Hipotesis - TINJAUAN PUSTAKA - SKRIPSI ANALISIS PENGARUH PERKEMBANGAN TEKNOLOGI INFORMASI DAN K

BAB II TINJAUAN PUSTAKA

2.5 Hipotesis

Hipotesis merupakan suatu rumusan yang menyatakan adanya hubungan tertentu antara dua variabel atau lebih. Hipotesis ini bersifat sementara dalam arti dapat diganti dengan hipotesis yang lain yang lebih tepat dan lebih benar berdasarkan pengujian.Berdasarkan teori dan penelitian terdahulu maka hipotesis yang dikemukakan dalam penelitian ini adalah :

1. Investasi memiliki pengaruh positif dan signifikan terhadap pertumbuhan ekonomi.

2. Variabel dummy 1 memiliki pengaruh positif dan signifikan terhadap pertumbuhan ekonomi.

3. Variabel dummy 2 memiliki pengaruh positif dan signifikan terhadap pertumbuhan ekonomi.

35 BAB III

METODE PENELITIAN

3.1 Jenis Penelitian dan Sumber Data

Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian deskriptif kuantitatif. Penelitian diskriptif adalah penelitian yang dilakukan untuk mengetahui nilai variabel dependen (terikat) terhadap satu variabel atau lebih tanpa membuat perbandingan atau menghubungkan dengan variabel yang lain.

Penelitian kuantitatif adalah penelitian yang datanya merupakan data dalam bentuk angka sehingga menggunakan analisis kuantitatif.

Jenis data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data dalam bentuk yang sudah diolah oleh pihak lain serta telah dipublikasi. Data dalam penelitian ini berbentuk time series selama periode tahun 1990 sampai dengan 2016. Data yang diperlukan untuk penelitian ini diperoleh dari situs worldbank. Penelitian ini dilakukan pada bulan Februari 2018 sampai selesai.

3.2 Batasan Operasional

Batasan operasional dalam penelitian ini adalah:

1. Variabel dependen (Y) dalam penelitian ini adalah PDB.

2. Variabel independen pertama (X₁) dalam penelitian ini adalah investasi.

3. Variabel independen kedua (X2) dalam penelitian ini adalah variabel dummy 1.

4. Variabel independen ketiga (X₃) dalam penelitian ini adalah variabel dummy 2.

5. Negara yang digunakan dalam penelitian ini adalah Indonesia dengan jangka waktu 27 tahun dari tahun 1990 sampai dengan 2016.

3.3 Definisi Operasional

Definisi operasional pada penelitian ini adalah:

1. PDB (Y)

Produk Domestik Bruto (PDB) adalah jumlah nilai barang dan jasa yang dihasilkan oleh seluruh masyarakat dalam suatu negara selama satu tahun, termasuk pula yang dihasilkan warga negara asing yang berada di wilayah negara tersebut. Namun dalam PDB terdapat beberapa hal yang tidak disertakan seperti nilai dari semua kegiatan yang terjadi di luar pasar, kualitas lingkungan dan distribusi pendapatan.

2. Investasi (X1)

Investasi adalah penanaman modal dalam rangka untuk menambah barang-barang modal dan perlengkapan produksi yang sudah ada demi menambah jumlah produksi. Penanaman modal dalam bentuk investasi ini berasal dari dalam negeri dan luar negeri.

3. D1 (X2) dan D2 (X3)

Variabel dummy adalah variabel yang bersifat kategorikal yang mempunyai pengaruh terhadap variabel yang bersifat kontinu. Variabel dummy disebut juga variabel boneka, binerik, atau kategorik. Variabel dummy hanya mempunyai dua nilai, yaitu 1 dan 0 serta diberi simbol D. Dummy memiliki nilai 1 (D=1) untuk salah satu kategori dan nol (D=0) untuk kategori yang lain. Dummy pada penelitian ini berperan untuk membandingkan perkembangan teknologi dan

menggunakan dua variabel, yaitu dummy pertama (D1) membandingkan 2G dan 3G, sedangkan dummy kedua (D₂) membandingkan 3G dan 4G.

3.4 Metode Pengumpulan Data

Pengumpulan data pada penelitian ini melalui proses dua tahap. Tahap pertama peneliti melakukan studi pustaka, yaitu dengan mancari buku dan jurnal yang berhubungan dengan penelitian yang akan dilakukan. Tahap kedua peneliti mengumpulkan data melalui situs worldbank dan mengunduh data yang diperlukan.

Pengolahan dan perhitungan data sekunder untuk variabel-variabel bebas dan variabel terikat pada penelitian ini akan diolah dan dihitung menggunakan aplikasi Eviews 10 dan untuk pengolahan data dalam bentuk tabel menggunakan aplikasi Microsoft Office Excel 2013.

3.5 Metode Analisis Data

Analisis data adalah proses penyederhanaan data ke dalam bentuk yang mudah dibaca dan diinterpretasikan. Prosedur pengolahan data dalam penelitian ini dimulai dengan memindahkan data ke dalam variabel yang digunakan pada penelitian ini. Dari nilai variabel-variabel itulah yang nantinya akan dimasukkan dan diolah melalui aplikasi Eviews 10.

Dalam penelitian ini terdapat tiga variabel bebas sehingga harus menggunakan model regresi berganda. Regresi linier berganda adalah suatu model regresi yang variabel dependennya merupakan fungsi linier dari beberapa variabel bebas, dimana PDB sebagai variabel dependen, sedangkan investasi, dummy 1 dan dummy 2 sebagai variabel independen.

Untuk membuat persamaan regresi, penelitian ini menggunakan teori pertumbuhan Solow sebagai berikut :

Y = f(K,L) Keterangan :

Y = Pertumbuhan ekonomi (PDB) K = Kapital (modal)

L = Labor (tenaga kerja)

Kemudian menggunakan analisis Model AK dengan persamaan fungsi produksi Cobb-Douglas sebagai berikut :

Y = AK^αL^1-α ... (1) Keterangan :

Y = Pertumbuhan ekonomi (PDB) A = Kemajuan teknologi

K = Kapital (modal) L = Labor (tenaga kerja) α = Konstanta

Hal ini akan terjadi jika modal hanya diperlukan untuk meningkatkan produksi output, dengan asumsi bahwa tidak ada faktor yang tetap dan semua faktor diciptakan oleh ekonomi itu sendiri seperti modal, yang dapat ditingkatkan dengan investasi. Dengan anggapan α = 1, maka persamaan (1) menjadi :

Y = AK^αL^1-α Y = AK¹L^1-1 Y = AK¹L⁰

Y = AK ... (2) Keterangan :

Y = Pertumbuhan ekonomi (PDB) A = Kemajuan teknologi

K = Kapital (modal)

Untuk memperoleh koefisien elastisitas dari model AK, maka persamaan (2) dirubah kedalam bentuk logaritma, sehingga menjadi :

Ln y = Ln A + Ln K + ℯ ... (3) Keterangan :

Ln y = Logaritma pendapatan nasional (PDB) Ln A = Logaritma kemajuan teknologi Ln K = Logaritma kapital (modal) ℯ = Error

Dengan menambahkan 2 variabel dummy pada persamaan (3), maka persamaan regresi yang digunakan untuk penelitian ini adalah :

Ln y = Ln A + Ln K + D1 + D2 + ℯ ... (4) Keterangan :

Ln y = Logaritma pendapatan nasional Ln A = Logaritma kemajuan teknologi Ln K = Logaritma kapital (modal)

D₁ = Variabel dummy yang akan bernilai 0 pada saat sebelum adanya 3G dan bernilai 1 pada saat setelah adanya 3G.

D₂ = Variabel dummy yang akan bernilai 0 pada saat sebelum adanya 4G dan bernilai 1 pada saat setelah adanya 4G.

ℯ = Error

3.5.1 Data Time Series

Time series merupakan data yang terdiri dari satu objek yang meliputi beberapa periode waktu misalnya harian, bulanan, mingguan, tahunan, atau periode waktu lainnya untuk memberikan gambaran tentang perkembangan suatu objek. Data ini nantinya akan diamati pola perubahannya dari tahun ke tahun (berurutan), sehingga data ini dikatakan sebagai data historis atau runtun waktu.

Pola perubahan waktu tersebut dapat digunakan untuk mengestimasi pola perubahan pada tahun-tahun atau waktu mendatang.

3.6 Uji Asumsi Klasik

Sebelum melakukan analisis regresi, agar mendapatkan perkiraan yang tidak bias dan efisien maka dilakukan pengujian asumsi klasik yang harus dipenuhi, yaitu :

a. Uji Autokorelasi

Uji autokorelasi adalah sebuah analisis statistik yang dilakukan untuk mengetahui adakah korelasi variabel yang ada di dalam model prediksi dengan perubahan waktu. Oleh karena itu, apabila asumsi autokorelasi terjadi pada sebuah model prediksi, maka nilai disturbance tidak lagi berpasangan secara bebas, melainkan berpasangan secara autokorelasi. Oleh karena itu, apabila asumsi autokorelasi terjadi pada sebuah model prediksi, maka nilai disturbance tidak lagi berpasangan secara bebas, melainkan berpasangan secara autokorelasi.

b. Uji Normalitas

Uji normalitas dilakukan untuk mendeteksi apakah residual mempunyai distribusi normal atau tidak. Selain itu uji normalitas juga dilakukan jika sampel yang digunakan kurang dari 30. Metode yang digunakan untuk mendeteksi adanya normalitas adalah uji jarque-Bera. Hipotesis dan ketentuan yang digunakan adalah sebagai berikut :

H0 = residualnya berdistribusi normal.

Ha = residualnya tidak berdistribusi normal.

Jika nilai probabilitas lebih besar dari taraf signifikan ( =5%) yang berarti tidak signifikan, maka menerima H₀ atau menolak H_a yang berarti bahwa residualnya berdistribusi normal. Sebaliknya jika nilai probabilitas lebih kecil dari

taraf signifikan ( =5%) yang berarti signifikan, maka menolak H0 atau menerima H_a yang berarti bahwa residualnya tidak berdistribusi normal.

c. Uji Multikolinearitas

Artinya variabel independen yang satu dengan yang lain dalam model regresi berganda tidak saling berhubungan secara sempurna. Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari besarnya nilai Tolerance dan VIF (Variance Inflation Factor) melalui program Eviews 10. Tolerance mengukur variabilitas variabel terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai umum yang biasa dipakai adalah nilai Tolerance>1 atau nilai VIF <5, maka tidak terjadi multikolinearitas.

3.7 Pengujian Hipotesis 3.7.1 Uji R Square (R²)

Uji R square (R²) berfungsi untuk mengukur seberapa besar pengaruh variabel bebas terhadap variabel terikatnya. Koefisien determinasi pada dasarnya adalah untuk memeriksa apakah model regresi yang terestimasi cukup baik atau tidak. Nilai koefisien determinasi R square berkisar antara 0 dan 1. Jika nilai koefisien determinasi R square semakin mendekati 1 maka semakin baik model regresi atau kemampuan model yang digunakan sebagai model prediktif semakin kuat dan dapat dibenarkan, yang berarti variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel terikat.

Demikian sebaliknya, jika nilai koefisien determinasi R square semakin mendekati nol berarti kemampuan variabel-variabel bebas dalam menjelaskan variabel-variabel terikat adalah bebas.

3.7.2 Uji Parsial (Uji T)

Uji T atau dikenal dengan uji parsial adalah pengujian yang dilakukan untuk melihat bagaimana pengaruh variabel bebas secara parsial (individu) terhadap variabel terikatnya. Uji ini dilakukan dengan membandingkan T hitung dengan T tabel atau dengan melihat kolom signifikansi pada masing-masing t hitung. Untuk menilai T hitung digunakan rumus :

t_hitung =

Pengujian yang didasarkan pada perbandingan antara nilai T hitung dengan T tabel adalah sebagai berikut:

a. Jika T hitung < T tabel maka H₀ diterima, yang berarti variabel bebas secara parsial (individu) tidak berpengaruh terhadap variabel terikatnya.

b. Jika T hitung > T tabel maka H₀ditolak, yang berarti variabel bebas secara parsial (individu) berpengaruh terhadap variabel terikatnya.

Sedangkan pengujian yang didasarkan pada perbandingan nilai probability dengan taraf signifikansi 5% adalah sebagai berikut:

a. Jika nilai probability < 0,05 maka H0 ditolak, yang berarti variabel bebas secara parsial (individu) berpengaruh terhadap variabel terikatnya.

b. Jika nilai probability > 0,05 maka H₀ diterima, yang berarti variabel bebas secara parsial (individu) tidak berpengaruh terhadap variabel terikatnya.

3.7.3 Uji Simultan (uji F)

Uji F dikenal dengan uji serentak atau uji simultan, yaitu uji untuk melihat bagaimana pengaruh semua variabel bebas secara simultan (bersama-sama) terhadap variabel terikatnya. Atau uji untuk mengetahui apakah model regresi

yang dibuat signifikan atau tidak signifikan. Jika signifikan maka model bisa digunakan untuk prediksi atau peramalan. Jika tidak signifikan maka model tidak bisa dijadikan prediksi atau peramalan. Dasar pengambilan keputusan uji F didasarkan pada dua perbandingan, yaitu perbandingan antara nilai F hitung dengan F tabel dan perbandingan antara nilai F-statistic dengan taraf signifikansi 5%. Penentuan besarnya Nilai Fhitung dapat dicari dengan rumus:

Fhitung = Keterangan :

R = Koefisien determinan N = Jumlah observasi K = Jumlah variabel

Dasar pengambilan keputusan yang didasarkan pada F hitung dan F tabel yaitu sebagai berikut:

a. Jika F hitung > F tabel maka H0 diterima, yang berarti variabel bebas secara bersama-sama (simultan) berpengaruh terhadap variabel terikatnya.

b. Jika nilai F hitung < F tabel maka H0 ditolak, yang berarti variabel bebas secara bersama-sama (simultan) tidak berpengaruh terhadap variabel terikatnya.

Sedangkan dasar pengambilan keputusan yang didasarkan pada perbandingan nilai F-statistic dengan taraf signifikansi 5% adalah sebagai berikut:

a. Jika nilai statistik F < 0,05 maka H₀ ditolak, yang berarti variabel-variabel bebas secara bersama-sama (simultan) berpengaruh terhadap variabel terikatnya.

b. Jika nilai statistik F > 0,05 maka H0 diterima, berarti variabel-variabel bebas secara bersama-sama (simultan) tidak berpengaruh terhadap variabel terikatnya.

45 BAB IV PEMBAHASAN

4.1 Gambaran Umum

Pada bab ini akan dibahas hasil penelitian yang dilakukan setelah permasalahan diidentifikasi dan telah melewati segala tahap-tahap pengolahan data untuk menciptakan suatu model permasalahan untuk dianalisis lebih lanjut.

Objek yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari situs world bank.

Dalam penelitian ini negara yang digunakan adalah Indonesia dengan jangka waktu 27 tahun dari tahun 1990 sampai dengan 2016. Tujuan penelitian ini adalah untuk mengetahui pengaruh variabel investasi, dummy 1 dan dummy 2 terhadap PDB di Indonesia. Dari penelitian ini diperoleh 27 data observasi yang digunakan untuk menganalisis data dan melakukan pengujian hipotesis.

4.2 Analisis Deskriptif Statistik

Metode analisis deskriptif statistik terlebih dahulu digunakan untuk memberikan gambaran dari data statistik yang diperoleh dari hasil estimasi melalui aplikasi eviews 10. Deskripsi data statistik yang terdaftar pada situs world bank dari tahun 1990 sampai dengan 2016 akan disajikan dalam analisis ini.

Tabel 4.1

Analisis Deksriptif Satatistik

Sumber : Hasil Olahan Data Eviews, Lampiran 2

Berdasarkan tabel 4.1 diatas dapat diketahui bahwa mean atau nilai rata-rata variable PDB dari tahun 1990 sampai dengan 2016 adalah sebesar 4.14E+11. PDB tertinggi pada tahun 1990 sampai dengan 2016 adalah sebesar 9.32E+11 yaitu pada tahun 2016, sedangkan PDB terendah pada tahun 1990 sampai dengan 2016 adalah sebesar 1.02E+11 yaitu pada tahun 1998. Dan nilai standar deviasinya adalah sebesar 3.06E+11.

Berdasarkan tabel 4.1 diatas dapat diketahui bahwa mean atau nilai rata-rata investasi dari tahun 1990 sampai dengan 2016 adalah sebesar -5.16E+09.

Investasi tertinggi pada tahun 1990 sampai dengan 2016 adalah sebesar 2.63E+09 yaitu pada tahun 1997. Investasi terendah pada tahun 1990 sampai dengan 2016 adalah sebesar -2.61E+10 yaitu pada tahun 2014. Dan nilai standar deviasinya adalah sebesar 6.99E+09.

Berdasarkan tabel 4.1 diatas dapat diketahui bahwa mean atau nilai rata-rata dummy 1 dari tahun 1990 sampai dengan 2016 adalah sebesar 0.962963.

Dummy 1 tertinggi pada tahun 1990 sampai dengan 2016 adalah sebesar 1.

PDB Investasi Dummy 1 Dummy 2 Mean 4.14E+11 -5.16E+09 0.962963 0.111111 Median 2.50E+11 -3.88E+09 1.000000 0.000000 Maximum 9.32E+11 2.63E+09 1.000000 1.000000 Minimum 1.02E+11 -2.61E+10 0.000000 0.000000 Std. Dev. 3.06E+11 6.99E+09 0.192450 0.320256

Dummy 1 terendah pada tahun 1990 sampai dengan 2016 adalah sebesar 0. Dan adapun nilai standar deviasinya adalah sebesar 0.192450.

Berdasarkan tabel 4.1 diatas dapat diketahui bahwa mean atau nilai rata-rata variabel dummy 2 dari tahun 1990 sampai dengan 2016 adalah sebesar 0.111111. Dummy 2 tertinggi pada tahun 1990 sampai dengan 2016 adalah sebesar 1. Dummy 2 terendah pada tahun 1990 sampai dengan 2016 adalah sebesar 0. Dan adapun nilai standar deviasinya adalah sebesar 0.320256.

4.2.1 Variabel Produk Domestik Bruto

Berdasarkan tabel 4.1 diatas dapat diketahui bahwa mean atau nilai rata-rata variabel PDB di situs world bank selama tahun 1990 sampai dengan 2016 adalah sebesar 4.14E+11. Indonesia memiliki PDB tertinggi pada tahun 1990 sampai dengan 2016 adalah sebesar 9.32E+11 yaitu pada tahun 2016, sedangkan PDB terendah pada tahun 1990 sampai dengan 2016 adalah sebesar 1.02E+11 yaitu pada tahun 1998. Hal ini menunjukkan bahwa PDB sampel selama periode pengamatan sangat berfluktuasi, karena jarak PDB terendah dan tertinggi cukup jauh. Dan nilai standar deviasinya adalah sebesar 3.06E+11.

4.2.2 Variabel Investasi

Berdasarkan tabel 4.1 diatas dapat diketahui bahwa mean atau nilai rata-rata variabel investasi pada situs world bank selama tahun 1990 sampai dengan 2016 adalah sebesar -5.16E+09. Investasi tertinggi pada tahun 1990 sampai dengan 2016 adalah sebesar 2.63E+09 yaitu pada tahun 1997. Investasi terendah pada tahun 1990 sampai dengan 2016 adalah sebesar -2.61E+10 yaitu pada tahun 2014. Hal ini menunjukkan bahwa investasi selama periode pengamatan sangat

berfluktuasi, karena jarak investasi terendah dan tertinggi cukup jauh. Dan nilai standar deviasinya adalah sebesar 6.99E+09.

4.2.3 Variabel Dummy 1

Berdasarkan tabel 4.1 diatas dapat diketahui bahwa mean atau nilai rata-rata variabel dummy 1 selama tahun 1990 sampai dengan 2016 adalah sebesar 0,96. Dummy 1 tertinggi pada tahun 2004 sampai tahun 2016 adalah sebesar 1.

Dummy 1 terendah pada tahun 1990 sampai tahun 2003 adalah sebesar 0. Hal ini menunjukkan bahwa dummy 1 selama periode pengamatan sangat berfluktuasi, karena jarak dummy 1 terendah dan tertinggi cukup jauh. Nilai standard deviasinya sebesar 0.19245.

4.2.4 Variabel Dummy 2

Berdasarkan tabel 4.1 diatas dapat diketahui bahwa mean atau nilai rata-rata variabel dummy 2 selama tahun 1990 sampai dengan 2016 adalah sebesar 0,11. Dummy 2 tertinggi pada tahun 2014-2016 adalah sebesar 1. Dummy 2 terendah pada tahun 1990 sampai dengan 2013 adalah sebesar 0. Hal ini menunjukkan bahwa dummy 2 selama periode pengamatan sangat berfluktuasi, karena jarak dummy 2 terendah dan tertinggi cukup jauh. Nilai standard deviasinya sebesar 0.320256.

4.3 Uji Asumsi Klasik

Sebelum melakukan analisis regresi perlu dilakukan uji asumsi klasik agar dapat perkiraan yang tidak bias dan efisien. Ada beberapa syarat asumsi klasik yang harus dipenuhi.

4.3.1 Uji Normalitas

Uji Normalitas banyak sekali macamnya, antara lain lilliefors, kolmogorov smirnov, shapiro wilk, shapiro francia, skewness kurtosis, jarque bera, dan

lain-lain. Pada aplikasi eviews ini, uji normalitas yang dilakukan adalah menggunakan metode jarque-bera.

Sumber : Hasil Olahan Data Eviews, Lampiran 5

Gambar 4.1 Uji Normalitas

Pada gambar 4.1 diatas dapat dilihat bahwa hasil uji normalitas residual di atas adalah nilai jarque-bera sebesar 8,278653 dengan p value sebesar 0,015934 dimana lebih kecil dari α = 5%, sehingga H1 diterima atau yang berarti residual berdistribusi tidak normal.

4.3.2 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Hasil pengolahan data dapat dilihat pada tabel berikut :

Tabel 4.2 Uji Multikolinearitas

Sumber : Hasil Olahan Data Eviews, Lampiran 6

Dari tabel 4.3 diatas menunjukkan bahwa nilai Centered VIF baik X₁, X₂, X3 adalah 2.687632 ; 1.029590 ; 2.639803 dimana nilai tersebut kurang dari 10, maka dapat dinyatakan bahwa tidak terdapat masalah multikolinearitas dalam model prediksi. Sumber : Hasil Olahan Data Eviews, Lampiran 4

Berdasarkan hasil uji autokolerasi dengan menggunakan uji LM maka didapat nilai probabilitas chi-square sebesar 0.2038 pada (α = 5%) nilai chi-square lebih kecil dari α. Maka dapat disimpulkan bahwa terdapat autokorelasi.

Variabel

4.4 Hasil Pengujian Hipotesis

4.4.1 Hasil Koefisien Determinasi (R2) Tabel 4.4

Hasil Koefisien Determinasi (R-squared)

R-squared

Koefisien Signifikansi

0.694886 0,000004

Sumber : Hasil Olah Data Eviews, Lampiran 3

Berdasarkan tabel 4.3, nilai koefisien determinasi (R-squared) adalah sebesar 0.694886 dengan nilai probability 0,000004 yang artinya sebesar 69,48%, perubahan-perubahan dalam PDB dapat dijelaskan oleh perubahan-perubahan dalam variabel bebas yang terdiri investasi, dummy 1 dan dummy 2. Sedangkan selebihnya yaitu 30,52 % dijelaskan oleh faktor variabel lain yang tidak dimasukkan dalam model penelitian ini. Dengan kata lain masih ada lagi variabel yang bisa mempengaruhi perubahan-perubahan PDB seperti harga saham, kinerja perusahaan yang dapat dilihat dari rasio keuangan, dan lain-lain.

4.4.2 Hasil Uji Hipotesis Secara Parsial (Uji T) Tabel 4.5

Uji T

Variabel Coefficient Std. Error t-Statistic Prob.

X1 -42.53644 8.276217 -5.139600 0.0000

X2 1.03E+11 1.86E+11 0.554457 0.5846

X3 -1.94E+11 1.79E+11 -1.082171 0.2904

C 1.17E+11 1.80E+11 0.650105 0.5221

Sumber : Hasil Olahan Data Eviews, Lampiran 3

Investasi memiliki nilai probability (p-value) sebesar 0,0000 lebih kecil dari taraf signifikansi 5%. Hal ini menunjukkan bahwa variabel investasi berpengaruh signifikan terhadap PDB. Nilai koefisien investasi sebesar -42.53644 yang artinya terdapat pengaruh negatif variabel investasi terhadap variabel PDB

dimana setiap kenaikan 1% investasi maka PDB akan mengalami penurunan sebesar -42.53644. Dengan kata lain dapat disimpulkan bahwa terdapat pengaruh negatif dan signifikan dari variabel investasi terhadap PDB.

Dummy 1 memiliki nilai probability (p-value) sebesar 0.5846 yang lebih besar dari taraf signifikansi 5%. Hal ini menunjukkan bahwa variabel dummy 1 tidak berpengaruh signifikan terhadap PDB. Koefisien dummy 1 sebesar 1.03E+11 menunjukkan apabila terjadi perubahan kenaikan dummy 1 sebesar 1% maka PDB akan mengalami kenaikan sebesar 1.03E+11. Kenaikan dummy 1 diikuti dengan kenaikan PDB ini dapat disimpulkan bahwa terdapat hubungan yang positif dan tidak signifikan .

Dummy 2 memiliki nilai probability (p-value) sebesar 0.2904 yang lebih besar dari taraf signifikansi 5%. Hal ini menunjukkan bahwa variabel dummy 2 tidak berpengaruh signifikan terhadap PDB. Koefisien dummy 2 sebesar -1.94E+11 menunjukkan apabila terjadi perubahan kenaikan dummy 2 sebesar 1%

maka PDB akan mengalami penurunan sebesar -1.94E+11. Dengan kata lain dapat disimpulkan bahwa terdapat hubungan yang negatif dan tidak signifikan.

4.4.3 Hasil Uji Hipotesis Secara Simultan (Uji F) Tabel 4.6

Uji F

F-Statistic Prob(F-statistic)

17.46053 0,0000004

Sumber : Hasil Olahan Data Eviews, Lampiran 3

Uji F untuk mengetahui bagaimanakah pengaruh dari variabel independen terhadap variabel dependen bersama-sama. Dari tabel 4.5 di atas dapat diketahui bahwa secara bersama-sama variabel independen investasi, dummy 1 dan dummy

2 berpengaruh signifikan terhadap variabel dependen PDB. Hal ini ditunjukan oleh nilai signifikansi F_hitung sebesar 17.46053 dan nilai probabilitas sebesar (0,00004) lebih kecil bila dibandingkan dengan nilai Ftabel sebesar 3,03 dan nilai signifikansi α = 5%. Maka dapat disimpulkan bahwa terdapat hubungan dan pengaruh secara bersama-sama variabel independen investasi, dummy 1 dan dummy 2 berpengaruh signifikan terhadap variabel dependen PDB.

4.5 Pembahasan

4.5.1 Pengaruh Investasi Terhadap PDB

Hasil pengujian secara parsial menyatakan bahwa investasi berpengaruh negatif dan signifikan terhadap PDB. Hal ini dapat dijelaskan bahwa angka investasi yang semakin tinggi, belum tentu memberikan indikasi akan meningkatkan PDB. Dengan meningkatnya investasi belum tentu meningkatkan PDB secara langsung.

Investasi memiliki nilai probability (p-value) sebesar 0,0000 lebih kecil dari taraf signifikansi 5%. Hal ini menunjukkan bahwa variabel investasi berpengaruh signifikan terhadap PDB. Nilai koefisien investasi sebesar -42.53644 yang artinya terdapat pengaruh negatif variabel investasi terhadap variabel PDB dimana setiap kenaikan 1% investasi maka PDB akan mengalami penurunan sebesar -42.53644.

Dengan kata lain dapat disimpulkan bahwa terdapat pengaruh negatif dan signifikan dari variabel investasi terhadap PDB.

4.5.2 Pengaruh Dummy 1 Terhadap PDB

Dummy 1 merupakan risiko yang harus dihadapi oleh para investor pada setiap investasi yang dilakukannya. Semakin besar dummy 1 maka semakin tinggi

PDB yang didapatkan oleh para investor. Dummy 1 merupakan variabel yang digunakan untuk membandingkan pengaruh investasi terhadap PDB sebelum dan sesudah adanya 3G. Hasil dari penelitian ini membuktikan bahwa variabel dummy 1 tidak berpengaruh signifikan terhadap PDB.

4.5.3 Pengaruh Dummy 2 Terhadap PDB

Dummy 1 merupakan risiko yang harus dihadapi oleh para investor pada setiap investasi yang dilakukannya. Semakin besar dummy 2 maka semakin tinggi PDB yang didapatkan oleh para investor. Dummy 2 merupakan variabel yang digunakan untuk membandingkan pengaruh investasi terhadap PDB sebelum dan sesudah adanya 4G. Hasil dari penelitian ini membuktikan bahwa variabel dummy 2 tidak berpengaruh signifikan terhadap PDB.

Dummy 2 memiliki nilai probability (p-value) sebesar 0.2904 yang lebih besar dari taraf signifikansi 5%. Hal ini menunjukkan bahwa variabel dummy 2

Dalam dokumen SKRIPSI ANALISIS PENGARUH PERKEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIKASI TERHADAP PERTUMBUHAN EKONOMI DI INDONESIA OLEH ERSA SABILA (Halaman 46-77)