4. HASIL PENELITIAN dan PEMBAHASAN
4.3 Hasil Uji Kriteria Statistik
Berdasarkan hasil output program eviews, diperoleh nilai koefisien determinasi (R2) sebesar 0.126323 yang berarti bahwa variabel-variabel bebas yaitu garis kemiskinan dan pajak rokok secara bersama-sama berpengaruh nyata terhadap konsumsi rokok sebesar 12.63 persen sedangkan sisanya 87.37 persen dijelaskan oleh varibael lain yang tidak termasuk dalam model estimasi. Karena ini data cross section maka R2 tidak terlalu tinggi. Apabila jenis data cross-section yang digunakan di dapatkan nilai R-square rendah namun hasil pengujian signifikan dan arahnya sesuai dengan teori ekonomi maka model tersebut dapat digolongkan sebagai model yang layak secara statistik (Gujarati,2003).
Karena konsumsi rokok di daerah satu tidak mempengaruhi konsumsi rokok di daerah lainnya.
Tabel 4.5
Hasil Uji R-Squared untuk Pengaruh X1,X2 terhadap Y
R-squared 0.126323 Mean dependent var 3722.620 Adjusted R-squared 0.071718 S.D. dependent var 370.8651 S.E. of regression 375.3188 Akaike info criterion 14.67695 Sum squared resid 4085656. Schwarz criterion 14.81027 Log likelihood -253.8466 Hannan-Quinn criter 14.72297 F-statistic 2.313402 Durbin-Watson stat 1.155954 Prob(F-Statistic) 0.115243
Sumber: Hasil Olahan Eviews
4.3.2 Uji F-Statistik
Uji F-Statistik ini adalah pengujian yang bertujuan untuk mengetahui seberapa besar pengaruh koefisien regresi secara bersama-sama terhadap variabel dependen. Untuk pengujian ini digunakan hipotesis H0 diterima (F-hitung < F-tabel) artinya variabel independen secara bersama-sama tidak berpengaruh nyata terhadap variabel dependen. H1 diterima (F-Hitung > F-tabel) artinya variabel independen secara bersama-sama berpengaruh nyata terhadap variabel dependen.
Pengaruh garis kemiskinan (X1), pajak rokok (X2), terhadap konsumsi rokok (Y) di Provinsi Jawa Tengah pada tahun 2013 menggunakan taraf keyakinan 95% (α=0,05) degree of freedom (df 1=K-1=3-1) di peroleh F-tabel sebesar 1,37.
Dari regresi pengaruh garis kemiskinan dan pajak rokok terhadap pengaruh konsumsi rokok di Jawa Tengah tahun 2013, maka di peroleh
sebesar 2.313402 dan nilai probabilitas F-statistik 0.115243. Maka dapat disimpulkan bahwa variabel independen bersama-sama (salah satu/seluruh) berpengaruh terhadap variabel dependen (hitung > F-tabel).
4.3.3 Uji t-Statistik
Uji signifikansi individu (Uji t) bermaksud untuk melihat signifikansi pengaruh variabel independen secara individu terhadap variabel dependen. Parameter yang digunakan adalah suatu variabel independen dikatakan secara signifikan berpengaruh terhadap variabel dependen bila nilai t-statistik > nilai t-tabel atau juga dapat diketahui dari nilai probabilitas t-statistik yang lebih kecil dari nilai alpha (α) 5%.
Tabel 4.6 Regresi Berganda
Variabel Koefisien Std. Eror t-Statistik Prob.
C 2682,959 607,4660 4,416640 0,0001
GK 0,003597 0,001692 2,126210 0,0413
PJK 0,00000000117 0,0000000102 0,114600 0,9095 Sumber: Hasil Olahan Eviews
Pengaruh Garis Kemiskinan (X1) dan Pajak Rokok (X2) terhadap konsumsi rokok (Y) di Jawa Tengah tahun 2013. Dengan menggunakan
taraf keyakinan 95 % (α=0,05) degree of freedom (df=n-k=35-2-1= 32) diperoleh t-tabel sebesar 2,034.
Secara individu garis kemiskinan (X1) berpengaruh signifikan dan berpengaruh positif pada konsumsi rokok (Y) di Jawa Tengah. Pajak rokok
(X1) berpengaruh tidak signifikan dan postif pada konsumsi rokok (Y) di
Jawa Tengah dengan α = 5% atau taraf keyakinan 95%.
1. Hasil pengujian didapatkan nilai hitung sebesar 2,126 dan nilai t-tabel 2,034. Berdasarkan hasil tersebut didapatkan nilai t hitung > t tabel yaitu 2,126 > 2,034 maka H0 ditolak dan H1 diterima. Bahwa terdapat hubungan positif dan signifikan garis kemiskinan terhadap konsumsi rokok.
2. Hasil pengujian didapatkan nilai hitung sebesar 0,114 dan nilai tabel 2,034. Berdasarkan hasil tersebut didapatkan nilai hitung < t-tabel yaitu 0,114 < 2,034 maka H0 di terima dan H1 ditolak. Bahwa terdapat pengaruh pajak rokok terhadap konsumsi rokok.
4.4 Uji Asumsi Klasik 4.4.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi
cross-section variabel-variabelnya berdistribusi normal atau tidak. Untuk mengetahui apakah data tersebut berdistribusi normal, maka angka
signifikansi probability harus lebih besar dari α 5 persen = 0,05. Pengambilan keputusan untuk uji ini berdasarkan probabilitas hasil uji normalitas.
0 1 2 3 4 5 6 7 -600 -400 -200 0 200 400 600 800 1000 Series: Residuals Sample 1 35 Observations 35 Mean 2.01e-13 Median -2.922582 Maximum 976.1142 Minimum -613.6220 Std. Dev. 346.6502 Skewness 0.412035 Kurtosis 3.313283 Jarque-Bera 1.133469 Probability 0.567375
Gambar 4.1 Hasil Uji Normalitas
Sumber: Hasil Olahan Eviews
Hasil perhitungan uji normalitas, terlihat bahwa residual mempunyai nilai probability 0,56 dan tingkat signifikansi lebih besar dari 0,05. Nilai Jarque-Bera pada data ini sebesar 1,133469 dengan X2 sebesar 45,77. Jarque-Bera lebih kecil dari pada X2. Berdasar tabel di atas, dapat disimpulkan bahwa residual memiliki data yang berasal dari populasi normal.
4.4.2 Uji Multikolinearitas
Multikolinearitas adalah adanya hubungan antara variabel independen dalam satu persamaan regresi. Model regresi yang baik seharusnya tidak memiliki masalah mulikolinearitas. Seperti telah dibahas pada bab III, penelitian ini mendeteksi multikolinieritas dengan melakukan uji korelasi parsial antar variabel independen. Jika koefisien korelasi diatas 0,80, dapat disimpulkan terdapat masalah multikolinieritas pada model. Sebaliknya, jika koefisien korelasi relatif rendah (< 0,80) maka diduga
model tidak mengandung unsur multikolinearitas. Hasil uji multikolinearitas dengan menguji koefisien korelasi (r) dapat dilihat pada tabel di bawah.
Tabel 4.7
Hasil Uji Multikolinearitas
Garis_Kemiskinan Pajak
Garis_Kemiskinan 1 -0.2038
Pajak -0.2038 1
Sumber: Hasil Olahan Eviews
Tabel diatas menunjukkan korelasi antara garis kemiskinan dengan pajak rokok sebesar -0.2038, dengan nilai koefisien korelasi (r) antar variabel independen pada model yang digunakan dalam penelitian < 0,80, maka dapat dinyatakan bahwa tidak terdapat masalah multikorelasi pada model penelitian.
4.4.3 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedasitas, dan jika berbeda disebut heteroskedasitas.
Adanya heteroskedastisitas dalam model analisis mengakibatkan varian dan koefisien-koefisien OLS tidak lagi minimum dan penaksir-penaksir OLS menjadi tidak efisien meskipun penaksir-penaksir OLS tetap tidak bias dan konsisten. Metode yang digunakan untuk mendeteksi adanya
heteroskedastisitas pada penelitian ini adalah pengujian White. Tabel 4.8 menunjukkan bahwa model tidak mengandung heteroskedasitas, karena nilai probabilitas Chi Squares sebesar 0,2600 lebih besar dari nilai α
sebesar 0,05 maka H0 diterima.
Tabel 4.8
Hasil Uji Heteroskedasitas
Heteroskedasticity Test White
F-statistic 1.334499 Prob.F(2,32) 0.2775 Obs*R-Squared
Scaled
2.694480 Prob.Chi-Square(2) 0.2600 ExplainedSS 2.605179 Prob.Chi-Square(2) 0.2718 Sumber: Hasil Olahan Eviews 8