B. Temuan Hasil Penelitian
4. Hasil Uji Asumsi Klasik
Setelah melakukan pengujian estimasi model analisis regresi data panel, data yang akan dianalisis perlu diuji terlebih dahulu, hal ini merupakan syarat agar data valid dan tidak bias, sehingga perlu dilakukan pengujian asumsi klasik. Ada beberapa uji asumsi klasik, sebagai berikut:
107 a. Uji Normalitas
Menurut Ghozali (2016), uji normalitas adalah untuk menguji apakah variabel bebas dan variabel terikat atau keduanya berdistribusi normal atau tidak normal dalam model regresi. Jika suatu variabel tidak berdistribusi normal, maka hasil uji statistik akan turun.
Uji normalitas dalam penelitian ini dilakukan dengan menggunakan Jarque-Bera. Hal ini dilakukan dengan membandingkan nilai Jarque-Bera dan Chi Square (X2)df(2) atau dengan melihat nilai probabilitas. Jika nilai probabilitas Jarque-Bera < 0,05 maka H0 ditolak yang berarti data tidak berdistribusi normal.
Berikut adalah grafik hasil pengujian normalitas pada provinsi-provinsi di Indonesia.
Gambar 4.6 Uji Normalitas
Sumber: Data diolah
108
Dari hasil uji normalitas menggunakan Jarque-Bera terlihat bahwa data yang diambil pada setiap provinsi berdistribusi normal. Dilihat dari nilai probabilitas sebesar 0,929215 > 0,05 (H0 diterima).
b. Uji Multikolinearitas
Uji multikolinearitas dalam penelitian ini dilakukan dengan melihat nilai korelasi antar variabel bebas. Jika koefisien korelasinya sama dengan atau lebih besar dari 0,8, maka dapat dikatakan adanya gejala multikolinearitas (Gujarati, 2004). Hasil uji multikolinearitasnya adalah sebagai berikut:
Tabel 4.10 Uji Multikolinearitas
PENDAPATAN PERKAPITA
TINGKAT
PENDIDIKAN JPUP IPM PENDAPATAN
PERKAPITA 1.000000 0.163439 -0.045902 0.494927 TINGKAT
PENDIDIKAN 0.163439 1.000000 -0.120430 0.591845 JPUP -0.045902 -0.120430 1.000000 0.141344
IPM 0.494927 0.591845 0.141344 1.000000
Sumber: Data diolah
Dari hasil uji multikolinearitas di atas, dapat disimpulkan bahwa masing-masing variabel tidak memiliki masalah multikolinearitas satu dengan yang lainnya, ditunjukkan melalui nilai korelasi antar variabel sebesar < 0,8.
109 c. Uji Heteroskedastisitas
Pada penelitian ini akan digunakan uji glejser, uji statistik yang paling umum digunakan. Menurut Gujarati (Gujarati, 2004), uji glejser merekomendasikan untuk dilakukannya regresi nilai absolut residual ke variabel independen. Jika probabilitas signifikansi lebih besar dari tingkat kepercayaan 5% atau > 0,05, dikatakan model regresi tidak termasuk heteroskedastisitas, dan sebaliknya. Hasil uji heteroskedastisitasnya adalah sebagai berikut:
Tabel 4.11 Uji Heteroskedastisitas
Dependent Variable: RESABS Method: Panel Least Squares Date: 02/01/22 Time: 01:47 Sample: 2015 2019
Periods included: 5
Cross-sections included: 34
Total panel (balanced) observations: 170
Variable Coefficient Std. Error t-Statistic Prob.
C 2628452. 1271126. 2.167813 0.0506
PENDAPATAN
PERKAPITA -0.003756 0.004042 -0.929194 0.3545 TINGKAT
PENDIDIKAN -58412.15 33560.79 -1.740488 0.0841
JPUP 0.401453 0.065147 0.162278 0.6000
IPM -11276.95 20192.75 -0.558466 0.5775
Sumber: Data diolah
Dapat dilihat berdasarkan uji heteroskedastisitas dengan menggunakan metode uji glejser menunjukkan
110
nilai output probabilitas masing masing variabel independennya lebih besar daripada nilai α sebesar 5%
atau > 0,05. Maka dapat disimpulkan tidak terjadinya masalah heteroskedastisitas.
d. Uji Autokorelasi
Dalam penelitian ini, uji Durbin-Watson (DW test) digunakan untuk menguji ada tidaknya gejala autokorelasi. Berikut adalah output hasil pengujian autokorelasi menggunakan Durbin-Watson:
Tabel 4.12 Uji Autokorelasi
R-squared 0.998100 Durbin-Watson stat 2,065433 Adjusted R-squared 0.997568 F-statistic 1874.343 Prob(F-statistic) 0.000000
Sumber: Data diolah
Diketahui jumlah obervasi adalah sebanyak 170, α = 5%; k = 4, berdasarkan tabel Durbin-Watson diperoleh nilai dL sebesar 1,7012 dan dU sebesar 1.7975 sehingga diperoleh nilai 4–dL adalah 2,2988 dan nilai 4–
du adalah 2,2025. Dari output diperoleh nilai Durbin-Watson sebesar 2,065433. Dari hasil yang ada, dapat diambil keputusan berdasarkan tabel berikut:
111
Tabel 4.13 Pengambilan Keputusan Uji Durbin-Watson
Berdasarkan tabel di atas, dapat diputuskan bahwa nilai Durbin-Watson sebesar 2,065433 akan berada di antara dU < d < 4–dU (1,7975 < 2,065433 <
2,2025), maka dapat disimpulkan bahwa tidak adanya masalah autokorelasi baik positif maupun negatif.
5. Uji Hipotesis
Penggunaan uji F adalah untuk menguji hipotesis dalam melihat bagaimana variabel independen secara bersama-sama mempengaruhi variabel dependen. Kemudian menggunakan uji t untuk melihat pengaruh individual variabel independen terhadap variabel dependen. Kemudian Adjusted R2 untuk melihat seberapa
112
besar pengaruh variabel independen dalam penelitian ini, yang dapat menjelaskan variabel dependen yang ada.
Pada penelitian ini metode terbaik yang sudah ditentukan adalah metode Fixed Effect. Dimana output dari hasil pengujiannya adalah sebagai berikut:
Tabel 4.14 Hasil Regresi Metode Fixed Effect
Dependent Variable: KEMISKINAN Method: Panel Least Squares Date: 02/01/22 Time: 00:14 Sample: 2015 2019
Periods included: 5
Cross-sections included: 34
Total panel (balanced) observations: 170
Variable Coefficient Std. Error t-Statistic Prob.
PENDAPATAN
PERKAPITA -0.001467 0.002099 -2.141486 0.0077 TINGKAT
PENDIDIKAN -26306.45 17425.59 2.711026 0.0074
JPUP -0.628154 0.033826 -18.57020 0.0000
IPM -50764.68 7501.196 -6.767545 0.0000
C 1340008. 660000.3 2.030314 0.0443
Effects Specification Cross-section fixed (dummy variables)
R-squared 0.998100 Durbin-Watson stat 2,065433 Adjusted R-squared 0.997568 F-statistic 1874.343 Prob(F-statistic) 0.000000
Sumber: Data diolah
a. Uji Signifikansi Simultan (Uji F)
Uji signifikansi simultan (Uji F) adalah untuk mengetahui bagaimana variabel independen mempengaruhi variabel dependen secara bersamaan atau bersama-sama. Jika nilai Prob F-Statisic lebih kecil dari α (0,05), maka dapat
113
dikatakan terdapat pengaruh simultan yang signifikan antara variabel independen (Pendapatan Per Kapita, Tingkat Pendidikan, Jumlah Penduduk Usia Produktif dan Indeks Pembangunan Manusia) terhadap variabel dependen (Kemiskinan). Namun jika nilai Prob F-Statistic lebih besar dari nilai α (0,05), maka dapat dikatakan bahwa variabel independen tidak berpengaruh signifikan secara simultan terhadap variabel dependen.
Berdasarkan nilai Prob F-Statistic dapat dilihat bahwa nlainya adalah sebesar 0,000000, dimana berarti nilai Prob F-Statistic < α 0,05. Dapat disimpulkan bahwa secara bersamaan variabel independen (Pendapatan Per Kapita, Tingkat Pendidikan, Jumlah Penduduk Usia Produktif dan Indeks Pembangunan Manusia) berpengaruh signifikan terhadap variabel dependen (Kemiskinan).
b. Uji Signifikansi Parameter Individual (Uji t)
Uji signifikansi parameter individual (Uji t) adalah untuk mengetahui bagaimana variabel independen mempengaruhi variabel dependen secara terpisah. Jika nilai Prob lebih kecil dari α (0,05), maka dapat dikatakan terdapat pengaruh signifikan secara parsial antara masing-masing variabel independen (Pendapatan Per Kapita, Tingkat Pendidikan, Jumlah Penduduk Usia Produktif dan Indeks Pembangunan Manusia) terhadap variabel dependen
114
(Kemiskinan). Namun jika nilai Prob lebih besar dari nilai α (0,05), maka dapat dikatakan bahwa variabel independen tidak berpengaruh signifikan secara parsial terhadap variabel dependen. Kemudian dapat dijabarkan bahwa masing-masing signifikansi pengaruh antara variabel independen dengan variabel dependen adalah sebagai berikut:
1) Pengaruh Pendapatan Per Kapita Terhadap Kemiskinan
Berdasarkan tabel 4.14 dapat dilihat bahwa nilai Prob pada variabel Pendapatan Per Kapita adalah 0.0077 dimana Prob < α 0,05. Maka dari itu dapat disimpulkan bahwa variabel Pendapatan Per Kapita berpengaruh secara signifikan terhadap variabel Kemiskinan.
2) Pengaruh Tingkat Pendidikan Terhadap Kemiskinan
Berdasarkan tabel 4.14 dapat dilihat bahwa nilai Prob pada variabel Tingkat Pendidikan adalah 0.0074 dimana Prob < α 0,05. Maka dari itu dapat disimpulkan bahwa variabel Tingkat Pendidikan berpengaruh secara signifikan terhadap variabel Kemiskinan.
115
3) Pengaruh Jumlah Penduduk Usia Produktif Terhadap Kemiskinan
Berdasarkan tabel 4.16 dapat dilihat bahwa nilai Prob pada variabel Jumlah Penduduk Usia Produktif adalah 0.0000 dimana Prob < α 0,05.
Maka dari itu dapat disimpulkan bahwa variabel Jumlah Penduduk Usia Produktif berpengaruh secara signifikan terhadap variabel Kemiskinan.
4) Pengaruh Indeks Pembangunan Manusia Terhadap Kemiskinan
Berdasarkan tabel 4.14 dapat dilihat bahwa nilai Prob pada variabel Indeks Pembangunan Manusia adalah 0.0000 dimana Prob < α 0,05.
Maka dari itu dapat disimpulkan bahwa variabel Indeks Pembangunan Manusia berpengaruh secara signifikan terhadap variabel Kemiskinan.
c. Koefisien Determinasi (Adjusted R Squared)
Pengujian koefisien determinasi (adjusted R2) digunakan untuk melihat sejauh mana variabel independen (Pendapatan Per Kapita, Tingkat Pendidikan, Jumlah Penduduk Usia Produktif dan Indeks Pembangunan Manusia) dapat menjelaskan variabel dependen (Kemiskinan).
116
Berdasarkan tabel 4.14 dapat dilihat bahwa nilai R2 pada penelitian ini adalah sebesar 0.997568. Ini berarti, variabel-variabel independen yang terdapat pada penelitian ini dapat menjelaskan mengenai variabel Kemiskinan sebesar 99,76%. Sedangkan sebesar 00,24% dapat dijelaskan oleh model di luar penelitian.