapat disimpulkan bahwa data

berdistribusi normal.

b. Uji Multikolinearitas

Cara untuk mengetahui ada atau tidaknya gejala multikolinearitas

antara lain dengan melihat nilai Variance Inflation Factor (VIF) dan

Tolerance.

Dasar pengambilan keputusan berdasarkan nilai toleransi adalah:

1) Jika nilai toleransi lebih besar dari 0,10 maka artinya tidak terjadi

multikolinearitas dalam regresi.

2) Jika nilai toleransi lebih kecil dari 0,10 maka artinya terjadi

multikolinearitas dalam regresi.

a) Jika nilai VIF lebih kecil dari 10 maka artinya tidak terjadi

multikolinearitas dalam regresi berganda

b) Jika nilai VIF lebih besar dari 10 maka artinya terjadi multikolinearitas

dalam model regresi.

Tabel 4.8 Multikolinearitas Coefficients Model Collinearity Statistics Tolerance VIF 1 (Constant) Pertumbuhan_Ekonomi 0,366 2,734 Upahminimum 0,468 2,135 kesempatan kerja 0,595 1,681

Berdasarkan tabel output coefficients SPSS tersebut diketahui nilai

tolerance untuk variabel pertumbuhan ekonomi sebesar 0.366, variabel

upah minimum sebesar 0.468, dan tingkat kesempatan sebesar 0.595

adalah lebih besar dari 0.10. sementara nilai VIF dari variabel

pertumbuhan ekonomi sebesar 2.734, variabel upah minimum sebesar

2.135, dan variabel tingkat kesempatan kerja sebesar 1.681 adalah lebih

kecil dari 10. Dari kedua dasar pengambilan keputusan tersebut dapat

disimpulkan bahwa tidak terjadi gejala multikolinearitas dalam model

c. Uji Autokorelasi

Autokorelasi merupakan korelasi antara anggota observasi yang

disusun menurut waktu dan tempat. Model regresi yang baik seharusnya

tidak terjadi autokorelasi.

Dasar pengambilan keputusan dalam uji autokorelasi durbin watson

1) Jika DW (DurbinWatson) lebih kecil dari DL atau lebih besar dari

(4-DL), maka hipotesis nol ditolak, yang berarti terdapat autokorelasi.

2) Jika DW (DurbinWatson) terletak antara DU dan (4-DU), maka

hipotesis nol diterima, yang berarti tidak ada autokorelasi.

3) Jika DW (durbinwatson) terletak antara DL dan DU atau diantara

(4-DU) dan (4-DL), maka tidak menghasilkan kesimpulan yang pasti.

Tabel 4.9 Durbin- Watson Test

Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,65 7a ,431 -,137 ,53765 2,461

Berdasarkan hasil output spss di atas diperoleh nilai d

(durbin watson) sebesar 2.461. perlu diketahui bahwa pada tabel

distribusi durbin watson dengan α=5% tidak ditemukan nilai dL ataupun nilai dU untuk n=7 dan k=3. Sehingga autokorelasi tidak dapat

d. Uji Heterokesdatisitas

Heterokesdatisitas adalah varian residual yang tidak sama pada

semua pengamatan di dalam model regresi. Regresi yang baik

seharusnya tidak terjadi heterokesdatisitas.

Dasar pengambilan keputusan uji heteroskedastisitas.

1) Jika nilai signifikan lebih besar dari 0.05, maka kesimpulannya adalah

tidak terjadi gejala heteroskedastisitas dalam model regresi.

2) Jika nilai signifikan lebih kecil dari 0.05, maka kesimpulannya adalah

terjadi gejala heteroskedastisitas dalam model regresi.

Tabel 4.10 Uji Heterokesdatisitas Coefficientsa Model T Sig. 1 (Constant) -0,348 0,751 PertumbuhanEkonomi 1,095 0,354 Upahminimum -0,785 0,49 kesempatan kerja -0,158 0,884

Berdasarkan hasil output spss di atas, dapat diketahui bahwa nilai

signifikansi variabel pertumbuhan ekonomi sebesar 0.354, variabel upah

minimum sebesar 0.490, dan variabel tingkat kesempatan kerja sebesar

0.884 adalah lebih besar dari 0.05. dari uraian tersebut dapat

disimpulkan bahwa tidak terjadi gejala heteroskedastisitas dalam model

2. Pengujian Hipotesis

a. Uji F Statistic ( Uji Simultan)

Uji F bertujuan untuk mengetahui pengaruh dari variabel independen

(X) terhadap variabel dependen (Y) secara serentak (bersama-sama).

Uji ini digunakan untuk mengetahui pengaruh bersama-sama variabel

bebas terhadap variabel terikat.

Hipotesis:

H0 (Variabel prediktor secara parsial tidak berpengaruh terhadap variabel respon).

H1 (Variabel prediktor secara simultan berpengaruh terhadap variabel respon).

Tabel 4.11 Hasil Uji F Statistik

ANOVAa Model Sum of Squares df Mean Square F Sig. 1 1 Regresion ,658 3 ,219 ,759 ,587b Residual ,867 3 ,289 Total 1,525 6

Berdasarkan hasil uji simultan dari tabel sebelumnya ditunjukkan

bahwa F hitung sebesar 0,759 sedangkan hasil F tabel pada tabel

distribusi dengan tingkat kesalahan 5% adalah 8,89. Hal ini berarti

Pada tabel tersebut kita juga dapat melihat bahwa nilai signifikansi 0,587 lebih besar dari 0,05 sedemikian

sehingga ketiga variabel bebas yang digunakan

secarasimultan(bersama) tidak berpengaruh secara signifikan terhadap

b. Uji T (Uji Parsial)

Uji t digunakan untuk mengetahui hubungan parsial masing-masing

variabel bebas terhadap variabel respon. Dengan hipotesis yang

diberikan sebagai berikut:

Ho :Masing-masing variabel bebas tidak berpengaruh signifikan

terhadap tingkat urbanisasi di Kota Makassar.

H1 :Pertumbuhan ekonomi mempengaruhi tingkat urbanisasi di Kota

Makassar

H2 :Upah minimum mempengaruhi tingkat urbanisasi di Kota

Makassar.

H3 :Tingkat kesempatan kerja mempengaruhi tingkat urbanisasi di

kota Makassar. Tabel 4.12 Hasil Uji T Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -4,870 3,724 -1,308 ,282 PertumbuhanEkono mi ,486 ,332 1,055 1,465 ,239 Upah_minimum 6,215E-7 ,000 ,721 1,134 ,339 Kesempatan kerja ,005 ,007 ,415 ,735 ,516

Pada tabel 4.8 perhitungan uji t dapat dilihat hasil pengujian parsial

terhadap masing-masing variabel Pertumbuhan ekonomi (X1), Upah

minimum (X2), dan Kesempatan kerja (X3) secara parsial terhadap

1) Pengaruh Pertumbuhan Ekonomi terhadap tingkat urbanisasi di Kota

Makassar.

Variabel pertumbuhan ekonomi (X1), nilai t probabilitas diperoleh nilai

signifikansi sebesar 0,239 lebih besar dari 0,05 (0,239> 0,05). Dalam

hal ini dapat kita ketahui bahwa cukup bukti untuk menerima H0 yakni

pertumbuhan ekonomi tidak berpengaruh secara signifikan terhadap

tingkat urbanisasi di Kota Makassar. Ini dikarenakan bahwa

pertumbuhan ekonomi bukanlah satu-satunya tujuan maupun jadi

faktor paling berpengaruh bahwa kota Makassar mengalami

pertumbuhan ekonomi yang baik serta bukan faktor utama penduduk

dari desa melakukan urbanisasi ke kota Makassar.

2) Pengaruh Upah Minimum terhadap tingkat Urbanisasi di Kota

Makassar.

Variabel Upah minimum kota, nilai t probabilitas diperoleh nilai

signifikansi sebesar 0,339 lebih besar dari 0,05 (0,339> 0,05). Dalam

hal ini dapat kita ketahui bahwa cukup bukti untuk menerima H0 yakni

peningkatan atau penurunan upah minimum tidak berpengaruh

secara signifikan terhadap tingkat urbanisasi di Kota Makassar.

3) Pengaruh Tingkat Kesempatan kerja terhadap tingkat Urbanisasi di

Kota Makassar.

Variabel tingkat kesempatan kerja, nilai t probabilitas diperoleh nilai

signifikansi sebesar 0,516 lebih besar dari 0,05 (0,516> 0,05). Dalam

hal ini dapat kita ketahui bahwa cukup bukti untuk menerima H0 yakni

peningkatan atau penurunan tingkat kesempatan tidak berpengaruh

positif menunjukkan variabel kesempatan kerja mempunyai

hubungan yang searah dengan tingkat urbanisasi di Kota Makassar.

c. Koefisien Determinasi (R)

Koefisien determinasi menunjukkan seberapa besar hubungan antara

variabel independen dengan variabel dependen. hasil koefisien

determinasi dapat dilihat dari tabel berikut:

Tabel 4.13

Hasil Perhitungan Koefisien Determinasi

Dari tabel 4.13 kita dapat mengetahui R square sebesar 0,431 atau

sebesar 43,1%. Dari hasil tersebut kita dapat mengetahui bahwa ketiga

variabel bebas yang digunakan ternyata mempengaruhi variabel

keputusan sebesar 43,1%. Sedangkan selebihnya (56,9%) dipengaruhi

oleh faktor lain yang tidak dimasukkan dalam penelitian tugas akhir ini.

Dokumen terkait