BAB V HASIL DAN PEMBAHASAN
5.2 Pengujian Model
Untuk memilih model yang tepat, dapat dilakukan beberapa pengujian
model, diantaranya adalah dengan uji asumsi klasik yang terdiri dari uji
normalitas, Uji multikolinearitas, uji autokorelasi, dan uji heterokedastisitas.
Selain itu juga dllakukan uji statistik analisis regresi yang terdiri dariuji koefisien
66
5.2.1 Uji Asumsi Klasik
Tujuan dari uji asumsi klasik adalah untuk mengetahui apakah uji regresi
yang telah dilakukan layak atau tidak sebagai alat prediksi. Dalam penelitian ini
dilakukan 4 uji asumsi klasik yaitu uji normalitas, uji multikolinearitas, uji
autokorelasi dan uji heterokedastisitas.
a. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah variabel independen
ataupun variabel dependen mempunyai distribusi normal atau tidak. Model regresi
yang baik adalah distribusi data normal atau mendekati uji normalitas. Uji
normalitas dalam penelitian ini dilakukan p-plot.
Gambar 5.1 Uji Normalitas
67
Sumber: Data olahan
Normalitas data dalam penelitian dilihat dengan cara memperhatikan
penyebaran data (titik) pada Normal P-Plot of Regression Standardized Residual
dari variabel terikat. Persyaratan dari uji normalitas data adalah jika data
menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model
regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari garis diagonal
dan/atau tidak mengikuti garis diagonal, maka model regresi tidak memenuhi
asumsi normalitas. Berdasarkan hasil pengolahan data maka didapatkan hasil
bahwa semua data berdistribusi secara normal dan tidak terjadi penyimpangan,
sehingga data yang dikumpulkan dapat diproses dengan metode-metode
selanjutnya. Hal ini dapat dibuktikan dengan memperhatikan sebaran data yang
menyebar disekitar garis diagonal pada “Normal P-Plot of Regresion
Standardized Residual” sesuai gambar di atas, sehingga dapat dikatakan bahwa model regresi dalam penelitian ini berdistribusi normal.
b. Uji Multikolinearitas
Tujuan dari uji multikolinearitas adalah untuk menguji apakah di dalam
model regresi ditemukan adanya korelasi di antara variabel bebas (variabel
independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara
variabel bebas. Metode pengujian yang biasa digunakan yaitu dengan melihat
nilai Variance Inflation Factor Tolerance pada model regresi. Jika nilai VIF
kurang dari 10 dan Tolerance lebih dari 0,1 maka model regresi bebas dari
multikolinearitas. Nilai tolerance untuk investasi, tenaga kerja dan ekspor berada
68
5.813. Dari hasil tersebut maka dapat disimpulkan bahwa tidak ada terjadi
korelasi ataupun multikolinearitas antar variabel independen.
c. Uji Autokorelasi
Salah satu pengujian yang digunakan untuk mengetahui adanya
autokorelasi adalah dengan memakai uji statistik Durbin Watson (DW test).
Menurut Santoso (2001), keputusan ada atau tidaknya autokorelasi adalah: Bila
nilai DW dibawah -2 maka ada autokorelasi positif, bila nilai DW di antara -2
sampai +2 maka tidak ada autokorelasi, dan bila nilai DW di atas +2 maka ada
autokorelasi negatif. Nilai Durbin-Watson sebesar 1,278 sehingga dapat dikatakan
tidak terjadi autokorelasi, karena nilai DW berada diantara-2 sampai +2.
d. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk memastikan dalam model regresi
terjadi kesamaan variance dari residual satu pengamatan lain. Model regresi yang
baik adalah tidak terjadi heterokedastisitas.
Gambar 5.2
Hasil Uji Heterokedastisitas
69
Hasil uji heteroskedastisitas dapat dilihat pada output Regressioni pada
gambar Scatterplot. Dapat diketahui bahwa titik-titik menyebar dengan pola yang
tidak jelas di atas dan dibawah angka 0 pada sumbu Y, jadi dapat disimpulkan
bahwa tidak terjadi masalah heterokedastisitas pada model regresi.
5.2.2 Uji Statistik
Uji ini digunakan untuk mengetahui apakah variabel independen secara
individu dan bersama-sama berpengaruh signifikan terhadap variabel dependen.
Uji statistik ini meliputi Uji F, Uji-t dan Koefisien Determinasi (R2).
a. Uji Parsial (Uji t)
Menurut Gujarati (2004), Uji t digunakan untuk melihat signifikansi dari
pengaruh variabel independen secara individu terhadap variabel dependen dengan
variabel yang lain konstan. Untuk menguji pengaruh setiap variabel independen
tersebut dapat dilakukan dengan membandingkan antara nilai signifikansi dengan
taraf nyata 0,05 (5 persen) dan membandingkan nilai t-hitung dengan t-tabel.
Berdasarkan analisis tersebut, maka hasil pengolahan data dapat dinyatakan
sebagai berikut:
1. Nilai signifikansi dari variabel investasi adalah 0,00 dimana hasil tersebut
lebih kecil dari nilai signifikansi 0,05 dan nilai t-hitung lebih besar
daripada t-tabel (10,563>1,771) artinya bahwa variabel investasi
berpengaruh secara signifikan terhadap variabel pertumbuhan ekonomi.
2. Nilai signifikansi dari variabel tenaga kerja adalah 0,004 dimana hasil
70
daripada t-tabel (3,884>1,771) artinya bahwa variabel jumlah tenaga kerja
berpengaruh signifikan terhadap variabel pertumbuhan ekonomi.
3. Nilai signifikansi dari variabel ekspor adalah 0,046 dimana hasil tersebut
lebih kecil dari nilai signifikansi 0,05 dan nilai t-hitung lebih besar
daripada t-tabel (2,317>1,771) artinya bahwa variabel jumlah ekspor
berpengaruh signifikan terhadap variabel pertumbuhan ekonomi.
Konstanta sebesar 2,945 menunjukan besaran variabel Y dengan asumsi
variabel lain tidak berubah. Berdasarkan uji statistik t variable lainnya dianggap
tidak berubah maka PDRB Provinsi Sumatera Barat adalah sebesar Rp. 881,035.
b. Uji Simultan Fixed Effect (Uji F)
Uji F diperlukan untuk mengetahui pengaruh semua variabel independen
dalam model secara bersama-sama terhadap variabel dependennya. Uji F dapat
dilakukan dengan melihat nilai probability dan derajat kepercayaan yang
ditentukan dalam penelitian, atau membandingkan nilai F-tabel dengan nilai
F-hitung, jika nilai probability < 0,05 atau α=5 persen dan jika nilai F-hitung lebih tinggi daripada t-tabel maka dapat dikatakan suatu variabel independen secara
bersama-sama mempengaruhi variabel dependennya (Gujarati, 2004).
Berdasarkan hasil analisis diperoleh nilai F-hitung sebesar 472,814 dengan
signifikansi 0,000. Nilai F-tabel pada tingkat kepercayaan 95% (signifikan 0,05)
adalah , maka F-hitung > F-tabel (472,814>3,18) dengan signifikansi < 0,05
(0,000<0,05). Maka artinya variabel investasi, tenaga kerja dan ekspor secara
71
c. Koefisien Determinasi (R2)
Koefisien determinasi ini digunakan untuk menjelaskan seberapa besar
pengaruh variabel-variabel bebas memiliki pengaruh terhadap variabel terikatnya.
Nilai koefisien determinasi yang digunakan adalah R2 (R square) (Gujarati, 2004).
Dari hasil perhitungan dapat diketahui bahwa R2 yang diperoleh sebesar
0,99. Hal ini menunjukkan bahwa variabel nilai investasi, tenaga kerja ekspor
mempengaruhi 99 persen pertumbuhan ekonomi. Sedangkan sisanya sebesar 1
persen dipengaruhi oleh variabel lain yang tidak dimasukkan ke dalam model
penelitian.