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.