ANALISIS DAN PEMBAHASAN A. Temuan Hasil Penelitihan
1. Penentuan Model
Penelitihan yang dilakukan kali ini, memilih pendekatan estimasi generalized
least square (GLS) dengan model fixed effect model (FEM). Hal tersebut ditetepakan setelah melalui beberapa proses pemilihan model (uji chow dan uji
hausman) dan beberapa uji analisis asumsi klasik. Uji yang dilakukan untuk
menentukan model estimasi adalah uji chow dan uji hausman. Dimana uji chow
adalah uji yang menentukan antara common effect model dan juga random effect
model. Hasilnya adalah model yang penelitih gunakan adalah model FEM, namun pengujian asumsi klasik yang penelitih gunakan tidak lulus uji, seperti ditemukan
autokorelasi dan juga multikolenerialitas didalam tersebut. Karena hal itu penelitih
menggunakan pedekatan weight atau GLS pada model estimasi FEM, dikarena-kan
hal itu, uji hausman tidak lagi dibutuhkan karena weight atau pembobotan tidak ada
atau tidak dilakukan dalam model REM dikarenakan model REM sudah
77 juga dapat diabaikan dikarenakan model estimasi yang digunakan adalah GLS
(Sedyadi, 2014).
a. Hasil Uji Chow
Tabel 4. 1 Hasil Uji Chow
Effect Test Statistic D,f Prob.
Cross-section F 22.032625 (11,105) 0.0000
Dari hasil pengujian, didapatkan dari nilai cross-section F adalah
0.0000. Dimana:
H0 = Commont Effect Model
H1 = Fixed Effect Model
Dikarenakan nilai probalitas dari cross-section F adalah sebesar
0.0000, maka H0 ditolak (dikarenakan lebih kecil dari 0.005), tingkat signifikansi yang digunakan adalah 0.005 (α = 5%). Maka sudah bisa
dipastikan model estimasi FEM adalah model yang pas untuk penelitihan
kali ini. Dikarenakan adanya autokorelasi dan multikolinearitas pada
model ini, maka penelitih menggunakan bobot/weight pada model estimasi
FEM, untuk dapat mengabaikan uji klasik. Dikarenakan pada model Sumber : Hasil Pengelolahan Data Dengan Menggunakan Eviews 10.0
78 estimasi REM tidak dapat menggunakan bobot, maka uji hausman
(pemilihan FEM atau REM) tidak perlu dilakukan.
b. Hasil Uji Hausman
Tabel 4. 2 Hasil Uji Hausman Test Summary Chi-Sq.
Statistic
Chi-Sq. d,f. Prob. Cross-Section random 12.386547 3 0.0062
Dari hasil pengujian, didapatkan nilai probalitas cross-section random
adalah 0.0012. Dimana:
H0 = Commont Effect Model
H1 = Fixed Effect Model
Dikarenakan hasil dari hausman bernilai 0.0012, dimana hasil
tersebut lebih kecil dari taraf signifikansi 0.05 (5%), maka H0 ditolak dan
H1 diterima. Maka sudah bida dipastikan model yang harus digunakan
adalah fixed effect model (FEM).
2. Pengujian Hipotesis a. Uji Statistik
Pengujian statistik dilakukan untuk mengetahui apakah model estimasi
yang penelitih gunakan sudah tepat dan pas. Pengujian statistik adalah Sumber : Hasil Pengelolahan Data Dengan Menggunakan Eviews 10.0
79 gambaran keseluruhan model secara statistik, apakah model estimasi tersebut
bagus atau tidak. Penelitih menggunakan aplikasi pengelohan data berupa
eviesw edisi ke-10. Dalam pengujian statistik dilihat beberapa aspek nilai statistik dalam model yang akan diuji, diantaranya adalah R-squared atau
koefisien determinasi (R2), uji F-statistik dan terakhir adalah uji t-statistik.
Berikut ini adalah hasil model estimasi Fixed Effect Model (FEM) dengan
pendekatan GLS.
Tabel 4. 3 Hasil Perhitungan Estimasi Data Panel Metode GLS
Variable Coefficient Prob.
C 0.896477 0.0000 IDI? -0.000861 0.0201 AHH? -0.006181 0.0071 TPT? -0.009324 0.0000 F-stat 26.15286 0.000000 R2 0.777163 Adj R2 0.747451
(1). Koefisien Determinasi (Uji R-Squared)
Uji R-Squared atau uji koefisien determinasi adalah alat uji statistik
untuk menjelaskan seberapa mampu variabel independent (variabel
80 Sesuai dengan tabel model estimasi diatas, nilai R-squared (R2) yang
diperoleh dari model estimasi FEM pendekatan GLS adalah 0.77. Hal
ini berati bahwa 77% dari variasi ketimpangan distribusi pendapan di
Indonesia Timur pada tahun 2009 sampai dengan tahun 2018 mampu
dijelaskan oleh variabel Indeks demokrasi, angka harapan hidup, dan
tingkat pengangguran terbuka sedangkan 23% dijelaskan variabel lain
diluar model penelitian ini.
(2). Uji Signifikansi Simultan (Uji F-statistic)
Uji F-statistik adalah alat uji untuk melihat apakah ketiga variabel
bebas mempunyai pengaruh positif dan signifikan secara bersama-sama
terhadap variabel terikatnya. Bisa dikatakan, uji F-satistik adalah
pengujian terhadap model yang telah penelitih buat. Jika secara
serentak signifikan, maka model yang penelitih buat adalah model yang
baik, sebaliknya jika serentak tidak signifikan maka model yang
penelitih buat tidak baik untuk dipakai.
81 H0: Adanya pengaruh antara variabel x secara
bersama-sama terhadap variabel y.
H1: Tidak adanya pengaruh antara variabel x secara
bersama- sama terhadap variabel.
Jika nilai probalitas F-statistik lebih kecil dibandingkan nilai
alpha (signifikansi = 5%), maka H0 diterima ataupun hipotesis awal
penelitih diterima, dengan kata lain model dapat diterima secara
serentak tiga variabel yang penelitih gunakan dapat mempengarui
variabel terikat-nya. Namun bilai nanti nilai probalitas F-statistiknya
lebih besar dibandingkan nilai alpha. Maka H0 ditolak, dengan kata lain
model tidak dapat diterima. Dalam penelitihan ini, nilai alpha
signifikansi adalah 5% (0.005), sementara nilai probalitas F-statistiknya
adalah 0.0000. Dapat dikatakan nilai F-statistik lebih kecil
dibandingkan dengan nilai alpha, maka dapat disimpulkan model yang
penelitih gunakan adalah baik (secara simultan dapat mempengarui
variabel y).
82 Uji t dilakukan untuk menguji apakah variabel (Indeks Demokrasi
Indonesia, Angka Harapan Hidup, dan Tingkat Pengangguran Terbuka)
berpengaruh secara parsial terhadap variabel depedennya
(Ketimpangan Distribusi Pendapatan). Uji t-statistik dilakukan dengan
cara membandingkan nilai probalitas t-statistik terhadap tingkat
signifikansi α = 5% melihat apakah hipotesisnya diterima atau ditolak.
Adapun hipotesis dalam penelitihan ini adalah sebagai berikut:
1) H0: Tidak ada pengaruh Indeks Demokrasi Indonesia secara
parsial terhadap Ketimpangan Pendapatan di 12 provinsi
Indonesia Timur tahun 2009-2018.
H1: Ada pengaruh Indeks Demokrasi Indonesia secara parsial
terhadap Ketimpangan Distribusi Pendapatan di 12 provinsi
Indonesia Timur tahun 2009-2018.
2) H0; Tidak ada pengaruh Angka Harapan Hidup secara parsial
terhadap Ketimpangan Pendapatan di 12 provinsi Indonesia Timur
83 H1: Ada pengaruh Angka Harapan Hidup secara parsial terhadap
Ketimpangan Distribusi Pendapatan di 12 provinsi Indonesia
Timur tahun 2009-2018.
3) H0: Tidak ada pengaruh Tingkat Pengangguran Terbuka secara
parsial terhadap Ketimpangan Pendapatan di 12 provinsi Indonesia
Timur tahun 2009-2018
H1: Ada pengaruh Tingkat Pengangguran Terbuka secara parsial
terhadap Ketimpangan Distribusi Pendapatan di 12 provinsi
Indonesia Timur tahun 2009-2018
Tabel 4. 4 Uji t-statistik
Berdasarkan hipotesis diatas, maka pembuktian dari
penelitian ini didapatkan hasil sebagai berikut:
a) Nilai probalitas t-statistik pada variabel Indeks Demokrasi Indonesia (IDI) adalah 0,0201 < 0,05 (α = 5%) yang artinya H1
diterima H0 ditolak.
Variable Coefficient Prob.
C 0.896477 0.0000
IDI? -0.000861 0.0201
AHH? -0.006181 0.0071
TPT? -0.009324 0.0000
84 b) Nilai probalitas t-statistik pada variabel Angka Harapan Hidup (AHH) adalah 0,0071 < 0,05 (α = 5%) yang artinya H1 diterima
H0 ditolak.
c) Nilai probalitas t-statistik pada variabel Tingkat Pengangguran Terbuka (TPT) adalah 0,0000 < 0,05 (α = 5%) yang artinya H1
diterima H0 ditolak.
Dapat disimpulkan bahwa semua variabel yaitu indeks
demokrasi Indonesia, angka harapan hidup, tingkat partisipasi
angkatan kerja masing-masing memiliki pengaruh yang signifikan
terhadap ketimpangan distribusi pendapatan dibuktikan dengan uji
85 B. ANALISIS MODEL